본 논문에서는 초음파 센서로 거리를 측정할 때 간섭에 의해 발생하는 유령 신호를 배제하고 올바른 신호를 인식하는 초음파 센서 간 신호 간섭 제거 방안을 제시한다. 제안하는 기법에서는 이전 거리 측정 값과 현재 거리 측정 값을 비교하여 거리의 변화가 한계값을 벗어나면 유령 신호로 인식하고 배제한다. 기존 기법에서는 한계값이 고정되어 있어서 초음파 센서나 대상 물체가 급격하게 움직일 경우 유령 신호를 제대로 배제하기 어렵지만, 제안하는 기법에서는 한계값을 고정하지 않고 초음파 센서나 대상 물체가 움직일 경우 상대 속도에 따라 한계값을 적응적으로 결정하는 알고리즘을 사용하여 정확도를 높인다. 초음파 센서로 물체까지의 거리를 측정할 때 간섭이 가장 잘 일어나는 동종의 초음파 센서를 다수 사용하여 간섭 신호를 발생시키는 실험을 진행하였고 제안하는 기법이 효과적으로 유령 신호를 배제하는 것을 확인하였다.

본 논문에서는 전자파 방출을 줄이기 위해 필터나 디커플링 캐패시터를 사용하는 대신에 PCB 내의 칩 배치, 배선 모양 등을 변경하여 위험신호의 배선 길이와 귀환경로를 짧게 하는 EMC 고려 PCB 설계 기법을 제안하였다. 제안하는 기법에서는 PCB 상의 여러 가지 신호에 대해 신호속도를 계산하고, 신호속도가 가장 높은 위험신호에 대해 선로를 가능한 짧게 하도록 가장 먼저 칩의 위치를 선정하고 배선도 가장 먼저 수행해야 한다. 또 위험신호의 귀환경로에 불연속이 발생하지 않도록 설계하며 귀환경로의 기준이 되는 전원판과 접지판이 분할되어 있지 않도록 한다. CISPR-32, CISPR-25 등의 전자파 적합성 시험을 통과하지 못했던 차량용 블루투스 지향성 스피커에 이 기법을 적용하여 PCB를 재설계한 후 EMC 측정을 수행하였더니 해당 전자파 적합성 시험을 수월하게 통과할 수 있었다. 제안하는 기법은 EMC 특성이 중요한 전자기기에 유용하게 쓰일 수 있다.

본 논문에서는 mobile edge computing (MEC) 네트워크에서 컨텍스트 기반 IoT 서비스를 위한 새로운 서비스 바인딩 및 리소스 관리 모델을 제시한다. 제안하는 제어는 MEC 서비스 바인딩 제어 계층 (MCL)과 사용자 컨텍스트 제어 계층 (UCL)의 두 가지 계층으로 구성되며, MCL은 시스템 관점에서 서비스 바인딩 구성, 리소스 할당 및 서비스 정책 구성을 관리하고, UCL은 사용자 관점에서 메타 객체를 사용하여 실시간 서비스 적응을 관리한다. 본 논문에서 제안하는 제어 모델은, 실험을 통해 기존 컴퓨팅 모델과 비교할 때 향상된 정보 처리량과 콘텐츠 전송 시간을 제공함을 확인했다. 제안하는 제어 모델은 차세데 MEC 환경에서 컨텍스트 기반의 다양한 사물인터넷 서비스의 핵심 구성 요소로 적용될 수 있다.

본 논문에서는 종이와 동 테이프로 만든 CPW로 급전되는 UWB 모노폴 종이 안테나를 제안하고자 한다. 시뮬레이션을 통해 최적화된 안테나 설계 파라미터를 구하고, UWB 주파수 대역인 3.1-10.6 GHz에서 전방향성 방사패턴 및 2.2dBi 이상의 이득을 갖는 안테나를 설계하였다. 일반적인 A4용지와 동 테이프를 이용하여 안테나를 제작하고, 측정 결과 UWB 주파수 대역에서 -10 dB 이하의 반사손실을 만족하였고, 안테나 평면이 길이 방향으로 3mm 굽어진 경우에도 반사손실 특성이 유지됨을 확인하였다. 제안된 안테나는 웨어러블 소자로서 UWB 대역의 서비스를 제공할 수 있고, 종이에 전도성 프린트로 인쇄하여 제작하면 저렴하게 제작이 가능하므로, 물류 분야 및 일회용 단말기 등 다양한 응용 분야에서 UWB 통신용 웨어러블 안테나로 활용이 가능할 것으로 사료된다.

