Datasets:

jp1924

/

TechnologyScienceDocumentMachineReadingComprehensionAITrainingDataset

like 0

[ "<h2>3.2 제안하는 보안성 향상 기법</h2> <h3>3.2.1. HAS의 보안 슈트 및 결정 매트릭스</h3> <p>IEEE 802.15.4의 보안 슈트는 프레임에 대한 보안 기능을 제공하기 위한 정보를 담고 있으며 기밀성, 메시지 인증, 무결성 등의 기능을 제공하는 8 가지 종류의 슈트를 가지고 있다.", "하지만, 표준에서 정의한 슈트는 실제로 상위 계층이나 응용 프로그램 수준에서 특정 슈트를 지정해주는 방식을 사용하거나 또는 별도의 규정을 가지고 있지 않다.", "따라서 본 논문에서는 표준안에서 제안하는 보안 슈트 중 보안 기능이 없는 슈트를 제외한 후<표 1>과 같은 7개의 보안 슈트를 구성하고,<표 2>에서는 네트워크 특성과 데이더 특성에 맞게 보안 슈트를 선택적으로 적용하는 방안을 제시한다.", "이러한 보안 슈트는 기존 IEEE 802.15.4 보안 슈트 테이블을 기반으로 하여 작성되었으며 IEEE 802.15 .4 표준안과 달리 별도의 No Security Suite 없이 보안 기능이 필요하지 않을때는 원천적으로 suite가 적용되지 않는 방식을 사용하였다.", "또한 보안 슈트 결정 데이블은 기존 보안 구조들의 카테고리와 ZigBee 표준안에서의 보안 구조등을 참고하였다.", "</p> <p>기본적으로 제안 방식은 프레임을 송수신 할 때 해당 네트워크의 특성과 프레임들이 속한 응용 프로그램의 특성에 따라 상이한 보안 슈트를 적용하는 것을 목적으로 한다.", "이러한 목적을 위해<표 2>에서와 같이 HAS 보안 슈트 판정 테이블은 먼저 네트워크 특성을 \"Pub\" (Public), \"Com\" (Commercial), \"Priv\"(Private)로 구분한다.", "\"Pub”은 일종의 개방 네트워크를 의미하며 특별한 제한 없이 네트워크의 일원으로 접속하여 서비스를 제공받을 수 있는 특성을 가진다. \"", "Priv\"은 \"Pub\"과는 상반된 특성을 가진 네트워크 환경 으로서 매우 개인적이며 민감한 정보를 다루는 네트워크의 특성으로서 규정한다. 또한 \"Com\" 특성의 경우는 앞서의 두 특성의 경계에 속한 중립적인 네트워크 특성을 나타낸다. 각 네트워크 특성은 메시지 인증 코드에 있어서 4/8/12bytes 의 크기를 가진다.</p> <table border><caption>HAS의 보안 슈트</caption> <tbody><tr><td rowspan=2></td><td colspan=7>Secuntv Suite in HAS</td></tr><tr><td>#1</td><td>#2</td><td>#3</td><td>#4</td><td>#5</td><td>#6</td><td>#7</td></tr><tr><td>인증/무결성</td><td></td><td>o</td><td>o</td><td>o</td><td>o</td><td>o</td><td>o</td></tr><tr><td>기밀성</td><td>o</td><td></td><td></td><td></td><td>o</td><td>o</td><td>o</td></tr><tr><td>MAC 크기</td><td>o</td><td>32</td><td>64</td><td>128</td><td>32</td><td>64</td><td>128</td></tr></tbody></table> <p>다음으로 데이터 특성의 경우 일반 응용 프로그램에 적용 되는 \"App\" (Application) 데이터와 센서 네트워크 경로 설정 등 제어에 관련된 \"Ctrl\" (Control) 데이터의 두 가지로 구분한다. \"", "App\" 특성은 다시 주기적 데이터(Periodic), 긴급한 주기적 데이터(Urgent Periodic), 사용자 요청 데이터 (On Demand), 그리고 이벤트 발생(Event driven)으로 구분 된다. \"", "Ctrl\" 특성은 원격 모바일 코드 전송(Over The Air Mobile Code), 위치 정보 데이터(Location), 라우팅 정보 데 이터(Routing), 그리고 보안 관련 정보 (Security)로 구성된다.", "이렇게 전송할 프레임을 두 가지 대분류로 구분하여 가 특성을 파악한 후 그 특성에 맞는 보안 슈트를<표 2>에 따라 결정하고 적용하는 것이다.", "<표 2>의 적용 값들은 실제 적용 센서 네트워크의 환경이나 응용 서비스의 특성에 따라 달리 최적화 될 수 있다.", "</p> <h1>5. 구현 결과를 통한 검증</h1> <p>제안 방안들의 실제 검증을 위하여 (그림 10)과 같은 센서 노드 프로토타입을 제작하였다.", "제작한 노드들은 Chipcon의 CC2420 RF[15] 칩과 TI의 MSP430 MCUL[16]로 구성되었다.", "CC2420은 최대 \\( 250 \\mathrm{Kbps} \\) 의 전송률을 가지며 \\( 2.4 \\mathrm{Ghz} \\) 주파수와 \\( -95 \\mathrm{dbm} \\) 의 수신감도로 동작한다.", "MSP430은 16 비트 RISC구조로서 12비트 \\( \\mathrm{AD} \\) (Analog-to-Digital) 컨버더를 가지고 있다.", "또한 \\( 116 \\mathrm{~KB} \\) 의 플래쉬 메모리와 \\( 8 \\mathrm{~Kb} \\) 램을 가지며 센서 보드는 60x32mm의 크기를 가진다.", "운영체제는 NesC 를 기반으로 하는 TinyOS \\( 2.0 \\) 을 사용하였다.", "이렇게 제작된 노드는 다음의 (그림 11)과 같은 건물에서의 화재 모니터링 응용 서비스를 구축하여 실제 적용 실험을 수행하였다.", "(그림 11)의 응용서비스는 건물의 미니어쳐를 제작하고 센서 보드를 설치한 후 화재와 같은 상황이 발생함을 고려해서 센서 네트워크가 얼마나 신뢰성을 가지고 안전하게 동작하는지 검증하는데 활용 되었다.", "이 적용 실험에서는 패킷 전송 성공률과 HAS 프레임워크에서의 에너지 소모를 고려한 보안 슈트 적용이 실제 수행되었으며 그 결과는< 표 7,8>에 나타나 있는 것과 같다.", "</p> <p>실제 H/W 플랫폼을 사용한 적용 결과는< 표 7>과 같으며 거의 99 % 가 넘는 패킷 전송 성공률을 보이며 실제로 신뢰성 있는 전송이 가능함을 알 수 있었다.", "또한 HAS 프레 임워크를 적용하여<표 8>과 같이 다양한 네트워크 및 응용애플리케이션 타입에 각각 적당한 보안 슈트가 선택되어 보안 서비스를 제공할 수 있음을 또한 확인하였다.", "<표 8>의 테스트 결과에서는 세 가지 경우에 대하여 각각 Suite 1, 2,7 번이 선택되어 적용됨을 알 수 있었다.", "</p> <table border><caption>실제 H / W 플랫폼에 IMHRS 적용 결과</caption> <tbody><tr><td>Test Cases Approaches</td><td>1st (1200)</td><td>2nd (1200)</td><td>3rd (1200)</td><td>Total (3600)</td><td>Success Ratio</td></tr><tr><td>Proposed approach</td><td>1198</td><td>1199</td><td>1194</td><td>3591</td><td>99.75%</td></tr><tr><td>EEE 802.15.4 with default settings</td><td>923</td><td>967</td><td>985</td><td>2875</td><td>79.86%</td></tr></tbody></table> <table border><caption>HAS 프레임워크 적용 사례</caption> <tbody><tr><td rowspan=2></td><td rowspan=2>네트워 크타입</td><td colspan=2>App타입</td><td rowspan=2>보안 슈트</td><td colspan=3>보안 서비스</td></tr><tr><td>일반</td><td>제어</td><td>인증</td><td>기밀성</td><td>인증/ 기밀성</td></tr><tr><td>Case #1</td><td>Pub</td><td>Par</td><td>-</td><td>Suite#1</td><td>X</td><td>o</td><td>X</td></tr><tr><td>Casa#2</td><td>Com</td><td>Eve</td><td>-</td><td>Suitc#2</td><td>o</td><td>X</td><td>X</td></tr><tr><td>Casa#3</td><td>Priv</td><td>-</td><td>OTA</td><td>Suite#7</td><td>X</td><td>X</td><td>o</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "IEEE 802.15.4 센서 네트워크에서의 신뢰성 및보안성 향상 기법", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-f7881ce1-6260-43df-8b9f-ca15541592b9", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "손태식", "박용석" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>4. 구현 및 성능 평가</h1><p>본 논문에서 제안한 위치 측위 기법의 성능 검증을 위하여 수원대학교 IT대학 건물 내에 실내 측위 시스템을 구현하였다.", "시스템에 사용된 AP와 단말기는 CC2420 RF 칩을 장착한 모트(mote) 모듈에 구현되었으며 IEEE 802.15.4 표준을 따라 상호 통신한다.", "AP와 단말기는 정기적으로 1초마다 비콘 메시지와 헬로우 메시지를 각기 전송한다.", "실험 결과의 통계적 신뢰성을 높이기 위해 각 실험 환경 당 동일 실험을 1000회씩 수행하였고 성능 측정 요소로 위치 예측 정확도 평가를 위하여 \\(25^{th}\\), \\(50^{th}\\), \\(75^{th}\\) \\(\\%\\)의 예측 오류를 사용하였다.", "</p><h2>4.1 위치 예측 정확도 분석</h2><p>본 논문에서는 제안 기법의 성능 분석을 위하여 핑거프린팅(fingerprint) 방식을 따르는 ES(Empirical Scheme) 기법과 앞서 설명한 PSS 기법과의 성능을 5가지 실험 환경에서 비교하였다.", "ES 기법은 핑거프린팅 기법을 기반으로 동작하기 때문에 무선 전파 환경이 변화하지 않는 한 가장 높은 위치 예측 정확도를 가진다.", "그러나 시스템 구축 및 관리 측면에서 비실용적이므로 본 논문에서는 성능 비교를 위한 참조 목적으로 사용하였다.", "PSS 기법은 단말기로부터 수신한 신호에 대하여 가장 높은 RSS 측정 값을 가지는 3개의 AP를 기준 AP로 사용하고 단말기와 AP 사이의 거리 예측을 위해 단말기가 전송한 헬로우 메시지를 수신한 AP가 측정한 RSS 값들 중 최대값을 이용하는 기법이다.", "실험 환경 5가지 중에서 2가지는 (그림 1)에서 설명한 E1과 E2이며 나머지 3가지 환경은 (그림 2)와 같다.", "</p><p>E3은 E2와 각 노드의 위치가 같으며 유일한 차이점은 AP2와 다른 노드들 사이의 장애물이 E2에서는 콘크리트 벽이었으나 E3에서는 유리 벽이라는 점이다.", "E4와 E5 환경은 다수의 의자와 책상들이 배치되어 있는 전형적인 강의실 환경으로 다른 실험 환경들에 비하여 상대적으로 다중경로 페이딩과 음영 손실이 많이 발생하는 환경이다.", "E4와 E5는 노드의 배치가 같으며 차이점은 E4는 각 노드들이 바닥에 배치되어 노드들 사이의 전파 환경이 NLOS(non-line-ofsight) 환경이며, E5는 노드들이 천장에 배치되어 노드들 사이의 전파 환경이 LOS(line-of-sight) 환경이라는 점이다.", "모든 실험 환경에서 단말기는 두 가지 위치, 즉 C1과 C2에 배치하여 각기 실험하였으며 C1은 단말기로부터 메시지를 수신한 AP들, 즉 AP1, AP2, AP3, AP4로 구성된 다각형의 무게 중심 (그림에서 C)에서 가장 근접한 3개의 AP, 즉 AP1, AP2, AP3로 구성된 삼각형의 내부에 단말기가 위치한 경우를 말한다.", "반면에 C2는 이와 같은 삼각형 외부에 단말기가 위치한 경우이다.", "실험은 각 실험 환경당 두가지 서로 다른 장소 (1층과 2층)에서 진행되었으며 모든 노드의 송신 전력은 \\(-18\\mathrm{dBm}\\)으로 설정하였다.", "</p><p>(그림 3)은 각 실험 환경에서 위치 예측 정확도를 측정한 결과이다.", "그림에서 막대 그래프는 \\( 50^{\\mathrm{th}} \\% \\) 예측 오류를 나타내며, 오류 바(error bar)는 \\( 25^{\\mathrm {th }} \\% \\) 와 \\( 75^{\\mathrm {th }} \\% \\) 범위(range) 예측 오류 범위를 나타낸다.", "그림에서 보는 바와 같이 오류 바의 범위는 아주 작다.", "전체적으로 제안 기법(PS: Proposed Scheme)이 PSS 기법보다 우수한 성능을 보인다.", "이는 PSS 기법이 RSS 값만을 기준으로 기준 AP를 선택하기 때문에 단말기가 높은 RSS 측정 값을 가지는 3개의 AP들로 구성된 삼각형의 외부에 위치해 있을 가능성이 있기 때문이다.", "또한 PSS는 가장 높은 RSS 측정 값을 가지는 AP의 경로 손실 모델을 가지고 다른 모든 기준 AP와 단말기와의 거리를 예측하기 때문에 예측된 거리에 오류가 포함될 확률이 높다.", "ES 기법과의 성능 비교는 대부분의 경우에 있어서 ES기법이 가장 작은 예측 오류를 보인다.", "특히 노드들 간 NLOS 전파 환경을 가지는 E4 환경에서의 오류는 PS 기법이 ES 기법에 비하여 2.56배 높은 예측 오류를 보였고, 노드들 간 LOS 전파 환경을 가지나 다중경로 페이딩과 음영 손실이 많은 E5 환경에서는 PS 기법이 ES 기법에 비하여 1.98배 높은 오류를 보였다.", "그러나 나머지 E1, E2, E3 환경에서의 예측 오류는 ES 기법과 거의 비슷한 수준의 낮은 예측 오류를 보였다.", "</p><p>ES기법과 비교할때 PS기법은 E4와 E5 환경에서 높은 예측 오류를 보였으나 ES 기법이 비실용적인 점을 감안하여, IEEE 802.15.4 시스템에서 래터레이션 방법을 사용하는 관련 기법들과의 성능 비교를 추가로 진행하였다.", "관련 기법들의 경우 AP 사이의 평균 거리가 \\( 3.5 \\mathrm{m} \\)인 것은 앞서 설명한 본 논문의 실험 환경과 동일하나 노드의 송신 전력으로 \\( 0 \\mathrm{dBm} \\) 을 사용하였다.", "이러한 환경에서 [2]와 [3]은 \\( 500^{\\mathrm {th }} \\% \\) 예측 오류로 각기 \\( 2.5 \\mathrm{m} \\)와 \\( 3 \\mathrm{m} \\)를 보인다.", "이러한 수치는 노드의 송신 전력이 \\( -18 \\mathrm{dBm} \\)인 (그림 3)의 실험 결과와 비교할 때 실험 환경 E4만을 제외하고는 PS 기법의 성능이 훨씬 우수함으로 확인 할 수 있다.", "심지어 E5 환경에서조차 예측 오류가 \\( 1.04 \\mathrm{m} \\)에서 \\( 1.56 \\mathrm{m} \\)로 관련 기법들에 비하여 우수한 결과를 보였다.", "한편 노드 간 NLOS 전파 환경이 설정된 EA 환경에서는 예측 오류가 \\( 2.64 \\mathrm{m} \\)에서 \\( 3.51 \\mathrm{m} \\)로 측정되었다.", "그러나 관련 기법들은 본 실험보다 훨씬 강한 RF 전송 세기를 사용했을 뿐만 아니라 모든 노드 간 LOS 전파 환경을 설정하였다.", "따라서 본 논문에서는 관련 기법들과의 공정한 성능 비교를 위하여 노드의 송신 전력을 \\( -18 \\mathrm{dBm} \\)에서 \\( 0 \\mathrm{dBm} \\)으로 증가시켜 E4 환경에서 추가 실험을 진행하였다.", "</p><p><표 2>에서 보는 바와 같이 단말기가 C1에 위치한 경우 1층 실험 결과는 \\(-18\\mathrm{dBm}\\)일 때 \\(3.04\\mathrm{m}\\)에서 \\(0\\mathrm{dBm}\\)일 때 \\(0.71\\mathrm{m}\\)로 향상되었고 2층 실험 결과는 \\(3.51\\mathrm{m}\\)에서 \\(0.77\\mathrm{m}\\)로 향상되었다.", "단말기가 C2에 위치한 경우 1층 실험 결과는 \\(2.89\\mathrm{m}\\)에서 \\(1.17\\mathrm{m}\\)로, 2층 실험 결과는 \\(2.64\\mathrm{m}\\)에서 \\(0.96\\mathrm{m}\\)로 향상되었다.", "<표 2>는 또한 실험 결과는 송신 전력을 \\(0\\mathrm{dBm}\\)으로 증가시켰을 때 ES 기법과 PSS 기법의 성능을 보인다.", "보는 바와 같이 PS기법은 ES 기법과 비슷한 수준의 낮은 예측 오류를 보임을 알 수 있다.", "</p><table border><caption>〈표 2〉 E4환경에서 RF 전송 세기를 \\( -18 \\mathrm{dBm} \\)에서 \\( 0 \\mathrm{dBm} \\)으로 증가시켰을 때의 위치 예측 오류 중간값</caption><tbody><tr><td colspan=2>단위: meter</td><td>ES</td><td>PS</td><td>PSS</td></tr><tr><td rowspan=2>1F</td><td>C1</td><td>0.66</td><td>0.71</td><td>0.99</td></tr><tr><td>C2</td><td>1.04</td><td>1.17</td><td>1.73</td></tr><tr><td rowspan=2>2F</td><td>C1</td><td>0.99</td><td>0.77</td><td>0.94</td></tr><tr><td>C2</td><td>1.21</td><td>0.96</td><td>1.85</td></tr></tbody></table> <h1>2. RSS 기반 실내 위치 측위의 문제점</h1><p>RSS 기반 실내 측위 시스템은 단말기의 위치 측위를 위하여 다음과 같이 동작한다.", "먼저 AP들은 이웃 AP들과의 RSS를 측정하여 정기적으로 위치 서버에게 전송한다.", "위치 서버는 수신한 RSS 값들과 AP 위치 정보를 기반으로 각 AP들 사이의 경로손실 모델을 설정한다.", "단말기로부터 신호를 수신한 AP들은 자신들이 측정한 RSS 값을 서버에게 전송하며 서버는 수신된 RSS 값을 사용하여 단말기의 위치 측위를 시작한다.", "서버는 수신된 RSS 값과 AP간 경로손실 모델을 사용하여 단말기와 AP 사이의 거리를 예측한다.", "예측된 거리 정보와 AP의 위치를 이용하여 LSE(Least SquareError) 기법을 기반으로 단말기의 위치를 예측한다.", "</p><p>(그림 1)은 RSS 기반 기법의 측위 정확도에 영향을 미치는 요소를 분석하기 위한 실험 환경이다.", "각 환경에서 3개의 AP를 이용한 래터레이션 방법으로 단말기의 위치를 예측하였다.", "그림에서 E1 환경은 모든 노드(단말기와 AP)들 사이에 장애물이 존재하지 않는 전파 환경이며, E2 환경은 AP2가 다른 노드들과 콘크리트 벽에 의해 분리되어 있는 전파 환경이다.", "그림에서 C는 AP1, AP2, AP3, AP4로 구성된 다각형의 무게 중심을 나타낸다.", "실험을 위하여 단말기를 두 개의 위치(C1과 C2)에 배치한 후 동일 실험을 1000회씩 반복하여 단말기의 실제 위치와 예측된 위치와의 거리 차이인 위치 예측 오류의 중간 값(median error)을 구하였다.", "단말기가 C1에 위치된 경우 단말기에서 지리적으로 가장 근접한 AP는 AP1, AP2, AP3이며, C2에 배치된 경우는 AP1, AP3, AP4가 단말기에 가장 근접한 AP이다.", "<표 1>은 각 실험환경에서 측정된 위치 예측 오류의 중간 값이다.", "E1 환경에서는 모든 노드의 무선 전파 환경이 동일하므로 단말기로부터 가장 높은 RSS를 측정한 AP들이 단말기에 지리적으로 가장 인접한 AP가 된다.", "그러나 AP1, AP2, AP3로 구성된 다각형의 면적이 AP1, AP3, AP4로 구성된 다각형의 면적보다 작으므로 단말기가 C1에 위치한 경우의 예측 오류가 C2에 위치한 경우보다 작다.", "E2 환경에서는 AP2가 콘크리트 벽에 의하여 다른 노드들과 분리되어 있기 때문에 단말기와 AP2사이의 거리가 단말기와 AP4사이의 거리보다 짧아도 단말기와 AP2사이에 측정된 RSS 값이 단말기와 AP4사이에 측정된 값보다 작다.", "따라서 단말기가 C1에 위치한 경우 단말기로부터 가장 높은 RSS 측정값을 가지는 AP들(AP1, AP3, AP4)로 구성된 다각형 내에 단말기가 위치하지 않게 되며 이로 인하여 위치 예측 오류가 증가하게 된다.", "그러나 단말기에서 지리적으로 근접한 AP들(AP1, AP2, AP3)로 구성된 다각형을 가지고 위치 예측을한 경우는 높은 RSS 측정 값을 가지는 AP들로 구성된 다각형으로 위치 예측을 한 경우에 비하여 예측 오류가 \\(1.51 \\mathrm{m}\\)에서 \\(0.78 \\mathrm{m}\\)로 감소하는 것을 볼 수 있다.", "이러한 실험을 통하여 경로손실 모델에 부합하는 RSS 값의 사용이 항상 가장 좋은 위치 예측 정확도를 가지는 것을 아니라는 것을 알수 있다.", "</p><p>이상과 같은 실험을 통하여 위치 예측 정확도는 단말기에 지리적으로 근접한 AP들의 사용과 해당 AP들로 구성된 다각형의 면적을 줄임으로써 향상시킬 수 있음을 확인하였다.", "이후 이와 같은 AP를 기준 AP(reference AP)로 지칭한다.", "기존의 많은 연구들은 AP들로 구성된 다각형 내부에 단말기가 위치할 확률을 높이기 위하여 AP의 개수를 증가시키는 방법을 사용하였다.", "그러나 M.", "Youssef et al.는 전파환경 특성이 같은 지역에 대한 위치 예측은 여러 AP들 중에서 가장 높은 RSS 값을 가지는 AP 하나만 사용하면 충분하다는 점을 실험을 통하여 보였다.", "또한 앞에서 언급한 바와 같이 일정 이상 많은 AP를 사용하는 경우 오히려 예측 정확도가 떨어지게 된다.", "따라서 본 논문에서는 적절한 기준 AP의 선택을 통하여 기존 기법들, 즉 다수의 AP를 사용하는 기법 또는 가장 높은 RSS 값을 사용하는 기법들에 비하여 향상된 위치 예측 정확도를 얻을 수 있음을 보이고자 한다.", "</p><table border><caption><표 1>AP 선택에 따른 위치 예측 정확도 (median localization error)</caption><tbody><tr><td>단위: meter</td><td>E1-C1</td><td>E1-C2</td><td>E2-C1</td><td>E2-C2</td></tr><tr><td>가장 높은 RSS를 가지는 AP 사용시</td><td>0.73</td><td>1.03</td><td>1.51</td><td>1.55</td></tr><tr><td>가장 근접한 AP 사용시</td><td>0.73</td><td>1.03</td><td>0.78</td><td>1.55</td></tr></tbody></table> <h1>5. 결 론</h1><p>본 논문에서는 RSS를 이용한 실내 위치 측위 기법을 제안하였다.", "RSS를 이용한 래터레이션 기법에서의 위치 예측 정확도 향상을 위해서는 단말기와 AP사이의 거리 예측 단계에서 발생하는 오류를 감소시키고 또한 단말기의 위치 예측에 사용하는 기준 AP로 구성된 다각형의 면적을 감소 시켜야 한다.", "먼저 단말기와 AP사이의 거리 예측에서 발생하는 오류를 감소시키기 위하여 많은 관련 기법들은 다수의 AP를 사용하였다.", "그러나 여러 실험 결과에서 확인할 수 있듯이 거리 예측 오류 감소에는 한계가 있다.", "따라서 본 논문에서는 기준 AP로 구성된 다각형의 면적을 감소시켜 위치 예측 정확도를 향상시키기 위한 기법에 초점을 맞추었다.", "</p><p>본 논문에서는 단말기의 상대적인 위치를 예측하기 위하여 단말기로부터 신호를 수신한 AP들로 구성된 다각형의 무게중심을 사용하였다.", "다각형의 무게중심에서 지리적으로 가장 근접한 3개의 AP로 구성된 삼각형을 기준으로 단말기가 삼각형 내부에 있는 경우는 무게중심에서 가장 근접한 3개의 AP를 단말기의 위치 예측을 위한 기준 AP로 사용하였다.", "반대로 단말기가 삼각형 외부에 있는 경우에는 단말기로부터 수신한 신호에 대한 RSS 측정 값이 가장 높은 3개의 AP를 기준 AP로 사용하였다.", "본 논문에서는 제안 기법의 성능 분석을 위하여 실내 위치 측위 시스템을 구현하여 다양한 환경에서 실험을 진행하였다.", "실험 결과, 위치 예측 정확도 측면에서 제안 기법은 기존에 가장 높은 예측 정확도를 보이는 핑거프린팅 기반 기법과 비슷한 수준의 성능을 보임을 확인하였다.", "</p><p>본 논문에서 여러 실험들을 통하여 3개 이상 추가적인 기준 AP의 사용은 경로손실 모델에 잘 부합하는 높은 품질의 RSS의 사용으로 인한 이득과 위치 예측 대상 면적의 증가라는 손실 사이의 균형 유지가 가장 중요하다는 점을 인식하게 되었다.", "따라서 향후 연구 과제로 단말기의 위치 예측 정확도를 극대화할 수 있는 기준 AP의 개수 선택 기법을 진행할 계획이다.", "</p> <h1>요 약</h1> <p>래터레이션 기법을 사용한 실내 위치 측위 기법은 단말기의 위치 예측을 위하여 RSS(Received Signal Strength)를 기반으로 예측된 단말기와 AP(Anchor Point)사이의 거리와 AP의 위치 정보를 사용한다.", "따라서 단말기와 AP 사이의 거리 예측 정확도가 단말기 위치 예측 정확도에 많은 영향을 미치게 된다.", "무선 전파 환경은 시간과 공간에 따라 변화하므로 가장 높은 RSS 측정 값이 거리 예측에 가장 적합한 RSS 값은 아닐 수 있다.", "이러한 문제를 해결하기 위하여 다수의 AP들이 사용되었으나 일정 수준 이상의 AP의 사용은 오히려 위치 측위 대상 면적이 증가하게 되어 단말기 위치 예측 정확도를 악화시킨다.", "따라서 본 논문에서는 위치 측위 대상 면적을 감소시킴으로써 위치 예측 정확도를 향상시키기 위한 기법을 제안한다.", "이를 위하여 본 논문에서는 단말기의 신호를 수신한 AP들로 구성된 다각형의 무게중심을 사용하여 단말기의 상대적인 위치를 예측하였다.", "일단 단말기의 상대적인 위치가 예측되면 단말기에서 지리적으로 가장 근접한 AP를 단말기 위치 예측을 위한 기준 AP로 선택함으로써 측위 대상 다각형의 면적을 줄일 수 있다.", "본 논문에서 구현한 실내 측위 시스템을 이용한 다양한 환경에서의 실험을 통하여 위치 예측 정확도 측면에서의 제안 기법의 타당성을 검증하였다.", "</p>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "실내 환경에서 래터레이션을 이용한 위치 측위 기법", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-f1dbf938-9688-4887-b22d-c4902a4433bd", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "임유진", "박재성" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>1. 서 론</h1><p>최근 MEMS(Micro Electro Mechanical Systems)와 마이크로프로세서 그리고 무선 통신 기술의 발전으로 센서노드들을 이용하여 넓은 지역에 걸쳐 정확한 정보를 얻고자하는 센서네트워크에 대한 연구가 활발히 진행되고 있다.", "다양한 유비쿼터스 어플리케이션들 중에서 위치기반 서비스는 사용자의 정확한 위치 정보를 필요로 한다.", "센서네트워크를 이용한 위치인식 시스템에서는 전파의 속도차이, 도달 시간차이 또는 각도 차이 등의 정보를 이용하여 거리를 계산한다.", "거리 정보를 바탕으로 삼각측량법 등의 기법을 이용하여 노드의 정확한 위치를 파악한다.", "</p><p>위치인식에 관한 연구는 크게 정적인 노드들의 위치인식과 동적으로 움직이는 노드들의 위치인식 문제로 나뉜다.", "정적인 노드들의 경우 몇 개의 비콘노드나 앵커노드만 있으면 넓은 범위에 펴져있는 노드들에 위치를 파악할 수 있다.", "하지만 노드가 이동하는 경우에는 위치정보를 알고 있는 비콘노드나 앵커노드들이 설치되어 있는 상태에서 전파나 초음파 등을 이용하여 거리를 계산한다.", "기존의 이동노드를 위한 위치인식에 관한 연구들은 대부분 노드 하나의 위치를 인식하는데 중점을 두고 있다.", "노드 하나에 대한 위치 인식 기법을 여러 노드에 대한 위치 인식에 적용하기엔 무리가 따른다.", "일부 여러 노드의 위치를 추적하는 연구들에서는 노드들을 구분하고 효율적으로 추적하는 것을 다루고 있다.", "동시에 여러 이동 노드들의 위치를 인식하는 경우거리를 측정하기 위해 노드들에서 발생하는 비콘 메시지나 초음파 등이 서로 충돌을 일으킬 수 있다는 것이다.", "비콘 메시지나 초음파가 충돌하면 거리측정이 불가능해지며 이는 위치인식 불능으로 이어진다.", "</p><p>본 논문에서는 노드들 간의 라디오 주파수나 초음파 등의 충돌을 방지하여 거리 측정이 효율적으로 이루어지도록 하는 파워 조절에 기반한 자원할당을 통한 위치 인식기법 APL (\\( \\underline{A} \\)daptive \\( \\underline{P} \\)ower Control based Resource Allocation Technique for Efficient \\( \\underline{L} \\)ocalization Technique)을 제안한다.", "제안하는 시스템에서는 앵커노드들을 여러 노드들이 동시에 접근하는 임계영역으로 간주하며 상호배제를 동하여 노드 간에 자원접근에 대해 동기화시킨다.", "제안하는 APL기법에서는 센서노드가 위치 측정 작업 전에 RTS(Ready To Send)패킷을 전송 하여 앵커노드 자원을 예약하고 센서노드로부터 RTS를 수신한 수위의 앵커 노드들은 CTS(Clear To Send)패킷을 통하여 자원이 예약되었음을 알린다.", "만약 이미 다른 사용자가 앵커노드 자원을 예약한 경우에는 NTS(Not To Send)패킷을 전달하여 작업을 연기하도록 한다.", "주위 앵커노드들로부터 CTS를 수신한 센서노드는 STS(Start to Send)패킷을 전달하여 거리측정의 시작을 알린다.", "STS패킷에는 거리측정을 실행할 앵커노드들의 순서가 들어 있어 앵커노드간 충돌을 방지한다.", "RTS패킷과 CTS패킷은 IEEE 802.1 무선통신 표준에서 노드간 통신시 통신매체를 선점하기 위해 정의된 패킷들이다.", "본 논문에서는 이 패킷들에 NTS패킷과 STS패킷을 추가로 정의하여 사용한다.", "APL기법에서는 센서노드의 전송 타워를 적응적으로 조절함으로써 최소한의 앵커노드만이 위치인식 작업에 참여할 수 있도록 한다.", "</p><p>2장에서는 위치인식에 사용되는 기법들을 분석하며 3장에서는 위치추정에서 발생할 수 있는 문제점을 알아보고 4장에서는 제안하는 APL기법의 개념과 동작방식을 설명한다.", "5장에서는 실험을 통하여 성능을 평가하고 6장에서 결론을 맺는다.", "</p> <h1>5. 성능평가</h1><p>본 논문에서 제안된 APL기법을 NS-2를 이용하여 구현하였다.", "MAC계층으로는 802.11을 사용하였다.", "900개의 앵커노드를 배치하였다.", "노드간의 거리는 \\( 50 \\mathrm{~m} \\) 내외로 설정하였으며 노드의 통신 거리(라디오 범위)는 \\( 100 \\mathrm{~m} \\)로 설정하였다.", "센서노드의 수는 1개에서 최대 60개까지 증가시키면서 실험하였다.", "센서노드의 이동패턴은 Random WayPoint 모델을적 용하였으며 이동속도는 최소 \\( 1 \\mathrm{~m} / \\mathrm{s} \\)에서 최대 \\( 20 \\mathrm{~m} / \\mathrm{s} \\)까지로 설정하였다.", "센서노드가 NTS를 수신하거나 4개 이하의 앵커노드로부터 CTS를 수신한 경우에는 일정시간 후에 RTS를 재전송하도록 하였다.", "</p><p>(그림 8)은 위치 측정시 파워 조절을 통하여 노드간 간섭을 최소화하는 경우의 RTS패킷의 전송횟수를 보여준다.", "RTS패킷 전송횟수가 적을수록 노드간 간섭 횟수가 적었다는 것을 의미한다.", "그래프에서 FULL은 파워 조절없이 최대의 파워로 전송하는 경우이며 APL은 최소한의 앵커노드만 이 영역에 속하도록 파워를 조절하는 제안 기법을 나타낸다.", "그림에서 보듯이 위치측정에 참여하는 센서노드수가 적은 경우에는 파워 조절을 통한 효과가 거의 없는 것으로 나타나지만 센서노드수가 증가하면 제안하는 APL기법이 파워조절이 없는 경우(FULL)에 비해 적은 수의 RTS패킷을 전송함을 알 수 있다.", "실험에서 APL기법을 통해 파워 조절이 없는 경우와 비교해서 \\( 30 \\% \\sim 35 \\% \\)까지 RTS패킷 전송횟수를 줄일 수 있었다.", "라디오 전송에 매우 많은 에너지를 소모하는 센서노드에서 패킷 전송횟수를 줄이는 것은 에너지를 절약하는 매우 효과적인 방법이 된다.", "</p><p>4.2 절에서 살펴보았듯이 파워조절을 통하여 통신반경이 줄어들면 거리측정에 필요한 시간도 줄어들고 전체적으로 위치측정에 소요되는 시간도 줄어든다.", "이는 APL을 적용한 경우에 소요시간의 변화를 보여주는 (그림 9)에서 확인할 수 있다.", "(그림 9)를 보면 센서노드수가 1개인 경우에도 소요시간이 대폭 감소한 것을 볼 수 있다.", "실험상으로 소요시간이 1초 이상 감소하여 \\( 50 \\% \\) 이상의 감소폭을 보여주고 있다.", "위치측정을 하는 센서노드가 하나일 경우에도 파워조절을 통하여 통신반경을 줄이기 때문에 앵커노드당 보장시간이 줄어들고 결과적으로 전체적인 소요시간이 줄어드는 효과를 가져오고 있다.", "이러한 효과는 위치측정에 참여하는 노드수가 증가하더라도 유지되는 것을 그래프에서 확인할수 있다.", "</p><p>(그림 10)은 통신반경을 줄이는 경우 네트워크에서 수용가능한 최대 위치인식 노드수를 보여준다.", "앞서 4.4절에서 살펴보았듯이 통신반경이 줄어들면 수용가능한 노드수는 반비례로 지수적으로 증가한다.", "(그림 10)을 보면 통신반경이 \\( 100 \\mathrm{~m} \\)에서 \\( 10 \\mathrm{~m} \\)로 0.1 배로 감소하였을 때 최대 수용가능한 노드수는 100개에서 10000개로 100배 증가한 것으로 나타나파워 조절을 통한 통신반경을 줄이는 것으로 네트워크의 가용성이 크게 증가하는 것을 알 수 있다.", "</p> <h2>4.2 보장사항의 변화</h2><p>앞서 설명한 바와 같이 센서 노드의 통신반경을 조절함으로써 위치측정을 위한 보장사항의 영역을 크게 줄일 수 있다.", "(그림 6)은 통신반경 조절에 따른 보장영역의 변화를 보여준다.", "3.3절에서 살펴보았듯이 센서노드 S의 보장영역 GAS는 통신반경 R을 반지름으로 하는 원의 넓이가 되며 앵커노드를 위한 보장영역 GAA는 2R을 반지름으로 하는 원의 넓이가 되어 GAS의 4배가 된다.", "여기서 센서노드 S가 통신반경 R을 \\( R^{\\prime} \\) 로 줄이면 GAS도 \\( R^{\\prime} \\) 를 반지름으로 하는 \\( G A S^{\\prime} \\)로 줄어든다.", "센서노드의 통신반경이 줄어들면 앵커노드의 통신반경도 함께 줄어들기 때문에 앵커노드의 보장영역 GAA도 \\( 2 R^{\\prime} \\)를 반지름으로 하는 \\( G A A^{\\prime} \\)로 변경된다.", "</p><p>3.3절에서 살펴보았듯이 센서노드당 거리측정을 위해 보장되어할 시간(GTS)는 위치인식을 위해 필요한 최소한의 앵커노드수(MNRA, Minimum Number of Required Anchor)에 비례한다.", "여기서 GTS에 영향을 미치는 또 한가지 요인은 센서노드의 통신반경인 R이다.", "R이 클수록 보장해야할시간도 길어진다.", "반대로 R이 작아진다면 라디오 전파와 초음파가 영향을 미치는 영역이 줄어들기 때문에 GTS도 줄어든다.", "파워 조절을 통하여 통신반경 R이 \\( R^{\\prime} \\)로 줄어들 경우 \\( G T S^{\\prime} \\)도 줄어든다.", "</p><p>\\( G T S^{\\prime}=M N R A \\times \\frac{R^{\\prime}}{V_{U S}} \\)</p><h2>4.3 파워조절</h2><p>센서노드의 통신반경을 조절하기 위해서는 전송 파워를 조절해야만 한다.", "센서노드에서 전송하는 라디오의 전파모델로는 Shadowing Model을 가정한다.", "Shadowing model은 전파가 여러 경로로 전달되기 때문에 특정 거리에서 수신하는 전파의 세기가 임의의 변수가 되는 Fading effect를 반영한다.", "Shadowing model은 크게 두 부분으로 구성된다.", "첫번째 부분은 d만큼 떨어진 거리에서의 평균 수신 전파 세기를 예측하는 경로 손실 모델 (Path loss model)로서 초기기준값인 \\( \\mathrm{d}_{0} \\) 와의 상대적인 값을 아래와 같이 계산한다.", "</p><p>\\( \\frac{P_{r}\\left(d_{0}\\right)}{\\overline{P_{r}(d)}}=\\left(\\frac{d}{d_{0}}\\right)^{\\beta} \\)</p><p>\\( \\beta \\) 는 경로 손실 지수 (Path loss exponent)로서 주로 필드상에서의 실험으로 구해지며 일반적으로 표1에 명시된 값을 사용한다. \\", "( \\mathrm{P}_{\\mathrm{r}}\\left(\\mathrm{d}_{0}\\right) \\) 는 Free space상에서 거리에 따른 수신 전파 세기를 계산하는 다음 수식으로 구할 수 있다.", "</p><p>\\( P_{r}(d)=\\frac{P_{t} G_{t} G_{r} \\lambda^{2}}{(4 \\pi)^{2} d^{2} L} \\)</p><p>\\( \\mathrm{P}_{\\mathrm{t}} \\) 는 전송시 전파 세기를 나타내며, \\( \\mathrm{G}_{\\mathrm{t}} \\)와 \\( \\mathrm{G}_{\\mathrm{r}} \\) 은 각각 전송자와 수신자의 안테나 이득을, \\( \\mathrm{L} \\) 은 시스템 손실을 나타내고 \\( \\lambda \\)는 전파의 파장을 나타낸다.", "일반적으로 \\( \\mathrm{G}_{\\mathrm{t}} \\) 와 \\( \\mathrm{G}_{\\mathrm{r}} \\) 그리고 \\( \\mathrm{L} \\)값은 1로 설정된다.", "</p><table border><caption><표 1>환경에 따른 경로 손실 지수의 예</caption><tbody><tr><td colspan=2>EnvIronment</td><td>\\( \\beta \\)</td></tr><tr><td rowspan=2>Outdoor</td><td>Free Space</td><td>2</td></tr><tr><td>Shadowed urban area</td><td>2.7 to 5</td></tr><tr><td rowspan=2>In building</td><td>Line-of-sight</td><td>1.6 to 1.8</td></tr><tr><td>Obstructed</td><td>4 to 6</td></tr></tbody></table><p>경로 손실은 일반적으로 dB로 측정되며 위의 경로 손실모델은 아래와 같이 정리될 수 있다.", "</p><p>\\( \\left[\\frac{\\overline{P_{r}(d)}}{P_{r}\\left(d_{0}\\right)}\\right]_{d B}=-10 \\beta \\log \\left(\\frac{d}{d_{0}}\\right) \\)</p><p>Shadowing model의 두 번째 부분은 특정한 거리에서 수신된 전파 세기의 변화를 반영하는 log-normal randomvariable을 적용하는 것이다.", "log-normal random variable은가우시안 분포를 따른다.", "전체적인 shadowing model은 아래수식과 같다.", "</p><p>\\( \\left[\\frac{P_{r}(d)}{P_{r}\\left(d_{0}\\right)}\\right]=-10 \\beta \\log \\left(\\frac{d}{d_{0}}\\right)+X_{d B} \\)</p><p>Xdb는 평균값과 표준편차를 0으로 하는 가우시안 랜덤변수로서 shadowing deviation이라 불리며 필드상에서의 실험으로 구해진 값을 사용할 수 있다.", "</p><p>위 수식을 통해 거리 d에 도달하기 위한 파워는 다음과 같이 구할 수 있다.", "</p><p>\\( P_{r}(d)=P_{r}\\left(d_{0}\\right)\\left(-10 \\beta \\log \\left(\\frac{d_{t}}{d_{0}}\\right)+X_{d B}\\right) \\)</p><p>< 표 3>은 위 수식을 이용하여 거리에 따른 파워를 계산하는 알고리즘을 코드화한 것이다.", "</p><p>위에서 정리한 거리에 따른 파워계산 알고리즘을 이용하여 파워를 조절하기 위해서는 전파를 전달하고자하는 통신범위를 정하기 위한 최소의 통신거리(통신반경)를 구해야만 한다.", "여기서 최소의 통신거리는 위치측정 작업에 참여하는 앵커노드수를 최소화시키는 값을 의미한다.", "최소한의 앵커노드만 위치측정 작업에 참여하도록 하기위해서는 센서노드</p><table border><caption><표 2>환경에 따른 shadowing deviation 예</caption><tbody><tr><td>Enviromment</td><td>\\( X_{d B} \\)</td></tr><tr><td>Outdoor</td><td>4 to 12</td></tr><tr><td>Office, hard partition</td><td>7</td></tr><tr><td>Office, soft partition</td><td>9.6</td></tr><tr><td>Factory, line-of-sight</td><td>3 to 6</td></tr><tr><td>Factory, obstructed</td><td>6.8</td></tr></tbody></table><p>와 제일 가까운 노드들 중에서 필요한 수만큼의 앵커노드만 거리측정 작업을 수행하도록 하여야만 한다.", "하지만 센서노드는 자신의 정확한 위치를 알지 못하기 때문에 어떠한 앵커노드가 자신과 가까운지 알 수 가 없다.", "이러한 문제점을 해결하기 위하여 본 논문에서는 RTS/CTS를 통해 수집된 앵커노드들의 위치정보를 이용하여 센서노드의 대략적인 위치를 계산하도록 한다.", "이를 위해서는 네트워크에 앵커노드들이 무작위로 밀집하여 설치되어 있어야 한다는 가정이 필요하다.", "</p><p>센서노드로부터 RTS패킷을 수신한 앵커노드는 CTS/NTS패킷에 자신의 위치정보를 담아서 센서노드로 전송한다.", "센서노드는 수집된 앵커노드들의 좌표값의 평균을 내어 자신의 대략적인 위치를 계산한다.", "대략적인 위치로부터 가까운 순서대로 필요한 만큼의 앵커노드를 선택하고 이 앵커노드들 중 제일 거리가 먼 노드까지의 거리를 기반으로 패킷 전송 파워를 계산하여 통신반경을 조절하도록 한다.", "여기서 대략적인 위치는 어디까지나 평균적인 값이기 때문에 오차가 발생할 수 있어 필요한 만큼의 앵커노드를 포함시키지 못할 수 도 있다.", "이러한 문제점을 해결하기 위하여 앵커노드의 밀집도에 따라 필요한 앵커노드수보다 많은 수의 앵커노드를 포함하도록 하거나 통신거리를 늘리도록 한다.", "표4는 RTS/CTS패킷을 이용하여 앵커노드들의 정보를 수집하고 이를 바탕으로 파워를 조절하는 알고리즘을 코드화한것이다.", "</p><h2>4.4 파워 조절을 통한 이득</h2><p>센서네트워크에서 최대로 수용가능한 위치인식 노드수는 노드의 통신반경에 지수적으로 반비례한다.", "(그림 7)에서 보듯이 통신반경이 클수록 수용가능한 노드수는 줄어들며 통신 반경이 작아지면 노드수는 증가한다.", "(그림 7)에서 (B)는 (A)에서의 통신반경에 반으로 설정한 경우 (R2=R1/ 2)로 9개의 노드를 수용할 수 있는 (A)에 비해 (B)는 최대로 수용가능한 위치인식 노드수가 36 개로 네 배로 증가하는 것을 볼 수 있다.", "</p> <h1>4. APL</h1><h2>4.1 기본 개념</h2><p>본 논문에서는 노드들 간의 라디오 주파수나 초음파 등의 충돌을 방지하여 거리 측정이 효율적으로 이루어지도록 하는 노드간 상호배제에 기반한 위치 인식기법 APL을 제안한다.", "제안하는 시스템에서는 앵커노드들을 여러 노드들이 동시에 접근하는 임계영역으로 간주하며 상호배제를 통하여 노드간에 자원접근에 대해 동기화시킨다.", "임계영역이란 여러 개의 프로세스들이 공유하는 데이터 및 자원에 대하여 어느 한 시점에서는 하나의 프로세스만 자원 또는 데이터를 사용하도록 지정된 공유 자원으로, 임계영역은 특정 프로세스가 독점할 수 없다.", "상호배제란 특정 프로세스가 공유 자원을 사용하고 있을 경우 다른 프로세스가 해당 공유 자원을 사용하지 못하게 제어하는 기법이다.", "</p><p>제안하는 APL기법에서는 센서노드가 위치 측정 작업 전에 RTS(Ready To Send)패킷을 전송 하여 앵커노드 자원을 예약하고 센서노드로부터 RTS를 수신한 주위의 앵커 노드들은 CTS(Clear To Send)패킷을 통하여 자원이 예약되었음을 알린다.", "만약 이미 다른 사용자가 앵커노드 자원을 예약한 경우에는 NTS(Not To Send)패킷을 전달하여 작업을 연기하도록 한다.", "주위 앵커노드들로부터 CTS를 수신한 센서노드는 STS(Start to Send)패킷을 전달하여 거리측정의 시작을 알린다.", "STS패킷에는 거리측정을 실행할 앵커노드들의 순서가 들어 있어 앵커노드간 충돌을 방지한다.", "RTS패킷과 CTS패킷은 IEEE 802.11무선통신 표준에서 노드간 통신시 통신매체를 선점하기 위해 정의된 패킷들이다.", "본 논문에서는 이 패킷들에 NTS패킷과 STS패킷을 추가로 정의하여 사용한다.", "</p><p>센서네트워크에 설치된 앵커노드의 밀집도가 높아 센서노드의 통신반경 안에 많은 수의 앵커노드가 존재할 경우 한센서노드의 위치측정 작업이 많은 수의 앵커노드에 영향을 미칠 수 있다.", "본 논문에서 위치인식에 기반이 되는 삼각측량법에서는 최소한 3 개의 앵커 노드를 필요로 한다.", "센서노드의 통신반경 안에 있는 앵커노드들 중에서 세 개를 제외한 노드들은 불필요하게 점유되는 것으로 다른 센서노드가 이 앵커노드들을 이용할 수 있도록 하면 네트워크의 효율성을 높일 수 있다.", "APL기법에서는 센서노드의 전송 파워를 적응적으로 조절함으로써 최소한의 앵커노드만이 위치인식 작업에 참여할 수 있도록 한다.", "</p><p>(그림 5)는 통신반경 조절에 따른 노드간 간섭영역의 변화를 보여준다.", "그림에서 두 센서노드 A와 B노드는 서로의 통신반경에 속하지 않기 때문에 상대 노드가 위치측정 작업을 수행하는 것을 인식하지 못한다.", "만약 A노드가 위치측정작업을 수행하는 동안에 B노드가 위치측정 작업을 수행하고자 하면 상호배제 기법에 따라 1,2,3번 노드가 NTS패킷을 전송하게 되어 B노드는 일정시간 동안 위치측정 작업을 연기하여야만 한다.", "이 경우에 A노드가 A노드는 자신과 제일 인접한 3개의 노드만을 포함하도록 통신반경을 R1에서 R3로 줄이고 위치측정 작업을 수행한다면 애기가 달라진다.", "A노드가 통신반경을 줄이면 3번 노드는 여전히 A노드의 통신반경에 속하지만 1번노드와 2번 노드는 A의 통신반경에서 벗어나게 된다.", "A노드가 위치측정 작업을 진행하는 동안에 B노드가 위치측정 작업을 시작하기 위해 RTS 패킷을 전송하면 1번 노드와 2번 노드는 CTS 패킷을 전송하지만 3번 노드는 A노드의 통신반경에 속하기 때문에 NTS 패킷을 전송한다.", "이때 B노드도 A노드와 마찬가지로 자신과 제일 가까운 3개의 노드만을 포함하도록 통신반경을 R1에서 R2로 조절하면 1,2,3번 세 노드 모두 통신반경에서 벗어나게 된다.", "두 노드가 통신반경을 최소한으로 줄임으로써 3.3절에서 정한 보장영역이 줄어들게 된다.", "</p> <h1>5. 결 론</h1><p>유비쿼터스 환경에서는 사용자의 위치를 실시간으로 인식하는 것이 매우 중요하다.", "이를 위해 많은 센서노드들을 배치하여 위치를 인식하는 기법들이 제안되고 개발되고 있다.", "하지만 대부분의 위치인식 기법들은 정적인 노드나 단일 노드의 위치인식에만 집중하고 있다.", "이를 많은 이동 사용자들의 위치를 실시간으로 파악해야하는 현실에 적용하면 많은 문제점들이 발생할 수 있다.", "</p><p>본 논문에서는 다중 사용자들이 한 지역에서 동시에 위치인식 작업을 수행하는 경우에 발생하는 충돌문제를 해결하는 방안으로 APL기법을 제안하였다.", "APL기법은 상호배제를 통한 임계영역 설정으로 센서노드간 앵커노드를 효율적으로 사용할 수 있도록 설계되었다.", "CTS와 RTS를 이용하여 충돌을 회피함으로써 위치인식 작업이 효율적으로 이루어지도록 한다.", "또한 노드간 간섭을 최소화할 수 있도록 전송파워를 조절함으로써 RTS전송횟수를 줄이면서 위치측정소요시간도 줄이는 효과를 가져올 수 있었다.", "</p><p>향후에는 모든 노드들이 이동하는 상황에서 위치인식에 관한 연구를 진행할 예정이다.", "</p> <h1>요약</h1><p>이동 사용자의 위치 정보를 제공하는 위치인식서비스는 센서네트워크가 제공하는 대표적인 서비스이다.", "그동안 이동 사용자의 위치정보를 획득하기 위한 다양한 기법들이 제시되어 왔다.", "하지만 대부분의 기법들은 단일 사용자인 경우만 고려하여 연구되어 이를 다중 사용자인 경우로 확장하기에는 문제가 있다.", "여러 이동 사용자들이 한 지역에서 동시에 위치인식 작업을 수행하는 경우에 센서노드들이 발생시키는 라디오 주파수나 초음파 등이 서로 간에 간섭을 발생시킬 수 있다.", "본 논문에서는 여러 이동 사용자들이 동시 다발적으로 위치확인 작업을 수행하고자 하는 경우에 발생 가능한 간섭을 최소화 하는 적응적 파워 조절에 기반한 위치인식 기법인 APL(\\( \\underline{A} \\)daptive \\( \\underline{P} \\)ower Control based Resource Allocation Technique for Efficient \\( \\underline{L} \\)ocalization Technique)기법을 제안한다.", "APL기법은 센서노드가 위치인식 작업을 수행하기 전에 주위에 있는 앵커노드를 선점하여 점유함으로써 노드간의 간섭을 방지한다.", "이를 위해 IEFE 802.11에 정의된 RTS(Ready To Send)패킷을 자원 선점을 요청하는데 사용하며 CTS(Clear To Send)패킷을 자원 선점을 확인하는데 사용한다.", "반대로 이미 앵커노드가 다른 노드에 의해 선점하여 위치인식 작업을 방해할 가능성이 있는 경우 해당 앵커노드들을 임계영역으로 정의한다.", "임계영역 처리를 위한 NTS(Not To Send) 패킷을 새로이 정의하여 노드 간에 간섭이 발생하지 않도록 한다.", "추가적으로 거리측정 작업시 앵커노드간 동기화를 위한 STS(Start to Send)패킷을 새로이 정의한다.", "최종적으로 센서노드의 전송 파워를 적응적으로 조절하여 작업이 영향을 미치는 영역을 최소화하도록 한다.", "실험을 통하여 이동 사용자가 다수일 경우 노드 간에 간섭이 많이 발생함을 보이며 제안한 APL기법이 위치인식 작업시 간섭을 방지함을 보인다.", "</p> <h1>3. 문제정의</h1><p>본 논문에서는 라디오주파수( RF, Radio Frequency)와 초음파(US, UltraSound)속도차이로 인한 도달 시간 차이(TDOA, Time Difference of Arrival)를 이용하여 두 노드간의 거리를 측정하며 측정된 거리를 바탕으로 삼각측량법으로 노드의 위치를 인식하는 것으로 가정한다.", "네트워크는 자신의 위치를 알고 있는 앵커노드(Anchor Node)와 위치를 알고자 하는 일반 센서노드(Sensor Node)로 구성된다.", "앵커노드와 센서노드는 각각 라디오주파수를 송수신할 수 있는 라디오 안테나와 초음파를 송수신할 수 있는 초음파송수신기를 장착하고 있는 것으로 가정한다.", "센서노드는 네트워크에서 임의의 위치로 이동할 수 있으며 주기적으로 위치를 파악하고자 한다.", "삼각측량법으로 위치를 인식하려면 센서노드는 최소한 세 개의 앵커노드와 연결이 되어야만 한다.", "</p><h2>3.1 스케즐링 필요성</h2><p>앵커노드와 센서노드사이에 측정된 거리 정보로 삼각측량법을 이용하여 센서노드의 위치를 계산하기 위해서는 최소 세 개의 앵커노드와의 거리가 필요하다.", "센서노드는 세 개의 앵커노드와 앞서 설명한 거리 측정방식을 통하여 각각의 거리를 측정하여만 한다.", "이때 앵커노드간에 거리측정의 순서를 정할 필요가 있다.", "(그림 1)에서 보듯이 두 개의 앵커노드가 동시에 거리측정 작업을 시작하면 무선 네트워크의 특성상 센서노드에서 라디오 전파와 초음파가 충돌하게 된다.", "이러한 충돌을 방지하기 위해서는 센서노드에서 앵커노드들의 작업 순서를 정하여 작업을 스케즐링함으로써 하나의 앵커노드가 거리를 측정하는 동안에 다른 앵커노드가 방해하는 일이 없도록 해야 한다.", "</p><h2>3.2 상호배제 필요성</h2><p>위에 언급된 기법을 이용하여 둘 이상의 센서노드들이 동시에 거리측정을 하고자 하는 경우 노드들이 전송하는 라디오주파수와 초음파들에 충돌이 발생할 수 있다.", "(그림 2)에서처럼 두 개의 센서노드 S1과 S2가 동시에 거리를 측정하고자 하는 경우를 가정해볼 수 있다.", "두 센서노드 S1과 S2에는 서로의 라디오주파수 범위에서는 벗어나 있으나 앵커노드 A1과 앵커노드 A2은 센서노드 S1과 S2에 모두 속해 있기 때문에 두 앵커노드중 하나의 앵커노드가 거리측정 작업을 수행하는 동안에 다른 앵커노드가 거리측정 작업을 시작하면 두 앵커노드가 전송하는 라디오주파수와 초음파가 센서노드에서 충돌하거나 거리측정에 오류를 발생시킬 수 있다.", "</p><p>(그림 3)은 두 센서노드 S1과 S2가 동시에 거리측정을 하는 경우 라디오 주파수와 초음파의 도달순서의 오류로 인하여 거리측정에 오류가 발생하는 예시를 보여준다.", "센서노드 S1과 센서노드 S2의 라디오주파수와 초음파는 다음과 같은 과정을 거친다.", "</p><ul><li>T1 : 앵커노드 A1이 라디오주파수 RF-A1와 초음파 US-A1을 센서노드 S1으로 송신</li><li>T2 : RF-A1이 센서노드 S1에 도달</li><li>T3 : 센서노드 S2가 앵커노드 A2로 거리측정을 요청</li><li>T4 : RF-A2가 센서노드 S1에 도달</li><li>T5 : US-A2가 센서노드 S1에 도달</li><li>T6 : US-A1이 센서노드 S1에 도달</li></ul><p>여기서 문제는 나중에 거리측정에 참여한 센서노드 S1의 요청에 의해 앵커노드 A2가 전송한 초음파 US-A2가 센서노드 S1에 도달한다는 것이다.", "거리측정에 사용되는 초음파는 단순한 펄스신호이기 때문에 초음파만으로는 초음파를 송신한 노드가 어떤 노드인지 파악할 수 없다.", "따라서 센서노드 S1 은 US-A2가 앵커노드 A1에서 송신한 것인지 아니면 앵커노드 A2에서 송신한 것인지 구분할 수 없다.", "</p><h2>3.3 보장사항</h2><p>여러 센서노드들의 정확한 거리측정을 보장하기 위해서는 하나의 센서노드가 거리측정을 하고 있는 동안에는 다른 센서노드들이 이를 방해하지 않도록 해야만 한다.", "(그림 4)는 센서노드 S가 거리를 측정하고자 하는 경우 이에 영향을 미치는 범위를 보여준다.", "센서노드 S의 통신거리가 R인 경우 이에 영향을 미치는 영역 즉 거리측정을 위해 보장해야하는 영역(GA, Guarantee Area)은 다음과 같다.", "</p><p>\\( G A=\\pi(2 R)^{2}=4 \\pi R^{2} \\)</p><p>여기서 센서노드 S와 앵커노드 A의 통신거리 R은 동일한 것으로 간주한다.", "센서노드 S의 거리측정을 보장하기 위해서는 센서노드 S의 통신범위 R내에 있는 앵커노드들의 범위에 있는 다른 센서노드들이 거리측정을 시도하지 말아야 한다.", "따라서 보장범위가 R의 2배인 2R이 되고 범위는 4배가 된다.", "</p><p>보장영역 GA는 크게 센서노드의 통신범위에 속하는 보장영역 (GAS, Guarantee Area for Sensor)과 센서노드의 통신범위의 밖이지만 앵커노드의 통신범위에 속하는 보장영역 (GAA, Guarantee Area for Anchor)로 나눌 수 있다.", "</p><p>센서노드의 통신범위가 R이고 초음파의 속도가 \\( \\mathrm{V}_{\\mathrm{US}} \\)인 경우 앵커노드당 거리측정을 보장하기 위한 시간 (GTA, Guarantee Time for Anchor )은 다음과 같이 구할 수 있다.", "</p><p>\\( G T A=\\frac{R}{V_{U S}} \\)</p><p>즉 센서노드의 통신범위가 R인 경우에 \\( 4 \\pi R^{2} \\)인 영역에서 \\( \\frac{R}{V_{U S}} \\)시간 동안에는 하나의 센서노드만이 거리측정이 가능하도록 보장하여야만 한다.", "</p><p>센서노드 입장에서는 최소 세 개의 앵커노드와 거리측정작업을 수행해야 하기 때문에 보장 시간이 길어진다.", "센서노드당 거리측정을 위해 보장되어할 시간(GTS, Guarantee Time for Sensor)는 위치인식을 위해 필요한 최소한의 앵커노드수(MNRA, Minimum Number of Required Anchor)에 비례한다.", "</p><p>\\( G T S=M N R A \\times \\frac{R}{V_{U S}} \\)</p>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "모바일 무선 센서 네트워크에서 적응적 파워 조절 기반 효율적인 위치인식 기법", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-f72fddf1-7397-4c64-bbfe-418a602a075c", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "이좌형", "정인범" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>앞에서 언급한 직접 및 간접 피해액을 다시 정리하면<표 2>과 같다.", "<표 3>에는 식에서 사용한 변수들을 정리하고 있다.", "</p> <table border><caption> <표 2>인터넷 공격 피해 비용 모델 식 정리</caption> <tbody><tr><td colspan=4>피해 비용</td><td>식</td></tr><tr><td colspan=4>총피해액</td><td>\\( D_ {\\text { total } } =D_ {\\text { dam } } + I N D_ {\\text { dam } } \\)</td></tr><tr><td rowspan=10></td><td colspan=3>직접비용 \\( \\left (D_ { d w m } \\right ) \\)</td><td>\\( D_ {\\text { dan } } =D_ {\\text { yytetem } } + D_ { p r o } + D_ { r e v } \\)</td></tr><tr><td rowspan=6></td><td colspan=2>시스템 복구비용 \\( \\left (D_ {\\text { system } } \\right ) \\)</td><td>D = \\( D_ {\\text { systam } } = \\left \\{ M_ { c } + D_ { s v } + \\left (d_ { r } \\times E_ { a d } \\right ) \\right \\} \\times N_ {\\text { inf } } \\)</td></tr><tr><td rowspan=3></td><td>하드웨어 복구비용 \\( \\left (M_ { c } \\right ) \\)</td><td>\\( M_ { c } =P_ { b c } \\times C_ { b } \\)</td></tr><tr><td>소프트웨어 복구비용 \\( \\left (D_ { s w } \\right ) \\)</td><td>\\( \\left . \\", "left (d_ { r } \\times E_ { a d } \\right ) \\right \\} \\times N_ {\\inf } \\)</td></tr><tr><td>시스템 복구 관리비용</td><td>\\( \\left . \\", "left (d_ { r } \\times E_ { a d } \\right ) \\right \\} \\times N_ {\\text { inf } } \\)</td></tr><tr><td colspan=2>생산성 손실 비용 \\( \\left (D_ {\\text { pro } } \\right ) \\)</td><td>\\( D_ { p r o } =d_ { 0 } \\times D_ {\\text { time } } \\times E_ { n o } \\times P_ { n t t } \\)</td></tr><tr><td colspan=2>매출 손실 비용</td><td>\\( D_ { r e v } =d s_ { 0 } \\times \\frac { R_ { a } } { d s_ { a } } \\times P_ {\\text { inf } } \\)</td></tr><tr><td colspan=3>간접비용 \\( \\left (I N D_ { d m m } \\right ) \\)</td><td>\\( I N D_ {\\text { dann } } =D_ {\\text { iia } } + D_ {\\text { cumbmer } } \\)</td></tr><tr><td rowspan=2></td><td colspan=2>피해배상비용 \\( D_ {\\text { lia } } \\) )</td><td>\\( D_ {\\text { lia } } =N_ { c u r } \\times C_ { c } \\times d_ { o } \\times P_ {\\text { clais } } \\)</td></tr><tr><td colspan=2>소비자기회비용( \\( \\left .D_ {\\text { customer } } \\right ) \\)</td><td>D = \\( D_ {\\text { curromer } } = \\left \\{ C_ { A } + C_ { P } \\right \\} \\times R_ { C } \\)</td></tr></tbody></table> <table border><caption> <표 3>식에서 사용한 변수들</caption> <tbody><tr><td>변수</td><td>의 미</td><td>변수</td><td>의 미</td></tr><tr><td>\\( D_ {\\text { total } } \\)</td><td>경제적인 총 피해.", "</td><td>\\( E_ { n o } \\)</td><td>피해 기업의 임직원 수,</td></tr><tr><td>\\( D_ {\\text { тулав } } \\)</td><td>시스템 복구 총 비용.", "</td><td>\\( E_ { c o } \\)</td><td>직원 1인당 생산성.", "</td></tr><tr><td>\\( D_ { p r o } \\)</td><td>생산성 손실 비용.", "</td><td>\\( d_ { a } \\)</td><td>직원 1인당 근무 시간,</td></tr><tr><td>\\( D_ { r e v } \\)</td><td>기업의 매출 손실.", "</td><td>\\( d_ { 0 } \\)</td><td>근무 불능 시간.", "</td></tr><tr><td>\\( D_ { l i a } \\)</td><td>소비자 피해 배상 비용.", "</td><td>\\( P_ { n e t } \\)</td><td>피해 기업의 네트워크의 손설률.", "</td></tr><tr><td>\\( D_ {\\text { customer } } \\)</td><td>소비자 기회 비용.", "</td><td>\\( d s_ { 0 } \\)</td><td>서비스 불능 시간.", "</td></tr><tr><td>\\( D_ { s v } \\)</td><td>소프트웨어 복구 비용.", "</td><td>\\( R_ { a } \\)</td><td>기업의 전체 매출.", "</td></tr><tr><td>\\( M_ { c } \\)</td><td>하드웨어 복구 비용.", "</td><td>\\( d s_ { a } \\)</td><td>기업의 서비스 시간,</td></tr><tr><td>\\( d_ { t } \\)</td><td>시스톤 복구 시간.", "</td><td>\\( P_ {\\text { inf } } \\)</td><td>침헤사고 영향도.", "</td></tr><tr><td>\\( E_ { a d } \\)</td><td>시스템 복구 관리자 급여.", "</td><td>\\( N_ {\\mathrm { cwz } } \\)</td><td>서비스 가입 초비자 수,</td></tr><tr><td>\\( N_ {\\text { inf } f } \\)</td><td>피해 시스템 수</td><td>\\( C_ { c } \\)</td><td>소비자 1인당 피해 보상금,</td></tr><tr><td>\\( P_ {\\text { idata } a } \\)</td><td>복구 불가능한 자료 비율</td><td>\\( P_ {\\text { ciaim } } \\)</td><td>소비자 피해 비율.", "</td></tr><tr><td>\\( D_ {\\text { data } } \\)</td><td>복구 가능한 자료 비용.", "</td><td>\\( C_ { A } \\)</td><td>실제 계약 해지 소비자 수.", "</td></tr><tr><td>\\( D_ { i d a n a x } \\)</td><td>복구 불가능한 자료 비용.", "</td><td>\\( C_ { P } \\)</td><td>계약 보류 소비자 수,</td></tr><tr><td>\\( P_ { h e } \\)</td><td>하드웨어 손실률.", "</td><td>\\( R_ { C } \\)</td><td>소비자 평균 매출액.", "</td></tr><tr><td>\\( C_ { h a v } \\)</td><td>하드웨어 복구비용.", "</td><td></td><td></td></tr></tbody></table> <h1>3. 인터넷 침해사고로 인한 경제적인 피해 산출</h1> <p>이번 장에서는 3장에서 제시한 모델에 기초하여 가상적인 인터넷 공격의 상황에서의 그 피해액을 산출할 것이다.", "여러 종류의 서비스를 제공하는 기업들이 있지만 본 논문에서는 인터넷과 가장 관련이 깊은 ISP에 대한 경제적인 피해를 산출할 것이다.", "</p> <h2>3.1 직접적인 피해액 산출</h2> <h3>3.1.1 시스템 복구비용 산출</h3> <p>시스템 복구비용에는 하드웨어 복구비용과 소프트웨어 복구비용 그리고 복구관리자 비용이 포함된다.", "이 중 하드웨어 복구 비용은 하드웨어 손상율과 하드웨어 평균 복구비용으로 구할 수 있다.", "인터넷 공격의 유형 중에는 하드웨어만 중점적으로 손상을 주는 공격이 있는데 이런 유형의 공격은 전체 인터넷 공격의 유형 중에서 극히 일부분에 지나지 않기 때문에 본 논문에서는 하드웨어 손상율을 0.1로 가정해서 사용했다.", "그리고 하드웨어 평균 복구비용은 2005년 8월의 PC 부품별 소매시장 가격의 자로를 토대로 하드웨어의 주요소인 메모리, CPU, 메인보드 등의 평균값을 계산하여 40만원으로 책정 했다.", "</p> <p>소프트웨어 복구비용은 복구 가능한 자료와 불가능한 자료의 복구비용으로 나눌 수 있다.", "이때 복구 가능 및 불가능한 비율은 국내 자료 복구업체 중 하나인 (주)명정보기술의 자료 복구율을 토대로 구했다. (주)", "명정보기술의 자료 복구율을 살펴보면 소프트웨어 복구율이 77.73%이다.", "이를 바탕으로 복구 가능 비율을 0.78로 정했고 불가능한 비율을 0.22로 정했다.", "</p> <p>또한 국내 자료 복구업체들의 평균 자료 복구비용을 나타낸<표 4>를 보면 알 수 있듯이 복구 가능한 자료의 복구비용은 평균 15만원인데 반해서 불가능한 자료의 복구비용은 David. M. Smith가 작성한 보고서인 \"The Cost of Lost Data\"의 내용을 참조해서 약 2000 만원으로 책정했다.", "또한 복구관리자 비용은 복구관리자의 생산성과 복구시간으로 구할 수 있다.", "이 중 복구시간은 인터넷 공격에 대한 패치 프로그램을 개발하는 시간을 8 시간으로 그리고 시스템을 복구하는 시간을 8시간으로 가정해서 총 복구시간을 16시간으로 선택했다.", "그리고 복구관리자의 생산성은 노동부가 통계를 낸 국내 정보통신업계 근로자의 평균 연봉을 바탕으로 계산했다.", "그리고 피해를 입은 시스템의 수는 네트워크 손실률을 참고로 해서 산출했다.", "</p> <table border><caption> <표 4>자료 복구 업체들의 평균 자료 복구비용</caption> <tbody><tr><td>자료 복구 업체</td><td>Win98/ME/NT/2000/XP</td></tr><tr><td>자료 맥</td><td>15만원</td></tr><tr><td>자료 올</td><td>15만원</td></tr><tr><td>(주)명 정보기술</td><td>15만원</td></tr><tr><td>(주)자료 복구 센터</td><td>15만원</td></tr><tr><td>제이네</td><td>15만원</td></tr></tbody></table> <h1>요 약</h1> <p>최근 우리 사회는 인터넷과 네트위크의 발전에 따라 자유롬게 정보를 공유하거나 습득하게 되었다.", "그러나 인터넷의 발전으로 인해서 그에 대한 역기능도 나타나게 되었다.", "내표직인 역기능이 바로 인더넷 공격이다.", "인더넷 공격은 여러 분야에서 많은 피해를 주는데, 특히 경제적인 측면에서의 그 피해는 어마어마하다.", "특히 기업의 경우는 이런 경제적인 피해에 민감하다.", "그러나 국내에서는 이런 인터넷 공격으로 인한 경제적인 피해를 산정하는 모델에 관한 연구가 미비하다.", "따라서 본 논문에서는 인터넷 공격으로 인한 경제적인 측면의 피해를 산출하는 하나의 모델을 제시하고 그 모델의 기준에 따라 가상적인 인터넷 공격의 피해를 산정할 것이다.", "</p> <h1>1. 서 론</h1> <p>인터넷은 정보가 시간과 공간을 넘어 실시간으로 전달되는 것을 가능하게 해 준다.", "이런 인터넷과 네트워크 환경의 발달로 인해서 모든 업무 처리 및 일상 생활이 더욱 편리해졌다.", "그러나 네트워크가 발전함에 따라 이에 대한 부정적인 면도 나타나고 있는데 가장 대표적인 것으로 인터넷 침해사고를 꼽을 수 있다.", "이런 침해사고는 인터넷 웜 및 분산 서비스 거부 공격(DDoS) 등 여러 가지 형태로 나타나고 있다.", "이 중 분산 서비스 거부 공격(DDoS)은 인터넷상에서 다수의 시스템이 협력하여 하나의 표적 시스템을 공격함으로써 시스템을 마비시키는 공격을 말한다.", "그리고 인터넷 웜은 자기 복제 능력을 가진 것으로써 자동으로 취약성이 있는 시스템을 찾아서 공격하는 메커니즘을 가지고 있는 악성 코드의 일종이다.", "인터넷 웜은 1990년대 초반 Moris웜이 출현한 이후 다양한 종류의 웜이 지속적으로 나타나고 있었지만 그 피해가 적어 잘 알려지지 않고 있었다.", "</p> <p>인터넷은 누구든지 정보의 위치와 관계없이 어디에서나 정보를 얻을 수 있다는 점 때문에 이에 대한 여러 가지 공격이 더욱 파괴적이며 광범위하다.", "이런 공격들은 네트워크를 사용하는 사용자들에게 악영향을 끼칠 뿐만 아니라 그 피해 또한 측정할 수 없을 만큼 엄청나다.", "이러한 부정적인 면에 대처하기 위해서 방화벽이나 침입 탐지 시스템(IDS) 등과 같은 많은 연구가 이루어지고 있다.", "특히 경제적인 이익을 목적으로 하는 기업들이 이런 인터넷 보안에 많은 관심을 가지고 있다.", "</p> <p>그러나 인터넷 침해사고는 워낙 광범위하고 다양한 분야로 전파되기 때문에 이로 인한 피해를 사전에 \\( 100 \\% \\)예방하는 것은 어렵다.", "따라서 침해사고가 발생했을 때 실질적인 피해액을 산출하는 방법에 대한 연구가 필요하다.", "이런 결과는 기업체로 하여금 인터넷 침해사고에 대한 예비 방어 비용과 피해액 그리고 사고 처리시 발생되는 처리 비용에 대한 비교, 검토를 가능하게 할 것이다.", "</p> <table border><caption> <표 1>인터넷 공격으로 인한 경제적인 피해 통계</caption> <tbody><tr><td colspan = 2>인터넷 침해사고의 경제적인 영향(2000-2005)</td></tr><tr><td>2006</td><td>133억불</td></tr><tr><td>2005</td><td>142억불</td></tr><tr><td>2004</td><td>175억불</td></tr><tr><td>2003</td><td>130억불</td></tr><tr><td>2002</td><td>111억불</td></tr><tr><td>2001</td><td>132억불</td></tr><tr><td>2000</td><td>171억불</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "인터넷 침해사고로 인한 기업의 경제적인 피해 산출 모델 및 케이스 연구", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-fc397344-0369-451e-8845-93a87f1b01aa", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "장종호", "정기현", "최경희" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>I.", "서 론</h1> <p>청각 장애 (hearing impairments)의 형태는 크게 외이, 고막, 중이 둥 소리를 전달해주는 기관의 장애로 인하여 음파의 전달이 정상적으로 이루어지지 않는 상태로 발생하는 전음성 난청 (conductive hearing loss)와 달팽이관의 소리를 감지하는 기능에 이상이 생기거나 소리에 의한 자극을 뇌로 전달하는 청신경 또는 중추신 경계의 이상으로 발생하는 감각신경성 난청 (sensorineural hearing loss)로 구분된다.", "현재 전음성 난청의 경우는 대부분 수술적으로 교정이 가능해지면서 감각신경성 난청의 해결이 더욱 중요해지고 있다.", "</p> <p>지난 수십 년 동안, 전기회로 (electrical circuit)를 이용하여 손상된 내이의 청각 신경로 (auditory pathways)를 대체하여 청각 능력을 되살리려는 인공청각 (auditory prosthesis)에 대한 연구가 진행되어 오고있다.", "달팽이관 (cochlea)에 이식한 전극 (electrode)을 통해서 신경계에 전기 자극 (electrical stimulation)을 가해 청지각 (auditory perception)을 성공적으로 살릴 수 있기 때문에, 농 환자 (profoundly deaf patient)를 위한 인공청각은 쉽게 구현이 가능한 상황이다 .", "반면에 달팽이관이 아닌 청각신경 (auditory nerve)에 이식한 전극으로 직접 전기 자극을 가하는 방법은 달팽이관 이식 방법에 비해서, 향상된 스펙트럼 분해능 (spectral resolution)과 저 전력 (low power consumption)의 톡성을 가지는 장점이 있다.", "또한, 청각신경에 직접 전기 자픅을 가하는 방법은 달팽이관마저 손상된 환자와 달팽이관과 뇌로 연결되는 청각신경이 꾾어진 환자인 경우에도 청지각을 살릴 수 있다.", "그러나, 가 청각신경들이 담당하여 인지할 수 있는 소리의 주퐈수 분포를 표시한 음계소 지도 (tonotopic map)는 아직 완전하게 규명되지 않고 있다.", "따라서, 청각신경에 직접 전기 자극을 가하는 방법으로 더 좋은 스펙트럼 분해능을 가지도록 청지각을 살리려면, 우선 적으로 음계소 지도를 규명하는 작업이 선행되어야 한다.", "이를 위하여, 전극 배열 (electrode array)을 아용하여 뇌신경, 청각신경과 같은 다양한 신경의 전기적인 활동을 검출할 수 있는 뉴럴 레코딩 시스템 (neural recording system)에 대한 연구가 최근 활발히 진행되고 있다 .", "이러한 최근의 신경신호 계측 시스템은 신경조직의 여러 부분에서 일어나는 정보를 동시에 획득하기 위한 다중채널 (multi-channel) 미세 전국 배연(microelectrode array)과 획득된 신경신호롤 처리하기 위한 씨모스 공정을 이용하여 구현한 아나로그 프론트엔드 analog front end) 블록과 디지털 데이터를 처리하는 후처리기 (post-processor) 블록으로 구현된다.", "이때 후처리기 블록은 아나로그 프론트엔드 블록과 함께한 칩안에 에스오씨 ( \\( \\mathrm{SOC}) \\) 형태로 구현되기도 하고, 아나로그 프론트엔느에서 처리된 후 외부로 읽어낸 디지털 데이터롤 가지고 FPGA 보드를 이용하여 구현되기도 한다.", "</p> <p>그림 1은 사람과 생리적인 특성이 비슷한 쥐의 청각신경에서 검출되는 청각신경의 활동 전위 (action potential)의 시간에 따른 그래프 와 일반적인 청각신경 신호 검출을 위한 다중채널 신경신호 계측 시스템의 블록 다이어그램을 보여준다.", "그림 1 (a)로 부터 청각신경 신호는 수 \\( \\mathrm{mV} \\) - 수십 \\( \\mathrm{mV} \\) 수준의 크기와 약 \\( 100 \\mathrm{~Hz} \\) - \\( 7 \\mathrm{kHz} \\) 정도의 대역폭 (bandwidth) 을 가지는 것을 알 수 있다.", "이러한 청각신경신호를 검출하기 위한 다중채널 계측 시스템을 이루고 있는 하나의 채널은 그림 1(b)에서 보듯이 미세 전극, \\( \\mathrm{AC} \\) 커플링 (coupling) 회로, 신호 증폭기 (amplifier), 저대역 통과 필터 (LPF)로 구성된다.", "그림 \\( 1(\\mathrm{a} \\) )에서 청각신경의 활동 전위의 \\( \\mathrm{DC} \\) 전압 레벨은 음의 값을 가지는 것을 알 수 있으며, 또한 이러한 활동 전위를 검출하는 미세 전극을 금속으로 만드는 경우에는 계면의 \\( \\mathrm{DC} \\) 전압의 레벨을 더더욱 예상 할 수 없게 된다.", "따라서, \\( \\mathrm{DC} \\) 전압의 영향을 제거하기 위하여 고대역 통과 필터 \\( (\\mathrm{HPF}) \\) 를 의미하는 \\( \\mathrm{AC} \\) 커플링 회로를 이용한다.", "그리고, 신호 증폭기는 수 \\( \\mathrm{mV} \\) -</p> <p>수십 \\( \\mathrm{mV} \\) 의 미세한 신경신호를 \\( \\mathrm{ADC} \\) 의 입력범위 내의 큰 신호로 증폭하는 역할을 수행하며, 신호 증폭기에 의해서 증폭된 신호는 LPF를 통과하면서 대역폭 이상의 신호는 잡음으로 간주되어 제거된다.", "다중채널 회로에 의해서 동시에 검출된 신경신호의 아나로그 출력은 멀티플렉서 \\( (\\mathrm{MUX}) \\) 에 의해 아나로그-디지털 변환기 \\( (\\mathrm{ADC}) \\) 로 순차적으로 전달되어 디지털 신호로 변환된다.", "최종적으로 변환된 디지털 신호는 후처리기에 의해서 처리되어 실시간으로 컴퓨터를 통해 모니터링 되고 분석된다.", "그림 1 (b)에서 청각신경신호 계측 시스템의 주요 전력 소모원인 각 채널의 LPF는 처리해야하는 신호가 저주파대역 \\( (100 \\mathrm{~Hz}-7 \\mathrm{kHz}) \\) 이므로 집적회로로 설계하기 위해서는 큰 시상수 (time constant)가 필요하다.", "따라서 작은 값을 가지는 트랜스컨덕턴스 (transconductance)와 큰 캐패시턴스 (capacitance)가 집적회로 설계에 주된 제약 요소가 된다.", "더더욱 다중 채널 시스템의 경우는 집적된 채널의 개수가 늘어날수록 전체 전력소모는 증가하게 되므로 각 채널의 전럭소모를 최대한 작게 설계되어야 하며, 제한된 면적에 더많은 채널을 집적해야 하기 때문에 최대한 작은 캐패시턴스를 갖도록 설계해야 한다.", "이를 극복하기 위한 방법으로 스위치드-캐패시터 (switched-capacitor) 기술 [9 10] 이 보고되었으나, 이 방법은 스위치용 트랜지스터(transistor)의 누설 전류 (leakage current) 및 스위치구동을 위한 높은 전합 사용 등의 한계를 가진다.", "이 밖에도 밀러 (miller) 효과를 이용한 임피던스 스캐일러", "및 선형 영역에서 동작 톡성을 갖는 로그-도메인 (log-domain) 펄터 등으로 구현하는 방법들이 있으나, 열 잡음 (thermal noise) 수준이 증가되는 문제점을 가진다.", "그리고, 기존의 청각신경신호 계측 시스템의 경우는 그림 1 (b)에서와 같이 \\( \\mathrm{ADC} \\) 를 \\( \\mathrm{MUX} \\) 를 이용해서 각 채널이 한 개의 \\( \\mathrm{ADC} \\) 를 공유하는 형태로 설계되기 때문에 채널의 개수가 증가할수록 더 높은 \\( \\mathrm{ADC} \\) 의 샘플링 레이트 (sampling rate)가 필요한 단점을 갖는다.", "</p> <p>본 논문에서는 플로팅 게이토 (floating gate)의 기법을 적용한 트랜스컨덕턴스 증폭기를 이용한 청각신경 신호를 처리하는 4 차 \\( \\mathrm{Gm}-\\mathrm{C} \\) LPF와 채널별 (channel-parallel) \\( \\mathrm{ADC} \\) 구조를 가지는 청각신경신호 검출 장치용 16 채널 아나로그 프론트엔드를 제안한다.", "제안된 \\( \\mathrm{LPF} \\) 는 신호 증폭기를 내장함으로써 일반적인 구조에서 개별 뻘록으로 구성되어 발생되는 전력 소모를 최소화 하였다.", "또한, 채널별 (channel-parallel) \\( \\mathrm{ADC} \\) 구조를 채용함으로써 \\( \\mathrm{ADC} \\) 의 동작 속도의 제약이 있는 기존 구조의 문제점올 해결을 하였다.", "이는 각 채널별로 \\( \\mathrm{ADC} \\) 를 두어 각 채널의 디지털 변환이 동시에 일어나기 때문에 채널의 개수가 증가하더라도 \\( \\mathrm{ADC} \\) 의 샘플링 레이트를 증가시킬 필요가 없어 설계 관점에 있어서 유연성을 제공한다.", "앞으로 II장에서는 설계된 아나로그 프론트엔드의 구조 및 내부 회로에 대해 설명을 보여 줄 것이다.", "III장에서는 구현된 칩의 측정결과를 보여줄 것이며, IV 장에서는 결론을 맺는다.", "</p> <h1>II.", "본 론</h1> <h2>1. 제안된 아나로그 프론트엔드의 구조</h2> <p>그림 2 는 제안된 청각신경신호 검출 장치용 16 채널 아나로그 프론트엔드의 구조를 보여준다.", "16 개의 채널로 구성된 전극 배열을 이용하여 청각신경으로부터 신경신호를 검출한다.", "검출된 신경신호는 커패시터와 PMOS 트랜지스터로 구성된 \\( \\mathrm{AC} \\) 커플링 회로를 거쳐 불확실한 \\( \\mathrm{DC} \\) 전압의 영향을 제거되고 신경신호의 시간에 대한 변화량만이 LPF에 전달된다.", "제안된 \\( \\mathrm{LPF} \\) 는 컷오프 (cut-off) 주파수가 \\( 7 \\mathrm{kHz} \\) 가 되도록 \\( G \\mathrm{Gm}^{-\\mathrm{C}} \\) 푈터구조로 설계되었으며, 퉁과대역의 전압이득이 \\( 20 \\mathrm{~dB} \\) 가 되도록 신호 증폭기를 \\( \\mathrm{Gm}^{-C} \\) 필터에 내장함으로써 신호 증폭기롤 개별 블록으로 구성할 때에 비하여 발생되는 전력 소모를 최소화 하였다.", "이렇게 필터링이 된 16 채널의 신경신호들은 각 채널별로 있는 \\( \\mathrm{ADC} \\) 에 의해서 동시에 디지털 변환된다.", "채널별 \\( \\mathrm{ADC} \\) 는 청각신경신호 검출에 \\( 40 \\mathrm{kS} / \\mathrm{s} \\) 의 샘플링 레이트 및 8 비트 해상도가 필요하다고 고려되어 설계가 간편하면서도 적은 공간을 차지할 수 있는 단일 기울기 (single slope) \\( \\mathrm{ADC} \\) 구조로 설계되었다.", "또한 변환된 디지털 데이터는 외부로의 전송선 수를 최소화하기 위하여 시리얼라이저(serializer)를 이용하여 직렬 전송된다.", "</p> <h2>2. 회로설계</h2> <h3>가. \\", "( \\mathrm{AC} \\) 커플링 회로</h3> <p>전극으로부터 전달된 청각신경신호는 안정적인 접지가 없는 플로팅 (floating) 상태이기 때문에 이 신호를 \\( \\mathrm{LPF} \\) 의 동작을 위한 공동 전압에 실어 주기 위해서는 그림 3과 같은 \\( \\mathrm{AC} \\) 커플링 회로가 필요하다.", "일반적인 \\( \\mathrm{AC} \\) 커플링 회로는 칩 밖에서 큰 값의 커패시터와 저항으로 구현되지만, 집적회로로 구현해야 하는 특성상 제안된 \\( \\mathrm{AC} \\) 커플링 회로는 작은 값의 커패시터 \\( \\mathrm{C}_{\\mathrm{ac}} \\) 와 트랜지스터 \\( \\mathrm{M}_{a c} \\) 의 바이어스 전압 \\( V_{b} \\) 에 따른 큰 저항 특성을 이용하여 구현 하였다.", "</p> <h3>나. \\", "( G m-C \\) LPF</h3> <h3>(1) 제안된 Gm-C LPF의 구조</h3> <p>그림 4 는 제안된 4 차 \\( G m-\\mathrm{C} \\mathrm{LPF} \\) 의 블록도를 보여준다.", "제안된 4차 \\( \\mathrm{Gm}^{-\\mathrm{C} \\mathrm{LPF}} \\) 는 2개의 2 차 \\( G m^{-\\mathrm{C}} \\mathrm{LPF} \\) 가 캐스캐이드 (cascade) 형태로 연결된 구조를 갖는다.", "또한 첫 번째 2 차 \\( \\mathrm{LPF} \\) 에는 장은 전기적 신호 범위를 갖는 청각신경신호를 증폭하기 위한 10 배, 즉 \\( 20 \\mathrm{~dB} \\) 의 전압이득을 갖는 신호 증폭기가 푈터의 한 부분으로 공유 된 구조로 내장됨으로써 개별 블록으로 구성될 때 발생할 수 있는 불필요한 전력 소모 및 실리콘 면적 소모를 최소화 하도록 했다.", "</p> <h3>(2) 2차 \\( G m-C \\) LPF</h3> <p>그림 5는 4 차 \\( \\mathrm{Gm}-\\mathrm{C} \\mathrm{LPF} \\) 의 기능블록인 2 차 \\( \\mathrm{Gm}-\\mathrm{C} \\) \\( \\mathrm{LPF} \\) 의 회로도 및 신호선도를 보여준다.", "2 차 \\( \\mathrm{Gm}^{-\\mathrm{C}} \\) \\( \\mathrm{LPF} \\) 는 3개의 트랜스컨덕턴스를 갖는 operational transconductance amplifier (OTA) 셀들로 이루어 진 구조로 되어있다.", "만약에 \\( g_{m 2}=g_{m 3}=g_{m} \\) 이고 \\( \\mathrm{C}_{1}=\\mathrm{C}_{2} \\) \\( =\\mathrm{C} \\) 의 관계를 만족할 때, 제시된 신호선도로부터 구해 진 2 차 \\( \\mathrm{LPF} \\) 의 전달 함수는 수식 (1)과 같다.", "</p> <caption>\\( \\frac{V_{L P}(s)}{V_{I}(s)}=\\frac{\\frac{g_{m 1} g_{m}}{\\mathrm{C}^{2}}}{s^{2}+\\frac{2 g_{m}}{\\mathrm{C}} s+\\frac{g_{m}^{2}}{\\mathrm{C}^{2}}} \\)<caption>(1)</caption></caption> <p>여기서, 2 차 \\( \\mathrm{LPF} \\) 의 통과대역 전압이득은 \\( \\mathrm{A}_{v}=g_{m 1} / \\) \\( g_{m} \\) 으로 구해지고, 컷오프 주파수는 \\( \\mathrm{f}_{\\mathrm{c}}=g_{m} /(2 \\pi \\mathrm{C}) \\mathrm{Hz} \\)로 구해진다.", "</p> <h3>(3) 4차 Gm-C LPF 구현</h3> <p>그림 6 은 본 는문에 사용된 4 차 \\( G m-C \\mathrm{LPF} \\) 의 전체 회로도를 나타낸 것이다.", "4 차 필터는 앞에서 언급한 2차 \\( \\mathrm{Gm} \\)-C LPF 두 개를 캐스캐이드로 연결하여 구현하였으며, 첫 번째 단의 2차 LPF에서 첫 번째 OTA의 트랜스컨덕턴스 \\( g_{m 1} \\) 과 나머지 두 OTA들의 트랜스컨덕턴스 \\( g_{m} \\) 과의 비율율 조절하여 통과대역의 전압이득 20 \\( \\mathrm{dB} \\) 를 맞춘다.", "두 번째 단의 2차 LPF의 모든 OTA들은 같은 트랜스컨덕턴스를 갖도록 하여, 전압이득은 \\( 0 \\mathrm{~dB} \\)가 된다.", "각 이 전달 함수로부터 통과대역 전압이득이 \\( 20 \\mathrm{~dB} \\) 이고, 컷오프 주파수가 \\( 7 \\mathrm{kHz} \\) 가 되도록 하는 각OTA의 트랜스컨덕턴스 및 커패시턴스 등의 파라미터는 표 1 과 같다.", "</p> <h3>(4) OTA</h3> <p>본 논문에서는 기존 OTA의 트랜스컨덕턴스보다 작은 트랜스컨덕턴스를 갖는 OTA를 구현하기 위한 방법으로 기존 OTA의 입력 구동 단에 풀로팅 게이트 기법을 적용하였다.", "그림 7 (a)는 플로팅 게이트 PMOS 트랜지스터를 이용한 증폭기의 입력 구동 단 이다.", "하나의 입력 트랜지스터는 \\( V_{i} \\) 와 \\( V_{c m} \\) 을 두 개의 입력으로 갖기 때문에 플로탕 게이트에 의해서 형성된 두 입력 커패시터에 의해 전압 분배가 이루어져 트랜스컨덕턴스를 줄일 수 있다.", "이 기법은 더블-폴리 (double poly)가 지원되지 않는 공정에서도 그림 7 (b) 와 같이 일반적인 커패시터를 이용하여 구현 가능하다.", "플로팅 게이트 기법을 통한 유효 트랜스컨덕턴스 (effective transconductance) \\( G_{m} \\) 은 수식 (2)와 같이 감소된다.", "</p> <caption>\\( G_{m}=\\frac{\\mathrm{C}_{\\mathrm{A}}}{\\mathrm{C}_{\\mathrm{A}}+\\mathrm{C}_{\\mathrm{B}}} g_{m} \\)<caption>(2)</caption></caption> <p>여기서 \\( g_{m} \\) 은 입력 트랜지스터의 트랜스컨덕턴스롤 의미한다.", "그림 8은 플로팅 계이트 기법이 적용된 OTA의 회로도를 보여준다. \\", "( g_{m 1}=2.050 \\mu \\mathrm{A} / \\mathrm{V} \\) 의 트랜스컨덕턴스를 갖는 OTA의 경우는 비교적 큰 트랜스컨덕턴스를 갖기 때문에 군이 플로팅 게이트 기법을 적용하지 않고, 그림 8 에서 입력부분의 커패시터가 없이 OTA를 설계한 반면, 상대적으로 작은 크기인 \\( g_{m}=0.204 \\mu \\mathrm{A} / \\mathrm{V} \\)의 트랜스컨덕턴스를 얻기 위해서 구현된 OTA에서는 전류원 \\( I_{\\mathrm{ss}} \\) 는 \\( 200 \\mathrm{nA} \\), 입력 커패시턴스 비 \\( \\mathrm{C}_{\\mathrm{A}} / \\mathrm{C}_{\\mathrm{B}} \\) 는 \\( 1 / 3 \\) 로 설정하여 설계하였다.", "</p> <h3>다.", "단일 기울기 \\( \\mathrm{ADC} \\)</h3> <p>그림 9 는 채널별 단일 기울기 \\( \\mathrm{ADC} \\) 의 볼록 다이어그램율 보여준다.", "LPF의 출력을 스위치와 샘플링 커패시터 \\( \\mathrm{C}_{\\mathrm{i} 1} \\) 가 샘플링/홀드를 수행한다.", "그 뒤에 8 비트 카운가 카운팅을 시작하고, 동시에 랩프 (ramp) 신호도 증가하기 시작한다.", "램프 신호가 \\( \\mathrm{C}_{\\mathrm{sh}} \\) 에 샘플링된 신호를 넘어서게 되는 순간에 비교기 (comparator)의 출력이 로직 '1'에서 로직 ' 0 '으로 변하게 된다.", "이 순간에 8 비튼 레지스터 (register)는 카운터의 값을 래칭 (latching)하게 되기, 이때의 8비트 디지턴 코드가 샘춘링된 LPF 아나로그 출력의 \\( \\mathrm{AD} \\) 변환 결과이나.", "각 채널의 \\( \\mathrm{ADC} \\) 의 출력은 칩 외부로 읽어낼 때, 전송선을 줄이기 위해서 시리얼라이저를 통해서 직렬전송을 하도록 설계되었다.", "</p> <h1>III.", "실 험</h1> <p>그림 10 은 \\( 0.35^{-} \\mu \\mathrm{m} \\) 1-poly 4-metal CMOS 공정에서 제작된 제안된 아나로그 프론트엔드의 프로토타입 칩의 레이아웃과 사진이다.", "패드를 제외한 코어 (core) 의 크기는 \\( 2.6 \\mathrm{~mm} \\times 3.7 \\mathrm{~mm} \\) 이다.", "커패시터 매칭을 위해 단위 커패시터를 통한 common-centroid 구조를 사용함 으로써 커패시터 간에 발생할 수 있는 공정상의 미스매치를 최소로 하여 \\( \\mathrm{Gm}-\\mathrm{C} \\mathrm{LPF} \\) 가 정확한 주파수 응답을 가질 수 있게 하였다.", "제안된 아나로그 프론트엔드는 \\( 3.0 \\mathrm{~V} \\) 의 전원 전압에서 동작한다. \\", "( \\mathrm{AC} \\) 커플링 회로와 \\( \\mathrm{Gm}-\\mathrm{C} \\mathrm{LPF} \\) 는 \\( 1.5 \\mathrm{~V} \\) 의 공통 모드 전압을 가지며, \\( \\mathrm{Gm} \\)-C LPF의 입력 신호 범위는 \\( 100 \\mathrm{mV} \\) 이다.", "단일 기울기 \\( \\mathrm{ADC} \\) 는 \\( 1 \\mathrm{~V} \\) 의 입력 신후.", "범위와 \\( 40 \\mathrm{kS} / \\mathrm{s} \\) 의 샘플링 레이트롤 가진다.", "</p> <p>그림 11 은 프로토타입 칩의 테스트를 위한 측정용 보드 사진은 보여준다.", "제작된 칩은 나노 와이어를 이용한 미세 전극을 세우기 위한 탭이 부착된 작은 보드에 부착되게 된다.", "이는 청각신경신호가 미세 전극을 동해 칩에 도달하는 거리를 줄이기 위함이다.", "칩 내부로 인가되는 전원전압, 전류, 기준전압 및 타이밍 신호 등과 칩에서 디지털 변환된 데이터는 플렉서블 케이블 (flexible cable)에 의해 테스트를 위한 마더보드와 주고 받게 된다.", "</p> <p>그림 12 는 \\( 80 \\mathrm{mV} \\) 의 정현파가 \\( \\mathrm{AC} \\) 커플링 회로와 4차 Gm-C LPF률 거치고난 출력의 주파수 응답의 시뮬레이션 결과와 측정결과를 보여준다. \\", "( \\mathrm{AC} \\) 커플링 회로에 의해서 \\( 100 \\mathrm{~Hz} \\) 이하의 주파수를 가지는 \\( \\mathrm{DC} \\) 에 가까운 신호는 감쇄되는 결과를 얻을 수 있었다.", "그리고 측정된 \\( \\mathrm{LPF} \\) 에 의한 컷오프 주파수는 \\( 6.95 \\mathrm{kHz} \\) 로 시뮬레이션 결과인 \\( 7 \\mathrm{kHz} \\) 와 거의 일치하였다.", "통과대역의 전압이득은 \\( 19.9 \\mathrm{~dB} \\) 로 측정되었다.", "</p> <p>그림 13 은 \\( -8 \\mathrm{~dB} _{\\mathrm{FS}}, 1 \\mathrm{kHz} \\) 정현파 입력에 대한 \\( \\mathrm{ADC} \\)의 측정된 출력 스펙트럼을 보여준다.", "측정된 \\( \\mathrm{SNDR} \\) 은\\( 48 \\mathrm{~dB} \\) 이고, 유효 해상도 (effective resolution)는 \\( 7.7 \\) 비트이다.", "</p> <p>\\( \\mathrm{AC} \\) 커플링 회로, \\( \\mathrm{Gm}-\\mathrm{C} \\mathrm{LPF} \\), 단일 기울기 \\( \\mathrm{ADC} \\) 로 이루어진 채널에서 소모되는 전력은 \\( 12 \\mu \\mathrm{W} \\) 로 측정 되었다.", "표 2 는 측정된 프로토타입 칩의 성능 요약을 보여준다.", "</p> <h1>IV.", "결 론</h1> <p>본 논문에서는 청각신경신호를 검출하기 위한 16 채널 아나로그 프론트엔드를 제안하였다.", "제안된 아나로 그 프론트엔드는 \\( \\mathrm{AC} \\) 커플링 회로, 4 차 \\( \\mathrm{Gm}-\\mathrm{C} \\mathrm{LPF} \\) 와 단일 기울기 \\( \\mathrm{ADC} \\) 로 구성되었다. \\", "( \\mathrm{AC} \\) 커플링 회로는 전극으로 신경신호률 검출할 때, 불확실한 \\( \\mathrm{DC} \\) 전압 레벨을 제거하고 신경신호의 전압 레벨을 됫 단의 LPF의 공통모드 전압에 맞추는 역할을 수행한다.", "집적회로로 구현하기 위하여, 커패시터와 트랜지스터의 저항을 이용하였다.", "제안된 4 차 \\( \\mathrm{Gm}-\\mathrm{C} \\mathrm{LPF} \\) 는 저주파 대역의 필터를 구현하기 위해 플로팅 게이트 기법을 이용하여 트랜스컨덕턴스를 줄여서 구현하였다.", "또한 신호 중폭기를 LPF와 공유함으로써 청각신경에서 나오는 작은 레벨의 신호를 증폭 할 수 있게 하였고, 그 결과 일반적인 구조와 비교 하였을 때 전력 소모를 보다 개선 할 수 있었다. \\", "( \\mathrm{LPF} \\) 의 아나로그 출력은 단일 기울기 \\( \\mathrm{ADC} \\) 를 이용하여 변환하였고, 설계된 \\( \\mathrm{ADC} \\) 는 샘플링 레이트는 \\( 40 \\mathrm{kS} / \\mathrm{s} \\) 이고, 유효 해상도는 \\( 7.7 \\) 비토의 성능을 보였다.", "채널 당 소모되는 전력은 \\( 12 \\mu \\mathrm{W} \\) 로 측정되었다.", "최종적으로는 생체실험올 할 때 배터리를 사용하여 실험을 진행하는데 시스템을 동작시키기 무리가 없는 전력소모이고, 배터리 사용기간도 상당히 향상시킬 수 있을 것으로 보인다.", "또한 제안된 아나로그 프른트엔드는 청각신경신호 뿐만 아니라 여러 신경신호를 처리하는 다른 의료용 기기에서도 유용하게 활용될 것으로 기대된다.", "현재, 실제로 쥐의 청각신경에 미세 전극을 이식하기 위한 나노 와이어 제작과 생체실험율 위한 테스트 환경구축이 진행되고 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "청각신경신호 검출 장치용 다중채널 아나로그 프론트엔드", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-039a16e9-2f59-40bd-a974-8ca59d2ae35f", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "천지민", "임승현", "이동명", "장은수", "한건희" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "실 험</h1> <p>본 실험에서는 제안한 기법의 성능 평가률 위하여 그림 6의 3D 설계도면들을 이용하였다.", "본 실험에 사용된 3D 설계도면들은 표 1에서와 같이 다수의 레이어에 다양한 엔터티 성분들을 가지고 있다.", "표 1를 살펴보면, 건물 도면에서는 라인/폴리라인과 쿼드 폴리곤의 분포가 가장 많으며, 시계와 같은 곡선이 많은 도면에서는 라인/폴리라인과 호의 분포가 많음을 볼 수 있다.", "따라서 본 실험에서는 건물 도면에 대하여 라인/폴리라인과 쿼드 폴리곤을 삽입 대상으로 선택하였고, 시계 도면에 대하여 라인/폴리라인 및 호를 삽입 대상으로 선택하였다.", "이 때, 선택된 삽입 성분을 가지는 레이어들은 워터마크 추출시 필요한 정보로 사용된다.", "그리고 레이어 내에 삽입 성분들은 k-means++ 알고리즘에 의하여 워터마크 비트수와 동일한 개수만큼의 집합으로 그룹화된다.", "본 실험에서 사용된 워터마크는 가우시안 랜덤 시퀀스로 생성된 비트열이다.", "본 실험에서는 객관적 및 주관적 화질에 대한 비가시성과 AutoCAD 툴 상의 다양한 공격에 대한 강인성을 평가하였다.", "</p> <table border><caption>표 1. 본 실험에 사용된 설계도면의 엔터티</caption> <tbody><tr><td>설계 도면</td><td>레이어 개수</td><td>라인 / 폴리라인</td><td>쿼드 폴리곤</td><td>호</td><td>원</td></tr><tr><td>2층건물</td><td>g</td><td>962</td><td>173</td><td>8</td><td>1</td></tr><tr><td>캠퍼스건물</td><td>12</td><td>4,272</td><td>231</td><td>7</td><td>O</td></tr><tr><td>시계</td><td>3</td><td>3,475</td><td>0</td><td>1,768</td><td>131</td></tr><tr><td>3층건물</td><td>11</td><td>382</td><td>8</td><td>16</td><td>97</td></tr></tbody></table> <p>표 2에서와 같이 2층건물 도면에서는 라인/폴리라인 성분과 쿼드폴리곤 성분들을 정규화된 길이 및 면적 분포에 의하여 각각 20개 및 7개의 그룹으로 그룹화되며, 각 그룹 내에 워터마크 비트가 삽입된다.", "그 이외의 도면에서 라인/폴리라인, 쿼드폴리곤 및 호에 대한 그룹 개수는 표 2에서와 같다.", "설계도면에서는 다양한 기하 성분들이 자주 반복되어 사용되며, 반복 횟수는 도면에 따라 다르다.", "제안한 그룹화 과정은 이동, 회전 및 축척 등과 같은 기하학적 공격에도 강인하기 위하여, 성분의 위치 또는 영역이 아닌 객체의 기하 특징을 이용하여 그룹화를 수행한다.", "따라서 그룹 내의 성분 분포는 비균일하나, 각 그룹 내에는 최소 15개 이상의 성분들을 가진다.", "이는 설계도면 품질을 훼손하는 공격을 수행여야 각 그룹 내의 객체 성분들을 제거할 수 있음을 나타낸다.", "</p> <table border><caption>표 2. 각 설계도면의 삽입 대상 성분과 워터마크 비트 수 및 PSNR (워터마크 비트수 \\( N_{w} \\) 와 클러스터 그룹 개수와 동일)</caption> <tbody><tr><td>설계 도면</td><td>삽입성분</td><td>레이어 개수</td><td>워터마크 비트수</td><td>PSNR [dB]</td></tr><tr><td rowspan=2>2층건물</td><td>라인/폴리라인</td><td>5</td><td>20</td><td>34.61</td></tr><tr><td>쿼드폴리곤</td><td>2</td><td>7</td><td>34.81</td></tr><tr><td rowspan=2>캠퍼스 건물</td><td>라인/폴리라인</td><td>5</td><td>78</td><td>38.32</td></tr><tr><td>쿼드폴리곤</td><td>3</td><td>18</td><td>36.71.</td></tr><tr><td rowspan=2>시계</td><td>라인/폴리라인</td><td>1</td><td>57</td><td>36.88</td></tr><tr><td>호</td><td>1</td><td>23</td><td>39.81</td></tr><tr><td>3층건물</td><td>라인/폴리라인</td><td>1</td><td>9</td><td>33.59</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "\bK-means++ 기반의 설계도면 워터마킹 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-027dbbc2-24c6-492a-86ba-55f769198913", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "이석환", "권기룡" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<table border><caption>표 2. 실험 결과</caption> <tbody><tr><td>데이터베이스</td><td>검출 수/ 데이터 개수</td><td>검출율</td></tr><tr><td >CAS-PEAL(무표정)</td><td>1040 / 1040</td><td>100%</td></tr><tr><td>CAS-PEAL(감은 눈)</td><td>362 / 377</td><td>96%</td></tr><tr><td>CAS-PEAL(표정)</td><td>1497 / 1507</td><td>99.3%</td></tr><tr><td>JAFFE</td><td>213 / 214</td><td>100%</td></tr><tr><td>휴대폰</td><td>1674 / 1780</td><td>94%</td></tr><tr><td>Champion</td><td>2370 / 2512</td><td>94.3%</td></tr><tr><td>합계</td><td>7156 / 7429</td><td>96.3%</td></tr></tbody></table> <h1>VI.", "실험 결과</h1> <p>본 논문에시 제안하는 방법에 대한 성능 평가를 위하여 JAFFE(Japanese Female Facial Expression) 데이터베이스, CAS-PEAL 얼굴 데이터베이스, Champion 얼굴 데이터베이스, 그리고 휴대폰에서 촬영한 얼굴 데이터베이스를 이용한다.", "JAFFE 데이터베이스는 다양한 표정의 얼굴 영상 213 장으로 이루어져 있으며, 표 1은 \\( \\mathrm { JAFFE } \\) 데이터베이스를 사용하여 눈 검출에 대한 비교 실험한 결과를 나타내고 있다.", "이를 이용하여 비교 실험한 결과, 제안하는 방법이 기존의 눈 검출 방법에 비해 \\( 2.9 \\sim 4.4 \\% \\) 향상된 김출결과를 보였다.", "</p> <p>또한, 얼굴 자세 변화, 얼굴 표정 변화, 감은 눈 등의 다양한 변화 요소가 존재하는 환경에서의 눈 검출에 대한 실험 평가를 위하여, \\( \\mathrm { CAS } - \\mathrm { PEAL } \\) 얼굴 데이터베이스, 휴대폰 얼굴 데이터베이스, Champion 얼굴 데이터베이스를 이용하였다.", "CAS-PEAL 얼굴 데이터는 무표정의 정면 사진 1040 장, 감은 눈 사진 377 상, 웃음, 찌푸림, 놀람, 입 벌림의 4 가지 표정은 갖는 1507 장의 영상을 이용하였다.", "휴대폰 얼굴 데이터는 다양한 휴대폰 기종, 조명, 배경에서 촬영된 1780 장의 영상을 이용하였다.", "Champion 얼굴 데이터는 2512 장의 영상을 이용하였다.", "전체 실험 영상 7426 장에서 \\( 96.3 \\% \\) 의 눈 검출 성공률을 보이며, 특히 감은 눈에서도 다른 데이터와 마찬가지로 높은 눈 검출 성공률을 보인다.", "표 2 는 제안한 방법을 다양한 환경을 가진 얼굴 데이터베이스의 영상들에 적용한 후 눈 검출에 대한 결과들을 나타내고 있다.", "</p> <table border><caption>표 1. 실험 결과의 비교</caption> <tbody><tr><td colspan=2>알고리즘 \\ 데이터베이스</td><td>JAFFE</td></tr><tr><td colspan=2>HPF Z. H. Zhou[3]</td><td>97.2%</td></tr><tr><td colspan=2>Terrain Feature J. Wang[4]</td><td>95.8%</td></tr><tr><td colspan=2>질감 필터 제안한 방법</td><td>100%</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "질감 필터를 이용한 눈 검춤", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-015abbac-ae4e-440b-99e7-9a743e6c4326", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "박찬우", "김용민", "박기태", "문영식" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>4. 성능 비교</h1> <p>이 장에서는 앞에서 설계한 시스템의 프로토타입인 Wapee를 통해 오류 복구 메커니즘을 실험하고 그 결과로 시스템의 성능을 평가한다.", "</p> <p>실험은 GT4환경의 리눅스 노드 5개에서 실시하였다.", "각 노드는 \\( 512 \\mathrm{M}\\)이상의 메모리와 \\( 3.0 \\mathrm{Ghz}\\)이상의 CPU를 제공한다.", "이때 실험 시간은 시스템의 성능이나 실험 시의 네트워크 상황을 감안한다.", "</p> <p>실험에 사용된 응용 시나리오는 대량의 데이터를 동시에 접근하는 웹 기반 응용 프로그램이 웹 상에 존재하는 다수의 신문 사설들을 모아오는 서비스와 모아온 데이터를 기반으로 사용자가 상세 검색을 통해 특정 사설을 검색하는 서비스, 입력한 단어들의 빈도수를 랭킹으로 나타내는 서비스를 순서에 따라 워크플로우 형태로 구성하여 실행하도록 하였다.", "이때 상세 검색 서비스 이용 시 메모리 자원 부족 오류를 발생하도록 유도하였다.", "</p> <p>본 실험에서는 가정된 오류 사항인 메모리 자원 부족 오류를 극복하는 두 가지 메커니즘을 제시하였다.", "첫 번째는 실행시간 수준의 오류 복구 메커니즘으로 동일한 서비스가 실행될 수 있는 가용자원이 존재할 경우이고, 두 번째는 동일 서비스 제공이 불가능하여 온톨로지를 이용하여 유사서비스로 대체하는 응용 프로그램 수준의 오류 복구 메커니즘이다.", "</p> <p>DAGMan은 자원 오류에 대해 새로운 자원을 할당하여 오류를 복구하는 메커니즘을 제공한다.", "본 시나리오와 같이 특정 자원(서비스)을 사용해야 하는 작업에 있어 해당 자원이 존재하지 않는다면 Rescue파일을 수동 생성하여 사용자가 재실행해야 한다.", "이에 반해 Wapee의 오류 관리는 오류의 종류를 추상화 시켜 이를 복구할 수 있는 전략을 제공하여 대체 서비스를 검색하고 오류 상황을 자동으로 극복한다.", "DAGMan은 오류가 존재하지 않을 경우 모니터링을 제공하는 Wapee시스템보다 작업 시간이 짧았으나 오류가 발생하였을 경우에는 오류를 즉시 파악하지 못하고 수동으로 재 시작해야 하는 등의 문제점이 존재했다.", "</p> <p>(그림 2)는 DAGMan과 Wapee를 사용하여 오류가 발생 했을 경우 오류를 복구하여 작업이 완료되기까지의 전체 실행시간을 도식화한 그래프이다.", "DAGMan을 이용하면 평균 386.37초가 소요되며, Wapee를 이용하면 실행시간 수준 오류 복구 기능만 사용하는 경우 평균 362.29초, 응용 프로그램 수준 오류 복구 기능까지 사용하는 경우 350.90초가 소요되어 빠른 시간에 서비스 재구성 및 재실행이 가능하다.", "Wapee를 사용하면 오류가 발생한 작업에 대해서만 작업을 재실행해줌으로써 시스템의 부담을 줄일 수 있고, 적은 오버헤드로 자동적인 서비스 재구성 및 재실행이 가능하여 서비스의 계속성을 보장할 수 있다.", "</p> <h2>4.2 타 오류 관리 지원 미들웨어와의 비교</h2> <p> <표 1>은 기존에 개발되어있는 오류 관리 기법을 제공하는 미들웨어와 본 논문의 프로토타입인 Wapee를 비교한 것이다.", "</p> <p>본 논문에서는 효율적인 자원 할당을 위해 메타스케줄러로 Condor-G를 사용하였고, 워크플로우 기반의 작업 환경을 제공하기 위해 DAGMan을 이용하였다.", "이러한 환경을 기반으로 오류가 발생되면 오류 관리 서비스 및 작업, 자원 모니터링 서비스를 통하여 자동으로 작업을 재실행함으로써 기존 연구들보다 사용자에게 유연하고 효율적인 런타임 작업 환경을 제공한다.", "</p> <caption>〈표 1〉오류 관리 지원 미들웨어 비교</caption>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "그리드 환경의 적응형 오류 극복 관리 시스템 설계 및 구현", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-fba4d57c-51c9-4926-8421-25b22109ab5d", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "김은경", "김지영", "김윤희" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>송신상태 S2에서 충돌이 발생하여 초기상태 S0로 전이할 때는, 제안된 개선 방식과 같이 리더에서 태그로 stop신호를 발생하여 충돌이후의 비트는 전송하지 않도록 차단하여 추가 충돌을 막은 다음 3비트 단위의 쿼리를 재전송하도록 한다.", "</p> <h1>4. 성능 평가</h1> <p>본 장에서는 제안한 차등식별 알고리즘을 이용한 충돌방기 기법의 성능 평가를 동일 조건상에 정량적 평가와 수학적 해석법으로 수행하였다.", "</p> <p>정량적 방법은 (그림 2)와 (그림 3)에서 설명한 4개의 3비트 사이즈 태그를 통해 전체 알고리즘 동작수, 충돌횟수를 통해 성능을 비교하였다.", "</p> <p>수학적인 성능평가는 프로토콜에 소요되는 사이클 수를 이용하여 쿼리트리 프로토콜에 대한 제안 프로토콜과 성능을 비교하였다.", "</p> <h2>4.1 정량적 평가</h2> <p>기존 쿼리트리 방식과 제안방식의 성능 비교는 전송 태그는 Tag1에서 4까지이며, 이종 태그 식별시 적용하는 태그 아디는 0001, 0011, 1000, 1100인 동일 조건에서 수행한다.", "</p> <p>성능 평가 인자는 식별 단계수, 충돌횟수로 하며, 이들 인자는 곧 총 식별시간이 된다.", "성능확인은 다음<표 1>과 같다.", "이때 식별단계 소요시간 인자는 \\( \\mathrm { Ts } \\), 충동횟수에 따른 소요시간인자를 \\( \\mathrm { Tc } \\)로 했을 경우 각각의 총 식별시간을 구할 수 있었다.", "</p> <p>조건에서 소요시간 인자 \\( \\mathrm { Ts } , \\mathrm { Tc } \\)값을 1을 설정할 경우 식별시 약 \\( 17 \\% \\)의 식별단계를 개선하였고, 충동횟수는 \\( 150 \\% \\)의 향상을 확인하였다.", "그리고, 초기 쿼리 전송시 태그 ID가 균등한 배치일 경우 쿼리트리방식이 차등식별방식보다 충돌 수가 2배 이상임을 확인할 수 있다.", "</p> <table border><caption> <표 1>프로토콜 성능 비교</caption> <tbody><tr><td>성능인자</td><td>쿼리트리</td><td>차등식별</td></tr><tr><td>식별단계</td><td>7회</td><td>6회</td></tr><tr><td>충돌횟수</td><td>5회</td><td>2회</td></tr><tr><td>초기충돌횟수</td><td>4회</td><td>2회</td></tr><tr><td>총식별 시간</td><td>\\( \\mathrm { 9Ts + 4Tc } \\)</td><td>\\( \\mathrm { 8Ts + 2Tc } \\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "차등식별 알고리즘을 이용한 효율적인 RFID 충돌 방지 기법", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-fb0fe8a4-4dfa-416c-b4b1-ca5a4de69a27", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "김성진", "박석천" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>4. 제안하는 키 관리 방식</h1> <p>기존의 센서 네트워크의 키 관리 방식을 조사한 결과 BROSK 방식은 동일한 master key의 사용에 따른 문제점이 존재하였으며, LEAP 방식은 동일한 master key 사용으로 인한 문제와 pair wise key에 대한 갱신 과정이 없으므로 매 통신마다 새로운 pair wise key를 요구하는 무전 통 신 환경의 키 관리에 적합하지 않다.", "또한 LEAP + 와 LEAP + + 방식은 새로운 그룹의 추가를 위해 시간 간격 별로 서로 다른 master key를 사용하는 방식이므로 특정 유효기간에 만 사용 가능한 키 관리 방식이므로 무전 통신 환경의 키 관리 방식으로 적합하지 않았다.", "</p> <p>본 절에서는 무전 통신 환경에 적용 가능한 키 관리 기법을 제안하고자 한다.", "본 논문에서 제안하는 방식은 암호화 통신으로 통신 개체의 익명성 보장 및 초기 키 선정 이후 새로운 무전기 그룹이 추가되는 경우도 고려하였다.", "또한 매 세션마다 난수를 기반으로 생성한 세션키를 사용함으로 써 안전한 통신이 가능하도록 설계하였다.", "</p> <h2>\\( 4.1 \\) 제안하는 키 관리 방식에서의 표기법</h2> <p>제안하는 키 관리 방식에서 사용될 표기법은<표 4>와 같다.", "</p> <table border><caption>〈표 4〉 제안하는 키 관리 방식에서 사용하는 표기법</caption> <tbody><tr><td>표기법</td><td>정의</td></tr><tr><td>\\( I_ { X } \\)</td><td>X의 식별자</td></tr><tr><td>\\( R_ { X } \\)</td><td>X가 생성하는 랜덤한 수</td></tr><tr><td>\\( K_ { g } \\)</td><td>그룹키</td></tr><tr><td>\\( G_ { k } () \\)</td><td>pair-wise key 생성에 사용되는 키 k를 사용하는 one-way hash function</td></tr><tr><td>\\( H_ { k } () \\)</td><td>par-wise key 갱신 및 세션키 생성에 사용되는 키 k를 사용하는 one-way hash function</td></tr><tr><td>\\( m k_ { 1 } \\)</td><td>그룹 인증 master key</td></tr><tr><td>\\( m k_ { 2 } \\)</td><td>키 생성 master key</td></tr><tr><td>\\( g k_ { j } \\)</td><td>j번째 추가 무전기들의 master key</td></tr><tr><td>\\( K_ { X Y } \\)</td><td>X와 Y의 par-wise key</td></tr><tr><td>\\( \\{ P \\} _ { k } \\)</td><td>키 k를 사용하여 평문 P를 암호화</td></tr><tr><td>\\( S K_ { A B } \\)</td><td>무전기 A와 B가 공유하는 세션키</td></tr><tr><td>Hello</td><td>초기 배포 무전기의 pair-wise key 설정 요청 메시지 헤더</td></tr><tr><td>Ask</td><td>초기 배포 무전기의 Dar-wise key 설정 요청 응답 메시지 헤더</td></tr><tr><td>AckCom</td><td>초기 배포 무전기의 Dar-wise key 설정 과정의 키확인을 위한 메시지 헤더</td></tr><tr><td>AddHello</td><td>추가되는 무전기 그룹의 pair-wise key 설정 요청 메시지 헤더</td></tr><tr><td>AddAck</td><td>추가되는 무전기 그룹의 pair-wise key 설정 요청 응답 메시지 헤더</td></tr><tr><td>AddCom</td><td>추가되는 무전기 그룹의 Darr-wise key 설정의 키확인 메시지 헤더</td></tr><tr><td>GKey</td><td>대표 무전기의 그룹키 설정 요청 메시지 헤더</td></tr><tr><td>GHello</td><td>새로운 그룹 무전기간의 pair-wise key 설정 요청 메시지 헤더</td></tr><tr><td>GAck</td><td>새로운 그룹 무전기간의 pair-wise key 설정 요청 응답 메시지 헤더</td></tr><tr><td>GAckCom</td><td>새로운 그룹 무전기간의 pair-wise key 설정 키확인 메시지 헤더</td></tr></tbody></table> <p>\\( K_ { g } =G_ { m k_ { 1 } } \\left (R_ { A } \\| I_ { A } \\right ) \\)</p> <p>그룹키 요청 메시지를 수신한 무전기들은 그룹 인증 master key \\( m k_ { 1 } \\) 을 통해 메시지를 복호화하여, 사전에 그룹키를 요청하기로 지정된 무전기의 식별자와 현재 그룹키 요청을 한 A 의 식별자 비교를 통해 정당한 메시지인지 확인한다.", "확인 후에는 수신한 요소를 이용하여 그룹키 \\( K_ { g } \\) 를 생성한다.", "</p> <h2>\\( 4.5 \\) 그룹키를 사용한 통신 과정</h2> <p>그룹키를 사용한 그룹 전체 통신은 그룹 통신의 특성 상 공지사항과 정보 전달을 목적으로 시작된다.", "따라서 특정 무전기의 그룹통신 요청에 의해 그룹 세션키를 맺고 그 키를 이용하여 통신을 한다.", "그룹 세션키 설정은 다음과 같다.", "</p> <p>\\( { } ^ {\\text { New } } K_ { g } =G_ { K_ { g } } \\left (I_ { A } \\| R_ { A } \\right ) \\)</p> <p>위와 같이 생성된 그룹키는 다음 그룹 통신 요청이 있을 때까지 모든 무전기가 공유하고 있으며, 새로운 그룹 통신이 있을 경우에 위와 같은 과정을 거처 그룹키 갱신을 수행한다.", "</p> <h1>\\(5. \\) 안전성 분석</h1> <p>이 장에서는 앞서 소개된 무전 통신 환경에서의 요구사항을 바탕으로 키설정 과정의 기밀성을 제공하기 위하여 암호화 통신을 하며, 키확인 과정을 제공하는 제안한 키 관리 방식의 안전성에 대하여 분석한다.", "<표 5>는 본 논문에서 제안하는 키 관리 방식과 기존에 제안된 방식들의 요구사항 만족 여부를 비교하여 나타낸 표이다.", "</p> <table border><caption>〈표 5〉 제안하는 키 관리 방식과 기존 키 관리 방식의 요구사항 만족 여부 비교</caption> <tbody><tr><td>구분</td><td>BROSK</td><td>LEAP</td><td>LEAP +</td><td>Light weight</td><td>LEAP + +</td><td>제안하는 방식</td></tr><tr><td>인증</td><td>O</td><td></td><td></td><td>O</td><td>O</td><td>O</td></tr><tr><td>기밀성</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td></tr><tr><td>익명성</td><td>x</td><td>x</td><td>x</td><td>x</td><td>x</td><td>O</td></tr><tr><td>무결성</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td></tr><tr><td>유연성</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td></tr><tr><td>확장성</td><td>x</td><td>x</td><td>O</td><td>O</td><td>O</td><td>O</td></tr><tr><td>키갱신</td><td>O</td><td></td><td></td><td></td><td></td><td>O</td></tr><tr><td>키확인</td><td>x</td><td>x</td><td>x</td><td>x</td><td>O</td><td>O</td></tr></tbody></table> <ul> <li>인증 : 제안한 키 관리 방식은 사전에 공유하고 있는 master key를 알고 있는 자만이 정당한 메시지를 생성 할 수 있도록 하였다.", "초기에 배포되는 무전기들은 배포 전에 master key인 \\( m k_ { 1 } \\) 과 \\( m k_ { 2 } \\) 를 포함하여 배포되 며, master key를 알고 있는 무전기만이 pair-wise key 를 설정할 수 있다.", "또한 추가되는 무전기의 경우에도 그룹 master key인 \\( g k_ { j } \\) 를 알아야만 기존 그룹에 포함되어 있는 무전기들과 pair-wise key를 설정할 수 있다.", "</li> <li>기밀성 : 무전기 간의 모든 통신 내용은 pair-wise key 로부터 유도된 세션키를 이용하여 암호화되어 통신되기 때문에, 비인가된 사용자는 통신 내용을 볼 수 없다.", "또 한 그룹 통신의 경우에도 그룹키로 암호화하여 통신되기 때문에, 그룹에 속하지 않은 제 3자는 통신 내용을 볼 수 없다.", "</li> <li>익명성 : 무전 통신 환경의 비밀 통신에서는 무전기 간의 키설정 과정에서도 통신 개체의 익명성이 요구되어진다.", "제안하는 방식에서는 통신 내용을 암호화하여 전송함으로써 익명성을 제공하였다.", "</li> <li>무결성 : 무전기 사이에 주고받는 모든 메시지는 사전에 공유하고 있는 pair-wise key 또는 그룹키를 사용하여 암호화하여 전달하기 때문에 메시지의 무결성을 보장한다.", "</li> <li>유연성 : 제안한 키 관리 방식은 무전기가 배포되기 전 에 j 번의 무전기 그룹이 추가되는 경우를 고려하여 j 와 \\( g k_ { j } \\) 의 쌍을 저장하여 배포한다.", "따라서 무전기의 수 에 상관없이 j 번의 그룹이 확장가능하다.", "</li> <li>확장성 : 제안한 키 관리 기법은 그룹단위의 무전기 추가가 가능하며 무전기 추가가 기존 참여자들의 안전성에 영향을 미치지 않는다.", "</li> <li>키 갱신: 제안한 키 관리 방식은 크게 pair-wise key와 그룹키에 대한 갱신 과정을 제공한다.", "pair-wise key의 경우, 매 세션마다 무전기가 교환한 새로운 랜덤값을 기반으로 새로운 pair-wise key를 설정하여 통신한다.", "또한 그룹키의 경우에도 통신을 요청하는 참여자의 식별자와 랜덤값으로 갱신하여 통신한다.", "</li> <li>키 확인 : 제안한 키 관리 방식은 암호화 통신을 하며, 3 번의 메시지 교환으로 통신의 참여자가 동일한 키를 가지고 있다는 확인과정을 수행한다.", "</li></ul> <p>\\(< \\) 표 \\( 6>\\) 에서는 제안하는 키 관리 방식과 기존에 제안된 방식들에 가능한 다양한 공격에 대해 안전성을 분석한 것이다.", "</p> <table border><caption>〈표 6〉 제안하는 키 관리 프로토콜에 대한 안전성 비교</caption> <tbody><tr><td>구 분</td><td>BROSK</td><td>LEAP</td><td>LEPP +</td><td>Light weight</td><td>LEPP + +</td><td>제안하는 방식</td></tr><tr><td>Replay attack</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td></tr><tr><td>Parsing ambiguity attack</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td></tr><tr><td>Known key attack</td><td>O</td><td></td><td></td><td></td><td></td><td>O</td></tr><tr><td>man-in-the-midde attack</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td><td>O</td></tr><tr><td>cloning (or replication) attack</td><td>x</td><td>x</td><td>x</td><td>O</td><td>O</td><td>O</td></tr></tbody></table> <h1>요 약</h1> <p>무선 통신 기술의 발달은 기존 유선 통신 사용자에게 이동성과 접근 편리성을 제공하였다.", "무선 센시 네트위크 기술은 대표직인 무선 통신 기술의 하나로, 센시 노드간의 통신에 에러가 빈번하고 통신 속도가 느린 저속 환경이며, 노드의 자원 제약 밋 컴퓨팅 능력의 한계로 인해 유선 네트위크 환경에시 설계된 보안 메커니즘을 그대로 적용하는 것이 어럽다.", "이러한 무선 센서 네트위크의 환경적인 제약사항이 무전 통신 환경과 유사함에 착안하여 무선 센서 네트위크 기술을 참고하여, 무전 통신 환경에 직용 가능한 효율직인 키 관리 기법을 제안하고자 한다.", "본 논문에시 제안하는 방식은 일대일 통신에시 사용될 pair-wise key 설정 및 갱신, 일대다 통신에 사용될 그룹키 설정 및 갱신을 제공하며, 그룹 단위의 무전기 추가가 가능하다는 장점을 갖는다.", "제안하는 master key 기반의 키 관리 방식은 군(軍)에시의 특수한 작전 수행 및 비밀 통신이 요구되는 무전 통신 환경에 활용될 수 있다.", "</p> <h1>1. 서 론</h1> <p>유선 통신 환경은 유선으로 서로 연결된 통신 장비를 통해서만 통신이 가능하였기 때문에, 장소에 대한 제약이 있었다.", "무선 통신 기술의 발달은 기존 유선 통신 사용자에게 장소에 상관없는 통신 환경을 제공하여 이동성과 접근 편리성을 제공하였다.", "하지만 센서 네트워크의 경우 통신 에러가 빈번하고 통신 속도가 느린 저속 환경이며, 센서 노드는 제한된 자원과 컴퓨팅 능력을 갖는다.", "뿐만 아니라, 무선 센서 네트워크 환경에서는 센서 노드의 배터리 소모와 추가적인 센서 노드의 배치를 고려하여 동적인 센서의 추가 및 제거가 가능해야 한다.", "따라서 기존 유선 통신 환경에서 기밀성과 무결성을 제공하기 위해 제안되었던 키 관리 기법을 그대로 적용하기에는 어려움이 있어서 이러한 요구사항을 반영하여 센서 네트워크의 키 관리 방식이 제안되었다.", "</p> <p>무전 통신 환경 역시 저속 환경으로, 무전기의 배터리는 충전 또는 교체가 필요하다는 점에서 배터리 제한이 있으며, 계산 능력의 한계, 낮은 대역폭과 긴 지연 시간, 무전기의 추가 및 제거관점에서 유사성을 갖는다.", "센서 네트워크와 무전 통신 환경을 비교를 해보면 다음과 같다.", "</p> <table border><caption> <표 1>센서 네트워크와 무전 통신 환경의 비교</caption> <tbody><tr><td></td><td>무선 센서 네트워크</td><td>무전 통신 환경</td></tr><tr><td>통신 방법</td><td>무선</td><td>무선</td></tr><tr><td>통신 범위</td><td>근거리</td><td>근거리</td></tr><tr><td>통신 주체</td><td>센서</td><td>사람</td></tr><tr><td>통신 목적</td><td>정보수집</td><td>통신</td></tr><tr><td>통신 애러</td><td>빈번</td><td>빈번</td></tr><tr><td>배터리</td><td>제한적</td><td>제한적</td></tr><tr><td>추가 및 제거</td><td>필요</td><td>필요</td></tr><tr><td>기밀성 및 무결성</td><td>필요</td><td>필요</td></tr></tbody></table> <h1>3. 무전 통신 환경에서의 키 관리 요구사항</h1> <p>무전 통신 환경에서의 키 관리 기법이 만족해야 하는 요구사항은<표 2>와 같다.", "</p> <p>무전 통신 환경에서의 키 관리 기법에 대하여 가능한 공격 방법은<표3>과 같다.", "</p> <p>무전 통신 환경에서의 키 관리 방식은<표 2>에서 분석된 키 관리 요구사항을 만족해야 하며,<표 3>에 열거된 공격 방법으로부터 안전하게 설계되어야 한다.", "</p> <table border><caption>〈표 2〉 무전 통신 환경에서의 키 관리 요구사항</caption> <tbody><tr><td>키 관리 요구사항</td><td>정의</td></tr><tr><td>인증 (Authenticity)</td><td>무전 통신 환경에서의 키 관리 기술은 네트워크 내에서 통신하는 무전기들이 서로를 인증할 수 있어야 한다.", "</td></tr><tr><td>기밀성 (Confidentiality)</td><td>무전 통신 환경에서의 키 관리 기술은 인증되지 않은 제 3자의 도청으로부터 통신되는 데이터를 보호해야 한다.", "</td></tr><tr><td>익명성 (Anonymity)</td><td>무전 통신 환경에서의 키 관리 기술은 인증되지 않은 제 3자의 도청으로부터 통신 개체가 드러나서는 안된다.", "</td></tr><tr><td>무결성 (lntegrity)</td><td>무전 통신 환경에서의 키 관리 기술은 오직 네트워크 안에 있는 무전기만이 키에 집근할 수 있고, 통신되는 메시지들은 비인가된 변조로부터 안전해야 한다.", "</td></tr><tr><td>유연성 (Flexibility)</td><td>무전 통신 환경에서의 키 관리 기술은 무전기의 베치에 상관없이 정상적으로 동작해야 하며.", "무전기의 추가나 폐기 시에도 정상적으로 동작해야 한다.", "</td></tr><tr><td>확장성 (Scalability)</td><td>무전 통신 환경에서의 키 관리 기술은 네트워크의 규모에 상관없이 높은 보안을 제공해야 하며, 지장해야 하는 값에 변화가 없어야 한다.", "</td></tr><tr><td>키 갱신 (Key upate)</td><td>무전 통신 환경에서의 키 관리 기술은 주기적인 키 갱신을 통해 키를 항상 최신 상태로 유지함으로써 공격자로부터 네트워크를 보호해야 한다.", "</td></tr><tr><td>카 확인 (Key confimation)</td><td>무전 통신 환경에서의 키 관리 기술은 통신 상호간에 같은 키를 가졌다는 확인이 이루어져야 한다.", "</td></tr></tbody></table> <p></p> <table border><caption>〈표 3〉 무전 통신 환경에 대한 공격 방법</caption> <tbody><tr><td>가능한 공격</td><td>정의</td></tr><tr><td>Replay attack</td><td>공격자가 정당한 사용자로 가장하기 위하여 이전에 사용되었던 메시지를 재사용하는 공격 방법이다.", "</td></tr><tr><td>Parsing ambiguity attack</td><td>메시지 요소의 정확한 bit 수를 정의하지 않음에 따라 수신한 메시지의 분석과정에서 일어날 수 있는 모호함을 이용하는 공격 방법이다.", "</td></tr><tr><td>Known key attack</td><td>현재의 세션키를 구할 때 과거의 세션키를 이용하는 경우, 과거의 세션키를 아는 공격자가 현재의 세션키 를 구할 수 있는 공격 방법이다.", "</td></tr><tr><td>Man in the middle atack</td><td>공격자가 통신 참여자 사이에 위치하여 모든 통신을 가로채는 공격 방법이다.", "</td></tr><tr><td>Cloning attack</td><td>네트워크에 노드가 배포되는 시간동안 새로운 노드 또는 기존 노드로 위장하는 복제 노드를 주입하는 공격 방법이다.", "</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "저속 무전 통신 환경에 적용 가능한 키 관리 방식", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-d034e00c-e3b6-4753-b434-c2f66455e3c7", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "김송이", "이광우", "정한재", "조영준", "차욱재", "김승주", "원동호" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 실험 결과</h1> <h2>1. 테스트 조건</h2> <p>제안한 방법의 효과를 검증하기 위해, HM15.0에 제안한 방법을 구현하고, 압축 효율 및 연산량 측면에서 비교를 수행하였다.", "또한 HM15.0에 이미 구현되어 있는 early skip decision(ESD) 고속 탐색 알고리즘과의 상호 작용을 검증하기 위해 두 알고리즘을 함께 적용한 경우에 대해서도 실험 견과를 구하였다.", "압축 효율 및 부호화 연산량을 비교하기 위해서는 \\( \\mathrm{JCT}-\\mathrm{VC} \\) 에서 사용하는 공통 테스트 조건 중 가장 높은 압축 효율을 보이는 random-access configuration을 사용하였으며, 평가 영상은 [15]에 정의된 영상들 중 Class B(1920x1080) 5개, Class \\( \\mathrm{C}(832 \\times 480) \\) 4개, Class \\( \\mathrm{D}(416 \\times 240) \\) 개 등 총 13 개의 영상들을 사용하였다.", "</p> <h2>2. 보간 필터 길이 최적화</h2> <p>움직임 추정을 위한 보간 필터 길이를 2-tap, 4-tap, 6-tap으로 바꾸어 가면서 압축 효율 및 부호화기 복잡도를 측정한 결과는 표 4 와 같다.", "단, \\( 1 / 2 \\) 정밀도와 \\( 1 / 4 \\) 정밀도에 대한 보간 필터 길이는 항상 같도록 하여 실험을 수행하였다.", "</p> <p>표 4에서 볼 수 있듯이 필터 탭 수를 감소시킴에 따라서 압축 효율은 하락하며, 부호화기 복잡도 또한 감소하였다.", "필터 탭 수가 각각 4 와 6 인 경우, 압축 효율은 거의 감소하지 않으면서도 부호화기 복잡도는 각각 \\( 3.2 \\% \\) 와 \\( 7.1 \\% \\) 감소함을 확인할 수 있다.", "필터 탭 수가 2인 경우에는 \\( 10.6 \\% \\) 의 부호화기 복잡도를 감소시킬 수 있는 반면, \\( 1.3 \\% \\) 가량 압축 효율이 감소한다.", "하지만 압축 효율 감소폭은 입력 영상의 해상도가 증가할수록 감소하는 경향을 보였고, 가장 부호화기 복잡도가 문제가 되는 Class B(1920x1080) 영상에서는 필터 탭 수를 2로 한다고 해도 \\( 0.7 \\% \\) 가량의 압축 효율만이 감소하였다.", "</p> <table border><caption>표 4. 다양한 보간 필터 탭 수에 대한 압축 효율 및 부호화 시간</caption> <tbody><tr><td rowspan='2'>Filter taps</td><td colspan='4'>BD Bitrate \\( (\\%) \\)</td><td rowspan='2'>Rel.", "enc.", "time \\( (\\%) \\)</td></tr><tr><td>Class B</td><td>Class C</td><td>Class D</td><td>Average</td></tr><tr><td>\\(6\\)</td><td>\\( 0.0 \\)</td><td>\\( 0.1 \\)</td><td>\\( 0.1 \\)</td><td>\\( 0.1 \\)</td><td>\\( 96.8 \\)</td></tr><tr><td>\\(4\\)</td><td>\\( 0.1 \\)</td><td>\\( 0.2 \\)</td><td>\\( 0.3 \\)</td><td>\\( 0.2 \\)</td><td>\\( 92.9 \\)</td></tr><tr><td>\\(2\\)</td><td>\\( 0.7 \\)</td><td>\\( 1.4 \\)</td><td>\\( 2.0 \\)</td><td>\\( 1.3 \\)</td><td>\\( 89.4 \\)</td></tr></tbody></table> <h2>2. 최적 비정수 움직임 벡터 탐색</h2> <p>보간 블록들에 대한 생성이 완료되면, 이들로부터 9개의 후보 지점에 각각 대응되는 예측 블록들을 만들 수 있다.", "블록의 크기를 \\( \\mathrm{NxM},(\\mathrm{x}+\\mathrm{a}, \\mathrm{y}+\\mathrm{b}) \\) 지점에 대한 예측 블록을 \\( P_{a, b} \\), 원본 블록을 \\( \\mathrm{O} \\) 라고 하면 각 예측 블록들에 대한 율 왜곡 값 (rate-distortion cost) Ra,b는 식 (1)과 같이 구할 수 있다.", "</p> <p>\\( R_{a, b}=\\sum_{y=0}^{M-1 N-1} \\sum_{x=0}^{N}\\left|O(x, y)-P_{a, b}(x, y)\\right|+\\lambda B_{a, b} \\)<caption>(1)</caption></p> <p>단, 식 (1)에서 \\( \\lambda \\) 는 Lagrangian multiplier이며 \\( B_{a, b} \\) 는 움직임 벡터를 부호화하기 위해서 필요한 비트수이다.", "</p> <p>\\( 1 / 2 \\) 정밀도에 대해서는 \\( \\mathrm{a}, \\mathrm{b} \\) 를 각각 \\( -0.5,0,+0.5 \\) 로, \\( 1 / 4 \\) 정밀도에 대해서는 \\( \\mathrm{a}, \\mathrm{b} \\) 를 각각 \\( -0.25,0,+0.25 \\) 로 변화시키면서 식 (1)을 계산하고, 그 중 최소값을 갖는 \\( \\mathrm{a} \\) 와 \\( \\mathrm{b} \\) 의 값을 취함으로써 최적 비정수 움직임 벡터 값을 확정한다.", "</p> <h2>3. 압축 효을 및 복잡도 분석</h2> <p>\\( \\mathrm{HEVC} \\) 의 비정수 움직임 벡터 추정 과정은 크게 \\( 1 / 2 \\) 정밀도 보간 블록 생성, \\( 1 / 2 \\) 정밀도 최적 벡터 탐색, \\( 1 / 4 \\) 정밀도 보간 블록 생성, \\( 1 / 4 \\) 정밀도 최적 벡터 탐색의 네 가지 단계로 이루어져 있다.", "각각의 단계에 대한 압축 효율 및 복잡도를 분석하기 위해서 \\( \\mathrm{HEVC} \\) 의 참조 소프트웨어인 HM15.0. \\( 0^{[15]} \\) 에 기반한 다음의 시스템들을 구현하고, 그 성능 및 부호화 시간을 측징하였다.", "</p> <ul> <li>\\( S1\\) : HM15.0에서 비징수 움직임 벡터 추정 제거</li> <li>\\( \\mathrm{S} 2: \\mathrm{S} 1+1 / 2 \\) 단위 보간 블록 생성</li> <li>\\( \\mathrm{S} 3: \\mathrm{S} 2+1 / 2 \\) 단위 최적 벡터 탐색</li> <li>\\( \\mathrm{S} 4: \\mathrm{S} 3+1 / 4 \\) 단위 보간 블록 생성</li></ul> <p>테스트를 위해서는, HEVC 참조 소프트웨어의 성능을 평가하기 위해 표준화 기구인 \\( \\mathrm{JCT}-\\mathrm{VC} \\) 에서 사용하는 common test condition 중, 부호화 지연시간 제한에 의한 성능 저하가 없어 가장 높은 성능을 보이는 random-access configuration을 사용하였다.", "또한, [16]에 정의된 영상 중 Class \\( \\mathrm{D}(416 \\times 240) \\) 개 영상, Class \\( \\mathrm{C}(832 \\times 480) 4 \\) 개 영상, Class \\( \\mathrm{B}(1920 \\times 1080) 5 \\) 개 영상의 총 13 개 영상이 테스트에 사용되었다.", "</p> <p>표 1 은 S1-S4 각각의 경우에 대해, HM15.0 대비 \\( \\mathrm{BD}- \\) rates \\( ^{[17]} \\) 및 상대적인 부호화 시간을 나타낸 것이다.", "상대적인 부호화 시간은 식 (2)와 같이, 평가하고자 하는 시스템의 부호화 시간 Time(Proposed)를 HM15.0의 부호화 시간 Time(Reference)로 나눈 백분율로 측정하였다.", "따라서 BD-rates 상의 양수 값은 압축 효율이 하 락했음을 의미하며, 상대적인 부호화 시간이 100 보다 작으면 복잡도가 HM15.0 대비 감소했음을 의미한다.", "</p> <p>Rel.enc.time \\( =\\frac{\\text { Time }(\\text { Proposed })}{\\text { Time }(\\text { Reference })} \\)<caption>(2)</caption></p> <table border><caption>title</caption> <tbody><tr><td rowspan='2'>System</td><td colspan='4'>\\( \\mathrm{BD} \\) rates \\( (\\%) \\)</td><td rowspan='2'>Rel.", "enc.", "time \\( (\\%) \\)</td></tr><tr><td>Class B</td><td>Class C</td><td>Class D</td><td>Average</td></tr><tr><td>\\( \\mathrm{S} 1 \\)</td><td>\\( 11.4 \\)</td><td>\\( 14.4 \\)</td><td>\\( 16.6 \\)</td><td>\\( 14.4 \\)</td><td>\\( 61.9 \\)</td></tr><tr><td>\\( \\mathrm{S} 2 \\)</td><td>\\( 11.4 \\)</td><td>\\( 14.4 \\)</td><td>\\( 16.6 \\)</td><td>\\( 14.4 \\)</td><td>\\( 71.0 \\)</td></tr><tr><td>\\( \\mathrm{S} 3 \\)</td><td>\\( 3.1 \\)</td><td>\\( 4.2 \\)</td><td>\\( 5.2 \\)</td><td>\\( 4.1 \\)</td><td>\\( 77.9 \\)</td></tr><tr><td>\\( \\mathrm{S} 4 \\)</td><td>\\( 3.1 \\)</td><td>\\( 4.2 \\)</td><td>\\( 5.2 \\)</td><td>\\( 4.1 \\)</td><td>\\( 93.1 \\)</td></tr></tbody></table> <p>표 1의 결과로부터 비정수 움직임 벡터 추정의 각 단계들에 대한 압축 효율 및 복잡도에 대한 영향들을 분석할 수 있다.", "먼저, S1의 경우 평균 \\( 14.4 \\% \\) 의 압축 효율 하락과 \\( 38.1 \\% \\) 의 부호화 복잡도 감소를 보였는데, 이는 비정수 움직임 벡터 추정 전체가 갖는 압축 효율 및 복잡도에 대한 영향을 의미한다.", "</p> <p>\\( \\mathrm{S} 2 \\) 의 경우 \\( \\mathrm{S} 1 \\) 에 \\( 1 / 2 \\) 단위 보간 블록 생성 과정만을 추가한 것이기 때문에 압축 효율에는 변화가 없지만 부호화 시간이 \\( 61.9 \\% \\) 에서 \\( 71.0 \\% \\) 로 증가함으로써 \\( 1 / 2 \\) 단위보간 블록 생성 과정이 약 \\( 9.1 \\% \\) 가량의 복잡도를 증가시킴을 알 수 있다. \\", "( \\mathrm{S} 3 \\) 의 경우 \\( \\mathrm{S} 2 \\) 에 \\( 1 / 2 \\) 단위 최적 벡터탐색을 추가한 것이며, 압축 효율 감소가 \\( 14.4 \\% \\) 에서\\( 4.1 \\% \\) 로 감소하였고, \\( 6.9 \\% \\) 의 복잡도가 증가되었다.", "</p> <p>\\( \\mathrm{S} 4 \\) 는 \\( \\mathrm{S} 3 \\) 에 \\( 1 / 4 \\) 단위 보간 블록 생성 과정을 추가한 것이며, 부호화 시간이 \\( 77.9 \\% \\) 에서 \\( 93.1 \\% \\) 로 크게 증가함으로써 이 과정이 약 \\( 15.2 \\% \\) 의 복잡도를 증가시킴을 알 수 있다.", "표 2 는 위의 분석 걸과들을 요약 정리한 것이다.", "표 2 의 견과로부터, \\( 1 / 4 \\) 보간 블록 생성 단계가 가장 많은 부호화 시간 증가를 가져옴을 알 수 있으며, 제 III장에서는 보간 블록 생성 및 최적 벡터 탐색 단계 각각에 대한 복잡도 감소 방안을 제안한다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "HEVC 부호화기를 위한 고속 비정수 움직임 추정", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0210dc27-0078-4e8e-9469-bdcba8180e32", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2014", "doc_author": [ "한우진" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>요 약</h1> <p>이동통신 시스템에서 이동단말이 소비한 전력은 휴대용 배터리의 용량 제약으로 인하여 매우 중요하게 고려되는 이슈이다.", "따라서, Mobile WiMAX 시스템을 포함한 대부분의 무선통신 네트워크 규격은 이동단말의 전력소모를 줄이기 위한 전력절약 모드를 지원한다.", "그러나 이들 규격에서 제시하는 전력절약 모드는 청취구간의 시간적인 배치만을 정의한다.", "따라서 전력절약 모드로 동작하는 단말의 소비전력은 단말 제조사의 구현형태에 의존적이며, 채널환경 변화에 따라 페이징 손실의 위험성도 존재한다.", "본 논문은 광대역 이동통신 네트워크 환경에서 전력절약 모드로 동작하는 이동단말이 채널품질의 변동추이를 바탕으로 최선의 기지국을 선택하는 방식을 통해 보다 효율적인 전력사용 및 청취구간 동안 페이징 메시지의 손실 위험을 줄이는 실용적인 알고리즘을 제시한다.", "이러한 채널적응형 주파수/기지국 재선택 알고리즘은 청취구간 동안 채널품질을 측정하는 과정, 측정된 채널품질의 변동을 추적하는 과정, 추적결과에 따라 이종 주파수 탐색을 수행하는 과정, 탐색결과에 따라 최선의 주파수 및 기지국을 재선택하는 과정으로 구성되어 있다.", "그러므로 제안된 방식은 단말이 이동함에 따라 해당 네트워크의 채널환경이 변하더라도 전력을 합리적으로 사용함과 동시에 양호한 기지국을 선택하게 함으로써, 청취구간에서 페이징 메시지 수신성능을 향상시킨다.", "본 알고리즘을 적용한 시뮬레이션 결과는 단말의 이동하는 채널환겅에서 다른 후보방안들 보다 페이징 메시지 수신성능이 우수함을 보여주고 있으며 동시에 단말이 평균적으로 보다 양호한 채널환경에서 전력절약 모드를 동작하게 함을 보여준다.", "</p> <h1>6. 결 론</h1> <p>본 논문에서는 단일 및 다중 주파수가 전개된 이동통신 네트워크 환경에서 유휴모드로 동작하는 단말이 효율적으로 소비전력을 줄일 수 있는 알고리즘을 제안하였다.", "제안된 알고리즘은 유휴모드로 동작하는 이동단말의 채널변동을 이용하여 동기획득 시간과 주파수 재선택과정을 효율적으로 제어함으로써, 소비전력은 줄이면서 페이징 수신성능은 보장할 수 있는 채널적응형 선호기지국 선택 방안이다.", "또한, 제안된 알고리즘은 Markov Chain의 기본개념을 적용하여 직전/최종 청취구간의 채널상태만을 고려함으로써, 알고리즘 단순화를 통해 실용성을 추구하였다.", "</p> <p>본 논문은 제안된 알고리즘이 필요한 구체적인 이유와 알고리즘을 형성하는 파라미터의 도출배경에 대한 설명을 포함한다.", "파라미터 도출과정에서는 실제 네트워크로의 적용과 분석이 용이한 경로손실 기반의 Hata Model을 활용하여 동작영역을 정의하였다.", "또한 제안된 알고리즘이 효과적으로 이득을 나타낼 수 있는 유용한 상황 예시를 소개하였고, 본 알고리즘의 성능을 비교평가하기 위해 유용한 후보방식을 제시하였으며, 시뮬레이션을 통해 제안된 알고리즘이 후보방식에 비해 성능적으로 우수함을 보였다.", "</p> <p>향후 연구에서는 본 논문에서 활용한 경로손실, RSSI 외에 CINR을 포함한 다양한 신호품질 기준을 고려할 것이다.", "실제 상용 네트워크 환경에서는 Co-Channel 간섭뿐 만 아니라 지형적이 다양성에 기인한 채널열화가 발생하므로, 본 논문에서 이용한 경로손실, RSSI 만으로는 하향신호 품질을 모두 대변할 수 없기 때문이다.", "추가적으로 하향신호 품질 외에 역방향 신호품질을 고려 함으로써 유휴모드에서 정상모드로의 천이를 포함하는 보다 포괄적이고 정밀한 알고리즘 개발을 향후 연구과제로 진행하고자 한다.", "</p> <h1>5. Performance Evaluation</h1><p>본 논문에서는 시뮬레이션을 위해 서로 다른 주파수를 가지는 2개의 기지국과 이들 기지국 사이를 이동하는 하나의 단말을 적용하였다.", "또한, 제안된 IMCRP-O결정 알고리즘의 성능을 비교하기 위해 아래와 같이 가정된 3가지 추가적인 후보방안을 제시한다.", "</p><ul><li>Candidate Method #1(CM1): 페이징 손실이 발생했을 때만 IMCRP를 수행하는 방안</li><li>Candidate Method #2(CM2): \\( \\mathrm{CQPLI}_{\\mathrm{k}}<(\\mathrm{CQ}_{\\mathrm{RX}-\\mathrm{MIN}}+ \\) \\( 10 \\mathrm{dB} \\) ) 를 만족하는 경우에만 IMCRP를 수행하는 방안</li><li>Candidate Method #3(CM3): \\( \\mathrm{CQPLI}_{\\mathrm{k}}<\\mathrm{CQ}_{\\mathrm{LOWER}} \\) 를 만족하는 경우에만 IMCRP를 수행하는 방안</li></ul><p>본 논문에서 수행한 시뮬레이션을 위해 추가적으로 고려한 가정은 다음과 같다.", "</p><ul><li>No Co-Channel Interference</li><li>단말의 이동방향은 각 Paging Cycle 마다 무작위로 결정되며, 동일 Paging Cycle 동안에는 변경되지 않음.", "</li><li>단말의 이동속도는 각 Paging Cycle 마다 \\( \\mathrm{V}_{\\mathrm{MAX}} \\) 범위 내에서 무작위로 결정되며, 동일 Paging Cycle동안에는 변경되지 않음.", "</li><li>각 IMCRP동안 소비하는 시간 및 전력은 일정함</li><li>IMCRP를 통한 주파수 재선택 과정의 결과는 항상 Best Frequency임", "</li></ul><h2>5.1 Simulation Model</h2><p>본 논문에서 수행한 시뮬레이션에서 사용한 파라미터는<표 3>을 참조한다.", "</p><table border><caption>〈표 3〉 Simulation에 사용된 파라미터</caption><tbody><tr><td>Parameters</td><td>Values</td></tr><tr><td>MS receiver sensitivity</td><td>\\( 95 \\mathrm{~dBm} \\)</td></tr><tr><td>BS EIRP(Cell#1, Cell#2)</td><td>\\( +43 \\mathrm{~dBm} \\)</td></tr><tr><td>Used path loss model</td><td>Hata large city model</td></tr><tr><td>Height of buildings</td><td>\\( 8 \\mathrm{ meters}\\)</td></tr><tr><td>Height of MS</td><td>\\( 1 \\mathrm{ meters}\\)</td></tr><tr><td>Cell#1 carrier freauency \\( \\left(f_{c 1}\\right) \\)</td><td>\\( 2647 \\mathrm{MHz} \\)</td></tr><tr><td>Cell#2 carrier frequency \\( \\left(f_{c 2}\\right) \\)</td><td>\\( 2657 \\mathrm{MHz} \\)</td></tr><tr><td>Cell#1 radius</td><td>\\( 556.8 \\mathrm{ meters}\\)</td></tr><tr><td>Cell#2 radius</td><td>\\(555.4 \\mathrm{ meters}\\)</td></tr><tr><td>Cell overlap coefficient</td><td>\\( D \\sqrt{2} \\)</td></tr><tr><td>Max Velocity</td><td>\\( 60 \\mathrm{~km} / \\mathrm{h} \\)</td></tr><tr><td>Paging cycle</td><td>\\( 1024 \\mathrm{~frames} \\) \\( (5.12 \\mathrm{sec}) \\)</td></tr><tr><td>Number of PLls</td><td>2880</td></tr><tr><td>MS initial location @ Cell#1</td><td>\\( 235.7 \\mathrm{~meters} \\)</td></tr><tr><td>\\( \\alpha \\)</td><td>\\( 6 \\mathrm{~dB} \\)</td></tr><tr><td>\\( \\omega\\) / \\(\\gamma\\) / \\(\\sigma \\)</td><td>50 / 3 / 2</td></tr><tr><td>Number of state \\((N)\\)</td><td>5</td></tr><tr><td>Derived Parameters</td><td>Values</td></tr><tr><td>\\(\\mathrm{CQ}_{\\mathrm{LOWER\\_CELL\\#1}}\\)</td><td>\\( 92.183 \\mathrm{dBm} \\)</td></tr><tr><td>\\(\\mathrm{CQ}_{\\mathrm{UPPER\\_CELL\\#1}}\\)</td><td>\\(86.183 \\mathrm{dBm} \\)</td></tr><tr><td>\\(\\mathrm{CQ}_{\\mathrm{LOWER\\_CELL\\#2}}\\)</td><td>\\( 92.176 \\mathrm{dBm} \\)</td></tr><tr><td>\\(\\mathrm{CQ}_{\\mathrm{UPPER\\_CELL\\#2}}\\)</td><td>\\(86.176 \\mathrm{dBm} \\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "Mobile WiMAX시스템에서 채널품질 변동추적을 이용한 유휴모드 이동단말의 효율적인 선호기지국 선택 방안", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-fcc56137-0a09-492f-89f4-5b086d80b756", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "이강규", "윤희용" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅴ. 결 론</h1><p>본 고에서는 최근 방송통신 융합시스템과 같이 기존의 banck-bone 네트워크를 이용하여 또 다른 부가 서비스 시스템을 구축하는 경우 대역확산 워터마킹 기법을 이용할 수 있음을 보이고, 무선 페이딩 채널환경에서 채널용량을 분석하기 위하여 수식적으로 근사화 하여 채널용량식을 유도하였다.", "유도된 수식을 바탕으로 채널변수에 따른 채널용량의 변화를 보이고, 이론적 수치와 비교를 함으로써 유도된 수식의 정확도를 판단하였다.", "본 고의 연구 결과는 다양한 방송통신 융합 시스템에서 채널용량을 연구할 때 적용될 수 있으리라 기대한다.", "</p> <h1>요약</h1><p>본 고에서는 방송통신융합 시스템 설계에 필요한 채널용량 분석을 다룬다.", "이를 위하여 상관도를 갖는 Hoyt 페이딩 채널에서 dual-branch MRC 기법을 적용한 방송통신 융합시스템의 채널용량을 수식적으로 근사화하여 유도하고 분석한다.", "부가데이터를 전송하기 위해서는 잡음 환경에 강인한 대역확산 워터마킹 기법을 적용할 수 있다.", "수식적 결과로부터 부가데이터 전송 시스템외 채널용량은 다양한 시스템 변수와 채널 변수에 의해 결정될 수 있음을 확인한다.", "</p> <h1>Ⅱ. 융합시스템 모델</h1><p>그림 1은 일반적인 융합시스템의 블록도를 보인다.", "편의상 back-bone 시스템을 호스트라 하고 부가정보 전송 시스템을 워터마킹 시스템이라 명명한다.", "전송하고자 하는 데이터는 워터마킹 임베더의 PN 시퀀스에 의해 대역확산이 되어 호스트 신호에 더해져 무선채널로 전송된다.", "이 기법은 대역확산 워터마킹기법이라 불리는 다지털 워터마킹 기법 중의 하나이다.", "대역확산을 통한 정보전송은 무선채널 상에서 강인한 특성을 가지 며, 수신단에서는 송신시 사용한 PN 시퀀스를 찾기 위해서 간단한 상관기를 이용하기 때문에 실제 시스템 구축에도 용이한 장점을 갖는다.", "한편, 실제 무선채널을 통해 전송된 신호는 채널상에서 다양한 페이딩효과에 의해 왜곡이 일어남으로 이를 고려한 수식적 분석을 통해 채널용량을 분석하여야 한다.", "따라서 다음 장에서는 채널용량의 수식적 유도과정을 살펴본다.", "</p> <h1>Ⅳ. 수식적 결과</h1><p>그림 2는 \\( (\\mathrm{HWR}, \\mathrm{WNR})=(20 \\mathrm{~dB},-10 \\mathrm{~dB}) \\) 에서 다양한 채널변수에 따른 채널용량 대 호스트 샘플링 주파수의 관계를 보이고 있다.", "비교분석을 위하여 AWGN 환경에서의 채널용량과 다이버시티 기법을 적용하지 않은 single branch에서의 채널용량을 함께 나타낸다.", "그림으로부터 페이딩 인덱스 \\( q \\) 가 높을 때는 dual-branch 다이버시티만으로 AWGN 환경에서의 채널용량만큼 채널용량이 확보되며 수신 안테나간 상관도가 높아지더라도 채널용량의 감소가 거의 나타나지 않는다.", "반면에 페이딩 인덱스 \\( \\mathrm{q} \\) 가 낮아서 채널상태가 좋지 않은 경우에는 single-branch의 경우보다도 채널용량이 적으며, 또한 수신신호간 상관도가 높아질수록 이에 대한 영향도 크게 작용하는 것을 알 수 있다.", "</p><p>그림 3은 본 고에서 유도된 채널용량 수식에 따른 수식적 결과와 이론적 값을 비교함으로써 본 고에서 유도한 근사화 된 채널용량 수식이 적절히 유도되었음을 나타낸다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "방송통신융합 시스템을 위한 채널용량 분석", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-01eeb846-e98e-4edd-a89e-6051c34323a3", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "김주찬", "김은철", "김진영" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h3>다.", "비트열 읽기 전용 명령어</h3> <p>본 논문에서는 비트열 정보는 메모리로부터 읽는 것으로 가정하고 비트열 읽기 과정을 위해 프로세서의 메모리 읽기 기능을 이용한다.", "이로 인해 추가적인 비트열 입력 포트와 외부 입력 제어 장치가 필요하지 않기 때문에 범용 프로세서에 명령어를 적용하기가 쉬워진다.", "</p> <p>메모리로부터 비트열 정보를 읽어오기 위해서는 비트열 정보를 저장하고 있는 메모리 공간의 주소를 알아야 하며 비트열의 현재위치도 알아야 한다.", "비트열 정보를 저장하고 있는 메모리 공간의 주소와 비트열의 현재 위치는 메모리에 저장하고 비트열 처리를 할 때마다 불러와서 현재 비트열 위치가 가리키는 비트열 정보를 메모리로부터 읽는데 사용할 수 있다.", "그러나 비트열 처리를 할 때마다 위와 같은 동작을 하게 되면 비트열 정보를 메모리로부터 읽어 들이는데 매우 많은 시간을 사용하게 된다.", "또한 부호의 길이가 짧을 경우 같은 위치의 비트열 정보를 불필요하게 여러 번 읽게 되는 경우도 생긴다.", "따라서 제안하는 비트열 읽기 방법은 전용 비트열 위치 레지스터와 비트열 버퍼 레지스터를 이용하여 반복적인 메모리 참조를 줄인다.", "</p> <p>비트 버퍼 레지스터는 비트열의 현재 위치가 상위 16비트 내에 있도록 유지함으로써 항상 현재 비트 위치부터 최소 16비트의 비트열을 비트 버퍼 레지스터에서 바로 읽어 올 수 있도록 한다.", "따라서 현재 비트열의 위치가 비트 버퍼 레지스터의 상위 16비트를 넘어서게 되면 다음 비트열 정보를 읽어야 한다.", "본 논문에서는 비트열 위치 레지스터와 비트열 버퍼레지스터를 초기화하는 명령어와 비트열 위치를 갱신하는 명령어를 통해서 비트열 위치 레지스터와 비트열 버퍼 레지스터를 관리하도록 한다.", "</p> <p>비트 위치 레지스터 갱신 명령어는 프로세서의 메모리 로드 관련 명령을 이용하여 구현한다.", "메모리 로드 관련 명령에서 주소 생성에 이용되는 덧셈기를 이용하여 비트열 위치 레지스터의 값과 갱신할 비트열의 위치를 더하고 더한 결과를 비트열 위치 레지스터에 쓴다.", "비트열 위치 레지스터의 하위 5번째 비트 값이 변하게 될 경우는 비트열의 현재 위치가 비트 버퍼의 하위 16비트를 가리키게 된다.", "비트열 갱신 명령어는 현재 비트열의 위치가 비트 버퍼 레지스터의 상위 16비트 사이를 가리키도록 해야 하므로 새로운 비트열 정보 16비트를 메모리를 통해서 읽는다.", "메모리 주소는 비트 위치 레지스터의 상위 31비트에 비트 0을 붙인 32비트의 값이 된다.", "메모리를 통해 읽은 16비트의 비트열 정보는 비트 버퍼 레지스터의 하위 16비트에 써지고 비트 버퍼 레지스터의 하위 16비트 값은 상위 16비트에 써진다.", "그림 5는 비트열 위치 갱신 명령어의 데이터 흐름을 보여준다.", "</p> <table border><caption>표 1. 데이터 패스의 합성 결과 (시간 : ps)</caption> <tbody><tr><td colspan=2></td><td>명령어 적용 전</td><td>명령어 적용 후</td></tr><tr><td rowspan=2>쉬프터</td><td>게이트</td><td>990</td><td>1111(121 증가)</td></tr><tr><td>시간</td><td>1890</td><td>2006(116 증가)</td></tr><tr><td rowspan=2>덧셈기</td><td>거이트</td><td>906</td><td>1095(189 증가)</td></tr><tr><td>시간</td><td>1733</td><td>1918(185 증가)</td></tr><tr><td rowspan=2>연속적인 비트 0 카운터</td><td>거이트</td><td>-</td><td>34</td></tr><tr><td>시간</td><td>-</td><td>1297</td></tr><tr><td rowspan=2>합계</td><td>게이트</td><td>1896</td><td>2240(344 증가)</td></tr><tr><td>메모리</td><td>-</td><td>67(32+35) 비트</td></tr></tbody></table> <p>비트열 전용 레지스터를 초기화 하는 명령어는 비트열 버퍼의 메모리 주소와 비트열의 현재 비트 위치를 더하고 비트 위치 레지스터에 저장한다.", "비트열 위치 갱신 명령어와 같은 방법으로 메모리로부터 비트열 정보를 읽어온다.", "</p> <p>비트열 위치 갱신 명령어가 메모리를 통해서 읽는 비트열 정보는 현재 위치의 비트열 정보가 아니라 현재 위치 보다 16 비트 뒤의 비트열 정보이기 때문에 비트 위치 레지스터는 비트열의 현재 위치보다 16비트 뒤의 위치를 저장해야 한다.", "따라서 비트열 전용 레지스터의 초기화 과정은 비트열 전용 레지스터 초기화 명령어 뒤에 비트열 위치 갱신 명령어로 비트열 위치 레지스터의 값을 16 증가시켜야 한다.", "</p> <p>비트열 읽기 전용 명령어는 35비트의 비트열 위치 레지스터의 덧셈 연산을 위해 3비트의 덧셈기가 추가적으로 필요하다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "비트열 처리를 위한 저비용 명령어 세트", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0806de9a-0340-4ef6-a404-bd3600100d1a", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "함동현", "이형표", "이용석" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2. Zigbee 무선통신</h2> <p>유비쿼터스 센서 네트워크를 구성하는 각각의 센서노드에는 무선 통신 모듈이 내장되어 있다고 앞에서 언급한 바 있다.", "독립적으로 배치된 센서 노드에서 측정한 센싱 데이터는 센서 노드들이 자율적으로 구성한 네트워크 경로를 통해 수신 노드로 전송된다.", "이 과정에서 센서 노드 간에 무선 통신을 위한 기술로 Zigbee가 적용되는 것이다.", "물론, 무선 통신 기술에는 여러 가지가 있으나 센서 네트워크의 특성인 저전력, 일정 거리이상의 전송범위, 구현의 용이성 등을 고려할 때 IEEE 802.15.4, Zigbee, UWB, Bluetooth 등과 같은 저속의WPAN(Wireless Personal Area Network) 기술들이 주로 적용되고 있다.", "그 중 현재까지는 단순 기능이 요구되고 저전력, 저가격, 소형 등의 장점을 갖는 Zigbee 기술이 관련 응용 분야에서 가장 많이 적용되고 있는 추세이다.", "그림 1은 Zigbee 하드웨어의 구성요소를 보여준다.", "</p> <p>한국 Zigbee 포럼에서는 Zigbee를 저전력, 저가격, 사용의 용이성을 가진 근거리 무선 센서 네트워크의 대표적 기술 중 하나로 2003년 IEEE 802.15.4 작업분과위원회에서 표준화된 PHY/MAC 층을 기반으로 상위Protocol 및 Application을 규격화한 기술이라고 설명하고 있다.", "아래의 표 1은 Zigbee 기술을 다른 무선 통신 기술과 비교하여 정리한 자료이다.", "</p> <p>표 1에서 보이는 바와 같이, Zigbee는 비교적 짧은 통신거리를 갖지만 저가격이고 Device 확장성이 뛰어나 규모가 큰 환경에서의 적용이 유용할 뿐 아니라 전력소모가 적어 많은 응용분야에서 채택되고 있다.", "더불어 Zigbee는 피어 투 피어(P2P : Peer to Peer), 선형, 망형등 대부분의 네트워크 형상과 호환성이 있는 장점도 가지고 있다.", "Zigbee에 적합한 응용으로는 HVAC(Heating, Ventilating and Air Conditioning), 조명 시스템, 침입 탐지, 화재 감지, 비정상 사태의 감지 및 통보등의 분야가 있다.", "</p> <table border><caption>표 1. Zigbee, Bluetooth 및 Wireless LAN 비교</caption> <tbody><tr><td>항목</td><td>Zigbee</td><td>Bluetooth</td><td>Wireless LAN</td></tr><tr><td>제품군</td><td>Various Sensors, Toy, Home Automation</td><td>HandFree, Headset, Phone, PDA, Computer</td><td>Notebook, Phones</td></tr><tr><td>통신 거리</td><td>\\( 10 \\mathrm{~m} \\) (고정시\\( 1 \\sim 100 \\mathrm{~m}) \\)</td><td>\\( 10 \\sim 100 \\mathrm{~m} \\)</td><td>\\( 150 \\mathrm{~m} \\) MAX</td></tr><tr><td>Device/N etworks</td><td>65536개 또는 그 이상</td><td>7개</td><td>1개</td></tr><tr><td>전송속도</td><td>\\(2.4\\mathrm{Ghz}\\) : \\(250\\mathrm{kbps}\\) \\(915\\mathrm{Mhz}\\) : \\(40\\mathrm{kbps}\\) \\(868\\mathrm{Mhz}\\) : \\(20\\mathrm{kbps}\\)</td><td>\\(2.4\\mathrm{Ghz}\\) : \\(1\\mathrm{Mbps}\\)</td><td>\\(2.4\\mathrm{Ghz}\\) :\\( 11 \\mathrm{Mbps}->5 \\)\\(4\\mathrm{Mbps}\\)</td></tr><tr><td>채널</td><td>2.4Ghz : 11~26채널 915Mhz : 1~10채널 868Mhz : 0채널</td><td>2.4Ghz : 79채널</td><td></td></tr><tr><td>기반규격</td><td>IEEE 802.15.4</td><td></td><td>IEEE 802.11b</td></tr><tr><td>설치 용이성</td><td>아주 쉬움(고정용 에 유리)", "</td><td>쉬움 (작은 이동)", "</td><td>쉬움", "(이동성에 강함)</td></tr><tr><td>적용 제품군</td><td>초저가품</td><td>중저가품</td><td>중저가품</td></tr><tr><td>Battery</td><td>비충전식</td><td>충전식</td><td>충전식</td></tr><tr><td>Battery 사용</td><td>수개월-수년</td><td>소진시 재충전</td><td>소진시 재충전</td></tr></tbody></table> <h2>3. Crossbow사의 MoteView</h2> <p>MoteWorks는 Crossbow에서 제공하는 S/W 개발 플랫폼이다.", "이는 무선 센서 네트워크 응용프로그램을 위한 소프트웨어 개발 환경을 제공하며 센서 정보를 모니터링 할 수 있는 MoteView라는 클라이언트 응용프로그램을 제공한다.", "MoteView의 구동 요소는 아래의그림 2처럼 총 3개의 계층으로 나뉜다.", "</p> <p>Mote 계층에서는 다수의 센서 노드가 측정한 데이터들을 메시 네트워크(Mesh Network)를 형성하여Server 계층으로 전송해 주고, Server 계층에서는 취합된 데이터의 변환과 기록을 담당한다.", "마지막으로 Client 계층은 수집된 데이터들을 그래프나 시각적인요소를 포함하여 화면에 나타내 주는 역할을 한다.", "이Client 계층의 응용프로그램인 MoteView는 센서 네트워크의 구성, 관리, 모니터링, 원격 분석 등의 편리한 기능을 사용자에게 제공하고 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "유비쿼터스 센서 네트워크를 이용한 실시간 온·습도 기록 및 모니터링 시스템 개발", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-011c2714-adbc-4ae8-93f3-67aed0b1c090", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "천성심", "김정자", "원용관", "Hai Trieu Pham" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅱ. 함정 전투 시스템과 MOMAT</h1><h2>1. 함정 전투용 분산 제어 시스템</h2><p>NCS는 기본적으로 대규모 시스템으로 다양한 무기 시스템과 감시 장비들로 구성되어 있다.", "다양한 탐지 및 추적 센서들과 전술 데이터 링크를 통해 수집된 다량의 표적 정보와 전술정보들을 실시간으로 처리, 융합하여 시스템 표적을 생성하고 종합된 전술상황을 전시한다.", "이러한 과정에서 대량의 메시지 트래픽이 발생하며, 시스템 크기에 따라 발생되는 정도가 다르다.", "그림 1과 같이 함정 전투 시스템 정보망은 이중화로 구성된 백본망을 기준으로 무기제어, 레이더, 감시, 물체 추적 등 각 영역별 서브넷이 연결되어 있다.", "</p><p>표 1은 함정 전투 시스템의 노드 수에 따른 분류로서 노드 규모별 메시지 관련 특성을 보여주고 있다.", "함정 전투 시스템은 DDS를 기반으로 메시지 통신이 이루어지고, 각 시스템 규모별 생성되는 데이터의 양과 크기는 각각 다르다.", "총 종간노드는 함정 전투 시스템의 전체 제공자와 사용자를 나타낸다.", "총 노드 수는 레이더, 무기, 함정 제어 시스템 등을 나타낸다.", "최대 토픽 사이즈는 각 전투 시스템 규모별로 \\(8 \\mathrm{KB}\\)와 \\(1 \\mathrm{MB}\\)로 제한된다.", "</p><table border><caption>표 1. 함정 전투 시스템의 노드수에 따른 분류</caption><tbody><tr><td></td><td>Medium-scale systems</td><td>Large-scale systems</td></tr><tr><td>Total endpoints</td><td>13019</td><td>24911</td></tr><tr><td>Publisher / Subscriber</td><td>5413 / 7606</td><td>10284 / 14627</td></tr><tr><td>Total Nodes</td><td>48</td><td>140</td></tr><tr><td>The largest topic size</td><td>\\(8 \\mathrm{KB}\\)</td><td>\\(1 \\mathrm{MB}\\)</td></tr><tr><td>High frequent data</td><td>\\(20 \\mathrm{Hz}\\)</td><td>\\(200 \\mathrm{Hz}\\)</td></tr><tr><td>Bursty traffic</td><td>\\(3000 \\mathrm{Packets / sec}\\)</td><td>\\(3500 \\mathrm{Packets / sec}\\)</td></tr></tbody></table><p>다양한 양과 크기로 생성되는 데이터를 생성하는 각각의 장비들은 컴포넌트(component)로 간주할 수 있다.", "이러한 컴포넌트의 데이터들은 대규모 시스템에서 중규모 시스템보다 더 많은 트래픽을 발생시키므로 메시지 관리를 통해 수많은 데이터들을 제어해야 한다.", "</p><h2>2. Data Distribution Service</h2><p>함정 전투 시스템에서 각 노드별 생성되는 메시지는 DDS와 같은 통신 미들웨어를 이용하여 제어 및 관리된다.", "DDS는 객체 지향 미들웨어(Object-Oriented Middleware)와 메시지 지향 미들웨어(Message Oriented Middleware)로 양분된 통신 미들웨어 시장에서 가장 많이 사용되는 미들웨어 중 하나이다.", "객체 지향 미들웨어로 대표되는 미들웨어로는 common object request broker architecture(CORBA)와 distributed component object model(DCOM)이 있다.", "메시지 지향 미들웨어로는 object management group data distribution service(OMG DDS), RTI사의 DDS, 삼성 탈레스의 STC DDS 등이 있다.", "대표 메시지 지향 미들웨어인 DDS는 함정 전투 시스템에 널리 사용되며, 통신이 이루어지는 과정은 그림 2와 같다.", "</p><p>데이터 제공자와 사용자 간의 통신이 수립되면 함정 전투 시스템의 다양한 장치들의 데이터들은 제공자로서 역할을 하며 글로벌 데이터 공간에 제공한다.", "이곳에 모여진 데이터들은 사용자에게 제공되고, 사용자들은 자신이 필요로 하는 데이터만 가져간다.", "</p><p>데이터 송수신이 이루어 질 때 DDS는 QoS(Quality of Service)를 이용하여 네트워크 트래픽 및 데이터 전송을 관리한다.", "QoS는 DDS에서 가장 중요한 기능이며 통신 서비스의 동작을 제어하는 특성을 보여준다.", "DDS에 관련된 다양한 QoS에 대한 자세한 내용은 논문을 참고하면 된다.", "</p><h2>3. MOMAT의 전체구조</h2><p>MOMAT은 DDS 표준 기반의 데이터 중심 함정 전투 시스템 제어 통신망에서 각각의 컴포넌트에서 발생되는 수많은 데이터를 관리하기 위하여 개발되었다.", "MOMAT의 장점 중 하나는 다양한 데이터 메시지들의 버전을 형상관리 기능과 같이 버전별로 관리할 수 있다.", "또한, OMG 그룹에서 정의한 인터페이스 정의 언어(Interface Definition Language)를 이용하여 코드생성 기능을 제공할 수 있다.", "이러한 장점을 바탕으로 MOMAT은 대규모 시스템의 데이터들을 쉽고 간단하게 관리할 수 있으며, 새로운 기능을 추가할 수 있는 확장성도 가지고 있다.", "</p><p>MOMAT은 어플리케이션 운영을 위해 객체지향 언어이며, 다른 운영체제 및 플랫폼과의 호환성이 높은 C#, MYSQL 기반의 데이터베이스, 컴포넌트, 메시지, 그리고 제공자/사용자 이렇게 4개의 영역으로 구성되어 있다.", "그림 3은 MOMAT의 구조를 보여준다.", "MOMAT에서 중요한 영역은 컴포넌트와 메시지, 그리고 제공자/사용자 영역이다.", "각각의 영역에 대한 자세한 설명은 다음과 같다.", "</p><ol type=1 start=1><li>컴포넌트 : MOMAT은 컴포넌트를 기초로 모든 메시지를 관리할 수 있다.", "컴포넌트는 computer software configuration item(CSCI), computer software component(CSC), 그리고 computer software item(CSU)로서 3가지로 구분할 수 있다.", "즉, 각각의 컴포넌트는 다양한 센서 노드들로부터 생성되는 데이터들을 공유하기 위해 글로벌 데이터 공간에 참여한 컴포넌트들과 통신을 할 수 있다.", "</li><li>메시지 : 메시지는 제공자/사용자로 등록될 수 있다.", "메시지는 프로젝트에서 유저가 정의하는 데이터 구조가 될 수 있고, DDS에서 토픽과 같은 역할을 한다.", "메시지를 통한 데이터 전송은 컴포넌트를 기반으로 동작한다.", "각각의 메시지는 QoS를 포함하고 있으며, 이를 이용하여 메시지의 전송방법에 영향을 줄 수 있다.", "</li><li>제공자/사용자 : 제공자/사용자는 MOMAT에서 중요한 부분 중 하나이다.", "글로벌 데이터 공간에서 통신이 이루어지는 최소 단위가 이 제공자/사용자 단위이기 때문이다.", "앞서 언급한 메시지가 이 둘을 서로 연결하는 매개체가 되고 제공자/사용자는 서로 통신의 종단점 역할을 한다.", "</li></ol>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "함정 전투 시스템을 위한 메시지 지향 모델링 도구 설계", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-09675d43-1e69-44a1-ad82-242d3cd33f53", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2014", "doc_author": [ "송경섭", "김동성", "최윤석" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅱ. 