• 한국통신학회논문지
• /
• 제13권3호
• /
• pp.221-230
• /
• 1988

본 논문에서는 조사점 수가 3단계 조사법의 반 정도이고, 조사단계수는 4로 고정되어 있는 효과적인 블록 정합 알고리즘(BMA)이 제안되었다. 16프레임으로 이루어진 세가지 연속영상들에 대하여 제안된 알고리즘의 성능이 3단계 조사법 및 OTS 성능과 비교되었다. 또한, 계산량을 추가로 감소시키기 위하여 각 BMA에 subsampling이나 가산 투영법을 적용했을 때의 성능도 고찰되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2005년도 춘계학술발표대회
• /
• pp.801-804
• /
• 2005

본 논문에서는 Discrete Wavelet Transform(DWT) 기반의 워터마크 알고리즘을 제안하였다. 제안된 방법은 원 이미지를 4 개의 subimages 로 나누고, DWT 후 한 개의 subimage 의 저주파 영역에 워터마크를 삽입하였다. Subsampling 방법을 사용해 원 이미지 없이 워터마크를 추출하였다. 워터마크는 저주파($LL_2$) 영역에 삽입해 외부의 공격에 강인한 성격을 가지도록 하였고, 화질 열화도 줄일 수 있었다. 잘 알려진 이미지에 대한 실험을 통해 본 논문의 알고리즘의 타당성을 입증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제21권1호
• /
• pp.1-8
• /
• 2016

Convolutional neural network (CNN) consists of a few pairs of both convolution layer and subsampling layer. Thus it has more hidden layers than multi-layer perceptron. With the increased layers, the size of convolution mask ultimately determines the total number of weights in CNN because the mask is shared among input images. It also is an important learning factor which makes or breaks CNN's learning. Therefore, this paper proposes the best method to choose the convolution size and the number of layers for learning CNN successfully. Through our face recognition with vast learning examples, we found that the best size of convolution mask is 5 by 5 and 7 by 7, regardless of the number of layers. In addition, the CNN with two pairs of both convolution and subsampling layer is found to make the best performance as if the multi-layer perceptron having two hidden layers does.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (A)
• /
• pp.508-510
• /
• 2001

동영상을 효율적으로 압축하기 위한 움직임백터 예측에 관한 많은 연구가 진행되어 왔다. 가장 일반적인 FBMA(Full search-based Block Matching Algorithm)는 화질은 좋지만 계량이 많기 때문에 실시간 인코딩을 요구하는 시스템에서 사용하는데 문제가 있다. 좋은 화질을 유지하면서 인코딩 속도를 해결하기 위한 많은 알고리즘들이 제안되어 왔지만 ASIC이나 소형 시스템에서 사용할 수 있는 방법이 계속 요구되고 있다. 본 논문에서는 계산량을 더욱 줄여 속도향상을 위한 방법인 TSWS(Two-Step search With Subsampling method) 제안하였다. TSWS는 블록정합알고리즘에 기반을 두고 있으며, 서브샘플링한 값으로 움직임 벡터를 찾는다. TSWS를 사용하였을 때 기존 방법들이 제공하는 주관적 화질이나 PSNR을 어느 정도 유지하면서도 속도를 20-30% 정도 개선시킬 수 있다.

• 대한전자공학회논문지SD
• /
• 제44권12호
• /
• pp.77-84
• /
• 2007

본 논문에서는 $0.18{\mu}m$ CMOS 공정을 이용하여 서브샘플링 직접변환방식 RF 수신기용을 위한 광대역 저잡음 증폭기를 구현하였다. 인버터-형태의 트랜스임피던스 입력단과 3차의 Chebyshev 매칭네트워크를 사용함으로써, 제안한 광대역 저잡음 증폭기 회로는 5.35GHz의 대역폭, $12\sim18dB$의 전력이득, $6.9\sim10.8dB$의 NF, 대역폭 내에서의 -10dB 이하의 입력 임피던스 매칭과 -24dB 이하의 출력 임피던스 매칭을 얻었다. 제작한 칩은 1.8V 단일 전원전압으로 부터 32.4mW의 전력소모를 가지며, $0.56\times1.0mm^2$의 칩 사이즈를 갖는다.

