• Current Optics and Photonics
• /
• 제2권5호
• /
• pp.422-430
• /
• 2018

Rolling shutter operation of CMOS cameras can be utilized in optical camera communications in order to transmit data from an LED to mobile devices such as smart-phones. From temporally modulated light, a spatial flicker pattern is obtained in the captured image, and this is used for signal recovery. Due to the degradation of rolling shutter images caused by light smear, motion blur, and focus blur, the conventional decoding schemes for rolling shutter cameras based on the pattern width for 'OFF' and 'ON' cannot guarantee robust communications performance for practical uses. Aside from conventional techniques, such as polynomial fitting, histogram equalization can be used for blurry light mitigation, but it requires additional computation abilities resulting in burdens on mobile devices. This paper proposes a transition-based decoding scheme for rolling shutter cameras in order to offer simple and robust data decoding in the presence of image degradation. Based on the designed synchronization pulse and modulated data symbols according to the LED dimming level, the decoding process is conducted by observing the transition patterns of two sequential symbol pulses. For this, the extended symbol pulse caused by consecutive symbol pulses with the same level determines whether the second pulse should be included for the next bit decoding or not. The proposed method simply identifies the transition patterns of sequential symbol pulses other than the pattern width of 'OFF' and 'ON' for data decoding, and thus, it is simpler and more accurate. Experimental results ensured that the transition-based decoding scheme is robust even in the presence of blurry lights in the captured image at various dimming levels

• Nuclear Engineering and Technology
• /
• 제53권10호
• /
• pp.3275-3285
• /
• 2021

A Nuclear Power Plant (NPP) is a complex dynamic system-of-systems with highly nonlinear behaviors. In order to control the plant operation under both normal and abnormal conditions, the different systems in NPPs (e.g., the reactor core components, primary and secondary coolant systems) are usually monitored continuously, resulting in very large amounts of data. This situation makes it possible to integrate relevant qualitative and quantitative knowledge with artificial intelligence techniques to provide faster and more accurate behavior predictions, leading to more rapid decisions, based on actual NPP operation data. Data-driven models (DDM) rely on artificial intelligence to learn autonomously based on patterns in data, and they represent alternatives to physics-based models that typically require significant computational resources and might not fully represent the actual operation conditions of an NPP. In this study, a feed-forward backpropagation artificial neural network (ANN) model was trained to simulate the interaction between the reactor core and the primary and secondary coolant systems in a pressurized water reactor. The transients used for model training included perturbations in reactivity, steam valve coefficient, reactor core inlet temperature, and steam generator inlet temperature. Uncertainties of the plant physical parameters and operating conditions were also incorporated in these transients. Eight training functions were adopted during the training stage to develop the most efficient network. The developed ANN model predictions were subsequently tested successfully considering different new transients. Overall, through prompt prediction of NPP behavior under different transients, the study aims at demonstrating the potential of artificial intelligence to empower rapid emergency response planning and risk mitigation strategies.

• 한국컴퓨터정보학회논문지
• /
• 제26권3호
• /
• pp.69-75
• /
• 2021

차량 통신 코어 네트워크 기술로 TCP/IP의 한계는 차량의 잦은 이동성, 간헐적 통신 연결 요구의 증가, 차량 해킹 가능성의 상시적 존재에 기인한다. VNDN 기술은 IP/ID와 같은 차량 식별자 없이도 컨텐트 이름 정보를 이용해 찾고자 하는 컨텐트 전송을 가능하게 한다. 또한 단대단 연결 통신이 아닌 간헐적 연결 기반 통신이 가능하며 Interest 패킷과 Data 패킷 두 종류의 패킷을 이용해 컨텐트 이름 기반의 포워딩에 기반하여 데이터 자체가 통신의 주체가 되어 네트워킹의 실현이 가능하다. VNDN 환경하에서 인포테인먼트 서비스 실현을 위해 해결해야 할 이슈 중 하나는 데이터 브로드캐스트에 기인한 데이터 트래픽 폭증 현상이다. 본 논문에서는 이러한 데이터 브로드캐스트 폭증 현상을 경감시켜 주기 위한 기존 포워딩 기법들을 분석하고 비교한다. 이를 통해 VNDN 환경하에서 데이터 폭증 현상 해결을 위한 최선의 데이터 경감 기법 제시를 위한 요구사항을 도출하여 분석한다. 이를 기반으로 향후 컨넥티드 차량을 위한 VNDN 에서 데이터 브로드캐스트 폭증을 해결하기 위한 보다 향상된 포워딩 기법 연구를 위한 사전 지식으로 활용되어질 수 있기를 기대한다.