표정 인식은 다양한 분야에서 지속적인 연구의 주제로서 자리 잡아 왔다. 본 논문에서는 얼굴 이미지 랜드마크 간의 거리를 계산하여 추출된 특징을 사용해 각 랜드마크들의 관계를 분석하고 5가지의 표정을 분류한다. 다수의 관측자들에 의해 수행된 라벨링 작업을 기반으로 데이터와 라벨 신뢰도를 높였다. 또한 원본 데이터에서 얼굴을 인식하고 랜드마크 좌표를 추출해 특징으로 사용하였으며 유전 알고리즘을 이용해 상대적으로 분류에 더 도움이 되는 특징을 선택하였다. 본 논문에서 제안한 방법을 이용하여 표정 인식 분류를 수행하였으며 제안된 방법을 이용하였을 때가 CNN을 이용하여 분류를 수행하였을 때 보다 성능이 향상됨을 볼 수 있었다.

Vehicle orientation detection is a challenging task because the orientations of vehicles can vary in a wide range in captured images. The existing methods for oriented vehicle detection require too much computation time to be applied to a real-time system. We propose Rotate YOLO, which has a set of anchor boxes with multiple scales, ratios, and angles to predict bounding boxes. For estimating the orientation angle, we applied angle-related IoU with CIoU loss to solve the underivable problem from the calculation of SkewIoU. Evaluation results on three public datasets DLR Munich, VEDAI and UCAS-AOD demonstrate the efficiency of our approach.

몽고메리 모듈러 곱셈의 유연한 하드웨어 구현을 위한 확장 가능형 아키텍처를 기술한다. 처리요소 (processing element; PE)의 1차원 배열을 기반으로 하는 확장 가능형 모듈러 곱셈기 구조는 워드 병렬 연산을 수행하며, 사용되는 PE 개수 N_PE에 따라 연산 성능과 하드웨어 복잡도를 조정하여 구현할 수 있다. 제안된 아키텍처를 기반으로 SEC2에 정의된 8가지 필드 크기를 지원하는 확장 가능형 몽고메리 모듈러 곱셈기(scalable Montgomery modular multiplier; sMM) 코어를 설계했다. 180-nm CMOS 셀 라이브러리로 합성한 결과, sMM 코어는 N_PE=1 및 N_PE=8인 경우에 각각 38,317 등가게이트 (GEs) 및 139,390 GEs로 구현되었으며, 100 MHz 클록으로 동작할 때, N_PE=1인 경우에 57만회/초 및 N_PE=8인 경우에 350만회/초의 256-비트 모듈러 곱셈을 연산할 수 있는 것으로 평가되었다. sMM 코어는 응용분야에서 요구되는 연산성능과 하드웨어 리소스를 고려하여 사용할 PE 수를 결정함으로써 최적화된 구현이 가능하다는 장점을 가지며, ECC의 확장 가능한 하드웨어 설계에 IP (intellectual property)로 사용될 수 있다.

본 논문에서는 실시간 SAR (synthetic aperture radar) 영상 생성을 위한 RDA (range Doppler algorithm)의 FPGA 기반 가속화 기법을 제안한다. RDA의 연산 과정인 거리 및 방위 압축 연산을 가속하기 위한 시스토릭 어레이 구조 기반 정합 필터와 RCM (range cell migration)을 보상해 주기 위한 고속의 sinc 보간 연산기의 하드웨어 구조를 제시하고, Xilinx Alveo FPGA에 다채널 커널 형태로 구현하여 가속을 진행하였다. 제안된 구조의 하드웨어를 사용하여 4096×4096 크기의 영상 생성시간을 측정한 결과, Nvidia RTX3090 GPU를 사용하여 SAR 영상을 생성하는 시간보다 약 2배 가속이 가능함을 확인하였다. 또한, 제안된 가속 하드웨어는 60,247개의 CLB LUT, 103,728개의 CLB register, 20개의 block RAM tile과 592개의 DPS로 구현 가능하며, 최대 동작속도는 312 MHz임을 확인하였다.

