• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• pp.587-588
• /
• 2008

Digital PLL을 위한 높은 해상도를 갖는 TDC(Time to Digital Converter)를 $0.18{\mu}m$ CMOS 공정으로 설계하였다. 2단 구조를 갖는 TDC를 제안하였고 이를 Cadence Spectre를 이용하여 검증하였다. TDC는 Difference pulse generator, coarse 변환기와 fine 변환기로 구성된다. 그리고, 2단 변환기와 Thermometer decoder를 이용하여 delay cell의 수를 적게 유지하면서도 높은 해상도를 얻을 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.701-704
• /
• 2020

이미지 초해상도는 딥러닝의 발전과 함께 이를 활용하며 눈에 띄는 성능향상을 이루었다. 딥러닝을 기반으로 한 대부분의 이미지 초해상도 연구는 딥러닝 네트워크 모델의 구조에 대한 연구 위주로 진행되어 왔다. 그러나 최근 들어 딥러닝 기반의 이미지 초해상도가 합성된 데이터에 대해서는 높은 성능을 보이지만 실제 데이터에 대해서는 높은 성능을 보이지 못한다는 사실이 주목받고 있다. 이에 따라 모델 구조를 바꿔 성능을 향상 시키는 것에는 한계가 있어 데이터의 활용이나 학습 방법에 대한 연구의 필요성이 증대되고 있다. 따라서 본 논문은 이미지 초해상도를 위한 난이도 조절 기반 전이학습법(transfer learning)을 제안한다. 제안된 방법에서는 이미지 초해상도를 배율을 난이도가 쉬운 낮은 배율부터 순차적으로 전이학습을 진행한다. 이는 이미지 초해상도의 배율이 높아질수록 학습이 어렵기 때문이다. 결과적으로 본 논문에서는 높은 배율의 이미지 초해상도를 진행하기 위해 낮은 배율의 이미지 초해상도, 즉 난이도가 쉬운 학습부터 점진적으로 학습을 진행하였을 때 더욱 빠르고 효과적으로 학습할 수 있음을 보여준다. 제안된 전이학습 방법을 통해 적은 횟수의 업데이트로 학습을 진행하였을 때 일반적인 학습방법 대비 약 0.18 dB 의 PSNR 상승을 얻어, RealSR [9] 데이터셋에서 28.56 dB의 성능으로 파라미터 수 대비 높은 성능을 얻을 수 있었다.

• 전자공학회논문지 IE
• /
• 제49권1호
• /
• pp.1-6
• /
• 2012

본 논문에서는 시간-디지털 변환기의 성능 개선을 위하여, 높은 해상도의 2단 시간-디지털 변환기(TDC)를 설계하였다. TDC 중간에 2단 버니어 시간 증폭기(2-S VTA)를 사용하여 2단 구조를 갖도록 하였다. 2단 버니어 시간 증폭기는 기존의 시간 증폭기에 비해 이득이 64 이상으로 매우 크기 때문에 전체 2단 TDC의 해상도를 높인다. TDC는 버니어 구조를 사용하였기 때문에 고급 공정에 제한받지 않고, 높은 해상도를 얻을 수 있다. 제안하는 2단 TDC는 $0.18{\mu}m$ CMOS 공정으로 설계하였고, 전원 전압은 1.8V로 모의실험 하였다. 전체 입력 범위는 512ps이고 전체 해상도는 0.125ps이다.

• 국방과기술
• /
• 9호통권283호
• /
• pp.66-73
• /
• 2002

대부분의 현대 항공기 조종실은 유사한 형태인 HUD, 2개 이상의 MFD, UFC, HOTAS 등으로 구성된다. 앞에서 언급한 바와 같이 최근에는 전투기에도 HMD와 DVI(Direct Voice Input)를 적용하고 있다. 미래의 조종실은 빠르게 발전하고 있는 평면 시현 기술로 인해 HDD는 2010년대에는 15 X 20인치 크기까지 지원이 가능할 것으로 예상되며 HUD가 없어지고 높은 해상도가 넓은 시계영역을 가진 HMD가 없어지고 높은 해상도와 넓은 시계영역을 가진 HMD로 다중 운용(Joing Service Operability) 및 다중 임무 수행이 가능한 조종실이 될 것이며 2025년대에는 레이저 운용에 적합한 조종실로 변화되어 캐노피가 없는 조종실(Windowless Codkpit) 또는 불투명 HMD를 사용한 설계개념으로 발전할 것이다.