• 융합정보논문지
• /
• 제11권2호
• /
• pp.25-30
• /
• 2021

본 논문에서는 가시광 통신시스템에서 플리커 완화 및 BER 성능 향상을 위한 코딩 기법에 관해서 연구하였다. 가시광 통신의 전송 속도를 높이기 위해 다수의 LED를 사용하는 멀티전송 다중 LED 전송시스템이 활발히 연구되고 있다. 그러나 N개의 LED를 사용하는 다중 LED 가시광 통신시스템에서 N개의 LED를 통해 데이터를 전송할 때, 데이터 시퀀스에 따라 동시에 0이 전송되는 연집 Zero 구간이 발생하고, 또한 1의 전송 구간이 서로 다르기 때문에 플리커 현상과 Dimming level의 변화로 인한 조명 성능 저하 현상이 발생하게 된다. 가시광 통신시스템은 통신 및 조명 기능을 동시에 수행하는 통신시스템이다. 따라서 통신의 전송 효율과 조명의 밝기를 동시에 고려되어야 한다. 우리는 이러한 문제를 해결하기 위해 각각의 LED 데이터 시퀀스의 코딩 맵핑을 통해 플리커 현상과 Dimming level 문제를 완화하고 에러 검출 및 BER 성능을 향상시킬 수 있는 플리커 완화 기법을 제안하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.145-145
• /
• 2022

Availability of abundant water resources data in developing countries is a great concern that has hindered the adoption of deep learning techniques (DL) for disaster prevention and mitigation. On the contrary, over the last two decades, a sizeable amount of DL publication in disaster management emanated from developed countries with efficient data management systems. To understand the current state of DL adoption for solving water-related disaster management in developing countries, an extensive bibliometric review coupled with a theory-based analysis of related research documents is conducted from 2003 - 2022 using Web of Science, Scopus, VOSviewer software and PRISMA model. Results show that four major disasters - pluvial / fluvial flooding, land subsidence, drought and snow avalanche are the most prevalent. Also, recurrent flash floods and landslides caused by irregular rainfall pattern, abundant freshwater and mountainous terrains made India the only developing country with an impressive DL adoption rate of 50% publication count, thereby setting the pace for other developing countries. Further analysis indicates that economically-disadvantaged countries will experience a delay in DL implementation based on their Human Development Index (HDI) because DL implementation is capital-intensive. COVID-19 among other factors is identified as a driver of DL. Although, the Long Short Term Model (LSTM) model is the most frequently used, but optimal model performance is not limited to a certain model. Each DL model performs based on defined modelling objectives. Furthermore, effect of input data size shows no clear relationship with model performance while final model deployment in solving disaster problems in real-life scenarios is lacking. Therefore, data augmentation and transfer learning are recommended to solve data management problems. Intensive research, training, innovation, deployment using cheap web-based servers, APIs and nature-based solutions are encouraged to enhance disaster preparedness.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.141-141
• /
• 2022

