Earticle

임베디드 제로트리 웨이블렛(EZW : Embedded Zerotree Wavelet) 알고리즘은 원본 영상을 웨이블렛 변환하고 그 변환된 데이터를 이용하여 영상을 압축하는 기법으로써, 간단한 구조형태를 이루며 그 효율이 또한 매우 우수한 알고리즘이다. 본 논문은 이를 개선하여 압축 효율을 향상 시킨 것이다. 기본적으로 임베디드 제로트리 웨이블렛 알고리즘은 웨이블렛 변환된 데이터의 중요도를 판단하고, 그 중요도와 위치정보를 4가지로 분류하여 저장하게 된다. 이 부호는 P, N, Z, T로 나타내며 이중 P,N은 데이터의 크기와 관련한 중요도를 의미하고, 그 위치 정보를 Z, T 부호로 나타낸다. 각각의 부호들은 주부호화 과정을 통해 저장되게 되는데 이때 Z, T의 정보가 중복저장 되어 데이터양이 증가하게 된다. 본 논문에서는 중복 저장되는 데이터 량을 줄이기 위해 기존의 부호에 중복 기능을 나타내는 4가지 부호를 추가한 수정된 임베디드 제로트리 알고리즘을 제안하고, 이를 확장 임베디드 제로트리 웨이블렛(EEZW, Extended Embedded Wavelet) 알고리즘으로 명명하였다. 제안된 알고리즘은 다양한 영상을 대상으로 영상 품질을 정량적으로 표현한 PSNR(Peak Signal To Noise Rate) 수치를 비교하여 우수한 결과를 확인하였다.

EZW, also known as Embedded Zerotree Wavelet, is a technique that allows transforming original images into wavelet, then again compressing images using the transformed data. This algorithm demonstrates a simple structure and remarkable effectiveness. This paper has reformed the EZW to improve a compression efficiency.Fundamentally, EZW evaluates the priority level of wavelet-transformed data and stores them into four different categories considering the priority level of the data as well as their location information. The four categories are represented as the symbols P, N, Z, and T. Here, P and N correspond to the volume of data and the priority level whereas Z and T show the location information of data. Each letter is stored through the process of dominant pass. However, here is when the data of Z and T are stored redundantly which lead to unnecessary increase of data volume.In this paper, we propose a modified version of Embedded Zerotree Wavelet algorithm, which is designed to efficiently reduce the volume of redundantly stored data using four additionally inserted symbols. We name it EEZW, Extended Embedded Zerotree Wavelet. The proposed algorithm demonstrates the efficiency verified by a number of image and confirms an outstanding result through the PSNR(Peak Signal To Noise Rate) values, which measure their quality of images.

오존 예보제에 사용가능한 오존 예측모델을 개발하기 위하여 자기회귀모델(AR)의 발전된 형태인 ARX 모델과 최근 웨이브릿 기법의 형태로 발전되고 있는 LSW 기법을 이용하여 오존 일 최고농도를 예측하고자 하였다. 본 연구에서는 추세성분과 단기변동성분을 예측하기 위하여 웨이브릿 스펙트럼 분석을 실시하였다. 웨이브릿 필터로 분리된 시계열을 이용하여 추세성분과 단기변동 성분을 예측하여 합성한 결과, 신뢰수준이 상당히 높은 예측결과를 얻을 수 있었다. 특히 ARX+LSW 모델을 통하여 예측한 결과 고농도 영역에서 정확도가 상당부분 개선되는 것으로 분석되었다. 이러한 결과는 단기 변동성분의 예측율이 LSW를 통하여 상당부분 개선되었기 때문으로 판단된다.

It was investigated to what extent linear auto regressive models with external input (ARX) merged with LSW (Local Stationary Wavelet) and auto regressive moving average models with external input (ARX + LSW) could be used to predict the ozone peak concentration and typical anthropogenic pollutants which include VOCs (Volatile Organic Compounds) and NOx under urban air mass conditions of Seoul airshed, Korea. Solar radiation and wind speeds were used as the input variables to describe Ozone production mode. We used a wavelet spectrum method for decomposing cycle and trend component. The proposed method combines the wavelet decomposition as a filtering trend step to provide an acceptable prediction value. Basically, the wavelet decomposition use a pair of filters to decompose iteratively the original time series. It results in a hierarchy of new time series that are easy to model and predict. It was also found that ARX +LSW models performed better than ARX or LSW models; specially high level ozone prediction ability is more improved with LSW induced effect.