번호판 검출</h1><p>번호판 검출을 위해 본 논문에서는 입력 영상 내 에지의 양 및 에지간의 위치 관계 특성에 기반하여 번호판 후보 영역을 검출하였다.", "번호판 후보 영역이 검출되면, 기울기 보정을 수행한 후, 에지 및 밝기값 분포의 특성을 분석하여 번호판의 정확한 경계 정보를 추출하였다.", "그 후 번호판 후보 영역 내 글자로 판명되는 객체의 위치 및 형태 정보를 현행 번호판 규격 정보와 비교 검증하는 과정을 거쳐 오검출된 번호판 영역을 제거하였다.", "본 논문에서는 영상 내에 차량이 한대라고 가정하였으며, 성공적인 번호판 내 글자인식을 위해 글자의 수직 크기가 15 픽셀 이상이어야 한다는 정보를 근거로, 번호판 너비는 80~300픽셀이라고 가정하였다.", "</p><h2>1. 번호판 후보 영역 검출</h2><p>본 논문에서는 수직, 수평에지 성분과, 이러한 에지 성분들의 위치 관계를 기반으로 번호판 후보 영역을 검출하였다.", "번호판 영역은 차량 영상 내 다른 영역과 달리 사각형 테두리를 가지며, 특정 개수의 글자로 구성되어있다.", "그 결과 번호판 영역 내부에서는 그림 2와 같이 글자에서 기인 된 수직에지 성분이 다수 존재하며, 번호판의 위아래 테두리에서 기인한 수평에지 성분이 수직에지 성분의 상하에 위치하게 된다.", "이러한 특성에 기반하여, 입력 영상의 특정 영역에 존재하는 수직, 수평 에지의 밀집도 및 에지 간의 위치 관계를 살펴보고, 해당 영역의 번호판 후보 영역여부를 판별하였다.", "</p><p>본 논문에서는 캐니 에지 연산자(Canny Edge Operator)를 활용하여 영상 내 에지를 추출하였다.", "수평방향과 이루는 각도가 특정값 이하이면 수평에지로, 그렇지 않은 경우 수직에지로 판명하였으며, 분류된 에지들에 대해서 필터링을 거쳐 번호판 후보 영역을 검출하였다.", "수직에지 필터링에서는 번호판 내 글자에서 기인된 수직에지만 유효하다고 판단하고 추정된 번호판의 글자보다 너비 및 높이가 큰 수직에지들을 제거하였으며, 각 수직에지별로 상하단에 존재하는 수평에지의 밀집도가 낮은 경우 추가적으로 제거하였다.", "</p><p><수직에지 필터링 조건><caption>(1)</caption></p><ul><li>조건 1. hh_edge_ver \\(<1.2 ~* \\) hh_char ww_edge_ver \\(<0.4 ~* \\) ww_char</li><li>조건 2. density_edge_hor \\( >0.15 \\)</li></ul><p>ww_edge_ver와 hh_edge_ver는 연결성 있는 수직에지의 너비와 높이를, ww_char와 hh_char는 각각 추정 된 글자의 너비와 높이를 의미한다.", "density_edge_hor는 window 내 수평에지의 밀집도를 의미하며, window의 너비는 추정된 글자 너비의 \\( 1 / 2 \\), 높이는 추정된 글자의 높이로 설정하였다.", "필터링 된 수직에지들을 번호판 후보 영역으로 확장시키기 위해서, 제안 기법에서는 각 수직에지를 포함한 주변 영역의 수직에지의 밀집도가 높은 경우, dilation연산을 수행하여 후보영역을 생성하였다.", "생성된 번호판 후보 영역은 추가적으로 종횡비 및 크기 정보를 토대로 필터링하였다.", "</p><p><수직에지 필터링 조건>(2)</p><ul><li>조건 1. ww_candidate \\( >\\) ww_plate_min</li><li>조건 2. \\( 2< \\) aspect_ratio_candidate \\(<4.72 \\)</li></ul><p>ww_candidate는 후보영역을 둘러싼 bounding rectangle의 너비, ww_plate_min은 추정된 번호판의 최소 너비, aspect_ratio_candidate는 후보영역을 둘러싼 bounding rectangle의 종횡비를 의미한다.", "그림 3은 번호판 후보 영역 검출에 대한 과정을 보여준다.", "</p> <h2>2. 글자 인식</h2><p>국내 번호판에는 그림 10에서 제시된 바와 같이 관할 관청 기호, 용도별 기호, 숫자 등 총 세 가지 유형의 글자가 존재한다.", "관할 관청 기호와 숫자 영역의 경우 종류가 다양하지 않고, 형태가 유사한 경우가 적기 때문에 인식이 수월하다.", "하지만 용도별 기호의 경우 한글의 특성상 여러 가지 조합의 자음과 모음으로 구성되어 있으며, 비슷한 형태를 가진 경우가 많기 때문에 인식에 어려움이 따른다.", "따라서 본 논문에서는 종류가 다양하지 않고 비슷한 형태가 적은 관할 관청 기호 및 숫자에 대해서는 템플릿 매칭 결과에 기하학적 특성 정보를 토대로 가중치를 주는 기법을 활용하여서 글자인식을 수행하였다.", "또한 종류가 다양하며 오인식률이 높은 용도별 기호에 대해서는 기하학적 특성과 외각 경계 정보 및 투영 정보를 토대로 자음과 모음을 개별적으로 인식함으로써 한글 인식의 정확도를 높였다.", "</p><p>본 논문에서는 글자인식을 위해 템플릿 매칭을 사용하였으며, 유사도 측정에는 Tanimoto distance를 활용하였다.", "템플릿 매칭을 수행하기 위해서는 각 글자에 대해서 표준 패턴이 구성되어야 한다.", "표준 패턴 구성 시 intra-class내에서 유사한 형태를 가진 패턴이 다수 존재할 경우 인식 성능의 향상 없이 계산량의 증가를 가져오게 된다.", "이는 실시간 계산이 요구되는 번호판 인식 시스템에 적합하지 못하므로 본 논문에서는 intra-class간에 중복성을 최소로 하면서, inter-class간에는 확연히 구분되는 표준 패턴을 구성할 수 있는 계층적 클러스터링 기법을 제안하였다.", "계층적 클러스터링에서는 미리 추출한 같은 클래스 내 \\( \\mathrm{n} \\) 개의 글자 영상 샘플들에 대해서 이진화를 수행한 뒤, 템플릿 매칭 수행을 위해 크기를 정규화 하였다.", "그 후 정규화된 이진화 영상들 간에 템플릿 매칭을 수행하여 Tanimoto distance를 측정하고 가장 유사한 2개의 샘플들을 하나로 병합해 주었다.", "남은 \\( \\mathrm{n}-1 \\) 개의 샘플들에 대해서도 동일한 과정을 수행하였으며, 남아있는 \\( \\mathrm{n}-\\mathrm{k} \\) 의 샘플들간에 템플릿 매칭을 수행하여 얻어진 Tanimoto distance의 최소값이 미리 설정한 임계값 이상이면 클러스터링 과정을 종료하였다.", "</p><p>본 논문에서는 종류가 다양하지 않고 비슷한 형태가 적은 관할 관청 기호 및 숫자에 대해서는 템플릿 매칭 결과에 기하학적 특성 정보를 토대로 가중치를 주는 기법을 활용하였다.", "템플릿 매칭 결과 Tanimoto distance가 가장 가깝게 측정된 표준 패턴은 해당 글자일 가능성이 높다.", "하지만 관할 관청 기호에서의 '대전'과 '대구', 숫자에서는 '5'와 '6' 등 형태가 유사한 경우 오인식의 가능성이 존재하기 때문에 글자인식에 있어서 템플릿 매칭 결과를 전적으로 신뢰할 수는 없다.", "따라서 본 논문에서 글자인식 시 추출된 글자 영상과의 템플릿 매칭 결과가 제일 유사한 표준 패턴이 그 다음으로 유사한 표준 패턴과의 거리 차이가 충분히 큰 경우에만 템플릿 매칭 결과를 신뢰하고 해당 글자로 인식하였다.", "그렇지 않을 경우, 기하학적 특성 정보를 토대로 얻은 신뢰도값을 기존의 매칭 결과값에 가중해주고, 이를 토대로 글자인식을 수행하였다.", "글자로부터 기하학적 특성 정보를 얻기 위해 숫자 인식에서는 이진화 된 글자 영상의 Convex hull을 기준으로 내부에 존재하는 홀의 개수 및 종횡비 정보를 활용하였다.", "또한 관할 관청 기호 인식에서는 영상을 \\( \\mathrm{nxn} \\) 의 격자로 구분 한 뒤 정점 sampling방법을 활용하였다.", "</p><p>용도별 기호는 한글의 특성상 종류가 다양하며, 그림 11과 같이 비슷한 자음 혹은 모음간의 형태적 유.사성에서 기인된 오인식 사례가 다수 존재하기 때문에 다른 글자 영역보다 정교한 인식 과정이 수행되어야 한다.", "본 논문에서는 그림 12와 같이 자음과 모음을 분리하여서 글자인식을 수행하였는데, 이를 위해 형태적 유사성에 따라 초기 그룹을 형성한 뒤, 기하학적 특성과 외각 경계 및 투영정보를 토대로 계층을 좁혀나가는 super-class기법을 활용하였다.", "</p><p>용도별 기호에는 총 네 가지 경우의 모음(ㅏ ㅓ ㅗ ㅜ)이 존재하며, 글자 내에서의 모음이 차지하는 위치 분포에 따라 모음을 크게 (ㅏ ㅓ) 와 (ㅗ ㅜ) 클래스로 구분 할 수 있다.", "제안 기법에서는 표준 패턴에 대해서 용도별 기호와의 템플릿 매칭 결과값이 유사한 상위 클래스를 선별한 뒤, 자음은 고려하지 않고 모음이 'ㅏ' 또는 'ㅓ'인 경우와 'ㅗ' 또는 'ㅜ'인 경우에 대해서 character counting을 통해 클래스를 구분하였다.", "또한 'ㅏ' 와 'ㅓ', 'ㅗ'와 'ㅜ'를 각각 구분하기 위해서 영상으로부터 chain code를 생성한 뒤 외각 경계 픽셀들의 방향성 정보를 활용하였다.", "</p><p>용도별 기호는 다양한 종류의 자음(ㄱ ㄴ ㄷ ㄹ ㅁ ㅂ ㅅ ㅇ ㅈ ㅎ)으로 구성되어 있다.", "자음 인식을 위해 제안 기법에서는 모임 인식 결과를 토대로 글자 내 자음의 위치를 추정한 뒤 자음만을 분리해서 인식하였다.", "자음의 경우 형태가 유사한 경우가 다수 존재하기 때문에 템플릿 매칭 결과값으로는 구분이 용이치 않다.", "따라서 본 논문에서는 자음을 인식하기 위해 템플럿 매칭 결과를 그대로 활용하지 않고, 형태적 유사성에 따라 초기 그룹을 형성한 뒤 추가적인 정보를 활용하여 계층을 좁혀나가는 방식을 활용하였다.", "제안 기법에서는 초기 그룹을 형성하기 위하여 각 자음 별로 표준 패턴들 간에 템플릿 매칭을 수행하여 얻어진 Tanimoto distance 의 평균값이 미리 설정한 임계값보다 작은 경우 같은 그룹으로 묶어주었다.", "이러한 정보를 토대로 분리된 자음들에 대해서 초기 그룹을 판단하면, 총 33가지 종류의 용도별 기호는 (ㄱ), (ㄴ ㄷ ㄹ ㅁ ㅂ ㅇ ㅎ), (ㅅ ㅈ) 중에 하나의 클래스에 속하게 된다.", "이렇게 구분된 3개의 클래스를 시작으로 에지 투영 결과 및 방향성 정보, 정점 샘플링 기법, 홀 정보 등을 활용함으로써 자음 인식을 수행하였다.", "정점 샘플링 기법에서는 글자 영역 내의 특정 위치에 존재하는 픽셀들을 counting하는 방식을 사용하였으며 에지의 방향성 정보 파악에는 chain code가 활용되었다.", "에지 투영 시 수평 방향으로 추출된 에지 성분들을 투영하고 길이가 짧은 성분들을 노이즈로 판단하고 제거하였으며, 전체 글자 영상 대비 작은 홀 영역들은 홀의 개수 파악 시 포함하지 않았다.", "그림 13 은 super-class 기법을 활용하여 용도별 기호의 자음을 인식하는 과정을 보여준다.", "</p> <h1>Ⅲ. 번호판 인식</h1><h2>1. 글자 영역 추출</h2><p>본 논문에서는 번호판 영역에 대해서 이진화를 수행하여 번호판 유형을 분류한 후, 번호판 유형에 따른 규격 정보 및 이진화 영상의 연결성 정보를 토대로 번호판 내 글자 영역을 추출하였다.", "검출된 번호판으로부터 글자 영역 추출 시, 번호판 유형이 파악되면 해당 번호판 규격 정보를 토대로 글자의 위치를 추정할 수 있으며, 이를 통해 글자 영역을 정확하게 추출할 수 있다.", "제안 기법에서는 번호판 유형을 분류하기 위해 번호판 후보 영역 검증 단계에서 수행되었던 개선된 국소 이진화 기법 및 번호판 유형 분류기를 활용하였다.", "</p><p>분류된 번호판 유형에 따라 글자 영역을 추출하기에 앞서, 이진화된 번호판 영상은 조명환경 및 촬영 각도에 따라 외각 경계와 글자가 연결되거나 번호판 내부의 변형 및 왜곡에 의해 노이즈가 발생할 수 있으므로, 이에 따른 전처리 과정이 수반되어야 한다.", "제안하는 기법에서는 번호판 규격 정보를 활용하여서 글자들 사이의 빈 공간의 위치를 추정하고, 해당 위치 주변에서 이진화 영상을 수직방향으로 투영했을 때 높이가 급격히 줄어드는 지점을 찾아서 글자 간 혹은 테두리와 글자가 붙어있는 영역을 분리해 주었다.", "또한 규격 정보를 토대로 글자 영역의 위치를 추정한 뒤 연결성 있는 객체의 종횡비 및 크기 정보가 번호판 내 글자의 특성과 상이한 경우 노이즈로 판단하고 제거과정을 수행하였다.", "</p><p>제안 기법에서는 각 글자는 하나의 연결성을 띈다고 가정하고 이진화 영상으로부터 8-neighborhood를 이용한 연결성 있는 객체를 추출함으로써 글자 영역을 추출하였다.", "하지만 번호판 내 글자 영역 중에서 한글로 이루어진 용도별 기호 및 관할관청 기호는 자음, 모음의 형태에 따라 한 글자가 2개 이상의 객체로 분리 될 수 있으며, 이로 인해 추출 실패가 발생할 수 있다.", "따라서 본 논문에서는 이진화 영상으로부터 한글 영역과는 달리 한 글자에서의 연결성이 보장되는 숫자 영역의 위치를 먼저 검출하였다.", "그 후 이진화 영상에서의 숫자 위치 및 번호판 규격 상에서의 숫자 위치를 비교하여 이진화 영상에서의 한글 영역의 위치를 추정하였다.", "한글 영역의 위치가 추정되면 부근의 분리된 객체들에 대한 bounding rectangle을 생성하여 영역 내 객체들을 병합한 뒤 글자추출을 수행하였다.", "</p> <h1>Ⅳ. 실험 결과</h1><p>실험에서 제안하는 방법은 Intel(R) CoreTM i5-3570 CPU \\( 3.40 \\mathrm{GH_z} \\), Memory \\( 4.00 \\mathrm{GB} \\), Windows7환경에서 C++을 활용하여 구현하였다.", "향후 번호판 인식이 다양한 환경에서 활용될 것으로 예상됨에 따라, 본 논문에서는 제안기법의 성능 검증을 위해 근거리 및 원거리에 서 다양한 각도로 촬영된 총 1472장의 영상이 입력으로 사용하였으며, 영상구성은 표 1과 같다.", "입력 영상에는 자가용, 영업용 번호판뿐 아니라 버스나 대형 트럭 등에서 사용되는 대형 번호판도 포함되었으며, 전체 영상에 대해서 \\( 93.54 \\% \\) 의 인식률을 확인할 수 있었다.", "</p><p>번호판 인식 시스템은 번호판 검출, 글자 영역 추출, 글자인식 세 단계로 구성되어 있다.", "본 논문에서는 번호판 검출 시 번호판 내 모든 글자 영역을 포함한 경계가 찾아진 경우 검출 성공이라고 판단하였고, 번호판 후보를 검출하지 못하거나 번호판의 일부만이 검출된 경우 검출 실패라고 판단하였다.", "글자 영역 추출 단계에서는 현행 번호판 규격을 토대로, 번호판 영상으로부터 글자 영역이 존재할 만한 것을 추정한 뒤 해당 위치에서 글자가 추출된 경우만 성공으로 판단하고, 그렇지 않은 경우 실패로 판단하였다.", "글자인식에서는 번호판 검출, 글자 영역 추출, 글자 인식 단계가 순차적으로 수행되며, 표 2는 단계별 성공률의 누적값을 표 3은 단계별 수행시간을 나타낸다.", "번호판 오인식의 요인으로는 그림 14 (a)와 같이 어두운 조명환경에서 촬영된 번호판의 경우 에지를 제대로 추출하지 못하여 번호판 검출이 실패한 경우가 대부분 이었다.", "또한 그림 11 과 같이 형태가 유사한 글자간의 오인식이 그 다음으로 높은 비율을 차지하였으며, 그림 14 (b)와 같이 번호판이 훼손된 경우 글자 영역의 추출이 제대로 이루어 지지 않아 오인식 되는 사례도 살펴볼 수 있었다.", "</p><table border><caption>표 2. 번호판 인식 시스템의 단계별 성공률</caption><tbody><tr><td>Resolution \\( [pixel] \\)</td><td colspan=2>\\( 1540 \\times 1026 \\)</td><td colspan=2>\\( 720 \\times 488 \\)</td><td>\\( 320 \\times 240 \\) \\( 640 \\times 480 \\) \\( 1296 \\times 964 \\)</td><tr><td>Image set</td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>Plate Defection</td><td colspan=2>\\(100 \\%\\) \\( (134/134) \\)</td><td colspan=2>\\(96.45 \\%\\) \\( (136 / 141) \\)</td><td>\\( 97.07 \\% \\) \\((1162/1197) \\)</td></tr><tr><td>Character Segmentation</td><td colspan=2>\\( 98.51 \\% \\) \\( (132 / 134) \\)</td><td colspan=2>\\( 95.74 \\% \\) \\( (135 / 141) \\)</td><td>\\(95.23 \\%\\) \\( (1140/1197) \\)</td></tr><tr><td>Character Recognition</td><td colspan=2>\\( 94.78 \\% \\) \\( (127 / 134) \\)</td><td colspan=2>\\( 94.33 \\% \\) \\( (133 / 141) \\)</td><td>\\(93.31 \\%\\) \\( (1117/1197) \\)</td></tr></tbody></table><table border><caption>표 3. 번호판 인식 시스템의 단계별 수행시간</caption><tbody><tr><td>Resolution \\( [pixel] \\)</td><td colspan=2>\\( 1540 \\times 1026 \\)</td><td colspan=2>\\( 720 \\times 488 \\)</td><td>\\( 320 \\times 240 \\) \\( 640 \\times 480 \\) \\( 1296 \\times 964 \\)</td><tr><td>Image set</td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>Total \\( [sec] \\)</td><td colspan=2>\\( 1.3728 \\)</td><td colspan=2>\\( 1.1031 \\)</td><td>\\( 1.172 \\)</td></tr><tr><td>Plate defection \\( [sec] \\)</td><td colspan=2>\\( 1.0886 \\)</td><td colspan=2>\\( 0.778 \\)</td><td>\\( 0.8957 \\)</td></tr><tr><td>Character segmentation \\( [sec] \\)</td><td colspan=2>\\( 0.0126 \\)</td><td colspan=2>\\( 0.0042 \\)</td><td>\\( 0.0021 \\)</td></tr><tr><td>Character recognition \\( [sec] \\)</td><td colspan=2>\\( 0.1312 \\)</td><td colspan=2>\\( 0.3209 \\)</td><td>\\( 0.4547 \\)</td></tr></tbody></table> <h1>Ⅴ. 결 론</h1><p>본 논문에서는 영상 내 차량의 위치 및 촬영 각도의 제한 없이 다양한 촬영 환경에서 적용할 수 있는 차량 번호판 인식 시스템을 제안하였다.", "이를 위해 에지의 양, 수직 수평에지의 위치 관계, 그리고 지역적 밝기 히스토그램을 활용하여 번호판 영역을 검출하였으며, 현행 번호판 규격정보와 비교 검증하는 과정을 통해 오검출된 번호판 영역을 제거해 주었다.", "글자추출 단계에서는 번호판 영역 내 밝기 변화를 고려한 국소적 이진화를 수행한 뒤, 이진화 영상의 분석과 현행 번호판 가격 정보와의 비교를 통해 글자를 추출하였다.", "또한 번호판 내 글자인식을 위해서는 템플릿 매칭 및 각 글자의 기하학적 특성 정보를 활용하였으며, 종류가 다양하며 오인식률이 높은 용도별 기호에 대해서는 형태적 유사성에 따라 초기 그룹을 형성한 뒤, 기하학적 특성과 외각 경계 정보 밋 투영 정보를 토대로 계층적으로 계층을 좁혀나가는 super-class기법을 활용하였다.", "성능 검증을 위해 다양한 배경에서 촬영된 영상에 대해서 실험을 수행한 결과 총 1472 장의 영상으로부터 \\( 93.54 \\% \\) 의 인식률을 확인할 수 있었다.", "제안 시스템에서 쓰인 번호판 영역의 밝기값 변화를 고려한 국소적 이진화 기법은 번호판 외에도, bimodal한 분포 특성을 가지는 영상의 검출 및 세그먼테이션에 쓰일 수 있을 것으로 기대된다.", "또한 한글을 인식하기 위해서 사용된 자음 및 모음", "분리 기법과 자음 인식을 위한 super-class기법 역시 다른 한글 인식 연구에서 널리 쓰일 수 있다.", "</p> <h1>요 약</h1><p>최근 지능형 교통 시스템을 다양한 상황 및 환경에 적용하려는 시도가 증가함에 따라, 다수의 지능형 교통 시스템에서 사용되고 있는 차량 번호판 인식 과정이 입력영상 내 차량의 위치 및 촬영 각도와 관계잆이 정확하게 이루어질 필요성이 있다.", "본 논문에서는 현행 번호판의 규격정보를 활용하여 오검출된 번호판 후보 영역의 제거 및 번호판 내 글자추출을 수행하고, 한글 특성을 고려한 글자인식을 수행하는 차량 번호판 인식 시스템을 제안한다.", "제안하는 시스템은 입력영상에서 검출한 번호판 후보 영역들에 대해서 기울기 보정을 수행한 후, 후보 영역 내 글자로 판명되는 객체의 위치 및 형태 정보를 번호판 규격정보와 비교 검증하는 과정을 거쳐 오검출된 번호판 영역을 제거한다.", "또한 글자추출 단계에서는 영역 내 밝기 변화를 고려한 이진화를 수행한 뒤, 번호판 규격정보 및 번호판 영역의 종횡비, 배경색, 투영정보 등을 종합적으로 활용하여 번호판 영역 내 글자를 정확하게 추출한다.", "그리고 번호판 영역 내 글자들 중 오인식률이 높은 한글의 인식에 있어서, 형태적 유사성으로 그룹을 나눈 뒤, 주요 특징점들을 토대로 계층을 좁혀 나가는 super-class 개념을 적용하여 한글 인식을 수행한다.", "성능 검증을 위해 다양한 배경에서 촬영된 영상에 대해서 실험을 수행한 결과 제안하는 번호판 인식 시스템이 영상 내 차량의 위치 및 촬영 각도의 변화에 강인한 것을 확인할 수 있었다.", "</p> <h2>3. 번호판 후보 영역 검증</h2><p>본 논문에서는 번호판 영역에 존재하는 에지 및 밝기값 특성을 활용하여 번호판 후보 영역을 검출하였으나, 번호판 영역 외에도 차량의 그릴이나 헤드라이트 영역에서 비슷한 특성이 나타남으로 인해 오검출이 발생할 수 있다.", "이를 방지하기 위해 번호판 검출 시 영상 내 차량의 위치 및 촬영 각도를 제한하게 되는 경우, 다양한 촬영 환경에서의 적용이 어렵게 된다.", "따라서 본 논문에서는 현행 번호판의 규격정보를 활용하여 오검출된 번호판 후보 영역들을 제거하였다.", "</p><p>번호판 규격 정보의 활용을 위해서는 검출된 번호판 영역에 대한 번호판 유형 파악이 선행되어야 한다.", "제안 기법에서는 해당 영역의 이진화를 통하여 번호판 유형 분류에 필요한 정보를 획득하였다.", "번호판 영상에 대해서 단일 임계값을 통한 이진화 수행 시 조도가 균일하지 않은 경우 좋은 성능을 기대할 수 없다.", "또한 입력 영상을 분할하여 이진화를 수행하는 국소적 기법 역시 부분 영역 간 경계에서 이진화 결과의 연속성이 떨어지며, 밝기 변화가 거의 없는 영역에서 노이즈를 발생시킬 가능성이 높아 적절치 못하다.", "</p><p>따라서 본 논문에서는 그림 7과 같이 번호판 영상 내 \\( \\mathrm{x} \\) 좌표별로 주변 영역에 특정 크기의 윈도우를 생성한 뒤, 내부의 밝기 특성을 반영한 이진화 임계값을 설정하였다.", "이진화 수행 시 윈도우의 크기는 추정된 번호판 내 글자 크기 정보 및 번호판 영역은 수직 방향으로의 밝기 변화가 적다는 특성을 고려하여 설정하였다.", "또한 글자 영역과 배경 사이의 경계는 밝기값 차이가 크다는 점을 고려하여, 윈도우 내부 영역에 소벨 에지 연산자(Sobel Edge Operator)를 활용하여 에지의 크기가 급격히 변하는 픽셀들을 구한 뒤, 해당 픽셀들의 밝기값 평균을 구하여서 이진화 임계값으로 설정하였다.", "그림 7에 제시된 번호판 영상에 대해서 이진화 수행 결과, 기존 기법들과 차별화 된 제안 기법의 이진화 수행 결과를 그림 8 에서와 같이 확인 할 수 있었다.", "</p><p>본 논문에서는 번호판 후보 영역에 대해서 이진화를 수행한 뒤, 번호판이 가질 수 있는 종횡비와 내부에 존재하는 글자의 개수 및 배열 정보, 배경색의 밝기 정보를 활용하여서 번호판 유형을 분류하였다.", "제안 기법에서는 번호판 내 글자와 관련된 정보를 획득하기 위해 이진화 영상에서 연결성을 가진 객체는 글자 영역이라고 가정하였으며, 객체의 연결성은 8-neighborhood 방식을 이용하여 판단하였다.", "이외에도 이진화 영상의 가장자리 밝기값 정보를 토대로 파악된 배경색의 밝기 정보 및 수평방향으로의 투영 결과를 이용한 글자 영역의 라인개수 정보도 유형 분류에 활용되었다.", "현행 국내 번호판은 종횡비에 따라 크게 \\( 4.72:1 \\)과 \\( 2:1 \\)규격으로 구분되며 글자 영역은 1~2줄로 구성되어 있고 글자 개수는 7~9개로 제한된다.", "본 논문에서는 그림 9과 같이 제안된 분류기를 토대로 번호판 유형을 분류하는 과정에서 해당 조건이 현행 번호판의 규격을 만족시키지 않는 경우 비번호판이라고 판단하고 제거과정을 수행하였다.", "또한 분류조건을 모두 만족시키는 후보 영역이 2개 이상인 경우, 영역 내 글자로 판명된 객체의 크기 및 상대적인 위치가 해당 번호판 유형 규격정보와 제일 유사한 후보를 번호판으로 판단하고 검출하였다.", "</p> <h2>2. 경계 정보 추출 및 기울기 보정</h2><p>검출된 번호판으로부터 글자를 추출하거나 인식할 때 번호판의 규격 정보를 활용하면 보다 용이하게 추출 및 인식을 수행할 수 있다.", "그러나 검출된 번호판 후보 영역은 정확한 경계 정보를 포함하고 있지 않으며, 또한 번호판 영역이 기울어져 있을 가능성이 높다.", "이에 따라 제안 기법에서는 번호판 후보 영역에 대해서 경계 정보 추출 및 기울기 보정을 수행하였으며, 기울기 보정을 먼저 수행한 후 번호판 경계 정보를 추출하였다.", "</p><p>기울기 보정 단계에서는 그림 4와 같이 번호판 후보 영역에 존재하는 수평에지 성분을 활용하여 기울어진 각도를 추정한 뒤 호모그래피 변환을 수행하여 기울어짐을 보정하였다.", "이를 위해 번호판 후보 영역에 존재하는 수평에지 성분들의 각도를 평균화하여 기울어진 각도를 추정한 후, 이를 기반으로 번호판 후보 영역에 호모그래피 변환을 수행하였다.", "</p><p>번호판의 상하 경계 검출 단계에서는 수평에지들에 대해서 번호판 후보 영역 검출 시 활용한 번호판 내 수직, 수평에지 간의 위치 관계 특성을 활용하여 후보를 선정하였다.", "그 후 추출한 후보 간의 간격이 추정한 번호판의 높이와 유사하지 않은 후보들을 제거한 뒤, 수평 방향으로의 겹침", "정도가 크고 기울기가 유사한 경계 후보를 번호판의 상 하단 경계로 판단하였다.", "</p><p>번호판 영역 내부에는 길이가 긴 수평에지들이 거의 존재하지 않으므로, 상하 경계 검출 시 수평에지를 직접 활용할 수 있었지만, 수직에지는 번호판의 좌우 경계는 물론 글자 영역에도 존재하기 때문에 에지 특성만을 이용한 기법으로는 좌우 경계를 정확히 추출하기 어렵다.", "따라서 제안 기법은 수평 및 수직에지의 분포 특성 외에도 번호판 영역이 가지는 밝기값 분포의 특성을 활용하여 좌우 경계를 추출하였다.", "번호판 영역은 좌우 경계를 기준으로 내부는 글자로 인해 수직에지의 발생이 빈번하고, 외부는 상대적으로 수직에지의 양이 적다.", "또한 번호판 내의 부분 영역들은 그림 5 와 같이 크기 및 위치와 무관하게 밝기값의 분포가 bimodal한 형태를 가진다.", "이러한 특성을 토대로 좌우에 존재하는 수직에지의 양 차이가 큰 \\( \\mathrm{x} \\) 좌표를 기준으로 번호판 좌우 경계 후보군을 선정하였다.", "이러한 후보군 중, 후보군 내부의 부분 영역들 간 밝기값 분포가 모두 bimodal한 형태를 띄고, 유사한 경우, 번호판의 좌우 경계로 판단하였다.", "부분 영역들 간 밝기값 분포 비교를 위해서 본 논문에서는 그림 6과 같이 각 부분 영역들의 총 픽셀 수로 정규화된 히스토그램간의 겹침", "정도를 비교하였다.", "</p><p>\\( c=\\sum_{i=0}^{I_{\\max }} C(i)=\\sum_{i=0}^{I_{\\max }} \\min \\left(\\widetilde{H}_{1}(i) / n_{1}, \\widetilde{H}_{2}(i) / n_{2}\\right) \\)<caption>(3)</caption></p><ul><li>\\( c \\) : 두 히스토그램간 유사도, \\( i \\) :양자화된 밝기구간</li><li>\\( C(i) : i \\) 구간에서의 두 히스토그램간 유사도</li><li>\\( \\widetilde{H}_{j}(i): i \\) 구간내 밝기값을 가지는 \\( j \\) 번째 영 상의 픽셀수</li><li>\\( n_{j} : j \\)번째 영상의 픽셀수의 총합</li></ul><p>겹침", "정도 비교 시 구간 설정이 세분화 되어 겹침", "정도가 작게 나오는 것을 방지하기 위해, 실험에서는 0~255의 밝기값에 대해서 7개의 구간으로 양자화를 수행하였다.", "각 히스토그렘 대해서 특정 양자화 구간 내 존재하는 빈도수를 전체 빈도수의 합으로 나누어 줌으로서 정규화를 시켰으며, 유사도 비교에는 정규화된 두 히스토그램의 구간별로 작은 빈도수값들로만 구성된 유사도 값을 합산하는 방법이 사용되었다.", "</p> <h1>Ⅰ. 서 론</h1><p>최근 차량 증가와 함께 교통 혼잡 문제가 커지면서, 지능형 교통 시스템(ITS)에 대한 중요성이 부각되고 있다.", "ITS는 기존의 교통 시스템을 전자, 제어 및 통신 기술과 접목하여 차량 관련 이벤트를 효율적으로 관리하기 위한 시스템으로써 과속 차량 단속 및 무인 주차장 관리, 불법 차량 감시, 교통 흐름 제어 등에 활용되고 있으며, 향후 CCTV, 차량용 블랙박스, 모바일 기기 등 보다 다양한 환경에서 활용될 것으로 예상된다.", "</p><p>다양한 환경에서의 ITS의 활용이 기대됨에 따라, 영상 내 차량 위치 및 촬영 각도에 강인한 번호판 인식 시스템의 필요성이 대두되고 있다.", "대부분의 지능형 교통 시스템에서는 차량의 인식이 선행되어야 하며, 이는 차량 번호판 인식을 동해 이루어진다.", "현재까지 제안된 번호판 인식 시스템은 인식률의 향상을 위해 그림 1 과 같이 영상 내 번호판의 위치 및 촬영 각도가 제한적인 경우가 대부분이었다.", "다양한 환경에서의 ITS 활용은 영상 내 차량의 위치 및 촬영 각도를 특정 상황에 국한 시킬 수 없다는 것을 의미하므로, 이러한 환경 변수에 강인한 번호판 인식 시스템의 개발이 필요하다.", "</p><p>영상 내 차량의 위치 및 촬영 각도에 강인한 번호판 인식을 위해서는 오검출된 번호판 영역을 효과적으로 제거하는 과정이 필요하다.", "번호판 인식 시스템은 크게 번호판 검출, 번호판 내 글자추출, 글자인식 단계로 구성되며, 번호판 검출을 위한 기존 기법으로는 색상 정보를 이용한 기법, 번호판 내 글자 및 테두리에서 발생하는 에지를 이용한 기법, 번호판의 테두리를 구성하는 라인 추출을 이용한 기법 등이 제안되었다.", "색상 정보를 통한 번호판 검출의 경우 번호판의 색상과 유사한 영역이 오검출될 수 있으며, 에지의 특성을 활용한 기법 및 번호판의 사각형 테두리를 검출하는 기법에서는 번호판 영역과 비슷한 특성을 보이는 차량의 그릴이나 헤드라이트 영역이 오검출 될 수 있다.", "제한된 환경이 아닌 다양한 환경에서 번호판 인식을 하는 경우에는 이러한 사례가 다수 발생할 수 있으므로, 오검출된 영역을 효과적으로 제거하는 과정을 통해 번호판 인식의 정확도를 높이는 것이 필요하다.", "</p><p>이외에도 번호판 인식의 성능을 높이기 위해서는, 검출된 번호판으로부터 번호판의 기울어짐과 열악한 조명 환경을 고려한 글자추출 단계 및 한글 특성을 고려한 글자인식 단계가 수행 되어야 한다.", "글자추출을 위한 기존 기법으로 이진화 된 번호판 영역에서 객체의 연결성 혹은 수직/수평 방향으로의 투영 정보를 활용하는 기법, 번호판 규격 정보를 활용하는 기법 등이 제안되었다.", "이진화를 활용한 기법은 번호판 영역에 음영이 있거나 번호판 내 글자영역과 배경영역의 명암 차이가 적은 경우 글자를 추출하는데 어려움이 따르며, 규격 정보를 이용한 기법 역시 번호판이 정면으로 촬영된 경우를 제외하면 적용에 어려움이 따른다.", "국내 번호판에는 지역명으로 표기된 관할관청 기호, 숫자, 한글로 구성된 용도별 기호가 존재한다.", "기존에 제안되었던 대부분의 번호판 인식 시스템에서는 글자인식을 위해서 관할관청 기호, 숫자, 용도별 기호에 일괄적으로 템플릿 매칭 혹은 PCA(Principal Component Analysis), LDA(Linear Discriminant Analysis) 기법을 적용하였다.", "하지만 용도별 기호는 자음 및 모음이 유사한 경우가 다소 존재하여, 'ㅁ', 'ㅂ', 'ㅇ'간, 혹은 'ㅏ','ㅓ'간의 오인식이 발생할 가능성이 높으므로, 이러한 특성을 고려한 한글 인식 기법이 필요하다.", "</p><p>본 논문에서는 현행 번호판의 규격정보를 활용하여 오검출된 번호판 영역의 제거 및 번호판 내 글자추출을 수행하고, 한글 특성을 고려하여 번호판 내 글자를 인식을 수행함으로써 다양한 촬영 각도 및 차량 위치에 강인한 번호판 인식 시스템을 제안한다.", "제안 시스템은 번호판 내 글자 영역에 발견되는 풍부한 수직에지 특성 및 번호판 영역의 위아래 테두리에서 기인한 수평에지 특성을 동시에 활용함으로써 번호판 후보 영역을 검출한 뒤, 기울기 보정을 수행하였다.", "그 후 기울기 보정된 후보 영역 내에서 글자로 판명되는 객체의 위치 및 형태 정보를 현행 번호판 규격정보와 비교 검증하는 과정을 거쳐 오검출된 번호판 영역을 최종적으로 제거하였다.", "또한 번호판 내에 존재하는 글자를 추출하기 위해서 영역 내 밝기 변화를 고려한 이진화를 수행한 뒤, 이진화 영상의 배경색 및 투영정보, 객체의 연결성 및 현행 번호판 규격 정보를 종합적으로 활용하였다.", "글자인식에 있어서는 템플릿 매칭 및 각 글자의 기하학적 특성 정보를 활용하여 수행하였으며, 앞서 언급한 바와 같이 오인식 가능성이 높은 용도별 기호의 인식을 위해, 각 글자를 자음과 모음으로 분리한 뒤 기하학적 특성과 외각 정보, 투영 정보를 추가적으로 활용하였다.", "</p><p>본 논문의 구성은 다음과 같다.", "Ⅱ장에서는 다양한 촬영 배경으로부터 번호판을 검출할 수 있는 번호판 검출 및 검증 과정 대해서 설명한다.", "Ⅲ장에서는 검출된 번호판으로부터 각각의 글자를 추출하는 과정 및 추출된 글자를 인식하는 과정에 대해서 설명한다.", "Ⅳ장에서는 다양한 환경에서 촬영된 영상을 통해 제안 기법의 성능을 분석하고, Ⅴ장에서 결론을 맺는다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "영상 내 차량의 위치 및 촬영 각도에 강인한 차량 번호판 인식 시스템", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-055d82ee-3aa8-44ff-afcd-16e3f19b9596", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "홍성은", "황성수", "김성대" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "성능 평가</h1><p>본 논문에서 제안된 DTVR의 타당성을 입증하기 위해 GPSR 및 DGRP와의 성능 비교를 ns-2를 이용한 시뮬레이션을 통하여 수행하였다.", "성능 평가는 노드 수에 따른 로컬 맥시멈에 직면할 확률과 노드 수에 따른 전송 지연시간, 기리고 종단간 패킷 전송률에 초점을 맞추었다.", "실험은 총 180초 동안 수행하였으며, 노드의 숫자는 10개씩 100개까지 증가시켰다.", "패킷의 크기는 최대 \\(1000 \\mathrm{byte}\\)로 전송하고 비콘 메시지의 주기는 1초로 제한하였다.", "또한 노드의 이동속도는 \\( 20 \\mathrm{~km} / \\mathrm{h} \\) 부터 \\( 80 \\mathrm{~km} / \\mathrm{h} \\)까지 랜덤하게 설정하였다.", "실험은 총 3번 수행하여 최대값과 최소값을 제외한 평균값을 이용하였다.", "표 2는 성능 평가를 위해 수행한 시뮬레이션 파라미터를 정리한 것이다.", "</p><table border><caption>표 2. 시뮬레이션 파라미터</caption><tbody><tr><td>파라미터</td><td>정의</td></tr><tr><td>토플로지 크기</td><td>\\( 2000 * 2000 \\)</td></tr><tr><td>전송 범위</td><td>\\( 250 \\mathrm{~m} \\)</td></tr><tr><td>MAC 프로토콜</td><td>IEEE 802.11</td></tr><tr><td>트래픽 타입</td><td>CBR</td></tr><tr><td>노드 수</td><td>10 ~ 100</td></tr><tr><td>노드 속도</td><td>\\( 20 \\mathrm{~km} / \\mathrm{h} \\sim 100 \\mathrm{~km} / \\mathrm{h} \\)</td></tr><tr><td>비콘 메시지 시간</td><td>1초</td></tr><tr><td>대역폭</td><td>\\( 2 \\mathrm{~Mbps} \\)</td></tr><tr><td>패킷 크기</td><td>\\( 1000 \\mathrm{~byte} \\)</td></tr></tbody></table><p>그림 4는 패킷 전송 시 노드 솟자에 따른 로컬 맥시멈에 직면할 가능성을 나타낸 것이다.", "그림 4에서 보인 것과 같이 노드의 숫자가 증가할수록 로컬 맥시멈에 직면할 가능성이 감소하는 것을 알 수 있다.", "이유는 노드의 숫자가 증가함에 따라 다음 중계 노드를 선정할 수 있는 노드의 숫자가 증가하기 때문이다.", "그러나 GPSR 및 DGRP와 비교하였을 때 DTVR은 노드의 숫자가 감소하더라도 로컬 맥시멈에 직면할 가능성이 현저히 낮아짐을 알 수 있다.", "</p><p>그림 5는 노드 수에 따른 전송 지연시간을 나타낸 것이다.", "그림 5에서 보인 것과 같이 DGRP와 GPSR의 경우 노드의 숫자가 증가함에 따라 지연시간도 함께 증가하는 것을 확인할 수 있다.", "이러한 이유는 노드의 개수가 증가함에 따라 DGRP와 GPSR은 다음 중계 노드를 선택함에 있어 도로의 형태를 고려하지 않고 목적지 노드와 가까운 노드를 우선적으로 탐색하기 때문이다.", "하지만 DTVR의 경우 노드의 숫자가 증가하더라도 지연시간이 일정한 것을 확인할 수 있다.", "이러한 이유는 DTVR의 경우 다음 중계 노드 선택 시 도로의 형태에 따라 2-hop 이웃 노드를 고려하여 다음 중계 노드를 선택하며, 다음 중계 노드로 선택 가능한 노드가 없을 경우 store and carry를 수행함으로써 지연시간을 최소화 할 수 있기 때문이다.", "</p><p>그림 6은 노드 수에 따른 종단간 패킷 전송률을 나타낸 것이다.", "그림 6에서 보는 것과 같이 노드의 숫자가 증가할수록 종단간 패킷 전송률이 증가하는 것을 확인할 수 있다.", "하지만 DGRP의 경우 노드가 70개 이후로 증가하였을 때 종단간 패킷 전송률이 감소하는 것을 확인할 수 있다.", "이러한 이유는 노드의 숫자가 증가하면서 GPS 상의 비슷한 위치의 노드 숫자 증가로 인하여 중계 노드 선택 시 잘못된 중계 노드의 선택으로 인한 패킷 손실로 판단할 수 있다.", "반면에 DTVR의 경우 중계 노드 선택 시 2-hop 이웃노드의 유무와 목적지 방향성을 함께 고려하기 때문에 가장 높은 패킷 전송률을 나타내는 것을 확인할 수 있다.", "</p> <h1>V.", "결 론</h1><p>본 논문은 차량 간 통신 네트워크에서 새벽시간이나 지역적인 문제로 인해 차량의 밀도가 현저히 낮아짐으로써 발생되는 링크 단절 문제와 로컬 맥시멈 분제를 해결하기 위한 DTVR 알고리즘을 제안하였다.", "DTVR은 주기적인 비콘 메시지를 통하여 노드들의 이동 위치와 방향을 에즉하고, 도로 맵을 활용하여 도로 구조에 따른 차량의 이동을 예측한다.", "또한 목적 노드 방향으로 이동하는 2-hop 노드가 존재하지 않는 경우에는 store and carry를 수행한다.", "성능 평가 결과 DTVR이 GPSR과 DGRP보다 로컬 맥시멈, 전송 지연, 그리고 종단간 패킷 전송률에 있어서 성능이 우수함을 입증하였다.", "그러나 DTVR은 노드의 밀집도가 높은 상황에서는 2-hop 노드 정보를 얻는 과정에서 지연시간이 발생하는 문제가 있으며, 노드의 밀집도가 너무 낮은 상황에서는 중계 노드가 도로의 구조로 인하여 \\( t \\) 초 이후에 목적지 노드와 다른 방향으로 진행할 수 있는 문제를 가지고 있다.", "따라서 향후 연구에서는 이러한 문제점을 고려한 추가적인 성능 개선 방안에 대한 연구가 요구된다.", "</p> <h1>요 약</h1> <p>Vehicular Ad Hoc Network)은 MANET(Mobile Ad Hoc Network)의 일종으로 기지국과 같은 기반시설의 도움 없이 차량 간의 무선 통신을 통해 구성되는 임시적인 네트워크이다.", "VANET은 차량들의 고속 이동성이나 차량 간 밀도 변화로 인해 빈번한 링크 단절 및 네트워크 토폴로지 변화 등을 야기한다.", "이러한 VANET의 특성으로 인해 기존의 MANET에서 사용되는 AODV와 DSR과 같은 경로기반 라우팅 프로토콜보다는 주변 노드의 정보만을 이용하는 GPSR(Greedy Perimeter Stateless Routing)과 같은 지리기반 라우팅 프로토콜이 매우 적합하다.", "그러나 GPSR은 차량 노드의 밀도가 낮은 환경에서는 잦은 링크 단절과 반복적인 로컬 맥시멈으로 인해 전송지연 및 데이터 손실이 발생할 수 있다.", "따라서 본 논문에서는 차량의 밀도가 낮은 VANET 환경에서 효율적인 라우팅을 수행하기 위해 2-hop 이웃 노드의 존재가 없는 경우에 DTN 기반의 라우팅을 수행하는 DTVR(Delay Tolerant Vehicular Routing) 알고리즘을 제안한다.", "ns-2를 이용한 성능분석 결과 제안된 DTVR 프로토콜이 차량 밀도가 낮은 환경에서 기존 라우팅 프로토콜보다 성능이 우수함을 입증하였다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "차량 밀도가 낮은 VANET 환경을 위한 지연 허용 차량 라우팅 프로토콜", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-032b0e69-72e5-43e9-91f5-a9151b7cfe56", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "차시호", "류민우", "조국현" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>요 약</h1><p>수중 통신망의 매체접속제어 (MAC： Medium Access Control) 프로토콜 설계 시 반드시 고려되어야할 사항은 초음파의 느린 속도로 인한 긴 전파 지연, 동기화의 어려움, 그리고 수중 환경에서 배터리 충전의 어려움으로 인한 전력 소비 문제 등이다.", "본 논문에서는 TDMA 기반의 매체접속 제어 프로토콜이 가지는 동기화 문제, 채널 효율 문제를 해결하고, 경쟁기반 프로토콜이 가지는 충돌율로 인한 전송 효율 저하 문제를 보완하는 매체접속 제어 프로토콜을 제안하였다.", "슬립 모드를 도입하여 효율적인 전력 사용으로 에너지 소비를 줄였고, 채널 효율 증가 및 충돌율 감소를 통해 전송 효율을 증가시켰다.", "</p> <h1>Ⅰ. 서 론</h1> <p>해양 개발, 탐사 또는 군사적 목적에 의해 수중과 육지 간 또는 수중과 수중 간의 정보 교환을 위한 수중 통신이 필요하게 되었다.", "수중에서는 긴 전파지연, 큰 전송손실 등 수중 통신채널의 고유한 특성으로 인해 육상과는 다른 여러 가지 통신상의 문제들이 발생된다.", "따라서 이런 문제점들을 극복하고자 수중통신 관련 연구가 꾸준히 진행되어 왔다.", "</p> <p>지금까지는 수중통신에 사용되는 송, 수신기를 중심으로 물리계층에서 대부분의 연구가 진행되어 왔으나 수중 통신망의 구축이 요구되면서 링크계층 이상의 통신망 구축에 필요한 연구가 최근에 이루어지고 있다.", "수중 센서노드들 간의 매체접속제어 (MAC, Medium Access Control) 프로토콜도 최근 관심 연구주제들 중의 하나이다.", "</p> <p>지상의 통신망과 비교했을 때, 수중 통신망에서 특히 문제가 되는 것은 낮은 데이터 전송율 동기화의 어려움, 그리고 음파의 느린 속도로 인한 긴 전파지 연과 배터리 공급의 어려움으로 인한 전력 소비 문제 등이다.", "</p> <p>본 논문에서는 이러한 제약적인 특성을 갖는 수중환경에서도 채널 효율을 높이고, 충돌율을 최소화하여 신뢰성 있는 데이터 전송을 가능하게 하고, 또한 슬립 (sleep) 모드를 적용하여 노드들의 전력 수명을 최대화할 수 있는 매체접속제어 프로토콜을 제안하였다.", "논문의 구성은 다음과 같다.", "2장에서는 본 논문에서 고려하고 있는 네트워크 구조에 대해 기술하고, 3장에서 제안하는 수중 매체접속제어 프로토콜에 대해 설명하며, 4장에서 시뮬레이션을 통해 성능을 분석하고, 끝으로 5장에서 결론을 맺는다.", "</p> <h1>Ⅴ. 결 론</h1> <p>지상의 통신망과 비교했을 때, 수중 통신망에서 특히 문제가 되는 것은 낮은 데이터 전송율, 동기화의 어려움, 그리고 음파의 느린 속도로 인한 긴 전파지 연과 배터리 공급의 어려움으로 인한 전력 소비 문제이다.", "</p> <p>본 논문에서는 경쟁 기반의 프로토콜과 TDMA 기반의 프로토콜의 단점들을 보완하여 수중환경에서도 네트워크 전체의 동기를 맞추지 않더라도 적절한 알고리즘을 통해 얻은 시간정보를 이용하여 데이터 패킷의 충돌을 최소화하고 신뢰성 있는 데이터 전송을 가능하게 하였다.", "또한 슬립 모드를 이용하여 노드들의 전력 수명을 최대화할 수 있는 매체접속제어 프로토콜을 제안하였다.", "</p> <p>전송 효율 \\(90\\%\\)에 가까운 성능을 보였으며, 앞으로 설계 조건 최적화를 통하여 성능 향상을 추진할 예정이다.", "</p> <h1>Ⅱ. 고려한 네트워크 구조</h1><p>센서 네트워크는 센서들을 특정 공간에 배치하여 필요한 정보를 얻어내는 네트워크이다.", "센서 노드는 정보를 감지하고, 전달할 수 있으나 기존 통신노드에 비해 데이터 처리 능력 및 배터리의 제한점을 가진다.", "수중에서는 센서 노드의 배터리 소진 시 장비 회수에 들어가는 비용이 크기 때문에 에너지의 효율적인 사용이 더욱 중요하게 된다.", "최근 효율적인 에너지 소비에 대한 방법으로 네트워크를 구성하는 센서 노드들을 클러스터링 (clustering)하는 기법이 제안되어 왔다.", "네트워크를 클러스터로 나눌 경우 그 계층적인 구조를 이용하여 자원의 효율적인 분산관리를 수행할 수 있다는 장점을 가진다.", "</p><p>본 논문에서 고려한 데이터 수집형 네트워크 구조는 그림 1과 같다.", "전체 노드를 클러스터 단위로 나누었으며, 각 클러스터는 클러스터헤드와 이웃하는 클러스터헤드의 멤버 노드들로 구성되었다.", "클러스터헤드들은 전송 범위내 자신의 멤버 노드들로부터 정보들을 수집하고, 수집된 정보들을 해수면에 떠있는 부표에 전달한다.", "부표에서는 무선 또는 위성 통신을 이용하여 육상으로 정보를 전달하게 된다.", "이처럼 클러스터헤드가 멤버 노드들을 통합하여 정보를 전달함으로써 멀티 홉 네트워크에서와 같은 복잡한 라우팅 계산이 필요 없는 구조이다.", "육지 근처 천해에서 군사정보나 조류 정보 등을 수집할 때 가장 간단하고, 에너지와 망 관리 측면에서 효율적인 네트워크 구조이다.", "</p><p>본 논문에서 고려한 망은 각 단위 클러스터 내에서 클러스터헤드를 중심으로 여러 멤버노드들이 싱글 홉으로 통신하는 센서 네트워크이다.", "따라서, 지역적인 중앙 집중형의 네트워크가 된다.", "본 논문에서는 이러한 클러스터 내의 싱글홉 중앙 집중형 망에 적합한 수중 매체접속제어 프로토콜을 연구하였다.", "</p>" ]

{ "doc_category": { "KDC": "530.2405", "DDC": "620.2" }, "doc_title": { "kor": "싱글 홉 수중 센서 네트워크를 위한 매체접속제어 프로토콜 설계", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-06524a02-b1f6-4369-afcc-e5f151f1125f", "doc_number": { "ISSN": "1225-4428", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "백승권", "조호신", "장윤선" ], "doc_publisher": "한국음향학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>II.", "관련 연구</h1> <h2>(1) RFID(Radio Frequency Identification)</h2> <p>\\( \\mathrm{RFID} \\) 시스템은 RFID 태그(Tag)를 사용하여 상품이나 사물 등의 정보를 식별 관리하는 기술로서 그림 1 과 같이 사물에 부착되어 식별 가능 정보를 담고 있는 태그와, 태그 정보를 판독 및 해석하는 리더(Reader), 그리고 읽어들인 데이터를 처리하는 Host Computer로 구성되어 있다.", "</p> <table border><caption>표 1. 헬스케어를 위한 RFID 응용 서비스</caption> <tbody><tr><td>Application</td><td>Ratte</td></tr><tr><td>People taggang</td><td>26%</td></tr><tr><td>Assets</td><td>16%</td></tr><tr><td>Hhamnaceuucations</td><td>13%</td></tr><tr><td>Blod</td><td>4%</td></tr><tr><td>Othe</td><td>41%</td></tr></tbody></table> <p>표 1 은 의료분야에서의 RFID 적용 유형을 나타낸 것으로, 환자와 의사, 각종 자산, 약물, 혈액 등에 RFID 태그를 부착하고 수술실, 병실, 응급실, 신생아실 등에 리더기를 설치하여 인식오류에 의한 수술, 수혈 및 투약사고를 방지하고, 의료자산 및 의료진의 자원 활용도를 향상시키는 것이 일반적인 의료분야 적용 유형이다.", "이러한 적용은 단순히 실수를 알려주는 방식에서 환자 및 의료진이 의식하지 않은 상태에서 자동으로 각종 약물 투여나 수혈이 적합하지 않을 때는 거부하는 기능으로 발전할 것이다.", "또한 주요 약물의 경우, 약물 복용 순응도 평가 및 모니터링이 가능해지고 이 모든 기록이 의무기록 시스템과 연동되어 임상시험 연구자료 및 의료과오 원인 규명자료로 활용될 것이다.", "</p> <p>앞으로 의료분야에서의 RFID의 활용유형은 다양한 센서와 융합된 형태로 발전할 것으로 예측된다.", "병원 자산 관리는 의료기기에 자동 진단기능 센서 등을 부착함으로써 기기의 상태와 이력을 관리하면서 동시에 위치를 파악하며, 환자 관리의 경우 혈당 및 혈압 측정센서 등이 결합된 의료기기를 이용하여 환자의 상태와 위치를 동시에 모니터링 할 수 있다.", "</p> <p>향후 \\( \\mathrm{RFID} \\) 시스템의 활용은 칩의 가격, 크기, 성능 등 센서 기술의 발전에 따라 다양한 시장에서 적용이 확산되면서 단계적으로 발전할 것으로 예상된다. \\", "( \\mathrm{RFID} \\) 태그가 소형화, 지능화 되는 반면에 단가는 낮아지는 현재의 추이에 따라 자동인식 시스템으로 사용되고 있는 바코드와 광학문자독해 등을 대체하여 사용될 것으로 전망하고 있다.", "RFID는 생산공정, 물류, 유통 외에도 동물인식, 대중교통, 의료분야 등 많은 분야에 적용되고 있으며 이는 차적으로 확산되고 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "복합 이벤트 처리기반 RFID/WSN을 이용한 환자모니터링 시스템 설계에 관한 연구", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-06699e05-5690-41df-83cf-7b1e42ca3574", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "박용민", "오영환" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>II.", "네트워크에서 경쟁에 의한 성능영향</h1><p>일반적으로 네트워크 매니지먼트 시스템은 독립적인 네트워크 장치들로 구성되는데, 시스템의 플랫폼은 다양한 아키텍처들을 이용하여 필요에 맞게 구성할 수 있다.", "하이어라키(hierarchy) 아키텍처는 네트워크 아키텍처 중에 잘 알려진 대표적인 모델이다.", "상위 관리계층에 네트워크 매니지먼트가 있고, 하위 계층에 네트워크 디바이스 등이 있다.", "네트워크 디바이스는 어떤 단위 네트워크들 상호간에 연결을 위하여 구성된다.", "그림 1에 일반적인 네트워크 구성의 한 예가 보이고 있다.", "</p><p>그림에서 서버는 네트워크 매니지먼트(NMS)를 포함하고 있으며, 클라이언트는 CMON(Client Network Monitoring)기능을 가지고 있다.", "CMON은 네트워크 디바이스로부터 정보를 실시간으로 수집하는 기능을 의미 하는데, 수집되는 정보는 네트워크 세그먼트, 스케줄, 인터벌 샘플 등 최근에 갱신되어진 다양한 기록들이다.", "이러한 자료는 정보를 수집한 지역의 네트워크 성능을 추정할 수 있게 한다.", "네트워크 디바이스는 CMON을 위하여 프로브(probe)를 내장하고 있는데, 프로브는 자체의 내장메모리, 프로세스, 네트워크 인터페이스를 이용하여 주변의 자료와 통계적 정보 등을 수집한다.", "프로브는 자신의 독립적 정보와, 인근 프로브의 정보를 포함하는 다중 수집을 할 수 있고, 프로브에게 정보제공 요청이 있으면 실시간으로 응답하여 관련 정보를 제공한다.", "CMON은 통계정보의 구조로부터 각 네트워크 인터페이스의 성능을 추정할 수 있는데, 이러한 통계적 분석은 혼잡제어, 트래픽제어 그리고 경로선택정보 등에 사용된다.", "네트워크 매니지먼트는 논리적으로 인터 페이스의 접속과 분리를 조정하며, 성능관리를 위한 제어를 할 수 있다.", "애드혹(Ad hoc) 네트워크는 인프라스트럭처래스(infrastructureless) 네트워크로 독립적인 네트워크 장치들로 구분되지 않으며 계층적이지 않고, 논리적으로 구분할 수 있는 네트워크 매니지먼트 시스템의 기능들이 각각의 노드에 공통적으로 존재하고 있다.", "따라서 각각의 기능들은 제한적이며 하나의 노드는 노드 전용의 기능을 위한 로컬 태스크와 네트워크 기능을 위한 라우팅 태스크로 구성되어 있다.", "</p><p>그림 2에서 구성된 애드혹 네트워크는 각 노드가 네트워크 매니지먼트와 프로브 기능을 가지고 있기 때문에 네트워크 특성정보를 수집할 수 있고, 트래픽과 혼잡제어를 할 수 있다.", "이 네트워크 구성은 게이트웨이(Gateway) 노드를 통하여 백본망에 접속할 수 있는데, 만약 게이트웨이 노드가 없으면 독립적인 단일 네트워크가 된다.", "에드혹 네트워크에서 이러한 단일 네트워크들은 중간에 연결노드의 추가만으로 망이 확장되는 특징이 있다.", "애드혹 네트워크에서 주로 이용되는 라우팅 프로토콜은 테이블 드리븐(table driven)기반의 프로액티브(proactive)방식과 온디맨드 드리븐(on demand driven)기반의 리액티브(reactive)방식 그리고 이들의 혼용이 있다.", "테이블 드리븐 방식은 일정한 주기로 노드들이 네트워크 정보를 공유하는 방식이고, 온디맨드 방식은 필요시에만 요청에 의하여 정보를 공유하는 방식이다.", "테이블 드리븐 방식은 정보갱신을 위한 제어트래픽이 어느 정도 존재하지만 서비스 요청에 대하여 빠른 응답을 제공할 수 있고, 온디맨드 방식은 정보유지를 위한 제어트래픽은 작지만 서비스 요청에 대한 응답에 지연이 있다.", "위 그림에서 Node #A, Node #B는 Node #C, Node #D와 통신을 하기위하여 Path #1 또는 Path #2를 경유해야 하는데, 각 경로(path)는 Note #1, Node #2의 트래픽 또는 혼잡제어의 정도에 따라 각각 다른 전송성능을 제공한다.", "네트워크 매니지먼트 기능의 흔잡제어와 트래픽제어는 편의상 네트워크 매니저에 의해 수행하는 것으로 본다.", "</p><p>그림 3은 그림 2에서 Node #A, Node #D, Path #1, 그리고 Path #2로 구성되는 네트워크 부분을 단순화하여 다시 표현한 것이다.", "이러한 모델을 경쟁네트워크모델 이라고 부르기로 한다.", "Node #A는 Node #D와 통신을 하기 위하여 두 경로 중 하나를 선택해야 한다.", "그리고 각각의 경로는 네트워크 매니저에 의하여 Node #A와 기타의 트래픽을 고려하여 트래픽을 제한하려고 한다.", "</p><p>표 1은 Node #A와 네트워크 매니저가 각각의 경로를 선택하는 경우에 전송성능을 나타내는 이득표의 구성을 보이고 있다.", "</p><p>노드는 트래픽을 전송하기위하여 경로를 선택하고, 네트워크 매니저는 트래픽을 제한하기 위하여 경로를 선택한다.", "네트워크 매니저의 경로관리 목적은 과부하 방지와 트래픽의 효과적인 경로사용인데, 어떤 노드에 대한 트래픽 제한은 그 노드로부터 발생하는 트래픽 손실 또는 지연의 결과로 나타난다.", "네트워크에서 노드는 경로의 선택에 따라 각각 다른 트래픽 성능을 갖는데, 노드와 네트워크 매니저는 단위시간 동안에 측정된 전송성능 테이블을 가지고 있다.", "성능 테이블은 게임 모델의 이득표(payoff table)와 같은데, 전송성능 테이블은 노드가 선택할 수 있는 경로와, 각 경로를 선택할 때 예상되는 트래픽 성능을 보여준다.", "이득표에서 네트워크 매니저와 노드(Node \\#A)의 선택 가능한 경로(Path)들이 열과 행을 구성하고 있다.", "매니저와 노드의 경로선택이 교차하는 곳이 셀(cell)인데, 하나의 셀에서 노드 성능은 밑에, 매니저의 성능은 위에 표시하고 있다.", "여기서 성능은 경쟁 모델에서 이득(payoff)으로 불리기도 한다.", "</p><p>이득표 1 에서 노드와 매니저가 path #1을 선택하는 경우에 노드의 이득은 0.05 매니저의 이득은 0.95 이고, 노드가 path #1, 매니저가 path #2를 선택하는 경우, 노드의 이득은 0.75 매니저의 이득은 0.25이다.", "노드와 매니저가 path #2를 선택하는 경우에 노드의 이득은 0.25 매니저의 이득은 0.75이고, 노드가 path #2 매니저가 path #1을 선택하는 경우 노드의 이득은 0.85 매니저의 이득은 0.15가 된다.", "이 이득표는 그림 3 에서 노드와 매니저의 경로선택에 따르는 전송성능을 나타내고 있는데, 노드와 매니저는 선택하는 경로(path)에 따라 얻을 수 있는 이득이 다르고, 이것은 경로를 선택하는 방법에 따라 어떤 차이가 있는 것을 나타내고 있다.", "전략은 선택할 수 있는 모든 경로 중 어떤 하나의 경로를 선택하는 것을 의미하는데, 노드와 매니저의 전략에 따라 전송성능에 미치는 영향을 조사한다.", "</p> <h1>III.", "경쟁에 의한 성능영향 및 민감성 분석</h1><h2>1. 경쟁에서 순수전략에 의한 성능분석</h2><p>순수전략은 경로(path)선택에서 발생 할 수 있는 가장 낮은 이득들 중에서 높은 이득을 포함하는 경로를 선호하는 방법이다.", "일반적으로 순수전략은 비확률적으로 선택하는 방법을 의미한다.", "</p><p>path #1에서 노드가 선택할 수 있는 가장 낮은 이득은 0.05이고, path #2에서 노드가 선택할 수 있는 가장 낮은 이득은 0.25이다.", "마찬가지로 매니저는 path #1, path #2에서 가장 낮은 이득으로 0.15와 0.25를 찾을 수 있다.", "</p><p>노드와 매니저의 최소이득은 0.05, 그리고 0.15이므로, 더 이상 낮은 이득은 발생할 수 없다.", "이와 같이 더 이상 발생할 수 없는 낮은 이득을 안전수준(safetybound)이라고 한다.", "경로(path)의 선택에 따라 구해지는 최소이득 중 가장 높은 이득을 가지고 있는 경로를 선택하면 노드는 0.25를 포함하는 Path #2를 선택하고, 매니저는 0.25를 포함하는 Path #2를 선택할 수 있다.", "Node #A가 Path #2를 선택하면서 0.25를 기대하고, 매니저의 어떤 경로선택결과가 노드의 기대치 0.25를 유지하면 이 전략은 히트(hit)라고 하고, 매니저의 경로선택 결과가 0.15를 발생시키면 미스(miss)라고 하자.", "각 전략이 히트인 경우 Node #A와 매니저는 이득 0.25와 0.25를 얻는다.", "그러나 전략이 미스인 경우에 노드와 매니저가 얻을 수 있는 이득은 0.05와 0.15로 최소이득이 된다.", "순수전략은 비확률적으로 구할 수 있는 최소이득의 경우 중에서 최대값을 선택하는 것인데, 노드와 매니저가 각각 path #2를 선택하면 기대하는 이득은 각각 0.25와 0.25가 되지만, 상대의 선택 결과가 미스인 경우에는 최소의 이득 0.05와 0.15가 되고, 이 경우에도 안전수준이 보장된다.", "그리고 만약 반복되는 전략에서 히트의 경우가 발생하면 평균이득은 안전수준 이상으로 증가하계 된다.", "순수전략은 경로선택에 따르는 이득을 안전수준 이상으로 증가시키는 것을 알 수 있다.", "</p><h2>2. 경쟁에서 혼합전략에 의한 성능분석</h2><h3>가.", "상대의 전략이 비공개인 혼합전략</h3><p>혼합전략은 선택을 확률적으로 하는 방법이다.", "상대의 선택을 알 수 있는 경우와 알 수 없는 경우에 따라 기대(expected)이득은 차이를 갖는데, 상대의 선택을 알 수 없고, 상대의 선택을 확률적으로 예상하는 경우 기대이득에 대해 분석하면 다음과 같다.", "이득표 1 에서 상대의 경로선택 확률이 동일하다고 가정하면, Node #A가 얻을 수 있는 기대이득은 매니저의 경로선택에 따라 두 가지 경우를 고려하게 된다.", "매니저가 path #1을 선택하면, 노드는 path #1 또는 path #2를 선택할 수 있는데, 이때 노드의 기대이득은 표 2에서 화살표 방향으로 적용되며 다음과 같다.", "</p><p>\\( 0.05 \\times \\frac{1}{2}+0.85 \\times \\frac{1}{2}=0.45 \\)<caption>(식 1)</caption></p><p>매니저가 path #2를 선택하면, 노드는 path #1 또는 path #2를 선택할 수 있는데, 이때 노드의 기대이득은 다음과 같다.", "</p><p>\\( 0.75 \\times \\frac{1}{2}+0.25 \\times \\frac{1}{2}=0.5 \\)<caption>(식 2)</caption></p><p>노드가 path #1과 path #2를 0.5확률로 선택하는 경우에 기대이득 중 최소이득은 0.45가 되는데, 이 값은 비확률적으로 구할 수 있는 최소이득의 최대값 0.25 보다 크다.", "매니저가 얻을 수 있는 기대이득을 구해보면, 노드가 path #1을 선택하고 매니저가 path #1 또는 path #2를 선택하는 경우, 이때 매니저의 기대이득은 표 3에서 화살표 방향으로 적용되며 다음과 같다.", "</p><p>\\( 0.95 \\times \\frac{1}{2}+0.25 \\times \\frac{1}{2}=0.6 \\)<caption>(식 3)</caption></p><p>노드가 path #2를 선택하고 매니저가 path #1 또는 path #2를 선택하는 경우 매니저의 기대이득은 다음과 같다.", "</p><p>\\( 0.15 \\times \\frac{1}{2}+0.75 \\times \\frac{1}{2}=0.45 \\)<caption>(식 4)</caption></p><p>매니저는 path #1과 path #2를 0.5확률로 선택하는 경우에 기대이득 중 최소이득은 0.45가 된다.", "이 값은 비확률적으로 구할 수 있는 최소이득의 최대값 0.25 보다 크다.", "상대가 동일한 확률로 선택을 하는 가정에서 혼합전략은 노드가 path #1을 매니저가 path #2를 선택하는 것이고, 이 경우 각각의 기대이득은 0.6, 0.5가 된다.", "성능에 있어서 혼합전략은 순수전략과 차이를 보이고 있는데, 위에서 분석한 혼합전략은 노드와 매니저가 서로의 선택을 알 수 없는 경우에 발생되는 결과들이었다.", "</p><h3>나.", "상대의 전략이 공개되는 혼합전략</h3><p>상대의 선택결과를 관측할 수 있는 경우에 대해 살펴보면, 표 1에서 매니저가 어떤 경로를 선택하고, 그 정보를 노드가 관측하는 경우, 노드의 선택보수는 항상 유리한 경우가 된다.", "매니저가 path #1을 선택하였고, 노드가 매니저의 선택을 관측한 경우 노드는 높은 이득 0.85를 갖는 path #2를 선택한다.", "따라서 노드는 이득 0.85를 얻고, 매니저는 이득 0.15를 얻게 된다.", "매니저가 path #2를 선택하였고, 노드가 매니저의 선택을 관측한 경우 노드는 높은 이득 0.75를 갖는 path #1을 선택한다.", "따라서 노드는 이득 0.75를 얻고, 매니저는 이득 0.25를 얻게 된다.", "마찬가지로 노드의 선택을 매니저가 관측하는 경우에는 노드가 path #1을 선택하고, 매니저가 노드의 선택을 관측한 경우 매니저는 높은 이득 0.95를 갖는 path #1을 선택한다.", "따라서 매니저는 이득 0.95를 얻고, 노드는 이득 0.05를 얻게 된다.", "노드가 path #2를 선택하고, 매니저가 노드 선택을 관측하는 경우에 매니저는 높은 이득 0.75를 갖는 path #2를 선택한다.", "따라서 매니저는 이득 0.75를 얻고 노드는 이득 0.25를 얻게 된다.", "</p><p>상대의 선택을 관측할 수 있는 경우에 자신은 항상 선택의 이득을 극대화 할 수 있는 것을 알 수 있다.", "그러나 선택이 노출된 상대는 항상 낮은 이득을 얻게 된다.", "그러나 이와 같은 경우에도 순수전략에서 찾아진 안전수준은 보장되고 있다.", "이러한 전략을 맥시민 전략 (maximin strategy)이라고 부르기도 한다.", "</p> <h2>4. 기대확률 추정</h2><p>기대이득으로부터 혼합전략 즉, 기대확률을 추정해 보면, 이것은 자신의 전략에 대하여 상대의 예상되는 전략에서 이득이 같아지는 조건을 추정하고, 이에 대응하는 확률을 찾는 것이다.", "표 4에서 노드가 path #1을 선택하고, 즉 노드의 path #1 선택확률이 \\(p=1\\)인 상태에서, 매니저가 확률 \\(q \\)와 \\((1-q)\\)로 path #1과 path #2를 선택할 때 기대이득은 다음과 같다.", "</p><p>\\( 0.05 \\times q+0.75 \\times(1-q) \\)<caption>(식 13)</caption></p><p>노드의 path #2 선택확률이 \\((1-p)=1\\)인 상태에서, 매니저가 확률 \\(q\\)와 \\((1-q)\\)로 path #1과 path #2를 선택 할 때 기대이득은 다음과 같다.", "</p><p>\\( 0.85 \\times q+0.25(1-q) \\)<caption>(식 14)</caption></p><p>두 경우에서 기대이득이 같아지는 조건은</p><p>\\( 0.05 \\times q+0.75 \\times(1-q)=0.85 \\times q+0.25(1-q) \\)<caption>(식 15)</caption></p><p>이다.", "여기서 \\( q \\)에 관해 정리하면</p><p>\\( q=0.38 \\)</p><p>이 된다. \\", "( q =0.38 \\)을 (식 13) 또는 (식 14)에 대입하면 노드의 이득은 0.48이 되는 것을 알 수 있다.", "</p><p>마찬가지로 매니저가 path #1을 확률 \\( q=1 \\)로 선택하고, 노드가 \\( p \\)와 \\( (1-p) \\)의 확률로 path #1과 path #2를 선택하면 기대이득은 다음과 같이 된다.", "</p><p>\\( 0.95 \\times p+0.15 \\times(1-p) \\)<caption>(식 16)</caption></p><p>또한 매니저가 path #2를 확률 \\( (1-q)=1 \\)로 선택하고, 노드가 \\( p \\)와 \\( (1-p) \\)의 확률로 path #1과 path #2를 선택하면 기대이득은 다음과 같다.", "</p><p>\\( 0.25 \\times p+0.75 \\times(1-p) \\)<caption>(식 17)</caption></p><p>두 경우에서 기대이득이 같아지는 조건</p><p>\\( 0.95 \\times p+0.15 \\times(1-p)= \\)\\( 0.25 \\times p+0.75 \\times(1-p) \\)<caption>(식 18)</caption></p><p>에서 \\( p \\)에 관해 정리하면</p><p>\\( p=0.46 \\)</p><p>이다. \\", "( p=0.46 \\) 을 (식 16) 또는 (식 17)에 대입하면 매니저의 이득은 0.52가 되는 것을 찾을 수 있다.", "이러한 결과로부터 노드는 0.48의 기대이득에서 매니저가 0.38의 확률로 path #1을 선택하는 전략에서 이득이 최적으로 될 수 있음을 추정할 수 있고, 매니저는 0.52의 기대이득에서 노드가 0.46의 확률로 path #1을 선택하는 전략에서 이득이 최적으로 될 수 있음을 추정할 수 있다.", "기대확률의 추정된 결과와 기대이득의 추정 결과는 동일한 확률과 이득을 나타내고 있다.", "</p><h2>5. 기대이득 추정의 일반화</h2><p>표 5와같이 변수로 구성된 이득표에서 기대이득과 기대확률을 구하기 위하여 각각의 식을 유도하면, 변수로 구성된 식을 구성할 수 있다.", "</p><p>매니저가 path #1을 선택하면 노드의 기대이득은</p><p>\\( p \\times a+(1-p) \\times b \\)<caption>(식 19)</caption></p><p>이고, 매니저가 path #2를 선택하면 노드의 기대이득은</p><p>\\( p \\times d+(1-p) \\times c \\)<caption>(식 20)</caption></p><p>가 된다.", "두 식이 같아지는 경우</p><p>\\( p \\times a+(1-p) \\times b= \\)\\( p \\times d+(1-p) \\times c \\)<caption>(식 21)</caption></p><p>에서 \\( p \\) 에 대하여 정리하면</p><p>\\( p=\\frac{b-c}{d-a+b-c} \\)<caption>(식 22)</caption></p><p>을 얻을 수 있다.", "구해진 \\( p \\) 를 조건식 (식 19) 또는 (식 20)에 대입하면 기대이득을 찾을 수 있다.", "마찬가지로 노드가 path #1을 선택하면 매니저의 기대이득은</p><p>\\( q \\times h+(1-q) \\times k \\)<caption>(식 23)</caption></p><p>이고, 노드가 path #2를 선택하면 매니저의 기대이득은</p><p>\\( q \\times i+(1-q) \\times j \\)<caption>(식 24)</caption></p><p>가 된다.", "두 식이 같아지는 경우</p><p>\\( q \\times h+(1-q) \\times k= \\)\\( q \\times i+(1-q) \\times j \\)<caption>(식 25)</caption></p><p>에서 \\( q \\) 에 대하여 정리하면</p><p>\\( q=\\frac{j-k}{h-i+j-k} \\)<caption>(식 26)</caption></p><p>을 구할 수 있다.", "구해진 \\( q \\) 을 조건식 (식 23) 또는 (식 24)에 대입하면 기대이득을 찾을 수 있다.", "상대의 선택에 따라서 자신의 전략에서 예상할 수 있는 기대이득을 일반화하였다.", "</p> <h2>3. 혼합전략의 일반화</h2><p>혼합전략은 확률적으로 경로를 선택하는 방법이다.", "매니저와 노드의 선택이 확률적으로 발생하는 경우 각각의 선택에 따르는 예측이 히트할 확률을 고려해보면, 매니저가 path #1과 path #2를 각각 선택하는 경우 노드는 path #1과 path #2를 확률 \\( p \\)와 \\( (1-p) \\)의 확률로 선택할 수 있다.", "매니저가 path #1, path #2를 \\( q \\),\\( (1-q) \\)의 확률로 선택하고, 노드는 path #1, path #2를 \\( p \\), \\( (1-p) \\)의 확률로 선택하는 경우에 이득표는 아래 표 4와 같이 나타낼 수 있다.", "</p><p>매니저가 path #1을 선택한 경우, 노드 기대이득은</p><p>\\( 0.05 \\times p+0.85 \\times(1-p) \\)<caption>(식 5)</caption></p><p>이고, 매니저가 path #2를 선택한 경우, 노드 기대이득은</p><p>\\( 0.75 \\times p+0.25 \\times(1-p) \\)<caption>(식 6)</caption></p><p>와 같다.", "</p><p>매니저가 path #1을 선택한 경우에 노드 이득과, 매니저가 path #2를 선택한 경우에 노드 이득이 같아지는 확률 \\( p^{\\prime} \\) 을 찾아보면, 노드의 기대확률은 매니저의 경로 선택에 따라 두 가지가 있을 수 있는데, 이것을 그래프로 나타내면 그림 4와 같다.", "그림에서 도트라인은 매니저가 path #1을 선택하는 전략에 따라 노드가 기대하는 이득을 나타내고 있고, '+' 라인은 매니저가 path #2를 선택하는 전략에 따라 노드가 기대하는 이득을 나타내고 있다.", "'' 라인은 \\( p \\)가 커질수록 기대이득이 증가 하지만, 도트라인은 \\( p \\)가 커질수록 기대이득이 감소하고 있다.", "</p><p>노드의 기대이득은 \\( \\mathrm{p}<0.46 \\) 에서 '+' 라인에 의하여 결정되고, \\( \\mathrm{p}>0.46 \\) 에서는 도트라인에 의하여 결정되는 것을 알 수 있다.", "즉, \\( \\mathrm{p}<0.46 \\) 에서 노드의 기대이득은</p><p>\\( 0.75 \\times p+0.25 \\times(1-p) \\)<caption>(식 7)</caption></p><p>이고, \\( \\mathrm{p}>0.46 \\) 에서 노드의 기대이득은</p><p>\\( 0.05 \\times p+0.85 \\times(1-p) \\)<caption>(식 8)</caption></p><p>와 같다.", "그림에서 \\( p=0.46 \\)에 교점(intersection)이 있다.", "이 교점에서 도트라인과 '+' 라인이 만나는데, 최소이득을 극대화 하는 곳은 교점 \\( p^{\\prime}=0.46 \\) 이 된다.", "이러한 결과로부터 0.46 확률로 path #1을 선택하는 전략이나, \\((1-0.46)\\)의 확률로 path #2를 선택하는 전략에서 기대이득은 최대가 되고, 이때 얻을 수 있는 이득은 0.48이 되는 것을 알 수 있다.", "</p><p>마찬가지로 노드가 path #1과 path #2를 각각 선택하는 경우에 매니저가 path #1, path #2를 확률 \\( q \\), \\( (1-q) \\)로 선택하는 경우에 기대이득을 구해보면 다음과 같다.", "노드가 path #1을 선택한 경우, 매니저의 기대이득은</p><p>\\( 0.95 \\times q+0.25 \\times(1-q) \\)<caption>(식 9)</caption></p><p>이고, 노드가 path #2를 선택한 경우, 매니저의 기대이득은</p><p>\\( 0.15 \\times q+0.75 \\times(1-q) \\)<caption>(식 10)</caption></p><p>와 같다.", "노드가 path #1을 선택한 경우에 매니저 이득과, 노드가 path #2를 선택한 경우에 매니저 이득이 같아지는 확률 \\( q^{\\prime} \\) 을 찾아보자.", "매니저의 기대이득은 노드의 경로선택에 따라 두 가지가 있을 수 있다.", "</p><p>그림 5에서 도트라인은 노드가 path #1을 선택한 경우 매니저의 기대이득을 나타내고 있고, '+' 라인은 노드가 path #2를 선택한 경우 매니저의 기대이득을 나타내고 있다.", "도트 라인은 \\( q \\)가 커 질수록 기대이득이 증가하지만, '+' 라인은 \\( q \\)가 커질수록 기대이득이 감소하고 있다.", "이러한 관계로부터 매니저의 기대이득은 \\( q<0.38 \\) 에서는 도트 라인에 의하여 결정되고, \\( q>0.38 \\) 에서는 '+' 라인에 의하여 결정되는 것을 알 수 있다.", "</p><p>즉, \\( q<0.38 \\) 에서 매니저의 기대이득은</p><p>\\( 0.95 \\times q+0.25 \\times(1-q) \\)<caption>(식 11)</caption></p><p>이 지배하고, \\( q>0.38 \\) 에서 매니저의 기대이득은</p><p>\\( 0.15 \\times q+0.75 \\times(1-q) \\)<caption>(식 12)</caption></p><p>이 지배하는 것으로 볼 수 있다.", "그림 5에서 교점 (intersection)은 \\( q=0.38 \\)에서 찾을 수 있다.", "이 점에서 도트라인과 '+' 라인이 만나는데, 따라서 최소이득을 극대화 하는 곳은 교점 \\( q^{\\prime}=0.38 \\) 이 된다.", "이러한 결과로부터 \\(0.38 \\) 확률로 path #1을 선택하는 전략이나 \\( (1-0.38) \\)의 확률로 path #2를 선택하는 전략에서 기대이득은 최대가 되고, 이때 이득은 0.52가 되는 것을 찾을 수 있다.", "매니저와 노드가 각각의 혼합전략에서 최소이득이 최대가 되는 지점을 찾아보았다.", "이와 같이 최소이득이 최대가 되는 곳을 평형점(equilibrium point) 이라고 부른다.", "그림 3과 표 1 의 경쟁네트워크모델에서는 매니저가 path #1, path #2를 \\( q=0.38 \\), \\( (1-q)=0.62 \\)의 확률로 선택하고, 노드는 path #1, path #2를 \\( p=0.46 \\), \\( (1-p)=0.54 \\)의 확률로 선택하는 경우에 평형점을 찾을 수 있고, 각각의 평형점에서 기대이득은 0.52와 0.48로 최적화 할 수 있다.", "</p> <h1>요 약</h1><p>애드혹(Ad hoc)네트워크는 각 노드에 의하여 네트워크의 토폴로지가 구성되는 인프라스트럭처래스(infrastructurcless) 네트워크이다.", "전용의 네트워크 디비이스가 없기 때문에 각 노드들이 디바이스 기능 즉, 네트위크 제어와 관리기능을 수행한다.", "애드혹 네트워크는 어떤 노드가 네트워크 토풀로지에 참여하거나 탈퇴하는 것이 인의적이기 때문에 토폴로지의 확장이 용이하고, 트래픽이 먼 거리를 가는 강우에는 중간 노드들의 경로를 경우해야 하는데, 이러한 요인들이 성능변동에 영향을 준다.", "따라서 각 노드들은 자신의 트레픽을 안정적으로 유지하기 위하여 주변의 트래픽, 네트워크를 구성하는 경로들의 상태, 자신의 트래픽이 경유할 노드에서 트래픽 및 혼잡제어 등을 고려할 필요가 있다.", "본 논문은 경로의 대역을 유한자원으로 가정하고 경로를 점유하기 위하여 발생하는 트래픽 경쟁이 전송성능에 미치는 영향과 이러한 경쟁모델을 구성하는 인자가 성능에 미치는 영향을 분석하고 그 결과를 제시하였다.", "이러한 결과는 네트워크에서 관리정첵과 기법 등에 기여할 것으로 기대한다.", "</p> <h1>I.", "서 론</h1><p>일반적으로 애드혹(Ad hoc) 네트워크는 무선통신에서 통신 가능한 노드들이 자율적으로 형성한 네트워크를 의미한다.", "애드혹 네트워크는 구조적으로 네트워크 중간에서 제어노드, 액세스 포인트(Access Point, AP) 워크를 구성하고 통신해야 한다.", "노드는 하드웨어적으로 인접노트와 통신을 위하여 인입과 인출포트를 포함하고 있으", "너 프로세서는 라우팅 태스크와 로칼 태스크를 처리할 수 있도록 고려되어 있다.", "두 통신노드의 거리가 먼 경우에는 다른 노드들을 경유하여 통신경로를 형성하는데, 노드와 노드사이에 형성되는 통신경로를 홉(hop) 이라고 부른다.", "노드간 홉에 의하여 형성되는 경로가 길어질수록 통신에 소요되는 자원과 비용이 증가하는데, 예로 전력, 홉(hop) 수, 기억장치 등이 있다.", "노드와 홉에 의하여 구성되는 네트워크 토폴로지(topology)를 인프라스트럭처래스(infrastructureless) 네트워크라고 부르며, 이 방식은 고정된 라우팅 방식에 비하여 노드 이동이 자유롭고 네트워크 토폴로지가 동적으로 변하는 특징이 있다.", "</p><p>애드혹 네트워크에서 각각의 노드들이 발생하는 데이터들은 목적지 노드를 찾아 일련의 패킷들이 트래픽을 형성하는데, 트래픽은 다양한 변수 즉, 토폴로지의 변경, 무선 환경의 변동, 노드 상태변화, 전역정보 갱신 상태 등 다양한 변수에 의하여 크게 영향을 받는다.", "이와 관련된 것으로 트래픽 제어(Traffic Control), 혼잡제어(congestion control), 흐름제어(Flow Control)등 관리정책이 있는데, 트래픽 제어는 혼잡의 발생을 추정하여 사전에 트래픽을 제어하는 예방제어이고, 혼잡제어는 혼잡이 발생하면 그 영향과 혼잡상황의 지속 등을 제한하기 위한 사후제어이며, 흐름제어는 수신단의 처리능력을 고려하여 송신단의 전송량을 조절하는 것이다.", "혼잡이 발생하면 해당링크의 노드는 트래픽을 일시 저장하는 큐(Queue)가 포화하여 링크의 처리능력을 초과하는 트래픽 과부하를 처리하지 못하고 손실시키기 때문에 데이터가 손실되고, 트래픽 패킷들이 링크의 대역을 점유하기 위하여 경쟁하고, 패킷거부와 전송취소 트래픽 제어신호가 발생하는 등 혼잡의 영향이 복잡하게 발생한다.", "혼잡제어 기법으로 트래픽 쉐이핑(Traffic Shaping), 큐잉관리(스케쥴링 기법), 수락제어(Admission Control)등이 있는데, 트래픽 쉐이핑은 예측을 준수하는 수준에서 속도변동을 허용하는 기법이고 큐잉관리와 수락제어는 큐잉과 인입허용에서 패킷을 선별적으로 제한하는 기법이다.", "이러한 기법들은 QoS(Quality Of Service)을 성능함수로 정하고, 적절한 성능을 보장(Assurance)하기 위하여 동작하고 있다.", "</p><p>애드혹 네트워크 토폴로지는 노드의 참여와 탈퇴가 임의적이기 때문에 어떤 통신을 위한 경로의 통신 수명 (life cycle)은 단기적이다.", "이러한 환경에서 라우팅을 위해 정적 네트워크에서 사용되는 두 가지 파라미터는 애드혹 네트워크에서도 중요한데 디스턴스 벡터 (distance vector)와 링크 스테이트(link state)가 그것이다.", "노드는 이것으로부터 네트워크 토폴로지의 상태와 통신경로의 성능을 추정하고.", "그 결과로부터 자신을 라우터로 경유하는 트래픽들에 대하여 혼잡제어, 트래픽제어를 서비스하고, 자신이 생성하는 트래픽의 적절한 경로선택 스케줄링을 결정해야 한다.", "자신이 생성한 트래픽은 보다 효과적인 경로를 선택하기 위하여 전송성능에 영향을 주는 다른 트래픽들과 각 노드에 있는 라우터 태스크의 흔잡제어, 트래픽제어 등을 예측할 필요가 있다.", "이러한 요인들과 성능의 영향은 한정된 네트워크 자원에 대하여 서로 점유하려고 하기 때문에 경쟁관계로 모델링하고 그 영향을 분석할 수 있는데, 이러한 경쟁관계를 이해하는 것은 성능을 개선하기 위하여 중요한 문제일 수 있다.", "따라서 우리는 노드 자신이 발생하는 트래픽, 다른 노드에 의한 트래픽 그리고 혼잡 및 트래픽 제어로 구성되는 경쟁네트워크모델을 구성하고, 모델에서 경로를 선택하는 전략에 따라 경쟁관계가 성능에 미치는 영향을 조사한다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "애드혹(Ad hoc) 네트워크에서 경쟁에 의한 트래픽성능 및 민감성 분석", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-01375331-be93-44bf-a31e-e5a6cb6a8aee", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "조항덕", "김우식" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "시뮬레이션</h1><p>본 논문에서 제안한 SRS 알고리즘과 기존의 WCL알고리즘의 성능을 비교 분석하기 위하여 자유 공간을가정하고 아래 표 2에 정의된 환경으로 시뮬레이션을 수행하였다.", "동일한 조건에서 실험 1은 사용자 노드를 3\\(\\mathrm{m}\\) 간격으로 실험 2는 1\\(\\mathrm{m}\\) 간격으로 등간격, 격자 배치시켰다.", "측위 오차(\\(E_{i}\\))와 평균 측위 오차(\\(E_{mean}\\) )는각각 식 (19)와 식 (20)과 같다.", "</p><p>\\( E_{i}=\\sqrt{\\left(x_{i}-\\hat{x}_{i}\\right)^{2}+\\left(y_{i}-\\hat{y_{i}}\\right)^{2}} \\)<caption>(19)</caption></p><p>\\( E_{\\text {mean }}=\\frac{1}{N} \\sum_{i=1}^{N} E_{i} \\)<caption>(20)</caption></p><p>여기서 \\( U_{i}(x, y) \\) 는 \\( i \\) 번째 사용자 노드의 실제 위치 좌표를 의미하고 \\( \\widehat{U}_{i}(x, y) \\) 는 측위 알고리즘으로 계산된 좌표이며, \\( N \\) 은 총 사용자 노드 수이다.", "실험 1의 환경으로 수행한 WCL 알고리즘과 SRS 알고리즘의 시뮬레이션 성능분석 결과를 각각 그림 12와 그림 13에 보이고 있다.", "실험 1의 결과를 비교 분석하면 WCL 알고리즘의 평균 오차는 2.60\\(\\mathrm{m}\\)(6.04\\(\\%\\))이고SRS 알고리즘의 평균 오차는 0.48\\(\\mathrm{m}\\)(1.11\\(\\%\\))로 5배 이상 감소한 것을 확인할 수 있다.", "최대 오차도 WCL 알고리즘은 7.00\\(\\mathrm{m}\\)(16.28\\(\\%\\))인데 비해 SRS 알고리즘은 1.68\\(\\mathrm{m}\\)(3.91\\(\\%\\))로 4배 이상 감소하였다.", "그림 14는 실험 2의 환경으로 수행한 SRS 알고리즘의 시뮬레이션 결과이다.", "실험 1과 유사한 결과가 나오는 것을 확인할 수 있으며, 그림 2와 비교하면 음영지역의 영향으로 고정 노드의 전송 범위 외곽지역에서 발생하는 WCL 알고리즘의 최대 오차 문제도 SRS 알고리즘에서는 나타나지 않는 것을 확인할 수 있다.", "그림 15는 WCL 알고리즘의 다른 문제점이었던 가변적 전송 범위에 의한 성능 저하 현상을 비교하기 위하여 고정 노드의 최대 전송 범위를 30\\(\\mathrm{m}\\)에서 43\\(\\mathrm{m}\\)로변화시키면서 수행한 시뮬레이션 결과이다.", "결과를 비교하면 최대 전송 범위 변화에 따라서 최고와 최저의 성능 편차가 17\\(\\%\\) 차이가 났던 WCL 알고리즘에 비해 SRS 알고리즘은 1\\(\\%\\) ∼ 7\\(\\%\\)로 편차 폭이 작은 것을확인할 수 있다.", "특히, SRS 알고리즘의 최저 성능과 WCL 알고리즘의 최고 성능이 비슷한 결과를 보여서전력 소모가 제한된 환경에서도 효율적으로 사용할 수있는 장점이 있다.", "</p><table border><caption>표 2. 모의 실험 환경</caption><tbody><tr><td>실험 환경</td><td>실험 1</td><td>실험 2</td></tr><tr><td>네트워크 범위</td><td>43m x 43m</td><td>43m x 43m</td></tr><tr><td>고정 노드 수</td><td>4</td><td>4</td></tr><tr><td>고정 노드의최대 전송 범위</td><td>41.28m (96%)</td><td>41.28m (96%)</td></tr><tr><td>사용자 노드 수</td><td>225(3m 간격)</td><td>1936(1m 간격)</td></tr></tbody></table> <h1>III.", "SRS 알고리즘</h1> <p>본 논문에서 제안한 SRS 알고리즘은 각 고정 노드의신호 세기를 비교하여 사용자 노드가 존재할 가능성이있는 추정 구역을 순차적으로 좁혀나가는 방식을 사용한다.", "1절에서는 SRS 알고리즘을 위한 가정에 대해 언급하고 2절에서는 전체적인 알고리즘 동작 원리를 기술하였다.", "본 논문에서 설계한 가중치의 적합성에 관해서는 마지막 3절에서 논의하기로 한다.", "</p> <h2>1. 가정</h2> <p>SRS 알고리즘을 위한 가정은 다음과 같다.", "</p> <ul> <li>고정 노드는 정사각형 네트워크 범위의 4개 모서리 부분에 위치하고 자신의 정확한 좌표를 알고 있다</li> <li>각 고정 노드는 주기적으로 비콘 신호를 사용자 노드에게 전송한다.", "</li> <li>각 고정 노드는 비콘 신호를 전송 시 자신의 좌표 정보를 같이 전송한다.", "</li> <li>각 고정 노드의 최대 전송 범위는 전체 네트워크 범위보다 작다.", "</li> <li>모든 고정 노드는 전체 네트워크 범위 내에서 동일한전송 범위로 전송을 해야 하며 만약 전송 범위 변경 시에는변경된 전송 범위를 사용자 노드에게 알려준다.", "</li></ul> <h2>2. SRS 알고리즘 동작 원리</h2> <p>SRS 알고리즘의 전체적인 동작 절차는 그림 3에서 기술하고 있다.", "동작은 크게 절차 1, 절차 2∼4, 그리고 절차 5∼7의 3 단계로 구분할 수 있다.", "첫 번째 단계 절차 1은 WCL 알고리즘과 동일하게 수신 신호 전력을 거리로 변환하는 단계이고, 두 번째 단계절차 2∼4는 사용자 노드와 각 고정 노드 사이의 거리를비교하여 순차적으로 추정 구역을 설정하는 단계이다.", "마지막으로 절차 5∼7은 결정된 추정 구역을 이용하여 최종적으로 사용자의 위치를 계산하는 단계이다.", "</p> <h3>가.", "기준 노드와 추정구역 초기 결정</h3> <p>사용자 노드와 고정 노드 사이의 거리가 근접할수록그림 4와 같이 사용자 노드가 위치할 가능성이 있는 추정 구역이 감소하게 된다.", "추정 구역이 감소할수록 성능이 향상되는 SRS 알고리즘의 특성을 고려하여 사용자 노드는 신호를 수신한 모든 고정 노드의 거리를 비교하여 가장 근접한 고정 노드를 기준 노드(referencenode)로 결정한다.", "최 근접 노드를 기준 노드로 정한이유는 페이딩 등의 영향으로 신호 전력의 변동이 심하고 거리에 따라 송신 신호 전력이 지수적으로 감쇠하는무선 채널의 특성상 가까울수록 상대적으로 수신 신호전력의 변동에 대한 거리 값의 편차가 작아지기 때문이다.", "따라서 수신 신호 전력을 거리로 변환 시에 근접할수록 변환된 거리 정보의 신뢰성이 높아지게 된다.", "기준 노드가 결정되면 그림 4의 빨간색 점선과 같이기준 노드로부터 사용자 노드와의 거리를 반경으로 하여 첫 번째 단계의 추정 구역을 설정한다.", "</p> <h3>나.", "인접 노드와 추정구역 축소화</h3> <p>기준 노드가 결정되면 표 1과 같이 각 기준 노드별로이웃한 2개의 고정 노드를 인접 노드(adjacent node)로 결정한다.", "다음 단계로 사용자 노드가 두 개의 인접 노드 중 어느 것과 더 가까운가를 비교하면 첫 번째 단계에서 설정한 추정 구역을 절반으로 축소시킨다.", "</p> <p>예를 들어, 기준 노드가 \\(A_{1}\\) 인 경우 사용자 노드와\\(A_{2}\\) 와의 거리가 \\(A_{3}\\) 와의 거리보다 작으면 사용자 노드는 항상 그림 5와 같이 \\(A_{1}\\) -\\(A_{4}\\) 를 잇는 대각선의 아래쪽에만 위치한다.", "반대의 경우에는 그림 6의 예와 같이 대각선의 위쪽에만 위치하고 있으므로 이를 기반으로 추정 구역을 축소하여 재설정한다</p> <table border><caption>표 1. 기준 노드에 따른 인접 노드</caption> <tbody><tr><td>기준 노드</td><td>인접 노드</td></tr><tr><td>\\(A_{1}\\)</td><td>\\(A_{2}\\),\\(A_{3}\\)</td></tr><tr><td>\\(A_{2}\\)</td><td>\\(A_{1}\\),\\(A_{4}\\)</td></tr><tr><td>\\(A_{3}\\)</td><td>\\(A_{1}\\),\\(A_{4}\\)</td></tr><tr><td>\\(A_{4}\\)</td><td>\\(A_{2}\\),\\(A_{3}\\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "실내 무선 센서 네트워크에서의 측위를 위하여 고정 노드 신호들의 크기 순위를 사용한 순차적 구역 설정 알고리즘", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-032ff2bc-f4a3-4db3-9ee9-5241528688f8", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "한준상", "김명진" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>검증이 완료된 HDL모델을 \\( 0.35- \\mu \\mathrm { m } \\) 셀 라이브러리를 이용하여 합성한 결과 15,870 게이트로 구현되었다.", "타이밍 분석 결과, 설계된 AES 프로세서의 최대 지연시간은 9.04-ns로 나타나 \\( 100 \\mathrm { MHz } \\) 로 동작 가능하며, \\( 412.9 \\mathrm { Mbps } \\) 의 성능을 갖는 것으로 평가되었다.", "합성 후 P & R을 수행하였으며, 그림 11은 AES 프로세서의 레이아웃 도면을 보인 것이다.", "코어부분의 면적은 약 1.0 x 0.9-mm이이고, 코어 이용률(utilization)은 약 \\( 86 \\% \\) 로 나타났다.", "설계된 AES 프로세서의 특성은 표 3과 같다.", "</p> <p>표 4는 본 논문의 설계결과를 문헌에 발표된 사례와 비교한 것이다.", "참고 문헌 [8]과 참고 문헌 [9]의 설계는 40-48개의 S-Box를 사용하여 128 비트씩 처리하는 방식이며, 본 논문과 참고 문헌 [6]의 설계는 8 개의 S-Box를 사용하여 64 비트씩 처리하는 방식이다.", "본 논문에서 설계된 AES 프로세서는 참고 문헌 [8]과 참고문헌 [9]에 비해 매우 작은 게이트 수로 구현되었으며, 참고 문헌 [6]과 비슷한 게이트 수를 갖는다.", "참고 문헌[6]은 0.11-um 공정으로 구현되어 \\( 875 \\mathrm { Mbps } \\) 의 성능을 가지나, 본 논문의 설계도 유사한 공정으로 구현하는 경우에 비슷한 성능을 가질 것으로 예상된다.", "</p> <table border><caption>표 3. 설계된 AES 프로세서의 특성</caption> <tbody><tr><td>구분</td><td>성능</td></tr><tr><td>게이트 수</td><td>15,870</td></tr><tr><td>동작 주파수</td><td>100 MHz</td></tr><tr><td>평균 클럭 수</td><td>3 클록/라운드</td></tr><tr><td>동작 성능</td><td>412.9 Mbps</td></tr><tr><td>데이터 패스</td><td>64-비트</td></tr><tr><td>공정</td><td>0.35-4 \\( \\iota \\mu \\mathrm { m } \\)</td></tr><tr><td>코어 사이즈</td><td>1.0x0.9 \\( \\mathrm { mm } ^ { 2 } \\)</td></tr><tr><td>셀 사용율</td><td>86 %</td></tr></tbody></table> <table border><caption>표 4. AES 알고리듬 구현사례 비교</caption> <tbody><tr><td>문헌</td><td>[6]</td><td>[8]</td><td>[9]</td><td>본 논문</td></tr><tr><td>No.", "of S-Box</td><td>8</td><td>48</td><td>40</td><td>8</td></tr><tr><td>Cycles/round</td><td>3</td><td>1</td><td>1</td><td>3</td></tr><tr><td>Max, Freq.", "[MHz]</td><td>218.82</td><td>100</td><td>NA</td><td>100</td></tr><tr><td>성능[Mbps]</td><td>875.28</td><td>1,820</td><td>509.7</td><td>412.9</td></tr><tr><td>게이트 수</td><td>14,777</td><td>173,000</td><td>33,850</td><td>15,870</td></tr><tr><td>공정</td><td>0.11 \\( \\mu \\mathrm { m } \\)</td><td>0.18 \\( \\mu \\mathrm { m } \\)</td><td>0.35 \\( \\mu \\mathrm { m } \\)</td><td>0.35 \\( \\mu \\mathrm { m } \\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "합성체 기반의 S-Box와 하드웨어 공유를 이용한 저면적/고성능 AES 프로세서 설계", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-04591b53-2065-410a-892b-3a82b8fb9999", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "양현창", "신경욱" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>II.", "인체 주변에서의 채널 방사</h1><h2>1. 측정 환경</h2><p>인체 주변 통신 환경에서의 방사 특성 조사를 위하여 시간 영역과 주파수 영역에서 실험을 진행하였다.", "모든 측정은 다중경로 (multipath)의 영향을 최소화하기 위하여 무반향실 (anechoic chamber) 환경에서 시행되었다.", "측정을 위하여 Time Domain 사에서 제작한 PulsOn 안테나를 사용하였다.", "</p><p>이 안테나는 수평편파용 (vertically olarizod) 안테나로 무지항성 (omnidiroctional) 특성을 보여준다.", "안테나는 지상 \\( 80 \\mathrm{~cm} \\) 정도의 높이의 스틸로폼 재질의 스탠드 위에 고정되었다.", "스틸로폼 재질의 스탠드를 사용한 것은 불필요한 반사의 영향을 최소화하기 위함이다.", "또한 안테나와 케이블을 제외한 모든 측정장비들은 무반향실 외부에 설치되어 불필요한 다중경로의 영향을 최소화하였다.", "시간영역에서의 측정을 위하여 Avtech 사에서 제작된 임펄스 생성기를 이용하여 매 \\( 1 \\mu \\mathrm{sec} \\) 마다 초광대역 펄스를 송신하였다.", "수신 안테나를 통하여 수신된 신호는 저잡음 증폭기 (low noise amplifier)를 통과한 후 디지털 샘플링스코프 (digital samplingscope)를 사용하여 측정되었다.", "신호대잡음비를 높이기 위하여 512개의 측정 신호의 평균을 취하있다.", "실험은 가시선 (line-of-sight) 환경 뿐 아니라, 머리, 가슴, 복부 등, 다양한 인체의 부위가 송수신 안테나를 가로 막고 있는 비가시선 (non-line-of-sight) 환경에서도 이루어젔다.", "이때 인체의 부위는 송수신 안테나의 중간 지점에 위치하도록 하였다.", "그림 1은 가슴 주변에서의 측정 장면을 보여주는 사진이다.", "그림2는 \\( 3 \\mathrm{feet} \\) 거리에서 측정된 신호들을 보여준다.", "가시선을 가로막은 인체 부위에 따라 각각 다른 시간지연 (delay)과 진폭 감소 (attenuation)가 나타남을 불 수 있다.", "</p><p>주파수 영역에서의 측정은 송수진 안테나를 vector network analyzer (VNA)의 두 채널에 연결하여 이루어젔다. \\", "( 50 \\mathrm{MHz} \\) 에서 \\( 1,450 \\mathrm{MHz} \\) 대역에 걸쳐 \\( S_{21} \\) 파라미터를 측정하였으며 32회의 측정 결과의 평균을 취하여 신호의 질을 높였다.", "측정된 주파수 응답은 채널 및 송수신 안테나의 전달함수 (transfer function)들이 cascade로 연결된 것과 동일하다.", "그림 3은 \\( 3 \\mathrm{feet} \\) 거리에서 측정된 결과를 보여준다.", "가슴과 복부 주위에서 측정하였을 때, 머리가 주위에서 측정했을 때보다 신호의 전력이 더 크게 감소함을 볼 수 있다.", "</p> <h1>IV.", "결 론</h1><p>본 논문에서는 다양한 인체 영역 통신 환경에서 진행된 채널 방사 특성을 개시하였다.", "모든 측정이 무반향실에서 수행되었기 때문에, 인체에 의해 형성된 방사경로 이외의 다른 경로는 존재하지 않는다고 가정하였다.", "인체 주변에서의 방사의 경우, 신호의 왜곡현상과 거리 추정 결과가 인체 부위의 기하학석 요소에 의해 크게 영향 받음을 알 수 있었다.", "이는 인체 영역 통신환경에서 회절이 가장 중요한 방사 형태이기 때문이다.", "회절파의 분석을 위해 Levy에 의해 제안된 회절과 모델을 실험 환경에 적용하였으며, 분석 결과는 측정된 파형과 매우 근사하게 나타났다.", "인체 표면에서의 측정의 경우, 인체에 의한 커플링 현상에 의해 예측하기 힘든 신호의 형태가 관찰되었다.", "이러한 현상은 인체 표면 통신의 성능을 저해하는 요소가 될 수 있을 것으로 보인다.", "</p> <h1>I.", "서 론</h1><p>초광대역 통신시스템의 응용분야들 중 최근 인체 영역 통신 (Body Area Network) 분야가 주목 받고 있다.", "인체 영역 통신은 다양한 응용 시나리오를 포함하는 분야이다.", "이 분야는 인체에 직접 부착되거나 혹은 인체 주변에 포진한 기기들 간의 통신과 관련된 분야이다.", "초광대역 시스템의 장점인 저전력 특성, 정확한 거리추정 능력 등은 인체 영역 통신 시스템의 요구 조건과 잘부합된다.", "인체에 근접한 환경에서의 초광대역 신호의 방사 특성은 다양하고 복잡한 전자기학적인 현상들 때문에 여타 다른 환경의 채널 특성과는 매우 다른 형태를 나타내게 된다.", "인체 영역 통신 환경에서의 채널 특성과 관련하여 최근까지 다양한 연구결과가 발표된 바있다.", "이러한 연구들은 방사 형태, 채널 특성 분석, 통신 링크의 성능평가 등 다양한 주제들에 걸쳐 진행되었다.", "</p><p>본 논문에서는 인체 주변 (around-body) 및 인체 표면 (on-body) 환경 에서 수행된 채널 방사 측정 결과를 소개한다.", "인체 주변 통신 환경에서의 채널 방사의 경우, 기하학적 회절 현상 (geometric diffraction) 분석을 통하여 펄스의 왜곡현상 (distortion) 및 거리추정 (ranging)에 미치는 영향을 분석하였다.", "또한 인체 표면 통신 환경에서의 방사 측정 결과는 커플링 (coupling) 등과 같은 전자기학적 현상 때문에, 인체 주변 통신 환경에 비해 복잡한 방사형태가 나타난다는 것을 보여주었다.", "</p> <h2>2. 회절 현상 분석</h2><p>인체환경에서의 방사의 경우, 투과(penetration), 표면파(surface wave), 반사(reflection), 회절(diffraction) 등 다양한 방사 형태가 나타날 수 있다.", "Zasowski에 의해 제시된 연구 결과에 의하면 이러한 다양한 방사 형태 중 회절이 가장 주요한 방사 형태인 것으로 알려져있다.", "</p><p>본 연구에서는 Levy에 의해 제시된 타원형 실린더에서의 회절파에 관한 기하학석 분석 결과를 우리의 실험 환경에 적용하였다.", "머리, 가슴, 복부를 각각 타원형 실린더로 모델링하고, 팔을 원형 실린더로 모델링하여 2차원 평면상에서 회절파에 간한 분석을 수행하였다.", "각 인체 부위의 치수는 각 부위의 폭, 깊이, 둘레를 측정함으로써 근사 하였다.", "그림 4는 실험 시나리오를 \\( x y \\) 평면상의 타원좌표계 (elliptic coordinate)에 나타낸 것이다.", "여기서 \\( x=h \\sinh \\xi \\cos \\eta \\) 이고, \\( y=h \\cosh \\xi \\sin \\eta \\)가 된다.", "인체부위를 나타내는 타원은 \\( \\xi=a \\) 로 나타낼 수 있으며, 송수신 안테나는 각각 점 \\( P\\left(\\xi_{0}, \\pi\\right) \\) 와 점 \\( Q\\left(\\varepsilon_{0}, 0\\right) \\) 에 위치해 있다고 가정한다.", "이때, 점 \\( P \\) 에서 점 \\( Q \\) 로 가는 두 개의 회절 경로 (ray)가 존재하며, 이 두 경로는 수평축에 대하여 대칭이라고 가정한다.", "각 경로의 타원상으로의 접점은 각각 \\( P_{1}\\left(a, \\pi-\\eta_{0}\\right) \\), \\( Q_{1}\\left(a, \\eta_{0}\\right), \\quad P_{2}\\left(a, \\pi+\\eta_{0}\\right), \\quad Q_{2}\\left(a,-\\eta_{0}\\right) \\) 로 표시하며, \\( \\overline{P P_{1}}=\\overline{Q Q_{1}}=\\overline{P P_{2}}=\\overline{Q Q_{2}}=\\rho \\) 를 만족한다고 가정한다.", "상기 두 개의 ray의 대칭성을 고려하면 채널의 전달함수 \\( H(f) \\) 는 다음식과 같이 나타낼 수 있다.", "</p><p>\\( H(f)=2 A_{0} \\rho^{-1} \\exp \\left[j 2 \\pi f\\left(1 \\rho+t_{1}\\right) / c\\right] \\)</p><p>\\( \\sum_{n=0}^{\\infty} B_{n}(0) B_{n}(\\pi) \\exp \\left[j \\tau_{n} \\alpha\\left(t_{1}\\right)(2 \\pi f / c)^{1 / 3}\\right] \\)</p><p>\\( \\left[1-\\exp \\left[j 2 \\pi f T / c+j \\tau_{n} \\alpha(T)(2 \\pi f / c)^{1 / 3}\\right]\\right]^{-1} \\)<caption>(1)</caption></p><p>여기서 상수 \\( A_{0} \\) 는</p><p>\\( A_{0}=\\frac{e^{j \\pi / 4}}{2 \\pi}\\left(\\frac{c}{f}\\right)^{(1 / 2)} \\)<caption>(2)</caption></p><p>로 정의된다.", "(1)식에서 \\( t_{1} \\) 은 \\( P_{1} \\) 에서 \\( Q_{1} \\) 까지의 거리를 의미하고, \\( T \\) 는 타원의 전체둘레를 나타낸다.", "회절상수 \\( B_{n}(\\eta) \\) 는 다음 식과 같이 주어진다.", "</p><p>\\( B_{n}(\\eta)=\\pi^{3 / 4} 2^{1 / 4} 6^{-2 / 3} e^{j \\pi / 24}(2 \\pi f / c)^{-1 / 12} \\)</p><p>\\( b^{1 / 6}(\\eta)\\left[A^{\\prime}\\left(q_{n}\\right)\\right]^{-1} \\)<caption>(3)</caption></p><p>위 식에서 \\( b(\\eta) \\) 는 타원의 곡률반경을 의미하며, 다음과 같이 계산될 수 있다.", "</p><p>\\( b(\\eta)=h(\\cosh a \\sinh a)^{-1}\\left(\\sinh ^{2} a-\\sin ^{2} \\eta+1\\right)^{3 / 2} \\)<caption>(4)</caption></p><p>파라미터 \\( q_{n} \\) 은 함수 \\( A^{\\prime}(t) \\)의 제로 (zero)를 나타낸다.", "여기서 함수 \\( A(t) \\) 는 다음과 같이 정의되는 Ariy function을 의미한다.", "</p><p>\\( A(t)=\\int_{0}^{\\infty} \\cos \\left(z^{3}-t z\\right) d z. \\)", "<caption>(5)</caption></p><p>(1) 식에서 \\( \\alpha(x) \\) 는</p><p>\\( \\alpha(x)=\\int_{0}^{x} b^{-2 / 3}(\\eta) d \\eta \\)<caption>(6)</caption></p><p>로 정의되고 파라미터 \\( \\tau_{n} \\) 은</p><p>\\( \\tau_{n}=e^{j \\pi / 3} 6^{-1 / 3} q_{n} \\)<caption>(7)</caption></p><p>로 정의된다.", "가슴과 복부 측정과는 달리, 머리 측정의 경우 장축과 단축이 바뀜으로 인해 \\( x=h \\cosh \\xi \\cos \\eta \\),\\( y=h \\sinh \\xi \\sin \\eta \\) 로 정의되는 다른 좌표계로 나타내어질 수 있다.", "</p><p>그림 5는 머리, 가슴, 복부의 실험 시나리오에서의 회절화의 경로를 보여준다.", "왼쪽과 오른쪽에 나타난 삼각형 표시는 송수신 안테나의 위치를 각각 나타낸다.", "그림에서 가슴 부위 측정의 경우 양 팔이 몸통의 중심부에 가지런이 놓였으며, 복부 실험의 경우 양 팔이 송신 안테나 쪽으로 약간 치우쳐 있음을 알 수 있다.", "가슴 및 복부 실험의 경우 몸통 뿐 아니라 팔에 의한 회절파도 고려하있다.", "그리고 복부 실험의 경우 팔이 송신안테나에서 몸통으로의 접선을 가로막고 있기 때문에, 신호가 팔의 안쪽부위에서 한번 회절된 뒤 몸통의 바깥쪽으로 다시 한번 회절되게 된다.", "팔의 의한 회절파 분석을 위해 Keller가 제시한 원형 실린더에 의한 회절 모델을 적용하였다.", "우선 채널의 전달함수를 계산한 후, 역퓨리에변환 (inverse fast Fourier transform)을 구함으로써 채널의 임펄스 반응 (impulse response)를 얻었다.", "그리고 얻어진 채널의 임펄스 반응과 기준 신호 (template Waveform)를 중첩적분 (convolution)을 취함으로써 수신된 신호의 파형을 재구성하였다.", "이때 기준 신호는 같은 기기의 가시선 환경에서 측정된 신호와 직선경로신호 (direct path signal) 성분을 취하여 사용하였다. \\", "( 3 \\mathrm{feet} \\) 거리에서 측정된 신호와 재구성된 신호가 그림 6에 비교되어 있다.", "</p><p>또한 신호의 왜곡(distortion) 정도를 측정하기 위하여 가시선 및 비가시선 환경에서 측정된 신호의 직선경로 신호성분만을 취하여 그 상관계수 (correlation coefficient)를 계산하였다.", "계산된 상관계수가 표 1에 나타나 있다.", "복부실험의 경우 상관계수가 머리나 가슴 실험에 비하여 약 \\( 0.7 \\mathrm{~dB} \\) 정도 낮게 나타남을 볼 수있다.", "</p><table border><caption>표 1. 가시선 환경에서 측정된 신호와 인체부위로 가로막혀진 상황에서 측정된 신호의 직선경로 신호성분들 간의 상관계수</caption><tbody><tr><td>거리 \\신체부위</td><td>\\( 1 \\mathrm{ft} \\) \\(2 \\mathrm{inch}\\)</td><td>\\( 2 \\mathrm{ft} \\)</td><td>\\( 3 \\mathrm{ft} \\)</td><td>\\( 4 \\mathrm{ft} \\)</td></tr><tr><td>머리</td><td>0.97</td><td>0.95</td><td>0.94</td><td>0.94</td></tr><tr><td>가슴</td><td>0.90</td><td>0.95</td><td>0.97</td><td>0.97</td></tr><tr><td>복부</td><td>0.78</td><td>0.81</td><td>0.81</td><td>0.83</td></tr></tbody></table><h2>3. 경로손실 및 거리추정 성능</h2><p>인체통신 환경에서의 거리추정의 성능을 평가하기 위해, 시간영역에서 측정된 신호에 거리추정 알고리즘을 적용하였다.", "거리 추정 알고리즘은 측정된 파형뿐 아니라 이론적으로 재구성된 파형에도 적용되었다.", "표 2는 그결과를 요약한 것이다.", "측정된 신호 및 재구성된 신호로부터 얻어진 거리추정 결과가 매우 비슷한 것을 볼 수 있다.", "이 결과는 인체통신 환경에서 회절이 가장 주요한 방사형태가 됨을 입증하는 것이다.", "그러나 회절파의 경우 장애물을 직접 부과하는 경로에 비해 큰시간지연이 나타나기 때문에, 거리추정 오차 역시 커지게 됨을 예상할 수 있다.", "실제로 표 2에서 추정된 거리와 실제 거리의 오차가 작지 않음을 확인할 수 있다.", "</p><p>그림 7은 안테나간 거리 대비 경로손실 (path loss)를 보여준다.", "주목할 것은 가슴 및 복부 실험의 경우 경로손실이 거리의 단조증가함수의 형태로 나타나지 않는다는 것이다.", "비슷한 현상이 이전의 연구 결과에도 발표된 바 있다.", "이것은 장애물의 크기, 곡률등 기하학적 요소의 영향인 것으로 추정된다.", "</p><p>표 2. 측정된 신호 및 재구성된 신호로부터 얻어진 안테나간 거리의 추정치</p><table border><caption>(a) 머리 주변 측정</caption><tbody><tr><td colspan=3>추정치 \\ 실제거리 (\\(\\mathrm{m}\\))</td><td>0.356</td><td>0.610</td><td>0.914</td><td>1.219</td></tr><tr><td colspan=3>측정파형으로부터 추정된 거리</td><td>0.419</td><td>0.643</td><td>0.933</td><td>1.238</td></tr><tr><td colspan=3>재구성된 파형으로부터 추정된 거리</td><td>0.408</td><td>0.636</td><td>0.929</td><td>1.227</td></tr></tbody></table><table border><caption>(b) 가슴 주위 측정</caption><tbody><tr><td>추정치 \\ 실제거리 (\\(\\mathrm{m}\\))</td><td>0.356</td><td>0.610</td><td>0.914</td><td>1.219</td></tr><tr><td>측정파형으로부터 추정된 거리</td><td>0.453</td><td>0.673</td><td>0.963</td><td>1.261</td></tr><tr><td>재구성된 파형으로부터 추정된 거리</td><td>0.509</td><td>0.696</td><td>0.971</td><td>1.257</td></tr></tbody></table><table border><caption>(c) 복부 주위 측정</caption><tbody><tr><td>추정치 \\실제거리 (\\(\\mathrm{m}\\))</td><td>0.356</td><td>0.610</td><td>0.914</td><td>1.219</td></tr><tr><td>측정파형으로부터 추정된 거리</td><td>0.476</td><td>0.632</td><td>0.959</td><td>1.253</td></tr><tr><td>재구성된 파형으로부터 추정된 거리</td><td>0.487</td><td>0.643</td><td>0.933</td><td>1.240</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "인체 영역 통신 환경에서의 초광대역 방사 측정", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-029ac2bb-1d7c-4ab2-a6ae-f0a5eb4066a7", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "이준용", "김창경", "하동우" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "실험 및 성능평가</h1><p>제안한 기법의 성능평가를 위해 워크로드 데이터 크기를 \\(256 \\mathrm{MB} \\), \\(512 \\mathrm{MB} \\), \\(1 \\mathrm{GB} \\), \\(2 \\mathrm{GB} \\)로 각각 설정했다.", "워크로드의 크기가 작아서 청크사이즈는 \\(4 \\mathrm{KB} \\)크기로 청킹하였다.", "데이터 저장방식을 결정하는 기준인 임계값은 각 실험 전에 무작위로 읽기 명령을 내려 각 데이터의 접근빈도 카운트 값을 확인하였다.", "Hot Data, WarmData, Cold Data의 비율은 실제 서버에서 추출한 워크로드에서 얻은 비율을 이용하였다.", "각 참고논문에서는 Financial1, MSR, Distilled, RealSSD, digitalcamera, Linux O/S의 워크로드를 사용하였다.", "각 워크로드에서 Hot Data의 비율은 평균이 \\(10\\%\\) 였으며 따라서 실험에서도 Hot Data의 비율을 \\(10\\%\\)로 정하였다.", "Warm Data는 참고논문에서 Hot Data의 비율이 \\(30\\%\\)까지 올라가는 점을 참고하여 \\(20\\%\\)로 비율을 정하였다.", "실험에서 Hot Data가 차지하는 비율은 전체 데이터의 약 \\(10\\%\\)가 되도록 설정하였고, Warm Data는 전체 데이터의 약 \\(20\\%\\), Cold Data는 약 \\(70\\%\\)가 되도록 했다.", "패리티생성 방식은 Reed-Solomon 코드를 적용하여 패리티 비트를 생성했다.", "복제시에는 기존의 분산 파일 시스템과 같이 3개의 복제본을 만들어 저장했다.", "</p><table border><caption>표 2. 실험에 사용한 SSD의 스펙 정보</caption><tbody><tr><td>분류</td><td>스펙</td></tr><tr><td>SSD model</td><td>Samsung SSD 830 series</td></tr><tr><td>Capacity</td><td>\\( 64 \\mathrm{GB} \\)</td></tr><tr><td>Contoller</td><td>Samsung 3-core MCX</td></tr><tr><td>Cache memory</td><td>\\( 256 \\mathrm{MB} \\)DDR2 SDRAM</td></tr><tr><td>Sequential Read</td><td>\\(520 \\mathrm{MB} / \\mathrm{s} \\)</td></tr><tr><td>Sequential Write</td><td>\\(400 \\mathrm{MB} \\)/\\( \\mathrm{s} \\)</td></tr><tr><td>Random Read</td><td>8000 IOPS</td></tr><tr><td>Random write</td><td>36000 IOPS</td></tr></tbody></table><p>실험환경은 다음과 같다.", "벤치마크 툴로 IOzone을 사용하여 다양한 크기의 워크로드 데이터를 생성하였으며, HDFS의 최소 구성 개수인 3대의 PC를 사용하였다.", "</p><table border><caption>표 3. 실험환경</caption><tbody><tr><td>분류</td><td>스펙</td></tr><tr><td>CPU</td><td>Inte Care 2 (2.4 \\( \\mathrm{Ghz} \\))</td></tr><tr><td>메모리</td><td>DDR2 \\(2 \\mathrm{GB} \\)</td></tr><tr><td>운영체제</td><td>CentOS 6.2</td></tr><tr><td>리눅스 커널 버전</td><td>3.813</td></tr><tr><td>저장장치</td><td>Samsung SSD 830 series</td></tr></tbody></table><p>각 PC의 사양은 동일하게 CPU는 Intel Core2(2.4 \\( \\mathrm{Ghz} \\))이고, DDR2 \\(2 \\mathrm{GB} \\) 메모리를 사용하였다.", "운영체제는 리눅스 CentOS 6.2에 커널 버전 3.8.13을 이용했다.", "저장장치는 SAMSUNG SSD \\(64 \\mathrm{GB} \\)를 각 PC에 2개씩 장착하였다.", "사용된 SSD의 스펙은 표 2와 같고, 실험에 사용된 컴퓨터의 성능 및 환경은 다음 표 3과 같다.", "</p><p>실험 결과는 그림 7, 8, 9와 같다.", "각각 저장공간 효율성, 쓰기/읽기 성능을 비교하였으며 데이터 복제방식만을 사용하는 HDFS와 패리티 방식만을 사용하는 HDFS-RAID를 제안한 기법의 비교대상으로 하였다.", "</p><p>실험결과 그림 7의 저장공간 효율성 면에서는 제안한 기법이 HDFS보다 약 \\(40\\%\\)정도 적게 저장공간을 사용하였다.", "HDFS는 3개의 복제본을 만들기 때문에 가장 저장공간을 많이 소모하고 HDFS-RAID는 ErasureCodes만을 사용하기 때문에 가장 저장공간을 적게 차지한다.", "제안한 기법은 이 두가지 사이에 위치하며 HDFS-RAID에 근접한 수치를 보여주어 저장공간 효율성이 향상됨을 알 수 있었다.", "</p><p>그림 8, 9는 각각 쓰기 성능과 읽기 성능을 비교한 그래프이다.", "쓰기 성능에서는 제안한 기법이 HDFS 보다 약 \\(10\\%\\), HDFS-RAID 보다 약 \\(7\\%\\) 향상되었다.", "읽기성능에서는 제안한 기법이 HDFS 보다 약 \\(11\\%\\), HDFS-RAID 보다 약 \\(12\\%\\)향상되었다.", "실험결과 제안한 기법은 Hot, Warm, Cold로 세분화하여 데이터 접근빈도를 나눔으로써 데이터 복제본만 생성하거나 패리티만을 생성하는 방법들보다 성능이 향상되었다.", "이는 다수의 복제본이나 패리티만을 생성하는것 보다 접근빈도를 고려하여 복제와 패리티 방법을 같이 사용하는 것이 효율적임을 알려준다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "클라우드 스토리지 시스템에서 데이터 접근빈도와 Erasure Codes를 이용한 데이터 복제 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-093a53f0-0356-43e9-8de1-9e1720462216", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2014", "doc_author": [ "김주경", "김덕환" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2. 리프팅 계수의 양자화 값 결정</h2><p>제안한 구조를 설계할 때 하드웨어를 줄이기 위해서 고정 소수점 방식을 사용한다.", "그러나 고정 소수점을 사용할 경우 정확도의 감소로 인해 영상의 열화를 가져올 수 있으므로 적절한 계수 및 승산기 출력 비트를 적당히 할당해 주어야한다.", "본 연구에서는 곱셈기 설계시에 부분 곱의 갯 수를 최소화하기 위하여 CSD 코딩을 적용하였다.", "표 1은 리프팅 계수의 실수 값과 허용 가능한 레이턴시에서 표현가능한 양자화 값, 양자화 값에 CSD 코딩을 적용시킨 후의 값을 나타낸 것이다.", "</p><h2>3. 승산기 \\( \\alpha, \\beta \\)</h2><p>리프팅 계수 \\( \\alpha \\) 의 경우 \\( y(n) \\) 을 계수\\( \\alpha \\) 를 곱한 출력이라고 할 경우 양자화 값은 11001로 식(7)처럼 표현할 수 있다.", "</p><p>\\[ y(n)=x(n)+\\frac{1}{2} x(n)+\\left(\\frac{1}{2}\\right)^{4} x(n) \\]<caption>(7)</caption></p><p>쉬프트와 덧셈 연산으로 구현했을 때 2번의 덧셈을 필요로 하고, \\( \\frac{1}{2} x(n),\\left(\\frac{1}{2}\\right)^{4} x(n) \\) 과 같은 연산자와 쉬프트로 인한 부호 확장이 필요하다.", "표 2는 계수 \\( \\alpha \\) 를 2비트 단위의 디지트 시리얼 구조에서의 데이터 스케줄링을 나타낸다.", "쉬프트 시킨 값을 더하기 위해 \\( 0 \\sim 1 \\) 의 구간을 기다린 후 실제 연산은 2구간부터 진행되며, 8~9구간에는 쉬프트 된 만큼 부족한 비트를 부호 비트로 채워준다.", "</p><p>그림 5는 승산기 \\( \\alpha \\) 의 구조로 입력 \\( x_{2 n}, x_{2 n+1} \\) 과 출력 \\( y_{2 n}, y_{2 n+1} \\) 로 각각 2비트 단위로 처리된다.", "덧셈기의 캐리는 레지스터에 입력이 모두 들어오는 순간인 \\( 8 i+2 \\) 에 '0'으로 초기화 된다.", "설계한 구조에서는 전체 구조의 입력 데이터 16비트 단위로 처리하기 때문에 8클록의 주기를 갖는다.", "FA0에서는 \\( x(n)+\\frac{1}{2} x(n) \\) 의 연산을 수행하고 FA1에서는 나머지 \\( \\left(\\frac{1}{2}\\right)^{4} x(n) \\) 의 덧셈을 수행한다.", "리프팅 계수 \\( \\beta \\)의 양자화 값은 00001 로 '1'의 개수가 하나이기 때문에 다른 덧셈 연산 없이 쉬프트 레지스터와 부호 비트 확장을 위한 별도의 MUX만으로 구현이 가능하다.", "그림 6은 리프팅 계수 \\( \\beta \\) 연산을 구현한 그림이다.", "</p> <h1>Ⅳ. 설계 및 분석</h1><p>계수를 표현하는데 사용하는 비트 길이와 연산의 중간 결과를 표현하는데 사용하는 데이터 비트는 결과의 PSNR에 큰 영향을 미친다.", "표 3은 웨이블렛 계수와 승산기 출력 값의 비트에 따라 PSNR을 분석한 것으로 내부정밀도는 16비트(부호 1비트 + 정수 9비트+ 소수 6비트)로 선택하였을 때 PSNR은 48.13으로 거의 원본 영상을 유지할 수 있었으며 설계 시 적용되었다.", "</p><p>표 4에서 제안한 구조와 기존 구조들을 하드웨어 자원 소비량과 최대 지연 시간, 연산에 필요한 싸이클 수에 대하여 비교하였다. \\", "( N \\) 은 입력의 길이를 나타내고 \\( L \\) 은 다해상도 분석 레벨, \\( W \\) 는 워드 길이를 나타낸다.", "</p><p>Direct mapped 구조는 리프팅 DWT를 가장 직관적으로 설계한 것이며 Folded 구조의 경우 절반의 곱셈기와 덧셈기만을 사용하지만 (5,3)필터로 동작할 때는 하드웨어 사용률을 높일 수 있지만 (9,7)필터로 사용할 경우 오히려 최대 지연 시간이 증가하고 스케줄링을 조정하기가 힘들다.", "EFA는 Folded 구조를 개선한 것으로 덧셈기와 곱셈기의 수는 같지만 더 적은 수의 레지스터를 사용하고 최대 지연시간을 절반으로 줄였다.", "MAC은 곱셈기와 덧셈기 역할을 하는 모듈로 구성되어 하드웨어 비교가 힘들지만 다른 딜레이 유닛의 필요없이 9개의 레지스터만을 사용하고, 낮은 메모리 사용량을 갖는다.", "Flipping 구조와 Generalized 구조는 최대 지연 시간이 \\( T_{m} \\) 으로 워드 단위 구조 중에서 가장 작지만 결과를 얻는데 필요한 사이클 수가 많다.", "Recursive 구조는 가장 적은 사이클을 필요로 하지만 스케줄링이 복잡하고 가장 긴 지연 시간을 갖는다.", "제안된 구조는 Recursive 구조와 같은 스케줄링을 사용하여 마찬가지로 적은 사이클을 필요로 하지만 곱셈기 대신 덧셈기를 사용하여 설계하였기 때문에 상대적으로 적은 하드웨어 자원을 소모하고, 최대 지연 시간도 시간이 더 긴 \\( T_{m} \\) 성분 없이 \\( 5 T_{a} \\) 로 훨씬 짧아졌다.", "</p><table border><caption>표 4. 1차원 리프팅 방식의 DWT 구조별 하드웨어 및 성능 분석</caption><tbody><tr><td rowspan=2>구조</td><td colspan=3>하드웨어 자원</td><td rowspan=2>Critical path</td><td rowspan=2>number of cycles</td><td rowspan=2>처리 단위</td><td rowspan=2>스케줄링</td></tr><tr><td>곱셈기</td><td>덧셈기</td><td>레지스터</td></tr><tr><td>Direct mapped</td><td>\\(4w\\)</td><td>\\(8w\\)</td><td>6</td><td>\\( 4 T_{m}+8 T_{a} \\)</td><td>\\( 4+2 N\\left(1-1 / 2^{L}\\right) \\)</td><td>워드</td><td>simple</td></tr><tr><td>Folded</td><td>\\(2w\\)</td><td>\\(4w\\)</td><td>12</td><td>\\( 2T_{m}+2 T_{a} \\)</td><td>\\( 4+2 N\\left(1-1 / 2^{L}\\right) \\)</td><td>워드</td><td>Moderate</td></tr><tr><td>EFA</td><td>\\(2w\\)</td><td>\\(4w\\)</td><td>10</td><td>\\( T_{m}+ T_{a} \\)</td><td>\\( 4+2 N\\left(1-1 / 2^{L}\\right) \\)</td><td>워드</td><td>Moderate</td></tr><tr><td>MAC</td><td colspan=2>9(Multiply and Accumulate)</td><td>9</td><td>\\( T_{m}+ 2T_{a} \\)</td><td>\\( 4+2 N\\left(1-1 / 2^{L}\\right) \\)</td><td>워드</td><td>Moderate</td></tr><tr><td>Flipping</td><td>\\(4w\\)</td><td>\\(8w\\)</td><td>11</td><td>\\(T_{m}\\)</td><td>\\( 5+2 N\\left(1-1 / 2^{L}\\right) \\)</td><td>워드</td><td>Moderate</td></tr><tr><td>Modified</td><td>\\(2w\\)</td><td>\\(4w\\)</td><td>10</td><td>\\(T_{m}\\)</td><td>\\( 4+2 N\\left(1-1 / 2^{L}\\right) \\)</td><td>워드</td><td>Moderate</td></tr><tr><td>Generalized</td><td>\\(4w\\)</td><td>\\(8w\\)</td><td>8</td><td>\\(T_{m}\\)</td><td>\\( 12+2 N\\left(1-1 / 2^{L}\\right) \\)</td><td>워드</td><td>Moderate</td></tr><tr><td>Recursive</td><td>\\(4w\\)</td><td>\\(4w\\)</td><td>10</td><td>\\( 4T_{m}+ 8T_{a} \\)</td><td>\\( N+L+2^{L} \\)</td><td>워드</td><td>complex</td></tr><tr><td>proposed</td><td></td><td>\\( 12 * d_{3} \\)</td><td>6(DCU)</td><td>\\(5T_{a}\\)</td><td>\\( \\left(W / d_{s}\\right)\\left(N+L+2^{L}\\right) \\)</td><td>디지트</td><td>complex</td></tr></tbody></table> <h2>4. 승산기 \\( \\gamma, \\delta \\)</h2><p>승산기 \\( \\gamma \\) 의 경우 CSD를 적용했을 때 \\( 100 \\overline{1}0 \\) 이므로 식(8)과 같이 한 번의 뺄셈으로 구현할 수 있다.", "</p><p>\\[ y(n)=x(n)-\\left(\\frac{1}{2}\\right)^{3} x(n) \\]<caption>(8)</caption></p><p>구조와 스케줄링을 설계하는 방법은 승산기 \\( \\alpha \\) 의 경우와 동일하다.", "그림 7은 승산기 \\( \\gamma \\) 의 구조도로 부호비트 확장과 딜레이 성분을 계산하기 위해 레지스터를 사용하였으며, 4개의 딜레이를 위한 레지스터, 2개의 FA, 캐리를 저장하기 위한 플립플롭과 캐리를 초기화 시켜주기 위한 NOR 게이트로 구현하였다.", "마찬가지로 계수 \\( \\delta \\) 는 CSD를 적용했을 때 \\( 0100 \\overline{1} \\) 이며 쉬프트와 덧셈 연산으로 표현했을 때 식(9)와 같다.", "</p><p>\\[ y(n)=\\frac{1}{2} x(n)-\\left(\\frac{1}{2}\\right)^{4} x(n) \\]<caption>(9)</caption></p><p>계수 \\( \\gamma \\) 는 계수 \\( \\delta \\) 와 비슷한 구조를 갖으며 그림 8은 승산기 \\( \\delta \\) 의 구조를 나타낸 것으로 덧셈기와 인버터, 레지스터와 초기 캐리를 결정하기 위한 AND 게이트로 구성되었다.", "</p><h2>5. DFC / DCU</h2><p>1차원 DWT는 다운 샘플링에 의한 휴면 동작 구간 동안 다른 해상도의 레벨을 수행한다.", "이 때문에 DFC(Data Format Converter)와 DCU(Delay Control Unit)와 같은 스케줄링을 제어하는 모듈이 필요하다.", "본 연구에서는 lifetime analysis 기법을 이용하여 최소의 레지스터를 사용하여 recursive 방식의 스케줄링을 적용하였다.", "1~3레벨를 번갈아가면서 수행하기 때문에 DWT 모듈의 곱셈기 사이사이에 중간 값을 저장하고 수행하는 레벨에 맞게 출력하기 위해 DCU 블록과, DWT의 결과를 저장한 뒤 다음 레벨 DWT의 입력으로 사용할 수 있도록 조절해주는 DFC 블록을 설계하였다.", "</p><p>제안된 DWT 구조에서 첫 번째 리프팅 모듈의 입력은 식(10)과 같이 정리할 수 있으며 이를 이용하여 DFC 모듈을 설계할 수 있다.", "여기에서 \\( \\mathrm{X} \\) 와 \\( \\mathrm{Y} \\) 의 아래 첨자는 모듈 번호를 위첨자는 입출력 선의 상하 위치를 나타내며 \\( \\mathrm{M} \\) 은 총 모듈 수를 나타낸다.", "또한 \\( w \\) 는 워드의 길이를 나타내고, \\( d_{s} \\) 는 디지트 단위, \\( k \\) 는 \\( \\{k \\mid 0 \\leq k \\leq w-1, k \\in integer \\} \\)로 곱셈단의 레이턴시로 인한 오프셋을, \\( m \\) 은 \\( \\{m \\mid 0 \\leq m, m \\in integer \\} \\)로 몇 번째 워드 \\( w \\) 를 계산하고 있는지를 나타낸다.", "</p><p>\\[ X_{0}^{U}(n)=\\left\\{\\begin{array}{l}u(n), \\\\ \\text { for } n=\\left(w / d_{s}\\right) \\cdot(2 m)+k, \\text { when } j=1 \\\\ Y_{M-1}^{U}\\left(n-\\left(w / d_{s}\\right) \\cdot 2^{j-2}\\right), \\\\ \\text { for } n=\\left(w / d_{s}\\right) \\cdot\\left(2^{j} m+2^{j-1}-1\\right)+k \\\\ \\text { when } j \\geq 2\\end{array}\\right. \\]", "</p><p>\\[X_{0}^{L}(n)=\\left\\{\\begin{array}{l}u\\left(n-\\left(w / d_{s}\\right)\\right), \\\\ \\quad \\text { for } n=\\left(w / d_{s}\\right) \\cdot(2 m)+k, \\text { when } j=1 \\\\ Y_{M-1}^{U}\\left(n-\\left(w / d_{s}\\right) \\cdot 2^{j-1}\\right), \\\\ \\text { for } n=\\left(w / d_{s}\\right) \\cdot\\left(2^{j} m+2^{j-1}-1\\right)+k \\\\ \\text { when } j \\geq 2\\end{array}\\right. \\]", "<caption>(10)</caption></p><p>\\( i \\) 번째 리프팅 모듈에 대한 입·출력을 식으로 정리하면 식(11)과 같다.", "</p><p>\\[ \\begin{aligned} &X_{i}^{U}(n)=Y_{i-1}^{U}(n), \\text{for } n=w \\cdot m+k , \\text{when } j \\geq 1 \\\\ &X_{i}^{L}(n)=Y_{i-1}^{U}\\left(n-w \\cdot 2^{j}\\right), \\\\ &\\quad \\text{for }n=w \\cdot \\left(2^{j} m+2^{j-1}-1 \\right)+k , \\text{when } j \\geq 1 \\end{aligned} \\]<caption>(11)</caption></p><p>그림 9는 DCU의 구조도로 3레벨 DWT를 분해를 할 때, 각 레벨별 중간 값을 저장하기 위해 세 개의 레지스터를 필요로 하고 각 레지스터는 워드 단위의 저장을 위해 \\( \\mathrm{W} / d_{s} \\) 길이의 행과 \\( d_{S} \\) 길이의 열을 갖는다.", "레지스터로 입력은 클록 타이밍에 따라서 \\(R1 \\sim R3\\) 중에 하나로 저장된다.", "1 레벨, 2 레벨, 3 레벨의 중간 값을 저장하는 레지스터는 각각 R1, R2, R3이고 주기는 각각 2,4,8 이며 각 레지스터의 출력은 MUX 에 연결되어 다음 단으로 출력된다.", "</p><p>그림 10 은 3레벨 DWT의 DFC 구조도이다.", "각 레지스터는 DCU와 마찬가지로 \\( \\mathrm{W} / d_{s} \\) 길이의 행과 \\( d_{S} \\) 길이의 열을 갖으며 외부입력과 마지막 모듈의 출력 값을 저장하여 첫 번째 모듈의 입력으로 출력해 준다.", "1 레벨은 외부 입력에 의해 연산되지만 2 레벨과 3 레벨은 각각 1 레벨과 2 레벨의 결과에 의해서 연산된다.", "따라서 1 레벨과 2 레벨의 결과는 2,3 레벨 수행 시간까지 저장되어야 한다.", "</p><table border><caption>표 3. 계수와 승산기 출력 값의 비트 할당을 위한 PSNR 분석</caption><tbody><tr><td>데이터 \\(\\backslash\\) 계수</td><td>4</td><td>5</td><td>6</td><td>7</td><td>8</td><td>실수</td></tr><tr><td>1</td><td>\\( 33.71 \\)</td><td>\\( 31.66 \\)</td><td>\\( 31.99 \\)</td><td>\\( 32.42 \\)</td><td>\\( 31.41 \\)</td><td>\\(32.30\\)</td></tr><tr><td>2</td><td>\\( 38.83 \\)</td><td>\\( 37.06 \\)</td><td>\\( 37.38 \\)</td><td>\\( 37.49 \\)</td><td>\\( 36.60 \\)</td><td>\\( 37.41 \\)</td></tr><tr><td>3</td><td>\\( 43.44 \\)</td><td>\\( 41.93 \\)</td><td>\\( 42.14 \\)</td><td>\\( 42.22 \\)</td><td>\\( 41.49 \\)</td><td>\\( 42.18 \\)</td></tr><tr><td>4</td><td>\\( 47.18 \\)</td><td>\\( 46.03\\)</td><td>\\( 46.32\\)</td><td>\\( 46.11 \\)</td><td>\\( 45.33 \\)</td><td>\\( 46.16 \\)</td></tr><tr><td>5</td><td>\\( 48.15 \\)</td><td>\\( 48.29 \\)</td><td>\\( 48.13 \\)</td><td>\\( 48.16 \\)</td><td>\\( 48.21 \\)</td><td>\\( 48.16 \\)</td></tr><tr><td>6</td><td>\\( 48.16 \\)</td><td>\\( 48.30 \\)</td><td>\\( 48.13 \\)</td><td>\\( 48.16 \\)</td><td>\\( 48.22 \\)</td><td>\\( 48.16 \\)</td></tr><tr><td>7</td><td>\\( 48.18 \\)</td><td>\\( 48.33 \\)</td><td>\\( 48.13 \\)</td><td>\\( 48.16 \\)</td><td>\\( 48.21\\)</td><td>\\( 48.16 \\)</td></tr><tr><td>8</td><td>\\( 48.18 \\)</td><td>\\( 48.39 \\)</td><td>\\( 48.13 \\)</td><td>\\( 48.16 \\)</td><td>\\( 48.22 \\)</td><td>\\( 48.16 \\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "리프팅 기반 이산 웨이블렛 변환의 디지트 시리얼 VLSI 구조", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-033410a3-1798-40ec-b30f-8b28f6ec8eca", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2013", "doc_author": [ "류동훈", "박태근" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>V.", "시뮬레이션</h1><p>이 장에서는 시뮬레이션 결과를 보인다.", "시뮬레이션 공간은 \\( 200 \\times 200 \\) 단위 면적을 갖는 정사각형 공간과 \\( 112.8 \\) 단위 길이의 반시름을 갖는 원형 공간을 사용한다.", "이는 홉수로는 \\( 14.1 \\) 이고 \\( 2 \\mathrm{~L} / 3=14.1 \\) 이므로, \\( \\mathrm{L} \\) 은 22 이다.", "두 공간의 면적은 동일하다.", "노드의 통신 범위는 8단위 길이이다.", "Beacon 노드들은 공간의 중심으로부터 1/2거리 내에 위치한다.", "전체 노드 수는 2500 개이다.", "따라서 노드의 밀집도는 통신 범위당 \\( 12.5 \\) 노드이다.", "라우팅 성공률을 높이기 위하여 각 노드들은 2 홉 이웃 테이블을 유지하고 사용한다.", "원래 BVR에서 기본 라우팅에 실패한 경우 플러딩을 시도하도록 되어 있으나, 시뮬레이션에서는 성공률을 측정하기 위하여 풀러딩을 사용하지 않는다.", "</p><p>그림 3은 원형 공간에서의 Beacon 노드들로부터의 거리에 따른 노드 분포를 보인다.", "정사각형 공간의 시뮬레이션 결과도 이와 유사한 형태를 보인다.", "b0는 중심 Beacon 노드로부터의 거리에 따른 노드 분포를 보인다.", "b1 b4은 해당 Beacon 노드부터의 거리에 따른 노드 분포를 보인다.", "b-a는 100 개 Beacon들로부터의 평균적인 노드 분포를 보인다.", "노드 분포는 2L/3홉 거리까지는 증가하지만 그 이후로는 줄어들고 있음을 알수 있다.", "특히 중심 Beacon으로부터의 노드 분포는 2L/3홉 거리 이후에는 노드가 존재하지 않는다.", "</p><p>그림 4 는 논리적 공간의 크기에 따른 검색 길이의 분포를 보인다.", "논리적 공간의 크기는 G-Hash 의 \\( R_{h} \\) 값을 변경하여 조절한다.", "시률레이션에서는 5000 개의 데이터를 제안하는 알고리즘을 사용하여 각 노드에 배포한다.", "데이터 저장시 목적지에서 2 흡 이웃까지 데이터를 저장하도록 하였다.", "L008 및 L012, L016, L032,L64,L128 은 \\( R_{h} \\) 값을 각각 8,12,16,32,64,128로 했을 때의 검색 길이의 분포를 보인다. \\", "( R_{h} \\) 값이 16 일때까지는 큰 차이가 없다가 그 이후에는 검색 길이가 늘어남을 알 수 있다.", "</p><table border><caption>표 1. 논리적 공간 크기 및 분포 계수에 따른 평균 검색 길이</caption><tbody><tr><td>Rh(Hops)\\[(0=1,0)\\]</td><td>AverageDiscovery Length(Hops)</td><td>\\(0 (R h=16) \\)</td><td>AveraDiscovery Length(Hops)</td></tr><tr><td>8</td><td>18.567</td><td>0.5</td><td>22.818</td></tr><tr><td>12</td><td>19.285</td><td>1.0</td><td>21.040</td></tr><tr><td>16</td><td>21.040</td><td>2.0</td><td>19.178</td></tr><tr><td>24</td><td>25.348</td><td>4.0</td><td>17.792</td></tr><tr><td>32</td><td>27.382</td><td></td><td></td></tr><tr><td>64</td><td>28.391</td><td></td><td></td></tr></tbody></table> <table border><caption>표 2. Hash 함수에 따른 성공률 및 평균 검색 길이</caption><tbody><tr><td>Function</td><td>Rh (0=0.5)</td><td>Success ratio(%)</td><td>Average Discovery Length(Hops)</td></tr><tr><td rowspan=3>G-Hash</td><td>8</td><td>99.04</td><td>19.228</td></tr><tr><td>12</td><td>99.18</td><td>20.125</td></tr><tr><td>16</td><td>99.24</td><td>22.818</td></tr><tr><td rowspan=3>Random</td><td>8</td><td>97.92</td><td>29.231</td></tr><tr><td>12</td><td>98.48</td><td>27.473</td></tr><tr><td>16</td><td>96.48</td><td>29.261</td></tr></tbody></table><p>표 1 의 (1)부분은 \\( R_{h} \\) 에 따른 평균 검색 길이를 보인다.", "이때 분포 계수 \\( \\sigma \\) 는 \\( 1.0 \\) 으로 하였다. \\", "( R_{h} \\) 가 커질수록 데이터가 외곽 노드에 집중 되어 평균 검색 길이가 증가하는 것을 볼 수 있다.", "표 1 의 (2)부분은 \\( R_{h} \\) 가 16으로 고정되어 있을 때, 분포 계수 \\( \\sigma \\) 에 따른 평균 검색 길이를 보인다.", "분포 계수가 클수록 데이터가 네트워크의 중심에 집중되어 평균 검색 길이가 줄어드는 것을 볼 수 있다.", "분포계수를 변경하여 데이터의 분포를 제 어할 수 있음을 보인다.", "표 2 는 G-Hash 를 사용한 경우와 일반적인 균일 해쉬 함수를 사용한 경우를 보인다.", "일반적인 균일 해쉬 함수를 사용할 경우, 3 장에서 설명<p>한 Beacon 벡터 요소간의 연관 관계를 반영할 수 없다.", "따라서 대부분의 데이터가 BVR 라우팅 중 Fallback 모드로 Beacon 노드들에 저장된다.", "그러므로, 데이터의 분포를 제어할 수 없게 된다.", "표의 결과는, G-Hash를 사용하였을 때 높은 검색 성공률을 보이며, 데이터 분포를 제어하여 더 짧은 검색 길이를 갖도록 할 수 있음을 보인다. \\", "( R_{h} \\) 가 8 인 경우 평균 검색 길이는, 일반적인 균일 해쉬 함수를 사용한 경우 약 29홉이고, G-Hash를 사용한 경우 약 19흡으로 약 \\( 50 \\% \\) 의 성능향상을 보였다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "MANET에서 가상 위치 기반 라우팅을 위한 지역 분산 해쉬 테이블 적용 방법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-041d5a6d-f17b-4a47-81f7-08be9e2b203c", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "고석갑", "김영한" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>III.", "제안 알고리즘</h1><p>VANET 환경에서는 대량의 노드에 따른 충돌 확률 증가문제, 연속전송의 QoS 장애문제와 fragment 손실 문제를 동시에 해결하기 위한 연구가 필요하다.", "제안하는 OFAR에서는 채널 상태가 좋은 노드에게 채널 점유의 확률을 높게 설정해주기 위해 CWmin 값을 작게 하여 채널을 점유한 노드의 백오프 시간을 줄이는 것과, CWmax를 크게 하여 충돌 확률을 낮추었다.", "또한 TXOP 개념을 도입하면서도 QOS 지원이 가능한 새로운 방식의 TXOP 방법을 사용했다.", "</p><h2>가.", "전송률에 따른 연속전송 알고리즘</h2><p>OAR에서 사용되는 TXOP 방식은 어떤 노드가 채널을 획득하면 주변 노드들에 NAV가 설정되게 하여 QoS나 긴급 메시지를 지원할 수 없는 한계가 있다.", "OFAR은 연속전송 한계값(TXOP threshold)을 정할 때 OAR의 경우처럼 전송속도의 비율로 결정하지 않고, 한 패킷을 전송할 때 소요되는 시간 길이에 대해 기본 전송률로 전송했을 때와 현재 전송률로 전송했을 때의 시간의 비율을 통해 연속적으로 전송 가능한 데이터의 개수를 계산한다.", "</p><p>그림 4의 한계값를 정하는데 OFAR에서는 식(1)에 근거해서 패킷전송 시간길이를 구하고 식(2)와 같이 한계값을 전송률별로 다르게 두어서 높은 전송률의 노드일수록 더 많은 데이터를 연속적으로 전송할 수 있게 한다.", "</p><p>\\( \\begin{aligned} T_{S}(Mode) &=T_{D I F S}+T_{idle }+T_{D A T A}(Mode) \\\\ &+T_{S I F S}+T_{A C K} \\end{aligned} \\)<caption>(1)</caption></p><p>\\( \\begin{aligned} T X O P_{O F C R}( Mode )=\\frac{T_{S}(Base Mode)}{T_{S}( Mode )} \\times K \\end{aligned}\\)<caption>(2)</caption></p><p>이와 같이 OFAR에서는 전송속도의 비율을 기준으로 하지 않고, 전송 소요 시간의 비율을 통해 연속적으로 전송하는 데이터의 개수를 계산한다.</p><p>노드 개수를 1, 10, 50, 100으로 4가지 경우로 나누어 구한 전송률에 따른 OFAR의 연속전송 한계값을 표 1에 정리하였다. UDP에 상수 K를 12로 하였는데, 노드 개수에 관계없이 TXOP 값은 거의 비슷함을 알 수 있다. 이는 OFAR의 CW 처리방식에 의해 충돌 가능성을 낮추었기 때문에 얻게 된 결과이다. 상수 K}는 여러 차례의 시뮬레이션을 통해 UDP의 경우 12, TCP의 경우 50을 택하는 것이 최적이었다.", "</p><table border><caption>표 1. 전송률에 따른 OFAR 한계값</caption><tbody><tr><td colspan=2>Rate</td><td colspan=4>\\(TXOP_{OFAR}(Mode)\\)</td></tr><tr><td rowspan=2>Mode</td><td rowspan=2>bitrate(\\(\\mathrm{Mbps}\\))</td><td colspan=2>노드</td><td colspan=2>개수(\\(\\mathrm{N}\\))</td></tr><tr><td>1</td><td>10</td><td>50</td><td>100</td></tr><tr><td>0</td><td>3</td><td>12</td><td>12</td><td>12</td><td>12</td></tr><tr><td>1</td><td>4.5</td><td>18</td><td>18</td><td>18</td><td>18</td></tr><tr><td>2</td><td>6</td><td>23</td><td>23</td><td>23</td><td>23</td></tr><tr><td>3</td><td>9</td><td>33</td><td>33</td><td>33</td><td>33</td></tr><tr><td>4</td><td>12</td><td>41</td><td>42</td><td>42</td><td>42</td></tr><tr><td>5</td><td>18</td><td>59</td><td>60</td><td>60</td><td>60</td></tr><tr><td>6</td><td>24</td><td>70</td><td>71</td><td>71</td><td>71</td></tr><tr><td>7</td><td>z7</td><td>76</td><td>77</td><td>77</td><td>77</td></tr></tbody></table><p>\\( T X O P_{O F A R}( Mode ) \\)를 해당 전송 mode에서 연속적으로 보낼 수 있는 최대 데이터 개수라고 할 때 각 mode에 해당하는 평균전송률은 식(3)과 같이 계산할 수 있다.", "</p><p>\\( Throughput(Mode) \\\\ =\\begin{aligned}\\frac{B_{P A Y O A D}}{T_{S}( Mode) \\times T X O P_{O F A R}( Mode )+T_{C}( Mode ) \\times P_{C}} \\end{aligned}\\)<caption>(3)</caption></p><p>연속적인 전송 이후에는 모든 노드들이 동등하게 다시 경쟁하므로 해당 mode로 전송하려는 노드의 개수를 \\( N( Mode ) \\)라고 할 때 전체 네트워크의 throughput은 식(4)와 같이 이끌어 낼 수 있다.", "</p><p>\\(Throughput_{TOTAL}\\\\ \\begin{aligned}= \\frac{\\sum_{Mode =0}^7 Throughput (Mode ) \\times N( Mode )} { \\sum^7_{Mode=0} N( Mode)} \\end{aligned}\\)<caption>(4)</caption></p><p>\\(Throughput _{T O T A L} \\) 값은 네트워크의 토폴로지 상황에 따라 매우 다양한 결과가 나오게 되고 이론적으로 산출하기가 곤란하다.", "따라서 시뮬레이션을 통해 그 값을 도출하고 성능을 평가할 수 있다.", "</p><h2>나.", "충돌회피 기법</h2><p>VANET 환경에서 나타나는 노드 증가에 따른 충돌 확률 증가를 피하기 위해 CWmax 값을 정상 값인 255 대신 1023으로 변경하였다.", "CW의 범위가 커지므로 그만큼 충돌 가능성이 낮아진다.", "</p><p>전송 획득 확률은 식(5)와 같다.", "</p><p>\\(p=1/(E[B]+1)\\)<caption>(5)</caption></p><p>여기에서 \\( E[B] \\)는 벡오프 평균시간으로 식(6)과 같다.", "</p><p>\\(E(B)=(E[CW]-1)/2\\)<caption>(6)</caption></p><p>\\( E[C W] \\)는 전송 패킷의 평균 CW 크기로써, 정리하면 패킷 전송의 확률은 식(7)과 같이 정리된다.", "</p><p>\\(p=1/(E[CW]+1)\\)<caption>(7)</caption></p><p>따라서 CW의 범위를 늘리면 충돌하지 않고 패킷을 획득할 확률이 그만큼 높아지게 된다.", "</p> <h1>IV.", "성능평가 및 고찰</h1><h2>1. 노드 개수에 따른 성능평가</h2><p>시뮬레이션에 구성된 노드들의 토폴로지는 그림 6, 그림 7과 같다.", "802.11p의 전송거리에 맞게 RSU를 중심으로 \\( 1000 \\mathrm{m} \\) 거리에서부터 5, 10, 20, 30, 50개의 노드를 배치했다. \\", "( 100 \\mathrm{m} \\) 간격으로 그룹을 지었고, 5개 노드의 경우 \\( 200 \\mathrm{m} \\) 간격으로 두어서 전송모드를 고르게 분포하게 했다.", "속도를 \\( 0,90 \\mathrm{km} / \\mathrm{h} \\)로 하고, 전체가 \\( 1000 \\mathrm{m} \\)의 거리를 이동하도록 실행하였다.", "</p><p>그림 8은 노드가 각각 5, 10, 20, 30, 50개일 때의 throughput이다.", "노드의 수가 많아질수록 전체적인 전송률은 저하되는 모습을 보인다.", "ARF는 약 \\( 50 \\% \\) 이하의 전송률을 나타내는데, 이는 가장 먼 노드의 낮은 전송모드에 의해 전송속도 하향 평준화 문제를 겪는 것이다.", "OFAR의 경우 충돌과 오버헤드가 최소화되면서도 높은 전송률을 확보한 노드에게 더 많은 전송기회를 줌으로써 전반적인 네트워크의 평균전송률은 향상되는 결과가 나타난다.", "속도가 \\( 90 \\mathrm{km} / \\mathrm{h} \\)인 경우 정지상태보다 오히려 Throughput이 향상되게 나타났는데, 이는 속도에 의한 패킷 손실보다는 그림 7과 같이 노드들의 위치가 RSU에 가깝게 스치면서 이동해가는 과정이기 때문에 그만큼 채널상태가 더 나아져서 나타나게 되는 결과이다.", "그 밖의 다른 특성은 정지상태일 때와 거의 비슷하게 나타난다.", "</p><h2>2. 노드 속도에 따른 성능평가</h2><p>VANET은 차량용 네트워크이므로 고속 이동에 대한 고려가 필요하다.", "ns-2 시뮬레이션에서는 이동 속도에 따른 PER(Packet Error Rate)이 제공되지 않기 때문에 표 2에 따른 PER 값을 별도로 산출해서 PER 확률로 Packet Loss가 발생하도록 시뮬레이션을 구성했다.", "</p><table border><caption>표 2. 속도에 따른 PER</caption><tbody><tr><td>Velocity(\\(\\mathrm{km/h}\\))</td><td>PER (\\(\\%\\))</td></tr><tr><td>90</td><td>2.45</td></tr><tr><td>1 180</td><td>411</td></tr><tr><td>110</td><td>4.62</td></tr><tr><td>120</td><td>667</td></tr><tr><td>130</td><td>893</td></tr><tr><td>140</td><td>98</td></tr></tbody></table><p>토폴로지는 그림 9와 같이 노드를 10개인 경우와 20개인 경우로 구성하였고, 채널 분포를 균등하게 하기 위해서 노드 간격을 \\( 100 \\mathrm{m} \\)로 설정하였다.", "</p><p>이 절에서는 노드가 10개인 경우와 20개인 경우 각각 \\( 90 \\mathrm{km} / \\mathrm{h}, 110 \\mathrm{km} / \\mathrm{h}, 140 \\mathrm{km} / \\mathrm{h} \\)로 이동시키면서 얻은 시뮬레이션 결과를 나타내었다.", "</p><p>그림 10은 \\( 90 \\mathrm{km} / \\mathrm{h}, 110 \\mathrm{km} / \\mathrm{h}, 140 \\mathrm{km} / \\mathrm{h} \\)로 이동할 때의 throughput이다.", "</p><p>속도에 따라 PER이 증가하면서 throughput이 떨어짐을 볼 수 있다.", "속도는 각각 다르지만 측정 시간은 속도에 반비례하여 노드의 이동경로가 동일하기 때문에 PER 확률에 따른 패킷 손실이 반영된 값이 나오고 있다.", "OAR의 경우 채널의 변화에 따라 발생하는 단편화 패킷 손실 문제로 더욱 성능이 떨어짐을 나타내고 있는데 비해, 단편화 방법을 사용하지 않는 OFAR은 높은 성능을 유지함을 볼 수 있다.", "20노드의 경우 전체적으로 10노드의 경우에 비해 throughput이 낮아진 것을 볼 수 있다.", "노드가 늘어나서 채널 경쟁이 더 심해지고 충돌확률이 높아진 것이다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "VANET에서 적정 전송속도를 지원하는 MAC 설계", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0dab226a-aca2-4204-9b1e-a75dc321cbab", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "박상현", "김남일" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>실험에서는 E3S 벤치마크 어플리케이션을 이용하여 제안된 NoC 설계 기법과 [12]의 알고리즘 비교도 했다.", "E3S 벤치마크 어플리케이션은 consumer, network, auto-industry 그리고 telecom으로 이루어져 있고 각각 12, 13, 24 그리고 30개의 태스크를 포함한다.", "이것들은 각각 9, 9, 16 그리고 25개의 코어로 임의의 스케줄러에 의해 스케줄 된다.", "또한, 이것들은 각각 \\( 3 \\times 3 \\), \\( 3 \\times 3 \\), \\( 4 \\times 4 \\) 그리고 \\( 5 \\times 5 \\) NoC 격자 위에 타일 매핑 된다.", "표 1은 두 알고리즘의 에너지 소모 비교를 보여주고 있으며 VFI 병합을 하지 않고 구해진 에너지 소모에 정규화 되어 있다.", "결과는 본 논문에서 제안한 VFI를 고려한 알고리즘이 VFI 병합 단계만을 비교하여도 평균 \\( 10.3 \\% \\) 에너지 소모 절약 효과가 있다는 것을 보여준다.", "</p> <table border><caption>표 1. 네트워크-온-칩 에너지 소모 비교</caption> <tbody><tr><td rowspan=2>Bencrmark</td><td rowspan=2>Algorithm</td><td colspan=4>Normalized Total Energy Consumption</td></tr><tr><td>No-Merge</td><td>4-VFI</td><td>3-VFI</td><td>2-VFI</td></tr><tr><td rowspan=2>Consumer</td><td>[12]</td><td>1</td><td>0.83</td><td>0.69</td><td>0.63 *</td></tr><tr><td>Ours</td><td>1</td><td>0.72</td><td>0.59</td><td>0.57*</td></tr><tr><td rowspan=2>Network</td><td>[12]</td><td>1</td><td>0.89</td><td>0.75*</td><td>0.76</td></tr><tr><td>Ours</td><td>1</td><td>0.86</td><td>0.73</td><td>0.64*</td></tr><tr><td rowspan=2>Auto- industry</td><td>[12]</td><td>1</td><td>0.84</td><td>0.79:</td><td>1.12</td></tr><tr><td>Ours</td><td>1</td><td>0.75</td><td>0.66*</td><td>0.91</td></tr><tr><td rowspan=2>Telecom</td><td>[12]</td><td>1</td><td>0.74*</td><td>0.74*</td><td>1.17</td></tr><tr><td>Ours</td><td>1</td><td>0.67</td><td>0.63*</td><td>0.92</td></tr></tbody></table> <h1>Ⅴ. 결론</h1> <p>본 논문에서는 NoC 기반 시스템에서 GALS 패러다임을 활용한 VFI의 효과를 극대화하여 에너지 소모를 최적화 할 수 있는 알고리즘을 제안하였다.", "제안된 알고리즘은 VFI-고려한 코어 분할, 통신-경쟁시간을 고려한 타일 매핑, 각 코어 기준 전력 변화량을 고려한 동적 전압 조절과 효율적인 VFI 병합과 VFI-동적 전압 조절 등 다양한 설계 단계에서 VFI의 효율을 높여 에너지 소모를 최적화 한다.", "제안한 알고리즘을 통해 평균 \\( 34.5 \\% \\)의 NoC 에너지 감소 효과를 보이며 기존 [12]의 연구 결과와 비교해서도 평균 \\( 10.3 \\% \\)의 에너지 절감 우수성을 보였다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "전압-주파수-구역을 고려한 에너지 최적화 네트워크-온-칩 설계 방법론", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-047a9a89-72b6-4b33-928b-68edb5eb0eb1", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "김우중", "권순태", "신동군", "한태희" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 결론 및 향후 연구방향</h1><p>본 논문에서는 무인차량의 야지 자율주행 기술에 적용을 위한 웨이블릿 특징과 SVM을 이용한 지형분류 기법을 제안하였으며, 분류 성능에 대한 정량적인 평가를 위해 실제 야지에서 획득한 시험 영상을 이용하여 Matlab 기반의 실험결과를 제시하였고, 제한적 조건의 야외 환경에서 효과적인 분류가 가능함을 확인하였다.", "</p><p>향후 실제 무인차량의 기동제어 시스템에 적용을 위해서 분류 유형의 단계적 확장과 무인차량의 기동 관점에서 보다 효과적인 분류 특징 추출이 필요하며, 다양한 야외 환경 조건을 고려한 추가적인 실험을 통하여 신뢰성의 확보 및 강인한 알고리듬 개발을 위한 특징 융합 알고리듬의 개발에 대한 연구가 필요하다.", "</p> <h1>Ⅱ. 본 론</h1><p>본 논문에서 제안하는 야외 영상에 대한 지형분류 알고리듬은 SVM 분류기 적용을 위한 오프라인 학습단계와 지형영상 입력으로 시작되는 수행(running)단계로 구분되며, 그림 1의 순서도와 같이 입력 영상에 대한 전처리, 웨이블릿 변환 및 특징 추출, SVM을 이용한 학습 및 분류, 결과에 대한 후처리의 절차로 수행된다.", "</p><h2>1. 전처리</h2><p>전처리 단계에서는 컬러 CCD 카메라로부터 획득된 RGB 컬러 영상을 CIE-Lab 색 공간으로 변환하는 기능을 수행한다.", "CIE-Lab 색공간은 명도축을 나타내는 L, 빨강/초록의 보색축인 a, 노랑/파랑의 보색축인 b 로 색 좌표를 표현하며, 출력장치에 독립적으로 색 공간을 표현할 수 있는 특징이 있다.", "</p><h2>2. 웨이블릿 변환 및 특징추출</h2><p>특징 추출을 위하여 전처리 단계에서 변환된 Lab 3 채널의 영상에 대하여 각각 Daub4 웨이블릿을 적용하였다.", "그림 2는 L 채널 영상에 대한 2단계 웨이블릿 적용 결과로서 HL은 수평방향 에지 성분을 나타내며, LH는 수직방향 에지 성분, HH는 대각방향 에지 성분을 포함한다.", "영상에 대한 특징은 2단계 웨이블릿 변환 후 각 대역별 평균과 웨이블릿 에너지 값을 사용하는데, 웨이블릿 변환 후 \\( k \\)번째 부 대역 계수들에 대한 절대평균 \\( \\left(B_{k}^{\\text {mean }}\\right) \\) 및 웨이블릿 에너지 \\( \\left(B_{k}^{\\text {Bergyy }}\\right) \\)는 각각 식 (1), (2)를 이용하여 구할 수 있다.", "</p><p>\\( B_{k}^{\\text {Mean }}=\\frac{1}{N} \\sum_{i=0}^{N-1}\\left|c_{i}^{k}\\right|, \\quad i \\in B_{k} \\)<caption>(1)</caption></p><p>\\( B_{k}^{\\text {Energy }}=\\frac{100}{E_{\\text {total }}} \\sum_{i=0}^{N-1}\\left(c_{i}^{k}\\right)^{2}, E_{\\text {total }}=\\sum_{k=1}^{K-1 N=0} \\sum_{i=0}^{N-1}\\left(c_{i}^{k}\\right)^{2} \\)<caption>(2)</caption></p><p>여기서, \\( N \\)은 부대역의 웨이블릿 계수의 총 개수이며, \\( c_{i}^{k} \\)는 \\( k \\)번째 부대역의 \\( i \\)번째 계수이며, \\( K \\)는 부대역의 총 개수이다. \\", "( E_{\\text {total }} \\)은 총 에너지를 나타낸다.", "</p><p>7개 부 대역 중 잡음 특성을 많이 포함하고 있는 \\( B_{3} \\)와 \\( B_{6} \\) 부 대역을 제외한 나머지 5 개 부 대역에 대한 Lab 채널 별 15개의 웨이블릿 에너지와 \\( B_{0}, B_{4}, B_{5} \\) 대역에 대한 채널 별 9개의 웨이블릿 평균값을 추출하여 24차원의 특징벡터를 추출하였다.", "이 중에서 \\( B_{0} \\) 대역의 평균은 색상정보를 포함하는 대역으로 높은 값을 가지는 DC 성분이 SVM 분류기 학습에 미치는 영향을 줄이기 위해 0.1의 가중치를 곱하여 적용하였다.", "식 (3)과 같이 각 채널 당 5개의 웨이블릿 에너지와 3개의 웨이블릿 평균을 특징으로 사용하여 추출된 24차원의 특징 벡터는 식 (4)와 같다.", "</p><p>\\( \\begin{aligned} F_{C h}=\\{& 0.1 B_{0}^{\\text {Mean }}, B_{4}^{\\text {Mean }}, B_{5}^{\\text {Mean }} \\left.B_{0}^{\\text {Ehergy }}, B_{1}^{\\text {Ehergy }}, B_{2}^{\\text {Energy }}, B_{4}^{\\text {Energy }}, B_{5}^{\\text {Ehergy }}\\right\\} \\end{aligned} \\)<caption>(3)</caption></p><p>\\( F=\\operatorname{trans}\\left\\{F_{L} \\quad F_{a} \\quad F_{b}\\right\\} \\)<caption>(4)</caption></p><h2>3. SVM 분류기</h2><p>Support Vector Machine(SVM)는 Vladimir Vapnik과 AT&T Bell 연구소의 팀이 개발한 2 class 분류 방법이며, 이를 활용한 SVM 분류기는 통계적 학습 이론에 기반을 둔 것으로서, 그림 3과 같이 특징 공간 (Feature space)에서 주어진 class 간의 마진을 최대로 하는 최적 분류 초평면(OSH : Optimal Separating Hyper-planes)을 구하는 것이다.", "</p><p>이 때 최적의 초평면은 다음의 최적화 문제의 해로부터 구할 수 있다.", "</p><p>\\( \\operatorname{Min} Q(w)=\\frac{1}{2}\\|w\\|^{2} \\)</p><p>subject to: \\( \\quad y_{i}\\left(w^{T} x_{i}+b\\right) \\geq 1 \\) for \\( i=1, \\ldots ., m \\)</p><p>하지만 SVM은 구조적으로 이진 분류기라는 단점을 가지고 있어서 다중 클래스 분류가 요구되는 응용 분야에 적용이 쉽지 않다.", "따라서 이를 해결하기 위해 이진 분류기인 SVM을 일대일(One-Against-One), 일대다(One-Against-All), 또는 DAG(Directed Acyclic Graph) 등과 같이 다수의 SVM들을 조합하여 학습시키는 방법들을 활용하고 있다.", "그리고 초평면이 비선형인 경우에는 Kernel 트릭을 사용하여 특징 공간에서 선형 분리가 가능하도록 한다.", "본 논문에서는 웨이블릿을 통하여 추출한 특징들을 일대일 SVM을 적용하여 학습시켰으며, 학습을 위한 툴로는 LibSVM을 사용하였다.", "전체 학습 및 분류 과정은 그림 4와 같다.", "</p><h2>4. 후처리</h2><p>분류기를 통한 지형분류 결과는 씨드 확산법을 적용한 그레이 레벨 영상에 대한 레이블링 및 Blob 제거 방법을 이용하여 후처리를 한다.", "그레이 레벨 영상 레이블링 알고리듬은 기본적으로는 2진 영상의 레이블링 알고리듬을 확장시킨 것으로 씨드 확산법을 이용한 4방향 연결성분 레이블링이다.", "그레이 레벨 영상에 대한 레이블링을 통한 고립영역의 크기를 기준으로 주변영역의 클래스 정보를 이용하여 Blob 제거를 수행한다.", "그림 5(a)는 지형분류 결과 영상을 나타내며, (b)는 후처리 적용된 영상을 나타낸다.", "</p> <h1>Ⅰ. 서 론</h1><p>야외 환경에서 자율주행이 가능한 무인차량에 대한 연구가 많은 관심의 대상이 되고 있다.", "무인차량의 야지 자율주행에 있어서 효과적인 기동을 위해서는 주변 지형 및 장애물에 대한 정보와 함께 무인차량이 주행하게 될 지표면에 대한 특성 정보를 통합하여 구성하는 것이 필요하다.", "지형 형상 및 장애물 탐지를 위해서는 스테레오 비전, LADAR 등과 같은 센서를 이용한 거리 정보가 주로 사용되지만, 지표면에 대한 특성을 식별 및 분류하기 위해서는 수동 센서를 이용한 영상 정보가 필요하며, 영상기반의 인식 및 분류기법에 대한 연구가 필수적이다.", "</p><p>야외 환경에서 영상기반의 지표면 분류를 위해 컬러 카메라로부터 색상 특징을 이용한 지형분류 방법들이 제시되었으나, 야외에서의 색상 특징을 이용한 지형 분류는 기후나 조명 및 대기조건과 같은 환경변화로 인해 어려운 문제로 알려져 왔다.", "색상기반 분류의 단점을 극복하기 위해 Gabor 필터 뱅크로부터 추출된 질감 특징을 이용한 방법이나, 색상 및 질감 특징을 이용한 분할의 융합 방법이 제시되었다.", "</p><p>본 논문에서는 야지 영상에 대한 색상 및 질감 정보를 기반으로 지형 분류를 하기 위해 입력영상에 대한 다채널 웨이블릿 변환을 통해 추출된 웨이블릿 평균 및 에너지 특징을 이용한 SVM(Support Vector Machine) 기반의 지형분류 방법을 제시한다.", "</p><p>일반적으로 영상 기반의 지형분류 알고리듬은 입력 영상에 대한 전처리, 특징추출, 분류기적용 및 후처리의 절차로 수행된다.", "본 논문에서는 영상센서로부터 입력된 영상신호의 색 좌표 변환의 전처리를 수행하고, 웨이블릿 변환을 통해 부 대역별 계수들의 평균과 에너지를 특징벡터로 추출하며, 분류기로는 SVM을 적용한 지형분류 기법에 대한 연구내용을 소개한다.", "논문의 구성은 Ⅱ장에서는 알고리듬 수행 단계별 주요 내용을 설명하고, Ⅲ장에서는 야외에서 획득한 영상에 대한 실험을 통하여 제시한 알고리듬의 성능을 확인하고, Ⅳ장에서 결론과 성능 향상을 위한 추가적인 연구방향을 제시한다.", "</p> <h1>요 약</h1><p>야외 환경에서 무인차량의 자율주행에 있어서 효과적인 기동제어롤 위해서는 장애물 탐지나 지형의 기하학적인 형상 정보 외에 탐지된 장애물 및 지형 표면에 대한 재질 유형의 인식 및 분류 또한 중요한 요소이다.", "영상 기반의 지표면 분류 알고리듬은 입력 영상에 대한 전처리, 특징추출, 분류 및 후처리의 절차로 수행된다.", "본 논문에서는 컬러 CCD 카메라로부터 획득된 야외 지형영상에 대해 색상 및 질감 정보를 이용한 지형분류 기법을 제시한다.", "전처리 단계에서 색공간 변환을 수행하고, 색상과 질감 정보를 이용하기 위해 웨이블릿 변환 특징을 사용하였으며, 분류기로서는 SVM(support vector machine)을 적용하였다.", "야외 환경에서 획득된 실영상에 대한 실험을 통하여 제시된 알고리듬의 분류 성능을 평가하였으며, 제시된 알고리듬에 의한 효과적인 야지 지형분류의 가능성을 확인하였다.", "</p> <h1>Ⅲ. 실 험 결 과</h1><p>실험을 위한 영상은 SONY사의 XC-555 컬러 CCD 카메라로부터 \\( 30 \\mathrm{Frame}/\\mathrm{sec} \\)의 NTSC 출력을 실시간 무손실 저장장치를 이용하여 획득하였으며, 야외 지형에 대해 획득된 임의의 \\( 720 \\times 480 \\) 영상 프레임에서 분류 대상 유형별로 \\( 16 \\times 16 \\) 크기의 학습용 칩을 200 개씩 추출하였다. \\", "( 720 \\times 480 \\) 해상도를 가지는 10장의 영상 프레임에 대해 실험을 수행하였으며, 분류 유형은 훍, 자갈, 포장로, 잔디, 수풀 및 하늘의 6 종을 대상으로 하였다.", "학습 단계에서는 획득된 야외 지형영상의 임의의 프레임에서 추출한 유형별 칩 영상에 대해 색공간 변환과 웨이블릿 평균 및 에너지 특징을 추출하여 SVM에서의 학습을 통해 학습결과 파라메터를 생성하였으며, poly-nomial 2차 커널 함수를 사용하여 학습한 결과 138개의 support 벡터가 추출되었다.", "</p><p>수행단계에서는 입력되는 영상 프레임에 대해 학습 단계에서와 마찬가지로 전처리, 웨이블릿 변환을 수행하고, \\( 16 \\times 16 \\) 픽셀 크기의 블록을 구성한다.", "각 블록에 대한 웨이블릿 평균과 에너지 특징을 추출하고, SVM 분류기로 입력하여 6가지 유형으로 분류하였다.", "SVM 분류기로부터 분류된 결과영상은 씨드 확산 레이블링 및 blob 제거 알고리듬을 적용하여 후처리하였다.", "</p><p>분류결과의 정량화를 위해 수작업으로 분류한 영상을 이용하였다.", "10장의 시험용 영상에 대한 분류결과 평균 분류율은 약 \\( 71.42 \\% \\)이고, 후처리를 적용한 경우의 평균 분류율은 약 \\( 74.17 \\% \\)로 증가하였다.", "그림 6은 실험 결과로서 시험용 입력영상, 분류결과 및 후처리 적용 영상, 분류성능 확인을 위한 수작업 분류 영상을 나타낸다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "Support Vector Machine 기반 지형분류 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-03abc224-026e-4ac0-b7d1-491353c9ede4", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "성기열", "박준성", "유준" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>3. CAVLD</h2> <p>CAVLD는 \\( 4 \\times 4 \\) 서브 블록 단위로 표2 의 각 구문 요소를 차례대로 해석하여 DCT 계수를 추출한다.", "각 구문 요소는 테이블에서 읽거나 연산을 통하여 결과값를 얻을 수 있다.", "</p> <table border><caption>Title</caption> <tbody><tr><td>구문 요소</td><td>의미</td></tr><tr><td>Tota_coef</td><td>\\( 4 \\times 4 \\) 블록 내의 0이 아닌 DCT 계수의 수 (nC)</td></tr><tr><td>T1s</td><td>연속된 \\( \\pm \\)1의 DCT 계수의 부호</td></tr><tr><td rowspan>Level</td><td rowspan>T1s을 제외한 0이 아닌 DCT 계수</td></tr><tr><td>Total_zero</td><td>\\( 4 \\times 4 \\) 블록 내의 0이 아닌 DCT 계수의 수</td></tr><tr><td>Run_before</td><td>Level 간의 0인 DCT 계수의 수</td></tr></tbody></table> <h1>Ⅳ. 설계 및 검증 결과</h1><p>제안한 구조에 따라 H.264 베이스라인 프로파일을 지원하는 가변 길이 복호기를 Verilog-DDL을 이용하여 설계하였다.", "가변 길이 복호기는 영상의 종류와 부호화 조건에 따라 연산 사이클 수가 달라지므로 성능을 예측하기 어렵다.", "H.264에서 화질에 가장 큰 영향을 미치는 파라미터가 양자화 정도를 결정하는 QP이다.", "QP의 크기가 작을수록 영상의 화질은 좋아지지만 부호화된 데이터의 크기가 커지며 가변길이 복호기는 많은 연산 사이클이 필요하게 된다.", "이러한 점을 본 논문에서 제안하는 가변길이 복호기의 시뮬레이션 결과로 분석한것이 그림 7에 나타나 있다.", "I 슬라이스와 P 슬라이스를 1:30의 비율로 부호화된 영상을 사용하였으며, 300프레임의 CIF 크기\\( (352 \\times 288) \\)를 갖는 영상 4개에 대해 시뮬레이션을 진행하였다.", "가변길이 복호기의 동작 주파수가 \\( 120 \\mathrm{MHz} \\)인 경우, 초당 30프레임으로 HD(1920\\( \\times \\)1088) 영상을 실시간 복호하기 위해서는 한 매크로블록에 대해 493 사이클 이내에 연산을 마쳐야 한다.", "시뮬 레이션 결과 중 QP=12인 \"Stefan\" 영상의 경우를 제외하고는 HD 영상을 복호할 수 있는 조건이 된다.", "그러나 대부분의 영상의 QP 값이 16 이상임을 감안할 때 제안한 가변길이 복호기는 \\( 120 \\mathrm{MHz} \\)에서 HD 영상을 복호 가능함을 알 수 있다.", "</p><p>설계된 가변 길이 복호기를 Synopsys Design Compiler와 \\( 0.18 \\mu \\mathrm{m} \\) 표준 CMOS 공정을 이용하여 합성하였다.", "표 3에 합성 및 비교자료가 나타나 있다.", "그림 2의 내부 메모리를 제외한 나머지 블록을 합성하였고, 합성 결과를 게이트 수, 메모리 비트수, 동작 주파수에 대해 기존 결과와 비교하였다.", "면적은 약 4,000에서 80,000 게이트가 줄어 제안한 구조의 우수성을 알 수 있다.", "또한 최대 동작 주파수가 \\( 200 \\mathrm{MHz} \\)로 \\( 90 \\mathrm{~nm} \\) 공정을 이용한 참고문헌의 \\( 125 \\mathrm{MHz} \\)에 비해서도 훨씬 우수한 성능을 보여주고 있다.", "메모리 크기는 참고문헌의 결과보다 큰 것처럼 보이지만 이것은 \\( \\mathrm{HD} \\) 영상을 지원하기 위해서 필요한 메모리 비트수가 증가된 것이며, 만약 CIF 영상까지만 지원한다면 702 비트가 필요하므로 메모리 크기는 줄일 수 있다.", "구현된 VLD로 HD 영상을 실시간 복호하기 위한 동작 주파수는 \\( 120 \\mathrm{MHz} \\)이며 제안한 가변길이 복호기는 최대 \\( 200 \\mathrm{MHz} \\)에서 동작이 가능하다.", "</p><p>설계된 가변 길이 복호기의 검증은 참조소프트웨어, ARM9 프로세서 기반의 검증 플랫폼과 FPGA를 이용하여 진행하였고 그림 8에 검증 결과가 나타나 있다.", "가변 길이 복호기의 연산량이 많은 \"Matrix\" 도입부의 영상이 초당 30 프레임으로 QVGA 크기에서 정상적으로 복호가 됨을 확인할 수 있다.", "</p><table border><caption>표 3. 가변 길이 복호기의 합성 결과 및 비교</caption><tbody><tr><td></td><td>[4]</td><td>[5]</td><td>Proposed</td></tr><tr><td>Gate count</td><td>26,434 @\\( 20 \\mathrm{MHz} \\)</td><td>100,194 @\\( 108 \\mathrm{MHz} \\)</td><td>22,609 @\\( 120 \\mathrm{MHz} \\)</td></tr><tr><td>Memory [bits]</td><td>1,068</td><td>N/A</td><td>3,840</td></tr><tr><td>Max. Operating Frequency IMHz]", "</td><td>150</td><td>125</td><td>200</td></tr><tr><td>Technology</td><td>\\( 0.18 \\mu \\mathrm{m} \\)</td><td>\\( 90 \\mathrm{nm} \\)</td><td>\\( 0.18 \\mu \\mathrm{m} \\)</td></tr></tbody></table> <h1>Ⅱ. 