본문 바로가기

🔬 Science/📻 Signal

(6)

FT(푸리에 변환)과 CWT(연속 웨이블릿 변환) IR-UWB로 수집한 신호 정보를 딥러닝에 사용하기 위해서는 먼저, 진동수와 그 변화의 정보를 얻기 위해서 FFT와 CWT을 적용해야한다. Fourier Transform, 시간-주파수 분석 푸리에 변환은 신호에 존재하는 주파수 성분을 식별할 때 매우 우수하다. 그러나 FT는 주파수 성분이 발생하는 시기를 식별 X 신호의 크기 스펙트럼을 플로팅. 0Hz ~ 200Hz 사이 영역을 확대 Continuous Wavelet Transform 이는 STFT, 즉 단시간 푸리에 변환 고유의 분해능 문제를 극복하기 위해 만들어짐. (푸리에 변환은 시간 정보를 제공하지 않기 때문에, 주파수의 변화가 일어나는 시기를 결정하기 위해 STFT가 쓰임. 신호 이벤트가 발생하는 시간 및 주파수 두 개 모두에 대한 일부 정보 ..

Neural Network (CNN, RNN, LSTM, BiLSTM) CNN(Convolution Neural Network), 합성곱 신경망 수면 알고리즘에 관한 논문을 검색하면, 대부분 CNN을 활용한 분류 방법이 나온다. 이 신경망은 입력이 '이미지'로 구성돼 있다는 점을 활용한다. 일반 신경망과 달리 CNN의 레이어에는 너비, 높이, 깊이로 3차원 배열된 뉴런이 있다. "깊이" : 전체 신경망의 깊이가 아닌, 활성화 볼륨의 3차원을 의미하며, 네트워크의 총 레이어 수를 나타낼 수 있음. 한 레이어의 뉴런은 모든 뉴런이 완전히 연결된 방식이 아니라, 그 앞에 있는 레이어의 작은 영역에만 연결됨. 처읍 입력 이미지가 32*32*3이면 -> 최종 출력 레이어의 크기는 1*1*10이 되는데, Convent 아키텍처의 마지막에는 full image를 깊이 dimension을..

이전 1 2 3 다음

티스토리툴바