선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 불확실한 잡음 변화에 따라 탐지 문턱 값을 변화시켜 탐지 성능을 향상 시키고 허위경보를 최소화 하기위해 적응형 문턱 값을 이용한 탐지 알고리즘을 제안한다. 제안된 알고리즘은 측정된 신호로부터 잡음과 목표물 신호의 확률적 특성을 분석하여 문턱 값을 Neyman-Pearson 결정법[11]으로 계산하였으며 잡음 특성 변화에 따른 문턱 값을 커널 함수(Kernel Function)로 구현하였다.
- 또한 잦은 허위경보는 감시정찰 시스템의 신뢰도를 저하시키는 원인이 된다. 본 논문에서는 잡음 특성 변화에 따라 발생되는 문제점을 해결하기 위해 배경잡음에 적응하는 탐지 알고리즘을 제안한다. 그림 5는 제안된 알고리즘의 블록도를 나타낸다.
- 본 논문에서는 진동센서 기반 목표물 탐지 시스템에서 센서 운용환경에 따라 변화하는 불규칙한 잡음의 특성을 고려한 적응형 탐지 알고리즘을 제안하였다. 잡음 적응형 탐지 알고리즘을 구현하기 위해 제주지역에서 측정된 사람의 걷기와 뛰기 각각 45회의 신호를 이용하여 잡음 변화에 따른 문턱 값의 커널 함수를 계산하였다.
제안 방법
- 1차 탐지의 허위경보를 최소화 하기위해 탐지 결과를 기반으로 제안된 탐지확정 단계를 적용한 목표물 탐지 실험을 수행하였다. 표 3은 탐지확정 단계에 따른 탐지 결과를 보이며 1차 탐지된 결과에서 3단계 이상의 탐지 결과를 발걸음에 의한 신호로 판정 한다.
- 따라서 허위경보를 최소화하기 위해 신호의 검출 단계에 따른 탐지 확정 개념을 도입하였다. 1차 판별된 신호의 표본수를 이용하여 신호 점유시간을 계산한 후 점유시간에 따른 단계적인 최종판별을 수행한다. 이러한 최종 판정 부는 잡음을 신호로 검출하는 허위경보를 사전에 줄이고 진동 신호의 주기적 특성만을 검출하기 위한 단계이다.
- 제안된 알고리즘은 측정된 신호로부터 잡음과 목표물 신호의 확률적 특성을 분석하여 문턱 값을 Neyman-Pearson 결정법[11]으로 계산하였으며 잡음 특성 변화에 따른 문턱 값을 커널 함수(Kernel Function)로 구현하였다. 그리고 계산된 커널 함수를 이용하여 잡음 변화에 따라 문턱 값을 적용하여 목표물을 1차 판별한다. 그리고 1차 탐지 결과의 표본수를 이용하여 발걸음 신호의 점유시간을 계산한 후 탐지 확정 단계를 ‘준비’, ‘경고’, ‘위험’ 그리고 ‘확정’의 4단계로 적용한다.
- 잡음 적응형 문턱 값을 적용함으로써 목표물 검출성능이 향상되었지만 여전히 순각적인 잡음변화에 의한 허위경보 확률이 존재 한다. 따라서 허위경보를 최소화하기 위해 신호의 검출 단계에 따른 탐지 확정 개념을 도입하였다. 1차 판별된 신호의 표본수를 이용하여 신호 점유시간을 계산한 후 점유시간에 따른 단계적인 최종판별을 수행한다.
- 457mV를 적용하였다. 또한 커널 함수에 의한 1차 탐지 결과를 기반으로 탐지확정 단계를 적용한 탐지 결과의 성능을 분석하였다. 검증 실험에 사용된 측정 신호는 센서로 부터 2m∼10m거리를 이동한 걷기와 뛰기 각20회의 신호를 사용하였으며 20회의 진동 신호에는 걷기 약400회와 뛰기 약350회의 발걸음 신호가 존재한다.