Self-Imitation Learning은 간단한 비활성 정책 actor-critic 알고리즘으로써 에이전트가 과거의 좋은 경험을 활용하여 최적의 정책을 찾을 수 있도록 해준다. 그리고 actor-critic 구조를 갖는 강화학습 알고리즘에 결합되어 다양한 환경들에서 알고리즘의 상당한 개선을 보여주었다. 하지만 Self-Imitation Learning이 강화학습에 큰 도움을 준다고 하더라도 그 적용 분야는 actor-critic architecture를 가지는 강화학습 알고리즘으로 제한되어 있다. 본 논문에서 Self-Imitation Learning의 알고리즘을 가치 기반 강화학습 알고리즘인 DQN에 적용하는 방법을 제안하고, Self-Imitation Learning이 적용된 DQN 알고리즘의 학습을 다양한 환경에서 진행한다. 아울러 그 결과를 기존의 결과와 비교함으로써 Self-Imitation Leaning이 DQN에도 적용될 수 있으며 DQN의 성능을 개선할 수 있음을 보인다.

Subsurface topology estimation is an important factor in the geophysical survey. Electrical impedance tomography is one of the popular methods used for subsurface imaging. The EIT inverse problem is highly nonlinear and ill-posed; therefore, reconstructed conductivity distribution suffers from low spatial resolution. The subsurface region can be approximated as piece-wise separate regions with constant conductivity in each region; therefore, the conductivity estimation problem is transformed to estimate the shape and location of the layer boundary interface. Each layer interface boundary is treated as an open boundary that is described using front points. The subsurface domain contains multi-layers with very complex configurations, and, in such situations, conventional methods such as the modified Newton Raphson method fail to provide the desired solution. Therefore, in this work, we have implemented a 7-layer artificial neural network (ANN) as an inverse problem algorithm to estimate the front points that describe the multi-layer interface boundaries. An ANN model consisting of input, output, and five fully connected hidden layers are trained for interlayer boundary reconstruction using training data that consists of pairs of voltage measurements of the subsurface domain with three-layer configuration and the corresponding front points of interface boundaries. The results from the proposed ANN model are compared with the gravitational search algorithm (GSA) for interlayer boundary estimation, and the results show that ANN is successful in estimating the layer boundaries with good accuracy.

본 논문은 합성곱 신경망에 데이터 재사용 방법을 효과적으로 적용하여 연산 횟수와 메모리 접근 횟수를 줄일 수 있는 GPGPU구조를 제안한다. 합성곱은 kernel과 입력 데이터를 이용한 2차원 연산으로 kernel이 slide하는 방법으로 연산이 이루어 진다. 이때, 합성곱 연산이 완료될 때 까지 kernel을 캐시메모리로 부터 전달 받는 것이 아니고 내부 레지스터를 이용하는 재사용 방법을 제안한다. SIMT방법으로 명령어가 실행되는 GPGPU의 원리 이용하여 데이터 재사용의 효과를 높이기 위해 합성곱에 직렬 연산 방식을 적용하였다. 본 논문에서는 레지스터기반 데이터 재사용을 위하여 kernel을 4×4로 고정하고 이를 효과적으로 지원하기 위한 warp 크기와 레지스터 뱅크를 갖는 GPGPU를 설계하였다. 설계된 GPGPU의 합성곱 신경망에 대한 성능을 검증하기 위해 FPGA로 구현한 뒤 LeNet을 실행시키고 TensorFlow를 이용한 비교 방법으로 AlexNet에 대한 성능을 측정하였다. 측정결과 AlexNet기준 1회 학습 속도는 0.468초이며 추론 속도는 0.135초이다.