가변 길이 복호 과정</h1> <h2>1. 비트스트림 구조</h2> <p>NAL 비트스트림은 NAL 헤더와 RBSP(Raw Byte Sequence Payload)로 구성된다.", "그림 1은 H.264/AVC의 비트스트림 구조를 나타낸 것이며, 비트스트림의 복호는 베이스라인 프로파일의 경우 위에서 언급한 CAVLC와 Exp-Golomb 코드를 사용하는데 Layer 4의 레지듀얼(residual) 값만 CAVLC를 사용하여 복호하며, 나머지 레이어(layer)의 각 구문 요소는 Exp-Golomb 코드를 사용하여 복호를 진행한다.", "NAL 헤더의 정보에 따라 RBSP를 SPS(Sequence Parameter Set), PPS(Picture Parameter Set), 슬라이스(slice)로 분류할 수 있으며 Layer 1의 SPS와 PPS는 영상 크기, 프로파일 종류 등의 정보를 담고 있다.", "Layer 2는 슬라이스 헤더와 슬라이스 데이터로 구성된다.", "슬라이스 헤더는 슬라이스의 종류 및 구성 관련 정보를 가지고 있고, 슬라이스 데이터는 Layer 3과 같이 매크로블록 단위의 정보를 가지고 있는데, 매크로블록 종류와 움직임 벡터(motion vector)와 같은 매크로블록의 구문 요소를 포함한 헤더와 DCT 계수로 구성된다.", "구문 요소는 매크로블록, 슬라이스 또는 영상 단위로 구성되고 Exp-Golomb 코드 알고리즘을 이용하여 복호하며, 영상의 DCT 계수는 \\( 4 \\times 4 \\) 블록 단위로 CAVLD에서 연산된다.", "</p> <h2>2. Exp-Golomb 코드</h2> <p>Exp-Golomb 코드의 구조는 표 1과 같이 가운데 1을 기준으로 prefix와 suffix로 나뉜다.", "비트 문자열 의 연속된 0이 prefix가 되며, prefix와 동일한 길이의 suffix가 가운데 1 뒤에 존재한다.", "suffix의 값과 prefix의 길이를 조합하여 표 1의 codeNum 값을 계산한다.", "</p> <p>연산된 codeNum과 H.264의 각 구문 요소마다 지정한 매핑(mapping) 정보를 이용하여 Exp-Golomb 코드의 결과를 연산한다.", "매핑 정보는 ue(v), se(v), te(v), me(v), u(n)로 이루어져 있다.", "괄호안의 v는 가변 길이 비트 문자열을, n은 고정된 특정 길이의 비트 문자열을 읽는 것을 의미한다.", "me(v)는 ue(v)로 얻어진 결과와 CBP(coded block pattern) 테이블을 조합하여 구문요소를 얻고, te(v)는 기존에 복호된 특정 구문 요소의 결과를 사용하여 구문요소를 얻어낸다.", "u(n)은 n 만큼의 비트 문자열을 읽어 그 값을 복호과정 없이 결과로 사용한다.", "</p> <table border><caption>표 1. 비트스트링과 codeNum 범위의 할당</caption> <tbody><tr><td>Bit string fom</td><td>Range of codeNum</td></tr><tr><td>1</td><td>0</td></tr><tr><td>0 1 \\( \\mathrm{x}_{0} \\)</td><td>1-2</td></tr><tr><td>0 0 1 \\( \\mathrm{x}_{1} \\) \\( \\mathrm{x}_{0} \\)</td><td>3-6</td></tr><tr><td>0 0 0 1 \\( \\mathrm{x}_{2} \\) \\( \\mathrm{x}_{1} \\) \\( \\mathrm{x}_{0} \\)</td><td>7-14</td></tr><tr><td>\\( \\dots \\)</td><td>\\( \\dots \\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "하드웨어 구조의 H.\\(264\\)/AVC 가변길이 복호기 설계", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-034b7c21-d52c-40bf-a31a-a34089c011a5", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "유용훈", "이찬호" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>I.", "서 론</h1><p>최근 PDA, 스마트 폰, PMP 등이 대중화됨에 따라 사용자는 VOD/AOD 와 같은 멀티미디어 서비스를 비롯하여 일정관리 서비스, 메시지 서비스, 지역뉴스 서비스, 이동 중 여행정보 서비스 등의 다양한 서비스를 이용할 수 있는 퍼스널 서버(personal server)를 휴대할 가능성이 증대하고 있다, 하지만 휴대단말의 제한된 배터리 용량과 협소한 디스플레이, 낮은 처리능력으로 인해 사용자에게 높은 만족감을 주는 서비스를 제공하기에는 한계가 있을 수 있다.", "이를 위해 퍼스널 서버는 인접한 디바이스를 인지하고 이를 이용함으로써 보다 양질의 서비스를 사용자에게 제공할 수 있어야 한다.", "</p><p>이때 반드시 허용된 사용자만이 공간내에 존재하는 인접 디바이스를 사용할 수 있게 하는 적절한 접근제어 방식이 필요하며, 이러한 접근제어 방식은 유비쿼터스 공간내에서 인증된 사용자가 공간내에 공유된 자원을 정해진 권한에 따라 부여해야 한다.", "또한 접근제어 방식은 사용자의 다양한 요청을 적절하게 반영해야 하며 동적으로 꾾김없는 서비스를 제공해야 한다.", "</p><p>본 논문에서는 사용자가 퍼스널 서버를 통해 현재 공간내에 존재하는 공유 디바이스의 자원을 효율적으로 사용하기 위한 서비스 구성기법을 제안한다.", "제안한 방식은 공간내의 다수의 사용자가 동일한 디바이스를 사용하고자 할 때 발생하는 어플리케이션 계충에서의 서비스 충돌을 인지하여, 퍼스널 서버가 불필요한 서비스 요청메시지를 발생시키는 것을 방지하계 한다.", "이는 퍼스널 서버의 제한된 배터리를 효율적으로 사용하게 하며, 또한 사용자가 어플리케이션 서비스를 제공받는데 걸리는 시간을 줄일 수 있다.", "이를 위해 유비쿼터스 공간에서 사용자에겐 보다 적응적으로 서비스를 제공할 수 있도록 서비스를 구성할 수 있는 개선된 서비스 세션 테이볼을 제안한다.", "</p><p>서론에 이어 II장에서는 기존의 접근제어 및 서비스 구성기법을 기술하며, III장에서는 제안한 서비스 충돌 인지 기반 서비스 구성 기법을 기술하며, 이어서 IV장에는 성능평가를 행하며, 마지막으로 결론을 맺는다.", "</p> <h1>요 약</h1><p>본 논문에서는 서비스 충돌을 회피할 수 있는 효율적인 시스템 구조도를 설명하고, 이를 위한 수정된 서비스 세션 테이블을 제안하여 서비스 충돌회피 절차를 제안하였다.", "제안된 방식은 서비스 충돌을 인지하여 이를 회피함으로써 불팔요한 서비스 요청메시지를 감소시키며 또한 사용가능한 디바이스에게 직접 서비스를 요청함으로써 서비스 제공 전달시간을 줄일 수 있옴을 확인할 수 있다.", "따라서 제안된 방식은 퍼스널 서버로 하여금 효율적으로 배터리를 소비하게 하며, 신속한 서비스를 제공받을 수 있게 하는 장점이 있다.", "</p> <h1>V.", "결 론</h1><p>본 논문에서는 RBAC (Role-based Access Control) 방식을 이용한 서비스 충돌인지 기반 서비스 접근제어 방식을 제안하였다.", "유비쿼터스 공간내에서 퍼스널 서버에 있는 어플리케이션 서비스를 인접한 디바이스를 사용하여 제공받고자 할 때, 효율적인 접근제어 방식이 필요하다.", "사용자가 많아짐에 따라 사용자 간의 서비스 충돌로 인해 발생하는 불필요한 서비스 요청메시지 및 서비스 제공 전달시간 지연을 감소시키는 것은 매우 중요하다.", "제안된 서비스 충돌회피 기반 서비스 접근제어 방식은 현재 공간 내에 사용-가능한 디바이스의 사용유무를 서비스 세션 테이블을 활용하여 인지함으로써 어플리케이션 계층에서 발생할 수 있는 서비스 충돌을 해결하였다.", "또한 무선 환경의 링크 계층과의 상호 정보 교환 기법을 활용한다면 보다 나온 링크 계층에서 성능 향상을 기대할 수 있을 것이다.", "성능분석 결과를 통해 제안한 방식을 적용시켰올 때 충돌된 서비스 요청메시지 및 서비스 제공 전달시간이 감소됨을 알 수 있다.", "따라서 제안된 방식을 통해 퍼스널 서버는 배터리를 효율적으로 사용할 수 있으며, 사용자는 신속한 서비스를 제공받을 수 있는 장점이 있으며 퍼스널 서버가 점차적으로 보편화되는 유비퀴터스 공간에서 매우 효율적인 방식으로 활용될 수 있다.", "</p> <h2>2. 서비스 구성기법</h2><p>서비스 구성기법은 사용자가 원하는 서비스를 적절히 제공할 수 있는 디바이스를 선택하여 서비스 세션을 구성하는 것이다.", "또한 서비스 세션을 위해 선택되는 디바이스는 사용자의 위치나 업무, 서비스가 요청되는 시기에 따라 수시로 변하게 된다.", "이러한 서비스 구성 기법은 사용자에게 요청하는 서비스에 대해서 사용자가 만족할 수 있는 품질을 제공할 수 있어야 하며, 끊김없는 서비스 제공을 위해 사영가능한 디바이스를 미리 예약하여 사용자가 서비스 요청시 서비스 제공시간을 줄일 필요도 있다.", "그리고 서비스 예약기법은 사용자의 priority나 스케줄 및 이동성 정보 등의 상황 정보를 기반으로 예측형 서비스 예약 구성기법이 가능해야 한다.", "이러한 동적인 서비스 구성기법을 통해 사용자는 어디에서나 언제든지 원하는 서비스를 제공받을 있게 함으로써 서비스 가용성을 높일 수 있게 한다.", "</p><p>지능적인 서비스 구성을 위해서 공간내의 디바이스들은 사용자가 원하는 서비스를 적절히 제공할 수 있는지 여부를 판별하기 위한 서비스 컴포넌트를 가져야 한다.", "즉 하나의 어플리케이션 서비스는 다양한 서비스 컴포넌트들의 조합을 통해 제공될 수 있다.", "예를 들어 동영상을 보기 위해서는 동영상을 보여줄 수 있는 디스플레이 부분과 음성을 재생할 수 있는 오디오와 같은 서비스 컴포넌트들이 제공되어야 사용자에게 적절한 어플리케이션 서비스를 제공할 수 있는 것이다.", "이러한 서비스 컴포넌트는 디바이스가 가지는 다양한 서비스 컴포지션(service composition)을 정의하는 방법에 의존적이며, 참고문헌 [7\\(\\sim\\)9]에서와 같이 다양한 프로젝트들을 통해 활발히 연구가 진행되고 있다.", "이러한 서비스 컴포넌트는 재사용이 가능하며, 서로 다른 컴포넌트간의 협업을 통해 보다 나은 서비스를 제공할 수도 있다.", "이러한 서비스 컴포넌트를 활용하여 퍼스널 서버는 어플리케이션 서비스를 적절하게 제공할 수 있는 후보 디바이스를 찾아 서비스 구성 테이블을 생성하여 관라해야 한다.", "그리고 각 서비스 구성리스트는 사용자에게 보다 나은 서비스 질을 제공할 수 있는 우선순위에 따라 구성된다.", "표 1 은 어플리케이션 서비스에 따른 서비스 구성 테이블 예를 보여준다.", "</p><h2>3. 기존의 접근제어 및 서비스 구성기법의 문제점</h2><p>그림 2에서 보는 바와 같이 접근모드가 group mode 일 때 여러 퍼스널 서버들이 자신에게 주어진 권한내에서 공간내의 인섭 디바이스를 이용하고자 할 때 임의의 사용자에 의해 디바이스가 사용되고 있어 주변의 다른 사용자가 공유된 디바이스로 서비스를 받지 못하는 서비스 충돌 현상이 발생할 수 있다.", "예를 들어 PS 1은 무선 인터페이스로 UWB를 사용하며, PS2는 802.11기반의 WLAN을 사용한다.", "또한 공간내에는 각각의 무선 인터페이스에 대한 AP 가 설치되어 있다고 가정하자.", "이때 PS 1이 Digital TV를 통해 VOD 서비스를 제공받고 있다.", "이 경우 PS 2 가 동일한 서비스를 Digital TV 에 요청하면 무선링크 계층에서 인지할 수 없는 어플리케이션 계층에서의 서비스 충돌이 발생한다.", "이러한 서비스 충돌로 인해 퍼스널 서버는 불필요한 메시지를 발생시켜 비효율적으로 배터리를 소모한다.", "</p><p>또한 서비스 컴포넌트 기반으로 어플리케이션 서비스를 적절히 제공할 수 있는 후보 디바이스를 통해 서비스를 제공받을 때 그림 3에서 보듯이 우선순위가 높은 후보 디바이스에게 먼저 서비스 요청 메시지를 보내게 된다.", "이때 서비스 요청메시지를 받은 디바이스가 사용 중일 때 사용자는 차선책인 디바이스에게 서비스 요청 메시지를 보내게 된다.", "이러한 불푈요한 서비스 요청 메시지를 주고받는 데 걸리는 시간은 사용자에게 서비스를 제공하는데 지연을 발생시킨다.", "</p> <h1>IV.", "성능 평가</h1><p>성능 평가를 위해서 다음과 같은 시뮬레이션 환경을 가정하였다.", "각 사용자는 Poisson random access를 통해 1 분 단위로 서비스 요청 메시지를 발생시킨다.", "서비스 요청메시지에 대한 ACK 응답을 받은 퍼스널 서버는 동일한 서비스 제공시간을 세팅하며, 서비스 요청메시지를 발생시켰을 때 인접한 디바이스가 다른 퍼스널 서버에 의해 사용되고 있으면 NACK 메시지를 받은 것으로 간주한다.", "또한 서비스 요청 메시지에 NACK 메시지를 받았을 경우 퍼스널 서버는 정해진 우선순위에 따라 정해진 사용가능한 디바이스에 서비스 요청 메시지를 전달한다.", "</p><h2>1. 충돌된 서비스 요청메시지</h2><p>그림 2 에서 보듯이 퍼스널 서버가 서비스 충돌회피를 하지 않았을 경우 불필요한 서비스 요청 메시지가 발생한다.", "본 논문에서 제안한 서비스 충돌회피 기법을사용하여 줄일 수 있는 서비스 요청 메시지 수 \\( N_{\\text {saved }} \\)는 식 (1)과 같이 표현될 수 있다.", "</p><p>\\( N_{\\text {saved }}=N_{\\text {REQwo }}-N_{\\text {REQw }} \\)<caption>(1)</caption></p><p>여기서 \\( N_{R E Q w o,} N_{R E Q} w \\) 는 각각 정해진 시뮬레이션 기간동안에 서비스 충돌회피 기법을 사용하지 않을 경우와 제안한 서비스 충돌회피 기법을 사용하였을 경우 공간내의 사용자에 의해 발생한 서비스 요청메시지 수의 총합이다.", "그림 5 는 공간내의 사용자 수에 따른 \\(N_{saved}\\) 를 나타낸 것이다.", "여기서 \\(d\\)는 공간내에 사용가능한 디바이스의 수이고, \\( \\lambda \\) 는 한 명의 사용자가 서비스 요청메시지를 발생시키는 빈도를 의미한다.", "그림 5 에서 보는 바와 같이 제안한 서비스 충돌회피 기법을 사용하였을 때 줄일 수 있는 서비스 요청메시지는 공간내의 사용자가 증가할수록 많음을 볼 수 있으며, 또한 사용자당 서비스 요청빈도에 따라 급격히 증가함을 볼 수 있다.", "제안한 서비스 충돌회피 기반의 접근제어 방식은 이와 같은 불필요한 서비스 메시지를 줄임으로써 퍼스널 서버가 불펄요한 서비스 요청메시지를 무선링크에 전송하지 않음으로써 배터리를 보다 효율적으로 사용할 수 있고 무선 채널 용량을 효율적으로 사용할 수 있다.", "</p><h2>2. 서비스 제공 전달시간</h2><p>그림 3에서 보듯이 서비스 충돌을 회피하지 않았을 경우 service configuration table에 정의된 access list 순서에 따라 퍼스널 서버가 인접 디바이스에게 서비스를 요청하게 되어 서비스가 제공되는 시간에 지연이 발생하게 된다.", "그림 6은 공간내의 사용자 수에 따른 요청한 어플리케이션 서비스가 인접 디바이스를 통해 서비스가 제공되는 전달시간(tdeliver)을 보여주고 있다.", "tdeliver은 서비스 요청메시지 및 서비스 응답메시지가 전달되는 시간과 요청매시지에 대한 처리시간의 총합을 의미하며, 서비스 회피기법을 사용했을 경우와 사용하지 않을 경우 서비스 제공 전달시간은 각각 tdeliver_w, tdeliver_wo 으로 표현한다.", "</p><p>이때 tdeliver_w는 사용가능한 후보 디바이스에게 직접 메시지를 전달하므로 식 (2)와 같으며, tdeliver_wo 는 식 (3)과 같이 서비스 충돌이 발생한 횟수 Ncollision 에 비례하여 서비스 제공전달 시간이 결정된다.", "</p><p>tdeliver_w \\( = \\mathrm{tREQ} + \\mathrm{tRES} + \\mathrm{PTMSG}\\)<caption>(2)</caption></p><p>tdeliver_wo \\( =(\\mathrm{tREQ}+\\mathrm{tRES}+\\mathrm{PTMSG}) \\\\ \\cdot( \\) Ncollision \\( +1) \\)<caption>(3)</caption></p><p>여기서 tREQ, tRES는 각각 퍼스널 서버와 인접 디바이스간 무선링크의 메시지 지연시간을 의미한다.", "PTMSG는 인접 디바이스가 수신한 서비스 요청메시지 처리하는 시간을 의미한다.", "</p><p>그림 6 에서 보듯이 서비스 충돌회피 기법을 사용했을 경우에는 서비스 제공 전달 시간이 다른 사용자에 의해 사용되지 않는 인접 디바이스에게 직접 서비스를 요청하기 때문에 공간 내에 사용가능한 디바이스 수에 영향을 받지 않고 일정한 값을 갖는다.", "하지만 서비스 충돌회피 기법을 사용하지 않았을 경우 공간내의 사용자가 증가함에 따라 어플리케이션 서비스가 제공되는 전달시간이 지연됨을 볼 수 있다.", "또한 사용가능한 디바이스의 수가 늘어남에 따라 서비스 제공 전달시간이 증가하는 것을 알 수 있다.", "</p> <h1>II.", "기존의 접근제어 및 서비스 구성 기법</h1><h2>1. 역할기반 접근제어</h2><p>공간내의 사용자 및 서비스, 인접 디바이스 간의 서비스 구성을 위해서는 적절한 접근제어 방식이 요구된다.", "이러한 접근제어 방식 중 역할기반 접근제어 (RBAC : Role-based Access Control) 방식이 널리 사용된다.", "RBAC 방식은 사용자 개개인에게 권한을 부여하기 보다는 사용자의 역할에 따라 인접 디바이스의 사용권한 및 사용 가능한 자원을 할당하는 방식이다.", "사용자와 역할간, 역할과 권한간의 관계를 설정을 위한 적절한 정책이 필요하며, 이러한 정책에 따라 사용자는 어플리케이션에 따른 다양한 역할에 매핑될 수 있으며 이러한 역할들은 어플리케이션 서비스에 따라 계층화된 역할 구조를 가지게 된다.", "본 논문에서는 그림 1 에서 보듯이 system role과 application role의 두 가지 역할을 정의하였다.", "System role은 사용자의 계정을 생성할 때 정의되며, 전체 시스템 내에서 사용자의 업무나 신분에 따라 시스템 내의 디바이스들에 대한 접근권한을 부여하는데 사용된다.", "System role은 administrator를 포함하고 있으며, administrator는 접근제어를 위한 역할 및 자원사용 권한, 서비스 접근모드 등을 결정하는 정책를 관리한다.", "Application role은 퍼스널 서버를 통해 실행될 수 있는 어플리케이션 서비스에 따라 결정되며, 특정 어플리케이션 속성에 특성화된 접근제어 정책을 따라 system role과 적절한 매핑관계를 가진다.", "</p><p>그림 1은 학교 내부의 계흥화된 역할구조의 예를 나타낸 것이다.", "학교에서는 교수와 학생, 관리자로 system role이 구분되며, 강의 어플리케이션에 의해 강의자와 수강생으로 application role이 매핑된다.", "이러한 계층적인 역할 모델은 application role에 따라 system role을 재사용할 수 있어 어플리케이션 구현을 쉽게 하며, 시스템 확장성을 용이하게 하는 장점이 있다.", "</p><p>여러 사용자가 함께 존재하는 유비쿼터스 공간내에서 각 사용자는 인접 디바이스를 적절하게 공유하면서 사용해야 한다.", "또한 사용자에게 할당된 권한은 공간내에 존재하는 사용자의 수, 사용자의 권한 및 업무에 따라 제한될 수 밖에 없다.", "이에 그룹 혹은 개인별 요구에 따라 서로 협력하며 공유된 디바이스를 효율적으로 사용할 수 있게 하는 서비스 접근모드가 필요하다.", "참고 문헌 [4]에서는 individual mode, group mode, supervised usage mode와 같은 3가지의 접근모드를 제안하고 있다.", "Individual mode는 공간내에 서비스를 받고자 원하는 사용자가 한 명일 경우이다.", "이 경우 사용자는 자신에게 허락된 권한내에서 인접 디바이스를 자유롭게 사용할 수 있다.", "Group mode는 공간내에 서비스를 요구하는 사용자가 다수일 경우이다.", "이 경우 사용자는 자신에게 알맞은 system role을 부여받게 되며 각 role에 따라 허용된 권한내에서 공유된 디바이스률 사용하며, 이때 각 사용자는 동일한 권한을 부여받게 되며, 사용자가 증가함에 따라 개별 사용자가 공유할 수 있는 자원은 감소할 수 있다.", "또한 supervised usage mode는 group mode에서 사용자에게 동일한 권한을 부여하는 것과는 달리 다수의 사용자가 각각의 우선 순위를 가지고 우선순위에 따라 공유된 자원의 사용권한을 높일 수 있다.", "이 모드를 위해서는 system role에서 administrator의 권한을 가진 사용자가 있어야 하며, administrator의 요청이나 정해진 정책에 따라 모드를 변경할 수 있다.", "</p><p>사용자에게 어플리케이션 서비스를 제공하기 위해서는 앞에서 언급한 사용자의 역할 할당 및 접근모드를 기반으로 공간내에 존재하는 사용자 및 디바이스의 접근권한, 접근모도 등을 나타내는 서비스 세션 정보가 필요하다.", "각 세션은 공간내에서 사용자의 역할정보를 포함하고 있으며, 현재 제공되는 어플리케이션 서비스에서 정의한 역할에 따른 다바이스의 접근제어 리스트 정보를 가지고 있어야 한다.", "실제 접근제어는 서비스 세션정보에 따라 결정되며 테이블을 통해 관리된다.", "</p> <h1>III.", "제안하는 서비스 충돌인지 기반 서비스 구성 기법</h1><p>본 논문에서 제안한 서비스 접근제어 방식 및 서비스 구성기법의 기본 아이디어는 앞장에서 언급한 어플리케이션 계층에서의 서비스 충돌을 회피하기 위해 서비스 세션 테이블을 개선함으로써 서비스 충돌을 인지하는 것이다.", "이를 통헤 서비스 충돌을 일으키는 불필요한 메시지를 줄임으로써 배터리 낭비를 줄일 뿐만 아니라, 서비스 충돌회피 기법을 통해 서비스 구성 테이블에 있는 후보 디바이스에게 직접 서비스 요청메시지를 보냄으로써 서비스 제공 시간을 줄일 수 있다.", "</p><h2>1. 제안하는 서비스 세션 테이블</h2><p>제안하는 서비스 세션 테이블은 접근모드가 group mode일 경우 발생하는 서비스 충돌현상올 회피하기 위해서는 기존의 서비스 세션 테이블에 새로운 필드를 추가하여 개선할 필요가 있다.", "표 2 는 서비스 충돌회피를 위한 개선된 서비스 세션 테이블을 나타낸 것이다.", "제안한 개선된 서비스 세션 테이블은 현재 사용자가 사용하는 디바이스 정보를 관리하는 'used device'필드와 사용자가 선택한 디바이스를 사용하는 시간 정보인 'SPV(Service Provisioning Value)'필드를 추가하였다.", "또한 특정 어플리케이션 서비스에 따라 사용자들이 공간내의 인접 디바이스를 함께 공유하는 group mode와 구별하기 위해 개별적으로 사용자들이 디바이스를 사용하는 competition mode를 구분하여 지원한다.", "이 모드에서 퍼스널 서버는 다음 절에서 설명할 서비스 충돌회피 기법을 사용하게 된다.", "</p><h2>2. 제안하는 서비스 충돌회피 기반 접근제어 방식</h2><p>앞 절에서 서술한 수정된 서비스 세션 테이블의 정보를 활용하여 퍼스널 서버는 아래와 같은 절차에 따라 제안하는 서비스 충돌 회피기법을 수행한다.", "</p><p>첫 번째로 사용자는 시스템 내에 자신의 계정을 생성하면서 system role을 생성하고 역할에 따른 시스템 내에서의 디바이스에 대한 접근권한에 대한 정보를 access matrix 테이블에 저장한다.", "이를 표 2 (a)에 나타내었다.", "</p><p>두 번째로 사용자가 공간내의 인접 디바이스를 이용하여 어플리케이션 서비스를 제공받고자 할 경우, 사용자는 자신의 profile 정보를 기반으로 어플리케이션 서비스에 정의된 application role에 매핑이 되며, current role translation 테이블에 자신의 영역을 할당받게 된다.", "이를 표 2 (b) 에 나타내었다.", "</p><p>세 번째로 현재 공간내의 상황, 즉 사용자의 수와 실행되는 어플리케이션 서비스, 사용자/어플리케이션의 예약된 스케줄 정보에 따라 관리자나 홈서버는 서비스 접근모드를 결정하며, 이를 표 2 (c)에 나타내었다.", "</p><p>네번째로 사용자가 어플리케이션 서비스를 받고자할 경우, 퍼스널 서버는 current role translation 테이블의 used device 필드와 service configuration table의 configuration access list를 참조하여 사용가능한 디바이스를 선택하고 서비스 요청 메시지를 보낸다.", "선택된 디바이스로부터 ACK 메시지를 받으면 서비스 세션 테이블의 current role translation 테이블에서 used device 필드와 SPV(service provisioning value) 필드를 업데이트 하며, 이를 표 2 (b),(d)에 나타내었다.", "</p><p>마지막으로 사용자의 우선순위 기반의 서비스 재구성 기법을 제공하기 위해서 퍼스널 서버는 인접의 퍼스널 서버들과 공유된 디바이스의 사용권한에 대한 우선순위 확보를 위한 협상절차를 거친다.", "이러한 협상은 사용자의 우선순위와 어플리케이션 서비스의 우선순위에 따라 결성된다.", "</p><p>예를 들어 보다 높은 우선순위률 가진 사용자가 낮은 우선순위를 가진 사용자에 의해 사용되고 있는 디바이스의 사용권한을 얻고자 한다면 그림 4 에서 보듯이 우선순위 협상절차에 따라 서비스 세션을 변화시킬 수 있다.", "또는 사용자가 요청하는 어플리케이션 서비스가 긴급한 업무일 경우 현재 디바이스를 사용하고 있는 사용자는 일시적으로 디바이스 사용권한을 양보하고 자신은 네 번째 절차에 따라 다른 후보 디바이스를 통해 서비스를 제공받는다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "서비스 충돌인지 기반 적응형 서비스 구성 방식", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-06b9bb0f-0ac3-4cfb-af88-2f4dfd13509c", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "윤원식" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "실험 결과</h1><p>본 장에서는 제안한 HRS 및 LSS 코딩 기법을 이용한 실험 결과를 나타낸다.", "</p><h2>1. 실험 환경</h2><p>제안한 SHVC 기법은 C++ 언어를 이용하여 구현하였다.", "CGH, 부호화(encoding), 복호화(decoding), 및 복원(reconstruction, Fresnel transform)은 CUDA 기반의 GPGPU(general purpose graphic processing unit)를 이용하여 구현하였다.", "CPU 프로그램만을 사용할 경우에 CGH나 부호화와 같은 과정은 매우 오랜 시간이 소요된다.", "그러나 GPGPU 프로그램을 이용하면 거의 실시간에 가까운 속도로 수행할 수 있다.", "제안한 알고리즘을 구현을 위한 파라미터들을 표 1에 나타냈다.", "</p><table border><caption>표 1. 홀로그램 생성 및 복원 실험을 위한 파라미터</caption><tbody><tr><td>Parameter</td><td>Specification</td></tr><tr><td>Distance</td><td>\\(100 \\mathrm{~cm} \\)</td></tr><tr><td>Hologram Size</td><td>\\( 1,024 \\times 1,024 \\)</td></tr><tr><td>Pixel Pitch \\(\\mathrm{(p)}\\)</td><td>\\(10.4\\mu\\mathrm{m}\\)</td></tr><tr><td>Wavelength \\( (\\lambda) \\)</td><td>\\(633\\mathrm{nm}\\) (Red Laser)</td></tr></tbody></table><p>그림 8에는 실험에 사용될 광원 정보에 해당하는 4종류의 깊이 정보(Rabbit, Hyunjin, Ballet, 및 Brahms)와 이를 S/W 복원한 영상을 나타낸다.", "그림 8(a)의 Rabbit은 컴퓨터 그래픽을 통해서 획득한 깊이 정보이고, 그림 8(c)는 Swiss Ranger사의 SR-4000 깊이 카메라를 이용하여 획득한 깊이 정보이다.", "그림 8(e)는 스테레오 정합을 통해서 획득한 변위로부터 얻어진 깊이 정보이고, 그림 8(g)는 광학적으로 획득한 홀로그램이다.", "그림 8(b), (d), (f), 및 (h)는 각각을 S/W적으로 복원한 영상이다.", "S/W 복원에는 Fresnel diffraction을 사용하였다.", "</p><h2>2. HRS 결과</h2><p>그림 9에는 HRS의 수치적인 결과를 나타냈다.", "그림9의 그래프에서 가로축은 압축률을 나타내고 세로축은 PSNR(peak signal to noise ratio) 값을 나타낸다.", "PSNR이 2차원 영상의 경우와 같이 홀로그램 복원 영상의 화질을 판단하는 절대적인 평가기준이라고 할 수는 없지만 수치적인 경향성을 확인할 수 있는 좋은 방법이 될 수는 있다.", "그림 9의 그래프들에서 Layer0은 기본 레이어(base layer)를 나타내고, Layer7은 원본 해상도와 동일한 상위 레이어(enhanced layer)에 해당한다.", "각 레이어는 그림 7에서 소개된 홀로그램의 국부영역에 해당한다.", "그림 9(a)의 Rabbit과 그림 9(b)의 Hyunjin은 실제의 입체 정보를 올바르게 보유하고 있는 깊이 정보이다.", "따라서 압축률에 따른 경향성이 유사하고, 레이어별로도 일관성 있는 특성을 보인다.", "그림9(c)의 스테레오 정합을 통해 생성된 Ballet의 경우에는 스테레오 정합의 불완전성으로 인해 깊이 정보가 실제3차원 객체의 입체 정보를 완전히 반영하지 못한다.", "이러한 자체적인 오차는 HRS 결과에도 반영이 되어 Layer4 같은 경우에는 다른 레이어들과 다른 특성을 보이기도 한다.", "또한 PSNR이 감소하는 추세도 일부 압축률에서 전체적인 경향성을 벗어나기도 한다.", "Brahms는 그림 8(g)와 (h)에서 볼 수 있듯이 자체적인 잡음이 너무 많다.", "따라서 그림 9(d)의 PSNR 결과도 압축률에 따른 경향성이 다른 결과들과 다르게 나타나고, 압축률에 따른 PSNR의 감소 정도도 다르게 나타난다.", "광학적으로 획득된 홀로그램의 경우에 코딩을 하기 전에 잡음제거와 같은 전처리 기술이 병행된다면 더 좋은 코딩 효율을 얻을 수 있을 것으로 사료된다.", "</p><p>그림 10에는 레벨과 압축률에 따른 고 있다.", "세로축은 압축률을 나타낸다.", "No로 표시된 것은 압축이 되지않은 것이다. \\", "( 10 : 1\\) 에서 \\( 100 : 1\\) 까지 코딩을 수행하였고, 그림 10에는 짝수배의 압축률만 나타냈다.", "그림 9(b)에서 Layer7의 \\( 100 : 1\\) 인 경우 PSNR은 \\(17.102 \\mathrm{~dB} \\)으로 비교적 낮지만 그림 10의 \\( 100 : 1\\) 에 해당하는 복원 결과를 확인하면 높은 압축률에도 불구하고 열화가 그리 크지 않다는 것을 확인할 수 있다.", "그러나 이것은 압축 알고리즘의 특성이지 HRS의 특성으로 보기는 어렵다.", "그림 10을 통해서 제안한 HRS는 사용자의 네트워크 환경, 수신 단말기의 연산 성능, 그리고 수신 단말기의 디스플레이 성능에 따라서 총 90가지의 홀로그래픽 비디오 서비스를 제공할 수 있다는 것을 확인할 수 있다.", "Hyunjin영상에 대한 HRS의 전체적인 결과를 나타냈다.", "가로축은 레이어를 나타내는데 상위 레이어는 하위 레이어를 포함하고 있다.", "세로축은 압축률을 나타낸다.", "</p><p>No로 표시된 것은 압축이 되지 않은 것이다. \\", "( 10 : 1\\) 에서 \\( 100 : 1\\) 까지 코딩을 수행하였고, 그림 10에는 짝수배의 압축률만 나타냈다.", "그림 9(b)에서 Layer7의 \\( 100 : 1\\) 인 경우 PSNR은 \\( 17.102 \\mathrm{~dB} \\)으로 비교적 낮지만 그림 10의 \\( 100 : 1\\) 에 해당하는 복원 결과를 확인하면 높은 압축률에 도 불구하고 열화가 그리 크지 않다는 것을 확인할 수있다.", "그러나 이것은 압축 알고리즘의 특성이지 HRS의 특성으로 보기는 어렵다.", "그림 10을 통해서 제안한 HRS는 사용자의 네트워크 환경, 수신 단말기의 연산성능, 그리고 수신 단말기의 디스플레이 성능에 따라서 총 90가지의 홀로그래픽 비디오 서비스를 제공할 수 있다는 것을 확인할 수 있다.", "</p><p>광학적으로 획득된 홀로그램에 대해서 HRS 복원 결과를 그림 11에 나타냈다.", "앞서 설명한 것과 같이 광학적으로 획득하는 과정에서 포함된 잡음 성분으로 인해서 HRS를 적용하지 않은 원본 자체가 열화가 크다.", "</p><h2>3. LSS 결과</h2><p>LSS 과정에 따른 결과들을 그림 12에 나타냈다.", "그림 12는 원래의 광원 정보를 4개로 분리하고, 분리된 각 광원정보를 코딩하는 것을 보여준다.", "HRS와 달리 LSS는 모든 서비스에 대해서 동일한 해상도로 재생된다.", "사용된 광원의 개수가 조절되는 것이기 때문에 그림 12의 가장 오른쪽 복원 결과와 같이 해상도는 동일하지만 객체를 표현하는 정보의 양이 조절된다.", "정보의 양이 낮다는 것은 화질이 낮다는 것은 맞지만 화질이 열화 된다는 것으로 볼 수는 없다.", "분리되는 광원정보는 분리하는 양에 따라서 비트크기가 정해진다.", "예를 들어 원래의 광원 정보가 \\(100 \\mathrm{Kbyte} \\)이고 이를 4개로 분리한다면 분리된 광원 정보는 각각 \\(25 \\mathrm{~Kbyte} \\)가 된다.", "</p><p>그림 13은 Hyunjin 객체를 16개의 광원 정보로 분리한 이후에 광원 정보를 결합하면서 화질을 향상시키는 과정을 보여준다.", "분리된 16개의 광원 정보는 거의 동일한 정보량이기 때문에 광원 정보의 결합을 위해 수신하는 정보의 양은 선형적으로 증가한다.", "</p> <h1>요 약</h1><p>본 논문에서는 다양한 재생환경에 대해 적응적으로 홀로그램 비디오를 서비스하기 위한 처리 기술에 대해서 논의하고, 새로운 알고리즘을 제안한다.", "제안하는 알고리즘은 홀로그램의 생성 및 획득 방식에 따라서 해상도 스케일러블 코딩 (hologram-based resolutional scalable coding, HRS) 방식과 광원 기반의 SNR 스케일러블 코딩(light source-based SNR scalable coding, LSS) 방식으로 구성된다.", "HRS는 이미 획득된 홀로그램에 대한 스케일러블 코딩 기법이고, LSS는 홀로그램을 만들기 이전의 광원에 대해 적용이 가능한 코딩 기법이다. \\", "( 1,024 \\times 1,024 \\) 크기의 홀로그램에 대해서 HRS는 \\( 1:1 \\)에서 \\( 100:1 \\)의 압축률을 가지면서 8 단계의 적응적인 서비스가 가능하도록 하였다.", "LSS는 무손실 압축 기법을 사용하면서 광원 정보의 분리 개수에 따른 서비스가 가능하도록 하였다.", "제안한 방식을 통해서 다양한 해상도를 갖는 디스플레이, 수신단의 연산 능력, 그리고 네트워크의 대역폭에 따라 적응적으로 홀로그래픽 비디오를 서비스할 수 있다는 것을 보였다.", "</p> <h1>V.", "결 론</h1> <p>본 논문에서는 디지털 홀로그래픽 비디오 서비스 시스템에서 사용될 수 있는 스케일러블 비디오 코딩 기법을 제안하였다.", "제안한 기법은 홀로그램에 대해 적용할 수 있는 HRS와 광원 정보에 대해 적용할 수 있는 LSS 기법이다.", "HRS는 8개의 레이어에 대해서 10가지 압축률을 적용하였기 때문에, 본 논문에서는 실험에서 원본서비스를 포함해서 총 90가지의 비디오 서비스를 보였다.", "만일 더 고압축과 세밀한 압축률을 적용한다면 더 많은 비디오 서비스가 가능하다.", "LSS 기법은 광원 정보를 몇 개로 분리하느냐에 따라서 서비스 개수가 정해진다.", "본 논문에서는 실험에서 4개와 16개로 광원 정보를 분리하는 것을 보였다.", "본 논문에서는 시각적으로 확인이 용이하도록 2가지 분리 방법에 대해서만 보였지만, 더 많은 분리방법이 가능하다.", "따라서 LSS를 이용해서 더욱 세밀하고 다양한 서비스가 가능하다.", "본 논문을 통해 제안된 디지털 홀로그래픽 비디오 서비스 시스템을 위한 스케일러블 코딩 기법이 차세대 홀로그래픽 TV 및 관련 서비스의 개발에 좋은 아이디어를 제공하기를 바란다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "디지털 홀로그램의 적응적 비디오 서비스를 위한 코딩 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-03b0887e-cfad-46c6-b87b-ea3e0b150e20", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "서영호", "배윤진", "이윤혁", "최현준", "유지상", "김동욱" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>\\( \\mathrm { D } _ { 4 \\times 8 } ^ {\\mathrm { DHT } } = \\left [ \\begin {array} { cccccccc } \\frac { 1 } {\\sqrt { 2 } } & 0 & 0 & 0 & \\frac { 1 } {\\sqrt { 2 } } & 0 & 0 & 0 \\\\ \\frac { 1 } {\\sqrt { 2 } } & 0 & 0 & 0 & - \\frac { 1 } {\\sqrt { 2 } } & 0 & 0 & 0 \\\\ 0 & \\frac { 1 } {\\sqrt { 2 } } & 0 & 0 & 0 & - \\frac { 1 } {\\sqrt { 2 } } & 0 & 0 \\\\ 0 & \\frac { 1 } {\\sqrt { 2 } } & 0 & 0 & 0 & \\frac { 1 } {\\sqrt { 2 } } & 0 & 0 \\end {array} \\right ] \\)<caption>(13)</caption></p></ul> <h1>VI.", "실 험</h1> <p>개발된 방법이 다양한 변환 영역에서 해상도 변환이 가능함을 검중하기 위해 영상 및 동영상 부호화에 대표적으로 사용되고 있는 실수 \\( 8 \\times 8 \\mathrm { DCT } , 4 \\mathrm { x } 4 \\) Modified \\( \\mathrm { DCT } \\) (MDCT), \\( 4 \\mathrm { x } 4 \\) Hadamard 변환 영역들에서 영상의 해상도 변경을 수행한다.", "각 transform에 대한 down/up sampling 을 수행하는 행렬, \\( \\mathrm { D } _ {\\mathrm { N } \\times 2 \\mathrm { ~N } } \\) 과 \\( \\mathrm { U } _ { 2 \\mathrm { ~N } \\times \\mathrm { N } } \\)는 \\( \\mathrm { V } \\) 장에서 논한 방법으로 얻었다.", "실험 방법은 시험 영상들을 변환영역에서 down sample하고 다시 변환영역에서 up sample하여 원 영상의 해상도로 복원하였다.", "시험영상의 크기는 \\( \\mathrm { CIF } (352 \\times 288) \\) 로 하였으며 시험 영상은 코덱의 성능을 평가하기 위해서 통상적으로 사용되는 영상들로 하였다.", "</p> <table border><caption>표 1. 원본 영상과 각 변환영역에서 업/다운샘플된 영상의 객관적 화질 비교</caption> <tbody><tr><td rowspan=3></td><td colspan=5>Transform Domain</td></tr><tr><td>Park method</td><td colspan=4>Proposed method</td></tr><tr><td>실수 8x8 DCT</td><td>실수 8x8 DCT</td><td>실수 4x4 DCT</td><td>4x4 MDCT</td><td>4x4 DHT</td></tr><tr><td>Foreman</td><td>33.21</td><td>33.21</td><td>32.74</td><td>32.60</td><td>29.85</td></tr><tr><td>Bus</td><td>27.69</td><td>27.69</td><td>27.29</td><td>27.15</td><td>25.67</td></tr><tr><td>Football</td><td>28.47</td><td>28.47</td><td>27.74</td><td>27.63</td><td>25.63</td></tr><tr><td>Harbour</td><td>34.13</td><td>34.13</td><td>32.22</td><td>32.02</td><td>28.06</td></tr><tr><td>Crew</td><td>38.17</td><td>38.17</td><td>37.15</td><td>37.06</td><td>34.61</td></tr><tr><td>Socer</td><td>31.60</td><td>31.60</td><td>31.03</td><td>30.95</td><td>29.48</td></tr><tr><td>City</td><td>30.33</td><td>30.33</td><td>30.47</td><td>29.37</td><td>28.28</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "임의의 직교 블록 변환 영역에서의 영상 크기 변환 방법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0c61e496-adfe-47f9-9caa-96a4357c4bc5", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "이남구", "오형석", "김원하" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2. 플래시를 이용한 고장 메모리 복구 기술 검증</h2><p>고장 메모리 복구 기술에 대한 검증은 주소 8비트와 데이터 32비트를 갖는 메인 메모리와 여분의 행 메모리 6개, 여분의 열 메모리 10개를 갖는 여분의 메모리를 사용하였다.", "</p><p>BIST를 통해 메인 메모리 고장 1(주소:A8h, 고장 위치:0000002Bh)과 고장 2 (주소:AAh, 고장 위치:00000001h), 고장 3(주소:FF, 고장 위치:FFFFFF20h)을 인식하게 되고 그 고장에 대해 제안하는 재배치 알고리즘을 통해 그림 12에서 처럼 여분의 메모리로 재배치 할 수 있도록 재배치 정보를 출력하게 된다.", "</p><p>그림 12에서는 총 12 개의 신호가 있다.", "(1)과 (2)는 각각 Clock, Reset 신호이다.", "BIST 동작 시에는 BistEnable (3) 신호가 '1'이 된다.", "BIST가 동작할 때 고장을 감지하게 되면, FaultDection 신호 (6)를 통해 Reallocation Logic 에 '1'을 인가한다.", "FaultDection 신호 (6)를 인가한 후 메인 메모리의 고장 난 주소 (7)와 위치 (8)를 함께 Reallocation Logic에 보낸다.", "BIST 동작이 끝나면 BistEnable 신호 (3)가 '0'이 되면서 BistEnd 신호(4) 는 '1'이 된다.", "</p><p>Reallocation Logic을 통해 재배치가 끝나게 되면 고장난 주소 (9)와 고장 난 위치 (10), 여분의 메모리 재배치 주소 (11), 여분의 행 메모리로 재배치되었는지 여분의 열 메모리로 재배치되었는지에 대한 구분 신호 (12)를 출력하게 된다.", "고장 1 과 고장 2 , 고장 3 은 그림 5 에서와 같이 여분의 행 메모리로 두 곳(Row Spare \\#1, Row Spare \\#2), 여분의 열 메모리로 한 곳(Column Spare \\#1) 재배치된 것을 확인 할 수 있다.", "만약 여분의 메모리 공간이 부족해 재배치가 불가능할 경우는 BISRFail 신호 (5)가 ' 1 '로 활성화 된다.", "</p><p>Xilinx Foundation 3.1i 을 사용하여 제안하는 메모리 테스트 구조를 구현하여 보았다.", "테스트 할 메모리의 크기를 \\( 1 \\mathrm{KByte}, 16 \\mathrm{KByte}, 256 \\mathrm{KByte} \\) 로 정하였고, 각 메모리는 \\(32 \\mathrm{bit}\\) 워드를 가지며 28, 212, 216 크기의 주소를 가진다.", "각 메모리 크기에 따른 테스트 회로의 오버헤드를 그림 13 에서 비율로 표시하였다.", "</p><p>그림 13을 보면 메모리의 크기가 \\( 1 \\mathrm{KByte} \\)인 메모리를 테스트하는 메모리 테스트 회로의 오버헤드는 \\( 4.49 \\% \\) 이고, \\( 16 \\mathrm{KByte} \\) 메모리를 테스트하는 회로의 오버헤드는 \\( 0.30 \\%, 256 \\mathrm{KByte} \\) 메모리의 경우 \\( 0.05 \\% \\) 의 오버헤드를 가졌다.", "메모리는 용량이 커짐에 따른 면적 증가율이 해당 메모리를 테스트하는 회로의 크기 증가율보다 매우 크게 증가 하였다.", "즉, 메모리 면적은 메모리 크기에 거의 비례하게 증가하였지만, 제안하는 테스트 회로는 비슷한 수준의 크기를 유지하는 것을 알 수 있다.", "</p><table border><caption>표 3. Xilinx로 구현한 결과 값</caption><tbody><tr><td>알고리즘</td><td>\\( \\mathrm{t}_{\\min }(\\mathrm{ns}) \\)</td><td>\\( \\mathrm{f}_{\\max }(\\mathrm{MHz}) \\)</td></tr><tr><td>MATS+</td><td>\\(9.7\\)</td><td>\\(103\\)</td></tr><tr><td>March X</td><td>\\(8.7\\)</td><td>\\(114\\)</td></tr><tr><td>March C-</td><td>\\(9.5\\)</td><td>\\(105\\)</td></tr><tr><td>March A</td><td>\\(10.2\\)</td><td>\\(98\\)</td></tr><tr><td>March B</td><td>\\(11.8\\)</td><td>\\(84\\)</td></tr><tr><td>Zero One</td><td>\\(9.8\\)</td><td>\\(101\\)</td></tr><tr><td>기존 PMBIST</td><td>\\(17.4\\)</td><td>\\(57\\)</td></tr><tr><td>제안하는 PMBIST</td><td>\\(11.955\\)</td><td>\\(83.647\\)</td></tr></tbody></table><p>표 3은 Xilinx Foundation을 이용하여 구현 후의 타이밍 정보이다.", "상위 6 개의 알고리즘은 기존 존재하는 하나의 알고리즘만을 지원하는 테스트 구조이고 7번째 알고리즘은 기존 프로그램 가능한 메모리 내장 자체 테스트 구조이다.", "그리고 마지막은 제안하는 프로그램 가능한 메모리 내장 자체 테스트 구조의 결과 값이다.", "</p><p>제안하는 메모리 테스트는 기존의 프로그램 가능한 내장 자체 테스트 보다 더 많은 알고리즘을 지원한다.", "그리하여 Read Destructive Coupling fault, Write Disturb Fault, Transition Coupling Fault, Incorrect Read fault 와 같은 가장 최근에 모델링된 고장도 검출이 가능하며, 단순한 MATS+ 알고리즘을 이용하면 SF 만을 검출하지만, 가장 빠른 속도로 테스트 할 수 있다.", "또한 표 3 과 같이 제안하는 테스트 회로는 기존의 테스트 보다 더 많은 고장을 검출하지만, 그 시간은 증가하지 않고 오히려 좀 더 줄어든 것을 알 수 있다.", "지원하는 알고리즘이 많음에 따라 테스트 회로의 크기가 증가하였지만, 회로의 면적 증가 오버헤드는 그림 13 에서 보는 바와 같이 메모리 회로의 크기에 비하여 매우 작은 것을 알 수 있다.", "</p> <h1>Ⅱ. 제안하는 프로그램 가능한 메모리 내장 테스트 구조</h1><h2>1. 선택 가능한 테스트 알고리즘</h2><p>제안하는 프로그램 가능한 메모리 내장 자체 테스트에서는 표 1 에서와 같이 총 7 개의 알고리즘을 지원한다.", "메모리 생산 공정 초기에는 많은 고장이 발생하게 되므로, 현재까지 모델링 된 모든 고장을 검출해 낼 수 있는 March SS 알고리즘이 포함되어있고, 생산이 거듭될수록 공정은 안정화 되므로, 단순하고 빠른 MATS+ 와 같은 알고리즘을 지원한다.", "</p><p>표 1에서 번호는 외부 ATE 장비에서 내장 자체 테스트에서 사용할 알고리즘의 코드이다.", "Selection은 3비트로 되어있으며 7개의 알고리즘을 지원한다.", "코드는 March elements 마다 5비트로 되어 있으며, 메모리에 적용할 March Elements를 가리킨다.", "</p><p>코드의 최상위 비트는 적용할 March Element의 주소 증감을 나타낸다.", "주소를 증가시키면서 테스트를 하여야 하거나, 주소의 증감이 자유로운 March Element의 경우는 ' 1 '을 부여하고, 반대로 주소를 감소시키면서 적용해야 하는 경우에는 ' 0 '을 할당하였다.", "코드의 나머지 4 비트는 전체 알고리즘의 March Element들을 정리하여 주소의 증감 여부를 제외한 읽기/쓰기 동작이 동일한 것끼리 묶어 같은 번호를 부여하였다.", "</p><p>즉, 모든 알고리즘의 총 March Element수는 35개 이지만, 동일한 March Element에는 같은 번호를 부여 하였기에, 1 에서 14 까지의 번호가 부여된 March elements로 모든 알고리즘을 표현할 수 있게 되었다.", "이러한 취합 과정을 거쳐 정리된 March Elements는 표 2와 같다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "내장 메모리를 위한 프로그램 가능한 자체 테스트와 플래시 메모리를 이용한 자가 복구 기술", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-04ee64fb-87ff-435b-b8fa-3a60adcb304d", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "홍원기", "최정대", "심은성", "장훈" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2. HEVC의 방향성 보간 필터 (DIF) 방법</h2> <p>HEVC 표준화 과정의 참조 소프트웨어인 HM1.0(HEVC test model)에 있는 방향성 보간 필터는 KTA에 있는 고정 방향성 보간 필터를 기반으로 설계되었다.", "식(1) 식(3)까지의 필터 계수를 동일하게 사용하며, 수평 및 수직 방향 필터, 방향성 필터 및 강한 필터의 특성을 포함하고 있다.", "하지만 KTA의 고정 방향성 보간 필터에 있던 오프셋 필터는 제외되었다.", "수평 및 수직 방향 필터 \\( (a, b, c, d, h, l) \\)의 보간식과 부화소 \\( f, i \\), \\( k, n, o \\) 위치의 보간식은 KTA의 고정 방향성 보간 필터와 동일한 보간식을 사용한다.", "나머지 부화소 위치에 따른 보간 식은 다음과 같다.", "</p> <p>부화소 \\( e, m \\) 위치는 앞에서 언급한 바와 같이 이전에 존재하던 오프셋이 제외되었으며, \\( g \\) 위치에 있던 강한 필터는 동일한 계수 값을 가지고 부화소 \\( j \\) 위치로 이동되었다.", "</p> <h2>3. 보간 필터의 특성 분석</h2> <p>각 영상에 대해서 필터의 선택 분포를 확인하기 위하여 KTA의 고정 방향성 필터의 특성에 따라 크게 네 개의 그룹으로 분류하였다.", "표 1은 각 필터 그룹의 특성과 각 그룹에 대응되는 부화소 위치를 보여준다.", "</p> <p>KTA의 고정 방향성 보간 필터에서 그룹 1에 해당하는 부화소 \\( \\{a, b, c, d, h, l\\} \\) 들은 수평이나 수직 방향으로 부화소 단위의 움직임을 가지는 영상을 위한 필터이다.", "그룹 2는 부화소 \\( \\{f, i, j, k, n, o\\} \\)로 구성되며, 방향성 경계를 가지는 영상을 위한 필터이다.", "그룹 3은 부화소 \\( \\{e, m\\} \\)이며, 영상에서 조명 변화가 발생하여 밝기 값이 변화는 경우의 움직임 보상위해서 오프셋을 추가하는 필터이며, 그룹 4는 부화소 \\( \\{g\\} \\) 위치이고 영상의 몽롱화가 발생한 영상에 대한 효과적인 필터이다.", "</p> <p>그림 3은 부화소 위치에 따른 필터를 분류를 보여준다. 각 실험 영상에 대해서 위에서 분류한 부화소 필터 그룹에 대해서 선택 비율을 알아본다.</p> <p>표 2는 부화소 본 논문의 공통적인 실험 조건을 보여 준다. 실험 영상은 표준화 단체에서 권고하는 HD 급 영상과HEVC에서 사용하는 WVGA 및 WQVGA 영상을 각각 4개씩 사용하였다. High 프로파일 환경에서 실험하였다.</p> <p>표 3은 각 실험 영상에 대해서 정수 화소 및 필터 그룹의 선택 비율을 보여준다.</p> <p>각 그룹에 대한 선택 비율은 하나의 부화소 위치에 대한 평균 선택 비율을 의미한다. 대부분의 영상에서 정수 화소의 위치가 가장 많이 선택되었고, 부화소 필터 그룹들 중에서는 그룹 1 >그룹 4 >그룹 3 >그룹 2의 순서로 선택되었다.", "영상에 따라 부화소에 대한 선택 비율은 달라지며, 일반적으로는 영상에서 수평 방향 또는 수직 방향의 부화소를 이용한 움직임 보상이 가장 많이 발생하였다.", "반면, 부화소 중에서 많은 위치 분포하고 있는 방향성 기반의 움직임 보상 필터는 가장 적게 선택되는 결과를 보였다.", "그리고 QP가 높아짐에 따라 영상의 몽롱화 및 블록킹 (blocking) 열화가 심하기 때문에 이를 제거할 수 있는 강한 필터링이 많이 선택되었다.", "오프셋 필터의 경우에도 많은 영상에서 조명 변화를 보상하기 위해서 적지 않은 비율로 사용되었다.", "즉, KTA에 있는 고정 방향성 보간 필터 (FDIF) 및 HEVC의 방향성 보간 필터는 부화소의 위치에 다수의 방향성 필터를 포함하고 있으나, 실험한 대부분의 영상에서는 방향성 필터가 별로 사용되지 않는 결과를 보였다.", "본 절에서 실험한 보간 필터의 선택 분포를 바탕으로 보간 필터에 대한 재구성이 필요하다.", "</p> <table border><caption>표 1. 필터 그룹 분류</caption> <tbody><tr><td>그룹</td><td>필터 특성</td><td>부화소 위치</td></tr><tr><td>1</td><td>수평 및 수직 방향</td><td>\\(a,b,c,d,h,l\\)</td></tr><tr><td>2</td><td>방향성</td><td>\\(f,i,j,k,n,o\\)</td></tr><tr><td>3</td><td>오프셋 필터</td><td>\\(e,m\\)</td></tr><tr><td>4</td><td>강한 필터</td><td>\\(g\\)</td></tr></tbody></table> <table border><caption>표 2. 실험 조건</caption> <tbody><tr><td>파라미터</td><td>설정 값</td></tr><tr><td>QP</td><td>I=22, 27, 32, 37, P=I+1</td></tr><tr><td>GOP 구조</td><td>IPPP 구조</td></tr><tr><td>RDO</td><td>켜기</td></tr><tr><td>엔트로피 부호화</td><td>CA3AC</td></tr></tbody></table> <h1>IV.", "실험 결과</h1> <p>제안하는 영상 특성에 따른 보간 필터 뱅크를 위해서 KTA 버전 2.3 소프트웨어에 필터 뱅크 기반의 보간 필터를 구현하였다.", "실험 조건은 표 3의 조건과 동일하게 진행하였다.", "제안하는 방법의 성능 평가를 위하여 KTA 소프트웨어의 고정 방향성 보간 필터 (FDIF) 및 HM1.0의 방향성 보간 필터 (DIF)와 제안하는 방법을 비교하였다.", "보간 필터에 대한 공정한 평가를 위하여 HM1.0의 방향성 보간 필터를 KTA에 구현을 하였다.", "</p> <p>그림 6은 각 실험 영상에 대해서 필터 뱅크-I에 대한 선택 비율을 보여준다.", "단, 필터 뱅크-I과 필터 뱅크-II에 대한 선택 비율의 합은 \\( 100 \\% \\)임으로 필터 뱅크-II의 선택 비율은 계산될 수 있다.", "영상의 종류에 따라 필터 뱅크의 선택이 분포는 다르게 나타난다. \\", "( S 1 \\)과 \\( S 12 \\) 영상은 필터 뱅크-I의 선택이 매우 높게 나타나며, \\( S 6 \\) 이나 \\( S 9 \\) 등의 영상들은 필터 뱅크-I의 선택 비율이 낮게 나타났다.", "이는 영상에 포함된 텍스쳐의 특성에 따라 에러의 양을 최소로 하는 보간 필터의 특성이 다르기 때문이다.", "전체적으로 낮은 QP에서는 필터 뱅크-I의 선택 비율이 평균적으로 약 \\( 30 \\% \\) 정도 수준이며, 높은 QP에서는 필터 뱅크-I이 평균 \\( 56 \\% \\)로 상대적으로 많이 선택되었다.", "즉, QP가 증가함에 따라 필터 뱅크-I의 선택율이 증가하는 특성을 보였다.", "</p> <p>낮은 QP에서는 참조 영상이 고화질이므로 영상의 경계 정보를 유지할 수 있는 방향성 필터가 효율적이며, 높은 QP에서는 양자화 에러에 의한 DC 값의 보정을 위한 오프셋 필터가 많이 선택된 것으로 분석된다.", "</p> <p>표 4는 본 논문에서 제안하는 부호화 성능을 보여준다.", "제안하는 보간 필터는 KTA 고정 방향성 보간 필터 대비 \\( 0.7 \\% \\)의 부호화 성능을 얻을 수 있으며, HM 방향성 필터 대비 \\( 1.3 \\% \\)의 부호화 성능을 얻었다.", "특히, S2 영상에 대해서는 KTA 고정 방향성 보간 필터와 HM 방향성 필터 대비 각각 \\( 2.7 \\% \\)와 \\( 3.5 \\% \\)의 높은 부호화 성능 향상이 있었고, 전체 12개의 실험 영상 중에서 단지 \\( S 8 \\)과 \\( S 11 \\) 영상에 대해서 성능이 저하되었다.", "또한, WVGA와 720p 영상에 대해서는 \\( 0.9 \\% \\)와 \\( 1.0 \\% \\)의 성능을 보였으나, WQVGA 영상에 대해서는 \\( 0.2 \\% \\) 이내의 향상이 있었다.", "즉, 작은 해상도의 영상에는 에러의 특성이 크게 나타나지 않기 때문에 제안하는 보간 필터에 의한 성능이 크게 나타나지 않은 것으로 분석된다.", "또한, 제안하는 필터 뱅크의 디코딩 속도는 기존의 고정된 단일 보간 필터 방법과 유사하며, 실수 필터 계수를 사용하는 적응적 보간 필터 방법에 비해 빠른 디코딩이 가능하다.", "</p> <table border><caption>표 4. 제안하는 방법의 부호화 성능</caption> <tbody><tr><td rowspan=2 colspan=2>영상 필터</td><td colspan=2>KTA의 고정 방향 보관 필터</td><td colspan=2>HM의 방향 보관 필터</td><td colspan=2>제안하는 방법</td></tr><tr><td>BDBitrate(\\( \\% \\))</td><td>BDPSNR(\\(\\mathrm{dB} \\))</td><td>BDBitrate(\\( \\% \\))</td><td>BDPSNR(\\(\\mathrm{dB} \\))</td><td>BDBitrate(\\( \\% \\))</td><td>BDPSNR(\\(\\mathrm{dB} \\))</td></tr><tr><td rowspan=5>WVGA</td><td>S1</td><td>-4.43</td><td>0.175</td><td>-3.60</td><td>0.143</td><td>-6.83</td><td>0.274</td></tr><tr><td>S2</td><td>-2.57</td><td>0.114</td><td>-2.20</td><td>0.097</td><td>-311</td><td>0.138</td></tr><tr><td>S3</td><td>-1.81</td><td>0.084</td><td>-2.07</td><td>0.097</td><td>-2.30</td><td>0.108</td></tr><tr><td>S4</td><td>-0.91</td><td>0.041</td><td>-0.39</td><td>0.017</td><td>-0.94</td><td>0.042</td></tr><tr><td>평균</td><td>-2.43</td><td>0.104</td><td>-2.07</td><td>0.089</td><td>-3.30</td><td>0.106</td></tr><tr><td rowspan=5>WQVGA</td><td>S5</td><td>-1.14</td><td>0.053</td><td>-0.93</td><td>0.046</td><td>-1.32</td><td>0.062</td></tr><tr><td>S6</td><td>-0.71</td><td>0.029</td><td>-0.63</td><td>0.026</td><td>-1.31</td><td>0.056</td></tr><tr><td>S7</td><td>-1.81</td><td>0.076</td><td>-2.13</td><td>0.09</td><td>-2.19</td><td>0.092</td></tr><tr><td>S8</td><td>0.83</td><td>-0.04</td><td>1.43</td><td>-0.071</td><td>1.32</td><td>-0.065</td></tr><tr><td>평균</td><td>-0.71</td><td>0.030</td><td>-0.57</td><td>0.023</td><td>-0.87</td><td>0.036</td></tr><tr><td rowspan=5>720p</td><td>S9</td><td>-6.64</td><td>0.196</td><td>-6.97</td><td>0.206</td><td>-6.92</td><td>0.205</td></tr><tr><td>S10</td><td>-6.13</td><td>0.154</td><td>-1.18</td><td>0.021</td><td>-7.15</td><td>0.175</td></tr><tr><td>S11</td><td>-14.52</td><td>0.597</td><td>-14.35</td><td>0.582</td><td>-14.40</td><td>0.577</td></tr><tr><td>S12</td><td>-0.77</td><td>0.03</td><td>0.02</td><td>-0.002</td><td>-3.48</td><td>0.1333</td></tr><tr><td>평균</td><td>-7.01</td><td>0.244</td><td>-5.62</td><td>0.202</td><td>-7.99</td><td>0.273</td></tr><tr><td colspan=2>전체 평균</td><td>-3.38</td><td>0.13</td><td>-2.75</td><td>0.10</td><td>-4.05</td><td>0.15</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "비디오 압축을 위한 선택적인 보간 필터", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0116488b-b6cf-4ad9-948f-e4b408c463c6", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "남정학", "조현호", "심동규", "이수연" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅴ. 자세 모니터링</h1><p>본 논문에서 추정하고자 하는 사용자의 자세는 모바일 단말기를 이용하는 사용자가 가장 빈번하게 취하는 모바일 단말기를 보는 자세이다(그림 3).", "그림 1 에서 임계치 결정기는 그림 3과 같이 사용자의 자세에 대한 \\( \\theta \\) 의 범위롤 결정하는 것이다. \\", "( \\theta \\) 는 모바일 단말기의 수평축(Y-축)과 지평면과의 사이 각을 의미한다.", "</p><p>만약 가속도센서가 이상적인 상태이면, 즉 가속도센서가 지평면과 수평이고 스케일 펙터(Scale factor)가 \\( \\mathrm{g} \\) 당 \\( 12.5 \\% \\) 듀티 사이클(Duty cycle)로 변화, 가속도센서의 디지털 출력( X-와 Y-축)은 \\( 0 \\mathrm{~g} \\) 이다.", "그러나 가속도센서를 사용하는 응용들이 모바일 단말 상에서 실행될 때 가속도센서의 출력은 항상 일정한 레벨로 변화하지 않는다.", "따라서 가속도센서의 제조회사에서는 켈리브레이선(Calibration)을 권유하고 있다.", "정확한 켈리브레이선을 위한 방법은 가속도센서롤 \\( 360^{\\circ} \\) 천천히 회전시키고 \\( \\pm 90^{\\circ} \\) 에서 측정하는 것이다.", "표 1 은 가속도센서를 중력을 통하여 \\( \\pm 90^{\\circ} \\) 기울인 X-와 Y-축에서 변화하는 켈리브레이선 결과를 나타낸다.", "실험결과는 수평축에 각 Y-축 방향에서 기록된다.", "만약 가속도센서가 이상적인 상태이면, \\( \\theta \\)가 \\( \\pm 90^{\\circ} \\) 변화할 때 X-와 Y-죽 모두 듀티 사이콜은. \\", "( 62.5 \\% \\) 에서 \\( 37.5 \\% \\) 변화된다.", "그러나 본 실험에서는 X-축과 Y-축의 듀티 사이클은 각각 \\( (66.2-4.06) / 2=12.5 \\% / \\mathrm{g} \\) 와 \\( (60.1-36.4) / 2=11.9 \\% / \\mathrm{g} \\) 이었다.", "</p><table border><caption>표 1. 기울임에 반응하는 가속도센서의 출력</caption><tbody><tr><td rowspan=2>Y-axis Orientation to horizon</td><td colspan=2>X output</td><td colspan=2>Y output</td></tr><tr><td>PWM (%)</td><td>Acceeration (g)</td><td>PWM (%)</td><td>Aaceeration (g)</td></tr><tr><td>90</td><td>53.40</td><td>0.000</td><td>60.10</td><td>1.000</td></tr><tr><td>75</td><td>50.43</td><td>-0.232</td><td>59.69</td><td>0.961</td></tr><tr><td>60</td><td>47.41</td><td>-0.468</td><td>58.56</td><td>0.866</td></tr><tr><td>45</td><td>44.80</td><td>-0.672</td><td>56.73</td><td>0.713</td></tr><tr><td>30</td><td>42.77</td><td>-0.831</td><td>54.31</td><td>0.509</td></tr><tr><td>15</td><td>41.51</td><td>-0.929</td><td>51.54</td><td>0.276</td></tr><tr><td>0</td><td>40.60</td><td>~1.000</td><td>48.25</td><td>0.000</td></tr><tr><td>-15</td><td>41.36</td><td>-0.941</td><td>45.39</td><td>-0.240</td></tr><tr><td>-30</td><td>42.55</td><td>-0.848</td><td>42.58</td><td>-0.476</td></tr><tr><td>-45</td><td>44.72</td><td>-0.678</td><td>40.02</td><td>-0.692</td></tr><tr><td>-60</td><td>47.25</td><td>-0.481</td><td>38.17</td><td>0.847</td></tr><tr><td>-75</td><td>50.19</td><td>0.251</td><td>36.98</td><td>0.947</td></tr><tr><td>-90</td><td>53.40</td><td>0.000</td><td>36.40</td><td>-1.000</td></tr></tbody></table><table border><caption>표 2. 사용자 자세 추정에 대한 임계치</caption><tbody><tr><td>Posture</td><td>Min</td><td>Max</td><td>Mean</td><td>SD</td><td>Threshold value</td></tr><tr><td>Watching the mobile device</td><td>0.6260</td><td>0.7580</td><td>0.6853</td><td>0.0828</td><td>0.6388< T< 7318</td></tr></tbody></table><p>사용자의 자세에 대한 \\( \\theta \\) 의 범위를 걸정하기 위해서 10 명의 실험 참가자들의 자세를 이용하여, 본 연구에서는 140 samples/\\(\\mathrm{sec}\\) 의 샘플링 율에서 약 3 초 동안 가속도센서의 출력 데이터를 수집하였다.", "사용자 자세의 수렴 여부를 결정하기 위해서 적절한 임계치를 조사하였다.", "여기서 사용자 자세의 수럼은 식 1 을 사용하여 임계치를 결정하였다.", "</p><p>\\( \\mu-z \\times \\frac{\\sigma}{\\sqrt{n}}< \\) Threshold value \\(<\\mu+z \\times \\frac{\\sigma}{\\sqrt{n}} \\)<caption>(1)</caption></p><p>여기서 \\( \\mu \\) 는 가속도센서 출력인 모집단의 평균, \\( z \\) 는 일반 분포, \\( \\sigma \\) 는 모집단에 대한 분산, \\( n \\) 은 샘플 수이다.", "</p><p>전체 샘플들의 \\( 90 \\%(z=1.65) \\) 가 신뢰도 구간에 대해 사용되었다.", "표 2 는 신뢰도 구간의 결과를 보여준다.", "</p><p>실험 결과를 통해서 도바일 단말을 보는 사용자의 자세에 대한 \\( \\theta \\) 는 약 \\( 39.5^{\\circ} \\sim 46.8^{\\circ} \\) 이었다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "사용자의 활동과 자세에 대한 PDA의 백라이트 제어 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0f41b100-29ef-4a78-bbe9-3bc35ac16ff3", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "백종훈", "윤병주" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h3>3.1.3 보안문제 정의</h3> <p>TOE 보안 환경은 TOE 보안 환경에 미치는 잠재직인 위협, 조직의 보안정책, 가정사항을 도출 한다.", "본 장에서는 IHD_PP에서 필요한 보안문제를 정의하고 필요시 MPDRM PP 를 활용하여 IHD_PP에 적합한 항목을 재사용하여 기술한다.", "각 재활용 식별 마크로는 새로 도출한 IHD_PP의 요구사항은 \"New\"로 표시하고 MPDRM_PP에서 재사용된 항목은 “M”으로 표시한다.", "</p> <h3>3.1.3.1 위협(Threats)</h3> <p>본 절에서 기술하는 위헙은 TOE 가 보호하고자 하는 콘텐츠 및 사용자 정보에 대한 내.외부적인 위협을 나열한다.", "특히 위협원은 비정상적인 방법으로 TOE 및 내부의 자산에 해를 가하는 외부 실체 및 사용인 또는 외부에서 TOE 및 내부의 자산에 불법적인 접근을 시도하는 것 등이다.", "<표 1>은 위협에 대한 항목이다.", "</p> <table border><caption>〈표 1〉위협</caption> <tbody><tr><td>이 름</td><td>설 명</td><td>비고</td></tr><tr><td>T.논리적인 공격</td><td>위협원은 논리적인 인터페이스를 악용해시 사용자 데이터나 TSF 데이터를 변경, 노출할 수 있다.", "논리직인 인터페이스는 TOE와 소스 디바이스 또는 CSS 간 터이터 교환을 악용해 구문이나 해석 차이를 약용하거나, 특정한 사용을 위한 명령어를 악용하여 공격한다.", "</td><td>New</td></tr><tr><td>T.권리_수정</td><td>위협윈은 RO 의 사용자 정보를 변경, 노출하여 정보를 악용할 수 있다.", "</td><td>New</td></tr><tr><td>T.불법프로그램</td><td>인가된 사용자가 악의직인 코드가 포함된 응용프로그램을 TOE에 불법적으로 설치하여 사용자 테이터나 TSF 데이터를 변경, 노출할 수 있다.", "</td><td>New</td></tr><tr><td>7.고장</td><td>TOE가 사용중이나, 외부 공격 등에 의해 고장이 발생하여 사용자에기 정상직인 서비스를 제공 하지 못하게 할 수 있다.", "</td><td>New</td></tr><tr><td>T.자원공유충돌</td><td>위협원은 다른 응용프로그램의 실행 영역을 침범하여 디바이스에 오동작을 유발하거나, 사용자 데이터나 TSF 데이터를 변경, 노출할 수 있다.", "</td><td>New</td></tr><tr><td>T.비의도적고장</td><td>콘텐츠를 전송받는 도중 또는 RO 정보를 전송받는 중 전원 공급이 중단되거나, 충격 등으로 TSF 서비스가 불완전하게 종료되어 사용자 데이터 및 TSF 테이터가 노출 및 손상을 위협원이 악용할 수 있다.", "</td><td>New</td></tr><tr><td>T.잔여정보</td><td>TOE가 자원을 재사용할 경우, 객채의 정보를 적절하게 제거하지 못해 위협원이 정보에 불법적으로 접근할 수 있다.", "</td><td>New</td></tr><tr><td>T.정보누출</td><td>위협원은 TOE를 정상적으로 사용하는 동안 TOE로부터 누출된 정보를 악용할 수 있다.", "</td><td>New</td></tr><tr><td>T.불법기기사용</td><td>위협원은 인가되지 않은 디바이스를 이용해서 사용자 데이터나 TSF 데이터를 변경, 노출할 수 있다.", "</td><td>New</td></tr><tr><td>T.교체</td><td>TOE의 일부를 물리적으로 교체할 수 있다.", "</td><td>New</td></tr><tr><td>7.조작</td><td>위협원은 TOE에게 조작된 정보를 전달함으로써 TSF 정보를 취득할 수 있다.", "</td><td>New</td></tr><tr><td>T.권리남용</td><td>원본이 아닌 RO정보나 일반적인 RO 정보를 콘텐츠 취득에 사용할 수 있다.", "</td><td>New</td></tr><tr><td>T.암호공격</td><td>위협원은 brute force 공격을 하거나 알고리즘에 대해 암호 공격을 함으로써 TSF 위협할 수 있다.", "</td><td>New</td></tr><tr><td>T.리스트_수정</td><td>위협원은 타겟 디바이스에 대한 서비스 및 금지 리스트 업데이트 시 이를 조작할 수 있다.", "</td><td>New</td></tr></tbody><tbody><tr><td>T.시스템 오류</td><td>사용자 에러, 하드웨어 에러, 전송 에러 등의 시스템 에러가 발생 했을 때 TOE에 의해 보호되 는 콘텐츠, 사용자 정보 또는 서비스가 제공될 수 있다.", "</td><td>New</td></tr><tr><td>T.테이터 공격</td><td>위협원은 RO 없이 특정 콘텐츠에 접속하기 위해 특정 콘텐츠에 암호해독 공격을 시행한다.", "</td><td>New</td></tr><tr><td>T.정보유율(1)</td><td>위협원은 일반적인 사용시 TOE에서 유출되는 TSF 정보를 획득할 수 있다.", "</td><td>New</td></tr><tr><td>T.부인</td><td>위협원은 인가된 사용자에게 서비스 또는 정보를 얻고서 그것에 대한 송수신 사실을 부인할 수 있다.", "</td><td>New</td></tr><tr><td>T.정보유출(2)</td><td>위협원은 TOE와 외부 상호작용에 대해 유출 시킬수 있다.", "</td><td>New</td></tr><tr><td>7.특권남용</td><td>인증된 사용자나 관리자가 자신이 가지고 있는 특권을 가지고 보안기능 또는 보호되어야 하는 데이터 실행을 통해 TSF 데이터 또는 사용자 데이터를 공격하거나 남용할 수 있다.", "</td><td>New</td></tr><tr><td>T.감사정보파괴</td><td>특별한 행통을 한 인가된 사용자의 감사정보가 보안정책에 따르지 않고 삭제될 수 있다.", "</td><td>New</td></tr><tr><td>T.TOE 오류</td><td>소스 디바이스가 타겟 디바이스에게 사용자 정보 또는 콘텐츠 정보를 보내는 동안에 시스템 오류로 인해서 TOE 보안 상태가 보내는 정보와 일치하지 않을 때 TSF는 옳게 작동하지 않을 수 있다.", "</td><td>New</td></tr></tbody></table> <h3>3.1.3.3 가정사항(Assumption)</h3> <p>TOE의 운영환경에서 시행되거나 유지되어야 하는 가정사항을 보여준다.", "TOE 가 가정사항을 만족시키지 못하는 운영환경에 설치될 경우, TOE 는 모든 보안 기능성을 제공할 수 없게 될 것이다.", "가정사항은 운영환경의 물리적, 인적 및 연결성 측면을 포함한다.", "<표 3>은 가정사항에 대한 항목이다.", "</p> <table border><caption>〈표 3〉가정사항</caption></tr><tr><td>이름</td><td>설 명</td><td>비고</td></tr><tr><td>A.안전한 경로</td><td>TOE와 TOE의 통신 상대인 디바이스는 안전한 경로와 채널[3]에서 통신을 한다.", "</td><td>New</td></tr><tr><td>A.TSF 데이터</td><td>TOE 운영 과정에서 TOE 외부로 유출되어 처리되는 TSF 데이터는 안전하게 관리된다.", "</td><td>New</td></tr><tr><td>A.물리적보안</td><td>TOE는 안전한 파워와 클릭을 유지한다.", "</td><td>New</td></tr><tr><td>A.신뢰된 관리 및 사용</td><td>TOE의 인가된 관리자 및 사용자는 악의가 없으며, TOE 관리 기능에 대하여 적절한 교육을 받 고, 관리자 지침에 따라 외무를 수행한다.", "</td><td>New</td></tr><tr><td>A.운영체제보강</td><td>TOE에 필요하지 않은 운영체제상의 서비스나 수단 등을 제거하는 작업과 운영체제상의 취약점에 대한 보강 작업을 수행하여 운영체제에 대한 신뢰성과 안전성을 보장한다.", "</td><td>New</td></tr><tr><td>A.키관리</td><td>모든 중요한 암호키는 안전한 방법으로 보관된다.", "</td><td>New</td></tr><tr><td>A.불법수정차단</td><td>TOE에 악의적인 사용자에 의해 TOE의 내용이 변경되었을 때 TOE는 차단되고 컴포넌트들은 재저장된다.", "</td><td>New</td></tr><tr><td>A.인증기관</td><td>타켓 디바이스와 소스 디바이스 간의 키 교환시 인증서를 발급 받는다면 발급 기관은 신뢰할 수 있는 인증기관이다.", "</td><td>New</td></tr><tr><td colspan = 3></td></tr></tbody></table> <h3>3.1.3.4 보안목적</h3> <p>본 장에서는 보안목적을 \\( \\mathrm { TOE } \\) 보안목적 및 환경에 대한 보안목적으로 분류하여 정의한다.", "TOE 보안목적은 TOE에 의해서 직접적으로 다루어지는 보안목적이고, 환경에 대한 보안목적은 IT 영역이나 비기술적/절차적 수단에 의해 다루어지는 보안 목적이다.", "TOE 보안목적은 \"E\" 인덱스로, 환경에 대한 보안목적은 \"OE\"로 표기한다.", "<표 4>는 보안목적에 대한 항목이다.", "</p> <table border><caption>〈표 4〉 보안목적</caption> <tbody><tr><td>이름</td><td>설 명</td><td>비고</td></tr><tr><td>OE.안전한 통신</td><td>TOE 통신하는 컴포넌트는간에는 안전한 경로를 제공해야 한다.", "</td><td>New</td></tr><tr><td>OE.TSF데이터</td><td>TOE가 운영되는 과정에서 TOE 외부로 유출되어 처리되는 TSF 데이터는 안전하게 관리되어야 한다.", "</td><td>New</td></tr><tr><td>OE.물리적보호</td><td>TOE 는 물리적으로 공격에 내구성이 있어야 하고, 공격이 어디서 이루어 젔는지 알아낼 수 있어야 한다.", "</td><td>M</td></tr><tr><td>EO.가이드</td><td>CM 은 사용자가 콘텐츠 DRM 서비스를 받을 수 있는 가이드라인을 사용자가 알기 쉽게 제공해야 한다.", "또한 사용자 및 관리자의 사용시 주의사항 및 의무에 대해서 명시되어야 한다.", "</td><td>New</td></tr><tr><td>OE.운영체제보강</td><td>TOE에 의해 필요하지 않은 운영체제상의 서비스나 수단 등을 제거하는 작업과 운영체제상의 취약점에 대한 보강 작업을 수행하여 운영체제에 대한 신뢰성과 안전성을 보장해야 한다.", "</td><td>New</td></tr><tr><td>OE.키관리</td><td>모든 수집된 암호키는 사용자의 펼요에 따라 제공되어야 한다.", "</td><td>M</td></tr><tr><td>OE.인증기관</td><td>사용자는 신뢰할 수 있는 CA 인증기관을 통해서 인증서 등을 발급받는다.", "</td><td>New</td></tr><tr><td>OE.물리적안전성</td><td>잘못된 데이터를 삽입으로 연속된 프로빙(probing)에도 견뎌야(resistant) 한다.", "</td><td>M</td></tr><tr><td>0.감사</td><td>TOE 보안을 위협하는 잠재적인 위협원에게서 보호되기 위해 디바이스는 저장된 보안관련 정보를 갖는다.", "</td><td>New</td></tr><tr><td>0.암호</td><td>TOE 는 암호화 사용 정책과 표준을 따르는 암호 기능(function)을 사용해야 한다.", "</td><td>New</td></tr><tr><td>0.업데이트(1)</td><td>소프트웨어는 주기적으로 업데이트 되어야 한다.", "</td><td>New</td></tr><tr><td>0.업테이트(2)</td><td>TOE 시스템 오류 등으로 오 동작시 이를 감지하고 재설치 되고 업데이트 되어야 한다.", "</td><td>New</td></tr><tr><td>0.데이터 보호(1)</td><td>사용자 권리와 콘텐츠는 안전하게 암호화되어야 하고 저장되어야 한다.", "</td><td>New</td></tr><tr><td>0.데이터 보호(2)</td><td>TOE는 저장된 데이터를 인가되지 않은 노출, 변경 삭제로부터 보호해야 한다.", "</td><td>New</td></tr><tr><td>0.데이터 보호(3)</td><td>TOE는 인가된 사용자만이 사용자 데이터 및 TSF 데이터에 접근 및 수정할 수 있도록 보장해야 한다.", "</td><td>New</td></tr><tr><td>0.설치</td><td>인가되지 않은 소프트웨어는 설치되지 않아야 한다.", "</td><td>New</td></tr><tr><td>0.정보누출대응</td><td>TOE는 TOE를 정상적으로 사용시 누출되는 정보를 악용하지 못하도록 대웅책을 구현해야 한다.", "</td><td>New</td></tr><tr><td>0.불법변경감지</td><td>TOE는 불법변경 감지를 위한 소프트웨어 또는 하드웨어를 가지고 있어야 한다.", "</td><td>M</td></tr><td>0.인가된고장수리</td><td>TOE는 내부 저장된 데이터 보호를 위해 인가된 사용자만이 고장수리를 할 수 있도록 보장해야 한 다.", "</td><td>New</td></tr><tr><td>0.인증 빛 식별</td><td>사용자가 TOE 사용자 데이터 및 TSF 데이터에 접근 시도 시 인증과정을 거쳐야 한다.", "TOE는 논리적인 인터페이스를 사용할 수 있는 사용자와 역할에 따라 사용할 수 있는 사용자 식별을 명확하 게 해야 한다.", "</td><td>New</td></tr><tr><td>0.잔여정보제거</td><td>TOE는 TSF가 사용하는 작업영역에 사용 종료시 사용자 데이터나 TSF 데이터를 남기지 않는 것을 보장해야 한다.", "</td><td>New</td></tr><tr><td>0.권한</td><td>TOE 는 DCH에서 암호화된 RO(Rights Objects)만 수락한다.", "RO에는 개인 정보가 저장되어 있다.", "</td><td>New</td></tr><tr><td>0.환경적 스트레스</td><td>환경적인 스트레스(stress)로 TOE 상황에 대한 보안 정보의 노출을 막아야 한다.", "</td><td>M</td></tr><tr><td>0.초기화</td><td>TOE는 power up, reset, restart 후에 즉시 초기화를 취해야 한다.", "</td><td>M</td></tr><tr><td>0.흐름정보</td><td>TOE 는 보안정책에 따라 인가되지 않은 정보 흐름을 통제해야 한다.", "</td><td>New</td></tr><tr><td>0.논리적보호</td><td>TOE 는 논리적인 속임이나 수정에 대해서 스스로를 보호할 수 있어야 한다.", "</td><td>M</td></tr><tr><td>0.라이프싸이클</td><td>TOE는 의도에 의한 리이프 싸이클(life cycle) 활동의 Object, 의미있는 테스트와 디버그 사용을 제안하고 제어하는 수단을 제공해야 한다.", "</td><td>M</td></tr><tr><td>O.Brute_Force</td><td>보안정보를 찻기위한 brute force 공격(암호등을 알아내기 위해 모든 경우의 수를 체크하는 방법)으로 연속는 입력 공격으로부터 보호되어야 한다.", "</td><td>M</td></tr></tbody></table> <h3>3.1.3.2 조직의 보안정책(Organizational Security Policies)</h3> <p>조직의 보안정책은 IHD_PP 를 수용하는 TOE 의 운영환경에 적용되어야 하는 조직의 보안정책 사항을 나타낸다.", "<표 2>는 조직의 보안정책에 대한 항목이다.", "</p> <table border><caption>〈표 2〉 조직의 보안정책</caption> <tbody><tr><td>이 름</td><td>설 명</td><td>비 고</td></tr><tr><td>P.감사</td><td>보안과 관련된 모든 행동에 대한 책임을 추적하기 위해 보안관련 사건은 기록 및 유지되어 야 하며, 기록된 데이터는 검토가 되어야 한다.", "</td><td>New</td></tr><tr><td>P.암호</td><td>타겟 디바이스와 소스 디바이스간 키교환시 암호화 알고리즘은 승인된 암호 알고리즘 및 모듈 을 사용하여야 한다.", "</td><td>New</td></tr><tr><td>P.가이드</td><td>CM(Content Mall)은 사용자가 어떤 방식으로 사용 서비스를 이용해야 하는지 그 가이드라인을 제공해야 한다.", "</td><td>New</td></tr><tr><td>P.업데이트</td><td>사용자 디바이스는 CM에 접속하여 상이한 DBM 시스템을 변환하기 위한 (EXIM과 같은 소프 트웨어) 소프트웨어 업데이트 받아야 한다.", "이 때 디바이스의 DA(DRM Agent)는 필요시 자동적으로 소프트웨어를 다운받을 수 있어야 한다.", "</td><td>New</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "상이한 DRM 시스템의 호환성을 위한보호프로파일 개발에 관한 연구", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-f5b1d03c-cddd-4b5a-98d3-6f3e15b1ecac", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "조혜숙", "이광우", "전웅렬", "이윤호", "김승주", "원동호" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅴ. 결 론</h1><p>기존 스네이크 알고리즘을 이용한 객체 추적에서 배경에 강한 기울기 성분이 존재 하는 경우 윤곽선이 배경에 수렴하기 때문에 추적에 실패하게 된다.", "또한 객체의 이동으로 인한 모션 블러 현상이 발생하여 배경과 객체 사이의 경계가 불확실해거나 급격한 객체의 이동으로 인하여 탐색 윈도우가 객체의 윤곽에 도달하지 못하여 윤곽선이 객체의 내부로 수축되는 현상을 겪게 된다.", "이러한 기존 스네이크 알고리즘의 문제를 해결하기 위하여 본 논문에서는 스플라인 경계 위에 존재하는 기울기 성분과 탐색 윈도우 영역에 존재하는 기울기 성분을 내적함으로써 배경의 기울기와 객체 경계의 기울기 성분을 구분할 수 있는 방향 성분을 고려한 에지 에너지를 제안하고, 스플라인 경계를 기준으로 Inner 영역과 Outer 영역의 평균 밝기 차이를 이용하여 컨트라스트 에너지를 추가해 복잡한 배경에서 변형하는 객체의 윤곽을 정확하게 추적하였다.", "또한 이전과 현재 프레임의 차영상을 기반으로 스플라인 경계에 존재하는 차영상 값이 가장 큰 픽셀로 스네이크 포인터를 이동하게 하는 모션 벡터를 사용하여 현재 프레임의 객체 윤곽선에 탐색 영역이 빠르고 정확하게 도달 할 수 있도록 개선하였다.", "본 논문에서 제안하는 기법은 기존 기법보다 연산 비용이 약간 높지만 기존 기법들의 추적 한계를 극복하고 고정, 이동 카메라 영상 모두 안정적으로 정확하게 추적하였다.", "</p> <h1>Ⅱ. 스네이크 알고리즘을 이용한 추적과 문제점</h1><p>스네이크 알고리즘을 이용하여 이전 프레임의 객체 윤곽에 존재하는 스네이크 포인터들을 현재 프레임의 객체 윤곽으로 이동시켜 객체를 추적하는 예를 그림 1에 나타내었다.", "이전 프레임의 각 스네이크 포인터는 현재 좌표를 기반으로 설정된 탐색 윈도우 영역 내에서 에너지가 최소로 되는 픽셀로 이동하여 현재 프레임의 객체 윤곽을 결정하는 새로운 스네이크 포인터를 구성한다.", "그림에서 \\( v(s)=(x(s), y(s)) \\) 는 \\(s\\)번째 스네이크 포인터의 좌표를 \\( w^{s}(i) \\)는 스네이크 포인터 \\(s\\)에서 정의된 탐색윈도우 내 \\(i\\)번째 픽셀의 좌표를 각각 나타낸다.", "</p><p>스네이크 포인터들을 객체 윤곽으로 수렴하도록 하는 에너지 함수\\( E_{\\text {snake }} \\)는 다음 식과 같이 정의된다.", "</p><p>\\( E_{s n a k e}=\\int_{0}^{1}\\left\\{E_{\\text {int }}(v(s))+E_{e x t}(v(s))\\right\\} d s \\)<caption>(1)</caption></p><p>여기서 \\( E_{i n t} \\)는 스네이크 포인터들의 관계를 결정하는 내부 에너지를 나타내고, \\( E_{e x t} \\)는 스네이크 포인터를 객체의 윤곽선으로 끌어당기는 역할을 하는 외부 에너지이다.", "내부에너지는 포인터간의 인력을 나타내는 수축 에너지와 인근 스네이크 포인터들의 휨 정도를 나타내는 곡률 에너지로 정의되고 외부에너지는 배경과 객체의 경계를 나타낼 수 있는 밝기 값의 기울기 정보를 이용한 에지 에너지로 정의된다.", "</p><p>그러나 기존 스네이크 알고리즘은 밝기의 기울기 성분에 의존하는 에지 에너지에 의해 객체의 윤곽선 기울기 성분보다 강한 기울기 성분을 갖는 배경이 존재할 경우 윤곽선이 배경으로 잘못 수렴한다.", "또 객체의 이동에 의한 모션 블러 현상 등으로 윤곽선이 불확실해지거나 객체의 빠른 움직임으로 객체의 윤곽에 탐색 영역이 도달하지 못하는 경우 윤곽선이 객체 내부로 수축되어 추적에 실패하는 문제가 존재한다.", "</p><p>이러한 문제점들은 그림 2에 보인 기존 스네이크 알고리즘을 이용한 얼굴 윤곽 추적 실험을 통해 잘 드러난다.", "그림 2는 3가지 실험 영상에 대하여 기존 스네이크 알고리즘을 적용한 것으로 (a), (b), (c)의 경우 모두 추적하려는 얼굴 윤곽선이 강한 기울기 성분을 갖는 주변 배경으로 잘못 수렴하고 있음을 볼 수 있다.", "또 (b)와 (c)의 경우에는 얼굴의 빠른 움직임으로 탐색 영역이 얼굴 경계에 도달하지 못해 윤곽이 얼굴 내부로 수축되어 객체 추적에 실패하는 현상도 함께 관측된다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "개선된 스네이크 알고리즘을 이용한 객체 윤곽 추적", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-07f0028d-8382-4665-ab30-0628b757008f", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "김진율", "정재기" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>III.", "3D PSF를 이용한 영상 디블러링</h1><p>본 장에서는 \\( \\Pi \\) 장에서 추정된 3D PSF를 이용하여 블러된 영상을 복원하는 기법을 설명한다.", "추정된 3D PSF를 3차원 공간에 생성한 뒤 카메라 행렬을 이용하여 다중시점 영상의 각 영상으로 투영 시킨다.", "기술한 바와 같이 본 논문에서 가정하는 PSF는 물체의 선형적인 등속 3 차원 운동에 의한 모션 블러이므로 투영된 3D PSF는 일정한 방향성을 가지는 선형 형태를 가지게 된다.", "그림 7은 개별 시점으로 투영된 3D PSF의 사례이다.", "</p><p>본 논문에서는 추정된 3D PSF로부터 각 영상의 디블러링을 수행하기 위하여 Richardson-Lucy deconvolution 기법을 이용하였다.", "식 (4)의 \\( f_{i} \\)는 \\( i \\)번째 반복의 결과 영상을 나타내며 \\( c(x) \\)는 초기의 블러된 영상을 나타낸다. \\", "( \\otimes \\)와 \\( g(x) \\)는 각각 콘볼루션 연산자와 3D PSF로부터 투영된 개별 시점의 개선된 2D PSF를 나타낸다.", "식 (4)의 반복적인 디콘볼루션 과정을 통하여 해당 영상의 디블러링을 수행한다.", "</p><p>\\( f_{i+1}(x)=\\left[\\frac{c(x)}{f_{i}(x) \\otimes g(x)}\\right] \\otimes g(-x) f_{i}(x) \\)<caption>(4)</caption></p><h1>IV.", "디블러링 된 영상을 이용한 3차원 형상 복원</h1><p>본 장에서는 디블러링된 각 시점들의 영상을 이용하여 3차원 형상 복원을 수행한다.", "3차원 형상 복원에 사용된 알고리즘은 surfel을 이용한 다중시점 스테레오 알고리즘 \\( { }^{[8]} \\)이다.", "3 차원 형상 복원 과정은 GPU를 이용하여 병렬화되어, 수 분 정도의 빠른 시간에 3차원 형상 복원이 수행 가능하다.", "</p><p>알고리즘의 수행 과정은 다음과 같다.", "우선 입력받은 다중 시점 영상의 깊이 지도를 추출하기 위하여 SAD(sum of absolute difference) 또는 NCC(normalize cross correlation)등을 수행하여 초기 깊이지도를 생성 한다.", "다중시점의 초기 깊이지도로부터 3차원 상의 화소의 초기 위치를 계산하며 이는 surfel로 표현된다.", "여러 시점의 영상을 이용하여 surfel의 방향을 voting 한</p><p>다.", "초기 깊이 지도만을 이용하여 surfel을 추정하였을 경우 다양한 후보 surfel 및 잡음이 존재하게 되는데 이를 다중 시점 영상에 재투영하여 세부 보정을 수행하고 최종적으로 graph cut 기법을 이용하여 물체의 표면을 구성하는 최적화의 surfel 집합을 추출한다.", "전 과정은 병렬화에 적합한 구조로 설계되었으며 실제로 NVIDIA CUDA를 이용하여 구현되었다.", "</p><p>복원된 3차원 형상은 최적화된 점 집합과 이에 해당하는 법선 벡터의 집합으로 구성된다.", "또한 3 차원 형상 복원의 결과를 메쉬 모델로 재구성하기 위하여 Poisson surface reconstruction 기법을 적용하였다.", "</p> <h1>V.", "실험 결과</h1><p>제안하는 알고리즘의 성능을 확인하기 위하여 가상의 3차원 상의 물체의 움직임을 OpenGL을 이용하여 시뮬레이션 하여 블러된 다중 시점 영상과 참값의 PSF를 취득하였다.", "또한 수평 방향으로 움직이는 물체를 다수의 카메라로 동시에 실제 취득하여 실험 영상을 구성하였다.", "본 실험은 Intel Core i5 \\( 2.67 \\mathrm{GHz} \\mathrm{CPU}, 4 \\) \\( \\mathrm{GB} \\) 메모리를 장착한 컴퓨터에서 수행되었다.", "</p><h2>1. 다중시점 영상 복원 결과</h2><p>그림 8은 블러된 영상과 제안하는 다중시점 디블러링을 수행한 결과와의 비교 영상이다.", "실험 영상은 총 36장의 합성 영상으로 구성되어 있으며 해상도는 \\( 512 \\times \\)\\( 512\\)이다.", "그림 8(a)에 블러되지 않은 원본 영상을 제시하였으며 그림 8(b) 는 참값 PSF를 나타낸다.", "그림 8(c)는 그림 8(a)와 그림 8(b)의 convolution으로 생성된 블러된 영상을 나타낸다.", "그림 8(d)는 본 논문에서 제안하는 다중시점 영상을 이용한 3D PSF를 추정 한 뒤 각 영상의 시점으로 투영시켜 개선된 2D PSF를 얻은 결과이다.", "그림 8(b)의 ground truth PSF와 비교하였을 때 방향, 길이, 밀도의 분포가 매우 유사한 형태를 가지는 것을 확인할 수 있다.", "그림 8(e)는 그림 8(d)를 이용하여 디블러링을 수행한 결과이다.", "그림 8(c)의 블러된 영상과 비교하여 물체의 경계부분과 텍스처가 뚜렷하게 복원됨을 확인할 수 있다.", "<p></p>그림 9는 단일시점 영상만을 이용하여 독립적으로 디블러링을 수행한 결과와 본 논문에서 제안하는 다중 시점 기반의 영상 복원 결과와의 비교 결과를 나타낸다.", "그림 9(a)에 나타난 바와 같이 모든 다중시점 영상에 대하여 동일한 파라미터를 적용하여 디블러링을 수 행하는 경우 매우 부정확한 복원 결과가 생성된다.", "다중시점 영상은 시점에 따라 에지 정보, 블러의 정도 등 정보의 손실량이 서로 다르므로 개별적인 파라미터 최적화가 필요하다.", "그림 9(b)는 부정확한 복원결과의 확 대영상이다.", "그림 9(c)와 (d)는 제안하는 다중시점 복원 알고리즘을 이용하여 복원한 결과이다.", "그림 9(a),(b)와 비교하였을 때 물체의 경계부분이 잘 복원됨을 확인할 수 있으며 텍스처 또한 선명하게 복원되어 물체 표면의 글씨를 식별 가능하다.", "</p><p>제안하는 알고리즘 수행과정에서 초기 2D PSF 추정 과정에서 부정확한 2D PSF가 추정된 영상은 3D PSF 추정시 배제되거나 매우 낮은 가중치를 가지게 된다.", "결과적으로 양질의 정보만을 이용하여 3D PSF를 추정하여 디블러링에 이용하므로 부정확한 초기 2D PSF가 얻어진 시점일지라도 3D PSF를 이용하여 그 2D PSF를 대치함으로써 정교한 디블러링이 가능하다.", "</p><p>그림 10은 수평 방향으로 이동하는 물체를 5개의 카메라를 이용하여 동시에 취득한 영상에 대한 실험 결과이다.", "그림 10(a)는 움직임에 의해 블러된 입력 영상이며 그림 10(b)는 단일 영상 디블러링 알고리즘을 이용하여 독립적으로 디블러링 한 결과이다.", "단일 영상 디블러링 알고리즘을 이용하여 추정한 2D PSF는 수평방향의 선형적인 형태를 가지고 있지만 매우 두꺼우며 많은 잡음을 포함하고 있다.", "반면에 그림 10(c)에 나타낸 바와 같이 다중시점 영상을 이용한 디블러링 결과로 개선된 2D PSF는 잡음을 포함하지 않은 완벽하게 선형적인 형태를 가진다.", "복원된 영상 역시 그림 10(b)와 비 교하여 물체의 텍스처가 선명하게 복원되는 것을 확인 할 수 있다.", "</p><h2>2. 3차원 형상 복원 결과</h2><p>3 차원 형상 복원은 Middlebury 다중스테레오 영상을 이용하여 실험을 수행하였다.", "원 실험 영상에는 모션 블러가 존재하지 않으므로, 다중시점 스테레오 알고리즘을 이용하여 3 차원 형상을 복원하고 이를 이용하여 모션 블러를 합성하여 입력 다중시점 영상을 생성하였다.", "그림 11은 3차원 형상 복원의 결과를 확인하기 위한 다중시점 영상 중 한 시점의 영상이다.", "물체를 구형으로 바라보는 47 개의 서로 다른 시점에서 취득되었으며 \\( 640 \\times 480 \\) 해상도를 가진다.", "제안하는 다중시점 디블러링 알고리즘의 이용한 3 차원 형상 복원의 개선 정도를 비교하기 위하여 원본 영상(그림 11(a)), 블러된 영상 (그림 11(b)), 단일시점에서의 독립적인 디블러링 결과 영상(그림 11(c)) 그리고 다중시점 디블러링 결과 영상 (그림 11(d))을 나타낸다.", "</p><p>그림 12 는 그림 11의 영상에 대한 3차원 형상 복원 결과이다.", "그림 12(a)는 블러되지 않은 원본 영상에 대한 복원 결과이므로 비교를 위한 참값이라고 할 수 있다.", "그림 12(b)는 블러된 영상을 이용한 3 차원 형상 복원 결과이다.", "블러된 영상은 시점에 따라 물체의 기둥과 기둥 사이의 영역에 블러로 인한 잘못된 전경/배경 정보가 즌재하게 된다.", "따라서 그림 12(b)에 나타난 바와 같이 3차원 형상 복원 시 3차원 상의 물체의 형상을 추정하는데 매우 부정확한 결과를 초래한다.", "그림 12(c) 는 단일 영상 디블려링 알고리즘을 이용하여 개별 시점 의 영상을 디블러링한 뒤 3차원 형상 복원을 수행한 결과이다.", "</p><p>그림 12(b)의 결과 보다는 3차원 형상이 올바르게 복원됨을 확인할 수 있다.", "그러나 물체의 표면의 울퉁 불퉁한 영상과 같이 여전히 부정확한 복원 결과를 보인다.", "이는 다중시점 영상에 대해서 개별 영상만을 이용하여 디블러링을 수행한 경우 각 시점간의 위치관계는 고려되어지지 않기 때문에 정확한 디블러링이 수행되지 않았기 때문이다.", "그림 12(d)는 본 논문에서 제안하는 알고리즘을 이용한 디블러링 결과영상을 이용하여 3차원 형상 복원을 수행한 결과이다.", "다중시점 기반의 디블러링 알고리즘은 독립적인 단일시점 기반의 디블러링에 비하여 보다 정확한 디블러링을 수행하였고, 따라서 물체의 형상이 그림 12(a)와 그림 12(b)의 결과에 비해 정확히 복원되었을 뿐만 아니라 물체의 표면 또한 그림 12(a)의 참값에 매우 근접한 결과를 보인다.", "</p> <h2>3. 3D PSF 추정</h2><p>3D PSF를 추정하기 위하여 1 절의 결과인 개별 영상에서 추정한 2D PSF와 2절에서 추정한 2D PSF의 방향 정보와 신뢰도를 이용한다.", "신뢰도가 낮은 초기 PSF는 본 과정에서 제외되며, 3D PSF 추정후 이를 투영시켜 대체한다.", "본 논문에서는 블러의 원인인 물체의 3차원 움직임을 방향, 길이, 밀도 성분을 가진 3D PSF로 표현한다.", "</p><h3>(1) 방향성 추정</h3><p>본 논문에서는 3차원 공간상의 표현 가능한 모든 방향을 균일하게 샘플링 하여 다수의 방향성 후보들을 생성하고 개별 2D PSF와의 비교를 통하여 3D PSF의 최적의 방향성을 추정하는 기법을 제안한다.", "3차원 공간에서의 PSF 후보 방향성은 구 샘플링 알고리즘을 이용하여 생성한다.", "이 기법의 장점은 구의 위도와 경도에 관계없이 등간격의 각도를 가지는 방향성 샘플링이 가능한 점이다.", "이 때, 방향성 샘플은 \\( \\omega_{N}=\\left(\\theta_{k}, \\phi_{k}\\right)_{k}^{N} \\)로 표현 되어 \\( Y \\)축과 \\( Z \\)축에 대한 회전각으로 구성되며 \\( N \\)개의 샘플로 표현된다. \\", "( \\theta_{k} \\)와 \\( \\phi_{k} \\)는 각각 식 (2)와 식 (3)으로 나타낼 수 있다.", "여기서 \\( N \\)은 샘플의 수이며 (논문의 실험에서는 \\( N=800) ~ k \\)는 샘플 인덱스이다.", "</p><p>\\( \\begin{aligned} \\theta_{k} &=\\arccos \\left(h_{k}\\right) \\\\ h_{k} &=-1+\\frac{2(k-1)}{(N-1)} \\quad(1 \\leq k \\leq N) \\end{aligned} \\)<caption>(2)</caption></p><p>\\( \\phi_{k}=\\left(\\phi_{k-1}+\\frac{3.6}{\\sqrt{N}} \\frac{1}{\\sqrt{1-h_{k}^{2}}}\\right)(\\bmod 2 \\pi) \\), \\( 2 \\leq k \\leq N-1, \\phi_{1}=\\phi_{N}=0 \\)<caption>(3)</caption></p><p>생성된 3 차원상의 방향 샘플 PSF 들은 각 시점으로 투영되어 2절에서 구한 초기 2D PSF와 방향의 유사성을 계산한다.", "유사성은 각 시점으로 투영된 방향 샘플의 영역에 해당하는 2D PSF내부의 모든 값들의 합으로 정의된다.", "신뢰할 수 있는 모든 시점에 대해서 \\( N \\)개의 방향 샘플에 대한 유사도를 계산한 뒤 최종적으로 가장 높은 유사도를 가지는 방향성 샘플을 결정한다.", "</p><h3>(2) 길이 추정</h3><p>3D PSF의 길이를 추정하기 위해 길이가 서로 다른 가상의 길이 샘플 PSF를 생성한다.", "생성된 가상의 3D PSF 길이 샘플은 개별 시점으로 투영되어 높은 신뢰도를 가지는 2D PSF와 길이를 비교한다.", "투영된 3D PSF 길이 샘플 영역 내부에 해당하는 2D PSF의 화소값들 의 합이 더 이상 증가하지 않을 때 까지 3D PSF 샘플의 길이를 증가시켜가며 2D PSF와 비교한다.", "그림 5 는 다양한 3D PSF 길이 샘플이 특정 시점으로 투영된 영상이다.", "이 과정을 통해 각각의 2D PSF는 최적의 PSF 길이라고 퐌단되는 길이 값을 가지게 된다.", "얻어진 길이 값을 토대로 각 시점으로부터 voting을 수행하여 최 적의 길이라고 판단되는 최종 3D PSF의 길이를 결정한다.", "</p><h3>(3) 밀도 추정</h3><p>3D PSF의 밀도를 추정하기 위하여 이전 단계에서 추정한 방향과 길이 정보를 이용하여 가상의 3D PSF를 생성한다.", "우선, 생성된 3D PSF를 이산의 점들로 샘플링하고 개별 시점의 모든 초기 \\( \\mathrm{PSF} \\) 로 투영한다.", "다음으로, 그림 6 에 도시한 바와 같이 각각의 투영된 점들에 대해 설정된 지지 영역(supporting region)에서의 PSF 화소의 평균값을 구하고 이를 지지값(supporting value)이라고 한다.", "3D PSF의 특정한 샘플점의 밀도는 모든 영상에 대한 지지값의 평균값으로 결정하며 이를 모든 샘플점에 대해 반복하여 구한다.", "</p> <h1>II.", "다중시점 영상 기반의 3D PSF 추정</h1><p>본 논문에서 제안하는 알고리즘은 물체의 등속 선형 움직임을 가정한다.", "또한 영상에서의 PSF는 모두 균일한 상황을 가정한다.", "입력으로 쓰이는 다중시점 영상은 모두 보정(calibration)되어 있고 따라서 카메라 행렬이 알려져 있다.", "</p><h2>1. 초기 2D PSF추정</h2><p>본 논문에서는3D PSF를 추정하기 위한 관찰 정보로서 개별 시점에서 추정한 2D PSF를 사용한다.", "다중 시점 영상을 이용한 3차원 형상 복원 환경의 경우 개별 시점의 PSF는 복원 대상 물체의 3차원상의 움직임이 2차원상의 영상으로 투영된 것을 나타낸다.", "그러므로 개별 영상으로부터 추정된 2D PSF는 3차원상의 블러의 원인을 추정하는데 중요한 근거가 된다.", "</p><p>본 논문에서는 콘볼루션을 이용한 블러 모델을 가정 하며 블러된 영상 B는 식 (1)과 같이 표현된다.", "</p><p>\\( B=K \\otimes L+N \\)<caption>(1)</caption></p><p>여기서 \\( K, L, N \\)은 각각 모션 블러 커널(PSF), 선명한 원본영상, 그리고 잡음을 나타낸다.", "</p><p>본 논문에서는 각각의 입력 영상의 초기 PSF 를 생성하기 위한 알고리즘으로 Shock 필터를 이용하여 영상 내의 에지 정보를 강화시켜 PSF를 추정하는 Cho의 알고리즘을 사용하였다.", "그림 3은 다중시점 영상에 대한 초기 2D PSF 추정 결과이며, 일부 영상의 경우 매우 부정확한 결과가 얻어짐을 알 수 있다.", "</p><h2>2. 주성분 분석을 통한 2D PSF 방향성 추정</h2><p>다중시점 영상에 대해서 개별 영상만을 이용하여 각 시점의 2D PSF를 추정하는 경우 영상내의 잡음, 개별 시점에 따른 최적의 퐈가미터 값들의 상이함 등의 이후로 정확한 PSF를 추정하지 못한다.", "그림 3에 나타낸 바와 같이 3차원상의 선형적인 움직임을 가지는 물체임에도 불구하고 추정된 2D PSF는 선형적이지 않고 많은 잡음을 포함하고 있다.", "따라서 선형적인 움직임의 가정에 따라 추정된 2D PSF 의 방향을 다시 추정해야 할 필요가 있다.", "</p><p>이를 위하여 본 논문에서는 PSF내의 데이터에 대하여 주성분 분석 (principal component analysis)을 수행하여 2D PSF의 주방향과 신뢰도를 계산한다.", "주성분 분석을 통해 2D PSF 내의 값의 분포에 대한 고유치와 고유벡터를 얻을 수 있다.", "그림 4는 주성분 분석의 결 과로 얻어진 고유벡터 \\( V_{1}, V_{2} \\)를 나타낸다. \\", "( V_{1} \\)은 주성 분 분석으로부터 얻어진 주성분 벡터이며 \\( V_{2} \\)는 \\( V_{1} \\)에 직교하는 벡터이다.", "그림 4 (a)는 주성분 벡터 \\( V_{1} \\)이 PSF의 방향성을 잘 표현하고 있음을 보여주고 있다.", "그러나 그림 4 (b)는 PSF가 방향성을 가지고 있지 못 하며 심각한 잡음을 포함하고 있어 주성분 분석 결과가 올바른 방향성을 보여주지 못한다.", "</p><p>벡터 \\( V_{1}, V_{2} \\) 해당하는 교유치 \\( \\lambda_{1}, \\lambda_{2} \\)의 비율은 PSF의 중요도를 나타낸다.", "PSF 내부의 데이터의 분포 가 일정한 방향성을 가지는 선형적인 분포를 가질수록 \\( \\frac{\\lambda_{2}}{\\lambda_{1}} \\)의 값이 0에 가까워지며, 방향성을 가지지 못하고 넓은 분포를 가질수록 1 에 가까워진다.", "이러한 속성은 3D PSF를 추정함에 있어서 초기 2D PSF 정보의 신뢰도로 나타내어질 수 있다.", "이와 같이 구한 초기 2D PSF 신뢰도는 3D PSF를 추정함에 있어서 가중치로 사용된다.", "</p> <h1>VI.", "결 론</h1><p>본 논문에서는 블러가 존재하는 다중시점 영상에 대하여 영상간의 상호 기하학적 연관관계를 이용하여 효과적으로 디블러링을 수행하는 알고리즘을 제안하였다.", "다양한 실험을 통하여 기존의 독립적인 단일시점 디블러링 알고리즘을 이용하여 다중시점 영상의 디블러링을 수행하는 것에 비해 디블러링 결과가 괄목할 만하게 개선됨을 보였다.", "또한 제안하는 알고리즘이 블러링된 영상을 이용한 다중시점 스테레오 형상 복원의 결과를 크게 개선함을 보였다.", "제안하는 알고리즘은 다시점 영상의 물체 내부의 텍스처를 정확히 복원함으로써 3차원 형상 복원시 다중 스테레오 정합의 정확성을 높인다.", "또한 다시점 영상정보를 이용하여 3차원상의 유일한 3D PSF를 추정하므로 개별 시점의 최적의 파라미터 추정과정을 수행하지 않아도 된다.", "따라서 빠른 시간 내에 자동으로 형상복원이 가능하게 한다.", "</p> <h1>요약</h1><p>본 논문에서는 객체의 모션 블러(motion blur)를 포함하고 있는 다중시점(multi-view) 영상을 이용하여 객체의 3 차원 형상 복원시 영상을 효과적으로 디블러링(deblurring)하여 3차원 형상 복원의 정확도를 높이는 기법을 제안한다.", "다중시점 영상의 디블러링 수행시 다중시점 영상 간의 기하학적 상관관계를 고려하여 보다 정확히 PSF (point spread function)를 구함으로써 결과적으로 보다 정확한 3 차원 형상 복원을 수행할 있다.", "제안하는 기법은 각각의 입력 영상에서 초기 2D PSF를 독립적으로 구한 후, 3 차원 PSF의 후보를 각 입력 영상의 카메라 행렬에 의해 투영했을 때 이들에 전역적으로 가장 잘 부합하는 3D PSF를 탐색한다.", "3D PSF는 방향과 밀도 성분으로 구성되며 이는 결국 3차원 공간에서의 물체의 움직임 궤적과 동일하다.", "추정된 3D PSF는 각 영상으로 다시 투영되어 각 영상의 2D PSF로 추정되고, 이에 의해 각 영상의 디블러링을 수행한다.", "본 논문에서 제안하는 기법을 이용하여 다중시점 영상 디블러링과 3차원 형상 복원을 수행한 결과, 단일 영상만을 이용하여 복원할 경우에 비하여 디블러링과 3차원 형상 복원 모두 현저히 개선된 결과를 확인할 수 있다.", "</p> <h1>I.", "서 론</h1><p>최근 영상 취득 기술의 발전으로 인해 누구나 쉽게 영상을 취득하고 편집하며 전달할 수 있다.", "또한 영상은 뛰어난 정보 전달 기능으로 인해 다양한 분야에서 효과적인 정보 전달의 매개체로써 각광받고 있다.", "기술 의 발전으로 인해 고화질 영상의 취득이 용이해짐으로 써 한 장의 영상 내에 더 많은 양의 정보를 담을 수 있 게 되었다.", "이러한 흐름에 따라 영상 내에서 원하는 정 보를 빠르고 정확하게 처리해야 할 필요성이 대두되고 있다.", "컴퓨터 비전, 영상처리 분야에서는 이러한 영상내 의 정보를 복원, 추적, 정합, 분류, 합성 등의 다양한 목 적으로 사용해 왔다.", "하지만 취득된 영상이 여러 요인에 의해 변형, 훼손되어 부정확한 정보를 포함하고 있 는 경우 영상으로부터 올바른 정보를 추출하기 어럽다.", "</p><p>정확한 영상을 취득하는데 방해가 되는 주요 요인 중에 하나는 영상 취득 시 피사체의 움직임", "또는 영상취득 장비의 움직임으로 인한 모션 블러이다.", "영상 취득 시 그림 1 (a)와 같이 카메라 셔터 속도에 비해 빠른 물체의 움직임이 있는 경우 영상 내의 물체는 블러를 포함한다.", "또한 그림 1 (b)와 같이 손 떨림으로 인한 카메라의 움직임은 영상 전체가 블러되는 원인이 된다.", "영상이 블러되면 이후 정확한 알고리즘 수행은 매우 어려워지며, 따라서 적절한 디블러링 1~2을 수행하여 블러되지 않은 선명한 영상을 복원하는 노력이 필요하며, 이 과정은 크게 PSF(point spread function) 추정과 디콘볼루션(deconvolution)의 두 단계로 구성된다.", "</p><p>본 논문에서는 다중시점 영상을 이용한 3차원 형상 복원시 입력 영상에 블러가 존재하는 상황을 다룬다.", "디블러링을 수행하지 않고 3차원 형상 복원을 수행하거나 입력 영상을 독립적으로 디블러링 하여 3차원 형상복원을 수행할 경우 복원된 3차원 형상은 부정확한 결과를 보인다.", "본 논문에서는 이를 해결하기 위하여 다중시점 영상 간의 기하학적 상관관계를 고려한 효과적인 디블러링 기법을 제안한다.", "제안하는 알고리즘의 흐름도를 그림 2에 제시하였다.", "우선 각각의 입력 영상에서 초기 2D PSF를 독립적으로 구한 후, 3차원 PSF의 후보를 각 입력 영상의 카메라 행렬에 의해 투영했을 때 이들에 전역적으로 가장 잘 부합하는 3D PSF를 탐색한다.", "3D PSF는 방향, 길이, 밀도 성분으로 구성되며 이는 결국 3 차원 공간에서의 물체의 움직임 궤적과 동일하다.", "추정된 최적의 3D PSF는 각 영상으로 다시 투영되어 각 영상의 2D PSF로 추정되고, 이에 의해 각 입력 영상을 디콘볼루션하여 디블러링을 수행한다.", "최종적으로 디블러링된 영상을 이용하여 객체의 3 차원 형 상 복원을 수행한다.", "</p><p>본 논문의 구성은 다음과 같다.", "제 П장에서는 본 논문에서 제안하는 다중시점 영상 기반 3D PSF추정 알 고리즘을 소개한다.", "제 III장에서는 추정된 3D PSF를 이용하여 다중시점 영상의 각 영상을 디블러링 하는 기법을 제안한다.", "제 IV장에서는 다중시점 디블러링된 다 중시점 영상을 이용하여 3차원 형상 복원을 수행하며.", "제 V장에서는 다양한 입력 데이터에 대한 실험 결과를 제시한다.", "마지막으로 VI장에서는 본 논문의 결론을 맺는다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "\\(3\\)차원 형상 복원을 위한 다중시점 영상 디블러링", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0540c1d4-60cc-4151-8aea-e687a274cffe", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "최호열", "박인규" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅰ. 서 론</h1> <p>필름 복원은 오래된 필름에서 손상된 영역을 검출하고, 검출된 영역의 정보를 복원하는 것이다.", "최근 고화질의 멀티미디어 서비스에 대한 요구가 증가됨에 따라 필름 복원은 많은 연구자들로부터 관심을 받고 있다.", "여기에 서론을 입력하세요.", "일반적으로 오래된 필름은 더스트(dust), 스크래치(scratch), 플릭(flick) 등의 요인에 의해 손상되며, 그 중 가장 빈번하게 나타나는 손상요인이 스크래치이다.", "스크래치는 필름을 영상화 하거나 복사하는 과정에서 필름이 벗겨짐으로써 발생하는 손상요인이다.", "오래된 영화에는 다양한 스크래치들이 포함되어 있는데 이러한 스크래치들은 길이, 움직임", "및 주변과의 관계에 따라 표 1 과 같이 분류될 수 있다.", "</p> <p>이러한 스크래치들은 주변에 비해 밝거나 어두운 명암을 가진 직선으로 육안으로 쉽게 구별 될 수 있다.", "그림 1은 스크래치의 예를 보여준다.", "그림 1(a)은 principal하면서 동시에 not-alone의 특징을 가지는 negative 스크래치의 예를 보여준다.", "그림 1(b)은 principal하면서 동시에 alone의 특징을 가진 positive 스크래치를 보여준다.", "</p> <table border><caption>표 1. 스크래치의 종류</caption> <tbody><tr><td align=center>스크래치의 종류</td><td align=center>설명</td></tr><tr><td>Phincipal Scratch</td><td>프레임의 높이의 \\(95\\%\\)이상을 차지한다.", "</td></tr><tr><td>Secondary Scratch</td><td>Principal 스크래치 제외한 그 외 것들</td></tr><tr><td>Alone Scratch</td><td>항상 단독으로 나타난다.", "</td></tr><tr><td>Not-alone Scratch</td><td>인접한 영역의 다른 스크래치들과 함께 나타 난다.", "</td></tr><tr><td>Positive Scratch</td><td>스크래치 화소가 주변보다 밝게 나타난다.", "</td></tr><tr><td>Negative Scratch</td><td>스크래치 화소가 주변보다 어둡게 나타난다.", "</td></tr></tbody></table> <p>현재까지는 자동 스크래치 제거에 대한 많은 연구가 개발되어 왔지만 자동 검출과 복원을 모두 포함하는 시스템은 거의 없었다.", "대표적인 스크래치 제거 시스템으로는 Joyeux의 방법과 Lee의 방법이 있다.", "Joyeux의 방법은 1D-extrema detector를 이용하여 스크래치 후보를 정하고 이를 Kalman filter에 적용하여 스크래치 후보들을 추적한다.", "이로써 최종적으로 스크래치를 검 출하고, 이를 MAP(Maximization of the posterior probability)를 이용하여 복원한다.", "Joyeux의 방법은 스크래치를 제거하기 위하여 시간정보와 공간정보를 동시에 사용하기 때문에 많은 계산 량을 요구하는 단점을 가진다.", "Lee의 방법은 Gaussian filter와 Median filter를 사용하여 블록단위로 스크래치를 검출 하고, Inpainting 알고리즘을 이용하여 스크래치를 복원한다.", "Lee의 방법은 공간적인 정보만을 사용하지만, 단순한 배경과 특정 스크래치에만 적용할 수 있다는 제약을 가진다.", "</p> <p>개발된 스크래치 제거 시스템이 실제로 사용되기 위해서는 오래된 필름에서 생기는 다양한 스크래치를 복잡한 배경에서도 빠르게 검출하고 손상영역을 정확하게 복원할 수 있는 기술이 개발 되어야 한다.", "</p> <p>따라서 본 논문에서는 스크래치의 공간정보만을 이용한 스크래치 제거 시스템을 개발 하였다.", "스크래치의 중요한 공간 정보로는 텍스처 정보와 형태정보가 있다.", "</p> <p>텍스처 정보: 스크래치는 주변 화소에 비해 밝거나 어두운 값을 가진다.", "</p> <p>형태 정보: 스크래치는 세로의 가늘고 긴 직선 형태를 가진다.", "</p> <p>제안한 시스템은 스크래치 검출과 스크래치 복원으로 구성되어 있다.", "스크래치 검출 단계에서는 신경망 기반의 텍스처 분류기를 사용하여 스크래치와 비 스크래치 영역을 분류하고 스크래치의 형태적인 특징을 이용하여 설계된 원소구조를 모폴로지 기반의 형태 필터를 사용하여 잘못 분류된 비 스크래치 영역을 필터링한다.", "복원 단계에서는 스크래치 부분의 주변 화소 정보를 기반으로 한 양선형 보간법을 이용하여 스크래치를 복원한다.", "</p> <p>제안한 방법의 효율성을 검증하기 위하여 표1에 제시한 모든 종류의 스크래치에 대해 실험하였고, 그 결과를 Lee의 방법과 비교분석 하였다.", "분석 결과, 제안된 방법이 다양한 종류의 스크래치에 대해 강건하며 효율적임을 보여준다.", "</p> <p>본 논문은 다음과 같이 구성되어 있다.", "Ⅱ장에서는 제안된 시스템을 설명하고, Ⅲ장에서는 스크래치의 텍스처 정보와 형태적 정보를 이용한 스크래치 검출 방법에 대해 설명한다.", "Ⅳ장에서는 스크래치 복원 방법에 대해서 설명한다.", "Ⅴ장에서는 제안한 방법에 대한 실험 결과를 보여주고, 마지막 VI장에서는 결론으로 끝을 맺는다.", "</p> <h2>2. 인위적인 영상에서의 제거 결과</h2> <p>그림 7(a)과 7(d)은 인위적인 스크래치가 포함된 영상의 스크래치 제거 결과이다.", "일반적으로 인위적인 데이터는 이상적인 결과가 알려져 있기 때문에 양적으로평가가 가능하다.", "인위적인 데이터는 해상도가 800x352로 잘 알려진 타이타닉 영상으로 제작하였다.", "</p> <p>그림 7(a), (d)는 secondary/positive/not-alone 스크래치들을 인위적으로 포함하고 있는 입력 영상이다.", "그림 7(b), (e)는 Lee의 검출 결과와 복원 결과를 보여주며, 그림 7(c), (f)는 본 논문에서 제안된 방법을 이용한 검출 결과와 복원 결과를 보여준다.", "</p> <p>그림 7(b), (e)는 인위적인 손상영상에 대해 Lee의 방법을 적용한 결과, 표1에 제시한 모든 종류의 스크래치들을 검출하지 못했다는 것을 보여주며, 복원된 영상에서도 부분적으로 스크래치가 남아있는 것을 볼 수 있다.", "반면에 그림 7(c), (f)는 제안된 방법이 자동적이며 다양한 길이를 가지는 스크래치들에 대해서도 적용이 가능하다는 것을 보여준다.", "</p> <p>그림 6-7에서 보이는 것과 같이, 실험 결과는 제안된 방법이 Lee의 방법보다 더 나은 성과를 가진다는 것을 보여준다.", "</p> <p>제안된 복원 방법의 정확성을 객관적으로 증명하기 위해서는 인위적으로 생성된 스크래치를 가지는 영상에 적용되어야 한다.", "이를 위해 \"Titanic\"에 인위적으로 스크래치를 생성한 다음 제안된 방법으로 스크래치를 제거한 결과 프레임(O)과 손상되지 않은 원본 프레임(R)의 차이의 합을 스크래치 영역으로 나누는(MAD) 식(4)을 이용하여 복원 오차율(E)을 구하였다.", "</p> <p>\\( E=\\frac{\\sum_{i}^{\\text {Height }} \\sum_{j}^{\\text {Width }}|R(i, j)-O(i, j)|}{\\text { Area }_{\\text {scratches }}} \\)<caption>(4)</caption></p> <p>다음 표 2는 인위적으로 스크래치를 생성한 10장의 프레임에 대해 제안된 방법과 Lee의 복원된 결과에 대해 복원 오차율을 구한 결과이다.", "</p> <table border><caption>표 2. 복원 오차율</caption> <tbody align=center><tr><td colspan=3>복원오차율</td></tr><tr><td></td><td>Lee at el.", "</td><td>제안된 방법</td></tr><tr><td>최소</td><td>15.18</td><td>3.79</td></tr><tr><td>최대</td><td>42.79</td><td>12.63</td></tr><tr><td>평균</td><td>24.56</td><td>7.7</td></tr></tbody></table> <p>다음 그림 8은 다양한 스크래치를 포함하는 \"Sit-down\"의 한 프레임을 검출 및 복원한 예로써, 제안된 양선형 보간법의 한계점을 보여준다.", "제안된 보간법은 단순한 배경에서의 복원은 빠르면서 비교적 정확하게 복원하지만, 복잡한 배경이나 객체에 대한 복원은 그림 8과 같이 한계점을 가진다.", "그림 8에서 나타나는 한계점은 검출이 안 된 스크래치에 대해서는 복원이 안되고, 복잡한 배경에 대해서는 복원이 되어도 자연스럽지 않고, 복원된 스크래치 주변이 흐릿해지는(blob) 현상이 나타나는 것이다.", "이를 해결하기 위해 탐색 알고리즘을 이용한 복원방법을 연구 중에 있다.", "</p> <table border> <h1>Ⅳ. 스크래치 복원</h1> <p>스크래치 복원 단계에서는 스크래치 검출 후 손상된 영역을 복원하기 위해 검출된 스크래치 영역을 공간 복원 알고리즘인 양선형 보간법을 이용하여 영상을 복원한다.", "양선형 보간법은 주변 정보를 가지고 손상된 영역을 메움으로써 복원하는 방법이다.", "제안된 양선형 보간법은 새로운 화소를 인접한 네 개의 화소의 값의 가중치의 합으로 생성한다.", "가중치는 네 개의 화소로부터 복원하고자 하는 화소까지의 수평거리와 수직거리의 곱에 반비례 하도록 정의된다.", "<p>제안된 스크래치 복원 알고리즘은 검출된 스크래치 영역에 대해 단순한 선형 보간법을 이용하여 스크래치의 중앙에 위치하는 화소들을 모두 복원한 뒤, 양선형 보간법을 이용하여 복원하고자 하는 화소의 앞뒤 행에 위치하는 스크래치의 주변 좌우화소 값들을 이용하여 최종적으로 손상된 영역을 복원한다.", "양선형 보간법을 이용한 스크래치 복원 알고리즘은 다음과 같다.", "</p> <p>위의 알고리즘을 이용한 복원 과정이 그림 4에서 설명된다.", "그림 4(a)에서는 스크래치가 있는 영역의 일부를 보여주며, 검은 점은 스크래치, 횐 점은 비 스크래치이고, 회색 점은 복원된 화소를 나타낸다.", "그림 4(b)에서는 단순한 선형 보간법을 이용하여 스크래치의 주변 화소의 값으로부터 중앙 열에 위치하는 모든 화소 값을 구한다.", "이 단계는 복원하고자 하는 화소의 앞뒤 행을 참조하는 양선형 보간법을 적용하기 위한 전단계이다.", "그림 4(c)에서는 양선형 보간법을 이용하여 복원하고자 하는 화소의 앞뒤 행에 위치하는 중앙 화소의 값과 스크래치의 주변 화소 값들을 이용하여 스크래치 영역을 최종적으로 복원한다.", "</p> <p>그림 5는 스크래치 복원한 결과의 예를 보여준다.", "그림 5(a)는 원본 영상 위에 스크래치 추출결과를 맵핑한 영상 이고, 그림 5(b)는 양선형 보간법을 이용하여 복원한 결과 영상을 보여준다.", "복원된 결과에서 볼 수 있듯 이 제안된 복원 방법은 비교적 간단한 알고리즘 임에도 불구하고 정확하게 복원할 수 있음을 보였다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "공간 정보를 이용한 오래된 필름에서의 스크래치 제거 시스템", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-09c20b1c-2110-4aa8-b4eb-a0cbee2ea090", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "고은정", "김경태", "김은이" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>III.", "실 험</h1> <h2>1. 병사통신 단말기 구현 결과</h2> <p>그림 5(a)는 본 연구를 위해 제작된 병사통신 단말기 하드웨어 전면부의 모습이다.", "하드웨어의 전면에는Xilinx Spartan-6 LX45T가 탑재되어 있으며 FPGA와 RF ASIC에 기준 Clock을 제공하는 TCXO(temperature compensated crystal oscillator)가 장착되어 있다.", "이 이외에도 전원부와 오디오 코덱, 하드웨어 버튼, UART, Ethernet, JTAG, 그리고 SD CARD 슬롯이 자리하고 있다.", "그림 5(b) 는 하드웨어 후면부의 모습이다.", "후면에는 OMAP-L138 C6-IntegraTM DSP+ARMⓇ Processor가 탑재되어 있으며, FPGA와 RF 확장 보드의 연결을 위한 커넥터와 터치 패널과 LCD의 연결을 위한 커넥터가 자리하고 있다.", "</p> <p>UWB 통신 시스템 구현에 필요한 하드웨어 기능은 Verilog 언어를 이용하여 기술되었으며 Modelsim, Texas Instruments Code Composer Studio (CCS)와 Xilinx Chipscope를 이용하여 검증하였다.", "검증된 Verilog 프로그램은 Xilinx ISE와 Synopsys Synplify를 이용해 합성 후 Xilinx의 보급형 FPGA 모델 Spartan-6에 설치 구동된다.", "</p> <h2>2. 실험결과</h2> <h3>가.", "DSP와 FPGA 연동시험</h3> <p>병사통신 무전기의 통신 기능 시험에 앞서 DSP와 FPGA 의 연동과 기저대역 모뎀 자체 테스트를 수행하였다.", "이들 시험에서는 RF 모듈을 제거하고 동축케이블을 이용해 두 단말기를 1 대 1로 연결하여 사용하였다.", "이는 FPGA에서 RF ASIC에 제공하는 신호는 그 주파수 대역이 높아 일반 신호선 으로는 감쇠 현상 때문에 신호 전달이 원활하게 이루어지지 않기 때문이다.", "RF ASIC의 경우 환경 변수에 민감하게 반응하므로 정확한 DSP와 FPGA 사이의 정합 성능 시험 혹은 기저대역 모뎀 자체시험에는 RF 모듈을 제거하고 시험하는 것이 필요하다.", "</p> <p>그림 6은 DSP가 0부터 7까지의 총 \\(8 \\mathrm{Byte}\\) 데이터를 EMIF 버스를 통해 송신 버퍼에 써넣은 내용을 기저대역 모뎀이 읽어가는 과정을 Xilinx Chipscope를 이용해 확인한 것이다.", "in_data_byte 신호선은 MAC이 발생시킨 컨트롤 신호에 따라 모뎀이 송신 버퍼의 내용을 읽어가는 데이터 신호이다.", "모뎀은 송신 버퍼에 데이터가 준비되었다는 신호를 전달 받으면 자체적으로 주소 값을 생성하여 지정된 길이의 데이터를 송신버퍼로부터 읽는다.", "</p> <h3>나.", "1대1 통신시험</h3> <p>RF 모듈의 성능을 검증하고 단말간 거리에 따른 성능 변화를 측정하기 위해 그림 7과 같이 장애물이 없는 직선상의 두 단말의 거리를 변화시키며 테스트를 진행하였다.", "이는 DSP와 FPGA의 연동 테스트와 마찬가지로 CCS 디버거를 이용해 DPS에 직접 실행 프로그램을 주입하여 테스트를 진행하였으며 RF 모듈에 무지향성 안테나를 장착하여 1대 1 송수신 테스트를 진행하였다.", "</p> <p>그림 8은 CCS를 이용하여 1대1 데이터 전송 테스트를 수행한 결과이다.", "이 시험에서 반복적으로 전송되는 데이터는 0부터 15까지 총 \\( 16 \\mathrm{byte} \\)이다.", "그림 6 에 나타난 데이터는 수신 단말기에서 반복적으로 수신 받은 데이터 중 1번 버퍼와 0번 버퍼에 저장된 데이터를 출력한 것이다.", "수신 버퍼는 2개의 버퍼를 이용하여 원형버퍼 형태로 구현되었다.", "확인된 결과로부터 송신한 데이터들이 모두 정상적으로 수신됨을 볼 수 있다.", "</p> <p>데이터 전송시험 후에 음성데이터 전송시험을 수행하였다.", "시험을 위해 송신단에서는 MP3 재생기를 음원으로 사용하였으므로 수신단에서는 복호된 소리를 스피커로 청취하였다.", "측정결과 \\( 95 \\% \\) 이상의 음성 패킷이 성공적으로 전송되었다.", "</p> <p>표 2는 장애물이 없는 \\( 600 \\mathrm{~m} \\) 거리의 두 단말을 Horn 안테나와 Array 안테나를 사용해 거리에 따른 1대1 데이터 전송 테스트를 수행한 결과이다.", "이론상 \\( 900 \\mathrm{~m} \\) 거리에서 안테나의 종류에 관계없이 \\( 90 \\% \\) 이상의 수신율을 보였다.", "</p> <table border><caption>표2. 원거리 \\( 1: 1 \\) 통신 테스트 결과</caption> <tbody><tr><td>차시</td><td>Antenna</td><td>외부 Atten.", "</td><td>이론적 거리</td><td>수신율</td></tr><tr><td>1</td><td>Horn</td><td>\\( 3 \\mathrm{~dB} \\)</td><td>\\( 900 \\mathrm{~m} \\)</td><td>\\( 100 \\% \\)</td></tr><tr><td>2</td><td>Horn</td><td>\\( 3 \\mathrm{~dB} \\)</td><td>\\( 900 \\mathrm{~m} \\)</td><td>\\( 91 \\% \\)</td></tr><tr><td>3</td><td>Array</td><td>\\( 3 \\mathrm{~dB} \\)</td><td>\\( 900 \\mathrm{~m} \\)</td><td>\\( 97 \\% \\)</td></tr><tr><td>4</td><td>Array</td><td>\\( 3 \\mathrm{~dB} \\)</td><td>\\( 900 \\mathrm{~m} \\)</td><td>\\( 95 \\% \\)</td></tr><tr><td>5</td><td>Horn</td><td>\\( 8 \\mathrm{~dB} \\)</td><td>\\( 1500 \\mathrm{~m} \\)</td><td>\\( 90 \\% \\)</td></tr><tr><td>6</td><td>Horn</td><td>\\( 8 \\mathrm{~dB} \\)</td><td>\\( 1500 \\mathrm{~m} \\)</td><td>\\( 73 \\% \\)</td></tr><tr><td>7</td><td>Horn</td><td>\\( 8 \\mathrm{~dB} \\)</td><td>\\( 1500 \\mathrm{~m} \\)</td><td>\\( 85\\% \\)</td></tr><tr><td>8</td><td>Horn</td><td>\\( 8 \\mathrm{~dB} \\)</td><td>\\( 1500 \\mathrm{~m} \\)</td><td>\\( 67 \\% \\)</td></tr><tr><td>9</td><td>Array</td><td>\\( 8 \\mathrm{~dB} \\)</td><td>\\( 1500 \\mathrm{~m} \\)</td><td>\\( 80 \\% \\)</td></tr><tr><td>10</td><td>Array</td><td>\\( 8 \\mathrm{~dB} \\)</td><td>\\( 1500 \\mathrm{~m} \\)</td><td>\\( 52 \\% \\)</td></tr><tr><td>11</td><td>Array</td><td>\\( 8 \\mathrm{~dB} \\)</td><td>\\( 1500 \\mathrm{~m} \\)</td><td>\\( 74 \\% \\)</td></tr><tr><td>12</td><td>Array</td><td>\\( 8 \\mathrm{~dB} \\)</td><td>\\( 1500 \\mathrm{~m} \\)</td><td>\\( 40 \\% \\)</td></tr></tbody></table> <h3>다.", "멀티홉 통신시험</h3> <p>그림 9는 Ad-hoc 네트워크의 동작을 검증하기 위해 5개의 병사통신 무전기를 무선으로 연결한 상태를 보여준다.", "Ad-hoc 시험은 5개의 단말기를 일정 간격으로 배치하여 시행되었다.", "테스트에 사용된 소프트웨어는 Linux 환경에서 독립적으로 실행되도록 구성되었으며 시리얼 인터페이스를 통해 연결된 PC에서 동작을 모니터링 하였다.", "단말이 서로 인접한 상황에서 멀티홉 동작을 시험하기 위해서 RF ASIC과 안테나 사이에 감쇠기를 삽입하여 단말들이 서로 멀리 있는 것과 유사한 효과를 얻도록 하였다.", "</p> <p>멀티홉 환경에서도 \\( 1: 1 \\) 통신의 경우와 같이 패킷 데이터와 음성 데이터의 전송을 확인하였다.", "구성된 직선 형태의 망에서 중간 노드들을 거처 종단간의 음성데이터와 패킷데이터가 성공적으로 전송됨을 확인하였으며 그 수신률은 \\( 80 \\% \\) 이상이었다.", "</p> <h1>II.", "본 론</h1> <h2>1. 병사통신 시스템</h2> <p>본 논문에서 고려하는 병사 통신 시스템이 목표로 하는 시스템의 사양은 표 1과 같다.", "이 시스템은 물리 계층에서 DS-UWB (Direct Spreading Ultra Wide Band)방식을 사용한다.", "DS-UWB 방식은 송신 신호의 에너지가 넓은 주파수 대역에 확산되므로 감청이 어려워 보안성이 뛰어나다는 장점이 있다.", "또한 신호가 시간 영역에서 수 나노초(\\(\\mathrm{nsec}\\)) 수준으로 짧게 발생되기 때문에 상대편 단말기에 대한 정밀한 위치 측정이 가능하나는 장점도 있다.", "</p> <table border><caption>표1. UWB 병사통신 망의 사양</caption> <tbody><tr><td>항목</td><td>특성</td></tr><tr><td>물리계층</td><td>DS-UWB</td></tr><tr><td>서비스의 종류</td><td>음성, 단문 메시지, 측위</td></tr><tr><td>단말기의 이동성</td><td>보행자 수준</td></tr><tr><td>단말기 간 동기방식</td><td>비동기</td></tr><tr><td>기지국</td><td>없음", "</td></tr><tr><td>채널의 수</td><td>1</td></tr><tr><td>최대 단말기 수</td><td>12</td></tr><tr><td>최대 1홉 통신거리</td><td>\\( 300 \\mathrm{M} \\)</td></tr><tr><td>최소 동시통화 호 수</td><td>2</td></tr><tr><td>주파수 범위 BW</td><td>\\( 3.1 \\sim 5 \\mathrm{GHz} \\)/ \\(6 \\sim 10 \\mathrm{GHz} \\)</td></tr><tr><td>UWB 신호 대역폭</td><td>\\( 0.5 \\sim 1 \\mathrm{GHz} \\)</td></tr><tr><td>수신기 잡음 지수</td><td>\\(<8 \\mathrm{~dB} \\)</td></tr><tr><td>수신기 이득 범위</td><td>\\( 30 \\sim 60 \\mathrm{~dB} \\)</td></tr><tr><td>수신기 감도</td><td>\\(<-84 \\mathrm{dBm} @ 4 \\mathrm{GHz} \\)</td></tr><tr><td>송신 첨두 출력</td><td>\\( >-14 \\mathrm{dBm} \\)</td></tr><tr><td>RF 전압 및 전력소모</td><td>\\(<200 \\mathrm{mA@1.5V} \\)</td></tr></tbody></table> <p>본 논문에서 다루는 병사 통신 시스템은 분대 단위의 구성원에게 i) 음성 통신, ii) 단문 메시지, iii) 단말기 위치 서비스를 제공한다.", "음성 통신은 2대의 단말기가 양방향 음성 통화를 수행하는 것이다.", "이 시스템에서 지원 가능한 최소 음성 호의 수는 2개 이상이다.", "최대 음성호의 수는 망의 형태에 따라 달라지므로 따로 정의하지 않는다.", "단문 메시지는 단말기들 사이에 문자 메시지를 주고받는 것이며 이때 1 대 1 통신 뿐 아니라 방송(broadcasting) 형태의 전송도 가능하다.", "단말기 위치 서비스는 상대 단말기의 위치를 제공하는 것이다.", "상대 단말의 위치를 측정하기 원하는 단말기는 측위 신호를 전송하고 이 측위 신호를 수신한 상대 단말기는 이 신호를 정해진 시점에 반송한다.", "측위를 요청한 송신 단말기는 최초의 전송 시점부터 신호의 반송 시점 사이의 시간을 측정하여 그 거리를 계산한다.", "</p> <p>병사통신 시스템에서 서비스 제공 가능한 최대 인원은 분대 구성원 수를 12명으로 가정하였으며 병사들의 이동 속도를 감안하여 단말기의 이동 속도를 보행자 수준으로 가정하였다.", "또한 분대 구성원이 작전 시 떨어질 수 있는 최대 거리를 \\( 300 \\mathrm{~m} \\)로 가정하였다.", "이 거리를 벗어나는 영역에 존재하는 단말기들과의 통신은 중간노드에서 음성 데이터를 중계하여 이루어진다.", "</p> <p>망의 형태는 이동성을 보상하면서 기반시설이 없는 작전 지역에서도 통신이 가능해야 하므로 기지국을 사용하지 않는 Ad-hoc 네트워크 형테로 개발하였다.", "따라서 단말기의 망에 대한 가입 탈퇴가 자율적으로 이루어지고 주어진 조건에서 최적의 전송 경로를 찾을 수있다.", "</p> <p>RF 신호 처리를 위해 구현된 RF ASIC은 \\( 3.1 \\sim 5 \\mathrm{GHz} \\)와 \\( 6 \\sim 10 \\mathrm{GHz} \\) 의 주파수 범위에서 \\( 0.5 \\sim 2 \\mathrm{GHz}\\)의 대역폭을 갖는다.", "이는 본래 DS-UWB 통신 방식의 통과 대역 주파수가 \\( 3.1 \\sim 10.6 \\mathrm{GHz} \\) 대역으로 정의되고 있지만 \\( 5 \\sim 6 \\mathrm{GHz} \\)를 사용하는 무선 LAN의 통과 대역 주파수 대역을 제외하고 \\( 3.6 \\sim 5 \\mathrm{GHz} \\)의 저주파 대역과 \\( 6 \\sim 10 \\mathrm{GHz} \\)의 고주파 대역으로 구분하기 때문이다.", "</p> <p>병사통신 단말기는 휴대용 기기이므로 소모 전력이 최소화되어야 한다.", "소모 전력 최소화를 위해 사용되는 모든 프로토콜 계층에서 소모전력 최소화 방안이 고려 되어야 한다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "UWB 병사통신 단말기의 구현", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-085738a2-902d-4e62-91a1-eaf3282ae4ce", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2013", "doc_author": [ "최한승", "이현석", "구명현", "신정호" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅲ. 기존 채널 보간과 예측 기법</h1><p>본 장에서는 기존 채널 보간과 예측 기법에 대해서 살펴본다.", "기존 기법으로는 NLMS(Normalized Least Mean Square), RLS(Recursive Least Square), 그리고 SM-APA(Set Membership Affine Projection Algorithm) 기법이 있다.", "</p><p>그림 5는 Prediction horizon \\(\\mathrm{p}\\)에 대한 예측 에러를 나타낸다. \\", "( \\mathrm{p} \\) 값이 커짐에 따라 에러가 커지는 것을 볼 수 있다.", "여기서 \\( \\mathrm{M} \\) 은 예측을 위해 사용되는 샘플 수를 나타내며 \\( \\mathrm{mu} \\), \\(\\mathrm{lambda}\\), 그리고 \\( \\mathrm{gamma} \\) 는 각 필터의 파라미터를 나타낸다.", "각 필터는 특정 파라미터에 따라 수렴 속도가 결정되며, 채널 환경에 따라 dependency가 있다는 단점이 있다.", "</p><p>또한 2D MMSE(2 Dimensional Mimimum Mean Square Error) 예측 기법이 있다.", "이 기법의 경우 채널의 자기상관함수와 SNR (Signal to Noise Ratio)값이 필요하다.", "이런 가정은 실제 채널에 적용될 수 없으며, 본 장에서는 선형과 스플라인에 대한 보간과 예측 기법 에 대해 살펴본다.", "</p><h2>가.", "선형 보간과 예측 기법</h2><p>선형 보간과 예측 기법은 구현이 가장 쉬운 기법이다.", "채널 추정으로부터 얻은 채널 주파수 응답에 대한 보간은 다음과 같이 이루어진다.", "</p><p>\\( \\widetilde{H}(n, k)=\\hat{H}(4, k)+\\frac{m}{6}(\\hat{H}(11, k)-\\hat{H}(4, k)) \\)<caption>(3)</caption></p><p>이때 \\( \\mathrm{m}=0,1, \\ldots, 6 \\) 의 값을 가지며, \\( \\widetilde{H}(n, k) \\) 는 보간된 채널 주파수 응답, \\( \\hat{H}(4, k) \\) 와 \\( \\hat{H}(11, k) \\) 는 4 번째 그리고 11 번째 파일럿 심볼에서의 추정된 채널을 나타낸다.", "인접 두 점을 이용해 직선의 방정식으로 extrapolation과 예측을 하여 전체 채널 주파수 응답 \\( \\bar{H}(n, k) \\) 를 구한다.", "</p><h2>나.", "스플라인 보간과 예측 기법</h2><p>스플라인 보간과 예측 기법은 두 파일럿 심볼 사이와 가장자리를 3차 다항식으로 근사화 하여 보간과 예측하는 기법이다.", "3차 다항식을 다음과 같이 나타낼 수 있다.", "</p><p>\\( S(x)=a_{i}\\left(x-x_{i}\\right)^{3}+b_{i}\\left(x-x_{i}\\right)^{2}+c_{i}\\left(x-x_{i}\\right)+d_{i} \\)<caption>(4)</caption></p><p>여기서 \\( a_{i}, b_{i}, c_{i}, d_{i} \\) 는 스플라인 \\( S(x) \\) 의 계수 값이다.", "계수 값을 결정하기 위해서는 4 개의 조건이 필요하다.", "각 점에서 원래의 데이터 값을 곡선이 지나는 조건과 각 점에서 두 곡선의 함수 값이 같아야 하는 조건이있다.", "</p><p>\\( S_{i}\\left(x_{i}\\right)=y_{i}, S_{i}\\left(x_{i+1}\\right)=y_{i+1} \\)<caption>(5)</caption></p><p>또한, 각 점에서 두 곡선의 매끄럽기가 같게 해야 되며 이것은 두 곡선의 미분 값이 같아야 한다는 것을 의미한다.", "그리고 더욱 매끄럽게 만나게 하기 위해서는 각 점에서 두 곡선의 이차 미분 값을 같게 하면 된다.", "</p><p>\\( S_{i-1}^{\\prime}\\left(x_{i}\\right)=S_{i}^{\\prime}\\left(x_{i}\\right), S_{i-1}^{\\prime \\prime}\\left(x_{i}\\right)=S_{i}^{\\prime \\prime}\\left(x_{i}\\right) \\)<caption>(6)</caption></p><p>이와 같은 조건을 이용해서 3차 다항식의 계수를 구할 수 있으며 보간", "및 예측을 할 수 있다.", "</p> <h1>Ⅴ. 모의실험 결과 및 성능 분석</h1><h2>1. 모의실험 모델 및 파라미터</h2><p>모의실험은 LTE 업링크 시스템을 기반으로 이루어졌으며, \\( f_{c} \\) 가 \\( 2 \\mathrm{GHz} \\) 의 경우 속도와 도플러 주파수의 관계는 표 1 과 같다.", "</p><p>LTE UL 시스템 파라미터는 표 2 와 같다.", "</p><table border><caption>표 2. 시스템 파라미터</caption><tbody><tr><td>Parameter</td><td>Value</td></tr><tr><td>Carrier frequency</td><td>\\( 2 \\mathrm{GHz} \\)</td></tr><tr><td>Bandwidth</td><td>\\( 1.4 \\mathrm{MHz} \\)</td></tr><tr><td>Sample frequency</td><td>\\( 1.92 \\mathrm{MHz} \\)</td></tr><tr><td>Subframe duration</td><td>\\( 1 \\mathrm{ms} \\)</td></tr><tr><td>Subcarrier spacing</td><td>\\( 15 \\mathrm{kHz} \\)</td></tr><tr><td>FFT size</td><td>128</td></tr><tr><td>Occupied subcarriers</td><td>72</td></tr><tr><td>No.", "of subcarriers/PRB</td><td>12</td></tr><tr><td>Cyclic Prefix (CP)</td><td>Normal CP</td></tr><tr><td>No.", "of OFDM symbols/subframe</td><td>14 (Normal CP)</td></tr><tr><td>Modulation scheme</td><td>4 QAM</td></tr><tr><td>Noise</td><td>AWGN</td></tr><tr><td rowspan=2>Velocity</td><td>Freeway : \\( 140 \\mathrm{~km} / \\mathrm{h} \\)</td></tr><tr><td >Urban : \\( 15 \\mathrm{~km} / \\mathrm{h} \\)</td></tr><tr><td rowspan=2>Channel Model</td><td>Freeway : UMa NLoS</td></tr><tr><td >Urban : UMi NLoS</td></tr><tr><td>MiMo configuration</td><td>\\(2 \\times 2 \\)</td></tr><tr><td>Channel Estimation</td><td>MMSE</td></tr><tr><td>Channel Interpolation and Prediction</td><td>Linear, Spline, ADPSS</td></tr><tr><td>Downlink delay</td><td>\\(5 \\mathrm{ms}\\)</td></tr><tr><td>Advanced Receiver</td><td>MMSE</td></tr></tbody></table><h2>2. 모의실험 성능 분석</h2><p>기존 기법과 제안한 ADPSS 채널 보간과 예측 기법에 대한 성능 평가가 이루어졌다.", "</p><p>그림 7-10은 고속도로 환경에서 다운링크 지연 시간 \\( 5 \\mathrm{~ms} \\) 에 대한 Prediction MSE, BER, BLER, 그라고 Throughput을 나타낸다.", "선형과 스플라인 기법은 지연 시간이 \\( 5 \\mathrm{~ms} \\) 인 경우 채널 예측을 거의 할 수 없으며, 링크 적응의 성능 저하를 가저온다.", "제안한 ADPSS 기법은 예측 에러 측면에서 성능이 우수하며 이는 보다 정확한 링크 적응으로 신뢰성 있는 데이터 검출이 가능하다.", "</p><p>그림 11-14는 도심 환경에서 다운링크 지연 시간 \\( 5 \\mathrm{~ms} \\) 에 대한 Prediction MSE, BER, BLER, 그리고 Throughput을 나타낸다.", "도심 환경은 고속도로 환경보다 차량의 속도가 느리기 때문에 모든 측면에서 성능은 좋다.", "고속도로 환경과 마찬가지로, 선형과 스플라인 기법은 지연 시간이 \\( 5 \\mathrm{~ms} \\) 인 경우 채널 예측을 거의 할 수 없으며, 링크 적응의 성능 저하를 가져온다.", "또한, ADPSS 기법은 차량이 낮은 속도를 가지는 도심지에서 성능이 우수하다는 것을 볼 수 있다.", "</p> <h1>Ⅵ. 결 론</h1><p>본 논문에서는 V2I 통신 환경에서 LTE 업링크 시스템의 채널 보간과 예측 기법을 제안하였다.", "제안 기법인 ADPSS는 정규 직교 기저 DPS 시훤스를 구성한 후 기저 함수 값으로 상관 행렬을 형성한다.", "이 후, DPS 시퀀스와 상관행렬을 이용하여 채널 보간과 예측을 할 수 있다.", "또한, 주파수 도메인에서 스무딩을 통해 잡음을 제거할 수 있다.", "그러므로, 정확한 채널 예측이 가능하며, 신뢰성 있는 데이터 검출을 할 수 있다.", "모의실험 결과, 제안한 기법이 차량의 낮은 속도와 높은 속도를 가지는 도심지와 고속도로에서 채널 예측 에러와 데이터 검출 에러 관점에서 성능이 향상된 것을 볼 수 있다.", "향후 연구 과제로는 더 높은 속도를 가지는 차량에서 다운링크 지연 시간에 대한 보상을 위한 강인한 채널 예측 알고리즘을 고려하고 있다.", "</p> <h1>Ⅳ. ADPSS 채널 보간과 예측 기법</h1><p>본 장에서는 ADPSS 채널 보간과 예측 기법을 제안한다.", "ADPSS는 DPSS를 이용한 채널 보간과 예측에 스무딩을 적용한 기법으로 과정은 다음과 같다.", "</p><p>정규 직교 기저 DPS sequence \\( u_{i}^{(S)} \\) 는 기저 행렬 \\( C \\)의 고유 벡터이며 다음을 만족한다.", "</p><p>\\( C u_{i}^{(S)}=\\lambda_{i} u_{i}^{(S)} \\)<caption>(7)</caption></p><p>여기서 \\( \\lambda_{i} \\) 는 고유 값이며, 기저 행렬 \\( C \\) 는 다음과 같이 정의된다.", "</p><p>\\( [C]_{i, l}=\\frac{\\sin \\left[2 \\pi(i-l) v_{D_{\\max }}\\right]}{\\pi(i-l)} \\)<caption>(8)</caption></p><p>여기서 \\( v_{D \\max }=\\frac{v}{c} f_{c} T_{s} \\) 는 정규화 된 도플러 주파수이며, \\( i, l \\in 0, \\ldots, M-1 \\) 이다.", "</p><p>파일럿 위치에서 채널 벡터를 기저 함수 값으로 다음과 같이 나타낼 수 있다.", "</p><p>\\( f=\\left[\\begin{array}{c}u_{0} \\\\ \\cdot \\\\ \\cdot \\\\ \\cdot \\\\ u_{D-1}\\end{array}\\right] \\in R^{D} \\)<caption>(9)</caption></p><p>상관 행렬을 다음과 같이 정의 할 수 있다.", "<p><p>\\( G=\\sum f f^{H} \\)<caption>(10)</caption></p><p>여기서 \\( H \\) 는 conjugate transpose를 의미한다.", "상관 행렬 \\( G \\) 을 이용하여 \\( \\hat{\\gamma} \\) 을 나타낼 수 있다.", "</p><p>\\( \\hat{\\gamma}=G^{-1} \\sum y[n, k] p^{*}[n, k] f^{*} \\)<caption>(11)</caption></p><p>여기서 \\( y[n, k] \\) 는 수신된 신호, \\( p[n, k] \\) 는 송신한 파일럿 심볼을 나타낸다.", "그 다음 \\( H[n, k] \\) 를 \\( \\mathrm{DPS} \\) sequence \\( u_{i}^{(S)} \\) 로 확장시키며 (8)-(11) 과정의 파라미터를 사용하여 채널 보간과 예측을 할 수 있다.", "</p><p>\\( H[n, k] \\approx H^{(S)}[n, k]=\\sum_{i=0}^{D^{(5)}-1} u_{i}^{(S)} \\hat{\\gamma}_{i}^{(S)} \\)<caption>(12)</caption></p><p>이 후, \\( H^{(S)}[n, k] \\) 는 스무딩을 통하여 주파수 도메인에서 잡음을 제거할 수 있다.", "</p><p>\\( \\bar{H}[n, k]=\\frac{1}{2 q} \\sum_{i=-q}^{q} H^{(S)}[n, k+i] \\)<caption>(13)</caption></p><p>여기서 \\( q \\) 는 스무딩 파라미터이다.", "</p><p>그림 6 은 본 논문에서 사용되는 성능 평가 지표를 나타낸다.", "채널 예측과 데이터 검출에 관해 4 가지를 볼 수 있다.", "</p> <h2>Ⅱ. V2I 통신 시스템 모델</h2><p>본 논문에서는 \\( 3 \\mathrm{GPP} \\) 표준화를 기반으로 LTE 기반 업링크 시스템에서 연구를 수행하였다.", "</p><p>LTE 업링크 시스템은 SC-FDMA(Single-Carrier Frequency Division Multiple Access)를 기반으로 한다.", "이 변조 방식은 OFDMA(Orthogonal Frequency Division Multiple Access)의 단점인 PAPR(Peak to Average Power Ratio)을 줄이기 위해 DFT-spreading을 이용한다.", "이 시스템에서는 파일럿 심볼을 이용하여 채널 추정을 하며, LTE 업링크 시스템에서 파일럿 심볼을 DMRS라고 한다.", "그림 2 는 서브프레임에서 DMRS의 위치를 나타낸다.", "</p><p>Normal CP라고 가정했을 때, 서브프레임은 14 개의 OFDM symbol로 구성되고 DMRS는 시간-주파수 resource grid의 OFDM 심볼 4 번째와 11 번째의 위치에 멀티플렉싱 된다.", "</p><p>심볼 시간 \\( \\mathrm{n} \\) 과 부반송파 \\( \\mathrm{k} \\) 에서 수신된 신호는 다음과 같이 표현된다.", "</p><p>\\( Y \\left[n, k\\right]=H\\left[n, k\\right] x[n, k]+z\\left[n, k\\right] \\)<caption>(1)</caption></p><p>\\( x\\left[n, k\\right] \\) 는 전송된 심볼, \\( H\\left[n, k\\right] \\) 는 채널 계수, \\( z\\left[n, k\\right] \\)는 가우시안 잡음을 나타낸다.", "</p><p>파일럿 심볼 위치에서 채널 추정은 LS(Least Square) 또는 MMSE(Minimum Mean Square Error) 방식을 이용하여 할 수 있다.", "파일럿 심볼이 없는 위치의 채널 추정을 위해 보간 기법이 사용되며, 본 논문은 시간 영역 1 차원 보간 기법에 대해 다룬다.", "그리고 기지국에서 링크 적응 파라미터 계산을 위한 처리 지연 시간의 보상을 위해 예측 기법이 사용된다.", "</p><p>\\( \\mathrm{n} \\) 번째 시간에서 보간을 한 후, \\( \\mathrm{n}+1 \\) 시간부터 임의의 \\( \\mathrm{n}+\\mathrm{p} \\)시간의 채널을 예측을 한다.", "여기서 \\( \\mathrm{p} \\) 는 Prediction horizon으로 \\( \\mathrm{p} \\) 시간만큼을 미리 예측해야 한다는 파라미터이다.", "</p><p>본 논문에서 채널 모델은 Extended Rosa Zheng 모델을 사용한다.", "Jakes 도플러 스펙트럼에서 자기 상관 함수는 0차 1 종 베셀 함수로 주어진다. \\", "( f_{d}=\\frac{v}{c} f_{c} \\) 는 최대 도플러 천이를 나타내며 \\( v \\) 는 차량의 속도, \\( c \\) 는 빛의 속도 \\( 3 \\times 10^{8} \\mathrm{~m} / \\mathrm{s} \\), 그리고 \\( f_{c} \\) 는 캐리어 주파수를 나타낸다.", "자기 상관 함수가 0.5 미만으로 떨어 질 때 코히런스 시간은 다음과 같이 나타낸다.", "</p><p>\\( T_{c} \\approx \\frac{9}{16 \\pi f_{d}} \\)<caption>(2)</caption></p><p>예를 들어, 코히런스 시간 \\( T_{c} \\) 를 \\( 5 \\mathrm{~ms} \\) 라고 가정하며 캐리어 주파수 \\( f_{c} \\) 를 \\( 2 \\mathrm{GHz} \\) 라고 할 때 최대 견딜 수 있는 속도는 \\( 20.2 \\mathrm{~km} / \\mathrm{h} \\) 이다.", "</p><p>가장 큰 성능 저하는 delay 0와 delay 1 사이에서 일어난다.", "다운링크 지연 시간이 코히런스 시간에 가까워지면 상관이 약해지며 링크 적응의 성능이 좋아진다.", "</p> <h1>요 약</h1><p>V2I (Vehicle to Infrastructure) 통신은 ITS(Intelligent Transportation Systems)와 텔레매틱스 서비스를 제공하기 위한 차량과 노변 기지국간 통신 기술을 말한다.", "차량은 Probe data를 기지국을 통하여 수집하며, 기지국은 도로 상태나 교통 정보를 차량에 제공한다.", "이러한 V2I 통신 서비스를 제공하기 위해서는 신뢰성 있으며 높은 전송률을 달성할 수 있는 링크 적응 기법이 필요하다.", "수신단은 추정한 CSI(Channel State Information)를 송신단으로 피드백하며 송신단은 이 정보를 이용하여 링크 적응을 한다.", "그러나 차량 속도에 의한 채널의 빠른 변화와 계층 간 처리 지연 시간으로 인해 추정한 CSI는 outdated되게 된다.", "이를 위해, V2I 통신 시스템에서 링크 적응을 위한 채널 보간과 예측 기법이 필요하다.", "본 논문에서는 ADPSS(Advanced Discrete Prolate Spheroidal Sequence) 채널 보간과 예측 기법을 제안한다.", "제안한 기법은 정규 직교 기저를 만들고 상관 행렬을 이용하여 채널 보간과 예측을 한다.", "또한, 주파수 도메인에서 잡음 제거를 위해 스무딩을 한다.", "모의실험 결과, 기존 기법과 비교했을 때 제안한 기법이 차량의 높은 속도와 낮은 속도를 가지는 고속도로와 도심지에서 성능이 향상된 것을 볼 수 있다.", "</p> <h1>Ⅰ. 서 론</h1><p>MIMO(Multiple Input Multiple Output)와 OFDM (Orthogonal Frequency Division Multiplexing) 은 V2X (Vehicle to Everything) 통신 시스템에서 중요한 기술이다.", "MIMO는 대역폭을 추가하지 않고 공간 차원의 자유도를 제공함으로써 채널 용량을 증대 시킬 수 있다.", "OFDM의 경우 CP(Cyclic Prefix) 를 이용해 인접 심볼 간 간섭을 없애고, 다중 경로에 의한 delay spread 의 영향을 줄여줌으로 써 주파수 선택적 페이딩 채널에 대해 강인하게 한다.", "</p><p>대부분의 OFDM 시스템은 동기 검파 방식을 사용하며, 수신단에서 CSI(Channel State Information)를 추정한다.", "CSI는 시공간 디코딩, 적응적 변조와 코딩, 파워 제어, 그리고 송신 안테나 다이버시티 기법과 같은 링크 적응을 위해 필요하다.", "그림 1은 V2I (Vehicle to Infrastructure) 통신 시스템에서 링크 적응 과정을 나타낸다.", "</p><p>먼저 DMRS(DeModulation Reference Signal)가 업링크를 통해 기지국으로 전달되며 기지국은 채널 추정과 예측, 데이터 검출의 과정을 거친다.", "그 후, 기지국은 예측한 채널에 대한 새로운PMI(Precoding Matrix Indicator)와 MCS(Modulation and Coding Scheme) level을 보내주며, 링크 적응 기법중에 하나인 AMC (Adaptive Modulation Coding)를 통해 성능 개선을 할 수 있다.", "</p><p>3GPP(3rd Generation Partnership Project)에서는 물리 계층 처리 지연시간을 최소 \\( 5 \\mathrm{ms} \\) 로 발표하고 있다.", "지연 시간에 대한 영향을 줄이기 위해, 본 논문에서는 DPSS(Discrete Prolate Spheroidal Sequence)를 이용한 채널 보간과 예측 기법인 ADPSS(Advanced DPSS)를 제안한다.", "제안 기법은 정규 직교 기저를 만들고, 상관 행렬을 이용해 채널 보간과 예측을 한다.", "또한, 주파수 도메인에서 스무딩을 통해 잡음을 제거한다.", "모의 실험 결과, 기존 기법과 비교했을 때 채널 예측과 데이터 검출 에러 측면에서 성능이 우수하다는 것을 볼 수 있다.", "</p><p>본 논문의 구성은 다음과 같다.", "먼저 Ⅱ장에서는 V2I 통신 시스템 모델을 정의하고, Ⅲ장에서 기존의 채널 보간과 예측 기법에 대해 살펴보며, Ⅳ장에서는 ADPSS 기법을 제안한다.", "Ⅴ장에서는 모의실험 결과를 통해 성능 평가를 하고 마지막으로 Ⅵ장에서 결론을 맺도록 한다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "V\\(2\\)I 통신 시스템에서 ADPSS 채널 보간과 예측 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-02b3728d-fe9c-4bef-9325-77b51b909394", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2017", "doc_author": [ "추명훈", "문상미", "권순호", "이지혜", "배사라", "김한종", "김철성", "김대진", "황인태" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<table border><caption>표 1. W-CDMA 입력 신호에 대한 바이어스 기업에 따른 전력 증폭기의 특성</caption> <tbody><tr><td>바이어스 기법</td><td>전력이득 (dB)</td><td>평균PAE (%)</td><td>EVM (%)</td><td>ACLR1: (dB)</td><td>ACLR2* (dB)</td></tr><tr><td>1</td><td>13.7</td><td>38.1</td><td>10.8</td><td>29.2</td><td>48.9</td></tr><tr><td>2</td><td>11.7</td><td>52.3</td><td>17.7</td><td>23.9</td><td>39.6</td></tr><tr><td>3</td><td>11.9</td><td>51.6</td><td>12.8</td><td>27.0</td><td>40.5</td></tr><tr><td>4</td><td>12.6</td><td>51.8</td><td>6.1</td><td>33.4</td><td>47.8</td></tr></tbody></table> <p>표 1 에 각 바이어스 기법에 따른 평균 전력부가효율 (PAE), EVM (error vector magnitude), 전력 이득, ACLR (adjacent channel leakage ratio) 둥을 정리하였다.", "드레인 바이어스가 고정되어 있는 class \\( \\mathrm{AB} \\) 전력 증폭기(바이어스 기법 1)에 비하여 envelope tracking 전력 증폭기(바이어스 기법 2)는 전력부가효율을 \\( 38.1 \\) \\( \\% \\) 에서 \\( 52.3 \\% \\) 로 크게 중가시키지만, 선형성 특성을 나타내는 EVM은 \\( 10.8 \\% \\) 에서 \\( 17.4 \\% \\) 로 나빠진다.", "그리고 스펙트럼에서는 ACLR1 (5 \\( \\mathrm{MHz} \\) 옵셋에서 \\( \\mathrm{ACLR} \\) )은 \\( 29.2 \\mathrm{~dB} \\) 에서 \\( 23.9 \\mathrm{~dB} \\) 로, ACLR2 (10 \\( \\mathrm{MHz} \\) 옵셋에서 \\( \\mathrm{ACLR} \\) )은 \\( 48.9 \\mathrm{~dB} \\) 에서 \\( 39.5 \\mathrm{~dB} \\) 로 특성이 나빠진다.", "이는 입력 신호의 크기에 따라 드레인 바이어스전압이 바뀌어 트랜지스터의 특성이 변하기 때문에 나타나는 \\( V_{D D}-A M, \\quad V_{D D}-P M \\) 비선형성 때문이다 \\( { }^{[2]} \\).", "전력 이득도 \\( 13.7 \\mathrm{~dB} \\) 에서 \\( 11.7 \\mathrm{~dB} \\) 로 나빠진다.", "</p> <p>기존 envelope tracking 전력 증폭기(바이어스 기법 2)에 비하여 새로운 바이어스 기법 3은 평균 효율은 \\( 51.2 \\% \\) 로 약간 감소하지만, EVM은 \\( 12.8 \\% \\) 로 개선된다.", "또한, ACLR1은 \\( 30.3 \\mathrm{~dB}, \\mathrm{ACLR} 2 \\) 는 \\( 44.4 \\mathrm{~dB} \\) 로 개선되며, 전력 이득은 \\( 11.7 \\mathrm{~dB} \\) 로 중가한다.", "하지만, ACLR 특성이 여전히 W-CDMA 기지국용 전력 증폭기의 사양을 만족시키지 못하고 있다.", "</p> <p>마지막으로 바이어스 기법 4는 전력부가효율은 \\( 51.8 \\) \\( \\% \\) 로 기존 envelope tracking 전력 증폭기(기법 2)에 비하여 \\( 0.4 \\% \\) 작지만, 전력 이득은 \\( 12.6 \\mathrm{~dB} \\) 로 \\( 0.9 \\mathrm{~dB} \\) 개선된다.", "특히, \\( \\mathrm{EVM} \\) 은 \\( 6.1 \\% \\) 로서, 네 바이어스 기법 중 가장 우수하다.", "또한, ACLR1은 \\( 33.4 \\mathrm{~dB}, \\mathrm{ACLR2} \\) 는 \\( 47.8 \\) \\( \\mathrm{dB} \\) 로서 \\( \\mathrm{W}-\\mathrm{CDMA} \\) 기지국용 전력 증폭기의 스펙트럼 사양을 만족시킨다.", "기존의 envelope tracking 전력 증폭기가 선형성이 나빠서 선형화 기법을 사용해야 하지만, 본 연구에서 제안한 드레인 바이어스 기법은 평균 효율을 떨어뜨리지 않으면서 선형성 특성을 크게 개선하여 별도의 선형화 기법을 필요로 하지 않는 장점이 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "\bEnvelope Tracking 전력 증폭기의 선형성 개선을 위한 새로운 드레인 바이어스 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-05eb2e1a-696c-4c80-944d-af5070d49538", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "정진호" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2.2 수신 처리 과정</h2><p>송신부에서 대역확산 후 중첩된 신호 \\( x(i) \\)가 채널을 통과해 수신된 신호는 다음과 같이 표현된다.", "</p><p>\\[ \\boldsymbol{y}(i)=\\hat{\\boldsymbol{H}}(i) \\boldsymbol{x}(i)+\\boldsymbol{n}(i), \\]<caption>(4)<caption></p><p>여기서 \\( \\hat{H}(i) \\)는 채널 임펄스 응답 함수로 구성된 (\\( M \\times M \\)) 행렬이며, 채널 행렬 \\( [\\hat{H}(i)]_{m, n}=h(i ; m-n) \\)로 정의할 수 있다.", "여기서 \\( [\\hat{H}(i)]_{m, n} \\)은 행렬 \\( \\hat{H}(i) \\) 에서 \\( m \\) 번째 행과 \\( n \\)번째 열에 위치한 성분을 의미한다.", "채널 행렬의 첫 번째 열은 \\( \\left[h(i ; 0), \\ldots, h(i ; D), 0_{(M-D-1) \\times 1}\\right]^{T} \\)이며, 여기서 \\(D\\)는 \\( M \\)보다 작은 최대 지연확산의 길이로써 정수로 표현되어야 하기 때문에 아래와 같이 나타낼 수 있다.", "</p><p>\\( D \\simeq\\left\\lfloor\\tau_{\\max } / T_{c}\\right\\rfloor, \\)<caption>(5)<caption></p><p>여기서 \\( \\tau_{\\max } \\)는 최대 지연 확산을 나타내고, \\( T_{c} \\)는 칩 지속시간을 나타낸다.", "또한 식에서 \\( \\lfloor \\cdot\\rfloor \\)은 소수점 이하 버림을 의미한다.", "다중경로는 기본적으로 (\\( D+1 \\)) 칩에 분산된다.", "행렬 각각의 성분은 지연시간 차를 칩 간격으로 등분했을 때 얻어지며, 채널 임펄스 응답 행렬로 나타낼 수 있다.", "또한 \\( n(i) \\)은 부가적인 백색 가우시안 잡음(Additive White Gaussian Noise, AWGN)이다.", "Eq.", "(2)의 순환 이동 행렬을 변형하여 아래와 같이 표현할 수 있다.", "</p><p>\\( T_{h}=\\left[\\begin{array}{cc} 0_{1 \\times(M-1)} & 0 \\\\ I_{M-1} & 0_{(M-1) \\times 1} \\end{array}\\right], \\)<caption>(6)<caption></p><p>Eq.", "(6)를 이용하여 채널 임펄스 응답 행렬을 아래 식과 같이 표현된다.", "</p><p>\\[ \\hat{\\boldsymbol{H}}(i)=\\sum_{d=0}^{D} h(i ; d) T_{h}^{d} . \\]", "<caption>(7)<caption></p><p>수신부에서는 송신부에서 대역확산된 신호가 채널을 통과하여 수신된 신호에 대해 먼저 프레임, 주파수 및 위상을 포함한 각종 동기화 과정을 수행한 후 원래의 순환 이동되기 전의 \\(PN\\) 시퀀스를 다시 곱하여 역 확산을 통해 수신 신호를 원래의 신호로 복조한다.", "수신된 신호의 시간 및 주파수 등의 동기가 이루어졌다는 가정하에 \\(PN\\) 시퀀스를 통한 역 확산을 수행하게 되면, Fig.", "2의 예와 같은 상관 특성 결과가 나타나게 된다.", "이 그림은 하나의 심볼에 (\\( -1\\),\\(1\\),\\(-1 \\))인 3개의 비트 정보가 중첩되어 있는 경우에 해당하며, 그림으로부터 각 비트 값을 결정할 수 있다.", "또한 지연 도착한 신호는 역 확산이 되지 않으므로 다중 경로 전달에 의한 인접 심볼 사이의 간섭도 극복할 수 있다.", "</p> <h1>I.", "서 론</h1><p>수중 음향 채널은 다중경로 전달, 주파수 선택적 페이딩, 낮은 전파 속도 및 좁은 대역폭을 갖는다는 특성이 있다.", "음향신호의 전파 속도가 낮기 때문에 송수신기 사이의 이동이나 해류로 인한 도플러 천이 및 확산현상이 발생할 수 있으며, 해수면과 해저면 등의 경계면에 따라 다중경로 전달에 의해 신호의 중첩이 발생하여 심볼간 간섭을 유발할 수 있다.", "또한 주파수 선택적 페이딩과 높은 잡음 간섭으로 인해 수중음향통신 장애가 자주 발생할 수 있다.", "따라서 안정적이고 신뢰할 수 있는 수중음향통신 시스템을 구축하는 것은 도전적인 과제이며, 수중 채널은 시간적, 공간적으로 복잡한 특성을 갖고 있다.", "</p><p>통신 방식 가운데 대역확산 통신은 초기에는 군사적 목적으로 사용해왔으며, 낮은 Signal-to-Noise Ratio(SNR)을 갖는 환경에서 강인한 신호를 만들기 위해 광대역 신호로 확산하여 전송하는 방법이다.", "대역확산기법을 사용한 통신방법에는 직접수열(Direct Se-quence, DS), 시간도약(Time Hopping, TH) 및 주파수 도약(Frequency Hopping, FH) 방식 등이 있다.", "이 가운데 직접수열 대역확산 방식은 배경 잡음 속에 신호를 은닉하고, 도청을 방지하는 효과를 제공하며, 다중경로 전달에 의한 문제를 완화할 수 있다.", "하지만 대역확산 과정으로 인하여 전송속도가 느려지며, 그로 인해 패킷의 길이도 길어져 도플러 확산의 영향을 많이 받을 수 있는 단점을 갖는다.", "이처럼 전송 속도가 감소하는 문제점을 보완하기 위해 하나의 심볼에 다수의 순환된 Pseudo Noise(PN) 시퀀스를 중첩함으로써 전송률을 높이는 중첩된 직접수열 대역확산 방식이 제안되었다.", "</p><p>직접수열 대역확산 방식의 수중음향통신과 관련된 대표적인 연구를 살펴보면 Yang과 Yang은 \\( 3.4 \\mathrm{km} \\)의 송수신기 사이의 거리에서 실험을 수행하였다.", "이 때 송신기와 수신기는 고정되어 있는 환경에서 \\( 17 \\mathrm{kHz} \\)의 반송 주파수와 \\( 4 \\mathrm{kHz} \\)의 대역폭을 사용하였고, 전송률은 \\( 8 \\mathrm{bps} \\)로 하여 \\( 1 \\% \\) 이하의 비트 오류율을 나타내었음을 발표하였다.", "또한 변형된 직접수열 대역확산 방식으로써 각 심볼당 \\(127\\)개의 칩과 \\(300 \\mathrm{Hz} \\)의 반송 주파수를 사용하여 \\( 161 \\mathrm{~km} \\) 거리에서 \\( 0.4 \\mathrm{bps}\\)의 전송율로 실험을 수행한 결과가 보고되었다.", "국내의 경우에는 동해의 \\( 3 \\mathrm{~km} \\) 송수신 거리에서 \\(100 \\mathrm{bps} \\) 전송률과 \\( 4 \\mathrm{kHz} \\) 대역폭을 사용한 직접수열 대역확산 방식으로 전송실험을 수행한 결과를 보고한 사례가 있으나 아직까지 그 이상의 장거리에서 직접 수열 대역확산 방식으로 전송 실험을 수행한 결과를 보고한 사례는 부족하다.", "</p><p>본 논문에서는 직접수열 대역확산 방식에 대해 동해에서 수행한장거리 전송 해상실험 결과를 제시한다.", "실험에서 송신기와 수신기 사이의 거리는 약 \\(20 \\mathrm{km} \\) 였으며, 약 \\( 3 \\mathrm{kn} \\)의 속력으로 송신기가 이동하였다.", "기존의 직접수열 대역확산 방식과 이와 같은 심볼 전송율을 갖는 중첩된 직접수열 대역확산 방식의 신호를 각각 전송하였고, 그 결과를 제시한다.", "아울러 해상실험에서 획득한 음속분포도를 이용하여 계산된 채널 특성을 이용한 시뮬레이션 결과를 제시한다.", "</p><p>본 논문 구성은 다음과 같다.", "제 2장에서는 대역확산 방식과 중첩된 직접수열 대역확산 신호의 송수신 과정을 포함한 신호설계를 설명하고, 제 3장에서는 벨홉(Bellhop) 모델 기반의 채널 모델링을 통한 시뮬레이션 결과를 서술한다.", "4장에서는 해상실험을 위한 파라메타와 실험결과를 제시하고, 마지막으로 결론은 제 5장에서 서술한다.", "</p> <h1>Ⅲ. 시뮬레이션 및 결과</h1><p>해상실험 과정에서 획득한 Fig.", "3의 음속분포를 이용하여 벨홉 모델 기반의 시뮬레이션으로 채널 전달 특성을 구한 뒤 이에 통신 신호를 적용하여 시뮬레이션을 수행하였다.", "채널 환경은 실제 해상실험과 유사하게 구성하였으며, 송수신기 사이의 거리는 \\( 20 \\mathrm{~km} \\)로 설정하였다.", "채널 모델링으로부터 수심 약 \\( 229 \\mathrm{~m} \\)에 위치한 수신단에서의 채널 임펄스 응답은 Fig.", "4와 같은 결과를 나타내었다.", "</p><p>Fig.", "4와 같은 전달 특성을 갖는 채널을 이용하여 기존의 직접수열 대역확산방식과 중첩된 직접수열 대역확산 방식의 성능을 시뮬레이션을 통해 비교하였다.", "신호의 전송률은 \\( 8 \\mathrm{bps} \\)로 설계되었으며, 프리앰블은 255 비트의 m-sequence를 연속적으로 2회 반복 사용하여 510 비트를 \\( 512 \\mathrm{bps} \\)로써 약 \\( 1 \\mathrm{~s} \\) 길이로 전송하였다.", "정보 데이터의 길이는 \\( 3 \\times 10^{4} \\)개의 비트로 하였고, 각 비트는 63의 칩으로 확산하였다.", "백색 가우시안 잡음은 SNR이 \\( 30 \\mathrm{~dB} \\)가 되도록 첨가하였다.", "시뮬레이션 결과 기존의 직접수열 대역확산 방식의 비트 오류율은 0 , 중첩된 직접수열 대역확산 방식의 경우 \\( N=3 \\)일 때 0.0028의 결과를 나타내었다.", "두 방식의 성상도 결과 일부를 Fig. \\", "(5\\)에 나타내었는데 중첩된 직접수열 대역확산 방식의 성상도가 기존의 직접수열 대역확산 방식에 비해 더 퍼져 있음을 볼 수 있다.", "</p> <h1>초 록</h1><p>본 논문은 \\(2020\\)년 \\(11\\)월 동해에서 실시한 장거리 수중음향통신의 해상실험 결과를 제시한다.", "하나의 이동하는 송신기와 \\(16\\)개의 수직 배열 수신기들을 통해 신호를 수집하였으며, 송신기와 수신기 사이의 거리는 약 \\( 20 \\mathrm{~km} \\) 정도였다.", "실험에 적용된 신호는 기존의 직접수열 대역확산 방식과 각 심볼마다 다수의 순환된 Pseudo Noise(PN) 시퀀스를 중첩함으로써 전송률을 높이는 중첩된 직접수열 대역확산 방식이다.", "실험결과 채널 부호화기법이 적용되지 않은 비부호화 비트 오류율에 있어서 기즌의 직접수열 대역확산 방식은 \\(16\\) 채널 평균 \\( 0.0005 \\)로 나타났으며, 중첩된 직접수열 대역확산 방식은 \\( 0.00124 \\)을 보였다.", "</p> <h1>Ⅱ. 신호 설계</h1><h2>2.1 전송 신호 설계</h2><p>대역확산 통신은 변조할 때 요구되는 대역폭을 초과한 대역폭을 사용하는 대역폭을 확산하는 방법이다.", "보통 PN 시퀀스를 활용하며, 직접수열 대역확산 통신 방식은 Phase Shift Keying(PSK) 신호에 확산신호를 적용하여 대역폭을 확산한다.", "여기서 PN 시퀀스 안의 하나의 펄스를 칩이라 하고, 확산된 하나의 심볼에 들어가는 칩의 비트율을 칩율라고 한다.", "</p><p>수행된 실험에는 기존의 직접수열 대역확산 방식과 중첩된 직접수열 대역확산 방식으로 각각 변조한 신호를 사용하였으며, 중첩된 직접수열 대역확산 방식의 신호는 Fig.", "1의 블록도와 같은 과정으로 처리 되었다.", "</p><p>기존의 직접수열 대역확산 방식에서는 확산 시퀀스마다 하나의 심볼이 변조된다.", "벡터 형식으로 표현된 \\( i \\) 번째 심볼의 변조 신호는 다음과 같다.", "</p><p>\\( x(i)=s(i) c \\),<caption>(1)<caption></p><p>여기서 \\( s(i) \\)는 전송되는 심볼을 나타내며, \\( c \\)는 확산 수열인 \\(PN\\) 시퀀스를 나타낸다.", "실험에서는 확산 수열로써 m-sequence를 사용하였다.", "그러나 Eq.", "(1)처럼 심볼당 하나의 정보를 전송하는 대신에 중첩된 직접수열 대역확산 방식에서는 각 심볼마다 순환 이동 시킨 \\(PN\\) 시퀀스들을 겹쳐서 심볼을 구성한다.", "이 때 순환 이동 행렬은 다음과 같이 정의된다.", "</p><p>\\( T=\\left[\\begin{array}{cc} 0_{1 \\times(M-1)} & 1 \\\\ I_{M-1} & 0_{(M-1) \\times 1} \\end{array}\\right], \\)<caption>(2)<caption></p><p>여기서 \\( I_{M-1} \\)은 행과 열이 모두 \\(M-1\\) 크기인 단위 행렬을 나타내고, \\( M \\)은 \\(PN\\) 시퀀스의 길이이다.", "또한 \\( 0_{1 \\times(M-1)} \\)은 \\(M-1\\)개의 모든 원소가 0으로 이루어진 행벡터이다.", "Eq.", "(2)의 행렬 \\( T \\)는 1회 순환 이동시키는 행렬이며, \\( T^{N} \\)는 \\( N \\)번 순환 이동시키는 행렬로 정의된다.", "이 행렬을 심볼 구성에 적용하면 아래의 식과 같다.", "</p><p>\\( x(i)=\\sum_{j=0}^{N-1} s(i ; j) T^{\\mathrm{j} \\times N} c \\) ,<caption>(3)<caption></p><p>\\( s(i ; j) \\)에서 \\( j \\)는 \\( j \\) 번째로 전송되는 비트를 의미하며, \\( i \\)는 \\( i \\) 번째 전송되는 심볼을 의미한다.", "</p><p>예를 들어 위의 식에서 3개의 비트를 중첩하여 하나의 심볼을 구성하기 위해 \\( N \\)이 3이라고 한다면 Fig.", "1과같은 형태가 된다.", "Fig.", "1은 기저대역 모델로써 표현한 것으로써 3개의 비트 가운데 첫 번째 비트는 순환 이동되지 않은 \\( PN \\) 시퀀스를 곱하고, 두 번째 비트는 3만큼 이동, 세 번째 비트는 6만큼 이동시킨 \\( PN \\) 시퀀스를 해당하는 데이터 비트와 곱하여 확산한 뒤 이들을 모두 합하여 하나의 심볼을 구성한다.", "</p> <h2>4.3 실험 결과</h2><p>전달거리 약 \\( 20 \\mathrm{~km} \\)에서 중첩된 직접수열 대역확산 방식으로 수신된 신호 가운데 1개 심볼의 상관 특성은 Fig.", "12와 같은 결과가 나타났는데 하나의 심볼에 3개의 비트 (\\( -1\\),\\(1\\),\\(-1\\) )가 이동 중첩되어 있는 특성을 확인할 수 있다.", "</p><p>송신기가 이동하는 환경이므로 앞서 제시한 채널 특성에서도 나타나듯이 도플러 주파수 천이 현상이 발생하며, 이는 통신 성능에 영향을 미친다.", "이를 보정하기 위해 수신처리 과정에서 프리앰블 구간의 신호를 이용하여 도플러 천이 주파수를 추정하고 이를 데이터 구간에서 보정 처리하였다.", "또한 Fig.", "10에 보이는 것과 같은 도플러 확산으로 인한 미세 주파수 변동성을 보정하기 위해 평균 도플러 천이 주파수를 보정한 이후에 Phase Locked Loop(PLL)을 사용하여 위상을 보정하였다.", "수신된 16개 채널 가운데 첫 번째 채널에서 도플러 천이 주파수 및 위상 보정 전후의 성상도를 Figs.", "13과 14에 나타내었다.", "Fig.", "14에서 중첩된 직접수열 대역확산 방식의 성상도가 기존의 직접수열 대역확산 방식의 성상도에 비해 다소 확산된 결과가 나타났는데, 이는 앞선 시뮬레이션 결과와 유사한 경향임을 볼 수 있다.", "이는 중첩된 직접수열 대역확산 방식의 경우 중첩으로 인하여 SNR이 낮아지는 효과가 있어 발생하는 현상으로 보인다.", "즉, 하나의 심볼에 중첩되어 있는 각각의 비트는 원래 전송 정보가 포함된 신호이지만 이들 서로는 잡음의 역할을 하게 된다.", "이러한 성능을 나타내기 위한 방법으로써 출력 SNR을 산출하였다.", "기존 문헌의 정의에 따라서 출력 SNR은 송신된 심볼과 각종 처리과정을 거쳐 측정된 심볼 추정치 사이의 평균제곱 오차의 역수로 표현되며, 이는 Eq.", "(8)과 같다.", "</p><p>\\(Output S N R^{-1}=E\\left[\\left|I_{n}-\\hat{I}_{n}\\right|^{2}\\right] \\),<caption>(8)<caption></p><p>위의 식에서 \\( I_{n} \\)은 \\( n \\) 번째 정보 심볼 값이며, \\( \\hat{I}_{n} \\)는 심볼의 추정치이다. \\", "( E[ ]\\)은 기댓값으로써 여기서는 평균으로 구하였다.", "16개 채널에서 두 종류의 직접수열 대역확산 방식에 대한 출력 SNR을 Fig.", "15에 나타내었다.", "그림에서 가로축은 채널 번호를 의미하며, 1번부터 16번까지 나타내었다.", "출력 SNR은 기존의 직접수열 대역확산 방식은 평균 \\( 14.1 \\mathrm{~dB} \\) 을 보였고, 중첩된 직접수열 대역확산 방식은 평균 \\( 8.9 \\mathrm{~dB} \\)로 측정되었다.", "</p><p>이들 방식들은 모두 동일한 에너지로 전송되었으며, 같은 심볼 전송율을 갖고 있지만 중첩된 직접수열 대역확산 방식은 하나의 심볼에 3개의 비트 정보를 포함하고 있기 때문에 기존의 직접수열 대역확산 방식에 비해 전송율이 3배 높아지면서 신호의 길이는 기존의 직접수열 대역확산 방식에 비해 그만큼 짧은 것을 볼 수 있어 전송 효율이 증가하게 된다.", "</p><p>16개 모든 채널마다 비부호화된 비트 오류율에 대한 결과를 Fig.", "16에 나타내었다.", "1번 채널이 해수면과 가장 가까이 위치한 채널이며, 16번 채널이 가장 깊은 수심에 위치한 채널이다.", "실험 결과에서 비부호화된 비트 오류율은 최소 0(0 / 336)부터 최대 0.0089(3 / 336)까지 채널마다 약간의 차이가 났으나 대부분 \\( 10^{-2} \\) 이하로 나타났다.", "평균 비트 오류율은 기존의직접수열 대역확산 방식의 경우 \\( 3.7 \\times 10^{-5} \\), 중첩된 직접수열 대역확산 방식의 경우 \\( 5.9 \\times 10^{-4} \\)로 나타났다.", "기존의 직접수열 대역확산 방식의 비트 오류율 성능이 평균적으로 중첩된 직접수열 대역확산 방식보다 나은 것으로 나타났으나 그 차이는 크지 않았다.", "대부분의 채널에서 비트 오류율은 \\(0\\)으로 나타났고, 또한 가장 높은 비부호화된 비트 오류율도 \\( 0.0089 \\)로 나타나 기존의 문헌에 따라 비부호화된 비트 오류율이 \\( 10^{-1} \\)이하이면 채널 부호화 기법이 적용될 경우 데이터의 복호는 오류 없이 대부분 복호될 가능성이 크다고 판단된다.", "</p> <h1>Ⅳ. 해상실험 환경 및 결과</h1><h2>4.1 실험 장비 및 신호 구성</h2><p>해상실험을 위한 송신기는 Neptune Sonar에서 제작한 T161 모델로써 Free Flooded Ring(FFR) 형태의 프로젝터이고, 실험 당시 음원의 준위는 \\( 170 \\mathrm{~dB} \\)로 하였다.", "수신기는 16채널 선배열 센서들을 사용하였으며, 실험에 사용된 수신 선배열은 각각의 센서가 \\( 2.8 \\mathrm{m} \\) 간격으로 수직 배열을 이루고 있다.", "이수신 배열은 부이에 달려 해상에 투하되어 신호를 수신하였으며, 실험 당시 수신기의 중심은 수심 약 \\( 250 \\mathrm{~m} \\)로 하여 16개의 수신기는 약 \\( 229 \\mathrm{~m} \\sim 271 \\mathrm{~m} \\) 구간에 위치하였다.", "수신 신호는 \\( 16,384 \\mathrm{~Hz} \\)의 샘플링 주파수로 내장된 저장장치에 기록되었다.", "직접수열 대역확산 신호의 전송률은 \\( 8 \\mathrm{bps} \\)로 설계되었으며, 중첩된 직접수열 대역 확산 방식에서는 기존의 직접수열 대역확산 신호와 심볼 전송율은 같으나 3개의 비트를 하나의 심볼에 중첩시켜 결국 \\( 24 \\mathrm{bps} \\)가 되도록하였다.", "정보 데이터의 길이는 \\(336\\) 비트로 하였고, 각 비트는 63개의 칩으로 확산하였다.", "반송파 주파수는 \\( 2,500 \\mathrm{~Hz} \\), 대역폭은 \\( 512 \\mathrm{~Hz} \\)를 사용하였다.", "실험에 사용된 데이터 패킷의 구성은 Fig.", "6에 나타내었다.", "대략적인 시작점을 찾기 위해 64 비트의 프로브 신호를 삽입하여 \\( 512 \\mathrm{bps} \\)로써 약 \\( 125 \\mathrm{~ms} \\) 길로 전송하였고, 데이터 프레임의 정확한 시작점을 찾기 위해 프리앰블을 사용하였다.", "프리앰블은 255 비트의 m-sequence를 연속적으로 2회 반복 사용하여 510 비트를 \\( 512 \\mathrm{bps} \\)로써 약 \\( 1 \\mathrm{~s} \\) 길이로 전송하였다.", "</p><h2>4.2 실험 환경</h2><p>해상실험은 2020년 11월 포항 인근 해역에서 수행 되었으며, 실험 기간 중에 날씨는 비교적 양호하였다.", "1척의 선박만을 사용하였기 때문에 수신기는 부이를 활용하여 해상에 투하하였고, 선박에 설치된 송신기는 수신 배열과 거리가 멀어지는 방향으로 약 \\( 3 \\mathrm{kn} \\) 속력으로 이동하면서 신호를 송신하였다.", "실험 환경은 Fig.", "7과 같다.", "</p><p>실험 과정에서 수중의 음속분포도를 측정하였으며 이는 앞선 Fig.", "3에 나타내었다.", "그리고 측정한 수중 음속분포를 사용하여 벨홉 모델 기반의 시뮬레이션으로 전달 손실을 산출하였다.", "실험이 진행된 해상에서 송신기와 수신기 사이의 수심은 일정하지 않았음을 고려하여 \\( 20 \\mathrm{~km} \\) 구간에서 계산된 전달 손실은 Fig.", "8과 같이 나타났으며, 그림으로부터 약 \\( 20 \\mathrm{~km} \\)부근에서 수신기들이 위치한 수심에서의 전달 손실이 상대적으로 낮은 환경임을 확인할 수 있다.", "</p><p>통신 신호 전송에 앞서 채널의 전달 특성을 측정하였는데 이를 위해서 선형 주파수 변조된 신호를 일정한 시간 간격으로 반복 송신하였다.", "신호의 반송파 주파수는 \\( 2,750 \\mathrm{~Hz} \\), 대역폭은 \\( 1,536 \\mathrm{~Hz} \\), 핑과 핑사이의 간격은 \\( 0.5 \\mathrm{~s} \\), 각각의 핑 길이는 \\( 0.03125 \\mathrm{~s} \\)로 하였다.", "채널 임펄스 응답을 구하기 위해 정합 필터를 사용하였는데 약 \\( 20 \\mathrm{~km} \\) 거리에서 수심 약 \\( 229 \\mathrm{~m} \\)에 위치한 수신단에서의 채널 임펄스 응답 특성은 Fig.", "9와 같이 측정되었다.", "송신기의 이동으로 인하여 시간에 따른 기울기의 변화가 보이며, 다중경로 전달이 지속적으로 나타나고 있음을 확인할 수 있다.", "또한 도플러 뱅크를 이용하여 지연-도플러 확산 함수를 통해 평균적인 도플러 천이 주파수를 확인하였으며, Fig.", "10에 보이는 것과 같이 약 \\( -3 \\mathrm{~Hz} \\)의 도플러 천이 주파수가 발생됨을 확인하였다.", "이를 보정하여 도출한 채널의 전력 지연 프로파일을 Fig.", "11에 나타내었는데 다수의 다중경로가 관측되기는 하지만 직접 경로에 비해 그 크기 차이가 \\( 16 \\mathrm{~dB} \\) 이상으로 나타나 그 영향은 크지 않을 것으로 판단된다.", "</p> <h1>V.", "결 론</h1><p>본 논문에서는 동해에서 수행된 직접수열 대역확산 방식의 수중음향통신 신호 전송 결과를 제시하였다.", "이 때 기존의 직접수열 대역확산기법의 낮은 전송률 문제를 극복하기 위해 하나의 심볼에 다수의 순환된 PN 시퀀스를 중첩함으로써 전송율을 높이는 중첩된 직접 수열 대역확산 방식도 적용하였다.", "송수신기 사이 거리 약 \\( 20 \\mathrm{~km} \\)에서 수행된 실험 결과는 두 가지 방법 모두 복호 가능한 범위 내의 낮은 비트오류율을 나타내었다.", "기존의 직접수열 대역확산 방식의 단점인 낮은 전송율 문제를 보완하기 위해 적용된 중첩된 직접수열 대역확산기법과의 비트 오류율 비교를 통해 이 방법 역시 중장거리 통신에 적합할 것으로 판단된다.", "</p><p>향후 연구 내용으로는 수백 \\( \\mathrm{km} \\) 이상의 장거리 수중음향통신에 대한 연구와 더 높은 신뢰성과 효율성을 갖는 전송방식에 대한 연구가 필요할 것으로 보인다.", "</p>" ]

