• 비파괴검사학회지
• /
• 제24권2호
• /
• pp.142-150
• /
• 2004

발전설비의 보수검사에 적용하기 위한 예비 연구로 comb transducer를 이용한 파이프 내에서의 유도초음파 모드의 거동을 실험적으로 검증하였다. 유도초음파의 모드식별은 STFT와 WT에 의한 시간-주파수해석을 통하여 최적의 모드를 선정하였다. 시간-주파수해석과 이론적 해석 방법인 분산 곡선을 비교한 결과 잘 일치함을 알 수 있었으며, pitch-catch법과 선단부로부터 반사된 신호를 모드 분석한 결과 L(0,1) 모드가 다른 모드에 비해 모드변환에 의한 영향이 적었다. 따라서 L(0,1)을 최적의 모드로 선정하고, 결함위치를 추정한 결과 유용함을 알 수 있었다.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.1127-1127
• /
• 2001

The transfer of predictive models using various chemometric techniques has been reported for FTNIR and scanning-grating based NIR instruments with respect relatively dry samples (<10% water). Some of the currently used transfer techniques include slope and bias correction (SBC), direct standardization (DS), piecewise direct standardization (PDS), orthogonal signal correction (OSC), finite impulse transform (FIR) and wavelet transform (WT) and application of neural networks. In a previous study (Greensill et at., 2001) on calibration transfer for wet samples (intact melons) across silicon diode array instrumentation, we reported on the performance of various techniques (SBC, DS, PDS, double window PDS (DWPDS), OSC, FIR, WT, a simple photometric response correction and wavelength interpolative method and a model updating method) in terms of RMSEP and Fearns criterion for comparison of RMSEP. In the current study, we compare these melon transfer results to a similar study employing pairs of spectrometers for non-invasive prediction of soluble solid content of peaches.

• 전자공학회논문지S
• /
• 제35S권2호
• /
• pp.70-78
• /
• 1998

Spike detection in long-term EEG monitoring forepilepsy by wavelet transform(WT), artificial neural network(ANN) and the expert system is presented. First, a small set of wavelet coefficients is used to represent the characteristics of a singlechannel epileptic spikes and normal activities. In this stage, two parameters are also extracted from the relation between EEG activities before the spike event and EEG activities with the spike. then, three-layer feed-forward network employing the error back propagation algorithm is trained and tested using parameters obtained from the first stage. Spikes are identified in individual EEG channels by 16 identical neural networks. Finally, 16-channel expert system based on the context information of adjacent channels is introducedto yield more reliable results and reject artifacts. In this study, epileptic spikes and normal activities are selected from 32 patient's EEG in consensus among experts. The result showed that the WT reduced data input size and the preprocessed ANN had more accuracy than that of ANN with the same input size of raw data. Ina clinical test, our expert rule system was capable of rejecting artifacts commonly found in EEG recodings.

• 한국산업정보학회논문지
• /
• 제22권1호
• /
• pp.41-51
• /
• 2017

This Paper Describes a Method for the Evaluation of Sleep Apnea, Namely, the Peak Signal-to-noise ratio (PSNR) of Wavelet Transformed Electroencephalography (EEG) Data. The Purpose of this Study was to Investigate EEG Properties with Regard to Differences between Sleep Spindles and K-complexes and to Characterize Obstructive Sleep Apnea According to Sleep Stage. We Examined Non-REM and REM Sleep in 20 Patients with OSA and Established a New Approach for Detecting Sleep Apnea Base on EEG Frequency Changes According to Sleep Stage During Sleep Apnea Events. For Frequency Bands Corresponding to A3 Decomposition with a Sampling Applied to the KC and the Sleep Spindle Signal. In this Paper, the KC and Sleep Spindle are Ccalculated using MSE and PSNR for 4 Types of Mother Wavelets. Wavelet Transform Coefficients Were Obtained Around Sleep Spindles in Order to Identify the Frequency Information that Changed During Obstructive Sleep Apnea. We also Investigated Whether Quantification Analysis of EEG During Sleep Apnea is Valuable for Analyzing Sleep Spindles and The K-complexes in Patients. First, Decomposition of the EEG Signal from Feature Data was Carried out using 4 Different Types of Wavelets, Namely, Daubechies 3, Symlet 4, Biorthogonal 2.8, and Coiflet 3. We Compared the PSNR Accuracy for Each Wavelet Function and Found that Mother Wavelets Daubechies 3 and Biorthogonal 2.8 Surpassed the other Wavelet Functions in Performance. We have Attempted to Improve the Computing Efficiency as it Selects the most Suitable Wavelet Function that can be used for Sleep Spindle, K-complex Signal Processing Efficiently and Accurate Decision with Lesser Computational Time.

