• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.11-18
• /
• 2021

소형 Radio Frequency 추적레이다는 표적에 대하여 전천후 Radio Frequency 신호 처리를 통하여 표적을 식별하고 주요 표적에 대하여 표적을 탐색, 탐지하여 추적하는 Radio Frequency 센서를 보유한 추적시스템이다. 본 논문에서는 전천후 Radio Frequency를 이용하여 표적 정보를 획득하여 실시간 신호처리를 통하여 표적을 식별하기 위한 고속의 멀티코어 DSP인 TMS320C6678과 XILINX FPGA(Field Programmable Gate Array)가 탑재된 보드 개발의 내용을 설명한다. DSP, FPGA 선정과 신호처리를 위한 DSP-FPGA 결합 아키텍처에 대하여 제안하고 또한 고속의 데이터 전송을 위한 SRIO의 설계에 대하여 설명한다.

• 한국전자통신학회논문지
• /
• 제16권5호
• /
• pp.799-806
• /
• 2021

사물인터넷 환경에서는 센서로부터의 이벤트 데이터가 시간의 흐름에 따라 지속적으로 보고된다. 이러한 추세로 입수되는 이벤트 데이터는 무한정 쌓이게 되므로 데이터의 효율적인 분석과 관리를 위한 방안이 필요하다. 본 연구에서는 지속적으로 보고되어 유입되는 센서로부터의 이벤트 데이터에 대하여 효과적인 선택과 활용을 뒷받침 할 수 있도록 하는 데이터 스트림 분할 방안을 제안하였다. 분석 처리를 시작할 지점을 식별하기 위한 식별자를 선정하도록 하였다. 이러한 식별자의 역할을 존치시킴으로써 분석할 대상을 명확하게 할 수 있으며 데이터 처리량을 감소시킬 수 있다. 본 연구에서 제안하는 스트림 분할을 위한 식별자는 각 스트림의 이벤트 발생을 기준으로 하기에 의미 중심의 데이터 스트림 분할 방안이라고 할 수 있다. 스트림 처리에서의 식별자의 존재는 대용량의 지속적인 데이터 유입환경에서 효율성을 제공하고 비용을 저감하는 측면에서 유용하다고 할 수 있다.

• 한국전자통신학회논문지
• /
• 제14권5호
• /
• pp.969-976
• /
• 2019

경량 인공지능 하드웨어는 다양한 문제의 해결을 위해 멀티모달 센서 데이터를 입력받아 특징 선택, 추출, 차원축소, 정규화 과정을 수행한 후 인공지능 엔진으로 예측 결과를 도출한다. 다양한 애플리케이션에서 높은 성능을 달성하기 위해서는 이러한 경량 인공지능 하드웨어의 초 매개변수와 전체적인 전처리 시스템의 구성을 데이터에 맞춰 최적화할 필요가 있다. 본 논문에서는 경량 인공지능 하드웨어의 효율적인 제어 및 최적화를 위한 통합 프레임워크를 제안한다. 제안된 통합 프레임워크는 데이터 전처리 및 뉴로모픽 기반 경량 인공지능 엔진을 유연하게 재구성할 수 있으며, 최적의 모델을 생성할 수 있다. 기능검증을 위해 손글씨 이미지 데이터 세트와 관성 센서 데이터 기반의 낙상 검출 데이터 세트를 사용하였으며, 실험 결과 제안하는 통합 프레임워크가 각각의 데이터 세트에서 90% 이상의 정확도를 갖는 최적의 모델을 생성함을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제21권2호
• /
• pp.140-147
• /
• 2021

다양한 수면검사에서 수면단계를 정확히 판단하기 위해 뇌파를 측정한다. 일반적으로 측정은 센서 채널의 개수가 늘어날수록 정확도가 높아지지만, 뇌파는 측정할 때 피부에 전극을 부착하여 수면을 방해하는 요소로 작용한다. 일상생활에서 자가 수면케어를 할 때는 사용자의 불편함과 측정데이터의 정확도를 모두 고려한 최소한의 뇌파 채널 개수를 선택할 필요가 있다. 따라서 본 논문에서는 1개의 채널부터 4개의 채널에 대한 수면단계 분석 모델을 제작하여 1채널은 82.28%, 2채널은 85.77%, 3채널은 80.33%, 4채널은 68.87%의 정확도를 확인했다. 본 연구 결과는 측정 부위가 제한적이라는 한계가 있지만, 채널 개수에 따른 정확도를 비교하여 뇌파 기반 수면분석에서 채널 개수 선정에 대한 정보를 제공한다.

