• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.43-46
• /
• 2004

본 논문에서는 최근에 제안된 음성신호 개선을 위한 적응 웨이블릿 패킷 기반의 스펙트럼 차감법을 이용하여 다양한 측면에서의 성능평가 결과를 제시한다. 사용된 음성신호 개선 방식은 적응 웨이블릿 패킷의 불균등 주파수 해상도와 높은 에너지 집중도로 인해 발생하는 극대, 극소값의 영향을 피하기 위해 기하평균을 이용하는 스펙트럼 추정법을 사용하였다. 다양한 측면의 성능평가를 위해 주관적 평가 척도인 MOS 와 높은 상관도를 갖는 것으로 알려진 log likelihood ratio, log area ratio, segmental SNR, weighted spectral slope 등을 평가 척도로 사용하였다. Fourier 기저를 사용한 방식과의 비교에서 적응 웨이블릿 패킷 방식은 SegSNR 과 음성의 명료도를 비교적 잘 반영하는 weighted spectral slope 측면에서 우수한 성능을 보였다.

• Smart Structures and Systems
• /
• v.6 no.4
• /
• pp.389-403
• /
• 2010

By using image recognition technology, this paper presents a new fault diagnosis method for rotating machinery with artificial immune algorithm. This method focuses on the vibration state parameter image. The main contribution of this paper is as follows: firstly, 3-D spectrum is created with raw vibrating signals. Secondly, feature information in the state parameter image of rotating machinery is extracted by using Wavelet Packet transformation. Finally, artificial immune algorithm is adopted to diagnose rotating machinery fault. On the modeling of 600MW turbine experimental bench, rotor's normal rate, fault of unbalance, misalignment and bearing pedestal looseness are being examined. It's demonstrated from the diagnosis example of rotating machinery that the proposed method can improve the accuracy rate and diagnosis system robust quality effectively.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.21 no.5
• /
• pp.1096-1108
• /
• 1996

In this paper, we propose a temporal adaptive tranform 3D SBC coder with motion compensation, exploiting redundancy in the temporal domain. We propose a temporal adaptivity measure, by which the R-D optimal temporal transform can be chaosen. The base temporal subband frame is coded using H.261-like MC-DCT coder, while the higher temporal subband frames are coded using the 2D adaptive wavelet packet bases, considering the various energy distribution which results from the temporal variation. In encoding the subbands, we employ adaptive scanning methods, uniform step-size quantization with VLC, and coded/not-coded flag reduction technique using the quadtree structure. From the simulation results, the proposed adaptive 3D subband coder shows about 0.29~3.14 dB gain over the H.261 and the fixed 3D subband coder techniques.

• Proceedings of the Korean Society For Composite Materials Conference
• /
• 2002.10a
• /
• pp.165-169
• /
• 2002

현재 개발 중에 있는 비파괴 검사법인 Tapping Sound Analysis 의 검증을 위해 실험으로 측정된 타격음(태핑음)과 수치해석으로 구한 타격음을 비교하였다. 손상이 없는 복합재료 구조물과 손상이 있는 복합재료 구조물을 제작하고 타격 실험을 통해 타격음과 타격력을 측정하였다. 타격음의 수치 모사를 위해 동적접촉 알고리듬을 이용한 유한요소법과 경계요소법을 이용하였다. Wavelet packet transform에 근거한 특성 추출법을 이용하여 타격음으로부터 손상 판단을 위한 특성을 추출하였다. 손상이 없는 구조물과 손상이 있는 구조물의 특성을 비교하기 위해, 특성 지수를 정의하였다. 실험 결과와 수치해석 결과의 비교를 통해 타격음 계산에 사용된 수치모델의 타당성을 밝혔다.

• Transactions of the Korean Society of Machine Tool Engineers
• /
• v.17 no.1
• /
• pp.77-85
• /
• 2008

The objective of the study is to construct a sensor fusion system for tool-condition monitoring (TCM) that will lead to a more efficient and economical drill usage. Drill-wear monitoring has an important attribute in the automatic machining processes as it can help preventing the damage of tools and workpieces, and optimizing the drill usage. In this study, we present the architectures of a multi-layer feed-forward neural network with Levenberg-Marquardt training algorithm based on sensor fusion for the monitoring of drill-wear condition. The input features to the neural networks were extracted from AE, vibration and current signals using the wavelet packet transform (WPT) analysis. Training and testing were performed at a moderate range of cutting conditions in the dry drilling of steel plates. The results show good performance in drill- wear monitoring by the proposed method of sensor fusion and neural network analysis.

• Proceedings of the KAIS Fall Conference
• /
• 2009.05a
• /
• pp.781-784
• /
• 2009

본 논문에서는 실제 수중 환경에서 선박 또는 잠수함으로부터 발생하는 인위적인 천이신호와 돌고래, 새우 등의 해양 생물로부터 발생하는 천이신호들을 식별하기 위한 특징벡터 추출 기법을 제안하였다. MFCC와 엔트로피 기반의 웨이블릿 패킷 기법을 이용하여 특징을 추출하고, 이 두 특징들을 동시에 적용하여 수중 천이신호를 식별하고자 한다. 기존의 방법인 MFCC와 웨이블릿 패킷 기법과 이 두 방법을 동시에 적용했을 때의 식별률을 비교하였고, 전방향 신경회로망(feed-forward neural network)을 그 특징벡터의 성능을 평가하기 위한 식별기로 사용하였다.

