Metamaterial 전송선을 이용한 이중 대역 저지 필터

오희석(Hee-Seok Oh),남상욱(Sang-Wook Nam) 한국전자파학회 2009 한국전자파학회논문지 Vol.20 No.2

본 논문에서는 Metamaterial 전송선을 이용한 이중 대역 저지 필터를 제안하고 제작, 측정하였다. 이는 Wilkinson Power Divider의 형태를 바탕으로, 입력 단자에 신호를 인가하면 동일한 크기와 위상을 갖는 신호로 나눠진다. 이를 각각의 전송선에서 CRLH(Composite Right/Left-Handed) 구조와 D-CRLH(Dual Composite Right/Left-Handed) 구조를 이용하여 위상 변화를 유도한다. 본 논문에서는 TDMB 주파수 대역인 195 ㎒와 DVB-T/H 주파수 대역인 670 ㎒ 대역에 대해 저지 대역 특성을 유도하였다. 이를 통해 제작한 필터의 크기는 30×15 ㎜ 이며, ?10 ㏈를 기준으로 대역폭을 측정한 결과 각각의 주파수 대역에서 73 %, 50 %의 결과를 얻을 수 있었다. This paper proposes a dual-bandstop filter, which is based on a metamaterial transmission line using the composite right/left-handed (CRLH) and dual composite right/left-handed (D-CRLH) structures. The metamaterial structure is used for miniaturization and dual-bandstop operation at the TDMB frequency range (195 ㎒) and DVB-T/H frequency range (670 ㎒). The size of the proposed filter is 30×15 ㎜, and the ?10 ㏈ bandstop fractional bandwidth is approximately 73 % and 50 % at each frequency, respectively.

결측치가 있는 자료에서의 변동모드분해법

최규빈,오희석,이영조,김동호,유경상,Choi, Guebin,Oh, Hee-Seok,Lee, Youngjo,Kim, Donghoh,Yu, Kyungsang 한국통계학회 2015 응용통계연구 Vol.28 No.2

최근에 Dragomiretskiy와 Zosso (2014)는 경험적모드분해의 단점을 보완하여 새로운 신호 분해방법인 변동모드분해법(Variational Mode Decomposition)을 고안하였다. 기본적으로 변동모드분해법은 경험적모드분해법에 비하여 주파수 탐색 및 분리(tone detection and tone separation)에 탁월한 성능을 보인다. 또한 고속퓨리에변환을 기반으로 한 알고리즘을 사용하여 경험적모드분해법보다 잡음에 강건하다는 장점이 있다. 하지만 변동모드분해법은 결측 등으로 신호가 동일한 시간간격 혹은 공간적 간격으로 측정되지 않은 경우 제대로 동작하지 않는 단점이 있다. 이를 보완하기 위해서 본 논문에서는 변동모드분해법에 다단계우도함수를 조합하는 새로운 방법을 제안한다. 여기에서 다단계우도함수는 변동모드분해법이 신호를 적절한 내재모드함수로 분해하기 전에 결측치를 대체하는 효율적인 방법을 제시한다. 모의실험과 실제 자료의 사례연구를 통하여 변동모드분해법이 기존의 방법보다 더 효율적으로 신호를 분해한다는 것을 보일 것이다. Dragomiretskiy and Zosso (2014) developed a new decomposition method, termed variational mode decomposition (VMD), which is efficient for handling the tone detection and separation of signals. However, VMD may be inefficient in the presence of missing data since it is based on a fast Fourier transform (FFT) algorithm. To overcome this problem, we propose a new approach based on a novel combination of VMD and hierarchical (or h)-likelihood method. The h-likelihood provides an effective imputation methodology for missing data when VMD decomposes the signal into several meaningful modes. A simulation study and real data analysis demonstrates that the proposed method can produce substantially effective results.

