Feature Detection of Signals using Wavelet Spectrum Analysis

웨이브렛 스펙트럼 분석을 이용한 신호의 특징 검출

  • 배상범 (부경대학교 제어계측공학과) ;
  • 김남호 (부경대학교 제어계측공학과)
  • Published : 2006.04.01

Abstract

In various fields of basic science and engineering, in order to present signals and systems exactly and acquire useful information from spatial and timely changes, many researches have been processed. In these methods, the Fourier transform which represents signal as the combination of the frequency component has been applied to the most fields. But as transform not to consider time information, the Fourier transform has its limitations of application. To overcome this problem, a variety of methods including the wavelet transform have been proposed. As transform to represent signal by using the changing window, according to scale parameter in time-scale domain, the wavelet transform is capable of multiresolution analysis and defines various functions according to the application environments. In this paper, to detect features of signal we analyzed wavelet the spectrum by using the basis function of the fourier transform.

기초과학과 공학의 다양한 분야에서, 신호와 시스템을 정확하게 표현하고, 신호의 공간적, 시간적 변화로부터 유용한 정보를 획득하기 위한 많은 연구들이 수행되어 왔다. 이러한 분석 방법들에서, 신호를 주파수 성분들의 조합으로서 표현하는 퓨리에 변환은 가장 많은 분야에서 응용되고 있다. 그러나 퓨리에 변환은 시간 정보를 고려하지 않는 변환으로서 응용의 한계성을 지니고 있으므로 이를 극복하기 위해, 웨이브렛 변환을 비롯한 다양한 방법들이 제시되었다. 웨이브렛 변환은 스케일 변수에 따라 변화하는 윈도우를 사용하여 신호를 시간-스케일 공간상에서 표현하는 변환으로서, 다중해상도 분석이 가능하며, 응용환경에 따라 다양한 형태의 함수를 정의할 수 있다. 따라서 본 논문에서 신호의 특징을 검출하기 위해, 퓨리에 변환의 기저함수를 사용하여 웨이브렛 스펙트럼을 분석하였다.

Keywords

References

  1. J. G. Daugman, 'Complete discrete 2-D Gabor transforms by neural networks for image analysis and compression', IEEE Trans. Acoust., Speech, Signal Process., vol. 36, no. 7, pp. 1169-1179, July 1988 https://doi.org/10.1109/29.1644
  2. O. Ersoy, Fourier-Related Transform, Fast Algorithms and Applications. Englewood Cliffs, NJ: Prentice-Hall, 1997
  3. S. G. Mallat, 'A theory for multiresolution signal decomposition: The wavelet representation', IEEE Trans. Pattern Anal. Machine Intell., vol. 11, no. 7, pp. 674-693, July 1989 https://doi.org/10.1109/34.192463
  4. I. Daubechies, 'Ten lectures on wavelets', in Society for Industrial and Applied Mathematics Philadelphia, PA, 1992
  5. C. S. Burrus, R. A. Gopinath and H. Guo, Introduction to Wavelets and Wavelet Transforms, a Primer. Upper Saddle River, NJ: Prentice-Hall, 1998
  6. Mallat, S., Hwang, W. L., 'Singularity detection and processing with wavelets', IEEE Trans. Inform. Theory, vol. 38, pp. 617-643, Mar. 1992 https://doi.org/10.1109/18.119727