일반적인 이기종 디지털 장치들간의 데이터 공유는 다양한 인터페이스로 인해 많은 문제를 야기시킨다. 이런 문제를 해결하기 위해서 본 논문은 서로 다른 장치들간의 통신을 지원하는 D2D 통신을 사용하여 클라우드 서비스와 모바일을 결합한 이기종간의 데이터 공유를 제안한다. 제안된 기법은 데이터 동기화를 수행하기 위해 서버에 집중되는 부하를 줄이는 프로세스로 수행되며, 장치들간의 데이터 복제로 인한 지연을 최소화하기 위해 청크 리스트에 수정된 부분만을 복사하여 데이터 쓰기 속도에 기여하기 위한 기술을 채택하고, 데이터 공유를 위한 동기화로 소모되는 네트워크 대역폭을 최소화하기 위해서 모바일 환경과 결합한 클라우드 서비스 모델을 구현한다. 따라서 서로 다른 공간의 데이터를 효율적으로 공유하고 데이터의 무결성과 지연을 최소화할 수 있다.

안드로이드 스마트폰에서 많은 앱들이 백그라운드로 실행되기 위해 서비스 앱으로 개발된다. 메모리가 부족하면 오랫동안 CPU를 사용하지 않은 사용자 앱뿐만 아니라 서비스 앱도 강제로 종료된다. 하지만, 서비스 앱은 잠시 후 자동으로 재실행되기 때문에 메모리 공간을 지속적으로 소비한다. 본 논문은 사용자들의 스마트폰에서 실행 중인 서비스 앱의 개수와 메모리 사용량을 조사한다. 서비스 앱의 개수는 전체 실행 중인 앱 개수의 최대 65%, 서비스 앱의 메모리 사용량은 전체 메모리의 최대 55%까지 차지한다. 또한, 실행 중인 서비스 앱의 개수가 스마트폰과 앱의 응답 시간에 미치는 영향을 분석한다. 서비스 앱의 개수가 증가할수록 사용자 앱의 시작 시간이 최대 22배까지 증가한다. 부팅 시간과 앱 설치 시간이 서비스 앱의 개수가 증가함에 따라 크게 증가한다.

본 논문에서는 재난재해 또는 보안의 이유로 외부와의 통신이 어려운 상황에서도 운용할 수 있도록 외부 데이터 통신 없이 장비와 스마트폰 간의 무선통신만으로 장비 인식과 매뉴얼 데이터 전송을 수행할 수 있는 온라인 매뉴얼 시스템을 설계하고 구현한다. 매뉴얼 데이터가 내장된 매뉴얼 관리 모듈을 대상 장비에 내장한 후 스마트폰에서 수행되는 매뉴얼 앱은 관리 모듈에 부착된 QR 코드 스캔 또는 NFC 접촉으로 장비를 인식하고, 장비가 인식되면 블루투스 통신을 통해 관리 모듈에 내장된 매뉴얼 데이터를 수신하여 웹 템플릿을 이용하여 화면에 표시한다. 구현된 시스템을 실제 산업용 발전기에 설치하여 정전 발생 시 기존의 3단계 처리 과정을 2단계로 줄일 수 있음을 보였다.

수중 표적 탐지 및 식별은 군사 및 비군사적으로 중요한 문제이다. 최근 패턴인식 분야에서 딥러닝 기술이 발전되면서 많은 성능개선 결과가 발표되고 있다. 그중 DBN(Deep Belief Network)기법은 DNN(Deep Neural Network)을 사전 훈련하는데 사용되어 좋은 성능을 보여주고 있다. 본 논문에서는 능동 소나를 이용한 수중 표적의 식별 문제에 DBN을 사용하여 실험을 진행하고, 그 결과를 비교하였다. 표적신호는 3차원 하이라이트 모델을 사용하여 합성된 능동 소나 신호를 사용하였고, 특징추출 방법으로는 FrFT(Fractional Fourier Transform) 기반의 특징추출을 사용하였다. 단일 센서, 즉, 단일 방위 데이터 기반의 실험에서 DBN을 이용한 식별 결과는 기존의 BPNN(Back Propagation Neural Network)에 비해 약 3.83 % 향상되었다. 또한, 다중 방위 기반의 식별 실험에서는 관측열의 개수가 3을 초과하면 95% 이상의 성능을 얻을 수 있었다.