• Composites Research
• /
• 제13권1호
• /
• pp.40-49
• /
• 2000

저속 충격과 같은 충격 하중은 복합재 구조물에 중요한 손상의 요인이 되며, 충격에 의해 발생한 층간분리와 같은 손상은 쉽게 검출하기 힘들며 구조물의 큰 위험 요인이 될 수 있다. 본 연구에서 이러한 충격 하중을 계속적으로 감시할 수 있는 스마트 복합재 구조물의 충격 모니터링 시스템 개발의 기초 연구를 수행하였다. 충격 모니터링이란 충격이 발생하였을 때 충격 하중이 발생한 위치를 검출하고, 충격에 의하여 구조물에 손상이 발생하였는지 판단하고, 발생하였다면 어느 정도의 손상인지를 평가할 수 있는 시스템을 말한다. 본 연구에서는 이 시스템의 첫 단계인 복합적층 평판에 대한 충격 위치 검출 연구에 이어서 두 번째 단계로 충격 손상의 발생 여부를 실시간으로 검사할 수 있는 방법을 연구하였다. 본 연구에서는 충격에 의한 PZT 신호를 시간-주파수 해석 방법인 웨이블릿 변환을 이용하여 손상 모니터링 하는 연구를 수행하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권5호
• /
• pp.21-29
• /
• 2024

CT 촬영 시 방사선량을 줄이면 피폭 위험성을 낮출 수 있으나, 영상 해상도가 크게 저하 될 뿐아니라 잡음(noise) 발생으로 인해 진단의 효용성이 떨어진다. 따라서, CT 영상에서의 잡음제거는 영상복원 분야에 있어 매우 중요하고 필수적인 처리 과정이다. 영상 영역에서 잡음과 원래 신호를 분리하여 잡음만을 제거하는 것은 한계가 있다. 본 논문에서는 웨이블릿 변환 기반 GAN 모델 즉, WT-GAN(wavelet transform-based GAN) 모델을 이용하여 CT 영상에서 효과적으로 잡음 제거하고자 한다. 여기서 사용된 GAN 모델은 U-Net 구조의 생성자와 PatchGAN 구조의 판별자를 통해 잡음제거 영상을 생성한다. 본 논문에서 제안된 WT-GAN 모델의 성능 평가를 위해 다양한 잡음, 즉, 가우시안 잡음(Gaussian noise), 포아송 잡음 (Poisson noise) 그리고 스펙클 잡음 (speckle noise)에 의해 훼손된 CT 영상을 대상으로 실험하였다. 성능 실험 결과, WT-GAN 모델은 전통적인 필터 즉, BM3D 필터뿐만 아니라 기존의 딥러닝 모델인 DnCNN, CDAE 모형 그리고 U-Net GAN 모형보다 정성적이고, 정량적인 척도 즉, PSNR (Peak Signal-to-Noise Ratio) 그리고 SSIM (Structural Similarity Index Measure) 면에서 우수한 결과를 보였다.

