id
stringlengths 36
57
| type
stringclasses 4
values | title
stringlengths 0
159
| context
stringlengths 121
17.2k
| questions
listlengths 1
584
|
|---|---|---|---|---|
b09eb0bf-a55c-4c90-8936-0c4e88c9f390
|
인공물ED
|
축소 모델을 이용한 수동 루프 송전선 자기장 저감율 분석
|
<h1>IV. 수동 루프 유형별 자기장 저감 분석</h1> <p>수동 루프는 감는 턴 수에 따라 자기장의 저감율이 달라지며 통상 턴 수가 증가하면 저감율은 올라가게 된다. 그러나 무작정 루프의 회선을 증가하기 보다는 실제 적용시에는 케이블의 무게에 따른 장력과 선로 비용 등 경제성을 감안하여 적당한 턴 수를 결정하게 된다. 본 연구에서는 이런 점을 감안하여 저감 효과를 비교할 수 있는 1 턴과 3 턴으로 선정하였으며, 선로의 인가 전류는 그림 1 의 (b) 구성 선로에 흘릴 수 있는 적정 전류인 \( 50 \mathrm{~A} \) 정도로 하였다(표 2 참조). 그리고 수동 루프와 모의 송전 선로의 이격 거리는 전선의 측면과 하부로부터 각각 \( 200 \mathrm{~mm} \)의 이격 거리로 설치하였다.</p> <table border><caption>표 1. EMDEX II 특성</caption> <tbody><tr><td rowspan=2>Specification</td><td>EMDEX II</td></tr><tr><td>Magnetic Field</td></tr><tr><td>Dimension</td><td>\( 16.8 \times 6.6 \times 3.8 \mathrm{~cm} \)</td></tr><tr><td>Weight</td><td>\( 341 \mathrm{~g} \)</td></tr><tr><td>Frequency Range</td><td>\( 40 \sim 800 \mathrm{~Hz} \)</td></tr><tr><td>Measurement Method</td><td>True RMS</td></tr><tr><td>Temperature Range</td><td>\( 0 \sim 60^{\circ} \mathrm{C} \)</td></tr><tr><td>Field Range</td><td>\( 0.1 \sim 3000 \mathrm{mG} \)</td></tr><tr><td>Resolution</td><td>\( 0.1 \mathrm{mG} \)</td></tr><tr><td>Accuracy</td><td>\( \pm 1 \% \)</td></tr><tr><td>Max. Sampling Rate</td><td>\( 1.5 \mathrm{~s} \)</td></tr></tbody></table> <table border><caption>표 2. 축소형 송전 선로 상전류</caption> <tbody><tr><td>상 구분</td><td>#1 회선 전류</td><td>#2 회선 전류</td></tr><tr><td>A상</td><td>\( 51.2 \mathrm{~A} \)</td><td>\( 47.0 \mathrm{~A} \)</td></tr><tr><td>B상</td><td>\( 48.6 \mathrm{~A} \)</td><td>\( 50.4 \mathrm{~A} \)</td></tr><tr><td>C상</td><td>\( 48.0 \mathrm{~A} \)</td><td>\( 51.0 \mathrm{~A} \)</td></tr></tbody></table> <h2>4-1 수직 2회선 선로 수평 수동 루프</h2> <p>시험 장치의 구성은 그림 6과 같으며, 그림 7에는 수직 2회선 선로 수평 수동 루프 1 턴과 3 턴을 비교 분석한 결과률 나타내었다. 표 3은 수동 루프의 임피던스 및 루프에 인가된 유도 전압, 전류치와 선로 중앙에서 측정한 자기장 저감율을 표시한 것이다. 실험 분석 결과 3 턴의 경우가 1 턴에 비해 최대 \( 50 \% \) 이상의 자기장 저감율 향상을 보이는 것으로 확인할 수 있었다. 특히 수직 선로에서 수평 루프는 선로 직하의 근거리 자기장 저감에는 효과적이지만, 선로로부터 일정거리 이상 떨어지면 그 효과가 반감하여 원거리에서는 오히려 자기장이 수동 루프 설치시 보다 높아지는 경향이 있음을 알 수 있었다.</p> <table border><caption>표 3. 수동 루프 턴 수에 따른 자기장 저감</caption> <tbody><tr><td rowspan=2>구분</td><td colspan=2>L00P 선로</td><td colspan=2>전류 인가시</td><td colspan=2>측정치\( (\mathrm{mG}) \)</td><td rowspan=2>저감율</td></tr><tr><td>\( R(\Omega) \)</td><td>\( L \)\( (\mathrm{mH}) \)</td><td>루프 전압\( (\mathrm{V}) \)</td><td>루프 전류\( (\mathrm{A}) \)</td><td>OPEN</td><td>CLOSE</td></tr><tr><td>1 TURN</td><td>0.0083</td><td>0.0257</td><td>0.058</td><td>4.6</td><td>71.6</td><td>54.4</td><td>24\( \% \)</td></tr><tr><td>3 TURN</td><td>0.0249</td><td>0.1593</td><td>0.175</td><td>7.7</td><td>74</td><td>42.8</td><td>42\( \% \)</td></tr></tbody></table> <h2>4-2 수직 2회선 선로 Double 수직 수동 루프</h2> <p>Double 수직 수동 루프의 경우는 수평 루프와는 달리, 선로 직하의 근거리 자기장 및 원거리 자기장 저감에도 수평 수동 루프보다 효과적임을 알 수 있었다. 그러나 2회선 루프를 설치해야 하므로 수평 루프에 비해 설치비가 상승하게 되는 요인이 된다. 시험 구성도는 그림 8과 같으며 그림 9에 1 턴과 3 턴 시 상세 분석 결과를 나타내었다. 그 결과 3 턴의 경우가 1 턴에 비해 \( 50 \% \) 이상 자기장 저감율 효과가 있음을 확인할 수 있었다.</p> <h2>4-3 수직 2회선 선로 One-side 수직 수동 루프</h2> <p>수직 2회선 선로의 한편에만 수직 수동 루프를 설치하여 자기장 저감 효과를 시험하였다. 이 경우는 한쪽편만 자기장 저감이 필요한 경우가 사용될 수 있는 방식으로 실험 구성도는 그림 10과 같다. 여기에서도 3 턴의 경우가 1 턴에 비해 좋은 자기장을 보였으나 루프를 사용하지 않는 쪽에서는 오히려 자기장이 증가하는 패턴을 보인다. 이것은 루프 설치 쪽에서는 상전류에 의한 자속과 수동 루프 전류에 의한 자속이 벡터적으로 상쇄되지만 루프를 설치하지 않은 반대편 선로 쪽에서는 상전류에 의한 자속과 수동 루프 전류에 의한 자속이 벡터적으로 증가하기 때문이며 실제 설치시 주의를 요하는 부분이다.</p> <table border><caption>표 5. 턴 수에 따른 수동 루프 전기적 파라미터</caption> <tbody><tr><td rowspan=2 colspan=2>구분</td><td colspan=2>LOOP 선로</td><td colspan=2>전류 전류 인가시</td></tr><tr><td>\( R(\Omega) \)</td><td>\( L(\mathrm{mH}) \)</td><td>루프전압 \( (\mathrm{V}) \)</td><td>루프전류 \( (\mathrm{A}) \)</td></tr><tr><td>R</td><td rowspan=2>1턴</td><td>0.00818</td><td>0.0247</td><td>0.065</td><td>5.9</td></tr><tr><td>L</td><td></td><td></td><td></td><td></td></tr><tr><td>R</td><td rowspan=2>3 턴</td><td>0.02593</td><td>0.15181</td><td>0.191</td><td>8.7\( \mathrm{A} \)</td></tr><tr><td>L</td><td></td><td></td><td></td><td></td></tr></tbody></table> <h2>4-4 수평 1회선 선로 수동 루프</h2> <p>수평 선로 배열은 주로 배전 선로에서 사용되고 있다. 본 논문에서는 그림 12와 같이 상치를 구성하여 수평 수동 루프 1 턴과 3 턴에 대한 저감 효과 실험을 하였다. 3 턴의 경우가 그림 13과 같이 근거리뿐만 아니라 원거리까지도 좋은 자기장을 보이는 것을 알 수 있었다. 표 6은 수동 루프의 임푀던스 및 루프에 인가된 유도 전압, 전류치와 선로 중앙에서 측정한 자기장를 표시한 것이다.</p> <table border><caption>표 6. 수동 루프 턴 수에 따른 자기장</caption> <tbody><tr><td rowspan=2>구분</td><td colspan=2>LOOP 선로</td><td colspan=2>전류 인가시</td><td colspan=2>측정차\( (\mathrm{mG}) \)</td><td rowspan=2>저감율</td></tr><tr><td>\( R(\Omega) \)</td><td>\( L \)\( (\mathrm{mH}) \)</td><td>루프 전압 \( (\mathrm{V}) \)</td><td>루프 전류 \( (\mathrm{A}) \)</td><td>OPEN</td><td>CLOSE</td></tr><tr><td>l TURN</td><td>0.0078</td><td>0.0245</td><td>0.094</td><td>8.3</td><td>127</td><td>100.2</td><td>21 \( \% \)</td></tr><tr><td>3 TURN</td><td>0.0249</td><td>0.1587</td><td>0.265</td><td>12.4</td><td>120.6</td><td>75.4</td><td>37 \( \% \)</td></tr></tbody></table>
|
[
"수동 루프의 저감률을 높이기 위해 감는 턴 수는 어떻게 관리되나요?",
"본 연구의 실험환경은 어떻게 결정됬나요?",
"어떻게 본 연구의 실험환경이 결정됐지",
"수직 2회선 선로 수평 수동 루프의 시험 장치는 어떻게 구성되나요?",
"그림 7의 시험 결과 분석은 어떻게 진행하나요?",
"1턴에서 최대 \\( 50 \\% \\) 이상의 자기장 저감율 향상을 보이고 싶으면 턴 수 변경을 어떻게 해야하나요?",
"수직 선로에서 조금 떨어진 경우의 자기장 저감은 어떻게 하는 것이 효과적인가요?",
"자기장 저감에 수동 루프 설치가 효과적일려면 자기장이 어떻게 배치되어야하나요?",
"수평 루프는 선로로 부터 멀어지면 자기장 저감효과가 어떻게 되나요?",
"Double 수직 수동 루프는 수평 루프와 달리 어떻게 개선된 효과를 보이나요?",
"Double 수직 수동 루프의 설치비 상승은 어떤 과정으로 생기게 되나요?",
"Double 수직 수동 루프 보다 저렴하게 설치하려면 어떤 방법의 루프를 설치해야하나요?",
"설치비를 고려하지 않고 범용성만 고려한다면 어떻게 설치해야하나요?",
"본 논문의 실험 장치는 어떻게 구성하나요?",
"어떻게 본 논문의 실험 장치가 만들어져",
"3 턴의 경우 자기장 저감 효과는 어떻게 나타나나요?",
"자기장 저감 효과는 3 턴의 경우 어떻게 드러났지",
"수평 선로 배열은 어떻게 사용되고 있나요?",
"어떻게 수평 선로 배열이 이용되고 있나요",
"그림 12처럼 실험 장치를 구성하여 어떻게 실험을 진행하고자하나요?",
"Double 수직 수동 루프의 경우 어떤 방법으로 설치해야하나요?",
"1턴에 비해 3턴의 경우가 자기장 저감률 향상을 보이는 것을 어떻게 확인하나요?",
"수직 2회선 선로 Double 수직 수동 루프는 3턴의 경우가 1턴에 비해 자기장 저감 효과는 어떻게 나타나나요?",
"수동 루프의 자기장 저감률은 어떻게 정해지나요?",
"어떻게 수동 루프의 자기장 저감률이 정해지나요",
"실험 환경에서 설정한 턴 수는 어떻게 결정되었나요?",
"수직 선로 상에서 선로 직하의 근 자기장 저감을 하려면 어떻게 하는게 효과적인가요?",
"수동 루프 파라미터에서 어떤 경우가 루프 서놀에 저항이 더 크게 걸리나요?",
"표5에서 3턴의 경우 루프 선로의 저항 값은 얼마인가요?",
"해당 표에서 측정치가 1턴에 OPEN값은 얼마로 나타나나요?",
"수동 루프 턴 수에 따른 자기장 저감표에서 저감율이 높은 턴수는 무엇인가요?",
"턴 수에 따른 수동 루프 전기적 파라미터표에서 루프 전류 값이 크게 가지는 3턴의 값은 얼마니?",
"해당 표에서 1턴의 루프 전류 값은 얼마인가요?",
"표3에서 측정치의 단위는 어떻게 되나요?",
"표5에서 전류 인가시 루프 전압이 더 낮은 턴 수는 무엇인가요?",
"표 3에서 측정치의 닫힘 값이 42.8이고 저감률이 42\\(\\%\\)에 나온 것을 바탕으로 오픈 값은 몇으로 나오게 되나요?",
"표5에서 1턴의 경우 루프 선로의 저항은 어떻게 걸리나요?",
"수동 루프 턴 수에 따른 자기장 저감에서 3턴의 오픈 측정치는 CLOSE 값으로 바뀌면 몇퍼센트 저감되나요?",
"해당 표에서 루프 전류 값이 더 큰 값을 가지는 턴 값은 얼마인가요?",
"해당 표에서 전류 인가시 3턴의 루프 전압은 어떻게 나타나나요?",
"해당 표 6에서 1턴의 경우 루프 선로에 걸리는 저항값은 얼마인가요?",
"수동 루프 턴 수에 따른 자기장 저감에서 1턴의 오픈 측정치 71.6은 CLOSE 값으로 바뀌면 몇퍼센트 저감되나요?",
"표6에서 루프선로의 L값이 짧은 경우 그 값은 얼마인가요?",
"해당 표에서 1턴의 경우 루프 선로에 L값은 얼마인가요?",
"해당 표5에서 1턴에 전류 인가시 걸리는 루프 전압은 얼마인가요?",
"턴 수에 따른 수동 루프 전기적 파라미터 표에서 1턴에 걸리는 루프 전류 값은 얼마인가요?",
"해당 표 6에서 루프 선로의 저항 값이 더 작게 걸리는 턴 수는 무엇인가요?",
"수동 루프 턴 수에 따른 자기장의 표에서 루프 선로의 L 값이 더 작은 경우의 턴 값은 얼마인가요?",
"해당 표에서 전류 인가시 1턴에 적용되는 루프 전압은 얼마인가요?",
"1턴일 때 측정치가 OPEN이 127 CLOSE가 100.2이면 저감율은 몇 퍼센트인가요?",
"해당 표에서 루프 선로의 L의 값이 큰 경우 그 값은 얼마니?",
"표에서 전류 인가시 루프 전류 값이 작은 경우 그 값은 얼마인가요?",
"수동 루프 턴 수에 따른 자기장표에서 1턴의 경우 측정치가 OPEN일때, 얼마를 가지나요?",
"해당 표에서 EMEDX II의 무게는 얼마인가요?",
"해당 표 1에서 제품의 Dimension 값은 얼마인가요?",
"해당 표의 파라미터에서 측정 방법은 무엇으로 되어있나요?",
"해당 EMDEX의 최데 샘플링 Rate는 몇 초인가요?",
"축소형 송전 선로 상전류 표에서 A상일때 #1 회선 전류 값은 얼마인가요?",
"해당 표에서 B상에서 낮은 상전류 값은 얼마인가요?",
"표3에서 턴 수의 구분은 1과 몇으로 하나요?",
"해당 표의 제품이 가지는 정확도는 얼마로 나타나나요?",
"표3에서 3턴의 경우 LOOP선로의 L값은 어떻게 되나요?",
"해당 표에서 상전류가 값이 가장 높은 경우의 회선 전류는 어떤 방식인가요?",
"표3에서 1턴의 루프 선로의 L값은 어떻게 되나요?",
"해당 표에서 전류인가시 루프 전압이 더 낮은 경우 몇 턴인가요?",
"LOOP선로의 L의 단위 값은 어떻게 되나요?",
"해당 표에서 루프선로의 저하값이 큰 경우 턴은 어떤 값을 가지나요?",
"해당 표에서 1턴인 경우 측정치\\( (\\mathrm{mG}) \\)의 CLOSE값은 얼마인가요?",
"해당 표에서 B상의 #2 회선 전류가 가지는 상전류는 얼마인가요?",
"해당 표에서 C상의 상 전류가 높게 나오는 회선 전류는 무엇인가요?",
"해당 표에서 LOOP 선로의 저항 값이 1턴일때 얼마로 가지게되나요?",
"해당 표에서 3 TURN인 경우 전류 인가시 루프 전압은 얼마를 가지나요?",
"해당 표에서 3턴의 저감율은 몇 퍼센트인가요?",
"해당 표6에서 3턴인 경우 LOOP선로의 L값은 얼마인가요?",
"3턴에서 이에 전류 인가시 루프 전류 값은 얼마를 가지나요?",
"표 6. 수동 루프 턴 수에 따른 자기장에서 측정치의 저감률이 가장 높은 경우 몇 턴을 가지나요?",
"해당 표에서 3턴의 측정치의 CLOSE값은 얼마인가요?"
] |
4defc98b-98a8-43df-84bb-4283bdd793cb
|
인공물ED
|
VCA(Voice Coil Actuator) 구동 평형저울에서 VCA 자기 감쇠 특성이측정 속도에 미치는 영향
|
<h1>3. VCA 구동 지렛대 평형제어 모델링</h1><p>VCA는 저울에 츠정물을 올렸을 때 생기는 지렛대 처짐을 평형(Balancing) 상태로 원상회복시키는 데 필요한 힘을 생성하는 핵심장치로서 VCA 전기적 특성이 측정 성능에 큰 영향을 미친다.</p><h2>3.1 VCA 구조</h2><p>VCA 의 구조는 Fig. 3처럼 외벽에 자석이 놓여 있고, 가운데 코일이 감긴 보빈(bobbin)이 아래 위로 자유롭게 이동할 수 있게 되어 있다.</p><h2>3.2 VCA 구동 회로 모델링</h2><p>VCA의 등가 구동 회로는 Fig. 4 와 같고, 이 회로의 전압 식은 식(6)처럼 표현된다</p><p>\( V=(R+r) i+L \frac{d i}{d t}+k_{b} \cdot \dot{x} \)<caption>(6)</caption></p><p>여기서, \( \mathrm{r} \) 은 전류 측정용 저항 센서이고, \( k_{b} \dot{x} \) 는 역기전력으로 보빈의 속도에 비례하고, 커질수록 코일에 흘리는 전류를 작게한다. VCA 의 전기적 사양은 \( \mathrm{L}=0.0245 \mathrm{H}, \mathrm{R}=28.9 \mathrm{ohm}, \mathrm{k}_{\mathrm{b}} \)</p><h2>3.3 로렌츠 힘 \( \left(\mathrm{F}_{\mathrm{vCA}}\right) \)-전류(i) 모델링</h2><p>자기장(B) 속에 놓여 있는 보빈 코일에 전류가 흐르면 전자기 유도에 의헤 로렌츠(Lorentz) 힘이 식(7)처럼 발생하고, 이 힘이 지렛대에 연결된 보빈에 작용허여 지렛대의 처짐을 보상한다.</p><p>\( F_{V C A}=k_{f} i \)<caption>(7)</caption></p><p>일반적으로 \( \mathrm{k}_{\mathrm{r}}=\mathrm{k}_{\mathrm{b}} \) 로 알려져 있으며 선행연구에서 \( \mathrm{k}_{1}=28.5 \mathrm{~N} / \)\( \mathrm{A} \) 인 것을 확인하였다.</p><p>식(6), (7)을 라플라스 변환하면 각각 식(8), (9)가 된다.</p><p>\( V(s)-k_{b} \cdot s x(s)=(R+r+L \cdot s) I(s) \)<caption>(8)</caption></p><p>\( F_{V C A}=K_{f} I(s) \)<caption>(9)</caption></p><h2>3.4 지렛대 평형 제어를 위한 PID 알고리즘 모델</h2><p>Fig. 1에서 측정 물체가 저울대에 놓이면 힌지가 미세 변형을 하고, 그 미세 변형이 지렛대 기구에 의헤 증폭 \( \left(\mathrm{L}_{2} / \mathrm{L}_{1}\right) \) 되어 변위(x) 가 레이저 센서로 측정된다. 이 변위를 0 로 만드는데 필요한 힘을 생성하기 위해 식(10)과 같은 PID 제어 알고리즘이 작동하는데, VCA 구동 회로의 전압(V) 은 목표 값(0) 과 변위(x)의 차이(e)를 기반으로 산출된다. PID 이득은 시스템 모델의 변수가 정의되면 최적화된 값으로 설정할 수 있다.</p><p>\( V(t)=K_{p} e(t)+K_{i} \int_{0} e(t) d t+K_{d} \frac{d e}{d t} \)<caption>(10)</caption></p>
|
[
"로렌츠(Lorentz) 힘이 지렛대에 연결된 보빈에 작용해서 지렛대의 처짐을 보상하지?",
"저울에 측정물을 올렸을 때 생기는 지렛대 처짐을 평형(Balancing) 상태로 원상 회복시키는 데 필요한 힘을 생성하는 핵심장치는 무엇인가?",
"VCA 전기적 특성이 영향을 미치는 것은?",
"VCA 의 구조는 Fig. 3처럼 외벽에 자석이 놓여 있고, 가운데 코일이 감긴 보빈(bobbin)이 아래 위로 자유롭게 이동할 수 있게 되어 있지?",
"VCA 의 구조는 Fig. 3처럼 외벽에 자석이 놓여 있고 그 가운데에 아래 위로 자유롭게 이동할 수 있게 되어 있는 것이 무엇이야?",
"VCA의 등가 구동 회로는 무엇과 같은가?",
"\\( k_{b} \\dot{x} \\) 는 역기전력으로 보빈의 속도에 반비례하지?",
"자기장(B) 속에 놓여 있는 보빈 코일에 무엇이 흐르면 전자기 유도에 의헤 로렌츠(Lorentz) 힘이 식(7)처럼 발생하는가?",
"자기장(B) 속에 놓여 있는 보빈 코일에 전류가 흐르면 무엇에 의헤 로렌츠(Lorentz) 힘이 식(7)처럼 발생하는거야?",
"자기장(B) 속에 놓여 있는 보빈 코일에 전류가 흐르면 전자기 유도에 의헤 어떤 힘이 식(7)처럼 발생하는가?",
"일반적으로 \\( \\mathrm{k}_{\\mathrm{r}}=\\mathrm{k}_{\\mathrm{b}} \\) 로 알려져 있고 선행연구에서 \\( \\mathrm{k}_{1}=30.5 \\mathrm{~N} / \\)\\( \\mathrm{A} \\) 인 것을 확인했지?",
"Fig. 1에서 측정 물체가 저울대에 놓이면 힌지는 어떤 변형을 하는가?",
"Fig. 1에서 측정 물체가 저울대에 놓이면 힌지가 미세 변형을 하는데, 그 미세 변형이 지렛대 기구에 의헤 증폭 \\( \\left(\\mathrm{L}_{2} / \\mathrm{L}_{1}\\right) \\) 되어 변위(x) 가 무엇으로 측정되는가?",
"이 변위를 0 로 만드는데 필요한 힘을 생성하기 위해 식(10)과 같은 무엇이 작동하는가?",
"무엇은 시스템 모델의 변수가 정의되면 최적화된 값으로 설정할 수 있어?",
"PID 이득은 시스템 모델의 무엇 정의되면 최적화된 값으로 설정할 수 있나?",
"\\( V=(R+r) i+L \\frac{d i}{d t}+k_{b} \\cdot \\dot{x} \\)<caption>(6)</caption></p><p>여기서, \\( \\mathrm{r} \\) 은 무엇인가?",
"\\( k_{b} \\dot{x} \\) 는 역기전력으로 보빈의 속도에 비례하고, 커질수록 코일에 흘리는 전류를 어떻게 하는가?"
