• 한국전자파학회논문지
• /
• 제29권3호
• /
• pp.184-191
• /
• 2018

OFDM(Orthogonal Frequency Division Multiplexing)은 다중캐리어를 사용해 고속통신을 가능하게 하는 MCM(MultiCarrier Modulation)시스템이며, 전력과 스펙트럼 효율의 단점을 갖는다. 따라서 본 논문에서는 기존의 단점을 보완하고, 효율적인 MCM시스템 설계를 목표로 한다. 제안하는 시스템은 IFFT(Inverse Fast Fourier Transform) 연산 대신에 IDWT(Inverse Discrete Wavelet Transform) 연산을 사용하게 된다. 웨이블릿 변환 기반의 OFDM 시스템 설계를 통해 기존의 OFDM 시스템과 BER(Bit Error Rate), 스펙트럼 효율, PAPR(Peak to Average Power Ratio) 성능 비교를 진행하였다. 그 결과, 기존의 OFDM과 Wavelet-OFDM은 동일한 BER 성능을 나타내었고, Discrete Meyer 웨이블릿을 사용한 Wavelet-OFDM에서는 기존의 OFDM과 동일한 스펙트럼 효율을 갖는다. 또한, 여러 가지 웨이블릿을 기반으로 구성한 Wavelet-OFDM의 모든 시스템은 기존의 OFDM보다 낮은 PAPR 성능을 갖는다.

• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1999년도 춘계공동학술대회: 지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support fer multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To date, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques' results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support for multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To data, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 한국멀티미디어학회논문지
• /
• 제8권1호
• /
• pp.19-26
• /
• 2005

본 논문에서 사용한 웨이블릿 변환의 기저 함수는 일반적인 웨이블릿 변환과 다른 리프팅 스킴을 사용하여 만들어 졌다. 리프팅 스킴은 푸리에 변환을 사용하여 기저 함수를 생성하지 않는 새로운 쌍직교 웨이블릿 기저 함수를 생성하는 방법이다 본 본문은 리프팅 스킴을 이용한 새로운 영상 압축 및 에지 검출 방법을 제안하고 있다. 그리고 이 방법은 부분 복원과 공간 복원을 할 수 있어 데이터 가시화를 향상시킬 수 있다. 다양한 해상도에서의 근사 영상은 원래 영상으로부터 적은 정보만으로 다양한 크기의 특징을 뽑아낼 수 있고, 적은 양의 스케일링 계수를 사용하여 생성된 근사 영상은 빠르게 원래 영상의 대략적인 개요만이 필요할 때 유용하게 사용된다. 본 논문에서 제안한 영상 압축 및 에지 검출 기법은 멀티미디어 데이터베이스에서 데이터 관리와 데이터 가시화를 향상시킬 수 있는 좋은 기틀을 마련해 준다.

• 한국정보통신학회논문지
• /
• 제9권2호
• /
• pp.229-236
• /
• 2005

이 논문은 신호 f(t)의 실제적인 스케일 정보를 나타내는 웨이브렛 플랜을 중심으로 연속 웨이브렛 역변환의 특성에 대하여 논하였다. 웨이브렛 변환에 비해 역변환의 적용이 상대적으로 미비한 이유는 수치적인 연산의 복잡성에 기인한 것이며, 이 논문은 웨이브렛 역변환의 안정된 복원을 위한 방법에 대하여 연구하였다. 웨이브렛 역변환의 안정적인 구현은 신호 f(t)에 대한 실제적인 스케일 정보를 지니고 있는 웨이브렛 플랜이라는 새로운 "시간-스케일" 공간을 통하여 실현하였으며, 이는 완전한 멀티 필터 뱅크 시스템과 동일한 특성을 나타낸다. 즉 연속 웨이브렛 변환을 통해 신호 f(t)의 모든 스케일 성분을 독립적으로 주파수 전체 대역에 걸쳐 분산하고 다시 역변환을 통해 원래의 신호를 복원하는 과정은 필터뱅크이론의 분석과 합성과정과 일치한다 이 논문에서는 연속 웨이브렛 역변환을 이용하여 "시간-스케일" 필터를 통한 신호 f(t)의 스케일 분해와 웨이브렛 멀티 필터 뱅크이론에 대하여 논하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 하계종합학술대회 논문집
• /
• pp.583-586
• /
• 1999

In this paper, the wavelet transform is performed in the input 256$\times$256 color image and decomposes a image into low-pass and high-pass components. Since the high-pass band contains the components of three directions, edges are detected by combining three parts. After finding the position of face using the histogram of the edge component, a face region in low-pass band is cut off. Since RGB color image is sensitively affected by luminances, the image of low pass component is normalized, and a facial region is detected using face color informations. As the wavelet transform decomposes the detected face region into three layer, the dimension of input image is reduced. In this paper, we use the 3000 images of 10 persons, and KL transform is applied in order to classify face vectors effectively. FCM(Fuzzy C-Means) algorithm classifies face vectors with similar features into the same cluster. In this case, the number of cluster is equal to that of person, and the mean vector of each cluster is used as a codebook. We verify the system performance of the proposed algorithm by the experiments. The recognition rates of learning images and testing image is computed using correlation coefficient and Euclidean distance.