- 또한 탐지 시스템의 성능을 저하시키는 허위경보를 최소화 하기위해 1차 탐지 결과의 표본수를 이용하여 각 걸음걸이에 따른 신호 점유시간을 계산한 후 점유시간에 따른 탐지 단계를 ‘준비’, ‘경고’, ‘위험’ 그리고 ‘확정’의 4단계로 제안하였으며 3단계 이상의 신호를 목표물의 발걸음 신호로 판정한다.
- 목표물 이동으로 발생되는 진동 신호를 측정하기 위해 진동센서(GS-11D, OYO Geospace Company)와 PXI 시스템(PXI-8106 & 1042Q, NI)그리고 신호 수집 장비(PXI-6133, NI)를 사용하여 2kHz의 표본화 주파수로 측정하였다.
- 그리고 본 논문에서 사용된 진동센서(Geophone GS-11D)에 의해 측정된 목표물의 발걸음 주파수는 10Hz∼40Hz 대역에 분포하고 있지만 수집된 신호에는 생활 잡음과 환경 잡음에 의해 광범위한 주파수 특성을 보인다. 본 논문에서 수집된 신호의 특성 분석을 위한 전처리기는 저역통과, 절대 값 그리고 포락선 검출기를 사용하였으며, 이를 위한 전처리기의 블록도는 그림 1과 같다.
- 수집된 신호에서 잡음을 제거하기 위해 40Hz의 차단주파수(Cut-off Frequency)를 갖는 120 차수의 FIR(Finite Impulse Response) 저역통과 필터를 사용했다. 저역 통과된 신호는 포락선 검출기를 이용하여 신호와 잡음신호를 분류하게 된다.
- 잡음 적응형 문턱 값 계산을 위한 커널 함수는 수집된 진동센서의 확률적 분포특성을 이용하여 계산한다. 수집된 진동 센서 신호로부터 특정 거리 및 목표물에 따른 신호와 잡음의 통계적 특징을 추출하여 확률적 분포 특성을 획득한다. 신호 분석을 위해 10월 8일 수집된 신호 중 사람의 걷기와 뛰기 각각 45회의 신호를 임의로 선택한다.
- 탐지 성능 분석은 잡음 적응형 1차 탐지 결과와 고정 문턱 값에 의한 탐지 결과를 비교하였다. 여기서 고정 문턱 값은 2장 4절에서 선택한 10월 8일 수집된 24회의 진동신호에서 걷기와 뛰기를 하나의 목표물 신호로 계산 한 후 목표물과 잡음의 확률 분포 특성을 최대우도결정법으로 계산한 0.457mV를 적용하였다. 또한 커널 함수에 의한 1차 탐지 결과를 기반으로 탐지확정 단계를 적용한 탐지 결과의 성능을 분석하였다.
- 저역 통과된 신호는 포락선 검출기를 이용하여 신호와 잡음신호를 분류하게 된다. 이때 신호 준위를 높이기 위해 저역 통과된 신호에 절대 값을 취한 후 포락선을 검출 하였다. 포락선 검출기의 출력신호는 식 (1)과 같다.
- 428mV로 계산된다. 임의로 선택된 45회의 목표물 신호에 대하여 각각의 적응형 문턱 값을 계산하여 잡음의 확률적 특성변화에 따른 적응형 문턱 값의 변환 관계식을 회귀분석을 통해 추정한다. 식(4)는 회귀분석을 통해 추정된 커널 함수이다.
- 본 논문에서는 진동센서 기반 목표물 탐지 시스템에서 센서 운용환경에 따라 변화하는 불규칙한 잡음의 특성을 고려한 적응형 탐지 알고리즘을 제안하였다. 잡음 적응형 탐지 알고리즘을 구현하기 위해 제주지역에서 측정된 사람의 걷기와 뛰기 각각 45회의 신호를 이용하여 잡음 변화에 따른 문턱 값의 커널 함수를 계산하였다. 또한 탐지 시스템의 성능을 저하시키는 허위경보를 최소화 하기위해 1차 탐지 결과의 표본수를 이용하여 각 걸음걸이에 따른 신호 점유시간을 계산한 후 점유시간에 따른 탐지 단계를 ‘준비’, ‘경고’, ‘위험’ 그리고 ‘확정’의 4단계로 제안하였으며 3단계 이상의 신호를 목표물의 발걸음 신호로 판정한다.
