■ 패턴 인식

1. 패턴 인식 분야

   패턴 인식 시스템은 기본적으로 아래 그림에서와 같이 특징 추출과 분류의 두가지 주요 구성

   요소를 가진다.

       

   입력 데이터는 1차원(1D) 신호 혹은 2차원(2D) 신호가 될 수 있다. 1차원 신호에는 음성신호,

   수중음향 신호 등이 있으며 문자, 얼굴 혹은 기타 영상 신호는 2차원 신호에 해당된다.

   각 신호에는 고유의 특징들이 포함되어 있는데, 신호들을 적절하게 식별하기 위해서는 신호에

   따른 차별적인 특징들을 추출하여 한다. 적절한 특징이 추출되면 Neural networks, Support vector

     machines 등의 분류기를 사용하여 판정하게 된다.

   우리 연구실에서는 식별 성능을 향상시키기 위해 차별적인 특징 추출과 분류기에 대한 연구를

   수행하고 있다.

 

 

■ Wireless Sensor Networks

1. Wireless Modules and Sensor Boards

(MICAz, MTS310, MIB520)

   Crossbow사의 Sensor BoardMTS310을 이용하여 필요한 Data 즉, Acoustic, Magnetometer, Light,

   Temperature 등의 Data를 수집한다.

2. Data 수집

(MoteView를 이용한 실시간 Data 수집)

 

   위의 그림은 Sensor Mote를 이용하여 수집된 Data를 실시간으로 확인하는 과정이다.

   수집된 Data를 저장하여 필요로 하는 Data로 처리한다.

   본 연구실에서는 웨이블릿(Wavelet)을 이용하여 Wireless Sensor Networks에서 요구되는 센서

   노드들간의 컴퓨팅 능력, 제한된 전원(배터리)과 메모리 조건에서 표적의 탐지 및 식별의 성능과

  효율을 극대화하는 연구를 수행하고 있다.

3. Wavelet analysis를 이용한 Data 처리

[Approximation Signal]

[Detail Signal]

   기존 에너지 기반의 방법은 노이즈 제거, 압축, 식별을 위한 특징 추출 알고리즘이 각각 따로

   수행되어야 한다. 하지만, Wavelet analysis는 각각의 신호처리를 분산처리를 통해 한번에

   할 수 있다. 또한 Wavelet analysisTime-frequency 정보를 모두 가지고 있어 기존 에너지

   기반의 방법이나 Fourier 방법에 비해 표적의 탐지 및 식별의 성능을 향상 시킬 수 있다.