• 한국통신학회논문지
• /
• 제34권8A호
• /
• pp.633-639
• /
• 2009

IEEE 802.22 WRAN의 사용을 위해서는 TV 대역의 스펙트럼 센싱이 필수적이다. 그러나 WRAN의 센싱 요구조건을 만족하기 위해서는 긴 휴지 시간이 필요하고 쉐도윙 등의 환경적인 요인에 의해 기면허 사용자를 검출하지 못하는 문제점을 가지고 있다. 이러한 문제를 극복하기 위해 협력 센싱을 통해 각 CPE의 센싱 요구 조건을 완화시키거나 스펙트럼 센싱의 신뢰성을 높인다. 일반적으로 협력 센싱은 k-out-of-N 규칙이 단순한 계산으로 인해 많이 사용된다. 그러나 이 방식의 경우 각 CPE의 SNR의 차이가 많은 경우 협력 센싱을 통해 얻은 센싱 성능이 가장 좋은 SNR을 가지는 CPE의 검출 성능보다 나쁘게 나타난다. 이러한 문제점을 해결하기 위해서 각 노드의 SNR올 반영하여 데이터 퓨전을 수행하는 방법들이 제안되는데 본 논문에서는 새로운 확신 벡터를 이용한 데이터 퓨젼 방식을 제안하였으며 전산 모의 실험 결과 제안된 방식이 기존 방식보다 검출 성능이 개선된 것으로 나타났다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권12호
• /
• pp.918-922
• /
• 2009

본 논문에서는 참조 패턴에 따라 페이지 사상 정책과 블록 사상 정책을 선택적으로 사용하는 Janus-FTL을 제안한다. 일반적으로 플래시 메모리의 특성에 따르면, 순차 참조의 경우 블록 사상 FTL이 적당하고, 비 순차적인 참조의 경우 페이지 사상 FTL이 적당하다. 따라서 실용적인 FTL은 데이터의 특성에 따라 플래시 메모리 블록을 블록 사상 또는 페이지 사상 정책으로 선택적으로 사용하면서, 블록 사상 영역과 페이지 사상 영역의 크기를 참조 패턴에 따라 효율적으로 변화하여 할당하는 관리 기법이 필요하다. 본 논문에서는 저장된 데이터가 블록 사상 영역에서 페이지 사상 영역으로 이동하는 퓨전(Fusion) 연산과 반대로 이동하는 디퓨전(Defusion) 연산을 통해, 블록 사상과 페이지 사상 기법을 동시에 활용하는 Janus-FTL을 설명한다. 또한 Janus-FTL을 구현하여 성능을 측정하였으면, 성능 측정 결과에 따르면 기존의 FTL에 비해 최대 50%의 우수한 성능을 보였다.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.405-416
• /
• 2019

정보통신기술의 발달로 인하여 데이터의 생산과 처리 속도가 빨라지고 있다. 인공지능의 한 분야인 머신러닝을 이용하여 객체를 분류하기 위해, 학습에 필요한 데이터는 인터넷과 공간정보기술의 발달로 인하여 손쉽게 수집할 수 있게 되었다. 공간정보 분야에서도 머신러닝은 영상, 포인트 클라우드 등을 이용하여 객체를 분류 또는 인식하는 것에 적용되고 있다. 본 연구에서는 기 구축된 수치지도 버전 1.0을 활용하여 학습 데이터를 수동으로 구축하는 문제점을 개선하고 영상과 포인트 클라우드를 이용하여 도로, 건물, 식생을 분류하는 기법을 제안하였다. 실험을 통해서 RGB 밴드만을 갖고 있는 실감정사영상을 사용하였을 경우 색상을 뚜렷하게 구분할 수 있는 도로, 건물, 식생의 분류가 가능하였지만 색상이 유사한 경우에는 분류가 잘 되지 않는 한계를 확인할 수 있었다. 이를 개선하기 위해 실감정사영상과 정규수치표면모델을 밴드 퓨전한 후 랜덤포레스트와 서포트벡터머신 기법을 적용하였으며 이를 통해 85%이상의 정확도로 도로, 건물, 식생을 분류하였다.

• 정보처리학회논문지C
• /
• 제15C권4호
• /
• pp.273-280
• /
• 2008

무선 센서 네트워크(Wireless Sensor Network : WSN)에서 한정된 에너지를 가진 센서 노드의 동작 기간을 연장하기 위해서 LEACH와 PEGASIS, PEDAP 등의 대표적인 라우팅 방식이 제안되었다. 이들은 데이터가 완전 퓨전(perfect fusion)되는 환경에서 주기적으로 데이터를 수집하여 한 노드로 전송하는 convergecast 라우팅 방식을 사용한다. 그러나 convergecast와 에너지 분배를 동시에 다루는 과정에서 토폴로지에 관한 특성과 한계에 대한 연구는 거의 이루어지지 않았다. 이 논문은 한 번의 convergecast에 소비되는 총에너지의 관점에서 토폴로지를 다음과 같이 연구하였다. 우리는 주요 라우팅 토폴로지로 최소 스패닝 체인(Minimum Spanning Chain : MSC)과 최소 스패닝 트리(Minimum Spanning Tree : MST), PEGASIS 체인, 제안하는 LECSEN체인을 소개하거나 정의하였다. 우리는 MSC를 선형 프로그래밍(LP) 방식으로 풀었으며, MSC나 MST에 준하는 토폴로지를 만들기 위해서 LECSEN 체인을 제안하였다. Monte Carlo 방식의 시뮬레이션을 통해 토폴로지의 전체 길이와 각 링크 길이의 분포를 분석한 결과, 대부분의 WSN 환경에서 LECSEN은 MST에 필적할 만큼 에너지를 적게 소모하고, 각 센서 노드의 에너지 소비가 매우 균등하였다. 그러므로 우리는 LECSEN 체인이 WSN 라우팅에서 매우 유용하다는 사실을 확인하였다.

• 대한기계학회논문집A
• /
• 제40권8호
• /
• pp.703-710
• /
• 2016

로보틱스 연구에서, 모바일 로봇의 모션 제어를 위해서는 로봇의 실제 위치를 정확히 추정하는 것이 중요하다. 이를 위해 본 연구에서는, 두 개의 서로 다른 센서 데이터를 칼만필터로 융합하여 로봇의 위치인식을 개선하는 연구를 진행한다. 칼만필터로 융합한 두 개의 센서 측정값은 카메라 영상으로부터 측정된 모바일 로봇의 전역(global) 위치 좌표(x, y)값과 모바일 로봇 바퀴에 부착된 엔코더로부터 측정된 로봇의 직선 및 각속도 값이다. 다음으로 칼만필터로부터 계산된 모바일 로봇의 위치값을 모바일 로봇의 자세 안정화에 피드백하여 모션 제어의 퍼포먼스를 향상시켰다. 최종적으로 논문에서 제안한 센서융합 위치인식 기술과 모션제어기를 실제 로봇에 적용하여 실험적으로 검증하였다. 또한 모션제어에 단일 센서를 피드백으로 사용한 경우와 칼만필터로 융합한 위치 값을 사용한 경우를 비교하므로 칼만필터 기반 센서 융합 기술을 사용한 경우의 퍼포먼스 향상을 확인하였다.