• 제목/요약/키워드: FI 모델

검색결과 114건 처리시간 0.028초

5G 주파수 대역에서의 실내 복도 전파 경로손실 측정 및 분석 (Measurement and analysis of indoor corridor propagation path loss in 5G frequency band)

  • 김형중;최동유
    • 한국정보통신학회논문지
    • /
    • 제26권5호
    • /
    • pp.688-693
    • /
    • 2022
  • 본 논문에서는 5G 이동통신에 활용되고 있는 주파수 대역인 3.7 GHz, 28 GHz에 대한 건물 복도에서 채널 전파 경로손실을 측정하고, CI (Close-In), FI (Floating-Intercept) 채널 모델과 비교·분석하였다. 전파 경로손실 측정을 위해 송신기 (Tx)로부터 수신기 (Rx)를 10 m 씩 이동시키며 측정을 수행하였다. 측정 결과 3.7 GHz, 28 GHz에서의 CI 모델의 PLE (Path Loss Exponent)값은 각각 1.5293, 1.7795이며, 표준편차는 각각 9.1606, 8.5803으로 분석되었다. FI 모델에서 α값은 각각 79.5269, 70.2012, β값은 각각 -0.6082, 1.2517이며, 표준편차는 각각 5.8113, 4.4810으로 분석되었다. CI 모델과 FI 모델을 통한 분석 결과에서 FI 모델의 표준편차가 CI 모델에 비해 적으므로 FI 모델이 실제 측정 결과와 유사함을 알 수 있었다.

Wi-Fi 핑거프린트 기반 신호 영역 구분을 위한 클러스터링 방법 (Clustering Method for Classifying Signal Regions Based on Wi-Fi Fingerprint)

  • 윤창표;윤대열;황치곤
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2021년도 춘계학술대회
    • /
    • pp.456-457
    • /
    • 2021
  • 최근, 실내 위치 기반 서비스를 보다 정확하게 제공하기 위해서 Wi-Fi 핑거프린트와 딥러닝을 이용한 기술이 연구되고 있다. 딥러닝 모델 중에서 과거의 정보를 기억할 수 있는 RNN 모델은 실내측위에서 연속된 움직임을 기억할 수 있어 측위 오차를 줄일 수 있다. 실내 측위에서 RNN 모델을 사용하는 경우 수집된 학습 데이터가 연속적인 순차 데이터이어야 한다. 그러나 특정 위치 정보를 판단하기 위해 수집된 Wi-Fi 핑거프린트 데이터는 특정 위치에 대한 RSSI만 기록되었기 때문에 RNN 모델의 학습 데이터로 사용이 불가능하다. 본 논문은 Wi-Fi 핑거프린트 데이터를 기반으로 RNN 모델의 순차적인 입력 데이터의 생성을 위한 영역 클러스터링 방법에 대해 제안한다.

  • PDF

연속 자유 공간에서 가우시안 보간법을 이용한 보행자 위치 추적 (Gaussian Interpolation-Based Pedestrian Tracking in Continuous Free Spaces)

  • 김인철;최은미;오휘경
    • 정보처리학회논문지B
    • /
    • 제19B권3호
    • /
    • pp.177-182
    • /
    • 2012
  • 본 논문에서는 대규모 실내 환경에서 WiFi 모듈이 내장된 스마트폰 사용자의 위치를 추적하기 위한 효과적인 이동 모델과 관측 모델을 제시한다. 제안하는 세 가지 부속 이동 모델들은 보행자의 움직임에 대한 더 정확한 예상 확률 분포를 제공한다. 또, 가우시안 보간법 기반의 관측 모델은 훈련 데이터 의 수집이 이루어지지 않은 지역들에 대해서도 관측 우도 계산을 가능하게 한다. 파티클 필터 프레임워크 속에 이와 같은 이동 모델과 관측 모델을 결합함으로써, 본 연구의 위치 추적 알고리즘은 대규모 실내 환경들에서도 스마트폰 사용자의 위치를 정확하게 추적할 수 있다. 한 복층 건물에서 안드로이드 스마트폰으로 수행한 실험을 통해, 본 연구에서 제안한 WiFi 위치 추적 알고리즘의 성능을 확인할 수 있었다.