시간이 지날수록 새로운 맬웨어는 계속 증가하고, 점점 고도화되고 있다. 악성 코드를 진단하기 위해 실행파일에 관한 연구는 다양하게 진행되고 있으나, 비실행 문서파일과 악성 URL, 문서 내 악성 매크로 및 JS 등을 악용하여 이메일에 악성 코드 위협을 내재화한 공격은 탐지하기 어려운 것이 현실이다. 본 논문에서는 악성 이메일 공격의 사전 탐지 및 차단을 통한 이메일 보안을 위해 악성 코드를 분석하는 방법을 소개하고, AI 기반으로 비실행 문서파일의 악성 여부를 판단하는 방법을 제시한다. 다양한 알고리즘 중에 효율적인 학습 모델링 방법을 채택하고 Kubeflow를 활용하여 악성 코드를 진단하는 ML 워크플로 시스템을 제안하고자 한다.

보행능력은 의학적으로 다양한 뇌신경계 질환에서 사용되는 평가 지표이다. 보행에 관련된 뇌 활성화를 측정하고 분석하는 방법으로 뇌파 데이터에 대해 독립성분을 추출한 뒤 신호원 추정 및 시간-주파수 분석이 주로 사용된다. 기존의 트레드밀 기반 보행 뇌파 분석은 분할 측정한 뒤, 데이터를 병합하여 신호 전처리, 독립성분분석 및 신호원 추정을 수행하고 피험자 간 군집화를 통하여 대표 성분 클러스터들을 추출한다. 본 연구에서는 보행 뇌파에 대하여 데이터 통합 없이 각각의 분할 측정된 데이터에 대하여 개별적으로 신호 전처리, 독립성분분석 및 신호원 추정을 수행하고 모든 피험자로부터 추정된 독립성분에 대하여 피험자 간 군집화를 수행하는 새로운 방법을 제안한다. 데이터 통합이 독립성분 군집화 및 시간-주파수 분석에 미치는 영향을 조사하기 위해 기존의 통합 데이터에 기반한 두 가지 분석 방법과 본 연구에서 제안하는 데이터 통합이 없는 분석 방법을 비교하였다. 그 결과, 통합 데이터 방법들에서는 각각 2개씩의 성분 클러스터를 도출하였으나 제안하는 방법을 통해 4개의 성분 클러스터를 도출, 적은 피험자 수에도 불구하고 세분화된 보행 뇌 신호 성분 클러스터를 도출할 수 있었음을 확인하였다.

본 논문에서는 고장예측진단 및 건전성 관리 기법(Prognostics and Health Management, PHM)을 적용하기 위해 해당 시스템 혹은 회로 내부에서 결함특성을 감지하고 예측할 수 있는 회로 구조를 제안하였다. 기존 연구에서 회로 결함의 진행에 따라, S-parameter 크기 최소값의 주파수가 변화하는 것을 확인하였다. 이러한 특성을 기존에는 네트워크 분석기(Network Analyzer)를 활용하여 측정하였으나, 본 연구에서는 같은 결함검출기법을 활용하더라도 큰 계측장비 없이 결함의 진행상황 및 잔여 수명, 결함발생 여부를 확인할 수 있는 소형화된 회로를 설계하였다. 본 연구에서는 S-parameter의 변화를 야기하는 임피던스의 변화를 감지할 수 있도록 회로를 설계하였으며, Bond-wire의 온도반복에 따른 S-parameter 변화 측정결과를 제안하는 회로에 적용하였다. 이를 통해 해당 회로가 Bond-wire의 결함을 감지할 수 있다는 것을 성공적으로 검증하였다.

고속 푸리에 변환(Fast Fourier Transform, FFT)은 다양한 응용처에서 널리 사용되는 주요 신호처리 블록이다. 일반적으로 1024 포인트 이상의 긴 FFT 처리의 경우 높은 SQNR(Signal-to-Quantization Ratio)를 유지하면서도 낮은 하드웨어 복잡도의 구현이 매우 중요하다. 본 논문에서는 낮은 복잡도의 FFT 알고리즘과 간단한 동적스케일링 기법을 제시한다. 이를 통해 2048 포인트 FFT연산에 대해서 널리 알려진 radix-2 알고리즘에 비해 곱셉기의 수를 절반으로 줄일 수 있으며, 또한 twiddle factor를 저장하기 위해 필요한 테이블의 크기를 radix-2 및 radix-2² 알고리즘에 비해 각각 35% 및 53%로 축소할 수 있다. 그리고 내부 데이터의 폭을 점진적으로 늘리지 않고서도 55dB 이상의 높은 SQNR을 달성하는 것을 확인하였다.