] |
02e613c1-d88c-4479-a45b-9d24e60b46f4
|
인공물ED
|
VCA(Voice Coil Actuator) 구동 평형저울에서 VCA 자기 감쇠 특성이측정 속도에 미치는 영향
|
<h1>2. 시스템 모델링</h1><h2>2.1 VCA 보정 평형저울의 구조</h2><p>Fig. 1은 보이스코일구동기(VCA, Voice Coil Actuator) 보정평형저울의 대략적인 구조를 나타낸다. 이 시스템은 물체를 오른쪽 저울대에 올렸을 때 변형하는 힌지와 이 변형랑을 증폭하는 지렛대로 구성된 기계 모듈과 변형을 보정하여 평형상태로 되돌리려는 구동기 모듈로 구성된다.</p><h2>2.2 지렛대 운동 모델링</h2><p>VCA 보정 평형저울의 동적 특성을 조사하기 위해 m,c,k 의 적 모델로 도시하면 Fig. 2 와 같다. 힌지는 스프링(k)으로,VCA 의 보정력과 자기 감쇠(magnetic damping)를 각각 \( \mathrm{F}_{\mathrm{vCA}}, \mathrm{c} \)로, 물체는 \( \mathrm{m} \)으로, 컨베이어 질량은 \( \mathrm{M}_{c} \) 로 표현한다. \( \mathrm{M}_{0} \)는 저울의 초기 평형을 위한 대응(counter) 질량이다. \( \mathrm{x} \)는 VCA 위치점 \( \left(\mathrm{L}_{2}\right) \) 에서 수직 변위로 레이저 변위 센서로 측정된다. 물체와 컨베이어 위치점 \( \left(\mathrm{L}_{1}\right) \)에서 변위는 \( \mathrm{y} \)이다. 측정 물체 \( (\mathrm{m}) \)가 저울대 (weighing pan)에 놓이면 지렛대가 회전하고, VCA를 이용해서 이를 보상하려는 평형 제어(balancing control)가시작된다. Fig.2(a)의 자유물체도에 따라 외력 모멘트 \( \mathrm{M}_{\mathrm{P}} \) 와 지렛대 관성모멘트 \( \mathrm{I} \) 는 각각 식(1), 식(2)와 같다.</p><p>\( M_{p}=m g \cdot L_{1}-\left(c \dot{x}+F_{V C A}\right) L_{2}-k y \cdot L_{1} \)<caption>(1)</caption></p><p>\( \mathrm{I}=\left(m+M_{c}\right) L_{1}^{2}+M_{0} \cdot L_{2}^{2} \)<caption>(2)</caption></p><p>\( \mathrm{M}_{\mathrm{P}} \) 와 \( \mathrm{I} \)를 지렛대의 회전운동식 \( M_{P}=I \cdot \ddot{\theta} \)에 대입하면 식(3)이 된다.</p><p>\( -\left(c \dot{x}+F_{V C A}\right) L_{2}-k y \cdot L_{1}+m g L_{1}=\left\{\left(m+M_{c}\right) L_{1}^{2}+M_{0} \cdot L_{2}^{2}\right\} \ddot{\theta} \)<caption>(3)</caption></p><p>회전 변형이 아주 작기 \( (f \circ r \theta \ll 1) \) 때문에 \( x=L_{2} \sin \theta \approx L_{2} \theta \) 이고 \( y=\frac{L_{1}}{L_{2}} \cdot x \) 식(3)은 식(4)의 직선운동식으로 변환되고, Fig. 2(b) 처럼 단순화 된다.</p><p>\( M_{e} \cdot \ddot{x}+c \dot{x}+k_{e}=m g \frac{L_{1}}{L_{2}}+F_{V C A} \)<caption>(4)</caption></p><p>여기서, 등가질랑과 등가강성은각각 \( M_{e}=\left\{\left(m+M_{C}\right)\left(\frac{L_{1}}{L_{2}}\right)^{2}+M_{0}\right\} \), \( k_{e}=k\left(\frac{L_{1}}{L_{2}}\right)^{2} \) 이다.</p><p>식(4)를 라플라스 변환하면 식(5)가 된다.</p><p>\( \left(M_{e} s^{2}+c s+k_{e}\right) x(s)=m g \frac{L_{1}}{L_{2}}+F_{V C A} \)<caption>(5)</caption></p>
|
[
"측정 물체 \\( (\\mathrm{m}) \\)가 저울대 (weighing pan)에 놓이면 지렛대는 어떻게 돼?",
"식(4)를 어떤 변환을 할 때 식(5)가 되는가?",
"VCA의 뜻은 Voice Coil Air conditional 이니?",
"VCA 정적 특성을 알아보려면 m,c,k 의 적 모델로 도시하면 Fig. 2 와 같은거지?",
"\\( \\mathrm{x} \\)는 VCA 위치점 \\( \\left(\\mathrm{L}_{3}\\right) \\) 에서 측정되는가?",
"\\( \\left(\\mathrm{L}_{2}\\right) \\)는 컨베이어 위치점인가?",
"측정물체가 저울대에 놓이면 무엇이 회전하게 되는가?",
"\\( \\mathrm{M}_{\\mathrm{P}} \\) 와 \\( \\mathrm{I} \\)는 식 1,2와 같으려면 무엇에 따라야 하는가?",
"\\( (f \\circ r \\theta \\ll 1) \\)을 보게되면 회전 변형이 아주 큼을 알 수 있는가?",
"\\( M_{e}=\\left\\{\\left(m+M_{C}\\right)\\left(\\frac{L_{1}}{L_{2}}\\right)^{2}+M_{0}\\right\\} \\), \\( k_{e}=k\\left(\\frac{L_{1}}{L_{2}}\\right)^{2} \\) 식을 통해서 등가질량과 등가강성을 알 수 있는 것이지?",
"식 4가 \\( \\left(M_{e} s^{2}+c s+k_{e}\\right) x(s)=m g \\frac{L_{1}}{L_{2}}+F_{V C A} \\)<caption>(5)</caption>되기 위해서는 어떠한 변환이 필요한가?",
"식 4가 \\( \\left(M_{e} s^{2}+c s+k_{e}\\right) x(s)=m g \\frac{L_{1}}{L_{2}}+F_{V C A} \\)<caption>(5)</caption>되기 위해서는 무슨 변환이 필요해?",
"보이스코일구동기의 약자는 뭐야?",
"\\( M_{P}=I \\cdot \\ddot{\\theta} \\)이 나타내는 것은 지렛대의 회전운동식인가?",
"Fig. 1이 나타내는 것은 보이스코일구동기 보정평형저울의 어떠한 구조를 보여주는가?",
"\\( \\left(M_{e} s^{3}+c s+k_{e}\\right) x(s)=m g \\frac{L_{2}}{L_{5}}+F_{V C A} \\)<caption>(3) 의 식은 성립하는가?",
"\\( \\left(M_{e} s^{3}+c s+k_{e}\\right) x(s)=m g \\frac{L_{2}}{L_{5}}+F_{V C A} \\)<caption>(3) 의 식은 성립해?"
] |
45667ddf-a2a7-4ba8-ab89-94b751161fa2
|
인공물ED
|
VCA(Voice Coil Actuator) 구동 평형저울에서 VCA 자기 감쇠 특성이측정 속도에 미치는 영향
|
<h1>5. 결 론</h1><p>VCA 구동 평형 저울의 제어시스템 모델을 Simulink 프로그램으로 작성하여 측정 성능을 분석하였으며 이를 통해 얻은 결과는 다음과 같다.</p><p>1) VCA 의 보빈 운동에 의한 역기전력은 코일 전류 흐름을 늦추고 로렌츠 힘의 생성 속도도 늦추어 평형 저울의 평형 복귀 속도를 떨어뜨린다. 정밀한 해석을 위해서 그 영향을 고려하여야 한다.</p><p>2) 평형 점에 도달하는 변위의 거동보다 평형 제어에 사용되는 전류의 거동이 빨라 전류 변화를 감시하면 측정 속도를 높일 수 있다.</p><p>3) 현 장치로 0.1 초에 1 회 측정이 가능하지반 VCA 의 자기감쇠계수를 작아지도록 보빈을 설계하면 측정시간을 더 줄일 수 있다. 단, 측정정밀도를 고려하면 평형점 도단시간이 늦어지므로 측정 속도는 늦어질 것이다.</p>
|
[
"현 장치로 0.1 초에 1 회 측정이 가능하지반 VCA 의 무엇을 작아지도록 보빈을 설계하면 측정시간을 더 줄일 수 있는가?",
"VCA 구동 평형 저울의 제어시스템 모델을 Simulink 프로그램으로 작성하여 측정 성능을 어떻게 하였는가?",
"VCA 구동 평형 저울의 제어시스템 모델을 어떤 프로그램으로 작성했어?",
"VCA 의 보빈 운동에 의한 이 것은 코일 전류 흐름을 늦추는데 이 것은 무엇인가?",
"VCA 의 보빈 운동에 의한 역기전력은 평형 저울의 평형 복귀 속도를 떨어뜨리는가?",
"평형 점에 도달하는 변위의 거동보다 평형 제어에 사용되는 전류의 거동이 빨라 전류 변화를 감시하면 어떤 속도를 높일 수 있는가?",
"VCA 구동 평형 저울의 어떤 모델을 Simulink 프로그램으로 작성하여 측정 성능을 분석했어?.",
"현 장치로 0.1 초에 1 회 측정이 가능하지반 VCA 의 자기감쇠계수를 작아지도록 보빈을 설계하면 측정시간을 더 줄일 수 있는가?",
"측정정밀도를 고려하면 평형점 도단시간이 늦어지므로 측정 속도는 빨라지는가?",
"VCA 의 보빈 운동에 의한 역기전력은 코일 전류 흐름을 늦추고 무엇의 생성 속도도 늦추는가?",
"평형 점에 도달하는 변위의 거동보다 평형 제어에 사용되는 무엇의 거동이 더 빠른가?",
"평형 점에 도달하는 변위의 거동보다 평형 제어에 사용되는 전류의 거동이 빨라 전류 변화를 감시하면 측정 속도를 높일 수 있는가?"
] |
47652718-1a0b-44d6-9adf-c1d5b25322c5
|
인공물ED
|
VCA(Voice Coil Actuator) 구동 평형저울에서 VCA 자기 감쇠 특성이측정 속도에 미치는 영향
|
<h1>1. 서 론</h1><p>무게 측정 기술은 자동화 및 표준화 기술의 진보에 따라 정밀도와 속도가 계속 항상되어 왔다. 원리 측면에서 일반적으로 두가지 - 처짐(deflection)과 평형(balancing) - 방식이 있는데 이 중 평형식은 속도는 늦지만 정밀도가 우수하다고 알려져 있다. 최근 식품, 제약, 전자 등의 산업에서 부품과 무게가 작아지면서 측정 분해능이 작은 평형식 측정이 요구되고 있다. 나아가 이들 부품을 컨베이이로 이동하는 도중에 중랑을 검사하는 중량선별기(checkweigher) 가 많이 보급되면서 측정 속도를 높여야 할 필요성이 커젔다.</p><p>VCA(Voice Coil Actuator) 제어 평형식 저울은 측정물의 무게와 같은 크기의 진자기력 - 로렌츠힘 - 을 발생시켜 평형이 됐을 때의 진자기력을 무게로 추정하는 방식이다. VCA 는 고속으로 직선 구동이 가능하여 빠른 응답이 필요한 곳에 주로 사용되고 있다. 전자기력이 진류에 비례하기 때문에 VCA에 흐르는 진류를 제어함으로써 진자기력을 조절할 수 있어 평형 제어를 빠르게 할 수 있는 장점이 있다. 그러나 VCA에는 자석과 코일이 상호작용을 하여 전자기력을 일으켜 구동력으로 이용하지만, 코일로 둘러싸인 보빈(bobbin)이 움직이면서 생긴 와진류(eddy current)가 자석과 상호작용하여 힘 -자기감쇠력- 을 생성하여 운동을 방해하기도 한다. 이 자기 감쇠(magnetic damping)는 보빈의 형상과 재료, 자석의 자속 밀도와 밀접하게 관련이 있다.</p><p>본 연구에서는 VCA 제어 평형 저울의 시스템 모텔링을 바탕으로 VCA의 역기전력이 측정 속도에 어떤 영항을 미치는지, 또 자기감쇠계수가 측정 속도에 어떤 영향을 미치는지 실험데이터와 시뮬레이선 데이터를 비교 분석하고, 자기감쇠계수의 최적 값을 제시하여 차후 VCA의 보빈과 자석 설계에 도움을 주고자 한다.</p>
|
[
"자동화 및 표준화 기술의 진보에 따라 무게 측정 기술의 어떤 부분이 향상되었는가?",
"무게 측정 기술의 원리 측면에서 일반적인 두가지 방식은 무엇인가?",
"최근 식품, 제약, 전자 등의 산업에서 부품과 무게가 작아지면서 어떤 무게 측정 기술 방식이 더 선호되고 있는가?",
"무게 측정 기술 중 어떤 방식이 속도는 늦지만 정밀도가 우수하다고 알려져 있는가?",
"부품을 컨베이이로 이동하는 도중에 중랑을 검사하는 측정기를 무엇이라 하는가?",
"측정물의 무게와 같은 크기의 진자기력 - 로렌츠힘 - 을 발생시켜 평형이 됐을 때의 진자기력을 무게로 추정하는 방식의 저울을 무엇이라 하는가?",
"부품을 컨베이이로 이동하는 도중에 중랑을 검사하는 중량선별기(checkweigher) 가 많이 보급되면서 어떤 특성이 중요한 요소가 되었는가?",
"측정물의 무게와 같은 크기의 전자기력을 무엇이라 하는가?",
"고속으로 직선 구동이 가능하여 빠른 응답이 필요한 곳에 주로 사용되는 저울은 무엇인가?",
"전자기력이 전류에 비례하는가?",
"VCA에는 자석과 코일은 어떤 역할을 하는가?",
"VCA에는 코일로 둘러싸인 보빈(bobbin)이 움직이면서 생긴 와진류(eddy current)가 자석과 상호작용하여 힘을 무엇이라 하는가?",
"자기감쇠력에 영향을 주는 요소에는 어떻것이 있는가?",
"본 연구에서 제안하는 저울은 무엇인가?"
] |
c495e36c-bb1b-4075-a12e-c8d7810108ca
|
인공물ED
|
HVDC 시스템의 제어 게인에 대한 분석 및 정정
|
<h1>2. 사고 원인 분석</h1> <h2>2.1 사고 발생 과정</h2> <p>그림 1 (a)는 Bus-Tie절체 시에 기록된 고장파형기록이며, 그림 1 (b)는 고장에 의해 발생된 케이블의 모습을 보여주고 있다. 그림 1 (a)에 대한 설명은 다음과 같다.</p> <ul> <li>\( 154[\mathrm{KV}](1 \) 번, 2 번, 3번 파형)계통전압이 정상적으로 유지되다가 Bus Tie를 절체 하는 순간에 전압의 주파 수와 크기가 바뀌었다. (고장 지속기간 3[Cycle]) 그리 고, 3 [Cycle] 고장 지속 후 \( 154[\mathrm{KV}] \) 계통전압이 정상을 유지하는 것을 보여준다.</li> <li>-11 [Cycle] 동안 DC 과전압 동요(13번: 13 번 라인의 기준이 \( \mathrm{O}[\mathrm{V}] \) 이기 때문에 12 번 라인에서 DC 전압이 유 지되고 있음)와 AC 과전류(4번부터 12 번)가 발생하고 있다. 이때 동요를 일으키는 DC 전압은 \( +265[\mathrm{KV}] \) 에서 \( -300[\mathrm{KV}] \) 로 기록되고 있었다. 그리고 11[Cycle] 후에 DC 전압이 \( \mathrm{O}[\mathrm{V}] \) 를 기록하는 지점이 DC 케이블이 절연 파괴를 일으킨 순간을 나타내고 있다.</li></ul> <h2>2.2 사고 원인 분석</h2> <p>일반적으로 DC 케이블이 과전압에 의해서 손상되는 원인은 다음과 같다.</p> <p>1) HVDC시스템의 Re-energizing 이나 블로킹 또는 밸브 쪽에서 지락사고가 발생하는 경우</p> <p>2) AC 계통 측에서 유입된 고조파와 HVDC 제어기가 공진을 일으켜서 고조파 과전압이 원인이 되는 경우</p> <p>3) HVDC 시스템 자체에 의한 과전압으로써 반복적인 점호실패나 정류실패가 일어나는 경우</p> <p>4) 낙뢰나 스위칭 써지와 같이 외부원인에 의한 것으로 Fast Transient 과전압이 발생한다.</p> <p>이중에서 1)번과 2)번 항의 원인은 최종적으로 3)항에서 설명하는 정류실패나 점호실패를 유발하기 때문에 HVDC시스템의 제어기는 정류실패와 점호실패에 대한 대책을 가지고 있다.</p> <h2>2.3 시뮬레이션 검토</h2> <p>그림 2 는 그림 1 상황을 모의하기 위해서 만든 AC 등가회로로써 AC 파형 왜곡을 만들어 주기 위해서 A 버스와 B 버스, 그리고 각 버스에 존재하는 콘덴서와 저항 그리고 인덕턴스가지고 있다. 그리고 그림 3과 그림 4 는 HVDC 시스템의 실제 제어기를 가능한 한 축약하여 보여준 것으로 시뮬레이션에서 사용한 모델은 그림 3과 4보다 더 정밀하게 모델링된 제어기가 사용되었다.</p> <table border><caption>표 1 AC 계통 임피던스와 단락용량 (SCR : Short Circuit Ratio)</caption> <tbody><tr><td>혜남 AC 계통의 저항(R)</td><td>0.00657[p.u]</td></tr><tr><td>해남 AC 계통의 리액티브(X)</td><td>0.04653[p.u]</td></tr><tr><td>제주 AC 계통의 저항(R)</td><td>0.0384[p.u]</td></tr><tr><td>제주 AC 계통의 리액티브(X)</td><td>0.16174Ip.u]</td></tr><tr><td>해남 AC 계통 SCR</td><td>14.18762 \(\angle\)-81.96</td></tr><tr><td>제주 AC 계통 SCR</td><td>4.0102 \(\angle\)-76.64</td></tr></tbody></table>
|
[
"4.0102 \\(\\angle\\)-76.64의 수치는 어떤 SCR이 가지고 있을까?",
"저항(R) 항목 중에 값이 더 큰 것은 어떤 항목이야?",
"해남 AC 계통의 리액티브(X)는 어떤 값을 가지고 있어?",
"0.0384[p.u] 값을 가진 항목은 어떤 거야?",
"리액티브(X) 항목 중에 어떤 항목이 값이 더 적나?",
"해남 AC 계통 SCR의 값은 얼마지?"
] |
359713d0-ec72-4898-b68a-ff2a8716006a
|
인공물ED
|
적응형 바이어스 조절 회로를 사용한 무선에너지 전송용 고효율 전력증폭기
|
<h1>II. 본 론</h1><h2>1. Switch-mode Power Amplifier</h2><p>스위치모드 전력증폭기 방법에서 가장 중요한 것이 트랜지스터를 포화영역에서 동작시키는 것이다. 그래서 전압 또는 전류가 "ON" 또는 "OFF" 전환되는 것이다. 다시 말해서 스위치모드 전력증폭기에서 트랜지스터가 이상적인 스위치로 동작하는 것이다. 트랜지스터의 전력소모를 최소화하기 위해서 전압과 전류의 파형이 가능한 겹치지 않도록 하는 것이 중요하다. 전력증폭기의 고효율 특성은 트랜지스터가 "ON" 그리고 "OFF" 상태를 스위칭하는 것을 통해 얻어질 수 있다. 그림 1은 스위치모드 전력증폭기의 블록도를 간단하게 나타낸 것이다.</p><h2>2. Class-E Power Amplifier</h2><p>Sokal이 처음 제시한 Class-E 전력증폭기는 이론적으로 \( 100 \% \) 의 전력 효율 특성을 갖는 전력증폭기이나 실험적으로는 기생성분들로 인해 효율이 감소한다. 그렇지만 Class-E 전력증폭기는 다른 Class에 비해 높은 효율로 인해 적은 열방출 특성을 가지고 있다. 같은 주파수, 같은 출력 전력에서 동일한 트랜지스터를 이용한 Class-E 전력증폭기는 일반적인 Class-B 혹은 Class-C 전력증폭기에 비해 2-3배 작은 전력 손실 특성을 갖고 동작한다. 또한 다른 스위치모드 전력증폭기 구조 보다 간단한 구조를 갖는다. Resonator는 L과 C로 구성이 되며 그림 2 는 Class-E 전력증폭기의 회로와 이상적인 트랜지스터의 전압 및 전류 파형을 나타낸다. 트랜지스터의 전력 소모를 최소화하기 위해 트랜지스터의 전압과 전류 파형이 겹치지 않도록 해야 하며, 이는 트랜지스터를 ON/OFF 시킴으로써 전력증폭기의 고효율 특성을 얻게 된다.</p><h1>III. 설계 및 구현</h1><h2>1. 적응형 바이어스 조절회로 설계</h2><p>전력증폭기 동작 범위가 넓어지면서 최대 출력에서의 효율 보다 전체 동작범위에서의 효율이 더 중요해지고 있다. 그러므로 이번 연구에서는 최대 출력에서의 효율을 포함한 낮은 출력에서의 효율을 높이기 위해 바이어스 조절 회로를 설계하였다.</p><p>쇼트키 다이어오드 검출기는 RF Power Detector나 포락선 검출기로 사용되어지며 좋은 선형 특성과 안정성을 가져야 한다. Power Detector로는 LTC5507을 사용했고 RF Power Detector 회로는 입력전력에 따라 게이트 바이어스를 조절할 수 있도록 설계하였다.</p><table border><caption>표 1. 입력전력에 따른 전력 검출 범위</caption><tbody><tr><td>Input power</td><td>0\(\sim\)10(\(\mathrm{dBm}\))</td></tr><tr><td>Coupler</td><td>-20\(\sim\)-10(\(\mathrm{dBm}\))</td></tr><tr><td>Power Detector</td><td>0.25\(\sim\)0.45(\(\mathrm{V}\))</td></tr><tr><td>Shaping circuit</td><td>4\(\sim\)5(\(\mathrm{V}\))</td></tr></tbody></table><h2>2. Class-E 전력증폭기 설계</h2><p>그림 4는 구동 증폭 단과 Class-E 전력 증폭 단으로 구성된 이단 Class-E 전력증폭기 회로도이다. 고이득 특성을 위하여 구동 증폭기를 이용한 이단 구조를 적용하였고, 고효율 특성을 위하여 Class-E 전력 증폭 구조를 적용하였다.</p><p>전력 증폭 단의 게이트 전압과 드레인 전압은 각각\( 4.4 \mathrm{~V} \) 와 \( 27 \mathrm{~V} \) 이다. 이단 Class-E 전력증폭기는 \( 13.56 \mathrm{MHz} \) 에서 \( 40 \mathrm{dBm} \) 의 출력 전력과 \( 76 \% \) 의 전력 효율을 갖는다.</p><h2>3. 적응형 바이어스 조절회로를 이용한 고효율 전력 증폭기 설계</h2><p>본 논문에서 구현된 \( 13.56 \mathrm{MHz} \) 의 동작 주파수와 10\( \mathrm{dBm} \) 의 입력 전력에서 약 \( 10 \mathrm{~W} \) 의 출력 전력과 \( 76 \% \) 의 전력 효율 특성을 갖는 고효율 이단 Class-E 전력증폭기와 \( 13.56 \mathrm{MHz} \) 의 출력 주파수에서 입력 전력에 따라 전력증폭기의 게이트 바이어스를 조절하여 낮은 입력 전력에서 상대적으로 높은 효율을 갖도록 설계하였다. 최대 출력 \( 40 \mathrm{dBm} \) 에서 \( 76 \% \) 의 효율을 갖지만 입력 전력 \( 3 \mathrm{dBm} \) 에서 \( 8 \mathrm{dBm} \) 까지는 바이어스를 조절하여 출력전력을 높게 하여 고정된 바이어스의 효율 보다 높은 효율을 갖는다.</p>
|
[
"트랜지스터의 전력소모를 최소화하기 위해서 어떻게 해야 하는가?",
"어떻게 하면 트랜지스터의 전력소모를 최소화할 수 있을까?",
"전력증폭기의 고효율 특성은 어떻게 얻을 수 있나요?",
"그림 4의 이단 Class-E 전력증폭기 회로도에서 고이득 특성을 얻기 위해 어떤 방법을 적용했는가?",
"Resonator는 어떻게 구성되는가?",
"그림 4의 이단 Class-E 전력증폭기 회로도에서 고효율 특성을 얻기 위해 어떤 방법을 적용했는가?",
"낮은 입력 전력에서도 높은 효율을 낼 수 있는 방법은 무엇인가요?",
"Snaping circuit의 범위는 얼마인가요?",
"입력 전력의 범위는 얼마인가요?",
"Power Detector의 전력 검출 범위는 얼마인가요?"
] |
f74acd27-97e5-46dc-95e6-a81e7d181b28
|
인공물ED
|
MZR을 이용한 2.4 \( \mathrm{GHz WiFi} \) 대역 소형 단말기 안테나 설계
|
<h2>3. 초소형 안테나 설계 제작 및 실험</h2> <p>앞에서 본 논문에서 제안한 2개의 MZR 셀로 형성한 안테나 셀 구조에서 갭과 셀의 길이, 인터디지털(interdigital) 길이, 방사부와 접지면 사이의 길이에 따른 안테나의 중요한 득성인 공진주파수, 반사손실 특성 및 정합(matching)의 개선 정도에 대하여 분석하였다.</p> <table border><caption>Table 1. Design parameters of the proposed antenna.</caption> <caption>표 1. 제안한 안테나의 설계값</caption> <tbody><tr><td>Parameters</td><td>Quantity</td><td>Parameters</td><td>Quantity</td></tr><tr><td>\( C_{L} \)</td><td>4.0</td><td>\( L_{W} \)</td><td>0.1</td></tr><tr><td>\( C_{W} \)</td><td>4.0</td><td>\( F_{L} \)</td><td>2.5</td></tr><tr><td>\( G \)</td><td>0.6</td><td>\( C_{G} \)</td><td>0.1</td></tr><tr><td>\( G_{L} \)</td><td>0.8</td><td>\( F_{w} \)</td><td>4.0</td></tr><tr><td>\( L_{G} \)</td><td>5.0</td><td>\( W_{S} \)</td><td>0.3</td></tr><tr><td>\( W_{W} \)</td><td>0.5</td><td>-</td><td>-</td></tr></tbody></table> <p>이들에 대한 분석 자료를 활용하여 단말기의 크기는 \( 78 \times 38 \times 0.8 \mathrm{~mm}^{3} \), 시스템의 크기는 \( 63 \times 38 \times 0.8 \mathrm{~mm}^{3} \), 방사부의 크기는 \( 15 \times 38 \times 0.8 \mathrm{~mm}^{3} \), 기판은 두께가 \( 0.8 \)\( \mathrm{mm} \) 인 FR4를 사용하는 조건에서 \( 2.4 \mathrm{GHz} \) WiFi 대역에서 동작하는 MZR을 사용하여 온 보드(On-board) 초소형 안테나를 구현하였다. 급전 구조는 시스템보드의 좌측상단에 설정하여 안테나를 설계 제작하였으며, 제작한 안테나는 그림 4와 같다. 급전 구조를 포함한 안테나의 전체크기는 \( 20.8 \times 9.0 \times 0.8 \mathrm{~mm}^{3} \)이며, 전기적인 길이로 환산하면 \( 0.1664 \lambda_{0} \times 0.072 \lambda_{0} \)\( \times 0.0064 \lambda_{0} \) 이다. 그림 4 는 본 논문에서 제안한 이론을 기반으로 하여 제작한 안테나이다. 표 1 은 그림 2(b)에서 제시한 설계 파라미터에 대한 값이다. 급전부의 임피던스는 \( 50 \Omega \) 으로 설정하였으며, CPW의 임피던스가 시스템의 입력임피던스와 같도록 설계하였다.</p> <p>제작한 안테나 특성은 구미에 있는 구미전자정보기술원에서 측정하였으며, Rohde & Schwarz 회로망 분석기(모델명 : ZVA40)와 방사패턴 측정기(모델명 : OTA)를 사용하여 제작한 안테나의 반사손실과 방사특성을 각각 측정하였으며, 측정결과는 그림 5 와 같으며, 표 2 에서 안테나 측정항목에 대한 이론값과 실험값을 제시하였다.</p> <p>그림 \( 5(\mathrm{a}) \) 는 제작한 안테나의 반사손실 측정값이며, 그림 \( 5(\mathrm{~b}) \) 는 \( 2.4 \mathrm{GHz} \) 에서 방사패턴 측정값이며, 각각 이론값과 실험값을 비교하였다. 그림 5(a)의 반사손실 결과로부터 공진점은 이론값과 실험값은 동일함을 확인하였나. 실험결과 \( 10 \mathrm{~dB} \) 대역폭과 이득은 각각 \( 440.05 \mathrm{MHz}(18.3 \%), 0.4405 \mathrm{~dB} \) 이나. 그림 \( 5(\mathrm{~b}) \) 는 방위각이 \( 0^{\circ} \) 와 \( 90^{\circ} \) 에서 이론값과 실험값이며, 그림 \( 5(\mathrm{c}) \) 는 방위각이 \( 0^{\circ} \) 에서 \( 120^{\circ} \) 까지 변화를 주었을 때 방사패턴이다. 분석결과 제작한 안테나의 이론값과 실험값의 오차는 \( 2.4 \mathrm{GHz} \) 에서 대역폭, 이득과 방향성은 \( 30 \mathrm{MHz}, 5.6 \mathrm{~dB}, 1.1 \mathrm{~dB} \) 로 나타났다. 특히 대역폭과 방향성은 오차가 적었지만 반면에 이득에서는 많은 오차가 발생하였다. 이것의 오차의 원인은 시뮬레이션에서 케이블 손실을 고려하지 않았으나 측정에서는 케이블 손실이 포함된 점과 안테나 제작상의 오차 및 측정오차에 기인한 것으로 추정된다. 즉 측정을 위해 동축케이블이 약 \( 80 \mathrm{~mm} \) 가 소요됨으로 케이블 및 실험측정에 의한 오차로 인한 결과이다.</p> <p>방사패턴은 전 방향 특성을 나타내고 있으며, 전 방향 특성이 후방향 특성보다 약 \( 5 \mathrm{~dB} \) 정도 특성이 우수한 것으로 측정되었다. 따라서 본 논문에서 제시한 MZR 2개 셀을 사용한 초소형 단말기 안테나에 적용할 수 있음을 확인할 수 있었다.</p>
|
[
"표에서 가장 큰 Quantity 값을 가진 파라미터는 뭐야?",
"표에서 \\( C_{L} \\), \\( C_{W} \\), \\( F_{w} \\) 파라미터가 공통적으로 가지는 Quantity는 얼마야 ?",
"표에서 \\( L_{W} \\) 와 같은 Quantity 값을 파라미터는 뭐야?",
"표에서 Quantity 값이 \\( G \\) 보다 크고 \\( F_{L} \\) 보다 적은 파라미터는 뭐야?",
"표에서 \\( G_{L} \\)의 Quantity 값과 차이가 가장 적은 Quantity 값을 가진 파라미터는 뭐야?",
"표에서 Quantity 값이 0.6인 파라미터는 뭐야?",
"표에서 \\( F_{L} \\)의 Quantity 값보다 큰 Quantity 값을 가진 파라미터는 뭐야?",
"표에서 Quantity 값이 \\( W_{S} \\) 보다 적은 L계열 파라미터는 뭐야?",
"F 계열 파라미터 중에 Quantity 값이 가장 큰 파라미터는 뭐야?",
"본문에서 CPW의 저항회로는 어떻게 설계되었나?",
"표에서 \\( W_{W} \\)의 Quantity 값은 뭐야?",
"공진점의 이론값과 실험값의 일치를 어떻게 확인하였나?"