Drought is a global phenomenon that affects almost all landscapes and causes major damages. Due to non-linear nature of contributing factors, drought occurrence and its severity is characterized as stochastic in nature. Early warning of impending drought can aid in the development of drought mitigation strategies and measures. Thus, drought forecasting is crucial in the planning and management of water resource systems. The primary objective of this study is to make improvement is existing drought forecasting techniques. Therefore, we proposed an improved version of Seasonal Autoregressive Integrated Moving Average (SARIMA) model (MD-SARIMA) for reliable drought forecasting with three years lead time. In this study, we selected four watersheds of Han River basin in South Korea to validate the performance of MD-SARIMA model. The meteorological data from 8 rain gauge stations were collected for the period 1973-2016 and converted into watershed scale using Thiessen's polygon method. The Standardized Precipitation Index (SPI) was employed to represent the meteorological drought at seasonal (3-month) time scale. The performance of MD-SARIMA model was compared with existing models such as Seasonal Naive Bayes (SNB) model, Exponential Smoothing (ES) model, Trigonometric seasonality, Box-Cox transformation, ARMA errors, Trend and Seasonal components (TBATS) model, and SARIMA model. The results showed that all the models were able to forecast drought, but the performance of MD-SARIMA was robust then other statistical models with Wilmott Index (WI) = 0.86, Mean Absolute Error (MAE) = 0.66, and Root mean square error (RMSE) = 0.80 for 36 months lead time forecast. The outcomes of this study indicated that the MD-SARIMA model can be utilized for drought forecasting.

• Smart Structures and Systems
• /
• 제32권5호
• /
• pp.319-338
• /
• 2023

The study presents a new hybrid data-driven method by combining radial basis functions neural networks (RBF-NN) with the Jaya algorithm (JA) to provide effective structural health monitoring of arch dams. The novelty of this approach lies in that only one user-defined parameter is required and thus can increase its effectiveness and efficiency, as compared to other machine learning techniques that often require processing a large amount of training and testing model parameters and hyper-parameters, with high time-consuming. This approach seeks rapid damage detection in arch dams under dynamic conditions, to prevent potential disasters, by utilizing the RBF-NNN to seamlessly integrate the dynamic elastic modulus (DEM) and modal parameters (such as natural frequency and mode shape) as damage indicators. To determine the dynamic characteristics of the arch dam, the JA sequentially optimizes an objective function rooted in vibration-based data sets. Two case studies of hyperbolic concrete arch dams were carefully designed using finite element simulation to demonstrate the effectiveness of the RBF-NN model, in conjunction with the Jaya algorithm. The testing results demonstrated that the proposed methods could exhibit significant computational time-savings, while effectively detecting damage in arch dam structures with complex nonlinearities. Furthermore, despite training data contaminated with a high level of noise, the RBF-NN and JA fusion remained the robustness, with high accuracy.

• 한국통신학회논문지
• /
• 제34권8C호
• /
• pp.742-749
• /
• 2009

본 논문에서는 옥내환경의 무선전송을 위한 SDD(Synchronous Digital Duplexing)/OFDMA (Orthogonal Frequency Division Multiple Access) 시스템에서 AP(Access Point)와 SS(Subscriber Station)의 TDoA(Time Difference of Arrival)와 CFO(Carrier Frequency Offset)에 의해 발생하는 상 하향링크 OFDM 심볼의 IBI(Inter Block Interference)와 ICI(Inter Carrier Interference)의 영향을 극복하기 위한 TSF(Time-domain Shortening Filter)와 FSF(Frequency-domain Shortening Filter)를 제안한다. 제안된 TSF와 FSF는 상호 레인정 과정에서 획득한 AP와 각 SS 에 대한 채널응답 및 동기 정보를 이용하여, 시간영역과 주파수영역에서 SIRST(SIR for Shortening in Time)와 SINRSF(SINR for Shortening in Frequency)를 최대화한다. 제안된 TSF와 FSF는 SDD/OFDMA 시스템에서 TDoA에 따른 effective 채널응답과 CFO에 따른 ICI의 영향을 효과적으로 감쇄시키는 것을 모의실험을 통하여 확인한다.

