Earticle

자동차로부터 발생한 소음에 대해 효율적 예측 방법을 확립하고자 새로운 모형을 제시하려 한다. 즉, 본 연구에서는 도로 교통소음 방지 시설 성능 예측 모형을 구축하기 위한 연구이다. 교통소음 예측을 위해 RLS 90 컴퓨터 프로그램을 사용하였으며, 수직 분포 소음지도를 그리기 위해 SOUND PLAN 7.4 버전 컴퓨터 프로그램을 사용하였다. 제시된 예측 모형을 인천광역시 만석동에서 실측한 도로 교통소음 자료 등을 이용하여 검증하였다. 10개 지점에서 실측된 차량 평균 속도는 인증로에서 70 km/h, 화도진로 50 km/h 였으며, 20개 층에서 실측된 주간 소음도는 59.0~71.2 dB(A), 야간 소음도는 47.5~60.5 dB(A)로 나타났다. 방음시설 설치 전후 B 아파트 111동에서의 IL을 산출해 방음시설 성능 예측 모형 분석을 하였다. 4 m 방음벽을 설치하였을 경우 I L은 주간 0.2~10.3 dB(A), 야간 0.1~10.2 dB(A) 이었으며, 10 m 방음벽을 설치하였을 경우 IL은 주간 0.4~17.5 dB(A), 야간 0.3~17.3 dB(A)이었고, 방음터널을 설치하였을 경우 IL은 주간 10.1~14.7 dB(A), 야간 10.0~14.6 dB(A) 이었다. 평균 실측 소음도와 방음시설 성능 예측에 활용되는 수직 분포 소음지도 제작에 의한 예측 소음도를 비교한 결과 오차가 주간 약 ± 0.9 dB(A) 및 야간 ± 0.6 dB(A) 이내로 나타났다. 따라서 전체적으로 본 연구에서 실측 소음도와 예측 소음도 차이는 크지 않게 나타났기에 방음시설 성능 예측 모형은 비교적 만족스러운 것으로 판단되므로 본 연구에서 제시한 방음시설 성능 예측 산정 방법이 매우 적합한 기법이라 사료된다.

In order to establish an efficiency prediction method for noise generated from the vehicles, a new approach is proposed for practical use. This study has been focused on the establishment of an efficiency prediction method of road traffic noise. This model was developed by using RLS 90 (computer program for predicting road traffic noise) and SOUND PLAN 7.4 Version (computer program for graphing noise map). The validity of the proposed method has been confirmed by applying it to actually measured road traffic noise data at Manseok Dong. 10 sites average measured speed values were 70 km/h at Injeungro and 50 km/h at Whadojinro. Noise levels at 20 floors of Apt B-111 were 59.0~71.2 dB(A) for day and 47.5~60.5 dB(A) for night. The analysis on the efficiency prediction model of soundproof facilities was done on IL (insertion loss) of Apt B-111 before and after installing soundproof facilities. ILs of Apt B-111 before and after installing 4m high soundproof barrier were 0.2~10.3 dB(A) for day and 0.1~10.2 dB(A) for night. ILs of Apt B-111 before and after installing 10m high soundproof barrier were 0.4~17.5 dB(A) for day and 0.3~17.3 dB(A) for night. ILs of Apt B-111 before and after installing soundproof tunnel were 10.1~14.7 dB(A) for day and 10.0~14.6 dB(A) for night. It should be noted that the prediction errors were almost within ± 0.9 dB(A) for day and ± 0.6 dB(A) for night in the proposed method. On the whole, the agreement between measured and predicted noise levels appeared to be satisfactory. And analysis method on the efficiency prediction model of soundproof facilities was good.

오류의 원인을 이해하고 예측하는 것은 일상생활이나 산업현장에서 일어날 수 있는 사고를 방지하는 데 중요하다. 최근 오류 예측 연구에서는 고정된 시행 간 간격(inter-trial interval, ITI)의 인지 과제를 사용하여 성공적으로 오류를 예측하였지만, ITI을 고려하지 않아 오류 예측 모형을 일반적인 상황까지 적용하기가 어려움이 있다. 본 연구에서는 오류 이전 여섯 시행들로부터 얻어진 반응시간과 ITI 추세, 그리고 오류 시행에서의 과제조건을 이용하여 기계학습을 통해 오류를 예측하고자 하였다. 그 결과, 다양한 오류의 유형이 분류 및 예측되었으며, 특히 ITI 추세에서 반복적인 ITI 패턴이나 시간 압력의 변화와 같은 요인들이 오류와 관련되는 것으로 나타났다. 본 연구는 변화하는 ITI 변인이 오류예측에 중요한 역할을 할 뿐만 아니라 오류 발생과 관련된 피험자의 정신적 상태와 관련이 있다는 것을 확인하였다. 따라서 본 연구는 다양한 환경에서 다양한 유형의 오류를 예측할 수 있으며, 이러한 오류들이 다양한 원인으로 발생할 수 있음을 확인하였다는데 의의가 있다.