] |
8a6f2d18-c32d-4ca1-82c7-8b63fba02ea2
|
인공물ED
|
공공데이터를 활용한 선박 통행량 및 해양기상정보의 수중 주변소음에 대한 영향성 분석
|
<p>초 록: 본논문에서는수중 주변소음 생성에 주요한 영향을 끼치는 선박 통행량 및 해양기상정보와 수중 주변소음간 영향성을 분석한다. 주변소음은 수중 소나 시스템의 탐지 성능에 큰 영향을 끼치는 중요한 환경 요소이다. 최근에 많은 연구가 진행 중인 인공지능 기술을 이용한 탐지성능 예측 등 자동화 시스템 구현을 위하여 이와 관련된 주요 데이터 확보 및 분석이 필요하다. 주변소음의 주요 발생원은 다양한 원인이 있는데, 연근해에서 운용되는 소나 시스템의 경우 탐지 성능에 있어서 선박 통행에 의한 소음 및 해양 기상에 의해 발생하는 소음의 영향을 크게 반는다. 따라서 본 논문에 서는 대한민국동해 연안에서 획득한 주변소음 측정 결과와 인근 선박 통행량 및 해양기상정보 공공데이터를 이용하여 각 데이터의 영향성을 분석하였다. 분석 결과 수중주변 소음은 선박의 통행량의 변화에 따라 높은 연관성을 보였으며, 풍속과 파고, 강우 등 해양환경 요소에 있어서도 특정 주파수 대역에 영향성이 있음을 관찰하였다.</p>
|
[
"해양기상정보와 더불어 수중 주변소음 생성에 중요한 영향을 끼치는 것은 무엇인가요?",
"선박 통행량과 함께 수중 주변소음 생성에 중대한 영향을 끼치는것은 무엇입니까?",
"선박 통행량 및 해양기상정보는 수중 주변소음 생성에 중요한 영향을 끼칩니까?",
"수중 소나 시스템의 탐지 성능에 큰 영향을 끼치는 중요한 환경 요소는 무엇인가요?",
"주변소음은 수중 소나 시스템의 탐지 성능에 큰 영향력이 없는 환경요소인가요?",
"탐지성능 예측 등 자동화 시스템 구현을 위하여 사용된 기술은 무엇인가?",
"주변소음의 주요 발생원은 다양하지 않고 한가지만 있어?",
"탐지성능 예측 등 자동화 시스템 구현을 위하여 인공지능 기술을 사용하였는가?",
"소나 시스템은 어떤 성능에 있어서 선박 통행에 의한 소음 및 해양 기상에 의해 발생하는 소음의 영향을 크게 받는거야?",
"본 논문에서는 어디에서 획득한 주변소음 측정 결과를 이용한거야?",
"대한민국남해 연안에서 획득한 주변소음 측정 결과를 본 논문에서는 사용하였나?",
"데이터 분석결과 수중주변 소음은 무엇에 따라 가장 높은 연관성을 보여주었는가?",
"수중주변 소음은 풍속과 파고, 강우 등 해양환경 요소에 있어서도 불특정 주파수 대역에서 영향력 있음이 관찰되었는가?",
"해양환경을 구성하는 요소에는 풍속과 파고, 강우등이 있는가?",
"인공지능 기술을 이용한 탐지성능 예측 등 자동화 시스템을 구축하기 위해서는 이와 관련된 무엇이 필요한가?",
"연근해에서 운용되는 소나 시스템의 경우 탐지 성능에 있어서 선박 통행에 의한 소음 및 해양 기상에 의해 발생하는 소음과 무관한거야?",
"탐지 성능에 관하여 선박 통행에 의한 소음 및 해양 기상에 의해 발생하는 소음의 영향을 크게 받는 연근해에서 운용되는 시스템은 뭐야?",
"특정 주파수 대역에서 수중주변 소음은 해양환경 요소에 영향을 받는가?"
] |
6ff7e17f-bfd7-4491-a767-4ef402c12d6d
|
인공물ED
|
공공데이터를 활용한 선박 통행량 및 해양기상정보의 수중 주변소음에 대한 영향성 분석
|
<h1>V. 결 론</h1><p>본 논문에서는 수중 주변소음 생성에 주요 영향을 끼치는 선박 통행량 및 해양기상정보(파고, 풍속, 강우)와 수중 주변소음간 영향성을 분석하였다. 대한민국 동해안 연안에서 수중 음향 센서를 통해 측정된 센서신호를 이용하여 해역의 수중 주변소음을 예측하고, 예측된 수중 주변소음과 함께 해양수산부 및 기상청에서 제공하는 공공데이터를 이용하여 대상 해역의 선박통행량 및 해양기상정보와의 연관성을 분석하였다. 분석 결과 수중 주변 소음은 선박의 통행량의 변화에 따라 높은 연관성을 보였으며, 풍속과 파고, 강우 등 해양환경 요소에 있어서도 특정 주파수 대역에 있어서 영향이 있음을 확인할 수 있었다. 대양심해 수중소음 및 대한민국 연근해 수중 소음 분석 등 기존에 진행된 연구들과 달리 본 연구의 경우 선박 통행이 빈번한 대한민국 연안 지역에 주변소음 측정을 위한 센서 배열을 장기간 고정 운용하여 수개월간의 수중 주변소음의 연속적인 변화량을 매 시간단위로 획득 및 분석이 가능 하였으며, 주요 요인 분석을 위한 선박 통행량 및 해양기상정보 데이터의 경우 측정 해역 인근 관측소를 통해 관측된 공공데이터를 활용하여 보다 정확하고 신뢰성 높은 데이터 기반으로 영향성 분석 결과를 도출 할수 있었다. 수중 주변소음에 대한 본 논문에서 수행한 분석 연구 결과는 기존에 진행된 연구결과와 더불어 추후 인공지능 기술을 이용한 탐지 성능 예측 및 표적 식별 등과 관련된 소나 탐지 기술의 자동화 구현 연구 등에 활용될 수 있을 것으로 기대된다.</p>
|
[
"수중 주변소음 생성에 주요 영향을 끼치는 것은 무엇인가?",
"선박 통행량 및 해양기상정보는 무엇의 생성에 주요 영향을 끼치는가?",
"해역의 수중 주변소음을 예측하기 위해 센서신호를 무엇으로 측정하였는가?",
"해역의 수중 주변소음을 예측하기 위해 수중 음향 센서를 통해 센서신호를 측정한 곳은 어디인가?",
"대한민국 동해안 연안에서 수중 음향 센서를 통해 측정된 센서신호를 이용하여 무엇을 예측하였는가?",
"대상 해역의 선박통행량 및 해양기상정보와의 연관성을 분석하기 위해 제공받은 공공데이터는 어디에서 제공하였는가?",
"수중 주변 소음은 무엇에 높은 연관성을 보였는가?",
"대양심해 수중소음 및 대한민국 연근해 수중 소음 분석 등 기존에 진행된 연구들에 비해 본 연구의 다른 점은 무엇인가?",
"수중 주변 소음에 영향을 주는 해양환경으로는 무엇이 있는가?",
"수중 주변 소음은 풍속과 파고, 강우 등 해양환경 요소에 있어서 모든 주파수 대역에 영향이 있는가?",
"본 연구에서는 무엇을 시간단위로 획득하기 위해 주변소음 측정을 위한 센서 배열을 장기간 고정 운용하였는가?",
"본 연구에서 수중 주변소음의 연속적인 변화량을 수 개월동안, 매 시간마다 획득 및 분석할 수 있었던 이유는 무엇인가?",
"어떤 방식으로 선박 통행량 및 해양기상정보 데이터로부터 영향성 분석 결과를 도출 가능한가?",
"수중 주변소음에 대한 분석 결과는 무엇을 이용한 탐지 성능 예측에 활용될 수 있을 것으로 기대되는가?",
"수중 주변소음에 대한 본 논문에서 수행한 분석 연구 결과가 활용될 수 있을 것으로 기대되는 것은 무엇인가?",
"측정 해역 인근 관측소를 통해 관측된 공공데이터를 활용하여 보다 정확하고 신뢰성 높은 데이터 기반으로 무엇을 도출하였는가?",
"선박 통행량 및 해양기상정보는 무엇에 주요 영향을 끼치는가?",
"예측된 수중 주변소음과 해양수산부 등에서 제공하는 공공데이터를 이용하였을 때 분석할 수 있는 것은 무엇인가?"
] |
8e41a4a6-5cd2-4e27-ad40-856c4a90126e
|
인공물ED
|
공공데이터를 활용한 선박 통행량 및 해양기상정보의 수중 주변소음에 대한 영향성 분석
|
<h1>I. 서 론</h1><p>수중에서 전달되는 음파를 이용하여 수중의 물체를 탐지하는 소나 시스템은 민간 및 국방 분야 등 다양한 응용 분야에서 사용되고 있다. 소나 시스템은 수중에서 트랜스듀서를 통해 음원을 송신하고 송신된 음원이 수상 또는 수중 물체에 도달하여 반사되는 반향음을 하이드로폰에서 수신함으로써 해당 물체를 탐지하는 능동 소나와 수상 또는 수중 물체에서 발생하는 자체소음을 하이드로폰으로 수신하여 해당 물체를 탐지하는 수동 소나 방식으로 나눌 수 있다.</p><p>능동 소나 및 수동 소나 시스템의 운용에 있어서 탐지 성능을 결정짓는 요인은 시스템 요인과 환경적인 요인으로 구분 할 수 있는데 시스템 요인으로는 소나 시스템을 구성하는 센서의 구성, 전시 방식, 사용자의 운용 능력 등이 있으며 환경적인 요인으로는 송신 음압 준위, 표적강도, 표적 소음 준위와 센서(트랜스듀서 및 하이드로폰)와 표적간의 음파 전달 경로 상의 환경요소에 따른 흡수손실 및 전달손실 성분, 센서 주변에서 항해하는 선박 및 파도 및 바람 등 기상에 따른 주변소음 성분 등이 있다. 소나 시스템의 탐지 성능 향상 방법은 센서 입력단에 입사되는 표적 또는 음원에 의한 신호 레벨(송신음압 준위 또는 표적 자체소음 준위에 대한 흡수 및 전달손실, 표적강도 등이 반영된 수신 음압 준위)과 센서 주변을 둘러싼 무방향성 잡음 레벨(주변소음) 간의 신호대잡음비를 배열 신호처리 등을 통해 이를 증가 시키는 데 있다고 할 수 있다.</p><p>특히 군사목적으로 운용되는 소나 시스템에서 잠항하는 정숙화된 잠수함 등을 탐지하거나, 연안이나 천해 환경에서 운용이 필요한 소나 시스템의 경우 센서 주변으로 입사되는 주변소음이 탐지 성능에 큰 영향을 끼친다. 수중 주변소음에 대한 원인 규명 및 측정과 관련된 많은 연구가 진행되어왔으며 관련 연구 결과 등에 따르면 센서 주변을 통행하는 선박에 의해 발생하는 소음(엔진 또는 기계류 소음, 함체 기동에 의한 유체소음 및 프로펠러 소음 등), 해양기상에 따른 파도, 바람, 강우 등으로 인해 발생하는 소음이 주된 요인으로 알려져 있다. 이러한 환경에서 운용되는 소나 시스템은 위에서 언급한 주변소음에 대한 측정과 함께 음파 전달 겅로에 따른 전달손실을 예측하기 위한 저질, 수심, 수온 등과 같은 해양 환경 분석을 통하여 운용 탐지 성능을 예측하거나 예보를 수행한다.</p><p>이와 같은 소나 시스템의 탐지 성능 예측을 위한 필수 파라미터인 수중주변소음 분석에 대한 연구의 중요성으로 인해, 한반도 주변해역의 수중 주변소음과 해양환경 및 선박 통행량간 의존성 분석과 관련한 유사연구가 진행되어 왔다. 또한 최근 많은 연구가 진행 중인 인공지능 기술을 이용한 탐지 성능 예측 및 표적 식별 등과 관련된 소나 탐지 기술의 자동화 구현을 위한 빅데이터 구축 측면에 있어서도 이러한 해양 데이터 확보 및 데이터간 영향성 분석이 필요하다. 따라서 본 논문에서는 연근해환경에서의 수중 주변소음에 대한 주요인으로 알려진 선박 통행량 및 해양 기상 정보와 수중 주변소음간 영향성 분석을 수행하였다. 본 논문에서 분석된 데이터간 영향성 분석 결과는 향후 소나 분야에 대한 인공지능 기술 적용을 위한 데이터 분석 연구 등에 활용될 수 있을 것으로 기대한다.</p><p>본 논문의 구성은 다음과 같다. II 장에서 수중 주변소음 예측 기법에 대하여 논의한 뒤, III 장에서는 선박 통행량 및 해양 기상 정보 공공데이터에 관해서 소개한다. IV 장에서는 II 장에서 언급한 기법을 통하여 획득한 수중 주변소음 데이터와 III장에서 소개한 선박 통행량 및 해양기상 정보 획득 데이터를 이용하여 데이터간 연관성을 분석하고, V장에서 결론을 맺는다.</p>
|
[
"수중에서 전달되는 음파를 사용하여 수중의 물체를 탐지하는것이 소냐 시스템이야?",
"소나 시스템은 매우 한정적으로 국방 분야에서만 사용되고 있어?",
"수중에서 전달되는 음파를 이용하여 수중의 물체를 탐지하는 시스템은 무엇입니까?",
"소나 시스템은 수중에서 전달되는 무엇을 이용하여 수중의 물체를 탐지하는거야?",
"소나 시스템은 탐지 방식에 따라 능동 소나와 수동소나로 구분되는거야?",
"센서 주변을 둘러싼 무방향성 잡음 레벨을 주변 소음이라고 하는가?",
"능동 소나와 수동 소나 시스템의 운용에 있어 탐지 성능을 결정짓는 요인은 시스템 요인과 환경적인 요인으로 구분되어 지는가?",
"신호대잡음비는 어떤 처리를 통해 증가 시킬수 있는가?",
"소나 시스템은 어디에서 트랜스듀서를 통해 음원을 송신해?",
"민간에서도 소나 시스템을 다양하게 이용하고 응용하고 있어?",
"소나시스템은 지상에서 전달되는 음파를 이용하여 지상의 물체를 탐지하는것인가?",
"송신된 음원이 수상 또는 수중 물체에 도달하여 반사되어 하이드로폰에서 수신되는것은 무엇이야?",
"환경적인 요인중 하나로 송신 음압 준위가 포함되는가?",
"트랜스듀서를 통해 송신된 음원이 수상 또는 수중 물체에 도달하여 반사되는 반향음을 하이드로폰에서 수신하여 물체를 탐지할수 있나요?",
"소나 시스템의 탐지 성능을 좀 더 향상시킬수 있는 방법이 있어?",
"소나 시스템은 방식에 따라 두가지로 구분하는데 하나는 능동 소나이고 나머지는 무엇이야?",
"능동 소나는 수중에서 무엇을 통해 음원을 송신하는거야?",
"수중 주변소음에 관한 연구 결과에 따르면 센서 주변을 통행하는 선박에 의해 발생하는 소음에는 무엇이 있어?",
"연안이나 천해 환경에서 운용이 필요한 소나 시스템의 경우 무엇 주변에 입사되는 주변소음이 탐지 성능에 큰 영향을 끼치는가?",
"센서 주변에서 항해하는 선박 및 파도 및 바람 등 기상에 따른 주변소음 성분은 모두 환경적인 요인으로 볼수 있는가?",
"송신음압 준위 또는 표적 자체소음 준위에 대한 흡수 및 전달손실, 표적강도 등이 반영된 수신 음압 준위는 모두 음원에 의한 신호 레벨인가?",
"수동 소나는 하이드로폰을 통해 수상 또는 수중 물체에서 발생하는 무엇을 수신해?",
"시스템 요인으로는 소나 시스템을 구성하는 센서의 구성, 전시 방식, 사용자의 운용 능력, 송신 음압 준위, 표적강도까지 다 포함하는가?",
"수중에서 트랜스듀서를 통해 음원을 송신하고 송신된 음원이 수상 또는 수중 물체에 도달하여 반사되는 반향음을 하이드로폰에서 수신함으로써 해당 물체를 탐지하는걸 뭐라고 불러?",
"시스템 요인으로 소나 시스템을 구성하는 센서의 구성, 전시 방식, 사용자의 운용 능력이 포함되는가?",
"군사목적으로 운용되는 소나 시스템은 잠항하는 정숙화된 잠수함 등을 탐지하는가?",
"능동소나는 송신된 음원이 수상 또는 수중 물체에 도달하여 반사되는 반향음을 무엇으로 수신해?",
"소나 시스템의 탐지 성능 예측을 위한 필수 파라미터는 무엇인가?",
"능동 소나 및 수동 소나 시스템의 운용에 있어 탐지 성능을 결정짓는 요인중 환경적 요인은 다음중 무엇인가?",
"수중 주변 소음이 있는 상황에서 운용되는 소나 시스템은 위에서 언급한 주변소음에 대한 측정과 함께 또한 무엇을 예측해야 할까?",
"음파 전달 경로에 따른 전달손실을 예측하기 위해서는 무엇을 분석해야 할까?",
"수중 주변소음에 대한 원인 규명 및 측정과 관련된 많은 연구가 진행중이니?",
"능동 소나 및 수동 소나 시스템의 운용에 있어 탐지 성능을 결정짓는 요인중 시스템 요인은 다음중 무엇인가?",
"해양 데이터 확보 및 데이터간 영향성 분석은 소나 탐지 기술의 자동화 구현을 위한 빅데이터 구축 측면에 있어서 필요한가?",
"주변 소음에 대한 측정과 더불어 저질, 수심, 수온 등을 분석하는것이 운용탐지 성능을 예측하는 것에 도움이 될수 있어?",
"해양기상에 따른 파도, 바람, 강우 등으로 인해 발생하는 소음도 탐지 성능에 영향을 주는 주된 소음 요인이 될수 있어?",
"한반도 주변해역의 수중 주변소음과 해양환경 및 선박 통행량간 의존성 분석과 관련한 유사연구가 진행되어온 이유가 뭐야?",
"탐지 성능 예측 및 표적 식별 등은 어떤 기술을 사용해서 이루어지고 있니?",
"연근해환경에서 수중 주변소음에 대한 주된 요인으로 알려진것은 무엇이 있을까?"
