본 논문은 핵자기 공명신호를 검출하기 위하여 자석상자 내에 한 개의 코일을 가진 펄스방식의 핵자기 공명장치에 대한 새로운 구현방법에 관한 것이다. 수소 원자핵의 Larmor 주파수가 5MHz가 되도록 설계된 자석상자에 5MHz 고주파 자기장을 인가하여 자석상자 내에 투입된 글리세린 시료로부터 수소 원자핵의 공명신호를 얻었다. 자석상자 내의 정자기장은 자기장의 세기가 1168 gauss인 영구자석을 사용하여 만들었으며, 고주파 자기장은 5MHz의 주파수를 가지며 전류의 크기가 8A인 고주파 신호를 5.73μH의 코일에 인가하여 발생시켰다. 고주파 자기장의 발생시간을 2.8μsec로 하였을 때 핵자기 공명신호는 최대 크기로 나타났으며, 반복 검출을 하기 위하여 고주파 자기장의 발생주기를 100msec로 설계하였다. 시료에서 발산되어 자석상자 내의 코일에 감지되는 핵자기 공명신호는 Larmor 주파수와 같은 주파수를 가지는 신호가 진폭변조된 형태로 나타났다. 코일에 감지된 신호를 송수신 분리회로와 전치증폭기 및 중간증폭기에서 각각 20.7dB, 36dB 및 40dB로 증폭하고 동기검파회로에서 검파하여 핵자기 공명신호를 얻었다.

혼돈신호를 사용하여 복극 4레벨 데이타 방식에 의한 혼돈 대역확산 계통을 설계·구현하였다. 송신부는 기본적인 혼돈신호 발생기인 Chua 회로를 네 개 사용하여 네가지 체배 관계의 신호들을 결합동기 방식으로 발생시켰으며, 수신부는 송신부와 구동동기 방식으로 연결하여 신호를 복원시켰다. 정보 신호의 주파수 대역확산은 혼돈신호 자체에 의해 이루어지므로 기존의 대역확산 통신계통 보다 구성이 간단해 진다.

본 논문에서는 휴대용 영상신호처리 시스템에 집적화할 수 있는 전류예측기와 모듈형 기준전류원을 이용한 10비트 저전력 전류구동 CMOS A/D 변환기를 설계하였다. 전류예측기와 모듈형 기준 전류원을 사용함으로써 2단 플래시구조를 갖는 A/D 변환기에 비해 비교기와 기준전류원의 개수를 줄일 수 있게 되었고, 따라서 설계된 A/D변환기의 저전력 동작이 가능하였다. 설계된 10비트 저전력 전류구동 CMOS A/D 변환기는 0.6㎛ n-well single-poly triple metal CMOS 공정을 사용하여 제작되었다. +5V 단일 공급전압하에서 동작할 때 측정된 전력소모는 94.4mW이며, 아날로그 입력 전류범위는 16㎂에서 528㎂로 측정되었으며, INL과 DNL은 각각 ±1LSB, ±0.5LSB이하로 나타났다. 또한 10MSamples/s의 변환속도를 나타내었고, 제작된 10비트 전류구동 CMOS 4/D 변환기의 유효 칩면적은 1.8㎜ x 2.4㎜이다.

1.2㎛ 더블 폴리 부유게이트 트랜지스터로 구성된 아날로그 메모리가 CMOS 표준공정에서 제작되었다. 효율적인 프로그래밍을 위해 일반적인 아날로그 메모리에서 사용되었던 불필요한 초기 소거 동작을 제거하였으며 프로그래밍과 읽기의 경로를 동일하게 가져감으로서 읽기 동작 시에 발생하는 증폭기의 DC offset 문제를 근본적으로 제거하였다. 어레이의 구성에서 특정 셀을 주변의 다른 셀들로부터 격리시키는 패스 트랜지스터 대신에 Vmid라는 별도의 전압을 사용하였다. 실험 결과 아날로그 메모리가 디지털 메모리의 6비트에 해당하는 정밀도를 보였으며 프로그래밍 시에 선택되지 않은 주변의 셀들에 간섭 효과가 없는 것으로 확인되었다. 마지막으로, 아날로그 어레이를 구성하는 셀은 특이한 모양의 인젝터 구조를 가지고 있으며, 이것은 아날로그 메모리가 특별한 공정 없이도 트랜지스터의 breakdown 전압 아래에서 프로그래밍 되도록 하였다.