본 논문에서는 시차의 신뢰도를 기반으로 플렌옵틱 영상의 초고해상도 복원 알고리즘을 제안한다. 그리고 플렌옵틱 카메라 영상으로부터 생성한 서브어퍼처(sub-aperture) 이미지는 TV_L1알고리즘에 기반한 시차 추정과 초고해상도 영상 복원에 활용된다. 특히 제안된 알고리즘은 시차가 부정확하게 나타날 수 있는 경계 역역에서 향상된 성능을 보인다. 시차 벡터의 신뢰도는 서브어퍼처 이미지의 상하좌우 각 위치별 영역에 따른 분산을 고려하여 판단한다. 신뢰도가 낮은 시차벡터는 초고해상도 영상 복원시 제외된다. 제안된 방법은 바이큐빅 보간 방법과 기존의 시차기반방법 그리고 사전기반 방법과 비교하여 평가되었다. 성능 평가에서 초고해상도 영상복원의 결과는 PSNR, SSIM 관점에서 성능을 비교하여 최상의 성능을 보여준다.

본 논문에서는 주행하는 차량에 탑재된 카메라에서 획득한 도로 영상에서 차선의 색상을 판별하는 방법을 제안하였다. 자동차의 자율주행기술에 있어 차선 정보는 차선이탈방지(ldws), 능동적 차선유지(lkas), 고속도로주행보조(hda) 등의 자율주행의 레벨(level)이 올라갈수록 중요하다. 특히 차선의 색상, 특히 흰색 및 황색 차선의 구별은 교통사고와 직접적인 관련이 있는 정보이기에 더욱 필요한 기술이다. 본 논문에서는 주행 차선 검출 결과를 기반으로 차선 및 도로의 관심 영역을 추출하고 각 영역의 컬러 정보를 2차원 S-색상 공간으로 투영하였다. S-공간에 투영된 색상의 특징 분포에서 개선된 mean-shift 알고리즘을 이용하여 특징의 무게중심을 구하였다. 좌, 우 차선과 도로영역의 색상특징의 중심점들 사이의 거리 정보를 이용하여 차선의 색상을 판별하였다. 다양한 조명환경에서 약 97%의 색상 인식 성공률을 보였다.

삶의 질의 향상으로 인하여 건강관리는 현대인의 주요 관심 사항이며 자연스럽게 헬스케어 시스템에 대한 요구가 증가하고 있다. 그러나 인터넷 상에는 다양한 의료 관련 정보가 존재할 뿐만 아니라 이 정보들의 신뢰성 또한 가늠하기 힘든 것이 현실이므로, 특정 사용자에게 적합한 맞춤형 웰니스 정보 제공은 어려운 것이 현실이다. 본 연구에서는 빅데이터를 텍스트 마이닝으로 분류하여 사용자 맞춤형 의료정보를 제공함으로서 단순 검색기능이 아닌 사용자에게 적합한 맞춤 서비스를 제공할 수 있는 사용자 중심의 서비스 제공 방법을 제안한다. 효율적인 빅데이터 분석을 위해 하둡 슬레이브 노드를 증가하면서 데이터 처리시간을 실험하였다. 기존 시스템보다 빅데이터 시스템을 구축하는 것이 효율적임을 확인하였다.

