• 한국음향학회지
• /
• 제26권4호
• /
• pp.144-152
• /
• 2007

기존의 심음분류를 위한 연구들은 인공신경망을 이용하여 주로 이루어졌다. 그러나 심음신호의 통계적 특성을 분석 한 결과 HMM의 의한 신호모델링이 적합한 것으로 나타났다. 본 연구에서는 다양한 질병을 나타내는 심음신호를 HMM을 이용하여 모델링 하고 인식성능이 심음신호의 클러스터링에 따라서 많이 좌우되는 것을 알 수 있었다. 또한 실제 환경에서의 심음신호는 그 시작과 끝나는 시점이 정해지지 않은 연속신호이다. 따라서 HMM을 이용한 심음분류를 위해서는 연속적인 심음신호로부터 한 사이클의 분할된 심음을 추출할 필요성이 있다. 일반적으로 수동분할은 분할오류를 발생시키며 실시간 심음인식에 적합하지 않으므로 분할과정이 필요치 않는 ergodic형 HMM을 변형하여 사용할 것을 제안하였다. 그리고 제안된 HMM은 연속심음을 이용한 분류실험에서 매우 높은 성능을 보임을 알 수 있었다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2014년도 추계학술대회 논문집
• /
• pp.84-89
• /
• 2014

Data-driven method for fault diagnostics system often use machine learning technique. To use such technique proper signal processing should be implemented such as time synchronous averaging (TSA) for ball bearing systems. However, for journal bearing diagnostics systems not much has been researched, and yet a proper signal processing method has not been studied. Therefore, in this research an optimal datum unit for a reliable journal bearing diagnostics system along with angular resampling process is being suggested. Before extracting time and frequency domain features, angular resampling is applied to each cycle of vibration data. As to preserve the characteristics of vibration signal, averaging method is replaced by finding the optimal datum unit which strengthens statistical characteristics of vibration signal. Then 20 features were extracted for various cases, and those features are being evaluated by two criteria, separability and classification accuracy.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2001년도 춘계학술대회논문집B
• /
• pp.42-47
• /
• 2001

Analyzing the ECG signal, we can find heart disease, for example, arrhythmia and myocardial infarction, etc. Particularly, detecting arrhythmia is more important, because serious arrhythmia can take away the life from patients within ten minutes. In this paper, we would like to introduce the signal processing for ECG analysis and the device made for wireless communication of ECG data. In the signal processing, the wavelet transform decomposes the ECG signal into high and low frequency components using wavelet function. Recomposing the high frequency bands including QRS complex, we can detect QRS complex and eliminate the noise from the original ECG signal. To recognize the ECG signal pattern, we adopted the polynomial approximation partially and statistical method. The ECG signal is divided into small parts based on QRS complex, and then, each part is approximated to the polynomials. Comparing the approximated ECG pattern with the database, we can detect and classify the heart disease. The ECG detection device consists of amplifier, filters, A/D converter and RF module. After amplification and filtering, the ECG signal is fed through the A/D converter to be digitalized. The digital ECG data is transmitted to the personal computer through the RF transceiver module and serial port.

• 센서학회지
• /
• 제17권6호
• /
• pp.406-413
• /
• 2008

We have been implemented simple statistical pattern recognition methods for harmful gases classification using gas sensors array fabricated by MEMS (Micro Electro Mechanical System) technology. The performance of pattern recognition method as a gas classifier is highly dependent on the choice of pre-processing techniques for sensor and sensors array signals and optimal classification algorithms among the various classification techniques. We carried out pre-processing for each sensor's signal as well as sensors array signals to extract features for each gas. We adapted simple statistical pattern recognition algorithms, which were PCA (Principal Component Analysis) for visualization of patterns clustering and MLR (Multi-Linear Regression) for real-time system implementation, to classify harmful gases. Experimental results of adapted pattern recognition methods with pre-processing techniques have been shown good clustering performance and expected easy implementation for real-time sensing system.

• 한국통신학회논문지
• /
• 제29권8C호
• /
• pp.1025-1033
• /
• 2004

본 논문에서는 PN(Pseudo Noise) 부호에 대한 정보 없이 확산대역 신호를 검출하는 방식을 다룬다. 이러한 검출 방식은 군용 통신에서 사용되거나 주파수 사용 영역을 관리(spectrum surveillance)하는 경우에 있어 중요하게 다루어 질 수 있다. 검출 내용은 주어진 대역폭 내에 확산대역 신호가 존재하는지의 여부, PN 부호의 길이 및 PN부호 구분(identification)이다. 고차 통계적 신호처리 기법 중 하나인 3차 상관함수는 사전 정보가 없는 확산대역 신호의 검출에 유용하게 사용될 수 있다. 본 논문에서는 실제 확산대역 신호를 검출하는데 있어 3차 상관함수의 결과 값만을 이용할 경우 발생하는 문제점을 지적하고, 이러한 문제점을 극복하는 동시에 성능이 향상된 확산대역 신호 검출 방식을 제안한다.