• 센서학회지
• /
• 제31권3호
• /
• pp.156-162
• /
• 2022

This study estimates the relative position between body segments using segment orientation and segment-to-joint center (S2J) vectors. In many wearable motion tracking technologies, the S2J vector is treated as a constant based on the assumption that rigid body segments are connected by a mechanical ball joint. However, human body segments are deformable non-rigid bodies, and they are connected via ligaments and tendons; therefore, the S2J vector should be determined as a time-varying vector, instead of a constant. In this regard, our previous study (2021) proposed a method for determining the time-varying S2J vector from the learning dataset using a regression method. Because that method uses a deformation-related variable to consider the deformation of S2J vectors, the optimal variable must be determined in terms of estimation accuracy by motion and segment. In this study, we investigated the effects of deformation-related variables on the estimation accuracy of the relative position. The experimental results showed that the estimation accuracy was the highest when the flexion and adduction angles of the shoulder and the flexion angles of the shoulder and elbow were selected as deformation-related variables for the sternum-to-upper arm and upper arm-to-forearm, respectively. Furthermore, the case with multiple deformation-related variables was superior by an average of 2.19 mm compared to the case with a single variable.

• 한국산업정보학회논문지
• /
• 제28권5호
• /
• pp.77-87
• /
• 2023

재생 에너지 생성에서 중요한 역할을 하는 풍력 터빈은 작동 상태를 정확하게 평가하는 것이 에너지 생산을 극대화하고 가동 중지 시간을 최소화하는 데 매우 중요하다. 이 연구는 풍력 터빈 상태 진단을 위한 다양한 신경망 모델의 비교 분석을 수행하고 센서 측정 및 과거 터빈 데이터가 포함된 데이터 세트를 사용하여 효율성을 평가하였다. 분석을 위해 2MW 이중 여자 유도 발전기 기반 풍력 터빈 시스템(모델 HQ2000)에서 수집된 감시 제어 및 데이터 수집 데이터를 활용했다. 활성화함수, 은닉층 등을 고려하여 인공신경망, 장단기기억, 순환신경망 등 다양한 신경망 모델을 구축하였다. 대칭 평균 절대 백분율 오류는 모델의 성능을 평가하는 데 사용되었다. 평가를 바탕으로 풍력 터빈 상태 진단을 위한 신경망 모델의 상대적 효율성에 관한 결론이 도출되었다. 본 연구결과는 풍력발전기의 상태진단을 위한 모델선정의 길잡이가 되며, 고도의 신경망 기반 기법을 통한 신뢰성 및 효율성 향상에 기여하고, 향후 관련연구의 방향을 제시하는데 기여한다.

• 대한물리의학회지
• /
• 제18권4호
• /
• pp.109-119
• /
• 2023

PURPOSE: The definition and scope of biofeedback are broad and lack a clear framework. Therefore, efforts are needed to clearly understand the exact range and definition of biofeedback based on the research and development conducted to date. Thus, the purpose of this study was to arrive at the definition and scope of biofeedback through a literature review and analysis of its application methods. METHODS: This study is a systematic literature review conducted to understand the various types and effects of biofeedback. International databases such as Google Scholar and PubMed were used. Domestic databases utilized for keyword searches included the Research Information Sharing Service (RISS) and the National Digital Science Library (NDSL). Quality assessment of the selected studies in the selection process was done using the Cochrane risk of bias, and the research was analyzed according to the population, intervention, control, and outcomes (PICO) format. RESULTS: Studies conducted between 2019 and 2021 were selected, with 4 papers falling under physiological classifications and 7 under biomechanical classifications. The quality assessment results showed that random sequence generation, allocation concealment, performance bias, and reporting bias were unclear. Detection bias was moderate, and attrition bias and other biases were low. Out of the 11 papers, 9 dealt with physical function outcomes, 5 with daily life activities, and 3 with mental functions. CONCLUSION: Physiological biofeedback tended to influence psychological factors more than physical functions, while biomechanical biofeedback tended to have a positive impact on physical functions.