드론 기술이 발전함에 따라 무인 항공체에 대한 위험이 증가하고 있으며 이로 인한 위협을 방어하기 위해 드론을 탐지해 내는 기술이 중요해지고 있다. 본 논문에서는 레이다의 위상배열안테나 하드웨어를 소형화하고 경량화하여 드론을 탐지하는 기능을 구현할 수 있는지 확인하였다. 레이다 신호의 송수신을 위한 안테나장치는 능동위상배열 방식으로 구현하였다. 송수신모듈은 타일형태로 제작하여 인터페이스와 구조를 간소화하였고, 집적화된 소자를 사용하여 회로를 단순화하였다. 레이다 파형과 기준신호를 생성하고 처리장치와 통신을 수행하는 파형발생모듈과 다채널의 수신신호를 IF 신호로 변환하는 하향변환모듈도 소형화하여 전체 송수신 기능 및 안테나 기능이 소형화된 구조물 내에 배치될 수 있게 하였다. 처리장치와 통합하여 시험을 통해 드론탐지 성능을 확인한 결과 RCS 0.01m² 목표물 기준으로 약 3.7Km 이상의 탐지거리를 확인할 수 있었다.

전력선 신호는 다양한 원인으로 인하여 이상 현상을 보일 수 있다. 대표적인 이상 현상으로는 일시적인 진폭의 증가 혹은 감소(swell/sag), 클립핑에 따른 진폭의 일시적인 평탄화(flat top), 고조파 왜곡(harmonic distortion) 등이다. 고품질의 전력 신호를 위하여는 이러한 이상 현상의 검출 및 대응이 필요하다. 본 연구에서는 변곡점 검출법을 활용하여 전력선 신호의 이상 현상을 검출한다. 변곡점은 국부적인 최대값/최소값 그리고 기울기가 변하는 지점으로 정의된다. 전력선 신호는 정현파이기 때문에 최대값과 최소값 부근에서 변곡점이 존재하며 이상 현상이 발생하는 곳에서 추가적인 변곡점이 발생한다. 본 연구에서는 대상 신호에서 검출된 변곡점과 정상 신호의 변곡점을 비교하여 이상 현상을 판단한다. 아울러 비용함수를 정의하여 이상 현상이 발생하는 시점을 추정한다. 컴퓨터 모의실험으로 다양한 이상 현상에 대한 제안된 방법의 유용성을 검증한다. 일시적인 진폭의 증가/감소의 경우, 변곡점의 위치는 정상 신호와 동일하며, 변곡점에서의 진폭에서만 차이가 발생한다. 고조파 왜곡이나 평탄화된 진폭의 경우 추가적인 변곡점이 발생하여 비용함수가 큰 값을 보인다. 이러한 이상 현상 간의 차이를 이용하여 이상 현상을 분류할 수 있다.

본 연구에서는 태양광소자와 열전소자로 이루어진 에너지 융합 발전소자에 쿨링패치를 적용하고 에너지 융합 발전소자의 성능을 조사하였다. 쿨링패치를 열전소자의 뒷면에 부착하였을 때, 에너지 융합 발전소자의 상층에 위치한 태양광소자의 온도가 저하되고 열전소자 양단의 온도차는 증가되었다. 태양광 복사 조도를 200 W/m²부터 1000 W/m²까지 증가시키면서 에너지 융합 발전소자의 성능을 측정해본 결과, 쿨링패치는 태양광의 조도가 증가할수록 에너지 융합 발전소자의 성능 향상에 효과적이었고 1000 W/m²에서는 42.1 mW까지 융합소자의 최대 출력 전력이 증가하였다. 본 연구에서는 쿨링패치를 에너지 융합 발전소자에 부착함으로써 에너지 융합 발전소자의 출력 전력이 27% 이상으로 증가하는 것을 확인하였다.