- 측정 실험은 잔디밭 공터에서 약 45m 구간을 피 실험자가 걷거나 뛰는 방법으로 이동하였으며 이동 경로와 센서와의 수직 거리를 2m간격으로 2m∼10m까지 변경하였다.
- 저역 통과된 신호로부터 절대 값을 취한 후 포락선을 검출한다. 포락선 검출된 신호를 목표물에 의한 걸음걸이 신호와 잡음 신호를 분류한 후 분포 특성에 따른 모수를 추정하여 확률밀도 함수를 획득한다. 10m거리에서 뛰기 행동에 대한 모수 추정결과 목표물의 비 중심적 모수는 1.
- 적응형 문턱 값을 적용함으로써 잡음변화에 따른 신호 검출 성능이 향상되었지만 순간적인 잡음변화에 의한 허위경보 확률이 존재한다. 허위경보 횟수를 최소화하기 위해 신호의 검출 단계에 따른 탐지 확정 개념을 도입한다. 문턱 값 이상의 신호 표본수를 이용하여 걸음걸이 신호의 점유시간을 계산한 후 점유시간에 따른 목표물 탐지 확정 단계를 적용한다.
대상 데이터
- 검증 실험에 사용된 측정 신호는 센서로 부터 2m∼10m거리를 이동한 걷기와 뛰기 각20회의 신호를 사용하였으며 20회의 진동 신호에는 걷기 약400회와 뛰기 약350회의 발걸음 신호가 존재한다.
- 측정 실험으로 사람의 걷기 140회와 뛰기 140회의 진동 신호를 수집 하였다. 다양한 목표물 신호를 획득하기 위해 신장과 체중이 다른 5명의 피 실험자를 실험에 참여 시켰으며 표 1은 실험에 참여한 피 실험자의 정보를 나타낸다.
- 목표물 이동으로 발생되는 진동 신호를 측정하기 위해 진동센서(GS-11D, OYO Geospace Company)와 PXI 시스템(PXI-8106 & 1042Q, NI)그리고 신호 수집 장비(PXI-6133, NI)를 사용하여 2kHz의 표본화 주파수로 측정하였다. 본 논문에서는 진동신호 분석 및 알고리즘 검증을 위해 2011년 10월 8일과 15일 측정된 신호를 사용하였다. 그림 2는 목표물 이동에 따른 진동신호 측정 환경을 보인다.
- 수집된 진동 센서 신호로부터 특정 거리 및 목표물에 따른 신호와 잡음의 통계적 특징을 추출하여 확률적 분포 특성을 획득한다. 신호 분석을 위해 10월 8일 수집된 신호 중 사람의 걷기와 뛰기 각각 45회의 신호를 임의로 선택한다. 선택된 수집 신호로부터 잡음과 목표물 신호를 분리한 후 최대우도추정(Maximum Likelihood Estimation)방법으로 신호의 분포특성에 따른 모수를 추정한다.
- 신호의 통계적 특성을 분석하기 위해 10월 8일 수집된 신호 중 4m∼10m구간에서 사람의 걷기와 뛰기 각각 24회의 진동신호를 임의로 선택하였다.
- 제안된 알고리즘을 검증하기 위해 10월 8일과 15일 측정된 걷기와 뛰기 각각 100회의 신호를 이용하여 목표물 탐지 실험을 수행하였다. 탐지 성능 분석은 잡음 적응형 1차 탐지 결과와 고정 문턱 값에 의한 탐지 결과를 비교하였다.
- 측정 실험은 잔디밭 공터에서 약 45m 구간을 피 실험자가 걷거나 뛰는 방법으로 이동하였으며 이동 경로와 센서와의 수직 거리를 2m간격으로 2m∼10m까지 변경하였다. 측정 실험으로 사람의 걷기 140회와 뛰기 140회의 진동 신호를 수집 하였다. 다양한 목표물 신호를 획득하기 위해 신장과 체중이 다른 5명의 피 실험자를 실험에 참여 시켰으며 표 1은 실험에 참여한 피 실험자의 정보를 나타낸다.
