메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김주호 (제주대학교) 팽동국 (제주대학교) 이종현 (제주대학교) 이승우 (국방과학연구소)
저널정보
한국해양공학회 한국해양공학회지 한국해양공학회지 제28권 제6호
발행연도
2014.12
수록면
552 - 559 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In general, the number of underwater transient signals is very limited for research on automatic recognition. Data-dependent feature extraction is one of the most effective methods in this case. Therefore, we suggest WPCC (Wavelet packet ceptsral coefficient) as a feature extraction method. A wavelet packet best tree for each data set is formed using an entropy-based cost function. Then, every terminal node of the best trees is counted to build a common wavelet best tree. It corresponds to flexible and non-uniform filter bank reflecting characteristics for the data set. A GMM (Gaussian mixture model) is used to classify five classes of underwater transient data sets. The error rate of the WPCC is compared using MFCC (MeI-frequency ceptsral coefficients). The error rates of WPCC-db20, db40, and MFCC are 0.4%, 0%, and 0.4%, respectively, when the training data consist of six out of the nine pieces of data in each class. However, WPCC-db20 and db40 show rates of 2.98% and 1.20%, respectively, while MFCC shows a rate of 7.14% when the training data consists of only three pieces. This shows that WPCC is less sensitive to the number of training data pieces than MFCC. Thus, it could be a more appropriate method for underwater transient recognition. These results may be helpful to develop an automatic recognition system for an underwater transient signal.
#Underwater transient signal recognition 수중 천이 신호 식별 #Wavelet packet filter bank 웨이브렛 필터뱅크 #Feature extraction 특징 추출 #Gaussian mixture model 정규혼합모델

목차

ABSTRACT
1. 서론
2. WPCC 특징 벡터 추출
3. 훈련 및 식별 방법
4. 실험 결과
5. 결론
References

참고문헌 (9)

참고문헌 신청
Coifman, R.R / 1992 / Entropy-based Algorithm for Best Basis Selection / IEEE Transactions on Information Theory 38(2):713~718 google schola Coifman, R.R / 1992 / Wavelet Analysis and Signal Processing :153~178 google schola Han, H.Y / 2009 / Introduction to Pattern Recognition / Hanbit Media Inc :184~213 google schola Kundu, A / 1994 / Transient Sonar Signal Classification Using Hidden Markov Models and Ueural Nets / IEEE Journal of Oceanic Engineering 19(1):87~99 google schola Lim, T. G / 2007 / Classification of Underwater Trasient Signals Using MFCC / The Journal of Korea Information and Communications Society 32(8):675~680 google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Footstep Detection and Classification Algorithms based Seismic Sensor
Youn Joung Kang ,  Jaeil Lee ,  Jinho Bea 외 1명 전자공학회논문지 2015 .01
SVM 커널함수의 파라미터 값에 따른 능동소나 표적신호의 식별 성능 분석
박정현 ,  황찬식 ,  배건성 한국정보통신학회논문지 2013 .05
MFCC 특징 벡터를 이용한 수중 천이 신호 식별
임태균 ,  배건성 ,  황찬식 외 1명 한국통신학회논문지 2007 .08
동적 시간 신축 알고리즘을 이용한 화자 식별
정승도 한국산학기술학회 논문지 2011 .05
LPC 분석 기법 및 EM 알고리즘 기반 잡음 환경에 강인한 진동 특징을 이용한 고 신뢰성 유도 전동기 다중 결함 분류
강명수 ,  장원철 ,  김종면 한국컴퓨터정보학회논문지 2014 .02

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2016-559-001022441