본 논문은 게이티드 링 발진기를 이용한 UWB(Ultar-wideband) 임펄스 생성기 구조에 관한 내용이다. 기존 구조에서 필요로 하던 수 GHz의 발진기 및 PLL 회로를 게이티드 링 발진기로 대체하여 회로의 복잡도와 전력 낭비를 줄였다. 제안하는 방식은 링 발진기의 Head switch에 인가되는 Enable 신호의 길이를 조정함으로써 필요한 구간에만 발진기를 동작시키고 임펄스를 생성함으로써 출력 없이 쉬는 시간 동안 낭비되는 전력을 줄였다. 그리고 카운터를 통한 Pulse shaping 방법을 통해 사이드 로브의 발생을 억제하고 주파수 대역 변경을 위해 중심 주파수 변경시 대역폭 변화를 막을 수 있었다. 설계된 UWB 임펄스 생성기는 디지털 비트를 조정함으로써 6.0GHz에서 8.8GHz의 중심 주파수를 변경할 수 있으며 또한 사용 대역폭을 약 1.5GHz로 유지할 수 있음을 검증하였다.

최근 심층강화학습을 활용한 종단간 자율주행에 대한 관심이 크게 증가하고 있다. 본 논문에서는 차량의 종방향 주행 성능을 개선하는 잠재 SAC 기반 심층강화학습의 보상함수를 제시한다. 기존 강화학습 보상함수는 주행 안전성과 효율성이 크게 저하되는 반면 제시하는 보상함수는 전방 차량과의 충돌위험을 회피하면서 적절한 차간거리를 유지할 수 있음을 보인다.

본 논문에서는 기존의 LTDDSCR의 구조를 개선하여 기생 NPN BJT의 낮은 전류이득으로 높은 홀딩전압을 갖는 새로운 ESD 보호 소자를 제안한다. 제안된 보호 소자는 Synopsys사의 TCAD simulation을 이용하여 HBM simulation으로 전기적 특성을 분석하였고 current flow와 impact ionization 및 recombination Simulation으로 추가된 BJT가 동작하는 것을 확인하였다. 또한, 설계변수 D1, D2로 홀딩전압 특성을 최적화하였다. Simulation 수행결과, 새로운 ESD 보호 소자는 기존의 LTDDSCR과 비교하여 높은 홀딩전압을 갖는 것이 검증되었고 대칭적인 양방향 특성을 갖는 것이 확인되었다. 따라서 제안된 ESD 보호 소자는 IC에 적용될시 높은 면적 효율성을 가지며 IC의 신뢰성을 향상시킬 것으로 기대된다.

본 논문에서 제안한 전류형 LLC AC to DC 고주파 공진 컨버터는 스위치 양단에 병렬로 공진 커패시터(C₁, C₂)를 연결함으로써 ZVS(Zero Voltage Switching)동작 뿐만 아니라 2차측 Diode의 ZCS(Zero Current Switching) 동작이 가능하므로 스위칭 소자의 턴-온 및 2차측 다이오드의 턴-오프 손실을 저감시킬 수 있다. 본 논문에서 제안한 LLC AC to DC 고주파 공진 컨버터의 회로 해석은 무차원화 제어 파라메타를 도입하여 범용성 있게 기술하였다. 또한 제안한 LLC AC to DC 고주파 공진 컨버터의 운전 특성은 무파원화 제어 주파수(μ), 무차원화 저항(λ) 등의 무차원화 제어 파라메타를 이용하여 특성 평가를 수행하였다. 특성 평가를 통한 특성값을 기초한 LLC AC to DC 고주파 공진 컨버터 설계 기법의 일예를 제시하였으며, 실험 및 PSIM 시뮬레이션을 통해 이론 해석의 정당성을 입증하였다.

본 논문에서는 YOLOv4를 이용하여 차량의 부위별 파손현황을 검출하는 기법을 제안한다. 제안 알고리즘은 YOLOv4를 통해 차량의 부위와 파손을 각각 학습시킨 후 검출되는 바운딩 박스의 좌표 정보들을 추출하여 파손과 차량부위의 포함관계를 판단하는 알고리즘을 적용시켜 부위별 파손현황을 도출한다. 또한 성능비교의 객관성을 위하여 동일분야의 VGGNet을 이용한 기법, 이미지 분할과 U-Net 모델을 이용한 기법, Weproove.AI 딥러닝 모델 등을 대조 모델로 포함한다. 이를 통하여 제안 알고리즘의 성능을 비교, 평가하고 검출 모델의 개선 방안을 제안한다.