주파수공간에서의 주성분분석: 리뷰와 기상자료에의 적용

조유정,오희석,임예지,Jo, You-Jung,Oh, Hee-Seok,Lim, Yaeji 한국통계학회 2017 응용통계연구 Vol.30 No.3

본 논문에서는 주파수공간에서의 주성분 분석을 사용하여 기상자료를 분석하고자 한다. 주파수공간에서의 주성분분석은 차원축소를 위해서도 사용되지만, 주요한 패턴을 뽑아내는 데 사용되는 통계적 방법 중 하나이다. 일반적으로 주파수공간에서의 주성분 분석은 두 가지의 방법이 있는데, Hilbert PCA와 frequency domain PCA가 그것이다. 본 논문에서는 기존의 시간공간 주성분 분석과 함께 두 가지 주파수공간 주성분 분석 방법을 비교하였다. 시뮬레이션 자료를 통하여 주파수공간 주성분 분석 방법의 유용성을 보였으며, 열대 태평양 지역의 해수표층 온도값에 주성분 분석 방법들을 적용하여 기상자료 분석에 대한 유용성을 확인하였다. In this paper, we review principal component analysis (PCA) procedures in the frequency domain and apply them to analyze sea surface temperature data. The classical PCA defined in the time domain is a popular dimension reduction technique. Extending the conventional PCA to the frequency domain makes it possible to define PCA in the frequency domain, which is useful for dimension reduction as well as a feature extraction of multiple time series. We focus on two PCA methods in the frequency domain, Hilbert PCA (HPCA) and frequency domain PCA (FDPCA). We review these two PCAs in order for potential readers to easily understand insights as well as perform a numerical study for comparison with conventional PCA. Furthermore, we apply PCA methods in the frequency domain to sea surface temperature data on the tropical Pacific Ocean. Results from numerical experiments demonstrate that PCA in the frequency domain is effective for the analysis of time series data.

경험적 모드분해법에 기초한 계층적 평활방법

김동호,오희석,Kim Dong-Hoh,Oh Hee-Seok 한국통계학회 2006 응용통계연구 Vol.19 No.2

현실세계에서 관찰되는 시그널(signal)은 다양한 주파수(frequency)들의 시그널로 혼합되어 있는 경우가 많다. 예를 들어 태양 흑점 자료의 경우 약 11년 주기와 85년 주기로 변동한다는 사실은 널리 알려져 있다. 또한 경제 시계열 자료의 경우는 통상적으로 계절요인(seasonal component), 순환요인(cyclic component) 그리고 장기적인 추세요인(long-term trend)으로 분해하여 분석한다. 이러한 시계열 자료를 구성요소별로 분해하는 것은 오래된 주제중 하나이다. 전통적인 시계열자료 분석기법으로 스펙트럴 분석기법 등이 널리 사용되고 있으나 시계열 자료들이 비정상(nonstationary)일 경우에는 적용하기 어렵다. Huang et. al(1998)은 경험적 모드분해법(empirical mode decomposition)이라고 하는 자료적응적인(data-adaptive) 방법을 제안하였는데, 비정상성(nonstationarity)에 대한 강건성(robustness)으로 여러 분야에 널리 응용되고 있다. 그러나 Huang et. at(1998)은 잡음(error)에 의해 오염된 자료에 대한 구체적인 처리방법은 제시하지 못하고 있다. 본 논문을 통하여 효율적인 잡음제거 방법을 제안하고자 한다. A signal in real world usually composes of multiple signals having different scales of frequencies. For example sun-spot data is fluctuated over 11 year and 85 year. Economic data is supposed to be compound of seasonal component, cyclic component and long-term trend. Decomposition of the signal is one of the main topics in time series analysis. However when the signal is subject to nonstationarity, traditional time series analysis such as spectral analysis is not suitable. Huang et. at(1998) proposed data-adaptive method called empirical mode decomposition (EMD) . Due to its robustness to nonstationarity, EMD has been applied to various fields. Huang et. at, however, have not considered denoising when data is contaminated by error. In this paper we propose efficient denoising method utilizing cross-validation.

시공간 상관성을 고려한 일기산출기 모형을 이용한 4대강 유역별 미래 일기 변수 산출

이동환,이재용,오희석,이영조,Lee, Dong-Hwan,Lee, Jae-Yong,Oh, Hee-Seok,Lee, Young-Jo 한국통계학회 2012 응용통계연구 Vol.25 No.2

일기 산출기 모형은 가상의 일기 자료를 생성하는 통계 모형이다. 본 연구는 시공간 상관성이 고려된 다중지점에서의 일기산출 모형을 제안하고, 온실가스 배출 미래 시나리오에 따라 강수량과 평균 기온 일기산출이 가능한 알고리즘을 개발하였다. 제안된 알고리즘은 다단계 일반화 선형모형 하에서 필요한 모수들을 추정하고, 적합된 모형 하에서 일기변수들을 랜덤하게 산출하는 절차이다. 과거 30년간 관측된 우리나라 4대강 유역의 일 강수량 자료와 평균 기온 자료를 가지고 모형을 적합하고, 미래 일별 일기자료 산출에 적용하였다. Weather generators are statistical tools to produce synthetic sequences of daily weather variables. We propose the multisite weather generators with a spatio-temporal correlation based on hierarchical generalized linear models. We develop a computational algorithm to produce future weather variables that use three different types of green-house gases scenarios. We apply the proposed method to a daily time series of precipitation and average temperature for South Korea.

