다중 주파수 대역 convolutional neural network 기반지진 신호 검출 기법 (Earthquake detection based on convolutional neural network using multi-band frequency signals)

서지정보

· 발행기관 : 한국음향학회
· 수록지 정보 : 한국음향학회지 / 38권 / 1호 / 23 ~ 29페이지
· 저자명 : 김승일, 김동현, 신현학, 구본화, 고한석

초록

본 논문에서는 국내에서 발생한 지진 신호를 검출 및 식별하기 위한 방법을 다루었다. 국내에서 발생한 지진신호들을 분석해 본 결과 서로 다른 주파수 대역 신호의 특징들이 각각 분류를 위한 특징으로 적절함을 확인할 수 있었다. 이러한 분석 결과를 바탕으로 지진 신호에서 추출한 다중 주파수 대역 특징을 기반으로 하는 CNN(Convolutional Neural Network) 기법에 대해서 제안하였다. 제안하는 다중 주파수 대역 CNN 기법은 지진 신호에서 추출한 멜 스펙트럼에 대해서 각각 필터를 적용하여 서로 다른 주파수 대역(저/중/고 주파수)의 신호를 추출하였다. 추출된 신호들을바탕으로 각각 CNN 기반 분류를 수행하였고, 수행된 결과를 융합하여 최종적으로 지진 이벤트에 대해 식별하였다. 2018년 동안 대한민국에서 발생한 실제 지진데이터를 기반으로 하는 실험을 통해 제안하는 기법에 대한 효용성을 검증하였다.

영어초록

In this paper, a deep learning-based detection and classification using multi-band frequency signals is presented for detecting earthquakes prevalent in Korea. Based on an analysis of the previous earthquakes in Korea, it is observed that multi-band signals are appropriate for classifying earthquake signals. Therefore, in this paper, we propose a deep CNN (Convolutional Neural Network) using multi-band signals as training data. The proposed algorithm extracts the multi-band signals (Low/Medium/High frequency) by applying band pass filters to mel-spectrum of earthquake signals. Then, we construct three CNN architecture pipelines for extracting features and classifying the earthquake signals by a late fusion of the three CNNs. We validate effectiveness of the proposed method by performing various experiments for classifying the domestic earthquake signals detected in 2018.

참고자료

· 없음