Dynamic route guidance (DRG) finds the fastest path from a source to a destination location considering the real-time congestion information. In Korea, the traffic state information is available by the public transportation data (PTD) which is indexed on top of the node-link map (NLM). While the NLM is the authoritative low-detailed road network for major roads only, the OpenStreetMap road network (ORN) supports not only a high-detailed road network but also a few open-source routing engines, such as OSRM and Valhalla. In this paper, we propose a DRG framework based on road network matching between the NLM and ORN. This framework regularly retrieves the NLM-indexed PTD to construct a historical speed profile which is then mapped to ORN. Next, we extend the Valhalla routing engine to support dynamic routing based on the historical speed profile. The numerical results at the Yeoui-do island with collected 11-month PTD show that our DRG framework reduces the travel time up to 15.24 % and improves the estimation accuracy of travel time more than 5 times.

본 논문에서는 자동차의 위치 및 자세 추정에 사용되는 칼만 필터 가속기를 내장한 차량용 ECU(electronic control unit)를 설계하고 구현하였다. 프로세서 코어는 RISC-V를 사용하였으며 칼만 필터의 행렬 연산을 수행하는 가속기, 차량 내 통신에 사용되는 CAN(controller area network) 제어기, 센서 연결에 사용되는 LIN(local interconnect network) 제어기를 내장하였다. 칼만 필터 연산은 시간 업데이트와 측정 업데이트의 두 단계로 나뉘며 시간 업데이트 단계에서는 현재 상태변수와 오차 공분산을 예측하고 측정 업데이트 단계에서는 입력값을 받아 칼만 이득을 계산하여 값을 보정한다. 보통 소프트웨어에서는 곱셈에 부동소숫점 연산을 사용하지만 본 논문에서는 하드웨어 면적을 줄이기 위해 정밀도 분석을 고려한 고정소숫점 곱셈기를 사용하였다. 설계된 ECU는 Verilog HDL을 이용하여 검증하였으며 28nm 실리콘 공정으로 구현하였다. 28nm 실리콘 공정으로 구현하였을 때 동작 주파수는 100MHz, 면적은 0.37mm², 게이트 수는 76만 게이트였다.

딥러닝을 포함한 머신러닝 기법을 기반으로 비행체의 궤적 설계, 제어, 최적화, 예측 등의 작업을 수행하기 위해서는 일정한 양 이상의 비행체 궤적 데이터를 필요로 한다. 그러나 다양한 이유(예를 들어 비행체 궤적 데이터셋 구축에 필요한 비용, 시간, 인력 등)로 일정한 양 이상의 비행체 궤적 데이터를 확보하기 어려운 경우가 존재한다. 이러한 경우 합성 데이터 생성이 머신러닝을 가능하게 하는 방법 중 하나가 될 수 있다. 본 논문에서는 이와 같은 가능성을 탐구하기 위하여 시계열 생성적 적대 신경망을 이용하여 비행체 궤적 합성 데이터를 생성하고 평가하였다. 또한 비행체의 상태를 인식하기 위한 비행체 궤적 예측 작업에서 합성 데이터의 활용 가능성을 탐구하기 위하여 다양한 ablation study(비교 실험)를 수행하였다. 본 논문에서 제시된 생성 평가 및 비교 실험 결과는 비행체 궤적 합성 데이터 생성 및 비행체 궤적 관련 작업에서 합성 데이터의 활용 가능성에 대한 연구를 수행하고자 하는 연구자들에게 실질적인 도움이 될 것으로 예상한다.

