KR101919241B1 - 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치 및 방법 - Google Patents

신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치 및 방법 Download PDF

Info

Publication number
KR101919241B1
KR101919241B1 KR1020170077911A KR20170077911A KR101919241B1 KR 101919241 B1 KR101919241 B1 KR 101919241B1 KR 1020170077911 A KR1020170077911 A KR 1020170077911A KR 20170077911 A KR20170077911 A KR 20170077911A KR 101919241 B1 KR101919241 B1 KR 101919241B1
Authority
KR
South Korea
Prior art keywords
data
window
filtering
moving
value
Prior art date
Application number
KR1020170077911A
Other languages
English (en)
Inventor
신석현
김종주
정건우
강태수
Original Assignee
주식회사 한화
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 한화 filed Critical 주식회사 한화
Priority to KR1020170077911A priority Critical patent/KR101919241B1/ko
Application granted granted Critical
Publication of KR101919241B1 publication Critical patent/KR101919241B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/0248—Filters characterised by a particular frequency response or filtering method
    • H03H17/0261—Non linear filters
    • H03H17/0263—Rank order filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/04—Recursive filters
    • H03H17/0416—Recursive filters with input-sampling frequency and output-delivery frequency which differ, e.g. extrapolation; Anti-aliasing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Nonlinear Science (AREA)
  • Evolutionary Biology (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 센서 신호 처리 기술에 관한 것으로서, 더 상세하게는 신호 데이터에 포함되어 있는 노이즈와 부분적으로 지속되는 에러를 제거하고 원 신호 데이터에 최대한 가깝게 복원할 수 있는 최적 평활화 필터링 장치 및 방법에 대한 것이다.

Description

신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치 및 방법{Apparatus and Method for optimum smoothing filtering to eliminate partial continuous filtering}
본 발명은 센서 신호 처리 기술에 관한 것으로서, 더 상세하게는 신호 데이터에 포함되어 있는 노이즈와 부분적으로 지속되는 에러를 제거하고 원 신호 데이터에 최대한 가깝게 복원할 수 있는 최적 평활화 필터링 장치 및 방법에 대한 것이다.
유무선 상으로 얻어지는 신호 데이터들의 경우 센서의 문제 또는 수신 환경상의 제약 등 복합적인 문제로 인해 데이터에 노이즈와는 별개로 부분적으로 에러가 지속되는 경우가 발생한다. 에러가 짧은 시간에 발생한 경우 기존 필터를 이용하거나 수작업으로 처리를 하면 된다.
하지만 일정 시간에 걸쳐 서서히 변하는 에러의 경우 기존 필터로 처리하는데 한계가 있다. 또한, 수작업으로 처리시 에러를 제거하고 원 신호와 유사하게 복원하는데 오랜 시간이 소요된다.
특히, 유무선 상으로 얻어진 신호에 포함되어지는 에러의 유형은 다양하다. 일시적으로 발생하는 에러(Fluctuation Error, Signal Noise, etc.)나 노이즈의 경우 일반적으로 이동평균 필터(Moving Average Filter)와 미디언 필터(Median Filter) 등을 이용하여 필터링을 하게 된다. 하지만 이와는 다른 형태의 에러로 도 1에 도시된 바와 같이, 비교적 긴 시간동안에 걸쳐 서서히 발생했다 사라지는 에러(Long Duration Dropouts & Intermittent of GPS Signal etc.)의 경우 기존의 필터를 적용하기 어렵다는 문제점이 있다.
또한, 기존의 필터들의 경우 입력 데이터의 노이즈와 에러를 제거하는 과정에서 제거해야 하는 성분을 포함하여 프로세스를 진행하거나 제거해서는 안되는 데이터(Inlier)를 제거해 버리는 문제점이 발생한다.
또한, 도 2에 도시된 바와 같이 일반적인 RANSAC(RANdom SAample Consensus) 필터의 경우 반복적 샘플링을 통해 최적의 데이터를 출력하지만 샘플링에 에러 데이터가 포함될 경우 오히려 일반 필터들 보다 좋지 않은 결과값을 출력하게 된다.
또한, 데이터가 복잡한 패턴 특성을 나타낼 경우 RANSAC 필터의 피팅(Fitting) 차수를 결정해주어야 하는 문제가 발생한다.
