초광대역 임펄스를 이용한 비파괴 지중 금속 매설물 탐지용 지반 탐사 레이더(Ground penetrating image radar:GPR)를 개발하였다. 탐사 지면의 상대 유전율을 측정하였고, 최대 탐사 깊이 1m 이내의 측정이 가능하도록 시스템을 설계하였다. 전체 경로 감쇄, 시스템의 크기, 해상도를 고려하여 최고 주파수 및 최저 주파수를 선택하였다. 선택된 주파수에 맞는 1 나노세컨더(ns) 이하의 상승 시간을 갖는 초광대역 임펄스를 선택하였으며, 사용한 임펄스의 주파수 범위를 고려하여 소형 평판형 초광대역 다이폴 안테나를 설계하였다. 또한, 지중으로부터 반사되는 신호를 수신하기 위해서 디지털 오실로스코프를 사용하였다. 측정은 monostatic 방식과 마이그레이션(migration) 기법을 사용하였다. 지중 매설물의 영상 처리를 위해서는 A-scan 및 B-scan 평균 제거 방식을 사용하였다. 개발된 시스템은 금속 물체와 비금속 물체가 매설된 실증 시험장에서 시험되었고, 수 센티미터 직경의 작은 지중 금속 매설물까지도 탐지할 수 있는 우수한 성능을 가짐을 보였다.
본 논문에서는 영상정보에 기반한 호흡상태 분류 방법을 제안한다. 호흡신호는 초광대역 레이더 센서를 이용하여 획득하고 호흡신호의 값으로 이루어진 1차원 그래프 대신 그래프의 영상 정보가 담긴 2차원 정보 기반으로 호흡상태를 분류한다. 호흡상태의 분류는 심층신경망 모델을 사용하고, 심층신경망 모델은 호흡신호 그래프가 포함된 2차원 영상의 특징들을 학습하여 영상기반의 호흡상태 분류의 결과를 제공한다. 기존의 레이더 센서 기반 호흡신호의 상태 분류는 1차원 벡터의 구성요소 값 및 그 값들의 변화량을 이용하여 회귀, 심층학습 방법을 적용하였다. 그러나 1차원 그래프 기반의 호흡상태 분류는 다양한 형태의 정상호흡 상태에 대한 분류 성능에서 한계를 보였다. 본 논문에서는 호흡 신호로부터 얻은 그래프의 이미지 자체를 2차원 입력 신호로 사용하여 심층 신경망 모델을 적용하여 분류를 수행하였다. 본 논문에서 제안하는 영상정보 기반의 호흡상태 분류는 기존의 1차원 벡터 기반 호흡상태 분류 대비 호흡상태 분류의 정확도를 약 10% 향상 시켰다. 또한 기존의 두 가지 호흡상태 (정상 및 비정상) 분류에서 확장하여 세 가지 호흡상태 (정상1, 정상2, 비정상) 분류를 수행하였다.
지반 침하, 도로 안전성과 같은 사회적 이슈로 지하 공동 분포를 조사하기 위한 지표투과레이더(ground penetrating radar, GPR) 탐사가 활발히 진행되면서 자료의 양도 함께 증가하고 있다. 하지만 비용과 시간의 효율성을 고려해보았을 때, 모든 자료를 해석할 수 없기 때문에 더욱 직관적이고 정확한 판단이 가능한 해석법이 필요하다. 이러한 문제를 개선하기 위해 정량적 해석이 가능한 속성 분석법이 제안되고 있다. 탄성파 해석에서 많이 사용해온 속성 분석 중 GPR 자료에 적용할 수 있는 속성으로는 복소 트레이스(complex trace)와 유사성(similarity)이 대표적이다. 또한, 최근 영상처리 기술의 발달로 개발된 새로운 속성인 모서리탐지 속성, 이미지 질감 속성 등도 적용성이 있다. 이 논문에서는 GPR 자료 속성분석 연구의 기초를 마련하기 위해, GPR에 적용할 수 있는 속성 분석들을 소개하고 이들의 개념에 대해 기술한 뒤, 속성분석에 기초한 해석법과 다양한 분야에서 활용한 사례를 분석하고자 한다.
