타이밍 점들의 탐지를 위한 호흡근육 활동신호의 분석

최한고 대한의용생체공학회 1995 의공학회지 Vol.16 No.2

The information obtained from the analysis of respiratory muscle elecromyographic (EMG) activities provides a mean for studying muscular activity in relation to the ventilatory process. Thus, in order to comprehend the airflow pattern and its brain control, signal processing is required to characterize respiratory muscle activity. This paper presents a computerized method for the analysis of the electrical activity of the respiratory muscles of premature lambs, and focuses upon the automatic determination of respiratory timing points such as onset and cessation points of the burst activity. Based on experimental results, reliable timing points can be obtained using the proposed methodology.

Hybrid 리커런트 신경망을 이용한 시스템 식별

최한고,고일환,김종인 한국융합신호처리학회 2005 융합신호처리학회 논문지 (JISPS) Vol.16 No.1

Dynamic neural networks have been applied to diverse fields requiring temporal signal processing. This paper describes system identification using the hybrid neural network, composed of locally(LRNN) and globally recurrent neural networks(GRNN) to improve dynamics of multilayered recurrent networks(RNN). The structure of the hybrid nework combines IIR-MLP as LRNN and Elman RNN as GRNN. The hybrid network is evaluated in linear and nonlinear system identification, and compared with Elman RNN and IIR-MLP networks for the relative comparison of its performance. Simulation results show that the hybrid network performs better with respect to the convergence and accuracy, indicating that it can be a more effective network than conventional multilayered recurrent networks in system identification. 동적 신경망은 temporal 신호처리가 요구되는 여러 분야에 사용되어 왔다. 본 논문에서는 다층 리커런트 신경망(RNN)의 동특성을 더 향상시키기 위해 지역 궤환 신경망(LRNN)과 광역 궤환 신경망(GRNN)으로 구성된 합성 신경망을 사용하여 시스템 식별을 다루고 있다. 합성 신경망의 구조는 LRNN으로 IIR-MLP를, GRNN으로 Elman RNN을 결합하고 있다. 합성신경망은 선형과 비선형 시스템 식별을 통해 평가되었으며 상대적인 성능평가를 위해 Elman RNN 과 IIR-MLP 신경망과 비교하고 있다. 시뮬레이션 결과에 의하면 합성 신경망은 학습속도와 정확도에서 더 우수하게 동작하였으며, 이러한 사실은 비선형 시스템 식별에 있어서 합성 신경망이 기존의 다층 리커런트 신경망보다 더 효과적인 신경망이 될 수 있음을 보여주었다.

멀티레이터 샘플링 문제로서의 뇌파신호 디스플레이에 관한 연구

최한고 대한의용생체공학회 1996 의공학회지 Vol.17 No.2

The display of biological signals in raster scan monitors often involves a multirate sampling operation which consists of decimation .and interpolation. All electroencephalouaphic (EEG) samples of 10 to 30 seconds (2, 500 to 7, 500 samples at 250[Hz] sampling frequency) must be displayed in the computer screen to keep the aspect ratio of the paper polygraph output. Since the current afrorclable display technology Plots at most 2, 000 Pixels Per row, sDme signal samples need to be discarde4 This Paper studies methods to perform this operation characterizing them from the signal processing viewpoint and compares the display quality among several decimation techniques. Experimental results show that a nonlinear operation such as the peak detection method could be preferable to the canonical linear filtering to reduce aliasing.

전원의 간섭잡음 억제를 위한 적응잡음 제거기법

최한고 國立金烏工科大學校附設生産技術硏究所 1993 産業技術開發硏究 Vol.9 No.-

Spectrum and timing analysis of biomedical signals have been used as effective diagnosis or remedy tools for pathological diseases. The most common problem in bioelectric recordings is the presence of interferences from electrical power sources, i.e., 60[Hz] and its harmonics. Reduction of these interferences from the recorded signals is essential to detect a particular activity of the signal or to reduce the effect of spectral overlap of both the signals. This paper describes the cancellation of the electrical interferences from respiratory electromyographic (EMG) activity using an adaptive noise calceler and some features in processing this technique. The adaptive noise calcellation technique was found to successfully reduce the interferences.

Hybrid 리커런트 신경망을 이용한 시스템 식별

최한고,고일환,김종인,Choi Han-Go,Go Il-Whan,Kim Jong-In 한국융합신호처리학회 2005 융합신호처리학회 논문지 (JISPS) Vol.6 No.1

