산책길에 마주친 무지개 구름 (채운 Cloud iridescence)

 


우연히 마주친 무지개 구름...

댓글

댓글 쓰기

이 블로그의 인기 게시물

간단한 cfar 알고리즘에 대해

이미지
Constant False Alarm Rate (CFAR)은 기본적으로 테스트하고자 하는 위치의 cell과 주변 cell의 관계를 보고 테스트 cell이 Target 인지 아닌지를 구분하는 알고리즘이다. 주변 cell과의 관계를 어떤 방식으로 비교하는가에 따라 여러가지 알고리즘이 존재한다. CA-CFAR, GO-CFAR, SO-CFAR, OS-CFAR, VI-CFAR, OSVI-CFAR등이 있다. 이 많은 알고리즘 중 간단하고 기본적인 CA-CFAR과 OS-CFAR에 대해 알아보자. CA-CFAR (Cell Average CFAR)   CA-CFAR의 원리는 위 그림과 같다. 좌우의 Reference Cell의 평균에 Scale Factor T를 곱하고, ADT (Average Decision Threshold)를 합하여 CUT가 타겟인지 아닌지를 구분한다. ADT는 신호의 white noise를 고려하기 위해 더해준다. Scale Factor T와 ADT는 아래와 같은 공식으로 사용할 수 있다. 사용하려는 시스템에 따라 공식은 달라질 수도 있다.   Pfa는 False Alarm 발생 확률을 나타내고, M과N는각 좌우의 Reference Cell의 개수를 나타낸다. OS-CFAR (Order Static CFAR)   OS-CFAR의 원리는 위 그림과 같다. 좌우의 reference cell중 K번째 큰 값의 cell을 Reference Cell의 대표 값으로 정해 CUT가 타겟인지 아닌지를 구분한다. 보통 전제 reference cell의 크기 순에서 (3*N)/4 번째 cell이 성능이 좋다고 알려져 있다. CFAR 사용 예 아래 사진은 위 두 cfar을 사용한 예다. 파란색은 신호이며, 붉은 색은 char을 사용해 만든 threshold이다. 이 threshold보다 큰 값의 신호가 있는 위치에 실제 Tar...
자세한 내용 보기

쉽게 설명한 파티클 필터(particle filter) 동작 원리와 예제

이미지
파티클 필터(particle filter)는 칼만 필터(kalman filter) 와 마찬가지로 노이즈가 있는 환경에서 측정된 데이터를 필터를 사용해 실제 위치를 추정하는 도구다. 파티클 필터(particle filter)는 보통 가우시안 분포가 아닌 측정 데이터를 다루기 위해 사용된다고 한다. 물론 가우시안 분포의 데이터에서 사용하지 말라는 건 아니다.  본 포스트에서는 파티클 필터(particle filter)의 어려운 수학적인 내용은 제하고, 쉽게 예를 들며 필터의 동작원리에 대해 알아보았다. 파티클 필터(particle filter)에 대해 검색해 보면 아래와 같은 그림을 많이 보게 된다. 아래 그림은 파티클 필터의 estimation cycle을 도식화한 것이다. <’Real-Time Tracking of Multiple Moving Objects Using Particle Filters and Probabilistic Data Association’ original scientific paper 中> 위 그림의 검은색 원들은 particle을 의미한다. 이 particle에는 보통 위치 데이터와 weight가 포함된다. 검은색 원이 큰 것이 있고 작은 것이 있는 이유는 weight가 크고 작음을 의마한다. typedef struct _particle_t {    int x;    int y;    float weight; }particle_t; 노이즈가 있는 환경에서 레이저 센서나 레이더등을 이용하여 물체의 위치를 측정할 때를 가정해 순서대로 이 필터가 동작하는 과정에 대해 알아 보겠다. (순서는 위 그림과 조금 다르다) 1. 초기 상태 측정 범위안에 랜덤 혹은 일정한 간경으로 particle을 뿌려 놓는다. 이 떄 particle...
자세한 내용 보기