] |
476448d5-3aaf-47b1-b082-42c9bc5716fb
|
인공물ED
|
공공데이터를 활용한 선박 통행량 및 해양기상정보의 수중 주변소음에 대한 영향성 분석
|
<h1>II. 수중 주변소음 예측 기법</h1><p>본 논문에서 분석하고자 하는 수중 주변소음 준위를 예측하기 위한 기법은 다음과 같다. 먼저 수중 음향센서를 통해 획득한 센서신호를 이용하고, 주파수 대역 별 소음 준위 영향성 분석을 하기 위하여 주파수 스펙트럼으로 변환된 센서신호에 대하여 \( 1 / 3 \) 옥타브 대역 별 스펙트럼 준위를 측정한다. 이는 기존 연구에서 알려진 바와 같이 수중소음의 발생주파수 대역별 소음의 주요한 발생 원인이 다르기 때문에 본 연구의 수중소음 측정에 사용된 저주파 음향 센서에서 획득 가능한 전체 주파수 대역 신호에 대하여 세분화된 주파수 대역별 영향성 분석을 위하여 \( 1 / 3 \) 옥타브 대역 형태로 분석하였다. 이와 같이 분석된 \( 1 / 3 \) 옥타브 대역 별 스펙트럼 준위에 대하여 측정 시스템에 의한 영향성을 배제한 수중 주변소음 준위 값을 예측하기 위해 시스템 이득 값(센서 전치이득, 배열이득 값 등) 보정을 수행한다.</p><table border><caption>Table 1. Details of the analysis frequency bands.</caption><tbody><tr><td colspan=3></td></tr><tr><td>Frequency band</td><td>Center frequency [\(\mathrm{Hz}\)]</td><td>Bandwidth [\(\mathrm{Hz}\)]</td></tr><tr><td>\(f_1\)</td><td>56</td><td>14</td></tr><tr><td>\(f_2\)</td><td>113</td><td>24</td></tr><tr><td>\(f_3\)</td><td>225</td><td>50</td></tr><tr><td>\(f_4\)</td><td>567</td><td>130</td></tr><tr><td>\(f_5\)</td><td>1,426</td><td>328</td></tr><tr><td colspan=3></td></tr></tbody></table><p>이러한 수중 주변소음 준위 예측 기법의 상세 블록도는 Fig. 1과 같다. Fig. 1에서 볼 수 있듯이 각 채널 별 시간영역 음향 센서 신호에 대하여 먼저 Fast Fourier Transform(FFT) 수행을 통해 주파수 영역 스펙트럼 정보를 생성한다. 여기에서 각 채널 별 센서 신호는 1초주기로 획득되며, 샘플링 주파수와 분석 주파수 해상도는 각각 \( 4,096 \mathrm{~Hz} \) 및 \( 1 \mathrm{~Hz} \)이다. 일반적으로 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역 \( (f \leqq 2 \mathrm{kHz})\)이 본 연구의 주 관심 대역이기 때문에 이를 분석하기 위하여 저주파 탐지용 선형 음향 센서배열을 측정에 이용하였다.</p><p>주파수 영역으로 변환된 주파수 스펙트럼 정보에 대하여 전체 수신 주파수를 15개의 \( 1 / 3 \) 옥타브 대역으로 분석을 위하여 각 \( 1 / 3 \) 옥타브 대역에 해당하는 주파수 빈(bin) 값에 대한 에너지 합을 계산한다. 15개의 \( 1 / 3 \) 옥타브 대역 중 본 는문에서 분석에 사용한</p><p>5개 대역에 대한 정보는 Table 1과 같다.</p><p>다음으로 위에서 계산된 \( 1 / 3 \) 옥타브 대역 별 에너지 값에 대한 선형적분 \( (T=8) \)을 다음과 같이 수행한다.</p><p>\( X_{k}^{\langle T\rangle}=\frac{1}{T} \sum_{i=1}^{T} X_{i, k}, k=1, \cdots, 15 \),<caption>(1)</caption></p><p>여기서 \( X \)는 대역 에너지 값, \( i \)는 시간 프레임 번호, \( k \)는 \( 1 / 3 \) 옥타브 대역 번호를 각각 의미한다. 선형적분을 수행한 결과 값에 대하여 Eq. (2)와n같이 단순 이동 평균을 수행 \( (N=30) \)하여 총 \( 240 \mathrm{~s} \)에 대한 대역별 평균 에너지를 계산한다.</p><p>\( X_{k}^{M A}(m)=\frac{1}{N} \sum_{n=0}^{N-1} X_{k}^{\left\langle T_{m-n}\right\rangle}, k=1, \cdots, 15 \)<caption>(2)</caption></p><p>Eqs. (1), (2)와 같이 선형적분 및 이동평균을 취하는 이유는 수초내의 단기적 주변 소음 음압 준위에 대한 변화량 통계가 아닌 광의의 주변 소음 음압 준위의 변환에 대한 통계를 얻고자 하는 데 그 목적이 있다.</p><p>마지막 과정으로, 분석된 평균 에너지에 대하여 센서 감도 및 전치이득, 자동제어이득 값 등을 보상하여 측정 시스템에 의해 부가되는 이득 성분을 배제함으로써 실제 주변 소음 음압 준위를 추정한다.</p>
|
[
"본 연구에서는 수중 소음 측정을 위한 획득 가능한 전체 주파수 대역 신호를 \\( 1 / 2 \\) 옥타브 대역 형태로 분석하였나?",
"본 연구의 주 관심 대역이 일반적으로 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역 \\( (f \\leqq 2 \\mathrm{kHz})\\)이므로 이를 분석하기 위하여 저주파 탐지용 선형 음향 센서배열을 측정에 이용하였나?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_3\\)의 Bandwidth는 328Hz가 맞는가?",
"본 연구를 위한 분석 자료 중 수중 주변소음은 수중 음향센서로 수집하는데 이때 어떠한 데이터를 획득 할 수 있는가?",
"수중 주변소음을 음향센서로 획득한 후 소음 준위 영향성을 분석할 때 주파수의 분리 단위는 어떻게 되는가?",
"연구에 사용되는 예측 기법의 진행 방법 중 음향 센서는 어느 곳에 설치 되는가?",
"본 논문에서는 수중 주변소음 예측을 하는 방법에 있어서 음향센서를 설치하는 위치는 수면에 설치 되어야 하는 것이 맞는가?",
"수중 음향센서를 통하여 얻어진 수중 주변 소음 데이터는 주파수 대역 별로 분석 되어 지는데 이때 분석을 위한 센서신호를 변환한 결과 무엇이 되는가?",
"이 연구에서는 음향센서를 설치하는데 물속에 설치하는 이유는 무엇인가?",
"이 연구에서는 음향센서를 설치하는데 물속에 설치를 하는데 그 이유는 수면 주위에 소음을 측정하는 것이 아니라 수중의 소음을 측정하는 것이지 때문이 맞는가?",
"수중 음향센서를 통해 획득한 센서신호를 주파수 스펙트럼으로 변환하고 이 변환된 센서신호에 대해 \\( 1 / 3 \\) 옥타브 대역 별 스펙트럼 준위를 측정하였는데 이 과정에서 측정 시스템에 의한 영향성을 포함하여 진행하였나?",
"수중 음향센서를 통해 획득한 센서신호를 주파수 스펙트럼으로 변환하고 이 변환된 센서신호에 대해 \\( 1 / 3 \\) 옥타브 대역 별 스펙트럼 준위를 측정하였는데 이 결과를 토대로 수중 주변소음 준위 갑을 예측하기 위해 어떤 값을 보정하였나?",
"수중 음향센서를 통해 획득한 센서신호를 주파수 스펙트럼으로 변환하고 이 변환된 센서신호에 대해 \\( 1 / 3 \\) 옥타브 대역 별 스펙트럼 준위를 측정하였는데 이 결과를 토대로 수중 주변소음 준위 값을 예측하기 위해 시스템 이득 값을 보정하였나?",
"본 장에서 보정한 시스템 이득 값에는 센서 전치이득이 포함되는가?",
"본 장에서 보정한 시스템 이득 값에는 센서 배열이득 값이 포함되는가?",
"본 장에서 보정한 시스템 이득 값에는 센서 전치이득 값은 제외되는가?",
"본 장에서 보정한 시스템 이득 값에는 센서 배열이득 값은 제외되는가?",
"상세 블록도 Fig.1 은 무엇을 나타내는가?",
"상세 블록도는 Fig.1은 수중 주변소음 준위 예측 기법을 나타낸 것인가?",
"상세 블록도는 Fig.1은 수면위 소음 준위 예측 기법의 상세 블록도가 맞는가?",
"각 채널 별 시간영역 음향 센서 신호에 대하여 먼저 Fast Fourier Transform을 수행한다면 주파수 영역 스펙트럼 정보를 생성할 수 있나?",
"본 연구에서는 주파수 영역 스펙트럼 정보를 생성을 하기 위해서 각 채널 별 시간영역 음향 센서 신호에 대하여 먼저 Fast Fourier Transform를 수행하였나?",
"Fast Fourier Transform 수행을 통해 획득 된 샘플링 주파수는 \\( 4,096 \\mathrm{~Hz} \\)가 맞는 값인가?",
"Fast Fourier Transform 수행을 통해 획득 된 샘플링 주파수는 얼마인가?",
"Fast Fourier Transform 수행을 통해 획득 된 분석 주파수 해상도는\\( 1 \\mathrm{~Hz} \\)가 맞는가?",
"Fast Fourier Transform 수행을 통해 획득 된 분석 주파수 해상도는\\( 2 \\mathrm{~Hz} \\)가 맞는가?",
"Fast Fourier Transform 수행을 통해 획득 된 샘플링 주파수는 \\( 3,096 \\mathrm{~Hz} \\)가 맞는 값인가?",
"본 연구의 주 관심 대역이 해상 선박의 엔진 등에 일반적인 기계 소음이 분포하는 대역 \\( (f \\leqq 2 \\mathrm{kHz})\\) 대역이기 때문에 이를 분석하기 위하여 어떤 센서배열을 측정에 이용하였나?",
"본 연구의 주요 관심 대역은 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역인데, 이 대역 값은 \\( (f \\leqq 2 \\mathrm{kHz})\\)가 맞는가?",
"본 연구의 주요 관심 대역은 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역인데, 이 대역 값을 분석하기 위해 저주파 탐지용 선형 음향 센서배열을 측정하였나?",
"본 연구의 주요 관심 대역은 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역인데, 이 대역 값은 \\( (f \\leqq 3 \\mathrm{kHz})\\)가 맞는가?",
"본 연구의 주요 관심 대역은 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역을 제외한 자연적으로 생성된 소음으로 한정 되어지는가?",
"본 연구의 주요 관심 대역은 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역인데, 이 대역 값을 분석하기 위해 저주파 탐지용 곡선형 음향 센서배열을 측정하였나?",
"본 연구의 주요 관심 대역은 고요한 해수면이 아닌 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역을 확인 하는 것이 맞는가?",
"본 논문에서 분석에 사용한 5개 대역의 주파수 중 10 Hz가 포함되는가?",
"본 논문에서 분석에 사용한 5개 대역의 주파수 중 56 Hz가 포함되는가?",
"본 논문에서 분석에 사용한 5개 대역의 주파수 중 113 Hz가 포함되는가?",
"본 논문에서 분석에 사용한 5개 대역의 주파수 중 225 Hz가 포함되는가?",
"본 논문에서 분석에 사용한 5개 대역의 주파수 중 1,426 Hz가 포함되는가?",
"본 논문에서 분석에 사용한 5개 대역의 주파수 중 567 Hz가 포함되는가?",
"본 논문에서는 15개의 \\( 1 / 3 \\) 옥타브 대역 외 5개 대역을 비교 대상으로 추가 사용하였는가?",
"본 논문에서는 15개의 \\( 1 / 3 \\) 옥타브 대역 중 몇 개의 대역만을 선별하여 사용하였는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_2\\)의 Bandwidth는 50Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_3\\)의 Bandwidth는 14Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_1\\)의 Bandwidth는 50Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_1\\)의 Bandwidth는 328Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_1\\)의 Bandwidth는 14Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_2\\)의 Bandwidth는 24Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_1\\)의 Bandwidth는 24Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_3\\)의 Bandwidth는 130Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_2\\)의 Bandwidth는 328Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_3\\)의 Bandwidth는 50Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_1\\)의 Bandwidth는 130Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_2\\)의 Bandwidth는 14Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_3\\)의 Bandwidth는 24Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_2\\)의 Bandwidth는 130Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_3\\)의 Bandwidth는 130Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_4\\)의 Bandwidth는 14Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_4\\)의 Bandwidth는 24Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_4\\)의 Bandwidth는 50Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_4\\)의 Bandwidth는 130Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_4\\)의 Bandwidth는 328Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_5\\)의 Bandwidth는 14Hz가 맞는가?",
"본 논문은 물 속 주변 소음을 예측 방법에 대하여 실험을 하고 있는데 이때 센서신호를 무엇을 통하여 획득하는가?",
"본 논문에서는 무엇을 분석하는 것이 목표인가?",
"수중 주변소음을 음향센서로 획득한 후 소음 준위 영향성을 분석하기 위해 센서신호를 주파수 스펙트럼으로 변환하게 되는데, 이때 얻어진 센서신호를 1/3 옥타브 대역 별 스펙트럼 준위 측정하는 것이 맞는가?",
"본 논문은 수중 주변소음 준위를 분석하기 위한 실험을 진행하는가?",
"수중 주변소음을 음향센서로 획득한 후 소음 준위 영향성을 분석하기 위해 센서신호를 주파수 스펙트럼으로 변환하게 되는데, 이때 얻어진 스펙트럼 준위 측정시 대역 별 레벨은 얼마로 나뉘는가?",
"수중 주변소음을 음향센서로 획득한 후 소음 준위 영향성을 분석하기 위해 센서신호를 주파수 스펙트럼으로 변환하게 되는데, 이때 얻어진 센서신호를 1/2 옥타브 대역 별 스펙트럼 준위 측정하을 한다면 정확한 결과 값을 얻을 수 있는가?",
"수중 음향센서를 통해 획득한 센서신호를 주파수 스펙트럼으로 변환하고 이 변환된 센서신호에 대해 \\( 1 / 3 \\) 옥타브 대역 별 스펙트럼 준위를 측정하였는데 이 결과를 토대로 무엇을 예측하기 위해 시스템 이득 값을 보정하였나?",
"본 논문에서는 수중 주변소음 예측을 하는 방법에 있어서 음향센서를 이용하여 센서 신호를 획득하여야 하는데, 이 센서신호를 획득하기위해 음향센서를 설치하는 위치는 수면위에 설치 되는 것이 맞는가?",
"기존 연구 결과에서는 수중 소음의 발생 주파수 대역별 소음의 주요 발생 원인이 다르다는 것을 확인 하였고, 이를 본 연구에 반영하였나?",
"본 연구에서는 수중소음 측정을 위해 저주파 음향 센서에서 획득 가능한 전체 주파수 대역 신호를 세분화된 주파수 대역별 영향성 분석을 위하여 \\( 1 / 3 \\) 옥타브 대역 형태로 분석하였는데 이는 기존의 연구결과 수중소음의 발생주파수 대역별 소음의 주요한 발생 원인이 다르기 때문인가?",
"본 논문에서는 수중 주변소음 예측을 하는 방법에 있어서 음향센서를 이용하여 센서 신호를 획득하여야 하는데, 이 센서신호를 획득하기위해 음향센서를 설치하는 위치는 수중이 맞는가?",
"본 연구의 주요 관심 대역은 해상 선박의 엔진 등에 의한 기계 소음이 분포하는 대역인데, 이 대역 값을 분석하기 위해 고주파 탐지용 선형 음향 센서배열을 측정하였나?",
"최근 연구 결과에 따라 수중 소음의 발생 주파수 대역별 소음의 주요 발생 원인이 같다는 것을 알게 되었나?",
"본 논문에서는 15개의 \\( 1 / 3 \\) 옥타브 대역 중 5개 대역만을 사용하였는가?",
"본문에서 계산된 \\( 1 / 3 \\) 옥타브 대역 별 에너지 값에 대한 선형적분의 값은 8이 맞는가?",
"본문에서 계산된 \\( 1 / 3 \\) 옥타브 대역 별 에너지 값에 대한 선형적분의 값은 18이 맞는가?",
"식 (1)에서 \\( X \\)가 의미하는 것은 옥타브 대역 번호가 맞는가?",
"식 (1)에서 \\( X \\)가 의미하는 것은 시간 프렘임 번호가 맞는가?",
"식 (1)에서 \\( i \\)가 의미하는 것은 무엇인가?",
"식 (1)에서 \\( i \\)가 의미하는 것은 대역 에너지 값이 맞는가?",
"식 (1)에서 \\( i \\)가 의미하는 것은 시간 프레임 번호가 맞는가?",
"식 (1)에서 \\( k \\)가 의미하는 것은 무엇인가?",
"식 (1)에서 \\( k \\)가 의미하는 것은 시간 프레임 번호가 맞는가?",
"식 (1)에서 \\( k \\)가 의미하는 것은 대역 에너지 값이 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 56Hz의 center frequency를 갖는 것은 언 것인가?",
"Table 1에 나온 5개의 Frequency band 중 225Hz의 center frequency를 갖는 것은 어떤 것인가?",
"Table 1에 나온 5개의 Frequency band 중 113Hz의 center frequency를 갖는 것은 언 것인가?",
"Table 1에 나온 5개의 Frequency band 중 567Hz의 center frequency를 갖는 것은 어떤 것인가?",
"Table 1에 나온 5개의 Frequency band 중 1,426Hz의 center frequency를 갖는 것은 어떤 것인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_5\\)의 center frequency는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_1\\)의 Bandwidth는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_1\\)의 Bandwidth는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_2\\)의 center frequency는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_1\\)의 center frequency는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 Bandwidth가 14Hz인 것은 어떤 것인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_5\\)의 Bandwidth는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 Bandwidth가 24Hz인 것은 어떤 것인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_4\\)의 center frequency는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_3\\)의 center frequency는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 Bandwidth가 130Hz인 것은 어떤 것인가?",
"Table 1에 나온 5개의 Frequency band 중 Bandwidth가 328Hz인 것은 어떤 것인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_5\\)의 Bandwidth는 50Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_5\\)의 Bandwidth는 24Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_4\\)의 Bandwidth는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_5\\)의 Bandwidth는 130Hz가 맞는가?",
"Table 1에 나온 5개의 Frequency band 중 Bandwidth가 50Hz인 것은 어떤 것인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_3\\)의 Bandwidth는 몇 Hz 인가?",
"Table 1에 나온 5개의 Frequency band 중 \\(f_5\\)의 Bandwidth는 1328Hz가 맞는가?",
"본문에서 계산된 \\( 1 / 3 \\) 옥타브 대역 별 에너지 값에 대한 선형적분(T)은 얼마인가?",
"식 (1)에서 X가 의미하는 것은 무엇인가?",
"식 (1)에서 \\( X \\)가 의미하는 것은 대역 에너지 값이 맞는가?",
"식 (1)에서 \\( i \\)가 의미하는 것은 옥타브 대역 번호가 맞는가?",
"식 (1)에서 \\( k \\)가 의미하는 것은 옥타브 대역 번호가 맞는가?",
"주파수 영역 스펙트럼 정보를 생성하기 위해 각 채널 별 시간영역 음향 센서 신호에 대해서는 어떤 작업을 진행하여야 하는가?",
"각 채널 별 시간영역 음향 센서 신호에 대하여 먼저 Fast Fourier Transform 작업을 수행하면 무엇을 얻을 수 있는가?",
"Fast Fourier Transform 수행을 진행하였을 때 각 채널 별 센서 신호의 주기는 얼마인가?",
"Fast Fourier Transform 수행을 통해 획득 된 분석 주파수 해상도는 얼마인가?"
] |
74d411d7-2b55-42ec-b2fc-cc0b11d3b083
|
인공물ED
|
공공데이터를 활용한 선박 통행량 및 해양기상정보의 수중 주변소음에 대한 영향성 분석
|
<h1>IV. 데이터 분석</h1><p>본 장에서는 II 장에서 논의한 수중 주변소음 예측 기법을 통해 측정된 수중 주변소음 데이터와 III장에서 소개한 선박 통행량 및 해양기상정보 공공데이터를 이용한 데이터 분석 결과를 설명한다.</p><p>수중 주변소음 데이터 측정은 대한민국 동해안 연안에서 수행하였다. 많은 수의 선박이 입출항하는 항로 인근에 20 채널 이상의 하이드로폰으로 구성된 배열센서를 약 \( 25 \mathrm{m} \) 수심에 고정 설치하여 수중 주변 소음을 약 5 개월간 연속으로 측정하였으며, 전체 센서 채널, 대역, 시간대 별 평균값을 취하여 대푯값으로 분석하였다. 전체 센서 수신 주파수 \( \left(f_{s}=4,096 \mathrm{~Hz}\right) \) 중 5 개의 \( 1 / 3 \) 옥타브 대역을 분석 대상 주파수 대역으로 선정하였으며, 해당 대역의 중심주파수 및 대역폭은 Table 1과 같다.</p><p>2020년 1월부터 5월까지 수중 주변소음이 측정이 수행되지 않았거나, 시간 별 데이터가 누락된 분석일을 제외한 100 일 분량의 데이터를 분석하였다. 수중 주변소음 값은 II 장에서 설명한 수중 주변소음 예측 기법을 통해 매초 출력되는 \( 1 / 3 \) 옥타브 대역별 스펙트럼 준위값에 대하여 1 시간 단위로 평균을 계산하여 수중 주변소음 값을 측정하였다. 측정된 일일 24 개의 시간별 수중 주변소음 값에 대한 통계를 전체 분석일 동안 대역별로 분석한 결과는 Fig. 2와 같다. 일반적으로 알려진 바와 같이 저주파 대역에서 고주파 대역으로 갈수록 주변소음이 상대적으로 더 낮게 형성됨 \( \left(N L_{f_{n}}>N L_{f_{n+1}}, n=1,2, \cdots, 4\right) \)을 확인할 수 있다. 100 일간의 일일 평균 주변소음 준위는 각 대역 별로 평균값에서 변화량이 크지 않은 \( \left(f_{1}\right. \): 약 \( 115 \mathrm{~dB}, f_{2} \):약 \( 103 \mathrm{~dB}, f_{3} \):약 \( 90 \mathrm{~dB}, f_{4}\): 약 \( 80 \mathrm{~dB}, f_{5} \): 약 \( 72 \mathrm{~dB} \) )값을 나타냄을 확인할 수 있다.</p><p>해상 선박 통행량과 수중 주변소음과의 연관성 분석을 위하여 주변소음 측정 센서 인근을 통행하는 선박 통행량 데이터를 주변소음 측정을 수행한 시점과 동일한 기간에 대하여 분석하였으며, 해당 데이터는 III 장에서 언급했던 바와같이 해운항만물류정보시스템을 통해 일일 선박의 입출항 힛수를 분석하였다. 분석 기간 동안 인근 해역 입출항 통계 결과는 Fig. 3과 같다. 일평균 \( 20 \sim 30 \) 척의 선박이 인근 해역을 통과함을 확인할 수 있다.</p><p>해상 선박 통행량과 함께수중 주변소음에 영향을 끼치는 요인으로 알려진 풍속, 파고 및 강우 등 해상 기상 관련 영향성 분석을 위하여 해상 선박 통행량 분석과 마찬가지로 수중 센서 인근 파고부이에서 획득한 해당 기간의 파고 정보와 인근 기상 관측소에서 관측한 풍속 및 강우 정보 데이터를 분석하였다. 파고 정보의 경우 매 시간단위 유의파고의 평균값을 활용하였다. 유의퐈고란 불규칙한 해면을 일정 기준으로 처리하기 위한 일종의 통계량으로, 아래 식과 같이 계산할 수 있다.</p><p>\( H_{1 / 3}=\frac{1}{N / 3} \sum_{i=1}^{N / 3} H_{i} \)<caption>(3)</caption></p><p>여기서 \( N \)은 측정한 개별파고 수, \( H_{i} \)는 파고가 높은 순의 수열을 의미한다. 즉, 한 지점을 연속적으로 통과하는 표를 관측하였을 때 불규칙한 파군 중에서 파고가 높은 순으로 \( 1 / 3 \)에 해당하는 모든 파고를 합산하여 평균한 값으로 정의된다. 유의파고는 통계적 관점에서 해상 상태를 나누는 기준으로 흔히 사용되며, 최고파고는 유의파고의 약 두 배에 달하는 높이를 예상하는 것이 일반적이다.</p><p>해상 풍속 및 강우 정보의 경우 파고부이에서는 해당 정보를 제공하지 않는다. 해양기상부이에서는 강우정보를 제공하지 않고 풍속 정보를 제공하지만 해양기상부이의 경우 시험 해역과 수십 \( \mathrm{km} \) 이상 이격된 거리에 있다. 따라서 본 연구에서는 파고부이 및 해양기상부이 데이터를 이용하지 않고 인근 기상 관측소에서 관측된 풍속 및 강우 정보를 분석에 활용하였다. 분석 기간 동안 관측된 파고 정보 및 풍속 정보는 Fig. 4, 강우 정보는 Fig. 5와 같다.</p>
|
[
"한 지점을 연속적으로 통과하는 표를 관측하였을 때 불규칙한 파군 중에서 파고가 높은 순으로 얼마에 해당하는 모든 파고를 합산하여 평균한 값으로 정의하는가?",
"본 장에서는 II 장에서 논의한 수중 주변소음 예측 기법을 통해 측정된 것은 무엇인가?",
"본 장에서는 II 수중 주변소음 예측 기법을 통해 무엇을 논의했어?",
"많은 수의 선박이 입출항하는 항로 인근에 몇 채널 이상의 하이드로폰으로 구성된 배열센서를 약 \\( 25 \\mathrm{m} \\) 수심에 고정 설치했지?",
"본 III장에서 소개한 무엇을 이용해서 데이터 분석을 했지?",
"수중 주변소음 데이터 측정은 어디서 수행했지?",
"많은 수의 선박이 입출항하는 항로 인근에 20 채널 이상의 하이드로폰으로 구성된 배열센서를 어디에 고정 설치했지?",
"인근에 20 채널 이상의 하이드로폰이 많은 수의 선박이 입출항인 배열센서를 고정 설립한 건 어디야?",
"많은 수의 선박이 입출항하는 항로 인근에 20 채널 이상의 하이드로폰으로 구성된 배열센서를 약 \\( 25 \\mathrm{m} \\) 수심에 고정 설치하여 수중 주변 소음을 약 5 개월간 연속으로 측정하였으며, 어떻게 분석했지?",
"어디에 20 채널 이상의 하이드로폰으로 구성된 배열센서를 약 \\( 25 \\mathrm{m} \\) 수심에 고정 설치했지?",
"2020년 1월부터 5월까지 어떤 날을 제외한 100 일 분량의 데이터를 분석했는가?",
"왜 주변소음 측정 센서 인근을 통행하는 선박 통행량 데이터를 주변소음 측정을 수행한 시점과 동일한 기간에 대하여 분석했지?",
"일일 선박의 입출항 횟수는 어떻게 분석했지?",
"해상 선박 통행량과 함께 수중 주변소음에 영향을 끼치는 요인으로 알려진 것은 무엇이 있지?",
"수중 주변소음에 해상 선박 통행량과 함께 영향을 미치는 요인으로 알려진 것은 무엇이 있니?",
"파고 정보의 경우 무엇을 활용했는가?",
"파고 정보는 무엇을 이용했지?",
"식 3에서 \\( N \\)은 무엇을 의미하는가?",
"식 3에서 \\( H_{i} \\)는 무엇을 의미하는가?",
"통계적 관점에서 해상 상태를 나누는 기준으로 흔히 사용되는 것은 무엇인가?",
"유의파고의 약 두 배에 달하는 높이를 예상하는 것이 일반적인 파고는 무엇인가?",
"왜 본 연구에서는 파고부이 및 해양기상부이 데이터를 이용하지 않고 인근 기상 관측소에서 관측된 풍속 및 강우 정보를 분석에 활용했지?",
"본 II 장에서 수중 주변소음 데이터는 어떻게 측정됐지?",
"많은 수의 선박이 입출항하는 항로 인근에 20 채널 이상의 무엇을 약 \\( 25 \\mathrm{m} \\) 수심에 고정 설치했지?",
"일평균 \\( 50 \\sim 60 \\) 척의 선박이 인근 해역을 통과해?",
"최고파고는 유의파고의 약 몇 배에 달하는 높이를 예상하는 것이 일반적인가?"