1. 한국공개특허번호 제10-2009-0083014호 2. 한국공개특허번호 제10-2014-0080105호
1. 이지혜외, "이동 평균 필터의 대역폭이 심벌 타이밍 검출 성능에 미치는 영향"학술논문 한국인터넷방송통신학회 논문지 제14권 제5호 (2014. 10) pp.117-121
본 발명은 위 배경기술에 따른 문제점을 해소하기 위해 제안된 것으로서, 신호 데이터에 포함되어 있는 노이즈 및/또는 부분적으로 지속되는 에러를 제거하고 원 신호 데이터에 최대한 가깝게 복원할 수 있는 최적 평활화 필터링 장치 및 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 신호 중 에러가 아닌 급격히 변하는 구간(Jump Interval)에 대한 데이터 왜곡을 최소화 하면서도 부분적으로 지속되는 에러만을 검출하여 제거할 수 있는 최적 평활화 필터링 장치 및 방법을 제공하는데 다른 목적이 있다.
또한, 본 발명은 지속되는 에러에 노이즈가 포함되어 있더라도 '샘플링 개수', '윈도우 크기', '윈도우 이동 간격', '유사도 분석 간격', 그리고 '평활화 정도' 설정을 통해 원 신호 데이터의 복원을 가능하도록 하는 최적 평활화 필터링 장치 및 방법을 제공하는데 또 다른 목적이 있다.
본 발명은 위에서 제시된 과제를 달성하기 위해, 신호 데이터에 포함되어 있는 노이즈 및/또는 부분적으로 지속되는 에러를 제거하고 원 신호 데이터에 최대한 가깝게 복원할 수 있는 최적 평활화 필터링 장치를 제공한다.
상기 최적 평활화 필터링 장치는,
원신호 데이터를 입력받는 입력 모듈;
상기 원신호 데이터에 대해 미리 정해진 윈도우를 미리 설정되는 이동 간격으로 이동시켜 1차 필터링을 다수회 실행하여 1차 필터링 데이터들을 생성하는 1차 필터;
상기 1차 필터링 데이터들의 데이터 패턴들간 유사도 분석을 통해 2차 필터링을 실행하여 2차 필터링 데이터들을 생성하는 2차 필터; 및
상기 2차 필터링 데이터들의 부분 지속성 에러를 제거하여 평활화되는 결과 데이터를 생성하는 제거 모듈;을 포함한다.
이때, 상기 1차 필터는 해당 윈도우에 포함된 원신호 데이터에만 RANSAC(RANdom SAample Consensus)을 사용하는 이동(moving) RANSAC 알고리즘을 적용하여 상기 1차 필터링 데이터들을 생성하는 것을 특징으로 할 수 있다.
또한, 상기 1차 필터링 데이터들은 상기 이동(moving) RANSAC 알고리즘에 의해 생성되는 데이터들이 누적되어 이루어지는 것을 특징으로 할 수 있다.
또한, 상기 2차 필터링 데이터들은 데이터 유사도 확률 분석을 통해 생성되는 상기 1차 필터링 데이터들의 구간별 최적화 블럭들을 누적하여 이루어지는 것을 특징으로 할 수 있다.
또한, 상기 1차 필터링 데이터들은 미리 정해진 윈도우를 이동 간격으로 이동시켜 생성되는 현재 윈도우 및 이전 윈도우가 겹치는 부분의 데이터가 상기 원신호 데이터에 근접한 데이터들로 취합되어 생성되는 것을 특징으로 할 수 있다.
또한, 상기 부분 지속성 에러는 상기 2차 필터링 데이터들의 계단 특성을 나타내는 것을 특징으로 할 수 있다.
또한, 상기 부분 지속성 에러는 가중치 평활화 기법을 이용하여 제거되는 것을 특징으로 할 수 있다.
또한, 상기 가중치 평활화 기법은 상기 윈도우의 이동 구간 별 평활화 정도를 자동으로 조절하여 적용하는 것을 특징으로 할 수 있다.
또한, 상기 가중치 평활화 기법의 가중치는 상기 2차 필터링 데이터들의 기울기인 것을 특징으로 할 수 있다.
또한, 상기 가중치 평활화 기법의 가중치는 평균 데이터 가중치값인 것을 특징으로 할 수 있다.
