• 한국항행학회논문지
• /
• 제26권5호
• /
• pp.319-324
• /
• 2022

항법 장치가 존재하지 않거나 전파 방해가 발생할 경우, 고속 이동체의 전파 항법은 불가능해진다. 그럼에도 불구하고, 다수의 지상국이 존재하며 고속 이동체와 지상국간의 정밀 거리 측정치를 확보할 수 있다면 이동체의 위치 추정이 가능하다. 본 논문에서는 텔레메트리 (TLM; telemetry) 신호를 사용하여 생성한 고정밀 TDOA (time difference of arrival) 측정치를 이용한 위치 추정 방식을 제안한다. 제안한 방식에서는 TDOA 측정치를 사용하여 이동체의 공통 오차를 제거하였다. 또한 SOQPSK (shaped offset quadrature phase shift keying) PN (pseudo random noise) 심볼을 포함하여 정밀 시각 동기 및 측정이 가능한 TLM 신호를 기반으로 한 측정치를 사용하였다. 따라서 시스템 내 정밀 시각 동기가 이뤄진 상태이므로 지상국간의 시각 동기 오차가 매우 작은 값을 가진다. 이는 측정치의 정밀도를 높여 위치 추정 성능을 향상시킨다. 제안한 방식은 소프트웨어 기반의 시뮬레이션을 통해 검증되었으며, 고속 이동체의 위치 추정 성능이 목표했던 성능을 만족함을 확인하였다.

• Smart Structures and Systems
• /
• 제30권6호
• /
• pp.613-626
• /
• 2022

Guaranteeing the quality and integrity of structural health monitoring (SHM) data is very important for an effective assessment of structural condition. However, sensory system may malfunction due to sensor fault or harsh operational environment, resulting in multiple types of data anomaly existing in the measured data. Efficiently and automatically identifying anomalies from the vast amounts of measured data is significant for assessing the structural conditions and early warning for structural failure in SHM. The major challenges of current automated data anomaly detection methods are the imbalance of dataset categories. In terms of the feature of actual anomalous data, this paper proposes a data anomaly detection method based on data-level and deep learning technique for SHM of civil engineering structures. The proposed method consists of a data balancing phase to prepare a comprehensive training dataset based on data-level technique, and an anomaly detection phase based on a sophisticatedly designed network. The advanced densely connected convolutional network (DenseNet) and Transformer encoder are embedded in the specific network to facilitate extraction of both detail and global features of response data, and to establish the mapping between the highest level of abstractive features and data anomaly class. Numerical studies on a steel frame model are conducted to evaluate the performance and noise immunity of using the proposed network for data anomaly detection. The applicability of the proposed method for data anomaly classification is validated with the measured data of a practical supertall structure. The proposed method presents a remarkable performance on data anomaly detection, which reaches a 95.7% overall accuracy with practical engineering structural monitoring data, which demonstrates the effectiveness of data balancing and the robust classification capability of the proposed network.

• 대한임베디드공학회논문지
• /
• 제18권4호
• /
• pp.159-164
• /
• 2023

Solar energy harvesting IoT devices prioritize maximizing the utilization of collected energy due to the periodic recharging nature of solar energy, rather than minimizing energy consumption. Meanwhile, research on edge AI, which performs machine learning near the data source instead of the cloud, is actively conducted for reasons such as data confidentiality and privacy, response time, and cost. One such research area involves performing various audio AI applications using audio data collected from multiple IoT devices in an IoT edge computing environment. However, in most studies, IoT devices only perform sensing data transmission to the edge server, and all processes, including data preprocessing, are performed on the edge server. In this case, it not only leads to overload issues on the edge server but also causes network congestion by transmitting unnecessary data for learning. On the other way, if data preprocessing is delegated to each IoT device to address this issue, it leads to another problem of increased blackout time due to energy shortages in the devices. In this paper, we aim to alleviate the problem of increased blackout time in devices while mitigating issues in server-centric edge AI environments by determining where the data preprocessed based on the energy state of each IoT device. In the proposed method, IoT devices only perform the preprocessing process, which includes sound discrimination and noise removal, and transmit to the server if there is more energy available than the energy threshold required for the basic operation of the device.