많은 경우 천연가스 계약은 원유 가격에 연동되어 책정되어 왔지만 현재는 천연가스 시장 가격이 원유 가격과 탈동조화(decoupling)되었다는 연구가 꾸준히 발표되고 있다. 따라서 천연가스 가격에 대한 별도의 연구의 필요성이 높아지고 있다. 이에 본 연구에서는 wavelet 분해 분석을 사용하여 단기 천연가스 가격 예측을 수행하였다. 예측 결과를 비교하기 위하여 ARIMA 모형 만을 적용한 경우, 분해 성분 중 근사 성분에 ARIMA 모형을 적용한 경우, 근사 성분에는 ARIMA, 세부 성분에는 GARCH 모형을 적용한 경우를 설정하였다. 비교 결과 ARIMA만을 이용하여 예측한 결과보다 wavelet 분해를 이용한 경우, 특히 wavelet-GARCH 모형의 예측 오차가 약 3.8% 줄어든 것으로 나타나 천연가스 가격의 단기 예측에 있어서 wavelet 분해 방법론의 유용성을 확인할 수 있었다.

Although natural gas contracts have been done based on oil prices, many recent research argued that the natural gas and oil prices are decoupled. Therefore, it is necessary to analyze the natural gas price as an independent price. In the light of this, we forecasted the short term natural gas price using wavelet decomposition method. In order to compare a forecasting power, three approaches are applied. The first approach is ARIMA only case. We applied an ARIMA into the original data. The second one is wavelet-ARIMA case. In this case, ARIMA is applied into the approximation. In the third approach, we implement wavelet-GARCH analysis. In this approach, an approximation is treated same as second case, but GARCH is applied to details. As results, the wavelet-applied approaches are better than only ARIMA case for the forecasting power. Consequently, we could confirm the usefulness of wavelet-applied approaches in natural gas price forecasting.

In this article, wavelet Orthogonal Frequency Division Multiplexing (OFDM) based non-orthogonal-multiple-access (NOMA) combined with massive MIMO system for 6G network is proposed. For mMIMO transmissions, the suggested system could enhance the performance by utilizing wavelets and is able to compensate channel impairments for the transmitted signal. Performance measures include spectral efficiency (SE), symbol error rate (SER), and peak to average power ratio (PAPR). Simulation results prove that the proposed system outperforms the conventional fast Fourier transform (FFT) based NOMA systems.

최근, 현대전은 GPS 위치측위를 바탕으로 정밀타격체계 및 미사일 방어체계가 핵심이 되어가고 있다. 하지만 군 환경 특성상 산악지형 및 시가전에서의 지형지물로 인한 large/small scale fading, 주파수 간섭 등으로 인해 오차를 가진 위치정보를 얻게 된다. 이는아군 위치 파악 실패로 인한 지원 지연 및 유도탄 오폭으로 인명피해를 발생시키게 된다. 본 연구는 위치오차를 보정하기 위해wavelet denoising filter를 이용한 간섭완화 측위기법을 제안한다. 실험 결과는 본 연구실에서 수행한 GPS/QZSS/Wi-Fi밀결합 측위기법의 실증 테스트 결과와 wavelet denoising filter를 적용한 시스템의 시뮬레이션 결과로 간섭완화 성능을 나타낸다. Waveletdenoising filter를 적용한 시스템의 시뮬레이션 결과는 기존 GPS보다 평균 21.6% 의 정확도 향상을 보이며 제안한 시스템 모델의우수성을 입증한다.

Recently, precision guided munition systems and missile defense systems based on GPS have been taking a key role inmodern warfare. In warfare however, unexpected interferences cause by large/small scale fading, radio frequencyinterferences, etc. These interferences result in a severe GPS positioning error, which could occur late supports and friendlyfires. To solve the problems, this paper proposes an interference mitigation positioning method by adopting a waveletdenoising filter algorithm. The algorithm is applied to a GPS/QZSS/Wi-Fi combined positioning system which was performedby this laboratory. Experimental results of this paper are based on a real field test data of a GPS/QZSS/Wi-Fi combinedpositioning system and a simulation data of a wavelet denoising filter algorithm. At the end, the simulation resultdemonstrates its superiority by showing a 21.6% improved result in comparison to a conventional GPS system.

Wavelet transformation in image compression is to offer higher image compressibility and high-quality by quantization and entropy encoding. More image quality is good that reconstructed image by wavelet calculation than acquire cosine transform. Therefore, wavelet itself is function if it is wavelet's feature, in this function, do processing applying difference scale and resolution. That is, this is not that fixed resolution has been decided like existent compression way, when it regulated scale, damage goes in pixel and picture looks like break without giving damage entirely in reflex even if magnify or curtail Decoding. Therefore, this paper is in Image that using new wavelet application compression way research that see applies comparing In each image noted this time compressing step by step with circle image compression efficiency recognize. Also, estimated quality pass through by printing of compressed image, investigated compression ratio of most suitable that get print of high quality and elevation of transmission speed.

