다중채널 압축센싱(multi-channel compressive sensing) 문제는 0이 아닌 성분이 공통된 위치에 분포하는 벡터들을 복원하는 방법을 다루는 문제이며 레이다의 도착방향 추정 문제, 역산란 문제, 산란광 단층촬영과 같은 많은 실용적인 문제에 응용될 수 있다. 압축 센싱 문제는 성긴(sparse) 속성을 갖는 벡터를 상당히 높은 확률로 복원시킬 수 있음이 밝혀져 있다. 이로 인해 기존의 압축 센싱 방법이 다중채널 압축센싱에서도 많이 활용되어 왔으며, 측정 벡터의 개수가 적을 때에도 높은 확률로 입력 신호를 복원할 수 있다. 그러나, 측정 벡터의 개수가 많아질수록, 기존의 압축센싱 알고리즘을 이용했을 때의 성능은 복수신호분리 (MUSIC) 알고리즘과 같이 배열신호처리(array signal processing)에서 활용되는 방법을 적용했을 때보다 더 나쁜 특성을 보인다. 이러한 기존 방법의 문제점으로 인해 우리는 새로운 다중채널 압축센싱 알고리즘을 제시하고자 하며, 이는 기존의 압축센싱 이론과 배열 신호처리 알고리즘을 개별적으로 적용할 때 가지는 한계를 극복할 수 있게 해준다.
본고에서는 압축센싱(Compressed sensing) 기술의 개념과 동작원리를 소개하고 최근 제안된 Message Passing 기반의 복호암고리즘에 대하여 알아본다. Message Passing 기반의 복호알고리즘은 기존 최적화기반의 복호알고리즘보다 낮은 복잡도로 동작하면서도 뛰어난 성능을 갖는 것으로 알려져 있다. 또한, 신호처리 및 정보이론 분야에서 활발히 연구되고 있는 압축센싱 기술의 차세대 이동통신 시스템 응용의 가능성을 검토하고 최근 통신시스템을 위하여 제안된 압축센싱 기반의 알고리즘을 추가로 검토한다.
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.
가장 간단한 샘플링을 위한 목적으로 SPL (Smoothed Projected Landweber)기법 기반의 움직임 보상 블록 압축센싱 기법이 모든 센싱 프레임들에 대해 분산 압축 비디오 센싱 기술이 적용되는 효과적인 방안으로 연구되어 오고 있다. 그러나 기존의 움직임 보상 블록기반의 압축센싱 기법은 매우 간단하여 복원된 위너-지브 프레임에서 우수한 화질을 제공하지 못하는 한계점이 있다. 본 논문에서는 기존의 움직임 보상 블록기반의 압축센싱 기법을 이용한 위너-지브 프레임에서 우수한 화질을 제공될 수 있도록 알고리즘을 변형한다. 즉, 제안된 알고리즘은 참조 프레임이 연속적인 프레임들에 있어 시간적 상관관계에 기초해서 적응적으로 선택되도록 하는 방법으로 설계된다. 다양한 실험 결과를 통하여 제안한 알고리즘은 기존의 알고리즘에 비해 우수한 화질을 제공할 수 있음을 확인한다.
압축센싱(Compressed Sensing)은 선형 역문제(inverse problem)를 다루고 있으며, 그 이론적 연구결과는 관련 분야에 많은 영향을 주어 놀랄 만한 연구성과를 발표하였다. 그러나 압축센싱을 실제 환경에 적용하기 위해서는 두 가지 중요한 문제가 남아 있다. 하나는 실시간에 가까운 복원 성능이 보장되어야 하며, 다른 하나는 신호가 희소성을 갖도록 전처리가 가능해야 한다는 점이다. 이에 대한 문제들을 해결하고자 딥러닝(deep learning) 기술을 활용한 압축센싱 신호 복원방법이 최근에 등장하였다. 본 논문에서는 딥러닝 기반의 압축센싱 신호 복원방법을 고찰하고 최신 연구결과를 비교 분석하고자 한다. 관련 연구결과에서는 실시간에 가까운 복원 시간에 도달하였으며, 기존 복원방법 대비 더 우수한 복원 성능을 보여 주었다. 최근 연구에서 보여준 딥러닝을 활용한 압축센싱 신호 복원방법은 압축센싱의 활용가치를 더욱 높일 뿐만 아니라 신호처리와 통신분야에서 크게 활용될 수 있을 것으로 기대된다.
무선 헬스케어 서비스에서 생체신호 모니터링 시스템의 전력소모를 효과적으로 감소시킬 수 있는 압축센싱 기법을 다양한 생체신호에 적용하여 압축률을 비교하였다. 압축센싱 기법을 이용하여 일반적인 심전도, 근전도, 뇌전도 신호의 압축과 복원을 수행하였고, 이를 통해 복원된 신호와 원신호를 비교함으로써, 압축센싱의 유효성을 판단하였다. 유사랜덤 행렬을 사용하여 실제 생체신호를 압축하였으며, 압축된 신호는 Block Sparse Bayesian Learning(BSBL) 알고리즘을 사용하여 복원하였다. 가장 산제된 특성을 가지는 근전도 신호의 최대 압축률이 10배로 확인되어 가장 높았으며, 심전도 신호의 최대 압축률은 5배였다. 가장 산제된 특성이 작은 뇌전도 신호의 최대 압축률은 4배였다. 연구된 심전도, 근전도, 뇌전도 신호의 압축률은 향후 압축센싱을 적용한 무선 생체신호 모니터링 회로 및 시스템 개발시 유용한 기초자료로 활용될 수 있다.