또한, 상기 평균 데이터 가중치값은 해당 윈도우 구간내에 있는 n개의 데이터 값들로 부터 수학식
Figure 112017059059897-pat00001
(여기서, n은 해당 윈도우 구간내에 있는 데이터의 개수, i는 윈도우의 순서, k는 해당 윈도우 구간내에 있는 데이터의 순서, d는 k와 k+1번째 데이터의 차이값)으로 산출되는 평균값을 이용하여 산출되는 것을 특징으로 할 수 있다.
한편으로, 본 발명의 다른 일실시예는, (a) 입력 모듈이 원신호 데이터를 입력받는 단계; (b) 1차 필터가 상기 원신호 데이터에 대해 미리 정해진 윈도우를 미리 설정되는 이동 간격으로 이동시켜 1차 필터링을 다수회 실행하여 1차 필터링 데이터들을 생성하는 단계; (c) 2차 필터가 상기 1차 필터링 데이터들의 데이터 패턴들간 유사도 분석을 통해 2차 필터링을 실행하여 2차 필터링 데이터들을 생성하는 단계; 및 (d) 제거 모듈이 상기 2차 필터링 데이터들의 부분 지속성 에러를 제거하여 평활화되는 결과 데이터를 생성하는 단계;를 포함하는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 방법을 제공할 수 있다.
이때, 상기 (b) 단계는, 상기 1차 필터가 해당 윈도우에 포함된 원신호 데이터에만 RANSAC(RANdom SAample Consensus)을 사용하는 이동(moving) RANSAC 알고리즘을 적용하여 상기 1차 필터링 데이터들을 생성하는 단계;를 포함하는 것을 특징으로 할 수 있다.
본 발명에 따르면, 유무선상으로 획득한 신호 데이터에 포함된 노이즈 및 부분적으로 지속되는 에러를 이동 윈도우(Moving Window) 기법 및/또는 RANSAC(RANdom SAample Consensus) 알고리즘을 결합한 이동(Moving) RANSAC 기법과 패턴 분석 알고리즘, 누적 데이터 유사도 분석 알고리즘, 그리고 가중치 적용 평활화 기법을 적용하여 제거하는 필터링 장치 및 방법을 제공할 수 있다.
또한, 본 발명의 다른 효과로서는 데이터의 특정 영역(Window)에서 RANSAC를 수행하기 때문에 피팅(Fitting) 차수를 고정시킬 수 있는 장점이 있다는 점을 들 수 있다.
또한, 본 발명의 다른 효과로서는 이동 간격(Step)만큼 영역을 이동하면서 RANSAC을 반복하기 때문에 이전 결과와 이후 결과 사이의 패턴 유사성을 분석하여 보다 원 데이터에 가까운 데이터를 선택할 수 있는 장점도 있다는 점을 들 수 있다.
또한, 본 발명의 또 다른 효과로서는 이동(Moving) RANSAC 결과 데이터를 반복 누적하여 일정 구간 별 데이터 유사도를 확률적으로 계산하여 최선의 데이터를 선택함으로써 RANSAC의 단점인 샘플링에 따른 결과 데이터 변화의 폭을 최소화할 수 있다는 점을 들 수 있다.
또한, 본 발명의 또 다른 효과로서는 구간별 데이터 분석 결과 필연적으로 발생하게 되는 계단 파형을 제거하기 위해 평활화 필터를 적용함으로써 보다 자연스러운 결과 데이터가 출력될 수 있다는 점을 들 수 있다.
도 1은 통상 부분적으로 지속되는 데이터 에러를 보여주는 그래프이다.
도 2는 일반적인 RANSAC(RANdom SAample Consensus) 필터링 결과를 보여주는 그래프이다.
도 3은 본 발명의 일실시예에 따른 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치의 구성 블럭도이다.
도 4는 본 발명의 일실시예에 따른 이동(moving) RANSAC를 이용한 1차 에러 탐지 프로세스를 보여주는 개념도이다.
도 5는 본 발명의 일실시예에 따른 이동 RANSAC 결과를 보여주는 그래프이다.
도 6은 본 발명의 일실시예에 따른 패턴 분석을 통한 이동 RANSAC 데이터 복원 결과를 보여주는 그래프이다.
도 7은 본 발명의 일실시예에 따른 누적 데이터 유사도 분석을 이용한 2차 에러 탐지 프로세스를 보여주는 개념도이다.
도 8은 본 발명의 일실시예에 따른 이동 RANSAC 데이터 반복의 누적 그래프를 보여주는 그래프이다.