본 연구는 인공지능 분야의 딥러닝 기술을 기반으로 한 하수관 손상의 자동 탐지 분류 시스템을 제안한다. 성능의 최적화를 위하여 DB 획득 시 발생된 조도 및 그림자 변화와 같은 다양한 환경변화에 강인한 시스템을 구현하였다. 제안된 시스템에서는 Convolutional Neural Network(CNN) 기반의 균열 탐지 및 손상 분류 기법을 구현하였다. 최적의 결과를 위하여 $256{\times}256$ 픽셀 해상도의 CCTV 영상 9,941개를 이용하여 CNN모델을 적용하여 손상부위에 대한 딥러닝을 수행하였고 그 결과 98.76 %의 인식률을 획득하였다. 기계학습을 통한 딥러닝 모델을 기반으로 다양한 환경의 하수도 DB에서 $720{\times}480$ 픽셀 해상도의 646개의 이미지를 추출하여 성능 평가를 수행 하였다. 본 시스템은 다양한 환경에서 구축된 하수관 데이터베이스 에서 손상 유형의 자동 탐지 및 분류에 최적화된 인식률을 제시한다.

웹 앱의 요구사항이 복잡해지고 빠르게 변화하고 있어, 웹 앱의 유지보수가 더욱더 중요해지고 있다. 그렇지만, 웹 앱은 문서화가 충분하게 이루어지지 않아 유지보수가 어렵다. 그래서 효과적인 웹 앱의 유지보수를 위해 웹 페이지 생성 시 일어나는 내부 행위를 추상화한 모델을 추출할 필요가 있다. 기존 연구는 상호 작용하는 웹 컴포넌트(JSP, 서블릿 등)를 식별하지만, 웹 자원(이미지, CSS 파일, 자바스크립트 파일 등)을 식별하지 못하거나, 웹 컴포넌트와 웹 자원 사이의 의존 관계를 추출하지 못한다. 본 논문은 자바 웹 앱을 동적 분석하여 이러한 의존 관계를 추출하고, 그래프 모델로 표현하는 방법을 제안한다. 그리고 오픈 소스 웹 앱을 대상으로 실험하여 제안하는 기법의 활용 가능성을 검증한다.

최근 안드로이드, iOS 등의 셋톱박스 기반의 스마트 TV에 대한 보급에 따라 제스처로 TV를 컨트롤 할 수 있는 새로운 접근을 제안한다. 본 논문에서는 모노 카메라 센서를 이용한 AdaBoost 기반 제스처 인식에 관한 알고리즘을 제안한다. 우선, 신체 좌표 추출을 위해 가우시안 배경 제거 및 Camshift 기반 자세 추적 및 추정 알고리즘을 사용한다. AdaBoost 학습 모델을 신체 정규화된 광역 및 지역 특징 벡터의 집합을 특징 패턴으로 하여, 속도가 다른 동작들을 인식할 수 있도록 하였다. 또한 속도가 다른 다양한 제스처를 인식하기 위해 다중 AdaBoost 알고리즘을 적용하였다. CART 알고리즘을 이용하여 성공적인 중요 특징 벡터를 확인하고 중요도가 낮은 특징벡터를 제거하는 방식을 적용하면서 분류 성공률이 높은 최적의 특징 벡터를 탐색하였다. 그 결과 24개의 주성분 특징 벡터를 찾았으며, 기존 알고리즘에 비해 낮은 오분류율(3.73%)과 높은 인식률(95.17%)을 지닌 특징 벡터 및 분류기를 설계하였다.

최근, 유럽 연합 가입국을 기항지로 항해하는 선박을 대상으로 배출 가스를 측정한 후, 그 결과를 보고하고 검증받는 MRV 규제의 시행을 앞두고 있다. 이러한 배출 가스량을 경험적으로 산정해보기 위하여 본 논문에서는 간이 연료 소모량 추정 및 최적 경유 항구 추천 시스템을 개발하기 위한 내용을 다룬다. 이를 위해 10여 년간 축적된 선박의 항차 데이터를 기반으로 각 항구별 연료 소모량, 거리, 소요 시간을 분석하여, 이를 기반으로 연료 소모량을 추정하는 모듈을 개발하였다. 또한 선박의 출발지와 목적지 사이의 최적 경유 항구를 추천하기 위한 기능을 비롯하여 실제 운항 경로 표시 기능, 실제 운항 경로와 최적 경로와의 비교 기능, 사용자 지정 경유 항구 선택 기능을 제공하기 위한 모듈을 구현하였다. 개발한 시스템은 선박의 운항 계획 등을 위한 참고 지표로 활용이 가능할 것으로 기대되며, 축적된 데이터를 기반으로 학습하여 미래 데이터를 예측하기 위한 선행 연구로서 의미가 있을 것으로 판단된다.

