• 한국음향학회지
• /
• 제33권6호
• /
• pp.413-419
• /
• 2014

수중음향 채널은 시변적인 특징을 가진다. 채널의 시변동성은 지속적인 정보 데이터 전송을 방해하여 수중음향통신의 신뢰도를 감소시키는 요인이 된다. 본 논문에서는 채널의 시변동성을 시간영역 상관도로 기술하고, 정보 데이터의 실질 전송시간을 스루풋 효율로 표현하였다. 그리고 수중음향 채널의 시변동성이 통신 스루풋 효율에 미치는 영향을 분석하였다. 실제 수중음향통신 실험을 통하여 수중채널의 시변동성이 클수록 통신의 스루풋 효율도 감소한다는 것을 확인하였다.

• 정보과학회 논문지
• /
• 제43권12호
• /
• pp.1412-1419
• /
• 2016

인지 무선 센서 네트워크 (CRSNs)에서 보조 사용자가 (SUs) 주 사용자 (PUs)에 간섭을 주지 않고 기회주의적 방식으로 라이선스 대역을 사용할 수 있다. SUs가 스펙트럼 센싱을 통해 PU의 존재 여부를 확인할 수 있다. 그리고 센싱 시간은 스펙트럼 센싱의 중요한 파라미터이다. 센싱 시간은 센싱 성능과 스루풋 간의 균형을 얻을 수 있다. 본 논문에서는 다른 관점에서 이 균형을 탐구하기를 통해 스펙트럼 센싱을 위한 새로운 기법을 제안한다: a) PU의 검출 (SSPD)과 b)스루풋(SSST)을 극대화을 위한 스펙트럼 센싱이다. 제안한 기법에서 현재 프레임의 첫 번째 센싱 결과에 따라 동적인 두 번째 스펙트럼 센싱을 수행한다. CRSNs에서 에너지 제약을 때문에 네트워크 에너지 효율도 센싱 시간의 최적화를 통해 최대화된다. 시뮬레이션 결과를 통하여 제안된 SSPD과 SSST가 각각의 에너지 효율과 스루풋의 성능을 향상시킬 수 있음을 검증하였다.

• 한국정보통신학회논문지
• /
• 제22권3호
• /
• pp.513-519
• /
• 2018

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.

• 대한전자공학회논문지TC
• /
• 제46권4호
• /
• pp.29-39
• /
• 2009

제한된 전파 스펙트럼 자원은 전파 네트워크의 빠른 발전에 큰 장벽이 되고 있다. 대부분의 전파 스펙트럼은 면허 방식으로 분배되어 서비스에 이용되고 있다. 반면 비면허 방식으로 분배된 전파 스펙트럼은 전파를 이용한 서비스와 기술을 크게 향상하는데 큰 기여를 하였다. 최근에 무선인지 기술은 이러한 전파 스펙트럼 자원의 부족을 해결하기 위한 기술로써 주목받고 있다. 이 기술은 전파 스펙트럼을 효율적으로 사용 가능하도록 한다. 한편으로 멀티홉 기술이 에드홀 및 피어 투 피어 네트워크에서 집중적으로 연구되고 있으나 이동통신 네트워크에서 성능 향상을 위하여 멀티홉 기술의 연구는 최근에야 이루어지고 있다. 멀티홉 기술은 음영 지역에 고속의 데이터를 제공하고 적은 비용으로 서비스 영역을 효율적으로 확장할 수 있는 기술이다. 이동통신 시스템에서 스펙트럼 이용률을 극대화하는 무선인지 멀티홉 기술의 연구는 그 유용성에도 불구하고 아직까지 많지 않았다. 따라서 본 논문에서는 시스템 스루풋을 최대화 하는 무선인지 멀티홉 기술을 적용한 네트워크를 제안한다. 본 논문에서 제안된 시스템의 스루풋 성능을 주사용자와 부사용자의 전파 반경 및 이용률 파라메터와 같은 다양한 파라메터를 사용하여 해석적으로 모델링하고 수치해석을 통하여 제안된 시스템의 성능이 현재의 시스템에 비하여 크게 향상됨을 보였다.