데이터처리
- 본 논문에서는 불확실한 잡음 변화에 따라 탐지 문턱 값을 변화시켜 탐지 성능을 향상 시키고 허위경보를 최소화 하기위해 적응형 문턱 값을 이용한 탐지 알고리즘을 제안한다. 제안된 알고리즘은 측정된 신호로부터 잡음과 목표물 신호의 확률적 특성을 분석하여 문턱 값을 Neyman-Pearson 결정법[11]으로 계산하였으며 잡음 특성 변화에 따른 문턱 값을 커널 함수(Kernel Function)로 구현하였다. 그리고 계산된 커널 함수를 이용하여 잡음 변화에 따라 문턱 값을 적용하여 목표물을 1차 판별한다.
- 그리고 1차 탐지 결과의 표본수를 이용하여 발걸음 신호의 점유시간을 계산한 후 탐지 확정 단계를 ‘준비’, ‘경고’, ‘위험’ 그리고 ‘확정’의 4단계로 적용한다. 제안된 알고리즘을 검증하기 위해 걷기와 뛰기 각각 100회의 측정 신호를 이용하여 목표물 탐지 실험을 수행하였으며 고정형 문턱값을 이용한 탐지결과와 비교하였다. 잡음 변화에 따른 커널 함수를 이용하여 1차 탐지한 결과 10m구간에서 사람의 걷기와 뛰기 모두 95%의 높은 탐지 성능을 보였으며 고정 문턱 값을 이용한 탐지 결과와 비교할 때 허위경보는 40%대에서 20%로 크게 감소한 결과를 획득하였다.
- 또한 탐지 시스템의 성능을 저하시키는 허위경보를 최소화 하기위해 1차 탐지 결과의 표본수를 이용하여 각 걸음걸이에 따른 신호 점유시간을 계산한 후 점유시간에 따른 탐지 단계를 ‘준비’, ‘경고’, ‘위험’ 그리고 ‘확정’의 4단계로 제안하였으며 3단계 이상의 신호를 목표물의 발걸음 신호로 판정한다. 제안된 알고리즘을 검증하기 위해 센서로 부터 2m∼10m거리를 이동한 걷기와 뛰기 각20회의 신호를 이용하여 목표물의 발걸음 신호를 탐지 하였으며 고정된 문턱 값을 이용한 탐지 결과와 비교하였다. 제안된 알고리즘의 1차 탐지기를 이용하여 발걸음 신호를 탐지한 결과 걷기와 뛰기 모두에서 95%이상의 높은 탐지 성능을 보였으며 특히 허위 경보 확률은 고정 문턱 값을 이용한 탐지기 40%대에서 적응형 문턱 값을 이용한 1차 탐지기 20%대로 감소한 결과를 얻었다.
- 제안된 알고리즘을 검증하기 위해 10월 8일과 15일 측정된 걷기와 뛰기 각각 100회의 신호를 이용하여 목표물 탐지 실험을 수행하였다. 탐지 성능 분석은 잡음 적응형 1차 탐지 결과와 고정 문턱 값에 의한 탐지 결과를 비교하였다. 여기서 고정 문턱 값은 2장 4절에서 선택한 10월 8일 수집된 24회의 진동신호에서 걷기와 뛰기를 하나의 목표물 신호로 계산 한 후 목표물과 잡음의 확률 분포 특성을 최대우도결정법으로 계산한 0.
- 표 2에서 제안된 커널 함수를 이용한 잡음 적응형 1차 탐지와 고정 문턱 값을 이용한 탐지 결과를 비교한다. 여기서, ‘Class’는 걸음걸이 방식으로 걷기(Walk)와 뛰기(Run), ‘Foot Step’은 발걸음 수, ‘Detection’은 각 탐지기의 목표물과 잡음 탐지결과의 총합, ‘Target’은 발걸음 탐지결과를 나타내고 괄호안의 확률은 전체 발걸음 중 탐지된 발걸음의 확률(Taregt/Step)을 보인다.