{ "doc_category": { "KDC": "530.2405", "DDC": "620.2" }, "doc_title": { "kor": "동해에서 직접수열 대역확산 전송에 기반한 장거리 수중음향통신의 해상실험 결과", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-036485e4-4784-4df4-b7fe-94c02d904410", "doc_number": { "ISSN": "1225-4428", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2021", "doc_author": [ "라형인", "안정하", "윤창현", "김기만", "김인수" ], "doc_publisher": "한국음향학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>기존 스핀 영상은 \\( \\alpha \\) 가 작은 부분, 즉 접선 벡터에 가까운 부근에는 주변 점들이 \\( \\beta \\) 가 0인 부분, 즉 접평면 근처에 모여 있음을 알 수 있다. \\", "( \\alpha \\) 가 증가하면서 주변 점들이 접평면을 기준으로 높은 영역부터 낮은 영역까지 고르게 퍼져 있음을 알 수 있다.", "하지만 이와 같이 \\( \\beta \\) 측면으로 균일하게 분포됐다는 정보는 3차원 곡면을 기술하기에는 매우 모호한 문제가 있다.", "</p><p>이에 반해 각 분할된 스핀 영상에서는 네 각 범위에서 보다 명확한 3차원 곡면 특성을 보여준다.", "기준점으로부터 볼 쪽으로 내려가는 빨간 각 범위에서는 주변점들이 법선 벡터로부터 멀어질수록 접평면으로부터 높이 올라간 곳에 위치함을 알 수 있다.", "이마쪽으로 올라가는 파란 각 범위에서는 주변점들이 거의 접평면 근처에 분포하며 법선 벡터로부터 멀리 떨어진 부분에서는 접평면의 아래 부분으로 위치함을 볼 수 있다.", "</p><p>얼굴 안쪽 방향인 초록색 각 범위에서는 기존 스핀 영상과 유사하게 주변점들이 \\( \\beta \\) 측면으로 넓게 분포됐음을 보여주지만, \\( \\alpha \\) 가 증가하면서 접평면으로부터 아래로 내려가는 점들이 주를 이루고 있음을 알 수 있다.", "</p><p>이와 같이 제안한 각 분할 스핀 영상 생성 방법은 법선 벡터를 기준으로 원형 대칭적이지 않은 3차원 곡면에 대해, 기존 스핀 영상 생성 방법에 비해 훨씬 명확한 특징을 기술할 수 있는 장점이 있다.", "</p><table border><caption>표 1. 기존의 방법과 제안한 방법으로 구한 특징점과 실제 특징점과의 오차거리.", "</caption><tbody><tr><td rowspan=3>얼굴 특징점</td><td colspan=4>오차거리</td></tr><tr><td colspan=2>평균(\\(\\mathrm{mm}\\))</td><td colspan=2>표준편차.", "(\\(\\mathrm{mm}\\))</td></tr><tr><td>3DFRR</td><td>Proposed</td><td>3DFRR</td><td>Proposed</td></tr><tr><td>오른쪽 눈 바깥쪽점</td><td>9.74</td><td>5.85</td><td>5.63</td><td>4.25</td></tr><tr><td>오른쪽 눈 안쪽점</td><td>6.44</td><td>4.66</td><td>3.68</td><td>2.32</td></tr><tr><td>왼쪽 눈 안쪽점</td><td>5.56</td><td>4.32</td><td>2.87</td><td>2.36</td></tr><tr><td>왼쪽 눈 바깥쪽점</td><td>8.41</td><td>6.89</td><td>5.79</td><td>4.73</td></tr><tr><td>오른쪽 입끝점</td><td>16.20</td><td>5.78</td><td>8.86</td><td>4.58</td></tr><tr><td>왼쪽 입끝점</td><td>12.13</td><td>7.01</td><td>8.10</td><td>5.74</td></tr><tr><td>턱끝점</td><td>15.58</td><td>6.53</td><td>7.51</td><td>4.68</td></tr><tr><td>모든 특징점에 대한 평균 오차</td><td>10.58</td><td>5.86</td><td>6.06</td><td>4.09</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "각 분할 스핀 영상을 사용한 \\(3\\)차원 얼굴 특징점 검출 방법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-042e9a86-5192-4812-b8e9-df1e78ad84e4", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2013", "doc_author": [ "김동현", "최강선" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅲ. 시스템 구현 및 검증</h1> <h2>1. 하드웨어 및 소프트웨어 제작</h2> <p>능동형 RFID 평가용 에뮬레이터의 구성은 크게 무선 신호 전달을 위한 RF 모듈, 측정된 데이터를 처리하고, 가공하는 FPGA 모듈과 평가 장치에 운영체제 탑재를 위한 CPU 모듈로 나눌 수 있다.", "전체 시스템의 개략적은 구성은 그림 8과 같다.", "RF 모듈은 크게 송신블록, 수신블록, 주파수 생성블록으로 구성되며, 안테나, 디지털부 및 전원부와 인터페이스를 가진다.", "FPGA 모듈은 CPU로부터의 제어명령 판별하여 RF 모듈을 송.", "수신 모드로 제어하며 데이터를 처리한다.", "마지막으로 CPU 모듈은 송신 및 수신을 완료 후 완료 메시지 및 데이터를 제어용 컴퓨터에 전송한다.", "그림 9 에서는 RF 모듈 및 FPGA, CPU 모듈간의 데이터 전송관계를 나타내고, 그림 10 은 제작된 에뮬레이터의 실제 모습이다.", "</p> <p>본 논문에서 C-언어를 이용하여 작성된 제어 소프트웨어는 \\( 433 \\mathrm{MHz} \\) 능동형 RFID 에뮬레이터의 사용자 프로그램으로서 태그 모드 및 판독기 모드 두 가지 기능을 가지고, ISO / IEC 18000-7 규격에 의한 표준 적합성 시험에 활용된다.", "소프트웨어는 초기 구동에서 평가 대상의 어드레스 및 포트를 설정할 수 있으며 하드웨어적인 설정값을 입력한다.", "또한 그림 11과 같이 물리적인 데이터를 화면에서 직접 확인 및 계산하므로서 측정자가 정확하고 편리하게 표준 규격의 부합여부를 판단할 수 있다.", "</p> <h2>2. 실험 및 고찰</h2> <p>본 논문에서 설계한 능동형 RFD 용 에뮬레이터의 성능을 평가하기 위해 그림 12와 같은 시험 환경을 전자파 무반사실에 구성했다.", "</p> <p>에뮬레이터로부터 생성되는 carrier, wakeup 및 preamble 송신 신호는 수신 안테나로 수신되고, 스펙트럼 분석기 등의 RF 시험 장비를 통해 계측된다.", "측정된 송신 신호의 정확도를 분석하여, 제작된 에뮬레이터의 성능을 평가했다.", "본 논문에서 제안하는 에뮬레이터는 시험대상인 능동형 RFID 태그 및 판독기가 국제표준인 ISO / IEC 18000-7에 부합여부를 판단해야함므로 동작 주파수 정확도가 표준에서 명시된 \\( \\pm 20 \\mathrm{ppm} \\) 보다 더욱 정확해야 하고, FM 편차 및 비트 주기 등이 조정 가능 해야 한다.", "표 4는 제작된 에뮬레이터의 성능평가 결과를 요약한 내용으로 국제표준에서 제시된 사양 이상의 성능 결과를 얻었다.", "</p> <table border><caption>표 4. 에뮬레이터의 성능평가 결과 요약</caption> <tbody><tr><td rowspan=2>변수</td><td colspan=2>사양</td></tr><tr><td>표준 규격</td><td>에뮬레이터</td></tr><tr><td>동작주파수</td><td>\\( 433.92 \\mathrm{MHz} \\)</td><td>\\( 433.92 \\mathrm{MHz} \\)</td></tr><tr><td>동작주파수 정확도</td><td>\\( \\pm 20 \\mathrm{ppm} \\)</td><td>\\( \\pm 1 \\mathrm{ppm} \\)</td></tr><tr><td>점유대역폭</td><td>\\( 200 \\mathrm{kHz} \\)</td><td>\\( 200 \\mathrm{kHz} \\)</td></tr><tr><td>최소수신대역폭</td><td>\\( 500 \\mathrm{kHz} \\)</td><td>\\( 500 \\mathrm{kHz} \\)</td></tr><tr><td>FM 편차</td><td>\\( \\pm 50 \\mathrm{kHz} \\)</td><td>\\( \\pm 50 \\mathrm{kHz} \\)</td></tr><tr><td>FM 편차 조정</td><td>불가능</td><td>가능</td></tr><tr><td>비트 주기</td><td>\\( 200 \\mathrm{ppm} \\)</td><td>\\( 200 \\mathrm{ppm} \\)</td></tr><tr><td>비트 주기 조정</td><td>불가능</td><td>가능</td></tr><tr><td>무변조 신호 생성</td><td>불가능</td><td>가능</td></tr><tr><td>송신출력 설정 및 조정</td><td>불가능</td><td>가능</td></tr><tr><td>wake-up 신호 생성</td><td>불가능</td><td>가능</td></tr><tr><td>각종 명령어 생성</td><td>불가능</td><td>가능</td></tr></tbody></table> <p>따라서 우리는 제작된 에뮬레이터를 이용하여 실제 능동형 RFID 태그 20개에 대해 적합성 평가를 수행하여 활용 가능함을 판단했다.", "평가를 수행한 항목은 먼저 송신출력시험으로 능동형 RFID 시스템의 안테나 복사전력(EIRP)이 최대 \\( 5.6 \\mathrm{dBm} \\) 미만임을 확인한다.", "측정대상인 능동형 RFID 태그의 경우, 패키징 후 안테나 단자가 외부로 돌출되지 않아 분해하지 않는 한 전도성 송신출력 측정이 불가능하다.", "따라서 제작된 에뮬레이터를 통해 송신된 wake-up 신호에 대한 태그의 응답을 수신안테나를 통해 측정하여 분석하였다.", "다음은 동작 주파수 정확도 시험으로 능동형 RFID 시스템의 송신 주파수 안정도를 평가하기 위한 시험 항목으로 측정된 주파수가 설정된 주파수 대비 오차가 \\( \\pm 20 \\mathrm{ppm} \\) 즉 \\( \\pm \\) \\( 8.6784 \\mathrm{kHz} \\) 이내인지 확인하였다.", "마지막으로 주파수 편이 시험은 RFD 태그의 FSK 변조 주파수의 편이 (deviation)를 측정하는 시험으로 측정된 신호를 얻어 RMS 주파수 편차가 \\( (40 \\sim 55) \\mathrm{kHz} \\) 이내임을 측정하고 분석하였다.", "그림 13 은 능동형 RFID 태그의 표준 적합성 시험을 위한 구성을 나타내며, 그림 14부터 16은 평가된 20개의 태그에 대한 결과를 요약한 그래프이다.", "시험 결과 본 논문을 통해 설계되고 제작된 에뮬레이터를 실제 능동형 RFID 시스템의 표준 적합성 평가에 충분히 활용 가능함을 보였다.", "</p> <h2>3. 송수신부 성능분석</h2> <p>본 논문에서 제안하는 능동형 RFID 시스템의 성능분석은 국제규격인 ISO / IEC 18000-7의 에어인터페이스를 바탕으로 제시된 값을 참고하여 분석하고자 한다.", "자세한 내용은 표 1과 같다.", "</p> <table border><caption>표 1. ISO/IEC 18000-7 규격에 따른 링크 변수</caption> <tbody><tr><td>변수</td><td>값</td></tr><tr><td>Carrier Frequency</td><td>\\( 433.92 \\mathrm{MHz} \\)</td></tr><tr><td>Operating Frequency Accuracy</td><td>\\( 20 \\mathrm{ppm} \\)</td></tr><tr><td>Modulation Type</td><td>FSK</td></tr><tr><td>Frequency Deviation</td><td>\\( \\pm 50 \\mathrm{kHz} \\)</td></tr><tr><td>Symbol LOW</td><td>Fc \\( + 50 \\mathrm{kHz} \\)</td></tr><tr><td>Symbol HIGH</td><td>Fc \\( - 50 \\mathrm{kHz} \\)</td></tr><tr><td>Modulation rate</td><td>\\( 27.7 \\mathrm{kHz} \\)</td></tr><tr><td>Minimum Receiver Bandwidth</td><td>\\( 500 \\mathrm{kHz} \\)</td></tr></tbody></table> <p>송신부는 코드화된 정보에 최소의 왜곡으로 원하는 신호를 RF 캐리어로 변조하여 증폭하는 것이다.", "본 논문에서는 성능을 나타내는 여러 파라미터 중에 시스템 특성상 출력 전력에 중점을 맞추어 생각해 보고자 한다.", "그림 4와 같이 기저대역으로부터 받은 신호의 크기가 peak-to-peak 전압으로 \\( 200 \\mathrm{mV} \\) 일 경우, 대략 \\( -10 \\) \\( \\mathrm{dBm} \\) 의 크기를 가지며, 각 단을 거친 출력 전력은 아래 표 2와 같이 계산된다.", "</p> <table border><caption>표 2. 송신부 성능분석</caption> <tbody><tr><td>Signal \\( [\\mathrm{dB}] \\)</td><td>In</td><td>LPF</td><td>AMP</td><td>Mixer</td><td>ATT</td><td>IR BPF</td><td>PA</td><td>SPDT</td><td>RF BPF</td><td>Tx Ant</td><td>Out</td></tr><tr><td>Gain</td><td></td><td>-0.01</td><td>13.53</td><td>-19.12</td><td>6.24</td><td>-0.30</td><td>28.54</td><td>-0.80</td><td>-0.01</td><td>0.01</td><td></td></tr><tr><td>Running Gain</td><td></td><td>-0.01</td><td>13.52</td><td>-5.61</td><td>-11.85</td><td>-12.15</td><td>16.40</td><td>15.60</td><td>15.59</td><td>15.60</td><td></td></tr><tr><td>Running Signal</td><td>-10</td><td>-10.01</td><td>3.52</td><td>-15.61</td><td>-21.85</td><td>-22.15</td><td>6.40</td><td>5.60</td><td>5.59</td><td>5.60</td><td>5.60</td></tr></tbody></table> <p>그림 5에 나타낸 RF 수신부의 목적은 수신되는 에너지를 최소한의 왜곡으로 유용한 신호로 처리하는데 있다.", "수신부가 얼마나 기능을 잘 수행하는지는 내부 회로와 작업 환경이 시스템 설계의 주요한 함수가 되는 이유이다.", "주로 사용되는 수신부 성능 요소는 수신 감도, 수신 선택도, 스퓨리어스 응답 제한, 상호 변조 제한 등이 있으며, 본 시스템의 성능 분석에서는 수신 감도에 대해서 살펴본다.", "수신 감도는 수신부가 얼마나 약한 신호 레벨에 감웅하는지를 나타낸다.", "아날로그 통신에서는 수신부 출력에서 적정 신호대잡음비를 보장하는 수신부 입력의 최소 RF 전력을 말하며, 디지털 통신에서는 수신부 출력에서의 수용 가능한 최대 비트에러율 (BER)을 보장하는 수신부 입력의 최소 RF 전력을 말한다.", "여기서 최소값의 기준은 열잡음으로 한다.", "</p> <p>수신부의 감도는 \\( 27.7 \\mathrm{kbps} \\)의 데이터 전송률을 가질 때, 요구되는 C/N을 대략 \\( 9.43 \\mathrm{~dB} \\) 를 만족하는 수신 감도는 식(9)의 계산과 같다.", "따라서 외부잡음을 제외한 열잡음만을 고려하여 계산된 수신감도는 아래 표 3과 같이 \\(-112 \\mathrm{dBm} \\) 이다.", "</p> <p>\\( \\begin{aligned}\\left(P_{m i n}\\right)_{\\mathrm{dBm}} &=N_{\\mathrm{dB}}+B_{\\mathrm{dB}}+N F_{\\mathrm{dB}}+C N R_{\\mathrm{dB}} \\\\ &=-174+57+3.58+1.44 \\\\ &=-111.98 \\end{aligned} \\)<caption>(9)</caption></p> <table border><caption>표 3. 수신부 성능분석</caption> <tbody><tr><td>Signal</td><td>In</td><td>RF BPF</td><td>SPDT</td><td>LNA</td><td>IR BPF</td><td>Mixer</td><td>AMP</td><td>Out</td></tr><tr><td>Gain \\( [\\mathrm{dB}] \\)</td><td></td><td>-0.01</td><td>-0.80</td><td>20.30</td><td>-0.30</td><td>-19.12</td><td>13.57</td><td></td></tr><tr><td>\\( NF [\\mathrm{dB}] \\)</td><td></td><td>0.01</td><td>0.80</td><td>0.90</td><td>0.30</td><td>14.00</td><td>1.80</td><td></td></tr><tr><td>Running\\( Gain[\\mathrm{dB}] \\)</td><td></td><td>-0.01</td><td>-081</td><td>19.49</td><td>19.19</td><td>0.07</td><td>13.64</td><td></td></tr><tr><td>Running Gain \\( [\\mathrm{dBm}] \\)</td><td>-60.00</td><td>-60.01</td><td>-60.81</td><td>-40.51</td><td>-40.81</td><td>-59.93</td><td>-46.36</td><td>-46.36</td></tr><tr><td>Runring\\( N F[\\mathrm{~dB}] \\)</td><td></td><td>0.01</td><td>0.81</td><td>1.71</td><td>1.71</td><td>2.49</td><td>3.58</td><td></td></tr><tr><td>MDS \\( [\\mathrm{dB}] \\)</td><td>-113.43</td><td rowspan=3 colspan=7>- \\( N F \\) : Naise Figure \\[\\] - CNR: Camier to Naise Ratio \\[\\] - MDS : Munimum Detection Signal \\[\\] - Sensitivity \\( (\\mathrm{dB})=\\mathrm{MDS}(\\mathrm{dB})+\\mathrm{CNR}(\\mathrm{dB}) \\)</td></tr><tr><td>Required CNR \\( [\\mathrm{dB}] \\)</td><td>1.44</td></tr><tr><td>Sensitivity \\( [\\mathrm{dB}] \\)</td><td>-112.00</td></tr></tbody></table> <h2>4. 모의실험</h2> <p>\\( 433 \\mathrm{MHz} \\) 능동형 RFID 에뮬레이터의 시스템 분석을 위해 Matlab의 Simulink를 이용하여 컴퓨터 시뮬레이션을 구현하였다.", "구현된 각각의 통신 블록은 실제 제작되는 평가 장치의 부품과 유사하도록 모델링하고, 특히 그림 6과 같이 아날로그 부품인 Mixer의 경우는 특성 파라미터를 직접 측정하여 측정된 값을 시뮬레이션에 적용하였다.", "</p> <p>이번 시뮬레이션에서는 맨체스터 코딩을 갖는 랜덤 신호를 생성하여 FSK 변조 후 송신되며, 송신된 신호는 자유공간 손실을 고려하여 복조한 후, 생성된 신호와 비교를 통해 에러율을 계산하도록 구성된다.", "이때, 데이터 전송률은 \\( 27.7 \\mathrm{kbps} \\) 를 갖는다. \\", "( 50 \\mathrm{kHz} \\) 의 주파수 편이를 갖도록 FSK 변조를 한 후, 저역통과여파기를 통과한 신호는 RF 송신단에 입력되어, 중심주파수 \\( 433.92 \\mathrm{MHz} \\) 를 갖으며, \\( 200 \\mathrm{kHz} \\) 의 점유주파수 대역폭을 갖는 송신신호를 생성한다.", "생성된 송신신호는 안테나 이득이 \\( 0 \\mathrm{dBi} \\) 일 때, 국내 규정에 따라 수신 전력이 \\(5.6 \\mathrm{dBm} \\) 을 넘지 않도록 한다.", "그림 7은 수행된 시뮬레이션에서 생성된 송신 및 수신신호의 스펙트럼을 나타낸다.", "수신된 신호의 복조과정은 포락선 검파를 통해 수행된다.", "이때 자유공간 경로 손실은 \\( 433.92 \\mathrm{MHz} \\) 주파수에서 \\( 100 \\mathrm{~m} \\) 떨어진 거리에서 대략 \\( 65 \\mathrm{~dB} \\) 를 갖으며 포락선 검파를 통해 얻어진 신호는 비교기를 통해 ' 0 ' 과 ' 1 ' 을 구분하여 복조된다.", "복조된 신호파형은 생성된 신호와 비교하며, 에러를 확인할 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "능동형 RFID의 표준적합성 시험용 에뮬레이터 설계 및 구현", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-08d2a70f-5eaf-400c-a071-30c6dd07ca04", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "송태승", "김태연", "유준" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "실 험 결 과</h1> <p>본 논문에서는 제안한 알고리즘의 성능을 검증하기 위해 프레임을 홀수, 짝수 필드 영상으로 나눈 후 제안된 방법으로 디인터레이싱을 수행하였다.", "객관적 화질평가를 위해 \\( 352 \\times 288 \\) 크기의 Akiyo, Foreman, Football, Mobile, Mother Daughter, Table Tennis, Stefan 순차 주사 영상을 비월주사식 영상으로 변환한 후에 Line Average, ELA, E-ELA, E-ELA에 기반하여 중앙값 필터를 사용한 참고논문, 그리고 제안된 알고리즘의 방법으로 200개의 프레임의 평균 PSNR을 측정하였다.", "</p> <p>표 1 은 각각의 알고리즘의 입력영상에 따른 평균 PSNR을 나타낸다.", "본 논문의 디인터레이싱 방법은 기존의 에지 기반의 디인터레이싱 방법들 보다는 실험 영상에 따른 차이는 있으나 PSNR이 평균 \\( 0.5 \\sim 1 \\mathrm{~dB} \\) 정도 높다는 것을 확인 할 수 있다.", "특히 \"Table tennis\" 영상이나 \"Foreman\" 영상과 같이 방향성 에지 성분에 많은 영상에 대해서는 E-ELA 방법이나 참고논문의 에지 보간 능력보다 우수하기 때문에 높은 PSNR을 보였다.", "하지만 디인터레이싱의 성능을 단순히 PSNR로만 측정하기는 어렵기 때문에 주관적 화질 성능을 확인하기 위해 \\( 720 \\times 480 \\) 크기의 비월주사 영상을 홀수, 짝수 필드 영상으로 나눈 후 기존 알고리즘과 제안한 알고리즘으로 디인터레이싱을 수행하였다.", "좀 더 정확한 에지의 보간성능을 확인하기 위해 에지영역, 가는 에지 영역으로 나누어 성능을 비교하였다.", "</p> <table border><caption>표 1. 입력영상에 따른 평균 PSNR</caption> <tbody><tr><td>구 분</td><td>Line double</td><td>ELA</td><td>E-ELA</td><td>Ref.[2]", "</td><td>proposed</td></tr><tr><td>akiyo</td><td>33.58</td><td>37.55</td><td>39.02</td><td>39.16</td><td>39.09</td></tr><tr><td>football</td><td>39.05</td><td>34.34</td><td>34.47</td><td>34.63</td><td>34.82</td></tr><tr><td>forema n</td><td>29.53</td><td>34.13</td><td>34.28</td><td>34.13</td><td>35.02</td></tr><tr><td>mobile</td><td>20.95</td><td>23.14</td><td>23.59</td><td>23.67</td><td>23.79</td></tr><tr><td>mostner daughter</td><td>34.46</td><td>38.27</td><td>38.70</td><td>38.91</td><td>39.40</td></tr><tr><td>stefan</td><td>22.82</td><td>25.79</td><td>26.05</td><td>26.34</td><td>26.41</td></tr><tr><td>table</td><td>24.47</td><td>27.45</td><td>27.97</td><td>28.22</td><td>29.25</td></tr><tr><td>Average</td><td>27.98</td><td>31.48</td><td>32.01</td><td>32.15</td><td>32.54</td></tr></tbody></table> <p>그림 9 와 10 은 에지영역의 보간성능을 비교할 \"Table tennis\"와 \"football\" 영상의 부분 확대영상이다.", "(b)방법은 에지성분을 전혀 고려하지 않았기 때문에 심각한 계단현상이 나타났고 기존 에지의 방향성을 고려하여 화소를 보간하는 (c)와 (d) 그리고 (e)방법은 에지성분을 고려하지 않은 (b)방법보다는 에지 보간성능이 좋았지만 에지가 \\( 45^{\\circ} \\) 보다 작은 영역에서는 잘못된 에지 정보를 판단하여 보간을 수행하였기 때문에 에지의 불연속성 및 잡음이 많이 생겨 화질열화가 발생하였다.", "</p> <p>제안한 (f)방법은 7개의 방향성정보를 검출하고 가중중앙값 필터를 이용하여 방향성 보정을 수행하였기 때문에 에지의 성분을 자연스럽고 정확하게 보간할 수 있었고 영상의 잡음 문제도 잘 해결하였다.", "</p> <p>그림 11은 가는 에지영역의 보간 성능울 비교할 \"mobile\" 영상의 부분 확대영상이다.", "\"mobile\" 영상의 달력문자 부분에 있어서 (c)나 (d)방법은 보간 할 에지라인이 가늘고 에지성분이 밀집해 있어서 잘못된 방향성을 검출 할 경우가 많아 정확한 보간이 어렵다.", "중앙값 필터를 사용한 (e)방법은 대체적으로 다른 기존 방법에 비해 화질은 좋으나 에지의 방향성을 크게 고려하지 않았기 때문에 문자의 높거나 낮은 각도의 에지 부분에 있어서 보간성능이 다소 낮음을 확인 할 수 있다.", "제안한 (f)방법은 에지기반의 방향성 보정을 수행하였기 때문에 조금 더 우수한 영상을 얻을 수 있었다.", "</p> <p>모의 실험결과 제안한 알고리즘은 특히 방향성 에지 성분에 대한 보간성능이 우수하여 객관적 화질 평가 및 주관적 화질이 기존 알고리즘보다 높음을 확인 할 수있었다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "가중중앙값 필터를 이용한 에지 방향성 보정 기반 디인터레이싱 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-09711b85-ac20-42c4-ae66-ddef36d26cd9", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "장승민", "김영철", "홍성훈" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅱ. 비음수 분해</h1><h2>1. 비음수 행렬 분해</h2><p>NMF는 다변량 분석(multivariate analysis) 기법으로 입력 데이터가 비음수인 경우 유용하게 사용될 수 있으며, 곱셈 갱신 규칙(multiplicative update rule)이 제안되면서 얼굴 인식, 차량 인식, 오디오 인식 등의 응용 분야에서 널리 사용되게 되었으며, 희소성 제약을 갖는 희소 NMF(sparse NMF), 직교성 제약을 갖는 직교NMF(orthogonal NMF) 등의 기법이 제안되고 있다.", "NMF는 부분 기반 표현이 가능함으로써 전체적인 모습을 표현하는 선형 변환 방식이 가진 문제점을 해결하기 위하여 데이터의 지역적인 특징을 찾아 각 지역별 의미적 특징 학습이 가능하다.", "</p><p>NMF를 제안한 Lee와 Seung의 실험에서 얼굴 인식에 적용하였을 때 얼굴을 눈, 코, 입 등의 직관적으로 인식 가능한 부분들을 기저 벡터로 하여 기저 벡터의 선형 조합으로 표현할 수 있다는 것을 알 수 있다.", "</p><p>그림 1은 차량 이미지를 NMF의 기저 벡터와 계수 벡터(cocfficient vector)의 선형 조합으로 나타내었다.", "이미지 \\( V \\)는 차량을 구성하는 프레임, 전조등, 번호판 등과 같은 성분을 나타내는 기저 행렬 \\( W \\) 와 계수 벡터 \\( H \\)의 선형 조합으로 이루어진다.", "따라서 차량의 후보 영역에서 차폐 영역이 발생하더라도 특정 기저 벡터에 대응하는 계수 벡터의 계수 값만 작아지기 때문에 전체적인 특징 벡터에 큰 영향을 끼치지 않기 때문에 NMF는 차폐 영역에 대하여 강인한 성질을 가질 수 있다.", "</p><p>\\( V=W H \\) 가 되도록 분해하는 것이 이상적이지만 이러한 경우 각 기저 벡터가 이미지의 전체를 나타내므로 인식의 목적에는 적합하지 않기 때문에 인식에 사용되는 기저 행렬과 계수 행렬은 식 (1)과 같이 정의된다.", "</p><p>\\( V \\approx W H \\)<caption>(1)</caption></p><p>이미지 데이터베이스 행렬 \\( V \\) 가 \\( n \\times m \\) 크기의 행렬로 나타낸다면 \\( V \\) 는 \\( n \\times r \\) 크기의 기저 행렬 \\( W \\)와 \\( r \\times m \\) 크기의 계수 행렬 \\( H \\)로 분해된다.", "이때 \\( n \\) 은 이미지 데이터베이스를 구성하는 이미지 한 장의 픽셀 수를 나타내고, \\( m \\)은 이미지 데이터베이스 행렬에 저장된 이미지의 개수를 나타낸다. \\", "( r \\)은 기저 행렬 \\( W \\)를 구성하는 기저 벡터의 개수나 각 계수 벡터의 차원과 같고 일반적으로 \\( (n+m) r<n m \\)을 만족해야 하는 제약 조건이 존제한다.", "</p><p>\\( V \\)에 근사하는 \\( W \\)와 \\( H \\)를 생성하기 위해 \\( V \\)와 \\( W H \\)의 차이를 목적함수 \\( F \\)로 정의함으로써 반복적인 갱신을 멈추게 된다.", "목적함수 \\( F \\)는 유클리디언 거리 대신 KL(Kullback-Leibler) divergence를 사용하며, 식 (2)의 목적함수 \\( F \\)가 수렴하기 시작하면 \\( W \\)와 \\( H \\)는 부분 기반 표현을 제외한 나미지에서 0에 가까운 값을 가지게 되고 이러한 특성으로 인하여 부분 기반 표현을 만족할 수 있다.", "</p><p>\\( F=\\sum_{i=1}^{n} \\sum_{\\mu=1}^{m}\\left[V_{i \\mu} \\log (W H)_{i \\mu}-(W H)_{i \\mu}\\right] \\)<caption>(2)</caption></p><p>갱신 규칙은 식(3), (4)와 같이 나타낼 수 있다.", "갱신 규칙은 곱셈 갱신 규칙(multiplicative update rule)으로, 기울기 하강(gradient descent) 방법과 비슷하게 동작하며, 현재의 \\( W \\)와 \\( H \\)의 값에 예측값을 곱하여 목적함수 \\( F \\)를 최소화하는 방향으로 갱신한다.", "갱신된 \\( W \\)와 \\( H \\)는 부분적인 편차를 가지게 되고 행렬 상호간 내부적으로 직교하는 방향으로 변화하게 되며, 부분 기반 표현에서 요구하는 희소성(sparseness)을 만족하게 된다.", "</p><p>\\( W_{i a} \\leftarrow W_{i a} \\sum_{\\mu} \\frac{V_{i \\mu}}{(W H)_{i \\mu}} H_{a \\mu}, W_{i a} \\leftarrow \\frac{W_{i a}}{\\Sigma_{j} W_{j a}} \\)<caption>(3)</caption></p><p>\\( H_{a \\mu} \\leftarrow H_{a \\mu} \\sum_{i} W_{i a} \\frac{V_{i \\mu}}{(W H)_{i \\mu}} \\)<caption>(4)</caption></p> <h2>3. 알고리즘의 성능 비교</h2><p>NTF의 성능평가를 위하여 차량 인식에 많이 사용하고 있는 Haar 특징과 선형 변환 방식 중 대표적인 PCA, 유사한 부분 기반 표현으로 분해하는 NMF와 SNMF, NTF를 비교하였다.</p><p>PCA의 경우 적은 수의 고유값으로 표현이 가능하기 때문에 상위 100 개의 고유 값을 선정하여 분류하였고, NMF, SNMF, NTF의 기저 행렬 개수는 목적 함수가 수렴하는 구간의 최소가 되는 개수에 근사화하고 설정된 개수에 대하여 인식률을 실험하였다. 실험된 각 알고리즘에 따른 인식률을 표 3에 나타내었다. 비교한 특징들이 대부분 높은 인식률을 보였으나 실제 응용에서는 조도의 변화, 그림자 등의 외부적인 요인에 의하여 차량의 인부가 보이지 않거나 겹침으로 인한 차폐 영역이 발생하는 경우를 흔히 볼 수 있다. 이는 잠재적인 위험을 감지할 수 없다는 것을 의미하며, 실제 적용을 위하여 차폐 영역이 발생한 차량 후보 영역에 대한 인식률의 비교가 필요하다. 표 4 는 차량 후보 영역의 크기에서 약 \\( 10 \\sim 50 \\% \\) 차폐 영역이 발생한 차량 이미지에 대한 인식 결과를 비교하였다.</p><p>제안된 NTF를 이용한 차량 인식 방법은 차폐 영역을 위한 기저 벡터들을 생성함으로써 차폐 영역의 존재에도 불구하고 인식률을 유지할 수 있었으며, 음영 지역에서 조도 감소로 인한 낮은 대비를 가지는 후보 영역에 비하여 최대 \\( 15 \\% \\), 평균적으로 \\( 5.5 \\% \\)의 인식률이 향상됨으로씨 강인함을 보였다.</p> <h2>2. 실험 및 결과</h2><p>NTF는 반복하여 기저 행렬들과 계수 행렬로 분해하기 때문에 많은 시간이 요구된다. 따라서 최적의 시작점과 최적의 기저 행렬의 개수의 선택이 필요하다. 최적의 시작점은 기저 행렬의 개수와 관련되어 있기 때문에 기저 행렬의 개수를 변화하면서 목적함수가 수렴하는 구간의 최소값의 기저 행렬의 개수를 선택하여 분해를 시작한다. 그림 9 는 NTF의 기저 행렬의 개수에 따른 초기 목적 함수 값의 변화를 나타내었다. NMF의 이미지 데이터베이스 행렬과 이미지 데이터베이스 텐서의 크기는 같은 학습 데이터를 사용하기 때문에 같으며, 기저 행렬과 계수 행렬에 임의의 고정된 초기 값으로 초기 목적함수를 계산할 경우 정의된 목적 함수의 벡터 F(r)은 행렬과 텐서의 크기에 대한 특성을 반영한다. 따라서 F(r)은 부분 기반 표현과 분류 능력을 충분히 가지는 기저 행렬의 개수를 얻을 수 있도록 한다.</p><p>차량 이미지 데이터베이스 텐서의 기저 행렬에 따른 목적함수의 벡터 F(r)은 기저 행렬의 개수가 약 40개일 때 수렴하기 시작하며 약 60 개 이상일 때 목적함수의 기울기의 변화가 거의 없어져 인식에 영향을 미치지 않는 중복된 기저를 생성한다. 이는 생성한 텐서의 크기에 대한 요소와 밀접한 관련이 있기 때문에 계산의 복잡도 측면에서 수렴을 시작하는 구간이나 수렴하는 구간의 최소값을 만드는 기저 행렬의 개수를 선택하는 것이 유리하게 작용함을 알 수 있다.</p><p>기저 행렬의 개수 r에 따른 인식률을 검증하기 위하여 표 2에 기저 행렬의 개수에 대한 차량 후보 영역 100 개에 대한 인식률을 나타내었다. 시작 목적 함수의 값이 기저 행렬의 개수 r에 따라 차이를 보이기 때문에 목적함수 F가 수렴하기 시작하는 반복 횟수가 다르게 나타나며, 각 기저 행렬의 형태 또한 정확히 차량의 부분을 표현하지 못하는 기저 행렬을 생성하기도 하였다. 목적함수의 벡터 F(r)이 수렴하기 시작하는 구간인 약 20개 이하의 기저 행렬의 경우 기저 행렬들이 부분 기반 표현을 만족하지 못하고 전체를 표현하게 되는 결과를 보였으며, 다시 증가하는 구간이 시작되는 약 60 개 이상의 기저 행렬의 경우 기저 행렬들이 중복되는 경우가 많았으며 차량의 각 부분을 표현하는 기저 행렬을 생성하지 못하였다.</p><table border><caption>표 2. 기저 행렬 개수에 대한 차량 후보 영역 인식률</caption><tbody><tr><td>기저행렬 개수</td><td>시작 목적함수</td><td>반복 횟수</td><td>종료 목적함수</td><td>인식률 (\\(\\%\\))</td></tr><tr><td>20</td><td>10768937</td><td>148</td><td>255099</td><td>56</td></tr><tr><td>40</td><td>8966834</td><td>181</td><td>99698</td><td>85</td></tr><tr><td>60</td><td>8297491</td><td>151</td><td>99481</td><td>83</td></tr><tr><td>80</td><td>8024064</td><td>146</td><td>98865</td><td>77</td></tr><tr><td>140</td><td>7851829</td><td>143</td><td>101725</td><td>79</td></tr></tbody></table><p>그림 10은 제안된 방법에 따라 기저 행렬의 개수를 설정하고 분해를 하였을 때 생성되는 기저 행렬의 예를 나타내었다, 생성된 기저 행렬들은 차량의 각 부분을 표현하고 있기 때문에 인식 단계에서 유용한 특징으로 사용될 수 있다. 따라서 적절한 기저 행렬의 개수를 선택함으로써 차량의 각 부분을 표현하는 기저 행렬에 나타나는 헝태와 형태에 따른 인식률의 변화가 밀접하게 연관되어 있음을 알 수 있다.</p><p>기저 행렬의 개수가 선택되면 생성된 기저 행렬과 연관된 계수 행렬의 각 벡터에 따라 클래스가 결정된다. 그림 11은 정의된 클래스에 따른 각 클래스에 대한 NTF의 계수 벡터 C의 평균값을 나타낸다. X축은 기저 벡터와 행렬의 순서를 나타내고, Y축은 계수 벡터의 평균값을 나타낸다.</p><p>차량을 나타내는 계수 벡터의 경우 차량의 부분을 나타내는 기저 벡터와 행렬에 연결된 계수 벡터가 높은 값을 나타내고 있으며, 특히 가려진 차량에 대한 계수 벡터는 특정 기저 벡터와 행렬에 연관된 계수만이 높은 값을 나타내고 있다. 배경의 계수 벡터의 경우 다양한 기저 벡터와 행렬과 대응하기 때문에 계수 벡터의 값이 평균적으로 작으며, 고르게 분포되어 있는 것을 볼 수 있다. 또한 차량의 계수 벡터는 차종, 시점, 차폐 영역의 정도에 따라 차이를 보인다.</p> <h1>Ⅰ. 서 론</h1><p>차선 인식과 차량 및 보행자 등의 도로상의 물체 인식은 지능형 자동차를 구현하기 위하여 필수적인 기능으로 특히 컴퓨터 시각 장치를 활용한 연구가 활발하게 진행되고 있다.</p><p>차량의 특성상 실제 적용을 위하여 실시간성을 보장 하고, 차종이나 이동에 따른 변형이 발생하더라도 변하지 않는 특징이 요구되기 때문에 이러한 경우 주로 선형 변환 방식을 사용한다.</p><p>선형 변환 방식은 대부분 고차원의 데이터를 저차원의 데이터로 줄이는 방식을 사용함으로씨 실시간성을 보장할 수 있다. 대표적인 선형 변환 방식으로는 데이터의 상관행렬(covariance matrix)에서 변동이 심한 방향을 찾아내는 주성분 분석(principal component analysis), 학습 단계에서 클래스의 구분에 중점을 두는 선형 판별식 분석(linear discriminant analysis), 통계적 독립성을 이용하여 독립적인 성분만을 추출하는 독립 성분 분석(independent component analysis) 등이 있다. 그러나 기존의 대표적인 선형 변환 방식들은 영상의 전체적인 모습을 대상으로 특징을 추출하기 때문에 물체의 모습이 가려지는 경우 인식 성능의 저하를 초래하게 된다. 따라서 차폐 영역이 존재하는 도심 영상에서 차량을 인식하기 위하여서는 부분 기반 영상 표현(part-based image representation)을 이용하여 차량을 표현하여 차량의 부분적인 모습으로도 인식할 수 있어야 한다. 대표적인 부분 기반 표현 기법으로는 비음수 행렬 분해(non-negative matrix factorization, NMF)과 비음수 텐서 분해(non-negative tensor factorization,NTF 기법이 있다.</p><p>인간의 두뇌가 영상의 부분적인 특징을 인식한다는 점을 응용한 NMF}는 입력 데이터가 양의 값만을 가지는 영상을 대상으로 하는 경우 유용하다고 알려져 있다.", "NMF는 지역적인 특징을 이용하기 때문에 물체가 다른 객체에 의해 가려지더라도 목표로 하는 표현과 크게 변화하지 않으므로 복잡한 도심 영상에서의 인식에 다른 선형 변환 방식보다 적합한 방법이다.", "그러나 NMF는 2 차원의 이미지 데이터를 1 차원의 벡터로 변환하는 과정에서 공간 구조 정보의 손실과 언제나 유일한 분해를 보장하지 못하는 문제점을 가지고 있다.", "</p><p>텐서는 다차원 배열(multidimensional array)로 이미지와 비디오는 다차원 데이터 배열로 표현될 수 있기 때문에 이미지의 가로, 세로, 색상, 채널, 시간 등을 반영하는 공간으로 표현이 가능하며, NTF는 NMF를 확장한 개넘이다.", "NTF는 2 차원 데이터 표현을 보존하고 유인한 분해를 보장하며 근사한 재구성 오차 (reconstruction error)를 제공하므로 NMF와 비교하여 효율적인 기저 텐서를 생성할 수 있다.", "</p><p>본 논문에서는 비음수 텐서 분해 기법을 이용하여 차량의 부분적인 특징을 표현함으로써 복잡한 도심 영상에서 발생할 수 있는 차폐 영역에 강인하고 기존의 차량 인식 알고리즘 보다 좋은 성능을 갖는 차량 인식 방법을 제안한다.", "Ⅱ장에서는 제안하는 비음수 분해 기법에 대하여 소개한다.", "Ⅲ장에서는 비음수 분해 기법을 이용한 차량 인식에 대하여 선명하고, 효율적인 기저 텐서를 생성하는 알고리즘과 계산량을 줄이기 위한 방법을 제안한다.", "Ⅳ장에서는 기저 텐서의 차원에 따른 인식률 비교와 제안한 방법과 기존 차량 인식 알고리즘과의 인식률 비교를 위한 실험을 하고, 마지막으로 Ⅴ장에서 결론을 맺는다.", "</p> <h1>Ⅲ. 비음수 텐서 분해를 이용한 차량 인식</h1><p>컴퓨터 시각 장치를 이용한 차량 인식 시스템은 차량 후보 검출 단계와 차량 인식(또는 검증) 단계의 두 단계로 나눌 수 있다.", "</p><h2>1. 차량 인식 시스템의 개요</h2><p>본 논문에서는 스테레오 비전(sterco vision)을 이용하여 도로 영상에서 차량 후보를 검출하며, 제안하는 차량 인식 시스템의 전체적인 구성은 그림 4 와 같다.", "</p><p>스테레오 카메라로부터 영상으로 부터 거리 정보를 포함하고 있는 깊이 맵(depth map)을 생성한다.", "실제 도심 주행 영상에는 많은 차폐 영역이 존재하기 때문에 특정 거리 내에 존재하는 모든 객체를 대상으로 후보 영역을 검출한다.", "</p><p>검증 단계에서는 학습 이미지들로 생성한 텐서를 NTF를 이용하여 계수 행렬을 생성한다.", "이때 계수 행렬의 차원은 기저 행렬들의 개수와 같으며, 각 집합의 지역적인 특징을 학습하고 차량 이미지의 집합으로부터 차량의 부분 모습을 각각의 기저 행렬들이 표현한다.", "계수 행렬은 결과적으로 학습 이미지의 지역적 부분을 나타내는 기저 텐서를 가중치로 사용하게 되고, 새롭게 검출된 후보 영역에서 분해된 계수 벡터와 차이를 구한다.", "적은 수의 계수 벡터를 이용하기 때문에 차원 감소 효과로 인하여 빠른 속도로 차량을 인식할 수 있다.", "</p><p>차량 후보 영역 검출은 차량 후보 영역의 위치를 영상 내에서 빠르게 찾고자 하며, 스테레오 비전 기반 방법은 차량의 위치와 거리 정보를 동시에 얻을 수 있는 장점이 있다.", "차량 후보 영역을 검출하기 위하여 깊이 맵을 생성하고 생성된 깊이 맵에서 특정 비율과 크기를 만족하는 약 \\( 30 \\mathrm{~m} \\) 이내의 모든 객체를 추출한다.", "깊이 맵은 좌우 영상의 대응 화소를 매칭 알고리즘을 사용하여 추출하기 때문에 두 영상의 대응 위치를 정확하게 검출하는 것이 정확한 깊이 맵을 생성하는데 필수적이며, 실시간성이 요구되기 때문에 매칭 알고리즘의 복잡도가 높지 않아야 한다.", "본 논문에서 구현한 차량 후보 영역의 검출은 그림 5에 나타내었다.", "</p><p>두 영상의 밝기 차이의 영향을 줄이기 위하여 전처리 과정이 필요하며, 밝기 정보를 정규화하고 질감을 향상시키는 작업을 수행한다.", "스테레오 비전은 질감이 두드러진 점을 매칭할 때 좋은 성능을 보이기 때문에 이를위하여 Laplacian of Gaussian을 이용하여 전처리 과정을 수행한다.", "이는 스무딩 된 영상에서 지역적 최대값을 찾고, 식 (10)의 SAD(Sum of Absolute Difference)를 계산하여 대응점을 검출한다.", "</p><p>\\( S A D(x, y, d)=\\sum_{y=0}^{h-1} \\sum_{i=0}^{w-1} \\mid I_{L}(x, y)- \\) \\( I_{R}(x+d, y) \\mid \\)<caption>(10)</caption></p> <h1>요 약</h1><p>차량 인식을 기반으로 하는 능동 제어는 지능형 자동차의 구현에 필요한 핵심 기술이며.", "차폐 영역(occlusion)이 빈번하게 발생하는 도심에서 차량을 인식하기 위하여 차량의 부분적인 모습만으로도 차량을 인식할 수 있는 부분 기반 차량 표현이 필요하다.", "본 논문에서는 지역적인 특징을 기저벡터로 사용하는 비음수 텐서 분해(non-negative tensor factorization, NTF)를 이용하여 차량을 표현하고, NTF 분해 계수를 특징으로 차량 인식률을 검증하였다.", "실험 결과, 제안하는 방법이 기존의 비음수 행렬 분해를 사용한 경우에 비하여 보다 직관적인 부분 표현이 가능하며, 도심 영상에서도 보다 강건하게 차량을 인식함을 보여주었다.", "</p> <h2>2. NTF를 이용한 차량 후보 영역 검증</h2><p>차량 후보 영역 검증 단계는 후보 영역 검출 단계에서 찾아진 차량의 위치에 대한 차량 여부를 판단하는 단계이다.", "</p><p>차량의 일부가 보이지 않거나 겹침으로 인하여 차폐 영역이 존재하는 차량 후보 영역에 대하여 다음과 같은 과정을 통하여 차량을 인식한다.", "</p><p>학습 단계에서는 차량 이미지와 차폐 영역이 존재하는 차량 이미지, 배경 이미지를 차량의 종류, 시점 등의 순서로 이미지 데이터베이스 텐서 G를 생성한다.", "텐서는 3 차원 큐브 모양으로 나타낼 수 있으며, 각 차원은 행, 열, 클래스를 나타내는 W, H, C 행렬들로 분해되도록 구성하여 그림 6 의 학습 과정을 수행한다.", "</p><p>각 차원을 나타내는 분해된 행렬 W, H, C는 식(9)에 정의된 곳셈 갱신 규칙을 통하여 식 (11), (12), (13)과 같이 갱신되며 가장 앞에 있는 행렬부터 변화하기 시작하며 가장 마지막 행렬이 가장 나중에 변한다.", "이는 기저 행렬들이 차량의 부분을 잘 표현하도록 하는데 유용하게 작용한다.", "</p><p>\\( W^{(i)} \\leftarrow W^{(i) *} \\frac{G_{(i)} W_{\\odot}^{(i)}}{W^{(i)} W_{\\odot}^{(i)^{T}} W_{\\odot}^{(i)}} \\)<caption>(11)</caption></p><p>\\( H^{(i)} \\leftarrow H^{(i) *} \\frac{G_{(i)} H_{\\odot}^{(i)}}{H^{(i)} H_{\\odot}^{(i)^{T}} H_{\\odot}^{(i)}} \\)<caption>(12)</caption></p><p>\\( C^{(i)} \\leftarrow C^{(i) *} \\frac{G_{(i)} C_{\\odot}^{(i)}}{C^{(i)} C_{\\odot}^{(i)^{T}} C_{\\odot}^{(i)}} \\)<caption>(13)</caption></p><p>또한 빠른 수렴을 위하여 W, H, C 행렬의 초기값을 1 로 초기화하고 기저 행렬의 개수를 변경하면서 NTF를 1회 수행하였을 때 식 (14)의 목적함수 F가 수렴하는 구간의 최소값을 가지는 기저 행렬의 개수 r을 선택하여 분해한다.", "기저 행렬의 개수에 따른 목적 함수 F의 벡터를 F(r)라 가정하면, F(r)의 기울기가 0에 가까운 임의의 상수 \\( \\epsilon \\) 보다 작게 되는 제약 조건을 만족시키는 r을 선택함으로써 이미지 데이터베이스의 특성에 맞는 기저 행렬의 수를 선택할 수 있다.", "</p><p>\\(\\begin{array}{l} r=\\operatorname{argmin}[F(r)] \\\\ \\text{subject to} : \\nabla \\cdot F<\\epsilon \\end{array}\\)<caption>(14)</caption></p><p>그림 7은 인식 단계의 흐름도를 나타내었다.", "차량의 후보 영역이 입력되면 학습되었던 NTF의 W와 H를 고정하고 목적 함수가 수렴할 때까지 분해를 반복하여 입력 이미지에 대하여 새로운 계수 벡터 c를 추출한다.", "추출된 계수 벡터 c는 입력 이미지의 클래스에 따라서 다른 계수 벡터 c를 생성하기 때문에 학습된 계수 행렬 C의 각 열과 비교하였을 때 유클리디언 거리를 이용하여 가장 차이가 적은 클래스를 선택하여 구분한다.", "</p> <h1>Ⅳ. 실험 결과 및 분석</h1><h2>1. 실험 환경</h2><p>제안하는 알고리즘을 성능 평가를 위하여 KITTI Vision Benchmark의 \\( 1344 \\times 391 \\) 해상도의 스테레오 이미지를 \\( 30 \\mathrm{fps} \\) 영상으로 편집하여 사용하였으며 카메라 보정 파라미터는 각각의 영상에 따라 제공된 파라미터를 사용하였다.", "실험에 사용된 영상은 맑은 날 주간을 기준으로 전방을 주행하는 차량과 주차되어 있어 겹침이 발생한 차량, 가로수나 표지판 등의 물체에 가려진 차량, 눈이나 그림자에 의해 조도가 다른 차량 등을 다수 포함하고 있다.", "실험 환경은 Intel(R) Core(TM) i5-2400@\\(3.16\\mathrm{GHz}\\), windows 7 \\(32 \\mathrm{bit}\\) 환경에서 visual studio 2010과 OpenCV 라이브러리를 사용하였다.", "</p><p>학습에 사용된 차량 학습 이미지는 그림 8과 같으며, 검출을 수행하는 거리의 최대 범위를 \\( 30 \\mathrm{m} \\)로 설정하였다.", "모든 학습 이미지는 \\( 48 \\times 48 \\) 의 크기로 정규화 하였으며 정규화한 이미지를 3 차원 큐브 형태의 텐서로 구성하여 기저 텐서와 계수 행렬로 분해하였다.", "학습 데이터는 총 200 개의 이미지를 사용하였으며, 각 클래스 구분은 정상 차량 이미지, 차폐 영역이 존재하는 차량 이미지로 구성되어 있다.", "따라서 학습 이미지 텐서는 \\( 2304(48 \\times 48) \\times 200 \\)으로 구성되어 있으며 특징의 개수인 계수 행렬의 수를 증가시키며 기존의 차량 인식 알고리즘과 인식률을 비교하였다.", "</p><p>제안한 방법에서는 각 프레임에 대하여 검출 단계와 검증 단계를 수행하는 동안 후보 영역의 수가 감소하기 때문에 실험에 사용된 입력 영상들의 각 프레임에 존재하는 평균적인 전체 차량 수와 그에 따른 제안된 방법의 평균적인 검출된 영역의 수, 검증된 영역의 수를 표 1 에서 비교하였다.", "검출 영역은 약 \\( 30 \\mathrm{m} \\) 이내의 모든 객체를 추출하기 때문에 실제로 검출된 후보 영역에서는 창문, 보행자 등의 차량 이외의 객체가 포함되어 있으며, 검증 단계에서는 이를 보완하기 때문에 실제 차량 수와 근사하게 감소하는 것을 볼 수 있다.", "</p><p>그러나 차량 인식 시스템에서 추출한 영역은 언제나 차량을 포함하고 있지 않기 때문에 정확한 성능을 계산하기 위하여 인식률과 실패율을 식 (15)와 식 (16)와 같이 정의하였다.", "</p><p>Recg_rate \\( (\\%)=\\frac{\\text { Vehicle }_{\\text {veh }}+B G_{b g}}{\\text { total }} \\times 100 \\)<caption>(15)</caption></p><p>Fail_rate \\( (\\%)=\\frac{\\text { Vehicle }_{b g}+B G_{v e h}}{\\text { total }} \\times 100 \\)<caption>(16)</caption></p><p>total은 Vehicle \\( e_{v e h} \\), Vehicle \\( e_{b g}\\), \\(B G_{v e h}\\), \\(B G_{b g} \\) 의 합으로 후보 영역의 총 개수를, Vehicle \\( v e h \\) 과 \\( B G_{b g} \\)는 각 클래스가 바르게 인식된 수를, Vehicle \\( { }_{b g} \\) 와 \\( B G_{v e h} \\)는 틀리게 인식된 수를 나타낸다.", "차량 인식에 많이 사용하는 Haar 특징과 PCA, , NMF, SNMF와 LVQ2 신경회로망을 결합한 방법과 제안한 NTF를 비교하여 제안한 차량 인식 시스템에 대한 성능을 평가하였다.", "</p> <h1>Ⅴ. 결 론</h1><p>본 논문은 차폐 영역이 빈번히 발생하는 도심 영상에서 적용 가능한 NTF를 이용한 차량 인식 방법을 제안하였다.", "도심 영상은 다른 차량에 의해 가려진 차량, 표지판, 가로수 등에 의해 부분만 보이는 차량 등의 차량 인식에 있어 인식률을 저하시키는 요소들이 다수 포함되어 있어 차폐 영역을 포함한 차량 후보에 대하여 인식 단계에서 강인하여야 한다.", "따라서 본 논문에서는 이러한 문제점을 해결하기 위해서 이용하여 특정 범위 내의 객체들을 후보 영역으로 추출한 뒤 후보 영역에서 차량의 부분을 표현하는 NTF의 기저 텐서와 계수 행렬을 이용하여 차량 인식을 수행하였다.", "</p><p>많은 차량이 겹쳐져 있거나 시설물, 사람에 의해 가려진 환경의 도심 영상을 대상으로 실험한 결과 기존의 차량 인식 알고리즘보다 제안한 방법이 높은 인식률을 보이는 것을 확인 할 수 있었다.", "기존의 차량 인식 알고리즘은 차폐 영역에 대하여 비교적 낮은 인식률을 보이기 때문에 이는 잠재적 위험을 감지 할 수 없다는 것을 의미하지만, 제안한 방법은 차폐 영역에 대하여 크게 영향을 받지 않는 장점이 있다.", "또한 NTF는 NMF와 다르게 다양한 특성을 정의하여 차원 확장이 가능하기 때문에 실제 응용에서 고려되는 조도, 날씨 등의 외부적인 요인에 의하여 인식률이 저하되는 점을 방지할 수 있다.", "따라서 본 논문에서 제안한 방법이 기존의 차량 인식 알고리즘보다 차량 인식 성능이 향상 되었으며, 특히 차폐 영역이 존재하는 후보 영역에 대한 인식률은 NMF보다 최대 \\( 12 \\% \\) 향상됨을 확인할 수 있다.", "</p><p>하지만 곱셈 갱신 규칙은 구현이 간편한 장점을 가지고 있지만 수렴속도가 느리다는 단점을 지니고 있다.", "따라서 본 논문에서는 적절한 기저의 개수를 찾는 방법을 제안하였다.", "그러나 학습 데이터의 수가 증가하면 많은 계산량으로 인해 기저 텐서와 계수 행렬의 생성에 많은 시간이 요구된다.", "따라서 최적화에 기반하여 보다 빠른 갱신 규칙에 대한 연구가 필요하다.", "또한 재구성 텐서와 원본 텐서의 차이가 수렴하는 구간에서 갱신 법칙을 중단하기 때문에 정확한 규칙이 존재하지 않으며, 갱신 회수에 따라 생성되는 기저 텐서의 형태도 변화할 수 있다.", "이는 차량 학습 데이터가 조금이라도 변경될 경우 다른 분해를 생성하기 때문에 유일성(uniqueness)의 측면에서 고려해야하는 사항이 될 수 있다.", "</p><p>또한 매 프레임마다 차량을 인식하는 방법은 높은 인식률을 얻을 수 있지만 매번 각 후보 영역에 대하여 텐서 분해를 반복하기 때문에 많은 연산을 요구한다.", "따라서 인식된 차량에 대한 추적(tracking) 등을 통하여 인식된 차량에 대한 연산을 줄여주는 방법이 필요하다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "비음수 텐서 분해를 이용한 차량 인식", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0963567f-be72-4406-bceb-0490d7a2167f", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2015", "doc_author": [ "반재민", "강현철" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>3.4 보안목적의 이론적 근거</h2> <p>보안목적의 이론적 근거는 앞서 제시한 보안 목적이 보안 문제를 다루기 충분하며, 과도하지 않고 반드시 필요한 것임을 입증하는 것이다.", "</p> <ul> <li>각 위협, 조직의 보안정책 및 가정사항이 최소한 하나의 보안목적에 의해서 다루어진다.", "</li> <li>각 보안목적은 최소한 하나의 위협, 조직의 보안정책, 가정사항을 다룬다.", "</li></ul> <h2>3.5 보안기능요구사항</h2> <p>보안요구사항은 TOE에서 만족되는 기능 및 보증요구사항으로 나누어지는데 본 논문에서는 보안기능 요구사항만을 기술한다.", "보증요구사항을 위한 평가보증등급(EAL)은 EAL4이고 공통평가기준 3부의 부록 패키지 형태로 구성될 수 있다.", "본 보안기능요구사항은 앞에서 식별한 보안목적을 만족시키기 위하여 공통평가기준 2 부의 컴포넌트를 선정하여 사용한다.", "TOE에서 요구되는 보안기능요구사항 컴포넌트는<표 10>과 같다.", "</p> <h2>3.6 보안기능요구사항의 이론적 근거</h2> <p>보안기능요구사항의 이론적 근거는 서술된 보안요구사항이 보안목적을 만족시키기에 적합하고, 그 결과 보안문제를 다루기에 적합함을 입증한다.", "그러므로 각 TOE의 보안목적은 적어도 하나의 TOE 보안기능요구사항에 의해서 다루어지고 각 보안기능요구사항은 적어도 하나의 TOE 보안목적을 다룬다.", "다음의<표 11>은 보안목적과 보안기능요구사항의 사이의 대응관계를 나타낸다.", "</p> <h1>4. 결 론</h1> <p>인터넷 뱅킹 시스템은 인터넷과 보안 기술의 발달로 소비자에게 다양한 서비스를 제공하고 있으며 점점 그 사용량이 증가하고 있다.", "하지만 금융기관의 보안에 대한 인식 부족과 기술력의 부족으로 인해 보안 기술이 제대로 시스템에 적용되지 못하고 있다.", "이로 인하여 인터넷 뱅킹 시스템에 여러 보안 취약점이 발생하였고, 악의적인 공격 목표가 되고 있다.", "</p> <table border><caption>보안목적의 이론적 근거</caption> <tbody><tr><td>보안목적 \\ 보안문제 정의</td><td>O.", "감사</td><td>O.", "관리</td><td>O.", "식별 및 인증</td><td>O.", "안전한 암호기능</td><td>O.", "잔여정보 제거</td><td>O.", "TSF 데이터보호</td><td>O.", "정보흐름 통제</td><td>O.", "침해사고 식별/대응</td><td>O.", "해킹툴 차단</td><td>OE.", "물리적 보안</td><td>OE.", "신뢰된 관리자</td><td>OE.", "운영체제보강</td><td>OE.", "유일한연결점</td><td>OE.", "타임스탬프</td><td>OE.", "침입차단 시스템</td></tr><tr><td>T.가로채기</td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.도청</td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.위조 데이터 전송</td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.서비스 거부 공격</td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.암호기능 관리 오류</td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.연속 인증 시도</td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.위장</td><td>X</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.잔여정보</td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.재사용공격</td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.저장 데이터 훼손</td><td></td><td></td><td>X</td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.전송 데이터 훼손</td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>T.주소위장</td><td>X</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>P.감사</td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td></tr><tr><td>P.안전한 관리</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td></tr><tr><td>P.전송데이터보호</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>A.", "물리적 보안</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>A.신뢰된 관리자</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td></tr><tr><td>A.운영체제보강</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td></tr><tr><td>A.유일한연결점</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td>X</td><td></td></tr><tr><td>A침입차단시스템</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td></tr></tbody></table> <h3>2.1.5 기타</h3> <p>앞에서 언급한 표준 외에 전자상거래, 정보시스템 등의 보안을 위한 여러 표준들이 존재하고 있다.", "하지만 이러한 표준의 대부분은 암호화, 전자서명과 같은 하나의 보안 기능을 위한 표준이며, 안전한 시스템의 구축 및 운영에 대한 요구사항은 제시하지 않고 있다.", "<표 2>는 인증, 암호화, 전자서명에 관한 표준이다.", "</p> <p> <표 3>은 앞서 제시한 관련 표준의 특성을 분석하여 인터넷 뱅킹 시스템에 단일 표준으로 적용 시 나타날 수 있는 취약점을 나타낸다.", "</p> <table border><caption>각 표준 특성 및 취약점</caption> <tbody><tr><td>표준</td><td>특성</td><td>단일 표준으로 적용 시 취약점</td></tr><tr><td>ISO 20022</td><td>금융기관 상호 운영을 위한 표준</td><td><ul> <li>모듈간 상호보안 부족</li> <li>클라이언트의 행동에 관한 보안기능 부족</li></ul></td></tr><tr><td>ISO 27001</td><td>기업 시스템 인증 및 정보자산 보호관리</td><td><ul> <li>모듈간 상호보안 부족</li> <li>기술적인 보안 부족</li></ul></td></tr><tr><td>Common Criteria</td><td>IT 제품의 개발, 평가, 조달 지침</td><td>현재 인터넷 뱅킹 관련 보호프로파일 없음</td></tr><tr><td>웹 환경 구축 및 운영을 위한 보안 관리 지침</td><td>웹 환경 안전을 위한 기술</td><td><ul> <li>특화된 위협에 대한 대응 부족</li> <li>기능 요구사항 부족</li></ul></td></tr></tbody></table> <table border><caption>보안목적</caption> <tbody><tr><td>보안목적</td><td>설명</td></tr><tr><td>O.감사</td><td>인터넷 뱅킹 시스템은 보안과 관련된 행동의 책임추적이 가능하도록 보안관련 사건을 기록 및 유지해야 하며, 기록된 데이터를 검토할 수 있는 수단을 제공해야한다.", "</td></tr><tr><td>O.관리</td><td>인터넷 뱅킹 시스템은 안전한 방법으로 배포, 설치되어야 하며, 인가된 관리자가 인터넷 뱅킹 시스템을 효율적으로 관리할 수 있는 관리 수단을 제공하며 TSF 데이터를 최신상태로 유지하는 수단을 제공하여야한다.", "</td></tr><tr><td>O.식별 및 인증</td><td>인터넷 뱅킹 시스템 내 기능은 사용자를 유일하게 식별 및 인증해야 하고, 연속인증 실패에 대해 대응해야 한다.", "</td></tr><tr><td>O.안전한 암호 기능</td><td>개인 정보 및 사용자의 금융 관련 정보를 보호하기 위한 암호화/복호화 키는 안전하게 보호되어야 한다.", "</td></tr><tr><td>O.잔여정보제거</td><td>인터넷 뱅킹 시스템은 운영 시에 재할당된 자원으로 부터 접근권한에 사용가능한 잔여정보를 취득할 수 없어야한다.", "</td></tr><tr><td>O.TSF 데이터보호</td><td>인터넷 뱅킹 시스템은 TOE에 저장된 TSF 데이터 혹은 신뢰할 수 있는 데이터를 인가되지 않은 노출, 변경, 삭제로부터 보호해야한다.", "</td></tr><tr><td>O.정보흐름통제</td><td>인터넷 뱅킹 시스템은 클라이언트와 서버 간 통신의 전송 정보 즉 사용자 데이터 및 TSF 데이터를 인가되지 않은 정보의 유 : 출입을 통제 해야 한다.", "</td></tr><tr><td>O.침해사고식별/대응</td><td>인터넷 뱅킹 시스템에서 발생하는 침해사고 등에 관한 이벤트 관리, 분석 및 대응을 위해 보안 관리를 제공해야 한다.", "</td></tr><tr><td>O.해킹툴 차단</td><td>TOE는 클라이언트에게 인터넷에서 유입되는 해킹툴을 방지하고 이에 대한 대응 수단을 제공해야 한다.", "</td></tr><tr><td>OE.", "물리적 보안</td><td>TOE는 물리적으로 안전한 환경에 위치해야 하며, 인가되지 않은 물리적 접근으로부터 보호되어야 한다.", "</td></tr><tr><td>OE.신뢰된 관리자</td><td>인터넷 뱅킹 시스템은 신뢰된 관리자에 의해서 운영 및 관리 되어야 한다.", "</td></tr><tr><td>OE.운영체제보강</td><td>운영체제상의 취약점에 대한 보강 작업을 수행하여야 하며, TOE와 다른 응용프로그램간에 간섭이 없음을 보장해야 한다.", "</td></tr><tr><td>OE.유일한 연결점</td><td>사용자가 서버에 접속 시 TOE를 반드시 통과해야 한다.", "</td></tr><tr><td>OE.타임스탬프</td><td>TOE 운영환경에서 제공하는 신뢰할 수 있는 타임스탬프를 사용해서 보안관련 사건을 정확하게 기록해야 한다.", "</td></tr><tr><td>OE.침입차단시스템</td><td>침입차단시스템은 시스템과 인터넷 사이에 위치하며, TOE를 운영하는데 필요한 모든 서비스를 허용해야 한다.", "</td></tr></tbody></table> <h3>3.2.1.1 위협(Threats)</h3> <p>위협을 도출하기 위해 앞서 서술한 취약점으로부터 기본적인 위협을 도출한다.", "</p> <h3>3.2.1.2 조직의 보안정책</h3> <p>조직의 보안정책은 위협에 대응하는 보안 기능을 적절하게 수행하기 위해 필요한 정책을 서술한다.", "</p> <table border><caption>위협</caption> <tbody><tr><td>위협</td><td>설명</td></tr><tr><td>T.가로채기</td><td>공격자는 인가된 사우라의 세션을 가로채어 인증 권한을 얻을 수 있다.", "</td></tr><tr><td>T.도청</td><td>공격자는 스니핑이나 키로깅을 통해 사용자와 시스템 간 의 보안 정보를 도청 할 수 있다.", "</td></tr><tr><td>T.위조 데이터 전송</td><td>공격자는 알려진 메시지 형식에 따라 데이터를 위조하여 웹 어플리케이션으로부터 인증을 받거나, 원하는 정보에 대한 접근 권한을 가질 수 있다.", "</td></tr><tr><td>T.서비스 거부 공격</td><td>공격자는 시스템의 자원을 소모 시켜 적법한 사용자의 시 스템 접근을 방해 할 수 있다.", "</td></tr><tr><td>T.암호기능 관리 오류</td><td>관리자의 부적절한 관리나 개발자의 잘못된 구현으로 인 해 공격성공 가능성이 높은 암호 알고리즘을 사용하거나 암호 기능을 잘못 구성하거나 암호키를 평문으로 저장하 여 정보를 노출 시킬 수 있다.", "</td></tr><tr><td>T.연속 인증 시도</td><td>공격자는 인터넷 뱅킹 시스템에 연속적으로 인증을 시도하 여 입력 정보 및 인가된 사용자의 권한을 획득할 수 있다.", "</td></tr><tr><td>T.위장</td><td>공격자는 도청이나 우회접근, 위조 데이터를 통해 얻은 사용 자 개인정보를 이용하여 정당한 사용자로 위장할 수 있다.", "</td></tr><tr><td>T.잔여정보</td><td>공격자 또는 인가된 사용자는 재할당된 자원으로부터 이 전에 사용된 데이터를 취득하여 악용 할 수 있다.", "</td></tr><tr><td>T.재사용공격</td><td>공격자는 인가된 사우라의 인증 데이터를 재사용하여 인 터넷 뱅킹 시스템의 보안기능에 접근할 수 있다.", "</td></tr><tr><td>T.저장 데이터 훼손</td><td>공격자 또는 인가된 사용자는 시스템에 저장된 데이터를 노출 또는 변경, 삭제 할 수 있다.", "</td></tr><tr><td>T.전송 데이터 훼손</td><td>공격자는 클라이언트와 서버의 통신에서 전송 정보를 변 경하여 사용자의 금융 관련 정보를 훼손할 수 있다.", "</td></tr><tr><td>T.주소위장</td><td>공격자는 자신의 주소를 바꿔 인가된 사용자로 위장하여 보안기능에 접근 할 수 있다.", "</td></tr></tbody></table> <h3>2.1.4 웹 환경 구축 및 운영을 위한 보안관리 지침</h3> <p>한국정보통신기술협회의 정보통신단체표준 (TTAS.KO-10.0090)으로 웹 환경 구축 및 운영에 필요한 보안 요소 파악을 위해 웹 보안요구사항, 안전한 운영의 접근 기법, 메시지 교환 보안기법, 해킹을 방어하기 위한 프로그래밍 기법 등을 제공한다.", "이 표준은 전자상거래, 인터넷뱅킹 등 웹서비스를 제공하는 모든 분야의 웹 관리자가 웹 환경 구축 및 운영에 활용할 수 있는 표준이다.", "웹 보안관리 지침으로 크게 세가지로 나눠<표 1>과 같이 설명하고 있다.", "</p> <p>웹 환경 구축 및 운영을 위한 보안관리 지침은 안전한 시스템을 위해 개발되었지만, 인터넷 뱅킹 시스템의 경우에는 인터넷 뱅킹에 특화된 위협에 대응하기에 이 지침에서 제안하는 보안 요구사항이 충분하지 않다.", "또한 이 지침은 웹 환경 구축 및 운영에 대한 최소한의 간단한 사항만 제시할 뿐, 시스템이 어떠한 위협에 대응해야 하고, 이를 위해 어떤 보안 기능을 갖추어야 하며, 시스템 설계과정이나 이로부터 도출되어야 하는 기능에 대한 요구사항이 부족하다.", "</p> <table border><caption>웹 환경 구축 및 운영을 위한 보안 관리 지침</caption> <tbody><tr><td>분야</td><td>설명</td></tr><tr><td>웹 보안 기법</td><td>네트워크 주소를 이용한 접근제어, 사용자 이름과 패스워드에 대한 접근관리, 로그파일 관리, 메시지 교환 보안 기법</td></tr><tr><td>안전한 웹 프로그램 제작 기법</td><td>SQL Inietion 공격 보안 기법, SQL Injection을 이용한 사용자 인증 우회 공격 및 대책, 업/다운로드 공격 보안기법, XSS 공격 보안기법</td></tr><tr><td>웹 서버 및 브라우저 별 보안대책</td><td>웹 서버 및 웹 브라우져 보안대책</td></tr></tbody></table> <table border><caption>보안목적과 보인기능요구사항 대응</caption> <tbody><tr><td>보안문제 정의 \\ 보안목적</td><td>O.", "감사</td><td>O.", "관리</td><td>O.", "식별 및 인증</td><td>O.", "안전 한 암호 기능</td><td>O.", "잔여 정보 제거</td><td>O.", "TSF 데이 터보 호</td><td>O.", "정보 흐름 통제</td><td>O.", "침해 사고 식별/ 대응</td><td>O.", "해킹 툴 차단</td><td>보안문제 정의 \\ 보안목적</td><td>O.", "감사</td><td>O.", "관리</td><td>O.", "식별 및 인증</td><td>O.", "안전 한 암호 기능</td><td>O.", "잔여 정보 제거</td><td>O.", "TSF 데이 터보 호</td><td>O.", "정보 흐름 통제</td><td>O.", "침해 사고 식별 /대응</td><td>O.", "해킹 툴 차단</td></tr><tr><td>FAU_LAP.1</td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td>X</td><td>FIA_UAU.7</td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>FAU_GEN.1</td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>FIA:UID.2</td><td></td><td>X</td><td>X</td><td></td><td></td><td>X</td><td></td><td></td><td></td></tr><tr><td>FAU_SAR.3</td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>FMT_MOF.1</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>FAU_STG.1</td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>FNT_MSA.1</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>FAU_STG.3</td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>FMT_MSA.3</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>FAU_STG.4</td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>FMT_MTD.1</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>FCS_CKM.1</td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td>FMT_MTD.2</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>FCS_CKM.2</td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td>FMT_SMF:1</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>FCS_CKM.4</td><td></td><td></td><td></td><td>X</td><td>X</td><td></td><td></td><td></td><td></td><td>FMT_SMR.1</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>FDP_DAU.2</td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td>FPT_ITC.1</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>FDP_IFC.1</td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td>FPT_ITL.1</td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td></tr><tr><td>FDP_IFF.1</td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td>FPT_TST.1</td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td></tr><tr><td>FDP_RIP.2</td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td>FPT_RPL.1</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td><td>X</td></tr><tr><td>FPT_ITT.1</td><td></td><td></td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td><td>FTA_MCS.1</td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td>X</td><td></td></tr><tr><td>FIA_AFL.1</td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td>FTA_SSL.1</td><td></td><td>X</td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td></tr><tr><td>FIA_UAU.1</td><td></td><td>X</td><td>X</td><td></td><td></td><td>X</td><td></td><td></td><td></td><td>FTA_SSL.3</td><td></td><td>X</td><td></td><td></td><td></td><td>X</td><td></td><td></td><td></td></tr><tr><td>FIA_ATD.1</td><td></td><td></td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr></tbody></table> <p>본 논문에서는 인터넷 뱅킹 시스템의 보안을 강화하기 위해 제도적인 측면에서 대안을 제시한다.", "기존의 표준 및 제도를 분석하고 인터넷 뱅킹 시스템에 단일 표준을 적용함으로써 현재의 시스템이 보안을 보증하지 못하는 이유를 분석하였다.", "그리고 이러한 문제점을 보강하기 위해 인터넷 뱅킹 시스템에 특화된 보호프로파일은 제안하였다.", "본 논문에서 제안한 보호프로파일은 인터넷 뱅킹 시스템의 취약성으로부터 도출한 보안기능요구사항을 포함하기 때문에 효과적으로 인터넷 뱅킹 시스템의 취약성을 방지 할 수 있다.", "또한 본 보호프로파일은 공통평가기준에 의해 작성되어 정보 보호시스템 평가를 전문으로 하는 평가기관에 의해 참고 될 수 있고 인터넷 뱅킹 시스템을 관리하는 입장에서 보안목표 명세서 작성 시 활용 될 수 있다.", "</p> <table border><caption>조직의 보안정책</caption> <tbody><tr><td>보안정책</td><td>설명</td></tr><tr><td>P.감사</td><td>서버-클라이언트 프로그램과 사용자 보안 솔루션의 보안 과 관련된 행동에 대한 책임을 추적하기 위해 보안관련 사건을 정확하게 기록하고 안전하게 유지해야 하며, 기록 된 감사데이터를 적절하게 검토할 수 있어야 한다.", "</td></tr><tr><td>P.안전한 관리</td><td>인가된 관리자는 정기적인 교육을 통해 시스템을 안전하 게 관리하고, 운영환경에 적절한 보안 관리 정책을 세우고 그에 따라 시스템을 운영해야 한다.", "</td></tr><tr><td>P.전송데이 터보호</td><td>TOE는 클라이언트 키보드와 서버 사이에 전송되는 사용 자 데이터를 인가되지 않은 노출, 변경으로부터 보호해야 한다.", "</td></tr></tbody></table> <h3>3.2.1.3 가정사항</h3> <p>기술적인 기능 및 보증에서 해결 할 수 없는 위협에 대해서는 가정사항을 제시하여 위협을 해결 할 수 있도록 한다.", "</p> <h2>3.3 보안목적</h2> <p>본 논문에서는 제안하는 인터넷 뱅킹 시스템 서버가 만족해야 할 보안목적을 TOE에 대한 보안목적 및 운영환경에 대한 보안목적으로 분류하여 정의한다.", "TOE 보안목적은 TOE에서 직접 다루어지는 보안목적이고, 환경에 대한 보안 목적은 IT 영역이나 비기술적/절차적 수단에 의해 이루어지는 보안 목적이다.", "TOE 보안목적은 'O' 인 덱스로, 환경에 대한 보안목적은 'OE로 표기한다.", "<표 8>은 TOE에 대한 보안목적과 운영환경에 대한 보안목적을 서술한 것이다.", "</p> <table border><caption>가정사항</caption> <tbody><tr><td>가정사항</td><td>설명</td></tr><tr><td>A.", "물리적 보안</td><td>TOE는 물리적으로 안전한 환경에 위치하며 인가되지 않은 물리적 접근으로 부터 보호된다.", "</td></tr><tr><td>A.신뢰된 관리자</td><td>시스템의 인가된 관리자는 악의가 없으며, 시스템 관리 기능에 대하여 적절히 교육받았고, 관리자 지침에 따라 정확하게 의무를 수행한다.", "</td></tr><tr><td>A.운영체제보강</td><td>운영체제상의 취약점에 대한 보강작업이 수행되며, 운영체제에 대한 신뢰성과 안전성이 보장된다.", "</td></tr><tr><td>A.유일한연결점</td><td>시스템의 서버와 클라이언트간의 통신은 반드시 보안기능을 통과한다.", "</td></tr><tr><td>A.침입차단시스템</td><td>침입차단시스템은 시스템과 인터넷 사이에 위치하며, 시스템을 운영하는데 필요한 모든 서비스를 허용한다.", "</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "413.05", "DDC": "" }, "doc_title": { "kor": "인터넷 뱅킹 시스템 관련 표준 분석 및 보호프로파일 개발에 관한 연구", "eng": "" }, "doc_type": "논문", "doc_id": "114998e3-e7c83c49-ffa5-4f62-a21d-1f8710df39d1", "doc_number": { "ISSN": "2287-5891", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "조혜숙", "김승주", "원동호" ], "doc_publisher": "한국정보처리학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "시제품의 성능 시험</h1> <p>그림 7은 PLZI G/W의 시제품 사진이며 시제품의 성능 시험을 위해 기능 시험과 필드 시험으로 나누어 진행 하였다.", "기능 시험은 각 통신 모듈의 송신 출력,수신 레벨 등의 시험과 프로토콜 변환 여부 시험, 중계 기능, 온도 시험, 인터넷을 통한 제어 시험, 초기 단말기 등록 및 수집 기능 시험 등을 진행하였으며 모두 만족한 결과를 얻었다.", "표 1 에 기능 시험 결과 중에서 시료 3 대에 대한 전력선 통신 모듈의 송신 출력, 수신 레벨, PLZI G/W의 내부 부품 온도 시험 결과 규격을 만족함을 보였다.", "</p> <p>댁내 필드 시험에서는 PLZI G/W는 거실에 설치하며 측정 위치 이동을 위해 노트북에 연결된 ZigBee 모듈을 이용하여 제어 명령을 보내어 수신 여부를 확인하였다.", "이때 5 번 제어 명령을 보내 성공적인 응답 횟수를 측정하였다.", "표 2 와 같이 댁내 환경에서의 모든 경우에 통신이 성공적으로 수신됨을 나타내어 우수한 성능을 보였다.", "일본 전시장에 ZigBee 인체감시센서 3 대, ZigBee 화재 감시 센서 1대, ZigBee 가스 감시 센서 1 대, PLC 조명제어기 2대, PLC 가스제어기 1대를 PLZI G/W와 함께 시범 설치하여 현재까지 잘 운용되고 있다.", "</p> <table border><caption>표1.PLZI G/W 기능 시험 결과</caption> <tbody><tr><td>시료/항목</td><td>송출 전압\\( (50 \\mathrm{~V} \\pm 0,7 \\mathrm{~V}) \\)</td><td>수신 레벨\\( (43+\\mathrm{dB}\\pm 1\\mathrm{dB}) \\)</td><td>부품 온도 측정 (25도에서 최대 +0도 이하)</td></tr><tr><td>시료 1</td><td>5.2 [Vp-p]</td><td>43 [dB]</td><td>최고치 56.6도</td></tr><tr><td>시료 2</td><td>5.3 [Vp-p]</td><td>43 [dB]</td><td>최고치 59.6도</td></tr><tr><td>시료 3</td><td>5.2 [Vp-p]</td><td>43 [dB]</td><td>최고치 55.5도</td></tr></tbody></table> <table border><caption>표 2. 댁내 필드 시험결과 (성공횟수/시도횟수)</caption> <tbody><tr><td colspan=2>평수/위치</td><td>주방</td><td>침실1</td><td>침실2</td><td>화장실</td><td>베란다</td></tr><tr><td colspan=2>32평</td><td>5/5</td><td>5/5</td><td>5/5</td><td>5/5</td><td>5/5</td></tr><tr><td colspan=2>42평 A</td><td>5/5</td><td>5/5</td><td>5/5</td><td>5/5</td><td>5/5</td></tr><tr><td colspan=2>42평 B</td><td>5/5</td><td>5/5</td><td>5/5</td><td>5/5</td><td>5/5</td></tr><tr><td colspan=2>53평</td><td>5/5</td><td>5/5</td><td>5/5</td><td>5/5</td><td>5/5</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "유·무선 통신 방식을 지원하는 홈 네트워크 게이트웨이 개발", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0cd32799-c36e-40fa-88b2-00a1551bb4ea", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "한재용", "이순흠" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>III.", "결과 및 토의</h1><p>TLM 방법으로 여러 버스 중재방식에 따른 싱글 버스 아키텍처의 성능을 분석해 보았다.", "슬레이브는 데이터 레이턴시가 길고, 가변적인 SDRAM 컨트롤러로 하였으며, 총 마스터의 개수는 \\(4\\)개로 정하여 \\( 1,000,000 \\) cycle까지 시뮬레이션을 수행하였다.", "</p><p>그림 \\(5\\)(a)와 (b)는 각각 fixed priority 방식과 round-robin 방식의 데이터 전송량을 보여주고 있다.", "Case\\(1\\), Case\\(2\\), Case\\(3\\), Case\\(4\\)는 데이터 통신의 빈번함에 차이가 있으며, 표 \\(2\\)의 조건과 같이 Case\\(1\\)에서 Case\\(4\\)로 갈수록 idle cycle의 길이가 길어진다.", "그림 \\(5\\)(a)의 fixed priority 방식을 보면, 평균 idle cycle이 짧은 Case\\(1\\)에서 는 우선순위에 의한 마스터별 버스 점유율이 큰 차이를 보이고 있으나 평균 idle cycle이 긴 Case\\(4\\)에서는 우선 순위에 의한 마스터별 버스 점유율에 큰 차이가 거의 없음을 알 수 있다.", "그림 \\( 5\\)(a) 의 fixed priority 방식에서 Case\\(1\\)을 보면, 우선순위가 높은 마스터 M\\(1\\)의 경우 \\(200,000\\) 사이클의 데이터 전송이 발생한데 비해 우선순위가 낮은 마스터 M\\(4\\)는 \\(390\\) 사이클로 우선순위에 따른 데이터 처리의 차이가 크다.", "그림 \\(5\\)(b)의 round-robin 방식의 경우는 Case\\(1\\), Case\\(2\\), Case\\(3\\), Case\\(4\\)에 상관없이 마스터에 따른 버스 점유율이 균등하게 확보되고 있음을 알 수 있다.", "</p><table border><caption>표 \\(2\\).", "TLM 시뮬레이션 조건</caption><tbody><tr><td rowspan=2>Case</td><td rowspan=2>Data Transactio(Random Funciton)</td><td colspan=2>Idle Cycle(Random Function)</td></tr><tr><td>Range</td><td>Mean</td></tr><tr><td>Case\\(1\\)</td><td>Single, Burst(\\(4, 8, 16\\))</td><td>\\(0\\sim20\\)</td><td>\\(10\\)</td></tr><tr><td>Case\\(2\\)</td><td>Single, Burst(\\(4, 8, 16\\))</td><td>\\(0\\sim30\\)</td><td>\\(15\\)</td></tr><tr><td>Case\\(3\\)</td><td>Single, Burst(\\(4, 8, 16\\))</td><td>\\(0\\sim40\\)</td><td>\\(20\\)</td></tr><tr><td>Case\\(4\\)</td><td>Single, Burst(\\(4, 8, 16\\))</td><td>\\(0\\sim50\\)</td><td>\\(25\\)</td></tr></tbody></table><p>그림 \\(6\\)은 fixed priority 방식과 round-robin 방식의 각 마스터 당 데이터 처리량, SDRAM 레이턴시, 버스 요청 사이클을 보여 주고 있다.", "슬레이브는 SDRAM 컨트롤러이며, precharge 사이클, refresh 사이클, 로우 컬럼 엑세스 사이클 등이 고려되어 있다.", "그림 \\(6\\)에서 보듯이 SDRAM 레이턴시가 데이터 처리 사이클(transaction cycle)과 유사할 정도로 상대적으로 큰 값을 나타내며, 그림 \\( 6\\)(a) 의 마스터 M\\(4 \\)는 버스요청 사이클(request cycle)이 \\( 1,000,000 \\) 사이클에 근접할 정도로 상당히 큰 값을 갖아서 사실상 스타베이션 (starvation) 현상이 발생했음을 알 수 있다.", "반면에 그림 \\( 6\\)(b) 의 round robin 방식은 마스터에 따른 데이터 처리량이 균등하며, 각 마스터의 버스요청 사이클이 약 \\(600,000\\) 사이클을 보여 주고 있다.", "</p><p>그림 \\(7\\)은 fixed priority 방식과 round-robin 방식에서 하나의 데이터 트랜잭션 당, 사용되는 평균, 최대 버스요청 사이클을 보여준다.", "Fixed priority 방식의 경우는 마스터의 우선순위가 정해져 있기 때문에 버스 점유권을 많이 얻을 수 있는 마스터 M\\(1\\)의 경우의 평균, 최대 버스요청 사이클은 \\(6,23\\)으로 상대적으로 작지만, 우선순위가 낮은 마스터 M\\(4\\)의 평균, 최대 버스 요청 사이클은 \\(1469,203\\) 사이클로 무척 크며, 사실상 스타베이션 현상이 발생하였음을 알 수 있다.", "Round-robin 방식의 경우는 각 마스터에게 균둥하게 버스 점유권이 돌아가기 때문에 각 마스터의 버스요청 사이클이 수십 사이클로 안정적이지만, 우선순위가 고려되지 않음을 알 수 있다.", "</p><p>그림 \\(8\\)은 실제로 성능분석에 사용할 IEEE \\(802.11\\) 네트워크 SoC 예이다.", "고성능 버스인 AHB와 주변 장치에 주로 사용되는 APB 사이에는 브리지가 결합되어 있다.", "마스터는 ARM 프로세서와 \\(2\\)개의 이더넷과 \\(3\\)개의 DMA로 구성되어 있다.", "본 연구에서는 그림 \\(8\\)의 예에 적합한 버스 중재방식에 대해 파악해 보려고 한다.", "그림 \\(8\\)과 같은 일반적인 SoC에서 프로세서는 실제 칩을 운영하므로 우선순위가 가장 높아야 한다.", "그 외의 마스터는 사용자의 목적에 따라 중요도가 달라지는데, 그림 \\(8\\)의 SoC는 실제 데이터 패킷을 전송하는 \\(2\\)개의 이더넷이 우선순위가 높고, 일반 DMA \\(3\\)개는 우선 순위가 상대적으로 낮다.", "</p><p>그림 \\(9\\)는 그림 \\(8\\)의 마스터 우선순위를 고려한 하이브리드 버스 중재 방식(Hybrid bus arbitration policy)을 보여주고 있다.", "하이브리드 버스 중재 방식은 fixed priority 방식과 round-robin 방식을 사용자의 필요성에 따라서 그룹별로 혼재시킨 방식으로 사용자의 요구에 정확히 부응하는 방식이다.", "</p><p>그림 \\(10\\)은 각 중재 방식과 우리가 제안한 하이브리드 중재 방식의 데이터 전송량을 비교하고 있다.", "</p><p>Round-robin 방식의 경우는 각 마스터 당 약 \\(84,000\\) 사이클로 비슷함을 보이고 있다.", "Fixed priority 방식의 경우는 우선순위가 가장 높은 마스터 M\\(1 \\)이 \\(150,438\\) 사이클로 가장 많은 데이터 전송량을 보였지만, 마스터 M\\(6 \\) 의 경우는 데이터 전송이 거의 발생하지 못했다.", "</p><p>그림 \\(10\\)에서 TDM 중재 방식은 마스터 M\\(1\\)에서 마스터 M\\(6\\)의 슬롯(slot) 수를 각각 \\( 4,1,1,1,1,1 \\) 로 정하였으나, 데이터 트랜잭션 사이클은 이와 정확하게 일치하지 않았다.", "특히 마스터 M\\(2 \\) 에서 마스터 M\\(6 \\)의 슬롯 수가 같았지만 데이터 트랜잭션 사이클이 서로 크게 다름을 알 수 있다.", "</p><p>이는 현재의 슬롯에서 마스터가 버스 요청을 하지 않을 경우, \\(2\\)순위 중재(\\(2\\)-level arbitration)에 의해서 다른 마스터가 버스 점유권을 받기 때문이다.", "그림 \\(10\\)에서 Lottery 중재 방식은 마스터 M\\(1\\)에서 마스터 M\\(6\\)의 버스점유 확률을 \\( 4 / 9,1 / 9,1 / 9,1 / 9,1 / 9,1 / 9 \\) 로 정하였으나, TDM 버스중재와 마찬가지로 \\(2\\)순위 중재 때문에 버스 점유 확률과 데이터 트랜잭션 사이클이 정확하게 일치하지 않았다.", "</p><p>그림 \\(9\\)와 같이 fixed priority와 round-robin 중재를 혼재한 하이브리드 버스 중재 방식의 결과도 그림 \\(10\\)에 보여주고 있다.", "가장 중요한 마스터 M\\(1\\)의 경우 약 \\(150,000\\) 사이클의 데이터 전송이 이루어졌고 마스터 M\\(2\\), M\\(3 \\)의 경우 또한 두 번째로 높은 데이터 전송이 이루어졌다.", "나머지 마스터들 또한 균등한 데이터 전송이 이루어졌다.", "</p><p>그림 \\( 11\\)(a) 과 (b) 는 데이터 전송량 당 평균 요청 사이클과 최대 요청 사이클을 보여준다.", "우리가 제안한 하이브리드 중재 방식은 계단 모양을 보이고 있다.", "가장 많은 데이터 전송량을 보인 마스터 M\\(1\\)의 요청 사이클이 가장 적었으며, 가장 적은 데이터 전송량을 보인 마스터 M\\(4\\), M\\(5\\), M\\(6\\)의 요청 사이클이 가장 많음을 알 수 있다.", "</p><h1>VI.", "결 론</h1><p>본 논문에서 우리는 TLM 알고리즘을 구성하고 새로운 중재방식인 하이브리드 버스 중재 방식을 제안하고 성능을 분석하였다.", "하이브리드 버스 중재는 fixed priority의 장점인 중요한 마스터의 데이터 전송을 할 수 있는 특징과 round-robin 중재방식의 장점인 스타베이션을 방지할 수 있는 특징을 혼재한 방식이다.", "TDM 중재 방식이나 Lottery bus 방식은 마스터의 사용비율을 임의적으로 줄 수 있는 특징이 있는데, \\(2\\)순위 중재에 의해 실제 마스터의 사용비율과 정확하게 일치하지 않았다.", "그러나 본 하이브리드 버스 중재방식은 버스사용 우선순위에 따라 정확하게 동작하였으며, 우선순위가 같은 그룹 내의 버스사용비율이 거의 비슷함을 알 수 있었다.", "</p><p>앞으로 버스 중재방식을 다양한 종류의 하이브리드 방식으로 계속 발전할 것으로 파악되며, 본 논문이 중요한 자료로 역할을 할 것으로 여겨진다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "하이브리드 버스 중재 방식", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-125eae1c-27b1-4547-b2e7-931199d082d1", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "이국표", "윤영섭" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>I.", "서 론</h1> <p>근래 모바일 단말 장치들이 여러 무선통신시스템을 동시에 만족해야 하는 요구가 증가함에 따라 단수 또는 복수의 무선통신장치들이 같은 주파수 대역을 사용하거나 서로 다른 무선통신 시스템으로 전환할 수 있는 능력을 가져야 할 필요가 생겨났다.", "이러한 공유 주파수 대역을 사용하는 복수의 통신시스템이 존재하는 경우를 공존(Coexistence)이라고 한다.", "또한 공존은 병립 (Collocated), 공동(Collaborative) 두 개의 하위 개념을 갖는다.", "</p> <p>공동은 서로 다른 시스템돌 간에 통신프로토콜을 가지고 정보를 교환하면서 상대방의 통신을 방해하지 않는 것을 일컫는다.", "병립은 복수의 통신시스템이 하나의 통신장치에 함께 설치되어 동작하는 것을 일컫는다.", "병립과 공동은 표 1 과 같이 네 가지의 통신 모형을 만든다.", "</p> <p>병립과 공동이라는 개념을 포함하여 공존상태에서 간섭을 완화하는 여러 방법들이 시도되고 있다.", "비병립 및 공동인 시스텝으로는 별도의 주파수 채널인 CSCC: Common Spectrum Coordination Channel을 이용한 기술이 있다. \\", "( \\mathrm{CSCC} \\) 를 이용한 기술은 별도의 채널을 구성해야 하기 때문에 주파수 효율이 떨어지며 \\( \\mathrm{CSCC} \\) 를 통해 전달될 메시지를 생산하고 관라하는 중앙통제장치를 필요로 하는 단점이 있다.", "벙립 및 공동인 시스템으로는 Relay Station을 이용하여 켐토셀을 구성한 기술이 있다.", "BSHC (Base Station Hybrid Coordinator)로 명명된 이 Relay Station은 두 개의 MAC을 가지고 있으면서 Wi-Fi STA (Station)을 지원하기 위해 \\( \\mathrm{WiMAX} \\) 롤 백홀로 이용한다. \\", "( \\mathrm{BSHC} \\) 는 WiMAX의 단말의 형태로 \\( \\mathrm{WiMAX} \\) 의 전송용량 중 일부를 \\( \\mathrm{BSHC} \\) 와 STA가 사용하게 되어 있기 때문에 두 시스템 모두의 전송율을 감소시키는 결과를 가져오며 Hidden Node 문제가 충분히 해결되지 않고 있다.", "비병립 및 비공동 시스템으로는 농적 주파수 선택 기술(DFS: Dynamic Frequency Selection)이 있다닌 .", "채널을 스캔하여 Wi-Fi가 쓰지 않는 비어있는 주파수 영역 (Frequency White Hole)을 찾아낸 후 WiMAX의 주파수 대역을 이동한다.", "현재 DFS 기술을 스캐닝을 수행하는데 지연이 발생하 여 음-성들 실시간 통신에 적합하지 않다는 단점이 있다.", "본 논문에서는 공동과 비공동을 모두 지원할 수 있는 써큘레이터 기반의 병립시스템을 제안하고자 한다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "주파수대역을 공유하는 Wi-Fi 시스템과 WiMAX 시스템이 결합된 써큘레이터 기반의 공존장치 성능 분석", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-09d981f1-1719-4cfa-8669-fc126be0a1ff", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "김동은", "김종우", "박수원", "이승형", "강철호", "한기영", "강현구" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 성능 평가</h1><h2>1. 성능 평가 방안 및 가정</h2><p>이번 장에서는 제안하는 방안의 성능을 분석하여 기존 방안들과 비교한다.", "그림 3.는 거리와 링크 지연 모델을 보여준다.", "제안 방안과 Li의 방안의 성능 비교를 위하여 Li의 방안이 IEEE 802.16e 링크 계층 기술을 사용하는 것으로 가정한다.", "네트워크 구조는 [10]에 정의된 것과 같이 \\( n \\) 셀들로 이루어진 육각형의 토폴로지로 가정한다.", "우리는 시그널링 비용과 핸드오버 지연에 대하여 성능을 평가한다.", "본 논문에서는 편의를 위하여 [6]의 방안과 Li의 방안을 각각 BFMIPv6와 EFMIPv6라고 명명한다.", "</p><h2>2. 시그널링 비용 분석</h2><p>우리는 [10]에서와 비숫한 네트워크 구조를 이용한다. FMIPv6 도메인은 같은 수의 \\( \\mathrm{AR} \\)들로 이루어져있다. 셀 (cell)은 AR의 영역을 의미하고 링 \\( \\mathrm{R} \\) 안의 \\( \\mathrm{AR} \\)의 수는 \\( 6 \\mathrm{r}(\\mathrm{r}>", "0) \\)이다. \\", "( \\mathrm{R} \\) 링에서 셀의 수를 계산하기 위하여 다음 식을 이용한다.", "</p><p>\\( N(R)=\\sum_{r=1}^{R} 6 r+1=3 R(R+1)+1. \\)<caption>(1)</caption></p><p>우리는 정적인 속도 또는 방향으로 빠르게 이동하는 이동 노드들에 적합한 플루이들 플로우 모델을 이용한다.", "FMIPv6 도메인 내에 있는 이동 노드의 이동 방향은 \\( (0,2 \\pi) \\) 의 범위 안에서 균일하게 분포되어 있다고 가정한다. \\", "( R_{C} \\)는 셀 교차율(crossing rate)이라 하고, \\( v \\), \\( \\rho \\) 그리고 \\( l \\) 은 각각 이동 노드의 평균 속도, 셀 내의 이동 노드들의 밀도 그리고 셀의 둘레를 의미한다.", "셀 교차율은 다음과 같이 얻어진다.", "</p><p>\\( R_{C}=\\frac{\\rho \\cdot v \\cdot l}{\\pi} \\).", "<caption>(2)</caption></p><p>시그널링 비용은 2계층 시그널링 비용과 3계층 시그널링 비용을 포함한다.", "시그널링 비용은 그림 5.에 보여지는바와 같이 네트워크 개체 사이의 거리에 비례한다.", "도메인 내에서 이동 노드들의 평균 수, \\( Avg_{M N} \\)은 다음과 같이 유도될수 있다․</p><p>\\( A v g_{M N}=\\rho \\cdot n \\cdot \\frac{\\sqrt{3}}{24} \\cdot l^{2} \\)<caption>(3)</caption></p><p>각 방안의 시그널링 흐름의 절차와 그림 5.에 따라, BFMIPv6 \\( \\left(S_{B F M I P v 6}\\right), \\mathrm{EFMIPv} 6\\left(S_{E F M I P v 6}\\right) \\) 그리고 제안하는 방안 \\( \\left(S_{\\text {proposed }}\\right) \\)의 시그널링 메시지 개수의 합은 다음과 같이 얻어질 수 있다.", "</p><p>\\( S_{B F M I P v 6}=\\kappa(6 a+2 b+9 c)+\\tau(3 d+3 e+3 f), \\)<caption>(4)</caption></p><p>\\( S_{E F M I P v 6}=\\kappa(4 a+2 b+7 c)+\\tau(2 d+2 e+2 f), \\)<caption>(5)</caption></p><p>\\( S_{\\text {proposed }}=\\kappa(3 a+2 b+4 c)+\\tau(2 d+e+2 f). \\)", "<caption>(6)</caption></p><p>\\( \\kappa \\)와 \\( \\tau \\)는 각각 유선 링크와 무선 링크의 전송 비용이다.", "위의 식들을 이용하여 각 방안의 시그널링 비용 \\( \\left(S C_{\\text {Scheme }}\\right) \\)은 다음과 같이 얻어진다.", "</p><p>\\( S C_{B F M I P v 6}=\\frac{S_{B F M I P v 6} \\cdot R_{C} \\cdot n}{A_{v g} g_{M N}} \\),<caption>(7)</caption></p><p>\\( S C_{E F M I P v 6}=\\frac{S_{E F M I P v 6} \\cdot R_{C} \\cdot n}{A v g_{M N}} \\),<caption>(8)</caption></p><p>\\( S C_{\\text {proposed }}=\\frac{S_{\\text {proposed }} \\cdot R_{C} \\cdot n}{A \\operatorname{Avg}} \\)<caption>(9)</caption></p> <h1>Ⅳ. 결 론</h1><p>본 논문에서는 모바일 클라우드 컴퓨팅 환경에서 기존 연구들의 시그널링 비용과 핸드오버 지연을 줄이기 위하여 향상된 교차계층 Mobile IPv6 빠른 핸드오버 기법을 제안한다.", "IEEE 802.16e를 이용하여 2계층 시그널링 및 핸드오버 지연에 대하여 고려하고, 새로운 2계층 메시지를 이용하여 핸드오버 절차를 간소화 시키고 핸드오버 지연을 줄인다.", "시그널링 비용과 핸드오버 지연에 대하여 제안하는 방안의 성능을 평가하고 기존의 방안들의 성능과 비교한다.", "제안하는 방안의 시그널링 비용은 BFMIPv6의 시그널링 비용보다 약 \\( 42.0 \\% \\), EFMIPv6의 시그널링 비용보다 약 \\( 18.6 \\% \\) 감소될 수 있다.", "또한 제안 방안의 핸드오버 지연은 BFMIPv6의 핸드오버 지연 보다 약 \\( 55.2 \\% \\), EFMIPv6보다 약 \\( 23.2 \\% \\) 줄어들 수 있다.", "이러한 결과들은 제안 방안을 이용하는 것이 IEEE 802.16e 링크 계층에서 기존의 BFMIPv6나 EFMIPv6 방안을 이용하는 것보다 Mobile IPv6의 성능을 현저히 향상시킬 수 있음을 보여준다.", "또한, 본 연구에서 제안한 기법이 기존의 연구들에 비해 모바일 클라우드 컴퓨팅 환경에서 사용자들에게 빠르고 끊임없는 서비스를 제공하기에 더 적합함을 보여준다.", "</p> <h1>Ⅰ. 서 론</h1><p>최근 이동 노드들의 성능이 발달함에 따라 이동 노드들을 위한 새로운 서비스 시스템으로 모바일 클라우드 컴퓨팅이 연구되어지고 있다.", "모바일 클라우드 컴퓨팅 환경에서는 사용자가 이동 노드를 통하여 빠르고 끊임 없는 서비스를 제공받을 수 있어야 한다.", "이러한 요구를 만족시킬 수 있는 프로토콜로, Mobile IPv6 \\( MIPv6는 이동 노드의 IP 연결을 유지하기 위해 IETF에 의해 제안되었다.", "하지만 MIPv6에서는 핸드오버 지연으로 인해 노드들의 연결 중단과 패킷 손실이 발생할 수 있다.", "이러한 결점을 극복하기 위해 Mobile IPv6 fast handovers (FMIPv6)가 제안되었다.", "FMIPv6는 이동 노드들이 그들의 접속 지점을 한 접속 라우터에서 다른 것으로 변경할 때의 핸드오버 지연과 패킷 손실을 줄이기 위한 프로토콜이다.", "FMIPv6에서 이동 노드는 핸드오버 지연을 줄이기 위하여 링크 계층 핸드오버가 수행되기 전에 새로운 IP 주소를 생성한다.", "또한, 이전 접속 라우터 (pAR, previous Access Router)와 새로운 접속 라우터 (nAR, new AR) 사이에 Handover Initiation (HI) 메시지와 Handover Acknowledgement (HAck) 메시지를 교환함으로 이동 노드의 새로운 위치로 IP 트래픽의 방향을 돌리기 위한 터널이 형성된다.", "이 터널을 통하여 패킷이 포워딩되고, 버퍼링함으로써 패킷 손실을 줄일 수 있다.", "FMIPv6에서는 패킷 손실은 많이 줄어들 수 있으나, 여전히 긴 핸드오버 지연이 존재한다.", "</p><p>Ruidong Li는 FMIPv6의 핸드오버 지연을 줄이기 위해 향상된 빠른 핸드오버 방안을 제안했다.", "Li의 방안에서는 링크 계충 트리거를 이용하여 새로운 care-of-address (CoA) 생성하고, duplication address detection (DAD) 절차를 미리 수행한다.", "또한, HA와 CN에 대한 새로운 CoA 등록은 2 계층 핸드오버가 시작되기 전에 이전 접속 라우터에 의해 수행된다.", "그 결과, 이 방안의 핸드오버 지연은 FMIPv6의 핸드오버 지연보다 적게 된다.", "FMIPv6는 패킷 전송을 미리 수행하기 위해 하위 계충으로부터 핸드오버에 관련된 트리거의 존재를 가정한다.", "하지만 Li의 방안에서는 IEEE 802.16e와 같은 어떤 상세한 링크 계층 기술도 가정하고 있지 않다.", "</p><p>IEEE 802.16e는 IEEE 802.16 표준의 수정으로 802.16 표준에 이동성 지원 방안이 추가되어 표준화되었다.", "또한, IEEE 802.16e 네트워크에서 FMIPv6의 유용한 기능들을 제공받기 위하여 IEEE 802.16e 네트워크에서 Mobile IPv6를 위한 빠른 핸드오버 방안이 제안되었다.", "이 방안은 IEEE 802.16e와 FMIPv6의 핸드오버 절차들을 통합함으로 보다 원활한 핸드오버를 지원한다.", "하지만 이 방안에서도 여전히 높은 시그널링 비용과 긴 핸드오버 지연이 존재한다.", "</p><p>본 논문에서 우리는 IEEE 802.16e 네트워크에서 향상된 교차계층 Mobile IPv6 빠른 핸드오버 방안을 제안한다.", "새로운 베이스 스테이션에서 새로운 접속 라우터로 보내지는 2계층 메시지를 이용하여 시그널링 비용과 핸드오버 지연을 줄인다.", "시그널링 비용과 핸드오버 지연에 대하여 제안 방안의 성능을 기존 방안들과 비교하여 분석한다.", "</p><p>본 논문은 다음과 같이 구성되어 있다.", "Ⅱ장에서 제안하고자 하는 내용의 이해를 돕기 위해 관련 연구에 대해 설명하고, Ⅲ장에서는 본 논문이 제안하는 방안에 대하여 설명한다.", "Ⅳ장에서는 제안하는 방안의 성능 평가를 보여주고, 마지막 장에서 결론을 제시한다.", "</p> <h1>Ⅱ. 관련 연구</h1><h2>1. Ruidong Li의 향상된 빠른 핸드오버 방안</h2><p>Li는 FMIPv6의 핸드오버 지연을 줄이기 위해 향상된 빠른 핸드오버 방안을 제안했다.", "링크 계충 핸드오버 트리거들을 이용하여, 핸드오버 절차가 시작되기 전에 nCoA 생성과 DAD 절차가 수행된다.", "nCoA는 nAR이 유지하고 있는 CoA 테이블에 삽입된다.", "</p><p>그림 1.은 Li의 방안의 시그널링 흐름을 보여준다.", "이동 노드는 pAR에 게 new care-of address request from MN (nCoA_REQ_MN) 메시지를 보낸다.", "이 메시지를 받은 pAR은 nAR에게 new CoA request from pAR (nCoA_REQ_pAR) 메시지를 보냄으로 pAR의 정보와 이동 노드의 인터페이스를 알린다.", "nAR은 응답으로 이동 노드의 nCoA가 포함된 new CoA reply (nCoA_REP) 메시지를 pAR에게 보낸다.", "pAR은 nCoA_Adv 메시지를 이동 노드에게 보내어 nCoA를 알리고, 그와 동시에 이동 노드의 HA에게 binding update to home agent (BU_HA) 메시지를 보낸다.", "Binding acknowledgement (BU_Ack) 메시지를 통해 HA는 pAR에게 응답하여 이동 노드에 대한 바인딩을 갱신한다.", "이동 노드가 새로운 네트워그로 이동한 후, 이동 노드는 FNA 옵션과 함께 router solicitation (RS) 매시지를 nAR에게 보낸다.", "nAR은 그에 대한 응답으로 FNA_ACK 옵션이 포함된 router advertisement (RA) 메시지를 보낸다.", "</p><p>이 방안에서는 HA에 대한 등록이 2계층 핸드오버가 시작되기 전에 수행되어진다.", "그로 인해 HA에 대한 등록을 완로하는데 요구되는 시간이 줄어들고, pAR과 nAR 사이에 터널이 존재하는 시간드 FMIPv6보다 짧아진다.", "그러므로 핸드오버 지연이 줄어들머, 절차가 간소화된다.", "하지만 이 방안에서는 2계층 핸드오버 지연을 고정된 시간 간격으로 간주한다.", "또한, 어떠한 상세한 링그 계층 기술도 가정하지 않았기 때문에 2계층의 메시지 흐름에 대해서는 고려되지 않았다.", "</p><h2>2. IEEE 802.16e 네트워크에서 Mobile IPv6를 위한 빠른 핸드오버 기법</h2><p>IEEE 802.16e 네트워크 환경에서 FMIPv6의 절차를 수행하기 위해 IEEE 802.16e 네트워크에서의 Mobile IPv6를 위한 빠른 핸드오버 방안이 제안되었다.", "FMIPv6와 IEEE 802.16e의 절차들을 결합하고 링그 계층 핸드오버 트리거를 이용하여 끊김 없고 빠른 핸드오버가 수행 가능해졌다.", "</p><p>IEEE 802.16e 네트워크에서의 Mobile IPv6를 위한 빠른 핸드오버 방안의 시그널링 흐름은 다음과 같다.", "이동 노드가 스캐닝 절차나 MOB_NBR_ADV 메시지의 수신을 통해 세로운 베이스 스테이션 (nBS, new Base Station)를 찾으면, 이동 노드는 FMIPv6에서와 같은 절차로 pAR과 RtSolPr 메시지와 PrRtAdv 메시지를 주고 받는다.", "이동 노드는 자신이 이동할 것임을 알리기 위해 이전 BS (pBS, previous BS)에게 MOB_MSHO_REQ 메시지를 보낸다.", "그러면 pBS는 nBS와 MOB_Pre_Notification 메시지와 MOB_Pre_Notification_Ack 메시지를 교환한다.", "이 메시지들을 교환한 후, pBS는 MOB_BSHO_RSP 메시지를 이동 노드에게 보낸다.", "이동 노드는 FBU 메시지를 pAR에 게 보낸 후, FMIIPv6에서와 같은 방법으로 nAR과의 터널링을 형성한다.", "이동 노드는 핸드오버의 시작을 알리기 위해 MOB_HO+IND 메시지를 pBS에게 보낸다.", "</p><p>링크 계층 핸드오버를 완료한 후, 이동 노드와 nBS 사이의 802.16e 네트워크 재설정 절차가 수행된다.", "이 절차를 마치면 이동 노드의 링크 계층은 데이터 패킷 전송이 가능한 상태가 되고, 이동 노드는 nAR에게 UNA 메시지를 보낸다.", "nAR은 이 메시지를 받으면 버퍼링한 패킷을 이동 노드에게 보낸다.", "이동 노드는 HA와 BU 메시지와 BA 메시지를 교환함으로 바인딩을 갱신한다.", "</p><p>이 방안은 끊김 없는 핸드오버를 지원하지만, 높은 시그널링 비용과 긴 핸드오버 지연 문제는 여전히 남아있다.", "우리는 다음 장에 향상된 방안을 제안한다.", "</p> <h1>요 약</h1><p>모바일 클라우드 컴퓨팅의 핵심은 이동 노드가 끊임없는 서비스를 제공받는 것이다.", "Mobile IPv6 (MIPv6)는 Internet Engineering Task Force (IETF)에 의해 표준화된 이동성 제공 프로토콜이다.", "Mobile IPv6 빠른 핸드오버 (FMIPv6)는 MIPv6의 확장으로, MIPv6의 단점들을 보완하기 위해 제안되었다.", "최근 들어, 광대역 무선 제어 시스템 중 하나인 IEEE 802.16e 환경에서의 Mobile IPv6를 위한 빠른 핸드오버가 IETF에 의해 제안되었다.", "본 논문에서는 IEEE 802.16e 네트워크에서의 향상된 교차계층 Mobile IPv6 빠른 핸드오버를 제안한다.", "제안하는 방식에서 새로운 접속 라우터는 2계층 트리거를 이용하여 이동 노드를 위한 새 주소를 생성한다.", "이동 노드의 정보를 새로운 접속 라우터에게 알리기 위하여 새로운 베이스 스테이션에서 새로운 접속 라우터로 보내지는 2계층 메시지를 이용한다.", "이동 노드의 새 주소를 획득하면 이전 접속 라우터는 이동 노드의 홈 에이전트에게 바인딩 갱신 메시지를 보낸다.", "시그널링 비용과 핸드오버 지연에 대하여 제안하는 방안의 성능을 기존 방안들과 비교하여 성능평가를 수행한다.", "결과를 통해, 제안하는 방안이 기존 방안들에 비해 IEEE 802.16c 네트워크에서의 빠른 핸드오버를 효과적으로 제공하는 것을 볼 수 있다.", "</p> <h2>3. 핸드오버 지연 분석</h2><p>핸드오버 지연을 분석하기 위하여 [13]과 [14]를 참조하여 표 2.의 기호와 값을 이용한다.", "이동 노드가 nAR에게 이동했음을 알리고 HA에게 등록을 하면 핸드오버 절차가 완료되는 것으로 가정한다.", "표 2.와 각 방안의 절차에 따라, 각 방안의 핸드오버 지연 \\( \\left(L T_{S c h e m e}\\right) \\)은 다음과 같이 얻어진다.", "</p><p>\\( \\begin{aligned} L T_{B F M I P v 6}=& 3 t_{M B}+2 t_{B B}+5 t_{M A}+2 t_{A A} \\\\ &+2 t_{M H}+t_{L 2}, \\end{aligned} \\)<caption>(10)</caption></p><p>\\( \\begin{aligned} L T_{E F M I P v 6}=& 3 t_{M B}+2 t_{B B}+4 t_{M A}+2 t_{A A} \\\\ &+t_{L 2}, \\end{aligned} \\)<caption>(11)</caption></p><p>\\( \\begin{aligned} L T_{\\text {proposed }}=& 2 t_{M B}+t_{B B}+2 t_{M A}+t_{A A}+t_{B A} \\\\ &+t_{L 2} . \\", "end{aligned} \\)<caption>(12)</caption></p><h2>4. 성능 평가 및 비교</h2><h3>가.", "시그널링 비용에 대한 성능 평가 및 비교</h3><p>시그널링 비용을 평가하기 위하여 [10~12]에서 이용된 변수와 값들을 이용한다.", "각 변수와 값들은 표 3.에 보여 지는 것과 같다.", "</p><p>시그널링 비용은 네트워크 개체들 사이의 거리에 의해 크게 영향을 받기 때문에, AR들 간의 거리는 시그널링 비용울 평가하는데 중요한 요소가 된다.", "그림 4.는 AR들 간의 거리와 시그널링 비용과의 관계를 보여준다.", "AR들 간의 거리가 10일 때, 제안 방안의 시그널링 비용은 EFMIPv6의 시그널링 비용보다 약 \\( 22.8 \\% \\) 적고, BFMIPv6의 시그널링 비용보다 약 \\( 45.5 \\% \\) 적다.", "이것은 제안 방안이 EFMIPv6나 BFMIPv6보다 적은 시그널링 메시지들을 가지기 때문이다.", "AR들 간의 거리가 멀어지면, 제안 방안은 시그널링 비용을 더욱 효과적으로 줄일 수 있다.", "</p><h3>나.", "핸드오버 지연에 대한 성능 평가 및 비교</h3><p>핸드오버 지연은 무선 링크 지연에 의해 주로 영향을 받게 된다.", "그림 5.은 이동 노드와 AR 사이의 무선 링크 지연과 핸드오버 지연의 관계를 보여준다.", "제안 방안에서 이용하는 2계층 메시지로 인해 무선 링크 지연이 증가함에 따라 제안 방안의 핸드오버 지연은 기존 방안들의 핸드오버 지연에 비해 적게 증가한다.", "이동 노드와 AR 사이의 무선 링크 지연이 30일 때, 제안 방안의 핸드오버 지연은 EFMIPv6보다 약 \\( 48.8 \\% \\) 그리고 BFMIPv6보다 약 \\( 61.6 \\% \\) 줄어들 수 있다.", "</p> <h1>Ⅲ. 제안 방안</h1><p>이번 장에서는 기존 방안들의 시그널링 비용과 핸드오버 지연을 줄이기 위해 IEEE 802.16e 네트워크에서의 향상된 교차계층 Mobile IPv6 빠른 핸드오버 방안을 제안한다.", "졔안하는 방안에서는 이동 노드의 정보를 nAR에게 알기기 위하여 nBS에서 nAR로 보내지는 2계층 메시지를 이용한다.", "그림 2는 제안햐는 방안의 절차를 보여준다.", "</p><p>제안하는 방안에서는 이동 노드들의 현재 CoA와 새로운 CoA를 유지하기 위하여 사용되는 Li의 방안의 CoA 테이블을 표 1.에서 보여지는 바와 같이 이용한다.", "테이블의 \"Active\" 레이블은 이동 노드가 새로운 서브넷으로 이동했는지 안했는지를 나타내는 T와 F의 두 가지 상태롤 가진다.", "\"Start Time\" 레이블은 nCoA가 생성된 시간을 나타내고, \"Valid Time\" 레이블은 nCoA가 파기될 때까지 남은 시간을 나타낸다.", "</p><p>이동 노드의 이동이 감지되면, pBS는 nBS들의 정보를 이동 노드에게 보낸다.", "이동 노드는 이동 노드의 정보를 포함한 MOB_MSHO_REQ 메시지를 pBS에게 보냄으로 이동 노드가 다른 서브넷으로 이동할 것을 알린다.", "pBS는 이 메시지를 받으면 이동 노드와 pAR의 정보를 포함한 MOB_Pre_Notification 메시지를 nBS에게 보낸다.", "nBS는 MOB_Pre_ Notification_Ack 메시지로 pBS에게 응답하고, nAR에게 Notification 메시지를 보내어 이동 노드와 pAR의 정보를 nAR에게 알린다.", "pBS는 메시지를 받으면 MOB_MSHO_RSP 메시지를 이동 노드에게 보낸다.", "nAR은 CoA 테이블에서 이동 노드의 nCoA를 검색하고 이동 노드의 nCoA를 포함한 nCoA RSP 메시지를 pAR에게 보낸다.", "pAR은 이 메시지를 받으면 이동 노드에게 nCoA_Adv 메시지를 보내고 이동 노드의 nCoA와 함께 BU 메시지를 HA에게 보낸다.", "HA는 BA 메시지로 pAR에게 응답한다.", "그러므로 이동 노드의 nCoA의 HA에 대한 등록은 pAR에 의하여 수행된다.", "이동 노드는 MOB_HO_IND 메시지를 pBS에게 보내어 이동 노드가 이동할 것임을 알린다.", "</p><p>링크 계층 핸드오버를 완료한 후, 802.16e 네트워크 재설정이 [6]에서와 같이 이루어진다.", "이동 노드는 핸드오버 절차가 완료되었다는 것을 알리기 위해 UNA 메시지를 nAR에게 보낸다.", "nAR의 CoA 테이블의 nCoA는 활성화되고, \"Active\" 레이블은 T로 설정된다.", "그러면 이동 노드와 nAR은 패킷들을 직접 전송할 수 있게 된다.", "제안 방안의 이동 노드의 링크 계층과 IP 계층 사이의 primitive들은 [6]에서의 그것들과 같다.", "</p><p>제안하는 방안에서는 핸드오버 지연을 줄이기 위하여 Li의 방안의 nCoA 생성과 DAD 절차를 이용한다.", "또한 이동 노드에 대한 HA의 바인딩 정보를 nCoA를 통하여 미리 갱신하기 때문에 핸드오버 지연을 감소시킬 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "모바일 클라우드 컴퓨팅 환경에서 IEEE \\(802.16\\)e 네트워크에서의 향상된 교차계층 Mobile IPv\\(6\\) 빠른 핸드오버 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-05025091-6a01-4420-b6a7-f4a39545a943", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "이규진", "서대희", "나재훈", "문영성" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 제안한 돌발 잡음 제거 시스템</h1><p>본 논문은 음성과 돌발 잡음이 함께 존재하는 환경에서 음성의 왜곡을 최소화 한 채 돌발 잡음을 효과적으로 제거하기 위한 시스템을 제안한다.", "제안한 시스템은 잡음을 제거하기 위하여 중앙값 필터를 사용하는데, 중앙값 필터는 돌발 잡음을 제거하는데 가장 효과적인 기법 중 하나이지만 음성의 피치와 같이 시간 축에서 빠르게 변화하는 특성을 갖는 신호를 크게 손상시키는 문제가 있다.", "따라서, 중 앙값 필터의 앞 단에 음성의 정보를 모델링하여 저장하는 필터를 사용하여 음성 신호의 왜곡을 줄여야 한다.", "</p><p>음성을 모델링하기 위한 대표적인 필터에는 LP 필터와 LTP 필터가 있는데, LP 필터는 음성을 모델링하는 과정에서 돌발 잡음의 특성을 함께 저장하기 때문에 잔여 잡음의 원인이 된다.", "반면, LTP 필터는 음성 신호의 주기성을 이용하기 때문에 돌발 잡음의 영향을 상대적으로 적게 받을 뿐만 아니라 중앙값 필터에 의해 가장 크게 손상되는 음성의 피치를 모델링하는데 적합하다.", "본 논문에서는 LTP 필터를 전처리단으로 사용하는 돌발 잡음 제거 시스템을 제안하고, 그 우수성을 증명한다.", "</p><h2>4.1 돌발 잡음 환경에서의 장구간 예측 (LTP) 필터</h2><p>LTP 필터는 음성 신호의 피치를 이전의 피치 성분으로 모델링하는 필터이다.", "음성의 피치는 주기을 가지며 인근에 위치한 피치와 매우 높은 상관도를 갖기 때문에, 적은 탭 수의 필터로도 쉽게 모델링할 수 있다.", "일반적으로 LTP 필터는 LP 필터의 잔여 신호를 입력으로 받지만, 돌발 잡음이 존재하는 환경에서는 LP 필터가 잔여 잡음의 원인이 되므로 제안한 시스템은 입력 신호에 LTP 필터를 바로 사용하도록 한다.", "LTP 필터에서 현재 프레임의 음성신호는 아래의 식 (7)과 같이 추정한다.", "</p><p>\\( \\hat{x}(m, l)=g_{p}(l) x\\left(m-\\tau_{p}(l), l\\right) \\),</p><p>where \\( 0 \\leq m \\leq M-1 \\).", "<caption>(7)</caption></p><p>식 (7)에서 \\( l \\) 과 \\( m \\) 은 각각 프레임 인덱스와 프레임 내에서의 샘플의 인덱스를 나타내며, \\( M \\) 은 한 프레임의 길이를 정의한다.", "즉, \\( (m, l) \\) 은 \\( l \\) 번째 프레임의 \\( m \\) 번째 샘플을 의미하므로 전체 입력 신호에서 \\( (m+(l-1) M) \\) 번째 샘플을 가리킨다.", "식 (7)의 \\( \\tau_{p}(l) \\)과 \\( g_{p}(l) \\) 은 각각 \\( l \\) 번째 프레임에서 추정한 이전 피치까지의 시간 지연 값과 피치를 추정하기 위한 크기 이득 값이다.", "LTP 필터는 \\( \\tau_{p}(l) \\) 샘플 이전의 음성 샘플에 \\( g_{p}(l) \\) 만큼의 크기 이득을 곱하여 현재 음성 샘플을 추정한다.", "LTP 필터에 의해 추정된 음성 신호는 \\( \\hat{x}(m, l) \\) 로 정의한다.", "</p><p>LTP 필터에서의 피치 주기 \\( \\tau_{p}(l) \\) 은 각 프레임에서 상관도가 최대가 되는 시간 지연 값으로 추정하며,</p><p>\\( \\tau_{p}(l)=\\underset{\\tau_{\\min } \\leq \\tau \\leq \\tau_{\\max }}{\\arg \\max } \\frac{\\sum_{m=0}^{M-1} x(m, l) x(m-\\tau, l)}{\\sqrt{\\sum_{m=0}^{M-1} x^{2}(m-\\tau, l)}} \\)<caption>(8)</caption></p><p>추정된 피치 주기를 기반으로 피치 추정 오차가 최소가 되는 크기 이득 \\( g_{p}(l) \\) 을 아래 식 (9)와 같이 추정한다.", "</p><p>\\( \\hat{g}_{p}(l)=\\frac{\\sum_{m=0}^{M-1} x(m, l) x\\left(m-\\tau_{p}(l), l\\right)}{\\sqrt{\\sum_{m=0}^{M-1} x^{2}\\left(m-\\tau_{p}(l), l\\right)}} \\)</p><p>\\( g_{p}(l)=\\left\\{\\begin{array}{lc}\\hat{g}_{p}(l), & \\hat{g}_{p}(l)<g_{p \\max } \\\\ g_{p \\max }, & \\text { otherwise }\\end{array}\\right. \\).", "<caption>(9)</caption></p><p>최적의 피치 주기 \\( \\tau_{p}(l) \\) 은 일반적인 사람의 피치 주기를 넘지 않는 범위 내에서 검색한다.", "본 논문에선 식 (8)의 \\( \\tau_{\\min } \\) 을 \\( 2.5 \\mathrm{~ms} \\) 로, \\( \\tau_{\\max } \\) 를 \\( 18 \\mathrm{~ms} \\) 로 설정하였다.", "LTP 필터의 크기 이득 또한 필터가 추정 오차에 강인하도록 하기 위해 식 (9)와 같이 일정 상수값, \\( g_{p \\max } \\),을 넘지 않도록 제한하는 것이 보통인데, 이는 돌발 잡음이 존재하는 환경에서 돌발 잡음에 의하여 피치가 잘못 추정되는 문제를 완화하는데 역시 도움이 된다.", "즉, 돌발 잡음이 존재하는 구간에서 잡음의 큰 에너지 때문에 피치 추정을 위한 크기 이득이 매우 큰 값으로 잘못 결정 될 수 있는데,크기 이득의 최대 값을 제한함으로써 이와 같은 문제가 방지된다.", "LTP 필터의 잔여 신호는 아래의 식 (10)과 같이 정의한다.", "</p><p>\\( r(m, l)=x(m, l)-\\hat{x}(m, l) \\).", "<caption>(10)</caption></p><p>그림 2 는 돌발 잡음이 존재하는 환경에서 LTP 필터가 모델링한 음성 신호와 LTP 필터의 잔여 신호를 그린 것이다.", "그림 2 (a)와 그림 2 (b)는 각각 깨끗한 음성 신호와 돌발 잡음이 더해진 입력 신호를 나타낸다.", "그림 2 (c)는 LTP 필터에 의해 모델링 된 음성의 피치 성분을 시간에 따라 나열한 것이다.", "그림 2 (a)와 그림 2 (c)의 파형을 비교하면 LTP 필터가 돌발 잡음이 존재하는 환경에서도 목적 음성을 매우 효과적으로 모델링 하는 것을 확인할 수 있다.", "그림 2 (d)는 LTP 필터의 잔여 신호인데, 그림 1 (c)의 잔여 신호와 달리 입력 돌발 잡음과 매우 유사한 형태를 가지며 음성의 정보가 거의 남아있지 않다.", "이는 LTP 필터가 돌발 잡음의 영향을 받지 않고 음성 신호의 정보만을 추출했다는 것을 의미한다.", "제안한 돌발 잡음 제거 시스템은 그림 2 (d)와 같은 잔여 신호 \\( r(m, l) \\) 에서 돌발 잡음을 제거한 후, 그림 2 (c)의 음성 정보를 다시 합성한다.", "</p> <h1>Ⅱ. 중앙값 필터를 이용한 돌발 잡음 제거 알고리즘</h1><p>돌발 잡음은 임의의 시간에 나타나며, 예측할 수 없는 충격 응답 (impulse response)을 갖는다.", "돌발 잡음은 다음 식 (1)과 같이 모델링 할 수 있다.", "</p><p>\\( d(n)=\\sum_{k}\\left(h_{k}(n) * \\delta\\left(n-T_{k}\\right)\\right) g_{k}(n) \\).", "<caption>(1)</caption></p><p>식 (1)에서 \\( h_{k}(n) \\) 과 \\( g_{k}(n) \\) 은 각각 \\( k \\) 번째 돌발 잡음의 충격 응답과 크기 이득을 나타내며, \\( T_{k} \\) 는 \\( k \\) 번째 돌발 잡음이 발생하는 시간을 나타낸다.", "돌발 잡음이 발생하는 시간은 예측할 수 없으며, \\( h_{k}(n) \\) 과 \\( g_{k}(n) \\)은 \\( k \\) 에 따라 불규칙하게 변화하는 값이다.", "돌발 잡음 제거 시스템의 입력 신호 \\( x(n) \\) 은 음성 신호 \\( s(n) \\) 에 식 (1)의 돌발 잡음이 더해진 형태로 정의할 수 있다.", "</p><p>\\( x(n)=s(n)+d(n) \\).", "<caption>(2)</caption></p><p>위의 식 (2)에서 돌발 잡음의 크기와 특성은 시간에 따라 빠르게 변화하므로 기존의 선형 필터로는 제거하는 것이 어렵다.", "반면, 중앙값 필터는 입력 신호에서 빠르게 변화하는 성분을 제거하는 역할을 하기 때문에 돌발 잡음을 쉽게 제거할 수 있다.", "현재의 샘플을 중심으로 앞뒤 \\( w \\) 개의 샘플들의 중앙값을 구하는 필터는 식 (3)과 같이 정의된다.", "</p><p>\\( \\begin{aligned} \\operatorname{med}_{w}[x(n)]=\\operatorname{median}[& x(n-w), x(n-w+1), \\cdots, x(n), \\\\ &x(n+1), \\cdots, x(n+w-1), x(n+w)] . \\", "end{aligned} \\)<caption>(3)</caption></p><p>결과적으로 \\( \\operatorname{med}_{w}[\\cdot] \\) 필터의 길이는 총 \\( 2 w+1 \\) 샘플이다.", "중앙값 필터의 출력은 입력 샘플들의 값들 중에 크기 서열이 중간 순위인 값으로 결정된다.", "따라서, 중앙값 필터의 입력에 매우 큰 크기를 갖는 샘플이 존재하더라도 필터의 출력은 그 영향을 받지 않는다.", "그러므로, 돌발 잡음이 존재하는 신호를 중앙값 필터에 통과시키는 경우, 필터가 돌발 잡음의 영향 없이 목적 신호의 유사 평균 값을 출력으로 결정하게 되어 잡음 성분을 효과적으로 제거할 수 있다.", "하지만, 중앙값 필터에 의한 신호의 평탄화 효과로 인하여 필터의 출력 신호에서 잡음", "뿐만 아니라 목적 신호 역시 왜곡되는 문제가 있다.", "이와 같은 문제는 목적 신호의 파형이 빠르게 변화할수록 심화된다.", "</p><p>일반적으로, 돌발 잡음 제거 시스템은 목적 신호의 왜곡을 최소화하기 위하여 돌발 잡음이 존재하는 구간에 대해서만 잡음", "제거 작업을 수행하도록 한다 .", "돌발 잡음이 존재하는 구간을 알고 있다고 가정할 때, 돌발 잡음 제거 시스템의 출력 신호는 식(4)와 같다.", "</p><p>\\( y(n)=\\left\\{\\begin{array}{cc}x(n), & H_{T}(n)=0 \\\\ \\operatorname{med}_{w}[x(n)], & H_{T}(n)=1 .\\end{array}\\right. \\)", "<caption>(4)</caption></p><p>식 (4)에서 \\( H_{T}(n) \\) 은 \\( n \\) 번째 입력 샘플에 돌발 잡음이 존재하는지의 여부를 나타내는 지표로써, \\( H_{T}(n) \\)이 1 일 때 돌발 잡음이 존재하는 것으로 정의한다. \\", "( y(n) \\) 은 돌발 잡음 제거 시스템의 출력 신호로써 돌발 잡음이 존재하지 않는 구간에서 입력 신호와 같은 값이 되고, 잡음이 존재하는 구간에서 중앙값 필터의 출력과 같은 값이 된다.", "돌발 잡음이 존재하는 구간은 입력 신호의 시간축 단구간 에너지나, 주파 수축 단구간 에너지, 혹은 입력 신호의 상관 계수 등을 이용하여 검출할 수 있다 .", "음성 신호가 존재하는 환경에서 시간-주파수축 단구간 에너지를 사용한 돌발 잡음 검출 알고리즘을 사용할 경우 \\( 99.3 \\% \\)의 검출 정확도를 나타냈으며, \\( 1.49 \\% \\) 의 낮은 확률로 돌발 잡음이 존재하지 않는 구간을 돌발 잡음 구간으로 잘못 검출하였다.", "</p><p>식 (4)의 돌발 잡음 제거 알고리즘은 목적 신호인 음성 신호가 왜곡되는 구간을 최소화하면서 돌발 잡음을 효과적으로 제거할 수 있다.", "하지만, 돌발 잡음과 음성 신호가 함께 존재하는 구간에서는 음성의 왜곡을 피할 수 없다.", "돌발 잡음 제거기에 의한 음성의 왜곡을 더 줄이기 위해서 중앙값 필터의 앞 단에서 음성의 정보를 모델링하여 저장하는 단계와 중앙값 필터로 잡음을 제거한 후에 모델링 된 음성 정보를 복원하는 단계를 추가할 필요가 있다.", "음성의 특성을 모델링 하기 위하여 가장 널리 쓰이는 알고리즘은 단구간LP 필터와 LTP 필터이다.", "지금까지 대부분의 돌발 잡음 제거 알고리즘에서는 음성 신호의 정보를 보존하기 위하여 단구간 LP 필터를 사용하였다.", "</p> <h2>4.2 장구간 예측 (LTP) 필터와 중앙값 필터를 이용한 돌발 잡음 제거 시스템</h2><p>제안한 돌발 잡음 제거 시스템의 블록도는 그림 3과 같다.", "</p><p>제안된 시스템은 중앙값 필터를 이용하여 LTP 필터의 잔여 신호 \\( r(m, l) \\) 에서 돌발 잡음을 제거한다.", "이 과정에서 발생할 수 있는 음성의 왜곡을 최소화하기 위하여 식 (4)와 같이 돌발 잡음이 존재하는 구간에만 중앙값 필터를 적용한다.", "잡음을 제거한 후 에 재합성 된 음성 신호를 \\( \\hat{y}(m, l) \\) 로 정의하면, 제안된 시스템의 출력은 아래의 식 (11)과 같다.", "</p><p>\\( y(m, l)=\\left\\{\\begin{array}{ll}x(m, l), & H_{T}(m, l)=0 \\\\ \\hat{y}(m, l), & H_{T}(m, l)=1\\end{array}\\right. \\)", "<caption>(11)</caption></p><p>즉, 제안된 시스템의 출력 신호 \\( y(m, l) \\) 은 돌발 잡음이 존재하지 않는 구간에서는 입력 신호와 같은 값을 갖고, 돌발 잡음이 존재하는 구간에서는 LTP 필터와 중앙값 필터로 처리한 출력을 받는다.", "식 (11) 에서 \\( \\hat{y}(m, l) \\) 은 잡음이 제거된 잔여 신호 \\( \\hat{r}(m, l) \\) 과 식 (7)에서 LTP 필터가 모델링한 음성 신호 \\( \\hat{x}(m, l) \\) 의 합 으로 구할 수 있다.", "</p><p>\\( \\hat{y}(m, l)=\\hat{r}(m, l)+\\hat{x}(m, l) \\).", "<caption>(12)</caption></p><p>또한, \\( \\hat{r}(m, l) \\) 은 다음 식 (13)과 같이 정의된다.", "</p><p>\\( \\hat{r}(m, l)=\\operatorname{med}_{w}[r(m, l)] \\).", "<caption>(13)</caption></p><p>그림 3에서 볼 수 있듯이, 음성의 모델링 및 돌발 잡음 제거, 그리고 음성을 재합성하는 작업은 돌발 잡음이 존재하는 구간에만 필요하다.", "다시 말해, 식 (7)의 LTP 필터를 이용한 음성의 모델링, 식 (13)의 중앙값 필터링, 그리고 식 (12)와 같은 음성의 재합성 과정은 모두 돌발 잡음이 존재하지 않는 경우에는 동작하지 않고 시스템의 입력을 그대로 출력으로 내보낸다.", "</p><p>그림 4는 그림 3(d)에서 보인 LTP 필터의 잔여 신호에 중앙값 필터를 적용하여 돌발 잡음을 제거한 후, 그림 3 (c)와 같이 LTP 필터가 모델링한 음성 신호의 정보를 재합성 한 결과를 나타낸다.", "그림 3(d)의 신호에서 돌발 잡음을 제거한 결과는 그림 4 (a) 와 같고, 그림 4 (a)의 신호와 LTP 필터가 모델링한 그림 3 (c)의 신호를 이용하여 음성 신호를 복원한 결과가 그림 4 (b)와 같다.", "목적으로 하는 음성 신호, 그림 3 (a), 와 비교하였을 때, 제안된 시스템이 음성의 왜곡이 거의 없이 돌발 잡음을 효과적으로 제거한 것을 확인할 수 있다.", "</p> <h1>Ⅴ. 돌발 잡음 제거 성능 평가</h1><p>제안한 시스템의 돌발 잡음 제거 성능을 평가하기 위하여 실제 환경에서 녹음한 데이터를 이용한 잡음 제거 실험을 진행하였다.", "실험에 사용된 돌발 잡음은 휴대 전화의 녹음 기능을 켠 상태로 전화의 본체를 두드리거나 전화의 버튼을 조작하며 녹음하였다.", "녹음한 잡음 데이터를 깨끗한 음성 신호의 임의의 위치에 더해서 입력 신호를 생성하였으며, 이때 사용한 음성 신호는 4 명의 남성 화자와 4 명의 여성 화자에 의해 발화된 총 8 개의 문장이다.", "각 문장의 길이는 약 2초 정도이며, 입력 신호의 샘플링 주파수는 \\( 8 \\mathrm{kHz} \\) 이다.", "</p><p>실험에 사용된 중앙값 필터의 길이는 \\( 8 \\mathrm{kHz} \\) 샘플링된 신호를 기준으로 101 샘플이다.", "중앙값 필터의 전처리단으로 LP 필터와 LTP 필터를 사용하며 음성 모델링 성능과 돌발 잡음 제거 성능을 비교하였다.", "LP 필터의 길이는 16 탭이고, LP 필터의 계수를 추정하기 위한 프레임의 길이는 \\( 15 \\mathrm{~ms} \\) 이다.", "LTP 필터는 1탭의 길이를 가지며, LTP 필터의 파라미터를 추정하기 위한 프레임의 길이는 \\( 15 \\mathrm{~ms} \\) 이다.", "LTP 필터의 피치 주기 \\( \\tau_{p}(l) \\) 은 \\( 2.5 \\mathrm{~ms} \\) 에서 \\( 18 \\mathrm{~ms} \\) 사이의 범위에서 추정하였으며, 식 (8)의 상관 계수를 3 배로 오버샘플링 (oversampling) 하여 샘플링 주파수보다 3 배 높은 정확도를 갖는 피치 주기를 찾도록 하였다.", "이는 LTP 필터의 음성 추정 오차를 감소시키는 역할을 한다.", "LTP 필터의 크기 이득 \\( g_{p}(l) \\) 의 최대 값 \\( g_{p \\max} \\)는 1.2로 설정하였다.", "돌발 잡음이 존재하는 구간을 정확하게 알고 있는 환경에서 진행하였다.", "하지만, 시간-주파수축 단구간 에너지를 기반으로 하는 돌발 잡음 검출 알고리즘을 사용하여도 본 논문에서 보이는 실험 결과와 유사한 성능의 출력을 얻을 수 있다.", "</p><p>먼저, 돌발 잡음이 존재하는 환경에서 단구간 LP 필터와 LTP 필터의 음성 모델링 성능을 확인하기 위해 각 필터의 잔여 신호와 입력 잡음 사이의 상호상관 계수를 측정하였다.", "두 음성 모델링 필터들의 목적은 돌발 잡음을 잔여 신호에 남겨두고 음성 정보만을 추출하여 저장하는 것이기 때문에 입력된 돌발 잡음과의 상관 계수가 클수록 돌발 잡음 제거에 더 유리하다고 할 수 있다.", "상호 상관 계수를 구하는 식은 아래 (14)와 같다</p><p>\\( \\frac{\\sum_{n}\\{r(n) d(n)\\} H_{T}(n)}{\\left\\{\\sum_{n}|r(n)| H_{T}(n)\\right\\}\\left\\{\\sum_{n}|d(n)| H_{T}(n)\\right\\}} \\)<caption>(14)</caption></p><p>식 (14)에서 \\( r(n) \\) 은 단구간 LP 필터 혹은 LTP 필터의 잔여 신호를 나타낸다.", "상관 계수를 구하는 과정에서 돌발 잡음의 존재 여부 \\( H_{T}(n) \\) 을 참조하여 돌발 잡음이 존재하는 구간에서만 상관 계수를 측정하였다.", "표 1 은 상호 상관 계수를 측정한 결과이다.", "</p><p>위의 표 1 에 나타난 바와 같이 LTP 필터의 잔여 신호는 입력 돌발 잡음과 1 에 가까운 상관 계수를 갖는다.", "따라서, LTP 필터의 잔여 신호에는 대부분의 돌발 잡음 성분이 남아있고음성 성분은 제거되었다고 볼 수 있다.", "반면, LP 필터의 잔여 신호는 입력 돌발 잡음과 상대적으로 낮은 상관 계수를 갖는다.", "</p><p>제안된 돌발 잡음 제거기의 성능을 평가하기 위해 시스템의 출력과 목적으로 하는 음성 신호 사이의 신호 대 잡음비 (SNR: signal-to-noise ratio)와 로그 스펙트럼 오차 (LSD: log spectral distance)를 측정하였다.", "각 성능을 측정하기 위한 식은 다음 식 (15)와 같다.", "</p><p>\\( \\begin{array}{l}S N R=10 \\log _{10}\\left(\\frac{E_{n}\\left\\{s(n)^{2}\\right\\}}{E_{n}\\left\\{(s(n)-y(n))^{2}\\right\\}}\\right), \\\\ \\left.L S D=E_{l}\\left\\{\\sqrt{E_{f}\\left\\{\\left(20 \\log _{10} \\frac{|S(f, l)|}{|Y(f, l)|}\\right)^{2}\\right.}\\right\\}\\right\\}. \\", "end{array} \\)<caption>(14)</caption></p><p>식 (15)에서 \\( E_{n}\\{\\cdot\\} \\) 은 샘플들의 시간축 평균을 의미하며, \\( E_{f}\\{\\cdot\\} \\) 는 주어진 주파수 응답의 한 프레임 내에서의 주파수축 평균, \\( E_{l}\\{\\cdot\\} \\) 은 프레임들 간의 평균을 의미한다. \\", "( S(f, l) \\) 과 \\( Y(f, l) \\) 은 각각 목적 음성신호와시스템의 출력 신호의 주파수 응답을 정의하며, \\( f \\) 는 주파수 인덱스이다.", "제안한 시스템의 잡음 제거 성능 및 음성 왜곡 정도를 정확하게 판단하기 위하여 SNR과 LSD는 돌발 잡음과 음성 신호가 모두 존재하는 구간에서만 측정하였다.", "SNR과 LSD를 측정한 결과는 표 2 와 같다.", "</p><p>표 2의 첫번째 열은 돌발 잡음 제거 시스템에서 중앙값 필터의 전처리단으로 사용한 음성 모델링 필터의 종류를 나타낸다.", "LTP 필터의 우수성을 증명하기 위하여 전처리단으로 LP 필터만을 사용한 경우, LP 필터와 LTP 필터를 모두 사용한 경우, 그리고 제안한 시스템인 LTP 필터만을 사용한 경우의 출력 신호를 모두 비교하였다.", "</p><table border><caption>표 2. 시스템 출력 신호와 목적 음성 신호 사이의 SNR 과 LSD 측정 결과</caption><tbody><tr><td></td><td>SNR</td><td>LSD</td></tr><tr><td>입력 신호</td><td>- 1.31</td><td>15.57</td></tr><tr><td>LP 필터</td><td>- 0.04</td><td>15.50</td></tr><tr><td>LP 필터 + LTP 필터</td><td>- 0.09</td><td>15.25</td></tr><tr><td>LTP 필터</td><td>7.94</td><td>9.07</td></tr></tbody></table><p>돌발 잡음은 일반적으로 에너지가 매우 크기 때문에 돌발 잡음이 존재하는 구간에서 입력 신호의 SNR이 매우 낮게 나타난다.", "하지만, 제안된 돌발 잡음 제거 시스템으로 돌발 잡음을 제거할 경우 SNR 이 \\( 8 \\mathrm{~dB} \\) 가량 향상 되었으며, LSD도 \\( 6 \\mathrm{~dB} \\) 이상 감소하였다.", "반면 LP 필터가 전처리단에 포함된 시스템의 출력 신호의 경우에는 입력 신호에 비해 약간의 성능 향상은 있었지만 잔여 잡음이 발생하는 문제로 인하여 제안한 알고리즘보다 매우 적은 향상 폭을 나타내었다.", "</p><p>제안한 시스템의 출력 신호의 음질을 객관적으로 평가하기 위해 PESQ (perceptual evaluation of speech quality) 점수를 측정하였다 .", "PESQ 점수는 표 3 에정리되어 있다.", "</p><p>표 2에 사용된 출력 신호와 같은 데이터를 이용하여 PESQ 점수를 측정하였다.", "표 2의 결과와 마찬가지로 LP 필터를 전처리단으로 사용하는 경우에는 PESQ 점수의 향상 폭이 적다.", "하지만, 제안된 시스템의 출력 신호는 입력 신호에 비해 PESQ 점수가 1 점가량 높았고, 인지적으로 평범한 수준의 음질을 의미하는 3 점에 가까운 점수를 얻게 되었다.", "</p><p>제안된 시스템은 음성의 주기성을 이용하기 때문에 자음 구간에서 음성을 보존하는 성능이 상대적으로 떨어진다.", "즉, 음성의 자음이 돌발 잡음 제거 시스템에 의해 왜곡될 수 있다.", "그림 5는 제안된 시스템의 자음 구간에서의 성능을 확인하기 위하여 음성의 자음 성분 중에 돌발 잡음과 특성이 가장 유사한 파열음 구간에 돌발 잡음을 더한 후 이를 제거한 실험의 결과이다.", "</p><p>그림 5(a) 는 목적으로 하는 음성 신호의 파형이며, 그림 5 (b) 는 잡음이 포함된 입력 신호, 그리고 그림 5(c)는 잡음을 제거한 후 LTP 필터를 이용하여 음성을 복원한 시스템의 최종 출력 신호를 나타낸다.", "그림 5 에서 100 번째 샘플과 200 번째 샘플 사이의 신호가 파열음 성분인데, 그림 5 (a)와 그림 5 (c)를 비교하면 제안된 시스템으로 잡음을 제거하는 과정에서 파열음 성분이 일부분 감쇄된 것을 확인할 수 있다.", "하지만, 그림 5(c)에 나타나듯이 출력 신호에서 파열음 성분의 일부가 보존되기 때문에 파열음 성분의 감쇄가 음성의 인지적 음질에는 크게 영향을 주지 않는다.", "제안된 시스템의 출력 신호에서 파열음의 특성이 크게 왜곡 되지 않는 것은 목적 음성 신호와 출력 신호의 스펙트로그램을 비교함으로써 확연하게 확인할 수 있다.", "아래 그림 6은 그림 5 와 같은 구간에 대해 목적 음성 신호와 시스템의 출력 신호의 스펙트로그램을 그린 것이다.", "</p><p>그림 6의 왼쪽은 목적 신호의 스펙트로그램이고, 오른쪽은 출력 신호의 스펙트로그램이다.", "그림에서 0.04 초와 0.09 초 사이의 구간이 파열음이 존재하는 구간인데, 출력 신호에서도 파열음의 특성이 크게 훼손되지 않는 것을 확인할 수 있다.", "이와 같이 자음 성분이 보존되는 것은 입력 신호의 특성에 따라 출력 값이 변화하는 중앙값 필터의 특성 때문이다.", "결론적으로, 제안한 시스템은 자음 구간에서 음성을 보존하는 성능이 저하되지만, 이로 인해 음성의 인지적 음질이나 명료도가 훼손되지는 않는다.", "</p> <h1>Ⅵ. 결 론</h1><p>본 논문은 음성 신호가 존재하는 환경에서 음성의 왜곡을 최소화한 채 돌발 잡음을 효과적으로 제거하는 알고리즘을 제안하였다.", "제안된 알고리즘은 별도의 파라미터를 설정할 필요 없이 돌발 잡음을 효과적으로 제거할 수 있는 중앙값 필터를 이용하여 잡음을 제거한다.", "중앙값 필터는 입력 신호에서 빠르게 변화하는 성분은 제거하면서 입력 신호의 특성을 반영하여 적응적으로 필터의 출력이 변화하는 장점이 있다.", "따라서, 중앙값 필터는 돌발 잡음을 제외한 목적 신호의 특성을 일부 보존하면서 잡음을 효과적으로 제거할 수 있다.", "하지만, 목적 신호가 음성신호인 경우에는 음성 신호에 피치 성분과 같이 시간축에서 빠르게 변화하는 성분이 존재하기 때문에 중앙값 필터가 그 특성을 크게 손상시키는 문제가 있다.", "그러므로, 입력 신호에서 음성 성분을 추출하여 저장하고 잡음을 제거한 후 이를 복원하는 별도의 프로세스가 반드시 필요하다.", "지금까지 대부분의 돌발 잡음 제거 시스템들은 입력 신호에서 음성 성분을 분리하기 위하여 단구간 LP 필터를 주로 사용하였지만, 단구간 LP 필터는 돌발 잡음의 특성도 함께 모델링하는 경향이 있기 때문에 잔여 잡음이 증가하는 원인이 된다.", "반면, 제안된 시스템은 LTP 필터를 중앙값 필터의 전처리단으로 사용하는데, LTP 필터는 돌발 잡음의 영향을 적게 받으면서 음성의 피치를 효과적으로 모델링하여 돌발 잡음을 제거한 후 음성 신호만을 복원하는데 탁월한 성능을 보인다.", "제안된 시스템을 통하여 출력 신호의 SNR 이 입력 신호에 비해 \\( 8 \\mathrm{~dB} \\) 증가하였으며, LSD가 \\( 6 \\mathrm{~dB} \\) 낮아졌다.", "또한, 객관적 음질 평가에서 시스템의 출력은 인지적으로 보통 수준의 음질을 나타내는 3 점에 가까운 PESQ 점수를 얻었다.", "</p> <h1>Ⅲ. 돌발 잡음 환경에서의 단구간 선형 예측 (LP) 필터</h1><p>단구간 LP 필터는 현재의 음성 샘플을 이전 샘플들의 선형 조합 (linear combination)으로 모델링 하는 기법이다.", "즉, LP 필터로 추정된 음성 신호 \\( \\tilde{x}(n) \\)은 아래 식(5) 와 같다.", "</p><p>\\( \\tilde{x}(n)=\\sum_{k=1}^{p} a_{k} x(n-k) \\).", "<caption>(5)</caption></p><p>식 (5)에서 \\( p \\) 는 LP 필터의 길이를 나타낸다.", "LP 필터의 계수 \\( a_{k} \\) 는 주어진 프레임에서 추정한 음성 신호와 실제 음성 사이의 평균 오차를 최소화하도록 결정된다.", "</p><p>\\( \\tilde{r}(n)=x(n)-\\tilde{x}(n)=x(n)-\\sum_{k=1}^{p} a_{k} x(n-k) \\)<caption>(6)</caption></p><p>식 (6)은 LP 필터의 잔여 신호를 나타낸다.", "LP 필터의 추정 오차는 잔여 신호 \\( \\tilde{r}(n) \\) 의 제곱의 평균으로 정의된다.", "일반적으로 LP 필터는 음성 신호의 포먼트 (formant)를 모델링 하기 때문에 식 (6)의 잔여 신호는 음성의 모음에 포함된 피치 성분과 자음의 백색 잡음 성분으로 구성된다.", "</p><p>돌발 잡음은 식 (1)과 같이 특정한 충격 응답을 잡음의 특성으로 갖는다.", "일반적으로, 돌발 잡음의 충격 응답은 약 \\( 1 \\sim 5 \\mathrm{~ms} \\) 길이의 초기 펄스를 가지며, 그 뒤에 작은 에너지를 갖는 진동 구간이 최대 \\( 50 \\mathrm{~ms} \\) 가량 지속된다.", "식 (5)와 같이 음성 신호를 모델링하기 위한 단구간 LP 필터는 일반적으로 \\( 5 \\mathrm{~ms} \\) 미만의 길이를 갖도록 설계하며, 단구간 LP 필터의 계수는 약 \\(20\\sim 30\\mathrm{ ms}\\) 정도 길이의 프레임 단위로 추정한다.", "즉, LP 필터는 짧은 필터 길이로 단구간에서의 신호 특성을 추정한다.", "따라서, 돌발 잡음이 존재하는 구간에서 LP 필터의 계수를 추정하는 경우 필터 계수는 상대적으로 에너지가 큰 돌발 잡음의 충격 응답을 모델링 한다.", "결과적으로, 단구간 LP 필터는 음성의 정보뿐만 아니라 돌발 잡음의 정보도 함께 저장하게 되어 잡음을 제거한 후 음성을 재합성 할 때 잔여 잡음의 양이 증가하는 원인이 된다.", "</p><p>그림 1 은 돌발 잡음이 더해진 음성 신호를 LP 필터로 모델링한 후의 잔여 신호와 잔여 신호에서 돌발 잡음을 제거한 후 음성을 다시 합성한 결과를 나타낸다.", "실험에 사용한 입력 신호는 깨꼿한 음성에 실제 환경에서 녹음한 돌발 잡음을 더해서 만들었으며, 음성을 모델링하기 위한 LP 필터의 차수는 16차, 그리고 LP 필터의 계수는 \\( 15 \\mathrm{~ms} \\) 길이의 프레임 단위로 추정하였다.", "그림 1 (a)는 깨끗한 음성 신호의 파형을 나타내며, 그림 1 (b)는 돌발 잡음이 포함된 입력 신호의 파형, 그리고 그림 1 (c)는 LP 필터로 음성을 모델링 한 후의 잔여 신호를 그린 것이다.", "그림 1 (c)에 나타난 것과 같은 잔여 신호에서 돌발 잡음을 완전히 제거하면 그림 1 (d)와 같은 잡음이 제거된 잔여 신호를 얻을 수 있다.", "마지막으로 잡음이 제거된 잔여 신호와 LP 필터의 계수를 이용하여 음성 신호를 다시 합성한 결과는 그림 1 (e)와 같다.", "먼저, 그림 1 (b)와 그림 1 (c)를 비교하면 LP 필터의 잔여 신호에 포함되어있는 돌발 잡음 성분이 입력 신호에 더해진 돌발 잡음에 비해 에너지가 작고 파형이 변화한 것을 확인할 수 있다.", "특히, 돌발 잡음에서 초기 펄스를 제외한 뒷부분의 크기가 크게 감쇄된다.", "이는 돌발 잡음의 일부가 단구간 LP 필터에 의해 모델링 되어 저장된 것을 의미한다.", "따라서, 그림 1 (d)와 같이 잔여 신호에서 돌발 잡음을 완전히 제거하더라도 LP 필터로 음성을 재합성 하면 그림 1 (e)와 같이 잡음 성분이 함께 복원된다.", "</p><p>그림 1 에서 볼 수 있듯이 돌발 잡음이 존재하는 환경에서 단구간 LP 필터를 이용하여 음성을 모델링 할 경우 돌발 잡음 제거 시스템의 출력에서 잔여 잡음이 증가하는 문제가 있다.", "또한, 단구간 LP 필터는 음성의 피치를 모델링할 수 없기 때문에 LP 필터의 잔여 신호를 중앙값 필터로 처리하면 그림 1 (d)와 같이 피치가 손상되어 음성의 음질이 저하된다.", "따라서, 돌발 잡음을 제거하는 과정에서 잔여 잡음을 최소화하고 음성 손실을 방지하기 위한 전처리단으로써 단구간 LP 필터를 사용하는 것 보다 입력 신호의 장구간 특성을 이용하여 음성의 피치를 모델링 하는 방법인 LTP 필터를 사용하는 것이 적합하다.", "</p> <h1>초 록</h1><p>본 논문에서는 음성 신호에 더해진 돌발 잡음을 제거하는 시스템을 제안한다.", "제안한 돌발 잡음 제거 시스템은 중앙값 필터를 이용하여 돌발 잡음을 제거한다.", "중앙값 필터는 잡음을 제거하는 과정에서 음성을 왜곡시킬 수 있기때문에, 음성의 왜곡을 최소화하기 위하여 장구간 예측 필터를 전처리단으로 사용한다.", "장구간 예측 필터로 보존된 음성 정보는 잡음이 제거된 후 다시 합성된다.", "본 논문에서는 돌발 잡음이 존재하는 환경에서 음성의 정보를 보존하는데 있어 단구간 예측 필터의 문제점을 밝히고 장구간 예측 필터의 우수함을 보인다.", "제안한 돌발 잡음 제거 시스템의 출력신호는 입력 신호에 비해 음성이 존재하는 구간에서 신호 대 잡음비가 약 \\( 8 \\mathrm{~dB} \\) 향상 되었으며, PESQ 점수가 약 1 점 증가하였다.", "</p><h1>I.", "서 론</h1><p>음성 신호에 더해진 잡음을 제거하는 것은 음성을 사용하는 어플리케이션의 품질을 결정하는데 중요한 역할을 한다.", "지금까지 대부분의 잡음 제거 알고리즘들은 정적 잡음이나 느리게 변화하는 잡음을 가정하여 개발되어 왔으며, 돌발 잡음과 같이 빠르게 변화하면서 예측할 수 없는 잡음 환경은 고려되지 않았다.", "돌발 잡음의 위와같은 특성으로 인해, 음질 향상시스템에서 일반적으로 쓰이는 선형적 필터링 기법으로는 쉽게 제거할 수 없다.", "</p><p>돌발 잡음은 일반적으로 녹음기나 휴대 전화와 같이 음성을 입력 받는 기기의 본체를 두드리거나 그 근처의 사물을 두드림으로써 발생한다.", "또한, 녹음이나 통화 도중에 버튼을 조작한다거나 키보드를 두드리는 것도 돌발 잡음의 원인이 된다.", "돌발 잡음은 중앙값 필터 (median filter)나 크기 제한 필터와 같은 비선형 필터들을 이용하여 쉽게 제거할 수 있는데,이 중에서 중앙값 필터는 입력 신호에서 느리게 변화하는 성분은 보존한 채 빠르게 변화하는 성분만을 제거하기 때문에 돌발 잡음을 제거하는데 효과적일 뿐만 아니라 목적 신호 성분을 일부분 보존할 수 있는 장점이 있어 널리 쓰인다.", "하지만, 음성의 피치(pitch) 성분은 시간축에서 돌발 잡음과 유사한 특성을 가지므로, 음성 신호가 중앙값 필터를 통과하는경우 신호의 특성이 크게 손상되어 심각한 음질 저하의 원인이 된다.", "</p><p>중앙값 필터는 돌발 잡음을 제거하는 성능이 뛰어나고, 별도의 파라미터 설정 없이 입력 신호의 특성에 따라 적절한 출력 값을 선택하기 때문에 안정적이고 좋은 성능을 갖는다.", "하지만, 음성 신호의 경우 시간축에서 파형이 빠르게 변화하는 경향이 있어 중앙값 필터에 의해 그 특성이 손상될 가능성이 있다.", "따라서, 음성 신호의 정보를 보존하기 위한 별도의 장치가 필요한데, 음성을 모델링하는 필터로는 단구간 선형 예측 (LP: linear prediction) 필터와 장구간 예측 (LTP: long-term prediction) 필터가 가장 대표적으로 쓰인다.", "지금까지 대부분의 돌발 잡음제거 시스템에서는 음성을 모델링하여 보존하는 전처리단으로써 단구간 LP 필터를 주로 사용하였다.", "하지만, 단구간 LP 필터는 필터 계수를 추정하는 과정에서 상대적으로 큰 에너지를 갖는 돌발잡음의 영향을 받기 때문에 음성을 효과적으로 모델링하지 못하고 오히려 돌발 잡음의 특성을 쫓는 문제가 있다.", "이와 같은 문제는 결국 돌발 잡음 제거 시스템의 출력 신호에서 잔여 잡음의 양이 증가하는 원인이 된다.", "반면, LTP 필터는 음성 신호의 장구간 특성인 주기성을 이용하기 때문에 지속 시간이 짧은 돌발 잡음의 영향을 적게 받고, 중앙값 필터에 의해 가장 많이 손상되는 음성 성분인 피치를 보존하는데 효과적이다.", "</p><p>본 논문은 LTP 필터를 전처리단으로 사용하고 중앙값 필터로 잡음을 제거하는 돌발 잡음 제거 시스템을 제안한다.", "먼저, 지금까지 흔히 사용되었던 단구간 LP 필터가 돌발 잡음이 존재하는 환경에서 음성을 모델링하기에 적합하지 않음을 밝히고, 실험을 통해 이를 증명한다.", "또한, 돌발 잡음 환경에서 LTP 필터가 효과적으로 음성 정보를 모델링하는 것을 보이고, 이를 이용한 돌발 잡음 제거기를 제안하고 그 성능을 보인다.", "</p><p>본 논문의 구성은 다음과 같다.", "먼저, Ⅱ 절에서 중앙값 필터를 이용한 돌발 잡음 제거 알고리즘을 간략히 서술한다.", "Ⅲ 절에선 단구간 LP 필터가 돌발잡음 제거 시스템의 전처리단으로써 적합하지 않음을 밝힌다.", "이어서, IV 절에선 제안한 돌발 잡음 제거 시스템의 구조와 알고리즘을 서술하고, V절에서 그 성능을 평가한다.", "마지막으로 VI 절에서 논문을 요약하고 결론을 맺도록 한다.", "</p>" ]

