Journal of KIISE:Computing Practices and Letters (한국정보과학회논문지:컴퓨팅의 실제 및 레터)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Target Classification in Sparse Sampling Acoustic Sensor Networks using DTW-Cosine Algorithm

저비율 샘플링 음향 센서네트워크에서 DTW-Cosine 알고리즘을 이용한 목표물 식별기법

  • 김영수 (한국정보통신대학교 공학부) ;
  • 강종구 (한국정보통신대학교 공학부) ;
  • 김대영 (한국정보통신대학교 공학부)
  • Published : 2008.04.15
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, to avoid the frequency analysis requiring a high sampling rate, time-warped similarity measure algorithms, which are able to classify objects even with a low-rate sampling rate as time- series methods, are presented and proposed the DTW-Cosine algorithm, as the best classifier among them in wireless sensor networks. Two problems, local time shifting and spatial signal variation, should be solved to apply the time-warped similarity measure algorithms to wireless sensor networks. We find that our proposed algorithm can overcome those problems very efficiently and outperforms the other algorithms by at least 10.3% accuracy.

센서네트워크에서 목표물 탐지하는데 있어 높은 샘플링이 수반되어야 하는 주파수 분석을 피하기 위하여, 낮은 샘플링 데이타를 이용하더라도 목표물 식별이 가능한 시계열(Time-series) 분석 기법으로서 시간 정합 유사도 측정 알고리즘을 소개하고 그 중에 가장 우수한 DTW-Cosine 알고리즘을 제안한다. 시계열 분석 기법을 이용하여 패턴을 비교하기 위해서는 지역 시간 이동 문제와 공간 신호 변이 문제를 극복해야 하는데 DTW-Cosine 알고리즘은 이를 효과적으로 극복함과 동시에 Smoothing 기법을 통하여 다른 시간 정합 유사도 측정 알고리즘들에 비해 전체적으로 최소 10.31% 이상의 우수한 성능을 보였다.

Keywords

References

  1. D. Li, K. Wong, Yu Hen Hu and A. Sayeed, 'Detection, Classi-cation and Tracking of Targets,' IEEE Signal Processing Magazine, pp. 17-29, 2002
  2. C. Meesookho, S. Narayanan, and C. S. Raghavendra, 'Collaborative classification applications in sensor networks,' Second IEEE Sensor Array and Multichannel Signal Processing Workshop, pp. 370-374, 2002
  3. F. D. Marco, H. Yu-Hen, Vehicle Classification in Distributed Sensor Networks, Journal of Parallel and Distributed Computing, Vol.64 No.7, pp. 826- 838, 2004 https://doi.org/10.1016/j.jpdc.2004.03.020
  4. A. Arora, P. Dutta, S. Bapat, V. Kulathumani, Hongwei Zhang, V. Naik, V. Mittal, H. Cao, M. Demirbas, M. Gouda, Y. R. Choi, T. Herman, S. Kulkarni, U. Arumugam, Mikhail Nesterenko, A. Vora, M. Miyashita, 'A Line in the Sand: A Wireless Sensor Network for Target Detection, Classification, and Tracking,' Computer Networks (Elsevier), 46(5): pp. 605-634, 2004 https://doi.org/10.1016/j.comnet.2004.06.007
  5. H. Sakeo, S. Chiba, 'Dynamic programming algorithm optimization for spoken word recognition,' IEEE Trans. On Acoustics, Speech and Signal Processing 26, pp. 43-49, 1978 https://doi.org/10.1109/TASSP.1978.1163055
  6. L. Chen and R. Ng, 'On the Marriage of Lp- Norm and. Edit Distance,' VLDB, pp. 792-803, 2004
  7. A. Guo, H. T. Siegelmann, 'Time-Warped Longest Common Subsequence Algorithm for Music Retrieval,' International Conference on Music Information Retrieval (ISMIR), 2004
  8. E. Keogh, K. Chakrabarti, M. Pazzani, S. Mehrotra, 'Dimensionality Reduction for Fast Similarity Search in Large Time Series Databases,' Knowledge and Information Systems Journal, Vol.3, No3, pp. 263-286, 2000