] |
9530bb43-1e03-4ec2-8aff-d80a87587049
|
인공물ED
|
공공데이터를 활용한 선박 통행량 및 해양기상정보의 수중 주변소음에 대한 영향성 분석
|
<p>풍속과 파고간의 연관성 관련 기존 연구에서 제시한 바와같이, 파고는 중력 가속도, 바람이 부는기간, 바람의 영향 범위, 풍속 등을 변수로 하는 비례 함수로 예측 표현이 가능한데, Fig. 4에서도 마찬가지로 풍속과 파고간의 연관성이 상당히 높음을 확인할 수 있다. 특히 분석일 13 ~14 및 분석일 65 ~ 66의 경우 풍속 및 파고가 특히 높이 형성되었음을 확인 할 수 있는데, Fig. 4의 풍속과 파고에 대한 데이터와 함께 Fig. 3의 해당 분석일 입항 및 출항 횟수를 보았을때 높은 풍랑으로 인한 현저히 적은 선박 통행량을 보였음을 확인할 수 있다.</p><p>강우 정보의 경우 일일 시간별 강수량의 전체 합에 대하여 \( 3 \mathrm{~mm} \) 이상 비가 내린 경우의 강수량은 Fig.5와 같으며, 도표 인덱스 상자의 왼쪽 값은 해당 분석일, 오른쪽 값은 그 날의 전체 강수량을 의미한다. 앞에서 언급하였던 바와 같이 풍속 및 파고가 가장 높게 관측된 분석일 13에 가장 높은 강수량 \( (53.9 \mathrm{~mm}) \)을 기록하였고, 이는 강한 바람 및 파도와 함께 많은 양의 비를 동반했음을 확인할 수 있다. 분석일 38의 경우에는 풍속 및 파고는 높지 않지만 높은 강수량(46.4 mm)을 기록했음을 확인 할 수 있다.</p><p>분석일 별 선박 통행량(입항 및 출항)과 대역 별 수중 주변소음 변화 추이는 Fig. 6와 같다. Fig. 6에서 볼 수 있듯이 전체 5 개 대역 모두선박의 통행량의 변화에 따라 수중 주변소음 역시 강한 연관관계를 가지고 있음을 추측할 수 있다. 단, 강한 바람과 파고로 인해 선박 통행량이 거의 없는 분석일 13 ~ 14 및 분석일 65 ~ 66의 경우에는 \( f_{1} \sim f_{4} \) 대역의 주변소음과 \( f_{5} \) 대역의 주변소음의 변화추이가 다름을 확인 할 수있다. 선박 통행량의 감소로 인해 \( f_{1} \sim f_{4} \) 대역 주변 소음의 경우 큰 폭으로 감소하는 경향을 보이는 반면에 \( f_{5} \) 대역의 경우 감소폭이 적거나 오히려 주변 소음이 증가하는 경향을 보임을 확인할 수 있다. 이는 Reference의 결과에서 제시한 특정 대역 \( 700 \mathrm{~Hz} \sim 2,000 \mathrm{~Hz}) \)에서 파고와 수중 소음 준위간 연관성 분석 결과와 유사한 경향을 보임을 확인할 수 있다.</p><p>강우에 의한 영향성 확인을 위하여, 풍속 및 파고는 높지 않지만 높은 강수량을 기록한 분석일 38 전후의 선박통행량, 강수량, 파고 및 풍속, 주변소음 값을 정리한 내용은 Table 2와 같다. Table 2에서 볼 수 있듯이 분석일 38의 경우 분석일 36, 37에 비해 선박 통행량 및 파고, 풍속이 낮게 관측되어 \( f_{1} \sim f_{4} \) 대역 주변소음은 선박 통행량에 주로 의존적으로 값이 변동하는 반면, \( f_{5} \) 대역의 경우 많은 강우로 인하여 주변소음이 증가하는 현상을 확인할 수 있다.</p><p>위에서 논의한 해상 선박 통행량, 풍속과 파고, 강우에 의한 영향성 분석 결과로 비추어볼 때 선박 통행량의 경우 수중 주변소음 준위 변화 측면에 있어 가장 큰 요인으로 작용함을 확인할 수 있었으며, 대역 별 추이 비교를 통해 \( f_{5} \) 대역 \( (1 \mathrm{~kHz} \sim 2 \mathrm{~kHz}\) 영역)의 경우에 나머지 낮은 주파수 대역에 비해 해양 기상에 따른 영향성이 상대적으로 큰 것으로 추측할 수 있으며, 이는 기존 연구 결과에 일부 부합함을 확인 할 수 있다.</p><table border><caption>Table 2. Details of changes in ambient noise due to changes in the marine environment.</caption><tbody><tr><td rowspan=2>Day</td><td rowspan=2>Marine traffics (counts)</td><td rowspan=2>Precipitation (\(\mathrm{mm}\))</td><td rowspan=2>Wave height (\(\mathrm{m}\))</td><td rowspan=2>Wind spec (\(\mathrm{m/s}\))</td><td colspan=5>Ambient noise level (\(\mathrm{dB}\))</td></tr><tr><td>\(f_1\)</td><td>\(f_2\)</td><td>\(f_3\)</td><td>\(f_4\)</td><td>\(f_5\)</td></tr><tr><td>36</td><td>28</td><td>0.0</td><td>0.6</td><td>2.8</td><td>116.5</td><td>103.1</td><td>89.5</td><td>79.7</td><td>71.7</td></tr><tr><td>37</td><td>33</td><td>0.0</td><td>0.5</td><td>2.8</td><td>117.3</td><td>104.7</td><td>92.5</td><td>81.5</td><td>72.5</td></tr><tr><td>38</td><td>20</td><td>46.4</td><td>0.6</td><td>2.4</td><td>114.1</td><td>102.6</td><td>90.1</td><td>80.2</td><td>72.7</td></tr><tr><td>39</td><td>13</td><td>2.8</td><td>12</td><td>2.8</td><td>112.0</td><td>99.7</td><td>85.6</td><td>77.7</td><td>71.6</td></tr><tr><td>40</td><td>28</td><td>0.8</td><td>1.0</td><td>2.0</td><td>1132</td><td>101.1</td><td>87.3</td><td>77.4</td><td>70.4</td></tr></tbody></table>
|
[
"풍속 및 파고가 가장 높게 관측된 분석일에는 강한 바람 및 파도와 함께 많은 양의 비를 동반하였나?",
"선박 통행량의 경우 수중 주변소음 준위 변화 측면에 있어 가장 큰 요인으로 작용하는가?",
"바람이 부는기간과 바람의 영향 범위로는 파고를 예측 할수 없니?",
"수중 주변소음 준위 변화 측면에 있어 가장 큰 요인은 무엇인가?",
"중력 가속도, 바람이 부는기간, 바람의 영향 범위, 풍속 등을 변수로 하는 비례 함수로 파고 예측표현이 가능하니?",
"풍속과 파고간의 연관성은 높은가?",
"파고는 중력 가속도, 바람이 부는기간, 바람의 영향 범위, 풍속 등을 변수로 하는 무엇으로 예측표현이 가능한가?",
"분석일 36의 Marine traffics은 얼마인가?",
"Marine traffics이 13인 분석일은 언제인가?",
"파고가 1.0이고 Marine traffics이 28일였던 날은 분석일 몇인가?",
"파도의 높이가 12\\(\\mathrm{m}\\)를 기록한 날은 몇 번째 분석일인가?",
"분석일 37의 파도의 높이는 몇 \\(\\mathrm{m}\\)이 였는가?",
"40번째 분석일의 풍속은 몇 (\\mathrm{m/s}\\)를 기록 하였지?",
"분석일 37의 풍속은 얼마인가?",
"강우량이 가장 많았던 분석일은 언제이지?",
"분석일 38의 경우 파고는 얼마였는가?",
"파고의 값이 분석이 38일 경우 얼마인가요?"
] |
9f190c18-9a76-43b5-be0b-caf214aa40be
|
인공물ED
|
공공데이터를 활용한 선박 통행량 및 해양기상정보의 수중 주변소음에 대한 영향성 분석
|
<h1>III. 선박 통행량 및 해양기상정보 공공데이터 획득</h1><p>본 연구에서는 측정된 수중 주변소음과의 연관성 분석을 위한 선박 통행량 및 해양기상정보 데이터 획득을 위하여 대한민국 해양수산부 및 기상청의 공공데이터를 이용하였다.</p><p>해양수산부는 해운항만물류정보시스템(Port Ma-nagement Information System, PORT-MIS) 통해 대한민국 연안 및 항만을 통행하는 선박에 대한 선박제원정보, 선박입출항통계, 해운화물 및 컨테이너 수송에 대한 통계자료를 공개하여 민간부문에서 이용 가능하도록 제공한다. 본 연구를 위해 사용된 선박 입출항 통계정보의 경우, 각 항별 통행 선박의 선박 자동식별장치(Auto Identification System, AIS) 고유호출부호, 선명, 입/출항 상세시간, 국적 및 선박의 재원정보 뿐만 아니라, 선박의 용도 정보 등을 제공 받을 수 있다.</p><p>기상청은 기상자료개방포털을 통하여 지상 기상관측소, 기상위성, 레이더 및 해양부이 등을 통하여 관측된 총 30 종류의 기상관련 데이터를 개방하고 있다. 본 연구를 위해서 해양기상부이 및 파고부이에서 측정된 해양기상정보와 수중 주변소음 측정 해역 인근의 기상관측소에서 관측한 기상 데이터를 사용하고, 제공되는 데이터 중에서 기존 연구들을 통하여 수중 주변소음의 주된 영향 요인으로 알려진 풍속, 파고, 강우 정보에 제한하여 데이터를 분석한다.</p>
|
[
"기상청은 기상자료개방포털을 통해 관측된 기상 데이터를 제공해준다.",
"해운항만물류정보시스템을 통해 해양수산부는 대한민국의 연안 및 항만을 통행하는 선박에 대한 통계자료를 공개한다."
] |
b430b873-6cee-4f81-b801-eec0a700daeb
|
인공물ED
|
표면개질에 의한 물방울 접촉각 변화를 이용하여 제작된 PDMS 마이크로 렌즈
|
<h1>2. 폴리프로필렌 기판의 표면개질 및 접촉각 측정</h1><p>그림 \(1\) (a)에서 보듯이 폴리프로필렌 표면은 물방울에 대해 약 \( 84^{\circ} \) 이상의 접촉각을 갖는다. 폴리머 물질의 표면을 친수성으로 개질하는 방법으로 산소 플라즈마를 이용한 표면 처리 방법 등이 있으며, 본 연구에서는 테슬라 코일을 사용하는 고전압 방전처리를 이용하였다. 상온 상압의 대기 환경에서 폴리프로필렌의 표면을 약 \(150\)초 동안 고전압 방전처리하였으며, 그림 \(1\) (b)에서 보듯이 친수성을 가지는 표면을 얻을 수 있었다. 이 때, 폴리프로필렌 표면은 고전압 방전 처리 시 발생되는 전자, 이온, 여기상태의 중성자, 광자 등에 의해 수산기를 형성하게 되고 이 수산기들은 대기 중의 산소와 쉽게 반응하여 산화된다. 이렇게 산화된 폴리프로필렌 표면은 친수성을 가지게 되며 시간이 경과함에 따라 산화된 수산기가 소멸하게 되어 점점 척수성을 회복하게 된다. 또한 산화된 폴리프로필렌 표면은 물, 메탄올, 아세톤과 같은 극성 용액에 의해 쉽게 제거된다. 방전 처리 후 바로 측정하였을 때 표면 접촉각은 \(25\)였으며, 그 후 시간이 경과함에 따라 접촉각은 점차적으로 다시 척수성을 가지도록 회복되는데, 실험결과 온도가 높을수록 회복되는 속도는 빨라짐을 알 수 있었다. 따라서 본 연구에서는 \( 80^{\circ} \mathrm{C} \)로 가열된 hotplate 위에서 기판의 척수성 회복을 진행하였으며 접촉각 측정은 상온에서 이루어졌다. 그림 \(1\) (c) (e)는 시간이 지남에 따라 접촉각이 점점 커지는 것을 보여주는 사진들이다. 약 \(5\)분 후 \( 36^{\circ}, 440 \) 분 후 \( 64^{\circ} \), 그리고 약 \(6840\)분 (\(114\)시간) 이후 접촉각이 \( 79^{\circ} \)로 측정 되었으며 그림 \(2\)에 그래프로 나타내었다.</p><h1>3. PDMS 마이크로 렌즈의 제작</h1><p>그림 \(3\)은 PDMS 마이크로 렌즈를 제작하는 공정 과정을 보여준다. 본 연구에서는 값이 싸고 쉽게 구할 수 있는 PP 기판을 이용하였다; (a) 먼저 테슬라 코일을 이용하여 기판의 표면을 친수성으로 개질한다. 이때 표면 전체에 고르게 방전 시키기 위해, 기판으로부터 약 \( 1.5 \mathrm{~cm} \)거리에서 실시하였으며, \( 64 \mathrm{~cm}^{2} \)의 면적에서 \(150\)초 동안 수행하였다. (b) 그리고 \( 80^{\circ} \mathrm{C} \) 의 hotplate 위에서 가열하여 다양한 원하는 접촉각을 가지는 기판들을 준비하였다. 이때, 가열하는 시간을 조절함으로써 쉽게 원하는 접촉각을 가지는 표면을 쉽게 얻을 수 있다. (c) 다음으로 마이크로 피펫을 사용하여 기판 위에 원하는 크기의 물방울을 위치시킨 뒤, (d) 그 위에 바로 PDMS(10:1) 프리 폴리머를 부운 다음 진공챔버를 이용하여 PDMS에 존재하는 기포를 제거하고, \( 80^{\circ} \mathrm{C} \)에서 \(60\)분 동안 경화하였다. 이 때, \( 1.03 \mathrm{~g} / \mathrm{cm}^{3} \)의 밀도 값을 갖는 PDMS 프리 폴리머와 풀리프로필렌 표면은 친수성의 성질을 가지고 있기 때문에 실험결과 \( 84^{\circ} \) 이상의 접촉각을 갖는 물방울은 PDMS 프리 폴리머 표면 위로 떠오르는 현상이 발생하였다. 따라서 \( 84^{\circ} \) 이상의 접촉각을 가지는 물방울은 형틀로 사용될 수 없었다. (e) 그 다음 경화된 PDMS를 기판에서 분리하여 오목한 형태의 마이크로 렌즈를 형성하고 있는 PDMS 형틀을 완성 하였다. (f) 마지막으로 그 위에 다시 한번 PDMS 몰딩을 수행하여, (g) 볼록한 형태의 마이크로 렌즈를 가지는 PDMS 구조체를 완성하였다.</p>
|
[
"방전처리 후 바로 측정하였을 때 폴리프로필렌 표면은 물방울에 대해 얼마 만큼의 접촉각을 가지고 있었어?",
"폴리머 물질의 표면을 친수성을로 개질하는 대표적인 방법으로써 본 논문에 소개된 방법이 뭐야?",
"폴리프로필렌 표면에서는 물방울에 대해 어느 범위의 접촉각을 가져?",
"본 연구에서는 어떤 방전처리를 통해 폴리머 물질의 표면을 친수성으로 개질했어?",
"본 연구에서는 폴리프로필렌을 얼마나 길게 고전압 방전처리를 진행했어?",
"본 연구에서 폴리프로필렌의 표면을 고전압 방전처리시킨 대기 환경의 조건을 어떻게 설정했어?",
"폴리프로필렌의 표면을 고전압 방전처리하여서 어떤 성질을 가지는 표면을 얻을 수 있었어?",
"폴리프로필렌이 고전압 방전처리를 진행할 때 어떤 화학적 물질군을 형성해?",
"폴리프로필렌의 고전압 방전처리 과정에서 형성된 수산기는 대기중의 산소와 반응하여 어떤 현상이 일어나?",
"시간이 경과할 수록 폴리프로필렌 표면은 어떤 성질로 변해?",
"산화된 폴리프로필렌이 시간이 지나면서 척수성을 회복하게 되는 원인이 뭐야?",
"산화된 폴리프로필렌 표면은 어떤 용액들로 쉽게 제거할 수 있어?",
"폴리프로필렌 표면의 척수성이 어떤 경우에 회복속도가 빨랐어?",
"본 연구에서 접촉각 측정을 진행한 실험온도조건은 뭐야?",
"본 논문의 연구에서는 어떤 조건의 실험장치에서 척수성 회복을 진행했어?",
"본 연구에서는 PDMS 마이크로 렌즈를 제작할 때 어떤 재료로 공정했어?",
"본 연구에서 PDMS 마이크로 렌즈를 제작할 때 친수성 개질을 위해서 어떤 코일을 사용했어?",
"표면 전체를 고르게 방전시키기 위해서 본 연구에서는 어떤 거리조건을 설정했어?",
"본 연구에서 PDMS 마이크로 렌즈를 공정하기 위해 고전압 방전처리를 얼마나 길게 수행했어?",
"PDMS 마이크로 렌즈를 공정할 때 어떤 조건의 실험기구 위에서 실험을 세팅했어?",
"실험 결과로 ( 84^{\\circ} \\) 이상의 접촉각을 갖는 물방울은 PDMS 프리 폴리머 표면 위로 떠오르는 현상이 발생한 이유가 뭐야?",
"PDMS 프리 폴리머의 밀도는 얼마야?",
"PDMS 마이크로 렌즈 공정과정에서 기판 위에 물방울을 위치 시킨 뒤에 부운 물질이 뭐야?",
"\\( 84^{\\circ} \\) 이상의 접촉각을 가지는 물방울을 형틀로 사용할 수 없었던 이유가 뭐야?",
"본 연구에서 PDMS 마이크로 렌즈를 공정하는 과정에서 기판 위에 원하는 크기의 물방울을 위치키시기 위해서 어떤 기구를 사용했어?",
"PDMS 마이크로 렌즈 공정과정에서 마지막으로 수행한 과정이 뭐야?",
"어떤 인자를 조절하여 PDMS 마이크로 렌즈 공정과정에서 원하는 접촉각을 가지는 표면을 쉽게 얻을 수 있었어?",
"PDMS 마이크로 렌즈 공정 과정에서 결과물로 얻은 것이 뭐야?",
"실험에서 척수성 회복 진행 440분후에 측정된 접촉각의 값은 얼마야?",
"폴리프로필렌을 고전압 방전처리하면 물 분자와 비슷한 성질을 가지는 표면으로 성질이 변해?",
"온도와 폴리프로필렌 표면의 척수성이 회복되는 속도는 양의 상관관계를 가지고 있어?"
] |
4dc2c12f-0551-4de0-894b-08083d9426be
|
인공물ED
|
표면개질에 의한 물방울 접촉각 변화를 이용하여 제작된 PDMS 마이크로 렌즈
|
<h1>1. 서 론</h1><p>지금까지 마이크로 렌즈 혹은 마이크로 렌즈 어레이들은 미소광학 시스템이나 바이오 칩 등의 분야에서 중요한 역할을 해오고 있으며, 그에 따라 polydimeth-ylsiloxane (PDMS)과 같은 폴리머를 이용한 다양한 마이크로 렌즈 제작 방법들이 발표되었다. PDMS는 비교적 저렴한 가격과 간단한 공정으로 제작이 가능하며, 또한 높은 투명도를 가지기 때문에 대상을 관찰하기에 용이하고, 바이오 칩에 적용되었을 경우 대상 물질에 어떠한 영향도 끼치지 않는 특성이 있어 마이크로 렌즈로 사용하기에 매우 적합하다. 대부분의 PDMS 공정은 몰딩 방법을 사용하는데, 현재까지 제작되어온 PDMS 마이크로 렌즈의 경우, 필요한 곡면을 가지는 고체 형틀을 따로 제작한 뒤 그 위에 PDMS를 몰딩하는 방식이 주류를 이루고 있다. PDMS를 몰딩하기 위한 고체 형틀을 제작하는 대표적인 방법으로는 디퓨저 노광방식 (diffuser lithography), 감광막의 열적 리플로우 (photoresist thermal reflow), 젤 방식 (gel trapping technique), 그리고 비구면 표면을 이용한 형틀방식 (replica molding method) 등이 있다. 그러나 대부분 고체상태의 형틀을 사용함으로써 완벽한 곡률의 렌즈를 얻거나 상대적으로 큰 렌즈를 제작하는데 어려움이 있다.</p><p>본 논문에서는 액체상태(물방울)의 형틀을 이용함으로써, 물방울의 표면장력에 의해 완벽한 구면을 갖는 PDMS 마이크로 렌즈를 제작하는 기술을 소개한다. 또한 물방울의 부피를 조절함으로써 원하는 크기의 마이크로 렌즈를 제작할 수 있으며, 폴리프로필렌(poly-propylene, PP) 표면에 대한 물방울의 접촉각을 조절함으로써 원하는 곡률을 갖는 마이크로 렌즈를 제작할 수 있다.</p>
|
[
"대부분의 PDMS 공정이 사용하는 방법은 무엇인가?",
"PDMS는 비교적 높은 가격과 복잡한 공정으로 제작이 가능한가?",
"PDMS를 몰딩하기 위한 고체 형틀을 제작하는 대표적인 방법에 해당되는 것은 무엇인가?",
"현재까지 제작되어온 PDMS 마이크로 렌즈의 경우, 필요한 곡면을 가지는 고체 형틀을 따로 제작한 뒤 그 위에 PDMS를 몰딩하는 방식이 주류를 이루고 있는가?",
"물방울의 이 각을 조절함으로써 원하는 곡률의 마이크로 렌즈를 제작할 수 있는데, 이 각은 무엇인가?",
"PDMS가 마이크로 렌즈로 사용하기 적합한 이유는 무엇인가?",
"대부분 고체상태의 형틀을 사용함으로써 완벽한 곡률의 렌즈를 얻거나 상대적으로 큰 렌즈를 제작하는데 어려움이 없는가?",
"PDMS 마이크로 렌즈는 물방울의 이것에 의해 완벽한 구면을 갖는데, 이것은 무엇인가?"
] |
d47c7ff8-808a-44c3-9406-96a4d7277749
|
인공물ED
|
표면개질에 의한 물방울 접촉각 변화를 이용하여 제작된 PDMS 마이크로 렌즈
|
<h1>5. 결 론</h1><p>본 연구에서는, 물방울을 형틀로 사용함으로써 다양한 크기와 곡률을 가지는 PDMS 마이크로 렌즈를 제작하는데 성공하였다. 앞서 설명한 제작 방법은 매우 간단하고 비교적 적은 비용으로 실행할 수 있다는 장점을 가지고 있으며 제작된 PDMS 마이크로 렌즈는 물방울의 표면장력에 의한 완벽한 구면을 가지게 된다. 또한 본 기술이 적용된 PDMS 마이크로 렌즈는 물방울의 부피를 조절함으로써 원하는 크기를 가질 수 있고, 기판 표면의 척수성 회복 시간을 조절함으로써 원하는 곡률로 제작될 수 있으며, 랩온어칩(lab-on-a-chip)이나 의학진단기기 그리고 광학 시스템 등에 응용 될 수 있을 것으로 기대된다.</p>
|
[
"다양한 크기와 곡률을 가지는 PDMS 마이크로 렌즈를 제작하는데 사용한 것은 무엇인가?",
"PDMS 마이크로 렌즈가 완벽한 구면을 가지는 원인은 무엇인가?",
"PDMS 마이크로 렌즈는 크기를 바꿀 수 있는가?",
"PDMS 마이크로 렌즈의 곡률에 영향을 미치는 요소는 무엇인가?"
] |
7ec00aaa-e171-4477-9625-ba5c161a88c9
|
인공물ED
|
표면개질에 의한 물방울 접촉각 변화를 이용하여 제작된 PDMS 마이크로 렌즈
|
<h1>4. 실험 결과 및 고찰</h1><p>그림 \(4\)는 제작된 볼록한 형태의 마이크로 렌즈의 측면 사진을 보여준다. 각각 (a) \( 36^{\circ} \), (b) \( 64^{\circ} \), (c) \( 79^{\circ} \)의 접촉각을 가지는 물방울들을 형틀로 사용한 것으로 그림 \(1\)과 비교해 보면 형틀로 사용된 물방울과 약간의 차이를 보이고 있는데 이에 대한 원인을 형틀로 사용된 물방울과 제작된 PDMS 렌즈의 밑변 길이와 높이를 측정한 값으로 설명하면, (a)의 경우 밑변길이가 감소하고 높이가 증가한 것으로 보아 PDMS 프리 폴리머의 기포를 제거하고 경화시키는 동안 폴리프로필렌 표면의 접촉각이 회복되어 나타난 결과로 보여진다. 이것은 그림 \(2\)의 그래프에서 보이는 바와 같이 초기에는 접촉각 회복속도가 빠르게 나타나기 때문인 것으로 보여진다. (b)의 경우 형틀로 사용된 물방울과 동일한 값이 측정된 것으로 보아 접촉각에 대한 측정오차로 인한 결과로 보여진다. 또 (c)의 경우는 밑변 길이는 그대로이지만 높이가 감소한 것으로 보아 물방울에 가해지는 중력과 PDMS 프리 폴리머에 의한 압력으로 인하여 물방울이 압축되어 생긴 결과라고 보여진다.</p><p>그림 \(5\)는 다양한 크기를 갖는 PDMS 마이크로 렌즈 어레이를 보여준다. 현재 마이크로 피펫을 이용할 경우 피펫의 한계에 따라 최소 지름 \( 0.7 \mathrm{~mm} \)부터 최대 \( 7.5 \) \( \mathrm{mm} \)까지 제작할 수 있었으나, 물방울의 크기를 조절함으로써 더 작은 것부터 더 큰 렌즈까지 제작할 수 있을 것으로 본다. 하지만 렌즈의 크기가 커질수록 물방울에 가해지는 중력 등 외부 요인에 의한 영향이 증가하여 왜곡된 형태의 렌즈가 얻어질 것으로 예상되나, 정량적인 결과를 위해서는 좀 더 실험이 필요하다. 그림 \(6\)은 제작된 다양한 마이크로 렌즈를 사용하여 실제 사물을 관찰한 결과이다. (a)는 지름 \( 7.5 \mathrm{~mm} \)의 볼록렌즈를 이용하여 텍스트를 확대한 사진이며, (b)는 지름 \( 0.7 \mathrm{~mm} \)의 오목렌즈를 사용한 것으로서 배경 패턴이 축소된 모습을 보여준다.</p>
|
[
"실험 결과로 얻은 렌즈의 지름에 한계가 있는 이유가 뭐야?",
"마이크로 피펫을 활용하여 제작한 것보다 더 넓은 범위의 렌즈를 제작하기 위해서 어떤 요인을 조절해야해?"