드론(dron)은 무인항공기(UVA : Unmanned Aerial Vehicle)로 조종사가 탑승하지 않고 원격으로 조정하거나 사전에 프로그램으로 입력된 경로를 스스로 비행하는 비행물체를 의미한다. 처음 군사적 목적으로 개발된 드론은 현재 다양한 용도로 사용할 수 있도록 개발되어 농업 산업을 비롯하여 여가활용, 물류 서비스, 인명 구조 분야에 이르기 까지 다양한 분야에서 사용되고 있다. 이러한 분야 중 드론에 카메라를 장착하여 개발된 촬영용 드론은 현재 영화나 방송분야를 넘어 다양한 영상콘텐츠 제작 분야에서 활발히 사용되고 있다. 본 논문은 촬영을 목적으로 하는 드론의 특징에 대하여 살펴보고 드론의 비행이나 드론을 활용한 촬영기법에 대하여 다룬다. 특히 영상콘텐츠 제작 분야에서 사용되는 촬영용 드론의 운용에 대하여 살펴본 후 기존의 영상촬영에서 사용되는 다양한 카메라 워킹을 드론을 사용하여 촬영하는 방법에 대하여 제안하고 논의하는데 그 목적을 둔다.

전 세계적으로 해운물류 안전 보안체계가 강화됨에 따라 국가물류보안 체계 구축을 위한 해운물류안전 보안 핵심기술 개발이 이루어지고 있다. 또한 미국에서 2018년 시행예정인 컨테이너 사전 100% 전수검사에 대응하기 위한 컨테이너 검색기의 핵심구성 요소인 Array 검출 시스템의 국산화 개발이 필요하다. 본 논문에서는 현재 자체 개발한 Test Digital 신호처리 Board를 가지고 TI-RTOS(Texas Instruments - Real Time Operating System)를 이용하여 개발한 Test Software Program을 제안한다. M4 MCU를 기반으로 GPIO, SRAM, TCP/IP와 SDcard등을 테스트 할 수 있는 프로그램을 개발했다. 또한 Array 검출 system 중 자체 개발한 Digital Signal Processing Board에 대한 연구를 제안하고자 한다. M4 MCU를 테스트 할 수 있는 테스트보드를 개발했고 FPGA와 MCU가 결합된 통한 X-RAY 디지털 신호처리 보드를 개발했다.

다양한 목적으로 군에서 운용되고 있는 무인기는 목적에 따라 수집된 정보를 무선통신을 이용하여 지상의 통제장비로 전송하고 비행체의 운용제어 및 상태정보를 송수신 할 수 있도록 설계되어 있다. 현재 국내에서 운용 중인 군용 무인기 체계는 각 체계별 고유 통신방식과 프로토콜, 메시지 구조 등을 이용하고 있다. 이 중 사단급 무인기는 고정크기의 TM/TC 데이터를 반복 전송하는 방식으로 설계되었고 이와는 다르게 차기 군단급 무인기는 TM/ TC 데이터를 메시지 기반의 가변길이로 비주기 전송하도록 설계되었다. 본 논문에서는 기존 방식으로 설계된 시스템의 TM/TC 데이터 프로토콜을 분석하고 현재 체계개발 중인 장비에 적용되어 무선 통신환경에서 더 효율적이라 판단되는 데이터 프로토콜 설계방안에 대해 제시하였다. 또한 향후 다수의 무인기 간 또는 새로 도입되는 무인기 체계와의 상호운용성 보장을 위한 기술 표준화를 위해 고려해야할 사항 등에 대해 논하고자 한다.