자율주행 차량에는 라이다, 레이더, 카메라 등 다양한 센서들이 융합되어 활용되고 있다. 특히 라이더 및 레이더는 고가의 장비로 자율주행 자동차의 대중화를 위해 해결해야 하는 부분으로 고가의 장비를 대체할 수 있는 연구가 지속적으로 이루어지고 있다. 본 논문에서는 비용면에서 저가이면서 손쉽게 장착할 수 있는 단일 카메라를 이용하여 주행 차량의 전방 측면 차량 바퀴와 인접 차선을 감지하고 거리를 추정하는 방법을 제안하였다. 제안된 방법은 입력 영상을 통해 프레임 추출 후 프레임 이미지에서 차선과 바퀴를 검출하고 거리를 측정하여 실제 도로 환경에서 실측 된 거리와 비교하였고, 오차범위 ±3cm 안에서 비교적 정확히 거리를 산출할 수 있었다. 이를 통해 자율주행 자동차의 비용 절감 또는 라이다, 레이더 센서의 고장으로 대체 가능한 수단으로 활용할 수 있을 것으로 판단된다.
77 GHz frequency modulation continuous wave radar를 이용한 W-band synthetic aperture radar (SAR) system에 대한 연구가 활발히 진행되고 있다. 고해상도의 W-band SAR 영상을 복원하기 위해서는 스테레오 카메라 또는 라이다(LiDAR)에서 획득한 point cloud를 6 degrees of freedom (DOF)의 방향에서 변환하여 SAR 영상 신호처리에 적용하는 것이 필요하다. 하지만 서로 다른 센서로부터 획득한 영상의 기하구조가 달라 정합하는데 어려움을 가진다. 본 연구에서 SAR 영상의 엔트로피(entropy)에 따른 경사 하강법을 이용하여 point cloud의 6 DOF를 구하고 최적의 depth map을 추출하는 기법을 제시한다. 구축한 W-band SAR system으로 주요 도로 환경 객체인 나무를 복원하는 실험을 수행하였다. 엔트로피에 따른 경사 하강법을 이용하여 복원한 SAR 영상이 기존의 레이더 좌표에서 복원한 SAR 영상보다 mean square error는 53.2828 감소했고, structural similarity index는 0.5529 증가한 것을 보였다.
본 논문에서는 K대역의 신호를 수신하여 저잡음 증폭 및 L대역으로 하향 변환하는 다채널 전단 수신기를 설계 및 제작하였다. 제작된 다채널 전단 수신기는 잡음지수 2.3 dB 이하의 특성을 가지는 GaAs-HEMT 기반의 저잡음 증폭소자, 이미지 성분의 억제를 위한 IR(Image Rejection) Filter, 이미지 성분 억제와 IMD (Intermodulation Distortion) 특성 개선을 위한 IR(Image rejection) 믹서를 포함한다. 제작된 다채널 전단 수신기의 시험결과, 3.8 dB 이하의 잡음지수와 27 dB 이상의 변환이득을 가지며 입력신호 기준 -9.5 dBm 이상의 P1dB(1dB Gain Compression Point) 특성을 나타내었다.
기계학습 알고리즘은 소나 및 레이더를 포함한 다양한 분야에서 사용되고 있다. 최근 개발된 GAN(Generative Adversarial Networks)의 변형인 Cycle-Consistency Generative Adversarial Network(CycleGAN)은 쌍을 이루지 않은 이미지-이미지 변환에 대해 검증된 네트워크이다. 본 논문에서는 높은 품질로 수중 선박 엔진음을 변환시킬 수 있는 변형된 CycleGAN을 제안한다. 제안된 네트워크는 수중 음향을 기존영역에서 목표영역으로 변환시키는 생성자 모델과 데이터를 참과 거짓으로 구분하는 개선된 식별자 그리고 변환된 수환 일관성(Cycle Consistency) 손실함수로 구성된다. 제안된 CycleGAN의 정량 및 정성분석은 공개적으로 사용 가능한 수중 데이터 ShipsEar을 사용하여 기존 알고리즘들과 Mel-cepstral분포, 구조적 유사 지수, 최소 거리 비교, 평균 의견 점수를 평가 및 비교함으로써 수행되었고, 분석결과는 제안된 네트워크의 유효성을 입증하였다.