] |
a20f1d42-5793-4f93-beaf-8e4c025b82bc
|
인공물ED
|
테이블탑 홀로그래픽 디스플레이 시스템 구현
|
<h1>1. 서 론</h1><p>현대 생활 환경에서 디스플레이가 사라진다면 어떻게 될까? 아마도 마치 전기가 사라지고 예전의 호롱불을 사용하던 시절로 돌아간 것과 유사한 느낌을 받지 않을까? 이렇게 간단히 한번 생각해봐도 우리 생활에 얼마나 디스플레이가 보편적으로 사용되고 있으며 대부분의 정보를 얻는데 필수적인지를 이해할 수 있다. 다만, 현재의 디스플레이는 \( 2 \)차원의 평면 이미지를 재현하고 전달하는데 머물러 있으며, 현실에서 느끼는 공간감이나 거리감을 충실히 전달해주지는 못하고 있다. 우리가 살고 있는 \( 3 \)차원 공간감을 그대로 재현할 수 있는 디스플레이를 만들어보고자 하는 생각은 실용적인 디스플레이가 우리 주변에서 사용되기 시작할 때부터 품어왔으며, 오랜 세월동안 많은 연구가 이루어졌다.</p><p>입체디스플레이가 일반 대중들에게 소개될 때마다 많은 관심과 열광적인 반응이 일어났으며, \( 1950 \)년대 입체영화의 붐이 일던 시기나 \( 2010 \)년대 \( 3 \)DTV에 대한 관심이 크게 일어난 시기에는 산업적인 성공에 대한 기대로 대규모 투자가 진행되기도 하였다. 그러나, 그간에 소개된 기술들은 모두 내재된 한계로 인하여 특수한 전문 분야의 활용을 제외하고 일반적인 정보 전달용 디스플레이로는 성공하지 못하였다. 이는 기존의 기술들이 실제와 같이 물체로부터 반사된 빛을 충실히 재현하지 못하고, 제한된 수의 \( 2 \)차원 영상을 두 눈에 보여주어 우리의 뇌를 속이는 방식이기 때문이다. 이런 방식의 디스플레이를 장시간 보고 있으면 우리의 뇌는 현실과 다르게 지속되는 자극으로 인해 피로와 어지러움을 느끼게 되고, 일상적으로 활용하는 디스플레이로는 부적합 판정을 받게 된다.</p><p>홀로그래픽 디스플레이는 현실에서 사물을 볼 때 전달받는 것과 동일한 시각 자극을 눈에 전달함으로써, 기존의 디스플레이가 가지고 있는 한계를 극복할 수 있는 완벽한 \( 3 \)차원 영상 재현 기술이다. 홀로그래피 기술은 빛이 가지고 있는 파동 정보를 \( 2 \)차원 평면에 기록하고, 이로부터 원래의 파동성을 가진 빛을 완벽하게 복원할 수 있다. 홀로그래픽 디스플레이로 보는 영상은 실제 물체로부터 반사된 빛과의 차이를 구분할 수 없으며, 마치 그 위치에 물체가 있는 것처럼 느끼게 된다. 우리 눈의 렌즈는 이에 반응하여 공간상의 그 위치에 초점을 맞추게 되고, 두 눈이 동시에 초점을 맞추는 위치를 보게 됨으로써, 소위 이전의 \( 3\)D 디스플레이들이 공통적으로 가졌던 초점-주시 불일치 (VAC: Vergence Accommodation Conflict)현상에서 자유로우며, 눈과 시각 계통의 피로를 유발하지 않고 입체시를 느끼게 해준다. 이렇게 재현된 홀로그램 영상은 우리 시각이 자연스럽게 요구하는 양안 시차 (Binocular Disparity)와 운동시차 (Motion Parallax)를 모두 지원함으로써, \( 3 \)차원 공간상에 존재하는 물체의 입체감, 공간감, 그리고 거리감을 완벽히 전달하게 된다.</p><p>홀로그래피의 작동 원리는 매우 명확하며 비교적 단순하지만, 이를 기반으로 실용화 가능한 성능을 가진 디스플레이를 구현하는 것은 아직 기술적으로 충분히 성숙되지 않은 상황이다. 본 고에서는 홀로그래픽 디스플레이 및 \( 3 \)D 입체영상 기술의 연구 현황을 간단히 살펴보고, ETRI가 개발한 테이블탑형 홀로그래픽 디스플레이 시스템에 대해 상세히 설명한다.</p>
|
[
"홀로그래픽 디스플레이가 나오기전 기존의 디스플레이가 가졌던 현상은 무엇인가요?",
"홀로그램 영상은 3차원 공간상의 물체의 입체감을 완벽히 전달하나요?",
"홀로그래피를 적용해서 실용화 가능한 디스플레이가 구현되어 있나요?",
"테이블탑형 홀로그래픽 디스플레이 시스템은 어떤 기관에서 개발하였나요?",
"입체영화의 붐이 일던 시기는 언제야?",
"언제 입체영화의 붐이 발생했지?",
"현재의 디스플레이가 현실에서 느끼는 공간감이나 거리감을 전달해주지 못하는 이유는 뭐야?",
"2010년대에는 무엇에 대한 관심이 크게 일어난 시기인가요?",
"무엇에 대한 관심이 2010년대서 크게 발생했지?",
"어떤 방식의 디스플레이를 장시간 보면 피로와 어지러움을 느끼나요?",
"홀로그래픽 디스플레이로 보는 영상은 실체 물체로부터 반사된 빛과의 차이를 구분할 수 있나요?",
"홀로그래픽 디스플레이는 현실에서 사물을 볼때처럼 동일한 시각 자극을 눈에 전달해?",
"기존의 디스플레이가 가지고 있는 한계를 극복하는 3차원 디스플레이 기술은 뭐야?"
] |
000eb1f2-5f47-4918-afc2-8ac03abb5875
|
인공물ED
|
테이블탑 홀로그래픽 디스플레이 시스템 구현
|
<h1>2. 기존 연구 동향</h1><h2>2.1. 홀로그래픽 디스플레이의 구현 원리</h2><p>우리가 물체를 보는 것은 물체로부터 반사된 빛을 인식하는 것이며, 이와 동일한 빛을 만들어내어 보여줄 수 있으면 실제 물체를 보는 것과 동일한 지각 작용을 이끌어낼 수 있다. 홀로그래피는 이것이 가능하다는 것을 보여준 기술적인 원리로써, \( 1948 \)년 Dennis Gabor 박사에 의해 제안되었다. 홀로그램의 기본 원리에 대해서는 쉽게 여러 참고문헌이나 인터넷에서 찾아볼 수 있으며, 의외로 매우 단순하며 명확하다. 빛은 전자파의 일종으로 파동성을 지니며, 이 빛에 대한 모든 정보는 미리 특성을 알고 있는 기준광과의 간섭 무늬를 기록함으로써 추후 완벽히 재현해낼 수 있다는 것이다. 즉, 미리 특성을 알고있는 기준광을 물체에 비추고, 사물로부터 반사된 물체광과의 간섭무늬를 기록한 후, 여기에 기준광을 비추면 회절 현상을 통해 원래의 물체광이 재현된다. 이 간섭 무늬를 디지털 정보로 받아서 빛의 회절 현상을 제어함으로써 원래의 물체광을 재생해내는 소자 (공간광변조기, SLM: Spatial Light Modulator)가 홀로그래픽 디스플레이의 핵심이 되며, SLM 소자의 간섭무늬 표현 정밀도와 회절 효율이 디스플레이 성능을 좌우하게 된다.</p><h2>2.2. 홀로그래픽 디스플레이의 핵심소자 - 공간광변 조기 (SLM)</h2><p>홀로그래픽 디스플레이를 구현할 때 가장 중요한 요소 중의 하나는 사용되는 SLM 소자의 회절 성능이다. 회절 성능은 회절 각도와 회절 효율로 대표될 수 있으며, 이 중 회절 각도가 더 중요한 성능 지표가 된다. 홀로그래픽 디스플레이는 SLM 소자에서 회절된 빛들이 공간상에서 간섭을 일으켜 공간상에 영상을 만들어내고, 이 회절된 빛을 우리가 봄으로써 형성된 입체 영상을 인식하게 된다. 따라서, 홀로그래픽 디스플레이가 생성하는 영상을 우리가 보기 위해서는 회절된 빛이 우리 눈에 도달해야 하며, 이는 다시 말하면 SLM 소자의 회절 각도 안에서만 영상을 볼 수 있다는 의미가 된다. 이 회절 각도는 사용된 빛의 파장에 비례하고, 픽셀 피치의 크기에 반비례한다. 따라서, 큰 회절각을 얻기 위해서는 SLM 소자의 픽셀 피치가 작아야 하며,픽셀 피치가 \( 0.5 \mathrm{um} 1 \mathrm{um}, 5 \mathrm{um} \)의 경우에 각각 \(30 \)도, \( 14\)도, \( 3 \)도 정도 된다. 이 때 영상을 볼 수 있는 시야각은 회절각의 두배로써 각각 \( 60 \)도, \( 28 \)도, \( 6 \)도가 된다. 따라서, 약 \( 30 \)도 정도의 시야각을 얻기 위해서도 픽셀 피치는 \( 1 \mathrm{um} \) 정도로 매우 작아야 된다는 것을 알 수 있다. \( 1 \mathrm{um} \)의 픽셀피치를 갖는 SLM 소자를 현재의 HDTV와 같은 픽셀 해상도를 갖도록 만들었다고 해보자. HDTV는 대략 가로 \( 2 \)천, 세로 \( 1 \)천 (총 \( 2 \)백만픽셀)의 해상도를 가지므로 소자의 크기는 가로 \( 2 \)밀리미터, 세로 \( 1 \)밀리미터를 갖는 초소형 소자가 되고, 이 SLM 소자로 만들어낼 수 있는 홀로그램 영상의 크기도 이 크기를 벗어나지 못한다.</p><p>SLM 소자로는 기존 \( 2 \)D디스플레이에 사용되는 LCD, LCoS, DMD 등이 주로 사용된다. 위에서 구체적인 수치를 통해 살펴보았듯이 실용적인 홀로그래픽 디스플레이를 구현하기 위한 이들 소자에 대한 요구 조건은 현재 규격 수준에 비해 매우 높다. 즉, \( 1 \mathrm{um} \) 이하의 픽셀 피치를 가지면서 재현하고자 하는 영상과 동일한 정도의 크기를 갖는 소자가 요구되는 것이다. 이를 기술적으로 Space (영상의 크기)와 Bandwidth (대역폭: 회절각에 비례하며, 픽셀피치에 반비례함)라는 파라메터의 곱으로 나타내며, 홀로그래픽 디스플레이를 구현하기 위한 SLM 소자는 큰 SBP(Space Bandwidth Product) 값을 가져야 한다고 말한다. 큰 SBP 값에 대한 요구 조건이 만족되어야 넓은 범위에서 관찰 가능한 큰 홀로그램 영상을 만들어낼 수 있으며, 대략 현재 소자의 \( 1 \)만배 \( 100 \)만배 정도 SBP가 필요하다. 따라서, 현재 사용가능한 소자를 기반으로 실용성 있는 홀로그래픽 디스플레이를 구현하기 위해서는 요구 조건을 낮추는 방법과 시스템 성능을 향상시키는 두가지 방향의 연구가 모두 필요하다.</p>
|
[
"우리가 물체를 보는 것은 무엇을 의미하나요?",
"우리가 물체를 보는 것은 무엇을 무엇을 의미하는 건가요?",
"홀로그래피가 처음 제안된 년도는 언제야?",
"디스플레이 성능을 좌우하는 요인은 무엇인가?",
"무엇이 디스플레이 성능을 좌우하는 요소일까?",
"빛의 회절 현상을 제어해서 원래의 물체광을 재생해내는 소자는 무엇인가요?",
"무엇이 빛의 회절 현상을 제어해서 원래의 물체광을 재생해내는 소자인가?",
"빛은 파동성을 지니나요?",
"SLM 소자의 픽셀 피치가 \\( 0.5 \\mathrm{um} \\) 인 경우 회절 각도는 어느정도 되나요?",
"홀로그래픽 디스플레이에서 SLM 소자의 회절 각도는 픽셀 피치의 크기에 비례하나요?",
"기준광의 특성을 알고 있으면 원래의 물체광을 재현할 수 있나요?",
"홀로그래픽 디스플레이를 구현하기 위해 SLM 소자는 작은 SBP 값을 가져야 하나요?",
"영상을 볼 수 있는 시야각은 회절각의 몇 배인가요?",
"회절 성능에서 회절 각도와 회절 효율 중 더 중요한 지표는 무엇인가요?",
"SLM 소자의 회절 성능은 홀로그래픽 디스플레이를 구현할 때 중요한 요소인가?",
"SLM 소자로 기존 \\( 2 \\)D디스플레이에 주로 무엇이 사용되나요?",
"홀로그래피는 무엇을 가능하게 하나요?",
"홀로그래피는 처음 누구에 의해 제안되었나요?"
] |
248d909f-3fa9-4f9e-b067-5216d863348a
|
인공물ED
|
테이블탑 홀로그래픽 디스플레이 시스템 구현
|
<h1>4. 맺음말</h1><p>현대 사회는 고도로 발전된 통신 시스템을 기반으로 빠른 속도로 발전하고 있다. 지역과 시간의 경계를 넘어 상호 생각과 행동을 주고 받는 과정에서 많은 시너지를 만들어내고 있으며, 비주얼 미디어는 점점 더 그 비중과 역할을 확대해나가고 있다. 이에 따라 완벽한 입체 비주얼 미디어를 제공할 수 있는 잠재력을 가진 홀로그래피 기술의 발전에 대한 요구도 한층 높아지고 있다. 약 \( 70 \)년전 홀로그래피의 기본 원리가 제시된 이래의 중요한 기술 발전 현황을 그림 \( 5 \)에 보였으며, 디지털 기술 기반의 홀로그래피 연구가 최근 매우 활발함을 알 수 있다. 최근의 기술 발전을 자세히 살펴보면 홀로그래피 기술의 실상용화가 생각보다 빨리 이루어질 것이라는 기대를 가져도 크게 틀리지 않을 것이다.</p>
|
[
"비주얼 미디어는 점점 비중과 역할이 확대되고 있나요?"
] |
6c34b6c2-05b7-4295-b38c-55961bc88912
|
인공물ED
|
테이블탑 홀로그래픽 디스플레이 시스템 구현
|
<h2>2. 3. 주요 홀로그래픽 디스플레이 연구 현황</h2><p>여러 대학이나 연구기관에서 SLM 소자의 성능 한계를 극복하기 위한 여러 구조와 방식에 대한 연구가 다양하게 수행되었으며, 여전히 많은 발전이 필요한 상황이다. 현재까지 연구된 구현 방식은 크게 다음과 같은 몇 가지로 나누어볼 수 있다.</p><ol type=1 start=1><li>높은 해상도를 갖는 \( 1 \)차원 소자의 평면 배열로 HPO (Horizontal Parallax Only) 홀로그램을 재현 함으로써 SBP 요구값을 낮추고 고해상도 홀로그램 영상을 얻는 방식 : HPO 홀로그램은 완전 시차 (Full Parallax) 홀로그램보다 성능 요구사항이 제곱근에 비례하는 정도로 크게 낮아지는 장점이 있다. 즉, 요구되는 성능을 \( 100 \)에서 \( 10 \)으로, 또는 \( 10,000 \)에서 \( 100 \)으로 낮출 수 있다. 요구 성능이 낮아지는 반면에 우리의 일상적인 움직임은 수평 방향의 이동이 대부분이므로, HPO만 제공하더라도 충분히 실용성이 있다.</li><li>큰 픽셀 피치를 갖는 SLM 소자로 큰 영상을 재현하되, 동공추적과 광원방향 제어를 통해 회절각 한계를 극복하고 넓은 유효 시역을 확보하는 방식 : 픽셀 피치를 크게 하면 비교적 큰 크기의 SLM 소자를 쉽게 만들 수 있고 그에 해당하는 큰 홀로그램 영상을 얻을 수 있다. 다만, 이 경우 픽셀 크기에 반비례하여 이 영상을 볼 수 있는 시역 범위가 매우 작아지는 것을 피할 수 없다. 그러나, 이 제한된 시역이 우리 눈의 움직임을 따라가면서 항상 우리 동공에 머물도록 하고,동공의 위치에 따라 재현되는 홀로그램 영상을 실시간으로 바꾸어주면 우리는 넓은 시역을 갖는 디스플레이를 보는 것과 동일한 효과를 얻게 된다. 정밀한 동공추적, 광원 방향의 제어 및 정교하게 동기화된 실시간홀로그램 update 등의 기술이 완벽히 구현되어야 하지만, 현재 사용 가능한 SBP 성능으로 실용적인 홀로그래픽 디스플레이를 구현하기 위한 강력한 방법론 중의 하나이다.</li><li>다수 SLM 소자를 공간적으로 타일링하여 영상 크기를 확대하는 방식 : 개념적으로는 매우 단순한 방법이지만, 구현을 위해서는 복잡한 구조의 광학 장치가 부가되어야 하므로 실용적으로 만들기가 쉽지 않다.</li><li>반복적 기록과 재생이 가능한 필름매체를 SLM 소자로 사용하여 고화질 대화면 영상 재현을 하고자 하는 방식 : 디지털 소자에 비해 횔씬 회절 각도가 크고 해상도가 높은 특성을 갖고 있는 필름 매체를 디스 플레이에 사용하고자 하는 접근 방법이나, 동영상을 재현하기 위해 필요한 스위칭 속도를 갖는 필름매체를 개발해야 하는 어려움이 있다. 표 \( 1 \)은 위 각 방식의 현재까지 발표된 대표적 연구 결과를 요약 정리한 것이다.</li></ol><p>최근 삼성전자에서는 방식 \( (2) \)를 적용하면서 하드웨어를 최적화한 Slim 패널 홀로그래픽 비디오 디스플레이를 발표하여 실용화에 대한 기대를 높이고 있다.</p><p>이와 함께 성능이 월등히 향상된 새로운 SLM 소자에 대한 연구도 꾸준히 진행되고 있다. 최근에 발표된 SLM 소자에 대한 주요 연구는 다음과 같다.</p><ol type=1 start=1><li>반도체와 디스플레이 공정을 복합적으로 사용하여 미세 픽셀피치를 갖는 대면적 SLM 패널 구현</li><li>초고해상도 SLM</li><li>메타 Surface 기반의 복소 변조 SLM</li></ol><p>SLM 소자의 핵심 연구 이슈는 회절 효율이 좋은 미세 픽셀 설계, 고해상도 패널의 고속 데이터 드라이빙, 복소변조 구조 등이다. SLM의 성능 향상은 홀로그래픽 디스플레이 기술 발전을 견인하는 주요 요소이며, 조만간 이런 연구 성과를 바탕으로 지금보다 월등히 우수한 성능의 디스플레이 시스템 구현이 가능해질 것을 기대한다.</p><h2>2.4. 홀로그래픽 \( 3 \)D 입체영상 시스템</h2><p>홀로그래픽 \( 3 \)D 입체영상 시스템 기술은 꿈의 원격현실 (Tele-presence)을 실제화 할 수 있는 잠재력을 가지고 있다. 멀리 있는 대상을 내 눈 앞으로 불러와 재현하고 서로 같은 공간에 있는 것과 같은 느낌을 가지고 대화할 수 있다. 이를 위해서는 홀로그래픽 디스플레이 시스템 뿐만 아니라, 홀로그램의 획득과 생성, 압축과 전송, 그리고 복원 및 재생에 이르는 전체 신호 파이프라인 상의 모든 요소 기술이 함께 구현되어야 한다. 이 기술들도 모두 도전적인 문제들을 가지고 있다.</p><p>아직 자연 조명 환경에서 일반적인 카메라로 사진을 찍듯이 홀로그램을 획득하는 기술은 개발되지 못했으며, 이에 대한 초기 연구가 최근 활발히 이루어지고 있다. 현재 우수한 품질의 동영상 홀로그램을 얻는 기본적인 방법은 \( 3 \)차원 영상 정보를 입력으로 하여 빛의 회절 현상을 모델링한 CGH 알고리즘의 컴퓨터 계산에 의해 얻는 것이다. 이 방식은 요구되는 막대한 계산량으로 인하여 실시간 시스템 적용을 위해서는 특별한 연산장치의 개발이 필요하다. 최근에는 AI 기법을 활용하여 CGH 생성 속도를 높이고자 하는 연구도 시작되고 있다.</p><p>방송이나 통신 시스템을 통하여 홀로그램 영상 서비스를 하기 위해서는 표준화된 포맷으로 홀로그램 데이터를 송수신할 수 있어야 하며, 이를 위한 데이터압축 기술도 개발되어야 한다. 표준화된 홀로그래픽 디스플레이가 없는 상황이므로, \( 3 \)D 영상정보를 송수신하고 이를 디스플레이가 홀로그램 정보로 변환하여 사용하는 방법과 홀로그램 데이터를 직접 압축하여 송수신하는 방법 모두에 대해 시스템 차원에서의 효율성 연구가 필요하다. 홀로그램 데이터는 디스플레이의 형상과 규격에 따라 크게 달라질 수 있다는 측면에서,전자의 방법이 범용성이 더 높으나, 이 방식을 채택하기 위해서는 \( 3 \)D 영상 데이터로부터 홀로그램을 생성하는 CGH 과정이 디스플레이 단에서 실시간으로 처리 가능해야 한다.</p>
|
[
"CGH 알고리즘을 통해 컴퓨터 계산은 실시간 시스템 적용을 위해 어떤 것의 개발이 필요한가요?",
"홀로그램 데이터는 무엇에 따라 크게 달라질 수 있어?",
"홀로그래픽 \\( 3 \\)D 입체영상 시스템 기술은 무엇을 실제화 할 수 있는 잠재력을 가지고 있나요?",
"꿈의 원격현실을 실제화 하기 위해 필요한 요소는 무엇인가요?",
"현재 표준화된 홀로그래픽 디스플레이가 있나요?",
"현재 우수한 품질의 동영상 홀로그램을 얻는 기본적인 방법은 어떤 알고리즘을 통해 계산되나요?",
"SLM 소자의 핵심 연구 이슈에는 어떤 것들이 있나요?",
"최근 삼성전자에서 발표한 것은 무엇인가요?"
] |
cbf19f24-4a2e-43a8-a66b-3f305e833613
|
인공물ED
|
CDMA 무선망상의 멀티미디어 서비스를 위한 QoS 제공 호 제어 기법
|
<h1>Ⅳ. 성능평가</h1> <p>제안한 QCAC의 실행 결과는 컴퓨터 시뮬레이션을 통해 각각 다른 트래픽 종류별로 공평성과 서비스 차별성에 관하여 평가된다. 셀 모델은 일곱 개를 사용하였고 실행 항목 결과는 중앙 셀로부터 얻을 수 있다.</p> <h2>1. 시뮬레이션 구성</h2> <p>시뮬레이션 환경과 시스템 파리미터의 가정은 다음과 같다.</p> <p>- 호 arrival pattern은 서비스 종류 \( i \)에 대해 평균 arrival rate \( \lambda_{i} \)를 갖는 Poisson process로 발생되며 허가된 호의 service time은 평균 값 \( 1 / \mu_{i} \)을 갖는 지수 분포(exponential distribution)임을 가정한다.</p> <p>- 각 이동 단말기는 완벽하게 전력 제어된다고 가정하고 인접한 여섯 개의 셀들로부터 유도되는 간섭이 직접적으로 고려되며 그 외의 다른 셀들로부터 유도되는 간섭은 무시한다.</p> <p>- 신규 셀의 이동 위치는 각 셀마다 \( 1 \mathrm{~km} \)의 반경을 가지며 일정하게 분포되는데 현재 진행 중(또는 통신 중)인 사용자의 위치 변동은 신규 사용자가 초기화된 경우에 변경된다. 또한 이동 방향은 여섯 가지의 방향중 하나를 선택하게 되며 이동 속력은 \( 0 \sim 4 \mathrm{~km} / \mathrm{h} \) 중에서 임의로 하나의 값을 선택한다.</p> <p>CDMA 2000 시스템의 시뮬레이션 파라미터들은<표 1>에서 볼 수 있다.</p> <table border><caption>표 1. 시뮬레이션 파라미터</caption> <tbody><tr><td>파라미터</td><td>값</td><td>설 명</td></tr><tr><td>Rc</td><td>\(3.6864 \mathrm {Mbps}\)</td><td>pseudo noise (PN) chip rate</td></tr><tr><td>Rvo, Rvi, Rd</td><td>\( 16 / 48 / 64 \mathrm {Kbps}\)</td><td>Bit rates for voice/video/data</td></tr><tr><td>\( \mu_{v o}, \mu_{v i}, \mu_{d} \)</td><td>\( 1 / 180,1 / 300,1 / 600 \mathrm{sec} \)</td><td>Mean service rates of voice/video/data</td></tr><tr><td>pvo, pvi, pd</td><td>1, 3.646, 7.292</td><td>Normalized received powers of voice/video/data</td></tr><tr><td>\( \alpha_{v o}, \alpha_{v i}, \alpha_{d} \)</td><td>0.5, 0.75, 1</td><td>Activity factors of voice/video/ data</td></tr><tr><td>(Eb/No)vo, (Eb/No)vi, (Eb/No)d</td><td>\( 6.8 \mathrm{dB}, 9.6 \mathrm{dB}, 11.9 \mathrm{dB} \)</td><td>Required bit energy-to-noise density to meet required each bit error rate (BER) of voice/video/data(e.g., 10-3, 10-5, 10-8)</td></tr></tbody></table> <p>이동성(Mobility)고려를 위해서 트래픽 종류에 따라 개별적, 독립적으로<그림 4>의 6가지 방향 중 하나를 택하여 이동하여 각 호마다 독립적이고, 동적으로 핸드오프 하여 7개의 셀 중에 어느 셀에 위치해 있는가를 파악하고 셀의 각 기지국으로부터의 신호세기를 비교하여 call의 핸드오프 여부를 결정할 수 있다. 신호의 세기 비교는 식 (4)와 같이 가정한 \( r^{-4} 10^{\zeta~10} \) (\(r\)은 사용자와지국간의 거리, \( \zeta \)는 가우시안 랜덤변수)의 크기를 비교하여 값이 큰 쪽의 기지국에 속하는 것으로 판단하면 된다.</p> <p>미리 정해져 있는 각 셀에 대한 기지국의 좌표 값과 서비스 시간 내에서의 이동 거리에 대한 정보를 가지고 각 셀의 기지국과 좌표로부터 거리 값을 구할 수 있다.</p>
|
[
"파라미터 Rvo, Rvi, Rd에 대한 설명은 어떻게 서술이 가능한가요?",
"시뮬레이션에서 파라미터 Rc의 값은 무엇인가?",
"파라미터 Rc에 대한 설명을 서술한다면 어떻게 되나요?",
"Rvi라는 시뮬레이션 파라미터에 대한 값은 몇이야?",
"파라미터 Rvo에 해당하는 값을 구한다면 얼마로 계산되나?",
"시뮬레이션에서 \\( \\alpha_{v i} \\)이 나타내는 값은 무슨 값으로 보여지나요?",
"시뮬레이션 파라미터 중 Rd에 대한 값을 구한다면 얼마로 계산되?",
"\\( \\alpha_{d} \\)이라는 시뮬레이션 파라미터가 가지는 값은 얼마나 되나요?",
"여러 시뮬레이션 중 (Eb/No)d에 대한 값을 구한다면, 이때 구해지는 값은 얼마를 가르키나요?",
"\\( \\alpha_{v o}, \\alpha_{v i}, \\alpha_{d} \\)에 대한 설명은 어떻게 서술 될 수 있습니까?",
"(Eb/No)vo, (Eb/No)vi, (Eb/No)d 파라미터는 뭐야?",
"\\( \\mu_{v o} \\)이라는 시뮬레이션 값이 가르키는 값은 어떻게 나타나나?",
"시뮬레이션 파라미터 \\( \\mu_{v i}\\)에 대한 계산을 수행하여 값을 구한다면 이때 어떤 값이 산출되나요?",
"파라미터에 대한 설명을 알아보기 위해 \\( \\mu_{v o}, \\mu_{v i}, \\mu_{d} \\)에 대한 설명을 작성한다면 어떻게 작성되는가?",
"\\( \\alpha_{v o} \\)의 값을 구하면 뭐야?",
"(Eb/No)vo의 값은 얼마일까",
"표1의 수치를 참고하면 (Eb/No)vo의 값은 얼마지?",
"(Eb/No)vi 라는 시뮬레이션이 몇 dB인지 알아보기 위한 계산을 수행했을때 값은 얼마일까요?"