• 방송공학회논문지
• /
• 제20권5호
• /
• pp.748-755
• /
• 2015

본 논문에서는 광 버스트 스위칭 네트워크에서 서비스 차별화를 제공하고 파장의 보다 효율적인 활용성을 제공하는 공유(sharing) 기반의 허락 제어(admission control) 방식을 제안한다. 제안하는 공유 기반의 허락 제어 방식은 광 버스트 스위치의 출력링크 파장 중 일부를 다수의 클래스가 공유하여 사용하고 나머지는 가장 높은 클래스가 전용하게 함으로서 서비스 차별화를 제공함과 동시에 공유를 통한 파장의 효율성을 도모한다. 제안하는 공유기반의 허락 제어 방식에 대한 서비스 차별화 기능 및 공유파장의 수와 스루풋(throughput)간의 관계를 도출하기 위하여 마코흐(Markov) 기반의 분석모델을 적용하고 산술적 분석을 시행한다. 분석을 통해 낮은 클래스의 트래픽 성능은 높은 클래스나 낮은 클래스가 균등하게 입력되는 경우와 낮은 클래스의 입력률이 낮은 경우에는 공유파장의 수가 많을수록 개선되지만 낮은 클래스의 입력률이 특정 임계치를 초과하게 되면 공유 파장의 효과는 다소 감소되는 것을 보인다.

• 방송공학회논문지
• /
• 제25권4호
• /
• pp.609-619
• /
• 2020

고품질 비디오 스트리밍 요구에 따라 제한된 대역폭에서 높은 전송률이 필요하고, 트래픽 혼재 상황이 더 발생한다. 특히 실시간 영상 서비스를 제공 시 패킷 손실 및 비트 오류 확률이 더 크게 증가한다. 이러한 문제를 해결하기 위해 실시간 서비스 품질향상을 위한 방법으로 FEC 기술의 한 종류인 랩터 코드가 어플리케이션 영역에서 활발히 사용되고 있다. 본 논문에서는 랩터 코드를 활용하여 유사한 수준의 화질에서 전송 효율을 높이기 위한 다양한 심층 신경망(Deep Neural Network, DNN) 기반 영상전송 파라미터를 결정하는 방법을 제안한다. 제안된 신경망은 패킷 손실율(Packet Loss Rate), 비디오 인코딩 속도 및 전송속도를 입력으로 사용하고 랩터 FEC 파라미터와 패킷 크기를 출력으로 한다. 제안한 방법은 기존 멀티미디어 전송 기법과 유사한 수준의 PSNR(Peak Signal-to-Noise Ratio)에서 전송 효율을 최적화하여 평균 1.2% 높은 스루풋(throughput)을 보였다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.89-106
• /
• 2022

최근 영상 데이터의 급증으로 이를 효과적으로 처리하기 위해 객체 탐지 및 추적, 행동 인식, 표정 인식, 재식별(Re-ID)과 같은 다양한 컴퓨터비전 기술에 대한 수요도 급증했다. 그러나 객체 탐지 및 추적 기술은 객체의 영상 촬영 장소 이탈과 재등장, 오클루전(Occlusion) 등과 같이 성능을 저하시키는 많은 어려움을 안고 있다. 이에 따라 객체 탐지 및 추적 모델을 근간으로 하는 행동 및 표정 인식 모델 또한 객체별 데이터 추출에 난항을 겪는다. 또한 다양한 모델을 활용한 딥러닝 아키텍처는 병목과 최적화 부족으로 성능 저하를 겪는다. 본 연구에서는 YOLOv5기반 DeepSORT 객체추적 모델, SlowFast 기반 행동 인식 모델, Torchreid 기반 재식별 모델, 그리고 AWS Rekognition의 표정 인식 모델을 활용한 영상 분석 시스템에 단일 연결 계층적 군집화(Single-linkage Hierarchical Clustering)를 활용한 재식별(Re-ID) 기법과 GPU의 메모리 스루풋(Throughput)을 극대화하는 처리 기법을 적용한 행동 및 표정 검출용 영상 분석 시스템을 제안한다. 본 연구에서 제안한 시스템은 간단한 메트릭을 사용하는 재식별 모델의 성능보다 높은 정확도와 실시간에 가까운 처리 성능을 가지며, 객체의 영상 촬영 장소 이탈과 재등장, 오클루전 등에 의한 추적 실패를 방지하고 영상 내 객체별 행동 및 표정 인식 결과를 동일 객체에 지속적으로 연동하여 영상을 효율적으로 분석할 수 있다.