{ "doc_category": { "KDC": "530.2405", "DDC": "620.2" }, "doc_title": { "kor": "장구간 예측 필터를 이용한 음성 신호에서의 돌발 잡음 제거", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-097d5030-8ca0-4de4-a195-995d885c5789", "doc_number": { "ISSN": "1225-4428", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "최민석", "강홍구" ], "doc_publisher": "한국음향학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>1. 제안 프로토콜의 동작과정</h2><p>제안하는 인증 연동 프로토콜은 크게 초기 인증, 서명 정보 생성 및 분배 그리고 서명 정보를 이용한 이동 단말 인증 등의 과정으로 분류할 수 있다.", "다음에서 각 단계에 대해서 설명한다.", "</p><ul><li>Step 1 (Initial Authentication \\& Delegation of Signing capability): 이동 단말, MIIIIS (Media Independent Handover Information Server), 그리 고 네트워크에 존재하는 장치들은 부팅과 함께 EAP-TLS 를 통해 인증 서버와 초기 인증 과정을 수행한다.", "이때 MIHIS가 WLAN, WiBro/ WiMAX AAA, 3GPP AAA 서버와 성공적으로 초기 인증을 완료하면 각 인증 서버는 자신의 서명 권한을 MIHIS에게 위임하는 과정을 수행한다.", "</li><li>Step 2 (Information Query \\& Signature Issue): WLAN 환경에 있던 사용자가 다른 무선 망 환경 으로 핸드오버를 할 경우 이동 단말의 MIH 는 MIHIS에게 주변 네트워크 정보를 MIH_GET_ Information_Sig Request 메시지를 통해 요청한다.", "이때 전송되는 요청 메시지에는 이동 단말에서 이용 가능한 무선 인터페이스 정보와 MIHIS에서 서명 생성을 위해 필요한 이동 단말의 식별 정보 \\( I D_{M N} \\), 시간 \\( t_{M N} \\), 디피헬만 공개 값 \\( Y_{M N} \\) 등이 함께 전달한다.", "메시지를 수신한 MIIISS는 이동 단말이 핸드오버 가능한 무선 망에서 사용할 수 있는 대리 서명을 생성한 후 MIH_GET_Information_Sig Response 메시지를 통해 이동 단말로 전달한다.", "</li><li>Step 3 (Resource Availability Check): MIIIIS로부 터 주변 네트워크에 대한 정보를 수신한 후 이동 단말의 MIH 는 MIIIS가 알려준 정보를 기반으로 주변 망으로 MIH_Candidate_Query Request/ Response 메시지를 보내 네트워크 자원상태를 검사한다.", "이때 각 망에서 이동 단말로 보내는 응답 메시지에는 각 망의 Diffie-Hellman 공개 값이 포함되어 전달된다.", "</li><li>Step 4 (Resource Preparation): 핸드오버 할 수 있 는 무선 망에 대한 네트워크 자원 검사가 끝나면 이동 단말의 MIH는 Target Network를 결정하고, Target PoS와 MIH_HO_Commit_PreAuth Request/ Response 메시지를 주고받아 핸드오버를 준비한다.", "이때 요청 메시지에는 이동 단말에 대한 사전 인증을 수행 할 수 있도록 MIHIS가 생성한 서명 \\( S i g_{I S} \\) 과 \\( M A C_{W L} \\) 값이 포함된다.", "요청 메시지 에 함께 전달되는 \\( M A C_{W L} \\) 은 Target Network의 Diffie-Hellman 공개 값을 이용하여 생성한 공유 비밀 키인 \\( S K_{W L-W M} \\) 을 이용하여 생성한다.", "이 서명을 이용하여 이동 단말이 핸드오버하기 전에 Target Network에서 이동 단말에 대한 사전 인증 을 수행한다.", "사전 인증 수행과정에서 이동 단말의 Diffie-Hellman 공개 값을 통해 동일한 \\( S K_{W L-W M} \\) 를 생성하게 되고 이 키는 이후 이동 단말이 핸드 오버 한 후 Target Network에서 채널 보안을 위해 사용된다.", "</li><li>Step 5 (Higher Layer Handover Execution): 사전 인증이 성공하면 사용자 단말은 L2 계층에서의 정보를 기반으로 L2 및 L3 핸드오버를 수행한다.", "</li><li>Step 6 (Resource Release): 정상적으로 핸드오버가 완료되면 사용자 단말은 Target Network의 Target PoS와 MIH_HO_Complete Request/ Response 메시지를 주고받음으로서 Serving Network에서 할당되었던 네트워크 자원을 해제하고 핸드오버를 완료한다.", "</li></ul> <h2>2. 인증 연동을 위한 서명 발급 및 검증 과정</h2><p>다음은 MIH 가 적용된 환경에서 인증 연동을 위해 사용한 서명의 생성 및 분배, 그리고 검증 과정을 자세하게 살펴본다.", "</p><ul><li>서명 권한 위임: Step 1에서 MIHIS의 초기 인증이 성공하면 각 인증 서버는 자신의 서명 권한을 MIHIS에게 위임한다.", "서명 권한의 안전한 위임을 위해 각 인증 서버는 RSA를 이용하여 서명 권한 을 위임을 위한 서명을 생성한다.", "이를 위해 각 인증 서버와 MIHIS는 사전에 RSA 기반의 공개 키 \\( (e, n) \\) 와 개인 키 \\( (p, q, d) \\) 를 가진다.", "각 인증 서버 는 다음의 식 1 과 같이 서명 권한을 위임하기 위한 서명을 생성하고, 생성된 서명 \\( s_{x} \\) 와 서명이 생성된 시간 \\( t_{x} \\) 를 MIIIS로 전송 한다 이때 생성된 서명에 포함된 \\( ID_{A A} \\) 는 서명 권한을 위임하는 인증 서버의 식별정보 이고, \\( ID_{I S} \\) 는 서명 권한을 위임받는 MIHIS 의 식별정보 이다. \\", "[s_{x}=h\\left(I_{A A}\\left\\|I D_{I S}\\right\\| t_{x} \\| e_{I S}\\right)^{d_{x}} \\bmod n_{x}\\]<caption>(1)</caption></li><li>서명 권한 위임 검증: MIHIS는 각 인증 서버가 전 송한 서명 권한 위임을 위한 서명을 수신한 다음 각 서명에 대한 검증과정을 수행한다.", "검증은 다음 의 식 2 와 같이 일방향 해쉬 함수를 이용하여 \\( H^{\\prime}=h\\left(I_{A A}\\left\\|I_{I S}\\right\\| t_{x} \\| e_{I S}\\right) \\) 를 계산한 해쉬 값을 통 해 검증한다. \\", "[H^{\\prime}=s_{x}^{e_{x}} \\bmod n_{x}\\]<caption>(2)</caption></li><li>이동 단말의 인증 연동을 위한 서명 생성: Step 2 에서 이동 단말이 Serving Network에서 Target Network로 핸드오버 할 경우 이동 단말의 MTH는 \\( \\mathrm{MIIIIS} \\) 에게 가용한 주변 무선 망에 대한 정보를 MIH_GET_Information_Sig 메시지를 통해 요청한 다.", "전송하는 메시지에는 서명 생성 시 필요한 \\( I_{M N}, Y_{M N}, t_{M N} \\) 등의 정보가 포함되어 전달된다.", "MIHIS 에서 이동 단말을 위해 다음 식 3과 같이 서명을 생성한다. \\", "[S_{I S-x}=\\left(s_{x} \\oplus h\\left(I D_{M N}\\left\\|Y_{M N}\\right\\| t_{M N} \\| e_{I S}\\right)\\right)^{d_{I S}} \\bmod n_{I S} \\text { (3) }\\]<caption>(3)</caption></li><li>이동 단말의 사전 인증: 이동 단말은 MIHIS로부터서명을 발급 받은 후 서명을 검증한다.", "검증은 다음 식 4 와 같이 일방향 해쉬 함수를 이용하여 계산한 \\( H^{\\prime}=h\\left(I_{A A}\\left\\|D_{I S}\\right\\| t_{x} \\| e_{I S}\\right) \\) 값을 이용하여 전달 받은 서명을 식 4 와 검증함으로써 원 서명자인 인증 서버와 대리 서명자인 MIHIS를 확인한다.", "이후 Step 3 과정을 통해 이동 가능한 망의 DiffieHellman 공개 값을 알게 되고, Step 4에서 실제 핸드오버 할 Target Network를 결정한 다음 핸드오버 후 무선 채널에서 전달하는 메시지 등을 암호화 하는데 사용하는 비밀 세션 키를 Diffie- Hellman 공개 및 개인 값을 이용하여 생성한다.", "생성된 비밀 세션 키를 통해 식 5 와 같이 \\( M A C_{W L} \\) 값을 계산 하여 서명 정보와 함께 전달하고, 이 서명과 \\( M A C_{W L} \\) 을 이용하여 이동 단말에 대한 사전 인증을 수행한다. \\", "( h\\left(I D_{A A}\\left\\|I_{I S}\\right\\| t_{x} \\| e_{I S}\\right)=\\left(S_{I S-x}^{e_{I S}} \\bmod n_{I S} \\oplus\\right. \\) \\", "( \\left.h\\left(D_{M N}\\left\\|Y_{M N}\\right\\| t_{M N} \\| e_{I S}\\right)\\right)^{e_{x}} \\bmod n_{x} \\)<caption>(4)</caption>\\[M A C_{W L}=h\\left(S K_{M N-n P o A} \\| S i g_{I S-x}\\right)\\]<caption>(5)</caption></li><li>위에서와 같이 이동 단말이 핸드오버 하기 전에 Target PoS에게 서명 정보를 전달함으로서 이동 단말 에 대한 사전 인증을 수행한다.", "이렇게 이동 단말에 대 한 사전 인증이 마무리 되면 MIH_HO_PreAuth Commint Response 메시지에 \\( M A C_{T N} \\) 값을 추가하여 이동 단말에 전달함으로써 핸드오버하기 전에 이동 단 말의 사전 인증 및 비밀 세션 키를 공유하게 된다.", "이후 Step 5와 Step 6 과정을 통해 L2, L3 핸드오버가 수행 되고 마무리 된다.", "</li></ul><h2>3. 확장된 MIH 메시지</h2><p>그림 4 는 현재 IEEE 에서 표준화 중인 MIH\\WG 에서 정의하고 있는 MIH 프로토콜 프레임에 본 논문에서 제안하는 인증 연동 프로토콜을 적용하기 위해 새로운 AIP (Authentication Interworking Protocol) TLV (Type Length Value)를 정의한 것을 보여준다.", "다음은 새롭게 정의한 AIP TLV에 대한 내용이다.", "</p><ul><li>AIP (Authentication Interworking Protocol) TLV<p>- Data Type: OCTET_STRING</p><p>- Content: AIP Message</p></li></ul><p>위에서처럼 AIP TLV는 MIH 프로토콜에서 정의하고 있는 프로토콜 프레임 형식을 따른다.", "AIP TLV에 포함되는 정보들은 \\( I D_{x}, t_{x}, Y_{x}, M A C_{x}, s_{x} \\) 등 서명 생성과 분배, 그리고 이동 단말의 사전 인증을 위해 필요한 정보들이 AIP TLV 필드에 AIP 메시지로 포함되어 MIH 프로토콜 메시지와 함께 전달된다.", "이를 위해 우리는 인증 연동 프로토콜이 적용된 MIH 프로토콜 메시지를 다음과 같이 정의하였다.", "</p><ul><li>MIH_GET_Information_Sig Request/Response MIHIS에게 가용한 주변 네토워크 정보와 함께 서명 발행을 요청하는 메시지</li><li>MIH_HO_PreAuth_Commint Request/Response: 핸드오버를 준비하는 과정에서 MIHIS가 발행한 서명 정보를 이동할 네트워크로 전달하여 이동 단말의 사전 인증과 이동할 네트워크의 접속 장비의 인증을 요청하는 메시지</li></ul><p>위와 같이 본 논문에서 제안하는 인증 연동 프로토콜은 현재 IEEE 802.21 WG에서 표준화 중인 MIH 프로토콜을 최소한으로 수정하여 적용할 수 있도록 제안하였다.", "</p> <h1>I.", "서 론</h1><p>최근 유무선 통신은 눈부시게 발전하고 있으며, 사용자들의 단말 또한 점차 여러 종류의 접속 기술을 통해 다양한 유무선 네트워크에 접속할 수 있게 되었다.", "또 한 이러한 통신 기술의 발전은 사용자들에게 보다 다양 하고 수준 높은 네트워크 서비스를 제공할 수 있게 되 었으며, 이로 인해 새로운 네트워크 요구사항들이 생겨 나게 되었다.", "최근 사용자 단말은 다중 무선 네트워크 인터페이스가 적용되어 이기종 무선 네트워크를 통해 다양한 네트워크 서비스를 이용할 수 있게 되었으며, 이기종 망을 자유롭게 핸드오버 하면서 필요한 서비스 를 제공받을 수 있게 되었다.", "그로 인해 이와 같은 네트 워크 환경을 자유롭게 핸드오버 하는 사용자에게 끊김없는 네트워크 서비스를 제공하기 위한 핸드오버 기술 이 요구되었다.", "이러한 요구사항을 해결하기 위해 IEEE 에서는 2004년 3월 802.21 Working Group을 구성하여 이기종 망간 핸드오버 문제를 해결하기 위한 기술 표준화를 시작하였다.", "현재 표준화가 진행되고 있는 IEEE \\( 802.21 \\) 기술은 사용자에게 끊김 없는 네트워크 서비스가 제공되도록 이질적인 무선 네트워크 환경을 연동할 수 있는 표준기술로서 관심이 집중되고 있다.", "</p><p>IEEE 802.21 WG에서 표준화하고 있는 MIH (Media Independent Handover)는 둘 이상의 다른 네트워크 접속 인터페이스를 갖는 다중모드 단말이 미디어에 독립적으로 이기종 망간 핸드오버를 할 수 있도록 지원하는 기술이다.", "표준화 중인 MIH는 MIES (Media Independent Event Service), MICS (Media Independent Command Service) 그리고 MIIS (Media Independent Information Service) 등의 주요한 세 가지 서비스를 정의하고 있으며, 이 세 가지 서비스를 기반으로 MIH 프로토콜을 위한 메시지 프레임워크를 정의하고 있다.", "위와 같은 프레임워크로 구성되는 MIH 는 또한 MIH 메시지를 안전하게 보호하고, 핸드오버하는 사용자에게 인증 서비스를 제공하기 위한 보안 기술 표준화도 계속 진행하고 있다.", "하지만 아직까지는 기술 제안단계에서 기술 표준화를 위한 연구가 계속되고 있으며, 현재 IETF의 EAP-TLS (Extensible Authentication Protocol-Transport Layer Security)를 기반으로 하는 사전 인증 기술에 대한 관심이 집중되고 있다.", "그러나 MIH 가 적용된 이기종 망 환경에서 빠른 핸드오버 지원을 위한 인증 연동 기술에 대한 제안이 필요하다.", "기존 인증 기술 중 MIH 기반 환경에 적용 가능한 AAA(Authentication, Authorization and Accounting) 서버 기반의 인증 기술이 있지만 이기종 망을 핸드오버하는 사용자가 매번 AAA 서버를 통해 인증을 받아야 하고, 인증을 받는 과정에서 추가적인 핸드오버 지연이 발생할 수 있으며, 인증을 위한 추가적인 메시지들로 인해 메시지 오버헤드가 증가하는 문제점이 존재한다.", "</p><p>본 논문에서는 이러한 보안 요구사항과 문제점을 해결하기 위한 인중 연동 프로토콜을 제안한다.", "제안하는 기법은 기존에 많은 연구가 진행되고 있는 대리 서명방식을 MIH 프로토콜에 적용하여 이기종 망간 인중 연동 및 핸드오버 하는 사용자 단말의 빠른 인증을 지원 할 수 있도록 제안하였다.", "</p><p>본 논문의 구성은 다음과 같다.", "II 장에서는 본 논문에서 제안하는 기법과 관련된 기술들을 설명하고, III장에서 본 논문에서 제안하는 기법에 대해서 자세하게 설 명한다.", "그리고 IV장에서 제안 기법에 대한 안전성 분석 및 보안 프로토콜 적용에 따른 성능을 평가하고, 마 지막 V 장에서 결론을 맺는다.", "</p> <h1>III.", "제안 기법</h1><p>본 장에서는 앞서 관련기술에서 설명했던 대리 서명 기술을 MIH 기반 이질적인 네트워크 환경에 적용하여 사용자가 이질적인 네트워크를 핸드오버 할 때 필요한 인중 연동을 지원할 수 있는 인증 연동 프로토콜에 대해서 설명한다.", "</p><p>먼저 본 논문에서는 WLAN, WiBor/WiMAX 그리고 3GPP LTE (Long Term Evolution) 환경을 가정한다.", "사용자 인중을 위해 WLAN 과 WiBor/WiMAX를 위한 AAA 서버와 3GPP LTE에서 non-3GPP 망과의 연동을 위해 가정하고 있는 non-3GPP AAA 서버를 가정한다.", "본 논문에서는 이러한 이기종 망을 핸드오버 하는 이동 단말을 고려하였으며, 이동 단말은 최소 둘 이상의 다중 인터페이스를 사용하는 멀티 인터페이스 단말을 가정한다.", "그리고 인증 연동을 통한 사전 인증을 제공하기 위해 RSA 서명 기법과 Diffie-Hellman 알고리즘을 적용하였다.", "다음의 표 1 에서는 본 논문에서 제안하는 인증 연동 프로토콜에서 사용하는 주요 용어들을 정리하였다.", "</p><p>그림 3은 현재 IEEE 802.21 WG에서 표준화가 진행되고 있는 MIH 표준 문서 중 이동 단말에서 핸드오버를 시작하는 경우의 MIH 프로토콜의 기본 동작 절차에 본 논문에서 제안하는 인증 연동 프로토콜을 적용하여 인증 연동이 수행되는 과정을 보여준다.", "그림 3 에서 처럼 본 논문에서 제안하는 인증 연동 프로토콜은 기존 MIH 프로토콜 기본 동작 절차에서 사용되는 메시지를 그대로 사용하기 때문에 인증 연동을 위해 추가적인 메 시지가 필요 없다.", "다만 서명 생성 및 분배 과정에서 필 요한 정보를 제공하기 위해 MIH 기본 메시지 형식에 보안 정보를 함께 보내기 위한 추가 필드가 요구된다.", "</p><h2>1. 제안 프로토콜의 동작과정</h2><p>제안하는 인증 연동 프로토콜은 크게 초기 인증, 서 명 정보 생성 및 분배 그리고 서명 정보를 이용한 이동 단말 인증 등의 과정으로 분류할 수 있다.", "다음에서 각 단계에 대해서 설명한다.", "</p><ul><li>Step 1 (Initial Authentication \\& Delegation of Signing capability): 이동 단말, MIHIS (Media Independent Handover Information Server), 그리 고 네트워크에 존재하는 장치들은 부팅과 함께 \\( \\mathrm{EAP}-\\mathrm{TLS} \\) 를 통해 인증 서버와 초기 인증 과정을 수행한다.", "이때 MIHIS가 WLAN, WiBro/ WiMAX AAA, 3GPP AAA 서버와 성공적으로 초기 인증 을 완료하면 각 인증 서버는 자신의 서명 권한을 MIHIS에게 위임하는 과정을 수행한다.", "</li><li>Step 2 (Information Query \\& Signature Issue): \\( \\mathrm{WLAN} \\) 환경에 있던 사용자가 다른 무선 망 환경 으로 핸드오버를 할 경우 이동 단말의 \\( \\mathrm{MIH} \\) 는 MIHIS에게 주변 네트워크 정보를 MIH_GET_Information_Sig Request 메시지를 통해 요청한다.", "이때 전송되는 요청 메시지에는 이동 단말에서 이 용 가능한 무선 인터페이스 정보와 MIHIS에서 서 명 생성을 위해 필요한 이동 단말의 식별 정보 \\( I_{M N} \\), 시간 \\( t_{M N} \\), 디피헬만 공개 값 \\( Y_{M N} \\) 등이 함께 전달한다.", "메시지를 수신한 MIIIS는 이동 단말이 핸드오버 가능한 무선 망에서 사용할 수 있는 대리 서명을 생성한 후 MIH_GET_Information_Sig Response 메시지를 통해 이동 단말로 전달한다.", "</li><li>Step 3 (Resource Availability Check): MIIIS로부 터 주변 네트워크에 대한 정보를 수신한 후 이동 단말의 \\( \\mathrm{MIH} \\) 는 MIHIS가 알려준 정보를 기반으로 주변 망으로 MIH_Candidate_Query Request/ Response 메시지를 보내 네트워크 자원상태를 검 사한다.", "이때 각 망에서 이동 단말로 보내는 응답 메시지에는 각 망의 Diffie-Hellman 공개 값이 포 함되어 전달된다.", "</li><li>Step 4 (Resource Preparation): 핸드오버 할 수 있 는 무선 망에 대한 네트워크 자원 검사가 끝나면 이동 단말의 \\( \\mathrm{MIH} \\) 는 Target Network를 결정하고, Target PoS와 MIH_HO_Commit_PreAuth Request/ Response 메시지를 주고받아 핸드오버를 준비한다.", "이때 요청 메시지에는 이동 단말에 대한 사전 인증을 수행 할 수 있도록 MIHIS가 생성한 서명 \\( S i g_{I S} \\) 과 \\( M A C_{W L} \\) 값이 포함된다.", "요청 메시지 에 함께 전달되는 \\( M A C_{W L} \\) 은 Target Network의 Diffie-Hellman 공개 값을 이용하여 생성한 공유 비밀 키인 \\( S K_{W L-W M} \\) 을 이용하여 생성한다.", "이 서 명을 이용하여 이동 단말이 핸드오버하기 전에 Target Network에서 이동 단말에 대한 사전 인증 을 수행한다.", "사전 인증 수행과정에서 이동 단말의 Diffie-Hellman 공개 값을 통해 동일한 \\( S K_{W L-W M} \\) 를 생성하게 되고 이 키는 이후 이동 단말이 핸드 오버 한 후 Target Network에서 채널 보안을 위해 사용된다.", "</li><li>Step 5 (Higher Layer Handover Execution): 사전 인증이 성공하면 사용자 단말은 L2 계층에서의 정 보를 기반으로 L2 및 L3 핸드오버를 수행한다.", "</li><li>Step 6 (Resource Release): 정상적으로 핸드오버 가 완료되면 사용자 단말은 Target Network의 Target PoS와 MIH_HO_Complete Request/ Response 메시지를 주고받음으로서 Serving Network에서 할당되었던 네트워크 자원을 해제하 고 핸드오버를 완료한다.", "</li></ul> <h1>IV.", "분석 및 비교</h1><p>이번 장에서는 본 논문에서 제안하는 인증 연동 프로토콜에 대한 안전성 분석과 성능 평가에 대해서 설명한다.", "</p><h2>1. 제안 프로토콜의 안전성 분석</h2><p>본 논문에서 제안하는 인중 연동 프로토콜은 기존 대리서명 기법에서 요구되는 다음과 같은 보안 요구사항을 만족한다.", "</p><ul><li>강한 위조 방지 (Strong non-forgeability): 제안 기법은 인증 서버가 MIHIS에게 자신의 서명 권한을 위임하기 위해 전달하는 서명과 서명 권한을 위임 받아 MIHIS가 생성하는 대리 서명에 대해 강한 위조 방지를 제공한다.", "먼저 권한 위임을 위해 인증 서버가 생성하는 서명은 서명 권한을 위임하는 인증 서버의 \\( I_{A A} \\), 서명 권한을 위임받는 MIHIS의 \\( I D_{I S} \\) 디피헬만 공개 값 \\( Y_{I S}\\), MIHIS 의 RSA 공개 키 \\( e_{I S} \\) 를 해쉬한 결과를 인증 서버의 RSA 개인 키 \\( d_{x} \\) 로 서명하여 전달하기 때문에 인증 서버 이외의 노드는 서명 권한 위임을 위해 생성되고 MIIHS에게 전달되는 인증 서버의 서명을 위조할 수 없다.", "그리고 MIHIS가 인증 서버를 대신하여 생성하는 서명을 임의의 노드가 위조하기 위해서는 인증 서버가 서명 권한 위임을 위해 생성하는 서명에 포함되는 \\( h\\left(I_{A A}\\left\\|D_{I S}\\right\\| t_{x} \\| e_{I S}\\right) \\) 값을 위조할 수 있어야 한다.", "그러나 이 값은 초기 인중 과정에서 공유하는 비밀 키로 암호화된 채널을 통해 인증 서버로 전달되고, 전달된 값은 인증 서버의 개인 키 \\( d_{x} \\) 로 서명되기 때문에 임의의 노드가 위조 할 수 없으며, 대리 서명 검증 과정을 통해 위조 여부를 확인할 수 있다.", "마지막으로 제안 기법의 경우 RSA 개인 키를 이용하여 서명을 생성하기 때문에 인증 서버 또는 MIHIS 또한 서로의 서명을 임의로 생성 할 수 없다.", "</li><li>강한 신원 확인 (Strong Identifiability): MIHIS가 생성하는 대리 서명은 서명에 포함된 \\( h\\left(I_{A A}\\left\\|D_{I S}\\right\\| t_{x} \\| e_{I S}\\right) \\) 값을 통해 검증한다.", "따라서 서명 검증 과정에서 사용되는 \\( I_{A A}, I_{I S}, e_{I S} \\) 등의 정보를 통해 MIHIS를 확인할 수 있으며, 제안 기법에서 제공하는 각 서명들은 초기 인증 과정을 통 해 상호 인증된 각 노드들 간에 공유하는 비밀 키를 통해 암호화되어 전달되므로 상호 간에 강한 신원 확인이 제공된다.", "</li><li>강한 부인 방지 (Strong non-deniability): 제안 기법에서는 서명을 생성 및 발행 한 노드가 자신의 서명에 대해서 부인하는 것은 매우 어렵다.", "우선 서명 권한 위임을 위해 생성하는 서명은 서명자의 개인 키로 서명하기 때문에 부인 할 수 없으며, MIHIS가 생성하는 서명 또한 MIHIS의 개인 키로 서명하기 때문에 역시나 자신이 생성한 서명에 대해서 부인할 수 없다.", "</li><li>검증가능성 (Verifiability): 제안 기법은 MIHIS가 정상적으로 인증 서버에게 서명 권한을 위임 받아 서명을 생성했는지를 누구나 쉽게 검증할 수 있다.", "서명 권한 위임 검증은 \\( h\\left(D_{I S}\\left\\|Y_{I S}\\right\\| t_{x} \\| e_{I S}\\right) \\) 값을 계산하여 MIHIS가 생성하여 분배한 서명을 검증 함으로서 확인할 수 있다.", "검증에 사용되는 해쉬 값은 인증 서버가 MIHIS에게 인증 권한을 위임하기 위해서 자신의 개인 키로 서명 권한을 위임 받게 되는 노드의 식별 정보를 서명하기 때문에 이 정보는 위조되거나 수정될 수 없다.", "또한 해쉬 값 을 계산하기 위해 필요한 \\( I_{I S} \\), \\( Y_{I S} e_{I S} \\) 둥의 정보 는 모두에게 공개된 정보이고, \\( t_{x} \\) 는 서명을 제공할 때 함께 전달되는 값이므로 누구나 검증에 필요한 해쉬 값을 생성할 수 있다.", "</li></ul> <h1>요약</h1><p>본 논문은 IEEE 802.21 WG에서 표준화 진행 중인 MIH (Media Independent Handover) 기반의 이질적인 네트워크 환경에서 RSA 기반의 서명 방식을 적용한 인중 연동 프로토콜을 제안한다.", "본 논문에서 제안하는 인중 연동 프로토콜은 이동 단말이 핸드오버 할 경우 발생하는 핸드오버 지연 시간과 보안 기술 적용에 따른 메시지 오버헤드 등을 줄이기 위해 기존 MIH 프레임에 새로운 AIP TLV (Authentication Interworking Protocol TLV)를 정의하였고, MIHIS (MIH Information Server)가 인증 서버를 대신하여 이동 단말에게 서명을 제공할 수 있도록 RSA 기반의 대리 서명 방식을 적용하였다.", "제안하는 인증 연동 프로토콜은 이동 단말이 핸드오버할 경우 사전에 MIH 메시지를 이용하여 이동 단말을 인증 할 수 있는 서명을 전달하게 함으로서 사전 인중을 수행할 수 있도록 하였다.", "또한 보안이 적용되지 않은 MIH 프로토콜과의 핸드오버 지연 시간 비교를 통해 인중 연동 프로토콜의 성능을 분석하였다.", "</p> <h1>V.", "결 론</h1><p>본 논문은 이기종 망간 핸드오버를 지원하기 위해 IEEE 802.21 WG에서 표준화 진행 중인 MIH 프로토콜이 적용된 WLAN, WiBro/WiMAX, 3GPP LTE 등의 이기종 망 환경에서 이동 단말이 핸드오버 할 때 필요한 인증 연동 프로토콜을 제안하였다.", "제안하는 인증 연동 프로토콜은 RSA 서명을 이용한 대리 서명 기법을 적용하여 각 이기종 망의 인증 서버들이 초기 인증을 성공적으로 수행한 MIHIS에게 자신의 서명 생성 권한을 위임하고, MIHIS는 이기종 망으로 핸드오버하는 이동 단말이 사전 인증을 수행할 수 있도록 MIH 프로토콜에서 사용하는 기본 메시지에 생성한 서명을 전달하게 하였다.", "또한 보안 적용에 따른 메시지 추가 없이 MIH 프로토콜 프레임에 새롭게 AIP TLV 를 정의하여 사용하였다.", "이렇게 함으로써 보안이 적용된 MIH 프로토콜을 적용하였을 경우에도 보안을 위한 추가 메시지 가 필요 없게 되었고, 사전 인증에 따른 핸드오버 지연 시간에도 크게 영향을 주지 않도록 하였다.", "마지막으로 제안하는 인중 연동 프로토콜에 대한 보안 분석과 핸드 오버 지연시간을 분석해 봄으로써 MIH 기반 이기종망 환경에 효과적으로 적용할 수 있음을 보였다.", "</p> <h1>II.", "관련 기술</h1><p>이번 장에서는 현재 IEEE 802.21 WG에서 표준화가 진행되고 있는 MIH 표준 기술과 본 논문에서 인증 연동을 위해 적용한 대리 서명 기법에 대해서 간략하게 설명한다.", "</p><h2>1. IEEE 802.21 Media Independent Handover</h2><p>둘 이상의 다른 네트워크 접속 인터페이스를 갖는 다중모드 단말에서 MIH 는 미디어에 독립적으로 이기종 망간 핸드오버를 지원하기 위해 하위 물리 계층의 정보를 이용한다.", "이를 위해 MIH 에는 그림 1 에서처럼 MIES (Media Independent Event Service), MICS(Media Independent Command Service) 그리고 MIIS(Media Independent Information Service) 둥의 세 가지 주요 서비스를 정의하고 있다.", "</p><ul><li>MIES: MIES는 이벤트를 관리하는 서비스로 물리 계층과 MAC 계층에서 발생하는 정보를 SAP(Service Access Point)를 통해 상위 계층으로 전달하는 기능을 담당한다.", "여기서 사용되는 정보는 물리계층 및 MAC 계층에서 인지된 상태 변화에 대한 정보를 의미하고, 이때 발생한 이벤트는 단말의 상위 계층에 제공된다.", "</li><li>MICS: MICS는 상위 계층에서 결정된 내용을 하위 계층으로 전달하거나 하위 계층의 동작을 제어하는 기능을 제공한다.", "</li><li>MIIS: MSS는 이기종 망간 핸드오버를 위해 필요로 하는 다양한 망 정보를 수집하고, 수집된 정보를 바탕으로 핸드오버를 수행할 수 있도록 지원한다.", "</li></ul><p>위와 같은 세 가지 주요 서비스를 통해 MIH 는 이기종 망간 핸드오버를 지원한다.", "다음 그림 2 는 사용자 단말에서 시작하는 이기종 망간 핸드오버 절차를 보여 준다.", "사용자 단말에서 핸드오버를 시작하는 경우 크게 네 가지 절차를 통해 핸드오버를 수행한다.", "</p><ul><li>Step 1 (Resource Availability Check): 사용자 단말에서 이기종 망간 핸드오버를 하기 위해 MIIS에 게 MIH_Get_Information Request/Response 메시 지를 통해 이용 가능한 주변망 (Candidate Networks)에 대한 정보를 얻어 오는 과정이다.", "</li><li>Step 2 (Resource Preparation): 주변 망에 대한 정보를 수신한 이동 노드에서 핸드오버 할 망 (Target Network)을 선택한 후 Serving PoS (Point of Service)와 Target PoS 간에MIH_MN_HO_Commit Request/ Response 메시지를 주 고받음으로서 핸드오버를 준비한다.", "</li><li>Step 3 (Handover Commitment): 핸드오버 준비가 끝난 후 사용자 단말은 L2 계충에서의 정보를 기 반으로 L2 및 L3 핸드오버를 수행한다.", "</li><li>Step 4 (Resource Release): 정상적으로 핸드오버가 완료되면 사용자 단말은 MIH_MN_HO_ Complete Request/Response 메시지를 Target PoS 와 Serving PoS 간에 주고받으며 이전 망에서 할 당되었던 네트워크 자원 해제 절차를 수행한다.", "</li></ul><p>위와 같은 과정으로 사용자 단말에서 시작하는 이기종 망간 핸드오버를 지원하고, \\( \\mathrm{PMIPv} 6\\) 를 적용하여 네트워크에서 이기종 망간의 핸드오버를 지원할 수도 있다.", "</p> <h1>II.", "관련 기술</h1><p>이번 장에서는 현재 IEEE 802.21 WG에서 표준화가 진행되고 있는 MIH 표준 기술과 본 논문에서 인증 연동을 위해 적용한 대리 서명 기법에 대해서 간략하게 설명한다.", "</p><h2>1. IEEE 802.21 Media Independent Handover</h2><p>둘 이상의 다른 네트워크 접속 인터페이스를 갖는 다중모드 단말에서 MIH 는 미디어에 독립적으로 이기종 망간 핸드오버를 지원하기 위해 하위 물리 계층의 정보를 이용한다.", "이를 위해 MIH 에는 그림 1 에서처럼 MIES (Media Independent Event Service), MICS(Media Independent Command Service) 그리고 MIIS(Media Independent Information Service) 둥의 세 가지 주요 서비스를 정의하고 있다.", "</p><ul><li>MIES: MIES는 이벤트를 관리하는 서비스로 물리 계층과 MAC 계층에서 발생하는 정보를 SAP (Service Access Point)를 통해 상위 계층으로 전달하는 기능을 담당한다.", "여기서 사용되는 정보는 물리계층 및 MAC 계충에서 인지된 상태 변화에 대한 정보를 의미하고, 이때 발생한 이벤트는 단말의 상위 계층에 제공 된다.", "</li><li>MICS: MICS는 상위 계층에서 결정된 내용을 하위 계층으로 전달하거나 하위 계층의 동작을 제어하는 기능을 제공한다.", "</li><li>MIIS: MISS는 이기종 망간 핸드오버를 위해 필요로 하는 다양한 망 정보를 수집하고, 수집된 정보 바탕으로 핸드오버를 수행할 수 있도록 지원한 다.</li></ul><p>위와 같은 세 가지 주요 서비스를 통해 MIH 는 이기종 망간 핸드오버를 지원한다.", "다음 그림 2 는 사용자 단말에서 시작하는 이기종 망간 핸드오버 절차를 보여 준다.", "사용자 단말에서 핸드오버를 시작하는 경우 크게 네 가지 절차를 통해 핸드오버를 수행한다.", "</p><ul><li>Step 1 (Resource Availability Check): 사용자 단 말에서 이기종 망간 핸드오버를 하기 위해 MIIS에 게 MIH_Get_Information Request/Response 메시 지를 통해 이용 가능한 주변 망 (Candidate Networks)에 대한 정보를 얻어 오는 과정이다.", "</li><li>Step 2 (Resource Preparation): 주변 망에 대한 정 보를 수신한 이동 노드에서 핸드오버할 망 (Target Network)을 선택한 후 Serving PoS (Point of Service)와 Target PoS 간에 MIH_MN_HO_Commit Request/ Response 메시지를 주고받음으로서 핸드오버를 준비한다.", "</li><li>Step 3 (Handover Commitment): 핸드오버 준비가 끝난 후 사용자 단말은 L2 계층에서의 정보를 기반으로 L2 및 L3 핸드오버를 수행한다.", "</li><li>Step 4 (Resource Release): 정상적으로 핸드오버 가 완료되면 사용자 단말은 MIH_MN_HO_ Complete Request/Response 메시지를 Target PoS 와 Serving PoS 간에 주고받으며 이전 망에서 할당되었던 네트워크 자원 해제 절차를 수행한다.", "</li></ul><p>위와 같은 과정으로 사용자 단말에서 시작하는 이기종 망간 핸드오버를 지원하고, PMIPv6 를 적용하여 네트워크에서 이기종 망간의 핸드오버를 지원할 수도 있다.", "</p> <h1>요약</h1><p>본 논문은 IEEE 802.21 WG에서 표준화 진행 중인 MIH (Media Independent Handover) 기반의 이질적인 네트워크 환경에 서 RSA 기반의 서명 방식을 적용한 인중 연동 프로토콜을 제안한다.", "본 논문에서 제안하는 인증 연동 프로토콜은 이동 단말이 핸드오버 할 경우 발생하는 핸드오버 지연 시간과 보안 기술 적용에 따른 메시지 오버헤드 등을 줄이기 위해 기존 MIIH 프레임에 새로운 AIP TLV (Authentication Interworking Protocol TLV)를 정의하였고, MIHIS (MIIH Information Server)가 인증 서버를 대신하여 이동 단말에게 서명을 제공할 수 있도록 RSA 기반의 대리 서명 방식을 적용하였다.", "제안하는 인증 연동 프로토콜은 이동 단말이 핸드오버 할 경우 사전에 MIH 메시지를 이용하여 이동 단말을 인증 할 수 있는 서명을 전달하게 함으로서 사전 인중을 수행할 수 있도록 하였다.", "또한 보안이 적용되지 않은 MIH 프로토콜과의 핸드오버 지연 시간 비교를 통해 인중 연동 프로토콜의 성능을 분석하였다.", "</p> <h2>2. 대리서명 기법</h2><p>대리 서명 기법은 1996년 Mambo, Usuda, Okamoto가 그 개념을 처음 소개하였다.", "대리 서명 기법은 서명을 생성할 수 있는 원래의 서명자가 자신의 서명 권한을 지정한 대리 서명자에게 위임하여 자신을 대신하여 서명을 할 수 있도록 하였다.", "이들이 처음 소개한 대리 서명은 서명 권한을 어떻게 위임하는가에 따라서 부분 위임 (Partial Delegation), 완전 위임 (Full Delegation), 보증 위임 (Delegation by Warrant) 등으로 구분된다.", "최근에는 보안상의 이유로 부분 위임과 보증 값을 이용하여 서명 권한을 위임하는 대리 서명 방식이 주로 사용된다.", "이러한 대리 서명 방식은 서명 권한을 위임 받은 대리 서명자가 생성하는 대리 서명을 원 서명자도 생성할 수 있는지, 오직 대리 서명자만 생성할 수 있는지에 따라 다시 대리 서명자 보호형(Proxy-protected) 대리서명 방식과 대리 서명자 비보호형 (Proxy-unprotected) 대리 서명 방식으로 분류할 수 있다.", "다음은 Mambo가 제안했던 대리 서명 방식에 대해서 간략하게 살펴본다.", "</p><p>먼저 원 서명자는 임의의 큰 소수 \\( p \\) 를 선택한다.", "그 다음 \\( g \\in Z_{p}^{*} \\) 를 구하고, 자신이 생성하는 서명에 사용하는 개인 키 \\( x_{o} \\) 를 이용하여 공개 키를 \\( y_{o}=g^{x_{o}}(\\bmod p) \\)와 같이 생성한다.", "이후 선택된 대리 서명자에게 서명 권한을 위임하기 위해 서명을 생성한다.", "이때 원 서명자는 임의의 \\( k \\) 를 \\( k \\in_{R} Z_{p}^{*} \\) 와 같이 선택 후 \\( K \\) 를 \\( K=g^{k} \\)와 같이 구한 다음 서명을 \\( \\sigma=x_{o}+k K \\) 와 같이 생성하여 대리 서명자에게 \\( \\sigma \\) 와 \\( K \\) 를 함께 전달한다.", "원 서 명자가 전송한 서명 정보를 대리 서명자가 수신하면 \\( g^{\\sigma}=y_{A} K^{K} \\) 를 계산하여 원 서명자의 서명을 검증하고, 검증에 성공하면 원 서명자의 서명을 이용하여 대리 서명을 생성할 때 사용하는 개인 키 \\( x_{p} \\) 를 \\( x_{p}=\\sigma+x_{B} y_{B} \\)와 같이 생성한다.", "대리 서명에 사용하는 개인 키를 생성한 다음 공개 키는 \\( y_{p}=g^{x_{p}} \\) 와 같이 생성한다.", "이렇게 대리 서명용 개인 키와 공개 키를 생성함으로써 안전하게 대리 서명 권한을 위임 받게 된다.", "이후 대리 서명자는 자신의 대리 서명용 개인 키로 메시지를 \\( S_{x_{p}}(m) \\) 와 같이 서명한 후 서명 수신자에게 \\( m, K, y_{B} \\) 정보를 함께 전송하여 대리 서명을 검증 할 수 있게 한다.", "사용자에게 전달된 대리 서명은 대리 서명자의 공개 키 \\( y_{p} \\) 를 \\( y_{p}=y_{o} K^{K} y_{B}^{y_{B}} \\) 와 같이 검증함으로써 확인 할 수 있다.", "</p> <h2>2. 대리서명 기법</h2><p>대리 서명 기법은 1996년 Mambo, Usuda, Okamoto가 그 개념을 처음 소개하였다.", "대리 서명 기법은 서명을 생성할 수 있는 원래의 서명자가 자신의 서명 권한을 지정한 대리 서명자에게 위임하여 자신을 대신하여 서명을 할 수 있도록 하였다.", "이들이 처음 소개한 대리 서명은 서명 권한을 어떻게 위임하는가에 따라서 부분 위임 (Partial Delegation), 완전 위임 (Full Delegation), 보증 위임 (Delegation by Warrant) 등으로 구분된다.", "최근에는 보안상의 이유로 부분 위임과 보증 값을 이용하여 서명 권한을 위임하는 대리 서명방식이 주로 사용된다.", "이러한 대리 서명 방식은 서명 권한을 위임 받은 대리 서명자가 생성하는 대리 서명을 원 서명자도 생성할 수 있는지, 오직 대리 서명자만 생성할 수 있는지에 따라 다시 대리 서명자 보호형(Proxy-protected) 대리서명 방식과 대리 서명자 비보호형 (Proxy-unprotected) 대리 서명 방식으로 분류할 수 있다.", "다음은 Mambo가 제안했던 대리 서명 방식에 대해서 간략하게 살펴본다.", "</p><p>먼저 원 서명자는 임의의 큰 소수 \\( p \\) 를 선택한다.", "그 다음 \\( g \\in Z_{p}^{*} \\) 를 구하고, 자신이 생성하는 서명에 사용하는 개인 키 \\( x_{o} \\) 를 이용하여 공개 키를 \\( y_{o}=g^{x_{o}}(\\bmod p) \\) 와 같이 생성한다.", "이후 선택된 대리 서명자에게 서명 권한을 위임하기 위해 서명을 생성한다.", "이때 원 서명자는 임의의 \\( k \\) 를 \\( k \\in_{R} Z_{p}^{*} \\) 와 같이 선택 후 \\( K \\) 를 \\( K=g^{k} \\)와 같이 구한 다음 서명을 \\( \\sigma=x_{o}+k K \\) 와 같이 생성하여 대리 서명자에게 \\( \\sigma \\) 와 \\( K \\) 를 함께 전달한다.", "원 서 명자가 전송한 서명 정보를 대리 서명자가 수신하면 \\( g^{\\sigma}=y_{A} K^{K} \\) 를 계산하여 원 서명자의 서명을 검증하고, 검증에 성공하면 원 서명자의 서명을 이용하여 대리 서 명을 생성할 때 사용하는 개인 키 \\( x_{p} \\) 를 \\( x_{p}=\\sigma+x_{B} y_{B} \\) 와 같이 생성한다.", "대리 서명에 사용하는 개인 키를 생 성한 다음 공개 키는 \\( y_{p}=g^{x_{p}} \\) 와 같이 생성한다.", "이렇게 대리 서명용 개인 키와 공개 키를 생성함으로써 안전하 게 대리 서명 권한을 위임 받게 된다.", "이후 대리 서명자 는 자신의 대리 서명용 개인 키로 메시지를 \\( S_{x_{p}}(m) \\) 와 같이 서명한 후 서명 수신자에게 \\( m, K, y_{B} \\) 정보를 함께 전송하여 대리 서명을 검증 할 수 있게 한다.", "사용자에게 전달된 대리 서명은 대리 서명자의 공개 키 \\( y_{p} \\) 를 \\( y_{p}=y_{o} K^{K} y_{B}^{y_{B}} \\) 와 같이 검증함으로써 확인 할 수 있다.", "</p> <h1>I.", "서 론</h1><p>최근 유무선 통신은 눈부시게 발전하고 있으며, 사용자들의 단말 또한 점차 여러 종류의 접속 기술을 통해 다양한 유무선 네트워크에 접속할 수 있게 되었다.", "또 한 이러한 통신 기술의 발전은 사용자들에게 보다 다양하고 수준 높은 네트워크 서비스를 제공할 수 있게 되었으며, 이로 인해 새로운 네트워크 요구사항들이 생겨 나게 되었다.", "최근 사용자 단말은 다중 무선 네트워크 인터페이스가 적용되어 이기종 무선 네트워크를 통해 다양한 네트워크 서비스를 이용할 수 있게 되었으며, 이기종 망을 자유롭게 핸드오버 하면서 필요한 서비스를 제공받을 수 있게 되었다.", "그로 인해 이와 같은 네트 워크 환경을 자유롭게 핸드오버 하는 사용자에게 끊김없는 네트워크 서비스를 제공하기 위한 핸드오버 기술이 요구되었다.", "이러한 요구사항을 해결하기 위해 IEEE 에서는 2004년 3월 802.21 Working Group을 구성하여 이기종 망간 핸드오버 문제를 해결하기 위한 기술 표준 화를 시작하였다.", "현재 표준화가 진행되고 있는 IEEE 802.21 기술은 사용자에게 끊김 없는 네트워크 서비스가 제공되도록 이질적인 무선 네트워크 환경을 연동할 수 있는 표준기술로서 관심이 집중되고 있다.", "</p><p>IEEE 802.21 WG에서 표준화하고 있는 MIH (Media Independent Handover)는 둘 이상의 다른 네트워크 접 속 인터페이스를 갖는 다중모드 단말이 미디어에 독립적으로 이기종 망간 핸드오버를 할 수 있도록 지원하는 기술이다.", "표준화 중인 MIH는 MIES (Media Independent Event Service), MICS (Media Independent Command Service) 그리고 MIIS (Media Independent Information Service) 등의 주요한 세 가지 서비스를 정의하고 있으며, 이 세 가지 서비스를 기반으로 MIH 프로토콜을 위한 메시지 프레임워크를 정의하고 있다.", "위와 같은 프레임워크로 구성되는 MIH 는 또한 MIH 메시지를 안전하게 보호하고, 핸드오버하는 사용자에게 인중 서비스를 제공하기 위한 보안 기술 표 준화도 계속 진행하고 있다.", "하지만 아직까지는 기술 제안단계에서 기술 표준화를 위한 연구가 계속 되고 있 으며, 현재 IETF의 EAP-TLS (Extensible Authentication Protocol-Transport Layer Security)를 기반으로 하는 사전 인증 기술에 대한 관심이 집중되고 있다.", "그러나 MIH 가 적용된 이기종 망 환경에서 빠른 핸드오버 지원을 위한 인증 연동 기술에 대한 제안이 필요하다.", "기존 인 중 기술 중MIH 기반 환경에 적용 가능한 AAA(Authentication, Authorization and Accounting) 서버 기반의 인증 기술이 있지만 이기종 망을 핸드오버 하는 사용자가 매번 AAA 서버를 통해 인증을 받아야 하고, 인증을 받는 과정에서 추가적인 핸드오버 지연이 발생할 수 있으며, 인증을 위한 추가적인 메시지들로 인해 매시지 오버헤드가 증가하는 문제점이 존재한다.", "</p><p>본 논문에서는 이러한 보안 요구사항과 문제점을 해결하기 위한 인중 연동 프로토콜을 제안한다.", "제안하는 기법은 기존에 많은 연구가 진행되고 있는 대리 서명 방식을 MIH 프로토콜에 적용하여 이기종 망간 인중 연동 및 핸드오버 하는 사용자 단말의 빠른 인증을 지원 할 수 있도록 제안하였다.", "</p><p>본 논문의 구성은 다음과 같다.", "II장에서는 본 논문 에서 제안하는 기법과 관련된 기술들을 설명하고, III장에서 본 논문에서 제안하는 기법에 대해서 자세하게 설명한다.", "그리고 IV장에서 제안 기법에 대한 안전성 분석 및 보안 프로토콜 적용에 따른 성능을 평가하고, 마 지막 V 장에서 결론을 맺는다.", "</p> <h1>III.", "제안 기법</h1><p>본 장에서는 앞서 관련기술에서 설명했던 대리 서명 기술을 MIH 기반 이질적인 네트워크 환경에 적용하여 사용자가 이질적인 네트워크를 핸드오버 할 때 필요한 인증 연동을 지원할 수 있는 인증 연동 프로토콜에 대해서 설명한다.", "</p><p>먼저 본 논문에서는 WLAN, WiBor/WiMAX 그리고 3GPP LTE (Long Term Evolution) 환경을 가정한다.", "사용자 인증을 위해 WLAN과 WiBor/WiMAX를 위한 AAA 서버와 3GPP LTE에서 non-3GPP 망과의 연동을 위해 가정하고 있는 non-3GPP AAA 서버를 가정한다.", "본 논문에서는 이러한 이기종 망을 핸드오버 하는 이동 단말을 고려하였으며, 이동 단말은 최소 둘 이상의 다중 인터페이스를 사용하는 멀티 인터페이스 단말을 가정한다.", "그리고 인증 연동을 통한 사전 인증을 제공하기 위해 RSA 서명 기법과 Diffie-Hellman 알고리즘을 적용하였다.", "다음의 표 1 에서는 본 논문에서 제안하는 인증 연동 프로토콜에서 사용하는 주요 용어들을 정리하였다.", "</p><p>그림 3은 현재 IEEE 802.21 WG에서 표준화가 진행되고 있는 MIH 표준 문서 중 이동 단말에서 핸드오버를 시작하는 경우의 MIH 프로토콜의 기본 동작 절차에 본 논문에서 제안하는 인증 연동 프로토콜을 적용하여 인증 연동이 수행되는 과정을 보여준다.", "그림 3 에서처럼 본 논문에서 제안하는 인증 연동 프로토콜은 기존 MIH 프로토콜 기본 동작 절차에서 사용되는 메시지를 그대로 사용하기 때문에 인증 연동을 위해 추가적인 메시지가 필요 없다.", "다만 서명 생성 및 분배 과정에서 필요한 정보를 제공하기 위해 MIH 기본 메시지 형식에 보안 정보를 함께 보내기 위한 추가 필드가 요구된다.", "</p><table border><caption>표 1. 프로토콜 표기법</caption><tbody><tr><td>표 기</td><td>정 의</td></tr><tr><td>\\( s_{x} \\)</td><td>원서명자 \\(x\\)의 서명 (AAA 서버)</td></tr><tr><td>\\( S_{p-x} \\)</td><td>MIHIS가 원 서명자 \\(x\\)를 대신하여 생성하는 서명</td></tr><tr><td>\\( e_{x} \\cdot d_{x} \\)</td><td>RSA 공개 키 및 개인 키</td></tr><tr><td>\\( h(\\quad) \\)</td><td>일방향 해쉬 함수</td></tr><tr><td>\\( M A C_{x} \\)</td><td>\\(x\\)가 일방향 해쉬 함수를 통해 생성한 메시지 인증 값</td></tr><tr><td>\\( ID_{x} \\)</td><td>\\(x\\)의 식별자</td></tr><tr><td>\\( X_{i}, Y_{i} \\)</td><td>Diffie-Hellman 비밀 및 공개 값</td></tr><tr><td>\\( t \\)</td><td>타임 스탬프 값</td></tr></tbody></table> <h2>2. 인증 연동 프로토콜의 성능 평가</h2><p>다음은 본 논문에서 제안하는 인증 연동 프로토콜을 MIH 프로토콜에 적용하였을 경우 보안이 적용되지 않은 MIH 프로토콜과의 핸드오버 지연 분석을 통해 제안 기법에 대한 성능을 평가한다.", "</p><p>이기종 망 환경에서 이동 단말에게 끊김 없는 서비스를 제공하기 위해서는 현재의 PoA (Points of Attachment)와 새롭게 핸드오버 하는 무선 망의 PoA 와의 새로운 연결을 맺고 패킷을 전달 받는 과정을 빠르게 처리할 수 있어야 한다.", "이를 위해 빠른 핸드오버를 지원하기 위한 다양한 기술들이 연구되어 왔다.", "그러나 기존의 다양한 연구 결과에 따르면 제안된 빠른 핸드오버 기술의 경우에도 보안을 적용할 경우 핸드오 버 지연 시간이 증가하는 경향이 있었다.", "이는 보안 적용을 위해 추가되는 인증 메시지의 수가 증가하거나, 인증, 암호화 또는 복호화를 위해 필요한 계산량이 증가하기 때문이었다.", "본 논문에서 제안하고 있는 인증 연동 프로토콜은 앞서 설명한 것과 같은 문제들을 피하기 위해 이동 단말이 핸드오버 할 때 계산량을 최소화하였고, 인증을 위해 메시지를 추가하지 않았다.", "다음 표 2 에서 성능평가를 위해 사용된 변수들을 정리하였다.", "</p><table border><caption>표 2. 용어 정리</caption><tbody><tr><td>표 기</td><td>정 의</td></tr><tr><td>\\( D_{I Q} \\)</td><td>Information Query 과정 시간</td></tr><tr><td>\\( D_{R C} \\)</td><td>Resource Availability 검사과정 시간</td></tr><tr><td>\\( D_{R P} \\)</td><td>Resource Preparation 과정 시간</td></tr><tr><td>\\( D_{R R} \\)</td><td>Resource Release 과정 시간</td></tr><tr><td>\\( D_{L 2} \\)</td><td>Layer 2 핸드오버 지연 시간</td></tr><tr><td>\\( D_{L 3} \\)</td><td>Layer 3 핸드오버 지연 시간</td></tr><tr><td>\\( T_{S I} \\)</td><td>서명 생성 시간</td></tr><tr><td>\\( T_{S V} \\)</td><td>서명 검증 시간</td></tr></tbody></table><p>다음 그림 5 는 본 논문에서 제안하는 인증 연동 프로토콜이 적용된 MIH 환경에서 이동 단말이 이기종 망으로 핸드오버 할 경우 발생하는 핸드오버 지연 시간을 보여주고 있다.", "다음 식 5 는 보안이 적용되지 않은 MIH 환경에서의 핸드오버 지연 시간을 나타낸다. \\", "[T D=2 D_{I Q}+6 D_{R C}+4 D_{R P}+4 D_{R R}+D_{L 2}+D_{L 3}\\]<caption>(5)</caption></p><p>다음 식 6은 MIH 프로토콜에 인증 연동 프로토콜을 적용하였을 경우의 핸드오버 지연 시간을 나타낸다. \\", "[T D_{A I P}=T D+T_{S I}+2 T_{S V}\\]<caption>(6)</caption></p><p>위의 식 6 에서처럼 본 논문에서 제안하는 기법의 경우 인증 연동을 위해 MHS 가 서명을 생성하기 위해 필요한 시간, 그리고 이동 단말에서 MIHS가 발급한 서명을 검증하는 시간, 핸드오버 할 무선 망의 PoA에서 서명을 검증하는 시간 등이 추가로 필요하게 된다.", "또한 각 메시지들을 안전하게 전달하기 위해 사용되는 암호화와 복호화 시간이 추가적으로 필요하기 때문에 전 체적인 핸드오버 지연 시간이 보안이 적용되지 않은 MIH 프로토콜에 비해 증가하는 것처럼 보인다.", "그러나 제안 기법의 경우 서명을 생성하고, 검증하는 과정은 이동 단말이 핸드오버 할 무선 망을 결정하고 L2 핸드오버를 시작하기 전에 끝나기 때문에 핸드오버 지연시 간에 크게 영향을 미치지 않는다.", "다만 제안 기법의 경우 주고받는 메시지의 안전성을 위해 암/복호화가 필요하기 때문에 이에 따른 핸드오버 지연시간은 증가할 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "MIH 기반의 이기종 네트워크 환경에서 대리 서명을 이용한 인증 연동 프로토콜", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-076784a4-b243-462a-9945-f1c70cff6c09", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "노효선", "정수환" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅲ. 실 험</h1> <p>본 논문에서 제안한 시스템의 성능을 검증하기 위하여<그림 7>과<그림 8>에 보인 바와 같이 햅틱 디스플레이 장치를 제어하기 위한 컴퓨터 프로그램을 구현하였다.", "먼저,<그림 7>의 (a)는 구현한 햅틱 디스플레이장치를 보여주고, (b)부터 (d)까지는 각각 햅틱 디스플레이의 상면, 전면, 측면에 대한 설계도를 보여준다.", "그리고 실제 시각장애인이 정보를 인지하는데 사용하는 TULA 기반 점자셀은 총 432개로 다중배열(\\(24 \\times 18\\)) 형태로 구성되며, 점자셀 간에는 \\(5 \\mathrm{mm}\\)의 간격을 가지고 \\(2 \\mathrm{mm}\\)의 높이로 상승/하강 동작을 수행한다.", "또한, 각각의 TULA는 5만회 이상의 내구성과 10g.f(force gauge)의 자기유지력을 갖는다.", "</p> <p>다음으로<그림 8>에 나타낸 햅틱 디스플레이를 제어하기 위한 프로그램은 Inter(R) core(TM)2 Duo@\\(2.66 \\mathrm{GHz}\\) \\(2.67 \\mathrm{GHz}\\) CPU, \\(2 \\mathrm{GBytes}\\) memory, 직렬포트(Serial Port)와 USB 인터페이스를 가지는 컴퓨터 제원하에서 Visual C++ 언어를 기반으로 구현하였다.", "본 프로그램에서는 시각장애인에게 전달할 문자(장) 및 촉도 정보들을 입력받고, 이를 햅틱 디스플레이 제어 프로토콜에 적합하게 촉각신호로 변환하여 장치에 전송하는 기능을 수행한다.", "이 때, 점자와 같은 경우는 키보드를 통해 입력받은 후 자동으로 점역하여 촉각신호로 변환하고, 촉도와 같은 경우는 마우스 혹은 그래픽 테블릿과 스타일러스 펜을 통해 입력이 완료되면 촉각신호로 변환한다.", "</p> <p>구현한 햅틱 디스플레이 시스템의 성능 검증은 선천적 혹은 후천적인 시각장애를 가진 총 10인의 전맹인(시력이 전혀 없는 시각장애인)의 협조를 통해 진행하였다.", "실험은 본 시스템을 통해 점자 및 촉도 정보가 효율적으로 시각장애인들에게 전달되는지를 확인하기 위하여 기존의 출력장치들 및 제안한 햅틱 디스플레이 장치로 출력한 점자/촉도에 대해 시각장애인의 인지율과 인지속도를 측정 및 비교하였다.", "그리고 이와 함께 입 력된 점자/촉도 정보를 거의 실시간으로 촉각정보로 변환하여 출력이 가능한지를 검증하기 위해 햅틱 디스플레이의 출력속도를 측정하였다.", "</p> <p>첫 번째 실험에서는 햅틱 디스플레이 장치와 점자정보단말기를 통해 한글의 음절표 중 일부인 “가나다라마바사아자차카파타하”(그림9-(a))를 점역(그림9-(b))하고, 각 장치들을 통해 출력된 점자(그림9-(c), 그림 9-(d))에 대해 시각장애인들의 인지율 및 인지속도를 측정하였다.", "<그림 10>의 그래프들은 이에 대한 측정 결과를 보여준다.", "그래프에서 점자에 대한 인지율은 다음의 수식(1)을 통해 측정한 결과를 나타내며</p> <p>\\(\\text{인지율} (\\%)=\\frac{\\text { 인지한 문자의 개수 }}{\\text { 출력 된 문자의 총 개수 }} \\times 100 \\)<caption>(1)</caption></p> <p>인지속도는 햅틱 디스플레이 장치와 점자정보단말기로 출력된 점자들을 시각장애인이 인지하는데 소요한 총 시간을 5초 단위로 나누어 측정한 결과를 보여준다.", "또한, 두 장치에 대한 인지속도는 다음의 수식(2)를 통하여 비교하였다.", "</p> <p>\\( E=\\left[1-\\left(\\frac{T_{c}-T_{p}}{T_{p}}\\right)\\right] \\times 100 \\)<caption>(2)</caption></p> <p>수식(2)에서 \\( T_{c} \\) 와 \\( T_{p} \\) 는 각각 제안한 장치와 점자정보 단말기로 정보를 인지하는데 소비된 시간을 나타내고, \\( E \\) 는 \\( T_{p} \\) 대비 \\( T_{c} \\) 의 인지속도를 비율로 나타낸다.", "먼저, 두 장치를 통해 출력한 점자에 대한 시각장애인의 인지율을 나타내는 실험결과(그림 10-(a))에서는 점자정보 단말기의 평균인지율이 \\( 100 \\% \\) 인 것을 볼 수 있고, 제안한 장치에 대한 평균인지율이 \\( 94 \\% \\) 임을 볼 수 있다.", "이는 기존의 점자정보단말기와 같은 경우는 오랜 기간 동 안 보급 되어 이를 통해 시각장애인들이 정보를 인지하는 것에 익숙한 반면에, 제안한 장치와 같은 경우는 현재 프로토타입으로 구현되어 있어 기존의 보편화된 장치보다는 점자셀 간의 간격이 크기 때문에 시각장애인의 인지율이 감소한 것이다.", "마찬가지로 점자의 인지속도 또한 점자셀 간의 간격 차이로 인해, 제안한 장치를 통해 정보를 인지하는 시간(13초)이 점자정보단말기를 통해 정보를 인지하는 시간(11초)에 비해 평균적으로 약 2초 정도 더 요구되는 것을 실험결과(그림 10-(b))를 통하여 확인하였다.", "이는 시각장애인들이 기존의 점자 정보단말기로 점자를 인지하는 속도에 약 \\( 85 \\% \\) 의 속도로 제안한 장치를 통해 점자 정보를 인지할 수 있음을 나타낸다.", "</p> <p>두 번째 실험에서는 시각장애인들이 사물, 그림 및 그래프와 같이 구어와 점자로는 설명하기 어려운 정보들을 이해할 때 사용하는 촉도에 대해, 본 시스템과 점자프린터에 대한 시각장애인의 인지율 및 인지속도를 측정하였다.", "먼저,<그림 11>과<그림 12>는 각각 점자프린터와 제안한 햅틱 디스플레이를 이용하여 단순한 도형들과 1차원 및 2차원 그래프를 출력한 결과를 보여준다.", "<그림 11>과<그림 12>에 보인 두 영상에서 각각의 장치를 통해 출력된 도형들과 그래프가 매우 흡사한 것을 볼 수 있으며, 실험에 참여한 총 10인의 시각장애인들은 이에 대한 정보를 모두 인지하였다.", "다음으로<그림 13>은 시각장애인들이 두 장치로 출력한 도형과 그래프들을 인지하는데 소요한 시간을 보여주며, 두 실험에서 측정한 평균 인지율과 평균 인지시간을<표 5>에 나타내었다.", "시각장애인들은 두 장치로 출력한 삼각형, 사각형 및 원과 같은 단순한 도형들에 대한 정보를 평균 3초 내외의 속도로 인지하여 두 장치 간에 유사한 결과가 나타났다.", "그러나 이에 비해 비교적 복잡성을 가지는 별, 1차 및 2차 그래프에서는 점자프린터를 이용했을 때에 비해 제안한 장치를 통해 평균적으로 약 1초에서 1.5초정도 빠르게 정보를 인지할 수 있음을 나타내는 결과를 보였다.", "이는 실험 내에서 제안한 장치와 점자프린터로 유사한 크기의 도형 및 그래프를 출력하였고, 이를 시각장애인들이 인식할 때, 제안한 장치의 점자셀이 점자프린터의 출력물에 비해 약 \\(1.5 \\mathrm{mm}\\)정도 높기 때문에 촉도의 윤곽선에 대한 정보를 보다 명확하고 빠르게 인지할 수 있는 것으로 나타났다.", "본 실험결과로부터는 시각장애인이 점자프린터의 출력물을 이용하는 것에 비해 제안한 장치를 이용하였을 때, 약 \\(9 \\%\\) 정도 빠른 속도로 촉도 정보를 습득할 수 있음을 알 수 있었다.", "</p> <table border><caption>표 5. 촉도에 대한 장치별 평균 인지속도</caption> <tbody><tr><td colspan=3>점자프린터</td><td colspan=3>햅틱 디스플레이</td></tr><tr><td>항목</td><td>평균 인지율</td><td>평균인 지속도</td><td>항목</td><td>평균 인지율</td><td>평균인 지속도</td></tr><tr><td>삼각형</td><td>100</td><td>2.9</td><td>삼각형</td><td>100</td><td>3.2</td></tr><tr><td>사각형</td><td>100</td><td>3.0</td><td>사각형</td><td>100</td><td>3.3</td></tr><tr><td>원</td><td>100</td><td>3.0</td><td>원</td><td>100</td><td>2.6</td></tr><tr><td>별</td><td>100</td><td>9.1</td><td>별</td><td>100</td><td>7.7</td></tr><tr><td>1차 그래프</td><td>100</td><td>13.6</td><td>1차 그래프</td><td>100</td><td>12.2</td></tr><tr><td>2차 그래프</td><td>100</td><td>14.7</td><td>2차 그래프</td><td>100</td><td>13.3</td></tr><tr><td>전체</td><td>100</td><td>7.72</td><td>전체</td><td>100</td><td>7.05</td></tr></tbody></table> <p>마지막 실험에서는 제안한 장치의 출력속도를 측정하기 위하여 다양한 정보들을 반복적으로 재출력하며 시간을 측정하였다.", "이 때, 시간의 측정구간은 구현한 프로그램(그림 8)에 입력된 점자 및 촉도정보를 촉각신호로 변환하는 시점부터 장치를 통해 출력이 완료되는 시점까지로 설정하였다.", "본 실험에서 앞서 제시한 실험 영상들과<그림 14>에 보인 바와 같이 점자 및 촉도를 함께 포함하는 정보들을 10회 이상 반복적으로 재출력하며 제안한 장치의 출력시간을 측정하였을 때, 평균적으로 약 0.8초부터 1.1초 이내에 점자 및 촉도정보를 모두 출력할 수 있음을 확인하였다.", "이는 시각장애인들이 일반적으로 다수의 점자 및 촉도 한 장을 인식하는데 걸리는 시간에 비추어 봤을 때 제안한 햅틱 디스플레이가 다양한 점자 및 촉도 정보를 거의 실시간으로 촉각 정보로 변환하여 제공할 수 있음을 의미한다.", "</p> <p>결과적으로 본 논문에서 제안한 햅틱 디스플레이 시스템은 기존의 점자에 국한된 점자정보단말기의 제한된 출력 기능과 촉도를 출력하는데 많은 시간과 비용을 필요로 하는 점자프린터의 단점을 보완할 수 있었으며, 이를 기반으로 시각장애인에게 점자 및 촉도 정보를 촉각정보로 변환하여 실시간으로 전달할 수 있었다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "시각장애인을 위한실시간 햅틱 디스플레이 시스템 설계 및 구현", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0d40eb38-bcd9-4e9b-959d-0a182d891b9f", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "정정일", "조진수" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2. RF 전단반 설계</h2><p>본 장에서는 RF 송수신 시스템 중 RF 전단반 설계에 대하여 서술하였다.", "그림 6 은 RF 전단반 기능 블록도 및 구성도를 나타낸다.", "RF 전단반은 고출력증폭반의 출력 신호를 안테나부로 전달하고, 안테나부로부터 수신된 신호를 저잡음 증폭기로 전달하기 위한 즉, 송수신 신호 분리를 위한 듀플렉서, 수신 신호의 저잡음 증폭을 위한 저잡음 증폭기, 운용 주파수 대역 외의 신호 제거를 위한 대역통과필터, 전원/제어부 등으로 구성되어 있다.", "RF 전단반의 저잡음 증폭기는 Agilent 사의 ADS (Advanced Design System)를 이용하여 설계하였다.", "그림 7 (a)는 저잡음 증폭기의 회로도를 보여준다.", "저잡음 증폭기는 ATFxxxx 를 사용하여 구현하였다.", "그림 7 (b)는 저잡음 증폭기의 시뮬레이션 결과를 보여준다.", "저잡음 증폭기 입력 단에서의 잡음 정합 서클과 출력 단에서의 이득 정합 서클을 보여준다.", "입력 단은 잡음 정합을 해서 최소 잡음지수를 얻을 수 있도록 설계하였고, 출력 단은 이득 정합을 해서 최대 이득을 얻을 수 있도록 설계하였다.", "저잡음 증폭기의 이득, \\( \\mathrm{P} 1 \\mathrm{dB} \\) 및 잡음지수는 각각 \\( 30 \\mathrm{dB} \\) 이상, \\( 15 \\mathrm{dBm} \\) 및 \\( 1.5 \\mathrm{dB} \\) 이하이다.", "그림 8은 듀플렉서 및 수신용 대역통과필터의 형상 및 시뮬레이션 결과를 보여준다.", "듀플렉서는 송수신 신호 이중화 및 분리를 위하여 사용하였고, 대역통과필터는 대역 외 신호 제거를 위하여 사용하였다.", "그림 8(b)에서 보듯이, 사용 대역 내에서 삽입손실은 \\( 3 \\mathrm{dB} \\) 이하, 분리도는 \\( -65 \\mathrm{dBc} \\) 이상의 특성을 갖는다.", "위에서 설계한 저잡음 증폭기, 듀플렉서, 대역통과필터와 별도의 전원/제어부의 구성을 통하여 RF 전단반를 설계하였다.", "표 2 는 RF 전단반 구현을 위해 사용된 TCXO, RS-422 송수신 드라이버, Regulator, Bus Transceiver 등의 부품 사양 및 용도를 설명하고 있다.", "</p><table border><caption>표 2. RF 전단반 구현을 위해 사용된 부품 사양 및 용도</caption><tbody><tr><td>품명</td><td>PN</td><td>용도</td></tr><tr><td>Micro Controler</td><td>ATmegaxxx</td><td>제어 프로세서</td></tr><tr><td>TCXO</td><td>TX-Bx-x.xDx</td><td>클럭 생성</td></tr><tr><td>RS-422 Tx Driver</td><td>AMxxLSxxAI</td><td>RS-422 송신 드라이버</td></tr><tr><td>RS-422 Rx Driver</td><td>AMxxLSxxAI</td><td>RS-422 수신 드라이버</td></tr><tr><td>4 UART Chip</td><td>TLxxCxxxBPN</td><td>Data 버스를 4CH UART 변환</td></tr><tr><td>D-Flip Flop</td><td>xxHCTxxxPW</td><td>Data 버스의 버퍼 역할</td></tr><tr><td>Bus Tranceiver</td><td>xxHCTxxxPW</td><td>외부 신호의 버퍼 역할</td></tr><tr><td>EMI Filter (\\(+12\\mathrm{V}\\))</td><td>NFMxxPCxxxFxHx</td><td>스위칭 전도 노이즈 차폐</td></tr><tr><td>Regulator</td><td>LMxxxxLD</td><td>보조 전원 생성</td></tr><tr><td>OP-AMP</td><td>ADxxxxAR</td><td>아날로그 전압 센싱</td></tr><tr><td>CONNECTOR</td><td>DCMMxxPD</td><td>전원 및 신호 입출력</td></tr><tr><td>Isolated 422 Tranceiver</td><td>ADMxxxxE</td><td>외부 연동 422트랜시버</td></tr></tbody></table><h2>3. 고출력증폭반 설계</h2><p>본 장에서는 RF 송수신 시스템 중 고출력증폭반 설계에 대하여 서술하였다.", "그림 9는 고출력증폭반 기능 블록도 및 구성도를 나타낸다.", "고출력증폭반은 3 단 이상의 출력제어를 위한 가변감쇄기, 저잡음 증폭기, 온도 보상을 위한 가변감쇄기, 이득 증폭을 위한 구동 증폭기, 출력 증폭을 위한 고출력 증폭기, 송신 신호의 역흐름 방지를 위한 아이솔레이터, Divider/Combiner, 커플러 등으로 구성되어 있다.", "고출력증폭반의 출력, 이득, IMD3 등의 특성은 AWR 社의 VSS(Visual System Simulator)를 이용하여 설계 및 확인하였다.", "그림 10 은 고출력증폭반 회로도를 보여준다.", "그림 10에서 보듯이, 각 증폭단 사이에 감쇠기를 구성하였고, 이득 증폭을 위한 구동 증폭기를 직렬 3 단으로 구성하였다.", "전력 증폭을 위한 전력 증폭기는 병렬로 2 단 구성하였다.", "전력 증폭기의 병렬 2 단 구성은 TGAxxxx-x-FL 소자를 사용하였다.", "본 소자는 특정 주파수 대역 내에서 포화 전력 \\( 43 \\mathrm{dBm} \\), 소신호 이득 \\( 35 \\mathrm{dB}\\), PAE (Power Added Efficiency) \\( 27 \\% \\) 등의 특성을 갖는다.", "그림 11은 stage 별 출력 전력 및 이득과 선형성 특성 등의 고출력증폭반 설계 결과를 보여준다.", "고출력증폭반의 입력 신호 세기는 \\( -10 \\mathrm{dBm} \\) 이다.", "아이솔레이터, 감쇄기, 구동증폭기, 전력증폭기 등을 거쳐서 나온 최종단의 출력전력은 \\( 41.5 \\mathrm{dBm} \\) 이다.", "본 출력 세기는 선형성 확보를 위하여 \\( 2 \\mathrm{dB} \\) back-off 한 값이다.", "출력전력 \\( 41.5 \\mathrm{dBm} \\) 에서 IMD3 는 약 \\( -21 \\mathrm{dBc} \\) 이다.", "전체 전력증폭반의 이득은 약 \\( 50 \\mathrm{dB} \\) 이다.", "</p> <h1>Ⅱ. 본 론</h1> <h2>1. 송수신반 설계</h2> <p>본 장에서는 RF 송수신 시스템 중 송수신반 설계에 대하여 서술하였다.", "그림 2 는 송수신반 기능 블록도 및 구성도를 나타낸다.", "송수신반은 신호세기 검출기 등으로 구성된 자동이득제어 회로, 혼합기 및 기준주파수 생성 회로 등으로 구성된 1 차/2차 주파수 변환 회로, 대역통과 필터, 손실보상용 증폭 회로, 출력 증폭 회로, 저잡음 증폭 회로 등으로 구성된 증폭 회로 등으로 구성되어 있다.", "송수신반의 주파수 상/하향 변환 기능과 채널 변경 기능 등은 AWR 사의 VSS(Visual System Simulator)를 이용하여 설계 및 확인하였다.", "그림 3은 VSS 상의 송수신반 회로도를 보여준다.", "그림 3 (a), (b)는 각각 상향 변환 회로 및 하향 변환 회로를 보여준다.", "상향 변환 회로는 슈퍼헤테로다인 방식을 적용하였고, 혼합기, 필터, 증폭기, 톤 신호 발생기 등을 통하여 1차/2차 주파수 변환 회로를 모의하였다.", "실제 구현에서는 기준주파수 발생기와 PLL 회로 등을 적용하였지만, 시뮬레이션 상에서는 톤 신호 발생기로 대체하였다.", "하향 변환 회로도 상향 변환 회로와 동일한 방식으로 1/2차 주파수 변환 회로를 모의하였다.", "실제 구현도 동일한 방식을 사용하였다.", "상향 변환 회로의 중간주파수 \\( \\left(f_{I F}\\right) \\)는 \\( \\mathrm{x.xGHz} \\) 이며, 하향 변환 회로의 중간주파수 \\( \\left(f_{I F}\\right) \\) 는 \\( \\mathrm{x.xGHz} \\) 이다.", "운용 주파수 대역은 Ku 대역이다.", "그림 4는 상향 변화 회로의 시뮬레이션 결과를 보여준다.", "그림 4 (a)는 모뎀단에서 송수신반으로 전달되는 상향 변환 회로 입력신호를 보여준다.", "그림 4(b) 는 송수신반에서 고출력증폭반으로 전달되는 상향 변환 회로 출력신호를 보여준다.", "상향 변환 회로 입력 신호는 점유 대역폭 \\( 99.0 \\% \\) 기준으로 고정 IF 에서 \\( -35 \\mathrm{dBm} \\) 이며, 출력 신호는 점유 대역폭 \\( 99.0 \\% \\) 기준으로 가변 RF 에서 \\( -3.5 \\mathrm{dBm} \\) 이다.", "출력 신호는 \\( -10 \\sim-3.5 \\mathrm{dBm} \\) 의 범위 내에서 가변이 가능하도록 설계하였다.", "이는 고출력증폭반의 출력을 제어하기 위함이며, 3 단 이상의 제어가 가능하도록 설계하였다.", "그림 4 (b)에서 보듯이, 상향 변환 회로 출력 신호는 채널 1, 2, 3 등으로 운용 주파수 대역폭 내에서 채널 가변이 가능하도록 설계하였다.", "주파수 변경 해상도는 \\( 1 \\mathrm{MHz} \\) 이다.", "주파수 변경을 위하여 사용되는 전압 제어 발진기의 위상 잡음 특성은 \\( -70 \\mathrm{dBc} / \\mathrm{Hz} @ 1 \\mathrm{kHz} \\) 이상, \\( -80 \\mathrm{dBc} / \\mathrm{Hz} @ 10 \\mathrm{kHz} \\) 이상, \\( -90 \\mathrm{dBc} / \\mathrm{Hz} @ 100 \\mathrm{kHz} \\) 이상, \\( -100 \\mathrm{dBc} / \\mathrm{Hz} @ 1000 \\mathrm{kHz} \\) 이상이다.", "주파수 안정도는 \\( \\pm 0.1 \\mathrm{ppm} \\) 이하이다.", "그림 5 는 하향 변환 회로의 시뮬레이션 결과를 보여준다.", "그림 5 (a)는 RF 전단반에서 송수신반으로 전달되는 하향 변환 회로 입력신호를 보여준다.", "그림 5(b) 는 송수신반에서 모뎀단으로 전달되는 하향 변환 회로 출력 신호를 보여준다.", "하향 변환 회로 입력 신호는 점유 대역폭 \\( 99.0 \\% \\) 기준으로 가변 RF 에서 \\( -10 \\mathrm{dBm} \\) 이며, 출력 신호는 점유 대역폭 \\( 99.0 \\% \\) 기준으로 고정 IF 에서 \\( -17 \\mathrm{dBm} \\) 이다.", "그림 5 (a)에서 보듯이, 하향 변환 회로는 채널 1, 2 등의 운용 주파수 대역폭 내 가변 채널 신호를 입력받아 고정 IF 로 하향 변환할 수 있도록 설계하였다.", "주파수 변경 해상도는 \\( 1 \\mathrm{MHz} \\) 이며, 전압 제어 발진기의 위상 잡음과 주파수 안정도 특성은 상향 변환 회로와 동일하다.", "표 1 은 송수신반 구현을 위해 사용된 전압 제어 발진기, PLL, 저잡음 증폭기, 혼합기, 증폭기 등의 부품 사양 및 용도를 설명하고 있다.", "</p> <table border><caption>표 1. 송수신반 구현을 위해 사용된 부품 사양 및 용도</caption> <tbody><tr><td>품명</td><td>PN</td><td>용도</td></tr><tr><td rowspan=3>전압 제어 발진기</td><td>HMCxxxLPx</td><td>Ku 로컬 주파수 생성</td></tr><tr><td>ADFxxxx-x</td><td>로컬 주파수 생성</td></tr><tr><td>ADFxxxx-x</td><td>로컬 주파수 생성</td></tr><tr><td rowspan=2>PLL</td><td>ADFxxxx</td><td>로컬 주파수 고정</td></tr><tr><td>HMCxxxLPx</td><td>로컬 주파수 고정</td></tr><tr><td>Ku-대역 구동 증폭기</td><td>HMCxxxLCx</td><td>RF 신호 증폭</td></tr><tr><td>Ku-대역 저잡음 증폭기</td><td>NExxaxSxx</td><td>RF 신호 저잡음 증폭</td></tr><tr><td>Ku-대역 혼합기</td><td>HMCxxxLCxB</td><td>Ku 상/하향 변환</td></tr><tr><td>OCXO</td><td>MVxxx</td><td>기준 주파수 생성</td></tr><tr><td rowspan=2>SAW 필터</td><td>SLxxxxV</td><td>IF 신호 필더링</td></tr><tr><td>TBOxxxA</td><td>LO 신호 필터링</td></tr><tr><td>L-대역 혼합기</td><td>SYM-xxDMHW</td><td>L-대역 상/하향 변환</td></tr><tr><td>구동 증폭기</td><td>Gallxx</td><td>IF AGC를 위한 증폭</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "무인항공기 가시선 데이터링크 Ku 대역 RF 송수신 시스템 설계", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0ef632f0-0fd9-4e42-bd1b-de5f88024c94", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2014", "doc_author": [ "최재원", "김지훈" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "성능 측정 및 분석</h1><p>본 연구에서는 모바일 TPC-C와 하둡 기반 클라우드 서버간의 TPC-C 트랜잭션 처리 성능을 측정하였다.", "또한, 데스크톱에 기존 jTPC-C의 자바 스윙를 설치하여 모바일 TPC-C와의 성능 비교에 사용하였다.", "모바일 TPC-C의 경우 클라우드 서버와의 원활한 통신을 위해 3G가 아닌 M/Bit의 와이파이 환경에서 테스트를 수행하였다.", "</p><p>본 연구에서 성능 측정에 사용한 하둡 분산 파일 시스템 (HDFS)은 순수한 자바 파일시스템으로 여러 노드에 걸쳐 대용량의 파일을 분산, 저장할 수 있는 기능을 갖추고 있다.", "HDFS는 데이터 가용성을 위해 복제를 지원하며, 기본적으로 3개의 노드(2개는 같은 랙, 1개는 다른 랙)에 복사본을 저장한다.", "HDFS는 웹 브라우저나 다른 클라이언트를 통해서 분산된 데이터에 대한 접근을 허용할 수 있다.", "</p><table border><caption>표 5. 하둡 클러스터 슬레이브 노드 테스트 환경</caption><tbody><tr><td></td><td>Slave 1(Secondary Name Node)</td><td>Slave2</td></tr><tr><td>OS</td><td>Ubuntu 10.10 (\\(32 \\mathrm{Bit} \\) Linux)</td><td>Ubuntu 10.10 (\\( 32 \\mathrm{Bit} \\) Linux)</td></tr><tr><td>CPU</td><td>Inter(R) Core(TM) i3 CPU</td><td>Inter(R) Core(TM)2 CPU \\( 1.86 \\mathrm{GHz} \\)</td></tr><tr><td>RAM</td><td>Samsung DDR2 2Rx8PC2-6400U \\( 2 \\mathrm{B} \\)</td><td>Samsung DDR2 2Rx8PC2-6400U \\( 2 \\mathrm{B} \\)</td></tr><tr><td>HDD</td><td>ATA Hitachi HD \\( 1.0 \\mathrm{TB} \\)</td><td>ATA ST3250410AS \\( 250 \\mathrm{GB} \\)</td></tr></tbody></table><p>표 4, 표 5은 클라우드 서버의 마스터와 슬레이브 노드 환경을 나타내며, 표 6는 모바일 TPC-C가 실행되는 안드로이드 기기 환경을 표시한다.", "성능 측정을 위해 TPC-C 데이터베이스의 웨어하우스 SF(Scale Factor)를 1000으로 고정하고 트랜잭션의 수행 시간을 5분으로 제한했다.", "표 7는 웨어하우스 SF를 1000으로 설정했을 경우, TPC-C에서 제공하는 9개의 테이블의 튜플(Tuple)수를 나타낸다.", "각각의 테이블은 그림2에서 보는바와 같이 서로 연결되어 있으며, 웨어하우스의 개수에 따라 테이블들의 튜플 수도 바뀌게 된다.", "</p><p>그림 5, 그림 6은 터미널 수를 각각 적은 수, 중간 수, 많은 수로 설정하여 tpmC 값을 기준으로 모바일 TPC-C와 데스크톱 환경에서의 jTPC-C의 성능 측정에 대한 비교 결과를 보여주고, 그림 7은 1부터 200까지의 터미널 사용자수를 설정하여 테스트한 tpmC 결과 값을 비교하여 보여준다.", "</p><p>그림 5에서 보는바와 같이 모바일 TPC-C 환경에서는 터미널 수가 8에서 최대 임계점을 형성하는 것을 보였으며, 최대 임계점을 기록하고 나서도 tpmC의 수치가 급격하게 떨어지지 않은 것을 보였다.", "또한 데스크톱 환경에서의 성능측정 결과도 터미널 사용자 수와 tpmC 결과 값이 반비례 한다는 것을 보여준다.", "데스크톱 환경에서는 터미널 사용자 수가 3에서 최대 임계점을 보이고 4부터 경쟁으로 인한 과부하로 성능 저하가 발생하는 것을 볼 수 있다.", "</p><p>그림 7에서 보는바와 같이 1단위의 터미널 사용자 수에서는 tpmC 수치가 2배 이상 차이가 나는 것을 볼 수 있다.", "이는 모바일 기기의 한정된 하드웨어적인 측면과 네트워크 차이 때문이라고 추정할 수 있다.", "그러나 터미널 사용자 수 20부터는 초기 네트워크 설정이 반복적으로 사용되므로 tpmC의 수치가 거의 동일하게 측정되었다.", "모바일 기기는 하나의 트랜잭션이 클라우드 서버로 접속하기까지 5초정도의 수행시간을 소비하므로 전체 수행시간은 터미널 사용자 수에 비례하였다.", "그 결과 모바일 기기에서 측정한 tpmC 수치는 평균적으로 데스크톱보다 낮은 것을 볼 수 있었으나, 네트워크를 포함한 하드웨어와 소프트웨어의 차이에도 불구하고 큰 성능 변화가 발생하지 않는 것을 볼 수 있었다.", "이러한 결과는 최근 모바일 기기의 성능이 크게 발전하였음을 유추할 수 있는 부분이다.", "</p><p>또한, 모바일 TPC-C 테스트의 경우, 각각의 터미널 사용자가 모바일 기기부터 데이터베이스에 접속하는데 대략 5초가량의 시간이 소요되었다.", "터미널 사용자 수를 데스크톱에서만큼 증가시키지 못했는데, 그 이유는 터미널 사용자 수를 100단위로 높일 경우 수행이 완료된 시점에서 데이터베이스에 남아있는 좀비 프로세스가 원활한 성능측정을 방해하였기 때문이다.", "좀비 프로세스의 숫자는 터미널 사용자 수가 많아질수록 증가하였다.", "</p> <h1>II.", "관련 연구</h1> <h2>2.1 모바일 클라우드 컴퓨터</h2> <p>모바일 클라우드 컴퓨팅은 기존의 클라우드 컴퓨팅의 개념에 최근 이슈화되고 있는 스마트폰의 휴대성을 접목시켜 사용자가 언제 어디서든지 클라우드 서비스를 받을 수 있는 환경을 제공하는 것을 말한다.", "또한, 모바일 단말에서 처리해야할 작업 및 데이터 저장의 일부를 클라우드 컴퓨팅 환경으로 이동시켜 처리하고, 모바일 단말에서 처리결과를 보여주는 어플리케이션으로 볼 수 있다.", "그림 1은 모바일 클라우드 컴퓨팅 구성도를 보여준다.", "</p> <p>모바일 클라우드 컴퓨팅은 구성요소들이 모바일 단말기들에게 원하는 서비스를 제공하는 인프라스트럭처 역할을 담당한다.", "또한, 모바일 단말기 내에 내장되는 응용 소프트웨어들은 혼자만이 동작되는 단순 응용 프로그램이 아닌 모바일 클라우드 내에 있는 서버들의 지원을 받아 원하는 서비스를 실행하는 형태로 개발되고있다.", "</p> <p>대표적인 모바일 클라우드 서비스인 애플의 iCloud는 응용 프로그램을 iPhone, iPod, iPad, Mac OSX, MS 윈도우 운영체제(vista이상 또는 원도우7) 컴퓨터 등 다수의 장비 상에서 공유할 수 있으며, 그 외 이메일, 북마크 등을 포함한 다양한 형태의 데이터를 실시간으로 동기화할 수 있도록 구현되어 있다.", "</p> <p>Google Drive는 Gmail, 구글 캘린더 등의 서비스를 통합한 개인용 클라우드 서비스로서, 파일 처리 및 동기화에 필요한 저장 공간을 제공해준다.", "구글 드라이브는 크롬 마켓 플레이스를 지원하며, 구글의 강력한 검색 엔진 기능을 포함하고 있다.", "</p> <p>uCloud는 KT에서 지원하는 모바일 클라우드 서비스로, 데이터를 실시간으로 저장할 수 있으며, 데이터 가용성을 위한 자동 백업을 지원한다.", "uCloud는 파일을 송수신 할 경우, 높은 수준의 암호화 기법을 사용하며 iPhone 및 안드로이드를 포함한 다양한 플랫폼에서의 호환성을 지원한다.", "</p> <h2>2.2 TPC-C 벤치마크</h2> <p>TPC-C는 OLTP 벤치마크로 개발되었으며, 다양한 하드웨어와 소프트웨어들의 OLTP 성능을 비교하기 위한 척도로 사용되어왔다.", "TPC-C는 주문 입력(new order), 상품 배달(delivery), 비용 지불(payment), 주문 상태 확인(order status) 및 재고 수준(stock level) 등 5개의 트랜잭션으로 구성된다.", "</p> <table border><caption>표 1. 트랜잭션별 분포도</caption> <tbody><tr><td>Name of transaction</td><td>Share of all transactions</td></tr><tr><td>New order</td><td>\\( \\leq 45 \\% \\)</td></tr><tr><td>Payment</td><td>\\( \\leq 43 \\% \\)</td></tr><tr><td>Order status</td><td>\\( \\leq 4 \\% \\)</td></tr><tr><td>Delivery</td><td>\\( \\leq 4 \\% \\) (batch transaction)</td></tr><tr><td>Stock level</td><td>\\( \\leq 4 \\% \\)</td></tr></tbody></table> <p>그림 2에서 보여주듯이, TPC-C는 9개의 데이터베이스 테이블과 위에 설명한 5개의 트랜잭션으로 구성된다.", "표 1은 TPC-C에서의 트랜잭션별 분포도를 보여준다.", "</p> <p>본 논문에서는 자바 스윙으로 이루어진 OLTP 환경의 jTPC-C 벤치마크를 안드로이드 모바일 어플리케이션인 모바일 TPC-C로 변환하였으며, 이를 이용해 모바일 기기와 하둡 기반 클라우드 서버간의 데이터 액세스 중 발생하는 통신 오버헤드를 보다 객관적인 척도에 맞게 측정하고자 하였다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "모바일 TPC-C: 하둡 기반 안드로이드 모바일 TPC-C 어플리케이션 구현 및 성능 측정", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-167fdafa-5363-4d74-9a2e-2a0edc15a882", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2013", "doc_author": [ "장한을", "노재춘", "김병문", "이지은", "박성순" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>III.", "키스트로크 (Keystroke)</h1><p>동적 키스트로크는 어떤 사람이 자판을 입력할 때 생성되는 리듬과 타이밍의 패턴이다.", "이 기술은 사람들의 키스트로크 특징을 분석하여 저장한 후, 키스트로크 하는 사람의 특징을 이용하여 적법한 사용자와 불법 사용자를 판단하여 불법 사용자의 컴퓨터 접근을 차단할 목적으로 사용하는 보안 기법이다.", "</p><h2>1. 키스트로크 인증</h2><p>사용자의 키스트로크를 식별하기 위해서는 준비 작업이 필요하다.", "시스템은 사용자가 키스트로크 내용을 기록하고, 키스트로크의 특징 벡터를 추출하여 특징 벡터의 거리(Distance)를 계산하고 기록해야 한다.", "특징 벡터를 추출하는 2가지 방법이 있다.", "하나는 정적 인증(Static Authentication)이고 다른 하나는 동적 인증(Dynamic Authentication)이다.", "</p><p>정적 인증은 아이디와 패스워드를 이용하여 특징을 추출한다.", "동적인증은 사용자가 컴퓨터에 접속 후에 자유롭게 문서작업을 할 때 문서의 입력 특징을 추출하여 di- 와 tri-graph 방법을 이용하여 허가 받은 사용자인가를 판정 한다.", "본 논문에서는 정적 인증을 사용한다.", "</p><h2>2. 키스트로크 특징 추출</h2><p>사용자가 컴퓨터를 이용하는 과정 중에서 대부분의 작업이 자판에 키를 입력하는 것이다.", "이때, 우리가 키를 입력하면 key-down 이벤트가 발생하고, 키보드에서 손을 때면 key-up 이벤트가 발생한다.", "키보드를 이용하는데 있어서 빠른 속도로 입력하는 사람도 있고 그렇지 않은 사람도 있다.", "이러한 차이는 키보드에 숙련된 사람과 그렇지 않은 사람에 대한 차이 일 수도 있고, 아니면 아주 생소한 키보드 자판을 이용할 경우라면 아무리 숙련된 사람도 키보드가 읙숙해질 때 까지는 초보자의 키보드 입력과 비슷할 것이다.", "키보드의 입력 속도는 키를 입력하는 속도와 특정한 키에서 다른 키를 찾아서 이동하는 속도로 구분할 수 있다.", "key- down과 key-up 시간의 차이, 하나의 키를 눌렀을 때 key-up 시간과 다음 키의 key-down 시간의 차이을 이용해서 duration과 latency 시간을 알아낼 수 있고, 이를 이용해서 키보드 속도를 duration과 latency 시간을 측정할 수 있다</p><p>(그림 1)은 동적 키스트로크에서의 특징 추출과정을 나타낸 것이다.", "key-down과 key-up 이벤트를 이용하여 공식과 같이 Duration(1) 시간과 Latency(2) 시간을 구할 수 있다.", "</p><p>Duration \\( =T(u)_{i}-T(d)_{i} \\)<caption>(1)</caption></p><p>Latency \\( =T(d)_{i+1}-T(u)_{i} \\)<caption>(2)</caption></p><p>각 사용자를 구분하는 특징 벡터를 추출하기 위해서 공식(1), (2)을 공식(3),(4)에 적용하여 평균과 표준편차를 구한다.", "</p><p>\\( \\operatorname{mean}(\\mu)=\\frac{1}{n} \\cdot \\sum_{i=1}^{n} x_{i} \\)<caption>(3)</caption></p><p>\\( S D(\\delta)=\\sqrt{\\frac{1}{n} \\sum_{i=1}^{n}\\left(x_{i}-\\mu\\right)^{2}} \\)<caption>(4)</caption></p><p>공식 (3),(4)에서 \\( \\left(x_{i}\\right) \\) 는 각 문자별 duration, latency에 대한 저장된 특징 벡터이다.", "</p><h2>3. 벡터계산 및 불법 사용자 판별</h2><h3>3.1 신경망 알고리즘</h3><p>신경망은 예제를 통하여 학습한다.", "흔히 신경망은 학습할 수 있는 여러 예제들로 이루어진 훈련 세트(training set)로 표현된다.", "훈련 패턴으로 알려진 이러한 예제들은 벡터로 나타내지며 영상, 음성신호, 센서 데이터, 로봇팔의 움직임, 재정적인 데이터 등이 있다.", "</p><p>신경망은 병렬로 정보를 처리하는 자연적인 계산 모델이다.", "기본적으로, ANN은 단순 처리 유닛(neurons)의 풀로서 정의될 수 있다.", "여기서 유닛은 아날로그 신호를 전송함으로써 유닛들 간에 통신을 한다.", "이들 신호는 뉴론들 간의 연결 강도를 통해 전송된다.", "이들 뉴런의 각자는 수신된 입력을 누적하고 내부의 활동 함수에 따라서 결과를 생성한다.", "이 출력은 다른 뉴런을 위한 입력 값이 되거나 출력 값이 될 수 있다.", "(그림 2)에서 상세한 뉴런을 볼 수 있다.", "</p><p>(그림 2)는 하나의 숨겨진 층과 하나의 출력층을 가지는 다층 퍼셉트론의 형태를 보인 것이다.", "이 MLP에서 각 뉴런은 다음 층에 있는 각 뉴런에 연결되어진다.", "MLP의 출력은 다음의 수식으로 기술된다.", "</p><p>\\( \\left.y_{p}=F_{o}\\left(\\sum_{j=0}^{N} w_{j p}^{H}\\left(F_{H}\\left(\\sum_{i=0}^{N} w_{i j}^{I} x_{i}\\right)\\right)\\right)\\right) \\) for \\( p=1,2, \\ldots N \\)<caption>(5)</caption></p><p>에서:</p><p>\\( w_{j p}^{H} \\) 는 숨겨진 층의 뉴런j로 부터 출력 뉴런 \\( p^{t h} \\) 로의 가중치를 나타낸다.", "</p><p>\\( x_{i} \\) 는 \\( i^{t h} \\) 번째의 요소를 나타낸다.", "</p><p>\\( F_{H} \\) 와 \\( F_{O} \\) 는 숨겨진 층과 출력층 각각에서 활동 함수를 나타낸다.", "</p><p>\\( w_{i j}^{I} \\) 는 입력층 뉴런 \\( i \\)에서 숨겨진 층의 뉴런 \\( j \\) 로의 가중치이다.", "</p><p>학습과정은 다음에 정의한 비용 함수의 최소로 구성된다.", "</p><p>\\( E=\\frac{1}{2} \\sum_{p=1}^{N}\\left(y_{p}-d_{p}\\right)=\\frac{1}{2} \\sum_{p=1}^{N} e_{p}^{2} \\)<caption>(6)</caption></p><p>여기서, \\( y_{p} \\) 는 네트워크에 의해서 계산되는 \\( p^{t h} \\) 위치의 출력 값이다.", "</p><p>본 논문에서는 어떤 사용자가 적법한 사용자인가를 확인하기 위해서 (표 1)과 같은 키스트로크 특징을 다층 퍼셉트론의 입력에 사용한다.", "</p><p>본 논문에서는 실험을 위해서 사용자로부터 고정된 길이의 아이디와 패스워드를 입력받고 프로그램은 사용의 키스트로크를 자동적으로 시간과 함께 기록하고 공식과 같이 계산한다.", "또한, 이들 데이터를 데이터베이스에 자동적으로 저장하고 사용자가 로그인 할 때 거리를 계산한다.", "</p><p>(그림 3)은 각 사용자를 위한 키스트로크 정보의 로깅 과정과 특징을 추출하는 과정을 나타낸 그림이다.", "이때, 각 사용자는 사용자 아이디와 패스워드를 10회 반복 입력한다.", "입력된 로깅 정보를 공식에 적용하여 특징을 추출한다.", "실험에서 백스페이스, Shift, Alt, 컨트롤키는 적용하지 않았다.", "만일 사용자가 백스페이스를 키스트로크 했다면, 이 시스템은 계산을 하지 않는다.", "</p><table border><caption>표 1. 신경망을 위한 입력 변수</caption><tbody><tr><td>No.", "</td><td>Variable in the keystroke</td><td>unit</td></tr><tr><td>1</td><td>max duration time</td><td>ms</td></tr><tr><td>2</td><td>mim durational time</td><td>ms</td></tr><tr><td>3</td><td>mean duration time</td><td>ms</td></tr><tr><td>4</td><td>Sd duration time</td><td>ms</td></tr><tr><td>5</td><td>max latency isme</td><td>ms</td></tr><tr><td>6</td><td>min latency time</td><td>ms</td></tr><tr><td>7</td><td>mean latency time</td><td>ms</td></tr><tr><td>8</td><td>sd latency time</td><td>ms</td></tr></tbody></table> <h1>IV.", "시스템 구현</h1> <p>실험의 참여자는 로그인을 시도하기 전에, 여러 번 자신의 사용자 아이디와 패스워드를 입력함으로서 자신의 키스트로크 특징을 시스템에 등록한다.", "이러한 과정을 통해서 피 실험자의 프로파일이 생성된다.", "[7]의 실험에서 6번의 키스트로크가 프로파일의 생성에 충분하다고 주장하고 있다.", "위의 주장이 타당하기 위해서는 참여자가 이미 충분히 사용하고 있는 패스워드라서 익 숙하고 또한, 습관화 되어 있을 때 가능 좋은 결과를 얻 을 수 있을 것이다.", "본 실험에 참여한 대부분의 사람들은 타이평능력이 우수한 사용자들이다.", "단지 몇 명의 초보자가 있다.", "실험에 참여할 사람들은 대부분이 학생으로 구성되어 있다.", "실험에 참여한 인원은 20명이고, 대부분 20살에서 30살사이의 나이에 속한다.", "고정된 패스워드를 사용하였고, 10명의 불법사용자를 가정하여 실험하였다.", "</p> <p>(그림 4)에서 신경망 학습의 초기 값을 설정하는 것은 중요한 문제다.", "초기 값을 적절하게 선택함으로써 학습오차가 작고 학습과정이 빠르게 수렴될 수 있기 때문이다.", "일반적으로 신경망의 학습은 특정 초기 값에서 시작한다.", "그리고 학습률은 모수 값들을 어떻게 선택하느냐에 따라서 학습오차가 작으면서 학습과정이 빠르게 수렴 할 수도 있고 조기 포화점에 빠질 수도 있다.", "그렇기 때문에 분석하고자 하는 자료에 적당한 모수를 선정하여 오차가 최소값이면서 학습과정이 빠르게 수렴될 수 있게 학습하도록 하는 것은 매우 중요한 문제다.", "그래서 제한적이지만 \\( \\kappa, \\theta, \\phi, \\mu \\) ( kappa, theta, phi, \\( \\mathrm{mu}) \\) 만을 가지고 각 범위 0.1, 0.3, 0.5, 0.7, 0.9에 따라 실험을 해보았다.", "</p> <p>패스워드의 등록 과정에서 자연스러운 키스트로크 방법과 인공적인 키스트로크 방법이 있다.", "때로는 인공적인 리듬을 추가함으로써 효과적인 인증 및 인증의 성능을 향상시킬 수 있다.", "그러나 인공적인 인증을 할 때 자신이 기억할 수 있는 인공적인 리듬을 기억해야만 한다.", "인공적인 리듬을 사용할 때, 특정할 문자를 입력할 때 3초간 누르는 것도 리듬이 가미된 키스트로크 방법이라 할 수 있다.", "본 실험에서는 인공적인 리듬을 사용하지 않았다.", "</p> <p>(표 2)는 키스트로크의 성능을 분석하기 위해서 다른 논문제서 제안한 방법과 본 논문에서 제안한 방법의 정확도를 비교한 표이다.", "본 논문에서 제안한 통계 및 신경망을 활용한 결과가 다른 방법보다 약간 개선되었음을 알 수 있다.", "</p> <p>(그림 6)은 실험한 결과를 도표로 나타낸 것으로서, FRR과 FAR의 관계를 나타낸 것이다.", "임계값이 증가함에 따라서, FRR은 높아지고 FAR은 낮아진다.", "반면엣 임계값을 낮추면 FRR은 낮아지고 FAR은 높아진다.", "FRR이 \\( 3 \\% \\) 와 \\( 4 \\% \\) 사이가 FRR과 FRR이 같은 지점으로서 CER(Cross Error Rate)이라 부른다.", "</p> <table border><caption>2. 학습방법의 정확도 비교</caption> <tbody><tr><td>학습 방법</td><td>훈련</td><td>정확도</td></tr><tr><td>C4.5 Decision</td><td>95.6\\( \\% \\)</td><td>93.3\\( \\% \\)</td></tr><tr><td>Naive Bayesian</td><td>93.3\\( \\% \\)</td><td>90.8\\( \\% \\)</td></tr><tr><td>Decision table</td><td>95.6\\( \\% \\)</td><td>85.6\\( \\% \\)</td></tr><tr><td>Neural Network \\(&\\) statistics</td><td>100\\( \\% \\)</td><td>95\\( \\% \\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "이러닝 시스템에서 사용자 인증을 위한 키스트로크의 응용 기술", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0e8368cf-6c73-4007-9cd1-d717301d54e2", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "김천식", "윤의중", "홍유식", "문남미" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅲ. 신경망 모델 및 파라메터</h1> <p>본 논문에서는 Super-RENS 디스크에 신경망 기반의 비선형 등화기를 사용하여 비선형 왜곡에 의한 심볼간 간섭을 제거하고자 한다.", "신경망은 뛰어난 사상 능력을 통해 임의의 비선형 함수들을 학습하거나 근사화 할 수 있으며, 비선형 시스템의 모델링 및 등화기 개발에 유용하다.", "<table border><caption>표 1. 신경망의 파라메터</caption> <tbody><tr><td>\\( \\mathrm{R} \\)</td><td>입력벡터 성분의 수</td></tr><tr><td>\\( \\mathrm{S} \\)</td><td>각 층의 뉴런 갯수</td></tr><tr><td>\\( \\mathrm{p} \\)</td><td>입력벡터</td></tr><tr><td>\\( \\mathrm{W} \\)</td><td>가중치 (오차를 최소화 할 때까지 지속적 으로 갱신)</td></tr><tr><td>\\( \\mathrm{b} \\)</td><td>바이어스 (뉴런이 활성화되기 위한 최소 한계치)</td></tr><tr><td>\\( \\mathrm{f} \\)</td><td>활성함수 (함수치가 발산하는 일을 막기 위하여 일정한 범위 값 안으로 제한)</td></tr></tbody></table></p> <p>그림 2에 도시한 신경망의 구조를 살펴보면 다음과 같다.", "입력벡터 \\( p \\) 의 각 성분들은 가중치 행렬 \\( \\mathrm{W} \\) 를 통하여 각 뉴런에 연결되어 있다. \\", "( i \\) 번째 뉴런은 가중치 입력들과 바이어스의 합의 형태로 입력벡터 \\( n \\) 을 형성하고, 열벡터를 형성하여 출력된다.", "표 1 에 신경망의 파라메터들을 나타내었다.", "</p> <p>그림 3은 본 논문에서 고려하는 NARX (Nonlinear AutoRegressive eXogenous) 모델의 구조를 나타낸 것으로 일반적으로 NARX 모델은 다음과 같이 나타낼 수 있다.", "</p> <p>\\( \\begin{aligned} y(t)=& f\\left(y(t-1), y(t-2), \\cdots, y\\left(t-n_{y}\\right),\\right.\\\\ &\\", "left.u(t-1), u(t-2), \\cdots, u\\left(t-n_{u}\\right)\\right) \\end{aligned} \\)<caption>(1)</caption></p> <p>여기서 \\( u(t) \\)와 \\( y(t) \\)는 각각 입력과 출력을 나타내고 \\( n_{u} \\)와 \\( n_{y} \\)는 입력과 출력의 차수를 의미한다.", "</p> <p>NARX 모델은 피드백을 고려한 신경망 회로로써, 선형 ARX 모델을 기반으로 하기 때문에 일반적으로 time series 모델링에 사용된다.", "NARX 모델의 구조를 살펴보면, TDL (Tapped Delay Line) 구조의 입력층 (inputs)과 은닉층 (layer 1), 출력층 (layer 2)의 피드-포워드망 (feed-forward network)으로 구성된다.", "각 층의 활성함수로는 은닉층에 tangent-sigmoid와 출력층에서 선형 함수를 사용하고 트레이닝 방법으로 표 2에 나타낸 다양한 트레이닝 알고리즘들을 사용한다.", "</p> <p>본 논문에서 제안하는 비선형 등화기에 적용될 최적의 트레이닝 알고리즘을 찾기 위해 layer 1 의 뉴런 갯수를 5 개, 입력 지연 범위를 3부터 10까지 변화시켰을 때의 MSE (Mean Square Error)를 다음과 같이 측정하였다.", "</p> <p>\\( \\begin{aligned} M S E &=\\frac{1}{Q} \\sum_{k=1}^{Q} e(k)^{2} \\\\ &=\\frac{1}{Q} \\sum_{k=1}^{Q}(d(k)-y(k))^{2} \\end{aligned} \\)<caption>(2)</caption></p> <p>여기서 \\( d(k) \\)는 추정하고자 하는 RF 신호를 나타내고, \\( y(k) \\)는 NARX 모델의 출력신호를 나타낸다.", "그리고 \\( e(k) \\)는 두 신호간의 오차를 나타낸다.", "즉, MSE는 두 신호간의 오차를 제곱하여 평균을 낸 것으로 MSE가 작을수록 원하고자 하는 신호를 정확하게 추정한 것이다.", "</p> <p>그림 4는 다양한 트레이닝 알고리즘을 적용하여 MSE를 측정한 결과를 나타낸 것으로 그림에서 확인할 수 있듯이 Levenberg-Marquardt 알고리즘을 적용하였을 때 최소의 MSE를 얻었다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "Super-RENS 디스크를 위한 신경망 기반의 비선형 등화기", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0b4df9ea-1598-4b3a-8ffa-9d07262a506e", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "서만중", "임성빈" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅱ. 물리적 상호작용 및 산업용 로봇의 교시 제어</h1><p>물리적 상호작용 연구는 주로 물리적 센서인 힘/토크센서를 이용한 연구와 촉각 센서를 이용한 연구로 분류된다.", "</p><p>힘/토크 센서를 이용한 연구로는 독일의 DLR 기관의 연구가 대표적이며, 휴머노이드 로봇인 Justin을 개발하고 이 로봇을 이용해 많은 연구를 진행하고 있다.", "대표적인 연구는 위치, 임피던스 및 토크 제어를 통한 충돌감지 및 반응 연구이며, 안정성과 신뢰성을 높이기 위한 연구를 진행하였다.", "또한, Dongheui Lee 외 연구자들은 비전 센서와 힘/토크 센서를 통해 사람의 움직임을 모방하고 자세를 교정하는 물리적인 상호작용 방법을 연구하였다.", "</p><p>촉각 센서를 이용한 연구로는 물리적인 상호작용을 위해 터치 센서를 개발하여 휴머노이드 및 산업용 로봇에 적용한 사례가 많이 있다.", "주로 작은 소자 타입의 촉각 센서를 나열하여 하나의 거대한 촉각 센서를 개발하였고, 이를 로봇의 피부에 부착하는 방식으로 연구가 진행되었다.", "이들 연구는 촉각 센서를 통해 접촉 여부를 판단하는 것이 주된 목적이다.", "그림 1은 사람이 로봇을 당기거나 로봇과 사람이 갑작스럽게 혹은 의도적으로 접촉했을 때 로봇이 사람의 의도를 파악하고 행동을 결정하기 위해 물리적 상호작용이 필요하다는 것을 보여준다.", "</p><p>센서를 이용한 물리적 상호작용을 통해 산업용로봇은 사람의 직접 교시가 가능하며 안정성이 확대되었다.", "대표적인 예가 그림 2에서 보여주는 MIT에서 만든 백스터(Baxter) 로봇이다.", "백스터 로봇은 팔 관절에 힘 감지 센서가 수십 개가 달려 있어서 움직이다가 예상치 않은 저항에 부딪히면 곧바로실행이 정지된다.", "또한 액정화면으로 된 얼굴을 통헤 사람과 협업이 가능하다.", "이렇게 사람과 한 공간에서 협업을 하는 산업용 로봇은 교시 제어가 필수적이며 본 논문에서는 터치 패널을 로봇의 인공 피부로 이용하여 교시 제어하는 연구에 대해 진행하였다.", "</p> <h1>V.", "결 론</h1><p>본 논문에서는 터치 패널을 로봇의 피부로 이용하여 로봇 팔을 제어하는 물리적 인간-로봇 상호작용 방법을 제안하였다.", "제안한 방법을 검증하기 위해 터치 패널에서 기준점을 잡아 제스처를 생성하여 로봇 팔을 제어할수 있는 것을 확인하였다.", "또한, 엔드이펙터에 터치 패널을 장착하여 로봇 팔을 원하는 방향으로 움직임으로써 터치 패널을 로봇의 피부로 이용하여 교시 제어가 가능함을 확인하였다.", "</p><p>향후 연구에서는 시나리오를 만들어 터치 패널을 이용한 교시 제어 실험을 진행하고, 힘 센서를 이용할 때의 결과와 비교 분석하여 본 논문에서 제안한 터치 패널을 이용한 방법의 가능성을 확인하는 것을 목표로 한다.", "</p> <h2>2. 로봇 팔 제어를 위한 제스처 생성</h2><p>그림 6은 두 개의 터치 패널을 인공 피부처럼 로봇팔의 두 면에 부착한 그림이다.", "터치 패널을 통해서 얻어지는 \\( \\mathrm{X}-\\mathrm{Y} \\) 방향으로의 입력(사용자의 의도)을 얻기위해서는 기준점이 필요하다.", "본 논문에서는 기준점을 잡기 위해 첫 \\( \\mathrm{X}-\\mathrm{Y} \\) 좌표값을 기준으로 경계값을 설정하여 터치 패널을 통해 입력된 \\( \\mathrm{X}-\\mathrm{Y} \\)의 좌표 변화값이 샘플 개수(본 논문에서는 14개로 설정) 동안 경계값을 만족한다면 기준점으로 선택하도록 하였다.", "경계값을 설정하기 위한 공식은 Euclidean distance 공식을 이용하였다.", "</p><p>\\( b=\\sqrt{\\left(x_{initial}-x_{current }\\right)^{2}+\\left(y_{initial}-y_{current}\\right)^{2}} \\)<caption>(3)</caption></p><p>식 (3)에서 \\( \\mathrm{X}-\\mathrm{Y} \\)의 초기 좌표에서 현재의 좌표 차이가 각각 \\( \\pm 10 \\) 포인트 이상씩 차이가 날 경우에 다시 기준점을 잡도록 하였고, 그 때의 경계값은 14이다.", "따라서 \\( b \\) 가 14 이상일 경우에는 다시 기준점을 잡고 30개의 샘플 개수를 통해 기준점을 설정하게 된다.", "</p><p>두 개의 터치 패널을 이용하여 로봇 팔을 제어하기위해 각 터치 패널에서 출력되는 값들을 하나의 값으로표현해야 한다.", "각 패널의 \\( \\mathrm{X}-\\mathrm{Y} \\)의 평균값 \\( \\mathrm{(Avg_x, Avg_y)}\\), 차이값 \\( \\mathrm{(Diff_x, DIff_y)}\\) 그리고 터치 면적값 \\( \\mathrm{(Area_l, Area_r)}\\)을 이용하여 총 6개의 데이터를 구할 수 있고, 이를 이용하여 제스처를 만들어 로봇 팔을 제어할 수 있다.", "표 3은 생성된 데이터 별로 움직이는 로봇 팔의 조인트 값을 나타내며 본 논문에서는 이러한 데이터를 이용하여 로봇 팔을 움직이는 실험을 진행하였다.", "</p><h1>Ⅳ. 실 험</h1><p>본 연구에서는 미쓰비시 전기 MELFA 산업용 6축 로봇 팔(RV-2SD)에 터치 패널을 장착하여 실험을 진행하였다.", "그림 7은 연구에서 사용된 로봇 팔의 구조와 터치 패널을 부착한 그림이며, 표 4는 RV-2SD의 회전축 동작 범위 및 속도를 나타낸다.", "</p><p>본 논문에서 제안한 연구를 증명하기 위해 실험은 로봇 팔의 면에 터치 패널을 부착하여 제어하는 방법과 엔드이펙터에 장착하여 제어하는 방법을 진행하였다.", "터치 패널을 로봇 팔의 면에 부착하여 실험한 방법은 각 제스처마다의 데이터 값들(표 3참조)을 이용하여 해당하는 로봇 팔의 조인트 값을 제어하는 실험이다.", "그림 8은 이러한 실험에서 각 제스처에 대한 데이터들의 그래프이다.", "터치 패널에서 기준점을 잡고 제스처를 생성할 때 로봇 팔의 위치와 팔을 잡는 위치에 따라 정확한 제스처를 만들지 못할 수도 있다.", "따라서 각 데이터마다 일정한 값 이상의 값이 출력될 때 해당하는 제스처로 인식하고 제어하도록 하였다.", "이 실험을 통해 터치 패널을 로봇 팔의 면적에 부착하여 팔을 제어함으로써 사람의 의도에 따라 팔을 움직이는 교시 제어가 가능함을 확인할 수 있었다.", "</p><table border><caption>표 4. RV-SD 회전축의 동작 범위 및 속도</caption><tbody><tr><td>회전축</td><td>동작범위(도)</td><td>최대 속도(도\\(/\\mathrm{s}\\))</td></tr><tr><td>J1</td><td>\\( 480(-240 \\sim+240) \\)</td><td>255</td></tr><tr><td>J2</td><td>\\( 240(-120 \\sim+120) \\)</td><td>150</td></tr><tr><td>J3</td><td>\\( 160(0 \\sim+160) \\)</td><td>275</td></tr><tr><td>J4</td><td>\\( 400(-200 \\sim+200) \\)</td><td>412</td></tr><tr><td>J5</td><td>\\( 240(-120 \\sim+120) \\)</td><td>450</td></tr><tr><td>J6</td><td>\\( 720(-360 \\sim+360) \\)</td><td>720</td></tr></tbody></table><p>그림 9는 로봇 팔을 제어하기 위해 구현한 GUI의 결과이다.", "빨간색 원은 터치 패널에서의 초기 위치이고 노란색 원은 현재의 터치 면적의 크기를 보여준다.", "또한, 오른쪽의 초록색 바는 제스처를 통해 생성되는 데이터들의 크기를 나타낸다.", "이러한 시각적 표현들을 통해 현재의 입력 상황과 로봇 팔을 제어하기 위한 데이터의 값들을 알 수 있도록 하였다.", "</p><p>그림 10은 로봇 팔에 터치 패널을 장착하여 실험한 영상의 스냅샷이다.", "터치 패널을 장착하고 로봇 팔을 움직이기 위해 터치 패널에서 기준점을 잡고 사용자가 움직이고자 하는 방향으로 움직이면 \\( \\mathrm{X}-\\mathrm{Y} \\) 좌표와 터치면적을 \\( \\mathrm{Z}\\)값으로 변환하여 역기구학을 통해 로봇 팔의 각 조인트가 움직이도록 하였다.", "산업용 로봇 팔의 안정성 때문에 움직임을 최소화하여 스냅샷으로는 움직임이 미미해 보이지만, 실제 실험에서는 사용자가 원하는방향으로 로봇 팔을 자유자재로 제어할 수 있었고 힘센서와 같이 로봇 팔에 장착하여 사용할 수 있는 가능성을 확인하였다.", "이러한 실험의 결과로 인해 터치 패널을 산업용 로봇 팔에 장착하여 물리적 상호작용을 통한 교시 제어를 할 수 있음을 확인할 수 있다.", "</p> <h1>요 약</h1><p>본 논문에서는 ITO 터치 패널 센서를 로봇의 피부로 이용하여 로봇 팔을 제어하는 물리적 인간-로봇 상호작용 방법을 제안한다.", "사람과 로봇간의 물리적 상호작용을 구현하기 위해서는 힘/토크 센서를 사용하는 방법과 작은 소자 타입의 센서를 배치하여 만든 촉각 센서를 사용하는 방법이 연구되고 있다.", "하지만, 이러한 센서들은 가격적인 측면이나 성능적인 측면에서 장단점이 존재하며, 본 연구에서는 터치 패널을 로봇의 피부로 사용하여 물리적 상호작용을 하는 방법을 제안하고 전체적인 시스템을 구축하여 실험을 통해 힘/토크 센서의 정확성과 소자 타입 센서의 경제성을 보이고자 한다.", "실험은 터치 패널에서 기준점을 잡아 제스처를 생성하여 로봇 팔을 제어하는 방법과 엔드이펙터에 장착하여 로봇 팔을 제어하는 방법에 대해 진행하였다.", "이러한 실험을 통해 터치 패널을 이용한 교시 제어의 가능성도 확인하였다.", "</p> <h1>Ⅲ. 터치 패널을 이용한 교시 제어 설계</h1><h2>1. 인체모델을 이용한 터치 패널 시스템 모델링</h2><p>본 연구에서 사용하는 터치 패널 시스템은 상호 유도정전하 방식 ITO 터치 패널과 Melfas사의 터치 IC로 구성된다.", "또한, 터치 패널에서의 데이터를 전송받아 처리하기 위해 하드웨어 보드를 추가하였다.", "그림 3 (a)는 본 논문에서 사용하는 ITO 터치 패널과 이를 연결한 하드웨어이며, (b)는 전체 시스템 구성도이다.", "</p><p>터치 패널을 이용한 교시 제어를 설계하기 위해 터치에서 출력되는 \\( \\mathrm{X}-\\mathrm{Y} \\) 좌표값 \\( (\\mathrm{X}, \\mathrm{Y}) \\)와 터치 면적 \\( \\mathrm{S} \\)를 이용한다.", "터치 패널의 경우 평면이기 때문에 3차원으로 표현할 수 없다.", "하지만 터치 면적의 크기 \\( \\mathrm{S} \\) 를 \\( \\mathrm{Z} \\) 축 방향의 크기로 이용하면 터치 패널을 이용하여 각 축마다의 크기를 파악 할 수 있으므로 3차원 표현이 가능하다.", "터치 면적과 힘의 관계를 알아내기 위해 본 논문에서는 손가락의 누르는 정도에 따른 터치 면적의 변화를 파악하는 실험을 진행하였다.", "</p><p>그림 4는 스프링 댐퍼 시스템과 사람의 손가락 구조를 나타낸 그림이다.", "손가락으로 터치를 할 때 피부가눌린 후에 안에 있는 뼈의 힘이 전달되기 때문에 손가락을 스프링 댐퍼 모델로 모델링을 할 수 있다고 판단하였고 이에 대한 실험을 진행하였다.", "실험은 엄지와중지 손가락이 터치 패널 방향(그림 3(b)의 \\( \\mathrm{Z} \\)방향)으로 \\( 1 \\mathrm{mm} \\) 씩 움직였을 때의 터치 패널에 손가락이 눌린 면적 값\\(( \\mathrm{S})\\) 변화에 대해 진행하였고, 표 1과 2는 실험에 대한 결과를 보여준다.", "</p><p>표 1과 2의의 실험 결과를 보면 터치 패널에 손가락이 눌리는 정도에 따라 면적이 어느 정도 일정하게 변화하는 것을 알 수 있다.", "10번의 실험에 따른 평균값의 증가량을 선형적인 값으로 모델링하기 위해 최소 자승법을 이용하였고, 식 (1)와 (2)은 최소 자승법을 통해 구해진선형 식이다.", "여기서 \\( \\mathrm{M} \\)과 \\( \\mathrm{T} \\)는 각각 엄지와 중지를 나타낸다.", "그림 5는 표 1과 2에 대한 결과값에 최소 자승법을 적용시킨 그래프이다.", "</p><p>\\( s_{M}=3.82+3.08 z_{M} \\)<caption>(1)</caption></p><p>\\( s_{T}=3.93+3.91 z_{T} \\)<caption>(2)</caption></p><p>본 실험을 통해 손가락의 \\( \\mathrm{Z} \\) 방향으로 누르는 힘에 따른 터치 패널의 눌린 면적의 변화에 대해 파악할 수 있었고, 이를 모델링하여 면적에 따른 힘에 대한 공식을 개발하여 사용할 수 있는 가능성을 확인하였다.", "</p> <h1>I.", "서 론</h1><p>로봇은 사람을 대신하여 임무를 수행하는 최첨단 기술의 집합체이다.", "과거에 로봇은 뛰어난 능력을 갖고 있음에도 불구하고, 오동작 시 사람에게 피해를 줄 수있는 낮은 안정성과 낮은 신뢰성을 가지고 있었으며, 사람과 로봇의 정보 교환 수단이 부족하여 같은 공간에서 작업을 수행하기 어려웠다.", "최근 정보통신 기술의 발전과 로봇 성능 및 안정성 향상, 휴머노이드 로봇의 출현으로 이러한 로봇의 안정성 및 신뢰성이 높아지게 되었고, 사람의 작업 환경과 동일한 환경과에서 사람과 로봇의 협업이 가능한 시대가 되었다.", "</p><p>기술이 발전하면서 공장에서의 로봇 활용도 또한 변화하고 있다.", "획일화된 상품의 생산에서 사용자의 구미에 맞는 소량의 다양한 종류의 상품 제작이 필요하게 되었다.", "기존의 공장은 다량의 제품들을 빠른 시간에 생산하는 것에 초점이 맞추어져 있으므로 제품의 종류가 바뀌면 생산 라인을 수정하는데 많은 비용이 필요하게 되고, 빠르게 변화하는 소비자의 욕구를 만족시키기 위해서는 정형화된 생산 설비 환경을 쉽게 변경할 수 있어야 한다.", "따라서 로봇에 작업을 지시하는 방법 역시 직관적일 필요가 있으며 이를 위하여 직접 교시 방법이 최근 활발히 연구되고 있다.", "</p><p>본 연구에서는 물리적 인간-로봇 상호작용을 통한 로봇 팔 제어를 위해서 촉각 센서 중 하나인 터치 패널을 이용하여 사람과 로봇이 상호작용을 할 수 있는 시스템을 구현한다.", "터치 패널은 최근 스마트폰, 자동차, 가전기기 등에 널리 사용되고 있으며 사람이 이용하기에 자연스럽고 직관적인 장점을 갖고 있다.", "터치 패널을 통해 사용자는 로봇을 작업하기 쉬운 형태로 동작시킬 수 있고, 사람과 로봇이 같은 작업 환경에서 협업이 가능하다.", "또한, 터치 패널을 로봇의 인공 피부로 사용하여 사람의 의도를 파악하거나 직접 교시 제어를 목적으로 이용될 수도 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "ITO 터치 패널 이용한 교시 제어 연구", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0cca339e-babc-48d9-a124-976ed0fbe43e", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2015", "doc_author": [ "윤재석", "남상엽", "김기은", "김동한" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>I.", "서 론</h1><p>개인용 휴대단말기 사용으로 인한 사무실이나 회의실 등 한정된 장소에서의 무선 네트워크 접속에서 언제 어디서나 원하는 장소에서 자유롭게 무선 네트워크에 접속하여 다양한 서비스를 요구하는 수요가 증가함에 따라 무선 LAN 사용자의 요구사항도 늘어나게 되었다.", "IEEE 802.11은 이러한 다양한 요구사항을 충족시키기 위해 네트워크에 사용되는 무선 LAN 기본 규격을 정의하였다.", "</p><p>현재 가장 널리 보급되어 있는 무선 LAN 규격으로 IEEE 802.11에 명시된 매체접근제어(MAC : Medium Access Control) 프로토콜은 분산 환경에서 CSMA/CA(Carrier Sense Multiple Access Collision Avoidance)를 기반으로 하여 매체를 경쟁적으로 이용하는 방식과 부분적인 서비스 품질(QoS : Quality of Service)을 제공할 수 있도록 하기 위한 방식이 정의되어 있다.", "이러한 혼용방식은 기본적으로 최선형 (BE : Best Effort) 방식이므로 QoS를 보장하는데 적합하지만 우선순위에 따른 차별화된 서비스를 위해서는 새로운 MAC 프로토콜인 IEEE 802.11e가 제안 되었다.", "</p><p>IEEE 802.11e MAC 프로토콜은 QoS 서비스를 제공하기 위해 새롭게 추가된 중요한 개념으로 특정한 노드에게 프레임을 전송할 수 있는 시간을 할당하여 해당 노드는 그 시간 내에서 연속으로 데이터를 전송할 수 있거나 강제적으로 전송 시간을 제한 할 수 있는 전송 권한(TXOP : Transmission OPportunity) 개념이 추가 되었다.", "</p><p>따라서 본 논문에서는 IEEE 802.11e에서 전송 흐름을 고려한 능동적 자원할당 방법을 제안한다.", "IEEE 802.11e에서는 비디오나 음성 데이터의 QoS를 제공하기위해 우선순위가 높은 노드에게 정해진 시간동안 연속해서 보낼 수 있도록 TXOP 파라메터값을 정해놓고 있다.", "해당 시간동안 연속해서 데이터를 전송하므로써 채널의 점유를 위한 경쟁을 줄임으로써 충돌의 횟수가 줄어들어 빠른 데이터 전송의 장점은 있지만, 해당노드의 채널 상태가 좋지 못한 경우 전체 네트워크의 전송률은 떨어지고 우선순위는 낮지만 채널 상태가 좋은 노드의 경우 기다리는 시간이 길어지는 문제가 발생하게 된다.", "이러한 문제점을 해결하기 위해 채널 상태에 따라 TXOP를 조정하여 우선순위는 낮지만 채널 상태가 좋은 노드에게도 점차적으로 할당함으로써 채널을 최대한으로 활용하도록 하였고 자원의 능동적인 할당으로 전송률 향상에 기여하는 능동적 자원할당 방법을 제안하였다.", "</p><p>이러한 특징을 갖는 능동적 자원할당 방법의 성능을 검증하기 위해 ns-2 시뮬레이터를 이용하여 전송속도가 서로 다른 차등 전송모드에서 우선순위도 서로 다른 노드들의 수에 따라 시나리오를 작성하여 기존의 방법과 제안한 능동적 자원할당 방법의 성능을 비교 시뮬레이션을 수행하였다.", "</p><p>이후 논문의 구성은 II장에서는 IEEE 802.11e의 표준에 대해 나타내고, III장에서는 본 논문에서 제안하는 능동적 자원할당법을 구현하였다.", "IV장에서는 제안한 방법의 성능검증을 위하여 시뮬레이션을 수행하였으며, 마지막으로 V장에서는 결론을 기술한다.", "</p> <p>그림 10-1, 2는 시뮬레이션 환경을 나타낸다.", "다중전송모드 환경에서 모든 노드가 AP에 일대일로 연결된 형태의 BSS이다.", "시험에 쓰인 노드들의 이동성(mobility)은 없으며, 모든 스테이션들과 AP 간의 거리 및 출력을 다르게 하여 현실 세계에 가깝게 설정하였다.", "모든 노드들은 어떤 노드와의 전송감지를 할 수 있는 범위 내에 위치하기 때문에 앞에서 논의된 숨은 노드 문제의 영향을 받지 않는다.", "따라서 숨은 노드 문제가 존재하지 않으므로 본 실험에서는 RTS/CTS 프레임을 사용하지 않는 실험과 RTS/CTS 실험이 사용된 두 가지 모두를 고려하여 실험을 실행하였다.", "또한 ns-2에서는 조각화(fragmentation) 기본 값이 \\(1024 \\mathrm{~bytes}\\)로 설정되어 있어 최대의 QoS성능을 위해 조각화를 사용하지 않도록 하기 위해 \\(1000 \\mathrm{~bytes}\\)로 설정하였다.", "</p><p>실험 방식은 AP를 기준으로 채널의 상태가 좋은 \\( 54 \\mathrm{Mbps} \\) 를 갖는 랩톱컴퓨터만 연결되어 있는 경우와 이렇게 채널 상태가 좋은 랩톱컴퓨터가 연결된 환경에 채널 상태가 나쁜 IP-phone이 접속하는 하는 경우로 실험하였다.", "이런 환경을 실험한 이유는 우선순위가 높은 IP-phone의 경우 채널 상태가 나쁘기 때문에 우선순위 지원을 위해서는 채널이 나쁘지만 QoS 보장을 위해 계속적인 지원으로 네트워크의 전체 전송률은 나빠질 것으로 예상하고, 이에 비해 채널 상태가 좋은 랩톱컴퓨터의 경우 우선순위가 낮기 때문에 상대적으로 채널 접근에 불리하게 작용하여 전송효율이 좋지 못하는 현상이 발생할 것으로 예상하기 때문이다.", "따라서 본 논문에서 주장하는 바와 같이 대부분의 트래픽을 차지하는 통신은 우선순위가 높은 IP-phone과 같은 트래픽은 간헐적으로 나타나기 때문에 우선순위가 높은 노드가 없는 환경에서 하나씩 추가되는 환경을 제시한다.", "그리고 이런 노드들의 비율은 전체적으로 노드의 수가 증가하는 것도 중요하고, 추가되는 현상도 중요하기 때문에 랩톱컴퓨터의 수의 증가에 따른 IP-phone의 간헐적으로 증가하는 시나리오를 작성하여 실험하였다.", "</p><p>무선 LAN에서 전송률은 송신 노드와 수신 노드 사이에 공기 중으로 전송되는 데이터의 양을 의미한다.", "노드의 수가 증가할수록 전송률은 증가하지만, 충돌확률도 같이 증가함으로 적정 노드의 수가 되면 증가하지 않고 감소하는 현상을 예상 할 수 있다.", "두 노드 간에 전송률은 식 (8)과 같이 계산한다.", "</p><p>\\[ \\text { Throughput }=\\frac{(\\text { Data bytes }+\\text { Header bytes })}{T} \\] \\[ \\text { Header bytes }= \\text { Data link header } (L L C, M A C) + \\text { IP header }+ \\text { TCP Header } \\] \\[ T= \\text {Time interval in seconds} \\]<caption>(4-25)</caption><caption>(8)</caption></p><p>전송률은 초당 전송된 데이터의 양을 나타낸다.", "데이터의 양은 각 계층에서의 정보를 나타내는 헤더를 포함한 프레임 전체 크기를 말한다.", "</p><p>다중전송률을 지원하는 네트워크에서는 각 노드의 전송속도에 따라 전송률은 달라지고, AP에 접속된 노드의 수에 따라서도 전송률은 달리 나타날 것을 예상할 수 있다.", "</p><p>전송률 측정은 시뮬레이션 시작 이후 5초부터 15까지 10초 동안 측정한 데이터이다.", "시뮬레이션 시작부터 측정하지 않은 이유는 연결 설정에 필요한 제어 프레임들이 많이 전송될 것을 예상하여 일정 시간 이후부터 측정하였다.", "</p> <h1>Ⅲ. 제안 방법</h1><p>IEEE 802.11e의 EDCF에서 새롭게 추가된 개념으로 IEEE 802.11의 DCF에서 QoS를 지원하기위해 실시간에 민감한 트래픽에 경쟁 없이 연속으로 프레임을 전송하는 TXOP를 도입하였다.", "EDCF에서는 각 트래픽의 종류를 4개의 AC로 분류하여 각기 다른 경쟁 원도우 값과 TXOP limit 시간을 할당반게 된다.", "네트워크에 접속된 노드는 할당된 AC 파라미터 값을 이용하여 경쟁 원도우 값을 이용하여 다른 노드와 경쟁을 하게 되고, 경쟁을 통해 채널을 점유하게 되면 할당된 TXOP limit 시간 동안에 자신이 전송할 수 있는 가능한 많은 패킷들을 전송하게 된다.", "그래서 EDCF에서는 음성이나 비디오 같은 우선순위가 높은 패킷들의 전송률을 증가 시킬 수 있다.", "하지만 현재의 대부분의 통신은 web을 기반으로 이루어지고 있다.", "따라서 본 논문에서는 IEEE 802.11e 네트워크에서 전송 흐픔을 고려한 적정 TXOP 조정을 통한 능동적 자원할당 방법을 제안한다.", "제안한 방법은 AP가 트래픽의 전송흐름들을 관찰하여 QoS를 유지하면서 QoS를 요구하는 트래픽이 없을 경우 네트워크 전체 전송률을 향상시키기 위해 TXOP limit 시간을 할당함으로써 전송률 향상에 기여하도록 설계하였다.", "</p><p>IEEE 802.11e에서 TXOP는 아주 중요한 파마리터이다.", "TXOP는 프레임을 전송함에 있어서 다른 노드와의 경쟁 없이 연속으로 프레임을 전송할 수 있게 함으로써 노드 간의 채널 경쟁을 회피하는 의미와 대기 시간의 절약으로 낭비되는 채널을 줄임과 동시에 연결 설정에 필요한 제어 프레임의 전송을 줄이는 장점도 가지고 있다.", "이러한 장점으로 실시간 서비스를 요구하는 우선순위 프레임의 QoS 보장을 증가 시킨다.", "</p><p>전송률이 높은 노드일수록 더 많은 데이터를 연속적으로 보낼 수 있으면서도 하나의 노드가 채널을 완전히 점유하지 않고 일정한 \\( C W_{\\mathrm{min}} \\) 값을 가지기 때문에, 긴급 메시지나 실시간 데이터들을 신속하게 전송할 수 있고 QoS를 지원할 수 있다.", "연속되는 데이터의 점유 시간은 식 (3)에 근거해서 패킷 전송 시간 길이를 구할 수 있다.", "따라서 기본방식 때 하나의 데이터를 성공적으로 전송하기 위해 걸리는 시간은 다음과 같다.", "</p><p>\\( T_{S}=T_{D I F S}+T_{\\text {idle }}+T_{D A T A}+T_{\\text {SIFS }}+T_{A C K} \\)<caption>(3)</caption></p><p>높은 전송률을 갖는 노드는 많은 데이터 프레임을 전송할 수 있고, 낮은 전송률을 갖는 노드는 적은 데이터 프레임을 전송하게 된다.", "이와 같이 전송속도의 비율로 결정하지 않고, 기본 전송률로 전송했을 때 한 패킷에 대한 전송 소요 시간과 해당 전송률로 전송했을 때의 시간의 비율을 통해 연속적으로 전송 가능한 데이터의 시간을 계산한다.", "충돌이 발생했을 경우의 시간은 식 (4)와 같다.", "</p><p>\\( T_{C}=T_{\\text {DIFS }}+T_{\\text {idle }}+T_{D A T A}+T_{\\text {SIFS }}+T_{A C K \\_ T I M E O U T} \\)<caption>(4)</caption></p><p>여기서 \\( T_{i d l e} \\) 은 경쟁하는 노드들이 가지는 백오프 시간 값 중에서 가장 작은 값이다.", "즉 하나의 전송이 종료 되고 DIFS 이후 새로운 전송이 시작될 때까지의 한가한 구간을 의미한다.", "경쟁하는 노드가 \\( \\mathrm{N} \\) 개라고 할 때의 발생할 수 있는 \\( T_{i d l e}(N) \\) 의 길이는 수식 (5)와 같고, 충돌확률 \\( P_{C}(N) \\) 은 (6)과 같다.", "</p><p>\\( T_{\\text {idle }}(N)=T_{\\text {SlotTime }} \\times \\frac{1+P_{C}(N)}{2 N} \\times \\frac{C W_{\\min }}{2} \\)<caption>(3-18)</caption><caption>(5)</caption></p><p>\\( P_{C}(N)=1-\\left(1-\\frac{1}{\\mathrm{CW}_{\\min }}\\right)^{N-1} \\)<caption>(3-19)</caption><caption>(6)</caption></p><p>충돌이 발생할 경우 IEEE 802.11e의 네트워크 전체 성능에 큰 영향을 끼친다.", "이 값들은 유추하기 어렵지만, 앞서 설명하였듯이 IEEE 802.11과 달리 한번 채널을 획득한 노드는 그렇지 않은 노드보다 연속적으로 보낼 확률이 매우 높으므로 연속해서 보낼 경우의 평균전송률은 수식 (7)과 같다.", "</p><p>\\( Throughput_{\\text {total }}=\\frac{B_{\\text {PAYLOAD }}}{T_{S} \\times T X O P_{\\text {time }}+T_{C} \\times P_{C}} \\)<caption>(3-20)</caption><caption>(7)</caption></p> <h1>V.", "결 론</h1><p>제안한 전송 흐름을 고려한 TXOP 조정 알고리은 AP의 모니터링 프로그램을 이용하여 현재 접속된 노드의 채널 상태를 파악하여 IEEE 802.11e의 EDCF의 새로운 개념인 TXOP 값을 조정하여 채널 상태에 따라 우선순위가 낮은 AC에게도 할당함으로서 좋은 채널 상태를 유지하는 노드의 전송률을 최대한으로 활용함으로써 전체 전송률을 향상시킴을 확인하였고, TXOP 값의 활용을 통해 경쟁을 통한 시간낭비를 줄임으로써 전체 네트워크의 전송률 향상을 보임을 구현하였다.", "그리고 그 결과를 시뮬레이션으로 그 타당성을 입증하였다.", "</p><p>앞으로 불필요한 제어 신호들을 더 줄이고 더 많은 자원할당 알고리듬을 구현함으로써 전송률 향상은 더 좋아질 것으로 생각되며, 또한 다양한 시뮬레이션 시나리오를 통한 연구가 이루어져야 할 것으로 기대된다.", "</p> <h1>요 약</h1><p>본 논문에서는 IEEE 802.11e에서 전송 흐름율 고려한 능동적 자원할당 방법을 제안한다.", "IEEE 802.11e에서는 비디오나 음성 데이터의 QoS를 제공하기위해 우선순위가 높은 노드에게 정해진 시간동안 연속해서 보날 수 있도록 TXOP 파라메터 값을 정해놓고 있다.", "해당 시간동안 연속해서 데이터를 전송하므로써 채널의 점유를 위한 경쟁을 줄임으로써 충돌의 횟수가 줄어들어 빠른 데이터 전송의 장점은 있지만, 해당노드의 채널 상태가 좋지 못한 경우 전체 네트워크의 전송률은 떨어지고 우선순위는 낮지만 채널 상태가 좋은 노드의 경우 기다리는 시간이 길어지는 문제가 발생하게 된다.", "이러한 문제점을 해결하기 위해 채널 상태에 따라 TXOP를 조정하여 우선순위는 낮지만 채널 상태가 좋은 노드에게도 점차적으로 할당함으로써 채널을 최대한으로 활용하도록 하였고 자원의 능동적인 할당으로 전송률 향상에 기여하는 알고리듬을 제안하였다.", "</p> <p>각 사용자별 우선순위에 따른 AC 분류를 표 1에 나타낸다.", "MAC 계층에 도착한 각 프레임은 브리지 규격인 IEEE 802.1D의 우선순위에 따라 UP(User Priority) 값을 가지게 된다.", "각각의 트래픽은 특성에 따라 다시 4개의 AC로 분류되어 우선순위에 따라 독립적으로 EDCA 서비스를 받게 된다.", "</p><p>표 2는 EDCA의 파리미터 설정 값을 나타낸다.", "DCF가 사용하는 DIFS, CWmin, CWmax 대신에 각각 AIFS[AC], CWmin[AC], CWmax[AC]를 사용하여 모든 AC간 우선순위의 차이를 서로 다르게 설정된 AC 파라미터 값을 사용함으로써 AC별로 서비스를 차별화 하는 방식을 사용한다.", "</p><p>채널이 한가해지면 백오프 카운터를 감소시키고 채널이 사용 중일 때는 감소를 멈추게 된다.", "백오프 카운터가 0이 되면 프레임을 전송할 수 있는 기회를 가지게 된다.", "EDCA는 각각의 AC마다 서로 다른 AIFS(Arbitrated IFS)를 사용함으로써 채널이 한가해 질 때까지 기다리는 시간을 차별화 한다.", "또한 경쟁 원도우 크기를 고정된 상수가 아닌 AC별로 각각 다르게 설정하여 각 우선순위에 따라 채널 접근 확률을 다르게 하여 우선순위가 높은 프레임의 전송확률을 높게 하여 차별화된 서비스를 구현하게 된다.", "AIFS[AC]값을 계산하는 방법은 아래 식(1)과 같이 구할 수 있다.", "</p><p>\\( \\operatorname{AIFS}[A C]=\\operatorname{AIFSN}[A C] \\times \\text{a Slot time} + \\text{SIFS time}\\)<caption>(1)</caption></p><p>이렇게 구현된 값은 AP에서 비컨 프레임에 실려 각 노드에게 전달된다.", "AIFS[AC]와 CWmin[AC]의 값은 작을수록 높은 우선순위를 가진다.", "짧은 대기 시간으로 채널 접근 지연이 짧아져 주어진 트래픽 환경에서 보다 많은 대역을 사용할 수 있게 된다.", "EDCF에서 프레임 전송 시 충돌이 발생할 경우 새로운 백오프 카운트를 생성하게 되는데 백오프 과정은 기존의 DCF에서와 유사하게 구하지만, EDCF는 각 AC별로 상이하게 할당되는 PF(Persistence Factor) 값이 추가되어 계산된다.", "식 (2)는 새로운 백오프 카운터 생성에 사용되는 식이다.", "</p><p>\\( New C W[A C]= ( old C W[A C]+1) \\times P F[A C])-1 \\)<caption>(2)</caption></p><p>PF의 값은 DCF와 동일하게 2 로 고정하여 경쟁 윈도우의 크기를 지수적으로 증가시키게 된다.", "</p><p>AC별 EDCF 채널접속에 대한 동작시간의 차트를 그림 2에서 보여준다.", "여기서 AIFS[AC]는 PIFS 보다 큰 값이어야 하는데 이는 적어도 SIFS 시간 보다 크게 하여 ACK 프레임 등과 같은 제어 프레임의 전송을 보호하기 위함이다.", "</p><p>그림 3에 나타낸 각 큐는 고유의 AIFS와 백오프 카운트를 가지고 있어 독립적인 백오프 값을 가지게 한다.", "그러나 서로 다른 AC에서 동시에 백오프 감소 프로시저를 완료하여 프레임을 전송하게 되는 경우 충돌이 발생하게 된다.", "이렇게 발생되는 충돌을 가상충돌(virtual collision)이라고 하고, 가상충돌 처리기(virtual collision handler)에 의해 조정된다.", "프레임 전송 도중 노드 간에 동시에 프레임을 전송하여 충돌이 발생할 경우, 백오프 카운터는 기존의 DCF와 유사하다.", "하지만, 하나의 노드 내에서 우선순위에 따라 다른 출력 큐를 가지고 수행된다.", "하나의 AC는 자신의 AIFS 값을 가지고 독립된 백오프 카운터를 수행하여 무선 매체접근을 위해 개별적인 EDCA 경쟁개체로서 역할을 수행한다.", "</p><p>IEEE 802.11e에서는 Legacy MAC과는 달리 특정한 노드에게 프레임을 전송할 수 있는 시간을 할당하여 그 시간 내에서 연속해서 데이터를 전송할 수 있는 전송권한을 주는 새로운 개념인 TXOP를 정의하였다.", "</p><p>그림 4에 나타낸 EDCF의 TXOP는 전송 우선순위에서 실시간 전송에 민감한 트래픽에 대하여 AC에 두 개 이상의 프레임이 쌓여 있을 때 우선적으로 전송할 수 있는 기회를 연속적으로 할당함으로써 사용자의 서비스 요청에 부응할 수 있도록 한 것이다.", "QoS 전송에 참여하는 노드는 EDCA와 HCCA 두 가지 채널 접근 방법을 사용하여 일정한 기간 동안 트래픽을 전송할 수 있는 TXOP를 얻을 수 있다.", "TXOP 획득은 EDCA 경쟁에서 성공하여 얻게 되는 EDCA TXOP와 AP로부터 QoS(+) CF-Poll 프레임을 받음으로써 가능해지는 Polled TXOP로 정의하고 있다.", "</p><p>QoS 프레임을 전송하기 위해서는 기존의 DCF와 PCF 방식과 같이 전송 전에 자원 예약이 이루어져야 한다.", "하지만 기존의 자원예약 방식이 프레임 단위로 이루어지는 것과 달리 HCF에서는 버스트 단위로 자원예약이 이루어진다.", "이러한 자원예약은 향상된 단말기가 비컨 프레임을 통하여 HC에게 TXOP를 요청하는 것으로 이루어진다.", "</p><p>이와 같이 TXOP라는 개념을 이용해 임의의 한 노드가 프레임을 전송할 수 있도록 일정 시간을 부여하거나 강제적으로 전송 시간을 제한할 수 있다.", "TXOP의 전송 시작시간과 최대 전송시간은 AP에 의해 결정되는데, EDCA TXOP의 경우 비컨 프레임에 의해, Polled TXOP의 경우는 QoS CF-Poll 프레임에 의해 노드에 통보된다.", "DCF와 PCF를 사용하는 기존 IEEE 802.11 MAC과도 호환이 된다.", "</p> <h1>IV.", "시뮬레이션 및 고찰</h1><p>IEEE 802.11e EDCA에서는 물리계층에 따라 최적의 EDCF 경쟁 파라미터를 구하기 위해 많은 연구를 수행하고 있지만, 특히 AP와 결합된 노드의 수가 실시간으로 증가 또는 감소함에 따라 이에 적합한 경쟁 파라미터를 산출하여 동적으로 네트워크에 적용하고자 하는 연구 노럭이 다소 미비했다.", "노드의 수를 고려한 경쟁 파라미터의 능동적인 자원 할당으로 네트워크의 전체 전송률을 향상시킬 수 있다.", "</p><p>따라서 본 장에서는 시뮬레이션을 통해 노드 수와 트래픽 유형 및 전송속도를 변화 시키면서 네트워크의 성능을 나타내는 전송률, 충돌률, 공정성에 대한 시뮬레이션 결과 값을 분석하여 최적의 파마미터를 능동적으로 할당하게 하는 알고리듬을 적용하여 네트워크의 전체 전송률을 향상시키는 결과를 예상한다.", "</p><p>IEEE 802.11e EDCA 기반의 다중 전송 속도에서 전송률 향상을 위한 여러 가지 파라미터의 조정으로 제안한 알고리듬의 성능을 분석하기 위해 네트워크 시뮬레이터 ns-2를 사용하였다.", "본 실험은 UC Berkely에서 C++와 Otcl을 사용하여 제작한 ns-2를 사용하였다.", "실험에서 사용한 ns-2 시뮬레이터는 IEEE 802.11만 지원하는 기존의 ns-2에 IEEE 802.11e MAC의 ECDF가 추가된 Technical Univ.", "of Berlin의 TNG에서 제공하는 소스에 추가하였다.", "</p><p>표 3은 코덱의 압축률 및 효율성에 나타낸 표이다.", "실험에 사용할 트래픽 소스는 IEEE 802.11e 무선 LAN에서 사용되는 음성 트래픽은 압축 종류에 따라 전송속도와 품질 지표로 사용되는 MOS나 R Value 값을 참조하여 현재 가장 많이 사용되고 있는 G.729A를 기준으로 20바이트의 패킷으로 선택했고, 데이터의 전송속도는 \\( 8 \\mathrm{~Kbps} \\) 이상 나오도록 주기를 설정하였다.", "</p><p>IEEE 802.11e EDCA 기반의 다중 전송 속도에서 전송률 향상을 위한 여러 가지 파라미터의 조정으로 제안한 알고리듬의 성능을 분석하기 위해 네트워크 시뮬레이터 ns-2를 사용하였다.", "본 실험은 UC Berkely에서 C++와 Otcl을 사용하여 제작한 ns-2를 사용하였다.", "실험에서 사용한 ns-2 시뮬레이터는 IEEE 802.11만 지원하는 기존의 ns-2에 IEEE 802.11e MAC의 ECDF가 추가된 Technical Univ.", "of Berlin의 TNG에서 제공하는 소스에 추가하였다.", "</p><p>Ns-2 버전은 2.30을 사용하였고 OS는 Ubuntu linux 8.04(Kernel 버전 2.6.24)를 사용하였다.", "그리고 시뮬레이션 환경에서 분석해야 할 토폴로지와 시나리오 구성에 대해 논하고 마지막으로 제안한 알고리듬의 성능을 평가하기 위해 IEEE 802.11e와 비교하여 시뮬레이션하고 전송률, 충돌률, 전송 공정성 항목으로 나누어 평가하였다.", "</p><p>실험에 사용할 트래픽 소스는 IEEE 802.11e 무선 LAN에서 사용되는 음성 트래픽은 압축 종류에 따라 전송속도와 품질 지표로 사용되는 MOS나 R Value 값을 참조하여 현재 가장 많이 사용되고 있는 G.729A를 기준으로 20바이트의 패킷으로 선택했고, 데이터의 전송속도는 \\( 8 \\mathrm{~Kbps} \\) 이상 나오도록 주기를 설정하였다.", "데이터 패킷은 FTP 데이터로 1000바이트의 패킷을 지속적으로 발생하도록 하였다.", "또한 음성은 패킷의 최대한 지연을 감소시키기 위하여 CBR(Constant Bit Rate) 소스를 이용하여 패킷을 생성하였다.", "표 4는 실험에 사용된 트래픽 파라미터를 나타낸다.", "</p><p>데이터 패킷은 FTP 데이터로 1000바이트의 패킷을 지속적으로 발생하도록 하였다.", "또한 음성은 패킷의 최대한 지연을 감소시키기 위하여 CBR(Constant Bit Rate) 소스를 이용하여 패킷을 생성하였다.", "표 5는 실험 트래픽 유형 및 특성을 나타낸다.", "</p><p>표 6은 실험 트래픽 파라미터를 나타낸다.", "</p> <p>그림 11은 노드 수에 대한 전송률을 나타낸다.", "높은 전송률을 갖는 랩톱컴퓨터만 연결된 환경에서 제안한 알고리듬의 전송률이 기존의 IEEE 802.11e 보다 향상되었음을 알 수 있다.", "평균 전송률이 \\( 1.04 \\mathrm{~Mbps} \\) 의 전송률 증가로 \\( 9.61 \\% \\) 의 증가를 나타내었다.", "</p><p>따라서 본 논문에서 제안한 방법은 노드의 수에 맞는 적정의 파라미터 값을 할당함으로써 전송률의 향상을 기대할 수 있다.", "</p><p>그림 12는 노드 수에 대한 충돌률을 나타낸다.", "높은 전송률을 갖는 랩톱컴퓨터만 연결된 환경에서 제안한 알고리듬의 충돌률이 기존의 IEEE 802.11e 보다 많이 향상되었음을 알 수 있다.", "평균 충돌률이 \\( 40.8 \\% \\) 의 감소를 나타낸다.", "</p><p>노드의 수가 많을수록 충돌의 확률이 높아지는 현상은 동일하지만, 제안한 알고리듬이 기존의 알고리듬에 비해 많은 감소를 나타내는 이유는 IEEE 802.11e에 새롭게 추가된 중요한 개념인 TXOP를 활용하였기 때문이다.", "TXOP limit 시간은 실시간 서비스를 필요로 하는 우선순위가 높은 노드에게 할당하는 것으로 매체접근에 성공한 노드에게 연속해서 전송의 기회를 줌으로써 경쟁을 통하지 않고 TXOP limit 시간동안 연속에서 프레임을 전송할 수 있게 한다.", "이렇게 함으로써 경쟁에 의한 접속이 줄어들어 전체 충돌률은 감소하게 되어 네트워크 전체 전송률은 향상되는 장점을 가지게 된다.", "하지만, 한 노드에게 연속해서 전송의 기회를 할당함으로 전송 공정성과 시간 공정성 면에서는 공평한 서비스를 제공하지 못하는 단점을 가지게 된다.", "</p><p>전송 공정성은 각 노드들이 전송의 기회를 균등하게 가졌는지를 나타내는 지표이다.", "다중전송률을 지원하는 네트워크에서 AP에 접속된 노드들은 CSMA/CA 방식에 의해 경쟁을 통해 공평하게 전송할 수 있는 기회를 가지게 된다.", "하지만 IEEE 802.11e에서는 실시간 서비스를 필요로 하는 노드들에게 차별화된 서비스를 제공하기 위해 트래픽의 종류에 따라 AC로 분류 하여 각 노드의 채널 상태는 고려하지 않고, 우선순위에 따라 차별화된 서비스를 제공한다.", "따라서 AC별로 다양한 우선순위를 가지는 노드들의 분포에서는 전송 공정성이 낮아질 것으로 예상 할 수 있다.", "전송 공정성을 나타내는 Fairness index는 식 (9)로 나타낼 수 있다.", "</p><p>\\( \\text{Fairness index}=\\frac{\\left(\\Sigma T_{X}(i)\\right)^{2}}{n \\Sigma T_{X}(i)^{2}} \\)<caption>(9)</caption></p></p><p>여기서 \\( n \\) 은 AP에 접속된 노드의 수이고, \\( T_{X}(i) \\) 는 각 노드별 전송횟수를 나타낸다.", "전송률의 편차가 심할수록 1 에 멀리 떨어지는 현상이 나타난다.", "</p><p>그림 13는 노드 수에 대한 전송 공정성을 나타낸다.", "높은 전송률을 갖는 랩톱컴퓨터만 연결된 환경에서 제안한 방법의 공정성이 기존의 IEEE 802.11e 보다 낮아졌음을 보여준다.", "평균 전송 공정성은 \\( 2.80 \\% \\) 의 감소를 나타낸다.", "</p><p>예상대로 전송 공정성에서는 제안한 방법이 기존의 IEEE 802.11e에 비해 낮아진 결과를 보인다.", "</p> <h1>II.", "본 론</h1><p>IEEE 802.11 MAC 프로토콜의 QoS 보장문제를 해결하는 방법으로 IEEE 802.11의 DCF 및 PCF 프로토콜을 기반으로 하는 HCF를 제안하였다.", "HCF의 채널접속 방식은 DCF 방식을 향상시킨 EDCF(Enhanced DCF)를 기본 바탕으로 해서 PCF를 보완한 HCCA의 파라미터화된 QoS를 지원할 수 있도록 폴링방식과 HC(Hybrid Coordinator)의 우선순위 채널 접속방식을 함께 사용한다.", "QoS 프레임을 전송하기 위해서는 기존의 DCF와 PCF 방식과 같이 전송 전에 자원예약이 이루어져야 한다.", "하지만 기존의 자원 예약방식이 프레임 단위로 이루어지는 것과 달리 HCF에서는 버스트 단위로 자원예약이 이루어진다.", "이러한 자원예약은 향상된 단말기가 RR(Receiver Report) 프레임을 통하여 HC에게 TXOP를 요청하는 것으로 이루어진다.", "</p><p>HC는 BSS의 QAP(QoS Access Point)에 위치하고, 각각의 연결 설정에 대한 트래픽 협상과 QoS 요구사항을 고려하여 중앙 집중적인 스케줄링에 의하여 비경쟁 구간과 경쟁 구간에 모두 QSTA(QoS Station : 기존의 IEEE 802.11과 IEEE 802.11e의 station을 구분하기 위함)의 TXOP를 할당하는 역할을 한다.", "HC는 각각의 트래픽 흐름에 대하여 남아있는 트래픽의 양을 분석함으로써 자신의 스케줄러를 조정하여 QoS를 보장하고, 폴링방식과 임의의 접속방식을 함께 사용함으로써 우선순위 서비스와 예약기반 서비스를 모두 제공한다.", "</p><p>HCF는 경쟁 주기와 비경쟁 주기에 QoS 데이터를 전송하기 위해 QoS 데이터 프레임을 포함하고 있다.", "QoS 지원을 위한 EDCF라 불리는 HCF 경쟁기반 채널 접속 방식과 QoS 보장을 위한 poll-and-response 프로토콜의 HCF 비경쟁 채널 접속방식을 사용한다.", "EDCF 방식은 Infrastructure 모드와 Ad-hoc 모드에서 prioritized QoS를 지원하는데 사용될 수 있다.", "IEEE 802.11에서 정의하는 MAC은 유선 LAN 방식인 이더넷에서 사용하고 있는 CSMA/CD(Carrier Sense Multiple Access Collision Detection) 기술과 유사한 CSMA/CA 기술을 사용한다.", "IEEE 802.11 MAC은 CSMA/CA 프로토콜에 바탕을 두는 필수기능인 DCF와 선택기능인 PCF을 정의하고 있다.", "즉, 전송매체는 경쟁(contention) 모드인 DCF와 비경쟁(contention-free) 모드인 PCF 모두에서 동작할 수 있다.", "그림 1은 MAC 프로토콜의 분산조정 함수구조를 나타낸다.", "</p><p>IEEE 802.11 PCF와 IEEE 802.11e HCF(Hybrid Coordination Function)를 지원하는 Enhanced MAC 프로토콜 구조에서 HCF는 음성과 같은 지연에 민감한 서비스 제공을 위해 트래픽 스펙 요소(Traffic Spec. Element)를 이용하여 트래픽 카테고리별로 서비스 수준을 정의하고 있다.", "폴링방식에 의한 매체접근을 제어하는 PCF와 경쟁을 기반으로 하는 DCF 방식을 향상시킨 HCF 방식은 QBSS(QoS BSS)에 존재하는 HC가 경쟁 주기 동안에 QoS 데이터를 전송할 수 있는 방법인 EDCA와 Polled 기반의 컨트롤 채널접근 방법을 사용하는 HCCA의 동작을 모두 지원한다.", "</p> <p>연속적인 전송 이후에는 모든 노드들이 동등하게 다시 경쟁하므로 전송하려는 노드의 개수를 \\( \\mathrm{N} \\) 라고 할 때 네트워크 전체 전송률 값은 네트워크의 토폴로지 상황에 따라 매우 다양한 결과가 나오게 되고 이론적으로 산출하기가 어렵다.", "따라서 시뮬레이션을 통해 그 값을 도출하고 성능을 평가하였다.", "</p><p>그림 5는 전송 흐름을 고려한 능동적 자원 할당을 위해 TXOP limit에 따른 패킷 크기별 시나리오이다. \\", "( 54 \\mathrm{Mbps} \\) 전송속도를 갖는 따른 랩톱컴퓨터가 30개 있을 때 TXOP limit에 따른 전송률, 충돌률, 공정성에 대해 평가하였다.", "각 랩톱컴퓨터에서 전송하는 데이터의 크기는 \\( 1024 \\mathrm{bytes} \\)와 \\( 512 \\mathrm{bytes} \\)로 설정하여 비교하였다.", "</p><p>그림 6은 패킷 크기에 대한 TXOP limit 별 전송률을 나타낸다.", "TXOP limit가 \\( 0 \\mathrm{~msec} \\) 에서 \\( 0.9 \\mathrm{~msec} \\) 까지는 전송률의 변화를 보이지 않지만, TXOP limit가 \\( 1.2 \\mathrm{~msec} \\) 일 때 \\( 1024 \\mathrm{bytes} \\)는 \\( 12.26 \\mathrm{Mbps} \\) 로 \\( 1.17 \\mathrm{Mbps} \\) 가 증가하였고, \\( 512 \\mathrm{bytes} \\)는 \\( 7.10 \\mathrm{Mbps} \\) 로 \\( 0.85 \\mathrm{Mbps} \\) 가 증가하였다.", "따라서 \\( 1024 \\mathrm{bytes} \\)에서는 약 \\( 10.63 \\% \\) 의 증가를 나타내고, \\( 512 \\mathrm{bytes} \\)에서는 \\( 13.71 \\% \\) 의 증가를 나타내고 있다. \\", "( 1.2 \\mathrm{msec} \\) 이후 전송률의 큰 변화를 보이고 있지 않고 있다.", "TXOP limit 크기는 표준에 정의된 AC[VI]의 TXOP limit에 설정된 \\( 3.008 \\mathrm{~msec} \\) 를 넘지 않도록 하였다.", "</p><p>그림 7은 패킷 크기에 대한 TXOP limit별 충돌률을 나타낸다.", "TXOP limit가 \\( 0 \\mathrm{~msec} \\) 에서 \\( 0.9 \\mathrm{~msec} \\) 까지는 전송률의 변화를 보이지 않고 있다.", "TXOP limit가 \\( 1.2 \\mathrm{~msec} \\) 일 때 \\( 1024 \\mathrm{bytes} \\)는 205.35회이고, \\( 512 \\mathrm{bytes} \\)는 228회이다. \\", "( 1024 \\mathrm{bytes} \\)에서는 약 \\( 45.17 \\% \\) 의 감소를 나타내고, \\( 512 \\mathrm{bytes} \\)에서는 \\( 36.87 \\% \\) 의 감소를 나타내고 있다. \\", "( 1.2 \\mathrm{~msec} \\) 이후 전송률의 큰 변화를 보이고 있지 않고 있지만, 전체적인 감소 현상을 나타내고 있다.", "TXOP limit의 값이 증가할수록 경쟁을 통한 매체접근 시간이 줄어들므로 limit의 값이 증가할수록 감소하는 현상이 나타난다.", "</p><p>그림 8은 패킷 크기에 대한 TXOP limit 별 공정성을 나타낸다.", "TXOP limit가 \\( 0 \\mathrm{~msec} \\) 에서 \\( 0.9 \\mathrm{msec} \\) 까지는 전송률의 변화를 보이지 않고 있다.", "TXOP limit가 \\( 1.2 \\) \\( \\mathrm{~msec} \\) 일 때 전송 공정성이 감소하는 것을 볼 수 있다. \\", "( 1024 \\mathrm{bytes} \\)는 0.53이고, \\( 512 \\mathrm{bytes} \\)는 0.54이다.", "따라서 TXOP limit가 \\( 1.2 \\mathrm{~msec} \\) 에서 전송 공정성의 변화가 나타남을 알 수 있다.", "이것은 \\( 1.2 \\mathrm{~msec} \\) 에서 연속해서 전송이 되므로 전송 공정성이 감소함을 예측할 수 있다.", "하지만 TXOP를 사용하지 않는 \\( 0 \\mathrm{~msec} \\) 와 비교해 볼 때 전송 공정성에서 큰 차이를 나타내고 있지 않음을 알 수 있다.", "</p><p>따라서 전체 전송률은 네트워크의 토폴로지 상황에 따라 매우 다양한 결과가 나오므로 시뮬레이션을 통해 산출해 보았다.", "이런 결과를 토대로 전송률 향상을 위한 TXOP 조정 알고리듬을 설계하였다.", "</p><p>채널 상태를 고려한 능동적 자원할당 방법은 AP가 주기적으로 네트워크의 트래픽을 관찰하여 QoS 트래픽의 유무를 확인하여 우선순위가 낮은 AC의 TXOP limit를 조정하는 것이다.", "그림 9와 같이 QoS 트래픽이 없는 경우 우선순위가 낮은 AC의 TXOP limit 값을 일정한 크기 \\( (\\Delta) \\) 만큼 증가시키고, QoS 트래픽이 있는 경우 TXOP limit 값을 TXOP limit\\(/\\)2 값만큼 감소시킨다.", "여기서 우선순위가 낮은 TXOP limit 값의 증가량은 선형적으로 증가시키고, 감소량은 지수적으로 감소시키게 된다.", "그 이유는 QoS 트래픽이 감지되는 경우 빠른 실시간 서비스를 지원하기 위해서이다.", "그리고 데이터 프레임 이외의 연결 설정에 필요한 제어 프레임이 감지되는 경우 앞으로 새로운 노드가 접속되는 경우이므로 \\( k \\) 배씩 감소시켜 초기 설정에 가까운 값으로 선형적으로 감소시키게 하였다.", "이렇게 조정된 TXOP limit 값은 다음 비컨 프레임을 통해 접속된 모든 노드들에게 전송하게 된다.", "여기서 \\( k \\) 와 \\( \\Delta \\) 의 값은 패킷을 전송할 때 소요되는 시간에 대해 연속적으로 전송 가능한 데이터의 전송 시간을 계산하여 네트워크의 채널 조건에 맞추어 설정할 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "IEEE \\(802.11\\)e에서 전송흐름을 고려한 TXOP 조정 알고리듬", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0c1bda9d-cdad-4421-ac3c-d8a1b215a167", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "정수경", "김남일" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅰ. 서 론</h1><p>고성능 컴퓨팅 및 네트워킹 기술은 기업체 및 연구기관을 중심으로 진보된 협업 시스템의 보급을 확산시켜 왔다.", "특히, 상용 시스템을 이용한 비즈니스 회의, 종업원 교육을 비롯해 연구 지향적인 협업 시스템을 이용한 과학적 공동 실험, 원격 강의 등 다양한 응용분야에서 폭 넓게 활용되고 있다.", "대표적인 상용 협업 시스템인, Cisco의 TelePresence와 HP의 Halo는 다중 디스플레이 장치 및 고해상도 카메라를 이용하여 원격지의 지식 노동자들 간에 현장감 있는 원격 회의 환경을 제공하고 있다.", "또한 아르곤 국립 연구소의 Access Grid와 마이크로소프트 리서치의 ConferenceXP는 멀티캐스트로 연결된 다수의 협업 공간들 간에 음성/영상/데이터 공유 서비스를 제공할 수 있는 협업 환경을 구성하며, 사용자들이 용도에 맞게 확장된 협업 환경을 구축하도록 추가적인 서비스들을 개발할 수 있는 프레임워크를 제공하고 있다.", "</p><p>이와 같은 진보된 협업 시스템의 하나로써, SMeet (Smart Meeting Space) 다자간 상호작용 협업 환경이 개발되었다.", "SMeet는 고품질의 영상, 음성, 그래픽스의 공유뿐만 아니라, 다중 포인팅 및 위치 추적 장치를 이용하여 상호작용 가능한 초고해상도 격자형 디스플레이를 제공함으로써, 보다 현장감있는 그릅형 공동작업 환경을 제공하고 있다.", "그러나 이와 같은 형태의 협업 환경은 수많은 하드웨어 및 소프트웨어들로 구성되기 때문에, 협업 시스템의 조작에 익숙하지 않은 사용자가 일일이 모든 구성요소들을 직접 조작하는 일은 어려울 뿐만 아니라 비효율적이다.", "이러한 이유로, 협업 환경의 관리 및 운용 측면에서 사용자 편의성을 향상시킬 수 있는 방법에 대한 연구는 중요하다고 할 수 있다.", "</p><p>협업 환경에서 구성 요소들의 관리를 편리하게 해주는 추상화 기술은 여러 연구진들에 의해 연구, 개발되고 있다.", "GAIA에서는 각 구성요소를 Active Space API (application programming interfaces)를 통해 고유 기능에 접근할 수 있도록 만든 후, 객체지향 프로그래밍에서 널리 활용되는 MVC (model, view, controller) 모델을 확장한 응용 프레임워크를 통해 사용자가 구성 요소들 간에 상호작용을 프로그래밍 할 수 있는 소프트웨어 구조를 개발하였다.", "또한 Easy Meeting에서는 주어진 회의 시나리오에 맞게 각 서비스 에이전트들 간에 상호작용을 워크플로우로 정의하여, 설정된 방식에 따라 서비스 에이전트들이 유기적으로 협력하여 서비스를 제공하는 기술을 개발하였다.", "또 다른 연구로써, Access Grid 노드를 구성하는 분산된 멀티미디어 하드웨어 및 소프트웨어를 파일 시스템처럼 계층적으로 관리하기 위한 추상화 기능을 제공하는INDIVA는 상위 수준의 명령어를 통해서 모든 자원들을 발견, 연결, 조작할 수 있는 미들웨어를 구현하였다.", "그러나 이러한 방법들은 이용하기 위해서는, 수많은 구성요소들 중에서 사용할 서비스들의 선택, 서비스들의 연결, 서비스들의 상호작용 순서를 결정하는 절차를 사용자가 사전에 정해야 한다.", "이러한 제약으로 인해 참여 노드들의 이질적인 성능 특성, 시간에 따라 변화하는 가용자원 상태, 서로 다른 사용자 의도 등 가변적인 협업 문맥에 동적으로 대응하기 어렵다는 단점이 있다.", "</p><p>따라서 성공적인 협업 환경을 구성하기 위해서는 참여자들이 협업 환경의 구성 및 운용에 많은 노력을 기울이지 않고 공동 작업을 할 수 있도록 의도된 협업 요구사항들을 자율적으로 만족시키는 것이 매우 중요하다.", "이를 위해, 분산된 하드웨어 및 소프트웨어들의 상태 정보 (문맥)를 용이하게 수집/관리할 수 있고, 이들의 기능을 표준화된 방법에 따라 통제할 수 있는 방법이 마련되어야 한다.", "또한 협업 환경의 문맥 (예, 사용자 기호, 가용 자원 상태, 달성되어야 할 협업의 임무 등)에 따라 복합적인 협업 응용 서비스(즉, 단일 서비스로는 제공할 수 없으나 다수의 서비스들이 협동하여 제공할 수 있는 확장된 서비스)를 제공하기 위한 협업 환경의 자율적 구성 및 관리 방법이 고려되어야 한다.", "</p><p>위와 같은 요구사항을 해결하기 위해, 본 논문에서는 서비스 지향 구조 (service-oriented architecture)에 기초한 에이전트 기반의 서비스 합성 모델를 제안한다.", "기본적인 접근방법은 다음과 같다.", "먼저, 기존 협업 소프트웨어의 데이터 및 인터페이스를 네트워크로 접근 가능하도록 만들기 위하여 컴포넌트 기반의 소프트웨어인 서비스로 만든 후, 협업 환경에서 관리 가능한 구성요소로 등록시킨다.", "다음으로, 복합적인 협업 응용을 제공하기 위한 서비스 합성 알고리즘을 통해, 서비스 요구사항에 맞는 이용 가능한 서비스들을 발견하고 이들을 서로 연결함으로써 주어진 협업 응용을 제공하기 위한 서비스들의 상호작용을 돕는다.", "</p><p>제안하는 서비스 합성 모델은 다음과 같은 특징을 가진다.", "첫째로, 서비스들은 상호 연결되어 전체적인 협업 공간의 정보를 (온톨로지를 이용한) 정형화된 형식에 따라 공유할 수 있다.", "이는 협업 환경이 각 서비스들이 관심있는 서비스들의 상태 정보를 공유하고, 이를 통해 협업 맥락에 따른 서비스 간 상호작용이 가능하게 된다.", "둘째로, 복합적인 협업 응용의 구체적인 내용에 따라 이용 가능한 서비스들을 합성함으로써 협업 환경의 운용 및 관리를 위한 사용자 개입을 최소화하면서, 주어진 목적에 맞게 협업 환경을 자동적으로 구성할 수 있다.", "제안하는 구조의 가능성을 검증하기 위하여, SMeet 시스템에서 서비스들을 추상화하고, 주어진 협업 응용에 따라 서비스를 합성하기 위한 SMeet 관리툴킷을 개발한다.", "다중 에이전트 시스템 미들웨어인 JADE (Java Agent DEvelopment Framework)를 기반으로 본 툴킷 및 관련 서비스들을 구현한 후, 주어진 협업 응용 서비스 시나리오 (예, 영상 회의)에 따라 결과를 검증한다.", "</p><table border><caption>표 1. 다자간 협업 환경을 위한 서비스 합성 구조의 개념적 모델</caption><tbody><tr><td>추상화 수준 \\ 기능적 구분</td><td>상호작용 모델</td><td>환경 모델</td><td>표현 모델</td><td>응용 모델</td><td>데이터 모델</td></tr><tr><td>작업 계층 (Task layer)</td><td>공유 객체별로 특화된 조작을 위한 상호작용 인터페이스</td><td>작업과 연관된 공유 객체들을 처리하기 위한 서비스 관리자들의 정보</td><td>주어진 작업의 진행 상황 및 작업과 관련된 공유 객체들의 상태 표현</td><td>작업과 연관된 공유 객체들의 조작 방법</td><td>작업과 연관된 공유 객체들에 대한 데이터</td></tr><tr><td>서비스 관리자 계층 (Service manager layer)</td><td>서비스 관리자의 운영 방식 및 협력할 대상 서비스 관리자를 지정하기 위한 인터페이스</td><td>주어진 공유 객체를 처리하기 위한 서비스 정보</td><td>주어진 공유 객체를 처리하기 위한 서비스 연결 상태 표현</td><td>주어진 공유 객체를 처리하기 위한 서비스들의 합성 논리 제공</td><td>합성된 서비스로부터 수집된 통합 데이터</td></tr><tr><td>서비스 계층 (Service layer)</td><td>서비스의 시작, 설정, 중단을 위한 인터페이스</td><td>협업 툴이 제공하는 능력 및 정보</td><td>서비스에 대한 상태 정보 표현</td><td>서비스가 제공하는 협업 기능</td><td>서비스의 운용 상태 및 수행 데이터</td></tr></tbody></table><p>본 논문의 구성은 다음과 같다.", "다음 절에서는 다자간 협업 환경을 위한 서비스 합성 모델과 각 요소별 명세에 대해서 설명하고, 이를 구현하기 위한 에이전트 기반의 소프트웨어 구조 설계 및 서비스 합성 알고리즘을 제안한다.", "이 후, 구현 결과를 설명한 뒤, 결론으로 본 논문을 맺는다.", "</p> <h1>Ⅱ. 다자간 협업 환경을 위한 서비스 합성 모델</h1><h2>1. 서비스 합성을 위한 개념적 모델</h2><p>다자간 협업 환경을 위한 서비스 합성 구조를 설명하기 위하여, BEACH 응용 모델 및 소프트웨어 프레임워크를 활용하여 제안하는 서비스 합성 구조의 개념적인 모델을 표 1과 같이 기술한다.", "표 1에 나타난 기능적 구분은 다음과 같이 정의된다.", "기능적 구분에서 데이터 모델은 사용자가 만들거나 상호작용할 수 있는 데이터의 종류를 뜻하며, 응용 모델은 데이터 모델의 조작에 필요한 기능을 정의한다.", "환경 모델은 협업 환경에서 기능 수행에 영향을 미치는 여러 가지 요인들에 대한 정보를 기술하며, 표현 모델은 사용자가 데이터 모델의 상태를 보여주기 위한 요소를 나타내고, 상호작용 모델은 응용 모델과 연계하여 데이터 모델의 상태를 변경하기 위한 방법을 결정한다.", "추상화 수준은 작업 계층, 서비스 관리자 계층, 서비스 계층으로 구성되며, 그림 1과 같이 서비스 합성 모델을 위한 계층적 구조로 표현된다.", "작업(task)에서 원하는 복합적인 협업 응용 서비스의 특성을 기술하고, 관련된 서비스 관리자(service manager)들에게 이를 전달함으로써, 서비스(service) 구성 및 운용에 관한 책임을 부여한다.", "전달된 작업 내용에 입각하여, 서비스 관리자는 사전에 준비된 서비스 합성 논리를 기반으로, 필요한 서비스들을 발견하고 실행 순서에 따라 연결한 후, 통합적으로 실행한다.", "</p><h3>가.", "작업 계층</h3><p>작업 계층에서는 협업 환경에서 필요한 응용 서비스 (예를 들면, 영상회의, 공동문서 작업, 가시화 콘텐츠 공유 등)에서 공유되어야 할 콘텐츠를 사용자 친화적인 방법으로 다루기 위한 추상화된 기능을 제공한다.", "여기서 공유되어야 할 콘텐츠를 공유 객체(shared object)라고 부른다.", "이 계층에서 데이터 모델은 작업과 연관된 공유 객체들에 대한 정보를 기술한다.", "예를 들어 발표자와 관련된 콘텐츠들을 공유 객체라고 가정한다면, 발표자 모습을 바라보는 시점, 발표자의 모습에 포함되는 배경 정보, 발표자의 음성, 발표 자료, 손동작을 이용한 가상 물체와의 상호작용 등이 공유 객체의 데이터 모델로 표현될 수 있다.", "응용 모델에서는 공유 객체를 조작(예를 들면, 발표자를 바라보는 시점 변경)하기 위한 방법을 제공한다.", "표현 모델에서는 주어진 작업에 특화된 GUI를 통해 관련된 공유 객체들의 상태를 표시하는 방법을 정의한다.", "즉, 주어진 작업과 관련된 모든 콘텐츠들의 상태를 표현한다.", "환경 모델에서는 공유 객체들을 사용자의 요청에 맞게 처리하기 위해서 이용할 수 있는 서비스 관리자들의 정보를 기술한다.", "상호작용 모델에서는 공유 객체들을 조작하기 위한 특화된 인터페이스를 기술한다.", "예를 들면, 발표자의 자로를 원하는 위치에 배치시키는 시각화 공유 (visual sharing) GUI 등을 고려할 수 있다.", "</p><h3>나.", "서비스 관리자 계층</h3><p>주어진 작업에서 요구하는 공유 객체들을 처리하기 위해서는, 공유 객체의 처리 요구사항과 협업 환경의 상황의 이해를 기반으로 관련된 서비스들을 자동적으로 선택하고 이들에게 적절한 행위를 주문할 수 있는 상위 수준의 관리 기능이 필요하다.", "이와 같이 주어진 공유 객체를 처리하기 위한 상위 수준의 관리 개체를 서비스 관리자라고 부른다.", "서비스 관리자는 미디어, 네트워킹, 디스플레이, 상호작용과 같은 공통된 기능 그룹으로 분류된 관련 서비스들을 관리하는 소프트웨어로써, 공유 객체를 처리하기 위해 사전에 설정된 운용 방식에 따라 서비스들의 행위를 설정/제어하는 역할을 담당한다.", "이러한 자동적인 서비스 설정/제어는 사용자에게 복잡한 서비스 조작을 숨길 수 있다.", "</p><p>서비스 관리자의 데이터 모델에서는 주어진 공유 객체를 처리하기 위해 실행되고 있는 서비스들의 데이터를 수집하여, 통합된 형태의 데이터로 관리한다.", "예를들어, 사용자의 위치에 따라 디스플레이 장치들 사이에서 시각 콘텐츠를 이동시키는 follow-me display 작업을 수행하는 경우, 사용자의 위치를 파악하는 위치 추적 서비스로부터 사용자 위치 정보를 수집하고, 표현해야 하는 영상에 대한 식별자를 연계하여 구조화된 정보로 저장한다.", "응용 모델에서는 주어진 공유 객체에 대</p><p>한 조작 행위를 정의하며, 각 조작행위에 따라 관련 서비스들에게 적절한 지시를 내린다.", "이때 관련 서비스들의 선택과 이들의 (실제적인 인터페이스 연결에 의한)조합을 기술하는 워크플로우를 포함한다.", "표현 모델에서는 공유 객체를 처리하기 위한 관련 서비스들 간에 연결 관계를 (기능적 의존 그래프 형식으로) 표현한다.", "환경 모델에서는 주어진 공유 객체를 처리하기 위한 가용 서비스들의 상태 정보를 기술하며, 상호작용 모델에서는 주어진 공유 객체에 대한 상위 수준의 기능 제어 및 관리를 위한 인터페이스를 기술한다.", "</p><h3>다.", "서비스 계층</h3><p>서비스는 사용자들이 이용하기 위한 기본적인 협업 요소 기능들을 제공한다.", "이를 위해서, (음성/영상 전송프로그램과 같은) 협업 응용 소프트웨어에 직접 접근할 수 있는 부가적인 소프트웨어인 서비스를 구현한다.", "서비스는 분산 컴포넌트 기술을 기반으로 개발되므로, 기본적으로 네트워크상에서 다른 서비스들의 접근을 허용하고 서비스 기능을 이용할 수 있도록 인터페이스를 제공한다.", "단, 실제적인 접근과 제어는 주어진 권한에의해 제약을 받을 수 있다.", "네트워크를 통한 서비스 기능의 접근방식은 서비스들이 상호작용을 통해 새로운 협업 응용 서비스로 유연하게 만들 수 있도록 한다.", "</p><p>서비스의 데이터 모델은 서비스의 상태 (실행/대기 상태) 정보와 서비스가 수행하면서 획득한 문맥 (예를 들어, 네트워크 모니터링 서비스의 경우 패킷 손실률과 같은 모니터링 결과)을 포함한다.", "응용 모델에서는 서비스가 제공하는 기능을 실행하기 위한 행위를 기술하며, 표현 모델에서는 서비스 운용 상태에 대한 정보와 서비스 실행 시 획득되는 결과를 사용자에게 보여주기 위한 방법을 제시한다.", "환경 모델에서는 서비스가 이용하는 기존의 협업 응용 소프트웨어가 가지는 능력 및 설정 정보를 제공하며, 상호작용 모델에서는 응용 모델에서 제공하는 기능을 외부에서 활용하기 위한 인터페이스를 기술한다.", "</p> <h2>2. 계층별 구성요소의 기술방법</h2><h3>가.", "작업</h3><p>작업(task)는 협업 환경에서 협업의 목적을 완수하기 위하여 (지역 또는 원격 협업 노드들 상에서) 서비스 관리자들 간에 협력관계를 작업 그래프(task graph)를 이용하여 표현한다. 이를 위해, 작업 그래프는 서비스 관리자의 목록과 서비스 관리자의 운용 방식, 그들 간에 상호 연결 관계, 사용자 문맥을 기술한다. 서비스 관리자들 사이에 상호 연결 관계는 서비스 관리자들 간에 직접적인 상호작용이 가능한 지 여부를 표시한다. 사용자 문맥은 사용자가 협업 노드에서 가지는 권한, 역할, 서비스 기호 등을 포함하며, 이 문맥을 기반으로 서비스 관리자는 차등화된 협업 서비스 기능을 제공할 수 있다.</p><p>그림 2에서는 디스플레이와 함께 공유되는 상호작용 정보를 원격 참여자들에게 전달하는 상호작용 공유 디스플레이 작업을 실현하기 위해 서비스 관리자들 간의 연결 예제를 보여준다. 이 예제에서는 상호작용 장치를 사용하는 사용자들에게 지역과 원격 노드들의 디스플레이들과 상호작용할 수 있도록 상호작용 관리자와 다른 협업 노드에 있는 디스플레이 관리자들을 서로 연결한다. 서비스 관리자들을 연결하기 위해서, 그림 3과 같이 인접 리스트 방식에 의한 작업 그래프를 XML 문서로 작성한다.</p><h3>나. 서비스 관리자</h3><p>주어진 작업의 수행에 참여하는 과정에서 서비스 관리자들은 다른 서비스 관리자들과 협력한다. 서비스 관리자들은 중요한 협업 문맥을 공유하고, 다른 서비스 관리자들과 협상을 통해 협력의 범위, 방법 등 세부적인 내용들을 조율한다. 예를 들면, 우리는 포인팅 장치를 이용해 네트워크 디스플레 상에 표현되는 영상을 이동하는 작업을 가정해 보자. 만약 상호작용 관리자가 영상에 대한 정보를 요구한다면, 디스플레이 관리자는 그 정보를 제공한다. 만약 상호작용 관리자가 영상을 이동하는 요청을 하면, 디스플레이 관리자는 이 요청에 대한 수락 여부를 결정한 다음, 이를 처리한다.</p><p>이 때, 각 헙업 노드는 서로 다른 자원 상황과 작업 수행에 따른 서비스 가용성에 제약을 가지므로, 서비스 관리자들 간에 서비스 이용권한을 선점하기 위한 경쟁이 유발되어, 안정적인 협업 응용 서비스를 제공하는데 문제가 발생할 수 있다. 이를 해결하기 위해, 서비스 관리자는 운용 방식과 사용자 문맥에 기초하여 서비스 이용에 대한 우선 순위를 결정한다. 구체적으로 서비스의 인스턴스 개수, 서비스가 이용 가능한 QoS 파라미터의 수치적 범위를 운용 방식과 사용자 문맥에 따라 차등화 함으로써 서비스 이용 시 발생되는 문제점을 조정 할 수 있다. 서비스의 QoS 파라미터의 예를 들면, 미디어 공급자 서비스는 영상 프레임율의 상한선을 가질 수 있고, 미디어 수요자 서비스는 영상의 복호화를 위해 이용가능한 장치의 개수를 정할 수 있으며, 포인팅 서비스는 포인팅 정확도에 상한선을 정할 수 있다. 만약 서비스 관리자가 판단하기에 작업에서 요구하는 기능을 협업 노드가 충분히 제공할 수 없다면, 서비스의 QoS 파라미터를 하향 조정하여 서비스 기능을 제공한다.</p><p>주어진 작업을 처리하기 위해서, 서비스 관리자는 워크플로우를 기반으로 서비스 합성을 수행한다. 워크플로우는 상호 의존적인 관계를 가지는 서비스들 간에 작업 흐름을 어떻게 조정할 것인지 정형화된 방법에 따라 기술한다. 특정한 운용 방식에 의해서 선택된 워크플로우에 따라 서비스간 인터페이스 연결하여 실행하도록 중재하고, 정상적으로 요구된 기능이 수행되는지 감시한다. 예를 들면, 격자형 네트워크 디스플레이 상에 특정 공유 객체를 표현하고자 한다면, 그림 4에 나타난 디스플레이 관리자는 협업 노드에 존재하는 다양한 해상도와 크기를 가진 복수의 디스플레이 서비스를 조합하여, 네트워크 디스플레이 상에서 적절한 위치와 크기를 가진 콘텐츠를 표현한다.</p><p>협업 노드의 변화에 대하여, 워크플로우에 대응되는 서비스들의 선택과 파라미터 값의 결정은 자율적인 방식에 따라 설정되어야 한다. 이는 현재 시간에 존재하는 이용 가능한 서비스들 중에서 가장 적절한 서비스를 찾은 후 현재 상황에 맞는 파라미터 값을 입력해야 함을 의미한다. 시간에 따른 문맥의 변동성에 대응하기 위해, 워크플로우는 서비스 발견, 정합, 합성, 모니터링을 지원하는 SMeet 미디에이터의 API를 통해서 기술 되어야 한다. 이 방법에서, 만약 워크플로우가 서비스의 적절한 조건을 기술한다면, SMeet 미디에이터는 주어진 조건을 만족하는 서비스를 발견하여 워크플로우에 대응시켜준다.</p><h3>다. 서비스</h3><p>서비스는 서로 다른 능력과 전용 인터페이스를 가진(오픈 소스) 협업 응용 소프트웨어들의 다양한 집합을 쉽게 수용해야 한다. 이러한 요구사항을 해결하기 위해, 서비스는 협업 응용 소프트웨어들의 속성과 사전에 정해진 방식에 따라 이들을 실행하기 위한 인터페이스들을 이해하는 것이 필요하다. 서비스는 그림 5 에서 기술 되는 정보 요소들(즉, 이름, 역할, 유형, 서비스 인스턴스의 최대 수, 설정)을 포함하는 서비스 명세에 의해서 특성화된다. 역할은 이 서비스가 콘텐츠를 공급하는 지, 수신하여 활용하는 지, 아니면 두 가지 모두를 처리하는 지 설명하는 요소이다. 유형은 콘텐츠의 형식을 지정하는 요소이다. 서비스 인스턴스의 최대 수는 최대한 허용 가능한 서비스 인스턴스의 수이다. 설정은 추가적인 정보들, 예를 들면 전송 프로토콜, 커맨트라인 인터페이스, QoS 인자 등 협업 응용 소프트웨어를 조작하는데 필요한 요소들을 포함한다.</p> <h1>Ⅴ. 결 론</h1><p>본 논문에서 우리는 다자간 헙업 환경에서 에이전트기반의 서비스 합성 모델을 제안하고, 이를 실현하기 위한 SMeet 관리 툴킷의 설계 및 구현 내용을 소개하였다. 제안하는 방법은 선택된 서비스들과 함께 헙업의 목적에 맞도록 유연하게 협업 공간을 구성하는 것이 가능하다. 또한 복합적인 협업 작업을 제공하기 위한 서비스의 선택, 조합, 실행 방법에 대해 설계하였다. 제안하는 설계의 가능성을 확인하기 위하여, 다중 에이전트 기반의 협업 환경 관리 툴킷을 개발하였으며, 본 툴킷을 이용하여 미디어 관리자와 영상 회의와 관련된 서비스들을 구현하였다. 향후 연구로써 다중 에이전트 기반의 서비스 갈등 문제를 해결하기 위한 방법에 대해 해결할 예정이며, 1) 동시다발적으로 일어나는 다중 작업들 간에 서비스 선점 경쟁으로 인한 갈등 해소, 2) 이질적인 능력을 가진 협업 노드들 간에 협상 절차에 대한 방법론을 설계하고자 한다.", "궁극적로는 사용자의 노력을 최소화하면서 분산된 형태의 협업 환경을 쉽고 편하게 이용할 수 있도록 협업 환경의 관리 기능을 추상화하고자 한다.", "</p> <h1>Ⅲ. 에이전트 기반의 소프트웨어 구조 설계 및 서비스 합성 알고리즘</h1><p>이 절에서는 다자간 협업 환경을 위한 서비스 합성 모델을 실체화하는 SMeet 관리 툴킷에 대해 소개하고 구성요소별로 설계 및 구현 상황을 설명한 뒤, 에이전트 기반의 서비스 합성 알고리즘을 제안한다.", "</p><h2>1. 구성 요소의 설계</h2><p>그림 7에서 제안하는 소프트웨어 구조는 고유한 협업 요소 기능을 가진 각각의 서비스들을 이용하여, 노드의 능력과 사용 방식에 따라 서비스들 선택하여 협업 노드를 유연하게 구축하도록 한다.", "</p><p>SMeet 미디에이터는 서비스들을 발견/설정/합성하는 등의 협업 노드 내 서비스들을 관리하는 역할을 맡는다.", "협업 노드들과 상호 협력하기 위해서, SMeet 미디에이터는 그들과 협상(주어진 작업을 위한 협력 전략의 조율) 또는 정보를 교환(협업 맥락의 공유)하기 위해 협업 노드를 대표한다.", "협업 맥락 (서비스 능력, 서비스 상태, 사용자 기호와 같은 상황 정보 등)은 서비스들로부터 수집되어, 협업 상황정보 저장소 (space repository)에 저장된다.", "SMeet 미디에이터는 제공하는 협업 환경에 대한 모든 서비스들의 구성 정보를 가지고있으므로, 사용자 또는 서비스 관리자들이 가용 서비스 상태를 확인하고, 서비스들에게 특정 기능을 요구하고자 한다면, SMeet 미디에이터의 도움을 받아서 진행할 수 있다.", "SMeet 미디에이터를 구성하는 주요 기능 모듈은 다음과 같다.", "</p><table border><caption>표 2. 서비스 에이전트가 제공하는 API</caption><tbody><tr><td>메소드</td><td>파라미터</td><td>행위</td></tr><tr><td>init</td><td></td><td>Device 에이전트에 의해서 서버스가 추가되었을 때, 호출되는 메소드임.", "</td></tr><tr><td>start</td><td></td><td>SMeet 미디에이터 또는 다른 서비스, 서비스 관리자에 의해서 서비스가 시작되어 협업 응용 소프트웨어를 실행할 때, 호출되는 메소드임.", "</td></tr><tr><td>stop</td><td></td><td>SMeet 미디에이터 또는 다른 서비스, 서비스 관리자에 의해서 서비스가 중단되어 협업 응용 소프토웨어를 종료할 때, 호출되는 메소드임.", "</td></tr><tr><td>remove</td><td></td><td>Device 에이전트에 의해서 서비스를 제거할 때, 호출되는 메소드임.", "</td></tr><tr><td>serviceLinkAdded</td><td>Agent ID</td><td>다른 서비스 또는 서비스 관리자와 연결되었을 때 호출되는 메소드임.", "파라미터는 연결되는 에이전트의 ID임.", "</td></tr><tr><td>serviceLinkRemoved</td><td>Agent ID</td><td>다른 서비스 또는 서비스 관리자와 연결이 해제되었을 때 호출되는 메소드임.", "파라미터는 연결 해제되는 에이전트의 ID임.", "</td></tr><tr><td>getServiceOntologies</td><td></td><td>서비스 또는 서비스 관리자의 데이터 모델을 표현하는 온톨로지를 설정하는 메소드임.", "</td></tr><tr><td>startProcess</td><td></td><td>협업 응용 소프트웨어를 실행을 시작할.", "</td></tr><tr><td>stopProcess</td><td></td><td>협업 응용 소프트웨어를 실행을 중단함.", "</td></tr><tr><td>startServiceAgent</td><td>Agent ID</td><td>지정된 에이전트 ID를 가지는 서비스를 시작함.", "</td></tr><tr><td>stopServiceAgent</td><td>Agent ID</td><td>지정된 에이전트 ID를 가지는 서비스를 중단함.", "</td></tr><tr><td>search</td><td>Role / Type</td><td>지정된 역할과 유형을 가지는 모든 서비스들을 검색함.", "</td></tr></tbody></table><p>Service discoverer는 노드에서 이용가능한 서비스를 발견하고, 해당 서비스에 대한 서비스 능력과 서비스 상태를 지속적으로 보고받아서 space repository에 저장한다.", "</p><p>Service matchmaker는 서비스 관리자가 원하는 조건(서비스 능력 또는 상태)을 충족시키는 서비스를 찾기 위하여, 원하는 조건과 (완전히 또는 부분적으로) 일치하는 서비스들을 검색한다.", "</p><p>Service composer는 주어진 작업을 수행하기 위해서, 작업 그래프에 대응되는 서비스 관리자들이 있는 지 다른 협업 노드들의 SMeet mediator에게 질의하여, 그 결과에 따라 서비스 관리자들 간에 연결 관계를 구성하고, 실제적인 인터페이스 바인딩을 통해 서비스들을 합성한다.", "</p><p>SMeet node GUI는 노드를 구성하는 디바이스와 각 디바이스에서 이용 가능한 서비스들의 목록을 보여주고, 이들의 운용(설정, 시작, 종료)과 관련된 기본기능을 제공한다.", "</p><p>SMeet space GUI는 원하는 작업을 선택하기 위한 인터페이스를 제공하며, 실제 공동 작업이 실행되었을 때 유저가 공유 객체에 대한 세부적인 조작을 할 수 있도록 도와주는 기능을 제공한다.", "</p><p>디바이스 에이전트 (device agent)는 협업 환경에서 동작하는 PC, 이동단말, 내장형 장치에 탑재되어 장치</p><p>를 SMeet 미디에이터에게 등록시키고, SMeet 미디에이터의 명령에 따라 서비스 또는 서비스 관리자를 추가, 삭제하는 역할을 담당한다.", "또한 장치의 시스템 성능 (CPU 점유율, 메인 메모리 사용량 등) 및 서비스 상태 정보를 파악하여 SMeet 미디에이터에게 보고한다.", "</p><p>서비스 에이전트 (service agent)는 협업 응용 소프트웨어를 협업 노드에서 사용할 수 있도록 관리 가능한 대상으로 만들어주는 소프트웨어이다.", "서비스 에이전트는 헙업 응용 소프트웨어 기술서를 기반으로 서비스 능력을 파악하고, 실행 시 전달받은 서비스 문맥을 수집하여 SMeet 미디에이터 및 서비스 관리자에게 보고한다.", "또한 SMeet 미디에이터 또는 서비스 관리자로 부터 수신한 서비스 조작 명령에 따라 협업 웅용 소프트웨어를 기능을 제어한다.", "서비스는 데이터 모델을 기술하기 위하여 온톨로지를 활용하여, 응용 모델을 실현하기 위해서 에이전트 통신 프로토콜 (질의, 요청, 계약 네트워크 등)을 기반으로 서비스 인터페이스를 구현한다.", "서비스 관리자 또는 서비스는 서비스 에이전트를 상속받아서 구현된다.", "따라서 서비스 에이전트는 여러 가지 기능들을 표 2 로 정리된 API로 구현하여, 서비스 발견/설정/합성에 관한 SMeet 미디에이터의 도움을 받을 수 있도록 지원한다.", "</p><h2>2. 서비스 합성 알고리즘</h2><p>제안하는 서비스 합성 알고리즘에서는 멀티 에이전트 시스템에서 작업 공유 및 결과 공유를 위해 널리 쓰이는 상호작용 프로토콜의 하나인 계약 네트워크(Contract Net)를 이용하여 유형 (type) 기반의 서비스 관리자간 합성 알고리즘을 그림 8 과 같이 제시한다.", "유형 기반의 서비스 합성 알고리즘은 합성 패턴에서 서로 연결될 개체의 유형이 무엇인지를 정의하면, 이 유형에 일치하는 개체들을 찾아서 합성 시키는 방법을 의미한다.", "</p><p>(1) 작업 공지: 작업 그래프 상에 정점 (vertex)으로 표시된 서비스 관리자들 중에서 자기 노드에 포함되어 있는 것을 파악한다.", "그런 다음, 그들과 연결되어야 하는 서비스 관리자들을 찾기 위해 작업에 이미 참여하고 있는 SMeet 미디에이터들에게 자신과 연결될 서비스 관리자를 찾기 위한 Call for Proposal 메세지를 전달한다.", "</p><p>(2) 제안: 작업에 이미 참여하고 있는 기존 노드들의 미디에이터 중에서 요청받은 서비스 관리자를 가지고 있는 경우, 자기 노드가 연결 대상이 될 수 있음을 알리기 위해 Proposal 메세지를 되돌려준다.", "만약 작업에 새로이 참여하는 미디에이터 측에서 특정한 조건에 도달 하지 못할 경우, 제안된 내용이 유효하지 못할 수 있다는 단서를 붙일 수 있으나, 본 논문에서는 이에 대한 내용은 다루지 않는다.", "</p><p>(3) 계약: 작업에 새로이 참여하는 미디에이터는 제안된 메세지들 중에서 연결 가능한 대상을 선택한 후, 서비스 합성을 위한 계양을 맺을 것을 accept 메세지를 통해 알린다.", "이때 자신이 가지고 있는 서비스 관리자의 에이전트 ID를 덧붙여 보냄으로써, 상대방도 서비스 합성 내용을 업데이트할 수 있도록 한다.", "</p><p>(4) 결과보고: 계약을 통보받은 미디에이터는 자신이 가지고 있는 서비스 관리자의 에이전트 ID를 되돌려 주고, 현재 합성된 서비스들의 연결 관계에서 새로이 참여한 서비스 관리자를 추가하여 업데이트한 뒤, 업데이트 사실을 기존의 서비스 관리자들에게 알린다.", "이와 같은 절차를 거치게 되면, 각 노드의 입장에서서비스 연결 정보를 유지할 수 있게 되고, 결과적으로 주어진 작업에 참여하는 전체 노드의 미디에이터들과 서비스 매니저들 간에 서비스 합성을 위한 에이전트간 네트워크가 구성된다.", "</p><p>이후 서비스 매니저의 serviceLinkAdded 메소드가 호출되면서, 연결되는 원격 노드의 서비스 관리자에 대해서 알 수 있게 된다.", "서비스 관리자는 원격 노드의 서비스 관리자와 협상하여, 주어진 워크플로우에 따라 실행되는 서비스들을 원격 노드의 서비스들과 연결시킨다.", "연결된 서비스간 온톨로지에 의해 기술된 서비스 콘텍스트를 서로 교환하면서, 공유 객체의 처리를 위한 상호작용을 시작한다.", "</p> <h1>요 약</h1><p>지역적으로 분산되어 있는 지식 노동자들 간에 진보된 협업을 지원하기 위해서, 유비쿼터스 컴퓨팅의 범위 내에서 많은 연구가 진행되어 왔다.", "특히 전통적인 회의실 기반의 협업 환경 (편리하지 못한 시청각 자료의 공유, 협업 도구의 어려운 조작 등)에서 이미 알려진 여러 문제점 들을 해결하기 위해, 개념적인 프레임워크들이 설계되었다.", "실용적이고 편리한 협업 환경 구성을 위해, 본 논문에서는 에이전트 기반의 서비스 합성 모델을 개념적으로 설계한다.", "사용자 입장에서 복잡한 협업 환경의 내부 구조를 알 필요 없이, 상위 수준의 작업 지시를 하면 협업 환경에서 주어진 작업을 수행하기 위한 서비스들을 자동적으로 발견하고, 연결하기 위한 모델을 설계한다.", "본 서비스 합성 모델을 기반으로 다중 에이전트 시스템 기반의 다자간 협업 환경 관리 툴킷을 개발하여, 직관적인 GUI를 통해 협업 노드 상의 다양한 서비스들을 설정, 운용하는 방법을 제공하고, 주어진 작업을 수행하기 위해 필요한 서비스들을 발견하고 연결하는 기능을 제공한다.", "구현된 툴킷의 실용성을 실증하기 위하여, 개발된 툴킷을 기반으로 영상 회의를 위한 기능을 제공하는 협업 서비스들을 구현한다.", "</p> <h1>Ⅳ. 