도 9는 본 발명의 일실시예에 따른 구간별 유사도 분석을 통한 데이터 복원 결과를 보여주는 그래프이다.
도 10 및 도 11은 본 발명의 일실시예에 따른 가중치 적용 평활화 필터 계단 파형 제거 프로세스를 보여주는 개념도이다.
도 12는 도 10 및 도 11에 도시된 평활화 기법을 적용하여 생성된 최종 데이터 복원 결과를 보여주는 그래프이다.
도 13은 본 발명의 일실시예에 따라 출력된 데이터와 원 데이터의 결과를 비교하는 그래프이다.
도 14 및 도 15는 본 발명의 일실시예에 따른 다양한 형태의 데이터에 대한 출력 결과를 보여주는 그래프이다.
도 16은 본 발명의 일실시예에 따른 파라미터 설정 변경에 따른 출력 결과를 비교하는 그래프이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.
제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하 첨부된 도면을 참조하여 본 발명의 일실시예에 따른 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치 및 방법을 상세하게 설명하기로 한다.
본 발명은 이동(Moving) RANSAC(RANdom SAample Consensus) 결과 데이터를 반복 누적하여 일정 구간 별 데이터 유사도를 확률적으로 계산하여 최선의 데이터를 선택함으로써 RANSAC의 단점인 샘플링에 따른 결과 데이터의 변화 폭을 최소화한다.
도 3은 본 발명의 일실시예에 따른 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치(300)의 구성 블럭도이다. 도 3을 참조하면, 최적 평활화 필터링 장치(300)는, 원신호 데이터(30)를 입력받는 입력 모듈(310), 입력된 원신호 데이터(30)에 대해 미리 정해진 윈도우를 미리 설정되는 이동 간격으로 이동시켜 1차 필터링을 다수회 실행하여 1차 필터링 데이터들을 생성하는 1차 필터(320), 상기 1차 필터링 데이터들의 데이터 패턴들간 유사도 분석을 통해 2차 필터링을 실행하여 2차 필터링 데이터들을 생성하는 2차 필터(330), 상기 2차 필터링 데이터들의 계단 특성(즉 부분 지속성 에러)을 제거하여 결과 데이터를 생성하는 제거 모듈(340) 등을 포함하여 구성될 수 있다.
입력 모듈(310)은 신호 데이터(30)를 센서(미도시)로부터 전송받는다. 물론, 이와 달리, 네트워크상 입력받거나 저장 장치 등을 통하여 입력받는 것도 가능하다.
여기서, 기술되는 "모듈", "필터" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
하드웨어 구현에 있어, 상술한 기능을 수행하기 위해 디자인된 ASIC(application specific integrated circuit), DSP(digital signal processing), PLD(programmable logic device), FPGA(field programmable gate array), 프로세서, 제어기, 마이크로프로세서, 다른 전자 유닛 또는 이들의 조합으로 구현될 수 있다. 소프트웨어 구현에 있어, 상술한 기능을 수행하는 모듈로 구현될 수 있다. 소프트웨어는 메모리 유닛에 저장될 수 있고, 프로세서에 의해 실행된다. 메모리 유닛이나 프로세서는 당업자에게 잘 알려진 다양한 수단을 채용할 수 있다.
도 4는 본 발명의 일실시예에 따른 이동(moving) RANSAC를 이용한 1차 에러 탐지 프로세스를 보여주는 개념도이다. 일반적으로 RANSAC 알고리즘은 정상 분포에 속해있는 데이터 집합(이를 inlier로 부른다)으로 회귀 분석을 수행할 수 있게 하는 기법이다. 이러한 RANSAC 알고리즘은 다음과 같은 절차로 수행된다.
① 데이터에서 임의의 개수를 선택하여 이를 inlier로 가정하고 회귀 모델을 구한다.
② 나머지 데이터들을 회귀모델과 비교하고, 사용자가 지정한 허용 오차내에 있는 데이터들을 inlier로 포함시킨다.
③ 재구성된 inlier를 이용해 다시 회귀 모델을 구한다.
④ 회귀 모델과 inlier의 오차를 측정한다.
⑤ 측정 오차가 사용자가 지정한 값내에 있거나 지정한 알고리즘 구동 반복횟수에 도달하면 위 단계들을 종료한다.