OFDM (Orthogonal Frequency Division Multiplexing) 전송방식은 4G LTE (Long Term Evoluation)와 Wi-Fi와 같은 무선 통신 시스템에서 주파수 선택적 페이딩 환경을 극복할 수 있는 변조 방식으로 활용되고 있다. OFDM 심벌은 여러 개의 협대역 부반송파들로 이루어져 있어, OFDM 방식은 블록 단위 전송방식이라 할 수 있다. 즉, 마지막 OFDM 심벌까지 모두 채워서 프레임을 구성해야 한다. 따라서, 전송하고자 하는 정보량에 따라서 마지막 OFDM 심볼이 정보 비트들보다 OFDM 심볼을 채우기 위한 패딩 비트로 채워지는 경우가 있다. 이는 전송하고자 하는 데이터 양이 적은 경우에 심각한 스루풋 저하를 초래한다. 따라서 이와 같은 비효율성을 해결하기 위하여, DFT(Discrete Fourier Transform)의 성질을 이용한 효율적 패딩 기법을 제안하였다. 제안 방식에서는 마지막 OFDM 심볼에서 사용되는 데이터 부반송파의 개수에 따라서 OFDM 심볼의 길이를 조절한다. 그리고, 제안된 방식에 따른 성능 향상이 전송 방식 및 데이터 길이에 따라서 20%까지 될 수 있음을 수치적으로 확인하였다.

본 논문에서는 다수의 중계 노드들과 목적지 노드들을 갖는 중첩 전송 기반의 무선 협력 멀티캐스트 통신 시스템을 고려하여, 멀티캐스트 통신의 데이터 전송률을 향상시키기 위한 중계 노드 선택 기법을 제안한다. 또한, 제안하는 중계 노드 선택 기법의 데이터 전송률을 극대화하기 위하여 중첩 전송시 최적의 전력 할당 계수를 이용한다. 중계 노드 선택 기법을 제안하기 위하여 중첩 전송 기반의 무선 협력 멀티캐스트 통신 시스템의 데이터 전송률의 근사식을 유도하고, 그 근사식을 토대로 부분적인 채널 상태 정보만을 이용하는 중계 노드 선택 기법을 제안한다. 또한, 제안하는 중계 노드 선택 기법에 대한 근사적인 평균 데이터 전송률을 유도한다. 수치적 결과에서, 제안하는 중계 노드 선택 기법과 전체 채널 상태 정보를 이용하는 최적의 중계 노드 선택 기법에 대한 평균 데이터 전송률을 비교하여, 높은 신호 대 잡음 전력비의 영역에서 제안하는 중계 노드 선택 기법이 최적의 중계 노드 선택 기법과 매우 유사한 성능을 제공함을 확인한다.

최근 단말-대-단말(Device-to-device, D2D) 통신기술이 차세대 무선통신시스템의 핵심기술로 큰 관심을 받고 있다. 이러한 단말간 통신에서는 자신의 주변에 어떠한 단말이 있는지 파악하는 주변단말 탐색(Neighbor discovery)이 매우 중요하다. 본 논문에서는 최근 큰 관심을 받고 있는 딥러닝(Deep learning) 기술을 활용하여 단말간 통신에서 주변단말을 파악하는 방안에 대해서 제안한다. 제안 방안은 기존의 방안과 달리 무선채널의 공간적 연관성을 이용하여 단말간의 신호 전송 없이 단말이 기지국으로 전송하는 상향링크 파일럿 신호를 기반으로 주변 단말을 찾고 따라서 기존의 방식에 비해 신호전송 복잡도(signaling complexity)를 크게 줄일 수 있다. 또한 제안 방안에서는 떨어져 있는 거리에 따라서 주변 단말을 분류 가능하여 기존 방안에 비해서 좀 더 세밀한 단말 탐색이 가능하다. 마지막으로 본 논문에서는 tensorflow를 이용한 컴퓨터 시뮬레이션을 통해 제안 방안의 성능을 검증하였다.