• Journal of the Korean Statistical Society
• /
• 제32권3호
• /
• pp.213-224
• /
• 2003

We give an overview of results which have appeared or will appear elsewhere demonstrating that by suitably modifying the bootstrap principle, its applicability can be greatly enhanced. Although we state our results for the iid case, extensions are, at least heuristically, easy.

• ETRI Journal
• /
• 제32권2호
• /
• pp.214-221
• /
• 2010

Radio frequency (RF) subsampling can be used by radio receivers to directly down-convert and digitize RF signals. A goal of a cognitive radio/software defined ratio (CR/SDR) receiver design is to place the analog-to-digital converter (ADC) as near the antenna as possible. Based on this, a band-pass sampling (BPS) frontend for CR/SDR is proposed and verified. We present a receiver architecture based second-order BPS and signal processing techniques for a digital RF frontend. This paper is focused on the benefits of the second-order BPS architecture in spectrum sensing over a wide frequency band range and in multiband receiving without modification of the RF hardware. Methods to manipulate the spectra are described, and reconstruction filter designs are provided. On the basis of this concept, second-order BPS frontends for CR/SDR systems are designed and verified using a hardware platform.

• 대한임베디드공학회논문지
• /
• 제11권3호
• /
• pp.163-171
• /
• 2016

Lane detection is a widely researched topic. Although simple road detection is easily achieved by previous methods, lane detection becomes very difficult in several complex cases involving noisy edges. To address this, we use a Convolution neural network (CNN) for image enhancement. CNN is a deep learning method that has been very successfully applied in object detection and recognition. In this paper, we introduce a robust lane detection method based on a CNN combined with random sample consensus (RANSAC) algorithm. Initially, we calculate edges in an image using a hat shaped kernel, then we detect lanes using the CNN combined with the RANSAC. In the training process of the CNN, input data consists of edge images and target data is images that have real white color lanes on an otherwise black background. The CNN structure consists of 8 layers with 3 convolutional layers, 2 subsampling layers and multi-layer perceptron (MLP) of 3 fully-connected layers. Convolutional and subsampling layers are hierarchically arranged to form a deep structure. Our proposed lane detection algorithm successfully eliminates noise lines and was found to perform better than other formal line detection algorithms such as RANSAC

• 대한전자공학회논문지SD
• /
• 제45권11호
• /
• pp.89-94
• /
• 2008

본 논문에서는 서브샘플링 기법을 이용한 직접변환 수신단에 이용할 수 있는 광대역 증폭기와 높은 Q-factor 값을 가지는 대역통과 필터(BPF) 회로를 0.18um CMOS 공정을 이용하여 구현하였다. 광대역 증폭기는 5.4GHz의 대역폭 및 12dB의 파워 이득 특성을 가지며, 대역통과필터는 2.4GHz Bluetooth 규격에서 동작할 수 있도록 설계하였다. RF 신호가 안테나를 통해 광대역 증폭기와 BPF를 통과한 후의 주파수응답 측정결과를 살펴보면, 2.34GHz에서 18.8dB의 파워이득파 31MHz의 대역폭을 갖는다. 이는 대역통과 필터의 Q-factor 값이 75로써 매우 높은 선택도(selectivity) 특성을 나타낸다. 또한, 전체 칩은 8.6dB의 noise-figure 특성과 대역폭 내에서 -12dB 이하의 입력 임피던스 매칭 (S11) 특성을 보이며, 전력소모는 1.8V 단일 전원전압으로부터 64.8mW 이고, 칩 면적은 $1.0{\times}1.0mm2$ 이다.

• 응용통계연구
• /
• 제14권2호
• /
• pp.429-437
• /
• 2001

단순 이단계 표본 추출의 경우에 최적 선택률은 Hansen과 Hurwitz(1949)에 의하여 구하여졌다. 그러나 통계청에서 실시하는 표본조사등은 층화 이단계 추출을 한다. 따라서 실제적인 필요성에 의하여 층화 2단계 표본 설계를 시도 하였다. 층화 이단계 표본추출시에 주어진 비용아래서 모총계의 추정량의 분산을 최소로 하는 최적의 선택확률(optimum selection probability), 표본추출율과 부차 표본추출율을 Lagrangean 승수법에 의하여 구한다.