• 디지털산업정보학회논문지
• /
• 제12권3호
• /
• pp.125-132
• /
• 2016

The European Telecommunication Standards Institute (ETSI) Technical Committee (TC) Reconfigurable Radio Systems (RRS) is standardizing the multi-mode Mobile Device (MD). The configuration of multi-mode MD is determined by the downloaded mobile communication standard software. In this paper, we introduce the Radio Library concept for multi-mode MD which is one of the key components of RRS standard. This paper also introduces the Standard Functional Block which is a part of Radio Library. A method for selecting efficiency SFBs for multi-mode MD is presented and a Radio Library is generated based on the selected SFBs. This paper also shows sample Standard Functional Block Set which included in Radio Library. In order to verify the compatibility of the generated Radio Library which was made by C language, we implement the LTE Rel-10 and Wi-Fi(802.11b) to show the efficiency of generating a mobile communication standard software based on the Radio Library. Then using the Prograph Visual Programming MartenTM 1.6.4, we compiled our LTE Rel-10 and Wi-Fi(802.11b) source code.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (D)
• /
• pp.59-63
• /
• 2006

이동 애드 혹 네트워크(Mobile Ad Hoc Network; MANET)는 인프라 없이 빠른 구성이 가능한 네트워크이다. 하지만, 긴급 상황과 같은 특수한 경우가 아닌 일상생활에서 사용 가능한 네트워크로 발전하기 위해서는 MANET과 인터넷의 연결이 꼭 필요하다. 인터넷 노드와 MANET 노드 간의 통신을 가능하게 만드는 것은 인터넷과 MANET을 중계하는 인터넷 게이트웨이를 통해서 이다. 고장 감내(fault tolerance)를 지원하고 대역폭을 늘리기 위해 다중 인터넷 게이트웨이들을 MANET에 배치하여 사용할 수 있다. 다중 게이트웨이들 간의 부하를 잘 분배한다면 네트워크 성능 향상을 얻을 수 있으므로, MANET 내에 여러 개의 인터넷 게이트웨이가 존재할 경우 이들 간의 부하 균등화는 중요한 이슈이다. 본 연구에서는 노드들의 이동이 빈번하고 인터넷 게이트웨이들이 고정되어 있는 MANET 환경에서의 부하 균등화 인터넷 게이트웨이 발견 기법들을 제안한다. 기존에 제안된 부하 균등화 기법들로 Shortest Path (SP), Minimum Load Index(MLI), Running Variance Metric (RVM) 기법들을 소개하고 각 기법들에 대한 시뮬레이션 결과를 제공한다. 시뮬레이션을 통해 이들 기법을 분석하여 문제점을 찾아내고 이를 수정 및 보완하여 새로운 기법들을 제안하며, 새로운 기법들의 성능이 기존 기법들에 비하여 향상되었음을 보인다.

• Structural Engineering and Mechanics
• /
• 제66권3호
• /
• pp.399-409
• /
• 2018

This paper demonstrates the potential application of machine learning algorithms for approximate prediction of the load and deflection capacities of the novel type of Laced Steel Concrete-Composite (LSCC) beams proposed by Anandavalli et al. (Engineering Structures 2012). Initially, global and local responses measured on LSCC beam specimen in an experiment are used to validate nonlinear FE model of the LSCC beams. The data for the machine learning algorithms is then generated using validated FE model for a range of values of the identified sensitive parameters. The performance of four well-known machine learning algorithms, viz., Support Vector Regression (SVR), Minimax Probability Machine Regression (MPMR), Relevance Vector Machine (RVM) and Multigene Genetic Programing (MGGP) for the approximate estimation of the load and deflection capacities are compared in terms of well-defined error indices. Through relative comparison of the estimated values, it is demonstrated that the algorithms explored in the present study provide a good alternative to expensive experimental testing and sophisticated numerical simulation of the response of LSCC beams. The load carrying and displacement capacity of the LSCC was predicted well by MGGP and MPMR, respectively.