무선 랜 기기의 보급에 따라 같은 무선 채널에 존재하는 단말의 수가 증가하고 있다. 기존의 무선 랜 프로토콜인 CSMA/CA는 랜덤 백오프 방식을 사용한다. 랜덤 백오프 방식은 같은 채널에 존재하는 단말의 개수가 수십 개 이상되는 밀집 지역에서 단말간의 충돌이 잦아 표준 CSMA/CA 프로토콜의 성능 저하가 심각하게 발생한다. 이와 같은 프로토콜의 성능 저하를 막기 위해 IEEE 802.11ah 표준에서는 Restricted Access Window(RAW) 무선 접속 방식을 제안하였다. RAW는 단말을 여러 그룹으로 나눠 동시 접속 단말의 수를 제한하여 성능을 개선하였다. 본 논문에서는 기존의 RAW방식을 개선하여 트래픽 변화에 따른 새로운 그룹생성, 그룹 제거와 그룹 재배치 알고리즘을 사용하여 채널 접속에 관한 성능을 높일 수 있는 방안을 제시한다.

해양안전에 정보통신기술을 적용하려는 세계 각국의 많은 노력을 바탕으로 국제해사기구(IMO)에서는 최신 정보통신기술을 해양 서비스에 적용하기 위해 e-Navigation 기준을 제정하였다. 해양수산부에서는 국내 환경을 고려한 한국형 e-Navigation을 추진하고 있으며, 해상에서의 초고속 무선통신 방식으로 LTE 통신 방식을 적용하려 하고 있다. 본 논문에서는 초고속 해상무선통신 서비스를 위해 할당된 700Mhz 대역의 주파수를 지원하는 LTE 기반 선박용 라우터 시스템의 개발에 대해서 기술한다. LTE 기반 선박용 라우터를 이용하여 기지국에서 100km 거리 통신이 가능함을 실험으로 보여준다. LTE 기반 초고속 해상무선통신 라우터 시스템은 해상에서 발생할 수 있는 다양한 사고예방 기술 개발에 필요한 통신 기반을 제공할 수 있을 것으로 사료된다.

NMS(Network Management System)는 네트워크 관리를 목적으로 소규모 또는 대규모 네트워크를 운영하는 곳에서 필수적으로 사용되는 시스템이다. 기존 NMS에서는 네트워크 규모가 커지고 구성정보가 복잡해짐에 따라 네트워크 현황파악이 점점 어려워지고 있으며 네트워크 장비의 장애진단에 시간이 많이 소요된다. 본 논문에서는 NMS의 문제점을 보완하기 위해 JavaScript와 Python, HTML5 기반의 TWaver를 이용하여 자동으로 웹 기반 네트워크 토폴로지를 구현한다. 토폴로지 세부 구현 내용으로는 NMS시스템에 등록된 장비 정보를 기반으로 장비의 연결정보를 자동으로 수집하여 수집정보를 데이터화하고, 웹 기반의 네트워크 토폴로지를 구현하며 구현된 토폴로지에서 원격 장애진단을 수행할 수 있는 기능을 포함한다. 네트워크 토폴로지에서 구성관리, 장애관리, 성능관리 기능을 종합적으로 추가하여 사용자가 네트워크 관리를 함에 있어 체계화된 데이터 관리를 통해 NMS시스템의 품질 향상을 기대할 수 있다.

현재 디스크에 파일을 암호화하여 저장하기 위한 다양한 파일 암호화 솔루션이 존재한다. 하지만 기존의 파일 암호화 솔루션은 암호화 및 복호화를 파일 혹은 디렉터리 단위로 일괄되게 처리한다. 본 논문에서는 파일의 부분 암호화를 지원하는 시스템 호출을 제안한다. 파일 데이터의 암호화를 원하는 부분에서 사용자는 시스템 호출 인터페이스로 암호화 정보를 설정한다. 그다음 파일 데이터를 쓰면 설정된 내용으로 데이터가 암호화되어 저장된다. 또한 복호화 정보를 설정한 뒤 파일 데이터를 읽어오면, 설정된 정보가 적용되어 필요한 부분만을 복호화 한다. 제안된 시스템 호출을 위해 검사, 관리, 암호화, 복호화, HMAC 모듈이 필요한 시스템 호출에 따라 구성되며, 이는 리눅스 환경에서 구현되었다. 또한 구현된 시스템 호출의 동작을 개발 보드에서 검증하였으며, 그 수행 속도를 측정하여 성능을 분석하였다.