• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1610-1629
• /
• 2021

Failures frequently occurred in manufacturing machines due to complex and changeable manufacturing environments, increasing the downtime and maintenance costs. This manuscript develops a novel deep learning-based method named Multi-Domain Convolutional Neural Network (MDCNN) to deal with this challenging task with vibration signals. The proposed MDCNN consists of time-domain, frequency-domain, and statistical-domain feature channels. The Time-domain channel is to model the hidden patterns of signals in the time domain. The frequency-domain channel uses Discrete Wavelet Transformation (DWT) to obtain the rich feature representations of signals in the frequency domain. The statistic-domain channel contains six statistical variables, which is to reflect the signals' macro statistical-domain features, respectively. Firstly, in the proposed MDCNN, time-domain and frequency-domain channels are processed by CNN individually with various filters. Secondly, the CNN extracted features from time, and frequency domains are merged as time-frequency features. Lastly, time-frequency domain features are fused with six statistical variables as the comprehensive features for identifying the fault. Thereby, the proposed method could make full use of those three domain-features for fault diagnosis while keeping high distinguishability due to CNN's utilization. The authors designed massive experiments with 10-folder cross-validation technology to validate the proposed method's effectiveness on the CWRU bearing data set. The experimental results are calculated by ten-time averaged accuracy. They have confirmed that the proposed MDCNN could intelligently, accurately, and timely detect the fault under the complex manufacturing environments, whose accuracy is nearly 100%.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권1호
• /
• pp.192-210
• /
• 2024

Most frequency-domain remote sensing image watermarking algorithms embed watermarks at random locations, which have negative impact on the watermark invisibility. In this study, we propose an adaptive watermarking scheme for remote sensing images that considers the information complexity to select where to embed watermarks to improve watermark invisibility without affecting algorithm robustness. The scheme converts remote sensing images from RGB to YCbCr color space, performs two-level DWT on luminance Y, and selects the high frequency coefficient of the low frequency component (HH^Y₂) as the watermark embedding domain. To achieve adaptive embedding, HH^Y₂ is divided into several 8*8 blocks, the entropy of each sub-block is calculated, and the block with the maximum entropy is chosen as the watermark embedding location. During embedding phase, the watermark image is also decomposed by two-level DWT, and the resulting high frequency coefficient (HH^W₂) is then embedded into the block with maximum entropy using α- blending. The experimental results show that the watermarked remote sensing images have high fidelity, indicating good invisibility. Under varying degrees of geometric, cropping, filtering, and noise attacks, the proposed watermarking can always extract high identifiable watermark images. Moreover, it is extremely stable and impervious to attack intensity interference.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권7호
• /
• pp.501-510
• /
• 2001

일반적으로 2D 스테레오 영상으로부터 3차원 모델링을 위해서는 정확한 변위 측정이 필수이다. 기존의 스테레오 영상에서 변위 측정 방식은 전체 영상에 대하여 정합 연산을 수행함으로써 많은 연산 시간과 함께 높은 오 정합 확률의 문제가 있다. 본 논문에서는 스테레오 영상에서의 변위 벡터가 전체 탐색 범위 안에 골고루 분포되어 있지 않고 배경과 물체의 변위에 해당하는 값만을 갖는다는 특성을 이용하여 스테레오 영상을 웨이블릿 변환을 하고 1/4 크기로 줄어든 저주파 영역으로부터 영역 기반 방법을 이용하여 대략적인 변위 영역을 구한다. 대략적인 변위 백터로부터 변위 히스토그램을 생성하고, 이를 이용하여 전경과 배경을 분할 한 뒤, 다시 전경 영상만을 원 영상으로 복원하여 화소의 밝기값이 아닌 2차 미분값을 이용한 화소기반 방법을 통해 조밀한 변위를 구하는 2단계 하이브리드 방법을 제안한다. 또한, 분할된 전경 영역으로부터, 특징점들을 뽑아내고 변위 벡터와 카메라 파라미터를 이용하여 특징점들의 깊이 정보를 추정해 내는 3차원 모델링 과정을 제시한다. 본 논문에서 제안한 방법을 적용할 경우, 기존의 영역 기반 방법의 문제점인 계산 시간 문제를 상당 부분 단축시킬 수 있고, LOG 필터를 통한 2차 미분값을 이용한 화소기반 방법을 추가함으로써, 정밀한 변위를 구할 수 있다. 또한 교차 일치성 검사를 통해 잘못된 변위를 제거하고, 폐색 영역들을 검사할 수 있다. 아울러 3차원 모델링 과정에서, 기존의 Delaunay 삼각측량법의 문제점인 오정합 문제를 전경/배경 분할 알고리즘을 제안함으로써 효과적으로 해결 할 수 있다.