Wi-Fi 핑거프린트 기반 실내 이동 경로 데이터 생성 방법 (Wi-Fi Fingerprint-based Indoor Movement Route Data Generation Method)

  • 윤창표;황치곤
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2021년도 춘계학술대회
    • /
    • pp.458-459
    • /
    • 2021
  • 최근, 실내 위치 기반 서비스에서 정확한 서비스를 위해 Wi-Fi 핑거프린트 기반의 딥러닝 기술을 이용한 연구가 이루어지고 있다. 딥러닝 모델 중에서 과거의 정보를 기억할 수 있는 RNN 모델은 실내측위에서 연속된 움직임을 기억할 수 있어 측위 오차를 줄일 수 있다. 이때 학습 데이터로서 연속적인 순차 데이터를 필요로 한다. 그러나 일반적으로 Wi-Fi 핑거프린트 데이터의 경우 특정 위치에 대한 신호들만으로 관리되기 때문에 RNN 모델의 학습데이터로 사용이 부적절하다. 본 논문은 RNN 모델의 순차적인 입력 데이터의 생성을 위해 클러스터링을 통한 영역 데이터로 확장된 Wi-Fi 핑거프린트 데이터 기반 이동 경로의 예측을 통한 경로 생성 방법에 대해 제안한다.

  • PDF

주요 식중독 원인 미생물들에 대한 용량-반응 모델 연구 (A Study on Dose-Response Models for Foodborne Disease Pathogens)

  • 박명수;조준일;이순호;박경진
    • 한국식품위생안전성학회지
    • /
    • 제29권4호
    • /
    • pp.299-304
    • /
    • 2014
  • 본 연구는 정량적 미생물 위해평가(Quantitative microbial risk assessment: QMRA)에 절대적으로 필요하지만 국내의 경우 관련 정보 및 자료가 부족한 주요 식중독 원인 미생물에 대한 용량-반응모델(dose-response models) 관련 자료를 수집 정리하여 가장 적합한 용량-반응 모델을 분석 및 선정하였다. 1980년부터 2012년까지 식중독 발생과 관련이 있는 26종의 세균, 9종의 바이러스, 8종의 원생동물관련 용량-반응 모델 및 위해평가 자료들을 중심으로 국내 NDSL (National Digital Science Library), 국외 PubMed, ScienceDirect database에서 총 193개의 논문을 추출하여 정리하였다. 조사된 자료로부터 세균별, 바이러스별, 원생동물별 용량-반응 모델의 미생물 위해평가 활용여부를 확인하고, 위해평가에 활용된 모델들을 메타분석(meta-analysis)에서 사용되고 있는 Relative frequency (fi, 상대빈도 값)를 계산하여 가장 적정한 용량-반응 모델을 제시하였다. 주요 식중독 원인 미생물들인 Campylobacter jejuni, pathogenic E. coli O157:H7 (EHEC / EPEC / ETEC), Listeria monocytogenes, Salmonella spp., Shigella spp., Staphylococcus aureus, Vibrio parahaemolyticus, Vibrio cholera, Rota virus, Cryptosporidium pavum의 적정 용량-반응 모델은 beta-poisson (${\alpha}=0.15$, ${\beta}=7.59$, fi = 0.72), beta-poisson (${\alpha}=0.49$, ${\beta}=1.81{\times}10^5$, fi = 0.67) / beta-poisson (${\alpha}=0.22$, ${\beta}=8.70{\times}10^3$, fi = 0.40) / beta-poisson (${\alpha}=0.18$, ${\beta}=8.60{\times}10^7$, fi = 0.60), exponential ($r=1.18{\times}10^{-10}$, fi = 0.14), beta-poisson (${\alpha}=0.11$, ${\beta}=6,097$, fi = 0.09), beta-poisson (${\alpha}=0.21$, ${\beta}=1,120$, fi = 0.15), exponential ($r=7.64{\times}10^{-8}$, fi = 1.00), beta-poisson (${\alpha}=0.17$, ${\beta}=1.18{\times}10^5$, fi = 1.00), beta-poisson (${\alpha}=0.25$, ${\beta}=16.2$, fi = 0.57), exponential ($r=1.73{\times}10^{-2}$, fi = 1.00), and exponential ($r=1.73{\times}10^{-2}$, fi = 0.17)로 각각 선정하였다. 본 연구에서 제시된 용량-반응 모델들은 향후 국내 QMRA 관련 연구 및 진행에 많은 도움이 될 것으로 기대된다.