이론/모형
- 여기서, 잡음은 Rayleigh 분포 그리고 목표물 신호는 Rician 분포 특성을 갖는다. 계산된 모수를 이용하여 신호의 확률밀도함수를 획득한 후 Neyman-Pearson 결정법을 이용하여 문턱 값을 계산한다[11]. 여기서, 목표물 신호의 분포는 발걸음 파형들의 전압 축 분포를 나타내며 하나의 발걸음 파형의 분포는 0mV에서 최대 진폭 준위까지 분포하게 된다.
- 발걸음 파형의 진폭 준위가 낮은 사람의 걷기 8m에서 허위경보 10%로 결정 할 때 각각의 걸음걸이를 우수하게 검출함을 확인 하였다. 본 논문에서는 잡음 변화에 따른 문턱 값 계산을 위해 Neyman-Pearson 결정법의 허위경보를 10%로 하였다. 마지막으로 각 모수 값에 따른 문턱 값을 이용하여 커널 함수를 추정한다.
성능/효과
- 그리고 본 논문에서 사용된 진동센서(Geophone GS-11D)에 의해 측정된 목표물의 발걸음 주파수는 10Hz∼40Hz 대역에 분포하고 있지만 수집된 신호에는 생활 잡음과 환경 잡음에 의해 광범위한 주파수 특성을 보인다.
- 제안된 알고리즘의 1차 탐지기를 이용하여 발걸음 신호를 탐지한 결과 걷기와 뛰기 모두에서 95%이상의 높은 탐지 성능을 보였으며 특히 허위 경보 확률은 고정 문턱 값을 이용한 탐지기 40%대에서 적응형 문턱 값을 이용한 1차 탐지기 20%대로 감소한 결과를 얻었다. 또한 1차 탐지 결과에서 제안된 탐지확정 단계를 적용하여 3단계 이상의 신호를 탐지한 결과 허위경보 확률은 20%에서 4%미만으로 크게 감소한 결과를 획득하였다. 제안된 알고리즘은 이동 목표물의 개별적인 발걸음 신호를 탐지함으로 걸음걸이의 주기적 특성을 이용한 목표물의 이동 방법 분류 또한 가능할 것으로 보인다.
- 잡음 변화에 따른 커널 함수를 이용하여 1차 탐지한 결과 10m구간에서 사람의 걷기와 뛰기 모두 95%의 높은 탐지 성능을 보였으며 고정 문턱 값을 이용한 탐지 결과와 비교할 때 허위경보는 40%대에서 20%로 크게 감소한 결과를 획득하였다. 또한 허위경보를 최소화 하기위해 탐지 확정 단계를 적용하여 3단계 이상의 탐지결과를 목표물 신호로 분석할 때 허위경보는 4%미만으로 감소되었다.
- 여기서, 목표물 신호의 분포는 발걸음 파형들의 전압 축 분포를 나타내며 하나의 발걸음 파형의 분포는 0mV에서 최대 진폭 준위까지 분포하게 된다. 발걸음 파형의 진폭 준위가 낮은 사람의 걷기 8m에서 허위경보 10%로 결정 할 때 각각의 걸음걸이를 우수하게 검출함을 확인 하였다. 본 논문에서는 잡음 변화에 따른 문턱 값 계산을 위해 Neyman-Pearson 결정법의 허위경보를 10%로 하였다.
- 진동 센서에서 측정되는 진동신호는 지구의 내부로 전달되는 실체파(Body Wave)와 지구의 표면으로 전파되는 표면파(Surface Wave)로 구분된다. 본 논문에서 사용된 진동 센서는 표면의 상하 운동을 측정하는 센서로 실체파 중 S(Secondary Wave)파와 표면파 중 Rayleigh 파의 신호를 감지하며 이때 발걸음 신호 측정결과 평균 252.6m/s의 속도로 전파하는 Rayleigh 파가 측정됨을 실험을 통해 확인하였다[12].