실용적인 기계번역 시스템을 위한 구문 분석은 긴 문장의 분석을 허용하여야 하는데 긴 문장의 분석은 높은 분석의 복잡도 때문에 매우 어려운 문제이다. 본 논문에서는 긴 문장의 효율적인 분석을 위해 문장을 분할하는 방법을 제안하며 통계 정보와 유전자 학습에 의한 최적의 문장 분할 위치 결정 방법을 소개한다. 문장 분할 위치의 결정은 분할 위치가 태그된 훈련 데이타에서 얻어진 어휘 문맥 제한 조건을 이용하여 입력문장의 분할 가능 위치를 결정하는 부분과 여러 개의 분할 가능 위치 중에서 안전한 분할을 보장하고 보다 많은 분석의 효율 향상을 얻을 수 있는 최적의 분할 위치를 학습을 통해 선택하는 부분으로 구성된다. 실험을 통해 제안된 문장 분할 위치 결정 방법이 안전한 분할을 수행하며 문장 분석의 효율을 향상시킴을 보인다.

신호처리 분야에서 미지의 신호원 분리에 주로 응용되는 독립 성분 분석법을 이용하여 얼굴인식을 할 수 있는 한 방식을 제안하였다. 하나의 얼굴영상 자체가 통계적으로 서로 독립인 어떤 미지의 특징영상의 합으로 표현될 수 있다고 가정하고 이 특징영상을 독립성분분석을 이용하여 구한 후, 새로운 얼굴이나 변화된 얼굴을 특징영상의 공간에 투영시켜 투영된 성분을 기준 얼굴영상과 비교하는 방법으로 인식을 수행하였다. 변화가 심한 여러 얼굴영상으로 구성된 데이터베이스(한 사람 당 10개씩의 변화된 400개의 얼굴 영상)에 대해 얼굴인식 실험을 수행하였고 또한 주성분 분석에 기초한 고유얼굴을 이용한 인식률과 비교 분석하였다. 제안된 방식은 주성분 분석법에 비해 높은 인식률을 제공하며, 특히 입력 얼굴 영상에 첨가되는 랜덤 잡음에 대단히 강한 특성을 갖는다.

데이터 마이닝의 목적은 유용한 패턴을 찾음으로써 데이터를 이해하는데 있으므로, 찾아진 패턴은 정확할뿐 아니라 이해하기 쉬워야한다. 따라서 정확하고 이해하기 쉬운 패턴을 추출하는 데이터 마이닝에 대한 연구가 필요하다. 본 논문에서는 퍼지 결정 트리를 이용한 효과적인 데이터 마이닝 알고리즘을 제안한다. 제안된 알고리즘은 ID3, C4.5와 같은 결정 트리 알고리즘의 이해하기 쉬운 장점과 퍼지의 표현력을 결합하여 간결하고 이해하기 쉬운 규칙을 생성한다. 제안된 알고리즘은 히스토그램에 기반하여 퍼지 소속함수를 생성하는 단계와 생성된 소속 함수를 이용하여 퍼지 결정 트리를 구성하는 두 단계로 이루어진다. 또한 제안된 방법의 타당성을 검증하기 위하여 표준적인 패턴 분류 벤치마크 데이터인 Iris 데이터와 Wisconsin Breast Cancer 데이터에 대한 실험 결과를 보인다.

본 논문에서는 대규모 집적회로 설계에 있어 효율적이고 안정된 분할을 위한 새로운 다단 분할 방법을 제안한다. 대규모 회로의 설계에 반복적인 분할 개선 방법을 적용함에 있어 성능의 한계를 극복하기 위해 제안된 다단 분할 방법은 분할 계층구조의 형성 방식에 의해 그 성능이 결정되었다. 기존에 제안된 대부분의 다단 분할 방법은 계층구조를 형성하는 과정에서 실험에 의한 인위적인 제한 조건을 설정하여 분할 결과의 안정성이 저하되는 문제가 있었다. 이러한 안정성의 결여는 반복 수행시의 분할 결과 편차가 매우 커지는 상황을 초래한다. 본 논문에서는 이러한 인위적인 제한 조건의 설정을 최소화하고 계층구조 형성 과정에서 현재 회로 연결 상태를 고려하여 자율적인 제한조건에 의해 클러스터링을 수행하는 새로운 계층구조 형성 방식을 제안한다. 제안된 방법에 의해 형성된 분할 계층구조는 HYIP/sup 11/의 하이브리드 버켓을 이용한 분할 개선방법을 반복적으로 적용하여 분할 결과를 얻는다. 본 다단 분할 방법은 ACM/SIGDA에서 제공한 벤치마크회로를 대상으로 실험한 결과 기존 분할 방식/sup [3] [4] [5] [8] [9]/에 비해 약 10-40% 가량의 최소 cutsize 감소 효과가 있었고 기존의 다단 분할 방법 중에 가장 효율적인 방법으로 평가되는 ML/sup [10]/에 비해 제안된 방법이 최소 cutsize에 있어서는 약 5%, 평균 outsize에 있어서는 평균 20%이상의 성능 향상을 가져 왔다. 더욱이 제안된 방법을 10회 수행한 결과가 ML 방법을 100회 수행한 결과 보다 앞서는 성능을 보였다.