• 대한전자공학회논문지SP
• /
• 제46권5호
• /
• pp.8-14
• /
• 2009

본 논문에서는, 컴프레시브 센싱(compressive sensing, CS)에서 양자화된 측정을 사용하여 CS 복구(reconstruction)를 하는 경우에 일반화된 양자화 제한(generalized quantization constraint, GQC) 집합을 사용하여 convex 최적화를 수행하는 방법을 제안하였다. 제안한 GQC에서는 기존의 양자화 제한 집합의 크기를 조정할 수 있도록 하였으며, 균일 스칼라 양자기를 사용한 CS 복구의 모의실험을 통하여 m/klogn > 2 인 CS 문제에서, 기존의 QC 방법에 비하여 CS 복구의 에러에서 3.4-3.6dB의 성능 개선을 얻을 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권1호
• /
• pp.108-122
• /
• 2014

Massive antenna array is an attractive candidate technique for future broadband wireless communications to acquire high spectrum and energy efficiency. However, such benefits can be realized only when proper channel information is available at the transmitter. Since the amount of the channel information required by the transmitter is large for massive antennas, the feedback is burdensome in practice, especially for frequency division duplex (FDD) systems, and needs normally to be reduced. In this paper a novel channel feedback reduction scheme based on the theory of distributed compressive sensing (DCS) is proposed to apply to massive antenna arrays with spatial correlation, which brings substantially reduced feedback load. Simulation results prove that the novel scheme is better than the channel feedback technique based on traditional compressive sensing (CS) in the aspects of mean square error (MSE), cumulative distributed function (CDF) performance and feedback resources saving.

• Nuclear Engineering and Technology
• /
• 제55권5호
• /
• pp.1533-1540
• /
• 2023

Self-Powered Neutron Detectors(SPNDs) are used to calculate core power distributions, an essential factor in the safe operation of nuclear power plants. Some detectors may fail during normal operation, and signals from failed detectors are isolated from intact signals. The calculated detailed power distribution accuracy depends on the number of available detector signals. Failed detectors decrease the operating margin by enlarging the power distribution measurement error. Therefore, a thorough reconstruction of the failed detector signals is critical. This note suggests a compressive sensing based methodology that rationally reconstructs the readings of failed detectors. The methodology significantly improves reconstruction accuracy by sorting signals and removing high-frequency components from conventional compressive sensing methodology.

• 한국정보통신학회논문지
• /
• 제20권10호
• /
• pp.1961-1966
• /
• 2016

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.

• 대한전자공학회논문지TC
• /
• 제48권11호
• /
• pp.67-72
• /
• 2011

본 논문은 에너지 검출기를 사용하여 1차 사용자를 감지하는 경우, 압축 감지 기술을 채용하여 나이퀴스트율 보다 낮은 표본화율을 사용하여 기존의 에너지 검출기만으로 기존보다 넓은 주파수 대역을 감지하는 경우를 가정한다. 스즈키 채널 하에서 시뮬레이션을 통해 넓은 주파수 대역을 센싱하는 과정에서 나이퀴스트 표본화율보다 낮은 표본화률에 따른 오보확률과 감지확률을 통해 센싱 성능을 고찰한다.

• 한국음향학회지
• /
• 제39권3호
• /
• pp.179-190
• /
• 2020

본 논문에서는 일반 빔형성, 적응 빔형성, 압축센싱을 이용하여 도래각을 추정한다. 이때, 적응 빔형성으로 Minimum Variance Distortionless Response(MVDR)과 Multiple Signal Classification(MUSIC)을 사용하였고, 압축 빔형성(compressive sensing beamforming)을 위해 무격자 압축센싱(grid-free compressive sensing)을 적용하였다. 앞서 언급한 각 기법들의 이론적 배경 및 한계점을 소개하고 모의실험 및 실제 실험을 통해 각 기법의 성능을 비교하였다. 실제 실험은 반사 신호가 존재하는 환경에서 수행하였으며, 2대의 스피커를 통해 음원을 송신하고 8대의 마이크로폰을 사용한 선배열을 통해 데이터를 수신하였다. 모의실험 및 실제 실험 결과를 통해 상관신호가 존재하지 않을 때, 적응 빔형성과 무격자 압축 빔형성이 일반 빔형성보다 고해상도의 결과를 보임을 확인하였다. 반면, 반사 신호가 존재하는 환경에서 적응 빔형성의 성능이 저하되지만, 무격자 압축 빔형성의 경우 반사 신호의 영향을 받지 않고 일반 빔형성의 분해능이 개선됨을 확인하였다.

• 한국위성정보통신학회논문지
• /
• 제9권3호
• /
• pp.59-63
• /
• 2014

본 논문에서는 3D 방송의 기본적인 원리를 설명하고 압축 센싱(Compressed Sensing) 기술을 적용하여 3D 방송의 데이터 용량을 줄이는 방식을 제안한다. 샘플링 이론과 압축 센싱 기술의 차이점을 설명하고 개념과 동작원리를 설명한다. 최근 제안된 압축 센싱의 복원 알고리즘인 SS-CoSaMP(Single-Space Compressive Sampling Matched Pursuit) 와 CoSaMP(Compressive Sampling Matched Pursuit)를 소개하고 이를 이용하여 데이터를 압축 복원하여 정확도를 비교한다. 두 알고리즘의 다양한 이미지 복원을 수행하고 계산시간을 비교한다. 결론적으로 낮은 복잡도를 갖는 3D 방송에 적합한 알고리즘을 판단한다.

• Journal of the Optical Society of Korea
• /
• 제18권2호
• /
• pp.146-150
• /
• 2014

We propose an experimental holographic imaging scheme combining compressive sensing (CS) theory with digital holography in phase-shifting conditions. We use the Mach-Zehnder interferometer for hologram formation, and apply the compressive sensing (CS) approach to the holography acquisition process. Through projecting the hologram pattern into a digital micro-mirror device (DMD), finally we will acquire the compressive sensing measurements using a photodiode. After receiving the data of two holograms via conventional communication channel, we reconstruct the original object using certain signal recovery algorithms of CS theory and hologram reconstruction techniques, which demonstrated the feasibility of the proposed method.

• 한국소음진동공학회논문집
• /
• 제26권6_spc호
• /
• pp.651-659
• /
• 2016

Condition monitoring (CM) encounters a large data problem due to sensors that measure vibration data with a continuous, and sometimes, high sampling rate. In this study, compressive sensing approaches for condition monitoring are proposed to demonstrate the efficiency in handling a large amount of data and to improve the damage detection capability of the current condition monitoring process. Compressive sensing is a novel sensing/sampling paradigm that takes much fewer samples compared to traditional sampling methods. For the experiments a built-in rotating system was used and all data were compressively sampled to obtain compressed data. Optimal signal features were then selected without the reconstruction process and were used to detect and classify damage. The experimental results show that the proposed method could improve the data processing speed and the accuracy of condition monitoring of rotating systems.

• Journal of Communications and Networks
• /
• 제15권5호
• /
• pp.443-456
• /
• 2013

Compressive sensing (CS) is a novel sampling paradigm that samples signals in a much more efficient way than the established Nyquist sampling theorem. CS has recently gained a lot of attention due to its exploitation of signal sparsity. Sparsity, an inherent characteristic of many natural signals, enables the signal to be stored in few samples and subsequently be recovered accurately, courtesy of CS. This article gives a brief background on the origins of this idea, reviews the basic mathematical foundation of the theory and then goes on to highlight different areas of its application with a major emphasis on communications and network domain. Finally, the survey concludes by identifying new areas of research where CS could be beneficial.