• International Journal of Naval Architecture and Ocean Engineering
• /
• v.12 no.1
• /
• pp.258-269
• /
• 2020

This paper proposes Snapping Shrimp Noise (SSN) detection and corrupted Orthogonal Frequency Division Multiplexing (OFDM) reconstruction methods to increase Bit Error Rate (BER) performance when OFDM transmitted signal is corrupted by impulsive SSNs in underwater acoustic communications. The proposed detection method utilizes multilayer wavelet packet decomposition for detecting impulsive and irregularly concentrated and SSN energy in specific frequency bands of SSN, and the proposed reconstruction scheme uses iterative decision directed-subcarrier reconstruction to recover corrupted OFDM signals using multiple carrier characteristics. Computer simulations were executed to show receiver operating characteristics curve for the detection performance and BER for the reconstruction. The practical ocean experiment of SAVEX 15 demonstrated that the proposed method exhibits a better detection performance compared with conventional detection method and improves BER by 250% and 1230% for uncoded and coded data, respectively, compared with the conventional reconstruction scheme.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.03a
• /
• pp.271-280
• /
• 1999

인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다. 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고요한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미있는 정보로 변환시켜줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망의 모형결합을 통해 기존연구과는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서는 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이브릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다. 기존의 주기분할방법론은 모형개발자입장에서 여러 가지 통계기준치중에서 최적의 기준치를 합리적으로 선택해야 하는 문제가 추가적으로 발생하며, 본 연구에서는 이상의 제반 문제들을 개선시키기 위해 통합방법론으로서 기존의 인공신경망모형을 구조적으로 확장시켰다. 이 모형에서 기존의 입력층 이전단계에 새로운 층이 정의된다. 이렇게 해서 생성된 새로운 통합모형은 기존모형에서 생성되는 기본적인 학습파라미터와 더불어, 본 연구에서 새롭게 제시된 주기분할층의 파라미터들이 모형의 학습성과를 높이기 위해 함께 고려된다. 한편, 이러한 학습과정에서 추가적으로 고려해야 할 파라미터 갯수가 증가함에 따라서, 본 모델의 학습성과가 local minimum에 빠지는 문제점이 발생될 수 있다. 즉, 웨이블릿분석과 인공신경망모형을 모두 전역적으로 최적화시켜야 하는 문제가 발생한다. 본 연구에서는 이 문제를 해결하기 위해서, 최근 local minimum의 가능성을 최소화하여 전역적인 학습성과를 높여 주는 인공지능기법으로서 유전자알고리즘기법을 본 연구이 통합모델에 반영하였다. 이에 대한 실증사례 분석결과는 일일 환율예측문제를 적용하였을 경우, 기존의 방법론보다 더 나운 예측성과를 타나내었다.

• Nuclear Engineering and Technology
• /
• v.53 no.1
• /
• pp.148-163
• /
• 2021

Timely fault identification is important for safe and reliable operation of the electric valve system. Many research works have utilized different data-driven approach for fault diagnosis in complex systems. However, they do not consider specific characteristics of critical control components such as electric valves. This work presents an integrated shallow-deep fault diagnostic model, developed based on signals extracted from DN50 electric valve. First, the local optimal issue of particle swarm optimization algorithm is solved by optimizing the weight search capability, the particle speed, and position update strategy. Then, to develop a shallow diagnostic model, the modified particle swarm algorithm is combined with support vector machine to form a hybrid improved particle swarm-support vector machine (IPs-SVM). To decouple the influence of the background noise, the wavelet packet transform method is used to reconstruct the vibration signal. Thereafter, the IPs-SVM is used to classify phase imbalance and damaged valve faults, and the performance was evaluated against other models developed using the conventional SVM and particle swarm optimized SVM. Secondly, three different deep belief network (DBN) models are developed, using different acoustic signal structures: raw signal, wavelet transformed signal and time-series (sequential) signal. The models are developed to estimate internal leakage sizes in the electric valve. The predictive performance of the DBN and the evaluation results of the proposed IPs-SVM are also presented in this paper.

• Journal of Korean Society of Transportation
• /
• v.33 no.3
• /
• pp.284-293
• /
• 2015

The objective of this paper is to determine the conditions of road surface by utilizing the images collected from closed-circuit television (CCTV) cameras installed on roadside. First, a technique was examined to detect wet surfaces at nighttime. From the literature reviews, it was revealed that image processing using polarization is one of the preferred options. However, it is hard to use the polarization characteristics of road surface images at nighttime because of irregular or no light situations. In this study, we proposes a new discriminant for detecting wet and dry road surfaces using CCTV image data at night. To detect the road surface conditions with night vision, we applied the wavelet packet transform for analyzing road surface textures. Additionally, to apply the luminance feature of night CCTV images, we set the intensity histogram based on HSI(Hue Saturation Intensity) color model. With a set of 200 images taken from the field, we constructed a detection criteria hyperplane with SVM (Support Vector Machine). We conducted field tests to verify the detection ability of the wet road surfaces and obtained reliable results. The outcome of this study is also expected to be used for monitoring road surfaces to improve safety.