• 전자공학회지
• /
• 제38권1호
• /
• pp.44-49
• /
• 2011

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.

• 한국음향학회지
• /
• 제38권5호
• /
• pp.534-542
• /
• 2019

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.

• 정보와 통신
• /
• 제28권9호
• /
• pp.69-75
• /
• 2011

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.

• 한국통신학회논문지
• /
• 제37A권12호
• /
• pp.1122-1132
• /
• 2012

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.

• 전자공학회논문지
• /
• 제52권3호
• /
• pp.89-95
• /
• 2015

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.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2013년도 하계학술대회
• /
• pp.212-213
• /
• 2013

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.

• 한국항행학회논문지
• /
• 제14권1호
• /
• pp.80-86
• /
• 2010

압축 센싱 (Compressive Sensing, CS)은 많은 응용분야에서 유망한 기술로 널리 연구되고 있다. 압축 센싱 이론에 의하면 어떤 특별한 기저에서 성긴 신호 (sparse signal)이라는 것이 알려졌다면 이 신호는 전통적인 방법이 사용하는 샘플 수보다 훨씬 적은 샘플로 최적화 과정을 통해 복원이 가능하다는 것이다. 본 논문에서는 이러한 압축 센싱 기술을 균일한 선형 배열로 구성된 다중 입출력 레이더 시스템에 적용하고자 한다. 특별히 압축 센싱 기술을 사용하여 DOA (direction-of-arrival)을 찾는 문제를 고찰하고 그 성능을 전통적인 적응형 다중 입출력 기법의 성능과 비교한다. 모의 실험을 통해 압축 센싱 방법은 전통적인 적응형 다중 입출력 기법에 비해 훨씬 적은 샘플로 비슷한 성능을 보임을 확인할 수 있었다.

• 한국산업정보학회논문지
• /
• 제22권2호
• /
• pp.27-34
• /
• 2017

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.

• 한국정보전자통신기술학회논문지
• /
• 제10권4호
• /
• pp.257-267
• /
• 2017

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.

• 한국정보통신학회논문지
• /
• 제21권7호
• /
• pp.1355-1363
• /
• 2017

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.