It is well known that wavelet transform is a signal processing technique which can display the signals on in both time and frequency domain. In this paper, we proposed a new approach based on stationary wavelet transform to provide an enhanced approach for eliminating noise. A 'stationary wavelet transform', where the coefficient sequences are not decimated at each stage, is described. The testing result on sample iris images has shown an enhanced image quality and also show that it has a superior performance than traditional discrete wavelet transform.

본 연구는 Fourier, Shannon, Gabor, Wavelet Filters 간의 상호비교를 통해 Wavelet Analysis의 장점을 도출하고 학제간 모든 과학기술에 적용될 수 있는 분야를 유형화하고 기존 연구를 고찰한다.

이미지 인페인팅은 손상되거나 가려진 영역을 시각적으로 자연스럽게 복원하는 데 사용되는 핵심 기술이다. 초기 인페인팅 연구는 패치 기반 기법이나 텍스처 합성 방식에 의존했으나, 최근에는 GAN, Auto-Encoder, Transformer 기반의 딥러닝 모델이 도입되며 큰 성능 향상을 이루었다. 그러나 이 러한 모델들은 높은 복원 품질을 달성하기 위해 복잡한 네트워크 구조와 다단계 추론이 필요하며, 이 로 인해 과도한 연산 자원이 요구된다는 한계가 존재한다. 본 논문에서는 연산 효율성과 복원 성능의 균형을 달성하기 위해, 경량 인페인팅 모델인 WavePaint를 개선한 WaveSwin-Paint모델을 제안한 다. 제안하는 모델은 Wavelet 기반 다중 주파수 표현의 효율성과 Swin Transformer의 지역-전역적 문맥 이해 능력을 결합하여, 경량 구조하에서도 고품질의 복원 결과를 보여준다. 특히, Wavelet 변환 의 이미지 특성 추출 능력을 극대화하여 분해된 주파수 대역에 대해 Swin Attention을 적용함으로써, 세부 텍스처와 전체 구조의 복원 성능을 동시에 향상시킨다. 제안한 모델은 기존 인페인팅 모델 대비 파라미터 수를 크게 줄이면서도, 다양한 마스크 유형과 복잡한 이미지 상황에서도 강인한 성능을 보인다.

의미론적 영상 분할 기술은 오브젝트 검출과 더불어 자율주행 차량의 주변 환경 인식에 많 이 사용되고 있다. 제한된 장비와 자원을 사용하는 자율주행 특성상 가볍고 빠른 네트워크가 선호되는데, 본 논문에서는 웨이블릿 변환을 활용하여 효율적인 의미론적 영상 분할을 하는 방법을 제안한다. 먼저 웨이블릿 변환을 사용하여 영상 데이터를 고주파, 저주파 성분으로 나 누어 주고, 각각의 성분에 대하여 서로 다른 특징지도 추출을 하여 서로 다른 정보를 적합하게 합쳤다. 자율주행에 적합한 가벼운 네트워크를 베이스라인으로 Cityscapes 데이터 세트에 제안 된 방식을 적용했을 때, 0.2%의 파라미터 증가를 통해 2.2% 성능향상을 달성했다. 이 같은 알 고리즘을 활용하여 더욱더 안정적이고 정확한 주변 환경 인식에 적용되길 기대한다.

Semantic segmentation and object detection are widely used to perceive surrounding environment during autonomous driving. Owing to the nature of autonomous driving, which operates with limited resources and equipment, lightweight and fast networks are preferred. In this paper, we propose an efficient semantic segmentation algorithm using a wavelet transform. First, we apply the wavelet transform to separate high-frequency and low-frequency components from an input image. For each component, different feature maps are extracted, and the distinct information appropriately merged. When the proposed method was applied to the Cityscapes dataset using a lightweight network suitable for autonomous driving, a 2.2% performance improvement was achieved from a 0.2% parameter increase. We expect this algorithm can be applied to achieve more stable and accurate perceptions of the surrounding environment.

In this paper, the audio features are researched for the sound of voice. Firstly, the audio data were pre‐emphasized and 6‐layer wavelet packet decomposition was performed for extracting the 24 band wavelet coefficients. Secondly, the 72 dimensional features vector set was constructed, including centroid, energy and wavelet entropy in each band. Finally, the audio data were trained and classified using of SVM. The experimental results show that the extracted audio features are effective and reasonable, and lead to satisfactory classification performance.