• Spatial Information Research
• /
• 제19권1호
• /
• pp.29-40
• /
• 2011

정지궤도 해색 센서(GOCI: Geostationary Ocean Color Imager) 는 세계 최초의 정지궤도 위성으로 매일 1 시간마다 8 장의 영상을 획득 할 수 있어 육상파 해양 모두 활용성이 높은 위성이다. 그러나 500m의 GSD(Ground Sample Distance)를 지니는 서해성도 영상은 육성 활용에 한계가 있다. 최근, 컴퓨터 비전분야에서 활발히 진행 중인 기술인 Super Resolution(이하 SR)는 유사 시간대에 촬영한 저해상도 영상으로부터 고해상도 영상을 제작하는 기술로, 이를 시간 해상도가 높은 시계열 위성인 GOCI에 적용한다면 해상도가 향상 된 영상을 제작하는 기술로, 이를 시간 해상도가 높은 시계열 위성인 GOCI에 적용한다면 해상도가 향상 된 영상의 취득이 가능하며, 또한 광학 위성 영상의 단점인 구름에 의해 손실된 지상 정보의 복원이 가능할 것이다. 본 연구에서는, GOCI 자료를 위한 효율적인 초해상도 영상 복원 알고리즘 개발을 위한 선행연구로써 위성 영상 취득과정과 유사한 환경의 시뮬레이션을 통해 시계열 자료를 제작하고, 제작된 자료를 제안한 알고리즘에 적용함으로서 0.1 단위의 픽셀 정합도를 확인하였고, 원본 영상과 RMSE 0.5763, PSNR 52.9183 db, SSIM Index 0.9486의 정확도를 나타낸 HR 영상을 복원하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제11권2호
• /
• pp.16-25
• /
• 2005

계산유체 역학 분야에서는 유체 시뮬레이션 계산에 있어 계산 시간과 컴퓨터 메모리의 한계를 뛰어 넘는 유효 해상도를 달성하기 위하여 다양한 형태의 적응적 메쉬 기법들이 제시되어 왔다. 특히 최근에 컴퓨터 그래픽스 분야에서는 팔진 트리 기반의 메쉬 구조를 사용하여 중요 지역에 높은 해상도를 적용하려는 유체 애니메이션 방법이 제시되었다 [1]. 본 논문에서는 계산시간과 메모리 사용량을 보다 절약하기 위해, 이러한 적응적 방법을 확장하여 카메라의 특성을 이용하여 보이는 지역에 상대적으로 높은 해상도의 메쉬를 적용해주는 시점의존 방법을 제시한다. 이와 함께 시뮬레이션 과정에서 동적으로 변하는 메쉬 구조를 효율적으로 구현하기 위하여 기존의 팔진 트리와는 다른, 단순한 형태의 가변 메쉬 구조를 제시한다. 또한 실제 구현을 통하여 본 논문이 제시하는 시점의존기법이 유체 시뮬레이션 결과의 질을 비교적 잘 유지하면서, 계산에 필요한 자원을 효과적으로 줄일 수 있다는 사실을 보이도록 한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.356-357
• /
• 2012

본 논문에서는 Full-HD 영상에서 사용되는 H264/AVC의 정수 단위 고속 움직임 예측 방법을 제안한다. 제안되는 알고리즘에서는 다중 해상도 고속 움직임 예측 기법에 기반을 두어 두 계층이 각기 탐색된다. 낮은 해상도의 계층에서는 움직임 벡터 예측자를 중심으로 좁은 탐색 영역을 2 단계로 탐색하여 최적의 점을 찾는다. 높은 해상도의 계층에서는 4 단계로 탐색을 하여 탐색점의 개수를 줄인다. 그리고 두 계층에서 각기 구해진 탐색점들의 비용을 비교하여 매크로블록의 최종 움직임 벡터를 구한다. 시뮬레이션 결과에서는 기존의 연구 결과보다 JM을 기준으로 BD-Rate는 1.55 % 높았고, BD-PSNR은 0.05 dB 낮아진데 비해 시간은 63% 만큼 감소하여 높은 속도를 낼 수 있었다.