분위수 부스팅을 이용한 미세먼지 농도 예측

권준현,임예지,오희석,Kwon, Jun-Hyeon,Lim, Yaeji,Oh, Hee-Seok 한국통계학회 2015 응용통계연구 Vol.28 No.1

고농도 미세먼지($PM_{10}$)에 노출되는 것은 호흡기 질환 뿐만 아니라 피부, 안구, 심혈관계 질환 등을 야기한다. 따라서 미세먼지 농도를 정확히 예측하는 방법을 개발하는 것은 국민건강과도 깊은 관련이 있다. 현재 국립환경과학원에서는 미세먼지 농도가 높은 "나쁜날씨"를 예측하기 위해 의사결정나무 모형을 사용하고 있다. 그러나 모형 자체의 불안정성은 차치하더라도 의사결정나무는 전체 데이터의 9%밖에 차지하지 않는 "나쁜날씨"를 예측하기에 적합하지 못하다. 본 논문에서는 국립환경과학원에서 사용하는 모형의 부정확성과 부적절성을 제시하는 한편, 분위수 손실 함수를 적용한 새로운 모형의 유용성을 제시한다. 그리고 새로운 모형의 성능을 여러 ${\tau}$ 값에 대해 평가하고 비교를 통해 기존 모형 교체의 타당성을 보인다. Concerning the national health, it is important to develop an accurate prediction method of atmospheric particulate matter (PM) because being exposed to such fine dust can trigger not only respiratory diseases as well as dermatoses, ophthalmopathies and cardiovascular diseases. The National Institute of Environmental Research (NIER) employs a decision tree to predict bad weather days with a high PM concentration. However, the decision tree method (even with the inherent unstableness) cannot be a suitable model to predict bad weather days which represent only 4% of the entire data. In this paper, while presenting the inaccuracy and inappropriateness of the method used by the NIER, we present the utility of a new prediction model which adopts boosting with quantile loss functions. We evaluate the performance of the new method over various ${\tau}$-value's and justify the proposed method through comparison.

이차 미분을 이용한 경험적 모드분해법

박민수,김동호,오희석,Park, Min-Su,Kim, Donghoh,Oh, Hee-Seok 한국통계학회 2013 응용통계연구 Vol.26 No.2

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.

서울시 아파트 가격 추세의 모형화

황은연,권용찬,장동익,이재용,오희석,Hwang, Eun-Yeon,Kwon, Yong-Chan,Jang, Dong-Ik,Lee, Jae-Yong,Oh, Hee-Seok 한국통계학회 2008 Communications for statistical applications and me Vol.15 No.2

본 연구의 목적은 최근의 서울시 아파트 가격 추세를 동적선형모형에 적합하여 분석하는 것이다. 이를 위하여 국민은행에서 제공하는 "KB 아파트 시세" 자료의 서울시 30평대별 아파트 평당 매매가를 이용하였다. 시점은 2003년 6월 24일부터 2006년 8월 28일까지로 제한하였다. 탐색적 자료분석을 통해 서울시 30평대 아파트 가격의 추세는 크게 두 지역으로 구분되어지는 것을 알 수 있었다. 아파트 가격은 구분된 지역의 공통 추세와 각구별 특성으로 표현될 수 있다고 가정하고, 베이즈적 방법인 MCMC를 이용하여 동적선형모형을 추정하였다. The goal of this paper is analyzing and modeling the trend of apartment market price in Seoul using the dynamic linear model(DLM). We use the market price per pyeong of 30-pyeong-apartment provided by "KB apartment market price database" of Kookmin bank. The data is collected from June $24^{th}$, 2003 to August $28^{th}$, 2006. The inspection of the data reveals that the trend of apartment market price in Seoul can be divided into two groups and we assume that the price is expressed by the common trend of divided groups. We try to estimate the price of apartment by DLM using the Bayesian method.

Display에서의 시청환경에 따른 시각적 인지 변화

안세웅(Ahn Se Woong),오희석(Oh Hee Seok ),김종유(Kim Jong Yoo),김우재(Kim Woo Jae),송혜원(Song Hye Won),김진우(Kim Jin Woo),이상훈(Lee Sang Hoon) 한국통신학회 2017 한국통신학회 학술대회논문집 Vol.2017 No.1

단일 이미지를 이용한 확산 모델 기반 영상 생성 알고리즘

김지수(Ji-soo Kim),오희석(Hee-seok Oh) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.6