• 한국지반공학회논문집
• /
• 제25권11호
• /
• pp.53-60
• /
• 2009

터널의 시공은 항상 주변 암반의 손상을 초래한다. 발생하는 손상의 정도는 주변암반의 역학적 및 수리학적 거동에 영향을 미친다. 본 논문에서는 크로스홀 시험을 통하여 P 파 속도를 측정하여 터널주변 암반의 손상을 계측하였다. 발진공에서의 탄성파 신호발생을 위하여 기계적인 충격을 가하였으며 그 결과로 발생된 P파 신호는 잡음이 적으며 파의 초동 도달시간 판별이 용이하였다. 실험결과 암반의 손상이 예상되는 구간에서 P 파의 속도가 낮게 검측 되었다. 크로스홀 공 내 다중의 지점에서 P 파 계측을 수행하여 이차원 P 파 토모그래피를 생성하였는데, 생성된 토모그래피는 터널 배면의 암반 손상이 발생한 구간에 대한 가시적인 결과를 나타내었다. 측정된 P파의 속도로부터 간극율 또는 Q 값과의 상관관계를 통해 암반 특성의 정량적인 손상 평가가 가능하였다.

• Current Optics and Photonics
• /
• 제7권1호
• /
• pp.38-46
• /
• 2023

Optical Fourier-domain reflectometry (OFDR) sensors have been widely used to measure distances with high resolution and speed in a noncontact state. In the electroplating process of a printed circuit board, it is critically important to monitor the copper-plating thickness, as small deviations can lead to defects, such as an open or short circuit. In this paper we employ a phase-based OFDR sensor for in situ relative distance sensing of a sample with nanometer-scale resolution, during electroplating. We also develop an optical-path difference (OPD)-regulated sensing probe that can maintain a preset distance from the sample. This function can markedly facilitate practical measurements in two aspects: Optimal distance setting for high signal-to-noise ratio OFDR sensing, and protection of a fragile probe tip via vertical evasion movement. In a sample with a centimeter-scale structure, a conventional OFDR sensor will probably either bump into the sample or practically out of the detection range of the sensing probe. To address this limitation, a novel OPD-regulated OFDR system is designed by combining the OFDR sensing probe and linear piezo motors with feedback-loop control. By using multiple OFDR sensors, it is possible to effectively monitor copper-plating thickness in situ and uniformize it at various positions.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권3호
• /
• pp.339-349
• /
• 2017

본 논문에서는 주행 중인 차량의 차선 인식을 위해 4단계로 구성된 알고리즘을 제안한다. 첫 번째 단계에서는 관심영역 추출한다. 두 번째 단계에서는 신호 잡음을 제기하기 위해 중간 값 필터를 이용한다. 세 번째 단계에서는 입력되는 이미지의 배경과 전경의 두 클래스로 구분하기 위한 이진화 알고리즘을 수행한다. 마지막 단계에서는 이진화 과정 후에 남아 있는 노이즈나 불완전한 에지 등을 제거하여 선명한 차선을 얻기 위해 이미지 침식 알고리즘을 이용한다. 하지만 이러한 차선 인식 앍고리즘은 높은 계산량을 요구하여 실시간 처리가 어려운 실정이다. 따라서 본 논문에서는 멀티코어 아키텍처를 이용하여 실시간 차선이탈 감지 알고리즘을 병렬구현 한다. 또한, 차선이탈 감지 알고리즘을 위한 최적의 멀티코어 아키텍처의 구조를 탐색하기 위해 총 8가지의 서로 다른 프로세싱 엘리먼트 구조를 이용하여 실험하였고, 모의실험 결과 40×40의 프로세싱 엘리먼트 구조에서 최적의 성능, 에너지 효율 및 면적 효율을 보였다.

• 한국산업정보학회논문지
• /
• 제29권2호
• /
• pp.15-25
• /
• 2024

효과적인 동물 생태계 분석을 위해서는 동물 서식 현황을 자동으로 파악할 수 있는 동물 관제 기술이 중요하다. 특히 울음소리로 종을 판별하는 동물 소리 분류 기술은 영상을 통한 판별이 어려운 환경에서 큰 주목을 받고 있다. 기존 연구들은 단일 딥러닝 모델을 사용하여 동물 소리를 분류하였으나, 야외 환경에서 수집된 동물 소리는 많은 배경 잡음을 포함하여 단일 모델의 판별력을 악화시키며, 종에 따른 데이터 불균형으로 인해 모델의 편향된 학습을 야기한다. 이에, 본 논문에서는 클래스의 데이터 수를 고려하여 페널티를 부여하는 Focal Loss를 사용한 여러 분류 모델의 예측결과를 앙상블을 통해 결합하여 잡음이 많은 동물 소리를 효과적으로 분류할 수 있는 기법을 제안한다. 공개 데이터 셋을 사용한 실험에서, 제안된 기법은 단일 모델의 평균 성능에 비해 Recall 기준으로 최대 22.6%의 성능 개선을 달성하였다.