• 농업과학연구
• /
• 제51권1호
• /
• pp.63-77
• /
• 2024

Yield monitoring systems have become integral to precision agriculture, providing insights into the spatial variability of crop yield and playing an important role in modern harvesting technology. This paper aims to review current research trends in yield monitoring systems, specifically designed for non-grain crops, including cabbages, radishes, potatoes, and tomatoes. A systematic literature survey was conducted to evaluate the performance of various monitoring methods for non-grain crop yields. This study also assesses both mass- and volume-based yield monitoring systems to provide precise evaluations of agricultural productivity. Integrating load cell technology enables precise mass flow rate measurements and cumulative weighing, offering an accurate representation of crop yields, and the incorporation of image-based analysis enhances the overall system accuracy by facilitating volumetric flow rate calculations and refined volume estimations. Mass flow methods, including weighing, force impact, and radiometric approaches, have demonstrated impressive results, with some measurement error levels below 5%. Volume flow methods, including paddle wheel and optical methodologies, yielded error levels below 3%. Signal processing and correction measures also play a crucial role in achieving accurate yield estimations. Moreover, the selection of sensing approach, sensor layout, and mounting significantly influence the performance of monitoring systems for specific crops.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.869-877
• /
• 2018

사막면적은 매년 증가하는 추세이며, 이에 따라 막대한 사회적 피해 비용을 발생시키고 있다. 이러한 사막은 광범위하게 분포하고 사람의 접근이 어려워 인공위성을 이용한 모니터링이 많이 이루어지고 있지만 인공위성의 센서에 따라 산출되는 사막 면적 비교 연구는 미비한 편이다. 센서의 선택에 따라 산출되는 사막 면적은 상이할 수 있고 이에 따라 기후 예측이나 사막화 방지대책 등에 영향을 미칠 수 있어 센서별로 산출되는 사막면적 자료의 특성을 인지하는 것은 중요하다. 본 연구에서는 Moderate Resolution Imaging Spectroradiometer(MODIS)와 Vegetation을 이용해 2001-2013년 동북아시아 지역의 사막 면적을 산출하고 비교 분석하였다. 분석결과, MODIS에서 산출한 사막 면적은 비교적 과소 탐지하는 경향과 $20,911km^2/year$로 감소하는 추세를 보였고 Vegetation에서 산출한 사막 면적은 $3,020km^2/year$로 증가하는 추세를 보였다. 또한 실측자료 확보가 힘든 사막지역에서 인공위성을 이용해 산출된 사막 면적의 간접검증을 위해 사막 면적 변화에 영향을 받는 황사 발생빈도와 상관관계 분석을 실시하였다. 그 결과, MODIS는 R=0.2071로 비교적 낮은 상관관계가 나타났고 Vegetation은 R=0.4837로 비교적 높은 상관관계가 나타났다. 이는 Vegetation이 동북아시아 사막 영역에서 보다 정확한 사막 면적 산출을 수행한 것으로 사료된다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.123-132
• /
• 2013

최근 스마트 폰에 다양한 센서를 내장할 수 있게 되었고 스마트폰에 내장된 센서를 이용항 동작 인지에 관한 연구가 활발히 진행되고 있다. 스마트폰을 이용한 동작 인지는 노인 복지 지원이나 운동량 측정. 생활 패턴 분석, 운동 패턴 분석 등 다양한 분야에 활용될 수 있다. 하지만 스마트 폰에 내장된 센서를 이용하여 동작 인지를 하는 방법은 사용되는 센서의 수에 따라 단일 센서를 이용한 동작인지와 다중 센서를 이용한 동작인지로 나눌 수 있다. 단일 센서를 이용하는 경우 대부분 가속도 센서를 이용하기 때문에 배터리 부담은 줄지만 다양한 동작을 인지할 때에 특징(feature) 추출의 어려움과 동작 인지 정확도가 낮다는 문제점이 있다. 그리고 다중 센서를 이용하는 경우 대부분 가속도 센서와 중력센서를 사용하고 필요에 따라 다른 센서를 추가하여 동작인지를 수행하며 다양한 동작을 보다 높은 정확도로 인지할 수 있지만 다수의 센서를 사용하기 때문에 배터리 부담이 증가한다는 문제점이 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 스마트 폰에 내장된 가속도 센서를 이용하여 다양한 동작을 높은 정확도로 인지하는 방법을 제안한다. 서로 다른 10가지의 동작을 높을 정확도로 인지하기 위해 원시 데이터로부터 17가지 특징을 추출하고 각 동작을 분류하기 위해 Ensemble of Nested Dichotomies 분류기를 사용하였다. Ensemble of Nested Dichotomies 분류기는 다중 클래스 문제를 다수의 이진 분류 문제로 변형하여 다중 클래스 문제를 해결하는 방법으로 서로 다른 Nested Dichotomy 분류기의 분류 결과를 통해 다중 클래스 문제를 해결하는 기법이다. Nested Dichotomy 분류기 학습에는 Random Forest 분류기를 사용하였다. 성능 평가를 위해 Decision Tree, k-Nearest Neighbors, Support Vector Machine과 비교 실험을 한 결과 Ensemble of Nested Dichotomies 분류기를 사용하여 동작 인지를 수행하는 것이 가장 높은 정확도를 보였다.