• The Journal of the Acoustical Society of Korea
• /
• 제14권2E호
• /
• pp.19-24
• /
• 1995

측정된 신호의 길이가 짧은 경우, 높은 해상도의 전력스펙트럼을 추정하는 매개변수 방법으로 최대 엔트로피 방법이 있다. 바이스펙트럼을 추정하기 위한 매개변수 방법은 최근에 제안되었는데 표본화한 데이터의 길이가 약 1000 정도의 비교적 짧은 신호에 적용할 경우 좋은 해상도를 얻기 어렵다. 이 논문에서는 위와 같은 비교적 짧은 신호에 대해서도 높은 해상도의 바이스펙트럼을 추정할 수 있는 방법을 제안하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.417-417
• /
• 2023

도시홍수는 도시의 주요 기능을 마비시킬 수 있는 수재해로서, 최근 집중호우로 인해 홍수 및 침수 위험도가 증가하고 있다. 집중호우는 한정된 지역에 단시간 동안 집중적으로 폭우가 발생하는 현상을 의미하며, 도시 지역에서 강우 추정 및 예보를 위해 레이더의 활용이 증대되고 있다. 레이더는 수상체 또는 구름으로부터 반사되는 신호를 분석해서 강우량을 측정하는 장비이다. 기상청의 기상레이더(S밴드)의 주요 목적은 남한에 발생하는 기상현상 탐지 및 악기상 대비이다. 관측반경이 넓기에 도시 지역에 적합하지 않는 반면, X밴드 이중편파레이더는 높은 시공간 해상도를 갖는 관측자료를 제공하기에 도시 지역에 대한 강우 추정 및 예보의 정확도가 상대적으로 높다. 따라서, 본 연구에서는 딥러닝 기반 초해상화(Super Resolution) 기술을 활용하여 저해상도(Low Resolution. LR) 영상인 S밴드 레이더 자료로부터 고해상도(High Resolution, HR) 영상을 생성하는 기술을 개발하였다. 초해상도 연구는 Nearest Neighbor, Bicubic과 같은 간단한 보간법(interpolation)에서 시작하여, 최근 딥러닝 기반의 초해상화 알고리즘은 가장 일반화된 합성곱 신경망(CNN)을 통해 연구가 이루어지고 있다. X밴드 레이더 반사도 자료를 고해상도(HR), S밴드 레이더 반사도 자료를 저해상도(LR) 입력자료로 사용하여 초해상화 모형을 구성하였다. 2018~2020년에 발생한 서울시 호우 사례를 중심으로 데이터를 구축하였다. 구축된 데이터로부터 훈련된 초해상도 심층신경망 모형으로부터 저해상도 이미지를 고해상도로 변환한 결과를 PSNR(Peak Signal-to-noise Ratio), SSIM(Structural SIMilarity)와 같은 평가지표로 결과를 평가하였다. 본 연구를 통해 기존 방법들에 비해 높은 공간적 해상도를 갖는 레이더 자료를 생산할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.502-502
• /
• 2015

현재 기상레이더로부터 제공되고 있는 레이더 자료의 공간해상도는 $1^{\circ}{\times}250m$, 시간해상도는 10 분으로 보통 기상 및 수문분야에서는 10 분 이상의 $1km{\times}1km$의 격자 자료를 활용하고 있다. 그러나 이와 같은 크기의 해상도는 중규모 이상의 유역에서의 강우-유출 해석에 적합할지 모르나 이보다 고해상도의 자료를 요구하는 도시 유역과 같은 소규모 유역에서는 한계점이 있어왔다. 또한 너무 높은 해상도 자료를 강우-유출 과정에 입력하게 되면 레이더 강우 자료에 내포되어 있는 무작위 오차로 인해 강우-유출의 오차가 커지게 된다. 반면 너무 낮은 해상도 자료를 강우유출과정에 입력하게 되면 강우의 공간적인 특성이 평활화되고 이로 인해 레이더 강우 자료는 분포형 강우 자료로써의 기능을 잃게 된다. 이에 적절한 시공간 해상도 결정을 위해 공간 해상도에 따른 도시홍수모형의 입력 자료를 분석하였다.