압축센싱은 이미지, 음성신호, 레이더 등 많은 분야에 적용되고 있다. 압축센싱은 주로 통계적 특성이 시불변인 신호에 적용되고 있으며, 측정 데이터를 줄여 압축률을 높일수록 복원에러가 증가한다. 이와 같은 문제점들을 해결하기 위해 음성신호를 프레임 단위로 나누어 병렬로 처리하였으며, dictionary learning을 이용하여 프레임들을 sparse하게 만들고, sparse 계수 벡터와 그 복원값의 차를 이용하여 압축센싱 복원행렬을 적응적으로 만든 적응압축센싱을 적용하였다. 이를 통해 통계적 특성이 시변인 신호도 압축센싱을 이용하여 빠르고 정확한 복원이 가능함을 확인할 수 있었다.
레이더를 통한 표적식별을 효과적으로 처리하기 위해서는 표적에 대한 정확한 신호 정보가 필요하다. 그러나 이러한 표적 신호에는 잡음이 섞여 있는 경우가 일반적이며, 이 부분에 대한 연구가 지속적으로 이루어지고 있다. 특히 표적에 대한 이미지 처리, 표적신호처리, 표적식별 등이 그 예라 할 수 있겠다. 군사적 측면으로 볼 때 표적식별 분야가 중요하므로 본 논문에서는 트리 구조의 퍼지 뉴럴 네트워크를 이용하여 비행체 표적식별에 대한 연구를 수행하였다. 비행체에 대한 반사파 데이터를 활용하여 퍼지 뉴럴 네트워크를 학습시켜 모델에 대한 최적화를 수행하였고, 최적화된 모델에 표적에 대한 테스팅 데이터를 입력하여 표적식별에 대한 실험을 수행하여 그 결과를 통해 제안된 방법의 효용성을 검증하였다.
딥러닝 알고리즘 중 과거의 정보를 저장하는 문제(장기종속성 문제)가 있는 단순 RNN(Simple Recurrent Neural Network)의 단점을 해결한 LSTM(Long short-term memory)이 등장하면서 특정한 유역의 강우-유출 모형을 구축하는 연구가 증가하고 있다. 그러나 하나의 모형으로 모든 유역에 대한 유출을 예측하는 지역화 강우-유출 모형은 서로 다른 유역의 식생, 지형 등의 차이에서 발생하는 수문학적 행동의 차이를 학습해야 하므로 모형 구축에 어려움이 있다. 따라서, 본 연구에서는 국내 12개의 유역에 대하여 LSTM 기반 분포형 지역화 강우-유출 모형을 구축한 이후 강우 이외의 보조 자료에 따른 정확도를 살펴보았다. 국내 12개 유역의 7년 (2012.01.01-2018.12.31) 동안의 49개 격자(4km2)에 대한 10분 간격 레이더 강우, MODIS 위성 이미지 영상을 활용한 식생지수 (Normalized Difference Vegetation Index), 10분 간격 기온, 유역 평균 경사, 단순 하천 경사를 입력자료로 활용하였으며 10분 간격 유량 자료를 출력 자료로 사용하여 LSTM 기반 분포형 지역화 강우-유출 모형을 구축하였다. 이후 구축된 모형의 성능을 검증하기 위해 학습에 사용되지 않은 3개의 유역에 대한 자료를 활용하여 Nash-Sutcliffe Model Efficiency Coefficient (NSE)를 확인하였다. 식생지수를 보조 자료를 활용하였을 경우 제안한 모형은 3개의 검증 유역에 대하여 하천 흐름을 높은 정확도로 예측하였으며 딥러닝 모형이 위성 자료를 통하여 식생에 의한 차단 및 토양 침투와 같은 동적 요소의 학습이 가능함을 나타낸다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.