• 전자공학회논문지
• /
• 제50권12호
• /
• pp.277-284
• /
• 2013

뇌파의 위상동기 특성의 해석은 뇌기능 정보 처리 네트웍의 이해에 있어서 중요한 요소이다. 본 연구에서는 위상동기 성능을 분석하기 위하여 시간 국부화 기능을 갖는 웨이블렛 변환방법, 힐버트변환 방법, 복소복조방법을 백색잡음혼입한 뇌파 중심주파수 대역신호에 합성한 모의 데이터와 실제 뇌유발전위에 적용하여 위상옵셋, 위상변화 시점, 대역간 상호간섭을 분석하였다. 모의데이터와 실제 데이터에 대하여 웨이블렛 변환방법이 ${\delta}$, ${\theta}$, ${\alpha}$ 대역신호 분할과 위상동기 성능 분석에 가장 우수 하였으며, 복소복조 방식은 큰 혼입잡음 환경에서는 사용에 한계점이 있었으나 위상변화 시점의 검출에는 좋은 성능을 보였다. 실제 데이터에 대하여 추정한 위상변화시점과 위상옵셋은 복소복조방법이 가장 좋은 성능을 보였다. 실험 관측을 통하여 뇌파의 위상동기 현상의 해석에 웨이블렛 방식이 자장 적절하였으며, ${\delta}$ 대역 이상신호에 대한 위상동기 응용에는 복소복조 방법도 사용될 수 있을 것이다. 특히 웨이블렛 방식과 복조복조방식은 간접적으로 위상변화 시점을 검출하여 뇌기능의 변화시점 추정에 응용될 수 있을 것이다.

• 전자공학회논문지CI
• /
• 제45권5호
• /
• pp.102-109
• /
• 2008

본 논문은 다중경로 페이딩 채널 조건에서 사전 정보없이 입사하는 디지털 신호 10종의 변조형태를 고정확도로 인식할 수 있도록 고차 통계량(HOS)과 웨이브릿 변환(WT)에서 선정된 특징(key features)을 이용한 견실한 하이브리드 분류기를 제안하였다. 제안된 분류기는 실제 시나리오를 고려하여 다양한 다중경로 환경(즉, 농촌, 소도시, 도심지역)에서 측정된 채널 데이터를 이용하였다. 실제 측정된 다중경로 페이딩 채널 데이터를 이용하여 Holdout-like 방식으로 총 15개 채널 중 9개 채널은 트레이닝용으로 사용하고, 나머지 6개 채널은 테스트용으로 사용하였다. 제안된 분류기는 다중경로 환경에서 높은 변별력을 유지하는 HOS 특징을 기반으로 구현되었고, AMA(Alphabet Matched Algorithm) 또는 MMA(Multi-modulus Algerian)와 같은 등화기법의 적용없이 분류가 어렵다고 알려진 MQAM신호(M=16, 64, 256)들에 대해서만 WT 특징을 적용하였다. 선정된 특징들을 이용한 변조인식은 입력공간에서 최대 마진을 갖는 하이퍼 공간으로 매핑시킴으로서 분류 능력이 우수하다고 알려진 SVM 메소드를 적용하여 시뮬레이션을 실시하였다. 제안된 분류기의 성능은 트레이닝 채널과 테스트 채널에서 WT 또는 HOS 특징만을 단독으로 사용하는 분류기에 비해 현저한 성능 향상을 보였고, 특히, MQAM 신호의 인식률은 낮은 SNR레벨에서도 거의 완전하게 분류되었다.