이러한 일반적인 RANSAC 알고리즘을 이용할 경우 데이터 중 m개의 샘플 데이터로부터 모델 파라미터를 예측하고 여러 번 반복을 통해 가장 최적의 모델 파라미터를 결정하여 원 신호 데이터를 복원하는 구조로 되어 있다. 이 경우 데이터가 길고 복잡할수록 최적의 모델 파라미터를 찾기가 어려워지고 복원된 신호와 원 신호 사이의 차이도 커지게 된다.
따라서, 이러한 일반적인 RANSAC 알고리즘의 단점을 보완하기 위해 이동 RANSAC 알고리즘을 적용한다. 전체 데이터 중 해당 윈도우(410)에 포함된 데이터에만 RANSAC을 적용하고 이를 통해 해당 윈도우 데이터의 최적 모델 파라미터를 찾아 원 신호 데이터의 일부분을 추정 복원한다. 그런 다음 이동 간격(step size)(420) 만큼 윈도우(410)를 이동(430)시켜, 앞의 프로세스를 반복해서 추정 데이터(440)를 구한다.
물론, 신호 데이터의 패턴이 유사할 경우 이동한 현재 윈도우 데이터로 교체되나, 패턴이 다를 경우 이전 윈도우 데이터로 유지된다. 부연하면, 이전 윈도우와 현재 윈도우가 겹치는 부분의 추정 데이터 중 원 신호 데이터에 가까운 데이터들로 취합한다. 이러한 과정을 거쳐 1차 필터링 된 데이터를 획득한다.
도 5는 본 발명의 일실시예에 따른 이동 RANSAC 결과를 보여주는 그래프이다.
도 6은 본 발명의 일실시예에 따른 패턴 분석을 통한 이동 RANSAC 데이터 복원 결과를 보여주는 그래프이다. 도 6을 참조하면, 도 5의 이동 RANSAC 결과에 패턴 분석을 통해 도 6의 결과 그래프가 생성된다. 그런데, 도 6의 경우, 부분 지속성 에러(610)들이 발생한다.
부연하면, 이동(Moving) RANSAC을 통해 1차 필터링 된 데이터의 경우 최적의 모델 파라미터를 구하는데 무작위적인 샘플 데이터를 이용하는 RANSAC 알고리즘의 특성 상 부분 지속성 에러 구간에서의 필터링 결과가 매번 다르게 나타난다.
따라서 이를 해결하기 위해 2차 에러 탐지 프로세스(즉 2차 필터링)가 구성된다.
도 7은 본 발명의 일실시예에 따른 누적 데이터 유사도 분석을 이용한 2차 에러 탐지 프로세스(즉 2차 필터링)를 보여주는 개념도이다. 도 7을 참조하면, 이동(Moving) RANSAC을 n번 수행하여 총 n개의 1차 필터링 데이터를 얻고 이 데이터들의 구간 별 최적화 블럭(710,720)을 통해 데이터 유사도를 비교 분석하여 보다 신뢰성 높은 데이터를 취합하여 2차 필터링 데이터(730)를 얻는다. 이때 데이터의 신호 지속성 에러나 노이즈가 제거되었을 경우 윈도우 구간에서의 샘플링 데이터가 가지는 분산값이 작아지는것을 이용하여 유사도를 비교 분석하여 데이터를 취합하게 된다.
부연하면, 1회차 이동 RANSAC, 2회차 이동 RANSAC, 3회차 이동 RANSAC, 4회차 이동 RANSAC의 구간별 최적화 블럭(710,720)을 누적하면 최종 이동 RANSAC에 따른 2차 필터링 데이터(730)가 생성된다.
이러한 2차 필터링을 통해 일반적인 RANSAC의 단점 중 하나인 출력 결과 데이터의 변동폭을 획기적으로 감소시킨다.
도 8은 본 발명의 일실시예에 따른 이동 RANSAC 데이터 반복의 누적 그래프를 보여주는 그래프이다. 도 8을 참조하면, 이동 RANSAC 데이터 반복에 따른 누적 데이터(810)가 도시되며, 위쪽에 특정 구간에 대한 부분 확대도(820)가 도시된다.
도 9는 본 발명의 일실시예에 따른 구간별 유사도 분석을 통한 데이터 복원 결과를 보여주는 그래프이다. 즉, 도 9는 도 8에 도시된 그래프에 구간별 유사도 분석을 적용하여 데이터를 복원한 결과이다. 도 9를 참조하면, 2차 필터링의 경우 데이터를 구간별로 나누어 최적의 데이터(910)를 취합하기 때문에 구간 사이에 불연속성(920)이 발생한다.