• 한국정보과학회논문지:시스템및이론
• /
• 제31권5_6호
• /
• pp.297-304
• /
• 2004

본 논문에서는 컴퓨터 응용환경에서 3차원 물체를 효율적으로 표현하기 위해 웨이브릿 변환과 2D 평면 표본화를 이용한 3D 객체 간소화 알고리즘을 제안한다. 기존의 웨이브릿 변환을 이용한 메쉬의 압축 및 간소화 알고리즘은 3차원 정점에 대해서 변환을 수행하기 때문에 연결 정보가 필요한 합성과정에서 정점들을 다시 다각형으로 연결시키는 타일링 최적화 문제를 해결해야만 하는 단점을 가지고 있다. 그러나 제안한 방식은 3차원 메쉬를 2차원 평면상으로 표본화하여 각 평면에 대한 2차원 다각형을 최소화하기 때문에 변환이 용이하며 2차원 정점을 순서적으로 나열하면 2개의 1차원 배열 자체가 연결정보를 포함하기 때문에 1차원 변환으로 다각형을 변환 및 표현할 수 있다는 장점이 있다. 그리고 표본화 평면의 간격조정과 각 평면에서의 웨이브릿 계수를 선택적으로 조정함으로써 간단히 LOD를 조절할 수 있다 2차원 다각형의 간소화는 주관적 화질에 영향을 주지 않는 작은 웨이브릿 계수를 선택하여 제거함으로써 수행되어진다. 그 결과 제안된 알고리즘은 간단하지만 효율적이다. 실험을 통하여 제안한 알고리즘은 적은 외부 붕괴를 가지면서 정확한 간소화 메쉬를 보여준다는 것을 알 수 있다.

• 한국지능시스템학회논문지
• /
• 제17권3호
• /
• pp.403-409
• /
• 2007

컨투어렛 변환은 2차원의 웨이블렛 변환을 확장한 개념으로 다중스케일과 방향성필터뱅크를 이용한다. 이러한 컨투어렛 변환은 웨이블렛 변환의 특징인 다중스케일과 시간-주파수의 지역적 특성뿐만 아니라 방향성분에 대해서도 풍부한 정보를 얻을 수 있는 장점을 가지고 있다 본 논문에서는 컨투어렛 변환과 주성분분석기법을 이용하는 융합기법에 의한 얼굴인식 시스템을 제안한다. 제안된 방법은 먼저 컨투어렛 변환에 의해 얼굴영상을 방향성 부대역 영상으로 분할한 후, 주성분분석기법을 이용하여 방향성분별로 분할된 각각의 부영상에 대하여 특징벡터를 산출한다. 그리고 최종 단계에서는 각각의 대역별로 산출된 매칭도를 효과적으로 융합할 수 있는 융합기법을 이용하여 얼굴인식을 수행한다. 제안된 방법의 타당성을 보이기 위해 ORL 얼굴영상과 CBNU 얼굴영상을 대상으로 실험한 결과 기존 방법인 PCA나 웨이블렛 변환을 이용한 방법에 비해 향상된 인식 성능을 보임을 확인할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제42권2호
• /
• pp.121-130
• /
• 2005

본 논문에서는 웨이블릿 변환을 이용하여 흥채의 특징을 추출하는 기법에 대해 제안한다. 웨이블릿 변환은 수행 속도가 빠르며 신호의 에너지를 저주파 대역으로 잘 모아주는 우수한 국소화 특징을 갖고 있으며, 특히 저주파 대역을 효율적인 특징 벡터로 사용한 수 있다. 한편 인식에 사용하고자 하는 흥채 영역에 눈꺼풀, 눈썹, 반사광, 안경의 흠집 등으로 인한 잡음이 포함될 수 있다. 이러한 잡음은 그 자체로도 홍채 패턴을 크게 변형시키며, 웨이블릿, 가보 등의 필터 기반 특징 추출 알고리즘은 잡음을 전체 영역으로 확산시킨다. 즉 잡음은 흥채 인식 시스템의 성능을 저하시킨다. 이를 막기 위해 본 논문에서는 홍채 템플릿을 여러 개의 영역으로 분할하여 각 영역에 대해 웨이블릿 변환을 수행함으로써 잡음의 영향을 제한된 영역에 국한시킨다. 실험에서 웨이블릿 방법이 기존의 Gabor 변환을 이용한 특징 추출 방법과 비교하여 특징 추출 속도는 더 빠르면서 대등한 성능을 보여주는 것을 확인할 수 있으며 영역 분할로 인해 성능 개선이 되었다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제16권4호
• /
• pp.238-245
• /
• 2016

Inverters are considered the basic building blocks of industrial electrical drive systems that are widely used for various applications; however, the failure of electronic switches mainly affects the constancy of these inverters. For safe and reliable operation of an electrical drive system, faults in power electronic switches must be detected by an efficient system that is capable of identifying the type of faults. In this paper, an open switch fault identification technique for a three-phase inverter is presented. Single, double, and triple switching faults can be diagnosed using this method. The detection mechanism is based on stator current analysis. Discrete wavelet transform (DWT) using Daubechies is performed on the Clarke transformed (-) stator current and features are extracted from the wavelets. An artificial neural network is then used for the detection and identification of faults. To prove the feasibility of this method, a Simulink model of the DWT-based feature extraction scheme using a neural network for the proposed fault detection system in a three-phase inverter with an induction motor is briefly discussed with simulation results. The simulation results show that the designed system can detect faults quite efficiently, with the ability to differentiate between single and multiple switching faults.