동적 신경망은 temporal 신호처리가 요구되는 여러 분야에 사용되어 왔다. 본 논문에서는 다층 리커런트 신경망(RNN)의 동특성을 더 향상시키기 위해 지역 궤환 신경망(LRNN)과 광역 궤환 신경망(GRNN)으로 구성된 합성 신경망을 사용하여 시스템 식별을 다루고 있다. 합성 신경망의 구조는 LRNN으로 IIR-MLP를, GRNN으로 Elman RNN을 결합하고 있다. 합성신경망은 선형과 비선형 시스템 식별을 통해 평가되었으며 상대적인 성능평가를 위해 Elman RNN과 IIR-MLP 신경망과 비교하고 있다. 시뮬레이션 결과에 의하면 합성 신경망은 학습속도와 정확도에서 더 우수하게 동작하였으며, 이러한 사실은 비선형 시스템 식별에 있어서 합성 신경망이 기존의 다층 리커런트 신경망보다 더 효과적인 신경망이 될 수 있음을 보여주었다. Dynamic neural networks have been applied to diverse fields requiring temporal signal processing. This paper describes system identification using the hybrid neural network, composed of locally(LRNN) and globally recurrent neural networks(GRNN) to improve dynamics of multilayered recurrent networks(RNN). The structure of the hybrid nework combines IIR-MLP as LRNN and Elman RNN as GRNN. The hybrid network is evaluated in linear and nonlinear system identification, and compared with Elman RNN and IIR-MLP networks for the relative comparison of its performance. Simulation results show that the hybrid network performs better with respect to the convergence and accuracy, indicating that it can be a more effective network than conventional multilayered recurrent networks in system identification.

Depth 정보를 이용한 CamShift 추적 알고리즘의 성능 개선

최한고,주성욱 한국융합신호처리학회 2017 융합신호처리학회 논문지 (JISPS) Vol.18 No.2

This study deals with a color-based tracking method of a moving object effectively in case that the color of the moving object is same as or similar to that of background. The CamShift algorithm, which is the representative color-based tracking method, shows unstable tracking when the color of moving objects exists in the background. In order to overcome the drawback, this paper proposes the CamShift algorithm merged with depth information of the object. Depth information can be obtained from Kinect device which measures the distance information of all pixels in an image. Experimental result shows that the proposed tracking method, the Camshift merged with depth information of the tracking object, makes up for the unstable tracking of the existing CamShift algorithm and also shows improved tracking performance in comparison with only CamShift algorithm. 본 연구에서는 이동 물체의 색상이 배경 내 색상과 동일하거나 유사한 색상이 존재하는 경우 컬러기반 에서 효과적으로 이동 물체의 추적 방법을 다루고 있다. 대표적인 컬러 기반 추적방법인 CamShift 알고리즘은 배경 영상에 이동물체의 색상이 존재하는 경우 불안정한 추적을 보여주고 있다. 이러한 단점을 극복하기 위해 본 논문에서는 물체의 Depth 정보를 병합한 CamShift 알고리즘을 제안하고 있다. Depth 정보 영상의 모든 픽셀의 거리정보를 측정하는 Kinect 장치로부터 구할 수 있다. 실험결과 이동물체의 거리정보를 병합시킨 제안 된 추적 방법은 기존 CamShift 알고리즘의 불안정한 추적기능을 보완하였고, CamShift 알고리즘만 사용한 경 우와 비교해 볼 때 추적성능을 향상시켰다.

심혈관 신호에 있어서 단기간 beat-to-beat 변이의 비선형 역할에 관한 연구

최한고 대한의용생체공학회 2003 의공학회지 Vol.24 No.3

Numerous studies of short- term. beat- to-beat Variability in cardiovascular signals have used liner analysis techniques. However, no study has been done about the appropriateness of linear techniques or the comparison between linearities and nonlinearities in short- term, beat- to- beat variabihty. This paper aims to verify the appropriateness of linear technlques by investisatigting nonliinearities in short- term, beat- to- beat variabihty. We compared linear autoregressive moving average (ARMA) with nonlinear neurai network (NN) models for predicting current instantaneous heart rate (HR) and mean artelial blood pressure (BP) from past HRs and BPs. To evaluate these models, we used HR and BP time series from the MIMIC database. Experimental results indicate that NN- based nonlinearities do not play a significant role and suggest that 10 technique provides adequate characterization of the system dynamics responsible for generating short- term, beat- to- beat variabihty. 심장혈관 신호에 있어서 단기간의 beat- to- beat 변이(variabihty) 에 대한 여러 연구에시 선형 분석기법들이 사용되었다. 그러나 단기간 beat- to- beat 변이에 대해 선형기법 사용의 타당성에 대한 연구나 선형과 비선형 특성을 비교한 연구는 수행되지 않았다. 본 논문의 목적은 단기 간 beat- to- beat 변이의 비선형성 특성을 조사함으로써 선형기법 사용의 적절함을 증명하고자 한다. 이를 위해 선형 ARMA와 비선헝 신경망 (NN) 모델을 사용하여 예측을 수행하였는데, 과거의 순시 심박(HR) 과 평균 혈압(BP)으로부터 현재의 심박과 혈압 예측을 상호 비교하였다. 이러한 예측모델을 평가하기 위해 MIMIC 데이터베이스로부터 HR와 BP 시게열을 사용하였다. 실험결과에 의하면 신경망에 의한 비선형정은 단기간 beat-to- beat 변이를 생성하는 시스템 동특성을 나타내는데 의미있는 역할을 하지 못하였으며, 이 사실은 ARMA 선형 분석기법이 이러한 시스템 동특성을 나타내는데 적절함을 보여주고 있다