It is important to understand causes of human errors and to predict errors in order to prevent various accidents in our daily lives and industrial fields. Although a previous study employing a fixed inter-trial interval (ITI) in a cognitive task successfully predicted errors, it is unlikely to generalize from the previous results to other situations. The current study sought to predict errors by reaction times, task conditions, and ITIs extracted from six consecutive trials preceding error trials, in the context of machine learning. The results showed that various types of errors could be observed and predicted. Especially, presence of repeated patterns or time-pressure chances in the ITI trends might be related to errors. This is interpreted that ITI variation is important to predict errors as well as related to participants’ mental states affecting errors. Therefore, this study suggests that various types of errors in a variety of situations can be predicted, in which those errors would be caused by various factors.

We propose an adaptive monitoring a, pp.oach for serially correlated data. This algorithm uses the adaptive linear prediction lattice filter (ALPLF) which makes it compute process parameters in real time and recursively update their estimates. It involves computation of the forward and backward prediction errors. CUSUM control charts are a, pp.ied to prediction errors simulaneously in both directions as an omnibus method for detecting changes in process parameters. Results of computer simulations demonstrate that the proposed adaptive monitoring a, pp.oach has great potentials for real-time industrial a, pp.ications, which vary frequently in their control environment.

It is important to estimate the true misclassification rate of a given classifier when an independent set of test data is not available. Cross-validation and bootstrap are two possible approaches in this case. In related literature bootstrap estimators of the true misclassification rate were asserted to have better performance for small samples than cross-validation estimators. We compare the two estimators empirically when the classification rule is so adaptive to training data that its apparent misclassification rate is close to zero. We confirm that bootstrap estimators have better performance for small samples because of small variance, and we have found a new fact that their bias tends to be significant even for moderate to large samples, in which case cross-validation estimators have better performance with less computation.

Prediction errors generated by motion compensated coding are coded with transform coding techniques as DCT. The performance of transform coding techniques are lowered mainly due to the source characteristics with a great deal of zero populations and plus-minus sign changes, i.e., low correlation. In this paper a transform coding scheme which adopts a decomposition of prediciton errors into two sources is proposed and compared its performance with conventional scheme.

In this paper the normalized innovations squared of a Kalman filter is used to detect a bias level in prediction errors due to target accelerations. The probability density function of the normalized innovation squared is obtained for a steady state Kalman filter, and it is used to calculate the detection probability of the bias level. A typical example is given to compute the detection probability.

인체에 유해하다고 알려진 미세먼지의 수준을 건강에 대한 영향과 연계하여 보고하기 위해 우리나라를 비롯한 세계 각국은 대기질 지수를 발표한다. 우리나라의 경우 미세먼지, 초미세먼지와 4가지 기타 대기오염물질의 측정치를 바탕으로 통합대기환경지수를 계산하여 발표 및 예보하고 있다. 예보를 위해서는 정확한 예측이 필수적이며 하나의 값으로 예측하는 것보다 분포적합을 통해 예측구간을 제공하는 것이 더 많은 정보를 줄 수 있다. Value-at-Risk (VaR) 와 같은 리스크 측도 계산을 위해서도 적절한 예측값의 분포를 찾아내는 것이 필요하며, 통합대기환경지수처럼 여러 오염물질의 관측값을 이용하는 경우 상관관계를 고려한 다변량분포를 적합할 필요가 있다. 오염물질 관측값 자체는 랜덤표본이라고 보기 어려우므로 이 논문에서는 대기오염에 영향을 줄 수 있는 설명변수를 선택하여 예측모형을 적합한 후, 그 잔차에 다변량분포를 적합하는 2단계 모형으로 미세먼지의 리스크를 측정하고자 하였다. 설명변수로는 대기오염물질의 과거 관측치와 기상변수 등을, 예측모형으로는 선형회귀모형, 랜덤포레스트와 시계열모형을, 잔차의 분포로는 코퓰라를 이용한 결합분포 및 다변량 정규분포, 다변량 normal inverse Gaussian (MNIG) 분포를 사용하였다. 잔차의 다변량 분포적합 후에는 이 분포와 예측모형 적합결과로부터 대기오염물질 예측값의 분포를 생성하고, 통합대기환경지수의 VaR를 계산하여 분포적합 결과를 검증하였다. VaR의 violation rate 계산 결과 선형회귀모형과 다변량 정규분포, MNIG 분포를 적용한 경우의 성능이 가장 좋았다.