• 한국음향학회지
• /
• 제15권5호
• /
• pp.21-29
• /
• 1996

발전소와 같은 산업 시설물들은 높은 온도와 압력 등의 환경 하에서 지속적으로 안전하게 동작하는 것이 중요하다. 초음파를 이용한 비파괴 검사는 효율적이고 간편하기 때문에 이러한 시설물의 구조적 결함이나 안전성을 조사하기 위해 널리 이용되고 있다. 본 논문에서는 불 균일한 배질의 산란 입자들에 의해 생기는 스펙클 잡음을 제거하기 위하여 웨이브렛 변환 평면(wavelet transform domain)에서 LMS 알고리즘을 적용하였다. 사용한 신호의 통계적 특성을 알기 위하여 RUN 테스트를 수행하여 신호가 비정상성을 나타냄을 보였고, WTLMS 알고리즘을 사용하여 잡음을 제거한 후 입력 자기상관 행렬의 condition number 및 독립 입력과 지연된 입력 각각에 대한 출력의 신호 대 잡음비, 그리고 3차원 영상의 관점에서 LMS 알고리즘과 비교하였다. 실험 결과 웨이브렛 변환 평면에서 LMS 알고리즘을 이용해 수행한 결과가 시평면에서 수행한 결과보다 우수한 성능을 나타내었다.

• 대한전자공학회논문지SP
• /
• 제43권3호
• /
• pp.1-8
• /
• 2006

본 논문에서는 복원된 영상에서 블록현상을 제거하기 위해 POCS 이론을 기반으로 효율적인 후처리 기법을 제안한다. 블록 현상을 나타내는 불필요한 고주파성분을 제거하기 위해 웨이브렛 변환으로 효과적인 SCS 및 그 투영자를 제안한다. 또한 원 영상에서 에지로 나타나는 고주파성분은 찾아서 유지하는 방법도 제안한다. 실험결과로 제안하는 방법은 향상된 주관적 화질뿐만 아니라, 복원된 출력 영상에서의 PSNR이 향상됨을 알 수 있다.

• Composites Research
• /
• 제20권3호
• /
• pp.31-36
• /
• 2007

본 연구는 압전 변환기를 이용하여 탄소/에폭시 복합재료 보의 초기 균열 길이에 대한 정량적인 예측방법을 제시하였다. 구조물의 손상에 대한 비파괴평가기술에 대한 관심은 증가하고 있다. 본 연구에서는 시간-주파수 영역에서 웨이블렛 변환에 기초한 신호처리기술로 손상 유무와 손상평가를 위한 방법을 제시하였다. 한 쌍의 피에조 재료를 이용하여 탄소/에폭시 복합재료 보의 동적응답을 제안한 신호처리 기술로 협대역 가진하에서 연구하였다.

• 인터넷정보학회논문지
• /
• 제11권6호
• /
• pp.13-20
• /
• 2010

본 논문은 걸음걸이 분석 기반의 특징 추출과 NEWFM(Neural Network with Weighted Fuzzy Membership Functions)을 이용하여 건강한 사람의 족압(foot pressure)과 파킨슨병 환자의 족압으로부터 건강한 사람과 파킨슨병 환자를 분류하는 방안을 제시하고 있다. NEWFM에서 사용할 입력을 추출하기 위해서 첫 번째 단계에서는 PhysioBank에서 제공하는 족압 데이터와 시간에 따른 족압의 변화를 이용하여 각각 4개의 특징을 추출하였다. 두 번째 단계에서는 웨이블릿 변환(wavelet transform, WT)을 이용하여 이전 단계에서 추출한 8개의 특징으로부터 웨이블릿 계수를 추출하였다. 마지막 단계에서는 추출된 웨이블릿 계수들을 이용하여 통계적 기법인 주파수 분포와 주파수 변동량을 이용하여 40개의 입력을 추출하였다. NEWFM은 족압 데이터로부터 8개의 특징을 추출하여 건강한 사람과 파킨슨병 환자를 분류하였을 때 왼쪽 족압과 오른쪽 족압의 차를 이용한 특징과 시간에 따른 족압의 변화에 대한 차를 이용한 특징의 경우에 높은 정확도(accuracy)가 나타났다. 이러한 결과를 통하여 걸음걸이에 있어서 질질 끄는 특징을 보이는 파킨슨병 환자의 양쪽 족압의 차가 건강한 사람의 양쪽 족압의 차보다는 상대적으로 적다는 특징을 본 실험을 통해 확인할 수 있었다.