] |
f5eecffe-ccf6-406c-98d8-97cad0b83e70
|
인공물ED
|
희소 신호의 복원을 위한 확률적 배제 기반의 직교 정합 추구 알고리듬
|
<h1>V. 결론</h1><p>본 논문에서는 희소한 신호의 압축센싱를 위해 확률적 배제에 기반을 둔 직교정합추구 (PEOMP) 신호 복원 알고리듬을 제안하였다.</p><p>잔차 신호에 따라 탐욕적인 방법으로 atom들을 찾아 support set에 추가해 나가는 알고리듬들에서 발생할 수 있는 국소 최저점 문제를 해결하기 위해 제안된 알고리듬은 확률적으로 임의의 atom을 배제하는 동작을 수행한다. 다양한 희소도와 측정 횟수에 대한 신호 복원 모의실험 결과에 의하면 PEOMP가 기존의 OMP 기반의 알고리듬들과 \( l_{1} \) 최적화 방법보다 우수한 성능을 보임을 확인하였다. 또한 PEOMP는 실행을 위해 희소도 정보를 요구하지 않기 때문에 희소도를 미리 알 수 없는 응용분야에 유용하다. 한 가지 단점은 확률적 배제로 인해 반복 횟수가 늘어날 수 있으며 이는 실행시간의 증가로 이어질 수 있다는 점이다. 국소 최저점 탈출 성능과 실행시간과의 trade-off에 대한 후속 연구가 필요하다.</p>
|
[
"제안된 알고리듬의 수행 과정에서 배제할 atom은 어떻게 정할까?",
"희소 신호의 압축 센싱을 위해 논문에서 제안한 것은 무엇일까?",
"논문에서 새로운 신호 복원 알고리즘을 제안한 이유는 무엇일까?",
"논문에서 제안한 알고리듬은 어떤 원리에 기반하고 있을까?",
"논문에서 제안한 알고리듬으로 압축센싱하려는 신호는 어떤 신호일까?",
"제안된 알고리듬은 수행 과정에서 정해진 atom을 배제할까?",
"잔차 신호에 따라 탐욕적인 방법으로 atom들을 찾아 support set에 추가해 나가는 알고리듬에서는 어떤 문제가 발생할까?",
"논문에서는 어떤 조건을 두고 모의실험을 진행했을까?",
"PEOMP가 기존의 OMP 기반 알고리듬보다 신호 복원 능력이 뛰어났을까?",
"PEOMP가 특히 유용한 분야는 무엇일까?",
"PEOMP 알고리듬을 수행하려면 사전에 희소도 정보를 알아야 할까?",
"PEOMP가 희소도를 미리 알 수 없는 응용분야에 유용한 이유는 무엇일까?",
"PEOMP가 다른 알고리듬보다 불리한 점은 무엇일까?",
"PEOMP을 사용할 때 국소 최저점 탈출 성능과 실행 시간은 서로 상충될까?",
"PEOMP로 국소 최저점 탈출 성능과 실행 시간을 모두 개선할 수 있을까?",
"알고리듬이 확률적 배제를 기반으로 하는 이유는 무엇일까?",
"\\( l_{1} \\) 최적화 방법은 OMP 기반의 알고리듬보다 성능이 우수할까?",
"PEOMP가 다른 알고리듬보다 더 많은 반복을 수행해야 하는 이유는 무엇일까?",
"PEOMP를 활용하여 국소 최저점 탈출 성능을 개선할 때 상충되는 것은 무엇일까?",
"논문에서는 국소 최저점 탈출 성능을 높이면서 실행시간을 단축시키는 방법을 제안했을까?"
] |
6ecdce6a-3a6b-4698-af3b-0a7aaf706252
|
인공물ED
|
희소 신호의 복원을 위한 확률적 배제 기반의 직교 정합 추구 알고리듬
|
<h1>II. 확률적 배제 기반의 직교정합추구 알고리듬</h1><p>식 (1)에서 측정행렬 \( \Phi \)의 열벡터들을 atom이라 하고 그 전체 집합을 dictionary라고 하면, 희소 신호 \( x \)의 복원 문제는 atom들의 선형 조합이 \( y \)와 같도록 dictionary에서 atom들을 선택하는 문제와 동일하다. 이 문제의 해를 구하기 위해 탐욕 알고리듬을 적용한 첫번째 연구 결과는 MP이다. 가장 가능성이 높은 atom을 구하여 atom의 집합, 즉 support set에 추가하는 동작을 반복적으로 수행함으로써 최종적으로 희소 신호를 구성하는 true support set을 구하게 된다. 한 단계에서 수행되는 연산은 크게 선택과 갱신 두 동작으로 구분된다. 먼저 잔차 신호와 가장 큰 상관도를 보이는 atom을 선택하여 atom집합에 추가한다. 단 잔차 신호는 \( y \)의 값으로 초기화된다. 두번째로 잔차 신호를 선택된 atom으로 투사하여 얻은 값을 잔차 신호에서 빼서 잔차 신호의 값을 갱신한다.</p><p>OMP 에서는 선택 과정은 동일하지만 보다 의미있는 갱신 과정을 수행한다. 즉, 그 단계의 atom집합에 의한 최소자승 (least square, LS)해를 이용하여 잔차 신호를 갱신한다. 이러한 차이점으로 인해 OMP는 MP보다 월등한 신호 복원 성능을 보인다. ROMP, StOMP, SP, CoSaMP, gOMP, BAOMP 등이 OMP에 기반한 알고리듬들이며, 이들은 각 단계에서 하나 이상의 atom을 선택하여 반복 횟수를 줄여 수렴 성능을 개선하였다.</p><p>탐욕 알고리듬은 효과적인 최적화 방법이지만 국소 최저점에 빠질 수 있는 단점이 있다. 탐욕 알고리듬에 기반한 OMP 계열의 모든 알고리듬들도 이 문제에 있어서 취약함을 보인다. 특히 최근에 발표된 CoSaMP, BAOMP 등도 국소 최저점 문제로 희소 신호 복원에 실패하는 경우가 발생한다.</p><p>제안된 PEOMP는 OMP 계열의 알고리듬과 같이 atom들을 찾아가는 과정을 반복하여 최종적으로 신호를 복원한다. 먼저 초기화 과정에서 중요 신호들을 초기화 한다. \( x \)는 복원되는 신호이고, \( r \)과 \( \Lambda \)는 각각</p><p>잔차와 support set이다. 반복되는 부분은 크게 4 단계로 구성된다. 1 단계에서는 새로운 atom들을 적절하게 선택하여 그들의 첨자를 support set에 추가하며 2 단계에서는 support set 내의 부적절한 atom들을 찾아 제거한다. 3 단계에서는 새로운 support set에 따른 최적의 잔차 신호를 구하고 마지막 4 단계에서는 국소 최저점에 빠져 있을 경우 벗어나기 위해 확률적으로 support set을 변형시킨다. 만약 3 단계에서 구한 새로운 잔차 신호가 주어진 크기보다 작으면 복원과정은 완료된 것으로 판단하여 반복을 종료한다. 각 단계별 자세한 동작은 그림 1과 같다.</p><p>1 단계에서는 아직 support set에 들어있지 않은 atom들 중에 적절한 후보를 찾아 support set에 추가한다. MP계열의 알고리듬들처럼 잔차 신호와 상관도를 구한 후 그 값에 따라 atom들을 선택한다. OMP에서는 가장 높은 상관도를 보이는 atom (단계 1 . (a)의 \( \rho_{\max } \) ) 하나를 선택하지만, StOMP, BAOMP에서는 알고리듬의 수렴 속도를 높이기 위해 높은 상관도를 보이는 여러 개의 atom들을 선택한다. 단계 1.(b)에서 \( \mu_{1} \) 은 0과 1 사이의 실수로 동시에 선택되는 atom들의 갯수에 영향을 미친다. \( \mu_{1}=1 \) 이면 OMP와 같이 최대의 상관도를 갖는 하나의 atom을 추가하게 된다. \( 0<\mu_{1}<1 \) 인 경우 여러 개의 atom들이 선택되지만 갯수가 정해지지는 않는다. \( \mu_{1} \) 이 고정되어도 상관도의 분포에 따라 추가되는 atom의 갯수가 달라진다. 예를들어 \( \mu_{1}=0.7 \) 이면 최대 상관도의 \( 70 \% \) 보다 큰 상관도를 보이는 모든 atom들이 선택된다. gOMP에서는 갯수를 지정하는데 이 방식은 상관도가 낮은 atom이 추가되거나 상관도가 높은 atom이 선택되지 않는 경우가 발생하여 수렴 속도가 느려지는 문제점이 있다. 선택된 새로운 atom들의 첨자(단계 1 .(b)의 \( \Delta \) )를 기존의 support set \(\Lambda_{n-1}\) 에 추가하여 support set을 확장한다(단계 1 .(c)의 \( \Theta) \)</p><p>OMP 및 OMP 계열의 몇몇 알고리듬들의 특징 중의 하나는 한번 선택된 atom은 반복 과정이 진행되는 동안 support set에서 제외되지 않는다는 것이다. 그러나 탐욕 알고리듬의 특성상 특정 반복 단계에서 선택된 atom이 이후의 반복 단계에서는 불필요한 atom으로 판단될 수도 있다. 따라서 부적절한 atom들은 매 반복 단계에서 제거해 줄 필요가 있다. 2 단계에서는 현재의 support set에서 부적절하다고 판단되는 atom들을 제거하여 support set의 구성을 개선시킨다. 단계 2.(a)의 \( \Phi_{\theta}^{+} \)는 단계 1에서 확장된 support set의 atom들을 모아서 만든 행렬 \( \left(\Phi_{\Theta}\right) \) 의 pseudo inverse이다. 즉 \( x_{\theta} \) 는 \( \Theta \) 의 atom들로 복원한 \( x \) 이다. \( x_{\Theta} \) 의 각 성분의 값은 \( \Theta \) 내의 atom들이 \( x \) 에 기여하는 크기이다. \( x_{\theta} \) 의 성분 중 \( \Delta \) 내의 atom들의 계수중의 최대값을 \( \alpha_{\max } \) 라 하자(단계 2.(b)). \( \Theta \) 중에서 \( \alpha_{\max } \) 보다 작은 계수를 갖는 atom들은 \( x \)에 대한 기여도가 새로 추가된 \( \Delta \) 내의 한 atom보다 낮다. 비록 그 atom들이 이전 반복단계에서 선택되었다고 하더라도 현재의 support set에서는 더이상 중요한 기여를 하지 못하고 있으므로 support set에서 제외되는 것이 바람직하다. 물론 그 atom들의 기여도가 원래 낮을 수도 있다. 그 경우이더라도 이후의 단계에서 그 atom들은 추가될 수 있으므로 현재의 반복단계에서는 제거되는 것이 타당하다. \( \mu_{2} \) 은 0과 1 사이의 실수로 동시에 제외되는 atom들의 선택에 영향을 미친다. \( \mu_{2}=0.7 \) 인 경우 \( \alpha_{\max } \) 의 \( 70 \% \) 보다 작은 계수를 갖는 atom들(단계 2.(c))은 support set에서 제거된다(단계 2.(d)).</p><p>새로운 support set \( \Lambda_{n} \)이 준비되면 3 단계에서는 먼저 LS 방식으로 \( x \)를 복원하고 (단계 3.(a)) 이어서 잔차 신호를 갱신한다(단계 3.(b)). 잔차 신호의 크기가 충분히 작거나, 지정된 반복횟수를 초과하였으면 알고리듬을 종료한다(단계 3.(c)).</p><p>만약 수렴조건을 충족시키지 못했다면 다시 단계 1 로 돌아가서 수행을 반복하여야 한다. 그런데 \( \Lambda_{n} \) 의 구성이 국소 최저점에 빠져 있고 잔차 신호가 충분히 작으면, 잘못 선택되었지만 LS 계수가 상대적으로 큰 atom들은 배제되지 않게 되므로 다시 반복과정을 거치더라도 true support set 방향으로 나아갈 가능성은 희박하다. 이러한 문제점 때문에 많은 OMP 계열 알고리듬들이 신호 복원에 실패하기도 한다. 제안된 알고리듬에서는 support set이 국소 최저점에 빠져있을 경우 다음 단계와 같이 support set의 임의의 변형을 통해 탈출할 수 있는 가능성을 포함하고 있다. 4 단계에서는 확률적으로 support set을 변이시킨다. 먼저 \( \Lambda_{n} \)에서 임의의 원소 \( \lambda \)를 선택하여 \( \Lambda_{n} \)에서 제외시킨다. 즉 support set에 변형을 일으키는 것이다. 또한 이 변형 과정은 확률적으로 적용된다. 확률값 \( p=\left(\left|\Lambda_{n}\right| / M\right)^{2} \) 를 계산하고 (단계 4.(b)) 임의의 수 \( q \)를 발생시킨다(단계 4.(c)). \( p \)와 \( q \)는 0과 1 사이의 값을 가지며, \( q<p \) 일 때만 support set 변이를 적용시킨다. \( p \)는 0과 1 사이에서 support set의 원소 갯수에 따라 단조증가하는 특성을 가진 함수이다. 신호복원 알고리듬의 초기, 즉 support set의 원소의 갯수가 적을때에는 atom의 선택과 제외가 비교적 활발하게 일어나므로 국소 최저점에 들어가더라도 스스로 빠져 나올 가능성이 높다. 따라서 변형의 확률을 낮추는 것이 바람직하다. 반면 support set의 갯수가 커질수록 잔차 신호도 작아지고 support set이 국소 최저점에 빠져 그 크기가 비정상적으로 커질 가능성이 높아지므로 변형의 발생 확률을 높인다.</p><p>그림 2는 제안된 알고리듬의 신호 복원 특성을 BAOMP와 비교하여 보여준다. 모의실험에 사용된 희소한 신호의 길이는 \( 200(N=200) \), 측정 신호의 길이는 \( 100(M=100) \), 희소도는 \( 40(K=40) \)이다. BAOMP도 매 반복단계에서 여러 개의 atom을 선택하고 또한 부적절한 atom은 제거하므로 신호 복원의 수렴 속도와 성공률이 높다. 그러나 반복과정에서 국소 최저점에 빠져 헤어 나오지 못하면 반복 횟수가 아무리 증가해도 신호 복원에 성공하지 못하는 경우가 발생한다. 그림 2의 (a)에서 그 예를 보여준다. 반복과정이 계속되면서 잔차 신호의 크기는 줄어들지만 support set의 크기도 계속 증가하고 있다. 결국 원 신호를 복원하지 못한 채 잔차 신호의 크기 제한 조건이나 반복 횟수 제한 조건에 의해서 알고리듬은 종료된다. 반복 초기에 형성된 support set이 국소 최저점에 빠졌기 때문에 남아 있는 작은 잔차 신호로는 그 상황에서 벗어나지 못하였다. 그림 2의 (b)에서는 제안된 알고리듬에 따라 국소 최저점에서 빠져나오는 상황을 확인할 수 있다. 반복 횟수 8의 종료 직전에 support set의 변형이 발생하여 반복 횟수 9에서 순간적으로 잔차 신호의 크기가 커졌으나 이후 반복과정을 거치며 점차 true support set을 찾아가며 반복 횟수 16에서 원 신호를 완벽하게 복원한다.</p>
|
[
"식 (1)에서 전체 집합을 dictionary라고 하고 측정행렬 \\( \\Phi \\)의 열벡터들은 무엇이라고 하지?",
"MP는 해를 구하기 위한 첫번째 연구결과로 무슨 알고리듬을 적용했지?",
"support set에 추가하는 동작을 반복적으로 해서 최종적으로 구하고자 하는 희소 신호를 구성하는 것은 무엇이지?",
"반복적으로 support set에 추가하는 동작을 수행하면서 최종적으로 구하는 true support set는 무슨 신호를 구성하지?",
"구분하는 동작은 한단계에서 수행되는 연산에서 두가지고 구분되는데 선택과 무엇이지?",
"수행되는 연산은 한 단계에서 두 동작으로 구분되지?",
"최고로 높은 상관도를 잔차 신호과 가지는 atom을 무엇에 추가하지?",
"atom 중에서 잔차 신호와 제일 상관도가 큰 것을 atom집합에 추가하는데 이때 잔차 신호는 무슨 값으로 초기화 되지?",
"먼저 잔차와 가장 관련이 있는 atom을 선택하고 두번째로는 무슨 값을 갱신하지?",
"잔차 신호의 값을 갱신하기 위해서 잔차 신호에서 뺀 것은 무엇을 투사해서 얻은 값이지?",
"동일한 선택 과정을 가지지만 보다 의미있는 갱신 과정을 가지는 것은?",
"잔차 신호는 atom집합에 의한 무슨 값을 이용해서 갱신하지?",
"MP보다 OMP는 신호 복원에서 높은 성능을 보이지?",
"알고리듬들 중 OMP에 기반한 것들에는 무엇이 있지?",
"OMP에 기반한 알고리듬은 수렴성능을 개선하기 위해서 각 단계에서 하나 이상의 atom을 선택해서 무엇을 줄이지?",
"효과적이고 최적인 방법으로 탐욕 알고리듬을 말할 수 있지만 가장 큰 단점으로 어디에 빠질 수 있지?",
"국소 최저점에 빠질 수 있는 탐욕 알고리듬을 기반한 OMP 계열 알고리듬도 동일한 취약점을 가지고 있지?",
"OMP에 기반한 알고리듬 중 CoSaMP, BAOMP가 국소최저점으로 인한 문제로 무엇에 실패하는 경우가 발생했지?",
"잔차 신호를 갱신은 최소자승해를 이용하지?",
"각 단계에서 하나 이상의 atom을 선택하여 반복 횟수를 감소하면서 OMP에 기반한 알고리듬의 어떤 기능을 개선했지?",
"여러 개의 atom을 선택과 부적절한 atom은 제거를 매 반복단계에서 함으로써 BAOMP에서 높을 것으로 보이는 항목은 무엇이지?",
"국소 최저점 문제로 희소 신호 복원에 실패하는 CoSaMP, BAOMP 등은 OMP에 기반한 알고리듬이지?",
"OMP 계열인 CoSaMP, BAOMP 등이 신호 복원에 실패한다면 제안된 PEOMP는 최종적으로 신호를 복원하지?",
"새로운 atom들을 적절하게 선택하는 단계는 몇 단계이지?",
"4단계로 반복되는 부분에서 새로운 support set에 따라 3단계에서 구하고자 하는 것은 무엇이지?",
"여러 개의 atom들을 선택하는 \\( 0<\\mu_{1}<1 \\) 인 경우 무엇이 정해지지 않지?",
"새로운 잔차 신호를 3단계에서 구했을 때 그 크기가 주어진 것보다 작으면 반복을 종료하는데 이는 어떤 과정이 완료된것으로 판단해서이지?",
"3단계에서 복원과정이 완료된것으로 판단이 될 때 무엇을 종료하지?",
"상관도의 분포에 따를 때 \\( \\mu_{1} \\) 이 고정이 되면 추가되는 무엇의 갯수가 다르지?",
"갯수를 지정하는 gOMP에서 발생되는 문제점으로 무엇의 속도가 느려지지?",
"부적절하다고 판단되는 atom들을 2단계 현재의 support set에서 제거하면 support set의 구성을 어떻게 할 수 있지?",
"\\( x \\)이고 \\( \\Theta \\) 의 atom들로 복원한 것은?",
"atom들의 계수중의 최대값으로 \\( x_{\\theta} \\) 의 성분 중 \\( \\Delta \\) 내의값을 무엇이라고 하지?",
"\\( x_{\\Theta} \\) 의 각 성분의 값dms \\( x \\) 에 기여하는 \\( \\Theta \\) 내의 무엇의 값이지?",
"단계 1로부터 확장된 support set의 모든 atom들로 만든 행렬 \\( \\left(\\Phi_{\\Theta}\\right) \\) 의 pseudo inverse는 무엇이지?",
"\\( \\Delta \\) 내의 atom들의 계수중의 최대값을 \\( \\alpha_{\\max } \\) 보다 작은 계수를 가지는 atom이 새로 추가된 \\( \\Delta \\) 내의 한 atom보다 낮은 것은 무엇이지?",
"3 단계에서는 새로운 support set \\( \\Lambda_{n} \\)이 준비될 경우 잔차 신호를 갱신 전에 먼저 LS 방식으로 \\( x \\)를 복원하지?",
"국소 최저점에 빠져 있고 잔차 신호가 충분히 작을 경우 \\( \\Lambda_{n} \\) 의 구성이 LS 계수가 상대적으로 큰 잘못 선택된 atom들이 배지 되지 않아서 어느 방향으로 갈 가능성이 적지?",
"반복되는 부분 중 가장 마지막 단계인 4단계에서는 확률적으로 support set를 어떻게 하지?",
"support set의 변형 과정의 적용은 확률적으로 이루어지지?",
"신호 복원 알고리즘 초기의 특성에 따라 낮은 변형의 확률을 하는 것이 좋지?",
"신호복원 알고리듬의 초기기 에는 국소 최저점에서 스스로 빠져나올 수 있는데 그 이유는 support set의 원소의 갯수 적어서 어떤 과정이 활발하게 일어나기 때문이지?",
"모의 실험에서 측정 신호의 길이는 \\( 100(M=100) \\), 희소도는 \\( 40(K=40) \\)이며 희소한 신호의 길이는 얼마이지?",
"support set의 갯수가 많아지면 국소점에 빠지고 잔차 신소가 감소해서 무엇의 확률을 높이는 것이 바람직하지?",
"BAOMP에서 결국 어디에서 빠져 나오지 못할 경우 매 반복 단계가 많더라도 신호 복원을 성공할 수 없지?",
"신호를 최종적으로 복원하는 PEOMP는 atom들을 찾아가는 과정을 어떻게 해서 가능한것이지?",
"PEOMP에서 atom들을 찾아가는 과정을 반복하는 부분은 몇단계로 나누어지지?",
"부적절한 atom들을 찾아서 support set 내에서 제거하는 단계는 무엇이지?",
"최대의 상관도를 갖는 하나의 atom을 OMP와 같이 추가하는 경우는 \\( \\mu_{1} \\)가 어떤 값을 가질 때이지?",
"탐욕단계알고리즘에서 매 반복 단계에서 부적절한 atom들을 제거해주는 이유는 선택한 atom이 무엇으로 판단되기 때문이지?",
"가장 높은 상관도를 보이는 atom 하나를 선택하는 OMP와는 달리 StOMP, BAOMP에서는 여러개의 atom들을 선택하여 무엇을 높이고자 했지?",
"3단계에서의 알고리듬의 종료는 지정된 반복 횟수를 초과하거나 무엇이 작을 때 이루어지지?",
"한번 선택된 atom은 OMP 및 OMP 계열의 몇몇 알고리듬에서 반복 과정이 진행되는 동안 support set에서 제외되지 않는 특징이 있지?",
"단계 1 로 다시 돌아가서 수행을 반복하는 경우는 무엇을 충족시키지 못할 때이지?",
"\\( \\Lambda_{n} \\) 구성이 국소 최저점이고, 잔차신호가 작을 경우 잘못 선택된 atom들로 인해 반복과정을 거쳐도 신호 복원 실패를 겪는 알고리즘은 무엇이지?",
"국소 최저점에 빠져도 스스로 나올 가능성이 높은 시기이며 support set의 원소의 갯수가 적을때에는 atom의 선택과 제외가 비교적 활발하게 일어나는 시기는 언제이지?",
"반복의 종류는 3단계에서 구해진 새 잔차신호가 주어진 크기보다 클 때 이루어지지?",
"BAOMP의 매 반복 단계에서 이루어지는 atom에 대한 결과는 신호 복원의 수렴 속도와 성공률을 높이지?",
"작은 잔차 신호는 초기 반복에서 형성된 support set이 국소 최저점에 빠졌을 때 벗어날 수 없는 결과를 나타냈지?",
"support set을 확장하는 방법으로 선택된 새로운 atom들의 첨자(단계 1 .(b)의 \\( \\Delta \\) )를 기존의 어디에 추가하지?",
"계산된 확률값 \\( p=\\left(\\left|\\Lambda_{n}\\right| / M\\right)^{2} \\)에서 support set 변이를 적용시킬 때의 \\( p \\)와 \\( q \\)의 크기 관계는 어떠하지?",
"0과 1 사이의 \\( p \\)는 support set의 원소 갯수에 따라서 단조증가하는 특성을 가진 함수로 그 수식은 어떠하지?",
"잔차 신호의 크기는 줄어들지만 반복과정이 계속하면서 support set의 크기도 계속 증가하면서 원 신호를 복원하지 못한 채 무엇이 종료되지?",
"제안된 알고지듬에서는 반복 과정을 거치면서 결국 완벽하게 복원한 것은 무엇이지?",
"support set을 변이시키는 4단계에서 \\( \\Lambda_{n} \\)에서 임의의 원소 \\( \\lambda \\)를 선택하여 어디에서 제외하지?"