구현 및 결과</h1><p>제안하는 설계의 효용성을 검증하기 위하여, 우리는 JADE (Java Agent DEvelopment Framework) 미들웨어를 기반으로 SMeet를 위한 다중 에이전트 기반의 관리 툴킷을 개발 중이다.", "현재 본 툴킷은 13,000 라인의 자바 코드로 작성되었으며, SMeet 테스트베드 하에서 설치되어 실험적으로 활용되고 있다.", "</p><p>참여자들은 SMeet 미디에이터를 통해서 디바이스 에이전트에 의해 조작되는 다양한 서비스 에이전트에 접근할 수 있다.", "그림 9 에서 보여지는 바와 같이, SMeet 미디에이터가 디바이스 에이전트를 발견하면, SMeet Node GUI 상에서 디바이스의 이름과 제공 가능한 서비스 목록을 보여준다.", "따라서 SMeet Node GUI를 통해 참여자들은 연결된 장치들을 볼 수 있고 지원 가능한 서비스들을 확인할 수 있다.", "SMeet Node GUI를 이용하여, 사용자는 디바이스 에이전트 상에서 동작하는 서비스 에이전트들을 추가/삭제할 수 있다.", "어떤 서비스 에이전트가 추가되었을 때, 서비스는 SMeet 미디에이터에 등록되며, SMeet 미디에이터로부터 조작 명령을 받아 처리한다.", "</p><p>SMeet 노드의 모든 에이전트들은 HTTP 기반의 분산 에이전트 통신 프로토콜을 사용하여 통신한다.", "에이전트들 간에 메세지 전송이 FIPA 호환 에이전트 통신 프로토콜을 기반으로 하고 있기 때문에, 온톨로지 기반의 협업 문맥과 함께 통신하는 것이 가능하다.", "노드에서 서비스 조작을 위해 사용되는 노드 온톨로지와 노드간 서비스 합성을 위해 사용되는 공간 온톨로지로 구성된 초기 수준의 온톨로지를 개발하였으며, 향후 더욱 견고한 협업 온톨로지를 설계할 것이다.", "</p><p>협업 노드들 간에 협업을 위해서, 참여자들은 협업 세션 디렉토리 에이전트에 접속한다.", "그림 10에서는 접속된 협업 세션에서 선택 가능한 작업 목록이 나타나는데, 현재는 video conference 작업을 지원한다.", "사용자가 이 작업을 선택하면, 이 작업 그래프에 해당되는 서비스 관리자가 자동으로 선택되어 서비스 관리자들 간에 연결이 이루어진다.", "각 서비스 관리자는 그것이 속한 노드 안에서 (워크플로우에서 지정한 바에 따라) 합성될 서비스를 찾고 이들을 사전에 정의된 서비스 파라미터에 따라서 설정한 후, 실행한다.", "</p><p>시연을 위해서 우리는 몇 가지 서비스들(미디어 공급자 서비스와 미디어 수요자 서비스)과 서비스 관리자(미디어 공급자 서비스와 미디어 수요자 서비스들을 조합하는 것에 의해서 음성/영상 회의 작업을 실행하기 위한 미디어 매니저)를 개발하였다.", "Video conference 작업은 미디어 서비스 매니저에 의해서 수행된다.", "미디어 매니저는 미디어 공급자 서비스와 미디어 수요자 서비스들을 서로 연결시킴으로써, 참여자들 간에 영상회의를 할 수 있도록 한다.", "그림 11에서는 구현된 미디어 서비스 매니저의 실행화면을 보여주며, Send 버튼을 누르면 영상을 송신할 수 있는 능력을 가진 (즉, 역할이 공급자이고, 유형이 미디어인) 서비스들을 검색하여 사용자가 선택하도록 한다.", "선택된 미디어 공급자 서비스의 주요 내용은 참여중인 모든 노드의 미디어 관리자 GUI 상에 나열되며, 사용자가 이를 선택하고 Play 버튼을 누르면 선택된 미디어 공급자 서비스로 부터 영상 스트림을 수신할 수 있는 능력을 가진 미디어 수요자 서비스들을 검색하여 사용자에게 보여준다.", "사용자는 그 중 하나를 선택하여 영상을 수신할 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "다자간 협업 환경에서 에이전트 기반 서비스 합성", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0afb9ff7-7324-4ec6-b9d0-e22a412f8244", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "한상우", "김종원" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "실험 결과</h1> <p>그림 6은 실험에 사용된 문서 영상의 예제를 보여준다.", "영상은 스캔된 문서의 해상도를 기준으로 고품질 영상과 저품질 영상으로 구분하였다. \\", "( 200 \\mathrm{dpi} \\) 이상의 영상은 고품질이며, 그 이하인 경우에는 저품질 영상이다.", "그림 6(a)는 고품질의 영상 중 일부이며, 6(b)는 저품질 영상의 일부이다.", "이러한 영상을 대상으로 김우연이 제안한 방법을 사용하여 문서 구조 분석, 줄 분할, 문자 분할 후 접합 문자만 따로 수집하였다.", "</p> <p>총 50개의 영상을 대상으로 접합 문자를 수집한 후 실험에 사용하였다.", "표 1과 같이 총 15,415개의 접합 문자 영상을 얻을 수 있었다.", "표 1은 접합 문자의 개수에 따른 분포를 보여준다.", "또한 벌칙 항에 사용된 두 개의 파라미터 \\( P_{1} \\)과 \\( P_{2} \\)는 0.12와 4.0으로 설정하였다.", "</p> <table border><caption>표 1. 접합문자 분포</caption> <tbody><tr><td>Total</td><td>Two characters</td><td>Three characters</td><td>More than three characters</td><td>total</td></tr><tr><td>Good</td><td>8237(\\(67\\%\\))</td><td>2819(\\(23\\%\\))</td><td>1235(\\(10\\%\\))</td><td>12291</td></tr><tr><td>Bad</td><td>1784(\\(57\\%\\))</td><td>1084(\\(34\\%\\))</td><td>276(\\(9\\%\\))</td><td>3124</td></tr><tr><td>Total</td><td>10021(\\(65\\%\\))</td><td>3893(\\(25\\%\\))</td><td>1511(\\(10\\%\\))</td><td>15415</td></tr></tbody></table> <p>그림 7과 그림 8은 제안하는 알고리즘이 올바로 분할한 결과를 보여준다.", "제안하는 알고리즘은 두 개의 획을 지나 오분할 하던 “OC”와 “pe”를 올바로 분할하는 것을 볼 수 있다.", "기존의 알고리즘은 이런 형태의 접합문자는 대부분 오분할하였다.", "이러한 현상은 새로 추가한 벌칙 항 \\( f(.) \\)의 영향으로 볼 수 있다.", "또한 “as”, “we”, “gm”는 상향 검색 시 올바른 분할 선을 찾았으며, 하향 검색으로는 올바른 분할 선을 찾지 못했다.", "또한 Lee의 알고리즘은 지그재그한 분할 선을 보여주는데 이것은 분할 선을 찾을 때 휴리스틱을 적용하지 않았기 때문이다.", "</p> <p>그림 9와 10은 제안하는 알고리즘이 오분할한 경우를 보여준다.", "분할된 영상을 분석해보면 오분할된 위치의 획이 매우 가는 경우가 대부분이었다.", "이러한 영상들은 기존의 알고리즘 및 다른 방법으로도 분할하기 어렵다.", "그림 10의 “on”은 제안하는 방법은 실패하였으나 기존의 알고리즘은 분할에 성공한 것을 확인할 수 있다.", "이것의 이유는, o과 n이 두 지점에서 접합되어 진짜 분할 경로가 가짜 분할 경로에 비해 높은 비용을 갖게 되었기 때문이다.", "실제 패턴에서 이러한 경우는 매우 적다.", "</p> <p>표 2는 제안하는 알고리즘과 기존의 알고리즘의 성능을 보여준다.", "Tse의 성능이 Lee의 성능보다 약 \\( 3 \\% \\) 정도 높은 것을 볼 수 있다.", "Lee가 실패하는데 Tse가 성공하는 경우를 살펴보면, 대부분 그림 3이 설명하는 상황이었다.", "제안하는 알고리즘은 Tse에 비해 \\( 3 \\sim 4 \\% \\)의 성능 향상을 얻었다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "최단 경로 알고리즘을 이용한 접합 영문자 분할", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-1b6fb6d6-5307-40fc-9ea7-38844dec175c", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "이득용", "오일석" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>II.", "M(or Pseudo Noise) Sequence</h1> <p>M-sequence는 선형 귀환 천이 레지스터에 의해 발생되는 이진수열로 TR(transmitted reference) 대역 확산 방식은 다른 대역에서 부호 신호와 변조된 데이터 부호 신호를 동시에 전송하기 때문에 확산(spreading)과 복원(despreading)에 실제 랜덤 코드 신호를 이용할 수 있다.", "그러나 SR(stored reference) 방식에서는 부호가 수신단에서 발생되거나 저장될 필요가 없기 때문에 실제 랜덤 신호를 사용할 수 없다.", "따라서, SR방식은 가상잡음 즉, PN 신호를 사용하여 송수신 상호간에 동일 코드를 발생할 수 있는 기준을 제공해야 한다.", "</p> <p>PN 신호를 외관적으로 랜덤한 것처럼 만드는 랜덤 특성을 알아보면, '임의의 주기적인 2진 수열에 적용될 수 있는 3가지 기본 특성이 있다.", "기본 특성은 평형 (balance), 동작(run), 상관(correlation)등으로 다음과 같다.", "여기서 평형특성은 각 수열의 한주기에서 이진 1의 개수는 0의 개수보다 최대 1개 많다는 것을 말한다.", "런 (run)이란 같은 형태의 이진수열이고, 런의 길이란 런에서의 숫자(digit)의 개수이다.", "수열내에 다른 숫자가 나타나면 새로운 런을 시작한다.", "각 주기에서 런의 개수의 1/2는 길이가 1이고 1/4는 길이가 2, 1/8은 길이가 3등으로 나타난다.", "</p> <p>상관 특성은 한 주기의 수열이 그 자체의 순환 이전 된 수열의 한 주기마다 비교되어질 때 일치하는 숫자 (number of agreements)와 일치하지 않는 숫자(number of disagreement)의 차이가 한 개 이하이면 가장 좋은 경우이다.", "</p> <p>위의 그림 1의 선형 피드백 3단 천이 레지스터외 연산은 클럭 펄스열로서 제어한다.", "각 클럭 펄스마다 레지스터 각단의 내용은 오른쪽으로 한 단씩 천이되고 단의 내용 레지스터 \\( S_{R 1} \\)와 레지스터 \\( S_{R n} \\)은 modulo-2가 산이 되어 레지스터 \\( S_{R 2} \\)로 피드백된다.", "그림 1에서 천이 레지스터열은 마지막 단 레지스터 \\( S_{R 0} \\)의 출력으로 정의된다.", "레지스터 초기 상태가 100일 때 연속적인 레지스터 상태는 다음의 표 1과 같다.", "</p> <p>초기 상태에 대응되는 마지막 상태가 100으로 레지스터가 7클럭 펄스 후에 이전의 수열이 다시 반복한다는 것을 알 수 있다.", "출력 수열은 매 클럭마다 레지스터 \\( S_{R D} \\)의 내용을 표시함으로 얻을 수 있고 출력 수열은 다음 1과 같다.", "</p> <table border><caption>표 1. \\( f(x)=x^{3}+x+1 \\) 대한 피드백 생성기의 출력값</caption> <tbody><tr><td>Shift</td><td>\\( S_{R 2} \\)</td><td>\\( S_{R 1} \\)</td><td>\\( S_{R 0} \\)</td></tr><tr><td>\\(0\\)</td><td>\\(1\\)</td><td>\\(0\\)</td><td>\\(0\\)</td></tr><tr><td>\\(1\\)</td><td>\\(0\\)</td><td>\\(1\\)</td><td>\\(0\\)</td></tr><tr><td>\\(2\\)</td><td>\\(1\\)</td><td>\\(0\\)</td><td>\\(1\\)</td></tr><tr><td>\\(3\\)</td><td>\\(1\\)</td><td>\\(1\\)</td><td>\\(0\\)</td></tr><tr><td>\\(4\\)</td><td>\\(1\\)</td><td>\\(1\\)</td><td>\\(1\\)</td></tr><tr><td>\\(5\\)</td><td>\\(0\\)</td><td>\\(1\\)</td><td>\\(1\\)</td></tr><tr><td>\\(6\\)</td><td>\\(0\\)</td><td>\\(0\\)</td><td>\\(1\\)</td></tr></tbody></table> <p>출력 : 0010111<caption>(1)</caption></p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "고속 M-Gold-Hadamard 시퀀스 트랜스폼", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-1633e798-826e-45a2-8045-0faf2c5487ae", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "이미성", "이문호", "박주용" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 구현 및 결과</h1> <p>본 장에서는 제안된 MAC을 구현하고 분석한 후에 제안한 MAC과 기존의 연구들을 비교하여 장점을 살펴 본다.", "먼저, 구현한 하드웨어가 사용하는 자원량을 이론 및 실험적으로 분석한다.", "다음으로 Sakurai의 alpha power law를 간락화시켜 구현된 하드웨어의 지연사간을 모델링하고 분석한다.", "마지막으로 파이프라인 단계를 제시하고 이를 바탕으로 성능을 분석한다.", "각 절에서 구현 결과는 기존의 연구들 중에서 가장 대표적인 병렬 MBA 구조를 갖는 표준 설계 및 Elguibaly와 비교하여 차이점과 우수성을 보이고자 시도한다.", "</p> <h2>1. 하드웨어 자원 (Hardware resource)</h2> <h3>가.", "하드웨어 자원의 분석</h3> <p>표 2에 앞서 언급된 세 가지 구조를 분석하여 하드웨어 자원을 비교하였다.", "하드웨어 자원을 계산하는데 있어서 Booth Encoder의 자원은 제외하였고, 그것은 모든 설계에 대해서 동일한 것을 사용한다고 가정하였다.", "표 2의 하드웨어 자원은 요소 성분들을 모두 카운팅한 후에 일반적인 구조와 16비트 구조에 대한 결과를 나타냈다.", "16비트에 대한 하드웨어 자원은 TSMC의 \\( 90 \\mathrm{~nm} \\) CMOS HVT standard cell library를 이용하였다.", "회로 요소 성분들을 최적화된 형태로 합성하여 각각의 게이트수를 구하고, 계산된 하드웨어 자원의 수에 곱하여 결과를 생성하였다.", "합성을 통해 얻어진 회로 요소들의 게이트 수를 표 3에 나타내었다.", "</p> <table border><caption>표 2. 하드웨어 자원의 계산</caption> <tbody><tr><td rowspan=2></td><td colspan=2>Standard design</td><td colspan=2>Elguibaly</td><td colspan=2>Seo's Design</td></tr><tr><td>General</td><td>16bits</td><td>General</td><td>16bits</td><td>General</td><td>16bits</td></tr><tr><td>FA</td><td>\\( \\frac{n^{2}}{2}+n \\)</td><td>964.8</td><td>\\( \\frac{n^{2}}{2}+2 n+3 \\)</td><td>1092.1</td><td>\\( \\frac{n^{2}}{2}+\\frac{n}{2} \\)</td><td>911.2</td></tr><tr><td>HA</td><td>0</td><td>0</td><td>0</td><td>0</td><td>\\( \\frac{3 n}{2} \\)</td><td>76.8</td></tr><tr><td>2bits CLA</td><td>0</td><td>0</td><td>\\( \\frac{n}{2}-1 \\)</td><td>49</td><td>\\( \\frac{n}{2} \\)</td><td>56</td></tr><tr><td>ACC</td><td>\\[(2 n+1) \\text { bits }\\]CLA</td><td>214</td><td>-</td><td></td><td>-</td><td></td></tr><tr><td>Final adder</td><td>\\( (2 n) \\) bits</td><td>197</td><td>\\( (n+2) \\) bits</td><td>1095</td><td>\\( (n) \\) bits</td><td>97</td></tr><tr><td>Total</td><td></td><td>1375.8</td><td></td><td>1250.6</td><td></td><td>1141</td></tr></tbody></table> <table border><caption>표 3. 회로 요소의 게이트 수</caption> <tbody><tr><td>Elennent</td><td>Gate Size</td></tr><tr><td>Inverter</td><td>0.8</td></tr><tr><td>2/3/4-NAND</td><td>1/1.5/2.5</td></tr><tr><td>2/3/4-NOR</td><td>1/22.2</td></tr><tr><td>2/3/4-XOR</td><td>2446</td></tr><tr><td>2,3/4-AND</td><td>1.2/1.52</td></tr><tr><td>2/34-OR</td><td>1.2/1.5/2</td></tr><tr><td>Haf Adder</td><td>3.2</td></tr><tr><td>Fu11 Adder</td><td>6.7</td></tr><tr><td>D Flip-Flop</td><td>6.2</td></tr><tr><td>\\( 4 \\times 1 \\)MUX</td><td>6</td></tr><tr><td>\\( 8 \\times 1 \\)MUX</td><td>14.2</td></tr><tr><td>2bits CLA</td><td>7</td></tr><tr><td>4bits CLA</td><td>20.5</td></tr></tbody></table> <p>표 3에서 각 게이트수는 2입력 NAND게이트를 기준으로 한다.", "표 3에서 몇 가지 요소의 게이트수를 살펴보자.", "HA의 게이트수는 3.2이고 FA의 게이트수는 6.7이므로 FA는 HA의 약 두 배의 크기이다.", "2비트(CLA)의 게이트수는 7개이므로 FA의 게이트수보다 조금 크다.", "즉, 제안한 CSA구조에서 부분곱의 하위비트들을 미리 더하는데 2비트 CLA를 사용한다고 해도 하드웨어 자원이 크게 증가하는 것은 아니라는 것을 예측할 수 있다.", "</p> <p>표 2를 살펴보면 쉽게 예측할 수 있는 것과 같이 표준설계가 가장 많은 하드웨어 자원을 사용하고 제안한 구조가 가장 작은 하드웨어 자원을 사용하는 것을 볼 수 있다.", "제안한 구조는 FA와 HA를 혼용하여 CSA의 자원을 최적화시켰고, 최종 덧셈기에 입력되는 비트수를 축소시킴으로써 Elguibaly에 비해 최종 덧셈기의 크기가 12개 감소하였다.", "</p> <h3>나.", "합성에 의한 게이트 수</h3> <p>HDL(hardware description language)을 이용하여 Elguibaly와 제안한 MAC을 RTL(register transfer level)로 구현하였다.", "Synopsys의 design complier를 이용하여 설계된 회로를 합성하였고, 그 결과로 생성된 netlist의 게이트수를 측정하여 표 3에 요약하였다.", "표 4의 회로는 16비트 MAC을 구현한 것이다.", "CMOS 공정에 따른 회로의 특성을 파악하기 위해 현재 디지털 반도체를 제작하는데 가장 많이 사용되는 네 가지 공정 \\( (0.25 \\mu \\mathrm{m}\\),\\( 0.18 \\mu \\mathrm{m}\\),\\( 0.13 \\mu \\mathrm{m}\\),\\( 90 \\mathrm{~nm}) \\)의 라이브러리를 이용하였다.", "미세 공정을 적용할수록 게이트 수가 감소하는 것을 볼 수 있고, 표 2의 결과와 마찬가지로 제안한 구조의 게이트 수가 조금 더 작다는 것을 확인할 수 있다.", "비록 동일한 constraint를 적용하여 합성하였지만, 다른 회로들과 함께 큰 회로의 일부분으로 사용될 경우에는 전체 회로의 타이밍 및 전기적인 상황에 따라서 게이트수는 변할 수 있음을 염두에 두어야 한다.", "표 4의 결과는 순차회로를 제외한 조합회로에 대한 결과이고, 전체 게이트 수는 Booth Encoder, CSA, 그리고 Final Adder의 합이다.", "</p> <table border><caption>표 4. 합성에 의한 게이트 수 측정표</caption> <tbody><tr><td></td><td colspan=2>CSA</td><td rowspan=2>Booth Encoder</td><td colspan=2>Fina Adder</td><td colspan=2>Total (C/L)</td></tr><tr><td>nm</td><td>Elguibaly</td><td>Seo</td><td>Elguibaly</td><td>Seo</td><td>Elguibaly</td><td>Seo</td></tr><tr><td>90</td><td>1,067</td><td>1,009</td><td>713</td><td>104</td><td>97</td><td>1,884</td><td>1,819</td></tr><tr><td>130</td><td>1,216</td><td>1,158</td><td>864</td><td>118</td><td>110</td><td>2,198</td><td>2,131</td></tr><tr><td>180</td><td>1,581</td><td>1,484</td><td>808</td><td>120</td><td>114</td><td>2,530</td><td>2,407</td></tr><tr><td>250</td><td>2,027</td><td>2,001</td><td>1,129</td><td>141</td><td>131</td><td>3,297</td><td>3,261</td></tr></tbody></table> <p>표 5에는 표 2에서 보인 구조 분석에 의해 계산된 게이트수를 합성에 의해 생성된 실제 회로의 게이트수와 비교한 결과이다.", "표 2와 동일한 조건에서 비교하기 위해 Booth Encoder를 제외한 CSA와 Final Adder만 포함시켰다.", "계산에 의한 결과에서는 제안한 구조가 111개 작은 게이트수를 갖지만 실제 합성된 회로에서는 65개의 차이를 보인다.", "합성시 부여한 constraint의 조건에 따라서 합성 결과는 조금 달라질 수 있다.", "</p> <h2>2. 지연 모델 (Delay model)</h2> <h3>가.", "모델링 (Modeling)</h3> <p>본 논문에서는 지연시간을 모델링하는데 Sakurai의 alpha power law를 사용한다.", "CMOS 공정을 이용하고 논리 연산와 관계된 게이트이외의 배선 등으로 인한 지연은 무시하기 때문에 a=1의 값을 사용한다.", "Elguibaly는 alpha power law를 일부 간략화하여 지연시간을 모델링하였는데, 본 논문에서도 다른 구조들과 쉽게 비교하기 위해서 Elguibaly에 의해 추출된 모델링값을 동일하게 사용한다.", "사용된 하드웨어 구성요소들에 대한 정규화된 입력 캐패시턴스 \\( \\left(C_{i}\\right) \\)와 게이트 지연 \\( \\left(T_{d}\\right) \\)을 표 6에 나타냈다. \\", "( \\eta \\)는 포화 속도율이고, C및 \\( C_{g} \\)는 각각 게이트 부하 캐패시턴스와 최소 트랜지스터의 게이트 캐패시턴스이다.", "T는 유지시간이고 \\( \\gamma \\)는 \\( C_{g} \\)에 의한 최소 인버터의 하강시간이다.", "</p> <p>지연 모델링과 그의 간략화 과정은 본 논문의 초점이 아니므로 자세하게 설명하지 않는다.", "추가적인 설명은 참고문헌을 참조하기 바란다.", "</p> <table border><caption>표 6. 정규화된 입력 캐패시턴스와 게이트 지연</caption> <tbody><tr><td>Gate</td><td>Comment</td><td>\\( C_{i} \\)</td><td>\\( T_{d} \\)</td></tr><tr><td>Inverter</td><td></td><td>3</td><td>\\( t+c \\)</td></tr><tr><td>\\( 8 \\times 1 \\) MUX</td><td>4-level logic</td><td>4</td><td>\\( 35.2+t+c \\)</td></tr><tr><td>D-F/F</td><td>Slave delay</td><td>4</td><td>\\( 16.1+t+c \\)</td></tr><tr><td>1bit FA</td><td>input-to-sum</td><td>12</td><td>\\( 39.6+t+c \\)</td></tr><tr><td>1bit FA</td><td>imput-to-carry</td><td>12</td><td>\\( 38.7+t+c \\)</td></tr><tr><td>2bits CLA</td><td>imput-to-sum</td><td>12</td><td>\\( 64.9+t+c \\)</td></tr><tr><td>2bits CLA</td><td>mput-to-carry</td><td>16</td><td>\\( 53.9+t+c \\)</td></tr><tr><td>4bits CLA</td><td>mput-to-sum</td><td>12</td><td>\\( 96.8+t+c \\)</td></tr><tr><td>4bits CLA</td><td>imput-to-carry</td><td>24</td><td>\\(88+t+c \\)</td></tr></tbody></table> <h1>Ⅲ. 제안한 MAC의 구조</h1> <p>본 장에서는 표준 설계의 수식으로부터 새로운 연산 방식을 위한 수식을 유도하고, 이로부터 새로운 MAC의 VLSI 구조를 제안한다.", "또한 제안한 MAC의 동작올 만족시킬 수 있는 하이브리드 형태의 CSA 구조를 제안한다.", "</p> <h2>1. MAC 연산의 유도</h2> <h3>가.", "개념</h3> <p>두 개의 N비트를 곱한 후에 2N 비트를 누적하는 연산을 고려한다면 임계경로는 2N 비트의 누적 연산에 의해서 결정된다.", "그림 1의 표준 설계에서 각 Step별로 파이프라인을 적용했다면 MAC의 성능을 향상하기 위해서는 마지막 누적기의 지연시간을 감소시켜야 한다.", "본 논문에서 제안하고자 하는 MAC은 가장 큰 지연시간을 갖는 누적기 자체를 제거하고 누적기의 기능을 CSA에 포함시킴으로써 전체적인 성능을 향상시킨다.", "누적기가 제거된 상황이라면 임계경로는 곱셈기의 최종 덧셈기에 의해서 결정된다.", "최종 덧셈기의 성능을 향상시키는 근본적인 방법은 입력의 비트수를 축소시키는 것이다.", "최종 덧셈기의 입력 비트수를 줄이기 위해서는 CSA가 다수의 부분곱들을 합과 캐리로 압축할 때 전체적인 성능을 감소시키지 않는 범위 내에서 합과 캐리의 하위 비트들을 미리 더하여 최종 덧셈기로 전달되는 합과 캐리의 비트수를 줄여야 한다.", "CSA 내에서 하위 비트들을 더하는데 2비트 CLA를 사용한다.", "또한 파이프라인을 적용할 경우에 출력율을 높이기 위해서 누적연산의 입력으로 최종 덧셈기의 출력이 아니라 최종 덧셈기의 입력에 해당하는 CSA의 합과 캐리를 사용한다.", "이전 싸이클에서 출력된 CSA의 합과 캐리가 다음 싸이클에서 누적연산을 위한 CSA의 입력으로 사용된다.", "합과 캐리가 모두 귀환되므로 표준 설계와 Elguibaly의 구조에 비해서 CSA에 입력되는 데이터량이 증가한다.", "데이터량의 증가를 효율적으로 해결하고자 부호 비트를 위해 수정된 CSA 구조를 제안한다.", "</p> <h3>나.", "수식의 유도</h3> <p>앞서서 소개한 개념을 식 (5)에 적용하여 제안하고자 하는 MAC연산식을 유도한다.", "곱셈연산을 제안한 방식에 적합한 구조로 변형하고, 누적연산을 위해 귀환되는 값을 새롭게 정의하여 새로운 MAC을 위한 연산식으로 전개한다.", "</p> <p>먼저, 식 (4)의 곱셈 연산을 풀어서 정리하면 식 (6)과 같다.", "</p> <p>\\( X \\times Y=d_{0} 2 Y+d_{1} 2^{2} Y+d_{2} 2^{4} Y+ \\) \\( \\cdots+d_{N / 2-1} 2^{N-2} Y \\)<caption>(6)</caption></p> <p>식 (6)을 첫 번째 부분곱, 중간 부분곱의 합, 그리고 최종 부분곱으로 나누면 식 (7)과 같다.", "식 (7)과 같이 부분곱의 덧셈을 구분하는 것은 누적 연산을 위해 귀환되는 데이터가 세 가지이기 때문이다.", "세 가지 데이터에는 CSA의 합, 캐리, 그리고 하위 비트들의 합과 캐리가 더해진 결과값이 포함된다.", "</p> <p>\\( X \\times Y=d_{0} 2 Y+\\sum_{i=1}^{N / 2-2} d_{i} 2^{2 i} Y+d_{N / 2-1} 2^{N-2} Y \\)<caption>(7)</caption></p> <p>다음으로 식 (5)의 Z에 대해 제안한 개념을 도입하자.", "Z를 먼저 상위 비트와 하위 비트로 구분하여 정리하면 식 (8)과 같다.", "식 (8)의 첫 번째 항은 상위 비트에 해당하는데 합과 캐리 형태로 귀환되는 값이고, 두 번째 항은 하위 비트에 해당하는데 합과 캐리의 덧셈 결과 형태로 귀환되는 값이다.", "</p> <p>\\( Z=\\sum_{i=1}^{N-1} z_{i} 2^{i}+\\sum_{i=N}^{2 N-1} z_{i} 2^{i} \\)<caption>(8)</caption></p> <p>식 (8)로부터 Z를 합과 캐리의 연산형태로 재분리하면 식 (9)와 같다.", "</p> <p>\\( Z=\\sum_{i=0}^{N-1} z_{i} 2^{i}+\\sum_{i=0}^{N-2} c_{i} 2^{i} 2^{N}+\\sum_{i=0}^{N-2} s_{i} 2^{i} 2^{N} \\)<caption>(9)</caption></p> <p>식 (7)과 식 (9)를 이용하면 식 (5)의 MAC 연산은 식 (10)으로 표현할 수 있다.", "</p> <p>\\( \\begin{aligned} P=&\\left(d_{0} 2 Y+\\sum_{i=1}^{N / 2-2} d_{i} 2^{2 i} Y+d_{N / 2-1} 2^{N-2} Y\\right) \\\\ &+\\left(\\sum_{i=0}^{N-1} z_{i} 2^{i}+\\sum_{i=0}^{N-2} c_{i} 2^{i} 2^{N}+\\sum_{i=0}^{N-2} s_{i} 2^{i} 2^{N}\\right) \\end{aligned} \\)<caption>(10)</caption></p> <p>식 (10)을 비트 자리수에 맞추어 재정리하면 식 (11)과 같고, 이 식이 제안하고자 하는 MAC의 연산 형태에 해당한다.", "오른쪽의 첫 번째 항은 첫 번째 부분곱이 합과 캐리의 덧셈결과와 누적되는 연산이고, 두 번째 항은 중간 부분곱들이 귀환된 CSA의 합과 누적되는 연산이다.", "마지막으로 세 번째 항은 마지막 부분곱이 CSA의 캐리와 누적되는 연산을 나타낸다.", "</p> <p>\\( P=\\left(d_{0} 2 Y+\\sum_{i=0}^{N-1} z_{i} 2^{i}\\right) \\) \\( \\quad+\\left(\\sum_{i=1}^{N / 2-2} d_{i} 2^{2 i} Y+\\sum_{i=0}^{N-2} c_{i} 2^{i} 2^{N}\\right) \\) \\( \\quad+\\left(d_{N / 2-1} 2^{N-2} Y+\\sum_{i=0}^{N-2} s_{i} 2^{i} 2^{N}\\right) \\)<caption>(11)</caption></p> <h2>2. 제안한 MAC의 구조</h2> <p>앞 절에서 제안한 MAC의 연산 과정을 정리하면 그림 3과 같이 나타낼 수 있다.", "그림 3을 살펴보면 MAC연산은 세 가지 단계로 구성된다.", "그림 1과 비교하면 누적 연산이 부분곱을 더하는 과정에 포함되었다는 차이점을 확인할 수 있다.", "그림 3에서 직접으로 나타나있지는 않지만 또 한 가지 그림 1의 방식과 큰 차이점은 Step3의 최종 덧셈과정이 늘 펄요", "하지 않다는 점이다.", "누적 연산이 Step3의 결과가 아니라 Step2의 결과를 이용하여 수행되므로 누적 연산의 최종 결과가 필요한 시점이 아니라면 Step3을 동작시킬 필요가 없다.", "</p> <p>그림 3의 과정을 만족하기 위한 MAC의 하드웨어 구조는 그림 4와 같다.", "MAC의 입력인 n비트의 X와 Y는 Booth Encoder를 거치면서 (n+1) 비트 부분곱의 형태로 변환된다.", "CSA & Accumulator에서 부분곱의 덧셈과 함께 누적 연산이 수행되고, 결과로 n비트의 S와 C그리고 합과 캐리의 하위 비트 덧셈결과인 P[n-1: 0]가 생성된다.", "이 세 가지 값은 귀환되어 다음누적연산에 이용된다.", "만일 MAC의 최종 결과가 필요하다면 S와 C를 Final Adder에서 합하여 P[2n-1:n]을 생성하고 이미 생성된 P[n-1: 0]와 함께 최종 결과를 구성한다.", "</p> <h2>3. 제안한 CSA 구조</h2> <p>제안한 MAC의 동작을 수용할 수 있는 하이브리드 형태의 CSA의 구조를 그림 5에 나타내었다.", "제안한 CSA는 식 (11)을 바탕으로 구성하였다.", "그림 5에서 \\( S_{i} \\)는 부호 확장을 간략하게 하기 위한 보상값이고 \\( N_{i} \\)는 Booth인코딩시 사용했던 1의 보수를 2의 보수로 보상 하는 값이다. \\", "( S[i] \\)와 \\( C[i] \\)는 각각 합과 캐리의 i번째 비트에 해당하고 \\( S[i] \\)와 \\( C[i] \\)는 누적연산을 위해 귀환된 합과 캐리의 i번째 비트이다. \\", "( Z[i] \\)는 각각 부분곱의 하위 비트들이 미리 더해진 합에 해당하고 \\( Z[i] \\)는 이전 결과이다.", "또한 \\( P_{j}[i] \\)는 j번째 부분곱의 i번째 비트에 해당한다.", "그림 5는 \\( 8 \\times 8 \\) 비트 MAC연산에 대한 CSA트리의 구조이다.", "승수가 8비트이므로 Booth Encoder로부터 총 4개의 부분곱 \\( \\left(P_{0}[7: 0] \\sim P_{3}[7: 0]\\right) \\)이 생성된다.", "식 (11)에서 \\( d_{0} Y \\)와 \\( d_{N / 2-1} 2^{N-2} Y \\)는 각각 \\( P_{0}[7: 0] \\) 와 \\( P_{3}[7: 0] \\)에 해당한다.", "CSA는 4개의 부분 곱을 위해 최소 4개의 전가산기(full adder, FA)열이 필요하다.", "그리고 누적 연산을 위해 한 단계의 열을 더 사용하여 총 5단의 전가산기열이 사용된다. \\", "( \\mathrm{n} \\times \\mathrm{n} \\)비트의 MAC연산이라면 CSA는 (n/2+1)의 크기이다.", "그림에서 정사각형의 심볼은 FA를 나타내고 회색으로 칠해진 정사각형 심볼은 HA(반가산기, half adder)이다.", "또 한 5비트를 입력으로 갖는 직사각형 심볼은 캐리 입력을 갖는 2비트 CLA이다.", "</p> <table border><caption>표 1. CSA의 특성표</caption> <tbody><tr><td></td><td>Standard</td><td>Elguihaly's CSA</td><td>Seo's CSA</td></tr><tr><td>Number System</td><td>2's Complement</td><td>1's Complement</td><td>1's Complement</td></tr><tr><td>Sign Extension</td><td>Used</td><td>Used</td><td>Not Used</td></tr><tr><td>Accumulation</td><td>Result Data of Final Addition</td><td>Result Data of Final Addition</td><td>Sum and Carry CSA</td></tr><tr><td>CSA Tree</td><td>FA, HA</td><td>FA, 2bit CLA</td><td>FA, HA, 2bit CLA</td></tr><tr><td>Final Adder</td><td>2n bits</td><td>(n+2) bits</td><td>n bits</td></tr></tbody></table> <p>CSA에서 임계경로는 2비트 CLA에 의해서 결정된다.", "2비트 CLA를 사용하지 않고 FA를 사용하여 CSA를 구성할 수도 있다.", "그러나 CLA를 사용하여 먼저 생성되는 부분곱의 하위비트들을 미리 처리하지 않으면 최종 덧셈기의 비트수가 증가하여 곱셈기 흑은 MAC의 성능이 저하된다.", "</p> <p>표 1에 앞서 설명된 제안한 CSA구조의 특성을 요약하고, 다른 구조들과 간략히 비교하였다.", "수 체계는 1의 보수를 이용하였고, 부호 확장을 하지 않으면서 수정된 방식을 사용하였다.", "가장 큰 차이점은 누적을 위해 귀환시키는 데이터의 종류이다.", "그리고 최종 덧셈기의 입력이 n비트로 가장 작다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "Radix-\\(2\\) MBA 기반 병렬 MAC의 VLSI 구조", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-13b50b1c-3940-4884-a6ae-16378aaf99d9", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "서영호", "김동욱" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅱ. 본론</h1> <h2>1. 입체영상 시스템의 구성</h2> <p>본 연구에서 사용한 입체영상 시스템은 크게 입체 카메라, 입체 디스플레이, 그리고 입체리그로 구성되며, 입체 카메라는 HD급 디지털 SLR카메라 두 대를 서로 평행하게 리그를 사용하여 배치하였다.", "리그는 두 카메라의 간격(baseline)을 조절할 수 있도록 하였다.", "카메라에서 획득한 HD급 동영상은 미리 계산된 시차 보정값을 실시간 적용하여 입체 디스플레이로 출력된다.", "입체영상 합성을 위하여 Nvidia 스테레오 그래픽카드를 사용하였으며 GPU 프로그래밍 및 DirectX를 이용하여 HD급 동영상을 합성하고 출력하였다.", "실험장치에 사용된 장치의 제원은 표 1과 같다.", "</p> <p>그림 1은 실험에 사용한 카메라 시스템을 보여준다.", "입체 카메라와 리그는 견고한 삼각대에 설치하였다.", "리그는 스테레오 베이스라인(baseline)의 제어, 좌, 우 카메라의 독립적인 틸트(tilt) 제어, 수직위치 제어, 카메라 광축의 회전 제어가 가능하도록 제작하였다.", "</p> <p>입체 카메라의 실험 장치는 동일한 렌즈와 센서를 사용함에도 카메라 간의 기하학적 특성이 다르므로 획득된 좌, 우 입체영상을 변환하는 과정이 필요하다.", "따라서 우리는 두 영상을 동일한 기하학적 특성으로 일치화하여, 영상을 시청할 때 시각적 피로도를 줄이고자 한다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "입체영상의 시각 피로 최소화를 위한 특징기반 시차 보정", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-110e0f3c-a8d5-48da-a468-3e601bbdcdda", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "정은경", "김창일", "백승해", "박순용" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 실험 결과</h1><p>앞서 Ⅲ장에서 분석한 수학적 분석 결과를 확인하기 위해 컴퓨터 시뮬레이션을 수행하였으며 시뮬레이션 파라미터는 표(1)과 같다.", "성능비교 지표로는 경로 재설정 비용\\( \\left(C_{p}\\right) \\)과 재설정된 경로의 비용\\( \\left(C_{d}\\right) \\)을 활용한다.", "CODE, EADA, 그리고 제안하는 알고리즘에 대해 시뮬레이션을 수행한다.", "시뮬레이션에서 싱크 노드는 10초를 주기로 위치확인을 하며, 총 30,000번의 위치이동을 한다.", "</p><table border><caption>표 1. 시뮬레이션 파라미터</caption><tbody><tr><td>시뮬레이션 파라미터</td><td>설정 값</td></tr><tr><td>시뮬레이션 총 시간(\\(\\mathrm{s}\\))</td><td>300,000</td></tr><tr><td>네트워크 한 변의 크기(\\(\\mathrm{m}\\))</td><td>1000</td></tr><tr><td>그리드 한 변의 크기(\\(\\mathrm{m}\\))</td><td>10</td></tr><tr><td>총 그리드 개수</td><td>100</td></tr><tr><td>싱크 노드 이동패턴</td><td>Random way point</td></tr><tr><td>싱크 노드의 속도(\\(\\mathrm{m}/\\mathrm{s}\\))</td><td>\\(1\\sim5\\), \\(10\\)</td></tr><tr><td>싱크 노도의 위치확인 주기(\\(\\mathrm{s}\\))</td><td>10</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "모바일 싱크를 갖는 무선 센서 네트워크에서 효율적인 데이터 전송경로 유지 방법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-17733ab5-590a-4f47-b63c-c748566bc10b", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "윤영섭", "조성현", "박성한" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅴ. 실 험</h1><p>이번 장에서는 성능평가를 위해 제안하는 알고리즘을 이용하여 구해진 RFID 자원을 할당 방법과 무작위로 RFID 자원을 할당하는 랜덤 자원 할당 방법을 비교 한다.", "</p><h2>1. 시뮬레이션 환경</h2><p>시뮬레이션 환경과 관련된 파라미터는 표 1과 같다.", "필드의 크기를 \\( 80 \\times 80 \\mathrm{~m}^{2} \\)로 가정하고 다수의 리더가 임의의 위치에 분포한다.", "리더가 사용할 수 있는 자원들 즉, 시간 슬롯과 채널의 수는 미리 정해져 있다.", "</p><table border><caption>표 1. 시뮬레이션 파라미터</caption><tbody><tr><td>Parameter</td><td>Value</td></tr><tr><td>필드 사이즈</td><td>\\( 80 \\times 80 \\mathrm{~m}^{2} \\)</td></tr><tr><td>프레임 사이즈</td><td>5 s1ots</td></tr><tr><td>사용가능 채널 수</td><td>20개</td></tr><tr><td>채널 대역폭</td><td>\\( 500 \\mathrm{kH} z \\)</td></tr><tr><td>돌연변이 발생확률</td><td>\\(10\\%\\)</td></tr><tr><td>리더의 전송신호 세기</td><td>\\( 30 \\mathrm{dBm} \\)</td></tr><tr><td>스펙트럼 마스크</td><td>EPCglabal C1G2</td></tr><tr><td>타겟 SINR, \\( S_{t h} \\)</td><td>\\( 11.6 \\mathrm{~dB} \\)</td></tr><tr><td>태그 유효 전력 반사 계수, \\( E_{t a g} \\)</td><td>0.1</td></tr><tr><td>패이딩 계수(h)</td><td>고려안함(LOS 가정)</td></tr><tr><td>안테나 이득, \\( G_{T}, G_{R} \\)</td><td>\\( 6 \\mathrm{dBi} \\)</td></tr></tbody></table><p>본 시뮬레이션에서는 5개의 시간 슬롯과 20개의 채널 자원이 리더에 할당된다.", "유전자 알고리즘의 돌연변이 연산 발생 확률은 \\( 10 \\% \\)로 한다.", "또한 스펙트럼 마스크는 EPCglabal C1G2의 다중채널 마스크를 사용하며, 경로 손실 모델은 자유 공간에서의 경로 손실 모델을 사용하여 고려하지 않는다.", "</p><p>그림 6은 세대 즉, 자원할당을 탐색한 시간에 따른 적합도 변화를 보여주는 그래프이다.", "적합도 함수를 기반으로 이전 세대보다 더 적합한 염색체를 발견할 경우 최적해가 갱신된다.", "따라서 세대를 거듭하면서 초기에 최적의 염색체가 많이 갱신되고 시간이 지날수록 그만큼 더 적합한 자원할당을 찾기가 어려워진다.", "제안하는 유전자 알고리즘의 적합도 변화를 볼 때, 100세대 후에는 최선의 해가 발견된다고 판단할 수 있다.", "따라서 제안하는 유전자 알고리즘의 최종해는 100세대를 거쳐서 수집된다.", "</p><p>그림 7은 필드의 RFID 리더들에 슬롯과 채널을 할당한 예를 보여준다.", "본문에서 설명한 염색체의 표현법을 세로로 배열한 것으로서 각 리더는 5개의 슬롯 중에 평균 2.8개의 시간 슬롯을 사용하도록 할당하고 있다.", "또한 신뢰도 있는 결과 분석을 위해 시뮬레이션의 모든 측정값은 50번 측정된 값의 평균값을 사용하였다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "RFID 리더간 간섭 모델에 기반 한 최적화 문제와 유전적 자원할당 깁버에 관한 연구", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-13b2bf0d-143b-493f-ad9f-a926632863e4", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "서현식", "이채우" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "모의 실험</h1> <p>제안하는 전송 기법의 성능을 확인하기 위하여 다양한 비행데이터에 대하여 모의 실험을 수행하였다.", "실험에 사용한 비행 데이터는 3가지 유형의 기상조건에 따라 생성되었다.", "</p> <p>표 6에서 유형-S는 가장 일반적인 환경으로 가장 비행하기 좋은 조건이다.", "유형-M은 바람과 난기류가 어느 정도 있는 조건이고 유형-H는 바람과 난기류가 심하며 기상이 점차 악화되는 조건을 나타낸다.", "</p> <table border><caption>표 6. 비행데이터 추출을 위한 X-Plane 환경설정</caption> <tbody><tr><td colspan=2>X-Plane 설정 파라데타</td><td>유형-S</td><td>유형-M</td><td>유형-H</td></tr><tr><td rowspan=6>기상</td><td>바람 및 난기류</td><td>없음", "</td><td>보통</td><td>심함", "</td></tr><tr><td>기상 변화율</td><td>없음", "</td><td colspan=2>악화</td></tr><tr><td>강수량</td><td colspan=3>없음", "</td></tr><tr><td>천둥번개</td><td colspan=3>없음", "</td></tr><tr><td>상승온난기류범위</td><td colspan=3>\\(0 \\% \\)</td></tr><tr><td>상승온난기류높이</td><td colspan=3>\\(0 \\% \\)</td></tr><tr><td colspan=2>무게</td><td colspan=3>36670 lb</td></tr><tr><td colspan=2>자동운항</td><td colspan=3>ON</td></tr><tr><td colspan=2>비행시간</td><td colspan=3>10분</td></tr><tr><td colspan=2>데이터 생성율</td><td colspan=3>99.9 / Sec</td></tr></tbody></table> <h1>II.", "ARINC-429 프로토콜을 이용한 항공 데이터 전송 방식</h1> <p>항공기에서 임무컴퓨터(MC)는 임무수행에 필요한각종 데이터의 입출력처리, 센서 및 전자제어, 디지털지도를 포함한 항법 및 운행 정보의 시현등을 위하여 응용소프트웨어인 OFP(Operational Flight Program)를 실행하는 항공전자장비의 중추적 역할을 담당한다.", "그림 1은 MC와 대표적인 LRU들 간의 연결을 나타낸 것이다.", "그림 1의 LRU들에서 얻어진 비행데이터는MIL-STD-1553B, ARINC-429, ARINC-629,ARINC-664, AFDX등에 의하여 MC로 전송된다.", "그 중에서도 ARINC-429 프로토콜은 공식적으로 Mark 33DITS (Digital Information Transfer System) 규정으로알려져 있으며 C-17 군용 수송기를 비롯한 Boeing 757/ 767, 에어버스 A300 / A310 등에 가장 널리 사용되고있다.", "ARINC-429프로토콜에서는 버스 제어기가 필요없으며 최소 하나의 송신 장치와 최대 20개의 수신 장치가 트위스트 페어 케이블(Twisted Shielded Pair)로연결된다.", "표 1은 ARINC-429 프로토콜의 주요 특징을정리한 것이다</p> <table border><caption>표 1. ARINC-429 프로토콜의 주요</caption> <tbody><tr><td>신호 방식</td><td>Biopolar, Return-to-Zero</td></tr><tr><td>전송 방향</td><td>단방향</td></tr><tr><td>전송 방식</td><td>비동기 브로드케스트</td></tr><tr><td>전송 순서</td><td>LBS</td></tr><tr><td>전송 속도</td><td>12-14.5 kbps(Low), 100 kbps(High)</td></tr><tr><td>오류 검출방식</td><td>1비트 Odd party</td></tr><tr><td>전송 메시지 간격</td><td>최소 4비트 시간</td></tr><tr><td>유효 데이터 속도</td><td>53 Kbps(High)</td></tr></tbody></table> <h1>III.", "제안하는 비행데이터 전송기법</h1> <h2>3. 1 비행데이터 특징 분석</h2> <p>X-Plane은 실제 비행기의 특성을 잘 반영하고 있는 시뮬레이터로서 현재 항공기 개발에 실질적으로 활용되고 있다.", "본 논문에서는 표 2의 주요 비행데이터들에 대하여 X-Plane을 이용하여 데이터들의 특성을 살펴보았다.", "그림 3은 FA-22 Raptor로 10분간 자동운항(A.I Flies)기능으로 비행했을 때 얻어진 Radio Height와 Along Heading Acceleration에 대한 그래프이다.", "자동운항 기능은 활주로에서 이륙하여 임의로 항로를 결정하여 비행하는 것으로 인위적인 기체 조작보다 사실적인 비행데이터를 제공한다.", "</p> <p>그림 3을 살펴보면 Radio Height는 완만한 변화를 보이는 반면, Along Heading Acceleration는 상대적으로 급격한 변화를 보임을 알 수 있다.", "Radio Height의이런 특성은 인접해서 전송되는 비행데이터간의 차이가크지 않음을 의미한다.", "</p> <p>그림 4는 식 (3)을 이용하여 그림 3의 비행데이터들에 대한 차분값 d(k)를 나타낸 것이다.", "</p> <p>\\( d(k)=D(k)-D(k-1) \\)<caption>(3)</caption></p> <p>Radio Height의 경우 d(k)값이 \\(-40 \\sim 130 \\) 사이의 영역에 나타나고 있다.", "그리고 Along HeadingAcceleration의 d(k)는 1분에서 2분 사이에 \\( -60000 \\sim 60000 \\)으로 변화폭이 아주 크고 이후에는 \\( -20000 \\sim 20000 \\) 의 변화폭을 지니고 있다.", "그런데 이들 2가지 비행데이터 모두 d(k)가 D(k)보다 작다는 공통점을 지니고 있다.", "이러한 현상은 D(k)값을 전송할 때 보다 d(k)를 전송함으로써 보다 적은 비트만으로 비행데이터 정보를 전송할 수 있다는 가능성을 제시한다.", "</p> <p>그림 4의 결과를 바탕으로 표 2에 제시된 44개 비행데이터들에 대한 차분데이터 d(k)를 구하고 분포에 따른 발생확률을 조사하였다.", "그림 5는 그중 일부를 나타낸 것이다.", "그림 5에서 Localizer devation와 PictchAngle은 d(k)=0일 때 큰 발생확률 값을 지닌다.", "반면에,Along Heading Acceleration와 Cross HeadingAcceleration은 d(k)의 값이 \\(-10 \\sim 10 \\) 사이에 넓게 분포되어있다.", "그림 5에서와 같이 좁은 분포 영역에서 차분데이터는 다양한 분포를 나타낸다.", "</p> <p>본 논문에서는 보다 넓은 분포 영역에 대한 차분데이터의 발생확률 조사한다.", "표 4는 44개의 차분데이터에대하여 분포 영역이 \\( \\pm 100 \\) , \\( \\pm 200 \\), \\( \\pm 500 \\)일 때 누적 확률을 나타낸 것이다.", "d(k)의 값이 0에서 멀어 짐에 따라 1에 가까워짐을 알 수 있다.", "표 4에서 \\( \\pm 500 \\) 일 때Pressure Ratio, Body Normal Acceleration, AlongHeading Acceleration, Cross Heading Acceleration을제외한 모든 차분데이터의 발생 확률이 1이 됨을 알 수있다.", "이것은 위의 4가지 데이터를 제외한 나머지 비행데이터들의 d(k)값이 10비트만으로 표현될 수 있음을의미한다.", "따라서 D(k)대신 d(k)를 전송하는 것이 보다더 효율적임을 예상할 수 있다.", "</p> <table border><caption>표 4. 분포영역별 차분데이터 d(k)의 누적확률</caption> <tbody><tr><td rowspan=2>Name</td><td colspan=3>d(k) 분포영역</td></tr><tr><td>\\( -100 \\sim 100 \\)</td><td>\\( -200 \\sim 200 \\)</td><td>\\( -500 \\sim 500 \\)</td></tr><tr><td>Cross Heading Acceleration</td><td>0.009</td><td>0.013</td><td>0.025</td></tr><tr><td>Pressure Ratio(Pt/PS)</td><td>0.005</td><td>0.011</td><td>0.032</td></tr><tr><td>Along Heading Acceleration</td><td>0.022</td><td>0.045</td><td>0.113</td></tr><tr><td>Body Normal Acceleration</td><td>0.100</td><td>0.191</td><td>0.422</td></tr><tr><td>Mach</td><td>0.697</td><td>0.970</td><td>1.000</td></tr><tr><td>Body Pitch Rate</td><td>0.658</td><td>0.917</td><td>1.000</td></tr><tr><td>Radio Height</td><td>0.995</td><td>1.000</td><td>1.000</td></tr><tr><td>Altitude</td><td>1.000</td><td>1.000</td><td>1.000</td></tr><tr><td>True Heading</td><td>1.000</td><td>1.000</td><td>1.000</td></tr><tr><td>Roll Angle</td><td>1.000</td><td>1.000</td><td>1.000</td></tr><tr><td>...", "</td><td>...", "</td><td>...", "</td><td>...", "</td></tr></tbody></table> <p>그림 7은 제안하는 전송 기법과 기본 방식간의 성능비교를 위한 실시간 테스트 플랫폼을 나타낸 것이다.", "송신부(Tx)에서는 ARINC-429 프로토콜에 정의된 Max Transit interval에 따라 X-Plane으로부터 비행데이터가 생성되어 지정된 데이터포맷으로 변환된 후 LAN을 통하여 전송된다.", "그리고 수신부(Rx)는 전송되는 UDP 패킷으로부터 비행데이터를 실시간으로 복원한다.", "그림 8은 수신부의 이러한 기능들을 보여준다.", "</p> <p>제안하는 방법에서의 데이터 전송 효율을 살펴보기위하여 기존 방식과 제안 방식간의 데이터 전송량을 비교하였다.", "그림 9는 데이터 전송량을 보여준다.", "기존의ARINC-429 방식에 비해 제안 방식은 3가지 유형 모두에서 약 4kbps 정도 전송 속도가 향상됨을 알 수 있다.", "이것은 전체 패킷 양과 유효 데이터 전송량 각각에 대하여 \\(20 \\% \\)와 \\(35 \\% \\)이득이 제안 방식에서 얻어짐을 의미한다.", "</p> <p>그림 6에서 알 수 있듯이 제안하는 방법은 기존의 방법에 비해 추가적인 연산을 필요로 한다.", "이것은 MC에서 수행되어야 하는 OFP의 실시간 구동에 문제를 야기할 수 있다.", "이에 본 논문에서는 제안 방식과 기존 방식에서의 연산 시간을 비교 하였다.", "표 7은 패킷 하나를 처리하는데 소요된 평균 시간을 나타낸다.", "</p> <table border><caption>표 7. 제안방식과 기존방식의 구동시간 비교(㎲)</caption> <tbody><tr><td rowspan=2>시간</td><td rowspan=2>기존</td><td colspan=3>제안</td></tr><tr><td>유형-S</td><td>유형-M</td><td>유형-H</td></tr><tr><td>데이터 복호</td><td>0.79</td><td>0.86</td><td>0.86</td><td>0.90</td></tr><tr><td>패킷 수신</td><td>9,164</td><td>8,937</td><td>8,956</td><td>8,958</td></tr><tr><td>합계</td><td>9,164.79</td><td>8,937.86</td><td>8,956.86</td><td>8,958.90</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "차분펄스부호변조방식에 기반한 새로운 비행데이터 전송 기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-14aaa73a-3e9b-4abd-b846-0fa092bceb9f", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "강민우", "문용호" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>그림 6에서 L과 C에 대한 계산시 사용한 수식은 식(2)와 같으며, 일반 다항합수에 비해 Logarithmic 함수를 사용하면서 차수가 줄었으며, 회로 정수에 대한 수식의 계수들은 다항함수로 표현되지 않아 표 2 에 나타내었다.", "</p> <table border><caption>표 2. (a) \\( Z \\), 에 따른 회로정수 L 에 대한 수식 계수</caption> <tbody><tr><td>\\( \\mathrm{Z}_{1} \\)</td><td>\\( \\mathrm{a}_{1} \\)</td><td>\\( \\mathrm{a}_{2} \\)</td><td>\\( \\mathrm{p}_{1} \\)</td><td>\\( \\mathrm{p}_{2} \\)</td><td>\\( \\mathrm{p}_{3} \\)</td></tr><tr><td>200</td><td>0.04318</td><td>0.003435</td><td>o</td><td>o</td><td>o</td></tr><tr><td>175</td><td>0.04813</td><td>0.002086</td><td>o</td><td>o</td><td>0.00974</td></tr><tr><td>150</td><td>0.05183</td><td>-0.001723</td><td>o</td><td>0.04015</td><td>0.00915</td></tr><tr><td>136.5</td><td>0.05686</td><td>-0.00165</td><td>-0.058</td><td>0.0585</td><td>0.00956</td></tr><tr><td>125</td><td>0.06233</td><td>-0.00144</td><td>-0.0859</td><td>0.07574</td><td>0.00842</td></tr><tr><td>112.5</td><td>0.06761</td><td>-0.002183</td><td>0.0841</td><td>0.08736</td><td>0.00712</td></tr><tr><td>100</td><td>0.07207</td><td>-0.004022</td><td>-0.0493</td><td>0.06804</td><td>0.01113</td></tr><tr><td>87.5</td><td>0.08024</td><td>-0.005662</td><td>-0.047</td><td>0.07204</td><td>0.01129</td></tr><tr><td>75</td><td>0.0907</td><td>-0.006384</td><td>-0.05</td><td>0.08174</td><td>0.01206</td></tr><tr><td>62.5</td><td>0.1102</td><td>-0.005901</td><td>-0.0456</td><td>0.08362</td><td>0.01546</td></tr><tr><td>50</td><td>0.1472</td><td>-0.009289</td><td>0.0544</td><td>0.1193</td><td>0.01101</td></tr><tr><td>43.25</td><td>0.1938</td><td>-0.001398</td><td>-0.0325</td><td>0.07423</td><td>0.03193</td></tr><tr><td>37.5</td><td>0.2461</td><td>0.001146</td><td>-0.0281</td><td>0.07003</td><td>0.03616</td></tr><tr><td>35</td><td>0.2687</td><td>-0.001734</td><td>-0.0283</td><td>0.07165</td><td>0.03973</td></tr><tr><td>32.5</td><td>0.3272</td><td>-0.001605</td><td>-0.0223</td><td>0.05972</td><td>0.05037</td></tr><tr><td>30</td><td>0.3776</td><td>-0.007945</td><td>-0.0228</td><td>0.05947</td><td>0.05688</td></tr><tr><td>27.5</td><td>0.2231</td><td>-0.03813</td><td>-0.0212</td><td>0.0558</td><td>0.06714</td></tr><tr><td>25</td><td>o</td><td>o</td><td>-0.022</td><td>0.0557</td><td>0.08303</td></tr></tbody></table> <table border><caption>(b) \\( Z_{1} \\) 에 따른 회로정수 C 에 대한 수식 계수</caption> <tbody><tr><td>\\( \\mathrm{Z}_{1} \\)</td><td>\\( \\mathrm{a}_{1} \\)</td><td>\\( \\mathrm{a}_{2} \\)</td><td>\\( \\mathrm{p}_{1} \\)</td><td>\\( \\mathrm{p}_{2} \\)</td><td>\\( \\mathrm{p}_{3} \\)</td></tr><tr><td>200</td><td>0.0121</td><td>-0.002371</td><td>o</td><td>o</td><td>o</td></tr><tr><td>175</td><td>0.01384</td><td>-0.002432</td><td>o</td><td>o</td><td>0.00681</td></tr><tr><td>150</td><td>0.01522</td><td>-0.003587</td><td>o</td><td>0.01148</td><td>0.00233</td></tr><tr><td>136.5</td><td>0.01706</td><td>0.003315</td><td>-0.0209</td><td>0.02152</td><td>0.00173</td></tr><tr><td>125</td><td>0.0191</td><td>-0.003285</td><td>-0.0313</td><td>0.02829</td><td>0.00144</td></tr><tr><td>112.5</td><td>0.02116</td><td>-0.003813</td><td>0.0376</td><td>0.03618</td><td>0.00081</td></tr><tr><td>100</td><td>0.02385</td><td>-0.003672</td><td>-0.0245</td><td>0.02836</td><td>0.00257</td></tr><tr><td>87.5</td><td>0.0275</td><td>-0.004264</td><td>-0.0201</td><td>0.02736</td><td>0.00309</td></tr><tr><td>75</td><td>0.03367</td><td>-0.004076</td><td>-0.0192</td><td>0.02828</td><td>0.0056</td></tr><tr><td>62.5</td><td>0.04283</td><td>0.003815</td><td>-0.0181</td><td>0.02828</td><td>0.0056</td></tr><tr><td>50</td><td>0.05396</td><td>-0.002993</td><td>-0.0185</td><td>0.03355</td><td>0.00589</td></tr><tr><td>43.25</td><td>0.07829</td><td>-0.002697</td><td>-0.0084</td><td>001563</td><td>0.01574</td></tr><tr><td>37.5</td><td>0.1</td><td>-0.001377</td><td>-0.0089</td><td>0.01757</td><td>0.01685</td></tr><tr><td>35</td><td>0.1083</td><td>-0.002184</td><td>-0.0043</td><td>0.00597</td><td>0.02547</td></tr><tr><td>32.5</td><td>0.1364</td><td>-0.001534</td><td>-0.0058</td><td>0.01041</td><td>0.02445</td></tr><tr><td>30</td><td>0.1559</td><td>-0.004393</td><td>-0.0065</td><td>0.01145</td><td>0.02716</td></tr><tr><td>27.5</td><td>0.1276</td><td>-0.01326</td><td>-0.0061</td><td>0.0979</td><td>0.03216</td></tr><tr><td>25</td><td>o</td><td>o</td><td>-0.0033</td><td>0.0008</td><td>0.04288</td></tr></tbody></table> <p>\\( x=Z_{2} / Z_{1} \\)</p> <p>Lor \\( C=\\left\\{\\begin{array}{l}a_{1} \\ln ^{2}(x)+a_{2} \\ln (x), \\text { for } x<1 \\\\ p_{1} \\ln ^{3}(x)+p_{2} \\ln ^{2}(x)+p_{3} \\ln (x), \\text { for } x \\geq 1\\end{array}\\right. \\)", "<caption>(2)</caption></p> <p>수식에 대한 검증을 위하여 임피던스 \\( Z_{1} \\) 이 50옴, \\( Z_{2} \\) 가 80옴인 경우에 대해 \\( \\mathrm{EM} \\) 해석과 수식으로 계산한</p> <p>결과를 등가회로에 적용하여 \\( \\mathrm{s} \\)-parameter 들을 비교한 것이 그림 7 이며, 수식 계산시 계수들은 표 2 를 참조하였다.", "</p> <p>그림 7에서 EM 해석 결과와 등가회로를 적용한 결과는 \\( \\mathrm{S}_{11}, \\mathrm{~S}_{22} \\) 의 크기를 제외하고는 거의 일치함을 보이며, 반사계수인 경우 절대값의 관점에서 볼 때 매우 작은 수준에서 차이가 나는 경우이므로 거의 차이가 없다고 해도 무방할 것이다.", "</p> <h1>II.", "Suspended Strip Line의 제작을 위한 물리적인 값 및 EM 해석 공간의 설정</h1> <p>Suspended Strip Line의 신호가 전송되는 횡단면의 구조는 그림 1 과 같다.", "여기서, s는 유전체의 두께, t는 도체의 두께, \\( \\varepsilon_{\\mathrm{r}} \\) 는 유전체의 비유전율, W 는 도체 폭, b는 윗측 도체와 아래축 도체 간의 거리이며, A는 옆면 도체들 간의 거리이다.", "</p> <p>본 논문에서 설정한 Suspended Strip Line 구조의 물리적인 값들은 다음과 같다.", "</p> <p>\\( \\begin{array}{ll}\\mathrm{A}=7.5 \\mathrm{~mm}, \\quad \\mathrm{~b} & =2.127 \\mathrm{~mm}, \\\\ \\mathrm{~s}=0.127 \\mathrm{~mm}, & \\mathrm{t}=0.018 \\mathrm{~mm}, \\quad \\varepsilon_{\\mathrm{r}}=2.22\\end{array} \\)</p> <p>위의 값들 중 A를 7.5\\(~mm\\) 로 설정한 이유는 cavity resonance가 일어날 수 있는 최저 주파수가 21.97 \\(GHz\\) 이므로 20 \\(GHz\\) 주파수 대역까지 회로 설계를 할 경우 문제가 없도록 했으며, 또한 \\( \\mathrm{A} \\) 값이 클 경우는 기판의 지지가 어렵기 때문에 제작이 쉽지 않게 된다.", "</p> <p>Suspended Strip Line의 특성임피던스를 계산하는 수식은 closed form으로는 현재 존재하지 않지만, 위에서 설정한 물리적인 값들을 사용한 특성임피던스에 대한 계산은 Strip Line의 수식은 Air-filled 보정( 즉, 유전체가 공기로 채워졌다고 가정하면 s 와 b 는 다른 값으로 치환됨)한 수식으로부터 구할 수 있다.", "이 수식은 임의의 두께를 갖는 도체폭 W가 주었졌을 때 특성임피던스를 구하는 수식이므로, 임의의 임피던스가 주어졌을 경우에는 해당 수식들율 이용하여 수치해석으로 도체폭을 구할 수 있다.", "</p> <p>앞에서 설정된 물리적인 값들을 바탕으로 EM 해석 공간의 길이는 reference shift를 하여도 해석 결과에 영향을 미치지 않는 것으로 확인된 15 \\(mm\\) 로 설정하였다.", "각기 다른 특성임피던스에 대해 수식으로 계산한 도체폭과 이 도체폭을 적용하여 EM해석한 임피던스와의 상대적 차이를 백분율로 비교한 것을 표 1 에 나타내었다.", "</p> <table border><caption>표 1. EM 해석한 특성임피던스 비교</caption> <tbody><tr><td>Characteristic lmpedance (Ω)</td><td>Conductor Width (mm)</td><td>lmpedance by EM (Ω)</td><td>Relative Difference of Impedance (%)</td></tr><tr><td>200</td><td>0.134355</td><td>195.05</td><td>2.47</td></tr><tr><td>175</td><td>0.225939</td><td>173.37</td><td>0.82</td></tr><tr><td>150</td><td>0.370457</td><td>146.26</td><td>1.87</td></tr><tr><td>136.5</td><td>0.480814</td><td>134.5</td><td>1.00</td></tr><tr><td>125</td><td>0.59943</td><td>123.21</td><td>0.89</td></tr><tr><td>112.5</td><td>0.761856</td><td>111.24</td><td>0.63</td></tr><tr><td>100</td><td>0.970741</td><td>98.47</td><td>0.76</td></tr><tr><td>87.5</td><td>1.24434</td><td>86.91</td><td>0.29</td></tr><tr><td>75</td><td>1.613</td><td>74.29</td><td>0.35</td></tr><tr><td>62.5</td><td>2.13159</td><td>62.03</td><td>0.24</td></tr><tr><td>50</td><td>2.91067</td><td>49.97</td><td>0.02</td></tr><tr><td>43.25</td><td>3.51878</td><td>43.12</td><td>0.07</td></tr><tr><td>37.5</td><td>4.20951</td><td>37.44</td><td>0.03</td></tr><tr><td>35</td><td>4.58061</td><td>34.84</td><td>0.08</td></tr><tr><td>325</td><td>5.00881</td><td>32.31</td><td>0.09</td></tr><tr><td>30</td><td>5.50838</td><td>29.66</td><td>0.17</td></tr><tr><td>27.5</td><td>6.09878</td><td>26.7</td><td>0.40</td></tr><tr><td>25</td><td>6.80726</td><td>22.85</td><td>1.07</td></tr></tbody></table> <p>표 1 에서와 같이 각 특성임피던스에 대해 EM 해석 결과는 \\( 2.5 \\% \\) 차이 이내이며, 불연속 효과 등을 포함한 회로 설계에 적용할 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "Suspended Strip Line의 Open End 및 Step 불연속 효과에 대한 고찰", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-1148bcab-686a-48f5-93ca-07ea26ced81b", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "전용구", "양승인" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "실험 및 분석</h1><p>본 논문에서 제안한 내용은 자바 프로그램을 이용하여 실험하였다.", "각 단계별로 시간 측정을 위하여 자바 1.8 버전 이상에서 java.time 패키지가 제공하는 Instant와 Duration 클래스를 사용하였다.", "</p><h2>1. 실험 환경</h2><p>Emulab 환경에서 우분투(Ubuntu) 12.04 LTS 운영체제를 아래 그림 9와 같이 구성하였으며, 실제 테스트는 1대의 서버 노드와 3대의 클라이언트 노드 환경에서 실험하였다.", "각 노드는 Quad-core Intel Xeon CPU와 \\( 12 \\mathrm{~GB} \\) 메모리를 가진 dellR710 PC로 구성되었다.", "Emulab에서 노드 구성을 위한 스크립트는 그림 10과 같이 주어졌다.", "Emulab에서 만들어진 결과 화면은 그림과 같다.", "그림 11에서 보는 바와 같이 논리적인 구성을 물리적으로 맵핑된 결과를 알 수 있다.", "</p><h2>2. 실험 결과 및 분석</h2><p>스테가노그래피 실험을 위하여 상대적으로 하나의 노드에서 실험한 결과와 여러 노드를 사용한 결과를 비교하여 Emulab을 활용한 방법이 효율적임을 보이고자 하였다.", "커버 이미지는 24-비트 비트맵 칼라 이미지를 사용하였다.", "먼저, 1대의 서버로 구성한 경우에 대해서각 단계별 수행시간을 비교한 결과를 표 2에 보여주고있다.", "다음으로 서버/클라이언트로 구성된 노드에서 클라이언트에서 수행하는 항목에 대한 평균 수행시간을 표 3에서 보여주고 있다.", "파일 크기가 증가함에 따라 분산 처리가 효율적일 수 있음을 알 수 있다.", "그림 12는 서버와 클라이언트에서 각각 수행되는 항목에 대한 전체 수행시간을 그래프로 나타낸 것이다.", "</p><p>또한, 그림 13에서는 본 논문에서 제안한 알고리즘을 분산 처리하였을 경우에 전체 수행시간을 나타낸 것이다.", "즉, 1대의 서버에서 전체를 수행하는 시간과 노드를 클라이언트/서버로 구성하여 분산 처리할 경우, 스테고 이미지가 생성되는 전체 수행과정에 대한 시간을 그래프로파일 크기가 커짐에 따라 여러 노드를 사용한 경우 처리속도 측면에서 우수함을 알 수 있다.", "본 실험에 사용된 스테가노그래피 기법은 기본적으로 이용되는 LSB, PVD, HS, DE 등을 사용하였으며, 각 방법이 수행되는 시간차이가 분산처리에 사용되는 시간과 비교하면 그 차이가 미미하여 모든 방법에 대한 결과는 제외시켰다.", "실험 결과에 따르면, 이미지의 크기가 증가함에 따라 Emulab에서 제공하는 여러 클라이언트 환경으로 구성하여 처리하는 것이 더 효율적임을 알 수 있다.", "위에서 살펴본 바와 같이, Emulab 환경에서 스테가노그래피 기법을 적용시킴으로써 분산처리가 가능함을 실험을 통하여 보였다.", "또한, 스테가노그래피 측면에서 다양한 실험환경을 제공하는 Emulab을 활용할 수 있는 방안을 제시하였다", "</p><table border><caption>표 2. 파일 크기별 서버 실행시간</caption><tbody><tr><td>단계 \\ 크기</td><td>\\( 190 \\mathrm{~KB} \\)</td><td>\\( 768 \\mathrm{~KB} \\)</td><td>\\( 3,072 \\mathrm{~KB} \\)</td><td>\\( 12,288 \\mathrm{~KB} \\)</td><td>\\(49,152 \\mathrm{~KB} \\)</td><td>\\(196,608 \\mathrm{~KB} \\)</td></tr><tr><td>채널분리</td><td>\\( 382 \\mathrm{~ms} \\)</td><td>\\(729 \\mathrm{~ms} \\)</td><td>\\( 1,868\\mathrm{~ms} \\)</td><td>\\(5,792 \\mathrm{~ms} \\)</td><td>\\( 21,512 \\mathrm{~ms} \\)</td><td>\\( 81,070 \\mathrm{~ms} \\)</td></tr><tr><td>자료은닉</td><td>\\( 204 \\mathrm{~ms} \\)</td><td>\\(514 \\mathrm{~ms} \\)</td><td>\\( 1,734 \\mathrm{~ms} \\)</td><td>\\(5,953 \\mathrm{~ms} \\)</td><td>\\( 20,904 \\mathrm{~ms} \\)</td><td>\\( 80,595 \\mathrm{~ms} \\)</td></tr><tr><td>스테고이미지생성</td><td>\\( 23 \\mathrm{~ms} \\)</td><td>\\(81 \\mathrm{~ms} \\)</td><td>\\( 304 \\mathrm{~ms} \\)</td><td>\\(1,152 \\mathrm{~ms} \\)</td><td>\\(4,591 \\mathrm{~ms} \\)</td><td>\\( 18,209 \\mathrm{~ms} \\)</td></tr></tbody></table><table border><caption>표 3. 파일 크기별 클라이언트 실행시간</caption><tbody><tr><td>단계 \\ 크기</td><td>\\( 190 \\mathrm{~KB} \\)</td><td>\\( 768 \\mathrm{~KB} \\)</td><td>\\( 3,072 \\mathrm{~KB} \\)</td><td>\\( 12,288 \\mathrm{~KB} \\)</td><td>\\(49,152 \\mathrm{~KB} \\)</td><td>\\(196,608 \\mathrm{~KB} \\)</td></tr><tr><td>자료은닉</td><td>\\( 223 \\mathrm{~ms} \\)</td><td>\\(347 \\mathrm{~ms} \\)</td><td>\\( 772 \\mathrm{~ms} \\)</td><td>\\(2,374 \\mathrm{~ms} \\)</td><td>\\( 7,580 \\mathrm{~ms} \\)</td><td>\\( 27,819 \\mathrm{~ms} \\)</td></tr><tr><td>채널별스테고이미지 생성</td><td>\\( 62 \\mathrm{~ms} \\)</td><td>\\(163 \\mathrm{~ms} \\)</td><td>\\(496 \\mathrm{~ms} \\)</td><td>\\(1,458 \\mathrm{~ms} \\)</td><td>\\(5,594 \\mathrm{~ms} \\)</td><td>\\( 16,310 \\mathrm{~ms} \\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "Emulab 테스트베드 환경에서의 분산 스테가노그래피 연구", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0f6b2a3f-bda5-48ae-bd20-d9cd539ad22c", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2015", "doc_author": [ "정기현", "석우진" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>PSNR의 경우 픽셀마다 수행되는 연산이기 때문에 기하학적 왜곡이 정확하게 보정되지 않게 되면 PSNR의 값은 크게 떨어진다.", "그러나 그림 10에서 볼 수 있듯이 실제 사람의 육안으로는 기하학적 위치관계가 원영상과 비교하여 거의 구분할 수 없음을 알 수 있다.", "</p> <p>실험 조건에서 카메라의 설정을 화이트 밸런스 ON으로 설정하였다.", "이는 실제 흰색이 주변 광원에 의해 변화되었을 경우 그 변화된 색이 카메라 영상으로 나오지 않고, 흰색으로 맞춰서 출력해주기 위한 기능이지만 이로 인하여 다른 색의 왜곡이 커질 수 있다.", "이로 인해 그림 9를 보면 특정 한 색깔의 PSNR이 낮은 것을 알 수 있다.", "표 1은 각 영상별 PSNR을 R, G, B, 그리고 Y성분에 대하여 정리하였다.", "</p> <p>그림 10은 원영상과 제안한 알고리즘을 통해 재구성한 영상을 나타낸다.", "그림 10에서 볼 수 있듯이 예측한 영상이 원영상과 거의 유사함을 확인할 수 있다.", "그림 11은 인지적 화질평가를 객관화한 방법인 EPSNR을 이용하여 제안한 알고리즘의 성능을 평가한 결과이다.", "영상은 이전 실험에서 사용한 Foreman과 Hall-monitor 영상을 이용하였다.", "그래프의 \\( x \\)축은 각 영상의 프레임 번호를 나타내고, \\( y \\)축은 화질을 평가하는 값인 EPSNR을 의미한다.", "그림 11에서 볼 수 있듯이 제안한 알고리즘을 통해 예측한 영상과 원본 영상사이의 EPSNR 값이 약 \\( 0.45 \\sim 0.55 \\) 사이인 것을 확인할 수 있다.", "이러한 EPSNR값은 다수의 사람이 직접 화질을 평가한 실험 결과인 MOS의 fair에 맵핑된다.", "즉, 총 5단계를 가지는 MOS 값과 \\(0\\sim 1\\) 사이의 값을 갖는 EPSNR 사이를 맵핑해 보면, \\(0.45 \\sim0.55\\) 정도의 EPSNR 값은 실제 사람이 평가하였을 때, 예측한 영상과 원영상 사이의 차이를 비교적 유사하게 느끼는 MOS 값인 fair에 매칭되는 것을 확인할 수 있다.", "</p> <table border><caption>표 1. 제안한 알고리즘을 이용하여 예측한 영상과 원 영상 사이의 PSNR</caption> <tbody><tr><td rowspan=2>Sequences</td><td colspan=4>Average PSNRs</td></tr><tr><td>R component</td><td>G component</td><td>B component</td><td>Y component</td></tr><tr><td>Foremam</td><td>27.56</td><td>28.01</td><td>26.55</td><td>28.49</td></tr><tr><td>Hall-monitor</td><td>27.62</td><td>27.27</td><td>25.75</td><td>27.77</td></tr><tr><td>Container</td><td>26.59</td><td>26.59</td><td>24.80</td><td>27.55</td></tr><tr><td>Carphone</td><td>28.35</td><td>28.02</td><td>25.03</td><td>28.59</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "스트리밍 비디오 화질 평가를 위한 수신 영상복원", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-1263cb0a-c923-42ba-a02e-7ca891e919a7", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "박수경", "심동규" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>요 약</h1><p>유클리드 최소 신장 트리(EMST) 문제는 2차원 평면상에 존재하는 입력노드들을 최소 비용으로 연결하는 것이다.", "EMST와 같은 다항 시간문제에 대하여 연구된 알고리즘들은 수많은 입력들에 대하여 최적의 해를 얻기 위해 매우 많은 시간을 필요로 한다.", "본 논문에서는 이 문제에 대한 해를 구하기 위해 분할과 병렬기법을 활용한 다항 시간 근사법(PTAS)을 제안하는데, 이 기법은 비교적 짧은 시간 내에 매우 큰 근사 EMST를 생성할 수 있다.", "순수 PTAS는 비-다항 시간문제를 위해 개발되었지만, 다이내믹 프로그래밍을 활용하여 이것을 대형 EMST에 적용하였다.", "제안된 방법에 의해 생성된 15,000개의 입력 단말 노드와 16개의 분할 영역으로 구성된 근사 EMST의 생성 실험에서, 직렬 방식은 \\( 89 \\%\\), 병렬 방식은 \\( 99 \\% \\)의 실행시간의 감축을 보였다.", "따라서 본 논문에서 제안하는 방법은 평면상의 매우 많은 수의 입력 단말 노드에 대하여 근사 EMST를 신속히 구축해야 하는 응용에 잘 적용될 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "대형 유클리드 최소신장트리 문제해결을 위한 다항시간 근사 법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-11ca31c1-eb75-4be0-b626-0668e6d220de", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "김인범" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>4. 프레임 구조</h2><p>구현에 사용된 프레임 유형에는 RTS, CTS, DoA,ACK, NAK에서 사용하는 제어 프레임과 DATA에서 사용하는 데이터 프레임으로 나뉜다.", "</p><p>그림 9와 같이 제어 프레임 길이는 총 \\( 12 \\mathrm{bytes} \\) 이고 데이터 프레임 길이는 총 \\( 51 \\mathrm{bytes} \\)이다.", "두 프레임 모두 PHY 계층에서 총 \\( 6 \\mathrm{bytes} \\)를 사용하고 있으며 MAC 계층에서 총 \\( 5 \\mathrm{bytes} \\)를 사용하고 있다.", "제어 프레임의 애플리케이션 계층에서는 \\( 1 \\mathrm{bytes} \\)를 사용하고 있으며, 데이터 프레임의 애폴리케이션 계층에서는 \\( 40 \\mathrm{bytes} \\)를 사용한다.", "</p><p>MAC Header의 첫 번째 \\( 1 \\mathrm{bytes} \\)는 시퀀스 번호로 이전에 받은 데이터 프레임이 있는지 확인하기 위해 필요한 정보로서 데이터 프레임의 시퀀스 번호가 DoA 프레임의 시퀀스 번호와 같다면 이전에 받은 데이터 프레임이 있다는 의미이며, 만약 없다면 이전에 받은 데이터 프레임이 없다는 의미이다.", "</p><p>MAC Header의 두 번째 \\( 1 \\mathrm{bytes} \\)는 송신자 주소로서 프레임이 어디서 왔는지 알 수 있는 정보로서 응답 프레임을 보낼 때 필요하다.", "</p><p>MAC Header의 세 번째 \\( 1 \\mathrm{bytes} \\)는 수신자 주소로서 목적노드를 위한 프레임인지 또는 아닌지를 구별할 수 있는 정보이다.", "만약 목적노드를 위한 프레임이라면 그 프레임에 맞는 응답 프레임을 전송하지만 만약 다른 노드를 위한 프레임이라면 프레임 간 충돌을 방지하기 위해 프레임 유형에 따라 알맞은 NAV 설정을 한다.", "</p><p>MAC Header의 네 번째 \\( 1 \\mathrm{bytes} \\)는 프레임을 구별하기 위해 필요한 정보로서 프레임 유형을 표 1과 같이 설정 하였다.", "</p><table border><caption>표1. 프레임 유형</caption><tbody><tr><td>프레임 유형</td><td>값</td></tr><tr><td>DoA, RTS</td><td>\\(0\\times01\\)</td></tr><tr><td>NAK, CTS</td><td>\\(0\\times02\\)</td></tr><tr><td>DATa</td><td>\\(0\\times03\\)</td></tr><tr><td>ACK</td><td>\\(0\\times04\\)</td></tr></tbody></table><p>MAC Footer의 \\( 1 \\mathrm{bytes} \\)는 프레임의 오류를 확인하기 위해 CRC를 사용하고 있다.", "CRC 알고리즘은 다음과 같다.", "</p><p>step 1 : 제어 프레임의 MAC Header \\(4\\mathrm{bytes}\\)와 데이터 \\(1\\mathrm{bytes}\\) 또는 데이터 프레임의 MAC Header의 \\( \\mathrm{bytes} \\)와 데이터 \\( 40 \\mathrm{bytes} \\)에 대해 CRC 계산을 한다.", "</p><p>step 2 : 계산된 결과를 MAC Footer에 저장하여 전송한다.", "</p><p>step 3 : 수신된 프레임을 통해<step 1>과 같은 방식으로 MAC Header와 데이터에 대해 CRC 계산을 한다</p><p>step 4: 계산된 결과를 MAC Footer에 저장된 값과 비교하여 오류 여부를 확인한다.", "만약 같으면 오류가 없다는 의미이고, 다르다면 전송 중에 문제가 발생하여 오류가 있다는 의미이다.", "</p> <h2>5. 수식 모델</h2><p>이번 절에서는 성능을 검증하기 위해 수식에 사용한 수식 기호와 수식에 대해서 설명한다.", "수식 모델에 사용된 기호는 표 2와 같다.", "</p><table border><caption>표2. 수식 기호</caption><tbody><tr><td>수식 기호</td><td>설명</td></tr><tr><td>Max_tr</td><td>Maximum transmission range</td></tr><tr><td>As</td><td>Acoustic speed</td></tr><tr><td>Pd</td><td>Propagation delay</td></tr><tr><td>Max_dr</td><td>Maximum data bit rate</td></tr><tr><td>Cl</td><td>Contro frame length</td></tr><tr><td>Dl</td><td>Data frame length</td></tr><tr><td>C_td</td><td>Control frame transmission delay</td></tr><tr><td>D_td</td><td>Data frame transmission delay</td></tr><tr><td>T_cd</td><td>Total control frame delay</td></tr><tr><td>T_dd</td><td>Total data frame delay</td></tr><tr><td>N_ce</td><td>The number of control frame error</td></tr><tr><td>N_de</td><td>The number of data frame error</td></tr><tr><td>Nr_ACK</td><td>The number of receiving ACK</td></tr><tr><td>Ns_DoA</td><td>The number of sending DoA</td></tr><tr><td>Ns_RTS</td><td>The number of sending RTS</td></tr><tr><td>Ns DATA</td><td>The number of sending DATA</td></tr><tr><td>NsLDATA1</td><td>The number of sending DATA in the beginning cycle of new MAC</td></tr><tr><td>Ns_C</td><td>The number of sending control frame</td></tr><tr><td>Ns_D</td><td>The number of sending data frame</td></tr></tbody></table><p>\\( P d=M a x_{-} t r / A s \\)<caption>(1)</caption></p><p>수식 (1)은 Propagation delay에 관련된 수식 모델이다.", "Propagation delay는 특정 신호가 통신 매체에서 얼마나 빨리 전달되는지를 알려주는 것으로서 통신 매체와 신호 종류에 따라 지연 시간이 달라질 수 있다.", "</p><p>수중 환경에서의 Propagation delay는 수중에서 음파신호가 발신 노드로부터 목적 노드까지 도달하는데 소요되는 시간을 의미한다.", "</p><p>\\( C_{-} t d=C / M_{a x_{-}} d r \\)<caption>(2)</caption></p><p>\\( D_{-} t d=D l / M a x_{-} d r \\)<caption>(3)</caption></p><p>수식 (2)와 수식 (3)은 제어 프레임과 데이터 프레임을 보낼 때 걸리는 Transmission delay에 관련된 수식모델이다.", "Transmission delay는 주어진 프레임을 처리하는데 걸리는 시간을 의미하며, 프레임 길이와 데이터 처리 속도 따라 달라진다.", "다시 말해서, 프레임 길이가 길수록 Transmission delay는 늘어나고, 데이터 처리 속도가 높을수록 Transmission delay는 짧아진다.", "</p><p>\\( T_{-} c d=P d+C_{-} t d \\)<caption>(4)</caption></p><p>\\( T_{-} d d=P d+D_{-} t d \\)<caption>(5)</caption></p><p>수식 (4)와 수식 (5)는 제어 프레임과 데이터 프레임이 수중에서 음파를 통해 발신 노드로부터 목적 노드까지 도달하는데 소요되는 총 지연 시간에 관련된 수식모델이다.", "</p><p>\\( \\left(N_{S_{-}} D A T A 1+N_{S_{-}} D O_{0} A\\right) / N_{r_{-}} A C K \\)<caption>(6)</caption></p><p>수식 (6)은 경쟁방식에서 제안된 MAC 프로토콜의 프레임 전송 성공 확률에 관련된 수식 모델이다.", "발신노드의 전송주기에서 맨 처음 전송되는 DATA 프레임과 DoA 프레임 전송시 경쟁방식으로 이루어지기 때문에 전송주기에서 맨 처음 전송되는 DATA 프레임과 DoA프레임의 전송 횟수에 대한 발신 노드의 ACK 프레임 수신 횟수를 나눔으로써 프레임 전송 성공률을 구하였다.", "</p><p>\\( N_{S_{-}} D A T A / N_{r_{-}} A C K \\)<caption>(7)</caption></p><p>수식 (7)은 경쟁방식에서 ALOHA 프로토콜의 프레임 전송 성공 확률에 관련된 수식 모델이다.", "발신 노드의 DATA 프레임 전송 시 다른 노드와 경쟁방식으로 이루어지기 때문에 DATA 프레임의 전송 횟수에 대한 발신 노드의 ACK 프레임 수신 횟수를 나눔으로써 프레임 전송 성공률을 구하였다.", "</p><p>\\( N_{s_{-}} R T S / N_{r_{-}} A C K \\)<caption>(8)</caption></p><p>수식 (8)은 경쟁방식에서 CSMA/CA 프로토콜의 프레임 전송 성공 확률에 관련된 수식 모델이다.", "발신 노드의 RTS 프레임 전송 시 다른 노드와 경쟁방식으로 이루어지기 때문에 DATA 프레임의 전송 횟수에 대한 발신 노드의 ACK 프레임 수신 횟수를 나눔으로써 프레임 전송 성공률을 구하였다.", "</p><p>\\( N_{r_{-}} A C K \\times 408 \\)<caption>(9)</caption></p><p>수식 (9)는 모든 프로토콜의 데이터 처리량과 관련된 수식 모델이다.", "발신 노드의 ACK 프레임 수신 횟수에 데이터 프레임 길이를 곱함으로써 데이터 처리량을 구하였으며, 데이터 처리량의 단위는 \\(\\mathrm{bit}\\)가 적용되었다.", "</p><p>\\( \\left(N_{s_{-}} D \\times 2448\\right)+\\left(N_{s_{-}} C \\times 576\\right) \\)<caption>(10)</caption></p><p>수식 (10)은 에너지 소비량과 관련된 수식 모델로서 에너지 소비량을 mj로 나타낸 것이다.", "에너지 소비 원인은 프레임 송신, 프레임 수신, idle 모드, sleep 모드등 다양한 구간에서 발생한다.", "프레임 송신은 각 프레임 길이의 \\(1\\mathrm{bytes}\\) 당 \\( 48 \\mathrm{mj} \\) 의 에너지를 소비하지만 다른모드일 경우에는 에너지 소비가 거의 \\( 0 \\mathrm{mj} \\) 에 가깝다.", "따라서 수식 (10)은 프레임 송신에 대해서만 에너지 소비량을 구한 수식이다.", "</p><h2>6. 실험 결과 및 분석</h2><p>수중 무선 네트워크에서는 일반적으로 데이터 처리량도 중요하지만 배터리 교체가 용이하지 않으므로 에너지 소비의 효율성에 대해서도 고려해야 한다.", "또한,수중 환경에서는 전송 지연 시간이 길기 때문에 오류로 인한 재전송을 줄여야 하므로 프레임 길이에 따른 프레임 전송 성공률에 대해서 고려해야 한다.", "</p><p>따라서 제한된 시간 동안 전송 가능한 노드 수에 따른 프레임 전송 성공률, 데이터 처리량, 에너지 소비량에 대해서 보기 쉽게 그래프로 표현하였으며, 기존 MAC 프로토콜과 함께 제안된 MAC 프로토콜을 비교 분석하여 성능을 검증한다.", "</p><p>현재 전송 가능한 노드가 3개이므로 각 프로토콜 당 전송 가능한 노드 수를 1,2,3개로 나눠서 실시하여 트래픽 양을 조절하였으며, 각 실험 시간을 2분으로 설정한 후 실험을 진행하였다.", "</p><p>그림 10은 전송 기능한 노드 수에 대한 프레임 전송 성공률을 나타낸 것으로서 한 노드에서 전송할 경우 세개의 프로토콜 모두 오류가 발생하지 않아 \\( 100 \\% \\) 의 프레임 전송 성공률을 보여주지만, 전송 가능한 노드의 수가 늘어나 트래픽 양이 많아질 경우 프레임 길이가 긴 DATA 프레임을 바로 보내는 AIOHA와 제안된 프로토콜보다 짧은 제어 프레임을 보낸 후 DATA 프레임을 보내는 CSMA/ CA 프로토콜이 상대적으로 오류가 훨씬 적음을 그래프를 통해 확인할 수 있다.", "</p><p>하지만 전송 가능한 노드 수가 늘어나 트래픽의 양이 많아질 경우 DATA 프레임보다 프레임 길이가 짧은 제어 프레임을 사용하는 CSMA/CA와 제안된 MAC 프로토콜의 데이터 처리량이 DATA 프레임을 바로 보내는 Pure ALOHA 프로토콜보다 높게 나타났다.", "</p><p>그림 12는 에너지 소비량을 나타낸 그래프이다.", "전송가능한 노드 수가 1개일 경우에는 오류가 발생하지 않기 때문에 세 프로토콜의 에너지 소비량이 비슷하게 나타났다.", "하지만 전송 가능한 노드 수가 많아져 트래픽의 양이 늘어날 경우 데이터 처리량의 결과와 마찬가지로 프레임 길이가 짧은 제어 프레임을 사용하여 충돌을 회피하는 CSMA / CA 와 제안된 MAC 프로토콜의 에너지 소비량이 Pure ALOHA보다 훨씬 낮게 나타났다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "수중 환경의 MANET을 고려한 매체 접근 제어 프로토콜", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-19189217-e9bb-4a50-ab7b-5b294ff206b3", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2013", "doc_author": [ "신승원", "윤남열", "이진영", "이승주", "박수현" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 편의-분산 분석</h1><p>제안하는 편의-분산 분석은 Ditterich 등의 방법과 동일하게 클래스 분포에 대한 가정을 하지 않고, 0/1 손실함수를 이용한 평균 기대 오류율를 정의한다.", "Domingos 분석에서는 다중 분류 문제의 평균 기대 오류율을 정의하며, 중복을 허용하는 다중 샘플링 훈련 전략에서 주 예즉 클래스의 정의를 이용한 분산의 구성 요소를 유도한다.", "평균 기대 오류율은 편의와 분산으로 이루어진다.", "편의는 예측값과 사실 클래스가 다를 경우 발생된다.", "</p><p>분산은 편의 분산(biased variance)과 비편의 분산(unbiased variance)으로 구성된다.", "기대 오류율의 예측 클래스(predicted class)가 사실 클래스(true class)와 다르면 편의 값이 증가하나, 예측 클래스가 사실 클래스와 동일한 경우 편의 분산이 증가한다.", "반대로 주 클래스가 사실 클래스와 같으면 편의의 증가는 나타나지 않으나, 예측 클래스가 사실 클래스와 다르면 비편의 분산이 차감되어야 한다.", "그러므로 비편의 분산은 기대 오류율에 차감되는 효과가 있으며, 편의 분산은 가산되는 효과가 있다.", "</p><p>표 1 은 부트스트랩 전략으로부터 발생된 \\( m \\) 개의 데이터 집합의 훈련 모델로부터 테스트 데이터의 예측 분류 값을 나타낸다. \\", "( y_{i}^{(j)} \\) 는 \\( i \\) 번째 테스트의 훈련 모델 \\( j \\) 번째의 예측 값으로 0/1-손실 함수로 다음과 같다.", "</p><p>\\[ 1\\left(y_{i}^{(j)}=t_{i}\\right)=\\left\\{\\begin{array}{cc}1 & \\text { if } y_{i}^{(j)} \\neq t_{i} \\\\ 0 & \\text { Otherwise }\\end{array}\\right. \\]", "<caption>(2)</caption></p><p>여기서 \\( t_{i} \\) 는 \\( \\mathrm{i} \\) 번째 훈련 데이터의 사실 클래스이다.", "</p><p>Domingos와 같이 \\( m \\) 개의 데이터 집합의 훈련 모델 전체에서 나타난 예측 값 중에서 가장 빈번한 클래스 예측값(main prediction) \\( y_{i}^{*}=\\operatorname{argmax} _{j} y_{i}^{(j)} \\) 라 정의하자.", "데이터 집합 \\( D_{i}, i=\\{1,2, \\cdots, m\\} \\) 에 대한 \\( \\left(x_{i}, t_{i}\\right) \\in X_{t e} \\) 의 오류 값은 다음과 같다.", "</p><p>\\[ \\begin{aligned} L\\left[y_{i}^{(j)} \\neq y_{i}^{*} \\mid\\left(x_{i}, t_{i}\\right)\\right] &=\\frac{1}{m} \\sum_{j=1}^{m} 1\\left(y_{i}^{(j)} \\neq y_{i}^{*}\\right) \\\\ &=0+\\frac{1}{m} \\sum_{j=1}^{m} 1\\left(y_{i}^{(j)} \\neq y_{i}^{*}\\right) \\\\ &=1\\left(y_{i}^{*} \\neq t_{i}\\right)+\\frac{1}{m} \\sum_{j=1}^{m} 1\\left(y_{i}^{(j)} \\neq y_{i}^{*}\\right) \\end{aligned} \\]<caption>(3)</caption></p><p>\\[ \\begin{aligned} L\\left[y_{i}^{(j)}=y_{i}^{*} \\mid\\left(x_{i}, t_{i}\\right)\\right] &=1-\\frac{1}{m} \\sum_{j=1}^{m} 1\\left(y_{i}^{(j)}=y_{i}^{*}\\right) \\\\ &=1\\left(y_{i}^{*} \\neq t_{i}\\right)-\\frac{1}{m} \\sum_{j=1}^{m} 1\\left(y_{i}^{(j)}=y_{i}^{*}\\right) \\end{aligned} \\]<caption>(4)</caption></p><p>\\( L\\left[y_{i}^{(j)} \\neq y_{i}^{*} \\mid\\left(x_{i}, t_{i}\\right)\\right] \\) 에서는 앞에서 제시된 조건에 따라 \\( y_{i}^{(j)}=t_{i}\\) 에서는 오류로 나타나지 않으며 0으로 계산되어 수식 (3)와 같다. \\", "( L\\left[y_{i}^{(j)}=y_{i}^{*} \\mid\\left(x_{i}, t_{i}\\right)\\right] \\) 은 조건에 따라 \\( y_{i}^{(j)}=t_{i} \\) 이면 예측 오류는 발생하지 않으므로 \\( m \\) 개의 테스트 데이터에 대한 분류 예측 값은 수식 (4)이 된다.", "이 때 \\( y_{i}^{(j)} \\neq t_{i} \\) 인 \\( x_{i} \\) 은 예측 오류를 발생시키므로 전체 에러에 포함되어야 한다.", "테스트 데이터에 대한 전체 오류는 수식 (3)와 (4)의 합이다. \\", "( n \\) 개의 테스트 데이터에 대한 전체 오류식 \\( E \\) 는 다음과 같다.", "</p><p>\\[ \\begin{aligned} E &=\\frac{1}{n} \\sum_{i=1}^{n}\\left\\{L\\left[y_{i}^{(j)} \\neq y_{i}^{*} \\mid\\left(x_{i}, t_{i}\\right)\\right]+L\\left[y_{i}^{(j)}=y_{i}^{*} \\mid\\left(x_{i}, t_{i}\\right)\\right]\\right\\} \\\\ &=\\frac{1}{n} \\sum_{i=1}^{n} 1\\left(y_{i}^{*} \\neq t_{i}\\right) \\qquad \\cdots \\quad B ( \\text{편의}) \\\\ &+\\frac{1}{n m} \\sum_{i=1}^{n} \\sum_{j=1}^{m} 1\\left(y_{i}^{(j)} \\neq y_{i}^{*}\\right) \\cdots \\quad V_{u} ( \\text {비편의 분산}) \\\\ &-\\frac{1}{n m} \\sum_{i=1}^{n} \\sum_{j=1}^{m} 1\\left(y_{i}^{(j)}=y_{i}^{*}\\right) \\cdots \\quad V_{b} (\\text{편의 분산}) \\end{aligned} \\]<caption>(5)</caption></p><p>수식 (5)의 첫 번째 항은 주요 예측 값에 대한 오류로 편의 \\( B \\) 이며, 두 번째 항은 주 예즉 클래스는 같으나 오류가 없는 경우의 분산(unbiased variance) \\( V_{u} \\), 그리고 마지막 항은 오류가 있으나 경우의 분산(biased variance) \\( V_{b} \\) 이다. 그러므로 \\( V_{b}>", "V_{u} \\) 면 \\( E \\) 의 분산은 음수 값을 갖는다.", "유도된 \\( B, V_{u}, V_{b} \\) 는 클래스 분포를 가정하지 않는 0/1 손실함수의 경우 Domingos의 식과 동일하다.", "</p> <p>표 4는 선택된 벤치마크 문제에 대한 프로토타입 선택 시간과 선택된 프로토타입의 수이다.", "선택 시간에서는 고정 반지름 기반 방법이 제안하는 방법보다 높은 시간을 나타냈다.", "이는 고정 반지름 기반 방법에서 프로토타입 구성 시 프로토타입 내 포함되는 상이한 클래스들의 데이터들을 포함할 수 있어 프로토타입 선택 과정에서 적절한 프로토타입들을 선택하는 시간이 많이 걸린다고 분석된다.", "프로토타입 수에서는 제안하는 방법에서 Pendigits을 제외하고 대부분의 문제에서 프로토타입 수가 높게 나타났고 이는 주어진 훈련 데이터의 분포를 고려하여 동일 클래스 데이터들만으로 구성된 프로토타입을 구성하기 때문이다.", "또한 분류 경계면에 위치한 데이터는 프로토타입으로 선택될 가능성이 높기 때문이다.", "</p><p>전체 데이터를 사용한 최근접 이웃 알고리즘과 제안하는 프로토타입을 사용한 최근접 이웃 알고리즘을 비교해보면 Car, DNA, Satimage, Twonorm, Vowel, 그리고 Wine에서 제안하는 알고리즘의 분류 예측율이 높았다.", "그리고 제안하는 프로토타입을 사용한 최근접 이웃 알고리즘의 분산이 전체 데이터를 사용한 최근접 이웃 알고리즘보다 대부분의 문제에서 낮게 나타났다.", "이러한 이유는 제안 방법은 데이터의 분포를 고려한 프로토타입을 선택하기 때문으로 분석된다.", "</p> <h1>Ⅰ. 서 론</h1><p>최근접 이웃 규칙(nearest-neighbor rule)은 테스트 데이터의 클래스를 가장 근접한 훈련 데이터의 클래스로 예측하는 알고리즘으로써 구현이 단순하나, 높은 활용도를 갖는 학습 방법이다.", "그러나 대량의 데이터로 구성된 학습 데이터의 처리는 데이터의 저장 공간, 데이터 간의 유사도 계산 시간, 정렬 시간 등이 급격히 증가하게 된다.", "분류 학습에서 프로토타입(prototype)은 훈련 데이터의 클래스 내 데이터를 대표(represent) 또는 포함(cover)하는 데이터이다.", "프로토타입 선택 알고리즘(prototype selection algorithm)을 사용하여 훈련데이터의 클래스 부분 영역을 포함할 수 있는 적은 수의 프로토타입들을 선택하여 새로운 훈련 데이터로 이용한다.", "그러므로 프로토타입 선택 방법은 최근접 이웃 알고리즘의 단점인 공간과 시간의 복잡도를 줄이는데 활용되고 있다.", "</p><p>분류 학습 모델의 성능은 학습 알고리즘과 테스트 데이터에 대한 오류율(error rate) 또는 정확율(accuracy rate)을 측정하여 평가하는 것이 일반적이다.", "그러나 모델 파라미터 또는 준비된 훈련 데이터의 분포 등에 일반화 성능이 의존된다.", "학습 모델의 평균 기대 오류(mean expected error)의 노이즈(class noise), 편의(bias), 분산(variance) 분해 평가가 지도 학습 모델의 평가 척도로 제안되었다.", "최적의 학습 모델은 낮은 편의와 낮은 분산이 측정된 모델로 선정한다.", "편의-분산을 이용한 분석은 모델 복잡도 조절이 가능한 샘플링(sampling), k-교차검증(k-fold cross-validation), 부트스트래핑(boostrapping) 훈련 전략 등으로부터 새로운 학습 데이터를 생성시켜 테스트 데이터의 예측율을 평가한다.", "</p><p>본 논문에서는 새로운 프로토타입 선택 방법을 제안하고, 편의-분산 분해를 이용한 프로토타입 기반 학습(prototype based learning)의 일반화 성능을 분석하는 데 있다.", "제안하는 프로토타입 선택 방법은 훈련 데이터로부터 선택된 프로토타입으로 구성되는 새로운 훈련 집합을 구성하여, 표준 학습 알고리즘을 이용하여 테스트 데이터의 클래스를 예측한다.", "본 논문에서 테스트 데이터의 클래스는 \\( \\mathrm{k} \\)-최근접 이웃 규칙에 따라 프로토 타입의 클래스로 예측한다.", "전체 훈련 데이터를 이용한 최근접 이웃 학습과 프로토타입 선택 기반 최근접 이웃 학습의 편의-분산 분석은 최근접 이웃 규칙의 모델 파라미터 \\( \\mathrm{k} \\) 에 따라 측정한다.", "</p><p>이 논문의 구성은 다음과 같다.", "Ⅱ장에서는 관련 연구에 대해서 살펴보고, Ⅲ장서는 최근접 이웃 규칙을 이용한 제안하는 프로토타입 선택 방법을 기술한다.", "Ⅳ장에서는 부트스트래핑 훈련 전략을 이용한 평균 기대 오류값의 편의-분산 분해 분석 식을 유포한다.", "Ⅴ장에서는 알려진 분류 학습 문제에 대한 실험 결과를 보이고, Bien 등의 프로토타입 선택 방법, \\(\\mathrm{k} \\)-최근접 이웃 알고리즘, 베이지안(Bayesian) 알고리즘 등과 제안하는 프로토타입 선택 알고리즘과의 실험 결과를 비교 토의한다.", "마지막으로 Ⅵ장에서는 편의-분산 분석에 따른 프로토타입 학습 전략의 문제점과 개선 방향에 대해서 논의한다.", "</p> <h1>Ⅴ. 실험 결과</h1><p>프로토타입 선택 방법의 일반화 성능 비교는 전체 훈련 데이터를 사용한 최근접 이웃 알고리즘과 베이지안 학습, 고정 반지름을 이용한 Bien 방법, 그리고 제안하는 프로토타입 선택 방법을 비교한다.", "선택된 벤치 마크 문제는 표 2에 제시되었다.", "고정된 반지름 기반 프로토타입 선택에서 사용된 반지름 값은 사전 실험을 통해 각 분류 문제마다 적절한 반지름을 선택하였다.", "각 실험은 데이터를 부트스트랩 방법으로 훈련 데이터와 테스트 데이터를 나누어 실험하였고 그 실험을 5 번씩 실행한 결과에 대해서 평균을 계산하였다.", "선택된 문제에서 \\( k \\) 를 1 부터 15 사이에 홀수의 수만 선택하여 측정된 평균 기대 오류율의 기대되는 값, 바이어스 그리고 분산을 계산하였다.", "각 문제의 측정된 편의와 분산을 중첩 막대 그래프(stacked bar graph)로 제시하였다.", "막대의 아래 부분은 편의이고 나머지는 분산을 나타낸다.", "최적의 에러(optimal error)를 나타내는 베이지안(Bayesian) 알고리즘의 측정된 값을 점선으로 표현하였다.", "</p><p>실험 결과, 각 문제마다 \\( \\mathrm{k} \\) 값을 증가시키며 측정된 바이어스와 분산으로 표현한 결과를 보면 세 가지 경향을 보였다. \\", "( \\mathrm{k} \\) 값이 증가할 때 에러값이 낮아지는 경향, 에러값이 높아지는 경향과 중간 \\( \\mathrm{k} \\) 값에서 최소 에러값이 나타나는 추세이다.", "</p><p>그림 3은 편의-분산 변화의 세 가지 경향의 예이다.", "Satimage, Twonorm, 그리고 Car 문제에 대해 최근접 이웃 알고리즘, 고정 반지름을 사용한 Bien 등의 방법, 그리고 제안하는 방법을 나타내었다.", "그림 3-1의 Satimage는 \\(\\mathrm{ k }\\) 값이 증가 시 에러값이 높아지는 변화를 나타냈으며, Pendigits, Segment, USPS, Vowel, Wine 등에서 유사한 패턴을 보였다.", "그림 3-2의 Twonorm은 \\( \\mathrm{k} \\) 값이 증가할 때 에러값이 낮아지는 경향을 보였으며 DNA도 비슷한 경향을 보였다.", "마지막으로 그림 3-3의 Car는 중간 \\( \\mathrm{k} \\) 값에서 최소 에러값을 보이는 경향을 나타내었고 Heart 등에서 유사하게 나타났다.", "그러나 고정 반지름을 사용하는 Bien 등의 선택 방법은 \\( \\mathrm{k} \\) k값이 1인 경우에서만 최소 오류값을 보였으며, \\( \\mathrm{k} \\)가 증가하면서 오류값도 증가하였다.", "이는 클래스 프로토타입 내 상이한 클래스의 데이터를 포함시키기 때문이다.", "</p><table border><caption>표 2. 선택된 벤치마크 분류 문제</caption><tbody><tr><td>데이터</td><td>크기</td><td>속성 수</td><td>Numeric 속성 수</td><td>Nominal 속성 수</td><td>클래스 수</td><td>고정 반지름</td></tr><tr><td>Car</td><td>1,728</td><td>6</td><td>0</td><td>6</td><td>4</td><td>1.2</td></tr><tr><td>DNA</td><td>2,000</td><td>180</td><td>0</td><td>180</td><td>3</td><td>0.3</td></tr><tr><td>Heart</td><td>270</td><td>13</td><td>13</td><td>0</td><td>2</td><td>1.0</td></tr><tr><td>Pendigits</td><td>7,494</td><td>16</td><td>16</td><td>0</td><td>10</td><td>1.0</td></tr><tr><td>Satimage</td><td>6,435</td><td>36</td><td>36</td><td>0</td><td>7</td><td>0.3</td></tr><tr><td>Segment</td><td>2,310</td><td>19</td><td>19</td><td>0</td><td>7</td><td>0.3</td></tr><tr><td>Twonorm</td><td>7,400</td><td>20</td><td>20</td><td>0</td><td>2</td><td>2.7</td></tr><tr><td>USPS</td><td>9,298</td><td>256</td><td>256</td><td>0</td><td>10</td><td>1.0</td></tr><tr><td>Vowel</td><td>990</td><td>13</td><td>13</td><td>0</td><td>11</td><td>0.3</td></tr><tr><td>Wine</td><td>178</td><td>13</td><td>13</td><td>0</td><td>3</td><td>1.0</td></tr></tbody></table> <h1>Ⅱ. 관련 연구</h1><p>프로토타입 선택 알고리즘은 클래스 경계에 위치한 프로토타입 선택, 클래스 영역을 대표하는 프로토타입의 선택, 그리고 클래스를 대표하는 새로운 데이터의 생성 방법 등이 있다.", "클래스 경계에 위치한 프로토타입 선택 알고리즘은 Tomek link를 이용한 클래스 분리 경계에 위치한 학습 데이터들로 구성된 새로운 학습 데이터를 생성시켜 분류 예측을 수행하는 프로토타입 선택 알고리즘이 제안되었다.", "이 프로토타입 선택 알고리즘은 분리 경계 영역에 위치한 데이터들로 구성된 학습데이터를 선별하여, 이미 선택된 데이터, 클래스와 거리 관계를 분석한 정보를 이용하여 프로토타입 집합에 추가할 것인지 여부를 결정한다.", "클래스 영역을 대표하는 프로토타입의 선택 방법은 훈련 데이터를 중심으로 상수 거리에 위치한 학습 데이터를 포함하는 영역을 대표하는 프로토타입을 선택한다.", "또한 클래스를 대표하는 새로운 데이터의 생성 방법은 마할라노비스 거리(Mahalanobis distance)를 이용하여 학습 데이터 분산 구조를 고려한 새로운 프로토타입 선택 방법 제안되었다.", "</p><p>Marchette는 동일한 클래스들만으로 구성시킬 수 있는 반지름 계산에 최근접 이웃 규칙을 이용하였다.", "최단 거리에 위치한 상이한 클래스의 데이터까지 거리를 계산하여 선택된 프로토타입이 커버할 클래스 영역으로 간주하였으며, 임의의 선택에 따라 모든 학습데이터를 포함시키는 프로토타입 집합을 구성시켰다.", "Younsi 등은 프로토타입 영역 내 포함되는 동일 클래스 데이터 수를 고려하며 잠재적 분류 경계면에 위치한 잡음 데이터를 조절시켰다.", "</p><p>Bien 등은 고정 상수 반지름을 이용하여 프로토타입이 대표하는 데이터 영역을 구들로 나누고, 가능한 모든 학습 데이터를 포함하는 소수의 프로토타입을 선택하는 그리디 알고리즘(greedy algorithm)을 제안하였다.", "프로토타입 선택 문제를 집합 덮개 최적화 문제로 정형화시켰으며, 독립된 클래스마다 프로토타입을 선택하는 알고리즘을 제안하였다.", "그러나 잠재적 프로토타입이 포함하는 데이터 집합은 상이한 클래스에 속한 데이터들도 포함될 수 있으며 사전 실험을 이용하여 구의 반지름을 선택해야하는 단점이 있다.", "</p><p>기 연구된 방법은 클래스 영역 내 위치한 데이터 간의 유사도를 계산하여 조절된 상수 거리 내에 포함된 데이터로 구성되는 집합들은 다차원 공간의 구(sphere)로 구성되며 클래스 영역을 분할시킨다.", "대표 학습 데이터 선택 방법은 상수 반지름 거리 내에 데이터를 가장 많이 포함하는 데이터가 프로토타입으로 우선 선별되는 그리디 알고리즘 또는 경험적 알고리즘(heuristic algorithm)으로 설계하였다.", "</p><p>Ditterich 등은 학습모델의 평균 기대 오류 값에서 편의를 차감하여 분산을 계산하는 모델의 평가를 제안하였다.", "제안 평가 식은 편의 값이 크면 음수의 분산 값을 갖는다.", "이 문제점을 해결하기 위해 Kohavi 등은 0 / 1 손실함수을 이용한 확장된 베이지안 분포(extended Bayesian distribution)을 가정하여 평균 오류 제곱식(mean squared error)으로부터 잡음, 편의, 분산을 유도하였고 최근접 이웃 학습을 이용하여 테스트를 수행하였다.", "Domingos는 주 예측 값(main prediction)과 Bayes 평가 가정 하에 제곱 손실(squared loss) 함수, 절대 손실(absolute loss) 함수, 0 / 1 손실 함수 등에 대해 통합된 클래스 잡음, 편의, 분산 등의 분리 식을 증명하였으며, 부트스트랩핑 훈련 전략 하에서 최근접 이웃 학습과 결정 트리(decision tree)에서 테스트를 수헹하였다.", "분산은 편의(biased) 분산에서 비편의(unbiased) 분산이 차감되었다.", "수행된 편의-분산 분석으로부터 단순한 학습모델의 경우 편의가 높게 나타나고, 복잡한 모델에서는 과적합(overfitting) 학습으로 인하여 분산이 높게 나타나는 경향을 보고하였다.", "Domingos는 Dietterich 등의 분산 값이 0보다 작아지는 경우를 설명하였고, 편의(biased) 분산의 차감으로 인해 기대 오류율이 낮아지는 현상이 설명되었다.", "</p> <h1>Ⅲ. 실 험</h1><p>주어진 분류 문제 \\( \\chi=\\left\\{\\left(x_{i}, y_{i}\\right) \\mid i=1, \\cdots, n\\right\\} \\) 의 \\( x_{i} \\) 는 \\( d \\)-차원의 벡터 \\( \\left(x_{i} \\in R^{d}\\right) \\) 이며 \\( y_{i} \\in\\{1, \\cdots, C\\} \\) 이다. \\", "( \\chi \\) 는 \\( C \\) 개의 훈련 데이터 집합으로 구성되어 \\( \\chi=\\left\\{\\chi^{1} \\cup \\chi^{2}\\cup \\cdots \\cup \\chi^{C}\\right\\} \\) 가 되며 \\( \\chi^{c}=\\left\\{\\left(x_{i}, c\\right) \\mid i=1, \\cdots, n_{c}\\right\\} \\) 는 클래스 \\( c \\) 의 훈련 데이터이다 \\( \\left(n=\\sum_{c=1}^{C} n_{c}\\right) \\).", "제안하는 프로토타입 선택 방법은 패턴 분류 문제 \\( \\chi \\) 로부터 각 클래스 내 데이터를 대표할 수 있는 적은 수로 구성되는 데이터 집합인 프로토타입 \\( P=\\cup_{l=1}^{C} P^{l} \\) 을 선택한다.", "</p><p>분류 문제의 각 데이터가 대표하는 같은 클래스 내 데이터의 부분 집합은 유클리디안(Euclidean) 거리로 계산한다.", "데이터 \\( (x, c) \\in \\chi^{c} \\) 가 대표하는 거리 \\( r_{x} \\) 내에 위치한 \\( c \\) 클래스 데이터 집합 \\( S(x)=\\left\\{z \\mid d(x, z)<r_{x}, l(z)=c\\right\\} \\) 이다.", "거리 \\( r_{x} \\)는 훈련 데이터와 거리를 구하여 동일 클래스 내 가장 큰 거리 값 \\( r_{1} \\) 과 다른 클래스 중 가장 작은 거리 값 \\( r_{2} \\) 을 갖는 거리의 중간 값 \\( r_{x}=\\left(r_{1}+r_{2}\\right) / 2 \\) 으로 결정한다.", "고정 반지름을 이용하여 잠재적 프로토타입이 포함하는 영역을 결정하는 Bien 등 방법과 비교 시 \\( r_{x} \\) 는 동일 클래스 데이터만을 대표하는 영역을 결정하며 훈련 전 \\( r_{x} \\) 의 결정이 필요하지 않다.", "Marchette 등과 Younsi 등 방법과 비교 시 분류 경계에 위치한 서로 다른 클래스에 속한 두 훈련 데이터의 중간 값의 반지름으로 결정한다.", "그림 1 은 \\( C \\) 클래스 분류문제 \\( \\chi \\) 의 학습 데이터에 대해 각 데이터의 프로토타입 집합 \\( P \\) 를 계산하는 그리디 알고리즘이다. \\", "( S \\) 는 훈련 데이터가 커버하는 동일 클래스의 집합이다.", "</p><p>알고리즘의 출력은 클래스 별 선택된 프로토타입 집합 \\( P=\\cup_{l=1}^{C} P^{l} \\) 이며 \\( \\left|P^{c}\\right|<< | \\chi^{c}| \\) 이다.", "</p><p>\\[ \\Delta \\operatorname{obj}\\left(x_{j}\\right)=\\left|S\\left(x_{j}\\right) \\backslash U_{x_{i} \\in P^{c}} S\\left(x_{i}\\right)\\right| \\]<caption>(1)</caption></p><p>수식 (1)의 \\( \\Delta \\operatorname{o b j}\\left(x_{j}\\right) \\) 는 \\( x_{j} \\in \\chi^{c} \\) 가 프로토타입으로 선택 시 클래스 \\( c \\) 영역을 대표할 수 있는 데이터의 크기이다.", "잠재적 프로토타입은 \\( \\Delta \\operatorname{o b j}\\left(x_{j}\\right) \\) 를 최대로 하는 \\( \\left(x_{j}, c\\right) \\) 이다.", "</p><p>그림 2는 4개의 클래스 분류 문제를 \\( N(\\mu, I) \\) 로부터 발생시켜 훈련 데이터 수의 변화에 따른 에러와 선택 프로토타입 수의 변화를 보여주고 있다. \\", "( \\mu \\) 는 \\( (-1,-1),(-1,+1),(+1,-1),(+1,+1) \\) 이다.", "제안하는 프로토타입을 사용한 방법은 훈련 데이터 전체를 사용하는 1-최근접 이웃 알고리즘의 에러와 유사한 결과를 나타낸다.", "그러나 고정 반지름 기반 프로토타입 선택의 에러는 제안하는 프로토타입을 사용한방법보다 높게 나타났다.", "선택된 프로토타입 수는 훈련 데이터가 증가하지만 선택 비율은 비슷하게 나타났다.", "이 실험은 제안하는 프로토타입 선택 방법은 일반화 성능을 유지하면서 훈련 데이터를 축소하는 효과를 보이고 있다.", "</p> <h1>요 약</h1><p>이 논문은 프로토타입 선택 방법을 제안하고, 편의-분산 분해를 이용하여 최근접 이웃 알고리즘과 프로토타입 기반 분류 학습의 일반화 성능 비교 평가에 있다.", "제안하는 프로토타입 분류기는 클래스 영역 내에서 가변 반지름을 이용한 다차원 구를 정의하고, 적은 수의 프로토타입으로 구성된 새로운 훈련 데이터 집합을 생성한다.", "최근접 이웃 분류기는 새 훈련 집합을 이용하여 테스트 데이터의 클래스를 예측한다.", "평균 기대 오류의 편의와 분산 요소를 분해하여 최근접 이웃 규칙, 베이지안 분류기, 고정 반지름을 이용한 프로토타입 선택 방법, 제안하는 프로토타입 선택 방법의 일반화 성능을 비교한다.", "실험에서 제안하는 프로토타입 분류기의 편의-분산 변화 추세는 모든 훈련 데이터를 사용하는 최근접 이웃 알고리즘과 비슷한 편의-분산 추세를 보였으며, 프로토타입 선택 비율은 전체 데이터의 평균 약 \\( 27.0 \\% \\) 이하로 나타났다.", "</p> <h1>Ⅵ. 결 론</h1><p>본 논문에서는 최근접 이웃 규칙을 이용하는 프로토타입 선택 방법을 제안하고 표준 학습 모델과 일반화 성능을 비교하였다.", "클래스 분포를 반영하는 제안하는 프로토타입 분류기가 모든 훈련 데이터를 이용한 최근접 이웃 규칙의 편의-분산 분석과 비슷한 학습 경향을 보여 효과적인 학습 전략이 될 수 있었다.", "그러나 고정 반지름을 이용하는 프로토타입 선택 알고리즘에 비해 선택된 프로토타입 수의 비율이 높다는 단점이 있다.", "프로토타입 선택 시간은 적게 분석되었다..", "</p><p>실험 분석에서 \\( \\mathrm{k} \\) 값의 증가에 따라 3가지 유형의 평균 기대 오류율의 추세가 나타났다.", "제안하는 프로토타입을 사용한 학습에서는 전체 데이터를 사용한 학습보다 낮은 분산이 나타나, 과적합 학습의 가능성이 낮아 높은 일반화 성능을 나타낼 수 있는 학습 모델 선택이 가능하다. \\", "( \\mathrm{k} \\) 의 변화에 따라 오류율의 편의-분산 분해는 학습데이터의 변화에 따른 편의와 분산의 변화 추세 분석, 모델 파라미터 \\( \\mathrm{k} \\) 값 설정, 과적합 분석, 훈련 프로토타입 집합 선택 등에 이용될 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "최근접 이웃 규칙 기반 프로토타입 선택과 편의-분산을 이용한 성능 평가", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-163dc018-1c17-437e-9d39-15d86375dc4c", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2015", "doc_author": [ "심세용", "황두성" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2. 유한체 \\( \\mathrm{GF}(\\mathrm{P}) \\)의 연산</h2><p>\\( \\mathrm{GF}(\\mathrm{P}) \\)상의 연산은 연산 결과를 \\(\\mathrm{P}\\)로 나눈 후 그 나머지만을 취하는 모듈러 연산을 말하며, 아래의 간단한 예를 통해 연산의 결과가 유한체에 닫혀있는지를 살펴본다.", "<h3>가. \\", "( \\mathrm{GF}(2) \\) 의 연산</h3><p>\\( \\mathrm{GF}(2) \\) 은 \\( \\{0,1\\} \\) 의 원소로 유한체를 구성하며, 이에 대한 가산과 승산에 대한 연산을 나타내면 표1과 같이 \\( \\bmod 2 \\) 에 의하여 연산된다.", "가산 및 승산의 항등원으로 구성된 최소화 집합 \\( \\{0,1\\} \\) 은 최소의 유한체이며 \\( \\mathrm{GF}(2) \\)로 표기하고 이를 2진체(Binary field), 또는 기초체(Ground field)라 한다.", "표 1 에서 \\( \\bmod 2 \\) 승산의 결과는 일반적인 산술 연산에서의 승산 결과와 동일하다.", "따라서, 모듈러 승산의 연산기호 \\( \\odot \\) 는 일반 승산의 언산기호 \\( \\cdot \\) 로 대치되어 사용되거나 또는 생략되기도 한다.", "이후 본 논문에서의 모듈러 승산의 연산기호 \\( \\odot \\) 를 가급적 생략하기로 하며 필요한 경우에 \\( \\cdot \\) 로 대치한다.", "</p><h3>나.", "원시원소와 원시기약다항식</h3><p>기초체 \\( \\mathrm{GF}(2) \\) 상의 연산은 1 비트들의 언산으로 이루어진다.", "기초체의 원소를 \\( \\mathrm{m} \\) 비트로 확장하여 \\( 2^{\\mathrm{m}} \\) 개의 원소를 갖는 새로운 유한체를 구성 할 수 있으며, 이를 확장체(Extension field)라 하고 \\( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 으로 표현한다. \\", "( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 상의 임의의 한 원소 \\( \\mathrm{a} \\) 를 가정하여, \\( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 를 구성하는 원소 집합은 식(1)과 같다.", "</p><p>\\(\\mathrm{GF}\\left(2^{m}\\right)=\\left\\{0,1, a^{1}, a^{2}, \\cdots, a^{2 m-3}, a^{2 m-2}\\right\\}\\)<caption>(1)</caption></p><p>식<caption>(1)</caption>로부터 \\( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 의 경우, 0 을 제외한 모든 원소들은 \\( a \\) 의 지수표현으로 나타낼 수 있다.", "이와 같이\\( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 상의 원소들을 표현하기 위해 사응되는 \\( \\mathrm{a} \\) 를 \\( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 의 원시원소(Primitive element)라고 한다.", "한편, \\( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 상의 임의의 변수 \\( \\mathrm{x} \\) 를 가정하여 \\( \\mathrm{GF}(2) \\) 상의 계수를 가지며 최고차항의 계수가 1 인 다항식 \\( \\mathrm{P}(\\mathrm{x}) \\) 를 가정하여 식<caption>(2)</caption>에 나타내었다.", "</p><p>\\( \\mathrm{P}(\\mathrm{x})=\\mathrm{x}^{\\mathrm{m}}+\\mathrm{p}_{\\mathrm{m}-1} \\mathrm{x}^{\\mathrm{m}-1}+\\cdots+\\mathrm{p}_{1} \\mathrm{x}+\\mathrm{p}_{0} \\)<caption>(2)</caption></p><p>여기서, 0 보다 크고 \\( \\mathrm{m} \\) 보다 작은 차수를 갖는 \\( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\)상의 어떤 다항식으로도 식(2)의 다항식 \\( \\mathrm{P}(\\mathrm{x}) \\) 를 나눌 수 없을 때, 이 다항식 \\( \\mathrm{P}(\\mathrm{x}) \\) 를 원시기약다항식(Primitive irreducible polynomial), 또는 간략히 기약다항식이라고 한다. \\", "( \\mathrm{GF}(2) \\) 의 연산은 \\( \\bmod 2 \\) 연산에 의해 유한체의 조건이 만족됨과 같이 \\( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 상의 모든 원소와 그 원소들 사이의 연산 결과는 원시기약다항식 \\( \\mathrm{P}(\\mathrm{a}) \\)에 대하여 모듈리 \\( \\mathrm{P}(\\mathrm{x}) \\) 연산을 헹하여 유한체의 조건을 만족시킬 수 있다. \\", "( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 상의 각 \\( \\mathrm{m} \\) 에 대한 기약다항식은 여러 가지가 있을 수 있다.", "하지만, 연산항의 최소화를 통해 보다 빠르고 간략한 연산이 헹해질 수 있도록 최소의 항을 갖는 기약 다항식의 형태가 모듈로 연산에 주로 사용된다.", "</p><p>예를 들어 각 \\( \\mathrm{m}=1 \\) 부터 11 까지 유한체 연산에 주로 사용되는 \\( \\mathrm{GF}\\left(2^{\\mathrm{m}}\\right) \\) 상에서의 기약 다항식들을 표 2 에 보였다.", "</p><table border><caption>표 2 Table : GF\\((2^\\mathrm{m})\\)의 원시기약다항식</caption><tbody><tr><td>m</td><td>GF\\((2^\\mathrm{m})\\)상의 \\(\\mathrm{P}(x)\\)</td></tr><tr><td>1</td><td>\\(x+1\\)</td></tr><tr><td>2</td><td>\\(x^2+x+1\\)</td></tr><tr><td>3</td><td>\\(x^3+x+1\\)</td></tr><tr><td>4</td><td>\\(x^4+x+1\\)</td></tr><tr><td>5</td><td>\\(x^5+x^2+1\\)</td></tr><tr><td>6</td><td>\\(x^6+x+1\\)</td></tr><tr><td>7</td><td>\\(x^7+x+1\\)</td></tr><tr><td>8</td><td>\\(x^8+x^4+x^3+x^2+1\\)</td></tr><tr><td>9</td><td>\\(x^9+x^4+1\\)</td></tr><tr><td>10</td><td>\\(x^{10}+x^3+1\\)</td></tr><tr><td>11</td><td>\\(x^{11}+x^2+1\\)</td></tr></tbody></table><h3>다.", "확장체 \\( \\mathrm{GF}\\left(2^{2}\\right) \\) 연산</h3><p>\\( \\mathrm{GF}(4) \\) 상에서의 승산의 경우, 원소 2 에 대하여 승산에 대한 역원을 가지고 있지 않기 때문에 체를 형성할 수 없으므로 확장체의 형태가 필요하다.", "따라서 \\( \\mathrm{GF}\\left(2^{2}\\right) \\) 로 나타내면 이는 \\( \\mathrm{GF}(2) \\) 에 대한 확장체를 의미한다.", "기약다항식 \\( \\mathrm{P}(\\mathrm{x})=\\mathrm{x}^{2}+\\mathrm{x}+1 \\) 에 대한 근을 \\( \\mathrm{a} \\) 라 할 때, \\( \\mathrm{GF}\\left(2^{2}\\right) \\)는 4개의 원소 \\( \\left\\{0,1, a^{1}, a^{2}\\right\\} \\) 로 유한체를 구성하며 \\( \\{0,1, \\mathrm{~A} \\), \\( \\mathrm{B}) \\) 라고 표현한다.", "기약다항식 \\( \\mathrm{P}(\\mathrm{x})=\\mathrm{x}^{2}+\\mathrm{x}+1 \\) 의 근을 \\( \\mathrm{a} \\) 라 하였으므로 근을 다항식에 적용하면 \\( a^{2}+a+1=0 \\) 이며, \\( \\mathrm{GF}(2) \\) 에서 \\( a^{2}=a+1 \\) 이다. \\", "( \\mathrm{GF}(4) \\) 에 대한 원소를 다항식의 형태로 표현하면 표 3 과 같으며, 이 기약다항식의 원소들에 대하여, 승산 및 가산에 대한 모듈러연산을 행하면 표 4 와 같이 표현된다.", "</p><table border><caption>표 3. GF(4)의 원소</caption><tbody><tr><td>원소</td><td>\\(\\mathrm{a}\\)</td><td>\\(1\\)</td></tr><tr><td>\\(0\\)</td><td>\\(0\\)</td><td>\\(0\\)</td></tr><tr><td>\\(1\\)</td><td>\\(0\\)</td><td>\\(1\\)</td></tr><tr><td>\\(\\mathrm{a}\\)</td><td>\\(1\\)</td><td>\\(0\\)</td></tr><tr><td>\\(a^2\\)</td><td>\\(1\\)</td><td>\\(1\\)</td></tr></tbody></table><table border><caption>표 4. GF(4)의 연산표 (a)승산</caption><tbody><tr><td>⊕</td><td>\\(0\\)</td><td>\\(1\\)</td><td>\\(\\mathrm{A}\\)</td><td>\\(\\mathrm{B}\\)</td></tr><tr><td>\\(0\\)</td><td>\\(0\\)</td><td>\\(0\\)</td><td>\\(0\\)</td><td>\\(0\\)</td></tr><tr><td>\\(1\\)</td><td>\\(0\\)</td><td>\\(1\\)</td><td>\\(\\mathrm{A}\\)</td><td>\\(\\mathrm{B}\\)</td></tr><tr><td>\\(\\mathrm{A}\\)</td><td>\\(0\\)</td><td>\\(\\mathrm{A}\\)</td><td>\\(\\mathrm{B}\\)</td><td>\\(1\\)</td></tr><tr><td>\\(\\mathrm{B}\\)</td><td>\\(0\\)</td><td>\\(\\mathrm{B}\\)</td><td>\\(1\\)</td><td>\\(\\mathrm{A}\\)</td></tr></tbody></table><table border><caption>표 4. GF(4)의 연산표 (b)가산</caption><tbody><tr><td>⊙</td><td>\\(0\\)</td><td>\\(1\\)</td><td>\\(\\mathrm{A}\\)</td><td>\\(\\mathrm{B}\\)</td></tr><tr><td>\\(0\\)</td><td>\\(0\\)</td><td>\\(1\\)</td><td>\\(\\mathrm{A}\\)</td><td>\\(\\mathrm{B}\\)</td></tr><tr><td>\\(1\\)</td><td>\\(0\\)</td><td>\\(1\\)</td><td>\\(\\mathrm{B}\\)</td><td>\\(\\mathrm{A}\\)</td></tr><tr><td>\\(\\mathrm{A}\\)</td><td>\\(\\mathrm{A}\\)</td><td>\\(\\mathrm{B}\\)</td><td>\\(0\\)</td><td>\\(1\\)</td></tr><tr><td>\\(\\mathrm{B}\\)</td><td>\\(\\mathrm{B}\\)</td><td>\\(\\mathrm{A}\\)</td><td>\\(1\\)</td><td>\\(0\\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "듀얼기저에 기초한 효율적인 곱셈기 설계", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-14e18781-ec91-4465-85e2-2947c2c71ab2", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2014", "doc_author": [ "박춘명" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2. TxID 신호 삽입</h2><p>Kasami 수열은 푈드 싱크 (Field Sync) 신호를 제외한 모든 VSB (vestigial sideband) 심벌에 대해 그림 2와 같이 워터마크 형태로 계층변조된다 \\( { }^{[8]} \\). 한 필드에서 필드 싱크 세그먼트 (segment)를 세외한 312 데이터 세그먼트의 총 심벌 수는 \\( 259,584(=312 \\times 832) \\) 이고 Kasami 수열의 주기는 \\( 65,535\\left(2^{16}-1\\right) \\) 이다. 이에 따라,</p><p>Kasami 수열을 VSB 데이터에 삽입하기 위해서는 길이 65,535 인 3 개의 Kasami 수열과 길이 62,979 인 1 개의 truncated Kasami 수열을 사용하거나 길이 64,896 \\( (=65,535-639) \\) 인 4개의 truncated Kasami 수열을 사용하는 방법이 있으며 그 구조는 그림 3과 같다 \\( 112,7-8] \\).", "본 논문에서는 길이 64,896 인 4 개의 truncated Kasami 수열이 VSB 데이터에 삽입되는 경우를 가정한다.", "</p><p>시간 인덱스 \\( k \\) 에서의 \\( \\mathrm{ATSC} \\) 데이터, binary phase shift keying (BPSK) 변조된 Kasami 수열, 그리고 삽입레벨 (injection level)을 각각 \\( d(k), x(k), \\alpha \\) 로 정의하면, 8-VSB 신호와 계층변조된 Kasami 신호와의 평균 전력비로 정의되는 bury ratio (BR)는 다음과 같이 계산된다.", "</p><p>\\( B R=10 \\log _{10}\\left(\\frac{\\alpha^{2} E\\left\\{x^{2}(k)\\right\\}}{E\\left\\{d^{2}(k)\\right\\}}\\right) \\)<caption>(8)</caption></p><p>\\( \\mathrm{VSB} \\) 데이터와 BPSK 변조된 Kasami 수열의 평균전력은 각각 \\( E\\left\\{d^{2}(k)\\right\\}=21 \\) 와 \\( E\\left\\{x^{2}(k)\\right\\}=1 \\) 이므로, 삽입 레벨 \\( \\alpha \\) 는 다음과 같이 계산된다.", "</p><p>\\( \\alpha=\\sqrt{\\frac{21}{10^{-B R / 10}}} \\)<caption>(9)</caption></p><p>ATSC RP A/111에서는 표 1 과 같이 8 단계의 BR을</p><table border><caption><p>표 1. BR에 다론 삽입 레벨</p></caption><tbody><tr><td>BR \\( [\\mathrm{dB}]\\)</td><td>lngection leve [Armplitude]</td></tr><tr><td>~21</td><td>0.40842248871983</td></tr><tr><td>~24</td><td>0.28914097913688</td></tr><tr><td>~27</td><td>0.20469613727266</td></tr><tr><td>~30</td><td>0.14491376746189</td></tr><tr><td>~33</td><td>0.10259109077387</td></tr><tr><td>~36</td><td>0.07262893022873</td></tr><tr><td>~39</td><td>0.05141734497976</td></tr><tr><td>Offf</td><td>0</td></tr></tbody></table><p>정의하고 있으며, 각각의 BR에 따른 삽입레벨 역시 표 1에 나타내었다.", "한 가지 예로, \\( \\mathrm{BR}=-21 \\mathrm{~dB} \\) 인 경우 TxID 신호삽입 전후에서의 신호 성상은 그림 4 와 같다.", "</p> <h2>3. 필드 테스트</h2> <p>본 절에서는 TxID 신호의 역호환성을 분석하기 위하여 필드 테스트를 통해 측정된 결과를 분석한다.", "본 필드 테스트에서는 실험실 테스트에서 사용된 분산중계기와 디지털 TV 수신기를 그대로 사용하였다.", "분산중계기에서 송출되는 TxID 신호의 BR은 표 1 과 같이 8 단계로 조정되었으며, 지표면으로부터 \\( 9 \\mathrm{~m} \\) 높이의 지향성 안테나를 사용하여 TxID 신호 삽입에 따른 기존 디지털 TV 수신기들의 TOV 증가량을 측정하였다.", "필드 테스트를 위해 망운산 송신소를 모국으로 하는 3대의 분산중계기가 전라남도 여수 지역의 구봉, 쌍봉, 문수 중계소에 각각 설치되었으며, 송/중계기에 관한 정보는 표 5 와 같다.", "그림 10 은 여수지역 측정지점들 (24개 지점) 및 송/중계기의 위치들을 나타낸다.", "먼저, 구봉 중계기 신호의 수신이 가능한 24 개 지점들이 선정되었다.", "선정된 24 개 지점들 중에서 문수 또는 쌍봉 중계기 신호가 동시에 수신 가능한 곳은 12 개 지점들이 있다.", "측정 과정은 먼저 문수 및 쌍봉 중계기를 끈 후 선정된 24 개 지점들에서 구봉 중계기의 TxID 신호 삽입레벨에 따른 상용 디지털 TV 수신기의 TOV 증가량을 측정하였다.", "그리고 좀 더 열악한 채널환경을 조성하기 위하여 24 개 지점들 중에서 구봉 중계기 신호 뿐만 아니라 문수 혹은 쌍봉 중계기 신호가 동시에 수신되는 12 개 지점들에서 문수 및 쌍봉 중계기를 컨 후 TxID 신호의 삽입레벨에 따른 상용 디지털 TV 수신기의 TOV 증가</p> <table border><caption>표 5. 송/중계기 제원</caption> <tbody><tr><td>송/중계기명</td><td>위치</td><td>높이 (\\( \\mathrm{m} \\))</td><td>수신 채널</td><td>송신 채널</td><td>종출 전력</td></tr><tr><td>망운 송신기</td><td>\\( 34^{\\circ} 50^{\\prime} 12.64^{\\prime \\prime}(\\mathrm{N}) \\)\\( 127^{\\circ} 50^{\\prime} 48.80^{\\prime \\prime}(\\mathrm{W}) \\)</td><td>810</td><td>-</td><td>44</td><td>\\(1~ \\mathrm{kW}\\)</td></tr><tr><td>구봉 분산중계기</td><td>\\( 34^{\\circ} 44^{\\prime} 18.80^{\\prime \\prime}(\\mathrm{N}) \\)\\( 127^{\\circ} 42^{\\prime} 27.90^{\\prime \\prime}(\\mathrm{W})\\)</td><td>405</td><td>44</td><td>32</td><td>\\(90~ \\mathrm{W}\\)</td></tr><tr><td>쌍봉 분산중계기</td><td>\\( 34^{\\circ} 47^{\\prime} 15.00^{\\prime \\prime}(\\mathrm{N}) \\)\\( 127^{\\circ} 37^{\\prime} 14.20^{\\prime \\prime}(\\mathrm{W})\\)</td><td>265</td><td>44</td><td>32</td><td>\\(20~ \\mathrm{W}\\)</td></tr><tr><td>문수 분산중계기</td><td>\\( 34^{\\circ} 45^{\\prime} 39.76^{\\prime \\prime}(\\mathrm{N}) \\)\\( 127^{\\circ} 41^{\\prime} 41.30^{\\prime \\prime}(\\mathrm{W}) \\)</td><td>360</td><td>44</td><td>32</td><td>\\(10~ \\mathrm{W}\\)</td></tr></tbody></table> <table border><caption>표 6. 36가지 경우의 측정들에 대해 평균적으로 구한 BR 변화에 따른 상용 디지털 TV 수신기의 평균 TOV 증가량</caption> <tbody><tr><td rowspan=2>BR \\([ \\mathrm{dB}]\\)</td><td colspan=5>평균 TOV 증가량 \\([ \\mathrm{dB}]\\)</td></tr><tr><td>수신기 A ('04)</td><td>수신기 B ('05)</td><td>수신기 C ('08)</td><td>수신기 D ('08)</td><td>수신기 평균</td></tr><tr><td>\\(-39\\)</td><td>0.05</td><td>0.04</td><td>0.05</td><td>0.05</td><td>0.05</td></tr><tr><td>\\(-36\\)</td><td>0.08</td><td>0.05</td><td>0109</td><td>0.06</td><td>0.07</td></tr><tr><td>\\(-33\\)</td><td>0.14</td><td>0.12</td><td>0.16</td><td>0.11</td><td>0.13</td></tr><tr><td>\\(-30\\)</td><td>0.15</td><td>0.14</td><td>0.18</td><td>0.12</td><td>0.15</td></tr><tr><td>\\(-27\\)</td><td>0.33</td><td>0.27</td><td>0.35</td><td>0.27</td><td>0.30</td></tr><tr><td>\\(-24\\)</td><td>0.66</td><td>0.61</td><td>0.69</td><td>0.60</td><td>0.64</td></tr><tr><td>\\(-21\\)</td><td>1.48</td><td>1.41</td><td>1.49</td><td>1.36</td><td>1.43</td></tr></tbody></table> <table border><caption>표 7. 19가지 경우의 측정에 대해 평균적으로 구한 BR 변화에 따른 상용 디지털 TV수신기의 평균 TOV 증가량, AWGN 채널</caption> <tbody><tr><td rowspan=2>BR \\([ \\mathrm{dB}]\\)</td><td colspan=5>평균 TOV 증가량 \\([ \\mathrm{dB}]\\)</td></tr><tr><td>수신기 A ('04)</td><td>수신기 B ('05)</td><td>수신기 C ('08)</td><td>수신기 D ('08)</td><td>수신기 평균</td></tr><tr><td>\\(-39\\)</td><td>0.00</td><td>0.0O</td><td>0.00</td><td>0.00</td><td>0.00</td></tr><tr><td>\\(-36\\)</td><td>0.06</td><td>0.02</td><td>0.06</td><td>0.00</td><td>0.04</td></tr><tr><td>\\(-33\\)</td><td>0.11</td><td>0.06</td><td>0.11</td><td>0.04</td><td>0.08</td></tr><tr><td>\\(-30\\)</td><td>0.12</td><td>0.11</td><td>0.14</td><td>0.10</td><td>0.12</td></tr><tr><td>\\(-27\\)</td><td>0.18</td><td>0.12</td><td>0.20</td><td>0.12</td><td>0.15</td></tr><tr><td>\\(-24\\)</td><td>0.55</td><td>0.49</td><td>0.56</td><td>0.51</td><td>0.53</td></tr><tr><td>\\(-21\\)</td><td>1.26</td><td>1.20</td><td>1.29</td><td>1.18</td><td>1.23</td></tr></tbody></table> <table border><caption>표 8. 17가지 경우의 측정에 대해 평균적으로 구한 BR 변화에 따른 상용 디지털 TV 수신기의 평균 TOV 증가량, 다중경로 채널</caption> <tbody><tr><td rowspan=2>BR \\([ \\mathrm{dB}]\\)</td><td colspan=5>평균 TOV 증가량 \\([ \\mathrm{dB}]\\)</td></tr><tr><td>수신기 A ('04)</td><td>수신기 B ('05)</td><td>수신기 C ('08)</td><td>수신기 D ('08)</td><td>수신기 평균</td></tr><tr><td>\\(-39\\)</td><td>0.05</td><td>0.04</td><td>0.05</td><td>0.05</td><td>0.05</td></tr><tr><td>\\(-36\\)</td><td>0.08</td><td>0.05</td><td>0109</td><td>0.06</td><td>0.07</td></tr><tr><td>\\(-33\\)</td><td>0.14</td><td>0.12</td><td>0.16</td><td>0.11</td><td>0.13</td></tr><tr><td>\\(-30\\)</td><td>0.15</td><td>0.14</td><td>0.18</td><td>G.12</td><td>0.15</td></tr><tr><td>\\(-27\\)</td><td>0.33</td><td>0.27</td><td>0.35</td><td>0.27</td><td>0.30</td></tr><tr><td>\\(-24\\)</td><td>0.66</td><td>0.61</td><td>0.69</td><td>0.60</td><td>0.64</td></tr><tr><td>\\(-21\\)</td><td>1.48</td><td>1.41</td><td>1.49</td><td>1.36</td><td>1.43</td></tr></tbody></table> <p>량을 측정하였다.", "따라서, 선정된 24 개 지점들에서 모두 36 가지 경우의 축정이 이루어졌다.", "</p> <p>그림 11은 구봉과 문수 중계기 신호가 동시에 수신되는 한 측정 지점에서 TxID 신호분석기를 통해 측정된 채널 프로파일을 나타넨다.", "TxID 신호의 용이한 검출을 위해 앙상블 평균 (ensemble average) 횟수와 상관 길이를 각각 20 회와 64,896 심벌로 설정하였다.", "</p> <p>표 6은 구봉 중계기 신호만 수신되는 24 가지 경우의 측정과 구봉/문수 또는 구봉/쌍봉 중계기 신호들이 동시에 수신되는 12 가지 경우의 측정, 즉 충 36 가지 경우의 측정에 대해 TxID 삽입레벨 변화에 따른 상용 디지털 TV 수신기의 평균 TOV 증가량을 나타낸다.", "표 7과 8 은 총 36 가지 경우의 측정에서 AWGN 채널에 가깝다고 판단되는 19 가지 경우의 측정 결과들과 다중경로 채널로 판단되는 17 가지 경우의 측정 결과들에 대해 상용<p>디지털 TV 수신기의 평균 TOV 증가량을 각각 나타낸다.", "표 \\( 6 \\sim 8 \\) 에 의하면, 전산 실험 결과와 비슷하게 TxID 삽입레벨이 높을수록 다중경로 채널로 판단되는 환경에서 측정된 상용 디지털 TV 수신기의 평균 TOV 증가량은 AWGN 채널에 가깝다고 판단되는 환경과 비슷하거나 최대 약 \\( 0.5 \\mathrm{~dB} \\) 더 높았다.", "하지만, \\( BR=-30 \\) \\( \\mathrm{dB} \\) 이하에서는 AWGN 및 다중경로 채널로 판단되는 환경 모두에서 평균 TOV 증가량이 \\( 0.2 \\mathrm{~dB} \\) 이하이기 때문에, TxID 신호삽입이 기존 ATSC 디지털 TV 신호에 미치는 영향은 미미할 것으로 판단된다.", "</p> <h2>2. 실험실 테스트</h2> <p>본 절에서는 TxII 신호의 역호환성을 분석하기 위하 여 TxID 신호 삽입기능이 포함된 DTV 분산중계기를 제작하여 AWGN 채널환경 및 단일 에코 (echo)를 가지는 다중경로 채널환경에서 실험실 테스트를 수행하였다.", "실험실 테스트의 구성도는 그림 6과 같으며 '04년, '05년, '08년에 제작된 4대의 상용 디지털 TV 수신기를 사용하여 AWGN 채널환경에서의 BR 변화에 따른 TOV 증가량 및 단일 에코 채널환경에서의 수신 등화 성능을 측정하였다. 특히, 단일 에코 채널에서의 수신 등화 성능 테스트에서는 단일 에코의 위상 변화에 대한 평균 성능을 측정하기 위하여 \\( 0.05 \\mathrm{~Hz} \\) 의 느린 도플러</p> <table border><caption>표 4. BR 변화에 따른 상용 디지털 TV 수신기의 TOV 증가량</caption> <tbody><tr><td rowspan=2>BR \\( [\\mathrm{dB}]\\)</td><td colspan=5>TOV에서의 CNR \\( [\\mathrm{dB}]\\) (TOV 층가량 \\( [\\mathrm{dB}]\\))</td></tr><tr><td>수신기 A ('04)</td><td>수소키 3 ('05)</td><td>주신기 C ('08)</td><td>수신기 D ('08)</td><td>수산기 평균</td></tr><tr><td>Off</td><td>15.3 (-)</td><td>15.2 (-)</td><td>15.2 (-)</td><td>15.1 (-)</td><td>15.20 (-)</td></tr><tr><td>\\(-39 \\)</td><td>15.3 (0.0)</td><td>15.2 (0.0)</td><td>15.2 (0.0)</td><td>15.1 (0.0)</td><td>15.20 (0.0)</td></tr><tr><td>\\(-36 \\)</td><td>15.3 (0.0)</td><td>15.2 (0.0)</td><td>15.2 (0.0)</td><td>15.1 (0.0)</td><td>15.20 (0.0)</td></tr><tr><td>\\(-33 \\)</td><td>15.5 (0.2)</td><td>15.2 (0.0)</td><td>15.2 (0.0)</td><td>15.1 (0.0)</td><td>15.25 (0.05)</td></tr><tr><td>\\(-30 \\)</td><td>15.5 (0.2)</td><td>15.3 (0.1)</td><td>15.3 (0.1)</td><td>15.2 (0.1)</td><td>15.33 (0.13)</td></tr><tr><td>\\(-27 \\)</td><td>15.7 (0.4)</td><td>15.5 (0.3)</td><td>15.5 (0.3)</td><td>15.2 (0.1)</td><td>15.48 (0.28)</td></tr><tr><td>\\(-24 \\)</td><td>15.9 (0.6)</td><td>15.8 (0.6)</td><td>15.8 (0.6)</td><td>15.6 (0.5)</td><td>15.78 (0.58)</td></tr><tr><td>\\(-21 \\)</td><td>16.8 (1.5)</td><td>16.6 (1.4)</td><td>16.3 (1.1)</td><td>16.2 (1.1)</td><td>16.48 (1.28)</td></tr></tbody></table> <p>(Doppler)가 삽입되었다.", "</p> <p>표 4는 AWGN 채널에서 측정된 BR 변화에 따른 상용 디지털 TV 수신기의 TOV 증가량을 나타낸다.", "표 4에 의하면, \\(BR=-30 \\mathrm{~dB} \\) 이면 상용 수신기의 TOV가 평균 \\( 0.13 \\mathrm{~dB} \\) 증가하였고, \\(BR=-21 \\mathrm{~dB} \\) 이면 평균 \\( 1.28 \\mathrm{~dB} \\) 증가하였다.", "이는 앞 절의 전산 실험 결과와 매우 유사하며, \\( BR=-30 \\mathrm{~dB} \\) 이하이면 상용 디지털 TV 수신기에 미치는 영향이 미미함을 보여준다.", "그림 8과 9 에 의하면, \\( CNR = 20 \\mathrm{~dB} \\) 인 잡음 환경에서 \\( -30 \\mathrm{~dB} \\) TxID 신호삽입에 따른 수신기의 등화 성능 열화는 최대 \\( 0.5 \\mathrm{~dB} \\) 까지 관찰되지만, 삽입레벨이 \\( -33 \\mathrm{~dB} \\) 로 줄어들면 성능 열화는 \\( 0.2 \\mathrm{~dB} \\) 보다 작아져 수신기에 미치는 영향은 미미함을 보여준다.", "</p> <h1>Ⅲ. TxID 신호의 역호환성 분석</h1><h2>1. 전산 실험</h2><p>본 절에서는 RF 워터마크 형태로 삽입된 TxD 신호의 역호환성을 분석하기 위하여 AWGN 채널환경과 다중경로 채널인 Brazil A 채널환경에서 전산 실험을 수행하였다.", "Brazil A 채널은 line of sight가 확보되는 실외수신 채널 상황을 나타내며, 채널 프로파일은 표 2 와 같다.", "전산실험에서는 TxID 신호의 BR에 따른 기존 디지털 TV 수신기의 수신 성능 열화를 관찰하였다.", "TxID 신호로 사용되는 truncated Kasami 수열은 길이가 64,896 이며, 한 필드에 4 개씩 삽입되었다.", "전산 실험에서 주파수 및 타이밍 동기는 완벽하다고 가정하였다.", "송신기 펄스성형필터 (pulse shaping filter)와 수신기 정합핀터 (matched filter)로는 각각 481 탭과 121 탭인 square root raised cosine (SRRC) 필터를 사용하였고,</p><table border><caption>표 2. Brazil A 채널의 채널 프로파일</caption><tbody><tr><td>Delay \\( [\\mu \\mathrm{s}] \\)</td><td>Amplitude \\( [\\mathrm{dB}]\\)</td><td>Fhase [degree]</td></tr><tr><td>0.0</td><td>0.0</td><td>0</td></tr><tr><td>+0.15</td><td>-13.8</td><td>0</td></tr><tr><td>+2.22</td><td>-16.2</td><td>0</td></tr><tr><td>+3.05</td><td>-14.9</td><td>0</td></tr><tr><td>+5.86</td><td>-14.6</td><td>0</td></tr><tr><td>+5.93</td><td>-16.4</td><td>0</td></tr></tbody></table><table border><caption><p>표 3. BR에 다른 TOV 증가량</p></caption><tbody><tr><td rowspan=2>BR \\( [\\mathrm{db}] \\)</td><td colspan=2>TOV 증가량 \\( [\\mathrm{db}] \\)</td></tr><tr><td>AWGN 채널</td><td>Brazil A 채널</td></tr><tr><td>Off</td><td>-</td><td>-</td></tr><tr><td>-39</td><td>0.007</td><td>0.02</td></tr><tr><td>-36</td><td>0.01</td><td>0.04</td></tr><tr><td>-33</td><td>0.04</td><td>0.08</td></tr><tr><td>-30</td><td>0.1</td><td>0.1</td></tr><tr><td>-27</td><td>0.2</td><td>0.3</td></tr><tr><td>-24</td><td>0.5</td><td>0.7</td></tr><tr><td>-21</td><td>1.0</td><td>1.3</td></tr></tbody></table><p>IF 중심 주파수는 \\( 10.76 \\mathrm{MHz} \\) 로 설정하였다.", "또한, 전산 실험에서 전치 탭 길이 40 , 후치 탭 길이 128 , trace-back depth가 1인 트렐리스 (trellis) 복호기를 양자화기로 가지는 decision feedback equalizer가 사용되었다.", "</p><p>그림 5는 AWGN 및 Brazil A 채널에서 TxID 신호의 BR 변화에 따른 디지털 TV 수신기의 Reed-Solomon (RS) 복호 후 비트 오류율 (bit error rate: BER) 성능을 나타낸다.", "ATSC 디지털 TV 신호에 있어서 TxID 신호는 잡음으로 작용하기 때문에, TxID 신호의 삽입레벨이 높을수록 수신을 위한 threshold of visibility (TOV)가 필연적으로 증가한다.", "AWGN 및 Brazil A 채널에서 TxII 신호의 BR 변화에 따른 TOV 증가량은 표 3과 같다.", "표 3에 의하면, TxID 신호의 삽입레벨이 높을수록 Brazil A 채널에서 TOV 증가량이 AWGN 채널보다 높았다.", "하지만, \\( -30 \\mathrm{~dB} \\) 이하의 BR은 AWGN 및 Brazil A 채널 모두에서 TOV 증가량이 \\( 0.1 \\mathrm{~dB} \\) 이하이기 때문에, 기존 ATSC DTV 신호에 미치는 영향은 미미할 것으로 판단된다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "다양한 채널환경 하에서의 RF 워터마크 역호환성 연구", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0f1a1da6-1905-42f5-a1f3-e724659ce014", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "김정창", "박성익", "최대원", "임형수", "김흥묵" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 결 론</h1><p>본 논문에서는 기존에 제안되었던 음향 이벤트 검출을 위한 시간주파수 영역분할 맵 추출 기반 모델의 수용영역과 희소성 부족에 관한 문제를 적은 양의 파라미터로 효율적으로 수용영역을 넓혀 줄 수있는 확장 합성곱 신경망과 정보의 흐름을 제어함으로써 정보의 유효성을 판단할 수 있는 선형 게이트 유닛를 적용한 확장 게이트 선형 유닛 모델을 제안함으로써 개선하였다.", "또한, 이벤트가 겹치지 않은 데이터로 실험한 베이스라인과 달리 실제 상황에서와 같이 이벤트가 겹처서 발생하는 데이터베이스인 URBAN-SED와 직접 제작한 조류 울음소리 데이터를 이용하여 실험하였고, 잡음 환경에 따른 실험도 진행하였다.", "이에 제안하는 확장 게이트 선형 유닛 모델이 잡음 환경을 포함한 모든 데이터에서 가장 좋은 음향 이벤트 검출성능을 보이는 것을 확인하였다.", "추후 본 모델은 강한 레이블에 비해 적은 정보를 가지고 있는 약한 레이블에서 최대한 많은 정보를 얻을 수 있도록 다양한 손실 함수를 구성하여 적용할 예정이며, 영역분할 맵 추출 방식은 글로벌 풀링에 의존되기 때문에, 새로운 글로벌 풀링 방법을 모색하여 모델을 개선할 예정이다.", "</p> <h2>3.5 실험 결과</h2><p>실험은 본 논문에서 제안하는 확장 합성곱 신경망 모델, 확장 합성곱 게이트 선형 유닛 모델과 베이스라인 모델인 영역분할 맵 추출 기반 음향 이벤트 검출 모델, 그리고 기존에 제안되었던 합성곱 신경망을 이용하여 추출한 저차원 특징 맵을 고차원으로 확장한 FrameCNN과 합성곱 신경망에서 주파수 축으로만 차원을 줄여 시간 축에 대한 정보는 유지하는 WLDCNN, 합성곱 신경망과 완전연결 레이어에 게이트 선형 유닛을 적용한 Attention을 가지고 음향 태깅과 음향 이벤트 검출에 대한 성능을 비교하였고, 잡음에 따른 모델의 성능 변화를 나타내었다.", "</p><p>기존의 베이스라이인 모델의 문제점으로 언급하였던 수용영역 부족에 대한 해결책으로 확장 합성곱 신경망을 적용하여 수용영역을 넓혀 준 확장 합성곱 신경망 모델의 성능을 보면 Tables2 ~ 5에 나타내었듯이, 음향 태깅과 음향 이벤트 검출성능이 실험에 사용한 두 데이터베이스에서 베이스라인 모델보다 각각 \\( 6.38 \\%, 5.83 \\% \\)와 \\( 7.94 \\%, 5.89 \\% \\) 향상됨을 확인할 수 있다.", "하지만 잡음 환경에 대한 성능 결과인 Tables 6과 7을 보면, 확장 합성곱 신경망 모델이 베이스라인 모델과 잡음이 가장 많은 환경인 SNR 0에서 F1 score가 비슷하거나 더 낮은 성능을 보이는 것을 확인하였다.", "위의 현상은 Fig.", "4 에서 보이듯이 확장 모델이 수용영역이 넓어짐에 따라 더 넓은 범위의 이벤트에 대한 정보를 추출하지만, 넓은 범위의 잡음에 대한 정보 또한, 추출 되는 것으로 확인된다.", "</p><p>이에 앞에서 언급하였던 기존 모델의 문제점인 희소성에 대한 즉, 정보의 유효성 판단을 위해 확장 모델에 게이트 선형 유닛을 적용한 확장 게이트 선형 유닛 모델을 실험하였다.", "확장 게이트 선형 유닛 모델은 Tables 2 ~ 5 에 나타내었듯이, 조류 울음소리 데이터의 음향 태깅 성능을 제외한 모든 부분에서 가장 좋은 성능을 내는 것을 확인하였다.", "또한, 정보에 대한 흐름을 제어함으로써 정보의 유효성을 판단할 수 있는 게이트 선형 유닛을 적용함으로 인해 잡음 환경 데이터에서도 확장 모델의 F1 score보다 음향 태깅에서 \\( 5.26 \\% \\), 음향 이벤트 검출에서 \\( 5.93 \\% \\)의 성능 향상을 보였고, Fig.", "4에서 확인할 수 있듯이 추출된 호랑지빠귀의 영역분할 맵에서 확장 모델보다 이벤트에 대한 정보가 다소 살아난 것을 볼 수 있고, 팔색조에 해당하는 영역분할 맵에서는 확장 모델에서 추출된 잡음에 대한 정보가 확장 게이트 선형 유닛 모델에서는 추출이 되지 않은 것을 확인할 수 있었다.", "</p><p>추가적으로 Table 3의 조류 울음소리의 음향 태깅 성능을 보면 Table4의 음향 이벤트 검출 성능과는 다르게 확장 게이트 선형 유닛 모델 보다 확장 합성곱 신경망 모델의 성능이 더 높게 나온것을 확인할 수 있다.", "이 현상은 음향 태깅의 성능을 측정할 때 사용하는 예측값은 전체 픽셀의 정보를 이용하기 얻기 때문에, Fig.", "4와 같이 확장 게이트 선형 유닛 모델을 통해 잡음에 대한 정보가 없어짐으로 음향 태깅의 성능이 다소 저하 될 수 있다.", "즉, 영역분할 맵 추출 기반 음향 이벤트 검출에서는 음향 태깅의 성능이 음향 이벤트 검출 성능에 영향을 미치기는 하지만, 음향 태깅 성능이 높다고 해서 음향 이벤트 검출 성능이 높은것이 아니므로, 모델의 성능을 음향 태깅 성능을 기준으로 평가하기에는 적합하지 않은 것으로 보인다.", "</p> <h1>Ⅱ. 제안하는 방법</h1><h2>2.1 약한 레이블</h2><p>기존의 음향 이벤트 검출 알고리즘은 Fig.", "1 의 강한 레이블과 같이 오디오 클립 내에 이벤트의 발생 시점과 종점에 대한 정보가 포함된 데이터를 기반으로 학습을 하였다.", "하지만 강한 레이블은 사람이 반복적으로 오디오 파일을 들으면서 이벤트 발생 여부와 정확한 발생 시간을 확인해야 하므로 강한 레이블 데이터를 만들기 위해서는 많은 시간과 노동이 필요하다.", "그에 반해서 약한 레이블은 오디오 클립내의 이벤트의 존재 여부에 대한 정보만 요구되기 때문에 강한 레이블보다 약한 레이블이 수월하게 데이터 작업이 가능하다.", "이러한 이점 때문에, 다량의 데이터를 필요로 하는 딥러닝 분야에서 약한 레이블을 기반한 연구들이 늘어나고 있는 추세다.", "</p><h2>2.2 확장 합성곱 신경망</h2><p>일반적인 합성곱 신경망은 커널의 파라미터 개수를 늘리지 않고 수용영역을 넓히기 위해 풀링 연산과 함께 사용된다.", "하지만, 풀링 연산을 거쳐서 나온 특징은 특정 정보 이외의 정보는 손실되게 된다.", "그에 반해, 확장 합성곱 신경망은 풀링 연산 없이 Fig.", "2 와 같이 빨간 점에 해당하는 픽셀의 정보만을 이용하여 합성곱 신경망 연산을 수행하므로 입력 데이터에 대한 정보 손실 없이 수용영역을 넓혀 줄수 있다.", "본 논문에서는 이벤트별 시간 -주파수 도메인 영역 분할 맵을 추출하는 부분에 확장 합성곱 신경망을 사용하였다.", "확장률은 Fig 2 에서 나타내었듯이 빨간 점들간의 거리를 의미하기 때문에, 높을수록 더 큰 수용영역을 가지게 된다.", "제안하는 모델에서는 확장률을 1 에서 최대 8 까지 점차적으로 늘여가며 사용하였다.", "</p><h1>2.3 게이트 선형 유닛</h1><p>게이트 선형 유닛은 합성곱 신경망을 통해 나온 특징에 대한 정보를 제어하는 게이트 역할을 함으로써, 시간-주파수 도메인의 정보 중 유의미한 정보에 해당하는 이벤트 정보는 전달하고, 무의미한 정보에 해당하는 배경 소리는 버림으로써 잡음에 보다 강인한 모델을 구성 하는데 도움을 줄수 있다.", "게이트 선형 유닛 수식으로 표현하면 Eq.", "(1)과 같다.", "</p><p>\\( Y=\\left(W_{I} * X+b_{I}\\right) \\odot \\sigma\\left(W_{G}{ }^{*} X+b_{G}\\right) \\),<caption>(1)</caption></p><p>\\( \\sigma \\)는 시그모이드 함수이며, \\( W_{I} \\)와 \\( W_{G} \\)는 각각 정보와 게이트를 출력하는 합성곱 신경망의 커널을 나타내고 \\( b_{I} \\)와 \\( b_{G} \\)는 바이어스를 의미한다. \\", "(X\\)는 이전 레이어에서 출력된 특징이거나 입력되어 들어온 데이터이고 \\( \\odot \\)는 요소별 곱셈이다.", "즉, 게이트 선형 유닛은 합성곱 신경망에서 커널 개수를 두 배로 늘려 두 배의 특징을 추출하여, 특징의 절반을 정보로 이용하고, 나머지 절반은 시그모이드 함수를 거친 게이트로 사용함으로써 정보를 흐름을 제어할 수 있는 학습 가능한 활성화 함수로 기존의 활성화 함수를 대체되어 사용된다.", "</p><h2>2.4 Dilated Convolution Gated Linear Unit 모델</h2><p>본 논문에서 제안하는 모델은 Reference의 영역분할 맵 추출 모델을 기반하여 앞서 소개한 약한 레이블을 이용한 확장 합성곱 신경망과 게이트 선형 유닛을 적용한 확장 게이트 선형 유닛 Dilated Convolution Gated Linear Unit(DCGLU) 모델이다.", "모델은 구조는 Fig.", "3과 같다.", "입력 데이터인 로그멜 스펙트로그램은 2개의 확장 합성곱 신경망과 활성화 함수를 게이트 선형 유닛으로 대체한 확장 게이트 선형 유닛 블록을 4번 반복하여 특징을 추출한다.", "이때 확장 합성곱 신경망의 커널 크기는 \\( 3 \\times 3 \\)으로 하였고, 확장률은 첫 번째 블록에서 1 , 두 번째 블록은 2 , 세 번째블록은 4 , 네 번째 블록은 8 로 하여 수행하였다.", "각 레이어의 커널 개수는 실험을 통해 최적화하여 구성하였다.", "자세한 모델 구성은 Table 1 에 기재하였다.", "확장 게이트 선형 유닛 블록을 통해 추출된 특징은 \\(1 \\times 1 \\) 합성곱 신경망과 시그모이드 활성화 함수를 통해 클래스 개수만큼의 \\( 0 \\sim 1 \\) 사이의 값을 가지는 영역분할 맵을 얻게 된다.", "추출한 영역분할 맵은 Fig.", "4와 같이 출력된다.", "이렇게 얻은 영역분할 맵은 약한 레이블과의 이진 크로스 엔크로피 손실을 계산하기 위해 글로벌 풀링을 이용하여 클래스별 예측 값을 도출한다.", "이때 글로벌 풀링은 글로벌 가중치 정렬 풀링(Global Weighted Rank Pooling, GWRP)을 사용하였다.", "글로벌 가중치 정렬 풀링은 시간-주파수 영역분할 맵 추정에서 글로벌 최대 풀링(Global Max Pooling, GMP)와 글로벌 평균 풀링(Global Average Pooling GAP)의 문제점인 과소추정과 과대추정에 대한 해결책으로, 추출된 특징의 각 픽셀 정보의 크기에 따라 가중치를 주어 풀링 연산에 반영되게 된다.", "즉, 큰 값을 가지는 픽셀의 정보에 대한 가중치가 크고, 작은 값을 가지는 픽셀의 정보에 대한 가중치는 작게 함으로써 전체 픽셀에 대한 정보를 적절히 반영하여 풀링 연산을 하게 된다.", "글로벌 가중치 정렬 풀링에 대한 수식은 Eq.", "(2)와 같다.", "</p><p>\\( G W R P\\left(S_{k}\\right)=\\frac{1}{Z(r)} \\sum_{j=1}^{M} r^{j-1}\\left(S_{k}\\right)_{j} \\),<caption>(2)</caption></p><p>S는 \\( 1 \\times 1 \\) 합성곱 신경망을 거쳐서 나온 영역분할 맵을 의미하며, \\(k\\)는 클래스의 개수이다. \\", "(j\\)는 출력된 영역분할 맵의 각 픽셀값의 크기에 따라 높은 값 부터 낮은 값으로 내림차순 정렬한 인덱스이다. \\", "(M\\)은 시간 \\( \\times \\) 주파수로 전체 픽셀 개수를 나타낸다. \\", "(r\\)은 하이퍼 파라미터로 \\( 0 \\leq r \\leq 1 \\)의 값으로 설정하고, \\( Z(r)=\\sum_{j-1}^{M} r^{j-1} \\)는 정규화를 위한 항이다.", "위의 수식에 따라 영역분할 맵이 풀링 연산을 거치게 되면 0과 1 사이의 클래스 레벨 예측값을 출력하게 되고, 예측된 값은 약한 라벨과의 이전 크로스 엔트로피 손실을 계산하여 모델을 학습하게 된다.", "</p> <h1>Ⅰ. 서 론</h1><p>최근 인공지능 기술의 발전과 함께 음향 관련 연구들이 다수 진행되고 있다.", "그중 음향 이벤트 인식 및 검출은 감시 시스템, 사람과 컴퓨터 간의 상호작용 및 야생 동물 모니터링과 같이 국내외에서 다양한 분야에서 사용되고 있다.", "이처럼 음향 이벤트 검출 문제는 다양한 인터페이스를 통해 폭넓게 적용될 수 있으므로 인공지능 분야에서 중요한 이슈로 대두되고 있다.", "</p><p>음향 이벤트 검출은 오디오에 어떤 소리 이벤트가 언제 발생했는지에 대한 답을 찾는 문제이다.", "연구 초기에는 프레임별 이벤트 분류 문제를 기반한 딥러닝 학습 모델들이 많이 제안되었다.", "하지만 위의 모델들은 프레임 단위의 이벤트 발생 여부에 대한 정보(강한 레이블)가 필요하므로 대량의 데이터를 구성하는데 어려움이 있었다.", "이러한 한계점을 완화 시키기 위해 약한 레이블(weak label) 기반 연구들이 진행되고 있다.", "약한 레이블은 오디오 클립에 어떤 이벤트가 포함되어 있는지에 대한 정보만을 바탕으로 기존의 강한 레이블을 이용한 프레임 레벨 분류가 아닌 인스턴스 레벨 멀티-레이블 분류를 수행한다.", "</p><p>약한 레이블 기반 음향 이벤트 검출기의 구조는 크게 이벤트 분류기와 소리 내의 이벤트의 시점과 종점을 검출하는 검출기로 구성된다.", "이벤트 분류기는 일반적인 분류기에 사용되는 원-핫 레이블이 아닌 하나의 오디오 클립에 복수의 레이블을 가지는 멀티-레이블 분류기를 사용하며, 분류기의 저차원 특징 맵을 고차원으로 확장하여 소리의 발생 시점을 검출한다.", "그러나, 합성곱 신경망(Convolutional Neural Network, CNN)을 이용한 특징 추출 과정에서 시간 축에 대한 정보 및 특성이 없어지게 되므로, 위의 문제를 완화 시키기 위해 주파수 축으로만 차원을 줄이고, 시간 축에 대한 정보는 유지하는 학습법이 연구되었다.", "또한, 합성곱 신경망의 특징 추출 과정에 게이트 선형 유닛(Gated Linear Unit, GLU)를 적용하여 레이어 별 활성화 함수를 학습한 구조가 향상된 성능을 보였다.", "하지만, 주파수 축 차원 축소 방법은 잡음에 민감하게 동작하여 잡음요소가 큰 환경에서 높은 성능 하락을 보인다.", "이러한 문제를 줄이기 위해, 시간-주파수의 차원을 유지하는 학습법이 고안되었다.", "이 학습 방법은 입력 오디오 클립에서 목표가 되는 이벤트를 분리해 내는 영역분할 맵 (segmentation map)을 찾아내는 방식으로, 특징 맵의 시간-주파수 차원을 유지하며 추출한 특징이 각 이벤트에 미치는 영향을 알 수 있도록 영역분할 맵을 클래스 개수만큼 추출한다.", "모델의 마지막 레이어에서는 추출한 시간-주파수 영역분할 맵에 글로벌 풀링 연산을 적용하여 타겟 이벤트가 오디오 안에 있을 확률을 계산하게 된다.", "이러한 학습 과정은 오디오 클립에서 타겟 이벤트에 해당하는 특징을 추출하기 때문에 잡음", "환경에 강인한 성능을 보여준다.", "</p><p>위와 같은 이점이 있는 시간-주파수 차원을 보존하는 학습 방법이 잡음", "환경에서 향상된 성능을 보여주지만, 영역분할 맵 추출 과정에서 다음과 같은 한계점이 있다</p><p>1. 시스템의 희소성 부족: 합성곱 신경망은 작은 크기의 커널과 특징 맵의 차원을 줄이는 풀링을 활용하여 패치 별 중요한 특징을 찾아가는 방식으로 학습한다.", "하지만 Reference는 풀링 없이 특징 맵의 차원을 유지하면서 학습하기 때문에, 시스템의 희소성이 줄이들게 된다.", "</p><p>2. 수용 공간 부족: 수용 공간은 합성곱 신경망 모델이 볼 수 있는 정보의 양을 나타낸다.", "컴퓨터 비전 분야에서 많이 사용되는 모델들은 특징 맵의 크기가 레이어를 지나면서 줄어들기 때문에 작은 크기의 커널을 통해 다양한 패턴을 학습할 수 있다.", "그에 반해 Reference 모델은 입력과 같은 크기의 영역분할 맵 추출을 위해 특징 맵 크기를 유지하면서 \\( [3 \\times 3] \\) 크기의 커널을 모든 레이어에서 동일하게 사용하기 때문에, 학습의 효율성이 떨어진다.", "</p><p>또한, Reference 모델의 성능은 영역분할 맵에 의존적이므로 시스템 희소성 부족과 수용 공간 부족 문제는 시스템의 큰 성능 저하를 발생시킬 수 있다.", "따라서 본 논문은 합성곱 신경망에 게이트 선형 유닛과 확장 합성곱 신경망을 활용해 위 문제에서 발생하는 성능 저하를 줄이고자 한다.", "</p><p>제안하는 모델에서는 기존 모델의 희소성에 대한 문제를 해결하기 위해, 게이트 선형 유닛을 사용하였다.", "게이트 선형 유닛은 합성곱 신경망의 커널을 통해 정보에 해당하는 특징과 추출된 특징이 유효한 정보인지 아닌지를 판단하는 게이트를 생성한다.", "생성된 게이트는 시그모이드 함수를 통해 0 과 1사이 값을 가지게 되며, 생성된 특징과 요소별 곱셈을 통해 중요한 정보는 살리고 잡음에 해당하는 배경 소리를 차단하게 함으로써 정보의 흐름을 제어할 수 있다.", "</p><p>제한된 수용영역으로 인한 단일화되는 패턴 학습에 대한 해결책으로는, 확장 합성곱 신경망을 이용하였다.", "확장 합성곱 신경망은 특징 맵의 크기를 유지하면서, Reference 모델에 사용된 파라미터와 동일한 개수의 파라미터를 이용하여 넓고 다양한 수용영역을 구성할 수 있으므로, 제안하는 모델에 적용하였다.", "</p><p>또한, Reference에서 실험에 사용한 데이터베이스는 실제 환경을 고려하지 않은, 이벤트가 겹치지 않는 상황만을 재연한 데이터를 사용하였다.", "이에 본 논문에서는 이벤트가 같은 시점에 중복적으로 발생하는 데이터인 URBAN-SED 데이터와 자체 제작한 조류 울음소리 데이터를 이용하여 실험하였다.", "</p><p>이후 논문은 Ⅱ에서 제안하는 방법에 사용된 기술과 모델에 대한 설명을 기재하였고, Ⅲ에서 음향 태깅, 음향 이벤트 검출, Signal-to-Noise Ratio(SNR)에 따른 성능을 비교한 토의 및 결과를 기재하였다.", "Ⅳ는 결론으로 마무리 지었다.", "</p> <h1>초 록</h1><p>본 논문은 약한 레이블 기반 음향 이벤트 검출을 위한 시간-주파수 영역분할 맵 추출 모델에서 발생하는 희소성 밎 수용영역 부족에 관한 문제를 완화시키기 위해, 확장 게이트 선형 유닛(Dilated Convolution Gated Linear Unit, DCGLU)을 제안한다.", "딥러닝 분야에서 음향 이벤트 검출을 위한 영역분할 맵 추출 기반 방법은 잡음 환경에서 좋은 성능을 보여준다.", "하지만, 이 방법은 영역분할 맵을 추출하기 위해 특징 맵의 크기를 유지해야하므로 풀링 연산 없이 모델을 구성하게 된다.", "이로 인해 이 방법은 희소성과 수용영역의 부족으로 성능 저하를 보이게 된다.", "이런 문제를 완화하기 위해, 본 논문에서는 정보의 흐름을 제어할 수 있는 게이트 선형 유닛과 추가의 파라미터 없이 수용영역을 넓혀 줄 수 있는 확장 합성곱 신경망을 적용하였다.", "실험을 위해 사용된 데이터는 URBAN-SED와 자체 제작한 조류 울음소리 데이터이며, 제안하는 DCGLU 모델이 기존 베이스라인 논문들보다 더 좋을 성능을 보였다.", "특히, DCGLU 모델이 자연 소리가 섞인 환경인 세 개의 Signal to Noise Ratio(SNR) \\( (20 \\mathrm{~dB}, 10 \\mathrm{~dB}, 0 \\mathrm{~dB}) \\)에서 강인하다는 것을 확인하였다.", "</p> <h1>Ⅲ. 실 험</h1><h2>3.1 데이터베이스</h2><p>실험에 사용한 데이터는 URBAN-SED와 자체 제작한 조류 울음소리이다.", "URBAN-SED는 도시환경에서 발생할 수 있는 에어컨, 차 엔진, 드릴, 총소리 등 10 가지 이벤트로 구성되어 있고, 오디오 클립의 구성은 배경 소리(잡음)가 브라운 노이즈이며, 오디오 클립 내에 1개 9개의 이벤트가 겹쳐서 발생하는 상황으로 되어있다.", "각각의 오디오 클립의 길이는 \\( 10 \\mathrm{~s} \\) 이다.", "데이터 개수는 train, validation, test set을 포함하여 10,000개의 데이터로 약 \\( 30 \\mathrm{~h} \\)의 오디오 클립으로 구성된다.", "</p><p>조류 울음소리 데이터는 자체 수집하여 제작한 데이터로 8종의 클래스를 가지며, URBAN-SED 데이터의 상황과 같은 상황인 \\( 10 \\mathrm{~s} \\)내에 1개 7개의 이벤트가 겹쳐서 발생하도록 하였다.", "추가적으로, SNR에 따른 비교 실험을 위해 조류 울음소리 데이터의 test set에 실제 자연환경에서 발생할 수 있는 잡음인 폭우, 비, 바람, 강 소리를 섞은 데이터를 생성하여 실험하였다.", "잡음 데이터의 SNR은 0, 10, 20 으로 하여 잡음", "상황 성능을 측정하였다.", "</p><h2>3.2 특징 추출과 하이퍼 파라미터</h2><p>오디오 클립의 샘플링 레이트는 \\( 44,100 \\mathrm{~Hz} \\) 이며, 윈도우 크기 2048, 홉 크기 1024로 하여 Short-Time Fourier Transform(STFT)를 통해 스펙트로그램을 생성하였다.", "위의 같은 구성이 시간과 주파수 도메인에서 좋은 해상도를 가진다고 알려져 있다.", "생성한 스펙트로그램은 64개의 멜 필터뱅크를 이용하여 멜 스펙트로그램을 추출 후, 로그를 씌워 음향 관련 연구에서 많이 사용되고 있는 로그 멜 스펙트로그램(log Mel spectrogram)을 입력 데이터로 사용하였다.", "</p><p>모델을 학습할 때, batch size는 8로 하였고, 학습률은 0.001이며, Adam Optimizer를 사용하였다.", "또한, 모델의 안정화와 학습 속도 향상을 위해 \\( 1 \\times 1 \\) 합성곱 신경망 레이어를 제외한 모든 레이어에서 batch normalization을 적용하였고, 글로벌 가중치 정렬 풀링(GWRP)에서 \\( r \\) 는 0.9998로 하여 학습하였다.", "</p><h2>3.3 평가 지표</h2><p>평가 지표로는 F1 score, Area Under the Curve(AUC), mean Average Precision(mAP)을 이용하여 음향 태깅, 음향 이벤트 검출에 대한 성능을 검증하였다.", "F1 score는 시스템의 관점에서의 정확도를 나타내는 정밀도와 데이터 관점에서의 정확도를 나타내는 재현율을 기반하여 계산된다.", "F1 score는 정밀도와 재현율이 둘 중 하나라도 낮은 값을 가지게 되면 0에 가까운 값을 도출하며, 둘 다 높은 수치를 가져야만 1 에 가까운 값을 출력한다.", "</p><p>AUC는 참 양성 비율과 허위 양성 비율을 그래프로 그린 Receiver Operating Characteristic(ROC) 커브의 아래 영역의 넓이로 하나의 수치로 나타내어진다.", "AUC는 사용하는 경우 수동으로 기준치를 지정할 필요가 없으며, 시스템이 학습되지 않은 경우와 같이 랜덤한 값을 출력할 경우 0.5의 수치를 가지게 된다.", "</p><h2>3.4 음향 태깅 및 이벤트 검출 성능 평가</h2><p>음향 태깅에 대한 결과는 모델을 통해 추출된 시간-주파수 영역분할 맵에서 글로벌 가중치 정렬 풀링을 통해 출력된 각 이벤트 클래스가 오디오 클립내에 있을 확률이 0.1이상일 때 이벤트가 있다고 판단을 하고 0.1미만의 경우 이벤트가 없다고 판단하여 성능을 측정한다.", "수식으로 표현하면 Eq.", "(3)과 같다.", "</p><p>\\( e_{k}=\\left\\{\\begin{array}{ll}1 & \\text { if } G W R P_{k}>0.1 \\\\ 0 & \\text { otherwise }\\end{array}\\right. \\).", "<caption>(3)</caption></p><p>GWRP는 Eq.", "(2)로 계산된 이벤트 클래스에 대한 확률이며, \\(k\\)는 각 이벤트 클래스에 해당하는 인덱스이다.", "</p><p>시간별 음향 이벤트 검출 결과는 시간-주파수 도메인에서 각각의 이벤트에 대한 정보를 담고 있는 추출된 시간-주파수 영역분할 맵에서 각 시간 \\(t\\)에 포함된 주파수 축에 대한 정보들의 합의 평균이 0.1이상이면 이벤트가 존재한다고 여기게 된다.", "또한, 음향 이벤트 검출 결과는 음향 태깅 결과에서 이벤트가 있다고 판단되는 클래스의 경우만을 고려하여 측정하였다.", "시간 \\(t\\)에 대한 이벤트 발생 여부 판단을 위한 수식은 Eq.", "(4)와 같다.", "</p><p>\\( v_{k}(t)=\\frac{1}{N} \\sum_{i=1}^{N} S_{k}\\left(t, f_{i}\\right) \\).", "<caption>(4)</caption></p><p>\\(N\\)는 주파수 축의 크기, \\(t\\)는 시간을 의미하며, \\(S\\)는 영역분할 맵, \\(k\\)는 클래스 개수이다.", "즉 \\( S_{k} \\) 각 클래스에 대한 영역분할 맵이다.", "위의 수식을 통해 얻은 값을 기반으로 음향 이벤트 검출에 대한 성능을 측정하였다.", "</p>" ]