풍화잔류토의 생성모델의 제안 (A Proposal of a Model for the Generation of Weathered Residual Soils)

  • 민덕기;이완진
    • 한국지반공학회논문집
    • /
    • 제20권9호
    • /
    • pp.47-56
    • /
    • 2004
  • 본 연구에서는 풍화잔류토의 생성을 특성화시키는 새로운 분열모델을 제안하였으며, GRS모델이라고 명명하였다. GRS 모델은 풍화가 많이 진행될수록 흙 입자의 크기가 작아지고 흙 속의 간극이 많아진다는 사실에 착안하였으며, 프랙탈 이론으로부터 도출된 $P_F$(분열가능성)로써 풍화잔류토의 생성과정을 표현할 수 있다. 암석이 분열됨으로써 흙 입자들이 생성되며 암석의 분열은 단계별로 진행되지만 각 단계별 분열가능성은 일정하지 않다는 것이 GRS모델의 기본개념이다. GRS모델의 적용성을 검증한 결과, 입자들의 잔류량이 많은 입경에서 $P_{Fi}$(분열단계별 분열가능성)가 작게 산출되었고, 입도분포가 양호할수록 크게 산출되었다. 일반적인 흙에서 나타나는 S자형상의 입도분포곡선은 $P_{Fi}$가 높은 오목형상에서 나타났으며, $P_{Fi}$의 변화형상이 볼록하면서 높은 값을 가질경우에는 빈입도의 입도분포특성을 나타내었다. 전반적으로 $P_{Fi}$가 작은 경우에는 $P_{Fi}$의 변화형상에 관계없이 큰 입자의 잔류량이 많은 오목한 형상의 입도분포곡선을 나타내었다. $P_{Fi}$의 평균값은 균등계수$(C_u)$와 분열프랙탈차원$(D_r)$에 비례하여 증가하였으나, 곡률계수$(C_C)$와는 무관하였다.

듀얼단말(WiFi-CDMA/WCDMA) 기반의 음성/영상 이동성 기술 적용 방안 (Case Studies on VCC(Voice/Video Call Continuity) for the FMC Service - based on Dual phone(WiFi-CDMA/WCDMA))

  • 김현수;오승석;김희동
    • 한국정보통신설비학회:학술대회논문집
    • /
    • 한국정보통신설비학회 2008년도 정보통신설비 학술대회
    • /
    • pp.360-363
    • /
    • 2008
  • 현재 통신 시장의 상황은 유무선 통신서비스 시장의 포화, 이동통신 시장의 기존 유선전화 규모 초과, 그리고 유선통신의 서비스 사업자의 영역 확대 도모 등을 특징으로 한다. 유무선 통합 (Fixed Mobile Convergence, FMC) 서비스는 유선통신 사업자를 중심으로 한 비즈니스 모델로 사용자에게 유무선 통신망 종류에 상관없이 일관되고 끊김없는 서비스를 제공하는 것을 목표로 한다. 이동통신망까지 확대하여 고객 기반을 유지하고자 하는 유선사업자들은 FMC 서비스 중 하나의 방안으로 IMS (IP Multimedia Subsystems) 기반의 VCC(Voice Call Continuity) 기능에 주목하고 있다. VCC AS(Application Server)는 이종망 (WiFi-CDMA)간 Seamless 핸드오버기능을 수행하므로, WiFi 와 CDMA를 지원할 수 있는 듀얼단말을 이용하여 사용자가 WiFi 서비스 지역과 CDMA 서비스 지역간 이동시에도 Seamless 한 음성서비스를 제공한다. 이에 본 논문은 IMS/VCC 기반으로 음성 seamless 핸드오버 적용 사례(시범서비스)를 중심으로 유무선 통신사업자 상호 Win-Win을 추구할 수 있는 LG데이콤 특화 VCC 모델을 제시한다. 그리고 LG데이콤이 추구하는 차세대 서비스인 사용자 context 기반의 개인화된 서비스 제공을 위한 IMS 기반 통합 프로파일/인증/과금 연구 동향에 대해 간략히 소개한다.

  • PDF

온라인 저지 시스템 지원을 위한 Feature-Wise Linear Modulation 기반 소스코드 문맥 학습 모델 설계 (Learning Source Code Context with Feature-Wise Linear Modulation to Support Online Judge System)