본 논문에서는 tapering과 ferroelectric(HfO₂)구조가 적용된 3D NAND flash memory의 프로그램 이후 시간경과에 따른 retention특징을 분석했다. Nitride에 trap된 전자는 시간이 지남에 따라 lateral charge migration이 발생한다. 프로그램 이후 시간이 지남에 따라 trap된 전자가 tapering에 의해 두꺼워진 채널 쪽으로 lateral charge migration이 더 많이 발생하는 것을 확인했다. 또한 Oxide-Nitride-Ferroelectric (ONF) 구조는 polarization에 의해 lateral charge migration이 완화되기 때문에 기존 Oxide-Nitride-Oxide (ONO) 구조 보다 문턱전압(V_th)의 변화량이 줄어든다.

본 논문은 Charge Trap Flash using Ferroelectric(CTF-F) 구조를 가진 3D NAND Flash Memory gate controllability에 대해 분석했다. Ferroelectric 물질인 HfO₂는 polarization 이외에도 high-k 라는 특징을 가진다. 이러한 특징으로 인해 CTF-F 구조에서 gate controllability가 증가하고 Bit Line(BL)에서 on/off 전류특성이 향상된다. Simulation 결과 CTF-F 구조에서 String Select Line(SSL)과 Ground Select Line(GSL)의 채널길이는 100 nm로 기존 CTF 구조에 비해 33% 감소했지만 거의 동일한 off current 특성을 확인했다. 또한 program operation에서 channel에 inversion layer가 더 강하게 형성되어 BL을 통한 전류가 약 2배 증가한 것을 확인했다.

본 논문에서는 SPICE를 사용한 16단 3D NAND Flash memory compact modeling을 제안한다. 동일한 structure와 simulation 조건에서 Down Coupling Phenomenon(DCP)과 Natural Local Self Boosting(NLSB)에 대한 channel potential을 Technology Computer Aided Design(TCAD) tool Atlas(Silvaco^TM)와 SPICE로 simulation하고 분석했다. 그 결과 두 현상에 대한 TCAD와 SPICE의 channel potential이 매우 유사한 것을 확인할 수 있었다. SPICE는 netlist를 통해 소자 structure를 직관적으로 확인할 수 있다. 또한, simulation 시간이 TCAD에 비해 짧게 소요된다. 그러므로 SPICE를 이용하여 3D NAND Flash memory의 효율적인 연구를 기대할 수 있다.

본 논문에서는 열화상 카메라를 적용한 개인 맞춤형 냉각관리 시스템을 제안한다. 제안하는 장비는 열화상 카메라를 이용하여 사용자의 진행 전 피부 온도와 진행 후 피부온도의 차이에 따라 냉기 배출량 및 시스템을 제어한다. 피부의 온도가 비정상적으로 낮아지면 냉기공급을 차단하여 안전사고 발생 가능성을 방지한다. 피부 온도 감지센서를 열화상 카메라 온도측정으로 대체하여 경제적이고, 열화상 이미지로 온도를 확인할 수 있으므로 시각화가 가능하다. 또한, 제안하는 장비는 열화상 카메라를 적용한 개인 맞춤형 냉각관리 시스템의 안전을 위해 레이저 포인터를 듀얼로 사용하여 초점 거리를 산출하여 피부와의 거리를 측정하는 센서의 감도를 개선시킨다. 제안된 장비의 성능을 평가하기 위하여 외부공인 시험기관에서 실험하였다. 첫 번째로 측정된 온도 범위는 -100℃~-160℃로 측정되어, 현재 현장에서 사용되는 최고 수준인 -150~-160℃(cryo generation/미국) 보다 넓은 온도 범위를 나타내었다. 또한 오차는 ±3.2%~±3.5%로 측정되어 현재 현장에서 사용되는 최고 수준인 ±5%(CRYOTOP/중국) 보다 우수한 결과를 나타내었다. 두 번째로 측정된 거리 정확도는 ±4.0% 이하로 측정되어, 현재 현장에서 사용되는 최고 수준인 ±5%(CRYOTOP/중국) 보다 우수한 결과를 나타내었다. 세 번째로 질소 사용량은 최대 0.15 L/min 미만으로 확인되어, 현재 현장에서 사용되는 최고 수준인 6 L/min(POLAR BEAR/미국) 보다 우수한 결과를 나타내었다. 따라서 본 본문에서 제안한 열화상 카메라를 적용한 개인 맞춤형 냉각관리 시스템의 성능의 우수함이 판별되었다.