능동소나에서는 표적의 거리 도플러 정보를 탐지하기 위해 여러 가지 기법을 사용한다. 그중 압축 센싱을 적용한 기법은 기존의 방식보다 더욱 정밀한 탐지가 가능하며 우수한 성능을 나타낸다. 능동 소나의 거리 도플러 추정에 적용할 수 있는 압축 센싱 알고리즘은 여러 가지 있다. 압축 센싱 알고리즘 마다 계산 성능이 다르며 압축 센싱 알고리즘에 따라 신호 대 잡음비와 센싱 행렬의 코히런스가 거리 도플러 추정에 미치는 영향의 정도가 다르다. 본 논문은 능동 소나의 거리 도플러 추정을 위한 여러 가지 압축 센싱 알고리즘의 계산 성능과 정확도를 비교, 분석하였다. 여러 신호대 잡음비, 상호간섭성 값에 대한 OMP(Orthogonal Matching Pursuit), CoSaMP(Compressive Sampling Matching Pursuit), BPDN(CVX)(Basis Pursuit Denoising), LARS(Least Angle Regression) 알고리즘의 추정 성능을 확인하였으며, 상황에 따른 최적의 압축 센싱 알고리즘을 보인다.
최근에 낮은 복잡도의 부호화기를 구현하기 위해 분산 비디오 부호화 와 압축센싱을 결합한 구조로서 분산 압축 비디오 센싱기술에 대한 연구가 활발히 진행되고 있다. 기존에 움직임 보상 블록 압축센싱 기술(MC-BCS-SPL)은 가장 간단한 표본화를 추구하면서 모든 압축센싱 프레임을 갖는 DCVS방식중의 효과적인 방안으로 다루어져 왔다. 이 방식은 키 프레임과 WZ 프레임으로 분리하여 압축센싱한다. 그러나 MC-BCS-SPL 방식은 복호화기에서 WZ 프레임을 복원할 때, 움직임이 큰 영상 시퀀스의 경우에 화질 저하가 발생시키는 단점이 존재한다. 본 논문에서는 이러한 기존의 문제점을 극복하기 위한 개선된 MC-BCS-SPL 방식을 제안한다. 제안한 방식은 연속적인 키 프레임 간 에 존재하는 높은 상관관계를 이용하여 키 프레임을 참조함으로써 초기 영상을 보정한다. GOP 예측 구조 방식에 따른 율-왜곡 성능을 비교한다. 다양한 실험 결과를 통하여 제안하는 알고리즘이 기존 알고리즘보다 더 좋은 화질을 제공함을 보여준다.
최근 활발히 연구되고 있는 압축센싱 (compressive sensing) 이론에 따르면 나이퀴스트 주파수보다 적은 샘플율으로도 원 신호를 충실히 복원할 수 있음이 알려져 있다. 압축, 전송, 저장 등의 여러 분야에서 압축센싱 방법을 적용하려는 시도가 꾸준히 이어지고 있다. 특히 4K, 8K 등으로 요구되는 화소수가 제곱의 형태로 증가되는 영상처리 분야에서는 압축센싱에 기대하는 바가 크다. 본 논문에서는 압축센싱 기법을 적용한 영상의 획득 알고리듬을 제안한다. 영상의 일반적인 특성을 활용하여 높은 에너지 압축 성능을 가지는 DCT와 저상관도의 특성을 갖는 Noiselet 변환을 결합하여 영상 획득 과정을 구성한다. 원 영상은 2차 콘 프로그램 (SOCP)을 풀어 복원할 수 있다. 여러 영상에 대해 획득 및 복원 성능을 측정 및 비교하였으며 제안된 알고리듬이 우수한 복원 성능을 보임을 알 수 있다.
압축 센싱 기술은 성긴 (sparse)신호의 경우 Nyquist 표본화율보다 적은 수의 표본으로도 원신호를 완벽하게 복원할 수 있는 이론을 제시하고 있다. 전통적인 영상 처리분야에 압축 센싱 기술을 적용하는 연구를 시작함에 따라 계산 복잡도 및 메모리 문제로 블록 영상 기반 압축 센싱 방법을 많이 고려하고 있다. 또한, 이러한 압축 센싱 방법에서 복원 과정은 일정 허용 오차 범위 기준을 복원 신호가 만족시키는 경우에 종료되므로, 허용 오차 범위에 따른 복원 신호 품질과 계산 복잡도에 변화가 발생하게 된다. 본 논문에서는 블록 기반 압축 센싱 방법을 이용하여 영상을 복원함에 있어, 허용 오차 값에 따른 복원 영상의 화질 변화와 시간 절감 정도를 비교, 분석하였다.
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.