• 디지털정책학회지
• /
• 제3권1호
• /
• pp.27-32
• /
• 2024

본 논문은 초해상도 결과의 품질을 향상시키기 위해 질감 특징을 세분화하여 각각을 대조하고, 그 결과를 가중치로 이용하는 초해상도 방법을 제안하였다. 초해상도에서 중요한 평가 기준인 품질의 향상을 위해서는 경계 영역과 같은 세부사항에서의 정확하고 명확한 복원 결과가 필요하며, 인공물과 같은 불필요한 잡음을 최소화하는 것이 중요하다. 제안하는 방법은 품질 향상을 위해 기존 CNN(Convolutional Neural Network) 기반의 초해상도 방법에서 특징 추정을 위해 다중 경로의 잔차 블록 구조와 skip-connection을 구성하였다. 추가적인 질감 분석을 위한 선명 및 흐림 이미지 결과를 추가로 학습하였다. 이를 활용하여 초해상도 수행 결과 또한 각각을 대조하여 가중치를 할당하는 방법을 이용해 영상의 세부사항 영역과 평활화 영역에 대해 개선된 품질을 얻을 수 있도록 하였다. 제안하는 방법의 실험 결과 평가 기준으로 활용되는 PSNR과 SSIM 값이 기존 알고리즘 대비 높은 결과 값을 얻어 품질이 개선됨을 확인할 수 있었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제13권3호통권55호
• /
• pp.101-109
• /
• 2009

FBG센서로 변형율을 계측하고 추정 가능한 일부 저차모드를 중첩하여 교량의 동적변위를 추정하는 알고리즘을 제안하였다. 모드별 진동형상은 단순보의 이론식에서 유도하였고, 일반화좌표는 FBG센서에서 계측한 변형율에서 유도하였다. 일반 교량의 저차모드에서 발생하는 휨 및 비틀림모드는 각 거더별 혹은 구간별로 분리하여 단순보의 이론적 휨모드로 고려함으로써 다양한 형식의 교량에 적용할 수 있도록 하였다. 알고리즘의 적용에 고려해야 할 진동모드의 개수 및 변형율 센서의 개수를 결정하는 기준은 이론적으로 제시되었다. 제안된 방법의 효용성을 다양한 형식의 교량에 대한 수치예제, 모형교량에 대한 실내실험 및 자기부상열차용 PC Box 거더교에 대한 현장실험을 통해 검증하였다. 수치예제에서는 교량 진동형상의 오차 및 변형률 측정 오차가 동적변위 추정 결과에 미치는 영향을 분석하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제10권6호
• /
• pp.87-94
• /
• 2006

교량의 설계 및 시공에 있어 적절한 설계하중을 산정하기 위해 차량의 하중을 측정하는 것은 매우 중요하다. 본 논문에서는 이동하중에 대해 다축의 모멘트 영향선을 이용하여 시간에 따라 하중을 식별하는 알고리듬을 제안하였다. 또한 2개 이상의 하중을 식별하는 경우, 시간에 따른 하중 식별 결과가 심한 진동을 하기 때문에 밀도추정함수를 통해 최종 식별하중을 구하는 방법을 제안하였다. 단경간 판형교에 대한 수치예제를 수행하여 제안한 알고리듬 및 방법들을 검증하였다. 수치예제에서는 계측오차와 속도오차에 대한 오차분석을 수행하였다. 또한 제안된 알고리듬을 6m 길이의 강재 모형교량을 이용한 실내실험을 통해 재검증하였다. 속도와 하중의 종류에 따라 하중식별 능력이 달랐으나 개발한 알고리듬이 최대 10% 수준의 오차 내에서 하중을 식별할 수 있음을 확인하였다.