  • 현경석;최우성;정재화
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제11권11호
    • /
    • pp.473-478
    • /
    • 2022
  • 온라인 저지 시스템 지원하기 위한 표절 검사, 소스코드 분석 및 자동화된 튜터링 기법이 연구되고 있다. 최근 딥러닝 기술 기반의 소스코드 유사도 분석을 통한 표절 감지 기술들이 제안되었으나, 자동화된 튜터링을 지원하기 위한 딥러닝 기반의 연구는 미흡한 실정이다. 따라서 본 논문에서는 자바 바이트코드와 문제정보를 결합하여 학습하고, 학습자가 온라인 저지 시스템에 코드를 제출하기 전에 pass/fail 여부를 예측할 수 있는 GRU 기반의 Input / Output side FiLM 모델을 제안한다. 또한 온라인 저지에 수집되는 데이터의 특성상 비대칭이 발생하기 때문에 밸런스 샘플링 기법을 적용하여 데이터를 균등하게 분포시켜 두 상황을 제안한 모델로 학습하였다. 실험 결과 Input side FiLM 모델이 가장 높은 73.63%의 성능을 보였다. 이를 기반으로 학습자들이 온라인 저지의 평가를 받기 전에 pass/faill 여부를 확인하여 소스코드 개선에 대한 피드백 기능에 적용 가능할 것으로 예상된다.

Wi-Fi 환경에서 가상 Access Point를 이용한 실내 위치추정 알고리즘의 성능분석 (Performance Analysis of Indoor Localization Algorithm Using Virtual Access Points in Wi-Fi Environment)

  • ;이동명
    • 정보처리학회논문지:컴퓨터 및 통신 시스템
    • /
    • 제6권3호
    • /
    • pp.113-120
    • /
    • 2017
  • 실내 Wi-Fi환경에서 위치추정 정확도를 향상시키기 위한 위치추정에 대한 연구가 수년 동안 계속되어 오고 있다. 핑거프린트 기법 및 전파모델은 실내 위치추정에 있어서 매우 중요한 기술이다. 추가적인 하드웨어 없이 저비용으로 핑거프린트 기법을 사용하는 다양한 위치추정 시스템에 대한 연구가 진행되고 있다. 그러나 실내 위치추정 모델에서 VAP (virtual access points) 개념을 사용하여 이러한 목표를 실현한 사례는 매우 드물다. 본 논문은 Wi-Fi 환경의 핑거프린트 기반에서 VAP를 사용한 실내 위치추정 시스템의 아이디어를 제시하였다. 이 아이디어의 핵심은 실제 실내 Wi-Fi 환경에서 VAP를 사용하여 AP의 역할을 수행 할 수 있다. 제안 알고리즘의 성능분석을 위하여 4개의 시나리오를 사용하여 실험한 결과, 1개의 AP 대신에 2개의 VAP를 사용했을 때 가장 우수한 결과가 도출되었으며, 실험의 3번째 경우인 3개의 AP와 2개의 VAP를 사용했을 때 3.99 미터의 가장 낮은 위치오차가 발생하였음을 확인하였다.

딥러닝 기반 Wi-Fi 센싱 시스템의 효율적인 구축을 위한 지능형 데이터 수집 기법 (CALS: Channel State Information Auto-Labeling System for Large-scale Deep Learning-based Wi-Fi Sensing)

  • 장정익;최재혁
    • 전기전자학회논문지
    • /
    • 제26권3호
    • /
    • pp.341-348
    • /
    • 2022
  • Wi-Fi가 거의 모든 곳에서 사용이 가능한 환경이 도래하면서 Wi-Fi 기반의 센싱 시스템의 활용가능성에 대한 학계의 주목과 함께 활발한 연구가 진행되고 있다. 최근에는 채널 상태 정보(CSI)를 활용한 딥러닝 기술의 비약적 발달로 높은 감지 성능을 달성하고 있다. 하지만, 새로운 대상 도메인에 적용하기 위해서는 명시적인 데이터 수집 및 모델 재학습 과정의 값비싼 적응 노력 없이는 여전히 실질적으로는 사용하기가 어렵다. 본 연구에서는 딥러닝 기반의 Wi-Fi 센싱 시스템을 위한 훈련데이터 수집 및 레이블링을 자동으로 진행하는 CSI 자동 레이블링 시스템(CALS)를 제안한다. 제안 시스템은 CSI 데이터 수집 과정에서 컴퓨터 비전 기술을 함께 활용하여, 지도학습용으로 수집된 CSI 데이터에 대한 레이블링을 자동으로 수행토록 하였다. CALS의 효율성을 보이기 위해 라즈베리파이를 이용하여 프로토타입 시스템을 구현하고, 실내 환경에서의 사람 존재 감지를 수행하는 3가지 모델에 대해 학습과 평가를 진행하였다. 자동 수집된 데이터를 진행하여 학습을 활용하는 방식으로 실시간 데이터에 대해 평가를 진행했을 때 90% 이상의 높은 정확도를 달성하였다.