{ "doc_category": { "KDC": "530.2405", "DDC": "620.2" }, "doc_title": { "kor": "약한 레이블을 이용한 확장 합성곱 신경망과 게이트 선형 유닛 기반 음향 이벤트 검출 및 태깅 알고리즘", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-11ad7c92-6168-47eb-89ed-f778cb7e8ec2", "doc_number": { "ISSN": "1225-4428", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2020", "doc_author": [ "박충호", "김동현", "고한석" ], "doc_publisher": "한국음향학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 결 론</h1><p>3축 가속도 센서의 새로운 낙상 특징 변수를 추출하는 방법을 제안했다.", "개인간 낙상 패턴의 차이와 낙상과 유사한 일상 생활 패턴을 구분하기 위해 HMM 알고리듬을 사용하였다.", "본 논문에서 새로 정의한 변수와 기존에 주로 사용되는 변수를 적용한 결과를 비교하였다.", "새로 정의한 GSVM변수가 가장 좋은 결과를 보였다.", "GSVM으로 일상 생활과 낙상을 구분하는 실험을 통해 \\( 100 \\% \\) sensitivity와 \\( 97.96 \\% \\) specificity를 얻었다.", "SVM에 비해 sensitivity는 \\( 5.2 \\% \\) 와 specificity는 \\( 4.5 \\% \\) 정도 향상되었다.", "또한, 기존에 발표한 낙상인식시스템의 가장 좋은 결과와 비교해서 sensitivity와 specificity \\( 95 \\% \\) 이상으로 비슷한 성능을 보이나 본 논문에서 제안한 시스템은 개인별 특성을 고려하므로 더 많은 실험을 하였을 경우에 더 좋은 결과를 얻을 것으로 예측된다.", "또한, 본 낙상 인식 알고리즘은 사람뿐만 아니라 물류 센터 등과 같은 사물이 적재된 곳에서 사물들의 낙상을 검출하는 데에도 적용가능하다.", "</p> <h1>Ⅲ. 낙상 인식과 실험 결과</h1><h2>1. 가속도 센서 데이터의 취득</h2><p>가속도 센서 데이터는 총 8명에게서 취득하였다.", "20대 중반의 여성 2명과 남성 6명으로 구성되었다. \\", "( 100 \\mathrm{Hz} \\)의 속도로 샘플링 하였으며 행동모델은 총 7가지로 정의하였다.", "일상생활에 해당하는 ADL은 걷기, 뛰기, 제자리 뛰기, 침대에 눕기로 분류하여 5초 동안의 움직임 샘플을 각 헹동에 대해 20개씩 취득하였다.", "낙상 움직임은 뒤로 넘어지기, 앞으로 넘어지기, 옆으로 넘어지기로 나누어 동일하게 5초 동안의 움직임 샘플을 각 행동에 대해 20개씩 취득하였다.", "일상 생활이 4가지 이므로 총 640개, 낙상이 3가지이므로 480 개의 5초 길이의 가속도 센서 데이터를 취득하였다.", "</p><h2>2. 은닉 마르코프 모델의 훈련과 평가</h2><p>HMM 모델의 코드는 Windows XP PC상에서 C언어로 작성되었다.", "위에서 취득한 각 행동별 160개의 샘플 중 한 실험자당 2개씩 16개를 훈련에 사용하였고 160개 모두를 평가하는데 사용하였다.", "HMM의 입력 값은 3축 가속도 센서에서 취득한 값인 \\( A_{S V M}(t), A_{D S V M}(t), A_{G S V M}(t), A_{G D S V M}(t), A_{\\theta}(t) \\) 를 각각 훈련과 평가에 사용하였다.", "7가지 행동에 대해 각 HMM 모델을 훈련시켜 평가를 실시하였다.", "</p><h2>3. 낙상 인식 결과</h2><p>총 1120개의 테스트 패턴 대상으로 다양한 낙상 특징 변수를 HMM에 적용한 결과가 표 1에 나타내져 있다.", "5가지 정의된 낙상 특징 변수에 대해 HMM을 적용하여 낙상을 인식하는 정도를 나타내는 sensitivity와 specificity를 도출하였다.", "각도를 나타내는 \\( A_{\\theta}(t) \\) 도 상당히 높은 정확도를 보였으나 \\( A_{G S V M}(t) \\) 을 사용한 경우가 \\( 100 \\% \\) sensitivity와 \\( 97.96 \\% \\) specificity를 얻어서 최고의 성공률을 보였다.", "이는 낙상 인식 분야에서 각도가 가지는 데이터가 가장 중요한 데이터임을 알 수 있었다.", "</p><table border><caption>표 1. 가속도 기반 낙상 인식 실험 결과</caption><tbody><tr><td></td><td>\\( A_{\\theta}(t) \\)</td><td>\\( A_{SVM }(t) \\)</td><td>\\( A_{DSVM }(t) \\)</td><td>\\( A_{GSVM }(t) \\)</td><td>\\( A_{GDSVM }(t) \\)</td></tr><tr><td>sensitivity</td><td>\\( 96.80 \\% \\)</td><td>\\( 94.81 \\% \\)</td><td>\\( 93.93 \\% \\)</td><td>\\( 100 \\% \\)</td><td>\\( 90.03 \\% \\)</td></tr><tr><td>specificity</td><td>\\( 93.12 \\% \\)</td><td>\\( 93.48 \\% \\)</td><td>\\( 93.08 \\% \\)</td><td>\\( 97.96 \\% \\)</td><td>\\( 92.05 \\% \\)</td></tr></tbody></table><p>3축 가속도 센서 데이터의 문턱값을 이용하는 연구는 대개 \\( 80 \\% \\) 내외의 sensitivity값을 가진다.", "그리고 T.", "Zhang et al.의 지지벡터기계(support vector machines) 알고리듬은 \\( 96.7 \\% \\) 의 성공율을 이루었다.", "이 알고리듬을 스마트폰에 적용하여 \\( 93.3 \\% \\) 의 성공률을 이루었다.", "Tapia는 총 5개의 무선 가속도 센서와 심박수 측정기를 한 사람에게 장착하여 C4.5와 나이브 베이스 분류기를 사용하여 \\( 94.6 \\% \\) 의 성공률을 이루었다.", "각속도계를 이용한 Bourke의 방법은 단순한 문턱값을 사용해서 \\( 100 \\% \\) 의 성공률을 보였다.", "</p><table border><caption>표 2. 센서를 이용한 낙상 인식 시스템의 성공률</caption><tbody><tr><td>Sensor</td><td>Algorithm</td><td>Author</td><td>Accuracy</td></tr><tr><td>Accelero-meters</td><td>threshold</td><td>Bourke, Kangas</td><td>Sensitivity \\( 98 \\% \\) Specificity \\( 100 \\% \\)</td></tr><tr><td>Accelero-meters</td><td>Neural Network</td><td>Willis</td><td></td></tr><tr><td>Accelero-meters</td><td>Support Vector Machine</td><td>Zhang</td><td>\\( 96.7 \\% \\)</td></tr><tr><td>Accelero-meters, heart rate monitor</td><td>C4.5, Naive Bayes</td><td>Tapia</td><td>\\( 94.6 \\% \\)</td></tr><tr><td>Gyroscopes</td><td>threshold</td><td>Bourke</td><td>Sensitivity \\(98\\%\\) Specificity \\( 100 \\% \\)</td></tr></tbody></table><p>본 실험에서 \\( A_{G S V M}(t) \\) 을 사용하여 얻은 \\( 100 \\% \\) sensitivity와 \\( 97.96 \\% \\) 의 specificity는 기존 논문에서 발표한 최상의 성공률과 비교할만하다.", "본 논문에서 제안한 시스템은 개인별 특성을 고려하므로 더 많은 실험을 하였을 경우에 더 좋은 결과를 얻을 것으로 예측된다.", "</p> <h1>요 약</h1> <p>중력 방향에 대한 가중치를 적용한 3축 가속도 센서 데이터를 낙상 특징 변수로 사용해서 은닉 마르코프 모델(Hidden Markov Model; HMM)에 적용한 새로운 낙상 인식 알고리듬을 제안한다.", "기존에 낙상인식에 많이 사용되는 변수인 3축 가속도의 벡터 합(Sum Vector Magnitude, SVM)과 새롭게 정의한 변수인 중력방향 가중치를 적용한 3축 가속도의 벡터 합(Gravity-weighted Sum Vector Magnitude, GSVM)를 포함한 다섯 가지 낙상특징변수를 은닉 마르코프 모델에 적용하여 낙상 인식률을 평가하였다.", "실험을 통해 얻은 가장 좋은 결과는 중력방향가중치를 적용한 3축 가속도의 벡터 합 변수를 적용한 결과이고 \\( 100 \\% \\) 민감도(sensitivity)와 \\( 97.96 \\% \\) 특이성(specificity)를 얻었다.", "이것은 단순 3축 가속도의 벡터 합 변수에 비해 민감도는 \\( 5.2 \\% \\) 와 특이성은 \\( 4.5 \\% \\) 정도 향상되었다.", "단순히 운동량만을 표현하는 3축 가속도의 벡터 합 변수에 비해 중력방향 가중치를 적용한 3축 가속도의 벡터합 변수가 낙상의 움직임에 대한 특징을 잘 표현하기 때문에 높은 인식률을 나타내었다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "\\(3\\)축 가속도 센서 데이터에 중력 방향 가중치를 사용한 낙상 인식 알고리듬", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-1344d81d-8b34-4815-be61-c76eb5c35937", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2013", "doc_author": [ "김남호", "유윤섭" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>그림 6은 그림 5의 적분기에 사용되는 OTA 회로이다.", "OTA는 Sigma-Delta Modulator 전체의 잡음 특성에 큰 영향을 미치기 때문에 \\( \\mathrm{CMFB} \\) (Common Mode Feed Back) 회로를 가지는 완전 차동입력과 차동출력을 가지도록 고성능을 갖도록 설계 하여야 한다.", "모델링을 통하여 증폭기는 \\( 60 \\mathrm{~dB} \\) 이상의 이득, \\( 50 \\mathrm{~V} / \\mu \\mathrm{s} \\) 이상의 slew rate, 출력범위는 \\( \\pm 500 \\mathrm{mV} \\), 단위이득 주파수는 \\( 14 \\mathrm{MHz} \\) 이상이 만족되어야 한다.", "본 논문에서는 이러한 특성을 고려하여 Folded cascode 형태의 OTA를 설계 하였다.", "PMOS 입력단과 \\( \\mathrm{SC} \\mathrm{CMFB} \\) 구조를 사용하여 구현한 OTA 의 동작특성은 표 3 과 같다.", "</p><h2>3. 9-레벨 양자화기 설계</h2><p>9-레벨 양자화기는 \\( \\mathrm{SC} \\) 적분기의 차동 출력과 기준전압을 비교할 수 있도록 플래쉬 구조로 그림 7 과 같이 설계하여 ph2가 \"1\"일 때 입력 신호 Vin+, Vin-를 샘플링하고 ph1d가 \"1\"일 때 8-비트 온도계 코드를 생성하도록 하였다.", "여기에 사용되는 비교기는 큰 전압이득, 빠른 동작속도, 저전력 및 입력단의 부하가 최소가 되도록 그림 8과 같이 설계하였다.", "그림 8은 차동구조로 설계된 비교기로 \\( \\mathrm{ph} 2 \\) 가 “0”인 동안에 \\( \\mathrm{Vo}^{+} \\)와 \\( \\mathrm{Vo}^{-} \\)는 \\( \\mathrm{VDD} \\) 의 값을 가지며 위 - 아래 래치는 M11과 M12로 서로 차단되어 있다.", "ph2d가 \"1\"일 때 M11과 M12는 동작하며 차동출력은 래치루프 \\( \\mathrm{M} 4 \\) 와 \\( \\mathrm{M} 5 \\) 에 의해 \\( \\mathrm{VO}^{+} \\)와 \\( \\mathrm{Vo}^{-} \\)로 증폭된다.", "</p><h2>3. 제안된 DWA 구조를 위한 회로설계</h2><p>그림 2 와 같이 제안된 \\( \\mathrm{DWA} \\) 구조의 각 블록은 \\( \\mathrm{S}-\\mathrm{R} \\) Latch, Encoder, Adder, 3-비트 Register로 구성된다.", "제안된 DWA 구조에서 Register 블록으로 사용된 D 플립-플롭 회로와 \\( \\mathrm{S}-\\mathrm{R} \\) latch 회로는 그림 9 와 같다.", "글리치 현상을 방지하기 위하여 일반적인 \\( \\mathrm{D} \\) 플립-플롭 대신 그림 \\( 9(\\mathrm{a}) \\) 와 같은 구조의 \\( \\mathrm{D} \\) 플립-플롭을 사용하였다.", "</p><p>Shifter 블록의 회로는 그림 10 과 같으며, 쉬프트 되는 횟수에 따라서 Shifter1, Shifter2, Shfiter3 부분으로 나뉜다.", "Shifter 설계 시 스위치는 NMOS가 PMOS보다 동작속도가 빠르기 때문에 NMOS로 설계하였고, Shifter 조정신호 데이터인 \\( \\mathrm{C}_{0}, \\mathrm{C}_{1}, \\mathrm{C}_{2} \\) 에 의해 \\( 0 \\sim 7 \\) 번의 쉬프트를 수행하도록 하였다.", "</p><p>DWA 구성요소인 인코더는 입력 8개와 3개의 출력을 갖도록 기본 \\( \\mathrm{OR} \\) 게이트를 이용하여 설계하였고, Adder는 \\( \\mathrm{AND}, \\mathrm{OR}, \\mathrm{EX}-\\mathrm{OR} \\) 게이트로 구성된 1-비트 반가산기 및 전가산기를 이용하여 3-비트 Adder를 설계하였다.", "</p> <h1>III.", "3차 3-비트 SC Sigma-Delta Modulator 회로 설계</h1> <p>본 논문에서 제안된 \\( \\mathrm{DWA} \\) 구조를 적용하여 3 차 \\( 3- \\) 비트 SC Sigma-Delta Modulator를 설계하기 위한 블록 다이어그램은 그림 4 와 같다.", "먼저 설계조건을 설정한 후에 필터함수와 Modulator의 전달함수를 비교하여 계수 값을 구하였다.", "그리고 구성요소인 \\( \\mathrm{SC} \\) 적분기와 \\( \\mathrm{DAC}, 9 \\)-레벨 양자화기는 모델링과 설계명세조건을 기반으로 설계하여 3차 3-비트 SC Sigma-Delta Modulator를 설계하였다.", "</p> <h2>1. Sigma-Delta Modulator 설계명세조건</h2> <p>그림 4 의 블록 다이어그램의 구성요소는 회로설계시 OTA, 스위치, 커패시터, 양자화기, DAC으로 구성요소로 이루어지며, Sigma-Delta Modulator를 모델링하여 표 1 과 같이 설계명세조건을 설정하였다.", "최적의 안정도를 유지하면서 최대의 SNR을 가질 수 있도록 모델링한 결과, 최종적으로 스케일 된 계수 값은 표 2 와 같고, \\( \\mathrm{SNR} \\) 은 \\( 87 \\mathrm{~dB} \\) 를 얻을 수 있었다.", "</p> <table border><caption>표 1. Sigma-Delta Modulator 모델링을 위한 설계명세 조건</caption> <tbody><tr><td>Charactertics</td><td>Permittee Range</td></tr><tr><td>Each Integrator Outswing</td><td>\\( \\pm \\) 500 [mV]</td></tr><tr><td>Input Range</td><td>\\( \\pm \\) 400 [mV]</td></tr><tr><td>DAC Reference Voltage</td><td>\\( \\pm \\) 500 [mV]</td></tr><tr><td>Sampling Frequency</td><td>2.56 \\( [\\mathrm{MHz}] \\)</td></tr><tr><td>Switch on Register</td><td>< 300 \\( [\\Omega] \\)</td></tr><tr><td>Capacitor Rate Error</td><td>< 0.1 [%]</td></tr><tr><td>Comparator Offset</td><td>< 50 \\( [\\mu \\mathrm{V}] \\)</td></tr><tr><td>OTA S1ew Rate</td><td>50 \\( [\\mathrm{V} / \\mu \\mathrm{s}] \\)</td></tr><tr><td>OTA Gain</td><td>>60 \\( [\\mathrm{dB}] \\)</td></tr><tr><td>OTA Unit Gain Frequency</td><td>>14 \\( [\\mathrm{MHz}] \\)</td></tr><tr><td>Order/bit</td><td>3rd/3-bit</td></tr><tr><td>Input Signal Band</td><td>20 [kHz]</td></tr></tbody></table> <table border><caption>표 2. 스케일 된 Sigma-Delta Modulator 계수 값</caption> <tbody><tr><td>Coefficient</td><td>Value</td><td>Coefficient</td><td>Value</td></tr><tr><td>A1</td><td>0.167</td><td>B1</td><td>0.167</td></tr><tr><td>A2</td><td>0.333</td><td>B2</td><td>0.333</td></tr><tr><td>A3</td><td>1</td><td>B3</td><td>1</td></tr></tbody></table> <h1>IV.", "시뮬레이션 및 고찰</h1> <p>앞 절에서 기술된 각 블록회로를 적용하여 그림 2 와 같은 클록 타이밍을 갖는 제안한 DWA 구조를 갖는 3차 3-비트 SC Sigma-Delta Modulator를 \\( 0.18 \\mu \\mathrm{m} \\) \\( \\mathrm{CMOS} \\) 공정 파라메터를 이용하여 설계하였다.", "그림 11의 \\( \\mathrm{PSD} \\) (Power Spectrum Density)인 출력 파워 스펙트럼 결과이다.", "DAC 단위오차를 \\( 0.1 \\% \\) 를 가지도록 하여 Spectra에서 시뮬레이션 한 결과 DAC 단위 커패시터의 오차가 없는 경우에는 \\( 86 \\mathrm{~dB} \\) 를 보였으며, \\( 0.1 \\% \\) 단위오차가 있는 경우에는 \\( 85.8 \\mathrm{~dB} \\) 의 \\( \\mathrm{SNR} \\) 을 보임으로 보아 DWA가 정상 동작함을 알 수 있었다.", "시뮬레이션에 사용된 입력신호 조건은 크기가 \\( 800 \\mathrm{mVpp} \\), 입력 주파수는 \\( 20 \\mathrm{kltz} \\), 샘플링 주파수는 \\( 2.56 \\mathrm{MHz} \\) 이다.", "</p> <p>표 4는 설계된 3-bit과 4-bit Sigma-Delta Modulator에서 양자화기 온도계 데이터 코드를 처리하는 기존 DWA 구조와 제안한 DWA 구조에 사용된 MOS Tr.", "개수를 비교한 결과이다.", "</p> <table border><caption>표 4. 기존 구조와 제안한 구조의 MOS Tr.", "개수 비교</caption> <tbody><tr><td></td><td colspan=2>기존 DWA 구조</td><td colspan=2>제안한 DWA 구조</td></tr><tr><td>bit 수</td><td>3-bit</td><td>4-bit</td><td>3-bit</td><td>4-bit</td></tr><tr><td>Register A</td><td>26 x 8(bit)개</td><td>26 x 16(bit)개</td><td>X</td><td>X</td></tr><tr><td>S-R lach</td><td>x</td><td>X</td><td>8x 8(bit)개</td><td>8x 16(bit)개</td></tr><tr><td>Register B</td><td>26x3(bit) x2 개</td><td>26x4(bit) x2 개</td><td>26x3(bit) x1 개</td><td>26x4(bit) x1 개</td></tr><tr><td>총 MOS Tr.", "개수</td><td>364 개</td><td>624 개</td><td>142 개</td><td>232 개</td></tr></tbody></table> <p>3-비트 온도계 데이터 코드를 처리하는 기존 DWA 구조에서 그림5(a)의 8-비트 Register 대신에 그림5(b)의 8-비트 S-R latch로 대체하게 되면 Register의 경우 1-비트 Register당 26개의 MOS Tr.를 필요로 하지만, S-R latch의 경우에는 1-비트 S-R latch당 8개의 MOS Tr.로 구현이 가능하다.", "그러므로 8 개의 Register가 8 개의 \\( \\mathrm{S}-\\mathrm{R} \\) latch로 대체됨으로 144 개의 gate가 감소됨을 알 수 있다.", "또한 2개로 구성된 3-비트 Register가 1개의 Register로 감소됨으로써 78개의 MOS Tr.를 줄일 수 있다.", "</p> <p>그러므로 표 4 에서 보는 바와 같이 기존 구조에서 제안한 구조로 3-비트 회로를 구현할 경우 222개의 MOS Tr.", "가 줄어들어 회로 구현 시 약 \\( 20 \\% \\) 면적감소가 예상된다.", "</p> <p>또한 4-비트의 경우에는 392개의 MOS Tr.", "개수가 감소된다.", "그러므로 비트 수가 올라갈수록 기존구조 보다 더 많은 MOS Tr.", "개수가 감소될 것이다.", "그림 12는 제안한 3차 3-비트 SC Sigma-Delta 레이아웃 그림이다. \\", "( 0.18 \\mu \\mathrm{m} \\mathrm{CMOS} \\) 공정으로 Cadence tool 을 이용하여 레이아웃 하였다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "개선된 DWA 구조를 갖는 \\(3\\)차 \\(3\\)-비트 SC Sigma-Delta Modulator", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-11289e0d-4527-45c3-b4c4-1bc174b3af2f", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "김동균", "조성익" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>2.2 ACMPA의 등가회로</h1> <p>2.1절에서 설계한 ACMPA의 전산모의 결과로부터 등가회로의 전기적 파라미터를 추출한 후 회로 시뮬레이션 결과와 비교하였다.", "</p> <p>그림 3은 본 논문에서 사용한 일반적인 ACMPA의 등가회로를 나타낸다.", "그림 3의 등가회로는 개구면과 안테나와 직렬 스터브가 직렬로 연결된 구조이다.", "그림 1에서 개구면은 급전 선로에 H-모양의 DGS(defected ground structure)가 삽입된 형태로 볼 수 있다.", "따라서 개구면의 등가회로를 DGS의 등가회로로 간주하여 인덕턴스와 gap 커패시턴스를 추출하였다.", "DGS 등가회로의 전기적 파라미터를 추출하기 위해 그림 1에서 안테나 패치를 제거하고 급전선로 종단에 마이크로스트립 선로를 부가적으로 연결하여 2-port network를 만들었다.", "즉, 설계한 ACMPA의 H-모양 개구면과 동일한 구조를 가지는 DGS 저역통과 필터를 설계하였다.", "설계한 DGS 저역통과 필터의 EM 시뮬레이션 결과로부터 공진주파수와 차단주파수를 구하고 1차 저역통과 프로토타입 필터의 특성과 비교하여 개구면의 인덕턴스와 gap 커패시턴스를 추출하였다.", "2.1절에서 설계한 H-모양 개구면의 구조에 대해 추출한 전기적 파라미터는 \\( L_{A p} =0.74 \\mathrm{nH} \\)이고 \\( C_{A p}=0.72 \\mathrm{pF} \\)이다.", "그림 3의 등가회로에서 안테나 부분은 일반적으로 \\( \\mathrm{R}, \\mathrm{L}, \\mathrm{C} \\)가 병렬로 연결된 등가회로로 표현할 수 있다.", "직렬 스터브의 길이에 따라서 입력 임피던스가 바뀌므로 2.1절에서 설계한 직렬 스터브의 길이 \\( \\ell_{s} \\)는 \\( \\lambda_{g} / 4 \\)보다 작게 설계하여 커패시티브한 특성을 가지기 때문에 그림 3의 등가회로에서 간략하게 커패시터로 표현하였다.", "</p> <p>그림 4에는 그림 3의 종단 개방 직렬 스터브에 대한 상세 등가회로를 보인다.", "마이크로스트립 급전선로의 구조 파라미터로부터 그림 4에 보인 종단 개방 직렬 스터브의 등가회로 전기적 파라미터는 다음과 같은 수식으로 표현될 수 있다.", "</p> <p>\\( C_{S_{1}}=\\left(1.125 \\tanh \\left(\\left(1.358 \\frac{W_{f}}{h}\\right)-0.315\\right)\\right)\\left(\\frac{h}{25 Z_{0}}\\right) \\)<caption>(1)</caption></p> <p>\\( C_{S_{2}}=\\left(6.382 \\tanh \\left(\\left(0.0109 \\frac{W_{f}}{h}\\right)+0.910\\right)\\right)\\left(\\frac{h}{25 Z_{0}}\\right) \\)<caption>(2)</caption></p> <p>\\( L_{S}=\\left(0.008285 \\tanh \\left(\\left(0.5665 \\frac{W_{f}}{h}\\right)+0.0103\\right)\\right)\\left(\\frac{h Z_{0}}{25}\\right) \\)<caption>(3)</caption></p> <p>\\( R_{S}=Z_{0} \\times 1.024 \\tanh \\left(2.025 \\frac{W_{f}}{h}\\right) \\)<caption>(4)</caption></p> <p>여기서 \\( Z_{0} \\)는 마이크로스트립 급전선로의 특성임피던스를 나타내며 \\(h\\)의 단위는 mil 이다.", "2.1절에서 설계한 직렬 스터브의 구조 파라미터로부터 식 (1), (2), (3),(4)를 이용하여 계산한 전기적 파라미터는 각각 \\( R_{S}= 48.57 \\Omega, L_{S}=0.87 \\mathrm{nH}, C_{S_{1}}=0.02 \\mathrm{pF}, C_{S_{2}}=0.02 \\mathrm{pF} \\)이다.", "안테나의 동작주파수인 \\( 5 \\mathrm{GHz} \\)에서 식 (1), (2), (3), (4)로부터 구한 전기적 파라미터를 이용하여 스터브의 길이를 \\(0\\)에서 \\( 1 \\lambda_{g} \\)까지 변화시켜가며 직렬 스터브의 입력 임피던스를 살펴보았다.", "</p> <p>그림 5는 \\( 5 \\mathrm{GHz} \\)에서 그림 4의 등가회로를 이용하여 스터브의 길이에 따라 구한 종단 개방 스터브의 입력 임피던스를 보인다.", "2.1절에서 설계한 직렬 스터브의 길이는 \\( 0.12 \\quad \\lambda_{g} \\)로 그림 5에서 이 경우의 입력 임피던스는 약 \\( -j 48.63 \\Omega\\)임을 알 수 있다.", "따라서 그림 4의 등가회로는 그림 3의 등가회로처럼 간략하게 커패시터로 표현할 수 있으며 그 값은 약 \\( 0.65 \\mathrm{pF} \\)가 된다.", "</p> <p>개구면을 DGS와 같은 구조로 생각하고 DGS 저역통과 필터의 EM 시뮬레이션 결과로부터 추출한 전기적 파라미터와 직렬 스터브의 등가회로로부터 계산한 전기적 파라미터를 그림 3의 ACMPA 전체 등가회로에 대입하고 회로 시뮬레이션을 통해 안테나의 전기적 파라미터를 추출하였다.", "추출 방법은 먼저 ACMPA의 반 사계수를 EM 시뮬레이션으로부터 구하고 그림 3의 등가회로에서 안테나의 RLC 등가회로 파라미터를 각각 변화시켜가며 구한 반사계수의 회로 시뮬레이션 결과와 비교하여 가장 근접한 경우의 RLC 파라미터를 안테나 등가회로의 전기적 파라미터로 정하였다.", "이 방법으로 추출한 안테나의 전기적 파라미터는 \\( R_{A}=49 \\Omega, L_{A} =0.12 \\mathrm{nH}, C_{A}=8.8 \\mathrm{pF} \\)이다.", "</p> <p>그림 6에는 EM 시뮬레이션과 회로 시뮬레이션으로부터 구한 기판의 두께 \\( h_{1}=3.18 \\mathrm{mm}, h_{2}=0.78 \\mathrm{mm} \\)이며, 패치의 크기가 \\( L_{p}=W_{p}=6.4 \\mathrm{mm}, W_{f}=0.7 \\mathrm{mm}\\), H-모양 개구면의 크기가 \\( L_{a p}=4 \\mathrm{mm}, \\ell_{h}=2.6 \\mathrm{mm}, W_{a p}=w_{h}=0.5 \\mathrm{mm} \\), 종단 개방 스터브의 길이가 \\( \\ell_{s}=2.65 \\mathrm{mm} \\)인 ACMPA의 반사계수를 보인다.", "그림 6에서 EM 시뮬레이션과 회로 시뮬레이션을 이용한 반사계수 전산모의 결과가 잘 일치함을 볼 수 있다.", "</p> <p>표 1 에는 추출된 ACMPA의 각 부분별 전기적 파라미터를 정리한 결과를 보인다.", "표 1에 정리된 전체 ACMPA 등가회로의 전기적 파라미터로부터 안테나의 입력 임피던스를 구할 수 있다. \\", "( 5 \\mathrm{GHz} \\)에서 EM 시뮬레이션과 회로 시뮬레이션으로부터 구한 일반적인 ACMPA의 입력 임피던스는 각각 \\( 48.9+\\mathrm{j} 0.52 \\mathrm{\\Omega} \\)과 \\( 49.0+\\mathrm{j} 0.41 \\Omega \\)으로 거의 일치함을 볼 수 있었다.", "</p> <table border><caption>표 1. 추출된 \\( \\mathrm{ACMPA} \\) 의 전기적 파라미터</caption> <tbody><tr><td colspan=2>Aperture 부분</td><td colspan=3>Antenna 부분</td><td>Open stub 부분</td></tr><tr><td>\\( L_{A p} \\) \\( [\\mathrm{nH}] \\)</td><td>\\( C_{A p} \\) \\( [\\mathrm{pF}] \\)</td><td>\\( R_{A} \\) \\( [\\Omega] \\)</td><td>\\( L_{A} \\) \\( [\\mathrm{nH}] \\)</td><td>\\( C_{A} \\) \\( [\\mathrm{pF}] \\)</td><td>\\( C_{S}[\\mathrm{pF}] \\)</td></tr><tr><td>0.68</td><td>0.84</td><td>49</td><td>0.12</td><td>8.8</td><td>0.65</td></tr></tbody></table> <h2>3.2. 개구면 크기에 따른 임피던스 대역폭</h2> <p>그림 8의 여러 가지 개구면 크기를 가지는 ACMPA에 대하여 각각 병렬 스터브를 삽입하고 정합시킨 후 임피던스 대역폭과 방사패턴을 살펴보았다.", "그림 9 (a)와 (b)는 각각 여러 가지 다른 크기의 개구면에 대하여 최적화된 병렬 스터브가 삽입된 ACMPA의 주파수에 따른 반사계수와 스미스 차트에 도시한 입력 임피던스를 보인다.", "표 2에는 여러 가지 다른 크기의 개구면에 대하여 최적화된 병렬 스터브의 위치, 길이와 ACMPA의 임피던스 대역폭을 정리한 결과를 보인다.", "</p> <p>그림 9(a)와 표 2로부터 개구면의 크기가 작아질수록 ACMPA의 \\( -10 \\mathrm{dB} \\) 임피던스 대역폭은 증가하다가 감소함을 볼 수 있다.", "그림 9(b)에는 VSWR이 \\(2:1\\)보다 작은 영역을 함께 도시하였다.", "그림 9(b)에서 두 번째, 세 번째, 네 번째의 개구면 크기를 가지는 ACMPA의 경우 개구면의 크기가 커질수록 VSWR이 \\( 2: 1 \\)인 원 내부에서 임피던스 곡선의 원형모양 궤적이 커지며 대역폭이 증가함을 볼 수 있다.", "그러나 첫 번째 경우의 개구면 크기를 가지는 ACMPA는 임피던스 곡선의 원형모양 궤적이 VSWR이 \\( 2: 1 \\)인 원 외부에도 존재하여 대역폭이 감소함을 볼 수 있다.", "</p> <p>여러 가지 다른 크기의 개구면에 따라 최적화된 병렬 스터브가 삽입된 ACMPA의 방사특성을 살펴보았다.", "</p> <p>그림 10(a)와 (b)는 각각 여러 가지 다른 크기의 개구면에 따라 최적화된 병렬 스터브가 삽입된 ACMPA의 전방방사 이득과 후방방사 이득을 보인다. \\", "( -10 \\mathrm{dB} \\) 임피던스 대역폭 내에서 전방방사 이득 변화를 살펴보면 그림 10(a)에서와 같이 패치 안테나의 공진주파수인 \\(5 \\mathrm{GHz} \\) 대역에서 최대 이득을 가지고 패치 안테나의 공진 주파수에서 멀어질수록 이득이 감소함을 볼 수 있다.", "후방방사 이득 변화를 살펴보면 그림 10(b)에서와 같이 공진주파수 근처에서 후방방사 이득이 가장 크고 주파수가 증가할수록 이득이 작아지다가 다시 커짐을 볼 수 있었다.", "</p> <table border><caption>표 2. 여러 가지 다른 크기의 개구면에 대하여 최적 화된 병렬 스터브의 위치, 길이와 ACMPA의 임피던스 대역폭</caption> <tbody><tr><td rowspan=2 colspan=2></td><td colspan=4>Case</td></tr><tr><td>1</td><td>2</td><td>3</td><td>4</td></tr><tr><td rowspan=4>개구면의 크기</td><td>\\( L_{a p} \\) \\( [\\mathrm{mm}] \\)</td><td>4.0</td><td>3.7</td><td>3.7</td><td>3.7</td></tr><tr><td>\\( W_{a p} \\) \\( [\\mathrm{mm}] \\)</td><td>0.5</td><td>0.5</td><td>0.5</td><td>0.5</td></tr><tr><td>\\( \\ell_{h} \\) \\( [\\mathrm{mm}] \\)</td><td>2.6</td><td>2.7</td><td>2.3</td><td>2.0</td></tr><tr><td>\\( w_{h} \\) \\( [\\mathrm{mm}] \\)</td><td>0.5</td><td>0.5</td><td>0.5</td><td>0.5</td></tr><tr><td rowspan=2>병렬 스터브의 위치와 길이</td><td>\\(d_{p s}\\)\\( [\\mathrm{mm}] \\)</td><td>2.45</td><td>2.15</td><td>2.15</td><td>2.25</td></tr><tr><td>\\( \\ell_{p s} \\) \\( [\\mathrm{mm}] \\)</td><td>2.0</td><td>2.6</td><td>3.2</td><td>3.7</td></tr><tr><td rowspan=2>\\(-10\\mathrm{dB}\\) 대역폭</td><td>\\([\\mathrm{MHz}]\\)</td><td>620</td><td>730</td><td>610</td><td>560</td></tr><tr><td>\\([\\%]\\)</td><td>11.96</td><td>13.97</td><td>11.81</td><td>11.11</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "병렬 스터브를 이용한 개구면 결합 마이크로스트립 패치 안테나의 대역폭 확장", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-15af650e-009a-401b-9067-90b02cb45652", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "구환모", "윤영민", "김부균" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>4. 새로운 생존 예측 지표 분석 방법</h2> <h3>가.", "새로운 생존 예측 지표 산출 방법</h3> <p>데이터 분석 구간은 지혈 시점인 30분부터 45분까지 시행하였으며, 데이터 정규화 시점과 분석 구간에 따라 분석 방법을 나누었다.", "젖산 농도 \\( (\\mathrm{mmol} / \\mathrm{L}) / \\) 관류(PU)의 비를 통해 식 (1)과 같이 쇼크에 따른 생존예측 지표를 제안하였다.", "분석 방법 1-3번은 각 정규화 시점의 관류와 젖산 농도 값을 기준으로 상대적인 값\\(\\%\\)으로 지표를 계산하였고, 분석 방법 4번은 정규화하지 않은 관류와 젖산 농도 값을 통해 지표를 계산하였다.", "</p> <p>Proposed shock index \\( =\\frac{\\text { lactate concentration }}{\\text { perfusion }} \\)<caption>(1)</caption></p> <table border><caption>1. 데이터 분석 방법</caption> <tbody><tr><td>분석 방법</td><td>데이터 정규화 시점 (분)</td><td>분석 구간(분)</td><td>분석 변수</td></tr><tr><td>1</td><td>30</td><td>31~45</td><td>관류\\(\\%\\), 젖산 농도\\(\\%\\)</td></tr><tr><td>2</td><td>35</td><td>36~45</td><td>관류\\(\\%\\), 젖산 농도\\(\\%\\)</td></tr><tr><td>3</td><td>40</td><td>41~45</td><td>관류\\(\\%\\), 젖산 농도\\(\\%\\)</td></tr><tr><td>4</td><td>-</td><td>30~45</td><td>관류(PU), 젖산 농도\\( (\\mathrm{mmol} / \\mathrm{L}) \\)</td></tr></tbody></table> <h3>나.", "통계 분석 방법</h3> <p>SPSS 18.0(SPSS Inc, USA) 프로그램을 이용해 independent two sample \\( t \\) test의 비모수적 방법인 Mann-Whitney U test를 통해 생존군과 사망군 간 젖산 농도, 관류, 제안한 지표의 비교를 하였으며, \\( \\mathrm{p}<0.05 \\)인 경우 통계적으로 의미 있는 것으로 분석하였다.", "제안한 지표의 평가는 ROC(receiver operating characteristic) 커브 방법을 사용하여, AUC (area under curve)를 구하였다.", "cut-off 값은 생존에 대한 민감도와 특이도가 최대가 되는 지점으로 결정하였다.", "</p> <h1>Ⅲ. 결 과</h1> <h2>1. 출혈에 의한 측정 변수의 변화</h2> <p>전체 10마리 중 \\( 2.5 \\mathrm{m} \\ell \\)와 \\( 3 \\mathrm{m} \\ell \\)군 6마리는 모두 사망하였으며, \\( 2 \\mathrm{m} \\ell \\)군 4마리는 모두 생존하였다.", "실험 초기 0분), 사망군의 관류와 젖산 농도는 각각 \\( 180.2 \\pm 52.8 \\mathrm{PU} \\),\\( 1.6 \\pm 0.8 \\mathrm{mmol} / \\mathrm{L} \\) (평균 \\( \\pm \\) 표준편차)였고, 생존군의 관류와 젖산 농도는 각각 \\( 97.6 \\pm 31 \\mathrm{PU}, 1.9 \\pm 0.5 \\mathrm{mmol} / \\mathrm{L} \\) (평균 \\( \\pm \\) 표준편차)였다.", "생존군과 사망군 간의 초기 관류와 젖산 농도의 차이는 없었다 \\", "( (\\mathrm{p}=0.257,0.476) \\).", "사망군과 생존군의 출혈에 의한 생체 신호, 관류 및 젖산농도의 변화는 그림 3과 4와 같다.", "사망군의 경우 출혈구간에서 심박수, 혈압, 호흡수, 관류 모두 감소하였으며, 젖산 농도는 서서히 증가 하였다.", "사망군에서 지혈(30분) 후 심박수와 호흡수는 출혈 전 상태로 회복되는 듯 보이지만, 혈압과 관류는 회복되지 않았고, 젖산 농도는 지혈 후에도 큰 폭으로 꾸준히 증가하는 경향을 볼 수 있었다.", "이는 저관류 상태가 유지되어 체내 혐기성 대사가 이루어져 젖산 농도가 증가한 것으로 볼 수 있다.", "그림 4의 생존군은 출혈에 의한 심박수, 혈압, 관류의 감소는 사망군과 같은 경향을 보였으나, 지혈 후 심박수, 혈압, 관류가 회복되는 것을 볼 수 있었고 젖산 농도의 경우 증가하는 경향을 보이지만 일정 시간 후에 일정하게 유지되는 것을 확인할 수 있었다.", "이는 관류 상태가 회복 되고, 젖산 농도가 안정화되는 등 생존함에 있어 좋은 예후를 보여준 것으로 생각된다.", "체온의 경우 사망군과 생존군 모두 감소하였다.", "이는 출혈에 대한 영향뿐만 아니라, 서혜부 절개에 의한 영향도 있을 것으로 생각된다.", "호흡은 사망군의 경우 출혈 전에 감소한 후 지혈 후에 서서히 증가하였지만, 사망하면서 다시 감소하는 경향을 보여주었다.", "생존군의 경우 출혈 구간에서 약간 상승하였지만 지혈 후 큰 변화를 보여주지 않았다.", "</p> <h2>2. 생존 예측 지표 분석 결과</h2> <h3>가.", "분석 구간에서 관류, 젖산농도와 예측 지표의 변화</h3> <p>지혈 시점인 30분을 기준으로 정규화된 관류와 젖산 농도 및 생존 예측 지표의 변화는 그림 5와 같다.", "관류의 경우 일부 시간대 ( 36, 43, 45분)를 제외하고, 33분부터 생존군이 사망군보다 유의하게 큰 값을 보였다.", "젖산 농도는 관류보다 늦은 36분부터 45분까지 유의한 차이가 있었고, 관류와 젖산 농도의 비를 통해 얻은 생존 예측 지표는 모든 분석 구간(31~45분)에서 두 군 간의 유의한 차이를 보여주었다.", "표 1의 분석 방법 2에서 관류의 경우 생존군이 더 큰 값을 가졌고 젖산 농도의 경우 사망군이 더 높은 값을 보여주었으나, 유의한 차이는 보이지 않았다.", "분석 방법 3의 경우 생존군과 사망군의 관류, 젖산 농도, 생존 예측 지표의 차이는 없었다.", "또한 데이터를 정규화하지 않은 분석 방법 4의 경우 관류와 생존 예측 지표는 출혈 3분 후부터, 젖산 농도는 1분 후부터 생존군과 사망군 간의 유의한 차이를 보여주었다.", "</p> <h3>나.", "분석 방법에 따른 제안 지표의 유용성 검증</h3> <p>분석 방법에 따른 제안한 생존 예측 지표와 실제 생존에 대한 ROC 커브를 통한 분석 방법 간의 비교를 수행하였다.", "</p> <p>표 2에서 지혈 시점인 30분을 기준으로 정규화하여 상대적인 관류\\((\\%)\\)와 젖산 농도\\((\\%)\\)값을 사용하여 분석한 방법 1의 경우 가장 높은 AUC(0.983)와 정확도\\( (94.0 \\%) \\)를 보여주었다.", "상대 값이 아닌 관류(PU)와 젖산 농도\\( (\\mathrm{mmol} / \\mathrm{L}) \\)를 사용하여 분석한 방법 4의 경우는 분석 방법 1에 이어 두 번째로 좋은 결과를 보여주었다.", "45분을 기준으로 데이터를 정규화하여 분석한, 분석 방법 3의 경우는 정확도가 \\( 50 \\% \\) 미만으로 가장 좋지 못한 결과를 보여주었다.", "</p> <p>또한, 최상의 결과를 보여준 분석 방법 1을 기준으로 관류와 젖산 농도 그리고 제안한 지표 각각에 ROC 커브 방법을 적용한 결과, 제안한 지표, 관류, 젖산 농도의 순으로 생존군과 사망군을 잘 구분하는 것을 확인하였다.", "</p> <table border><caption>표 2. 분석 방법에 따른 ROC 커브 결과</caption> <tbody><tr><td>분석 방법</td><td>cut-off value</td><td>AUC</td><td>민감도 \\(\\%\\)</td><td>특이도 \\(\\%\\)</td><td>정확도 \\(\\%\\)</td></tr><tr><td>1</td><td>1.15</td><td>0.983</td><td>90.0</td><td>96.7</td><td>94.0</td></tr><tr><td>2</td><td>1.06</td><td>0.778</td><td>90.0</td><td>63.3</td><td>70.0</td></tr><tr><td>3</td><td>1.08</td><td>0.545</td><td>60.0</td><td>40.0</td><td>46.0</td></tr><tr><td>4</td><td>0.19</td><td>0.961</td><td>81.3</td><td>92.7</td><td>87.5</td></tr></tbody></table> <table border><caption>표 3. 분석 변수에 따른 ROC 커브 결과</caption> <tbody><tr><td>분석 변수</td><td>cut-off value</td><td>AUC</td><td>민감도 \\((\\%\\))</td><td>특이도 \\((\\%\\))</td><td>정확도 \\((\\%\\))</td></tr><tr><td>Proposed shock index</td><td>1.15</td><td>0.983</td><td>90.0</td><td>96.7</td><td>94.0</td></tr><tr><td>관류 \\((\\%\\))</td><td>96.8</td><td>0.907</td><td>90.0</td><td>82.2</td><td>84.7</td></tr><tr><td>젖산 \\((\\%\\))</td><td>122</td><td>0.859</td><td>68.3</td><td>80.9</td><td>79.3</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "흰쥐의 출혈성 쇼크에서 관류와 젖산 농도 비를 이용한 새로운 생존 예측 지표 개발", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-104b6b1e-e4bb-49bd-9258-bb7e248234ea", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2011", "doc_author": [ "최재림", "남기창", "권민경", "장경환", "김덕원" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<table border><caption>표 1. 폴딩 구조 비교</caption> <tbody><tr><td>Folding Structure</td><td>FR</td><td>NFB</td><td>IR</td><td># of Preamp</td><td># of Comp</td></tr><tr><td rowspan=2>Folding 2+6</td><td>4</td><td>16</td><td>4</td><td>80</td><td>64</td></tr><tr><td>4</td><td>8</td><td>8</td><td>40</td><td>64</td></tr><tr><td rowspan=2>Folding 3+5</td><td>8</td><td>8</td><td>4</td><td>72</td><td>32</td></tr><tr><td>8</td><td>4</td><td>8</td><td>36</td><td>32</td></tr><tr><td>Fractional Folding</td><td>7.11</td><td>9</td><td>4</td><td>27</td><td>36</td></tr></tbody></table> <p>또한 IR을 첫 번째 단에 3을 사용함으로써, cascaded folding amp개수를 동일하게 가져갈 수 있으며, 대칭적인 경계조건의 장점을 최종 단 까지 유지 할 수 있다.", "특히 제안하는 설계기법은 동일한 해상도에서 보다 작은 수의 전처리 및 폴딩 블록만을 사용하므로 저 전력 회로 구현이 가능하다.", "그림 3은 제안하는 구조의 검증을 위해 저항열 평균화 기법 이후 출력들의 zero-crossing오차를 확인한 결과이다.", "그림 3(a)과 같이 기존 짝수개의 폴딩 신호 처리 기법을 적용한 경우 비대칭 경계 조건에 의해 최대 \\( 6 \\%(0.24 \\mathrm{~ns}) \\) 의 오차율을 보인다.", "이에 비해 그림 \\( 3(\\mathrm{~b}) \\) 의 프랙셔", "널 구조는 대칭적인 경계조건으로 인해 \\( 0.25 \\%(0.01 \\mathrm{~ns}) \\) 이내의 아주 작은 오차율을 보이는 것을 확인할 수 있다.", "</p> <p>표 2 는 각 폴딩 구조의 성능을 비교한 도표이다.", "본 논문에서 제안하는 프랙셔", "널 폴딩 기법을 사용하는 신호처리는 기존 폴딩ADC와 달리 주요 폴딩 인자 중 하나인 NFB가 홀수로 표현된다.", "따라서 256 개의 8 비트 디지털 코드를 출력하기 위해 IR 을 cascaded 형태의 interpolation 신호처리를 통해 각각 3,4 로 설정하고 좌,우측 경계면에 여분의 zero-crossing을 생성함으로써 8 비트 ADC 를 구현하였다.", "또한, 각 단의 인터폴레이션신호처리는 자동적으로 평균화 기법을 적용시켜 기존의 구조보다 향상된 선형성을 지닌 8 비트 해상도의 최종 아날로그 신호를 얻을 수 있다.", "</p> <table border><caption>폴딩 구조 성능 비교</caption> <tbody><tr><td>Folding Structure</td><td>FR</td><td>NFB</td><td>IR</td><td>Power</td><td>Stability</td></tr><tr><td rowspan=2>Folding 2+6</td><td>4</td><td>16</td><td>4</td><td>Bad</td><td>Normal</td></tr><tr><td>4</td><td>8</td><td>8</td><td>Bad</td><td>Normal</td></tr><tr><td rowspan=2>Folding 3+5</td><td>8</td><td>8</td><td>4</td><td>Good</td><td>Bad</td></tr><tr><td>8</td><td>4</td><td>8</td><td>Good</td><td>Bad</td></tr><tr><td>Fractional Folding</td><td>7.11</td><td>9</td><td>12</td><td>Best</td><td>Good</td></tr></tbody></table> <h1>III.", "설계된 ADC의 Layout 및 측정결과</h1> <h2>1. Full chip post-layout 모의실험 결과</h2> <p>제안하는 프랙셔", "널 구조의 8 비트 폴딩 ADC의 성능특성을 확인하기 위해 기존의 짝수개의 폴딩 블록을 갖는 ADC 와 동일한 조건에서 post-layout 모의실험을 진행하였다.", "실험 조건은 샘플링 주파수 \\( 1 \\mathrm{GHz} \\), 입력 주파수 \\( 10 \\mathrm{MHz} \\) 에서 진행하였으며, 실험의 신뢰성을 곺이기 위해 각 블록의 전류 소모는 동일하게 책정하였다.", "그 결과 표3 과 같이 제안하는 프랙셔", "널 폴딩ADC가 기존 폴딩 ADC 에 비해 돞은SFDR, SNDR, ENOB성능을 보이는 것을 확인할 수 있다.", "이러한 결과는 제안하는 구조가 기존 구조에 비해 낮은 zero-crossing 오차율을 보이기 때문으로, 이를 통해 본 구조의 우수성을 증명할 수 있다.", "</p> <p>그림 15 는 ADC의 복원 파형 결과를 통해 디지턴 오차 보정 회로 성능을 분석하기 위한 모의실험 결과이다.", "디지턴 오차 보정 회로가 없는 폴딩 ADC는 상.하위간의 오차가 발생할 경우 그림 \\( 15(\\mathrm{a}) \\) 처럼 심각한 오류를 출력하지만 제안하는 디지턴 오차 보정회로를 적용할 겅우 그림 \\( 15(\\mathrm{~b}) \\) 와 같이 스스로 에러를 보정하여 이상적인 복원 파형 결과를 보임을 알 수 있다.", "</p> <h2>2.ADC의 Layout</h2> <p>설계된 ADC는 \\( 130 \\mathrm{~nm} 1 \\mathrm{P} 6 \\mathrm{M} \\mathrm{CMOS} \\) 공정을 사용하여 설계 및 layout 되었다.", "그림 16 은ADC의 전체 layout을 보여주며, 여유 공간에는 각 회로 블록간의 간섭, EMI 문제 및 진원 전압의 잡음을 줄이기 위해 decoupling 커패시터를 온 칩으로 집적하였다.", "ADC의 입출력 패드를 제외한 칩 면적은 \\( 2.1 \\mathrm{~mm}^{2} \\) 이며, \\( 1.2 \\mathrm{~V} \\) 의 전원 전압에서 \\( 1 \\mathrm{GS} / \\mathrm{s} \\) 의 샘플링 주파수를 가지고 동작할 때 \\( 350 \\mathrm{~mW} \\) 의 전력을 소모한다.", "</p> <h2>3. 측정 결과</h2> <p>제안하는 ADC는 그림 17 과 같이 시제품 형태의 칩으로 제작되었으며, 이후 측정을 위해 제작된 PCB를 이용하여 측정 과정을 수행하였다.", "이를 통해 ADC의 주요 성능 지표인 SNDR, SFDR, ENOB, INL, DNL 및 전력소모의 측정이 가능하다.", "또한, 기가 헤르츠 단위를 갖는 샘플링 주파수에서의 측정을 위해, ADC 출력을 1/16 down sampling 할 수 있는 decimation 회로를 설계하여 고속 ADC 동작 성능의 검증이 가능하도록 구성하였다.", "</p> <p>그림 18 은 제안하는 ADC의 자가 보정 회로 동작 전 (a), 후(b)의 측정결과이다.", "변환속도 \\( 1 \\mathrm{GHz} \\), 입력 주파수 \\( 51 \\mathrm{MHz} \\) 의 측정 결과 \\( \\mathrm{SNDR} \\) 45.76dB, SFDR 57.01dB, ENOB 7.31bit로 자가 보정 회로 동작 전에 비</p> <p>해 각각 \\( 3.31 \\mathrm{~dB}, 4.63 \\mathrm{~dB} 0.55 \\mathrm{bit} \\) 가 증가 하는 것을 확인할 수 있다.", "그림 19는 INL, 그림 20은 DNL 측정 결과로서, 보정회로 동작 이후 \\( \\mathrm{INL} \\) 은 +1.0LSB/-0.7LSB 로 약 0.8LSB의 향상을 보였으며, \\( \\mathrm{DNL} \\) 은 동작 후 \\( 0.6 \\mathrm{LSB} /-0.7 \\mathrm{LSB} \\) 로, 약 \\( 0.4 \\mathrm{LSB} \\) 의 성능 향상을 얻을 수 있는 것으로 측정되었다.", "</p> <p>그림 21은 제안하는 ADC의 동적 성능을 종합한 결과로 샘플링 주파수 \\( 1 \\mathrm{GHz} \\) 에서 입력주파수에 따른 ENOB의 결과이다.", "측정결과 보정회로 동작 후 샘플링 주파수에 비하는 낮은 \\( 10 \\mathrm{MHz} \\) 주파수를 인가하였을 때 \\( \\mathrm{SNDR} 46.22 \\mathrm{~dB} \\), \\( \\mathrm{SFDR} 56.94 \\mathrm{~dB}, \\mathrm{ENOB} 7.41 \\mathrm{bit} \\) 로 측정되었으며, Nyquist입력 주파수에서 \\( \\mathrm{SNDR} 42.68 \\mathrm{~dB} \\), \\( \\mathrm{SFDR} 49.29 \\mathrm{~dB}, \\mathrm{ENOB} 6.80 \\mathrm{bit} \\) 으로 측정 되었다.", "</p> <table border><caption>표 4. 제안하는 ADC의 성능</caption> <tbody><tr><td colspan=\"2\">구조</td><td colspan=\"2\">Fractional Folding-Interpolation ADC</td></tr><tr><td colspan=\"2\">자가 보정 회로</td><td>적용</td><td>미적용</td></tr><tr><td colspan=\"2\">해상도</td><td colspan=\"2\">8b</td></tr><tr><td colspan=\"2\">변환속도</td><td colspan=\"2\">1GSPS</td></tr><tr><td colspan=\"2\">전원전압</td><td colspan=\"2\">1.2V(Analog\\&Digital)</td></tr><tr><td rowspan=\"2\">SNDR</td><td>fin=10MHz</td><td>46.22 dB</td><td>42.94 dB</td></tr><tr><td>fin=400MHz</td><td>42.68 dB</td><td>39.71 dB</td></tr><tr><td colspan=\"2\">INL(LSB)</td><td>+1.0/-0.7</td><td>+1.0/-1.5</td></tr><tr><td colspan=\"2\">DNL(LSB)</td><td>+0.6/-0.7</td><td>+0.8/-0.9</td></tr><tr><td colspan=\"2\">전력소모</td><td colspan=\"2\">350mW (ADC+ Cali.)</td></tr><tr><td colspan=\"2\">면적</td><td colspan=\"2\">\\( 2.1 \\mathrm{~mm}^{2} \\)(ADC+ Cali.)</td></tr><tr><td colspan=\"2\">사용공정</td><td colspan=\"2\">\\( 0.13 \\mu \\mathrm{m} \\) 1P6M CMOS</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "새로운 디지털 인코딩 기법을 적용한 \\(8\\)비트 \\(1\\mathrm{GS/s}\\) 프랙셔널 폴딩-인터폴레이션 ADC", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-11e46d54-ba41-477f-81df-da5682fe916d", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2013", "doc_author": [ "최동귀", "김대윤", "송민규" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "실험 결과 및 고찰</h1><p>이 절에서는 예제를 통하여 제안된 Sigma-Delta 변조기 이득 최적화 방식의 효율성을 살펴본다.", "먼저 제 안된 최적화 방식의 순서에 따라 \\( \\mathrm{SNR} \\) 을 최대화하는 이득 후보 1 위부터 10 위까지 10 개의 후보를 선발한다.", "</p><p>\\( \\mathrm{SNR} \\) 을 구하는 방법은 \\( \\mathrm{a}, \\mathrm{b}, \\mathrm{c} \\) 이득 값을 \\( 0.1 \\) 단위로 \\( 0.1 \\) 부터 \\( 2.0 \\) 까지 변화시키면서 8,000 개 \\( (20 \\times 20 \\times 20) \\) 의 후보에 대한 Sigma-Delta 변조기의 출력을 모두 구한 후 \\( \\mathrm{SNR} \\) 이 가장 높은 10 개의 후보를 구한다.", "</p><p>이득 최적 후보 10 개를 찾기 위하여 Matlab을 사용하였다.", "이 실험의 입력 신호로는 \\( 50 \\mathrm{KHz} \\) 의 주파수의 \\( \\sin \\) 파를 사용하였으며, OSR은 16 , Sampling 주파수는 \\( 32 \\mathrm{MHz} \\) 를 사용하였다.", "그림 5 의 이득 \\( \\mathrm{a}, \\mathrm{b}, \\mathrm{c} \\) 값을 변화시키며 Modulator의 1 bit data stream 8192개를 얻 은 뒤에, Hann-windowed FFT를 이용하여 입력 신호 대역에서의 신호와 노이즈의 각각의 주파수 스펙트럼을 사용하여 SNR 값을 계산하고 그 중에서 상위 10 개의 후보를 표 1 에 나타내었다.", "</p><p>이득 \\( \\mathrm{a}, \\mathrm{b}, \\mathrm{c} \\) 의 변화는 각각 \\( 0.1 \\) 부터 2 까지 20 단계의 변화에 대하여 \\( \\mathrm{SNR} \\) 을 측정하였다.", "따라서 이득 \\( \\mathrm{a}, \\mathrm{b}, \\mathrm{c} \\) 의 8000 개 후보에 대하여 상위 \\( \\mathrm{SNR} \\) 후보 10 개를 표 1과 같이 선정하였다.", "변조기의 \\( \\mathrm{a}, \\mathrm{b}, \\mathrm{c} \\) 의 이득 값이 각각 \\( 1.1,1.0,1.2 \\) 일 때 가장 높은 \\( \\mathrm{SNR} \\) 값이 나타났으며 이는 \\( \\mathrm{a}, \\mathrm{b}, \\mathrm{c} \\) 가 모두 1 일 때와 비교하여 약 \\( 8 \\mathrm{~dB} \\) 정도 향상 된 것을 알 수 있다. \\", "( \\mathrm{a}, \\mathrm{b}, \\mathrm{c} \\) 가 각각 1 일 때는 \\( \\mathrm{SNR} \\) 순위가 8000 개 중에서 231 번째로 나타났다.", "10 개 후보 가운<table border><caption>표 \\(1\\).", "이득값 변화에 따른 최대 \\(SNR\\) 후보</caption><tbody><tr><td>ranking</td><td>sNR</td><td>a</td><td>b</td><td>c</td></tr><tr><td>1</td><td>39.8601</td><td>1.1</td><td>1</td><td>1.2</td></tr><tr><td>2</td><td>39.6615</td><td>1.7</td><td>1</td><td>1.9</td></tr><tr><td>3</td><td>39.6233</td><td>0.9</td><td>1</td><td>1</td></tr><tr><td>4</td><td>39.6233</td><td>1.8</td><td>1</td><td>2</td></tr><tr><td>5</td><td>39.4036</td><td>1.5</td><td>1</td><td>1.7</td></tr><tr><td>6</td><td>39.3318</td><td>1</td><td>1</td><td>1.1</td></tr><tr><td>7</td><td>39.181</td><td>1.2</td><td>1</td><td>1.3</td></tr><tr><td>8</td><td>39.3584</td><td>0.8</td><td>1</td><td>0.9</td></tr><tr><td>9</td><td>39.1504</td><td>1.6</td><td>1</td><td>1.8</td></tr><tr><td>10</td><td>38.9802</td><td>0.7</td><td>1</td><td>0.8</td></tr><tr><td>231</td><td>31.3134</td><td>1</td><td>1</td><td>1</td></tr></tbody></table>데서 \\( \\mathrm{SNR} \\) 이 가장 우수한 1 위의 변조기 출력 스펙트럼 은 그림 9 와 같다.", "</p><p>\\( \\mathrm{SNR} \\) \\(2\\)위부터 \\(10\\)위까지 나머지 \\(9\\)개의 스펙트럼도 그림 \\(9\\)에 나타낸 \\(1\\)위 후보의 변조기 출력 스펙트럼과 매우 비슷하여 Plot으로 구분하기 어려워 도시하지 않았다.", "다음으로 각각의 후보를 데시메이션 회로에 입력하여 출력시킨 후에 \\( \\mathrm{MSE} \\) 를 계산한다.", "각 후보에 대한 데시메이션 회로의 출력은 그림 \\(10\\)과 같다.", "</p><table border><caption>표 \\(2\\).", "이득값 변화에 대한 \\( \\mathrm{MSE} \\)</caption><tbody><tr><td>SNR ranking</td><td>SNR</td><td>a</td><td>b</td><td>c</td><td colspan=2>MSE</td></tr><tr><td>2</td><td>39.6615</td><td>1.7</td><td>1</td><td>1.9</td><td colspan=2>0.00005671</td></tr><tr><td>7</td><td>39.181</td><td>1.2</td><td>1</td><td>1.3</td><td colspan=2>0.00006818</td></tr><tr><td>3</td><td>39.6233</td><td>0.9</td><td>1</td><td>1</td><td colspan=2>0.00007907</td></tr><tr><td>4</td><td>39.6233</td><td>1.8</td><td>1</td><td>2</td><td colspan=2>0.00007907</td></tr><tr><td>8</td><td>39.1504</td><td>0.8</td><td>1</td><td>0.9</td><td colspan=2>0.00007995</td></tr><tr><td>9</td><td>39.1504</td><td>1.6</td><td>1</td><td>1.8</td><td colspan=2>0.00007995</td></tr><tr><td>1</td><td>39.8601</td><td>1.1</td><td>1</td><td>1.2</td><td colspan=2>0.00008217</td></tr><tr><td>10</td><td>38.9802</td><td>0.7</td><td>1</td><td>0.8</td><td colspan=2>0.00010075</td></tr><tr><td>5</td><td>39.4036</td><td>1.5</td><td>1</td><td>1.7</td><td colspan=2>0.00010222</td></tr><tr><td>6</td><td>39.3318</td><td>1</td><td>1</td><td>1.1</td><td colspan=2>0.00021803</td></tr><tr><td>231</td><td>31.7134</td><td>1</td><td>1</td><td>1</td><td colspan=2>0.00034290</td></tr></tbody></table><p>그림 \\(10\\)에서 실선은 아날로그 입력신호이며, 점선은 \\( \\mathrm{CIC} \\) 필터만을 통과한 출력이고 \\( * \\) 는 데시메이터를 통과 시킨 후 최대값을 1 로 정규화시킨 출력이다.", "그림 \\(10\\) 의 \\(11\\)개의 plot을 살펴보면 \\( \\mathrm{SNR} \\) \\(231\\)위 후보와 \\(6\\)위 후보가 아날로그 \\( \\sin \\) 파와 비교하여 오차가 심한 것을 관찰할 수 있다.", "이 논문에서는 \\(11\\)개의 후보 중에서 아날로그 \\( \\sin \\) 파의 샘플링과 가장 오차가 작은 것을 선발하기 위해\\( \\mathrm{MSE} \\)(Mean Squared Error)를 사용하기로 한다.", "</p><p>표 \\(2\\)에서는 \\( \\mathrm{MSE} \\)가 가장 작은 것부터 차례로 나열하였다.", "표\\( 2\\)에서 보듯이 \\( \\mathrm{MSE} \\) 가 가장 좋게 나타난 후보 는 변조기 출력의 SNR이 \\( 2\\)위인 후보임을 알 수 있다. \\", "( \\mathrm{SNR} \\) 실험에서 \\(1\\)위였던 후보는 \\( \\mathrm{MSE} \\) 실험에서는 \\( 0.00008217 \\) 로 \\(7\\)위로 내려갔음을 알 수 있다.", "</p><p>지금까지의 실험을 통하여 변조기의 \\( \\mathrm{SNR} \\) 을 최대화하기 위하여 얻어진 이득 값은 데시메이션 회로를 통과한 MSE를 계산해 보면 최적이 아님을 알 수 있다.", "따라서 변조기의 SNR을 크게 하는 가능한 많은 다수개의 후보를 선발한 후에 각각의 후보에 대한 \\( \\mathrm{MSE} \\) 를 계산하면 더 나은 최적의 이득을 구할 수 있을 것이다.", "이 실험에서는 \\( 50 \\mathrm{KHz} \\) 의 \\( \\sin \\)파를 사용하였으나 다수개의 주파수를 실험한다면 더욱 신뢰할 수 있는 이득 값을 얻을 수 있을 것이다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "CIC 데시메이션 필터를 이용한 Sigma-Delta A/D 변환기 이득 최적화 방식", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-161f9d98-e6aa-4f33-833f-fa8408e8b5c0", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "장진규", "장영범" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. FDOA 측정 정확도에 따른 성능분석</h1><p>본 장에서는 TDOA/FDOA 복합 정보를 이용한 위치추정 시스템의 성능이 단일 TDOA 위치추정 시스템의 성능에 비해 향상되는 기준을 FDOA 의 측정 정확도 관점에서 제시한다.", "이를 위해 측정 정확도의 척도인 측정 오차의 분산과 III 장에서 유도한 오차타원간의 관계를 FDOA 정보를 기반으로 하여 분석하고 복합 위치추정 시스템과 단일 TDOA 및 단일 FDOA 기반 위치추정 시스템의 오차타원간의 관계를 기하학적으로 분석한다.", "</p><p>측정 정확도와 오차타원간의 관계를 분석하기 위하여 측정치가 FDOA 인 신호 모형 및 측정 오차 식 (6) 을 고려하고 \\( \\sigma(n) \\) 의 확률모형이 서로 동일하고 독립적인 확률분포(identically independent distributed, i.i.d.)를 가진다고 가정하면 공분산 행렬 C 는 식 (15)와 같이 단위행렬로 표현되므로 FIM 은 최종적으로 식 (16)으로 유도된다.", "</p><p>\\( \\mathrm{C}=\\left[\\begin{array}{cccc}\\sigma_{\\nu}^{2} & & & 0 \\\\ & \\sigma_{\\nu}^{2} & & \\\\ & & \\ddots & \\\\ 0 & & & \\sigma_{\\nu}^{2}\\end{array}\\right]=\\sigma_{\\nu}^{2} \\mathrm{I} \\)<caption>(15)</caption></p><p>\\( \\mathrm{I}\\left(x_{e}\\right)=\\mathrm{H}^{\\mathrm{T}} \\mathrm{C}^{-1} \\mathrm{H}=\\sigma_{\\nu}^{-2} \\mathrm{H}^{\\mathrm{T}} \\mathrm{H} \\)<caption>(16)</caption></p><p>식 (11), (13), 그리고 (16)에서 FDOA 추정오차의 분산 \\( \\sigma_{\\nu}^{2} \\) 이 CRLB 행렬의 고유치와 비례하고 고유벡터에는 영향을 미치지 않는 것을 알 수 있다.", "따라서 III 장에 설명한 CRLB 행렬의 고유치와 오차타원의 관계를 적용하면 단일 FDOA 기반 위치추정 시스템의 오차타원의 장축 및 단축의 길이는 FDOA 측정 오차의 표준편차 \\( \\sigma_{\\nu} \\) 와 비례하지만 방향에는 영향을 미치지 않는 것을 알 수 있다.", "</p><p>TDOA/FDOA 복합 정보에 의한 오차타원(그림 3의 실선)은 TDOA에 의한 오차타원(그림 3 의 파선)과 FDOA 에 의한 오차타원(그림 3 의 점선)의 교차 영역에 형성된다.", "따라서 그림 3 의 (a)와 같이 교차 영역을 형성하는 경우 단일 TDOA 기반 위치추정 시스템에 비해 TDOA/FDOA 복합 위치추정 시스템의 오차타원이 작으므로 복합 정보를 이용하면 위치추정 성능이 향상된다는 것을 알 수 있다.", "하지만 그림 3 의 (b)와 같이 FDOA 에 의한 오차타원이 TDOA에 의한 오차타원을 포함하는 경우, 두 오차타원의 교차 영역이 TDOA에 의한 오차타원과 동일하게 된다.", "</p><p>이러한 각 오차타원의 교차 특성을 보다 정량적으로 비교분석하기 위하여 오차타원의 면적을 측정 정확도 관점에서 살펴보면, TDOA의 측정 정확도가 일정하다고 가정할 때, TDOA 오차타원은 그림 3의 (a), (b)와 같이 동일하게 유지된다.", "이 때, FDOA 의 측정 정확도가 저하되어 측정 오차의 표준편차가 증가하게 되면, FDOA 에 의한 오차타원의 면적은 이에 비례하여 증가한다.", "따라서, 그림 3(b) 에서와 같이 FDOA 오차타원이 TDOA 오차타원 보다 커지는 기점을 기준으로 TDOA 기반 위치추정 시스템의 성능에 비해 TDOA/FDOA 복합 위치추정 시스템의 성능이 향상되는 것을 기대하기 어려워진다.", "여기서 그림 3(b)의 형태가 형성 되는 기준은 각 오차타원의 장축 및 단축의 길이를 이용하여 수식적 분석이 가능하다.", "FDOA 에 의한 단축(그림 3 의 \\( \\alpha) \\) 이 측정 정확도의 저하로 인해 증가하다가 TDOA에 의한 장축(그림 3 의 (B) 에 비해 커지면(그림 3 의 (A)) 그림 3(b)의 형태를 형성하므로 TDOA/FDOA 복합 위치추정 시스템이 단일 TDOA 기반 위치추정 시스템에 비해 성능이 향상되기 위해서는 식 (17)을 만족하여야 한다.", "</p><p>\\( l_{1}^{T D O A} \\gg l_{2}^{F D O A} \\)<caption>(17)</caption></p><p>여기서 \\( l_{1}^{T D O A} \\) 는 TDOA에 의한 오차타원의 장축의 길이이고 \\( l_{2}^{F D O A} \\) 는 FDOA 에 의한 오차타원의 단축의 길이이다.", "따라서 식 (17)에서 FDOA 측정 오차의 표준편차에 대응하는 FIM 행렬의 고유치가 다음 식 (18)을 만족해야 한다.", "</p><p>\\( \\lambda_{\\max }^{F D O A} \\gg \\lambda_{\\mathrm{min}}^{T D O A} \\)<caption>(18)</caption></p><p>여기서 \\( \\lambda_{\\max }^{F D O A}, \\lambda_{\\min }^{T D O A} \\) 는 각각 FDOA에 의한 FIM의 최대 고유치 및 TDOA 에 의한 FIM의 최소 고유치를 나타낸다.", "</p> <h1>Ⅰ. 서 론</h1><p>전자전 지원 시스템에서 미상 신호원의 고정밀 위치 추정에 대한 필요성이 증가됨에 따라 기존의 도래각 정보가 아닌 TDOA (time difference of arrival) 및 FDOA (frequency difference of arrival)와 같은 이차 (quadratic) 정보를 이용하는 방법에 관한 연구가 활발하게 진행되고 있다.", "TDOA 와 FDOA 는 각각 두 수신단에서 측정된 수신신호의 도착 시간과 도플러 주파수 차이를 의미하며, 각 측정치에 대응하는 LOP (line of position)의 교점을 추정하여 신호원의 위치 정보를 얻어낸다.", "이러한 신호원 위치추정은 원 수신신호로부터 TDOA 또는 FDOA 정보를 측정(measurement)하는 단계와 측정치를 이용하여 신호원 위치를 추정 (estimation)하는 단계로 구성되며 각 단계별로 다양한 알고리즘이 제안되었다.", "</p><p>단일 TDOA 기반 위치추정 시스템의 경우 위치를 추정하는 단계에서 테일러 급수를 통해 비선형 관측 모형을 선형화하여 반복적으로 추정치를 갱신하는 방법이 널리 알려져 있으며, 최근에 BLUE (best linear unbiased estimator) 추정기를 이용하여 연산량을 감소시키는 기법이 제안되었다.", "또한 종속 미지변수를 도입하여 닫힌 해(closed-form)를 구하는 비 반복적인 방법이 제안되었으며, 이러한 방법은 초기값 문제가 해결 되지만 수신단 쌍의 조합과 배치에 제약조건을 가지고 있다.", "이러한 TDOA 기반 위치추정 기법뿐만 아니라 측정단계에서 수신기의 시각동기 문제를 해결하기 위해 GPS 양방향 통신링크를 이용한 하드웨어 구조에 관한 연구와 같은 시스템 구현과 적용에 관한 다양한 연구도 수행되었다.", "</p><p>최근에는 단일 TDOA 기반 위치추정 시스템에서 발전된 TDOA/FDOA 복합 위치추정 시스템에 관한 연구가 활발히 진행되고 있으며, TDOA 를 독립적으로 사용했을 때에 비해 측정 효율성과 추정 정확도 관점에서 이점을 가진다.", "TDOA/FDOA 복합 위치추정 시스템에서 신호 잡음", "및 채널환경을 고려하는 측정단계에서는 CAF (complex ambiguity function)를 이용하여 원 수신신호로부터 두 정보를 동시에 효율적으로 획득할 수 있다.", "CAF 기반의 다양한 측정 성능 향상을 위한 방법들이 제안되었으며 비교적 높은 정확도를 보이는 것으로 알려져 있다.", "</p><p>신호원 위치추정 단계에서 추정 정확도는 수신단과 신호원의 기하학적 배치에 따른 위치선의 교차특성에 의해 큰 영향을 받는다.", "일반적으로 측정치에 대응하는 각 위치선의 교차특성이 직각에 유사할수록 높은 추정 성능을 가지게 된다.", "TDOA 의 경우, 특정 측정치에 대응하는 위치선이 항상 쌍곡선의 형태를 가지는데 비해 FDOA 에 의한 위치선은 임의의 폐곡선을 이루며, 이 때 폐곡선의 형태는 수신단과 신호원의 배치와 속도 벡터에 의해 결정된다.", "신호원의 위치를 추정하기 위해서는 최소 두 개 이상의 위치선이 필요하며 TDOA 또는 FDOA 단일 정보를 이용하는 경우 두 개의 수신단쌍이 필요하다.", "반면에 TDOA 와 FDOA 를 동시에 이용하는 경우 동일한 수의 수신단 운용을 통해 두 배의 정보량을 사용할 수 있으므로 하나의 수신단 쌍으로 위치 추정이 가능하다.", "이 때, 하나의 수신단 쌍에서 측정된 TDOA 와 FDOA 복합정보에 의한 위치선은 근접한 두 수신단 쌍에서 측정된 단일 TDOA 정보를 이용하는 경우에 비해 교차특성이 직각에 가까워서 상대적으로 정확한 추정 성능을 기대할 수 있다.", "이러한 이유로 TDOA 와 FDOA 를 동시에 사용하는 위치추정 방법에 관한 다양한 연구가 수행되었다.", "</p><p>TDOA/FDOA 복합 위치추정 시스템은 수신단 운용상의 효율성과 측정 및 위치추정 정확도 측면에서 단일 TDOA 방식에 비해 우수한 성능을 가진다.", "하지만 TDOA/FDOA 복합 위치추정 시스템이 복잡도 증가와 추가적인 비용 문제를 감수하고 기존 단일 TDOA 시스템을 대체하기 위해서는 적절한 성능평가 기준과 이를 이용한 성능향상 조건에 대한 분석과정이 요구된다.", "</p><p>따라서 본 논문에서는 TDOA/FDOA 복합 위치추정 시스템이 단일 TDOA 방식을 대체할 수 있는 수준의 성능향상 기준을 FDOA 의 기여도 관점에서 제시한다.", "이를 위해 CRLB를 통해 유도된 오차타원을 이용하여 기하학적으로 분석하고, CEP (circular error probability)를 이용하여 이론적인 정량적 수치를 제시한다.", "또한 Gauss-Newton 기법을 이용하여 모의실험을 수행하고 그 결과를 분석하여 실험적으로 검증한다.", "</p><p>본 논문의 구성은 다음과 같다.", "II장에서 TDOA 및 FDOA 신호모형을 설명하고, III장에서 이론적 성능을 기하학적으로 분석하기 위하여 CRLB로부터 오차타원을 유도한다.", "IV장에서는 오차타원의 고유치(eigenvalue) 분석을 통하여 TDOA/FDOA 복합 위치추정 시스템이 단일 TDOA 방식을 대체하기 위한 성능 향상 기준점을 FDOA 측정 정확도 관점에서 제시하고 V 장에서 오차타원의 기하학적 분석, CEP 및 Gauss-Newton 알고리즘을 적용한 모의실험을 통해 제시한 기준을 검증한다.", "마지막으로 VI 장에서 본 논문의 결론을 맺는다.", "</p> <h1>Ⅱ. TDOA/FDOA 신호 모형</h1><p>TDOA는 신호원으로부터 전파되는 신호가 두 수신단에 도착하는 시간의 차이를 의미하며 식 (1)과 같이 정의된다.", "</p><p>\\( \\tau_{n}(t)=\\Delta r_{n_{1}, n_{2}}(t) / c=\\left(\\left|r_{n_{1}}(t)\\right|-\\left|r_{n_{2}}(t)\\right|\\right) / c \\), \\( 0 \\leq t \\leq T, n=1,2, \\ldots, N \\)<caption>(1)</caption></p><p>여기서 \\( r_{n_{1}}(t) \\) 과 \\( r_{n_{2}}(t) \\) 는 시간 \\( t \\) 에 대한 신호원과 각 수신단 사이의 거리벡터, \\( n \\) 은 수신신호 쌍의 번호, \\( c \\) 는 전파 속도이고, \\( T \\) 는 수집시간, \\( N \\) 은 수신신호 쌍의 수를 나타낸다.", "본 논문에서는 표현의 간략함을 위해 시간 \\( t \\) 를 생략한다.", "원 수신신호로부터 추정된 TDOA 값과 식 (1)을 통하여 신호원과 각 수신단 간의 거리 차이 \\( \\left(\\left|r_{n_{1}}\\right|-\\left|r_{n_{2}}\\right|\\right) \\) 를 산출한다.", "거리 차이는 그림 1 과 같이 공간상에서 두 수신단의 위치 \\( s_{1}, s_{2} \\) 를 초점으로 하는 쌍곡선에 대응되므로 다수의 수신단에서 또는 장시간 수집된 TDOA 정보에 대응하는 쌍곡선들의 교점으로 신호원의 위치 \\( x_{e} \\) 를 추정한다.", "</p><p>FDOA 는 신호원과 각 수신단 사이의 상대속도(radial velocity)에 의해 발생하는 도플러 주파수의 차이를 의미하며 식 (2)와 같이 정의된다.", "</p><p>\\( \\nu_{n}(t)=\\frac{f_{c}}{c}\\left(v_{n_{1}} \\cdot i_{n_{1}}-v_{n_{2}} \\cdot i_{n_{2}}\\right) \\)<caption>(2)</caption></p><p>여기서 \\( f_{c} \\) 는 반송파 주파수이고, \\( v_{n_{1}} \\) 와 \\( v_{n_{2}} \\) 는 신호원과 각 수신단간의 상대속도 벡터이다.", "그리고 \\( i_{n_{1}} \\) 과 \\( i_{n_{2}} \\) 는 신호원과 각 수신단간의 단위 위치 벡터이다.", "TDOA 값이 공간상에서 반드시 쌍곡선에 대응하는 것과 달리 FDOA 에 대응하는 곡선은 그림 1에서와 같이 두 수신단의 위치 \\( s_{1} \\) 과 \\( s_{2} \\) 를 포함하는 2 차 곡선의 형태를 가진다.", "최종적으로 신호원의 위치를 추정하기 위해서는 TDOA와 동일하게 다수의 수신신호 쌍에서 측정된 FDOA 정보들에 대응하는 곡선들의 교점을 찾는다.", "</p> <h1>Ⅵ. 결 론</h1><p>본 논문에서는 TDOA 및 FDOA 측정 정확도와 CRLB 행렬에 의한 오차타원과의 기하학적 상관관계를 분석하고, TDOA/FDOA 복합 위치추정 시스템이 단일 TDOA 위치추정 시스템을 대체하기 위한 성능 향상 기준을 제시하였다.", "이를 위해 오차타원의 장축/단축과 CRLB 행렬의 고유치와의 관계를 정량적으로 분석하여 단일 TDOA 또는 FDOA 위치추정 시스템인 경우 오차의 크기와 선형적인 관계에 있는 것을 확인하였다.", "이를 토대로 TDOA 오차가 고정되어 있을 때 FDOA 측정 정확도가 전체 추정 성능에 미치는 기여도를 FDOA 기반 CRLB 행렬의 최대 고유치 \\( \\left(\\lambda_{\\max }^{F D O A}\\right) \\) 와 TDOA 기반 CRLB 행렬의 최소 고유치 \\( \\left(\\lambda_{\\mathrm{min}}^{T D O A}\\right) \\) 와의 관계를 통해 정량적으로 정의하였다.", "제안된 지표는 CEP 를 이용한 이론적 분석을 통해 검증하였고, TDOA/FDOA 복합 정보를 이용한 Gauss -Newton 기반 위치추정 기법을 통해 모의실험을 수행하여 그 결과를 비교분석하였다.", "본 논문에서 제안된 성능향상 지표는 향후 실제 전자전 시스템에 TDOA/FDOA 복합 위치추정 시스템을 적용할 경우, 단일 TDOA 위치추정 시스템을 대체하기 위해 요구되는 FDOA 측정 정확도에 대한 기준으로 활용될 수 있을 것으로 기대한다.", "</p> <h1>Ⅴ. 모의실험 결과</h1><p>본 장에서는 FDOA 측정 정확도에 따른 TDOA/FDOA 복합 위치추정 시스템에 대한 기여도를 분석하기 위하여 TDOA 측정 오차의 표준편차를 고정하고 FDOA 오차의 표준편차를 변화시키면서 TDOA/FDOA 복합 위치추정 시스템의 성능을 분석한다.", "이 때, 이론적인 성능 분석을 위해 II 장에 소개된 오차타원을 이용하고, Gauss-Newton 알고리즘을 적용하여 획득한 위치추정치의 반복 수행으로 RMSE (root mean square error)를 계산하여 IV 장의 분석 결과를 검증한다.", "또한, FDOA 오차에 의한 영향만을 반영하기 위해 신호원, 수신단의 운용 조건은 표 1 과 같이 고정하였으며 위치 추정에 사용된 측정 정보는 3가지 조합(Sensor 1-Sensor 2, Sensor 2-Sensor 3, Sensor 1-Sensor 3)에서 측정된 TDOA 및 FDOA 값을 사용하였다.", "</p><p>그림 4 는 2차원 위치 공간에서 TDOA, FDOA 및 TDOA/FDOA 복합 위치추정 시스템의 오차타원을 도시한 것으로 TDOA 오차의 표준편차는 \\( 10 \\mathrm{~ns} \\) 로 동일하며 FDOA 오차의 표준편차는 각각 \\( 5 \\mathrm{~Hz}, 10 \\mathrm{~Hz}, 20 \\mathrm{~Hz} \\), \\( 40 \\mathrm{~Hz} \\) 이다.", "IV장에서 살펴본 바와 같이 그림 4 의 (a), (b), (c)는 FDOA에 의한 오차타원이 TDOA에 의한 오차타원을 포함하지 못하므로 TDOA/FDOA 복합 위치 추정에 의한 오차타원이 TDOA에 의한 오차타원보다 좁은 영역에 형성되는 것을 확인할 수 있다.", "반면에 그림 4의 (d)는 FDOA 에 의한 오차타원이 TDOA 에 의한 오차타원을 포함하기 때문에 TDOA/FDOA 복합 위치 추정에 의한 오차타원이 TDOA에 의한 오차타원으로 근사하게 된다.", "이 때, 그림 4(d) 의 장축과 단축을 비교 해 보면, TDOA에 의한 장축에 비해 FDOA 에 의한 단축이 상대적으로 큰 것을 확인할 수 있고, TDOA의 성능에 근사하므로 TDOA/FDOA 복합 위치추정 시스템에서 FDOA 의 추정 성능 기여도가 낮은 것을 의미한다.", "</p><p>위의 실험 결과는 3가지의 FDOA 측정 정확도에 대한 TDOA/FDOA 복합 위치추정 시스템의 성능을 기하학적으로 분석한 것이다.", "이를 일반화하여 FDOA 측정 정확도에 따른 각 오차타원의 장축 및 단축의 길이 변화와 추정 성능과의 관계를 보다 정량적으로 분석하기 위해, TDOA 오차의 표준편차가 각각 \\( 5 \\mathrm{~ns}, 10 \\mathrm{~ns}, 15 \\mathrm{~ns} \\) 일 때, TDOA 오차타원의 장축의 길이와 FDOA 오차의 표준편차에 대한 오차타원의 단축의 길이를 그림 5 에 도시하였다.", "오차타원의 장축이 \\( l_{1} \\), 단축이 \\( l_{2} \\) 일 때, 이를 대표하는 성능 지표로 타원주와 동일한 원주를 가지는 원의 반지름을 나타내는 CEP 를 도입하고 FDOA 오차타원 및 TDOA/FDOA 복합 오차타원에 대하여 이를 적용하여 그림 6에 나타내었다.", "이 때, CEP 는 식 (19)에 의해 구할 수 있다.", "</p><p>\\( \\mathrm{CEP} \\cong 3 / 4 \\sqrt{l_{1}^{2}+l_{2}^{2}} \\)<caption>(19)</caption></p><p>그림 5로부터 IV 장에서 분석한 것처럼 FDOA 에 의한 오차타원의 장축의 길이는 FDOA 측정 오차의 표준 편차에 비례하며, TDOA의 측정 오차의 표준편차는 3 가지 경우로 고정되어 있고 FDOA 의 측정 오차와 무관하므로 TDOA 에 의한 오차타원의 단축의 길이는 일정한 것을 확인할 수 있다.", "이 때, 그림 5와 그림 6의 결과를 동시에 분석해 보면, FDOA 오차타원의 단축이 TDOA 오차타원의 장축에 비해 작은 (그림 4의 (a), (b), (c)에서와 같은 경우) 구간에서는 FDOA 측정 오차의 표준편차가 감소할수록 TDOA/FDOA 복합 위치추정 시스템이 거의 선형적으로 성능의 향상을 보이지만, FDOA 오차타원의 단축이 TDOA 오차타원의 장축보다 큰 구간 (그림 4의 (d)에서와 같은 경우)에서는 FDOA 오차의 표준편차가 감소하더라도 TDOA/FDOA 복합 위치추정 시스템의 성능이 TDOA 단일 위치추정 시스템의 성능에 비해 성능향상의 정도가 크지 않음을 볼 수 있다.", "</p><p>CEP 에 의한 이론적인 성능의 경향성을 검증하기 위해 Gauss-Newton 알고리즘을 적용하여 위치추정을 수행하였으며 각 FDOA 오차의 표준편차에 50,000 회 반복수행하여 RMSE를 그림 7에 도시하였다.", "이 때, 알고리즘의 초기값은 실제 값의 \\( 90 \\% \\) 를 입력하였고, 수렴 임계값은 \\( 10^{-6} \\) 으로 설정하였다.", "그림 6 및 그림 7의 비교 분석을 통해 확인할 수 있듯이 TDOA/FDOA 위치추정 시스템이 TDOA 위치추정 시스템을 대체하기 위한 FDOA 의 측정 정확도가 CEP 를 통한 이론적인 분석과 동일하게 나타나는 것을 확인할 수 있다.", "</p> <h1>요 약</h1><p>현대 전자전 지원 시스템에서는 TDOA (time difference of arrival)나 FDOA (frequency difference of arrival)와 같은 비도래각 정보를 이용하여 미상 신호원의 위치를 추정하는 정밀 위치추정 기법의 필요성이 높아지고 있다.", "기존의 단일 TDOA 기반 기법에 관한 연구는 위치추정 알고리즘뿐만 아니라 측정 정확도 향상에 대해 다양한 진척이 이루어졌으며, 최근에는 TDOA와 FDOA 정보를 동시에 사용하여 적은 수신단 수로 보다 많은 정보를 획득할 수 있고 신호원의 속도 추정이 가능한 복합 위치추정 시스템에 관한 연구가 수행되고 있다.", "이러한 과정에서 TDOA/FDOA 복합 위치추정 시스템이 기존 단일 TDOA 시스템을 대체할 수 있는 추정 성능을 갖기 위해 요구되는 FDOA 측정 정확도와 성능분석 과정이 필요하다.", "본 논문에서는 CRLB (Cramer-Lao lower bound)의 분석을 통해 TDOA/FDOA 위치추정 시스템이 단일 TDOA 위치추정 시스템에 비해 향상된 추정 정확도를 갖기 위해 요구되는 FDOA 측정 정확도의 기준과 이에 따른 기여도를 분석하고, Gauss-Newton 알고리즘을 이용하여 분석 결과를 검증한다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "TDOA/FDOA 복합 위치추정 시스템에서 FDOA 측정 정확도에 따른 추정 성능 기여도 분석", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0f2007d0-31e9-47d6-b621-fc3fff011d15", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2014", "doc_author": [ "김동규", "김용희", "한진우", "송규하", "김형남" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>곡선 진화 : 초기 곡선이 재배치된 후, 곡선은 정확한 손의 경계선과 일치되도록 영역 경쟁 기반의 활성 윤곽선 모델 (ACM) 을 이용하여 반복적으로 진화한다.", "이 때 사용되는 에너지 함수는 다음과 같다.", "</p><ul><li>\\( E\\left[\\Gamma,\\left\\{\\alpha_{i}\\right\\}\\right]=\\sum_{i=0}^{M}\\left\\{\\frac{\\mu}{2} \\int_{R_{i}} d s-\\log P\\left(I_{s}: s \\in R_{i} \\mid \\alpha_{i}\\right)+\\lambda\\right\\} \\)<caption>(2)</caption></li></ul><p>여기서 \\( \\Gamma \\) 는 영상에서 경계선, \\( P(\\cdot) \\) 는 영역 \\( R_{i} \\) 의 특징 분포, \\( a_{i} \\) 는 분포들의 파라미터, \\( M \\) 은 영역의 수, \\( s \\) 는 영상 좌표에서 하나의 위치, \\( \\mu \\) 와 \\( \\lambda \\) 는 상수들이다.", "</p><p>에너지 \\( \\mathrm{E} \\) 를 최소화하기 위하여, 각 경계선 \\( \\Gamma \\) 에 대해서 steepest descent을 사용한다.", "경계 \\( \\Gamma \\) 에서 어떤 점 \\( \\vec{v} \\) 를 얻을 수 있다.", "</p><ul><li>\\( \\frac{\\overrightarrow{d v}}{d t}=-\\frac{\\delta E\\left[\\Gamma,\\left\\{\\alpha_{i}\\right\\}\\right]}{\\overrightarrow{\\delta v}} \\)<caption>(3)</caption></li></ul><p>오른쪽 항은 에너지 \\( E \\) 함수의 (-)미분함수이다.", "함수를 미분하면 각 점 \\( \\vec{v} \\) 에 대한 모션 방정식을 구할 수 있다.", "</p><ul><li>\\( \\frac{d \\vec{v}}{d t}=\\sum_{k \\in Q_{(\\vec{v})}}\\left\\{-\\frac{\\mu}{2} k_{k(\\vec{v})} \\vec{n}_{k(\\vec{v})}+\\log P\\left(I_{(\\vec{v})} \\mid \\alpha_{k}\\right) \\vec{n}_{k(\\vec{v})}\\right\\} \\)<caption>(4)</caption></li></ul><p>여기서, \\( Q_{(\\vec{v})}=\\left\\{k \\mid \\vec{v}\\right. \\)", "lies on \\( \\left.\\Gamma_{k}\\right\\} \\) 이다.", "이때, \\( k_{k(\\vec{v})} \\) 는 한 점에서의 곡률이고, \\( \\vec{n}_{k(\\vec{v})} \\) 는 같은 점 \\( \\vec{v} \\) 에서 \\( \\Gamma_{k} \\) 까지 하나의 수직선이다.", "</p><p>Active contours는 다음의 식에서 보는 것처럼 영상을 공동의 경계선 \\( \\Gamma \\) 를 가지는 두 영역(object region Ro and background region \\( \\mathrm{Rb} \\) )으로 분류하는 특별한 경우이다.", "</p><ul><li>\\( \\frac{d \\vec{v}}{d t}=-\\mu k_{o(\\vec{v})} \\vec{n}_{o(\\vec{v})}+\\left(\\log P\\left(I_{(\\vec{v})} \\mid \\alpha_{o}\\right)-\\log P\\left(I_{(\\vec{v})} \\mid \\alpha_{b}\\right)\\right) \\vec{n}_{o(\\vec{v})} \\)<caption>(5)</caption></li></ul><p>Active contour의 진화는 레벨 집합 기술을 사용하여 구현한다. 곡선 \\( \\Gamma \\) 함수는 \\( u: R^{2} \\Rightarrow R \\) 의 제로 레벨 집합을 함축적으로 표현하고, 곡선 \\( \\Gamma \\) 의 내부는 \\( u>", "0 \\) 인 영역이다.", "따라서 위의 식을 레벨 집합 진화 방정식으로 다시 쓸 수 있다.", "</p><ul><li>\\( \\frac{d u(s)}{d t}=-\\mu k_{s}\\|\\nabla u\\|+\\left(\\log P\\left(I_{s} \\mid \\alpha_{b}\\right)-\\log P\\left(I_{s} \\mid \\alpha_{b}\\right)\\right)\\|\\nabla u\\| \\)<caption>(6)</caption></li></ul><p>여기서 \\( k \\) 는 다음과 같이 정의 된다.", "</p><ul><li>\\( k=\\frac{u_{x x} y_{y}^{2}-2 u_{y} u_{x} u_{x y}+u_{y y} u_{x}^{2}}{\\left(u_{x}^{2}+u_{y}^{2}\\right)^{3 / 2}} \\)</li></ul> <h1>Ⅰ. 서 론</h1><p>최근 인간과 컴퓨터의 상호작용을 위한 많은 인터페이스들이 개발되었다.", "이러한 인터페이스들 중 시각정보를 이용한 인터페이스는 저렴한 장치를 사용하여 사용자에게 보다 편리하고 친숙한 수단을 제공할 수 있기 때문에 많은 주목을 받고 있다.", "지금까지 다양한 사용자의 동작이 텔레비전, 컴퓨터 및 로봇의 제어를 위해 사용되고 있는데, 이중 가장 널리 사용되고 있는 것이 사용자의 손동작이다.", "기존의 연구에서는 손 동작의 움직임 방향, 또는 손 모양의 인식을 통해 여러 가지 장치를 제어하고 있다.", "예를 들어, Freedman은 손을 이용하여 텔레비전의 소리와 채널을 제어하는 원격제어 시스템을 연구했다.", "이 시스템에서는 고정된 카메라를 통해 손의 위치 정보를 이용한다.", "단순한 손의 위치 정보 뿐 만 아니라, 손동작의 인식을 이용한 제어시스템도 많이 개발되고 있다.", "Lee et.", "al 은 손동작 인식을 이용하여 presentation program을 제어하는 Power Gesture 시스템을 개발하였으며, Shin et al. 은 시각화 된 프로그램을 조작하기 위한 손동작 인식 시스템을 개발하였다.", "그리고 시각적인 내비게이션을 위한 제스처 인식 프로그램을 기술하였다.", "또한 최근에는 피부색과 엔트로피를 이용하여 복잡한 환경과 조명에 강건한 손 동작 인식 시스템이 개발되었다.", "이 방법은 초당 15 프레임의 속도로 \\( 90 \\% \\) 이상의 인식률을 제공한다.", "</p><p>하지만, 이러한 기술들은 대부분 고정된 카메라로부터 입력된 영상의 분석을 통해 손동작을 인식하기 때문에, 모바일 로봇 및 장치에 부착된 카메라로부터 입력된 영상의 처리에 사용되기에는 제약이 있다.", "예를 들어, 모바일 장치의 움직임 때문에 카메라로부터 입력된 영상의 배경 및 조명의 변화는 고정된 위치의 카메라의 경우보다 다양하다.", "뿐만 아니라, 현재 시스템을 제어하고 있는 사용자의 손동작과 다른 사람의 동작을 구분하기 위해서는 정확한 추적 기술을 포함하고 있어야 하는데, 이러한 경우 연산 시간의 증가를 야기하게 된다.", "따라서 모바일 로봇을 제어하기 위해서는 다양한 배경 및 조명 변화에 강건하고, 정확한 물체 추적 기술을 포함하고 있는 손동작 인식 시스템의 개발이 필요하다.", "</p><p>이러한 목적으로 최근 손동작 인식을 위해 활성 윤곽선 모델(ACM)이 많이 사용되고 있다.", "ACM 은 곡선의 효율적인 표현능력과 유연하다는 장점이 있다.", "ACM 을 이용하여 물체의 추적에 사용할 경우, 각 프래임에서 초기 윤곽선은 이전 프레임의 목표 물체의 경계선으로 초기화되고, 이로부터 점차적으로 진화함으로써 물체의 형태를 추적한다.", "하지만 이 경우 추적 결과는 초기 윤곽선의 위치에 매우 민감하다.", "모바일 로봇에 부착된 카메라로부터 입력되는 영상을 처리하는 경우 실제 손이 움직이지 않더라도 로봇의 움직임으로 인해 손의 위치가 변하게 된다.", "이 때 손의 위치 변화가 큰 경우, 목표 물체의 위치와 거리가 먼 곳에 초기 윤곽선이 설정 되게 된다.", "이러한 초기 곡선으로부터 손의 경계선으로 수렴하기 위해서 보다 많은 계산이 필요로 할 뿐만 아니라, 손의 경계선과 유사한 특징율 가진 잡음과 홀들이 생성될 가능성이 높아진다.", "게다가 손의 움직임이 큰 경우 손을 읺어버리게 된다.", "</p> <h1>Ⅱ. 시스템 개요</h1><p>그림 1은 제안된 모바일 로봇 제어 시스템을 보여주고 있다.", "사용자와 카메라의 거리는 약 \\( 1 \\mathrm{~m} \\) 이다.", "시스템은 데이터 글러브와 프레임 그래버 보드와 같은 별도의 장비 없이 PC 와 웹캠을 사용하여 구현하였다.", "사용자는 어떤 장비도 없이 카메라 앞에서 미리 정의된 손의 제스처로 모바일 로봇을 제어할 수 있다.", "</p><p>제안된 시스템에서 모바일 로봇은 오른손 모양에 의해서 제어된다.", "표 1 은 미리 정의한 5개의 손 모양과 그에 대응되는 명령들을 보여준다.", "</p><p>제안된 시스템에서 사용자는 'stop' 명령어로 시작한다.", "일단 사용자로부터 'stop' 명령어가 인식되면 시스템은 손영역을 계속 추적하고, 이 때 연속된 3 프레임 이상에서 같은 명령어의 손 제스처가 인식이 되면 그 명령어를 수행한다.", "이러한 제스처 인식 및 로봇 제어 과정은 Ⅲ 장에서 설명된다.", "</p><h2>Ⅲ. 모바일 로봇 제어 시스템</h2><p>제안된 시스템은 손 검출기, 손 추적기, 손 모양 인식기, 로봇 제어기, 4 가지 모듈로 구성되었다.", "로봇 제어기로 상용 프로그램인 Heart ToHeart 1.0 을 사용하였다.", "따라서 아래에서는 중요한 3개의 모듈에 대해서만 설명 하도록 한다.", "</p><h3>\\( 3.1 \\) 손 검출기</h3><p>이 단계에서는 입력 영상으로부터 손 영역을 검출하기 위한 방법을 설명한다.", "본 논문에서는 피부색 정보를 사용한다.", "</p><p>모든 사람과 인종은 다른 피부색을 갖는다.", "또한, 다양한 조명 상태에서 사람의 피부색은 분명히 다르게 관측될 수 있다.", "이러한 차이의 주된 원인은 밝기의 차이이다.", "RGB-컬러 공간에서 칼라표현은 색상뿐 아니라 밝기(brightness)도 포함하기 때문에 피부색을 표현하는데 적합하지 않다.", "따라서 밝기 정보의 영향을 제거하고 크로매틱(chromatic) 컬러공간에서 컬러 (Cr, Cg)의 두 요소로 피부색을 정의한다.", "피부색 모델은 200 개의 실험 영상으로부터 얻어진 파라미터를 가지고 2 차원 가우시안 모델 \\( \\mathrm{N}\\left(m, \\Sigma^{2}\\right) \\) 로 근사화 된다.", "피부색 모델의 평균과 공분산 행렬(편차)은 다음과 같다.", "</p><ul><li>\\( \\mu=(r, g)=(117.588,79.064) \\)</li><li>\\( \\sum=\\left[\\begin{array}{cc}\\sigma_{r}^{2} & \\rho_{X, Y} \\sigma_{g} \\sigma_{r} \\\\ \\rho_{X, Y} \\sigma_{r} \\sigma_{g} & \\sigma_{g}^{2}\\end{array}\\right]=\\left[\\begin{array}{cc}24.132 & -10.085 \\\\ -10.085 & 8.748\\end{array}\\right] \\)</li></ul><p>제안된 방법에서 피부색 모델을 사용하여 영상에서 피부색 화소들을 먼저 추출한 후 모폴로지 연산을 사용하여 노이즈를 제거한다.", "검출된 화소들 중 일정한 크기의 연결 성분들을 후보영역으로 생성한다.", "검출된 모든 후보 영역 중에서 'stop' 형태의 손 영역이 있는지 확인한다.", "이 때 인식 방법은 3.3 에서 자세히 설명된다.", "</p> <h3>3.3 손 모양 인식기</h3><p>손의 형태를 표현하기 위해서 제안된 방법에서는 방향 및 크기에 영향을 받지 않는 Hu et al.의 invariant moment를 사용한다.", "</p><p>주어진 화소 \\( (x, y) \\) 가 손 영역에 속하는지 그렇지 않은지는 다음의 \\( f(x, y) \\) 의 2 차 \\( (p+q) \\) 모멘트에 의해 결정이 된다.", "</p><ul><li>\\( M_{p q}=\\int_{-\\infty}^{\\infty} \\int_{-\\infty}^{\\infty} x^{p} y^{q} f(x, y) d x d y, p, \\varphi=0,1,2 \\cdots \\)<caption>(7)</caption></li></ul><p>디지털 영상에서 수식 (7)은 다음과 같이 표현된다.", "</p><ul><li>\\( M_{p q}=\\sum_{x} \\sum_{y} x^{p} y^{q} f(x, y) \\)<caption>(8)</caption></li></ul><p>중심 모멘트는 다음과 같이 정의된다.", "</p><ul><li>\\( \\mu_{p q}=\\sum_{x} \\sum_{y}(x-\\bar{x})^{p}(y-\\bar{y})^{q} f(x, y) \\)<caption>(9)</caption></li><li>\\( \\bar{x}=\\frac{M_{10}}{M_{00}} \\quad \\) and \\( \\quad \\bar{y}=\\frac{M_{01}}{M_{00}} \\)<caption>\\( (10) \\)</caption></li></ul><p>정규화된 중점 모멘트는 다음과 같다.", "</p><ul><li>\\( \\begin{aligned} \\eta_{p q} &=\\mu_{p q} / \\mu_{00}^{\\gamma}, \\\\ &=(p+q) / 2+1(p+q=2,3, \\cdots) \\end{aligned} \\)<caption>(11)</caption></li></ul><p>2차, 3차 모멘트로부터 7 가지의 invariant 모멘트가 얻어진다.", "이들 모멘트는 이동, 회전, 크기 변화에 영향을 받지 않는다.", "</p><ul><li>\\( \\phi_{1}=\\eta_{20}+\\eta_{02}, \\quad \\phi_{2}=\\left(\\eta_{20}-\\eta_{02}\\right)^{2}+4 \\eta_{11}^{2} \\)</li><li>\\( \\phi_{3}=\\left(\\eta_{30}-\\eta_{12}\\right)^{2}+\\left(\\eta_{03}+\\eta_{21}\\right)^{2} \\)</li><li>\\( \\phi_{4}=\\left(\\eta_{30}+\\eta_{12}\\right)^{2}+\\left(\\eta_{03}+\\eta_{21}\\right)^{2} \\)</li><li>\\( \\begin{aligned} \\phi_{5}=&\\left(3 \\eta_{30}-3 \\eta_{12}\\right)\\left(\\eta_{30}+\\eta_{12}\\right)\\left[\\left(\\eta_{30}+\\eta_{12}\\right)^{2}-3\\left(\\eta_{21}+\\eta_{03}\\right)^{2}\\right] \\\\ &+\\left(3 \\eta_{21}-\\eta_{03}\\right)\\left[3\\left(\\eta_{03}+\\eta_{12}\\right)^{2}-\\left(\\eta_{21}+\\eta_{03}\\right)^{]}\\right] \\end{aligned} \\)</li><li>\\( \\begin{aligned} \\phi_{6}=&\\left(\\eta_{20}-\\eta_{02}\\right)\\left[\\left(\\eta_{30}+\\eta_{12}\\right)^{2}-\\left(\\eta_{21}+\\eta_{03}\\right)^{2}\\right] \\\\ &+4 \\eta_{11}\\left(\\eta_{30}+\\eta_{12}\\right)\\left(\\eta_{21}-\\eta_{03}\\right) \\end{aligned} \\)</li><li>\\( \\begin{aligned} \\phi_{7}=&\\left(3 \\eta_{21}-\\eta_{03}\\right)\\left(\\eta_{30}+\\eta_{12}\\right)\\left[\\left(\\eta_{30}+\\eta_{12}\\right)^{2}-3\\left(\\eta_{21}+\\eta_{03}\\right)^{2}\\right] \\\\ &+\\left(3 \\eta_{12}-\\eta_{30}\\right)\\left(\\eta_{21}+\\eta_{03}\\right)\\left[3\\left(\\eta_{30}+\\eta_{12}\\right)^{2}-\\left(\\eta_{21}+\\eta_{30}\\right)^{2}\\right] \\end{aligned} \\)</li></ul><p>손 모양을 인식하기 위해서 현재 프레임에서 손과 템플릿의 불변 모멘트들 간의 유클리디언 거리를 사용했다.</p> <h1>Ⅳ. 실험결과</h1><p>제안된 제어 시스템은 MS Visual C++ 6.0 과 OpenCV beat3.1으로 구현되었고 프레임 그래버 보드없이 모바일 로봇에 부착된 카메라로부터 초당 3 프레임으로 \\( 320 \\times 240 \\) 크기의 24 -비트의 칼라 영상을 캡쳐 하였다. 실험에는 KONDO 에서 제작한 두발로봇 KHR-1 을 사용하였다. 이 로봇은 알루미늄 프레임들과 전선으로 17개의 서브모터 KRS-784 ICS, 2개의 서브 보드 RCB-1 으로 구성되어있다. 그리고 작은 웹캠은 로봇의 머리 위에 설치하였다.</p><p>제안된 시스템은 사용자 10 명을 대상으로 총 529 프레임에 대해 테스트하였다. 각 사용자들의 손 모양을 바꿔가면서 실험하였다.</p><p>그림 3은 손 추적 결과의 예를 보여준다.</p><p>제안된 손 추적방법의 효율성을 보여주기 위해서 제안된 mean shift를 사용한 방법과 mean shift 없이 활성윤곽선 모델(ACM)만 사용한 방법을 비교하였다.</p><p>그림 4는 수렴속도에 관한 정량적인 비교를 보여준다. 제안된 방법에서는 초기 곡선이 mean shift를 이용하여 손 근처로 재위치 되어 지기 때문에 곡선진화의 반복이 빨리 수렴한다. 제안된 방법이 활성윤곽선만 사용한 방법에 비해서 빠른 수렴 시간을 필요로 한다.</p><p>표 2 는 모바일 로봇 제어에 사용된 손 제스처 명령어의 인식 결과를 보여준다. 전체적으로 529개의 테스트 프레임 중에 17 개의 에러가 나타났고 \\( 96.8 \\% \\) 는 정확하게 분류되었다.</p><p>실험 결과를 통해서 제안된 시스템은 모바일 로봇에서 사용자의 손을 실시간으로 정확히 추적하고 인식을 함으로써 로봇 제어에 효율적으로 사용될 수 있음을 증명하였다.</p> <h1>Ⅴ. 결 론</h1><p>본 논문은 손 모양 인식을 사용한 비전 기반의 보행 로봇 제어 시스템을 제안한다. 제안된 시스템은 손 검출기, 손 추적기, 손 모양 인식기, 로봇 제어기, 4 개의 모듈로 구성된다. 손 검출기는 영상에서 미리 정의된 손의 모양을 가지는 피부색 영역을 추출한다. 검출된 손은 활성 윤곽선 모델 (ACM) 과 mean shift 방법을 사용하여 추적된다. 이후에 Hu 모멘트를 사용하여 추적된 손의 모양을 인식한다. 제안된 방법을 평가하기 위해서 2족 보행 로봇 KHR-1 의 제어에 적용을 하였고, 그 결과 \\( 96.8 \\% \\) 는 정확도를 보여주었다.</p> <h3>3.2 손 추적기</h3><p>제안된 시스템에서 손이 추출된 후 연산시간을 줄이고 연속된 프레임간의 손 대응관계를 위해서 이전프레임에서 추출된 손을 추적한다. 손을 추적하기 위하여 활성 윤곽선 모델 (ACM) 을 사용하였다. 이 모델은 곡선의 효율적인 표현능력과 유연한 특징 때문에 물체를 추적하는데 많이 사용된다. 그러나 실행결과가 초기곡선 위치에 매우 민감하다. 찾는 물체로부터 멀리 떨어진 초기곡선으로부터 물체의 경계선으로 수렴하기 위해서는 더 많은 계산 량이 필요하고 물체의 경계선과 유사한 특징을 가진 노이즈나 홀과 같은 에러들을 발생시킨다. 게다가 움직임이 큰 물체의 경우 추적 중에 잃어버리는 경우도 발생한다. 따라서 mean shift algorithm을 이용한 활성 윤곽선 모델 (ACM}", ") 기반의 추적방법을 제안한다.", "손 추적은 초기 곡선의 재배치와 곡선 진화 2 단계로 실행되었다.", "이러한 과정이 그림 2 에 주어진다.", "</p><p>초기 곡선 재배치: 제안된 방법에서 현재 프레임의 초기 윤곽선은 이전 프레임에서의 목표 물체의 윤곽선으로 초기화 된다.", "이 때 윤곽선의 진화 전에 연산 시간의 감소와 정확한 경계면을 찾기 위해 초기 윤곽선은 mean shift algorithm을 이용하여 재배치된다.", "</p><p>Mean shift algorithm은 손의 확률분포 \\( \\left\\{P\\left(I_{i j} \\mid a_{0}\\right)\\right\\}_{i, j=} \\) \\( 1, \\cdots, I W, I H \\) (IW: image width, IH: image height)를 이용하여 탐색창의 위치를 반복적으로 바꾸는 방법이다.", "이때 확률 \\( P\\left(I_{i j} \\mid a_{0}\\right) \\) 은 각 픽셀 \\( (i, j) \\) 이 손의 일부분일 확률을 나타낸다.", "여기서 \\( a \\) 는 손의 확률분포 파라미터들이고, \\( I \\) 는 칼라 값이다.", "본 논문에서는 손의 확률분포로 피부색 모델을 사용하였다.", "탐색창의 새로운 위치는 다음과 같이 간단하게 계산되어진다.", "</p><ul><li>\\( m_{x}=M_{10} / M_{00} \\) and \\( m_{y}=M_{01} / M_{00} \\)<caption>(1)</caption></li></ul><p>이때, \\( M_{a b} \\) 는 \\( (a+b) \\) 차 모멘트로 정의된다.", "</p><ul><li>\\( M_{a b}(W)=\\sum_{i, j \\in w} i^{a} j^{b} P\\left(I_{i j} \\mid \\alpha_{0}\\right) \\)</li></ul><p>손의 위치는 탐색 창의 위치 \\( (x, y) \\) 의 연속적인 계산을 통해 얻어진다.", "탐색 창 \\( W \\) 의 중점은 초기곡선 \\( B \\) 의 경계선 박스의 중심으로 초기화 된다 (그림 2(a)의 붉은색 점선의 중심).", "그리고 탐색 창의 크기는 다음과 같이 각 프레임에서 물체들의 움직임 양에 비례하여 갱신된다.", "</p><ul><li>\\( W_{\\text {width }(\\text { height })}^{t}=\\max \\left(\\alpha\\left(\\left|m_{y}^{(t-1)}-m_{y}^{(t-2)}\\right|-B_{w i d t h(h e i g h t)}\\right), 0\\right) \\)\\( +\\beta B_{\\text {width (height })} \\)</li></ul><p>\\( (t>2) \\) 여기서 \\( \\alpha \\) 와 \\( \\beta \\) 는 상수이고, \\( t \\) 는 프레임 인덱스이다.", "</p> <p>본 논문에서는 손 모양 인식기술을 이용한 모바일 로봇제어 시스템을 제안한다.", "이 때, 앞서 말한 활성 윤곽선 모델 (ACM)의 초기 곡선에 대한 민감성을 최소화하기 위하여 mean shift를 이용한 활성 윤곽선 모델 (ACM) 추적 방법을 사용한다.", "</p><p>제안된 시스템은 손 검출기, 손 추적기, 손 모양 인식기, 로봇 제어기 4 가지 모듈로 구성되었다.", "손 검출기는 영상에서 피부색 정보를 이용하여 손 영역을 추출한다.", "추출된 손 영역은 활성 윤곽선 모델 (ACM) 과 mean shift에 사용하여 정확히 추적된다.", "마지막으로 Hue 모멘트를 사용하여 손 영역을 인식한다.", "제안된 시스템의 적합성을 평가하기 위하여 2족 보행로봇 RCB-1 을 이용하여 실험이 수행되었으며 그 결과는 제안된 시스템의 효율성을 증명하였다.", "본 논문의 구성은 다음과 같다.", "Ⅱ장에서는 제안된 시스템의 개요를 설명하고, Ⅲ장에서는 모바일 로봇 제어 시스템에 대해 자세히 설명한다.", "그리고 Ⅳ 장에서는 제안된 시스템의 실험결과를 보이고, Ⅴ 장에서 결론을 내렸다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "손 모양 인식을 이용한 모바일 로봇제어", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-12e959e3-ed40-479b-8bba-3d26eaad25f1", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "김영래", "김은이", "장재식", "박세현" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2. 묵시적 의도 지표 기반의 계층적 의도 판별 분석</h2> <p>실세계의 환경에서 사람 또는 주어진 상황에 따라 묵시적 의도가 존재함을 언급하였다.", "본 논문에서는 실세계 환경 내에서 획득한 사용자 시선 정보를 가공하여 사용자 의도변화에 따른 묵시적 의도 지표를 표 1 과 같이 얻었다.", "이와 같이 얻어진 묵시적 의도 지표 정보를 입력 정보로 계층적인 SVM 모델을 적용하여 사용자 묵시적 의도를 판별 및 분석하였다.", "본 제안하는 SVM 모델은 \\( \\mathrm { RBF } \\) (radial basis function) 가우시안 커널을 함수를 사용하였으며, \\( \\mathrm { RBF } \\) 가우시안의 sigma의 파라미터 값으로 2.5로 설정하였다.", "그리고 본 논문의 실험에서는 60 명의 피험자(연령21~28, 여성 34명, 남성 26 명)를 대상으로 사용자 시선 특징 정보를 획득 하였으며, 총 60명 중 20명을 랜덤으로 추출하여 학습 데이터로, 나머지 40 명은 테스트 데이터로 구분하였다.", "그리고 총 30 번의 반복 테스트를 거쳐 평균한 사용자 다중의도 판별 분석 모델의 성능 결과를 표 2 에 나타내었다.", "본 논문에서 제안된 모델에서 첫 번째 SVM 분류기는 항행적 의도 발생인지 정보적 의도 인지를 구분 짓는데 사용하였으며, 테스트 분류 성능이 \\( 86.2 \\pm 0.38 \\) (%)의 견과를 보였다.", "다음으로 정보적 의도 내에서 정보적 의도 발생인지, 또는 정보적 의도 소멸인지는 판별하는 두 번째 SVM 모델에 대한 테스트 성능은 \\( 90.8 \\pm 0.46 \\) (%)의 결과를 얻었다.", "본 실험을 통해 제안된 모델은 사용자의 시선 정보를 활용하여 사용자의 3 가지 묵시적 의도를 평균 \\( 88.5 \\pm 0.42 \\) (%)의 높은 분류 성능을 보임을 확인할 수 있다.", "</p> <table border><caption>표 2. H-SVM을 이용한 학습 및 테스트 성능 Table 2. Training and testing performance of H-SVM.", "</caption> <tbody><tr><td>구분</td><td>항행적-정보적 의도 구분</td><td>의도 발생-소멸 구분</td><td>종합</td></tr><tr><td>학습 데이터 성능</td><td>87.4±0.88(%)</td><td>92.2±0.60(%)</td><td>89.8±0.74(%)</td></tr><tr><td>테스트 데이터 성능</td><td>86.2±0.38(%)</td><td>90.8±0.46(%)</td><td>88.5±0.42(%)</td></tr></tbody></table> <h2>4. 사용자 묵시적 의도 지표 기반의 계층적 묵시적 의도 판별 분석 모델</h2> <p>복잡한 실세계 환경변화 내에서 외부의 환경적인 요소의 영향을 배제하고, 사용자의 심리상태만을 고려한 사용자 시선 특징 정보로서 자극영상의 관심(흥미) 영역인 \\( \\mathrm { AOI } \\) 내에서의 동공의 크기변화(동공의 평균 크기 및 단위 시간당 동공의 기울기 변화량), 그리고, 사용자 시선 패턴 정보인 응시 점/응시시간, 응시횟수 등의 시각인자를 발굴하였고, 이를 정규화 한 4 가지 사용자 묵시적 의포 지표를 다음과 같이 정의하였다.", "<ul> <li>동공크기 : 지정된 AOI 영역 내의 단위시간당 변화하는 동공 평균크기</li> <li>동공크기에 따른기울기 변화량 : 지정된 AOI 영역 내의 단위시간당 변화하는 동공 기울기 변화량</li> <li>관심 영역의 응시횟수 : 지정된 AOI 영역 내의 시선응시 점의 단위 시간당 누적된 응시횟수</li> <li>관심 영역의 응시시간 : 지정된 AOI 영역 내의 시선응시 점의 단위 시간당 누적된 응시시간</li></ul>본 논문에서는 앞서 언급한 바와 같이 사용자 시선 특징 정보를 입력으로 하여 사용자 묵시적 다중 의도 지표를 추출하였으며, 획득된 사용자 묵시적 의도 지표 정보를 그림 1 에서 보인 것처럼 계층적 SVM \\( ( \\mathrm { H } - \\mathrm { SVM } ) ^ { [23, } { } ^ { 24] } \\) 모델을 이용하여 항행적 의도 발생, 정보적 의도 발생, 그리고 정보적 의도 소멸로 사용자 묵시적 의도를 판별 분석하였다.", "</p> <h1>Ⅲ. 실 험</h1> <h2>1. 정규화된 사용자의 묵시적 의도 지표 추출</h2> <p>복잡한 실세계의 환경에서는 사람 또는 주어진 상황에 따라서 여러 가지의 묵시적 의도가 존재한다.", "본 논문에서는 실세계 환경 내에서 신경 심리학의 이론적 배경을 근거로 실세계의 환경변화(조도 \\( 300 \\sim 360 \\mathrm { Lux } ) \\)내에서 60 명의 피험자를(연령21~28, 여성 34 명, 남성26 명) 대상으로 사용자 시선 특징 정보를 기반의 사용자 묵시적 의도 지표에 대한 실험 결과 및 방법론을 보인다.", "그림 3 은 실험에 사용된 다양한 실세계 자극 영상 및 각 영상에서 설정된 \\( \\mathrm { AOI } \\) 영역을 나타낸다.", "실세계 환경의 실험자극 영상들을 이용하여 4 단계로 구성한 실험의 시나리오를 그림 4 에 나타내었다.", "그림4 에서 자극 영상 제시 전에 피험자에게 제공되는 지시문 내용은 항행적 의도 발생, 정보적 의도 발생, 그리고 정보적 의도 소멸에 관한 내용으로 다음과 같이 제시되었다.", "<ul> <li>항행적 의도 발생 : 다음 제시되는 자극 영상에서 10초간당신의 흥미 및 관심이 가는대로 자극영상을 응시해 주세요!", "</li> <li>정보적 의도 발생 : 다음 제시되는 자극 영상에서 OO을하기 위한 객체를 찾으세요!", "(객체의 위치 정보 및 모양 정보를 기억해 주세요)", "</li> <li>정보적 의도 소멸 : 앞서 객체 정보를 다 찾으셨으면 키보드를 누른 후, 다시 편안하게 당신의 흥미 및 관심이 가는대로 자극 영상을 응시해 주세요!", "</li></ul>위와 같은 지시문으로 피험자를 통제하여 사용자의 묵시적 의도에 관한 사용자의 안구운동 패턴 및 동공크기의 특징 정보를 획득 하였다.", "그리고 각각 자극 영상으로 부터 획득한 사용자 시선 정보들을 통해 묵시적 다중 의도를 파악하였다.", "그림 4의 시나리오 실험에서 획득한 사용자 시선의 원시 데이터(raw-data)를 Ⅱ장 2절에서 언급한 사용자의 심리상태만을 고려한 동공크기 변화의 기저선 모델을 적용하여 분석하였다.", "또한, 다수의 피험자들로부터 정규화 된 사용자 묵시적 의도 지표를 정립하기 위하여 그림 5 와 같이 피험자 데이터의 일관된 분석을 위한 시간 샘플링 방법을 도입 하였다.", "시간 샘플링 방법을 도입한 이유는 피험자 마다 객체를 찾는 시간과 각각의 의도를 발생과 소멸을 시키는 시간이 다르기 때문이다.", "본 실업에서는 60 명의 각 피험자(연령21~28 , 여성 34 명, 남성 26 명)의 데이터를 동일한 시점을 맞추기 위하여 실험 설계 시 피험자에게 지시된 객체를 다 찾았을 때(정보적 의도 발생의 완료 시점) 키보드 스페이스 바를 누르도록 지시하였다.", "시나리오 영상은 그림 5에서 보이는 것처럼, 동일한 3 가지 자극 영상으로 구성되어 있으며, 각각의 자극 영상은 항행적 의도 발생, 정보적 의도 발생, 그리고 정보적 의도 소멸로 나뉘어져 있다.", "항행적 의도 발생 부분을 제외하고는 피험자들 마다 정보적 의도의 발생과 소멸 시점의 데이터가 다르게 취득되기 때문에 각각의 자극영상에 대하여 25 블록씩 샘플링을 하였다.", "이와 같이 피험자들의 시선 특징 패턴을 블록 샘플링 함으로써, 동일한 기준대의 시점 적용이 가능해졌으며, 대표적인 사용자 시선 패턴을 분석 할 수 있었다.", "그림 6 은 사용자 묵시적 의도 변화에 따른 시선 패턴 중 묵시적 의도 지표의 정보를 추출하기 위한 동공 크기 응답의 특징을 보인다.", "동공크기 변화의 특징 패턴을 검출하기 위하여 사용자 동공 크기에 대한 원시 데이터 정보에 \\( \\Pi \\)장 3 - 나 절에서 언급한 동공크기 변화 기지선 모델을 적용하였다.", "이후 동공그기 정보는 그림 5 와 같이 시간 샘플링 과정을 거쳐 그림 6 과 같은 항행적 의도 발생, 정보적 의도 발생, 그리고 정보적 의도 소멸의 결과를 보인다.", "그림 6 에서 표기된 붉은 색 실선과, 파란색 점선은 본 실험에 참여한 피험자에 대하여 분석한 의도에 따른 동공의 크기 변화의 대표 곡선 (붉은색 실선) 및 동공 기울기 변화량(파란색 점선)을 보이고 있다.", "그리고 막대그래프 내의 수치는 3 가지 의도 변화에 따른 동공 크기의 평균값을 나타낸다.", "사용자의 안구운동에 따른 응시점/응시시간, 그리고 응시 횟수의 특징 패턴에 대하여 실험 설계 시 정의한 \\( \\mathrm { AOI } \\) 영역에 대하여 \\( \\Pi \\) 장 1절에서 언급한 항행적 의도 발생, 정보적 의도 발생, 그리고 정보적 의도 소멸의 사용자 묵시적 의도 변화에 따른 실험 결과를 막대그래프로 그림 7에 나타내었다.", "그림 7 (a), (b) 에서는 실험에서 설계한 사용자 관심 영역인 \\( \\mathrm { AOI } \\) 영역에 대하여 항행적 의도 발생, 정보적 의도 발생, 정보적 의도 소멸로 구분 지어 표현 하였다.", "그림 7 (a)와 7(b)의 결과를 통해 관심영역의 응시 횟수와 응시 시간 사이에는 반비례 관계가 있음을 확인할 수 있다.", "즉 관심영역에 머무는 시간이 길면 응시시간이 증가하고, 이에 따라 응시 횟수가 감소함을 의미한다.", "그리고 복잡한 실세계 환경 내에서 얻어진 사용자 시선의 원시 데이터 정보는 앞서 언급한 실험 과정을 거치면서 그림 6 및 그림 7과 같은 시선 특징 정보를 추출할 수 있으며, 얻어진 시선 특징 정보로부터 \\( \\Pi \\)장 4 절에서 언급한 4 가지 의도 지표 특징 정보를 추출한다.", "표 1 에서는 사용자 시선 특징 정보인 응시횟수, 응시 시간, 동공크기 및 변화량 기반의 사용자 묵시적 의도 지표를 나타내었다.", "</p> <table border><tbody><tr><td>구분</td><td>항행적 의도 발생</td><td>정보적 의도 발생</td><td>정보적 의도 소멸</td></tr><tr><td>동공크기</td><td>102.2 ±3.14</td><td>111.3 ±4.07</td><td>109.1 ±3.97</td></tr><tr><td>동공크기에 따른 기울기 변화량</td><td>-0.07 ±0.09</td><td>+ 0.5 ±0.1</td><td>-0.38 ±0.13</td></tr><tr><td>관심 영역의 응시횟수</td><td>43.6 ±3.52</td><td>26.1 ±0.91</td><td>37.5 ±1.26</td></tr><tr><td>관심 영역의 응시시간</td><td>424.6 ±41.74</td><td>620.6 ±15.7</td><td>458.1 ±48.94</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "안구운동 기반의 사용자 묵시적 의도 판별 분석 모델", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-15edbb20-82cd-4b8b-9153-e47fd39aa3e5", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2013", "doc_author": [ "장영민", "Rammohan Mallipeddi", "김철수", "이민호" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>III.", "측정 결과</h1> <p>설계한 VCO는 \\( 0.11 \\mu \\mathrm{m}\\) CMOS 공정을 사용하여 제작하였고, 그림 4는 제작한 VCO의 칩사진이며 총 면적은 \\( 0.18 \\times 0.26 \\mathrm{~mm}^{2}\\) 이다.", "</p> <p>또한, 측정을 위해서 오른쪽 세 개와 아래 세 개는 GSG 프로브를 통한 출력신호 측정 패드를 배치했으며, 왼쪽 에는 VDD, \\(\\mathrm{R}_{\\mathrm{BIAS}}, \\mathrm{V}_{\\mathrm{ctrl}} \\)핀을 배치하여 DC 프로브를 이용하여 측정을 했다.", "측정에는 프로브스테이션을 사용하여 웨이퍼상 프로빙하였고, 주파수 측정을 위해 Agilent 8565EC 스펙트럼 분석기와 E3648A 이중 전원 장비를 이용했다.", "먼저 VCO의 주파수 특성을 살펴보기 위한 측정을 진행했다.", "그림 5는 \\(\\mathrm{V}_{\\mathrm{ctrl}} \\) 전압과 \\( \\mathrm{R}_{\\mathrm{EXT}} \\)값을 변동하면서 이에 따른 출력주파수를 측정한 결과이다.", "</p> <p>그림5에서 \\(\\mathrm{V}_{\\mathrm{ctrl}} \\)전압 이외에도 \\( \\mathrm{R}_{\\mathrm{EXT}} \\)값에 따라 튜닝범위 변경이 된다는 것을 확인했다.", "하지만 두 변수의 주파수 튜닝범위 변경 방식이 다르다. \\", "(\\mathrm{V}_{\\mathrm{ctrl}} \\)전압은 베렉터의 캐패시턴스값을 변화하여 주파수 튜닝 범위를 변동시키지만, \\( \\mathrm{R}_{\\mathrm{EXT}} \\)의 변화는 \\( \\mathrm{I}_{S} \\)크기를 변화시켜서 변화시킨다.", "시뮬레이션 결과, \\( \\mathrm{R}_{\\mathrm{EXT}} \\)값이 \\( 2.4 \\mathrm{K} \\Omega \\)에서 \\( 1.2 \\mathrm{~} \\Omega \\)씩 줄어들수록 전류소스 첫단에서 소비하는 전력이 작아지기 때문에 \\( \\mathrm{I}_{S} \\) 는 \\( 21 \\%\\), \\(47 \\% \\)씩 증가하였다. \\", "( \\mathrm{I}_{S} \\)의 증가는 교차쌍 NMOS의 드레인 전류가 증가했다고 볼 수 있고, 그 원인은 리니어영역에서 MOS의 \\( \\mathrm{V}_{\\mathrm{ds}} \\)가 증가했기 때문이다.", "시뮬레이션 결과, \\( \\mathrm{V}_{\\mathrm{ds}} \\)는 \\( \\mathrm{R}_{\\mathrm{EXT}} \\)값이 \\( 2.4 \\mathrm{K} \\Omega \\)에서 \\( 1.2 \\mathrm{K} \\Omega \\)씩 줄어들수록 \\( 7 \\%\\), \\(15 \\% \\)씩 증가하였다. \\", "( \\mathrm{V}_{\\mathrm{ds}} \\)가 증가하면 베렉터 양단의 전압차가 줄어들기 때문에 캐패시터값 \\( \\left(\\mathrm{C}_{\\mathrm{var}}\\right) \\)이 줄어들어 주파수가 낮아진다.", "주파수가 낮아지면 \\( \\mathrm{K}_{\\mathrm{VCO}}\\)가 낮아지는데, 식(2)에 주파수와 \\( \\mathrm{K}_{\\mathrm{VCO}}\\)의 관계를 나타냈다.", "</p> <p>\\( K_{\\mathrm{V} C O}=\\frac{d f}{d V}=\\frac{d f}{d C} * \\frac{d C}{d V}=\\frac{-1}{4 \\pi } * \\sqrt{L} \\sqrt[3]{C^{*}} \\frac{d C}{d V}=-2 \\pi L f^{3} \\frac{d C}{d V} \\)<caption>(2)</caption></p> <p>식(2)를 통해 \\( \\mathrm{K}_{\\mathrm{VCO}}\\)를 결정하는데 주파수가 주요 성분이라는 것을 알 수 있다. \\", "( \\mathrm{K}_{\\mathrm{VCO}}\\)가 낮아지면 위상잡음 특성이 좋아진다는 장점이 있으며, 식(3)에 \\( \\mathrm{K}_{\\mathrm{VCO}}\\)와 위상잡음의 관계를 나타냈다.", "</p> <p>\\( L\\left(f_{m}\\right)=10 \\log \\left[1+\\left(\\frac{f_{0}}{2 f_{m} Q}\\right)^{2}\\right]\\left(1+\\frac{f_{c}}{f_{m}}\\right) \\frac{F k T}{2 P_{a v}}+\\frac{2 k T R K_{V C O}^{2}}{f_{m}^{2}} \\)<caption>(3)</caption></p> <p>여기에서 \\( \\mathrm{L}\\left(\\mathrm{f}_{\\mathrm{m}}\\right) \\)은 위상잡음\\( [\\mathrm{dBc} / \\mathrm{Hz}] \\), \\(\\mathrm{f}_{\\mathrm{m}} \\)은 오프셋 주파수\\( [\\mathrm{Hz}], \\mathrm{f}_{0} \\)는 중심주파수\\( [\\mathrm{Hz}] \\) 그리고 \\( \\mathrm{f}_{c} \\)는 플리커 잡음 코너 주파수\\( [\\mathrm{Hz}] \\)이다.", "그리고 \\(\\mathrm{Q}\\)는 \\(\\mathrm{L}\\)과\\(\\mathrm{C}\\)의 품질 계수, \\(\\mathrm{F}\\)는 잡음 계수, \\(\\mathrm{k}\\)는 볼츠만상수, \\(\\mathrm{T}\\)는 온도\\( [\\mathrm{K}]\\), \\( \\mathrm{P}_{\\mathrm{av}} \\)는 VCO의 평균 출력전력 그리고 \\(\\mathrm{R}\\)은 베렉터의 등가 노이즈 저항이다.", "식(3)을 통해 VCO의 위상잡음 특성을 좋게 하려면 \\( \\mathrm{K}_{\\mathrm{VCO}} \\)를 낮추는 방법이 있지만 동작 범위가 좁아진다는 단점이 있기 때문에 적절한 값의 \\( \\mathrm{R}_{\\mathrm{EXT}} \\)가 필요하다.", "적합한 \\( \\mathrm{R}_{\\mathrm{EXT}} \\)값을 구하기 위해서 저항값을 \\( 1.2\\mathrm{K}\\Omega \\)씩 증가하고 \\( \\mathrm{V}_{\\text {ctrl }} \\) 전압을 0~\\( 1.5 \\mathrm{V}\\)까지 변동하여 측정했다. \\", "( \\mathrm{V}_{\\mathrm{ctrl}} \\)전압이 0~\\( 0.6 \\mathrm{V} \\)까지는 거의 주파수의 변화가 없지만 \\( \\mathrm{R}_{\\mathrm{EXT}} \\)에 따른 \\( \\mathrm{I}_{\\mathrm{S}} \\)의 변화때문에 약 \\( 3 \\mathrm{GHz} \\)의 주파수 차이를 확인했다. \\", "( \\mathrm{R}_{\\mathrm{EXT}} \\)가 \\( 2.4\\mathrm{K}\\Omega \\)일 경우에는 34~\\( 40 \\mathrm{GH} \\mathrm{z} \\)까지 약 \\( 6 \\mathrm{GH} \\mathrm{z} \\)의 가장 넓은 동작 범위를 확인했다.\\", "( \\mathrm{R}_{\\mathrm{EXT}} \\)를 바꾸는 방법은 추후 공정변화, 온도변화 및 전원전압이 변화하는 경우에도 원하는 주파수를 공급할 수 있게 해준다.", "</p> <p>그림 6은 출력신호의 스펙트럼 분석 결과이다.", "이를 통해 측정된 출력전력을 알 수 있으며 출력전력이 높은값을 나타낼수록 사용이 편리하다.", "원하지 않는 사이드밴드와 출력신호와의 차이도 설계에 있어 중요한 부분이며 이에 대한 값을 위상잡음 측정결과에 나타냈다.", "출력신호 측정결과 중심주파수 \\( 38 \\mathrm{GH} \\mathrm{z} \\)에서 -\\( 6.83 \\mathrm{dBm} \\), \\( 35 \\mathrm{GH} \\mathrm{z} \\)에서 -\\( 5.99 \\mathrm{dBm} \\) (ATTEN : \\( 10 \\mathrm{dB} \\))의 출력전력을 측정을 통해 확인했다.", "케이블의 손실이 \\(1.1 \\mathrm{dB} \\)이고, 케이블과 스펙트럼 분석기 사이에 male-to-male을 연결해 주기 위해 사용된 아답터의 손실이 \\( 0.5 \\mathrm{dB} \\)라는 것을 감안하면 출력전력은 \\( 38 \\mathrm{GH} \\mathrm{z} \\)에서 -\\( 5.23 \\mathrm{dBm} \\), \\( 35 \\mathrm{GH} \\mathrm{z} \\)에서 -\\( 4.39 \\mathrm{dBm} \\)이 된다.", "</p> <p>고속에서 올바른 데이터 판정을 위해서는 VCO의 위상잡음 측정이 중요하다.", "위상잡음 측정은 스펙트럼 분석기만 사용해 측정하였기 때문에 측정시 주파수가 흔들리는 것을 확인했다.", "측정결과 \\(1 \\mathrm{MHz} \\) 오프셋에서 약-\\( 100.33 \\mathrm{dBc} / \\mathrm{Hz} \\)이고, 그림7에 측정결과를 첨부했다.", "</p> <p>측정장비의 불안정한 전원공급 때문에 중심주파수와 \\(10\\sim 100 \\mathrm{KHz} \\) 사이에서 노이즈가 발생하는 것을 확인했다.", "그림 7은 측정 결과 중 위상잡음 특성이 가장 좋았을 경우의 데이터이다.", "</p> <p>설계한 VCO의 성능 판정을 위해서는 다른 VCO들의 비교가 필수적이다.", "다른 VCO들과 성능 비교를 위해여러 가지 파라미터가 있으므로 이를 종합적으로 판단할 수 있는 아래와 같은 \\( \\mathrm{FOM}_{\\mathrm{T}} \\)식을 이용하여 특성을 비교했다.", "사용한 \\( \\mathrm{FOM}_{\\mathrm{T}} \\)식의 정의는 식(4)와 같다.", "</p> <p>\\( F O M=L\\{\\Delta f\\}-20 \\log \\left(\\frac{f_{0}}{\\Delta f} \\cdot \\frac{F T R}{10}\\right)+10 \\log \\left(\\frac{P_{D C}}{1 m W}\\right) \\)<caption>(4)</caption></p> <p>여기에서 \\( \\mathrm{P}_{\\mathrm{DC}} \\)는 VCO의 소모전력이다. \\", "( \\mathrm{FOM}_{\\mathrm{T}} \\)는 작을수록 VCO의 성능이 좋다는 것을 의미하며 계산결과 설계한 VCO는 약 -\\(183.8\\mathrm{dB}\\)로 기존의 유사한 주파수 대역의 다른 VCO에 비해서 우수한 성능을 나타냈다.", "</p> <p>표 1 에서 제안한 VCO와 기존의 VCO들과의 성능을 비교 했다.", "</p> <table border><caption>표 \\(1\\).", "기존 연구와의 성능비교</caption> <tbody><tr><td></td><td>[5] ISCAS 2007</td><td>[6] RFIC 2010</td><td>[7] APMC 2010</td><td>[8] WOCN 2007</td><td>[9] CSICS 2012</td><td>this work</td></tr><tr><td>Process</td><td>\\(90 \\mathrm{nmC}\\) MOS</td><td>\\( 90 \\mathrm{nm} \\) CMOS</td><td>\\(90 \\mathrm{nmC}\\) MOS</td><td>\\( 0.18 \\mu \\mathrm{m} \\) CWOS</td><td>\\( 0.13 \\mu \\mathrm{m} \\) CWOS</td><td>\\( 0.11 \\mu \\mathrm{m} \\) CMOS</td></tr><tr><td>Center Freq.", "[\\(\\mathrm{GHz} \\)]</td><td>41</td><td>39.9</td><td>44.1</td><td>38.7</td><td>38</td><td>35</td></tr><tr><td>Phase Noise [\\( \\mathrm{dBc} / \\mathrm{Hz} \\)]</td><td>-104</td><td>-98.1</td><td>-93.7</td><td>-107</td><td>-96</td><td>-100</td></tr><tr><td>FTR[\\( \\% \\)]</td><td>1</td><td>15</td><td>6.7</td><td>2.8</td><td>20</td><td>16</td></tr><tr><td>\\( P_{DC}[\\mathrm{mW}]\\)</td><td>7.8</td><td>14</td><td>4.8</td><td>24.9</td><td>12</td><td>16</td></tr><tr><td>\\( \\mathrm{FOM}_{\\mathrm{T}} \\)</td><td>-167</td><td>-181</td><td>-180</td><td>-173</td><td>-182</td><td>-183.8</td></tr></tbody></table> <h1>I.", "서 론</h1><p>2010년 \\(40\\mathrm{G}\\) 및 \\(100\\mathrm{G}\\) 이더넷 표준 규격인 'IEEE 802.3ba' 가 발표된 후 높은 대역폭을 요구하는 애플리케이션의 증가로 고속 네트워크로 전달되는 트래픽이 급증하고 있다.", "현재 고속 전송 시스템에는 무선 통신 시스템, 자동차 레이다 시스템, 광 통신 시스템 등이 있으며, 밀리미터 웨이브 대역의 통신에 적용된다.", "이중 OC-768은 \\(40-\\mathrm{Gbps}\\)의 높은 데이터 전송률은 갖고 있는 광통신 네트위크의 표준이며, CDR(Clock and Data Recovery)은 광통신 시스템에서 가장 중요한 블록중 하나이다, CDR을 위해서는 수십\\(\\mathrm{GHz}\\)의 채널속도와 같은 PLL이 필요하다.", "특히 VCO(Voltage Controlled Oscillator)는 PLL에서 가장 중요한 블록이며, 밀리미터 대역에 적용하기 위한 \\( 40 \\mathrm{GHz}\\) VCO에 대한 연구를 진행하였다.", "40\\(\\mathrm{GHz}\\) VCO의 경우 화합물 반도체 등을 통해서 많이 구현되어 왔지만 요즘에는 CMOS 공정 발전과 함께 가격이 낮은 CMOS를 기반으로 한 회로에 대한 연구가 활발히 진행되고 있다.", "VCO가 높은 주파수에서 동작하기 위해 인젝션 록킹, 4진 위상 변이, 병렬 피킹 인덕터 기법 등 여러 가지 방법이 제시되었지만, 소자 개수를 최소화하여 기생성분을 최소화하는 LC 구조의 VCO를 설계하였다.", "또한 인덕터의 Q값을 높여서 위상잡음 특성을 좋게 하기 위해 인덕터 모양에 대한 연구를 진행하였다.", "</p><p>본 논문은 CDR에 적용할 수 있는 고속 PLL의 블록도에서 CMOS 기반의 \\( 40 \\mathrm{GHz}\\) VCO에 대해 설명을 하고, 제작한 VCO에 대한 측정결과를 기술한다.", "그리고 설계한 VCO의 성능에 대한 정리를 한 후에 결론을 맺고자 한다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "고속 통신 시스템을 위한 \\(40\\mathrm{㎓}\\) CMOS 전압 제어 발진기의 설계", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-138a7e70-bd68-4903-973d-8832782797fa", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2014", "doc_author": [ "이종석", "문용" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>2.2 그룹 결정 네트워크</h2><p>그룹 결정 네트워크는 그룹 임베딩 벡터 \\( z^{C_{\\mathrm{c}}} \\) 에 대응되는 그룹 가중치인 \\( w_{k} \\)를 출력하며, 3개의 FC 레이어와 1개의 sigmoid 레이어로 구성된다.", "FC 레이어는 128개의 node로 구성되며, 마지막의 sigmoid 레이어를 통해 \\(K\\)개의 그룹 (\\( G_{\\mathrm{k}} \\operatorname{for} \\mathrm{k}-0,1, \\cdots, \\mathrm{K}-1\\)) 에 대응하는 확률을 출력한다.", "이 확률들이 결국 각 그룹에 대응되는 가중치를 의미한다.", "</p><p>\\( w_{k}=p\\left(G_{k} \\mid x\\right) \\).", "<caption>(3)</caption></p><p>GroupFace 연구에서 그룹가중치를 계산할때 soft-max 함수를 이용한 것과 다르게 본연구에서는 sigmoid 함수를 이용한다.", "Softmax 함수를 이용하면 결과 확률 값에 sum-to-one 제약 조건이 존재하는 반면에, sigmoid의 경우는 그러한 제약조건이 없다.", "GroupFace 연구에서는 각 그룹이 사람의 얼굴을 표현하기에 적합한 특성들에 각각 대응된다.", "예를 들어, 그룹 1은 ‘머리카락이 금색’인 그룹을 나타내며, 그룹 2는 ‘검은색 콧수염’을 가진 그룹을 나타낸다고 가정해보자.", "이때, 금발이면서 검은색 콧수염을 가진 사람은 그룹 1과 그룹 2에서 모두 높은 가중치를 가질 것이다.", "본 연구에서 제안하는 방식 역시 이와 마찬가지로 동작하며, 각 그룹은 서로 독립적인 특성을 나타내므로, 개개인의 음성이 여러 그룹의 특성들을 동시에 포함할 수 있다.", "따라서 그룹 가중치에 sum-to-one 제약 조건이 없는 sigmoid 함수를 이용하는 것이 그룹정보를 나타내는데 있어 더자연스럽다.", "그룹들이 이러한 방식으로 학습되는 이유는 self-distributedlabeling 방식을 통해 네트워크가 학습되기 때문이며, 이는 다음 문단에서 설명될 예정이다.", "</p><p>III장에서 그룹 가중치 계산에 softmax 함수를 이용할 때 보다 sigmoid 함수를 이용할 때 더 좋은 성능을 보임을 확인한다.", "그룹 결정네트워크는 GroupFace 연구와 마찬가지로 그룹레이블을 이용하여 훈련이 이루어진다.", "그룹레이블을 생성할때, self-distributed labeling 방식을 이용한다.", "이는 \\(K\\)개의 그룹에 데이터 샘플들을 최대한 균일하게 할당하기 위한 것으로, 그룹 레이블이 최대한 균일 분포에 따르도록 한다.", "이를 통해 특정 소수의 그룹만이 큰 가중치를 갖는 현상을 방지할 수있다.", "생성된 그룹 레이블과 그룹 결정 네트워크의 출력 사이의 비용 함수를 교차 엔트로피 함수로 정의하며, 이를 \\( L_{G D N} \\) 라고 한다. \\", "( \\bar{z} \\)를 이용하여 훈련 데이터셋 내의 전체화자를 분류할때 사용하는 교차엔트로피 비용 함수를 \\( L_{c d} \\)이라 하면, 최종 비용 함수는 다음과 같이 정의된다</p><p>\\( L-L_{c l}+\\lambda L_{G W v} \\),<caption>(4)</caption></p><p>여기서 \\( \\lambda \\)는 두비용 함수 사이의 균형을 맞추기 위 한비용 함수 가중치이며, 0.1로 지정하였다.", "최종 비용함수인 \\(L\\)을 이용하여 전체 모델이 훈련된다.", "이를 통해 모델은 화자 검증에 유용한 그룹 임베딩을 학습할 수 있으며, 최종적으로는 그룹 정보를 포함한 화자 임베딩을 생성할 수 있다.", "</p> <h1>Ⅱ. 그룹기반 화자 임베딩</h1><h2>2.1 전체적인 구조</h2><p>본 연구에서 제안하는 시스템의 전체적인 구조는Fig.", "1과 같다.", "이 구조는 얼굴 인식 태스크에서 제안된 GroupFace 연구에 착안하여 설계되었다.", "Group-Face 방식은 여러 그룹인지 표현들을 이용하여 얼굴임베딩의 성능을 향상시키는 방식으로, 얼굴 검증 및 얼굴 식별 태스크에서 최고 성능을 달성하였다.", "본 연구에서 제안하는 방식은 화자의 그룹 정보를 화자임베딩에 도입하여 화자검증성능을 향상시킨다.", "사람들의 음성은 개인의 고유한 특성을 갖는데,그와 동시에 사람들마다 공통적으로 갖는 특성도 존재한다.", "그러한 특성을 바탕으로 사람들을 여러 그룹으로 나누어 생각할 수 있으며, 본 연구에서는 그룹기반 화자 임베딩을 통해 그러한 특성을 나타낸다.", "기존의 심층 화자 임베딩에 화자의 그룹 정보를 추가함으로써, 화자 임베딩이 표현할 수 있는 화자의 후보군의 수를 줄일 수 있게 된다.", "그림을 바탕으로 본 연구에서 제안하는 방식을 설명하면 다음과 같다</p><p>우선, 입력 음성의 음성 특징 벡터열이 ResNet 기반의 특징 추출기의 입력으로 이용된다.", "그 결과 심층 화자 특징이 생성되는데(과정 ①), 이를 128차원의 고정된 길이의 벡터로 변환하기 위하여 GAP 기반의 전역풀링을 적용한다(과정②).", "이렇게 생성된 벡터는 Fully-Connected (FC) 레이어를 통과하여 심층 화자임베딩인 \\( { }_{z} \\in \\mathbb{R}^{128} \\) 가 생성된다(과정③).", "한편, GAP결과로 생성된 벡터는 \\(K\\)개의 독립적인 FC 레이어들을 통과하며, 그 결과 \\(K\\)개의 그룹 임베딩 벡터들 (\\( z^{G_{\\mathrm{k}}} \\in \\mathbf{R}^{128} \\operatorname{for} \\mathrm{k}-0,1, \\cdots, \\mathrm{K}-1 \\)) 이 생성된다(과정(4)).", "Deep speaker embedding \\( z \\) 는 그룹 결정 네트워크의 입력으로 이용되며, 그결과 각그룹 임베딩벡터들에 대응되는 그룹 가중치 (\\( w_{k} \\operatorname{for} \\mathrm{k}-0,1, \\cdots, \\mathrm{K}-1 \\))들이 생성된다(과정 ⑤).", "그룹 임베딩 벡터들과 그룹 가중치들의 가중 합을 통해 집합 그룹 임베딩 (\\( z^{G} \\in \\mathbf{R}^{128} \\))을 생성한다.", "</p><p>\\( z^{G}-\\sum_{k=0}^{K-1} w_{k} z^{G_{k}} \\).", "<caption>(1)</caption></p><p>최종적으로, \\( z^{G} \\)를 \\( z \\)에 더해 줌으로써 그룹기반 화자임베딩 (\\( \\bar{z} \\in \\mathbf{R}^{123} \\))을 생성한다.", "</p><p>\\( \\bar{z}=z^{C}+\\mathbf{z} \\)<caption>(2)</caption></p><p>전체 모델은 훈련 데이터셋에 존재하는 전체 화자를 분류하도록 훈련된다.", "따라서 가장 마지막 출력레이어는 전체 화자수와 동일한 개수의 node를 갖는 FC레이어이며, \\( \\bar{z} \\)를 입력으로 한다.", "그 결과에 softmax 함수를 취하여 화자를 예측하며, 교차 엔트로피 비용함수를 통해 훈련된다.", "</p> <h1>IV.", "결 론</h1><p>본 연구에서는 문장 독립 화자 검증 분야에서 가장 많이 이용되고 있는 심층 화자 임베딩 방식을 발전시키기 위해, 그룹기반 화자 임베딩 방식을 제안하였다.", "기존의 심층 화자 임베딩에 화자의 그룹 정보를 담은 그룹 임베딩 벡터를 도입함으로써, 화자임베딩이 나타낼 수 있는 전체 화자의 검색 공간을 줄이고, 이를 통해 기존의 심층 화자 임베딩 방식을 향상시킨다.", "Ablation study를 통해 제안한 방식의 효용성을 확인하였으며, 추가로 A-Softmax 기반의 비용 함수를 이용함으로써 기존에 제안된 방식들보다 더 높은 성능을 달성하였다.", "향후 연구에서는 단순한 GAP 방식이 아닌 더욱 발전된 형태의 전역 풀링방식을 적용하여 추가적인 성능 향상을 이끌어내는 연구를 수행할 계획이다.", "</p> <h1>Ⅰ. 서 론</h1><p>화자 검증은 사용자가 발성한 음성신호를 이용하여 사용자가 해당 시스템에 허가된 사람인지 아닌지 판별하는 태스크이다.", "크게 개발, 등록, 그리고 테스트 단계로 나뉘는데, 개발 단계에서는 화자 검증 모델을 훈련하고, 등록 단계에서는 훈련된 화자 검증모델을 이용하여 등록화자의 화자임베딩을 생성한다.", "마지막으로 테스트단계에서 는입력발화로부터 생성된 화자 임베딩과 등록 화자 임베딩 간의 유사도를 계산하며, 이를 통해 테스트 화자가 등록된 화자가 맞는지 판별한다.", "화자 검증은 크게 문장 종속화자 검증과 문장 독립 화자 검증으로 나뉜다.", "문장종속 화자 검증은 사용자가 발성을 할 때 사전에 정의된 고정된 문장만을 발성해야 하며, 문장 독립 화자검증에서는 이와 다르게 사용자가 자유롭게 발성할 수 있다.", "문장 독립 화자 검증은 음성적 변이성으로 인해 상대적으로 더 어려운 태스크이지만, 사용자의 편의성은 더 높다.", "전통적으로 i-vector/PLDA 기법이 문장 독립 화자 검증 태스크에 널리 사용되었다.", "</p><p>이 방식은 긴 등록/테스트 발화 (\\( \\) 보통 \\( 10 \\mathrm{~s} \\) 이상)에 대해서는 잘 동작하지만, 짧은 등록/테스트 발화(보봉 \\( 10 \\mathrm{~s} \\) 이하)에 대해서는 성능 하락을 보인다.", "딥러닝의 발전과 더불어 심층 화자 임베딩 방식이 도입되었으며, i-vector/PLDA 기법에 비해 짧은 등록/테스트 발화에 대해서 좋은 성능을 보이고 있다.", "심층 화자 임베딩방식은 화자 검증모델로부터 추출된 심층 화자 특징에 전역 풀링 기법을 적용하여 화자임베딩을 생성하 는방식이다.", "모델에는 TDNN, VGG, 그리고 ResNet과 같은 Convolutional NeuralNetwork(CNN)이 주로 이용된다.", "전역풀링기법으로는 Global Average Pooling(GAP), Self-Attentive Pooling(SAP), 그리고 Spatial Pyramid Encoding(SPE) 방식등이 이용된다.", "일반적으로 네트워크는 훈련 데이터셋의 모든 화자들을 분류하도록 훈련된다.", "이 때softmaxloss, angular softmax(A- Softmax) loss, 그리고 additive margin softmax loss 등의 비용 함수가 이용된다.", "</p><p>본 연구에서는 이러한 심층 화자 임베딩 방식을 발전시키기 위하여, 화자의 그룹 정보를 도입한 그룹기반 화자 임베딩을 새롭게 제안한다.", "심층 화자특징을 이용하여 각 화자 그룹을 대표하는 그룹 임베딩을 생성하며, 그룹 결정 네트워크를 통해 각 그룹에 대응하는 그룹 가중치를 생성한다.", "이 둘의 가중 합을 통해 그룹 정보를 취합하며, 이렇게 생성된 벡터를 심층 화자 임베딩에 더함으로써 최종적으로 그룹기반 화자 임베딩을 생성한다.", "이러한 방식을 통해 그룹 정보를 심층 화자 임베딩에 도입함으로써, 화자 임베딩이 나타낼 수 있는 전체 화자의 검색공간을 효과적으로 줄일 수 있다.", "따라서 그룹기반화자 임베딩은 고정된 길이의 벡터로도 많은 수의화자를 유연하게 표현할 수 있다.", "본 논문의 구성은 다음과 같다.", "Ⅱ장에서는 그룹기반 화자 임베딩을 학습하기 위한 전체적인 방식에 대해 설명하고, Ⅲ장에서는 제안한 기법을 이용한 실험 및 결과를 다루며, 마지막으로 Ⅵ장에서는 결론 및 향후 연구 계획을 서술한다</p> <h1>Ⅲ. 실험 및 결과</h1><h2>3.1 데이터 셋</h2><p>본 연구에서는 화자검증을 위한 대표적인 벤치마크 데이터셋 중 하나인 VoxCeleb1 데이터셋을 이용하였다.", "VoxCeleb1 데이터셋은 문장 독립 화자 검증을 위한 대규모의 데이터셋으로, 1250명의 화자가 발성하였다.", "데이터셋 내의 발화들은 유튜브 비디오로부터 추출된 것으로, 실생활 잡음에 의해 오염되었다.", "데이터셋은 development set과 test set으로 나뉘며, 두 세트 간에 겹치는 화자가 존재하지 않는다.", "</p><h2>3.2 실험 구성</h2><p>본 연구에서 사용되는 모든 심층 화자 임베딩 방식에서는 64차원의 log Mel-filterbank 특징 벡터를 입력으로 이용하였으며, 별도의 Voice Activity Detection(VAD)를 이용하지 않았다.", "모델의 훈련 단계에서는 랜덤으로 선택된 3초의 고정된 길이를 갖는 음성으로부터 추출된 특징 벡터열이 입력으로 이용되며, 등록 및 테스트 단계에서는 주어진 전체 음성이 입력으로 이용된다.", "</p><p>ResNet 기반 특징추출기의 구조 및 전체적인 훈련방식은 Reference과 동일하다.", "베이스라인모델은 Reference의 2D-Res34-Fbank64를 선택하였는데, 이는 34개 레이어의 ResNet 기반특징 추출기로 구성된다.", "그리고 GAP가 이용되며, 훈련 시 교차 엔트로피 비용 함수가 이용된다.", "화자 검증 태스크의 성능평가에는 동일 오류율(Equal Error Rate, EER)이 이용된다.", "</p><h2>3.3 결과</h2><p>먼저 본연구에서 제안하는 방식의 효용성을 보이기 위하여 ablation study를 수행하였다", "(Table 1).", "(a)는 설정된 그룹의 개수에 따른 성능 비교를 보여준다.", "베이스라인이 \\( 4.63 \\% \\)의 EER을 보이는데, 그룹 개수에 상관없이 제안하는 방식이 더 좋은 성능을 보인다는 것을 확인할 수 있다.", "그리고 그룹의 개수가 64개일때 가장 좋은 성능을 보이며, 오히려 128개로 증가했을 때는 성능이 감소한다는 것을 확인할 수 있다.", "(b)는 그룹결정네트워크(Group Decision Network,GDN)의 학습에 사용되는 비용함수에 따른 성능 비교를 보여준다.", "두 번째 줄의 “w/o Loss”는 그룹 결정네트워크에 별도의 비용함수 없이 \\( L_{cl} \\)만을 이용하여 훈련을 한 경우를 의미한다.", "즉, Eq.", "(4)에서 \\( \\lambda \\)가 0으로 설정된 상황이다.", "세번째 줄의 Naive는 Reference의 naive labeling을 의미하며, 네번째 줄의 SDL은 self-distributed labeling을 의미한다.", "SDL을 사용하였을 때 가장 좋은 성능을 보임을 확인할 수 있다.", "(c)의 Add.는 \\( \\bar{z} \\)를 구할 때 Eq.", "(2)에서와 같이 \\( z^{C} \\)와 \\( \\mathrm{z} \\) 합으로 구하는 경우를 뜻한다.", "Concat.은 \\( z^{G}\\) 와 \\(\\mathrm{z} \\)의 연결 (concatenation)을 틍해 \\( \\bar{z} \\)를 구하는 겅우를 나타내는데, 이를 사용하였을때보다 Add.를 사용했을때 더 좋은 성능을 보임을 확인할 수 있다.", "(d)는 그룹 결정 네트워크의 마지막 레이어의 activation 함수를 sigmoid로 설정한 경우와 softmax로 설정한 경우의 성능 비교를 보여준다.", "Sigmoid를 이용함으로써 각각의 그룹의 가중치가 0에서 1사이의 확률 값을 갖도록 할 때(즉,sum-to-one 제약조건이 없도록 할때) 더좋은 성능을 나타낸다는 것을 알 수 있다.", "</p><p>Table 2는 본 연구에서 제안한 방식과 다른 연구에서 제안된 방식들 간의 성능 비교를 보여준다.", "첫번째 줄은 전통적인 i-vector/ PLDA방식의 성능을 보여주며, 두번째 줄부터 네번째 줄까지는 다른 연구에서 제안된 심층 화자 임베딩 방식들의 성능을 보여준다.", "</p><p>이 경우, 괄호안의 첫번째 항은 훈련에 사용한 비용 함수를 나타내며, 두번째 항은 사용된 전역 풀링 기법을 나타낸다.", "예를 들어 Proposed(SM+GAP)는 제안한 방식에서 softmax 비용함수를 이용하며, GAP기반의 전역 풀링을 사용했음을 나타낸다.", "Proposed(SM+GAP)는 \\( 3.88 \\% \\)의 EER을 보이며, 이는 Reference에서 제안된 TDNN 기반의 방식을 제외한 나머지 방식들보다 더 좋은 성능을 보인다.", "Reference의 TDNN 기반 방식은 데이터 증강 기법이 적용되었으므로, 본 연구에서 제안한 방식보다 더 많은 훈련데이터를 이용하여 훈련된 것이다.", "그럼에도 불구하고 Proposed(SM+GAP)는 이와 비슷한 성능을 보인다.", "제안한 방식에서 A-Softmax 비용 함수를 이용한경우, \\( 3.70 \\% \\)의 EER을 달성하여 가장 높은 성능을 보임을 알 수 있다.", "A-Softmax 비용 함수는 화자 임베딩 벡터 사이의 각도에 마진을 둠으로써, 화자 임베딩 벡터 사이의 각도를 넓혀주는 역할을 한다.", "따라서 기존의 softmax 비용 함수를 이용할 때에 비해 화자 변별력이 증가하게 된다.", "</p>" ]