• 한국음향학회지
• /
• 제27권7호
• /
• pp.372-378
• /
• 2008

음성 검출기 (VAD, Voice Activity Detector)는 이동 통신이나 음성신호처리 등에 매우 중요한 기법으로 사용된다. 일반적인 음성 검출방식은 이산 푸리에 변환 (DFT, Discrete Fourier Transform)영역에서 통계적인 모델을 기반으로 하여 우도비검정 (LRT, Likelihood Ratio Test)을 하게 된다. 그리고 이 값을 임계값과 비교하며 음성인지 아닌지 판단하게 된다. 본 논문에서는 신호 준공간 (Signal Subspace)에 기반한 새로운 통계적 음성 검출 기법을 제안하다. 확률적인 주성분 분석 (PPCA, Probabilistic Principal Component Analysis)은 신호 준공간 방법에서 잡음신호에 대한 확률적인 모델을 얻기 위해 사용된다. 제안된 기법은 신호 준공간 영역에서 우도비검정에 기반을 두는 결정규칙을 적용하였다. 음성 검출 실험 결과는 신호 준공간 모델에 근거한 음성 검출기 기법이 주파수 영역에 기반한 가우시안 (Gaussian) 음성 검출기 보다 향상된 검출 결과를 보여준다.

• 디지털산업정보학회논문지
• /
• 제12권1호
• /
• pp.43-50
• /
• 2016

This paper is on an acoustic echo canceller solving the double-talk problem by using the blind signal separation technology. The acoustic echo canceller may be deteriorated or diverged during the double-talk period. So we use the blind signal separation to detect the double talking by separating the near-end speech signal from the mixed microphone signal. The blind signal separation extracts the near-end signal from dual microphones by the iterative computations using the 2nd order statistical character in the closed reverberation environment. By this method, the acoustic echo canceller operates irrespective of the double-talking. We verified performances of the proposed acoustic echo canceller in the computer simulations. The results show that the acoustic echo canceller with this algorithm detects the double-talk periods well, and then operates stably without diverging of the coefficients after ending the double-talking. The merits are in the simplicity and stability.

• 한국항행학회논문지
• /
• 제23권2호
• /
• pp.142-150
• /
• 2019

포구속도는 총포탄약의 평가에 있어 가장 중요한 계측항목들 중 하나이다. 포구속도는 포탄이 포구를 떠나는 시점의 속도로 정의된다. 특히, 포구속도는 추진제의 성능과 밀접하게 관련이 있기 때문에 정확한 측정이 요구된다. 포구속도의 측정에는 도플러 레이더가 사용되나, 도플러 레이더 신호의 품질은 시험장 환경에 의존한다. 따라서 본 논문에서는 도플러 레이더의 신호 품질을 악화시키는 클러터를 시험장 구조 및 신호처리 방법의 개선을 통해 제거하는 방법을 제시하였다. 개선된 신호처리 방법의 적용을 위해 도플러 레이더의 원시 도플러 데이터를 획득하는 프로그램을 작성하였다. 시험장 구조 및 신호처리 방법의 개선을 통해 얻어진 속도 데이터에 대한 통계적인 검증으로 제안하는 방법이 기존에 사용하던 방법에 비해 클러터 제거에 효과가 있음을 증명하였다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1995년도 추계학술대회 논문집
• /
• pp.393-396
• /
• 1995

In this syudy, the researches classifying the artificial and natural flaws in welding parts are performed using the smart pattern recognition technology. For this purpose the smart signal pattern recognition package including the user defined function was developed and the total procedure including the digital signal processing,feature extraction , feature selection and classifier selection is treated by bulk. Specially it is composed with and discussed using the statistical classifier such as the linear disciminant function classifier, the empirical Bayesian classifier. Also, the smart pattern recognition technology is applied to classification problem of natural flaw(i.e multiple classification problem-crack,lack of penetration,lack of fusion,porosity,and slag inclusion, the planar and volumetric flaw classification problem). According to this results, if appropriately learned the neural network classifier is better than ststistical classifier in the classification problem of natural flaw. And it is possible to acquire the recognition rate of 80% above through it is different a little according to domain extracting the feature and the classifier.

• Journal of Information Processing Systems
• /
• 제8권4호
• /
• pp.669-684
• /
• 2012

Discrete wavelet transforms are extensively preferred in biomedical signal processing for denoising, feature extraction, and compression. This paper presents a new denoising method based on the modeling of discrete wavelet coefficients of ECG in selected sub-bands with Kernel density estimation. The modeling provides a statistical distribution of information and noise. A Gaussian kernel with bounded support is used for modeling sub-band coefficients and thresholds and is estimated by placing a sliding window on a normalized cumulative density function. We evaluated this approach on offline noisy ECG records from the Cardiovascular Research Centre of the University of Glasgow and on records from the MIT-BIH Arrythmia database. Results show that our proposed technique has a more reliable physical basis and provides improvement in the Signal-to-Noise Ratio (SNR) and Percentage RMS Difference (PRD). The morphological information of ECG signals is found to be unaffected after employing denoising. This is quantified by calculating the mean square error between the feature vectors of original and denoised signal. MSE values are less than 0.05 for most of the cases.