따라서, 이러한 불연속성을 해결하기 위해 데이터의 기울기를 가중치로 갖는 윈도우 기반 평활화(smoothing) 프로세스가 진행되어야 하며 이를 보여주는 도면이 도 10 및 도 11이다.
도 10 및 도 11은 본 발명의 일실시예에 따른 가중치 적용 평활화 필터 계단 파형 제거 프로세스를 보여주는 개념도이다. 먼저 도 10을 참조하면, i번째 윈도우(1010)에서 가중치 적용 치환값을 적용한다. 가중치 적용 치환값은 평균 데이터값 가중치가 된다. 이러한 평균 데이터 가중치값을 산출하는 개념이 부분 확대도(1020)에 도시된다. 평균 데이터 가중치값을 산출하기 위해 우선 해당 윈도우 구간내에 있는 n개의 데이터 값들로 부터 평균값(즉 평균 데이터값)을 구한다.
Figure 112017059059897-pat00002
여기서, n은 해당 윈도우 구간내에 있는 데이터의 개수이고, i는 윈도우 구간이 바뀔 경우 새로운 윈도우 구간을 나타낸다. k는 해당 윈도우 구간내에 있는 데이터의 순서를 나타내고, d는 k와 k+1번째 데이터의 차이값을 나타낸다.
그리고
Figure 112017059059897-pat00003
은 i 윈도우 구간에 있는 데이터들로부터 얻어진 평균값을 나타내고 윈도우 구간의 중간값을 치환하게 된다.
따라서, 윈도우가 이동함에 따라 발생하는 새로운 평균값(mi_new)은 다음식과 같다.
Figure 112017059059897-pat00004
여기서, wi는 해당 윈도우 구간에서의 최대 기울기값을 이용한 가중치를 나타내고, mi_old는 이전 윈도우 구간의 중간값을 치환하는 평균 데이터값을 나타내고 mi_new는 mi_old와 mi_mean에 각각 가중치를 적용하여 계산하여 현재 윈도우 구간의 중간값을 치환한다.
도 11은 도 10에서 원도우가 이동함에 따라 새로운 데이터값 가중치를 적용하는 예시이다. 데이터의 변화 폭이 클 경우 가중치(wi) 값은 1에 가까워진다. 따라서 평활화 정도는 해당 윈도우 구간의 데이터값이 가지는 최대 기울기에 반비례하게 된다. 따라서 도 10의 경우 가중치가 0에 가깝기 때문에 일반적인 평활화 필터를 사용한 결과와 유사하게 나타난다. 반면 도 11의 경우 윈도우가 급격히 변하는 구간에 위치하므로 가중치가 1에 가깝기 때문에 평활화 필터의 기능을 최소화 하고 원신호의 특성을 살리게 된다.
도 12는 도 10 및 도 11에 도시된 평활화 기법을 적용하여 생성된 최종 데이터 복원 결과를 보여주는 그래프이다. 도 12를 참조하면, 도 10 및 도 11에 도시된 활성화 기법을 통해 부분적으로 지속되는 에러를 완벽히 제거하고 원 신호(1210)를 복원하게 된다. 특정 구간을 확대하여 보여주는 부분 확대도(1220)가 위쪽에 도시된다.
도 13은 본 발명의 일실시예에 따라 출력된 데이터와 원 데이터의 결과를 비교하는 그래프이다. 도 13을 참조하면, 상단 그래프(1310)는 원 데이터이고, 하단 그래프(1320)는 본 발명의 일실시예에 따른 데이터 결과이다.
도 14 및 도 15는 본 발명의 일실시예에 따른 다양한 형태의 데이터에 대한 출력 결과를 보여주는 그래프이다. 위에 나타낸 데이터는 무선으로 받은 아날로그 신호 데이터이고 아래에 나타낸 데이터는 GPS 신호 데이터이다.
도 16은 본 발명의 일실시예에 따른 파라미터 설정 변경에 따른 출력 결과를 비교하는 그래프이다. 도 16을 참조하면, 파라미터 설정(샘플링 개수, 윈도우 크기, 윈도우의 이동 간격, 유사도 분석 간격, 평활화 정도)을 통해 노이즈가 포함된 불연속적인 데이터에 대해서도 우수한 필터링 성능을 나타낸다. 도 16에 도시된 그래프의 경우, 위에 나타낸 그래프는 샘플링 개수 3개, 윈도우 크기를 3000으로 하였고, 아래에 나타낸 그래프는 샘플링 개수 10개, 윈도우 크기를 1500으로 하였다.