- 제안된 알고리즘을 검증하기 위해 걷기와 뛰기 각각 100회의 측정 신호를 이용하여 목표물 탐지 실험을 수행하였으며 고정형 문턱값을 이용한 탐지결과와 비교하였다. 잡음 변화에 따른 커널 함수를 이용하여 1차 탐지한 결과 10m구간에서 사람의 걷기와 뛰기 모두 95%의 높은 탐지 성능을 보였으며 고정 문턱 값을 이용한 탐지 결과와 비교할 때 허위경보는 40%대에서 20%로 크게 감소한 결과를 획득하였다. 또한 허위경보를 최소화 하기위해 탐지 확정 단계를 적용하여 3단계 이상의 탐지결과를 목표물 신호로 분석할 때 허위경보는 4%미만으로 감소되었다.
- 또한 ‘Noise’는 잡음을 발걸음으로 탐지한 허위탐지수를 나타내고 괄호안의 확률은 탐지기의 전체 탐지결과 중 잡음탐지 확률(Noise/Detection) 즉 시스템의 허위경보를 의미한다. 제안된 1차 탐지기의 탐지 결과 걷기와 뛰기 모두 95%이상의 높은 탐지 성능을 보이며 특히 허위경보 확률은 고정 문턱 값을 이용한 탐지기의 40%대에서 20%로 감소한 결과를 보인다. 잡음 적응형 탐지결과 허위경보 확률이 크게 감소한 결과를 확인 할 수 있다.
- 제안된 알고리즘을 검증하기 위해 센서로 부터 2m∼10m거리를 이동한 걷기와 뛰기 각20회의 신호를 이용하여 목표물의 발걸음 신호를 탐지 하였으며 고정된 문턱 값을 이용한 탐지 결과와 비교하였다. 제안된 알고리즘의 1차 탐지기를 이용하여 발걸음 신호를 탐지한 결과 걷기와 뛰기 모두에서 95%이상의 높은 탐지 성능을 보였으며 특히 허위 경보 확률은 고정 문턱 값을 이용한 탐지기 40%대에서 적응형 문턱 값을 이용한 1차 탐지기 20%대로 감소한 결과를 얻었다. 또한 1차 탐지 결과에서 제안된 탐지확정 단계를 적용하여 3단계 이상의 신호를 탐지한 결과 허위경보 확률은 20%에서 4%미만으로 크게 감소한 결과를 획득하였다.
- 여기서, ‘First Step Detection’은 1차 탐지기의 발걸음 탐지 횟수, ‘Detection’은 탐지확정 단계의 3단계 이상 탐지된 발걸음과 잡음의 총 탐지 횟수, ‘W_Target’은 발걸음의 탐지수를 나타내고 괄호안의 확률은 1차 탐지된 발걸음 중 탐지확정 단계의 3단계 이상 탐지된 발걸음의 확률(W_Target/First Step Detection)을 보이고 ‘W_Noise’는 탐지확정 단계에서 잡음을 발걸음으로 탐지한 허위탐지수를 나타내고 괄호안의 확률은 탐지확정 단계의 전체 탐지 결과 중 잡음을 탐지한 확률(W_Noise/Detection)로 허위경보를 나타낸다. 제안된 탐지확정 단계를 적용한 결과 탐지 거리 중가에 따라서 탐지 확률이 감소하는 결과를 보였으나 1차 탐지 결과의 허위경보 20%대에서 4% 미만으로 크게 감소된 결과를 확인 할 수 있다.
- 커널 함수 획득을 위해 사용된 걷기와 뛰기 신호를 잡음 적응형 문턱 값을 적용하여 1차 탐지한 결과에서 표본수 60개(0.03s)를 기준으로 할 때 허위경보 확률은 5%를 넘지 않았다. 따라서 신호 점유시간 0.
후속연구
- 또한 1차 탐지 결과에서 제안된 탐지확정 단계를 적용하여 3단계 이상의 신호를 탐지한 결과 허위경보 확률은 20%에서 4%미만으로 크게 감소한 결과를 획득하였다. 제안된 알고리즘은 이동 목표물의 개별적인 발걸음 신호를 탐지함으로 걸음걸이의 주기적 특성을 이용한 목표물의 이동 방법 분류 또한 가능할 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.