python winsound를 이용한 윈도우 환경에서 소리 재생 예제

 본 포스트에는 윈도우 환경에서 python의 winsound라이브러리를 이용한 사운드 재생의 예제를 싣고 있다. import winsound 특정 주파수 톤 재생 Beep를 사용하여 특정 주파수의 소리를 정해진 시간동안 재생할 수 있다. winsound.Beep(frequency, duration) 파라미터 frequency : Hz 단위며, 범위는 37Hz~32,767Hz duration : milliseconds 단위이다. example code import winsoind winsound.Beep(370,2000) wave 재생 지정된 파일, 윈도우 레지스트리에 등록된 사운드 혹은 오디오 데이터(bytes-like object)를 재생한다. 만약 sound 리소스가 없는 경우 시스템 디폴트 사운드를 재생한다.  winsound.PlaySound(sound, flags) 파라미터 sound : 파일 이름, 시스템 사운드 별명, 오디오 데이터 flags : winsound.SND_FILENAME : sound 파라미터는 wave file 이름 이며, SND_ALIAS와 함께 사용하면 안된다.  winsound.SND_ALIAS : sound 파라미터는 시스템 사운드 별명이며, SND_FILENAME와 함께 사용하면 안된다. ex) 'SystemAsterisk', 'SystemExclamation', 'SystemExit', 'SystemHand', 'SystemQuestion' winsound.SND_LOOP : 반복 재생한다. 테스트해보니 SND_ASY...
자세한 내용 보기

터미널 컬러 로그 메시지 출력 팁 ANSI Color

이미지
본 글은 디버깅시 터미널에 로그 메시지를 출력할 때 중요한 로그를 보기 쉽게 컬러로 출력하는 방법을 싣고 있다. ANSI Color 코드를 사용하여 터미널에 로그 메시지를 출력할 때 색을 설정할 수 있다.  로그 텍스트 앞에 ANSI 컬러 코드를 넣고 로그 뒤에 ANSI Reset 코드를 넣어 주면 된다. 예를 들어 녹색 글을 쓰고 싶을 때 아래 와 같이 하면 된다. printf("\x1b[30m log text \x1b[0m \n"); 아래는 안시 컬러가 어떻게 출력되는지 보여주는 예제 코드다. [소스 코드] #include <stdio.h> #include <stdlib.h> #define ansi_reset "\x1b[0m" #define ansi_bright "\x1b[1m" #define ansi_dim "\x1b[2m" #define ansi_underscore           "\x1b[4m" #define ansi_blink "\x1b[5m" #define ansi_reverse           "\x1b[7m" #define ansi_hidden "\x1b[8m" #define ansi_black "\x1b[30m" #define ansi_red "\x1b[31m" #define ansi_green "\x1b[32m" ...
자세한 내용 보기

UWB 레이더를 사용한 호흡수 측정 원리

이미지
본 글은 UWB Radar를 사용하여 사람의 호흡수를 측정하는 원리에 대해 싣고 있다. 전에 블로그에서 UWB Radar를 사용하여 거리를 측정하는 원리 에 대한 글을 올린 적이 있다. 이번에는 호흡을 측정하는 원리에 대해 알아보겠다. 기본적으로 레이더는 레이더와 레이더 측정범위내의 사물과의 거리를 측정하는 도구이다. 그리고, 사람은 배 또는 가슴을 움직이며 숨을 쉰다. 간단히 이 두가지를 이용하여 UWB레이더로 사람의 호흡을 측정할 수 있다. 사람이 호흡할 때 마다 변하는 가슴/배의 위치를 UWB레이더로 측정하여 호흡수를 산출해 낼 수 있다. 아래 그림은 UWB Radar를 사용해 사람의 호흡수를 측정하는 원리를 도식화한 것이다.   UWB Radar를 사용하여 일정 시간 t동안 호흡하는 사람의 거리 데이터를 측정하면 위 그림 왼쪽처럼 위치의 변화가 측정된다. 이는 호흡할 때 움직이는 가슴/배의 위치를 포착하기 때문이다. 이 측정된 데이터에서 가슴/배 위치의 sample 데이터를 시간 순서로 배열하면 위 그림의 오른쪽처럼 그 크기가 변하는 것을 볼 수 있으며, 이는 측정된 사람의 호흡과 일치하는 것을 알 수 있다. 이 시간순으로 배열된 데이터를 사용하여 호흡수를 산출한다.  호흡수는 시간과 파형의 간격을 이용하여 산출할 수 있다. 예를 들어 아래처럼 2회 호흡에 200ms가 걸렸다면, 1분당 호흡수는 2*1000ms/200ms = 10회로 계산할 수 있다.   그리고, FFT를 사용하여 파형의 주파수를 분석을 통해 호흡수 산출도 가능하다. 호흡 파형에서 크기가 가장 큰 주파수가 0.167hz이면, 1분당 호흡수는 0.167hz*60sec = 10.02회로 계산할 수 있다. 관련 글: UWB Radar 거리 측정 원리 uwb radar 호흡수 측정 방법 ...
자세한 내용 보기