• 한국음향학회지
• /
• 제24권5호
• /
• pp.271-281
• /
• 2005

솔레노이드 코일을 이용하여 체외 충격파 치료술에 적합한 전자기식 충격파 발생기를 구성하였다. 충격파 발생기의 충격파의 특성은 바늘형 하이드로폰을 이용하여 평가하였다 충격파 발생기 방전 전압이 8에서 18 kV로 증가할 때 측정된 충격파의 최대 양압 (P+)은 $10\~77\;MPa$사이를 비선형적으로 증가하는 것으로 나타났다. 반면, 충격파 최대 음압 (P-)은 $-3.2\~-6.8\;MPa$ 에서 변화하고 있으며, 방전 전압이 14 kV에서 -6.9 MPa로 가장 낮은 값을 보였다. 동일한 설정에서 반복 측정된 충격파의 크기 P+는 평균값의 $5\;\%$ 이내에서 변화하며, 전기 수력학적 방식 충격파 발생기 경우의 $50\;\%$ 정도와 비교하여, 매우 작은 것으로 나타났다. 시간 축에서 1 ms 동안 측정한 하이드로폰 신호로부터 충격파에 의해 야기된 음향 공동 현상, 즉, 기포의 파열 현상으로 발생된 다수의 순차적인 음향 임펄스를 관찰할 수 있었다. 웨이블렛 변환 기법을 이용하여, 충격파 강도와 밀접한 관련이 있는 것으로 알려진, 첫 번째와 두 번째 기포 파열 시간 지연을 정확히 측정하였다. 충격파 크기 P+가 10 에서 77 MPa로 증가할 때 측정된 기포 파열 지연 시간은 120부터 $700\;{\mu}s$ 로 거의 선형적으로 증가함을 관찰할 수 있었다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2008년도 추계학술대회 논문집
• /
• pp.1069-1077
• /
• 2008

레이저와 카메라를 이용한 레일 마모도 측정 시스템은 정확한 마모도 측정을 위하여 레일에 조사된 레이저의 영역을 왜곡 없이 획득하고 이를 레일 단면과 정밀하게 일치시키는 과정이 매우 중요하다. 그러나 기존의 레일 마모도 측정 시스템은 빗물 등의 레일 위에 이물질이 있을 경우와 온도와 같은 측정 환경에 민감하게 반응하는 레이저의 특성으로 인하여 오차가 발생할 수 있으며 특히 외부에서 유입되는 태양광, 등과 같이 레일에 조사된 레이저와 같은 파장을 가지는 빛의 간섭에 의하여 레일에 조사된 레이저 영역 추출에 한계를 가진다. 또한, 2차원 상의 좌표 값으로 표현되는 추출된 레이저 영역을 레일단면에 맵핑시키는 과정에서 발생하는 기하학적 왜곡과 변형으로 측정 정밀도에 대한 한계가 발생하는 문제점을 가지고 있다. 본 논문에서는 레일 마모도 측정을 위하여 카메라로부터 입력되는 1메가급 해상도의 영상을 초당 480 프레임의 속도로 실시간 처리할 수 있는 DSP와 FPGA가 탑재된 고성능 영상처리보드를 개발하고 이를 기반으로 각 프레임에 대한 2D 영상 데이터를 3차원 상의 데이터로 맵핑함으로써 정밀한 레일 마모도 측정 방법을 제안하고자 한다. 획득한 영상으로부터 레일에 조사된 레이저의 영역을 정확하게 추출하기 위하여 웨이브렛 기반의 영상 알고리즘을 적용하고 2차원 상의 좌표값으로 표현된 레이저 영역을 카메라 모델과 투시 변환을 이용하여 레일의 단면에 정확하게 위치시킴으로서 ${\pm}0.5mm$ 이하의 오차범위를 가지는 고정밀 레일 마모도 측정 시스템을 개발하였다.