지역 및 광역 리커런트 신경망을 이용한 비선형 적응예측

최한고 대한전자공학회 2003 電子工學會論文誌-SP (Signal processing) Vol.40 No.1

동적 신경망은 신호예측과 같이 temporal 신호처리가 요구되는 여러 분야에 적용되어 왔다. 본 논문에서는 다층 리커런트 신경망(RNN)의 동특성을 향상시키기 위해 지역 궤환 신경망(LRNN)과 광역 궤환 신경망(CRNN)으로 구성된 합성 신경망을 제안하고, 적응필터로 제안된 신경망을 사용하여 비선형 적응예측을 다루고 있다. 합성 신경망은 LRNN으로 IIR-MLP와 CRNN으로 Elman RNN 신경망으로 구성되어 있다. 제안된 신경망은 비선형 신호예측을 통해 평가되었으며, 예측 성능의 상대적인 비교를 위해 Elman RNN과 IIR-MLP 신경망과 상호 비교하였다. 실험결과에 의하면 합성 신경망은 수렴속도과 정확도에서 더 우수한 성능을 보여줌으로써, 제안된 신경망이 기존의 다층 리커런트 신경망보다 비정적 신호에 대한 비선형 예측에 더 효과적인 예측모델임을 확인하였다. Dynamic neural networks have been applied to diverse fields requiring temporal signal processing such as signal prediction. This paper proposes the hybrid network, composed of locally(LRNN) and globally recurrent neural networks(GRNN), to improve dynamics of multilayered recurrent networks(RNN) and then describes nonlinear adaptive prediction using the proposed network as an adaptive filter. The hybrid network consists of IIR-MLP and Elman RNN as LRNN and GRNN, respectively. The proposed network is evaluated in nonlinear signal prediction and compared with Elman RNN and IIR-MLP networks for the relative comparison of prediction performance. Experimental results show that the hybrid network performs better with respect to convergence speed and accuracy, indicating that the proposed network can be a more effective prediction model than conventional multilayered recurrent networks in nonlinear prediction for nonstationary signals.

뇌파신호 디스플레이를 위한 데시메이션 기법들의 비교연구

최한고 國立金烏工科大學校附設生産技術硏究所 1994 産業技術開發硏究 Vol.10 No.-

The display of biological signals in raster scan monitors often involves a multirate sampling operation which consists of decimation and interpolation. All digitized electroencephalographic(EEG) samples cannot be displayed due to predefined formats. For instance, the EEG signal of 10 to 30 seconds(2,500 to 7,500 samples at 250[Hz] sampling frequency) must be displayed in the computer screen to keep the aspect ratio of the paper polygraph output. Since the current affordable display technology plots at most 2,000 pixels per row, some signal samples need to be discarded. This paper studies methods to perform this operation characterizing them from the signal processing view-point and compares the display quality among several decimations.

신경망을 이용한 비정적 신호의 비선형 예측

최한고,이호섭,김상희,Choi, Han-Go,Lee, Ho-Sub,Kim, Sang-Hee 대한전자공학회 1998 電子工學會論文誌, S Vol.s35 No.10

신경망은 분산된 비선형 처리구조와 학습능력 때문에 높은 차수의 비선형 동특성 구현능력을 갖고 있으므로 비정적 신호에 대한 적응예측을 수행할 수 있다. 본 논문에서는 두 가지 방법 (비선형 모듈구조와 비선형과 선형모듈이 직렬로 연결된 예측구조)으로 비정적 신호의 비선형 예측을 다루고 있다. 완전 궤환된 리커런트 신경망과 기존의 TDL(tapped-delay-line) 필터가 비선형과 선형모듈로 각각 사용되었다. 제안된 예측기의 동특성은 카오스 시계열과 음성신호에 대해 시험하였으며, 예측성능의 상대적인 비교를 위해 기존의 ARMA(autoregressive moving average) 구조의 선형 예측모델과 비교하였다. 실험결과에 의하면 신경망을 이용한 적응 예측기는 선형 예측기보다 예측성능이 훨씬 우수하였으며, 특히 직렬구조의 예측기는 신호가 크게 변화하는 시계열의 예측에 효과적으로 사용할 수 있음을 확인하였다. Neural networks, having highly nonlinear dynamics by virtue of the distributed nonlinearities and the learing ability, have the potential for the adaptive prediction of nonstationary signals. This paper describes the nonlinear prediction of these signals in two ways; using a nonlinear module and the cascade combination of nonlinear and linear modules. Fully-connected recurrent neural networks (RNNs) and a conventional tapped-delay-line (TDL) filter are used as the nonlinear and linear modules respectively. The dynamic behavior of the proposed predictors is demonstrated for chaotic time series adn speech signals. For the relative comparison of prediction performance, the proposed predictors are compared with a conventional ARMA linear prediction model. Experimental results show that the neural networks based adaptive predictor ourperforms the traditional linear scheme significantly. We also find that the cascade combination predictor is well suitable for the prediction of the time series which contain large variations of signal amplitude.