• 지구물리와물리탐사
• /
• 제13권1호
• /
• pp.1-8
• /
• 2010

탄성파 반사법 탐사는 석탄 구조를 묘사하기 위해 그리고 석탄 채굴법 중 장벽식 채단법(longwall mining)의 위험 경감을 위해 가장 널리 이용되며 가장 효과적인 방법 중의 하나이다. 그러나 이 탄성파 탐사법의 분해능은 화산암의 존재에 의해 영향을 받는다. 호주의 보웬분지(Bowen Basin)와 시드니 분지(Sydney Basin) 일부에 이러한 화산암이 분포하고 있으며, 이러한 지역에서 탄성파 탐사를 이용하여 지하지질구조를 정확히 밝혀내는 데는 어려움이 따를 수 있다. 결과적으로 그러한 지역은 석탄광 후보지로 관성을 끌지 못하게 된다 따라서, 이러한 현무암 지역에서 수행되는 탄성파 탐사의 성공률을 높이기 위한 기법들이 필요하다. 이 연구에서는 탄성파동 방정식에 기초한 모델링 기법을 이용하여 현무암의 물성차, 두계, 횡방향 연장성, 송신원에 대한 상대적인 위치, 다양한 형태의 불균질성이 탄성파 전파에 어떠한 영향을 주는가를 살펴본다. 탄성파 모델링 결과로부터 다음과 같은 결론을 얻었다. 1) 임피던스의 차가 큰 현무암과 다중 흐름(multiple flow)이 있는 경우 다중반사파가 강하게 나타나며 일차반사파가 약하게 나타난다. 2) 현무암층이 앓을 경우 현무암의 존재가 파의 전파에 미치는 효과가 두꺼운 현무암층에 의한 효과보다 적은 것으로 나타났으며, 3) 현무암이 부분적으로 덮여 있을 경우 표변전체가 현무암으로 덮여 있는 경우에 비해 그 효과가 미약하게 나타났다. 4) 저주파의 탄성파(특히 원거리 오프셋에서)가 고주파의 탄성파에 비해 현무암층을 더 잘 통과함을 알 수 있었다. 또한 5) 석탄층이 현무암층으로부터 얼리 떨어져 깊은 곳에 존재할수록 현무암층이 파의 전파에 미치는 영향이 적음을 알 수 있었다. 이러한 연구결과들은 현무암층 하부에 대하여 탄성파 탐사를 수행할 때 발생할 수 있는 문제에 대한 통찰력을 제공할 뿐 아니라 탄성파 잡음을 적절히 처리하고 저주파수 대역의 지오폰으로 원거리 오프셋에서 탄성파 탐사자료를 획득함으로써 탄성파 탐사 결과를 개선시킬 수 있다는 것을 보여준다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.481-493
• /
• 2023

고밀도 도심지의 열섬현상이 도시 기온을 더 높이고 있으며 이로부터 대기오염 악화, 냉방 에너지 소비 증가 및 온실가스 배출 증대와 같은 부정적 영향들이 발생한다. 녹지의 추가 확보가 어려운 도시 환경에서 옥상녹화는 효율적인 온실가스 감축 전략이다. 본 연구에서는 열섬현상 현황 분석에서 더 나아가 고해상도 위성자료 및 공간정보를 활용하여 연구 지역 내 옥상녹화 가용면적 산정 후 옥상녹화가 가져오는 온도 분포 예측을 통한 열섬현상 완화도 및 이산화탄소 흡수량 평가를 수행하였다. 이를 위해 WorldView-2 위성자료를 활용하여 부산시 도시열섬 지역의 기존 토지피복을 분류하고 머신러닝 기법을 적용하여 옥상녹화 전 후 온도 분포 예측 모델을 개발하였다. 옥상녹화 면적 변화에 따른 열섬현상 완화도를 평가하기 위해 랜덤포레스트 기법을 통해 온도가 종속변수인 온도 분포 예측모델을 구축하였고, 이 과정에서 랜덤포레스트 모델의 훈련자료로 사용될 고해상도 지표 온도 도출을 위해 Google Earth Engine을 활용하여 Landsat-8과 Sentinel-2 위성자료를 융합하는 다중회귀모델을 적용하였다. 또한, 옥상녹화용 초본식생별 이산화탄소 흡수량을 기반으로 녹화 면적에 따른 이산화탄소 흡수량을 평가하였다. 연구 결과를 통해 개발된 위성자료 활용 도시 열섬현상 평가 및 랜덤포레스트 모델 기반 온도 분포 예측 기술은 도시열섬 취약 지역에 확대 적용이 가능할 것으로 기대된다.