30: 원신호 데이터
300: 최적 평활화 필터링 장치
310: 입력 모듈
320: 1차 필터
330: 2차 필터
340: 제거 모듈

Claims (15)

  1. 원신호 데이터를 입력받는 입력 모듈;
    상기 원신호 데이터에 대해 미리 정해진 윈도우를 미리 설정되는 이동 간격으로 이동시켜 1차 필터링을 다수회 실행하여 1차 필터링 데이터들을 생성하는 1차 필터;
    상기 1차 필터링 데이터들의 데이터 패턴들간 유사도 분석을 통해 2차 필터링을 실행하여 2차 필터링 데이터들을 생성하는 2차 필터; 및
    상기 2차 필터링 데이터들의 부분 지속성 에러를 제거하여 평활화되는 결과 데이터를 생성하는 제거 모듈;
    을 포함하는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치.
  2. 제 1 항에 있어서,
    상기 1차 필터는 해당 윈도우에 포함된 원신호 데이터에만 RANSAC(RANdom SAample Consensus)을 사용하는 이동(moving) RANSAC 알고리즘을 적용하여 상기 1차 필터링 데이터들을 생성하는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치.
  3. 제 2 항에 있어서,
    상기 1차 필터링 데이터들은 상기 이동(moving) RANSAC 알고리즘에 의해 생성되는 데이터들이 누적되어 이루어지는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치.
  4. 제 3 항에 있어서,
    상기 2차 필터링 데이터들은 데이터 유사도 확률 분석을 통해 생성되는 상기 1차 필터링 데이터들의 구간별 최적화 블럭들을 누적하여 이루어지는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치.
  5. 제 1 항에 있어서,
    상기 1차 필터링 데이터들은 미리 정해진 윈도우를 이동 간격으로 이동시켜 생성되는 현재 윈도우 및 이전 윈도우가 겹치는 부분의 데이터가 상기 원신호 데이터에 근접한 데이터들로 취합되어 생성되는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치.
  6. 제 1 항에 있어서,
    상기 부분 지속성 에러는 상기 2차 필터링 데이터들의 계단 특성을 나타내는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치.
  7. 제 1 항에 있어서,
    상기 부분 지속성 에러는 가중치 평활화 기법을 이용하여 제거되며,
    상기 가중치 평활화 기법은 이전 윈도우 구간 및 현재 윈도우 구간의 중간값을 치환하는 평균 데이터값을 이용하여 평균 데이터 가중치값을 산출하고, 상기 평균 데이터 가중치값을 적용하여 평활화 필터 기능을 하는 기법으로서,
    상기 평균 데이터 가중치값은 현재 윈도우 구간내에 있는 n개의 데이터 값들로 부터 수학식
    Figure 112019500290011-pat00022
    (여기서, n은 해당 윈도우 구간내에 있는 데이터의 개수, i는 윈도우의 순서, k는 해당 윈도우 구간내에 있는 데이터의 순서, d는 k와 k+1번째 데이터의 차이값)및 수학식
    Figure 112019500290011-pat00023
    (여기서, mi_new는 현재 윈도우 구간의 새로운 평균값을 나타내고, wi는 해당 윈도우 구간에서의 최대 기울기값을 이용한 가중치를 나타내고, mi_old는 이전 윈도우 구간의 중간값을 치환하는 평균 데이터값을 나타낸다)으로 산출되는 평균값을 이용하여 산출되는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치.
  8. 제 7 항에 있어서,
    상기 가중치 평활화 기법은 상기 윈도우의 이동 구간 별 평활화 정도를 자동으로 조절하여 적용하는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치.
  9. 삭제
  10. 삭제
  11. 삭제
  12. (a) 입력 모듈이 원신호 데이터를 입력받는 단계;
    (b) 1차 필터가 상기 원신호 데이터에 대해 미리 정해진 윈도우를 미리 설정되는 이동 간격으로 이동시켜 1차 필터링을 다수회 실행하여 1차 필터링 데이터들을 생성하는 단계;
    (c) 2차 필터가 상기 1차 필터링 데이터들의 데이터 패턴들간 유사도 분석을 통해 2차 필터링을 실행하여 2차 필터링 데이터들을 생성하는 단계; 및
    (d) 제거 모듈이 상기 2차 필터링 데이터들의 부분 지속성 에러를 제거하여 평활화되는 결과 데이터를 생성하는 단계;
    를 포함하는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 방법.
