- 이차 미분을 이용한 경험적 모드분해법
- ㆍ 저자명
- 박민수,김동호,오희석,Park. Min-Su,Kim. Donghoh,Oh. Hee-Seok
- ㆍ 간행물명
- 응용통계연구
- ㆍ 권/호정보
- 2013년|26권 2호|pp.335-347 (13 pages)
- ㆍ 발행정보
- 한국통계학회
- ㆍ 파일정보
- 정기간행물| PDF텍스트
- ㆍ 주제분야
- 기타
이 논문은 한국과학기술정보연구원과 논문 연계를 통해 무료로 제공되는 원문입니다.
다양한 분야에서 시그널(signal) 형태로 자료들이 표현된다. 예를 들면 심전도(electrocardiogram)는 심근에서 발생하는 활동 전류를 나타내는데, 심장의 박동에 따라 수축과 이완을 반복하는 과정을 시간에 따른 활동 전류량의 변동으로 나타낸다. 현실세계에서 측정하거나 관찰되는 시그널에는 다양한 형태의 시그널들이 혼합되어 있는 경우가 흔하다. 예를 들어 오케스트라 연주의 아름다운 선율은 고유한 주파수(frequency)를 지닌 악기들의 다양한 소리로 구성되어 있으며, 각기 다른 음조(note)가 하나로 모여 완벽한 하모니를 형성하게 된다. 시그널이 정상인(stationary) 경우에 혼합된 시그널들을 분해하여 분석하는 방법에 대해 현재까지 다양하게 연구되어 왔다. 자료가 비정상(non-stationary)일 경우에는 기존의 방법론들을 적용시키기에는 한계가 있다. 비정상성 자료를 다루기 위해 Huang 등 (1998)은 경험적 모드분해법(empirical mode decomposition)이라는 방법을 제안하였다. 자료에 내포되어 있는 국소적인 파동(oscillation)을 국소 극값들(local extrema)을 식별하여 자료 적응적으로 추출한다. 경험적 모드분해법은 잡음(error)에 의해 자료가 오염되어 있는 경우에는 국소 극값들을 통하여 국소적인 파동을 추정하기 어려우며, 자료의 크기가 커짐에 따라 계산량도 크게 늘어나는 단점 등이 있다. 본 연구에서는 이차 미분을 이용하여 국소적인 파동을 식별하고 추정하는 새로운 방법론을 제시하고자 한다.
There are various types of real world signals. For example, an electrocardiogram(ECG) represents myocardium activities (contraction and relaxation) according to the beating of the heart. ECG can be expressed as the fluctuation of ampere ratings over time. A signal is a composite of various types of signals. An orchestra (which boasts a beautiful melody) consists of a variety of instruments with a unique frequency; subsequently, each sound is combined to form a perfect harmony. Various research on how to to decompose mixed stationary signals have been conducted. In the case of non-stationary signals, there is a limitation to use methodologies for stationary signals. Huang et al. (1998) proposed empirical mode decomposition(EMD) to deal with non-stationarity. EMD provides a data-driven approach to decompose a signal into intrinsic mode functions according to local oscillation through the identification of local extrema. However, due to the repeating process in the construction of envelopes, EMD algorithm is not efficient and not robust to a noise, and its computational complexity tends to increase as the size of a signal grows. In this research, we propose a new method to extract a local oscillation embedded in a signal by utilizing the second derivative.