In order to report the level of fine dust, known to be harmful to the human body, in connection with its impact on health, countries around the world publish an air quality index. In Korea, CAI (Comprehensive air-quality index) is calculated and announced based on the measurements of , , and four other air pollutants. Accurate prediction is essential for forecasting, and a prediction interval using the distribution of predicted values is more informative than a point prediction. It would be also necessary to find an appropriate distribution of predicted values for computing risk measures such as Value-at-Risk (VaR). Considering the association of pollutants, it would be desirable to fit a multivariate distribution for pollutants in predictive analysis of such as CAI. Since it is hard to treat the pollutant observations themselves to be identically distributed, here we try to measure the risk of fine dust through a 2-stage model of fitting the prediction model with explanatory variables, and then fitting a multivariate distribution to its residuals. We consider past observations of pollutants and some weather variables as explanatory variables. Linear regression, random forests and a time series model are used as prediction models, and multivariate normal distribution, multivariate normal inverse Gaussian (MNIG) distribution, and multivariate distribution using Copula are applied as residual distributions. The performance of the predictive distribution of pollutants, generated from this residual distribution and the values of explanatory variables, is verified by VaR. As a result, linear regression with multivariate normal distribution or MNIG distribution show the best performance.

기존의 DPCM에 의한 압축방법은 예측오차를 양자화하여 전송한 후 복원하는 것으로 8레벨로 양자화하는 경우 3bpp의 비트율을 갖는다. 본 논문에서는 화소값의 압축에 의해 기존의 DPCM보다 예측오차값의 분포를 0을 중심으로 더 집중시킴으로써 더 낮은 비트율을 갖는 압축방법을 제안한다. 압축된 각 화소의 예측오차값은 DPAM방법에 의해 8-레벨로 양자화되고, 양자화된 예측오차의 열을 4와 2 단위로 분할하여 예측오차의 학습된 열로 구성된 각각의 코드북과 비교한다. 비교 결과 코드북의 주소를 생성하여 전송하고, 복원시 화소값을 확장한다. 제안된 방법은 DPCM방법보다 2.4~4.06dB 낮은 복원 영상의 화질을 보이지만, 비트율은 2.17~2.34bpp를 얻음으로써 0.66~0.83bpp정도 개선할 수 있다.

본 논문에서는 SAR (Synthetic Aperture Radar)에 사용되는 광대역 첩 신호에 대한 IRF(Impulse Response Function) 성능을 분석하였다. 영상 레이더의 첩 신호에서 영상품질에 크게 영향을 주는 인자는 진폭과 위상으로 크게 분류할 수 있다. 이 값들을 2차 다항식 커브 피팅을 사용하여 선형, 직교, 랜덤 그리고 리플 이득으로 구분할 수 있다. 본 연구에서는 이러한 인자들에 의한 IRF 영향을 분석하고, PSLR(Peak Side Lobe Ratio) 및 ISLR(Integrated Side Lobe Ratio)의 규격을 만족하기 위한 RF 비선형성에 의한 오차 값들의 최소치를 제안하였다.

In this paper, we studied the IRF performances of the chirp signal used in the SAR system. The most important factors that degrade IRF performances are amplitude and phase errors. Each factor can be represented to linear, quadratic, random and ripple terms. That can be extracted by a quadratic polynomial curve fitting of chirp waveform. We analyzed the IRF performances by the error terms and supposed the minimum value of RF non-linearity to meet the specification of the PSLR and ISLR.

항공용 카메라 및 천체 망원경과 같은 대구경 광학계의 비구면 반사경 제작 중에 발생하는 동심원 구조의 중간 공간 주파수 파면 오차가 변조전달 함수(modulation transfer function, MTF)에 미치는 영향을 분석하고 Shannon 근사식을 개선하여 MTF 예측 오차를 줄이는 방법을 제안하였다. 기존의 Shannon 근사식은 파면 오차의 차수가 낮은 경우 MTF 예측에 유용하지만, 파면 오차의 차수가 높은 경우, 그중에서도 특히 비구면 광학소자의 제작 과정에서 발생하는 중간 공간 주파수의 파면 오차가 있을 경우 MTF 예측에 한계가 있다. 본 연구에서는 Matlab과 Code V 시뮬레이션을 통해 동심원 구조의 중간 공간 주파수 파면 오차가 MTF에 미치는 영향을 분석하고, 새로운 보정 상수(K-factor)를 가지도록 Shannon 근사식을 개선하는 방안을 제안하였다.

We investigate the effects of mid-spatial frequency wavefront errors on the modulation transfer function (MTF) of optical imaging systems such as airborne cameras and astronomical telescopes. To reduce the prediction error of the MTF, an improved Shannon approximation is proposed. The Shannon approximation is useful for low-order wavefront errors, but it has limitations in predicting MTF with high-order wavefront errors, especially those caused by mid-spatial frequency errors from the manufacturing process of aspheric optical components. In this study, we analyze the impacts of concentric ring-shaped mid-spatial frequency wavefront errors on the MTF using MATLAB and Code V simulations and propose a method to improve the Shannon approximation, which has a new correction factor (K-factor).