{ "doc_category": { "KDC": "530.2405", "DDC": "620.2" }, "doc_title": { "kor": "문장 독립 화자 검증을 위한 그룹기반 화자 임베딩", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-1b0a15b2-3463-455f-ada2-eb8e5d0fe249", "doc_number": { "ISSN": "1225-4428", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2021", "doc_author": [ "정영문", "엄영식", "이영현", "김회린" ], "doc_publisher": "한국음향학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅱ. 기존의 피치 검색 방법</h1><h2>2.1 CELP계열의 보코더에서의 피치 검색 개념</h2><p>보코더 부호화시에 수행되는 피치 검색과정은 음성신호의 자기 상관관계에 해당하는 피치 주기 정보를 얻는 과정이다.", "스펙트럼분석이 개회로 구조로 수행되어지는 것에 비해 피치분석은 폐회로 구조에 의해 수행되어 져야한다.", "즉, 피치 지연조건을 최적으로 만족하는 값을 반복적인 비교를 통해 결정하게 된다.", "피치 이득은 이때 얻어진 피치지연을 이용하여 상대적인 이득 값을 갖도록 양자화하게 된다.", "이러한 피치 검색과정은 코드북 검색과 함께 CELP 부호화기의 계산량에 크게 영향을 미치는 중요한 부분이다.", "</p><p>그림 1은 전형적인 피치검색 과정 중 한 과정만을 보여 주고 있다.", "피치검색은 합성에 의한 분석을 기초로 하고 피치 예측 필터를 위한 입력신호와 합성된 신호사이의 가중화된 에러를 최소로 하는 피치지연 값인 \\( L \\) 과 피치이득 값인 \\( b \\) 를 선택하는 과정이다.", "그림 1에서 ZIR(Zero Input Response)은 영(zero) 입력 응답이고 피치검색을 더욱 효과적으로 하기위해 가중여파기, \\( W(z) \\) 를 사용하는데 식(1)과 같다.", "</p><p>\\( W(z)=\\frac{A(z)}{A(z / \\alpha)} \\)<caption>(1)</caption></p><p>여기서 \\( A(z) \\) 는 포만트 예측 오차 필터이고 \\( \\alpha \\) 는 인지 가중화된 파라미터이다.", "피치 합성 필터는 다음 식(2)와 같이 나타낼 수 있다.", "</p><p>\\( \\frac{1}{P(z)}=\\frac{1}{1-b z^{-L}} \\)<caption>(2)</caption></p><p>가장 최적의 피치지연 \\( L \\) 과 피치 이득 \\( b \\) 를 구하는 과정은 식(3)의 MSE(Mean Square Error)를 최소화하는 \\( L \\) 과 \\( b \\) 을 구하는 것과 같다.", "</p><p>\\( \\begin{aligned} M S E &=\\frac{1}{L_{p}} \\sum_{n=0}^{L_{p}-1}\\left[x(n)-b y_{L}(n)\\right]^{2} \\\\ &=\\frac{1}{L_{p}}\\sum_{n=0}^{L_{p}-1}\\left[x(n)-b y_{L}(n-L)\\right]^{2} \\end{aligned} \\)<caption>(3)</caption></p><p>여기서 \\( L_{p} \\) 는 피치분석 프레임 길이이고 \\( x(n) \\)과 \\( y(n) \\)은 각각 입력신호와 인지 가중화된 합성 신호이다.", "이것은 식(4)의 최대값을 구하는 것과 같다.", "</p><p>\\( E_{L}=\\frac{\\left(E_{x y}\\right)^{2}}{E_{y y}} \\)<caption>(4)</caption></p><p>\\(\\begin{aligned} \\text { 여기서 } E_{x y} &=\\sum_{n=0}^{L_{p}-1} x(n) y_{L}(n), \\\\ E_{y y} &=\\sum_{n=0}^{L_{p}-1} y_{L}(n) y_{L}(n) \\text { 이다. } \\", "end{aligned} \\)</p><p>주어진 \\( L \\) 값에 대해 최적의 \\( b \\) 는 식(5)와 같이 구한다.", "이러한 과정은 각각의 모든 \\( L \\) 값에 대해 반복적으로 수행된다.", "</p><p>\\( b_{L}=\\frac{E_{x y}}{E_{y y}} \\)<caption>(5)</caption></p><p>QCELP의 피치검색 알고리즘을 자세히 살펴보면 \\(1/8\\)율의 패킷으로 부호화되는 프레임을 제외하고는 모든 보코더의 프레임은 동일한 길이의 피치 부프레임으로 재차 분할된다.", "즉 전송율 1 패킷에 대해서는 피치 프레임이 4개, 전송율 \\(1/2\\) 패킷에 대해서는 피치 프레임이 2개, 전송율 \\(1/4\\) 패킷에 대해서는 피치 프레임이 1 개가 있고 전송율 \\(1/8\\) 패킷에 대해서는 피치 프레임이 없다.", "피치 합성필터는 식(2)와 같고 피치지연은 7 비트로 표현되어 17 에서 143 까지의 범위를 갖는다. \\", "( L=16 \\) 은 \\( b=0 \\) 인 경우에 대해 사용한다.", "피치 이득 \\( b \\) 는 3 비트로 0 에서 2.0까지의 범위를 갖는다.", "각 부프레임에 대해 음성 부화화기는 피치지연 \\( L \\) 과 피치이득 \\( b \\) 를 결정하고 부호화하게 된다.", "</p><p>피치 파라미터를 선택하는데 적용되는 방법은 합성에 의한 분석법이며 부호화는 입력음성과 합성된 음성간의 가중된 오차를 최소화하는 파라미터를 선택하는 과정이다.", "합성된 음성은 LPC 필터에 의해 여파 된 피치 합성필터의 출력이다.", "피치합성은 입력으로 모두 영 값 요소로 구성된 코드북 벡터를 사용한다.", "피치지연 \\( L \\) 은 집합 \\( \\{17,18, \\ldots \\ldots ., 143\\} \\) 에서 선택되고 피치이득 \\( b \\) 는 집합 \\( \\{0,0.25,0.5, \\ldots, 2.0\\}(0 \\)과 2.0 사이를 0.25 간격으로 선형적으로 양자화)에서 선택한다.", "가중화 여파기는 식(1)과 같고 \\( \\alpha \\) 는 인지 가중화된 파라미터로 0.8 이다.", "가중화 필터에 적용된 LPC계수는 현 피치 부프레임에 대한 것과 같다.", "음성부호화기에 적용된 합성 필터는 식(6)과 같다.", "</p><p>\\( H(z)=\\frac{1}{A(z)} \\cdot W(z)=\\frac{1}{A(z / \\alpha)} \\)<caption>(6)</caption></p><p>여기서 인지가중화 필터가 뒤따르는 복호기 음성 합성필터이고 이를 가중화된 합성필터라 한다.", "</p> <h1>초 록</h1><p>보코더 에서의 피치 분석 과정은 매우 중요하다.", "일반적으로 먼저 신호의 주기성을 강조한 후 피치를 검색하는 방법을 주로 사용한다.", "프레임 내에서 두 개의 펄스 간격을 변화시켜가며 신호와의 상관관계를 구하는 것으로 상관관계 값이 가장 높을 때가 주기가 가장 두드러지는 반복 구간이므로 이때 의 펄스간격을 피치 주기로 찾는다.", "그러나 찾아진 주기가 반주기, 배주기 및 세배주기인 경우에는 이간격을 피치 주기라 할 수 없어 이를 해결하기 위한 여러 가지 방법들이 제안되어있다.", "또한 프레임 내에서의 신호의 진폭이 일정하지 않고 갑자기 변하는 구간이 있는 경우 정확하지 않는 피치가 얻어진다.", "이를 해결하기 위해 프레임을 여러 개의 서브프레임으로 다시 나누어 피치를 검색하는 방법을 사용하고 있는데 이 방법은 피치를 정확하게 검색할 수 있지만 계산량이 많아진다.", "본 논문에서는 위에 제시한 두가지 문제점을 개선하기 위한 알고리즘을 제안한다.", "첫째 반주기, 배주기 및 세배주기를 줄이기 위해 피치를 검색하기 전에 프레임 내의 전체 에너지변화 비율을 추정하여 신호의 에너지 레벨을 미리 보상해 준 후 피치를 검색하는 방법을 제안한다.", "둘째, 이렇게 구한 에너지 비율로 프레임 내의 진폭 변화율을 예측하여 서브프레임 수를 가변시키는 방법을 제안한다.", "이 방법들을 적용하면 합성 음질에는 영향을 주지 않는 상태에서 피치검색 시간을 단축할 수 있고, 피치 검색의 정확도를 높일 수 있어 전반적인 피치 검색에 관한 성능 개선이 된다.", "</p> <h1>Ⅲ. 제안한 알고리즘</h1><p>본 논문에서는 위에서 제시한 두 가지 문제점을 개선하기 위해 프레임 내의 에너지 비를 이용하는 두 가지 알고리즘을 제안한다.", "</p><p>먼저 피치를 검색하기 전에 프레임 앞부분의 평균 에너지인 \\( E_{1 a v} \\)과 뒷부분의 평균에너지인 \\( E_{2 a v} \\)의 평균에너지를 각각 구한다.", "식(9)에서처럼 프레임 앞 뒤에서 구한 에너지의 값을 이용하여 에너지비율인 \\( i \\)번째 프레임의 \\( b_{i} \\)값을 정한다.", "</p><p>\\( b_{i}=\\sqrt{\\frac{E_{1 \\alpha v}}{E_{2 a v}}} \\)<caption>(9)</caption></p><p>첫 번째 알고리즘에서는 식(9)에서 구한 \\( b \\)값을 필터 이득 값으로 정하여 그림 3과 같은 피치 이득을 구하기 위해 필요했던 반복적인 선 처리 과정을 생략한다.", "즉 그림 4 에서 나타낸 것처럼 피치주기를 검색하기 전에 \\( b \\)을 구하여 에너지 변화율 만큼을 미리 진폭에 보상하여 준 후 피치주기를 구한다.", "이 알고리즘은 필터 이득을 구하는 과정을 수행하지 않으므로 피치검색의 정확도는 그대로 유지한 상태로 검색시간을 단축할 수 있다.", "</p><p>보코더에서 정확한 피치 주기와 이득을 검색하기 위해 프레임을 여러 개의 서브프레임으로 좀 더 세세하게 나누어 처리하는 이유는 음성 신호 중에 급격한 변화 구간에서의 피치 검색의 정확도를 증가시키기 위함이다.", "그러나 그림 5 에서처럼 진폭의 변화가 일정한 음성 신호 구간에서는 피치 변화 또한 거의 없다는 것을 실험을 통해 알 수 있었다.", "즉, 파형의 변화가 갑자기 발생하는 전이구간에서는 피치 주기 또한 변화한다는 것을 알 수 있다.", "그림 5 는 진폭 변화가 거의 없는 음성 파형의 기본주파수를 보여 주고 있다.", "그림에서 알 수 있듯이 신호의 진폭 변화가 거의 없는 구간에서는 피치 변화도 거의 없음을 알 수 있다.", "</p><p>본 논문에서는 식(9)에서 구한 프레임내의 에너지 변화율을 이용하여 진폭 변화의 상태를 추정한 후에 서브프레임의 간격을 결정하는 방법을 제안한다.", "즉 \\( b_{i} \\) 값이 1에 가까우면 신호의 진폭 변화가 없는 경우 이므로 서브프레임 수를 줄인다.", "이 과정을 그림 6에서 설명하였다.", "피치를 검색하기 전에 먼저 프레임의 에너지 비를 구한 후 서브프레임의 수를 결정하는 과정을 보여주고 있다.", "</p><p>그림 6을 자세히 살펴보면 \\(i\\)번 째 프레임에서 에너지 비율 \\( \\left(b_{i}\\right) \\)를 구한 후 \\( b_{i} \\)값이 1값에 근사한 값이면 신호의 변화가 거의 없는 것이므로 서브프레임 수 \\( (k) \\)를 줄이고, 1 값에 근사한 값이 아닌 경우엔 서브프레임 수 \\( (k) \\)를 그대로 적용하여 서브프레임별 피치주기를 구하는 과정을 볼 수 있다.", "</p><p>이 방법은 기존의 피치 검색의 정확도를 높이기 위해 무조건 서브프레임 단위로 피치 검색하는 방법을 개선하여 서브프레임 수를 가변적으로 적용하여 피치 검출의 정확도는 그대로 유지하고 계산시간을 단축시켜 준다.", "이것은 앞서 설명한 진폭 변화가 없는 구간에서는 피치의 변화도 거의 없다는 음성 신호의 특징 때문에 가능하다.", "그 결과 피치검색 시간을 줄일 수 있고 이를 이용하여 다른 파라미터들을 추출하는데 시간을 더 할당할 수 있어 전체적인 보코더의 성능을 개선할 수 있으리라 기대된다.", "</p> <h1>Ⅰ. 서 론</h1><p>음성신호를 메모리에 저장하거나 전송하기 위한 음성 부호화법에는 크게 파형부호화법, 신호원부호화법, 혼성부호화법 등 세 가지로 나눌 수 있다.", "파형부호화법은 음성의 성분 분리 없이 파형 자체의 잉여 성분만을 제거한 후 부호화하여 전송하고 다시 합성하는 방식으로 고음질과 화자의 개성이 유지되는 반면 전송파형을 유지하기 위한 데이터 양이 많기 때문에 전송률이 높으며 대용량의 메모리가 필요하게 된다.", "이에 비해 신호원 부호화법은 음성의 발성모델에 근거하여 음성 신호의 여기 성분과 여파기 성분을 분석하여 각각을 독립적으로 분리시켜 부호화하는 방법을 사용하기 때문에 전송 대역폭이작고 메모리 사용량이 적다.", "그러나 분석 및 합성 시에 오차가 누적되어 명료성이 떨어진다는 단점을 갖고 있다.", "</p><p>혼성 부호화화법은 고음질의 화자의 개성을 유지시켜 주는 퐈형 부호화법과 메모리 효율성이 높은 신호원 부호화법을 결합시킨 방법이다.", "즉 포만트 정보는 선형 예측 부호화법으로 부호화하고 나머지 잔여 신호를 어떻게 부호화하느나에 따라 RELP, VELP, MPLPC, CELP법 등이 제안되어져 있다.", "</p><p>음성이 선형예측을 통해 얻어 질 수 있다는 가정으로 개발된 CELP(Code Excitation Linear Prediction)계열의 음성부화기들은 음성을 부호화하는 데 있어서 선형예측 계수와 여기신호로 이루어진다.", "일반적으로 선형 예측 계수는 LSP를 이용하여 부호화되며 여기신호는 몇 개의 코드북을 이용하여 부호화한다.", "CELP를 기반으로 발전한 부호화 기법으로는 ACELP, CS-CELP 등이 있다.", "또한 CELP계열의 압축 방식은 저 전송률에서에 좋은 통화 품질을 제공해 준다.", "</p><p>음성 부호화기술로 현재 거의 주로 사용되는 G.723.1, G.729, AMR, iLBC EVRC 등이 CELP 기반의 음성 부호화기이다.", "현재 ITU-T에서는 PCS, IMT-2000등에서 사용할 수 있는 8\\(\\mathrm{kbps}\\) 음성 부호화기에 대한 표준화 작업으로 1996년에 CS-CELP를 G.729로 인터폰 및 화상통신용 음성 부호화기로 ACELP/ML-MLQ의 5.3/6.3 \\(\\mathrm{kbps}\\) 이중 속도 부호화 방식을 G.723.1로 선정하였다.", "</p><p>앞에서 살펴 본 CELP보코더의 과정 중 피치를 검색하는 과정은 코드북 검색과 함께 매우 중요한 과정이다.", "CELP 부호화법에서는 피치필터를 적용하여 음성신호의 피치 주기 성분을 부호화하고 있다.", "이러한 피치필터에 주로 적용되고 있는 피치검색법은 피치지연에 따른 상관관계법이다.", "상관관계 피치검색법은 프레임 단위로 피치가 존재하는 모든 피치지연에 대해 원래음성과 합성된 음성의 상관관계를 검색하고, 최상의 상관관계를 갖는 피치필터의 피치지연과 이득을 결정하게 된다.", "또한 좀 더 정확한 계수 값들을 얻기 위해 서브프레임 단위로 수행하는데 이는 많은 피치 검색 시간을 필요로 한다.", "</p><p>본 논문에서는 프레임 별 에너지 비를 이용하여 이득을 미리 보상해 줌으로써 최적의 피치지연 값을 구하는 방법과 앞서 구한 에너지비로 신호의 진폭변화를 예측하여 각 프레임마다의 서브프레임 수를 달리하는 방법을 제안한다.", "이 방법들로 피치 검색의 전체적인 성능을 그대로 유지하면서 피치 검색 시간을 단축시켜 주고 피치 검색의 정확도를 높일 수 있다.", "또한 전송하고자하는 음성신호의 파라미터들을 코딩하는 데도 용이하게 해준다.", "먼저 2장에서 CELP 계열의 보코더에서의 피치 검색 알고리즘을 살펴보고 본 논문에서 제안하는 알고리즘을 3장에서 설명한다.", "4장과 5장에서는 실험 및 결과를 살펴보고 결론을 맺는다.", "</p> <h1>Ⅳ. 실 험</h1><p>본 논문에서 제안한 방법을 실험하기 위해 시뮬레이션 장비로는 워크스테이션 Z400을 사용하였고 음성 시료는 \\( 8 \\mathrm{kHz} \\) 로 샘플링 시켰으며 16 \\(\\mathrm{bit}\\) A\\D 컨버터로 디지털 신호로 변환된 20대 남/녀의 음성을 이용하였다.", "음성 시료로는 '아, 에, 이, 오, 우'를 약 0.5초 간격으로 발음하게 한 것과 약 3초에서 10 초 사이에 발음한 문장을 5개 사용하였다.", "프레임의 간격은 160 샘플로 정하였고 서브프레임 길이는 40 샘플로 하였다.", "식(9)의 값 즉, \\( i \\)번째 프레임의 이득인 \\( b_{i} \\)를 구하기 위해 프레임의 앞과 뒤 파형의 에너지 비를 구할 때는 각각의 프레임 시작과 끝부분으로 부터 일정 간격인 10\\(\\mathrm{msec}\\) 만큼의 에너지를 구하여 계산하였다.", "또한 제안한 알고리즘의 성능을 평가하기 위해 피치 검색 과정을 Visual C와 MatLab 프로그램으로 구현하여 기존의 QCELP 보코더에서의 피치 검출 방법과 본 논문에서 제안한 방법을 비교하였다.", "</p><p>그림 7은 QCELP 보코더에서 얻어진 합성음과 제안한 방법으로 얻어진 합성음의 파형을 나타낸 것이고 그림 8은 스펙트럼 형태로 각각을 비교하여 나타낸 것이다.", "두 개의 신호를 들고 비교했을 때 큰 차이를 느끼지 못할 정도로 음질이 비슷했다.", "이것을 증명하기 위해 MOS(Mean Opinion Score) 테스트를 사용하여 주관적 음질 평가를 수행하였는데 ITU P.81의 권고안을 준수한 MNRU Ver2.0을 사용하였다.", "테스트는 잡음이 거의 없는 환경에서 하였으며 음질을 1점에서 5점까지 5단계로 나누어 평가하게 하였다.", "평가에 응한 청취자는 다른 MOS테스트에 경험이 있는 연구원 12 명과 일반인 12 명이 실험에 참여하였다.", "실험 후 표 1에서처럼 5개의 음성 시료에 대한 평균값인 약 3.662 정도의 MOS 점수를 얻을 수 있었다.", "실험결과로 얻어진 수치로 알 수 있듯이 주관적 음질 평가의 경우 QCELP와 비교해서 제안한 방법에 의한 음질의 열화는 거의 없었다.", "</p><table border><caption>표 1. 주관적 음질 평가 결과</caption><tbody><tr><td></td><td>QCELP</td><td>제안한 알고리즘</td></tr><tr><td>시료 1</td><td>3.81</td><td>3.79</td></tr><tr><td>시료 2</td><td>3.60</td><td>3.54</td></tr><tr><td>시료 3</td><td>3.63</td><td>3.62</td></tr><tr><td>시료 4</td><td>3.68</td><td>3.68</td></tr><tr><td>시료 5</td><td>3.69</td><td>3.68</td></tr><tr><td>평균</td><td>3.682</td><td>3.662</td></tr></tbody></table><p>처리시간 측정은 수행시간 측정함수를 사용하였고 각각의 시료에 대해 QCELP 알고리즘과 제안한 알고리즘에 대한 처리시간을 측정하였다.", "또한 각 시료에 7번씩 수행한 다음 최대치와 최소치를 뺀 나머지 5개 값에 대해 평균을 측정하였다.", "실험 후 표 2 에서 나타낸 것처럼 QCELP에 비해 제안한 방법은 26.84\\(\\%\\)만큼의 처리 시간이 감소되었음을 알 수 있었다.", "여기서 음성 시료 1과 시료 2는 평균값에 비해 낮게 나타나고 시료 3, 시료 4 그리고 시료 5 는 높은 이유는 음성 시료 1 과 시료 2에 비해 시료 3, 시료 4 그리고 5의 피치의 변화가 적기 때문이다.", "앞으로 천이 영역에서의 피치변화에 대한 보상하는 방법을 찾아 검색 시간을 단축할 수 있는 알고리즘을 개발할 필요성이 있다.", "</p><table border><caption>표 2. 처리시간 결과 비교</caption><tbody><tr><td></td><td>QCELP (단위 \\(sec\\))</td><td>제안한 알고리즘 (단위 \\(sec\\))</td><td>감소율 (단위 \\(\\%\\))</td></tr><tr><td>시료 1</td><td>45.049</td><td>33.610</td><td>25.39</td></tr><tr><td>시료 2</td><td>49.378</td><td>36.668</td><td>25.74</td></tr><tr><td>시료 3</td><td>2.130</td><td>1.557</td><td>26.90</td></tr><tr><td>시료 4</td><td>6.960</td><td>4.975</td><td>28.52</td></tr><tr><td>시료 5</td><td>4.050</td><td>2.930</td><td>27.65</td></tr><tr><td>평균</td><td></td><td></td><td>26.84</td></tr></tbody></table> <h2>2.2 듀얼에 의한 피치 검색</h2><p>일반적으로 피치를 검색하기 전에 그림 2와 같이 신호의 주기성을 먼저 강조한 다음 그 신호에서 두드러진 반복 구간을 찾는 방법을 사용한다.", "</p><p>자기상관법에 속하는 듀얼(dual pulse) 기법은 두개의 임펄스 신호 쌍과 원래신호를 상관관계를 구하여 가장 두드러진 반복구간을 찾는다.", "그러므로 신호의 레벨은 중요하지 않고 간격이 중요하다.", "즉 이 방법은 한 프레임 내에서 식(7)과 같은 전달특성을 갖는 두 개의 펄스와 원래 음성신호와의 가장 높은 상관관계 값을 구하여 주된 주기를 찾는 방법이다.", "</p><p>\\( H(z)=1-b z^{-L} \\)<caption>(7)</caption></p><p>여기서 \\( b \\) 은 필터의 이득이며 \\( L \\) 은 두 펄스간의 간격이다.", "</p><p>\\( \\Phi_{i}=\\sum_{n=0}^{N-1} s(n) * b_{i} s\\left(n-L_{i}\\right) \\)<caption>(8)</caption></p><p>(단, \\( N \\) 은 프레임사이즈)</p><p>식(8)을 이용해서 프레임 내에서 샘플을 증가시켜가며 원래 신호와 두 펄스 간격만큼 지연된 신호 사이의 상관관계를 계산한다.", "여기서 \\( b_{i}, L_{i} \\) 는 각각 \\( i \\) 번째 프레임의 이득과 펄스 간격이다.", "이 식에서 얻어진 파형에서의 두드러진 피크와 피크 간격 중에 첫번째로 찾아지는 가장 큰 값을 피치 주기라 한다.", "그러나 이 경우에 찾아진 \\( L_{i} \\) 값이 반드시 피치라는 보장이 없다.", "이유는 이 간격이 피치 주기가 아닌 반주기, 배주기 밎 세배주기일 수 있다.", "</p><p>반주기나 배주기가 피치 주기로 찾아지는 것을 막기 위해 그림 3에서 나타냈듯이 처음에 \\( b \\) 을 1 로 놓고 \\( L_{i} \\) 값을 증가 시켜가며 원래 신호와 \\( H(z) \\) 의 상관관계를 구한다.", "이때 유사도가 높은 값들 사이의 비율을 \\( b \\) 값으로 한다.", "두 번째 단계로 이렇게 얻은 \\( b \\) 값을 다시 \\( H(z) \\) 에 대입하여 \\( L_{i} \\) 값을 증가 시켜가며 원래 신호와 \\( H(z) \\)의 상관관계를 구한다.", "이때 상관관계 값이 가장 높을 때의 \\( L_{i} \\)값을 피치 주기로 한다.", "이렇게 하면 반주기, 배주기 및 세배주기가 피치 주기로 찾아지는 것을 막는다.", "그러나 프레임 마다 이런 과정을 반복하다 보면 원하는 값을 얻기 위해서는 많은 계산 량이 필요하다는 것을 알 수 있다.", "또한 신호의 진폭 변화가 크게 없는 프레임에서는 정확한 계수를 얻을 수 있지만 갑작스런 신호의 변화가 있는 구간에서는 신뢰할 수 없는 피치를 얻는다.", "이러한 문제점을 해결하기 위해 분석구간을 더욱 짧게 할당하는 방법을 적용한다.", "즉, 프레임을 여러 개의 서브 프레임으로 세세하게 나누어 분석하는데 이 방법은 피치를 검색하는데 필요한 시간을 증가시킨다.", "</p> <h1>Ⅴ. 결 론</h1><p>음성신호처리 분야에서 피치를 검색하는 과정은 중요하다.", "자기상관함수 방법에 속하는 듀얼펄스 기법은 주기성을 강조한 후 피치를 검색하는 방법이다.", "한 프레임 내에서 두 개의 펄스 간격을 변경시키면서 상관관계 값을 구하여 주기가 가장 두드러지는 반복 구간을 찾아 피치를 검색한다.", "이때 반주기, 배주기 및 세배주기가 발생하는 경우에는 찾아진 간격을 피치라 할 수 없어 이를 해결하기위한 여러 가지 방법들이 제안되어있다.", "</p><p>본 논문에서는 먼저 피치를 검색하기 전에 프레임 내의 전체 에너지변화율을 추정하여 피치 검색 전에 신호의 에너지 레벨을 보상 하여 줌으로써 피치 이득을 구하기 위해 필요했던 반복적인 선 처리 과정을 생략하였다.", "두 번째로 에너지 변화율에 따라 프레임별 서브프레임의 개수를 조절하여 시간을 단축하는 방법을 제안하였다.", "실험 결과를 살펴보면 MOS 점수는 3.662로써 기존의 방법과 비교해 음질의 변화가 거의 없음을 알 수 있었고 프레임별 피치검색 시간은 26.84\\(\\%\\) 만큼 단축되었음을 알 수 있다.", "이결과 통화 품질은 그대로 유지되면서 음성신호처리 시간을 단축시킬 수 있음으로 전송하고자하는 음성신호의 파라미터들을 추출하고 코딩하는 데도 용이하게 해주어 전반적인 보코더 성능 개선에도 기여할 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "530.2405", "DDC": "620.2" }, "doc_title": { "kor": "보코더에서 피치검색 성능개선에 관한 연구", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-16c0f363-6adc-4b91-abe5-1ff461798d04", "doc_number": { "ISSN": "1225-4428", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "백금란", "배명진" ], "doc_publisher": "한국음향학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>V.", "실험 및 평가</h1> <p>본 논문에서는 국립수산과학원의 적조정보시스템으로 부터 가져온 통영지역의 2007년부터 2010년 4년 동안 발생한 coclodinium p. 적조경보 및 주의보의 자료를 이용하여 제안방법의 성능을 평가하였다.", "또한 같은 년도 및 적조발생 해역의 해양 환경자로를 해양수산연구 정보포털의 연안정지 관측정보로부터 획득한 수온정보를 이용하있으며, 기상청 관측 자료로부터 수집한 기온정보와 강수정보도 이용하였다.", "다음 표 5 는 실험에 사용한 입력자료의 속성표이다.", "</p> <table border><caption>표5. 적조 발생 및 해양환경 속성표</caption> <tbody><tr><td>구분</td><td>적조발생수</td><td>수온/기온 일수</td><td>강수 횟수</td></tr><tr><td>2007</td><td>17</td><td>33</td><td>14</td></tr><tr><td>2008</td><td>23</td><td>47</td><td>10</td></tr><tr><td>2009</td><td>4</td><td>23</td><td>5</td></tr><tr><td>2010</td><td>11</td><td>51</td><td>14</td></tr></tbody></table> <p>표 6은 통영지역에서 4년간 발생한 적조 coclodinium p.에 데한 적조발생 예측의 정확률 평가 결과이다.", "본 논문에서의 정확율은 이원분류의 평가에 많이 사용하는 미시평균 정확율(mocroaveraged precision) 을 사용하였나.", "여기서 SVM는 SVM을 나타내고, GRNN 회귀 신경망,DT는 의사결정트리를 나타낸다.", "평가결과를 DT 평균 정확률이 GRNN에 비해서 \\( 9.1 \\% \\) 이고 SVM에 비해서는 \\( 3.64 \\% \\) 가 더 높다.", "</p> <p>다음 그림 3은 제안 방법의 비교 결과이다.", "그림3에서 DT 는 의사결정트리이고, BST는 AdaBoost 앙상블 학습방법이며, BAG은 의사결정트리를 기본 분류기로 사용한 bagging 앙상블 학습방법이다.", "각각의 방법의 정확률은 DT가 0.9455, BST가 0.9273, BAG가 0.9635이다.", "그림 3에서 보는 것과 같이 AdaBoost 앙상블 학습방법인 BST가 단일 분류기인 의사결정트리 DT보다 더 낮은 성능을 보이고 있다.", "이는 적조발생 예측의 자료특성이 의사결정트리를 이용한 분류기에 더욱 적합한 것으로 보인다.", "또한 의사결정트리를 기본 분류기로 bagging 앙상블의 정확률이 가장 높은 값을 갖는 것은 의사결정트리에 의한 앙상블 학습이 적조발생 에측의 성능을 향상 시키는 것을 알 수 있다.", "</p> <h1>III.", "제안방법</h1> <p>저자들의 이전 연구에서는 신경망, SVM, 나이브베이스, 퍼지 등의 분류기를 이용하여서 적조발생을 예측하였다.", "본 논문에서는 이전 적조발생 예측 방법의 성능을 향상시키기 위하여 앙상블 학습을 이용한 방법을 이용한다.", "</p> <p>본 논문에서 제안한 적조 발생 예측 과정은 그림1과 같이 전처리, 분류기 생성 단계로 구성된다.", "전처리 단계에서는 과거 적조발생시의 해양환경자료를 학습에 의한 분류기 생성과 평가에 적합한 자료로 가공한다.", "분류기 단계에서는 학습 자료와 앙상블 학습을 이용하여서 분류기를 생성하고, 생성된 분류기와 입력 자료를 이용해서 적조의 발생을 예측한다.", "본 논문에서는 앙상블 학습에 가장 많이 사용되는 의사결정트리를 기본 분류기로 사용하는 bagging과 AdaBoost 부스팅 방법을 이용한다.", "</p> <h2>3.1 전처리</h2> <p>그림 1의 전처리 단계에서는 분류기 생성을 위한 학습 자료와 적조 예측을 위한 입력 자료를 가공한다.", "분류기 생성을 위한 학습 자료는 2002년부터 2007년까지 6년간의 통영지역에서 발생한 적조생물인 coclodinium p.의 발생자료 및 이 지역의 수온, 기온, 강수랑을 이용한다.", "적조 예측을 위한 평가 자료로는 2007년부터 2010년까지 4년간의 같은 통영 지역의 수온, 기온, 강수랑을 이용하였으며, 분류기의 예측 정보를 평가하기 위하여 같은 기간 동안의 적조 발생자료를 이용하여 가공하였다.", "이 중에서 적조발생정보는 국립수산과학원의 적조정보시스템으로 부터, 수온정보는 해양수산연구 정보포털의 연안정지 관측정보로부터, 기온 및 강수량은 기상청 관측, 자료로부터 수집하였다.", "</p> <p>표 1은 학습자료 중 적조가 적게 발생한 2005년도의 적조 생물밀도이다.", "표2는 표1의 적조가 발생하기 전의 10일간의 수온,기온, 강수량 정보이다.", "표3은 적조 발생 건수, 적조 발생 전 수온 및 기온의 일수, 강수 횟수를 나타낸다.", "</p> <p>학습 자료와 입력 자료를 위한 전처리로 수온 및 기온은 식(2)과 같이 적조발생 전 10일간의 평균값을 계산한다.", "또한 강수량은 식(3)과 같이 적조발생 전 10일간의 총 강수랑을 계산한다.", "식(2)과 식(3)에 의한 10일 평균수온, 10일평균기온, 10일총강수량은 학습 자료의학습과 입력 자표의 분류예측을 위해 사용되고, 표 1의 생물밀도는 학습 자료의 분류학습과 입력 자료의 분류예측 평가에 사용된다.", "분류기에 사용되는 출력함수는 \\( -1 \\)과 \\( 1 \\)을 출력하기 때문에 최종적으로 표 1의 생물밀도 \\( -1 \\) 과 1로 변화시킨다.", "즉, 생물밀도가 1보다 큰 값을 가지면 적조가 발생하는 것으로 여기고 1로, 생물밀도가 1보다 작은 값을 가지면 적조가 발생하지 않는 것으로 여기고 \\( -1 \\) 로 변화시킨다.", "표 4의 수온 10일 평균, 기온 10일 평균, 강수량 10일 총량, 생물밀도 등이 분류기 생성을 위한 학습 자료와 적조발생 예측과 평가를 위한 입력 자표의 변수를 정의한 것이다.", "</p> <p>10일평균수온/기온 \\( =\\frac{\\sum_{i=1}^{N} D_{N-i}}{N} \\)<caption>(2)</caption></p> <p>10일총강수량 \\( =\\sum_{i=1}^{N} D_{N-i} \\)<caption>(3)</caption></p> <p>여기서 \\( N \\) 은 총 전처리 일수를 나타내고, 학습자료 변수를 구분하기 위하여서 \\( D^{W} \\) 는 수온, \\( D^{T} \\) 는 기온, \\( D^{R} \\)은 강수량, \\( D^{R T} \\) 는 적조생물밀도를 각각 나타낸다.", "</p> <table border><caption>표1. 2005년도 coclodinium p. 생물 밀도</caption> <tbody><tr><td>일자</td><td>생물밀도</td><td>적조율</td></tr><tr><td>2005-07-29</td><td>640</td><td>0.64</td></tr><tr><td>2005-07-30</td><td>300</td><td>0.30</td></tr><tr><td>2005-08-04</td><td>6500</td><td>6.30</td></tr><tr><td>2005-09-08</td><td>5500</td><td>5.50</td></tr><tr><td>2005-09-11</td><td>1200</td><td>1,20</td></tr></tbody><table border><caption>표 2. 적조 발생 전 10일간 해양환경</caption> <tbody><tr><td rowspan=2>월</td><td rowspan=2 colspan=2>일</td><td colspan=4>수온</td><td colspan=2>기온</td><td colspan=3>강수량</td></tr><tr><td>\\( \\mathrm{C}^{\\circ} \\)</td><td colspan=3>10일 평균<td>\\( \\mathrm{C}^{\\circ} \\)</td><td>10일 평균</td><td>량</td><td>10일 평균</td><td>횟수</td></tr><tr><td rowspan=13>7</td><td colspan=2>19</td><td>25.7</td><td colspan=3></td><td>31.1</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>20</td><td>26</td><td colspan=3></td><td>29.4</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>21</td><td>25.4</td><td colspan=3></td><td>26.8</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>22</td><td>24.3</td><td colspan=3></td><td>29.6</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>23</td><td>25.5</td><td colspan=3></td><td>29</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>24</td><td>26.8</td><td colspan=3></td><td>30.4</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>25</td><td>27.2</td><td colspan=3></td><td>30.7</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>26</td><td>27.5</td><td colspan=3></td><td>29.4</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>27</td><td>26.3</td><td colspan=3></td><td>28.8</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>28</td><td>26.5</td><td colspan=3></td><td>27.6</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>29(적)</td><td>26.4</td><td colspan=3>26.1</td><td>28.2</td><td>29.3</td><td>5.5</td><td>0</td><td>0</td></tr><tr><td colspan=2>30(적)</td><td>25.5</td><td colspan=3>26.2</td><td>26.5</td><td>28.9</td><td></td><td>5.5</td><td>1</td></tr><tr><td colspan=2>31</td><td>26</td><td colspan=3></td><td>27</td><td></td><td></td><td></td><td></td></tr><tr><td rowspan=7>8</td><td colspan=2>1</td><td>24.6</td><td colspan=3></td><td>27.6</td><td></td><td>4</td><td></td><td></td></tr><tr><td colspan=2>2</td><td>23.5</td><td colspan=3></td><td>26.5</td><td></td><td>49.5</td><td></td><td></td></tr><tr><td colspan=2>3</td><td>25.8</td><td colspan=3></td><td>28.1</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>4(적)</td><td>27.5</td><td colspan=3>25.9</td><td>30</td><td>28.2</td><td></td><td>59</td><td>3</td></tr><tr><td colspan=2>29</td><td>26</td><td colspan=3></td><td>28.1</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>30</td><td>26.5</td><td colspan=3></td><td>26</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>31</td><td>25</td><td colspan=3></td><td>29.9</td><td></td><td></td><td></td><td></td></tr><tr><td rowspan=11>9</td><td colspan=2>1</td><td>26.8</td><td colspan=3></td><td>29.4</td><td></td><td>4.5</td><td></td><td></td></tr><tr><td colspan=2>2</td><td>28.5</td><td colspan=3></td><td>30.2</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>3</td><td>27.6</td><td colspan=3></td><td>28.7</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>4</td><td>24.8</td><td colspan=3></td><td>25.4</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>5</td><td>25.5</td><td colspan=3></td><td>24.1</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>6</td><td>24.7</td><td colspan=3></td><td>23.2</td><td></td><td>50.5</td><td></td><td></td></tr><tr><td colspan=2>7</td><td>25.7</td><td colspan=3></td><td>29</td><td></td><td></td><td></td><td></td></tr><tr><td colspan=2>8(적)</td><td>25.2</td><td colspan=3>26.1</td><td>27.8</td><td>27.4</td><td></td><td>55</td><td>2</td></tr><tr><td colspan=2>9</td><td>25</td><td colspan=3></td><td>24.9</td><td></td><td>84.5</td><td></td><td></td></tr><tr><td colspan=2>10</td><td>26.2</td><td colspan=3></td><td>27.9</td><td></td><td>0.5</td><td></td><td></td></tr><tr><td colspan=2>11(적)</td><td>25.8</td><td colspan=3>26</td><td>26.1</td><td>27.1</td><td>0.1</td><td>140</td><td>4</td></tr></tbody><table border><caption>표 3. 적조 발생 및 해양환경 통계자료</caption> <tbody><tr><td>구분</td><td>적조발생수</td><td>수온/기온 일수</td><td>강수 횟수</td></tr><tr><td>2002</td><td>27</td><td>41</td><td>16</td></tr><tr><td>2003</td><td>23</td><td>35</td><td>10</td></tr><tr><td>2004</td><td>21</td><td>33</td><td>9</td></tr><tr><td>2005</td><td>5</td><td>31</td><td>8</td></tr><tr><td>2006</td><td>3</td><td>13</td><td>5</td></tr><tr><td>2007</td><td>17</td><td>33</td><td>17</td></tr></tbody></table> <table border><caption>표4. 학습자료 변수의 사례 정의</caption> <tbody><tr><td>변수</td><td>단위</td><td>일</td></tr><tr><td>수온</td><td>\\( \\mathrm{C}^{\\circ} \\)</td><td>\\( D_{1}^{\\mathrm{W}}, D_{2}^{\\mathrm{W}}, D_{3}^{\\mathrm{W}}, \\ldots, D_{N-1}^{\\mathrm{W}}, D_{N}^{\\mathrm{W}} \\)</td></tr><tr><td>기온</td><td>\\( \\mathrm{C}^{\\circ} \\)</td><td>\\( D_{1}^{T}, D_{2}^{T}, D_{3}^{T}, \\ldots, D_{N-1}^{T}, D_{N}^{T} \\)</td></tr><tr><td>강수</td><td>량</td><td>\\( D_{1}^{R}, D_{2}^{R}, D_{3}^{R}, \\ldots, D_{N-1}^{R}, D_{N}^{R} \\)</td></tr><tr><td>생물밀도</td><td>개체수</td><td>\\( D_{N}^{R T} \\)</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "앙상블 학습을 이용한 적조 발생 예측의 성능향상", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0df26489-1423-44d4-883a-a264eff5cee3", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2012", "doc_author": [ "박선", "정민아", "이성로" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>VI.", "결 론</h1><p>본 논문에서는 집적 영상을 효율적으로 압축하기 위한 3D-DCT 기반의 압축 방법을 제안하였다.", "제안한 방법은 집적 영상이 촬영 물체나 촬영 방법에 따라 다양한 특성을 가지는 특성을 바탕으로, 적응적으로 3D-DCT 블록을 구성하는 방법과 각 3D-DCT 블록별로 가변 블록 크기 3D-DCT를 수행하는 방법이다.", "제안 방법은 영상 특성에 따라 최적의 3D-DCT를 수행하기 때문에 기존의 방법보다 뛰어난 성능을 보여준다.", "제안 방법은 기존의 3D-DCT 방법과 비교해서 각 영상별로 동일 비트량에서 약 \\( 1 \\mathrm{~dB} \\)에서 \\( 2 \\mathrm{~dB} \\)의 PSNR 향상 효과를 보여주었다.", "</p><p>본 논문에서 제안된 방법은 여러 가지 블록 모드를 정의하고 그 중 최적의 모드를 선택하는 과정을 수행하므로 이에 따른 계산량의 증가를 초래한다.", "블록 모드의 개수가 증가할수록 계산량의 그 개수에 정비례하여 증가하므로 이의 개선을 위한 연구가 추가적으로 필요하다.", "또한 보다 효율적인 오버헤드 비트 부호화를 통해 추가적인 압축 효율 향상을 기대할 수 있다.", "</p> <h1>요 약</h1><p>본 논문에서는 집적 영상을 효율적으로 압축하는 방법을 제안한다.", "집적 영상은 3차원 영상을 기록하고 표현하는 대표적인 기술이다.", "제안된 방법은 3D 이산 코사인 변환(3D-DCT)를 기반으로 하고 있다.", "집적 영상 부호화에서 3D-DCT는 인접요소 영상간의 중복성을 줄이는 효율적인 압축 방법으로 알려져 있다.", "제안방법은 3D-DCT에 기반 하면서 적응적인 블록 모드를 이용한 효과적인 집적영상 압축 방법으로서, 영상의 특성에 따라 적응적으로 3D-DCT 블록을 구성함으로써 가변블록 크기 3D-DCT 블록을 생성하고, 이 가변블록 크기의 3D 블록에 대해 3D-DCT를 수행한다.", "실험 결과를 보면 제안방법이 기존 방법과 비교해서 더욱 높은 압축 효율을 보여주었다.", "특히 영상이 복잡하여 많은 비트량이 발생하는 영상이오버헤드 비트의 영향이 적기 때문에 더 좋은 압축 효율을 보여주었다.", "</p> <h1>III.", "3D-DCT를 이용한 기존 집적영상 압축 방법</h1><h2>1. 3D-DCT (Discrete Cosine Transform)</h2><p>DCT 는 신호의 에너지를 저주파 대역에 모으는데 유용한 도구로서 2D-DCT의 경우 JPEG, MPEG, H.264 등의 많은 표준 영상 부호화 방법에서 널리 사용되고 있다.", "3D-DCT는 공간적인 2 차원 DCT 블록을 여러 개 모아 시간축을 포함한 3차원 DCT 블록을 만들어 3D-DCT 를 수행하는 방법이다. \\", "( N_{x} \\times N_{y} \\) 블록에 대한 2D-DCT 표현식에 시간축 \\( N_{z} \\) 를 추가하여, \\( N_{x} \\times N_{y} \\times N_{z} \\) 입체 블록에 대한 3D-DCT와 3D-IDCT 의 표현식을 다음의 식 (1)과 (2)처럼 정의할 수 있다.", "<p>-3D-DCT: \\( S(w, v, u)= \\)\\( a_{3 D}(w, v, u) \\)\\( \\sum_{z=0}^{N_{z}-1} \\)\\( \\sum_{y=0}^{N_{y}-1} \\)\\( \\sum_{x=0}^{N_{x}-1} \\)\\( s(z, y, x) \\)\\( \\bullet \\) \\( \\cos \\left(t_{1}\\right) \\cos \\left(t_{2}\\right) \\cos \\left(t_{3}\\right) \\)<caption>(1)</caption></p><p>-3D-IDCT: \\( s(z, y, x)\\)\\( =\\sum_{w=0}^{N_{z}-1} \\)\\( \\sum_{v=0}^{N_{y}-1} \\)\\( \\sum_{u=0}^{N_{x}-1} \\)\\( a_{3 D}(w, v, u) S(z, y, x) \\)\\( \\bullet \\) \\( \\cos \\left(t_{1}\\right) \\cos \\left(t_{2}\\right) \\cos \\left(t_{3}\\right) \\)<caption>(2)</caption></p><p>where \\[ \\begin{array}{c} t_{1}=\\frac{(2 x+1) u \\pi}{2 N_{x}}, t_{2}=\\frac{(2 y+1) v \\pi}{2 N_{y}}, t_{3}=\\frac{(2 z+1) w \\pi}{2 N_{z}}, \\\\ a_{3 D}(w, v, u)=\\sqrt{\\frac{2}{N_{z}} \\frac{2}{N_{y}} \\frac{2}{N_{x}}} C(w) C(v) C(u), \\end{array} \\]<p>\\( C(k)=\\left\\{\\begin{array}{cl}\\frac{1}{\\sqrt{2}}, & k=0 \\\\ 1 & \\text { otherwise }\\end{array}\\right. \\)", "</p><p>\\( s(z, y, x) \\) : 픽셀 데이터</p><p>\\( S(w, v, u)\\) : DCT 계수</p><p>\\( w, v, u \\) : 시간과 수평 /수직 주파수 변환 영역에 대한 인덱스</p><p>3D-DCT 는 그림 3 과 같이 저주파 대역으로 에너지를 모음으로써 효율적인 압축을 얻어낼 수 있다.", "</p><h2>2. 집적 영상에서의 3D-DCT</h2><p>앞에서 언급한 바와 같이 집적 영상에서는 각 요소영상 간 상관도가 높으므로 그림 4에 나타난 바와 같이 인접한 요소 영상들을 모아서 3D-DCT를 수행한다면 저주파 대역에 높은 에너지 집중 효과를 얻을 수 있다.", "</p><p>참고문헌 에서 3D-DCT를 이용한 두 가지의 집적영상 압축 방법을 제안하고 있다.", "그 두 가지 방법은 그림 4와 같다.", "즉 첫 번째 방법은 가로방향의 8개의 요소 영상들을 모아서 \\( 8 \\times 8 \\times 8 \\) 3D-DCT 블록을 구성하여3D-DCT 압축을 수행한 것이다(3D-DCT1).", "두 번째 방법은 가로로 4개의 요소 영상과 바로 아래쪽 4개의 요소 영상을 모아서 \\( 8 \\times 8 \\times 8 \\) 3D-DCT 블록을 구성하여 3D-DCT 압축을 수행한 것이다(3D-DCT2).", "두 가지 방법 모두 JPEG 기반의 방법에 비해 좋은 성능을 보여주었다.", "본 논문에서 제안한 방법 역시 이 두 가지 방법과 비교를 통하여 성능을 평가하였다.", "</p> <h1>II.", "집적 영상(Integral Image)</h1><h2>1. 집적 영상의 촬영 방법</h2><p>집적영상(integral image)은 3D 영상을 기록하고나 출력하는 기술 중의 하나로 한 개의 오브젝트를 다른시점을 가지는 여러 개의 요소 영상(elemental image)으로 구성된 영상이다.", "집적 영상을 이용하여 각 요소영상의 시점 차이 등의 데이터들을 이용하여 3차원 입체 영상으로 만들 수 있다.", "집적영상은 그림 1과 같이 렌즈 어레이를 이용하여 촬영된다.", "그림 1과 같이 촬영된 영상은 각각의 요소 영상이 한 물체에 대하여 다른시점의 영상을 가지며, 인접 요소 영상간의 상관도가 매우 높게 나타나게 된다.", "</p><h2>2. 집적 영상의 특징</h2><p>그림 2를 통해서 실제로 촬영된 집적 영상이 어떤 모습을 가지는지 확인할 수 있다.", "집적 영상은 각 요소 영상이 약간의 시차를 가지는 유사한 영상들의 모임임을 확인할 수 있다.", "따라서 인접한 각 요소 영상 간의 상관도가 매우 높기 때문에 각 인접 영상간의 공간적 중복성을 제거하여 압축할 수 있는 여러 가지 압축 알고리즘을 적용할 수 있다.", "대표적으로 요소 영상을 여러 가지 방법으로 나열하여, 동영상 압축 알고리즘을 적용하는 방법이나, 3D-DCT를 이용하는 방법 등이 있다.", "</p> <h1>V.", "실 험</h1><h2>1. 실험 영상</h2><p>실험에는 그림 9에서 나타나 있는 바나나와 사과를 \\(32 \\times 32\\) 렌즈어레이를 이용하여 촬영한 집적 영상과 컵을 \\(32 \\times 32\\) 렌즈어레이를 이용하여 촬영한 집적 영상 그리고 바나나를 근거리에서 \\(32 \\times 32\\) 렌즈어레이를 이용하여 촬영한 영상을 사용하였으며, 전체 영상의 크기는 \\(1024 \\times 1024\\) 픽셀 크기이다.", "</p><h2>2. 실험 결과</h2><p>앞에서 살펴본 세 가지의 집적 영상을 기존의 3D-DCT를 이용한 두 가지의 방법과 제안 방법을 실험을 통하여 그 성능을 비교하였다.", "실험의 결과는 BD-BR과 BD-PSNR을 이용하여 평가하였다.", "BD-BR과 BD-PSNR은 4가지의 QP로 이루어진 실험을 동일한 비트율이나 동일한 PSNR을 기준으로 상대적인 성능을 나타내는 평가 방법이다.", "</p><p>먼저, 표 1을 통해서 3D-DCT블록 크기별 부호화 효율을 살펴볼 수 있다.", "영상 1과 영상 2에서 모두 작은 크기의 블록 모드가 큰 크기의 블록 모드 보다 부호화효율이 좋았다.", "앞에서 말했던 것처럼 복잡한 영상에서는 작은 크기의 블록보드가 더 효율적이기 때문이다.", "이와 반대로 영상 3을 살펴보면 큰 크기의 블록모드가 부호화 효율이 더 좋았다.", "영상 3의 경우 배경 부분만을 가지는 블록이 많고 단순한 블록이 비교적 많이 때문이다.", "</p><table border><caption>표 1. 블록 크기별 부호화 성능 비교</caption><tbody><tr><td rowspan=2>sequence</td><td rowspan=2>Quant size</td><td colspan=2>\\(4 \\times 4 \\times 16\\)</td><td colspan=2>\\(8 \\times 4 \\times 16\\)</td><td colspan=2>\\(4 \\times 8 \\times 16\\)</td><td colspan=2>\\(8 \\times 8 \\times 16\\)</td><td colspan=2>가변블록</td></tr><tr><td>Total \\(\\mathrm{Bits}\\)</td><td>PSNR</td><td>Total \\(\\mathrm{Bits}\\)</td><td>PSNR</td><td>Total \\(\\mathrm{Bits}\\)</td><td>PSNR</td><td>Total \\(\\mathrm{Bits}\\)</td><td>PSNR</td><td>Total \\(\\mathrm{Bits}\\)</td><td>PSNR</td></tr><tr><td rowspan=4>영상 1</td><td>16.0</td><td>1869048</td><td>37.48</td><td>1965130</td><td>37.32</td><td>2007242</td><td>37.25</td><td>2093690</td><td>37.10</td><td>1880794</td><td>37.62</td></tr><tr><td>32.0</td><td>1260616</td><td>31.87</td><td>1320028</td><td>31.58</td><td>1346138</td><td>31.52</td><td>1399784</td><td>31.33</td><td>1259488</td><td>31.98</td></tr><tr><td>48.0</td><td>949122</td><td>28.69</td><td>981710</td><td>28.37</td><td>1002384</td><td>28.32</td><td>1032910</td><td>28.09</td><td>943034</td><td>28.81</td></tr><tr><td>64.0</td><td>745036</td><td>26.57</td><td>757698</td><td>26.25</td><td>775762</td><td>26.21</td><td>788932</td><td>25.99</td><td>735288</td><td>26.69</td></tr><tr><td rowspan=4>영상 2</td><td>16.0</td><td>1701732</td><td>38.95</td><td>1813518</td><td>38.62</td><td>1850854</td><td>38.56</td><td>1962958</td><td>38.24</td><td>1693742</td><td>39.12</td></tr><tr><td>32.0</td><td>1196212</td><td>33.21</td><td>1255738</td><td>32.87</td><td>1278116</td><td>32.79</td><td>1334062</td><td>32.49</td><td>1188950</td><td>33.37</td></tr><tr><td>48.0</td><td>935852</td><td>29.88</td><td>964200</td><td>29.58</td><td>984402</td><td>29.55</td><td>1013424</td><td>29.30</td><td>926114</td><td>30.07</td></tr><tr><td>64.0</td><td>760212</td><td>27.63</td><td>775742</td><td>27.40</td><td>794460</td><td>27.37</td><td>808136</td><td>27.15</td><td>751320</td><td>27.84</td></tr><tr><td rowspan=4>영상 3</td><td>16.0</td><td>1309936</td><td>38.97</td><td>1300186</td><td>39.15</td><td>1298212</td><td>39.16</td><td>1279894</td><td>39.36</td><td>1243034</td><td>39.55</td></tr><tr><td>32.0</td><td>836604</td><td>33.43</td><td>848670</td><td>33.54</td><td>848362</td><td>33.55</td><td>852884</td><td>33.69</td><td>815182</td><td>33.93</td></tr><tr><td>48.0</td><td>603800</td><td>30.57</td><td>620734</td><td>30.57</td><td>623752</td><td>30.59</td><td>636280</td><td>30.64</td><td>593596</td><td>30.97</td></tr><tr><td>64.0</td><td>465522</td><td>28.79</td><td>481744</td><td>28.68</td><td>487514</td><td>28.71</td><td>499054</td><td>28.67</td><td>459554</td><td>29.11</td></tr></tbody></table><p>실험 영상을 자세히 살펴보면 각 블록별로 배경 부분을 가지고 있는 블록도 있고, 복잡한 물체를 포함하고있는 블록도 있다.", "따라서 영상별로 가변 블록 크기로부호화 할 경우 각 블록 그룹별로 부호화 모드를 살펴보면, 영상 1의 경우 총 1024개의 블록 그룹 중에 약 400개가 \\(4 \\times 4 \\times 16\\)블록 모드로 부호화 되었으며, \\(8 \\times 4 \\times 16\\)블록 모드와 \\(4 \\times 8 \\times 16\\)블록 모드가 각각 약 150개 \\(8 \\times 8 \\times 16\\)블록 모드가 약 300개로 비교적 고른 모드 분포를 보여주고 있다.", "영상 3의 경우 총 1024개의 블록 그룹 중에약 150개가 \\(4 \\times 4 \\times 16\\)블록 모드로 부호화 되었으며, \\(8 \\times 4 \\times 16\\)블록 모드와 \\(4 \\times 8 \\times 16\\)블록 모드가 각각 약 120개 \\(8 \\times 8 \\times 16\\)블록 모드가 약 600개로 큰 블록 크기 모드가 많이 선택되었다.", "앞에서 살펴본 바와 같이 영상 3에서 배경 부분만을 가지는 블록으로 인해 큰 크기의 블록모드가 효율적이기 때문이다.", "</p><p>그렇기 때문에 표 1의 결과처럼 각 블록 특성에 따라서 다른 크기의 블록 모드로 적응적으로 부호화 한다면 더 좋은 부호화 효율을 보인다.", "하지만 이러한 가변 블록 크기 모드의 경우 모든 크기의 블록으로 부호화를 수행 한 후에 가장 성능이 좋은 블록 모드를 선택하기 때문에 한 개의 블록 모드만으로 부호화 하는 것에 비해 부호화 시간이 매우 오래 걸린다.", "</p><p>여기에 적응적 스캔모드를 추가한 제안 방법이 참고문헌 에서 제안한 3D-DCT 1과 3D-DCT 2에 비해 PSNR과 비트율 측면에서 뛰어난 성능을 보이고 있다.", "즉, 각 그룹별로 적응적으로 3D-DCT 블록을 구성하고, 각 3D-DCT 블록 별로 가변 블록 크기를 통해 변환을 수행한 것이 변환 효율이 향상되기 때문에 보다 우수한 부호화 성능을 보인 것으로 판단된다.", "영상 1의 경우 제안 방법이 3-DCT1와 3D-DCT2와 비교해 동일 비트량에서 \\( 1.2 \\mathrm{~dB} \\)의 PSNR 향상을 보여주었다.", "영상 2의 경우에는 3D-DCT1에 비해 \\( 2.21 \\mathrm{~dB} \\), 3D-DCT2에 비해 \\( 1.35 \\mathrm{~dB} \\)의 PSNR 향상을 보여주었으며, 영상 3에서 3D-DCT1에 비해 \\( 1.37 \\mathrm{~dB} \\), 3D-DCT2에 비해 \\( 0.11 \\mathrm{~dB} \\)의 PSNR 향상을 보여주었다.", "그림 10은 실험결과를 그래프로 나타낸 것이다.", "</p> <h1>I.", "서 론</h1><p>3차원 영상 기술의 발전은 과학과 엔터테인먼트 사업 양방향에서 끊임없이 추구되었다.", "3차원 디스플레이와 영상통신 시스템은 많은 응용분야에서 존재하며, 최근 크게 대두되는 것이 3차원 텔레비전이다.", "최근 차세대 오디오비쥬얼 시스템의 가중 중점이 되는 연구는 다수의 카메라로 촬영되고 다수의 디스플레이로 출력되는 3D 입체 영상이다.", "</p><p>집적영상(integral image)은 3D 영상을 기록하거나 출력하는 테크닉 중의 하나로 한 개의 오브젝트를 다른 시점을 가지는 여러 개의 요소 영상(elemental image)으로 이루어진 영상이다.", "집적 영상을 이용하여 각 요소 영상의 시점 차이 등의 데이터들을 이용하여 3차원 입체 영상으로 만들 수 있다.", "집적영상은 렌즈 어레이를 이용하여 촬영된다.", "2차원으로 기록된 집적 영상을 3D 입체 영상으로 구현하면 완전한 3D 입체 모델 홀로그래피와 유사하다.", "하지만 집적 영상은 홀로그래피와 다르게 간접적인 빛 없이, 더욱 편리하게 촬영하고 출력할 수 있다.", "하지만 실시간 처리, 고해상도 디스플레이등 몇 가지의 기술적으로 극복해야할 문제가 있다.", "</p><p>집적 영상은 앞에서 말한 바와 같이 여러 개의 요소영상으로 이루어져 있으며 이 요소영상들의 해상도는 3차원 복원의 정확도에 매우 중요함에 따라 고화질의 영상이 필요하다.", "따라서 메모리에 저장하거나 실시간 전송을 위해서는 효율적인 압축 알고리즘이 필요하다.", "</p><p>이런 집적영상에서 인접한 각 요소 영상 간의 상관도가 매우 높기 때문에 각 인접 영상간의 중복성을 제거하여 압축할 수 있는 여러 가지 알고리즘을 적용할 수있다.", "이와 관련하여 기존에는 다음과 같은 알고리즘들이 있다.", "</p><p>먼저 집적 영상을 동영상 압축 방법인 MPEG-2에 적용하여 압축하는 알고리즘이 있다.", "집적 영상의 요소 영상들이 마치 동영상의 프레임처럼 각각 시간적 상관도가 있다고 보고, 요소 영상들을 1차원으로 나열하여 영상 스트림을 구성한 후, 동영상 압축 알고리즘인 MPEG-2에 적용하게 된다.", "기존 논문들에서는 집적영상의 요소영상들을 평행형(parallel), 나선형(spiral),힐버트형(Hilbert)등의 다양한 동영상 스트림 구성방법을 제안하고 있다.", "</p><p>또 다른 방법으로 요소 영상간의 교차 상관도를 고려하여 다양한 변환 방법을 이용한 방법들이 있다.", "그 중 한가지로 DWT (Discrete Wavelet Transform)와 DCT(Discrete Cosine Transform)를 접목시킨 하이브리드 사용한 하이브리드 압축 방법이 있다.", "집적 영상의 각 요소 영상을 DWT한 후에 각 요소 영상의 같은 주파수 대역의 픽셀들을 모아 DCT블록을 구성하여, DCT를 한번 더 수행하는 방법이 있다.", "또 다른 한가지로 각 요소 영상의 2D-DCT 블록을 Z축으로 모아서 3D-DCT 블록을 구성하여 3D-DCT를 수행하는 방법이 있다.", "앞에서 언급한 것처럼 각 영소 영상간의 상관도가 높기 때문에 인접한 각 요소 영상의 같은 위치에 있는 2D-DCT 블록을 Z축으로 모아서 3D-DCT를 수행하면 DCT의 효율을 더 향상 시킬 수 있다.", "집적영상에서 인접한 8개의 요소 영상들의 \\( 8 \\times 8 \\) DCT 블록을 모아서, \\( 8 \\times 8 \\times 8 \\) 크기의 3D-DCT 블록을 구성하여 3D-DCT를 수행하는 방법이 있다.", "</p><p>본 논문에서는 이러한 집적 영상을 효율적으로 압축하는 방법에 대하여 제안한다.", "집적 영상 역시 촬영한 물체나 촬영 방법에 따라 다양한 특징을 가진다.", "제안방법은 다양한 특징을 가지는 집적 영상에 따라 각 요소영상을 이용하여 적응적으로 3D-DCT블록을 구성하고, 각 3D-DCT블록의 특성에 따라서 가변 블록 크기로 3D-DCT를 수행하는 방법이다.", "</p><p>본 논문은 다음과 같이 구성되어 있다.", "II장에서는 집적 영상에 대하여 간단히 설명한다.", "III장에서는 3D-DCT를 이용한 기존의 집적 영상 압축 알고리즘에대하여 살펴보고 IV장에서 제안한 방법에 대하여 살펴본다.", "V장에서는 실험을 통하여 제안 알고리즘의 성능을 측정하고 VI장에서 결론을 맺는다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "적응적인 블록 모드를 이용한 집적 영상의 효율적인 압축 방법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-17d21aa7-7fe7-4ec7-a790-f03a5381464b", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2010", "doc_author": [ "전주일", "강현수" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<p>\\( y_{j}^{(k)} \\) 는 처음 단계 \\( \\mathrm{k} \\) 에서 상태 \\( S_{j} \\) 에 있는 프로세스의 횟수라 하고 \\( S_{i} \\) 상태에서 \\( S_{j} \\) 로 넘어가는 프로세스의횟수를 \\( M_{i}\\left[y_{j}^{(k)}\\right]=\\left(z_{i j}-\\pi_{j}\\right)+k \\pi_{j} \\) 와 같이 계산하며 \\( z_{i j} \\) 와 \\( \\pi_{j} \\) 는 \\( Z \\) 행렬과 \\( \\mathrm{A}\\left(\\mathbb{x}^{2}\\right. \\)", "는 \\( \\pi \\) )행렬에서 구할 수 있다. \\", "( S_{i} \\) 상태부터 k단계까지 경계 업데이트의 전체 수는 프로세스 (예: 그림 5 에서 \\( 1 *, 2 *, 3 *, 4 * \\) ) 상태에서 시작하여 별표 상태에 있는 횟수의 전체 합으로 계산할 수 있다.", "따라서 분석 모델의 위치 업데이트 평균 수 \\( \\left(U_{b u}\\right) \\) 는 아래와 같다.", "</p><p>\\( U_{b u}=M_{i}\\left[y 1^{*(k)}\\right]+M_{i}\\left[y 2^{*(k)}\\right]+M_{i}\\left[y 3^{*(k)}\\right]+M_{i}\\left[y 4^{*(k)}\\right] \\)<caption>(5)</caption></p><p>\\( y 1^{*(k)} \\) 은 처음 상태에서 시작하여 \\( 1 * \\) 상태가 될 프로세스의 횟수이며 \\( M_{i}\\left[y 1^{*(k)}\\right] \\) 는 \\( S_{i} \\) 에서 상태에서 시작되어 \\( 1 * \\) 상태에 있을 프로세스의 횟수이다.", "아래 수식은 정규화한 것이다.", "</p><p>\\( U_{b u}=\\sum_{n=1}^{N^{*}} M_{i}\\left[y_{n}^{(k)}\\right] \\)<caption>(6)</caption></p><p>위치등록을 위한 비용을 \\( U_{b u} \\) 라 하고 특정 MAG 를 찾는 비용을 \\( C_{s e a r c h} \\) 라 정의한다. \\", "( U_{b u} \\) 와 \\( C_{s e a r c h} \\) 는 세방식에 대해 동일하기 때문에 세션요청 전달처리를 위한 비용은 고려하지 않는다.", "또한 세션 요청의 도착 진행과정에 대한 비용분석은 두 개의 연속적인 세션 요청 사이에서 이루어진다.", "</p><p>처음으로 등록할 때, 사용자는 하나의 MAG 에 임의로 등록되며, 상태 1 을 명시하도록 설정되어 있다.", "상태4 는 다른 상태들과 다르다.", "상태 4 에서 사용자는 실제로 어떤 패턴도 따르지 않는다.", "따라서 사용자가 상태1,2 또는 3 에 있을 때 사용자가 패턴 안에 있다고 말할수 있으며, 상태 4 일 때 사용자가 패턴 밖에 있다고 말 할 수 있다.", "또한 사용자가 패턴 안에 있을 확률은 90\\( \\% \\) 라고 가정한다.", "상태 1,2,3 에서 사용자의 조건에 대한 확률은 각각 \\( 0.8,0.15,0.05 \\) 이다.", "</p><p>\\( C_{\\text {PMIPv} 6}^{\\text {intre }} \\) \\( =\\left(\\left[a \\cdot(R S+R A) \\cdot d_{M N-M A G}\\right] \\times \\frac{\\left(k-U_{b u}\\right)}{k}\\right) / \\rho+C_{\\text {saarch }} \\)<caption>(7)</caption></p><p>\\( C_{P M I Pv6 }^{\\text {Intra }} \\) \\( =\\left(\\left[\\left(a \\cdot(R S+R A) \\cdot d_{M N-M A G}\\right.\\right.\\right. \\) \\( \\left.\\left.\\left.+\\beta \\cdot(P B U+P B A) \\cdot d_{M A G-L M A}\\right)\\right]", "\\times \\frac{U_{b u}}{k}\\right) / \\rho+C_{\\text {search }} \\)<caption>(8)</caption></p><p>\\( \\rho \\) 는 SMR이다.", "그리고 사용자의 프로파일에 있는 MAG 의 수가 \\( \\mathrm{k} \\) 라 가정한다.", "PBS방식의 경우, MAG 의 평균 개수 \\( \\mathrm{E}(\\mathrm{K}) \\) 로 정의하며 사용자가 발견되기 전에 호출 되어야 한다.", "따라서 PBS방식의 총 비용은 다음과 같다.", "</p><p>\\( C_{P B S-b a s e d-P M I P v 6}^{\\text {Intra }} \\) \\( =\\left(\\left[a \\cdot(R S+R A) \\cdot d_{M N-M A G}\\right]\\right. \\) \\", "( \\left.\\", "times \\frac{\\left(k-U_{b u}\\right)}{k}\\right) / \\rho+(1-\\kappa) E\\left(K^{\\prime}\\right) C_{\\text {search }}+\\kappa C_{\\text {search }} \\)<caption>(9)</caption></p><p>\\( C_{P B S-b a s e d-P M I P v6}^{\\text {Intror }} \\) \\( =\\left(\\left[\\left(a \\cdot(R S+R A) \\cdot d_{M N-M A G}\\right.\\right.\\right. \\) \\( \\left.\\left.\\left.+\\beta \\cdot(P B U+P B A) \\cdot d_{M A G-L M A}\\right)\\right]", "\\times \\frac{U_{b u}}{k}\\right) / \\rho \\) \\( +(1-\\kappa) E\\left(K^{-}\\right) C_{\\text {search }}+\\kappa C_{\\text {search }} \\)<caption>(10)</caption></p><p>Proxy-UMP에 대한 총 비용의 분석은 더 복잡하다.", "사용자가 \\( \\mathrm{i} \\) 와 \\( \\pi_{i} \\) 상태에서 탐색비용의 확률을 \\( C_{\\text {search (i) }} \\) 로 정의하는 경우 \\( \\mathrm{i} \\) 상태에서 세션 요청이 도착했을 때 Proxy-UMP의 총 비용은 다음과 같다.", "</p><p>\\( C_{proxy-UMP}^{\\text {Intro }} \\) \\( =\\left(\\left[a \\cdot(R S+R A) \\cdot d_{M N-M A G}\\right]\\right. \\) \\", "( \\left.\\", "times \\frac{\\left(k-U_{b u}\\right)}{k}\\right) / \\rho+\\sum_{i}^{4} w_{i} C_{\\text {search }(i)} \\)</p><p>\\( =\\left(\\left[a \\cdot(R S+R A) \\cdot d_{M N-M A G}\\right] \\times \\frac{\\left(k-U_{b u}\\right)}{k}\\right) / \\rho \\) \\( +\\left[w_{1}\\left(1.5-Q\\left(\\frac{T_{\\text {threshoid }}}{\\sigma}\\right)\\right)+w_{2} E(k)+w_{3} E(k)+w_{4}\\right] C_{\\text {search }} \\).", "<caption>(11)</caption></p><p>\\( C_{proxy-UMP}^{\\text {Intro }} \\) \\( =\\left(\\left[\\left(a \\cdot(R S+R A) \\cdot d_{M N-M A G}\\right.\\right.\\right. \\) \\", "( \\left.\\", "left.\\", "left.+\\", "beta \\cdot(P B U+P B A) \\cdot d_{M A G-L M A}\\right)\\right] \\times \\frac{U_{b u}}{k}\\right) / \\rho \\) \\( +\\sum_{i}^{4} w_{i} C_{\\text {search (i) }} \\)</p><p>\\( =\\left(\\left[a \\cdot(R S+R A) \\cdot d_{\\text {MN }} M A G\\right] \\times \\frac{\\left(k-U_{b u}\\right)}{k}\\right) / \\rho \\) \\( +\\left[w_{1}\\left(1.5-Q\\left(\\frac{T_{\\text {threshoid }}}{\\sigma}\\right)\\right)+w_{2} E(k)+w_{3} E(k)+w_{4}\\right] C_{\\text {search }} \\)<caption>(12)</caption></p> <p>[그림 8, 9,10 ]은 세 가지 확률 분포와 다른 탐색비용으로 PMIPV6의 총 비용에 Proxy-UMP 및 PBS-based PMIPv6 총 비용의 비율을 나타내었다.", "앞의 경우들은 사용자가 패턴 안에 있을 확률을 \\( 90 \\% \\) 로 가정하였고 두 가지 방식 모두의 총 비용은 \\( \\kappa \\) 또는 \\( \\phi \\) 같은 패턴 밖에 있을 확률과 서로 상관관계 있다는 것을 직관적으로 알 수 있다.", "PBS-based PMIPv6방식에 대한 비용은 탐색비용의 증가와 함께 매우 빠르게 증가되는 것을 볼 수 있다.", "탐색비용이 \\( 5 \\mathrm{~kb} / \\mathrm{s} \\) 일 때, PBS-based PMIPv6낭식은 SMR이 매우 낮은 경우에만 Proxy-UMP와 비슷하게 비용이 절약되지만 사용자가 네트워크에 업데이트를 많이 하게 되면 업데이트 비용은 증가 한다.", "그러나 SMR의 증가로 PBS-based PMIPv6방식에 대한 탐색비용은 더 중요한 역할을 담당하고 있으며 총 비용은 빠르게 증가한다.", "Proxy-UMP의 총 비용은 PBS-based PMIPv6에 비해 훨씬 더 느리게 증가한다.", "무선 멀터미디어 네트워크에서 데이터 서비스는 탐색비용이 높을수록 대역폭을 많이 소비한다.", "Proxy-UMP 총 비용은 탐색비용이 증가할수록 PBS보다 증가율이 적다.", "[그림 9]에서 PBS-based PMIPv6방식의 총 비용은 탐색비용이 작은 경우 Proxy-UMP 방식과 큰 차이를 보이지 않는다.", "지수 분포에선 MAG를 찾는 비용이 다른 분포 보다 작기 때문이다.", "탐색비용이 작은 경우 총 비용은 작을 수 있지만 지수 분포에서 PBS-based PMIPv6 의 총 비용은 탐색비용이 클수록 Proxy-UMP 방식보다 증가율이 크다.", "</p><p>[그림 11]에서 PBS-based PMIPv6 및 Proxy-UMP 모두에 대한 총 비용은 사용자가 안에 있을 확률로 증가시켰다.", "그 결과, Proxy-UMP 비용은 PBS-based PMIPv6보다 적다.", "탐색비용이 큰 경우, [그림 12] 에서와 같이 PBS-based PMIPv6에 대한 모든 분포에 대한 총 비용은 Proxy-UMP 세 가지 분포들 보다 작다.", "이결과로 PBS-based PMIPv6 방식은 매우 제한된 조건에서만 네트워크 성능을 향상시킬 수 있는 것으로 확인하였다.", "</p><p>[그림 12]를 보면 사용자가 패턴 밖에 있을 경우에도 Proxy-UMP의 총 비용은 여전히 PBS-based PMIPv6 보다 작다.", "사용자가 패턴 밖에 있을 확률은 두 수치의 모든 비용에 대한 비율과 동일하다.", "그 이유는 사용자가 패턴 밖에 있을 확률이 1일 때, 프로파일 목록에 있는 MAG를 입력하고 네트워크로 움직일 때마다 등록할 필요가 없으며 네트워크 이동성 관리 방식이 PMIPv6 방식과 동일하기 때문이다.", "</p><p>[그림 13]은 MAG의 총 개수가 Proxy-UMP 와 PBS-based PMIPv6의 모든 분포에 대한 총 비용에 어떤 영향을 주는지 알아보았다.", "MAG의 개수가 적은 경우 비율이 점점 작아지다가 개수가 늘어날수록 큰 영향을 미치지 않는 것을 알 수 있었다.", "전체적인 비율을 보았을 때 어떤 분포를 따르더라도 Proxy-UMP의 총비용이 PBS-based PMIPv6에 비해 크게는 \\( 70 \\% \\) 이상 적게는 \\( 40 \\% \\) 이상 비용 절감할 수 있다는 것을 알수 있다.", "그리고 다른 분포 보다 지수 분포일 때 Proxy-UMP와 PBS-based PMIPv6 비율이 큰 차이를 보이지 않았고 그 결과, MAG의 개수는 다른 분포일 때보다 지수 분포일 때 거의 영향을 주지 않는 것을 알 수 있었다.", "</p> <p>사용자가 Proxy-UMP 기법으로 수행하는 패턴은 두 가지 종류가 있다.", "사용자가 \\( A_{i} \\) 에 \\( T_{i} \\) 시간동안 들어갔을 때 \\( A_{i} \\) 의 체류시간을 \\( T_{i} \\) 로 입력하고 \\( A_{i} \\) 의 체류시간이 \\( t_{i} \\) 가 되면 사용자는 시간 순서패턴을 따르는 것이며 오직 프로파일의 \\( A_{i} \\) 순서에 따라 MAG 에 사용자가 들어오고 나갈 경우에는 시퀜스 패턴을 따르는 것이다.", "예를 들어 예상치 못한 도로 정체는 사용자를 사무실까지 모든 MAG에 접속을 느리게 만든다.", "그러나 여전히 예전과 같은 경로를 따른다.", "일련의 패턴에 따라 사용자가 시간 순서 패턴을 따르는 것이 확실하지만 시퀀스 패턴에 따르고 시간 순서 패턴은 따르지 않을 수 있다.", "그리고 사용자는 몇 가지 이유로 기존 자신의 경로를 벗어날 수 있기 때문에 UMP를 통해 사용자가 얼마 가까운지 알아 내야한다.", "이런 이유로 차세대 시스 템을 위한 모바일 터미널은 더 지능적인 기능을 통합해야 한다.", "사용자가 네트워크 서비스 영역에서 배회하고 있을 때, 모바일 터미널이 MAG_ID와 MAG로 들어가고 나가는 시간을 기록할 수 있다고 가정한다.", "사용자의 실제 경로 정보를 UAP(User Area Pattern)로 정의한다.", "UAP는 UMP를 주기적으로 업데이트하는 데 사용할 수 있다.", "시간 경과 또는 사용자가 MAG경계를 교차점으로 이동하면 휴대 단말기가 아닌 UMP와 UAP를 비교하여 사용자가 어떤 패턴을 따르는지 알 수 있 다.", "UAP는 UMP와 동일한 형식으로 되어 있다.", "시간 정보를 고려하지 않으면 UAP는 \\( B_{m} \\) 으로 표현할 수 있으며 길이는 \\( m \\) 으로 표현한다.", "시간과 관계없이 수정된 거리에서 UMP와 UAP의 유사성을 비교할 수 있다.", "모바일 사용자의 일반적인 움직임은 다음과 같은 규칙 작업을 통해 수정된 UAP로 모델링 할 수 있다고 가정한다.", "</p><ol type= start=1><li>UMP 의 MAG 중 L 의 \\( \\mathrm{i} \\) 위치를 삽입하면 UAP에 제공 \\( \\left(A_{1}, A_{2}, \\ldots, A_{i-1}, L, A_{i}, A_{i+1}, \\ldots, A_{k}\\right) \\)</li><li>UMP의 MAG 중 MAG\\( _{-} A_{i} \\) 를 삭제하면 UAP에 제공 \\( \\left(A_{1}, A_{2}, \\ldots, A_{i-1}, A_{i+1}, \\ldots, A_{k}\\right) \\)</li><li>3) UMP의 MAG\\( \\_ A_{i} \\) 가 다른 \\( \\mathrm{MAG} \\mathrm{L} \\) 로 변경하면 \\( \\mathrm{UAP} \\) 에 제공 \\( \\left(A_{1}, A_{2}, \\ldots, A_{i-1}, L, A_{i+1}, \\ldots, A_{k}\\right) \\)</li></ol><p>그 결과, UMP와 UAP 사이의 수정된 시간 간격은 이동된 움직임에 대한 가중치의 합이 된다.", "수정된 시간간격이 임계값 보다 작으면 사용자가 일반적인 움직 임의 의도를 나타내는 시퀀스 패턴을 따른다고 말할 수 있다.", "그리나 복잡한 네트워크 토폴로지와 대형 시스템의 경우, 공간적 가중치 계산이 더 많이 관여할 수 있 으므로 시간 간격을 정확히 할당하고 공간 가중치를 계산하는 방법을 점차적으로 연구 할 것이며, 본 논문에선 다음과 같이 일반적인 가중치를 정의한다.", "삽입비용 \\( W_{I} \\) 는 \\( \\mathrm{L} \\) 이 \\( A_{i} \\) 의 인접한 MAG이면 1 , 그렇지 않으면 \\( \\infty \\) 이며 삭제비용 \\( W_{D} \\) 는 \\( A_{1}, \\ldots, A_{i-1} \\) 에서 이미 삭제되었으면 0 , 그렿지 않으면 1이다.", "그리고 수정비용 \\( W_{C^{2}} \\) 는 L 이 \\( A_{i} \\) 의 인접한 MAG이면 1, 그렇지 않으면 \\( \\infty \\) 이다.", "앞에서 설명한 내용을 기반으로 정확하게 사용자의 동작을 성의하여 사용자가 \\( A_{i} \\) 를 입력하면 다음 요구사항이 충족되는 경우에만 ‘시간 시퀀스 패턴을 따르고 있다'라고 한다. 시간 시퀀스 패턴을 다음과 같이 표현한다.</p><ol type= start=1><li>\\( A_{i} \\in A \\)</li><li>\\( \\left|t_{i, \\text { actual }}-t_{i}\\right|<\\Delta T \\)</li><li>\\( t-t_{i}-T_{i}<\\Delta T \\)</li></ol><p>\\( t_{i, \\text { actual }} \\) 는 사용자가 \\( A_{i} \\) 를 입력하는 실제시간이고 \\( T \\) 는 현재 시스템 시간이며, \\( \\Delta T \\) 는 시간패턴 임계값이다. 첫 번째 조건은 프로파일에 있는 사용자를 제한하고 두 번째 및 세 번째 조건은 약간의 시간 임계값 내에 입력및 \\( A_{i} \\) 를 들어가고 나가는 사용자를 제한한다.</p> <p>Proxy-UMP기법에 대한 총 비용을 계산하는 \\( C_{\\text {search(i) }} \\) 를 계산해야 한다. Proxy-UMP에서 세션 요청이 도착하면 사용자가 상태 1 인 경우, MAG 는 사용자의 현재 프로파일에 따라 검색된다. 그러나 현재 MAG 가 검색되자마자 사용자가 다음 MAG 로 이동할 가능성이 있다. 다음 MAG 는 응답이 현재의 지역에서 미리 정의된 시간 내에 되돌아오지 않는 경우에 사용자가 발견되었는지 확인해야 한다. \\( t_{i, a c t u a l}-t_{i} \\) 는 0 을 의미하는 정가분포와 분산 \\( \\sigma \\) 을 따른다고 가정한다. 탐색 메시지가 도착했을 때 사용자가 바로 다음 MAG로 이</p><p>동하는 확률은 \\( 0.5-Q(\\Delta T / \\sigma) \\) 이다. 탐색만료 시간이 매우 짧기 때문에, 사용자가 호출하는 동안 하나 이상의 MAG 를 교차하는 확률은 무시한다.</p><p>\\( \\begin{aligned} C_{\\text {search (1) }} &=C_{\\text {search }}+[0.5-Q(\\Delta T / \\sigma)] C_{\\text {search }} \\\\ &=[1.5-Q(\\Delta T / \\sigma)] C_{\\text {search }} \\end{aligned} \\)<caption>(13)</caption></p><p>상태 2 의 경우 세션 요청이 도착하면 사용자의 첫 번째 m \\( (\\mathrm{m}<\\mathrm{k}) \\) MAG 가 없기 때문에 다음 MAG 만 세션요청이 필요하다.</p><p>따라서 사용자가 다음 MAG에 있을 확률에 따라 달라진다. 본 논문에서는 호출이 도하기 전에 등록된 mMAG 를 교차하여 지났으며, \\( X_{m}=a_{1}+a_{2}+\\ldots+a_{m} \\) 이고 \\( \\dot{k}=k-m \\) 이라 가정하며,\\( \\dot{k} \\) MAG를 \\( a_{1}=a_{m+1} /\\left(1-X_{m}\\right), a_{2}=a_{m+2} /\\left(1-X_{m}\\right), \\ldots \\), 그리고 \\( \\alpha_{\\kappa}=\\alpha_{k} /\\left(1-X_{m}\\right) \\) 의 조건부 확률 분포를 이용하여 계산한다. 세션 요청을 받은 MAG의 평균개수가 \\( E(\\dot{k}) \\) 이면 \\( C_{s e a r c h(2)} \\) 는 다음과 같이 쓸 수 있다.</p><p>\\( C_{\\text {search (2) }}=E(\\dot{k}) C_{\\text {search }} \\)<caption>(14)</caption></p><p>실제 상황에서는 조건부 확률을 계산하기 어려울 수 있다. 그러나 Proxy-UMP 방식은 네트워크를 검색할 확률 \\( a_{m+1}, a_{m+2}, \\ldots, a_{k} \\) 의 내림차순에 따라 다음 MAG 를 찾아야하기 때문에 계산할 필요가 없다. 그 부분은 같은 양수의 값이기 때문에 순서에 영향을 미치지 않는다. 그래서 \\( C_{\\text {search (3) }} \\) 은 PBS방식에서와 같고 \\( C_{\\text {search (4) }} \\) 는 PMIPv6기법과 동일하다.</p><p>\\( C_{\\text {search (3) }}=E(k) C_{\\text {search }}, C_{\\text {search (4) }}=C_{\\text {search }} \\)<caption>(15)</caption></p><p>상태 업데이트 메시지를 등록 메시지와 동일한 내용으로 적용한다. 업데이트 비용을 \\( U_{b u}=10.24 \\) 로 정규화하며, 탐색비용은 일반적으로 '업데이트 비용보다 적다'라고 정의한다. MAG 가 \\( 0<C_{\\text {search }} \\leq U_{b u} \\) 는 하나에 대한 탐색비용을 가정하므로 SMR, 탐색비용 \\( C_{\\text {search }} \\), 사용자분포확률 \\( a_{i} \\), 사용자가 패턴 밖에 있을 확률 \\( \\phi \\) 이 PBS와 Proxy-UMP방식의 성능에 영향을 미치는지에 대해 알아보았다. 본 논문에서는 세 가지의 균등, 선형 및 지수분포가 있다고 가정한다 . MAG 의 \\( \\mathrm{i} \\) 번째에 있는 사용자의 조건부 확률을 나타내는\\( \\beta_{i}=a /(1-\\kappa) \\) 또는 \\( \\beta_{i}=a /(1-\\phi) \\) 로 확률 분포의 정의는 다음과 같이 주어진다.</p><ol type= start=1><li>균일분포:\\[\\beta_{1}=\\beta_{2}=\\ldots=\\beta_{k}=1 / k\\]<caption>(16)</caption></li><li>선형분포:\\[\\beta_{i}=2(k+1-i) / k(k+1)\\]<caption>(17)</caption></li><li>지수분포:\\[\\beta_{i}=2\\left[e^{-b i}\\left(1-e^{-b}\\right)\\right] /\\left[e^{-b}-e^{-b(k+1)}\\right]\\]\\( \\mathrm{b} \\) 는 상수이다.<caption>(18)</caption></li></ol><p>손실 없이 \\( a_{i} \\) 와 \\( t_{i} \\) 가 동일하다고 가정하며 프로파일 의 순서는 \\( i \\neq j \\) 이면 \\( A_{i} \\neq A_{j} \\) 이다.</p> <h2>2.수치분석 결과</h2><p>Proxy-UMP는 위치를 업데이트하는 시그널링 트래픽 부하를 줄일 수 있다. [그림 6]에서 PMIPV6 방식으로 Proxy-UMP의 상대 위치를 업데이트 하는 비용을 보여준다. 이 시뮬레이션에서는 패턴 밖에 있을 확률은 \\( \\phi=0.1 \\) 이고 세 가지 상태에서 사용자의 확률은 비용 모델링에서 서술한 내용과 같이 설정된다. 그 내용을 적용하면 [그림 6] Proxy-UMP방식에서 Intra와 Inter에서의 위치업데이트 비용을 볼 수 있다. 일반적으로 Intra보다 Inter가 위치 업데이트 비용이 큰 것을 알 수 있다. Proxy-UMP 방식에서의 Intra장점은 많은 탐색비용을 증가시키지 않고 전체 비용을 줄일 수 있다는 것이다. 네트워크는 PBS-based PMIPv6와 Proxy-UMP 방식에서 사용자의 정확한 위치를 알아내고자 하나 이상의 MAG를 탐색한다. 다음 내용으로 Proxy-UMP와 PBS-based PMIPv6의 호출 전달 절차 중에 일부 지연을 소개한다.</p><table border><caption>표\\(2.)\\ 성능분석 파라미터</caption><tbody><tr><td>Parameler</td><td>Vaue</td><td colspan=2>Descipuion</td></tr><tr><td>m</td><td>2</td><td colspan=2>MAG를 교차할 때의 위치</td></tr><tr><td>i</td><td>9</td><td colspan=2>MAG가 i번째 위치할 때</td></tr><tr><td>K</td><td>0.1</td><td>Out-of-patern(패턴 밖에 있을 확률)</td><td></td></tr><tr><td>pi1</td><td>0.8</td><td colspan=2>상태 1의 확률</td></tr><tr><td>pi2</td><td>0.15</td><td colspan=2>상태 2의 확률</td></tr><tr><td>pi3</td><td>0.5</td><td colspan=2>상태 3의 확률</td></tr><tr><td>pi4</td><td>o</td><td colspan=2>상태 4의 확률</td></tr><tr><td>Ubn</td><td>10.24</td><td colspan=2>위치 업데이트 비용</td></tr><tr><td>RS</td><td>16</td><td colspan=2>Router Solicitation</td></tr><tr><td>RA</td><td>64</td><td colspan=2>Router Adveruisement</td></tr><tr><td>PBU</td><td>90</td><td colspan=2>Proxy Binding Upake</td></tr><tr><td>PBA</td><td>82</td><td colspan=2>Proxy Binding Ack</td></tr></tbody></table><p>[그림 7]에서는 동일한 조건에서 PBS-based PMIPv6와 Proxy-UMP의 총 비용 비율이다. 탐색비용은 \\( 10 \\mathrm{~kb} \\)로 동일한 조건을 적용하였으며, 탐색지연은 사용자 분포에 따라 다를 수 있으나 일반적인 균등 분포를 적용하였다. [그림 7]에서 전체 비용에 차이가 나는 것은 탐색지연이 발생했기 때문이다. Proxy-UMP의 탐색지연이 PBS-based PMIPv6의 탐색지연보다 작다는 것을 알 수 있는데. PBS-based PMIPv6방식에서 목록에 있는 모든 MAG가 호출 될 수 있기 때문이다. 탐색지연은 사용자의 응답 인스턴트에 첫 MAG로 전송되는 순간부터 경과된 시간이다.</p><p>Proxy-UMP 방식에서 사용자가 패턴 안에 있을 때, 사용자 상태가 3 인 경우에만 모든 MAG 를 순차적으로 호출하지 않는다. 사용자의 상태가 1 이면 하나의 MAG 에만 시간이 호줄되며 상태 2 에서 MAG들 중 필요한 특정 MAG 가 호출되는 경우 탐색비용은 한 MAG 에 대한 탐색지연으로 간주한다. 시뮬레이션에서 모든 MAG에 대한 탐색비용이 동일하다고 가정한다. 결과를 보면 SMR이 낮을 때, Proxy-UMP 방식에 대한 탐색지연이 PBS-based PMIPv6 방식 보다 약 \\( 30 \\% \\) 감소했다. PBS -based PMIPv6방식보다 Proxy-UMP 방식이 MAG에 의해 영향을 받지 않는 이유는 SMR이 낮을 때 사용자가 상대적으로 높은 이동 가능성을 가지고 있기 때문이다. SMR이 클 때 사용자는 상대적으로 오랜 시간 MAG에 머물게 된다. PBS-based PMIPv6방식은 PMIPv6 보다 적은 탐색비용으로 사용자를 찾을 수 있다. 그러나 Proxy-UMP 총 탐색비용은 여전히 PBS-based PMIPv6 방식의 \\( 80 \\% \\) 이상 적다.</p><p>그래서 본 논문에서 Proxy-UMP가 PBS-based PMIPv6를 사용할 때보다 탐색지연을 감소시키긴 하지만, 두 방식에 대한 총 비용을 조사하여 두 방식이 기존의 PIMPV6 방식 보다 나은 성능을 제공하는지 확인하려고 한다.</p> <h1>Ⅳ. 성능분석</h1><p>새로운 방식에 대한 성능분석을 수행하고 결과를 도출한다. PBS와 Proxy-UMP의 위치 관리 방식에 대한 총 시그널링 비용을 분석한다. 사용자의 움직임은 다른 임의의 요소가 결과에 영향을 크게 미치기 때문에 근접한 형태를 얻기 어렵다. 따라서 본 논문에서는 각 방식의 비용을 계산하고 시뮬레이선을 통해 성능 비교를 수행한다.</p><h2>1. 비용 모델링</h2><p>본 논문에서는 [그림 4]와 같이 육각형 평면을 고려한다. 1/6 의 확률로 자신의 이웃 중 한 곳에 이동한다. MN이 네트워크 도메인 밖으로 이동하기 전까지 처음의 셀에서 다른 셀로 이동하게 되는 데 이동한 단계를 \\( \\mathrm{k} \\)로 정의한다. 라우팅 확률이 동일하다고 가정하여 네트워크 도메인에서 셀의 상태를 아래 [그림 4]에서와 같이 4 개의 유형으로 분할한다. 유형을 구분하는 방법을 참고하였다.</p><p>[그림 4]에서 3개의 선을 그어 6개의 동일한 크기로 네트워크 도메인을 분할하였다. 교차하는 두 부분은 네트워크 도메인의 구조에 영향을 미치지 않는다. 예를들어 표시된 셀이 다른 셀에서 볼 때 동일한 상대적인 위치에 있다면, 두 개의 셀은 함께 그룹화 되고 동일한 유형으로 할당된다. 같은 유형의 셀에서 MN 은 동일한 라우팅 패턴으로 셀을 벗어나게 된다.</p><p>[그림 5]에서 상테 전이 다이어그램을 보면, 이 모델에서는 상태가 일시적으로 변화되지는 않지만 하나의 상태에서 순환하게 되는 것을 알 수 있다. 따라서 일반적인 마코프 체인 속성은 제안된 모델의 동작을 분석하기 위해 적용할 수 있다 .</p><p>\\(p\\P\\)가 일반적인 전이 확률의 행렬이라 하면 상태의 수가 \\( \\mathrm{m} \\) 일 때 일정한 상태(제한) 확률 벡터 \\( \\mathrm{PI} \\) 를 구할 수 있다.</p><p>\\( \\pi P=\\pi \\) and \\( \\sum_{i=1}^{m} \\pi_{i}=1 \\)<caption>(3)</caption></p><p>일반적인 마코프 체인에 대한 기본헹렬 \\( Z \\) 란</p><ol type= start=1><li>\\( \\mathrm{A} \\) 는 \\( \\mathrm{P} \\) 에 의해 결정되는 제한되는 행렬이며, \\( P^{n} \\) 은 확률헹렬 \\( \\mathrm{A} \\) 를 수렴한다.</li><li>\\( \\mathrm{A} \\) 는 모든 항목에 1 로 하는 열벡터일 때, \\( \\mathrm{A} \\) 의 각 행은 동일한 확률벡터 \\( \\pi=\\pi_{1}, \\pi_{2}, \\ldots, \\pi_{n}, A=\\xi \\pi \\) 로 구성된다.</li><li>\\( \\mathrm{I} \\) 는 단위헹렬이다. 아래와 같이 계산된다. \\( Z=\\left[z_{i j}\\right]=(I-P+A)^{-1} \\)<caption>(4)</caption></p></li></ol><p>\\( \\mathrm{A} \\) 행렬은 \\( \\mathrm{P} \\) 의 \\( \\mathrm{n} \\) 제곱 중에서 가장 높은 값을 사용하여 얻을 수 있고 각 행의 항목은 수렴하게 된다. \\( Z \\) 행렬은 일반적인 마코프 체인의 다양한 동작을 표현한다. 이 행렬을 사용하여 프로세스가 특정 상태에 있는 횟수를 계산한다 .</p> <p>다음은 시퀀스 패턴을 표현한 것이다.</p><ol type= start=1><li>\\( A_{i} \\in A \\)</li><li>\\( \\left|t_{i, \\text { actual }}-t_{i}\\right|<\\Delta T \\) or \\( t-t_{i}-T_{i}<\\Delta T \\)</li><li>\\( d\\left(A_{1}, A_{2}, \\ldots, A_{N}, B_{1}, B_{2}, \\ldots, B_{N}\\right) / N<\\Delta T \\)</li></ol><p>UAP가 B라고 가정한다면, UAP와 UMP사이의 수정한 거리는 \\( d\\left(A_{1}, A_{2}, \\ldots, A_{N}, B_{1}, B_{2}, \\ldots, B_{N}\\right) \\) 이며, 수정한 거리 임계값 \\( \\Delta T \\) 은 N 에서 비교한 결과가 정확하게 보장할 수 있을만큼 선택한 패턴의 길이이다.</p><p>Proxy-UMP 기법에서 사용자는 MAG에 있을 때 표1 에 정의된 네 가지 상태 중 하나가 될 수 있다.</p><table border><caption>표\\(1.\\)MAG에서의 사용자 상태</caption><tbody><tr><td>상태</td><td>정의</td></tr><tr><td>1</td><td>사용자가 시간 시퀀스 패턴을 따를 때</td></tr><tr><td>2</td><td>사용자가 시퀀스 패턴을 따를 때</td></tr><tr><td>3</td><td>사용자가 두 패턴을 따르지 않으나 \\( A \\in A \\)</td></tr><tr><td>4</td><td>\\( A \\notin A \\)</td></tr></tbody></table><p>네 가지 상태를 정의하는 이유는 네트워크가 서로 다른 상태의 사용자들에게 각기 다른 사용자 탐색 기법을 호출할 수 있기 때문이다. 사용자는 네트워크에 언제고 상태 변경 내용을 통보해야 한다. Proxy-UMP 기법에서는 업데이트 메시지에 사용자의 상태 정보가 포함되어 있다고 가정하며 네트워크에 사용자의 현재 상테를 알 수 있도록 휴대 단말기는 항상 업데이트 메시지를 보낸다. 사용자가 상태 1,2 또는 3 인 경우 현재상태가 변경되지 않고 유지되는 한 위치 업데이트 메시지를 전송할 필요가 없다. 사용자가 상태 4 이면, 모바일 단말기는 사용자가 새로운 MAG에 들어갈 때 마다 네트워크에 위치를 업데이트를 해야 한다. 사용자의 일상 정보를 충분히 수집할 수 있다면 사용자는 상태 1,2 또는 3일 확률이 높으며, 업데이트 비용은 줄어들 수 있다. 그리고 Proxy-UMP 기법에서는 접속 요청이 왔을 때 네트워크가 사용자의 현재 상태에 따라 서로 다른 사용자 탐색 기법을 사용할 수 있다. 사용자가 상태 1에 있으면 네트워크는 MAG위치에 있는 사용자를 현재 시스템 시간과 기억한 시간에 따라 확인할 수 있다. 예를 들어 현재 시간은 t이며 사용자가 상태 1 일 때 접속 요청이 도착하면 네트워크 \\( t_{i} \\leq t \\leq t_{i}+T_{i} \\) 가 일치하는 레코드를 검색할 수 있다. 그런 다음 사용자를 \\( A_{i} \\) 에서 찾을수 있으나 사용자가 저장된 영역으로만 이동하며 다음 위치에 들어가는 것일 때 가능하다. 만약 사용자가 상태를 변경하지 않는 경우에 다음 MAG위치에 대한 저장된 정보가 필요하다. 사용자가 상태 2 일 경우 마지막 위치 업데이트를 따를 때 MAG에 위치하지 않아도 알 수 있다. 사용자가 시퀀스 패턴을 따르고 있기 때문에 네트워크는 사용자 프로파일 안에 마지막으로 업데이트된 후 반드시 MAG들 중 특정 한 깃에 위치한다는 정보가 있다는 것을 알고 있다. 따라서 상태 2 는 시간 정보가 없기 때문에 모든 MAG를 저장하고 있는 영역에 있을 확률 \\( a_{i} \\) 에 대해 내림차순 순서로 호출하여 알 수 있다. 사용자가 상태 3 에 있는 경우 네트워크는 사용자가A에 있는지 알고 있다. 사응자를 찾을 때까지 A 안 에 있는 모든 MAG에 위치할 확률 \\( a_{i} \\) 에 대해 내림차순 순서에 따라 호출되며, 그 위치는 PBS에서와 동일하다. 사용자가 상태 4 이면 네트워크는 사용자의 정확한 위치를 알 수 있도록 각 MAG를 탐색한다.</p> <h1>Ⅴ. 결 론</h1>p>차세대 무선 통신 시스템에서는 효율적 무선 자원을 이용하고 높은 QoS를 사용자에게 제공하기 위해 접근할 수 있는 MAG의 수가 작아지고 있다. 그래서 사용자의 위치 업데이트 메시지는 대역폭을 많이 소모하게 된다. 이리한 상황은 사용자 수가 증가하게 되면 더욱 심해진다. 그래서 대부분의 이동성 관리연구는 네트워크 성능을 최적화하기 위해 실시되었다. 사용자가 프로파일 목록에 있는 경우에는 PBS-based PMIPv6에서 업데이트 메시지가 푈요하지 않다. 그래서 사용자 프로파일에서 나오는 경우에만 등록 메시지를 네트워크에 보내 사용자를 찾을 때까지 호출하고 호슬이 사용자에 도착하면 프로파일의 MAG 는 이동 확률의 내림차순 순서에 따라 호출된다. 본 논문에서는 서로 다른 확률 분포, 탐색비용, SMR을 바탕으로 PBS-based PMIPv6방식의 성능을 알아보았고 사용자의 패턴 밖에 있을 확률의 효과도 확인 할 수 있었다. 그래서 새 위치 전략 Pro-xy-UMP를 PBS-based PMIPv6와 비교하여 논문에서 제안하였다. 이 방식에서는 사용자 이동성 시간 패턴이 위치 프로파일 외에도 사용자의 프로파일에 기록된다. 시뮬레이선 결과, Proxy-UMP 방식은 PBS-based PMIP 6 방식과 비교했을 때 큰 차이가 없이 업데이트 메시지를 생성하지만 Proxy-UMP의 총 비용은 보통 PBS보다 적다는 것을 입증하고 'Proxy-UMP 방식은 탐색 비용의 증가에 매우 민감하지 않다'라는 것을 증명하였다. 차세대 무선 통신 시스템에서 QoS 의 가장 중요한 요인 중 하나는 탐색지연이다. 본 논문의 시뮬레이션 결과는 Proxy-UMP 기법의 탐색지연이 PBS-based PMIPv6방식보다 약 \\( 70 \\% \\) 적다는 것을 보여주었다. 또한 Proxy-UMP 방식이 SMR변화에 따라 잘 작동할 수 있는 것을 보여준다.</p> <h1>Ⅲ. 사용자 이동패턴에 기반한 이동성관리</h1><h2>1. 시스템 아키텍처</h2><p>차세대 무선 통신 네트워크의 경우 사용자의 다양한 클래스에 따른 서로 다른 서비스 요구 사항들이 있다. 다른 서비스 요구 사항들은 통화 내역, 이동성 패턴, 그리고 더 높은 QoS 보상을 위해 비용을 지불하는 동의를 기반으로 사용자에게 할당할 수 있다. 이리한 목표를 달성하기 위해서는 네트워크의 사용자 프로파일에 사용자 정보를 수집하고 저장해야 한다. 에를 들어 UMP가 알려져 있다면 몇 가지 자료 또는 정보를 통해 일정한 지역의 사용자에 대해 대비할 수 있다. 이리한 정 보 수집 및 배포 등의 추가적인 작업부하가 현재 배포된 무선 통신 데이터베이스 시스템에 통합되는 경우, 신호 및 데이터베이스 검색 트래픽은 시스템 프로세스 성능에 비해 과부하 될 수 있다. 무거운 트래픽 로드로 인한 지연은 시스템 성능을 심각하게 저하시킬 수 있다. 문제를 해결하기 위해, VMN(Virtual Management Network) 개념을 제안한다 . 가상 관리 네트워크(VMN) 는 지능적인 기능을 처리하는 기존의 무선 모바일 네트워크 위에 관리 네트워크를 중첩한 것으로 새로운 능의 LMA를 제안하는 것이다. 무선 모바일 네트워크에 대한 신호 전달 네트워크가 공통채널 신호 네트워크라고 가정하면 LMA는 하드웨어 기반 또는 소프트웨어 기반이 될 수 있으며, MAG와 LMA 모두 연결할 수 있다. 각 LMA는 MAG의 선택 세트를 담당하고 동적으로 네트워크의 최신 트래픽 부담에 따라 구성할 수 있다. VMN는 운영, 관리 및 네트워크 유지 관리와 사용자정보를 수집 관리 (OA & M, Operations, Administrati on and Management) 센터로 연결할 수 있다. 본 논문에서는 이 중에서 위치관리 문제에 집중했다.</p><h2>2. Proxy-UMP 기법의 작동절차</h2><p>Proxy-UMP기법은 사용자가 업데이트 비용과 사용자 탐색 비용을 줄이는 방법이다. PBS와 비교해서 위치 \\( A_{i} \\) 의 체류 시간 \\( \\left(T_{i}\\right) \\) 와 입력하는 사용자시간 \\( A_{i} \\) \\( \\left(T_{i}\\right) \\) 가 사용자 프로파일에 추가된다. LMA는 각 사용 자에 대해 \\( \\left(A_{i}, T_{i}, t_{i}, a_{i}\\right) \\) 등의 목록을 유지한다. 사용자 집합의 원소 개수를 \\( \\mathrm{k} \\) 라고 가정하며 튜플은 목록에서 \\( A_{i} \\) 에 있지만 \\( T_{i} \\) 에 따라 적용되지 않는다. 예를 들어 사용자 프로파일에 24 시간 동안 접속할 수 있는 모든 위치에 대한 정보를 포함하는 경우, 목록은 사용자가 모든 \\( A_{i} \\) 를 방문하는 시간에 의해 정렬된다. 따라서 \\( \\mathrm{i}= \\) \\( \\mathrm{j} \\) 에 대해 \\( A_{i} \\) 와 \\( A_{j} \\) 는 같다. Proxy-UMP 기법에서는 \\( \\phi>0 \\) 를 사용자의 패턴을 벗어난 것으로 정의한다.</p><p>\\( \\phi=1-\\sum_{i=1}^{k} a_{i} \\)<caption>(2)</caption></p><p>\\( \\phi>0 \\) 의 경우는 사용자가 목록에서 등록된 MAG 밖으로 이동하는 확률이다. 이리한 상황을 '패턴의 범위 밖에 있다' 라고 하고, 그렇지 않는 경우를 '패턴의 범위 안에 있다' 라고 한다.", "</p><p>[그림 3]은 Proxy-UMP의 개념도를 보여준다.", "사용자는 MAG_A1에 살고 있고 MAG_A4사무실에서 근무를 하고 있으며 사무실에 도착하기 전에 MAG_A2 와 MAG_A3를 통과하게 된다.", "그리고MAG_A5에 있는 식당에서 점심식사를 한다.", "만약 사용자가 평소 이동하는 경로에 대한 정보가 프로파일에 저장되어 있다면 네트워크는 위치 프로파일과 하루 중 현재 시간을 기준으로 사용자를 찾을 수 있다.", "이 기법은 보다 정확하게 사용자의 동작을 정의하며 사용자가 UMP 를 수행할 때 위치 업데이트 트래픽이 줄어드는 것을 명확하게 확인할 수 있다.", "</p> <h1>Ⅱ. 관련 연구</h1><h2>1. Proxy Mobile IPv6 개요", "</h2><p>이동성 관리기법이란 모바일 단말이 이동하는 경우에 엑세스 라우터와 연결을 유지할 수 있도록 하는 기술이다.", "MIPv6의 여려 프로토롤도 이를 위한 MN의 이동성을 규약 하는 것이다.", "그리나 MIPv6는 이동 단말과 엑세스 라우터 사이의 시그널링으로 인한 무선구간에서의 자원사용량 증가, 한정된 성능 및 자원 등 이동 성 지원에 제약이 많다.", "이런 문제점이 대두되어 네트워크 기반으로 PMIPv6(Proxy MIPv6) 가 정의되었다.", "[그림 1]은 PMIPv6의 구조에 대해서 설명하고 있다.", "</p><p>PMIPv6는 LMA(Local Mobility Anchor)와 MAG(Mobile Access Gateway), 그리고 AAA(Authentication, Authorization and Accounting) 서버의 새로운 구성요소로 이루어저 있다.", "LMA는 도메인에서 MN에 대한 일종의 HA역할을 한다.", "MAG는 주로 AR(Access Router) 에 위치한다.", "그리므로 MAG는 MN이 직접적으로 접속하는 첫 번째 홉이 되며,MN 을 대신해서 시그널링을 수행한다.", "MN이 L2 접속인증을 수행하게 되며, 이 과정에서 MN 을 MAG에게 알리게 된다.", "MAG은 AAA 와의 인증 과정을 수행한다.", "MAG는 MN을 담당해야 하는 LMA에 PBU(Proxy Binding Update) 메시지를 보내어 단말의 현재 위치를 갱신한다.", "해당 PBU (Proxy Binding Ack)를 수신한 LMA는 단말의 서비스를 위해서 MAG에 PBA 메시지를 보내게 된다.", "그리고 LMA는 MAG 의 주소를 이용하여 LMA 와 MAG간 양방향 터널을 만들고 서비스를 준비하게 된다.", "MAG는 자신에게 접속된 MN에게 LMA가 할당해준 INP(Iome Network Prefix)와 IP 주소를 할당하는 메시지를 RA로 보낸다.", "연결설정이 완료되면 MAG는 해당 MN에서 오는 모든 트래픽을 LMA와 연결된 터널을 이용하여 LMA에게 전송하게 되며, LMA는 외부에서 오는 모든 트래픽을 해당 MN을 관리하는 MAG에 전송하게 된다.", "</p><h2>2. PBS 기법</h2><p>PBS(Profile-Based Scheme) 에서 네트워크가 각 사용자의 대부분 이동경로 목록의 레코드를 유지 관리한다.", "이것은 사용자의 위치 분포 확률이 사전에 알려저 있다고 가정한다.", "이것은 모바일 단말기에서 제공하거나 사용자의 호출 내역에 따라 네트워크에 의해 추정할 수 있다.", "위치 목록은 스위치에 저장되고, 목록을 업데이트하는 데 필요한 정보는 모바일 스위치 결제 센터내에 저장된다.", "사용자의 이동 일정은 다음과 같이 정의할 수 있다. \\", "( A_{i} \\) 는 레코드 목록에서 RA(Register Area) 중 한 경우 이고 사용자의 대부분의 이동일정은 \\( A_{k} \\)로 정의할 수 있으며 RA안에 있는 세트 수가 \\( \\mathrm{k} \\) 이다.", "사용자가 \\( RA에서 \\( A_{i} \\) 의 확률은 \\( a_{i} \\) 이다.", "시스템은 약간의 시간 간격 T를 위해 \\( \\left(A_{i}, a_{i}\\right) \\) 의 구조를 유지한다. \\", "( A_{k} \\) 를 벗어날 사용자의 확률은 다음과 같다.", "</p><p>\\( K=1-\\sum_{i=1}^{k} a_{i} \\)<caption>(1)</caption></p><p>\\( K>0 \\) 경우에는 목록에서 사용자를 찾지 못할 가능성이 있다.", "사용자가 엄격하게 이동일정을 따른다면 \\( A_{k} \\) 에서 로밍을 유지 및 등록할 필요가 없다.", "사용자가 목록에서 벗어난 지역으로 이동하면 모바일 단말기는 수동으로 네트워크에 등록해야 한다.", "따라서 터미널은 반드시 목록의 사본을 보관해야 한다.", "어떤 \\( A_{i} \\) 가 추가되거나 삭제될 때마다 목록을 네트워크에서 단말기로 전송하고 업데이트해야 한다.", "사용자를 위해 호출요청이 도착하면 RA는 목록에서 \\( a_{i} \\) 를 내림차순 순서로 탐색한다.", "사용자가 \\( A_{k} \\) 에 벗어난 지역에 있을 때 데이터베이스는 이와 같은 내용에 따라 사용자의 정확한 위치를 알 수 있다.", "위 내용을 토대로 PBS는 증가된 탐색비용의 부담은 위치 업데이트 비용으로 효과적이게 총 비용을 줄일 수 있으며 이동경로 목록의 길이에 따라 탐색지연과 무선연결 비용이 낮아지는 것을 분석했다.", "그리고 탐색지연은 사용자가 발견되기 전에 호출되어야 하는 데 필요로 하는 RA의 수 측면과, 알려진 세 가지 확률들에 따라 예상되는 것에 도술되었다.", "</p><p>사실, PBS기법의 총 비용이 사용자의 CMR(call-to-mobility ratio)과 긴밀한 관계를 갖고 있다는 것은 직관적으로 알 수 있으며 작은 CMR이란 사용자가 호출 도착률에 비해 상대적으로 높은 이동 속도를 가지고 것을 의미한다.", "PBS는 대부분의 업데이트 비용을 절감하고 효율적으로 수행할 수 있다.", "</p> <h1>Ⅰ. 서 론</h1><p>일상생활에서 많은 모바일 사용자가 특정 경로를 매일 이동하는 것을 볼 수 있다.", "예를 들어, 사람은 지정된 도로를 운전해서 사무실까지 도착하고 하루 중 대부분을 사무실에서 머무르며, 퇴근 후 아침에 집에서 사무실까지 이용한 도로를 따라 집으로 돌아온다.", "그리고 우편집배원 경우 매일 정해진 경로에 따라 우편을 배달한다.", "이와 같이 네트워크가 모바일 사용자의 일상적인 경로 정보를 알고 있다면, 위치 업데이트 신호 트래픽 부담을 해결할 수 있다.", "이리한 패턴을 바탕으로 BS (Profile-Based Scheme) 를 제안하였다.", "이 기법에서는 사용자의 일상 정보가 프로파일에 저장된다.", "사용자가 자신의 여정을 잘 따른다면 위치 업데이트가 필요하지 않으며 업데이트 트래픽도 줄일 수 있다.", "그리고 Le - Zi 업데이트 기법에서 사용자 움직임", "내역은 네트워크로 전송되고 등록된 데이터는 사용자의 검색 트리를 구성하는 데 사용된다.", "그리고 사용자 이동성 패턴 기반의 이동성관리 기법 에서는 UMP (User Mobility Pat terns)를 통해 사용자의 움직임을 기반으로 한 관리기법을 제안하며 사용자가 특정 Cell에 있는지에 대한 확률은 UMP에서의 확률을 기준으로 파생된다.", "이 기법에서 페이징은 동시에 이루어지거나 확률이 낮은 순서에 따라 하나씩 운영할 수 있다.", "위의 구조에서 위치 업데이트 비용은 총 탐색 비용을 감소시킬 수 있다.", "하지만 교통량, 날씨 또는 다른 이유 때문에 사용자가 기존의 경고를 이탈할 수 있다.", "이 경우에 모바일 단말기의 정보는 즉시 업데이트되어야 한다.", "</p><p>본 논문에서는 PMIPv6(Proxy Mobile IPv6) 네트워크 기반으로 MPBS(Mobility Pattern Based Scheme)를 확장하고자 한다.", "IETF (Internet Engineering Task Force)에서는 이동성관리 기법의 중요 프로토콜로 \\( \\operatorname{MIPv} 6^{[5]} \\) 를 제안했으나, MIPv6는 시그널링을 전송하는데 있어 사용자들에게 불편을 가져다 줄 수 있는 몇 가지의 약점을 가지고 있다 .", "MIPv6에서 시그널링을 전송하는데 있어서 HA(Home Agent)와 CN(Correspondent Node) 그리고 MN간에 거리가 멀 경우에는 매우 비싼 비용을 들여서 BU(Binding Update)를 수행해야 한다는 것이다.", "그와 같은 상황에 대한 보완기능을 가진 몇 가지 프로토콜은 이미 다음과 같이 제안되었다.", "FMIPv6(Fast Handover for MIPv6), HMIPv6(Hierarchical MIPv6) 그리고 이 두 가지 기능을 상호 보완한 F-HMIPv6(Fast Handover for Hierarchical MIPv6) 그리고 최근에는 네트워크 기반의 프로토콜인 PMIPv6(Proxy MIPv6)와 F-PMIPv6(Fast Handover for Proxy MIPv6) 등도 있으며, 이 기종망에서 글로벌 끊김 없는 핸드오버를 위한 PMMP (Peer-to-Peer Mobility Management Protocol )도 제안되었다.", "그리나 IP기반 차세대 모바일 네트워크는 모바일 사용자 수와 이동성, 서비스의 품질 QoS에 대한 추가 수요의 증가로 현재 이동성관리 기법에 대한 새로운 도전에 직면해있다고 할 수 있다.", "정보 교환으로 인해 위치관리 시그널링 트래픽 부담은 사용자 수의 증가와 함께 증가하게 된다.", "통계적으로 \\( 90 \\% \\) 이상의 시그널링 트래픽이 일부 고밀도 도시 지역 에서 위치 업데이트에 대해 자동으로 생성되는 것을 확인할 수 있으며 이리한 트래픽 증가는 위치관리 도메인 크기가 작은 현재의 이동성관리 기법과 함께 추가로 네트워크 시그널링 부담을 심화시키고 있다 .", "이리한 원인들로 인해 모바일 단말은 이동성과 관련한 어떠한 작동도 요구하지 않는 네트워크 기반의 이동성 프로토콜에서 사용자의 이동성 패턴을 고려한 이동성관리 기법만이 위에 언급한 문제를 해결할 수 있는 대안이 될 것이다.", "</p><p>본 논문은 새로운 이동성 패턴 기반의 Proxy-UMP 기법을 제안한다.", "모바일 사용자의 SMR(Session Mobility Ratio)은 PBS기법에서 매우 중요하다는 것을 입증하며, 트래픽 절감은 제한된 SMR의 특정범위 아래에 형성되는 것을 보여준다.", "Proxy-UMP는 사용자의 상태에 따라 다른 탐색기법을 사용하여 UMP 비용을 최소화시킬 수 있다.", "이 기법은 UMP을 사용하여 위치 업데이트 및 탐색 트래픽 부담을 최소화하는 데 사용된다.", "기본적인 아이디어는 이동성 패턴 프로파일에 시간 정보를 포함하는 것이다.", "따라서 다른 위치 업데이트와 탐색방식은 다른 사용자 상태를 기반으로 사용할 수 있다.", "수학적 분석결과는 Proxy-UMP는 PMIPv6과 PBS기법보다 훨씬 적은 신호 트래픽을 생성하고, Proxy-UMP에서 탐색 지연이 매우 짧은 것으로 나타났다.", "차세대 무선통신 시스템에서 서비스 제공자는 사용자의 서비스 요구에 따라 네트워크 리소스를 할당해서 사용자 중심의 서비스를 제공할 것이다.", "Proxy-UMP 장점은 시스템이 사용자의 미래 위치를 예측할 수 있다는 것이다.", "그리고 리소스를 사용자의 우선 순위가 높은 애폴리케이선에 미리 할당할 수도 있다.", "</p><p>본 논문은 다음과 같이 구성되어있다.", "Ⅱ장 관련연구에서 PMIPv6 구조, PBS기법을 상세하게 설명한다.Ⅲ3 장 에서는 제안기법인 Proxy-UMP을 설명한다.", "Ⅳ장 성능분석에서는 신호 전달 비용을 모델링하고 성능평가를 위한 네트워크 아키텍처와 성능평가 결과를 분석하며, Ⅴ장 결론에서 논문의 결론을 언급한다.", "</p> <h1>요 약</h1><p>미래의 무선 시스템은 사용자가 이동하며 생활하는 것을 지원해야 한다.", "이동성은 매우 다른 특성을 가진 여러 개의 중첩 네트워크의 사용을 통해 제공 될 것이다.", "이러한 네트워크는 오늘날의 인기 있는 데스크탑 서비스인 웹 브라우징, 쌍방향 멀티미디어 및 모바일 화상회의 등의 원활한 제공을 지원해야 한다.", "따라서 이러한 모바일 시스템 설계의 주요 과제 중 하나는 서비스 품질 (QoS)보장이 될 것이며 이것은 애플리케이션이 다양한 네트워킹 인프라 아래에서 요구하는 것에 따라 보장해야 한다.", "우리는 응용 프로그램에 QoS 보장을 제공하는 자원의 예약 및 적응 기법을 사용할 필요가 있다.", "그러나 전체 서비스 예약 및 사전 구성은 지나치게 많아서 결과가 매우 비효율적이고 신뢰할 수도 없는 방식이다.", "이것을 극복하기 위해 사용자의 이동성 패턴을 이용할 수 있다.", "사용자의 움직임을 미리 알고 있을 경우, 예약 및 구성 절차는 사용자가 방문할 가능성이 있는 네트워크의 영역으로 제한할 수 있다.", "제안한 Proxy-UMP기법은 다른 기법들에 비해 탐색비용의 증가에 민감하지 않으며, SMR(Session Mobility Ratio) 증가에 따라 총비용의 증가율이 적은 것을 보여순다.", "</p><p>Keywords: Proxy-UMP, User Mobility Patterns, Mobility Management, Proxy Mobile IPv6, PBS, MPBS</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "IP기반 차세대 모바일 네트워크에서 사용자 이동패턴에 기반한 QoS 보장기법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-1a270e28-c6e7-4f97-b128-fa83e7b9eee2", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2013", "doc_author": [ "양승보", "정종필" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<table border><caption>표 2. 픽셀과 최소거리에 따른 3-레벨 코드워드의 수</caption><tbody><tr><td colspan=2></td><td>\\( d_{\\min } \\geq 5 \\)</td><td>\\( d_{\\min } \\geq 4 \\)</td><td>\\( d_{\\min } \\geq 3 \\)</td></tr><tr><td rowspan=12>3L</td><td>6P</td><td>12</td><td>38</td><td>55</td></tr><tr><td>8P</td><td>50</td><td>241</td><td>368</td></tr><tr><td>9P</td><td>109</td><td>523</td><td>949</td></tr><tr><td>10P</td><td>244</td><td>1339</td><td>2473</td></tr><tr><td>11P</td><td>560</td><td>3539</td><td>6544</td></tr><tr><td>12P</td><td>1305</td><td>9472</td><td>17468</td></tr></tbody></table><table border><caption>표 3. 픽셀과 최소거리에 따른 4-레벨 코드워드의 수</caption><tbody><tr><td colspan=2></td><td>\\( d_{\\min } \\geq 5 \\)</td><td>\\( d_{\\min } \\geq 4 \\)</td><td>\\( d_{\\min } \\geq 3 \\)</td></tr><tr><td rowspan=12>4L</td><td>4P</td><td>9</td><td>20</td><td>29</td></tr><tr><td>5P</td><td>19</td><td>50</td><td>88</td></tr><tr><td>6P</td><td>47</td><td>166</td><td>281</td></tr><tr><td>7P</td><td>129</td><td>513</td><td>941</td></tr><tr><td>8P</td><td>359</td><td>1761</td><td>3168</td></tr><tr><td>9P</td><td>1032</td><td>5948</td><td>27027</td></tr></tbody></table><table border><caption>표 4. 픽셀과 최소거리에 따른 5-레벨 코드워드의 수</caption><tbody><tr><td colspan=2></td><td>\\( d_{\\min } \\geq 5 \\)</td><td>\\( d_{\\min } \\geq 4 \\)</td><td>\\( d_{\\min } \\geq 3 \\)</td></tr><tr><td rowspan=12>5L</td><td>4P</td><td>17</td><td>49</td><td>68</td></tr><tr><td>6P</td><td>50</td><td>153</td><td>247</td></tr><tr><td>6P</td><td>154</td><td>578</td><td>984</td></tr><tr><td>7P</td><td>514</td><td>2327</td><td>4135</td></tr><tr><td>8P</td><td>1762</td><td>9746</td><td>17437</td></tr></tbody></table><p>그림 1 ~ 4 는 각각의 픽셀 개수의 변화와 \\( d_{\\min } \\) 에 따른 코드율을 2-레벨부터 5-레벨까지 보여준다.", "입력 비트의 개수를 픽셀의 수로 나눠서 코드율을 계산할 수 있으며 작은 최소 거리를 갖는 코드는 가능한 코드워드 패턴이 더 많으므로 \\( d_{\\min } \\) 이 큰 코드보다 높은 코드율을 갖는다.", "그리므로 픽셀개수의 증가는 코드율을 높여주며 높은 저장밀도를 가질 수 있다.", "</p><h2>1. 멀티레벨 변조부호 예제</h2><p>코드간의 최소거리가 각각 4,5 일 때 4-레벨이고 코드워드가 4 개의 픽셀로 구성될 때의 예제를 보여준다.", "표 3 을 보면 \\( d_{\\min } \\) 이 각각 4 와 5 일 때의 가능한 코드워드 패턴은 20 개와 9 개이다. \\", "( d_{\\min }=4 \\) 일 때, \\( 2^{4}<20 \\) 이고 4 개의 입력 비트는 16 가지의 경우가 가능하므로 20 개의 가능한 코드워드 중에서 16 개를 선택한다.", "이와 마찬가지로 \\( d_{\\min }=5 \\) 일 때, \\( 2^{3}<9 \\) 이므로 3 개의 입력 비트는 8 가지의 경우가 가능하므로 9 개의 가능한 코드워드 중에서 8 개를 선택한다.", "각각의 코드율은 \\(4 / 4, 3 / 4 (\\mathrm{bits}/\\mathrm{pixel})\\)이다.", "표 5 와 6 은 최소거리가 4,5 일 때의 각각 코드워드 리스트를 보여준다.", "</p><table border><caption>표 5. 4-레벨, 4픽셀, \\( d_{\\min }=4 \\) 일 때의 코드워드 할당</caption><tbody><tr><td>Input symbol</td><td>Output</td><td>Input symbol</td><td>Output</td></tr><tr><td>0</td><td>0000</td><td>8</td><td>1313</td></tr><tr><td>1</td><td>0013</td><td>9</td><td>1331</td></tr><tr><td>2</td><td>0031</td><td>10</td><td>2002</td></tr><tr><td>3</td><td>0202</td><td>11</td><td>2020</td></tr><tr><td>4</td><td>0220</td><td>12</td><td>2033</td></tr><tr><td>5</td><td>0233</td><td>13</td><td>2222</td></tr><tr><td>6</td><td>1111</td><td>14</td><td>3100</td></tr><tr><td>7</td><td>1300</td><td>15</td><td>3113</td></tr></tbody></table><table border><caption>표 6. 4-레벨, 4픽셀, \\( d_{\\min }=5 \\) 일 때의 코드워드 할당</caption><tbody><tr><td>Input symbol</td><td>Output</td></tr><tr><td>0</td><td>0000</td></tr><tr><td>1</td><td>0023</td></tr><tr><td>2</td><td>0230</td></tr><tr><td>3</td><td>0302</td></tr><tr><td>4</td><td>1333</td></tr><tr><td>5</td><td>2031</td></tr><tr><td>6</td><td>2103</td></tr><tr><td>7</td><td>2310</td></tr></tbody></table> <h1>II.", "HDS 를 위한 멀티레벨 변조부호</h1><p>HDS 의 코드워드는 2차원 배열의 다양한 모양일 수 있으며, 이 때 픽셀의 개수는 P 개라고 가정한다.", "멀티 레벨 HDS에서 각 픽셀은 L 개의 심볼값 중 하나이다.", "그러므로 \\( L^{P} \\) 개의 코드워드가 가능하다. \\", "( L^{P} \\) 개의 코드 워드들 중에서 변조코드는 요구된 HDS를 위해 비용과 성능을 고려하여 조건을 만족하는 코드워드의 집합이다.", "부호 성능의 중요한 조건중의 하나는BER 을 낮추는 것이며, 코드워드의 에러 정정 능력이 BER을 감소시킨다.", "임의적으로 선택된 코드워드보다 코드워드들 간의 거리가 가능한 멀리 있는 코드워드가 더 큰 노이즈 마진을 갖기 때문에, 이러한 코드워드를 선택함으로써 정정 능력을 높일 수 있다.", "</p><p>코드워드 \\( \\underline{x} \\) 를 다음과 같이 \\( \\underline{x}=\\left(x_{1}, x_{2}, \\ldots, x_{p}\\right) \\) 로 정의하고, 각 픽셀은 \\( x_{i}=0,1, \\ldots, L-1 \\) 의 심볼값을 갖는다고 하자.", "두 개의 코드워드 \\( \\underline{x} \\) 와 \\( \\underline{y} \\) 사이의 거리 d 는 다음과 같이 정의한다.", "</p><p>\\( d(\\underline{x}, \\underline{y})=\\sum_{i=1}^{P}\\left|x_{i}-y_{i}\\right| \\)<caption>(1)</caption></p><p>여기서 P 는 코드워드당 픽셀의 수이다.", "모든 코드워드들간의 거리차들 중에서 가장 작은 거리를 \\( d_{\\min } \\) 이라고 하면, \\( d_{\\min } \\) 이 클수록 노이즈 마진이 크므로 효과적으로 에러를 줄일 수 있다.", "표 1∼4는 \\( d_{\\min } \\) 에 따른 코드워드 개수를 보여준다.", "표 1은 레벨이 2일 때, 즉 비트 단위로 저장할 때이며, 표 2는 레벨이 3일 때, 표 3은 레벨이 4일 때, 표 4는 레벨이 5일 때 픽셀의 수에 따른 코드워드 개수를 보여준다.", "</p><table border><caption>표 1. 픽셀과 최소거리에 따른 2-레벨 코드워드의 수</caption><tbody><tr><td colspan=2></td><td>\\( d_{\\min } \\geq 5 \\)</td><td>\\( d_{\\min } \\geq 4 \\)</td><td>\\( d_{\\min } \\geq 3 \\)</td></tr><tr><td rowspan=12>2L</td><td>6P</td><td>2</td><td>4</td><td>8</td></tr><tr><td>8P</td><td>4</td><td>16</td><td>16</td></tr><tr><td>9P</td><td>4</td><td>16</td><td>32</td></tr><tr><td>10P</td><td>8</td><td>32</td><td>64</td></tr><tr><td>11P</td><td>16</td><td>64</td><td>128</td></tr><tr><td>12P</td><td>16</td><td>128</td><td>256</td></tr><tr><td>13P</td><td>32</td><td>256</td><td>512</td></tr><tr><td>14P</td><td>64</td><td>512</td><td>1024</td></tr><tr><td>15P</td><td>128</td><td>1024</td><td>2048</td></tr><tr><td>16P</td><td>256</td><td>2048</td><td>2048</td></tr><tr><td>17P</td><td>512</td><td>2048</td><td>4096</td></tr><tr><td>18P</td><td>512</td><td>4096</td><td>8192</td></tr></tbody></table> <h1>요 약</h1><p>멀티레벨 홀로그래픽 데이터 저장장치는 한 픽셀에 1비트 이상을 저장할 수 있기 때문에 용량에 대한 큰 장점을 갖는다.", "본 논문에서는 (1) 레벨의 수, (2) 코드워드 내에서 픽셀의 수, (3) 최소 유클리디안 거리에 따른 코드워드들의 개수를 보여준다.", "픽셀당 레벨의 수의 증가는 용량을 증가시키지만 노이즈 마진이 감소함에 따라 많은 에러를 발생시킨다.", "코드워드에서 픽셀개수의 증가는 코드율을 증가시키며 용량을 늘리지만, 코드의 인코더와 디코더의 복잡도를 증가시킨다.", "코드의 최소 거리 증가는 검출 에러를 줄이지만 코드율을 감소시킨다.", "위와 같이 시스템 디자인은 항상 장·단점을 가지고 있지만, 시스템의 요구사항을 위해 주어진 상황에서 효과적인 방법을 찾아야 한다.", "그러므로 본 논문에서 조사된 코드워드의 수는 효과적인 코드 디자인을 위한 가이드라인을 제시한다.", "</p> <h1>I.", "서 론</h1><p>홀로그램을 이용한 저장기술은 1948년 전자현미경의 해상도를 높이기 위한 기술로 개발된 이후, 레이저의발명으로 가속화 되었다.", "이 홀로그램 기술을 이용한 홀로그램 매체에 체적으로 데이터를 저장하는 방법이 홀로그래픽 데이터 저장장치(holographic datastorage, HDS)이다.", "HDS의 기본원리는 정보를 담고 있는 데이터를 SLM(spartial light modulator)에 의해 신호빔으로 바뀌고, 이를 기준빔(reference beam)으로 간접시켜 생기는 간섭무늬를 홀로그램 매체에 기록하고,반대로 읽을 때는 기준빔을 홀로그램 매체에 입사하여 정보 신호를 추출하는 것이다.", "다양한 기준빔을 이용하여 여러 페이지를 한 곳에 저장할 수 있다.", "신호빔에 데이터를 페이지 형식으로 보내기 때문에 데이터 전송률이 높고, 여러 페이지를 한 곳에 저장할 수 있기 때문에저장 용량 또한 매우 높일 수 있다.", "HDS가 저장용량 및 빠른 전송율을 갖고 있지만, 2차원 픽셀 이미지를 읽기 때문에, 블러(blur)효과, 즉 2차원 인접 심볼간간섭(inter-symbol interference, ISI)이 생긴다.", "또한 HDS는 여러 페이지를 같은 공간에 저장하기 때문에 인접 페이지간 간섭(inter-page interference, IPI)이 생긴다.", "이런 문제들을 해결하기 위해 여러 가지 2차원 변조 부호를 연구해왔다", "</p><p>멀티레벨 홀로그래픽 데이터 저장장치는 픽셀당 1비트 이상을 저장할 수 있다.", "M-Level을 갖는 HDS라면,한 픽셀이 나타낼 수 있는 심볼의 수는 M가지가 되고이것은 용량에서 큰 이점을 갖는다.", "G. Burr은HDS에 대해서 그레이 스케일 데이터 페이지를 조사하였는데, 그의 실험 결과 3-레벨 인코딩 매핑은 기존 용량보다 \\(30\\%\\) 향상된 성능을 보였으며, 또한 2진 인코딩방식보다 \\(30\\%\\) 향상된 데이터 전송률을 보였다.", "B.King 또한 유사한 결과를 소개하였다.", "용량의 이점이외에도 멀티레벨 심볼은 비트의 경우보다 다양한 코드워드를 제공하기 때문에 최소거리를 크게 선택할 때마다 에러 정정 능력이 좋아진다.", "</p><p>본 논문에서는 멀티레벨 변조 부호를 위해 (1) 레벨의 수, (2) 코드워드 내에서 픽셀의 수, (3) 최소 유클리디안 거리에 따른 코드워드 개수를 조사하였다.", "픽셀당레벨의 수의 증가는 용량을 증가시키지만 노이즈 마진이 감소함에 따라 많은 에러가 발생한다.", "코드워드에서픽셀 개수의 증가는 코드율을 증가시키며 용량을 늘리지만, 인코더와 디코더의 복잡도를 증가시킨다.", "또한 코드워드 간의 최소 거리 증가는 검출 에러를 줄이지만 코드율을 감소시킨다.", "위와 같이 시스템 디자인은 항상장·단점을 가지고 있지만, 시스템의 요구사항을 위해 주어진 상황에서 효과적인 방법을 찾아야 한다.", "</p><p>본 논문의 구성은 다음과 같다.", "II장에서는 (1) 픽셀의 개수가 2, 3, 4, 5개 일 때, (2) 코드의 최소 유클리디안 거리가 3, 4, 5일 때, (3) 코드워드에서 픽셀의 개수가 4∼19개 일 때에 대한 각각의 코드워드의 수를 조사한다.", "III장에서는 홀로그래픽 채널에서의 시뮬레이션환경 및 실험결과를 보여주며, IV장에서는 앞 장을 결과를 바탕으로 결론을 내린다.", "</p> <h1>IV.", "결 론</h1><p>본 논문에서는 멀티레벨 HDS를 위한 다양한 변조부호를 조사하였다.", "조사된 코드워드의 수는 픽셀당 레벨의 수, 코드워드당 픽셀의 수, 최소 거리에 대해 조사하였다.", "변조부호의 개수를 이용하여 요구된 HDS를 위해주어진 디자인 조건에 맞추어 시스템 디자이너는 효과적인 멀티레벨 변조부호를 찾을 수 있다.", "</p> <h1>III.", "실 험</h1><p>그림 5는 제안된 변조코드를 위한 시뮬레이션 모델의 블록 다이어그램이다.", "홀로그래픽 채널을 모델링하는 \\((x, y)\\) 위치의 연속적인 PSF(point-spread function)은 다음과 같다.", "</p><p>\\( h(x, y)=\\frac{1}{\\sigma_{b}^{2}} \\sin c\\left(\\frac{x}{\\sigma_{b}}, \\frac{y}{\\sigma_{b}}\\right) \\)<caption>(2)</caption></p><p>여기서 \\( \\sigma_{b} \\) 는 분산된 신호의 희미한 정도인 블러를 의미한다.", "블러가 커지면 2차원 ISI가 증가한다. \\", "( \\sin c(x, y) \\) 는 다음과 같이 정의한다.", "</p><p>\\( \\operatorname{sinc}(x, y)=\\left(\\frac{\\sin (\\pi x)}{\\pi x} \\frac{\\sin (\\pi y)}{\\pi y}\\right) \\)<caption>(3)</caption></p><p>\\([p, q]\\) 위치의 이산 PSF 는 다음과 같이 정의한다.", "</p><p>\\( h[p, q]=\\int_{q-1 / 2}^{q+1 / 2} \\int_{p-1 / 2}^{p+1 / 2} h(x, y) d x d y \\)<caption>(4)</caption></p><p>여기서 CCD 배열이 제대로 된 위치에 있지 못하게 된 상태로 어긋남은 홀로그래픽 데이터의 신호 품질에 영향을 미친다.", "이는 자기 자신의 신호의 크기를 감소 시킬 수 있지만 옆에 다른 위치의 신호를 크게 만들 수 있기 때문이다. \\", "(x\\) 축의 어긋남 \\( m_{x}\\), \\(y\\) 축의 어긋남 \\( m_{y} \\) 로 정의한 연속적인 PSF는 다음과 같다.", "</p><p>\\( h(x, y)=\\frac{1}{\\sigma_{b}^{2}} \\operatorname{sinc}^{2}\\left(\\frac{x+m_{x}}{\\sigma_{b}}, \\frac{x+m_{y}}{\\sigma_{b}}\\right) \\)<caption>(5)</caption></p><p>인코더에 의해 2차원 멀티레벨 변조코드로 변환된 데이터는 홀로그래픽 채널을 통과하고, 부가백색 가우시안 잡음(Additive white Gaussian Noise, AWGN)이 더해진다.", "신호대잡음비(Signal to Noise Ratio, SNR)는 \\( 10 \\log _{10}\\left(1 / \\sigma_{\\omega}^{2}\\right) \\) 과 같이 정의하였으며, 여기서 \\( \\sigma_{\\omega}^{2} \\) 는 AWGN의 잡음전력이다.", "채널 등화기에서 사용되는 부분응답(partial response, PR) 타겟은 PR(131)을 사용하였다.", "등화기로부터 나온 출력은 연판정 출력 비터비 알고리즘(soft output Viterbi algorithm, SOVA)에 전달되어 검출 한 후, 멀티레벨 심볼을 이전 비트로 복조한다.", "본 실험에서는 한 페이지의 크기가 \\( 1024 \\times 1024 \\) 이고, 10 페이지에 대하여 실험하였다.", "</p><p>그림 6은 2.1장에서 4-레벨 변조부호와 랜덤 데이터에 대한 BER 성능을 보여준다.", "랜덤 데이터는 \\( \\mathrm{SNR}=18 \\mathrm{~dB} \\) 에서도 에러가 발생하지만, \\( d_{\\min } \\geq 4 \\), \\( d_{\\min } \\geq 5 \\) 일 때는 각각 \\( \\mathrm{SNR}=14 \\mathrm{~dB}\\), \\(\\mathrm{SNR}=12 \\mathrm{~dB} \\) 이상 부터는 에러가 발생하지 않는다.", "또한 BER \\( =10^{-5} \\) 일 때 \\( d_{\\min } \\geq 4 \\) 는 랜덤 데이터 보다 약 \\( 4.6 \\mathrm{~dB} \\) 정도 성능이 좋은 것을 볼 수 있으며, \\( \\mathrm{BER}=10^{-6} \\) 일 때 \\( d_{\\min } \\geq 5 \\) 는 \\( d_{\\min } \\geq 4 \\) 보다 약 \\( 2.3 \\mathrm{~dB} \\) 성능이 좋아지는 것을 볼 수 있다.", "</p><p>그림 7은 어긋남이 존재할 때 SNR에 따른 4-레벨 변조부호의 BER 성능을 비교한 결과이다.", "어긋남의 증가에 따라 BER 성능이 나빠지는 것을 볼 수 있으며, \\( d_{\\min } \\geq 5 \\) 와 \\( d_{\\min } \\geq 4 \\) 의 부호이득은 각각의 어긋남 정도와 비슷한 성능을 보인다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "홀로그래픽 데이터 저장장치에서의 멀티레벨 변조부호", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-12c125a7-9e08-4e95-847a-74b0cd093efc", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2015", "doc_author": [ "정성권", "이재진" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>Ⅳ. 실험 결과</h1><p>제안된 방법의 성능평가를 위해 stefan, news, container, flower, mobile 둥 5개의 CIF (\\(352 \\times 288\\))영상들을 각각 QCIF(\\(176 \\times 144\\)) 로 다이렉트 샘플링 (저대역 필터링 포함)한 영상들을 테스트 영상으로 사용하였다.", "각 동영상 시퀀스의 첫 프레임을 채택하였다.", "Bilinear, cubic convolution, NEDI와 같은 기존의 방법과 제안한 방법을 주관적 화질 및 PSNR 측면에서 비교하였다.", "NEDI에서 Th는 8로 선택하였다.", "제안한 방법의 임계값 \\( T_{M} \\)과 \\( T_{D} \\)는 각각 100,160으로 실험적으로 설정하였다.", "</p><p>그림 9는 stefan 영상에 대한 실험결과이다.", "상세한 비교를 위해 그림 10과 그림 11은 각각 그림 9의 붉은 색과 파란 색 부분을 확대한 결과이다.", "복잡한 에지 부분인 관중석 부분에서 제안한 방법이 기존의 NEDI보다 영상의 왜곡이 줄어든 것을 확인할 수 있고 (그림 10), cubic convolution 보간법보다 선수의 어깨 윤곽선을 매끄럽게 보간한다 (그림 11).", "</p><p>news영상에서는 복잡한 고주파 영역이 존재하지 않기 때문에 대체로 제안한 방법이 NEDI와 비슷한 화질을 보였고, 확대 영상을 보면 cubic convolution보다 윤곽선에서 좋은 보간 성능을 보여주는 것을 확인할 수 있었다", "(그림13).", "container 영상에서는 에지 영역에서도 제안한 방법이 좋은 화질을 보이는 경우가 있으며, flower에서는 텍스쳐 영역에서 NEDI보다 우수한 주관적 화질을 보여주는 것을 확인하였다", "(그림 14-17).", "</p><p>표 1의 PSNR 비교 결과를 통해 대체적으로 기존의 방법들보다 제안한 방법이 높은 PSNR을 보여 주관적 화질뿐만 아니라 객관적 화질에서도 우수한 성능을 발휘하는 것을 보였다.", "그림 18과 같이 에지 분석을 통해 영역 별로 적합한 보간 방법을 선정함으로써 얻어진 결과라고 할 수 있다.", "</p><caption>표 1. PSNR 성능 비교 \\([\\mathrm{dB}] \\)</caption><table border><tbody><tr><td></td><td>news</td><td>stefan</td><td>mobile</td><td>flower</td><td>container</td></tr><tr><td>Bilinear Interpolation</td><td>27.9</td><td>25.8</td><td>21.9</td><td>22.2</td><td>26.8</td></tr><tr><td>Cubic Convolution</td><td>28.7</td><td>26.9</td><td>21.9</td><td>21.5</td><td>27.1</td></tr><tr><td>NEDI (Th=8)</td><td>28.1</td><td>25.8</td><td>21.3</td><td>22.0</td><td>26.4</td></tr><tr><td>제안한 방법</td><td>28.7</td><td>26.4</td><td>22.1</td><td>21.9</td><td>27.0</td></tr></tbody></table>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "영역별 특성을 고려한 적응적 영상 보간 방법", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-195366d4-58c8-4885-8b4f-a80b56ca7276", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "정신철", "송병철" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>II.", "배경 지식</h1><h2>2.1 화자 인식</h2><p>딥러닝 기반 화자인식 시스템은 학습된 모델로부터 화자 임베딩 벡터를 추출하고 이를 이용하여 화자를 분류 혹은 검증한다.", "화자 임베딩은 음성 신호에 적합한 여러 가지 신경망 구조를 활용하여 구현되었다.", "예를들어, 심층신경망(DeepNeural Network,DNN)에기반한 d-vector, 시간지연신경망(Time-DelayNeural Network, TDNN)에 기반한 x-vector, 그리고 합성곱 신경망(Convolution Neural Network, CNN)에 기반한 등의 방법들이 제시되었고 이들은 기존의 통계적 모델링 방법들에 비하여 뛰어난 성능을 보여주었다.", "</p><p>최근 Tai et al.은 정보 분리 방법을 적용하여 더욱뛰어난 성능을 보였다.", "이 방법은 두 개의 인코더와 하나의 디코더를 사용하였으며, 두 개의 인코더는 각각 화자 정보를 추출하는 화자 인코더와 그 외의 정보들을 모델링하는 잔여 인코더로 구성된다.", "디코더는앞선 두 인코더의 출력을 입력으로 사용하여 입력된 음성신호를 복원하는 역할을 한다.", "디코더의 역할은 인코더를 통해 분리된 정보들의 정보량이 유실되지 않도록 방지하며 이를 통해 화자의 특징을 제외한 정보들이 잔여인코더에 나타날 수 있도록 한다.", "</p><p>이를 학습하기 위한 학습 기준은 여러 가지 손실 함수의 조합으로 나타내어진다.", "첫째, 입력된 화자의 레이블을 학습하도록 하는 교차 엔트로피 오차를 이용하여 화자 인코더를 학습한다.", "이 때, 화자 인코더 후에 분류기를 추가하여 화자의 레이블을 학습함으로써 화자 임베딩이 효과적으로 표현되도록 한다.", "이렇게 학습된 분류기는 잔여 인코더를 학습하는데 사용되는데, 이 때 적대 학습 방법을 이용하여 잔여 인코더의 임베딩이 어떤 화자의 레이블도 추정하지 못하도록 학습한다.", "마지막으로, 디코더는 전체 시스템의 입력과 디코더의 출력이 유사해지도록 평균 제곱근 오차(Mean Squared Error, MSE)를 최소화하도록 학습한다.", "</p><p>이러한 방식으로 신경망을 학습함으로써 화자 레이블을 추정하도록 학습하는 인코더 방식에 비해 화자 정보를 추정할 뿐만 아니라 화자 외의 정보는 추출하지 않음으로 향상된 화자 인식 성능을 보인다.", "</p><h2>2.2 Generative Adversarial Network(GAN)</h2><p>생성적 적대 신경망은 게임이론에 바탕을 둔 방법이다.", "GAN은 생성기와 판별기, 두 개의 연속된 네트워크로 이루어진다.", "생성기는 목표로 하는 데이터를 생성하며 판별기는 생성된 데이터의 진실 유무를 판별한다.", "그러므로 학습할 때에는, Minimax 게임에 서차용된 손실함수 \\( V(G, D) \\) 를 이용하여 생성기는 정교한 데이터를 생성하도록 하며, 판별기는 생성된 데이터의 진실 유무를 정확하게 구별할 수 있도록 학습한다.", "</p><p>\\( \\min _{G} \\max _{D} V(G, D)=E_{x \\sim p_{\\text {data }(x)}}[\\log D(x)] \\)\\( +E_{z \\sim p_{z}(z)}[\\log (1-D(G(z))] \\).", "<caption>(1)</caption></p><p>이 때, \\( z \\) 는 확률변수를 가리키며, \\( x \\) 는 입력 데이터, \\( G(z) \\) 는 생성기로 생성된 데이터를 나타낸다.", "GAN은 주로 생성기반의 학습에 이용되는 방법이지만 최근에는 이와 같이 분류 기반의 연기에도 사용한다.", "</p> <h1>III.", "본 론</h1><h2>3.1 기본 시스템 구조</h2><p>본 연구에서는 Fig.", "1에서의 구조와같이 Tai et al. 에서 사용된 구조를 기반 시스템으로 사용한다.", "이 구조는 앞서 설명한 내용과 같이 정보 분리 방법을 활용하여 더욱 효과적인 화자 임베딩 벡터를 추출하는 방법이다.", "</p><p>기존의 방법은 화자 인코더와잔여 인코더를 이용하여 분리된 임베딩 벡터들로부터 디코더를 통해 입력 데이터를 복원한다.", "하지만, 시간 및 주파수 축에 존재하는 입력 데이터의 정보들을 일차원의 임베딩으로 압축하는 과정에서 불가피하게 일부의 정보가 유실될 수 있다.", "예를 들어, 입력 신호에 배경 잡음이나 잔향이 존재할 때에는 잔여 인코더에서 이를 모두 임베딩하기 어렵다.", "이와 같은 결과는 디코더가 데이터를 복원하는데 치명적인 영향을 주며 결과적으로 원본 데이터를 추론하여 화자 인식의 성능을 높이고자 하는 방법을 방해한다.", "</p><p>제안하는 방법에서는 데이터의 복원 성능에 한계가 있다는 점을 보완하고 분리된 데이터의 정보량을 유지한다는 점에 착안하여 디코더와 판별기를 이용하여 학습하도록 한다.", "GAN에서 사용된 바와 같이 디코더가 음성을 생성하도록 하고, 판별기는 생성된 음성이 실제 음성신호의 특성과 유사해지도록 디코더를 학습한다.", "제안하는 방법은 총 네 가지의 손실 함수에 의해 복합적으로 학습되며, 사용된 각 손실 함수와 의미는 다음과 같다.", "</p><h2>3.2 화자 정보 인코더</h2><p>화자 정보 인코더의 목적은 더욱 정확한 화자 임베딩을 얻는데 있다.", "화자 정보 인코더의 출력인 화자 임베딩은 화자 분류기 \\( C_{s p k} \\) 와 함께 기존의 화자 분류 구조로 학습한다.", "본 논문에서는 아래 식과 같이 화자 분류 구조로 교차 엔트로피 오류를 사용하여 화자 정보 인코더를 학습한다.", "</p><p>\\( L_{s p k}=-\\sum_{i=1}^{N} k_{i} \\log \\left(C_{s p k}\\left(E_{s p k}(x)\\right)\\right) \\)<caption>(2)</caption></p><p>이때, \\( N \\) 는 총 화자 수, \\( k_{i} \\) 는 화자 레이블, \\( E_{s p k} \\) 는 화자 인코더를 가리킨다.", "학습된 화자 정보 인코더는 입력 멜-스펙트럼(mel-spectrum)에서 화자 정보를 추출하여 다른 화자들과 구별될 수 있는 벡터를 출력한다.", "</p><h2>3.3 잔여 정보 인코더</h2><p>잔여 정보 인코더는 음성 신호 내 화자 외의 정보를 나타내는 인코더이며, 이는 적대적 분류기(adver-sarial classifier)를 이용하여 학습한다.", "분류기는 화자를 분류하도록 학습하되 잔여 정보 인코더는 학습된 분류기를 통해 화자를 구분할 수 없도록 한다.", "</p> <h1>초 록</h1><p>본 논문은 딥러닝 기법을 활용하여 음성신호로부터 효율적인 화자 벡터를 추출하는 시스템을 제안한다.", "음성 신호에는 발화내용, 감정, 배경잡음 등과같이 화자의 특징과는 관련이 없는 정보들이 포함되어 있다는 점에 착안하여 제안 방법에서는 추출된 화자 벡터에 화자의 특징과 관련된 정보는 가능한 많이 포함되고, 그렇지 않은 비화자 정보는 최소화될 수 있도록 학습을 진행한다.", "특히, 오토-인코더 구조의 부호화기가 두 개의 임베딩 벡터를 추정하도록 하고, 효과적인 손실 함수 조건을 두어 각 임베딩이 화자 및 비화자 특징만 각각 포함할 수 있도록 하는 효과적인 화자 정보 분리(disentanglement)방법을 제안한다.", "또한, 화자 정보를 유지하는데 도움이 되는 생성적 적대 신경망(Generative Adversarial Network, GAN)에서 활용되는 판별기 구조를 도입함으로써, 디코더의 성능을 향상시킴으로써 화자 인식 성능을 보다 향상시킨다.", "제안된 방법에 대한 적절성과 효율성은 벤치마크 데이터로 사용되고 있는 Voxcelebl 에 대한 동일오류율(Equal Error Rate, EER) 개선 실험을 통하여 규명하였다.", "</p> <h1>IV.", "실험 및 결과</h1><p>본 장에서는 제안하는 화자 인식 시스템의 성능을 확인하기 위한 실험의 내용을 설명하고 그 결과에 대해 분석한다.", "실험의 내용은 Reference [3]의 시스템과 비교할 수 있도록 동일한 실험 구성에서 진행 되었다.", "</p><h2>4.1 학습 데이터셋</h2><p>본 논문에서 제안된 시스템을 학습하기 위해 사용한 데이터셋은 Voxceleb22로 5,994명의 화자와 유튜브에서 추출한 1,000,000 개 이상의 음성 샘플로 구성된 데이터셋이다.", "검증 데이터셋은 여러 는문에서 기준지표 데이터셋으로 사용되는 Voxceleb1 test 를 사용하여 실험을 진행하였다.", "각 음성 샘플은 3초 로 분절하여 고정된 길이로 학습을 진행하였고, 단 시간 푸리에 변환을 위하여 프레임 길이는 \\( 25 \\mathrm{~ms} \\) 로 정하고 매 \\( 10 \\mathrm{~ms} \\) 간격으로 푸리에 변환을 하였다.", "최종적으로 입력 특징 벡터로서 64차의 로그 스케일의 멜 스펙트럼을 추출하여 사용하였다.", "</p><h2>4.2 네트워크 구조 및 검증 방법</h2><p>실험에 사용한 네트워크의 상세 구조는 인코더는 Table 1과 같이 ResNet34 구조를 사용하였고, 디코더는 DCGAN 에서 사용한 바와같이 9 개의 전치 합성곱 신경망(transposed CNN)와 3개의 완전 연결 층을 사용하였다.", "판별기는 8개의 합성곱 신경망 구조를 사용하고 다중업무를 위해 별도의 완전 연결층 두 개를 사용하였다.", "각 인코더에서 풀링 방법으로 는 Self-Attentive Pooling(SAP) 방법을 사용하였다.", "학습을 위한 옵티마이저로는 Adam을 사용하였으며 이의 학습율은 0.001 로 설정하였다.", "실험의 유용성 및 성능은 동일 오류율(Equal Error Rate, EER)을 사용하여 검증하였다.", "동일오류율은 화자 인증에 사용되는 검증 방법으로 오인식율(False Acceptance Rate, FAR)과 오거부율(False Rejection Rate, FRR)이 같아지는 때의 비율을 의미한다.", "</p> <h2>4.3 실험 내용 및 결과</h2><p>Table 2 는 인코더 기반의 Xie et al. 본 논문의 기반 방법인 Tai et al. 그리고 본 논문의 화자 인식 시스템 실험에 대한 동일오류율 결과를 정리한 것 이다.", "비교군으로 설정한 방법들은 제안한 시스템과 같은 인코더 구조(ResNet34)와 풀링 방법을 가지고 있고, 동일한 학습 방법을 사용하여 학습하고 성능을 측정하였으므로 제안 방법에 대한 유용성을 공정하게 검증 가능하다.", "기반 논문인 Tai et al.은 화자 정보 분리를 활용한 방법이 기존의 인코더 방식보다 EER 이 상대적 개선 지표 측면에서 \\( 12.1 \\% \\) 더 우수하다는 것을 보였고, 제안된 시스템은 Tai et al. 보다 \\( 9.1 \\% \\) 더 우수하였다.", "이를 통해 본 논문에서 제안하는 방법이 화자 정보와 잔여 정보를 분리하는데 더욱 유용하다는 것을 확인하였다.", "</p><p>Table 3은 본 논문에서 제안하는 시스템의 ablation study 결과를 나타내고 있다.", "본 논문은 기존의 오토 인코더 구조에서 GAN 구조를 적용하여 정보 분리 효과를 강화하고 있고, GAN에서 판별기가 정보 분리에 미치는 영향에 대해 분석하고 있다.", "판별기가 없는 기존 방법의 경우 동일오류율성능이 \\( 4.41 \\% \\) 이며, 판별기를 도입하여 GAN의 학습방법과 같이 전체 시스템을 학습할 경우는 동일 오류율이 \\( 4.29 \\% \\) 로 성능의 향상이 있음을 확인하였다.", "디코더를 이용한 화자 정보 분리 방법은 입력 멜-스펙트럼을 복원하는 성능이 정보의 보존에 중요한 역할을 하므로 분류기를 통한 복원 성능 향상이 전체 시스템에서 화자 인식 성능의 향상을 가져왔다.", "</p><p>또한, 다중 작업 판별기로 기존의 분류기의 손실 함수 \\( L_{D} \\) 와 다중작업으로 복원된 데이터에서 화자를 분류하는 손실함수 \\( L_{C} \\) 로 학습하여 동일 오류율을 측정하였다.", "다중작업 분류기는 디코더의 성능과 더불어 복원되는 멜-스펙트럼이 화자의 정보를 잘 포함하도록 학습한다.", "즉, 비록 정보량의 유실이 존재하더라도 복원된 멜 스펙트럼에는 화자의 정보는 유지되며 이는 결과적으로 화자 인코더의 성능을 향상시킬 수 있다.", "</p><p>제안된 시스템의 화자 임베딩의 우수성은 t-SNE 시각화를 통해 확인할 수 있다.", "Fig.", "2 는 ablation study 에서 사용한 방법들의 화자 임베딩의 분포를 나타내고 있다.", "임베딩 공간에서 같은 화자 특성을 지닌 화자 임베딩은 군집하여 각 화자별로 군집하는 모습을 확인할 수 있고, 화자 임베딩 간의 거리가 먼 음성 신호들은 화자의 특성이 매우 다름을 의미한다.", "그러므로 임베딩 공간에서 군집화가 이루어진 정도를 보고 발화별 변동성을 알 수 있다.", "Fig.", "2에서 확인할 수 있는 바와 같이 기존 방법에 비해 제안된 방법에서 더욱 군집화한 임베딩 분포를 보여주므로 다른 발화 내용 및 녹음 환경에도 강인한 화자 특징 정보를 추출함을 알 수 있다.", "</p> <h1>I.", "서 론</h1><p>화자 인식은 주어진 음성신호에서 발화자의 목소리 특징 정보를 추출하여 인식하는 기술이다.", "특히, 최근에는 사람과 기기 간에 효과적으로 정보를 교환하고 제어하기 위하여 사용자를 파악하고 사용자 맞춤형 서비스를 제공하기 위한 핵심 기반 기술로서 화자 인식기술의 중요성이 대두되고 있다.", "최근 다양한 딥러닝 알고리즘이 개발되어 화자인식의 성능이 크게 개선되고 있어 그 중요성과 유용성이 더욱 커지고 있다.", "딥러닝을 활용한 화자인식 시스템은 신경망을 이용하여 동일한 화자가 발화한 음성신호 전반에서 공통적으로 나타나지만 다른 화자와는 다른 특징 벡터를 추출하고, 이를 기반으로 인식 및 분류하는 시스템이다.", "대표적인 딥러닝 기반 화자 인식 기술 방법에는 d-vector, x-vector 등이 있다.", "이러한 방법들은 시간적 모델링과 화자에 관한 손실함수를 기반으로 다양한 네트워크 구조를 통해 저차원에서 표현되는 임베딩 벡터를 추출하는 것으로서 다양한 환경에서 강인한 화자인식 성능을 보였다.", "</p><p>본 논문에서는 분리 방법을 통한 효과적인 화자 정보 모델링 기법에 대하여 제안한다.", "기존의 인코더를 이용한 화자 모델링 기법은 매우 효과적이나 음성 신호 내에 존재하는 화자 정보와 무관한 정보를 제거하는데 목적을 두지 않는다.", "이로 인하여 순수한 화자 정보만을 추출하기 어려우며 이는 인식 성능의 하락을 초래한다.", "최근 제안된 음성의 정보 분리 기반의 인코더-디코더 방법은 화자의 특징을 모델링하되 화자와 관련 없는 정보를 잔여 인코더로 학습한다.", "각각 모델링된 정보를 디코더를 이용하여 입력 음성으로 복원하여 분리로 인한 정보의 유실을 방지하며, 이를 통해 화자 정보 모델링의 학습 효율성을 강화한다.", "하지만, 이 방법 또한 분리된 정보의 유실을 완전히 방지하지 못하여 화자인식 및 디코더의 성능을 저하시킨다.", "본 논문에서는 이러한 분리 기반 방법의 문제점을 해결하기 위하여 생성적 적대 신경망(Generative Adversarial Network, GAN)을 이용하고 이를 통해 기존 방법의 디코더에서의 복원 성능의 한계점을 보완할 수 있도록 학습 기준을 새롭게 제안한다.", "특히 다중작업 기반의 판별기를 이용하여 화자 분리 및 인식 성능의 향상을 기대한다.", "</p><p>본 논문의 구성은 다음과 같다.", "2장에서는 제안하는 시스템 구현에 있어서 관련 정보를 설명하고, 3장에서는 제안하는 시스템의 구조 및학습방법에 대해 설명한다.", "4장에서는 실험 내용 및 결과를 설명하고 이를 바탕으로 5 장에서는 연구의 결론 및 효과에 대하여 정리한다.", "</p> <h1>V.", "결 론</h1><p>본 논문에서는 화자 인식 성능을 개선하기 위해 정보 분리를 통한 화자 벡터 추출 방법을 제안하였다.", "제안 방법은 기존의 인코더 형식의 구조와 다르게 오토-인고더 형식의 프레임워크를 도입하여 화자와 비 화자 정보를 분리하고, 다중 태스크 판별기를 도입함으로써 효과적으로 분류 가능한 화자 벡터를 추출하였다.", "실험 결과를 통하여 제안 방법이 기존의 방식들에 비해 향상된 성능 을 보임을 확인하였으며, 제안된 각 네트워크가 화자인식 성능에 미치는 결과를 확인하였다.", "</p> <p>\\( L_{r e s, c}=-\\sum_{i=1}^{N} k_{i} \\log \\left(C_{a d v}\\left(E_{r e s}(x)\\right)\\right) \\)<caption>(3)</caption></p><p>\\( L_{\\text {res,enc }}=\\frac{1}{N} \\sum_{i=1}^{N} \\log \\left(C_{\\text {adv }}\\left(E_{\\text {res }}(x)\\right)\\right) \\)<caption>(4)</caption></p><p>이와 같이 학습하기 위해서 손실 함수는 각각 Eq.", "(3) 과 Eq.", "(4)로 표현 할 수있는데, \\( E_{\\text {res }} \\) 는 잔여 정보 인코더, \\( C_{a d v} \\) 는 적대적 분류기를 나타낸다.", "Eq.", "(3)에서는 화자 인코더와 마찬가지로 교차 엔트로피 오류를 통해 분류기 만을 학습하고 잔여 인코더는 업데이트하지 않도록 한다.", "Eq.", "(4)에서는 잔여 인코더와 분류기를 통해 구한 사후 확률(posteriori probability)이 균일 분포를 이루어 어떤 화자 레이블도 특정할 수 없도록 학습을 한다.", "이 때에는 분류기는 업데이트하지 않고 잔여 인코더만을 학습한다.", "</p><p>이를 통해 잔여 인코더는 화자를 특정하지 못하는 임베딩을 생성하며 이를 통해 잔여 임베딩은 화자를 제외한 나머지 정보를 표현하게 된다.", "</p><h2>3.4 디코더</h2><p>3.1과 3.2에서 설명한 두 인코더의 임베딩 벡터들은 각각 화자와 잔여 정보를 내포하는 임베딩 내에 이상적으로 입력 멜-스펙트럼의 정보량을 모두 유지해야한다.", "이를 위해 디코더는 앞의 두 임베딩을 사용하여 입력 멜-스펙트럼을 재구성한다.", "디코더는 복원된 멜-스펙트럼과 입력 멜-스펙트럼의 차이를 Eq.", "(5)와 같이 평균 제곱오차를 사용하여 측정하고 최소화하도록 학습한다.", "</p><p>\\( L_{\\text {mse }}=\\left\\|x-D\\left(E_{\\text {spk }}(x) \\oplus E_{\\text {res }}(x)\\right)\\right\\|^{2} \\).", "<caption>(5)</caption></p><p>이때 \\( D \\) 는 디코더, \\( \\oplus \\) 는 두 임베딩 벡터의 결합(con-catenation)을 의미한다.", "</p><h2>3.5 판별기(Discriminator)</h2><p>제안하는 방법에서는 \\( L_{\\text {mse }} \\) 분만 아니라 Eq.", "(6)의 수식과 같이 추가적으로 GAN 에서 사용되는 판별기(Dis) 방법을 차용하여 두 개의 인코더와 디코더를 공동 학습한다.", "</p><p>\\( L_{D}=\\min _{D, E_{\\text {spk}} E_{rea}} \\max _{D i s} E[\\log \\operatorname{Dis}(x)] \\)\\( +E[\\log (1-\\operatorname{Dis}(\\hat{x})] \\)<caption>(8)</caption></p><p>이 때, \\( \\hat{x} \\) 은 디코더를 통해 복원된 멜-스펙트럼이다.", "또한, References [7], [8] 등에서 사용된 것과 같이 판별기를 다중 작업 판별기로 구성하여 Eq.", "(7)과 같이 복원된 스펙트럼에서 화자를 구분하는 작업을 병행하여 학습한다.", "</p><p>\\( L_{C}=-\\sum_{i=1}^{N} k_{i} \\log (\\operatorname{Dis}(\\widehat{x})) \\)<caption>(7)</caption></p><p>이때, \\( k_{i} \\) 는 화자 레이블을 나타낸다.", "이와 같이 다중작업 판별기는 복원된 데이터의 품질향상과 더불어 화자 인식 기능을 수행하므로 화자 임베딩 학습에 대한 효과를 높이는 방향으로 네트워크를 학습하게 된다.", "</p>" ]

{ "doc_category": { "KDC": "530.2405", "DDC": "620.2" }, "doc_title": { "kor": "화자 인식을 위한 적대학습 기반 음성 분리 프레임워크에 대한 연구", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-192fb89a-a681-431d-9d84-8c8035b6be0f", "doc_number": { "ISSN": "1225-4428", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2020", "doc_author": [ "권유환", "정수환", "강홍구" ], "doc_publisher": "한국음향학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h1>IV.", "모의실험 및 결과</h1><p>손실 블록 복구 기법의 성능을 평가하기 위하여 본 논문에서는 정지 영상과 동영상 모두에서 실험하였다.", "웨이블릿 영역의 분산을 구하기 위하여 Haar 웨이블릿 변환을 2회 수행하여 두 번째 부대역의 계수를 이용하였다.", "표 1 은 손실률 \\( 24 \\% \\) 를 가질 때 다양한 정지 영상에 대하여 이전 방법과 제안 방법으로 블록 복구를 수행한 결과이다.", "이때의 손실 블록의 크기는 \\( 8 \\times 8 \\) 이다.", "제안 방법은 Park's의 방법에 비해서 'Lena' 영상에서는 PSNR이 떨어지는 것을 볼 수 있지만 평균 PSNR이 \\( 0.34 \\mathrm{~dB} \\) 높은 것을 알 수 있다.", "Park의 방법이 POCS를 이용한 계산량이 많은 아주 복잡한 방법임을 고려해 볼 때, 제안 방법이 PSNR뿐만 아니라 계산량에서도 우수 하다는 것을 알 수 있다.", "</p><table border><caption>표 1. 다양한 영상에 대한 PSNR 비교.(8x8불록 단위 손실)", "</caption><tbody><tr><td></td><td>Lema</td><td>Man</td><td>Peppers</td><td>Boat</td><td>Elaine</td><td>Average</td></tr><tr><td>Ancis's</td><td>28.68 dB</td><td>25.47 dB</td><td>27.92 dB</td><td>26.33 dB</td><td>29.84 dB</td><td>27.66 dB</td></tr><tr><td>Sun's</td><td>30.48 dB</td><td>27.92 dB</td><td>30.88 dB</td><td>28.83 dB</td><td>28.95 dF</td><td>29.41 dB</td></tr><tr><td>Hemami's</td><td>31.86 dB</td><td>27.66 dB</td><td>31.83 dB</td><td>29.36 dB</td><td>32.07 dB</td><td>30.55 dB</td></tr><tr><td>Shirani's</td><td>31.69 dB</td><td>27.44 dB</td><td>31.72 dB</td><td>29.22 dB</td><td>32.10 dB</td><td>30.43 dB</td></tr><tr><td>Al1kachouch's</td><td>31.57 dB</td><td>27.94 dB</td><td>32.76 dB</td><td>30.11 dB</td><td>31.92 dB</td><td>30.86 dB</td></tr><tr><td>Park's</td><td>34.66 dB</td><td>29.87 dB</td><td>3420 dB</td><td>30.78 dB</td><td>34.63 dB</td><td>32.83 dB</td></tr><tr><td>Proposed method</td><td>33.46 dB</td><td>31.21 dB</td><td>3511 dB</td><td>31.70 dB</td><td>34.38 dB</td><td>33.17 dB</td></tr></tbody></table><p>그림 5는 'Lena' 영상에 대해서 이전 방법과 제안 방법의 주관적 화질을 비교한 것이다.", "그림 5 에서 볼 수 있는 바와 같이 제안 방법으로 복구한 영상이 에지 부분에서 블록킹 현상이 많이 줄어든 것을 알 수 있다.", "</p><p>동영상에서의 성능 평가를 위해 'Football'영상을 사용하였다.", "'Football'은 \\( 240 \\mathrm{x} 352 \\) 크기인 60 개의 프레임으로 구성되어있다.", "그림 6(a)는 매크로 블록 단위로 손실된 영상을 나타낸다.", "그림 6 에서 볼 수 있듯이 제안 방법의 주관적 화질이 다른 방법에 비하여 우수함을 알 수 있다.", "특히 에지 부분에서 생긴 블록 블러링 현상이 많이 줄어든 것을 볼 수 있다.", "그림 7은 슬라이스 단위의 손실 영상에 대한 주관적 성능을 비교한 것이다.", "그 립 6과 마찬가지로 본 논문의 방법이 우수함을 알 수 있다.", "그림 8은 'Football' 영상의 전체 프레입에 대해서 이전 방법과 제안 방법의 객관적 성능 비교를 그래프로 나타내고 있다.", "전 프레임에 대하여 제안 방법이 우수한 PSNR을 보여주고 있다.", "실험 결과에서 볼 수 있듯이 제안 방법은 정지영상과 동영상에 대하여 주관적 화질 및 객관적 성능이 모두 우수함을 알 수 있다.", "이는 웨이불릿 영역에서 가설 검증 기법을 이용한 에지 방향의 선택이 올바르게 적용되고 있다는 것을 보여 준다고 할 수 있다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "가설 검증 기법을 이용한 방향성을 가지는 손실 블록의 복구", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-0efef287-e214-4ce0-97e0-b48a07644e65", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2008", "doc_author": [ "현승화", "김유신", "엄일규" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }

[ "<h2>5. 시뮬레이션 분석</h2><p>그림 5 는 각 중재 방식에 따른 버스 허가 횟수를 보여주고 있다.", "Fixed priority 방식은 마스터 우선순위에 따라 허가 횟수의 차이가 가장 크며, round-robin 방식은 허가 횟수는 동일하였다.", "TDMA 방식은 슬롯수를 마스터 M0, M1, M2, M3, M4, M5에 따라 4,1,1,1,1,1을 주었으며, 슬롯수가 많은 마스터 M0의 버스 허가 횟수가 가장 많았고, 다른 마스터들은 슬롯수를 동일하게 주었지만 2순위 중재에 의해 허가 횟수가 마스터 M1이 M2, M3, M4, M5 보다 높게 나타났고, 특히 마스터 M5는 허가 횟수가 가장 적었다.", "이 중 우리가 제안한 스코어 중재 방식은 점수에 따라 마스터 M2, M1, M5, M0, M3, M4 순으로 버스 허가 횟수가 많았다.", "</p><p>이는 표 2 와 표 4 를 기준으로 마스터 M2의 조건이 버스트 길이가 16 이고 슬레이브 타입이 SRAM이기 때문에 8점의 가산점이 부여되어 우선순위가 가장 높기때문이며, 허가 횟수가 가장 낮은 M4의 경우는 버스트 길이가 가장 짧고 또한 슬레이브 타입도 SDRAM이기 때문에 점수가 낮게 부여되었기 때문이다.", "</p><p>그림 6은 각각의 중재 방식에 따른 데이터 전송량을 보여주고 있다.", "Fixed priority 방식의 경우는 마스터 M0의 우선순위가 마스터 M1보다 높음에도 데이터 전송량은 마스터 M1과 M2가 더 높게 나타났다.", "이는 표 4 에 보인 마스터의 버스트 길이가 마스터 M1, M2가 마스터 M0보다 크기 때문에 실질적인 데이터 전송량이 많은 이유이다.", "특히, 제안한 스코어 중재 방식의 경우는 마스터 M2가 상대적으로 데이터 전송량이 많다.", "이는 마스터 M2의 조건 중 슬레이브 타입이 SRAM이기 때문에 속도가 빠른 SRAM에 큰 점수가 할당되었기 때문이며, 또한 이 부분에서 전체적인 성능 향상이 이루어졌다.", "결국, 일반적인 중재방식인 fixed priority 방식과 round-robin 방식 그리고 TDMA 방식의 대략적인 데이터 전송량은 \\( 7,100,000-7,700,000 \\) 사이클이었으나 우리가 제안한 스코어 중재 방식의 경우는 약 8,150,000사이클이었다.", "결국, 스코어 중재 방식이 다른 방식보다 약 \\( 6-12\\%\\)의 성능이 향상되었음을 알 수 있다.", "</p><p>\\( L_{\\text {tot }}=L_{r}+L_{a}+L_{s}+L_{d} \\)<caption>(2)</caption></p><p>식 (2)는 버스 통신에 소요되는 총 레이턴시를 계산하는 식이다.", "여기서 \\( L_{t o t} \\) 은 버스 통신에 소요되는 총 레이턴시, \\( L_{r} \\) 은 버스 요청시 소요되는 레이턴시, \\( L_{a} \\) 는 아비터에서 버스 중재시 소요되는 레이턴시, \\( L_{S} \\) 는 슬레이브 접근에 소요되는 레이턴시, \\( L_{d} \\) 는 실제 데이터 전송에 소요되는 레이턴시이다.", "</p><p>그림 7은 마스터에 따른 총 레이턴시를 각각의 중재 방식별로 보여주고 있다.", "그림 7(a)의 fixed priority 방식의 경우에는 마스터 M4, M5의 Ld 값이 대부분을 차지하고 있다.", "그림 7(b)의 round-robin 방식의 경우에는 전체적으로 균등한 레이턴시를 보였다.", "특히, 그림 7(d)의 본 논문에서 제안한 스코어 중재 방식은 모든 마스터에서 107이하로 양호한 레이턴시를 보이고 있다.", "이는 버스 성능을 고려하여 마스터 M3, M4의 버스 점유권을 상대적으로 줄여서 레이턴시가 길지만, 그림 8 에 보듯이 최대 요청 사이클을 넘지 않도록 조절하여 스타베이션을 방지하였기 때문이다.", "</p><p>그림 8은 중재방식에 따른 최대 요청 사이클이 나타나 있다.", "Fixed priority 방식은 마스터 M5에서 요청 사이클이 크게 나타나며, 결국 스타베이션 현상이 발생하였음을 알 수 있다.", "특히 스코어 중재 방식은 요청 사이클이 500 사이클을 넘을 경우 10 점을 가산점으로 준 결과 모든 마스터에서 최대 요청 사이클이 500 사이클을 크게 넘지 않는다.", "결국, 우리가 제안한 스코어 중재 방식이 그림 6 에서 보듯, 데이터 전송량도 가장 우수했으 며, 버스 요청 사이클도 충분히 제어됨을 알 수 있으며, 성능과 효율성 측면에서 다른 중재방식보다 뛰어난 특성을 보여주었다.", "</p><h1>III.", "결 론</h1><p>본 논문에서 우리는 TLM 알고리즘을 구성하고 새로운 중재방식인 스코어 중재 방식을 제안하고, 성능을 분석하였다.", "스코어 중재 방식은 다른 중재 방식과는 다르게 각각의 마스터의 우선순위를 나눌 때, 필요한 기준들을 점수로 할당하여 우선순위를 구분하였고, 또 한 우선순위가 점수 할당에 따라 수시로 변화할 수 있게 구성하였다.", "결국 스코어 중재 방식의 장점은 fixed priority 방식에서 문제시 되는 스타베이션을 극복하였고, 또한 약 \\( 6-12\\%\\) 의 시스템 성능을 향상시켰다.", "이는 본 스코어 중재 방식이 버스 시스템의 성능과 효율성 측면에서 기존의 다른 중재 방식보다 앞서고 있음을 말해준다.", "앞으로의 우리는 이 논문에서 다루지 않은 다른 조건들을 점수로 할당하여 우선순위로 사용하여 더욱 스코어 중재 방식이 시스템의 성능을 향상시킬 수 있는 연구를 수행할 예정이다.", "</p> <h1>요 약</h1><p>버스 시스템은 하나의 버스 내에 여러 개의 마스터와 슬레이브, 아비터 그리고 디코더로 구성되어 있다.", "마스터는 CPU, DMA, DSP 등과 같은 데이터의 명령을 수행하는 프로세서를 말하며, 슬레이브는 SRAM, SDRAM, 래지스터 둥과 같이 명령에 응답하는 메모리를 말한다.", "또한 아비터는 마스터가 동시간대에 버스를 이용할 수 없기 때문에 이를 중재하는 역할을 수행 하는데, 어떠한 중재 방식을 선택하는가에 따라 버스 시스템의 성능이 크게 바뭘 수 있다.", "일반적인 중재 방식에는 fixed priority 방식, round-robin 방식이 있으며, 이를 개선한 TDMA 방식과 Lottery bus 방식 등이 현재까지 제안되었다.", "본 논문에서는 새로운 중재 방식인 스코어 중재 방식을 제안하고 이를 TLM 알고리즘으로 구성하여 일반적인 중재방식과 시뮬레이션을 통해 성능을 비교 분석하였다.", "앞으로의 버스 중재 방식은 스코어 중재 방식을 기초로 더욱더 발전할 것이며, 버스 시스템의 성능을 향상시킬 것이다.", "</p><h1>I.", "서 론</h1><p>반도체 집적회로 공정 기술의 발달로 인해 칩은 현재 SoC(System on a Chip)로 발전하고 있다.", "SoC는 하나의 칩에 시스템을 집적화 한다는 의미로 전자제품의 소형화, 저 전력화, 고성능을 이끈다.", "또한 소비자들은 더욱 더 성능 좋은 제품을 요구하기 때문에 설계자들은 시장에 더 빨리 제품을 출시하기를 원하고 있다.", "이를 위해 대다수 칩 제조회사들은 칩을 빠르게 제작하고 성능을 빠르게 검증할 수 있는 설계 방법을 찾고 있다.", "</p><p>성능 검증 방법으로는 RTL(Register Transfer Level) 방법, 정적인 분석 방법, TLM (Transaction Level Model) 방법 등이 있는데, RTL 방법은 성능의 정확도는 뛰어나지만 시간이 너무 오래 걸리는 단점이 있다.", "또한 정적인 분석 방법은 시간은 적게 걸리지만 정확도가 심각하게 떨어진다.", "따라서 TLM 방법이 성능의 빠른 분석과 정확도 측면 모두 가능하기 때문에 현재 많이 사용되고 있다.", "</p><p>버스 시스템은 IP들 간의 통신 순서와 방법을 정의하고 제어한다.", "그러므로 버스 시스템과 IP간의 호환성을 고려하여 버스 시스템의 성능이 SoC의 성능을 좌우하는 요소로 부각되고 있다.", "버스 시스템은 ISA, MCA, PCI 등 여러 종류가 있지만, 이 중 ARM 프로세서의 AMBA(Advanced Microcontroller Bus Architecture)가 온 칩 통신의 표준이 되고 있다.", "AMBA는 AHB(Advanced High-performance Bus), ASB(Advanced System Bus) 그리고 APB(Advanced Peripheral Bus)가 있으며, AXI(Advance eXtensible Interface)가 새롭게 개발되었지만, 호환성 등의 측면에서 아직까지 AHB가 고성능 버스로 성능 향상을 위해 많이 연구되고 있다.", "일반적인 AHB는 하나의 버스 내에 여러 개의 마스터와 슬레이브, 아비터, 디코더로 구성되어 있다.", "</p><p>마스터는 CPU, DMA, DSP 등과 같은 프로세서들을 말하며, 일반적으로 시스템의 동작을 일으킬 수 있는 주체이다.", "또한 슬레이브는 마스터와는 반대로 DRAM, SRAM과 같은 메모리를 의미하며, 마스터의 명령에 반응하는 역할을 수행한다.", "또한 아비터는 여러 개의 마스터가 동시에 버스를 사용할 수 없기 때문에 이를 중재하는 역할을 수행하고 중재하는 방식에 따라 버스의 효율적인 중재가 가능하기 때문에 성능 향상을 위해 현재 많이 연구되고 있는 분야이다.", "마지막으로 디코더는 마스터로부터 나오는 어드레스의 상위 비트를 가지고 적절한 슬레이브를 선택해주는 역할을 한다.", "</p><p>아비터의 중재 방식에는 fixed priority 방식, round-robin 방식, TDMA 방식, Lottery bus 방식 등 여러 가지가 있다.", "또한 이를 개선하여 최근에는 priority with break 방식, priority with waiting time control 방식, short job first 방식, short job first with waiting time control 방식 등이 새롭게 개발되었다.", "본 논문에서는 새로운 방식인 스코어 중재 방식을 제안하고 TLM 알고리즘을 구성하여 여러 가지 중재 방식과 비교하여 성능을 분석 및 검증하였다.", "</p> <h1>II.", "본 론</h1><h2>1. 기존의 중재 방식</h2><p>그림 1에 일반적인 버스 중재 방식인 fixed priority 방식과 round-robin 방식을 보이고 있다.", "그림 1(a)는 fixed priority 방식이다.", "Fixed priority 방식에서는 각각의 마스터들이 고정된 우선순위를 가지기 때문에 중요한 마스터가 데이터를 많이 처리하게 할 수 있는 장점을 가지고 있다.", "그러나 우선순위가 낮은 마스터의 스타베이션(starvation)을 일으킬 수 있는 단점이 있다.", "</p><p>그림 1(b)에 보인 round-robin 방식은 마스터의 우선 순위가 정해지지 않고 골고루 버스 점유권을 주기 때문에 마스터들이 공평하게 버스를 이용할 수 있어 스타베이션을 방지할 수 있다.", "그러나 fixed priority 방식과는 달리 우선순위를 설정할 수 없는 단점이 있다.", "또한 위의 방식을 수정한 TDMA 방식이 있는데, 이 방식의 경우엔 스타베이션을 방지할 수 있지만, 마스터의 대기시간이 길어질 수 있는 단점을 가지고 있다.", "</p><h2>2. 중재 방식에 대한 고찰</h2><p>효율적인 버스 중재 방법을 위해 푶 1과 같이 마스터의 대역폭, 스타베이션, 고성능, 사용자의 특별한 요구 등을 고려하였다.", "표 1 에는 고려사항과 현재 가능한 해결 방안이 제시되어 있다.", "첫 번째 마스터의 대역폭의 경우엔 현재 해결 방안으로 fixed priority, TDMA, Lottery 방식 등이 있다.", "이는 각 마스터에게 우선순위를 정해줌으로써 대역폭을 조절할 수 있다.", "두 번째 스타베이션에 관한 경우, 해결 가능한 중재 방법으로는 Latency-award bus arbitration 방식과 round-robin 방식이 있으며, Latency-award arbitration 방식의 경우엔 마스터가 일정한 대기시간을 넘을 경우 그 마스터의 우선순위를 높여줌으로써 스타베이션을 방지할 수 있다.", "세 번째 고성능에 관한 경우는 슬레이브 레이턴시나 버스트 길이에 대해 우선순위를 할당함으로써 성능이 향상될 수 있다.", "슬레이브 레이턴시는 슬레이브의 종류에 따라 다르기 때문에, 속도가 빠른 SRAM을 다른 메모리보다 우선순위를 높임으로써 성능이 향상될 수 있으며, 버스트 길이의 경우는 버스트 길이가 길수록 우선 순위를 높여줌으로써 각 마스터의 데이터 처리가 끝난 후에 발생하는 레이턴시를 줄일 수 있어 성능을 높일 수 있다.", "네 번째 사용자의 특별한 요구에 대해서는 현재 데이터 크기(바이트, 워드 등)에 따라 우선순위를 할당할 수 있다.", "</p><p>일반적으로 네 가지 고려사항에 대한 각각의 해결책은 있으나, 모두를 한 번에 해결할 중재 방법은 아직까지 제안되지 않았다.", "이에 본 연구는 표 1 에 대한 우선 순위를 점수화하고, 합산하여 종합 점수에 의해 버스 점유권을 부여하는 스코어 중재 방식을 제안한다.", "</p><h2>3. 스코어 중재 방식</h2><p>그림 2는 스코어 중재 방식을 보여주고 있다.", "아비터 내부에 각 마스터 당 점수를 계산하는 MasterN Score Calculator 가 있다.", "이에 버스요", "청신호 Req[N] 이 입력되면, 각 마스터는 해당 마스터의 스코어를 계산한다.", "또한 비교기를 통해 점수가 높은 마스터에게 버스 점유권 Grant[X] 신호를 준다.", "</p><p>\\( S_{T o t}=S_{M P}+S_{S L}+S_{L L}+S_{D L}+S_{S R} \\)<caption>(1)</caption></p><p>식 (1)은 표 1의 내용을 포함하여 버스 중재 우선순위에 대한 전체 스코어를 합산하는 방법을 보여준다.", "여기서 \\( S_{T o t} \\) 는 버스 중재 우선순위에 대한 전체 스코어, \\( S_{S L} \\) 는 슬레이브 레이턴시에 대한 스코어, \\( S_{L L} \\) 는 장시간 버스 요청하는 마스터에 대한 스코어, \\( S_{D L} \\) 는 데이터 길이에 대한 스코어, \\( S_{S R} \\) 는 사용자의 특별한 요구에 대한 스코어이다.", "</p><p>표 2 는 스코어 중재 방식을 위해 실제 적용된 각 고려사항에 대한 점수의 예를 보여주고 있다.", "첫 번째, 마스터의 대역폭을 보면 마스터 Master0의 경우는 6점, Master1은 5점, Master2는 4점, Master3은 2점, Master4는 1점, Master5는 0점으로 총 6개의 마스터에 각각의 점수가 할당되어 있다.", "</p><p>두 번째 고려사항인 스타베이션의 경우는 버스 요청 사이클이 100 이상일 때, 10 점이 상승한다.", "세 번째의 경우는 고성능의 경우인데, 이때에는 두 가지의 기준으로 점수가 할당된다.", "첫 번째 기준은 슬레이브 레이턴시다.", "즉, 짧은 슬레이브 레이턴시인 SRAM (Static Random Access Memory)의 경우는 4 점의 가산점이 부여되며, 그 외의 슬레이브인 SDRAM, DRAM의 경우는 0점이 부여된다.", "네 번째 고려사항은 사용자의 요구이다.", "이때 데이터 크기가 워드일 경우엔 2점의 점수가 부여된다.", "</p><p>본 연구에서는 일반적인 우선순위의 기준을 고려하여 표 2 와 같은 점수할당으로 성능을 분석하였으나, 시스템이나 사용자의 요구에 의해 점수 가중치를 변경할 수 있다.", "</p><h2>4. 모델링</h2><p>버스 아키텍처의 상태도는 InitSt, TransferGenSt, ArbitrationSt, TransferExecSt의 네 가지 상태를 거치게 되는데, InitSt는 마스터를 통한 버스사용 요청이 발생하지 않아 버스의 동작이 없는 상태를 의미한다.", "한 개 이상의 마스터에서 버스를 사용하려고 할 경우, TransferGenSt 상태에서 버스요청 신호와 데이터 전송관련 신호를 발생 시키게 된다.", "이후 ArbitrationSt 상태로 진입하게 되는데, 여러 가지 버스 중재알고리즘을 통해 하나의 마스터에게 버스 점유권(grant 신호)을 할당하게 되며 TransferExecSt 상태로 진입하게 된다.", "</p><p>TransferExecSt에서 실제 데이터 트랜잭션을 시작하고 해당 슬레이브에 데이터를 전송하게 된다.", "데이터 전송을 마친 후, 다른 마스터에서 버스요청이 있으면 ArbitrationSt 상태로 진입하고, 마스터가 버스를 사용하려고 하면 TransferGenSt 상태로 진입한다.", "만약 모든 마스터가 버스를 사용하지 않을 경우에는 InitSt 상태로 진입하게 된다.", "</p><p>표 3은 이 절에서 는한 스코어 중재 방식의 알고리즘을 보이고 있다.", "알고리즘을 구성할 때 조건은 표 2의 기준을 적용하였다.", "각각의 마스터에 따른 우선순위는 변수 Master_Score[master]에 할당되었고, 스타베이션 방지를 위해 500 사이클 동안 버스점유를 받지 못한 마스터에게 변수 Long_Wait_Score[master]에 10점을 할당하였다.", "또한 버스트 크기에 따라 버스트 점수 Burst_Score[master]를 할당하였다.", "</p><p>또한 슬레이브의 종류(SDRAM, SRAM, 레지스터)에 따라 슬레이브 점수 Slave_Score[master]를 할당하였다.", "마지막으로 모든 점수를 합산하여 변수 Priority_Score[master]에 최종점수를 할당하였다.", "</p><p>아비터는 전체 점수인 Priority_Score[master] 크기를 비교하여 버스 허가 신호 grant[master]를 해당 마스터에게 주어 버스를 이용할 수 있는 마스터가 선택되어진다.", "</p><p>그림 4는 스코어 중재 방식의 타이밍 다이어그램이다.", "시간 3 에서 마스터3에 의해 요청된 Req[3] 신호에 의해 Grant[3] 신호가 할당된다.", "이 경우 마스터3만 버스요청을 하였으므로 스코어와 무관하게 Grant[3] 신호가 할당되었다.", "그러나 시간 7에서 마스터 0과 마스터2가 동시간대에 버스 요청을 하였으며, 각각의 스코어는 10 과 12점이다.", "이 경우에는 스코어가 큰 마스터2가 버스 허가 신호를 먼저 받고, 마스터2가 처리 완료 된 후, 마스터 1 에 버스 허가 신호가 할당된다.", "본 논문은 이와 같이 버스 점유권을 줌으로써, 여러 가지 중요한 요소들을 모두 고려하는 중재 방식을 제안한다.", "</p><p>일반적으로 각각의 마스터가 전송하는 버스트 길이와 슬레이브는 미리 결정된다.", "본 연구에서는 성능검증 시뮬레이션을 위해 각각의 마스터가 전송하는 버스트 길이와 슬레이브 타입을 표 4 와 같이 설정하고, 표 1 과 표2의 내용을 기준으로 시뮬레이션을 수행하였다.", "예를 들어 마스터 2 의 경우는 버스트 길이가 16 이며, 슬레이보 타입은 SRAM이기 때문에 스코어는 8점의 가산점이 부여되는 것이다.", "</p><p>또한 최종 사이클(Final_Cycle)은 충분히 긴 시간인 10,000,000 사이클로 하여 정확도를 높였으며, 마스터에서 발생시키는 데이터 트랜잭션 사이의 간격은 평균값을 20 으로 하였고 랜덤함수로 \\( 0-40 \\) 까지의 값이 발생하도록 하였다.", "</p>" ]

{ "doc_category": { "KDC": "560.5", "DDC": "" }, "doc_title": { "kor": "버스 레이턴시 감소와 시스템 성능 향상을 위한 스코어 중재 방식", "eng": "" }, "doc_type": "논문", "doc_id": "31a7cd33-19457c43-5753-4bbf-90d2-a1a848680dfb", "doc_number": { "ISSN": "2287-5026", "ISBN": "", "DOI": "", "UCI": "" }, "doc_year": "2009", "doc_author": [ "이국표", "윤영섭" ], "doc_publisher": "대한전자공학회", "dataset_info": { "identifier": "02-031-001-NL", "name": "기술과학 문서 기계독해 데이터", "category": "자연어", "last_updated": "2023-05-10" } }