  13. 제 12 항에 있어서,
    상기 (b) 단계는,
    상기 1차 필터가 해당 윈도우에 포함된 원신호 데이터에만 RANSAC(RANdom SAample Consensus)을 사용하는 이동(moving) RANSAC 알고리즘을 적용하여 상기 1차 필터링 데이터들을 생성하는 단계;를 포함하는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 방법.
  14. 제 12 항에 있어서,
    상기 1차 필터링 데이터들은 미리 정해진 윈도우를 이동 간격으로 이동시켜 생성되는 현재 윈도우 및 이전 윈도우가 겹치는 부분의 데이터가 상기 원신호 데이터에 근접한 데이터들로 취합되어 생성되는 것을 특징으로 하는 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 방법.
  15. 삭제
KR1020170077911A 2017-06-20 2017-06-20 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치 및 방법 KR101919241B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170077911A KR101919241B1 (ko) 2017-06-20 2017-06-20 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170077911A KR101919241B1 (ko) 2017-06-20 2017-06-20 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101919241B1 true KR101919241B1 (ko) 2019-02-08

Family

ID=65364947

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170077911A KR101919241B1 (ko) 2017-06-20 2017-06-20 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101919241B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117375577A (zh) * 2023-12-06 2024-01-09 中国空气动力研究与发展中心计算空气动力研究所 声传播问题的数值滤波方法、装置、电子设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101716481B1 (ko) 2016-01-19 2017-03-14 엘에스산전 주식회사 이동평균 필터의 동작 제어 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101716481B1 (ko) 2016-01-19 2017-03-14 엘에스산전 주식회사 이동평균 필터의 동작 제어 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117375577A (zh) * 2023-12-06 2024-01-09 中国空气动力研究与发展中心计算空气动力研究所 声传播问题的数值滤波方法、装置、电子设备及存储介质
CN117375577B (zh) * 2023-12-06 2024-03-12 中国空气动力研究与发展中心计算空气动力研究所 声传播问题的数值滤波方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Luo A new efficient impulse detection algorithm for the removal of impulse noise
KR100800888B1 (ko) 패턴 정보를 이용한 영상잡음 제거방법
KR101481551B1 (ko) 영상 노이즈 제거 장치 및 방법
JP5512809B2 (ja) クリッピング制御方法および装置
US8625729B2 (en) Method and device for clock data recovery
CN105913402B (zh) 一种基于ds证据理论的多幅遥感图像融合去噪方法
KR101919241B1 (ko) 신호의 부분 지속성 에러 제거를 위한 최적 평활화 필터링 장치 및 방법
CN103996177A (zh) 一种无参考检测消除雪花噪声算法
Ferraiuolo et al. A Bayesian filtering technique for SAR interferometric phase fields
Narayanan et al. Trimmed median filters for salt and pepper noise removal
CN112865753B (zh) 一种滤波系数调整方法、装置、存储介质及滤波器
CN106815801B (zh) 中值滤波器电路结构及中值获取方法
CN108168697B (zh) 一种光谱仪降噪和波长标定方法
US7787975B2 (en) Restoring audio signals
Kayhan An effective 2-stage method for removing impulse noise in images
CN110738621A (zh) 线性结构滤波方法、装置、设备和存储介质
US8935158B2 (en) Apparatus and method for comparing frames using spectral information of audio signal
Marcel et al. An efficient algorithm for removal of impulse noise using Adaptive Fuzzy Switching Weighted Median Filter
Veerakumar et al. An efficient approach to remove random valued impulse noise in images
Hou et al. Image denoising using robust regression
KR100812967B1 (ko) 웨이블릿 변환을 이용한 영상 보간 장치 및 방법
JP6600154B2 (ja) 生体信号処理装置およびその制御方法
Jain et al. An improved image denoising algorithm using robust estimation for high density salt and pepper noise
Kaveri et al. Median filtering frameworks and their application to image enhancement
CN106814924B (zh) 讯号取样方法以及感测系统