] |
6379e2b6-265b-4eaa-9011-70510db03310
|
인공물ED
|
희소 신호의 복원을 위한 확률적 배제 기반의 직교 정합 추구 알고리듬
|
<h1>I. 서론</h1><p>압축센싱(compressive sensing)은 신호의 획득 및 압축의 새로운 접근 방법으로서 최근 연구자들의 높은 관심을 받고 있다. 전통적인 아날로그 신호의 획득 방법은 Nyquist 이론에 기반을 두고 있다. 즉, 신호의 대역폭의 두 배 이상의 주파수로 샘플링하면 정보를 온전히 보존한 채로 신호를 획득하기 때문에 원 신호를 완벽히 복원할 수 있다. 이 이론은 모든 신호의 획득에 적용되는 충분조건이며 따라서 특정 성질을 갖는 신호를 다룰 때에는 그 효율성이 매우 떨어지는 단점이 발생한다. 예를 들어 길이가 N 인 신호 \( x \)의 0이 아닌 성분의 개수 K가 N보다 매우 작다면, 즉 \( x \)가 희소(sparse)하다면 N보다 작은 M의 길이를 갖는 측정값 \( y \)로도 \( x \)를 완전하게 복원해낼 수 있음이 압축센싱 이론에서 증명되어 있다.</p><p>K 는 희소도 수준(sparsity level)이라 하고 \( x \in R^{N} \)는 K-희소 (K-sparse) 하다고 한다. \( y \in R^{M} \)는 \( x \)와 샘플링 벡터 \( \left\{\phi_{i} \mid i \in[1: M]\right\} \) 사이의 내적(inner product)으로 계산된다. 식으로 표현하면 다음과 같다.</p><p>\( y=\Phi x \)<caption>(1)</caption></p><p>\( \Phi \) 는 \( M \times N \) 측정행렬이며 \( \phi_{i} \)가 행렬의 행벡터이다. \( M<N \)이므로 \( y \)로부터 \( x \)를 복원하는 문제는 하나 이상의 해를 갖는 under-determined 상황이다. 따라서 일반적으로 \( x \)를 구할 수 없다. Candes와 Donoho는 \( x \)가 충분히 희소하고 측정행렬 \( \Phi \)의 투사 특성이 적절히 균일하다면 \( M=O(K \log (N / K)) \)개의 측정값으로 \( x \)를 복원해 낼 수 있음을 보였다. 이때 복원에 사용할 수 있는 방법으로는 비선형 컨벡스 최적화 기법으로 식 (2)와 같은 \( l_{1} \)-norm을 최소화하는 기저추구(Basis Pursuit, BP) 방법이 있다.</p><p>\( \hat{x}=\arg \min \|x\|_{1} \) subject to \( \Phi x=y \)<caption>(2)</caption></p><p>그러나 이 방법의 요구되는 계산량은 \( O\left(N^{3}\right) \)으로 대부분의 응용에서 사용하기 어렵다.</p><p>이러한 과도한 계산량의 문제점을 해결하기 위해 다양한 연구가 진행되고 있으며 특히 탐욕 (greedy) 알고리듬에 기반한 연구가 많은 연구자들의 관심을 받고 있다. 이러한 노력은 정합추구 (matching pursuit, MP) 알고리듬에서 시작하여 직교정합추구(orthogonal matching pursuit, OMP)를 거쳐 여러가지 방법들이 제안되었다. OMP 를 개선한 방법에는 Stagewise OMP (StOMP), Compressive Sampling Matching Pursuit (CoSaMP), Subspace Pursuit (SP), Generalized OMP (gOMP), Backtracking based Adaptive OMP (BAOMP) 등이 있다. 탐욕 알고리듬 기반의 신호 복원 알고리듬은 O(KMN) 의 계산 복잡도를 가지는데 \( K \ll N \) 이라면 이 계산량은 BP와 같은 \( l_{1} \) 최소화 알고리듬보다 매우 적다.</p><p>본 논문에서는 OMP 기반의 새로운 희소 신호 복원 알고리듬을 제안하고자 한다. 잔차 (residual) 신호로부터 새로운 atom을 찾아 support set에 추가하는 동작을 반복하여 점진적으로 true support set을 찾아가는 점은 StOMP, BAOMP 등과 유사하다. 또한 CoSaMP나 SP처럼 반복할 때 마다 이미 선택되어있는 atom들의 유효성을 검사하여 적절치 않다고 판단되면 support set에서 제외시킨다. 이러한 동작은 OMP 보다 반복 횟수를 줄여 주어 실행 시간을 단축시켜 주는 효과가 크다. 그러나 기존의 방식들은 희소도에 따라 원 신호를 복원하는데 실패하는 빈도가 높아지는 단점이 있다. 그 원인은 true support set을 찾아가는 반복 과정에서 support set의 구성이 국소 최저점 (local minimum)에 빠진 후 벗어나지 못했기 때문이다. 이는 탐욕 알고리듬의 근본적인 문제점이기도 하다. 제안하는 알고리듬은 support set이 국소 최저점에서 빠져 나올 수 있는 특징을 가지고 있다.</p><p>본 논문에서는 확률적 직교정합추구 (Probabilistic Exclusion based OMP, PEOMP) 알고리듬을 제안한다. 논문의 구성은 다음과 같다. 먼저 PEOMP 의 단계별 동작을 기술하고 이어서 모의실험 결과에 대해서 논의한 후 본 논문의 기여를 요약한다.</p>
|
[
"K 는 희소도 수준(sparsity level)이라 하고 \\( x \\in R^{N} \\)는 K-희소 (K-sparse), \\( y \\in R^{M} \\)는 \\( x \\)와 샘플링 벡터 \\( \\left\\{\\phi_{i} \\mid i \\in[1: M]\\right\\} \\) 사이의 내적(inner product)으로 계산된다면 식 표현은 어떻게 하면 돼?",
"본문에서 신호의 획득 및 압축의 새로운 접근 방법을 말하는 것을 무엇이라고 하니?",
"전통적인 아날로그 신호의 획득 방법에 기반을 둔 이론은 무엇이니?",
"원 신호를 완벽히 복구하려면 어떻게 해야 하니?",
"본 논문에서 OMP 기반으로 제안하고자 하는 알고리듬은 무엇이니?",
"본문의 수식에서 \\( \\Phi \\) 는 무엇을 뜻하니?",
"어떤 신호 때문에 새로운 atom을 찾을 수 있니?",
"신호 대역폭 두 배 이상의 주파수 샘플링 이론은 모든 신호의 획득에 적용되는 무슨 조건이라고 할 수있어?",
"길이가 N 인 신호 \\( x \\)의 0이 아닌 성분의 개수 K가 N보다 매우 작다는 것은 \\( x \\)가 어떠하다는 것을 의미하니?",
"신호 복원 알고리듬은 무슨 알고리듬을 기반으로 하고 있니?",
"\\( x \\)가 충분히 희소하고 측정행렬 \\( \\Phi \\)의 투사 특성이 적절히 균일하다면 \\( M=O(K \\log (N / K)) \\)개의 측정값으로 \\( x \\)를 복원해 낼 수 있음을 보인 사람은 누구니?",
"Stagewise OMP는 OMP 를 개선한 방법 중의 하나가 맞아?",
"탐욕 알고리듬 기반의 신호 복원 알고리듬은 O(KMN) 의 계산 복잡도를 가지는데 \\( K \\ll N \\) 이라면 BP와 같은 \\( l_{1} \\) 최소화 알고리듬보다 계산량이 어떻게 나올까?",
"신호 대역폭의 주파수를 몇 배 이상으로 샘플링하면 정보를 온전히 보존한 채로 신호를 획득할 수 있어?",
"특정 성질을 갖는 신호를 다룰 때에는 어떤 단점이 발생하니?",
"OMP 를 개선하는 방법중에는 어떤 것들이 있어?"
] |
a4de3635-b24a-4546-819d-230960324219
|
인공물ED
|
희소 신호의 복원을 위한 확률적 배제 기반의 직교 정합 추구 알고리듬
|
<h1>III. 모의실험 결과 및 토론</h1><p>제안된 알고리듬의 희소 신호 복원 성능을 모의 실험을 통해서 알아보고 또한 탐욕 방법에 기반을 둔 알고리듬들인 MP, OMP, StOMP, BAOMP 및 \( l_{1} \) 컨벡스 최적화 알고리듬 등과 비교하였다.</p><h2>1. 희소도에 대한 신호 복윈 성능</h2><p>사용된 신호의 길이는 200 이고 \( (N=200) \), 측정 신호의 길이는 100 으로 가정하였다 \( (M=100) \). 희소도 \( (K) \) 에 따른 신호 복원 성능을 조사하기 위해 희소도를 5 에서 80 까지 변경하면서 모의실험을 수행하였다. 매 희소도마다 1000번씩 독립적인 신호 복원 실험을 하여 복원 확률을 구하였다. 희소 신호를 구성하기 위한 support set은 임의로 선택하였으며 값은 가우시안 난수 발생기로부터 얻었다. 측정 행렬도 매 실험마다 가우시안 분포를 갖는 난수들로 구성하였다. StOMP 방법에서는 false discovery rate (FDR) 로 threshold를 결정하였고, BAOMP 방법에서는 \( \mu_{1}, \mu_{2} \) 를 모두 0.6으로 설정하였다.</p><p>그림 3에서 보는 바와 같이 제안된 알고리듬이 희소도에 대한 성능이 가장 좋음을 알 수 있다. 희소도가 35 보다 작거나 같을 때에는 신호 복원 성공률이 \( 100 \% \)로 완벽한 동작을 보여주고 있다. BAOMP 는 30, BP는 25, OMP는 20 이하의 희소도에서 \( 100 \% \)의 복원 성공률을 보이고 있다. BAOMP 의 기본 동작은 OMP 와 같지만 매 반복 단계에서 부적절한 atom을 support set에서 제외시킴으로써 신호 복원 성능을 개선시켰다. 그림 2 에서 BAOMP 가 OMP 보다 더 높은 희소도에서도 우수한 복원 성능을 보임을 알 수 있다. 한편, BAOMP도 탐욕적인 방법에 따르고 있으므로 support set을 점진적으로 찾아가는 과정에서 국소 최소점에 빠질 수 있다. 일단 국소 최저점에 빠지면 헤어 나올 방법이 BAOMP에는 준비되어 있지 않다. 제안된 알고리듬은 확률적으로 support set에 변이를 일으켜 국소 최저점에 빠졌을 경우 빠져 나올 수 있는 가능성을 마련하였다. 그림 3에서 보는 바와 같이 제안된 알고리듬이 BAOMP 가 신호 복원에 실패하는 덜 희소한 신호에 대해서도 복원 가능성을 보인다. 희소도가 55가 되면 BAOMP를 비롯한 모든 알고리듬들이 신호 복원에 거의 실패하게 되는데 제안된 알고리듬은 \( 20 \% \) 정도의 복원 확률을 보인다.</p><h2>2. 측정 횟수에 대한 신호 복원 성능</h2><p>두번째 실험에서는 측정 횟수에 따른 복원 성능의 변화를 관찰하였다. 실험 환경은 이전 실험과 같지만 희소도는 모든 알고리듬들이 일정 확률 이상으로 신호 복원에 성공한 20 으로 고정하였다. 측정 횟수는 40에서 150까지 변경하며 신호 복원 성능을 확인하였다. 그림 4가 보여주는 바와 같이 제안된 알고리듬은 측정 횟수가 60 이상이면 약 \( 90 \% \)의 복원 확률을 보이고 70이상이면 \( 100 \% \) 의 확률로 희소 신호를 복원할 수 있어 비교 대상의 여러 탐욕기반 알고리듬이나 BP 방법보다 우수한 성능을 보인다. BAOMP에 대해서는 최대 \( 22 \%\), OMP 에 대해서는 최대 \( 43 \% \) 높은 복원 성능을 보인다.</p><h2>3. 회소도에 따른 수행 시간</h2><p>세 번째 실험에서는 희소도를 변화해 가면서 여러 신호 복원 알고리듬의 실행 시간을 조사하였다. 실행 시간은 신호 복원에 성공한 경우에 소요된 시간을 평균하여 구하였다. 신호 복원에 성공하지 못 한 경우는 최대 반복 횟수와 최소 잔차 크기 등 종료 조건에 따라 수행시간이 다르므로 수행 시간 측정에 포함시키지 않았다. 실행 시간 측정에는 매트랩에서 제공하는 함수 cputime를 이용하였다. 그림 5에서 보는 바와 같이 PEOMP가 가장 높은 희소도까지 신호 복원에 성공하였으나 평균 실행 시간은 가장 길며 또한 희소도에 따른 실행 시간 증가율도 가장 큼을 알 수 있다. 제안된 알고리듬에서 반복 횟수의 증가는 불가피한 측면이 있지만 support set 변형의 적용을 위한 확률함수는 다양한 선택 가능성이 있으므로 실행 시간 단축을 위한 후속 연구가 필요하다.</p>
|
[
"희소 신호를 구성하기 위해 임의로 선택한 support set의 값은 어떻게 구하였나?",
"희소도에 대한 성능이 가장 좋은 알고리즘은 무엇인가?",
"신호복원 성공률이 완벽한 동작을 보일때는 언제인가?",
"실험에 사용된 신호의 길이와 측정 신호의 길이를 바르게 가정한 것은 무엇인가?",
"희소도 \\( (K) \\) 에 따른 신호 복원 성능을 조사하기 위해 어떤 조건으로 모의실험을 진행 하였나?",
"복원 확률은 어떻게 구하였나?",
"BAOMP 의 기본 동작은 무엇과 같은가?",
"BAOMP 의 신호 복원 성능을 개선 시키는 방법은 무엇인가?",
"각 알고리즘 마다 \\( 100 \\% \\)의 복원 성공률을 보이는 값이 바르게 연결된 것은 무엇인가?",
"희소도가 55일때 제안된 알고리즘의 복원 확률은 얼마인가?",
"측정 횟수에 대한 신호 복원 성능 실험에서 희소도는 얼마로 고정하였나?",
"특정 횟수를 40~150까지 변경하며 신호 복원 성능을 확인한 결과로 바른것은 무엇인가?",
"희소도에 따른 수행 시간은 어떻게 구하였나?",
"높은 희소도까지 신호 복원에 성공한 알고리즘은 무엇인가?",
"PEOMP에 대한 설명으로 바른것은 무엇인가?",
"제안된 알고리듬의 희소 신호 복원 성능을 알아보기위해 비교한 알고리즘은 무엇인가?",
"국소 최저점에 빠지면 헤어 나올 방법이 존재하지 않는 알고리즘은 무엇인가?"
] |
0066bb7a-6137-42df-b317-59a1820d35e7
|
인공물ED
|
희소 신호의 복원을 위한 확률적 배제 기반의 직교 정합 추구 알고리듬
|
<h1>요 약</h1><p>본 논문에서는 희소한 신호의 압축센싱를 위해 확률적 배제에 기반한 직교정합추구 (PEOMP) 신호 복원 알고리듬을 제안하였다. CoSaMP, gOMP, BAOMP 등의 알고리듬들은 매 반복 단계에서 새로운 atom들을 support set에 추가할 뿐만 아니라 부적절하다고 판단되어지는 atom들은 삭제하기 때문에 우수한 신호 복원 성능을 보인다. 그러나 반복 과정 중에 support set의 구성이 국소 최저점에서 벗어나지 못하여 신호 복원에 실패하는 경우가 발생하는 단점을 가지고 있다. 제안된 알고리듬은 매 반복 단계에서 확률적으로 임의의 atom을 배제하여 support set이 국소 최저점에 빠져 있는 경우 그곳에서 탈출하는데 도움을 준다. 모의실험을 통해 PEOMP가 기존의 OMP 기반의 알고리듬들과 \( l_{1} \) 최적화 방법보다 신호 복원 능력 관점에서 우수한 성능을 보임을 확인하였다.</p>
|
[
"확률적 배제을 기반으로 하고 희소한 신호의 압축센싱를 위한 복원 알고리듬 이름은 무엇이지?",
"CoSaMP, gOMP, BAOMP 등의 알고리듬들은 결국 무엇을 매 반복단계에서 추가하고 삭제하지?",
"알고리듬 CoSaMP, gOMP, BAOMP 등의 atom에 대한 추가와 삭제에 따라서 신호 복원 성능이 결정되지?",
"제안 하는 알고리즘은 국소최저점에 support set이 최저점에 빠져있을 때 무엇을 돕지?",
"직교정합추구 (PEOMP) 신호 복원 알고리듬은 무엇에 기반하여 희소한 신호 압충센싱을 추구하지?",
"알고리듬 CoSaMP, gOMP, BAOMP 등은 매 반복단계의 support set에 새로운 atom을 추가하고 atom들 중 부적절한 것은 삭제하여 보이는 성능은 무엇이지?",
"우수한 신호 복원 성능을 나타나는 알고리듬들은 새로운 atom들을 반복단계에서 어디에 추가하지?",
"신호 복원에 실패하는 경우는 이 과정 중에 support set의 구성이 국소 최저점에서 벗어나지 못할 때 발생하지?",
"반복 과정 중 나타나는 단점으로 신호 복원에 실패하는 경우는 support set의 구성이 어디를 벗어나지 못할 때 나타나지?"
] |
2cce52d9-944f-4243-848c-dc9d6c51f9dd
|
인공물ED
|
고해상도 SAR 영상 형성 및 품질 분석을 위한 시뮬레이터
|
<h1>Ⅲ. SAR 시뮬레이터의 구현</h1> <p>시뮬레이터 구성은 그림 3의 순서도와 같이 크게 원시 신호 형성 모듈(Raw data Generation Module: RGM), 거리 압축 모듈(Range Compression Module: RCM), 거리 보정 모듈(Range Migration correction Module: RMM), 방위 압축 모듈(Azimuth Compression Module: ACM), 영상 품질 분석 모듈(IRF Performance Evaluation Module: PEM) 등 다섯 개의 중요 모듈로 구성된다. RGM은 주어진 SAR 기하 구조를 이용하여 SAR 신호를 생성하는 모듈이며, RCM과 ACM은 거리 및 방위 방향 해상도를 얻기 위한 첩 펄스 압축 모듈이다. 특히 RMM은 방위 방향 이동에 따른 거리 셀 이동을 보정하는 모듈이다. PEM은 SAR 영상 품질 분석을 위한 IRF와 PSLR 기능 등을 가지고 있다.</p> <p>시뮬레이터는 MATLAB 코드를 이용하여 구현하였으며, 파라미터 입력과 출력 및 각 모듈별 동작 결과를 확인하고 분석하기에 용이하도록 그림 4와 같이 GUI 기반으로 시뮬레이터를 구현하였다. SAR 시스템 설계 파라미터는 주로 SAR 영상 형성에 영향을 미치는 기하 구조와 거리 및 방위 해상도와 관련된 파라미터를 입력 변수로 사용한다.</p> <p>특히, 원시 신호 형성 모듈에서는 SAR 기하학적인 구조에 대한 수신 신호의 모델을 정립하고, 이를 기반으로 SAR 탑재체 파라미터와 SAR 시스템 파라미터를 이용하여 파라미터에 따른 모의 원시 신호를 생성한다. 영상을 형성하는 과정에서 SAR 설계 파라미터를 이용하기 때문에 파라미터의 변화에 따른 영향 분석이 용이하다. 표 1에는 영상 형성을 위한 SAR 설계 파라미터의 예를 보여준다.</p> <table border><caption>표 1. X 밴드 항공기 SAR 시스템 파라미터</caption> <tbody><tr><td>파라미터</td><td>기호</td><td>예시 값</td><td>단위</td></tr><tr><td>경사 거리</td><td>\( R_{0} \)</td><td>30</td><td>\( \mathrm{km} \)</td></tr><tr><td>플랫폼 이동 속도</td><td>\( V_{r} \)</td><td>170</td><td>\( \mathrm{m} / \mathrm{s} \)</td></tr><tr><td>송신 펄스 폭</td><td>\( T_{r} \)</td><td>7</td><td>\( \mathrm{\mu s} \)</td></tr><tr><td>거리 FM 율</td><td>\( K_{r} \)</td><td>7</td><td>\( \mathrm{MHz} / \mathrm{\mu s} \)</td></tr><tr><td>중심 주파수</td><td>\( f_{0} \)</td><td>10</td><td>\( \mathrm{GHz} \)</td></tr><tr><td>거리 샘플링율</td><td>\( F_{r} \)</td><td>60</td><td>\( \mathrm{MHz} \)</td></tr><tr><td>PRF</td><td>\( F_{a} \)</td><td>100</td><td>\( \mathrm{Hz} \)</td></tr></tbody></table> <p>생성된 모의 원시 신호는 거리 및 방위에 따른 2차원 신호로서 표적의 종류와 개수, 위치의 조정이 가능하며, SAR 시스템 파라미터 조정에 따른 영향이 반영되도록 설계되었다. 시뮬레이션을 위한 파라미터는 항공기용과 위성용 SAR 시스템 파라미터를 사용할 수 있으며, 사용자의 환경에 맞게 각 파라미터를 조정할 수 있다. 그리고 모의 신호는 거리 압축 모듈, 거리 보정 모듈, 방위 압축 모듈의 영상 형성 과정을 통해 점 표적에 대한 응답 영상을 얻을 수 있으며, 형성된 점 표적의 응답 특성을 통하여 파라미터 변화에 따라 영상에 나타나는 영향을 확인할 수 있다. 영상 품질 분석 모듈에서는 임펄스 응답 특성을 이용해서 \( 3 \mathrm{~dB} \) 빔 폭, PSLR 등의 영상 품질에 대한 성능을 분석할 수 있다. \( 3 \mathrm{~dB} \) 빔 폭은 임펄스 응답의 주엽 최대치에서 \( 3 \mathrm{~dB} \) 떨어진 위치의 주엽 폭을 측정한 값으로 영상의 해상도를 나타내며, PSLR은 임펄스 응답의 주엽 최대치에서 부엽 최대치까지의 비율로서 영상의 명암을 나타낸다.</p> <p>그림 5에서는 표 1의 시뮬레이션용 X 밴드 항공기 SAR 시스템 파라미터를 이용하여 영상 형성 시뮬레이션을 수행하여 시뮬레이터에서의 영상 형성 과정을 도시한다. 표적간의 상호 영향을 분석하기 위해 동일한 거리, 방위 방향으로 2개씩을 위치시킴으로써 총 4개의 점 표적을 생성한다.</p> <p>그림 5(a), (b)는 원시 신호 생성 모듈의 결과로 단일 표적 신호에 대한 크기와 위상 성분을 보여준다. 그림 5(c)는 4개의 표적이 합성된 표적 신호에 대한 위상 성분을 보여주며, 그림 5(d)는 거리 압축 모듈, 거리 보정 모듈, 방위 압축 모듈의 영상 형성 과정의 RDA 처리 후에 형성된 영상을 보여준다.</p>
|
[
"표 1. X 밴드 항공기 SAR 시스템 파라미터에서 예시 값 30은 어느 파라미터의 예시 값이지?",
"표 1. X 밴드 항공기 SAR 시스템 파라미터에서 경사 거리의 기호는 어떻게 표현하지?",
"본 연구에서 영상 품질 분석 모듈에서 어떻게 하여 영상 품질에 대한 성능을 분석했지?",
"표 1.에서 경사거리 파라미터의 단위는 뭐라고 표현해?",
"표 1. X 밴드 항공기 SAR 시스템 파라미터 중 예시 값이 가장 큰 파라미터는 무엇이지?",
"본 연구에서의 시뮬레이터는 어떤 방법을 이용하여 구현됐지?",
"본 연구에서 파라미터의 변화에 대한 영향 분석이 용이할 수 있었던 것은 어떤 방법을 이용했기 때문이야?",
"표 1. X 밴드 항공기 SAR 시스템 파라미터 중 예시 값의 최솟값은 얼마야?",
"표 1. X 밴드 항공기 SAR 시스템 파라미터에서 \\( F_{r} \\)라는 기호의 단위는 얼마야?",
"본 연구에서느 어떤 과정을 통하여 총 4개의 점 표적을 생성했지?",
"표 1. X 밴드 항공기 SAR 시스템 파라미터에서 4행의 단위는 무엇이라고 나타났지?",
"본 연구에서 모의 신호는 어떤 과정을 통해 점 표적에 대한 응답 영상을 얻을 수 있었습니까?",
"PRF라는 파라미터는 표 1.에서 얼마의 예시 값을 나타내고 있어?",
"그림 5에서는 어떤 방법을 통해 영상 형성 시뮬레이션을 수행했나요?"
] |
dac53b72-3cae-4d05-8cea-91122963dbcf
|
인공물ED
|
집중 소자형 음의 군지연 회로 설계
|
<h1>3. NGDC의 실험결과</h1> <p>앞에서 제안한 SS 구조 및 SP 구조의 NGDC는 좁은 주파수 대역에서만 NGD 특성을 가지므로, 실제 상용 통신 시스템에 직접적으로 적용하는 것은 거의 불가능하다. 따라서 상용 통신에 사용가능할 정도의 주파수 대역폭을 갖도록 SS 구조 및 SP 구조의 NGDC를 그림 5(a)와 같이 \( \pi \)형 구조로 결합하였다. 각 SS 구조 및 SP 구조의 NGDC는 각각 \( 2.11 \mathrm{GHz}, 2.14 \mathrm{GHz}, 2.17 \mathrm{GHz} \)에서 공진하도록 설계함으로써, 전체적으로 IMT-2000 기지국 송신 주파수 대역인 \( 2.11^{\sim} 2.17 \mathrm{GHz} \)에서 NGD 특성을 갖도록 설계하였다. 그림 5 (b)는 제작된 NGDC의 사진이다. 최초 NGDC는 집중 소자로만 구현하는 것으로 가정하였으나, 사진에서는 DC 바이어스 라인이 볼 수 있다. 상용 집중 소자는 제한적인 소자 값만을 제공하며, 초고주파 대역에서는 원하는 인덕턴스를 얻기 힘들어서 인덕턴스는 바랙터 다이오드로 종단된 전송선로를 이용하여 구현하였는데 DC 바이어스 라인은 바랙터 다이오드를 구동시키기 위한 것이다. 바랙터 다이오드 종단 전송선로를 통해 용량성 임피던스를 유도성 임피던스로 변환할 수 있었다. 표 1 은 \( \pi \) 형 구조의 NGDC를 구현하기 위하는데 필요한 소자 값들을 요약한 것이다.</p> <p>그림 5(a)에 나타낸 \( \pi \)형 구조의 NGDC를 구현하기 전에 기초 실험으로 \( \pi \)-구조를 이루는 SS- 및 SP-NGDC를 제작하여 주파수분석기(Network Analyzer)로 측정하였다. 각 SS- 및 SP-NGDC의 측정 결과를 그림 6 에 나타냈는데, 각 중심 주파수에서 측정된 NGD는 각각 \( -0.81 \mathrm{nsec},-0.86 \mathrm{nsec} \), 그리고 \( -0.86 \mathrm{nsec} \) 이었다.</p> <table border><caption>표 1 \(\pi\)-구조 음의 군지연 회로도의 소자값 요약</caption> <tbody><tr><td>\(R_{SS1}\)</td><td>20 \( \Omega \)</td><td>\(R_{SP2}\)</td><td>220 \( \Omega \)</td><td>\(R_{SS3}\)</td><td>20 \( \Omega \)</td></tr><tr><td>\(L_{SS1}\)</td><td>22.2 nH</td><td>\(L_{SP2}\)</td><td>1.4 nH</td><td>\(L_{SS3}\)</td><td>22.4 nH</td></tr><tr><td>\(C_{SS1}\)</td><td>0.25 pF</td><td>\(C_{SP2}\)</td><td>4 pF</td><td>\(C_{SS3}\)</td><td>0.24 pF</td></tr></tbody></table> <p>그림 7은 제작된 광대역 NGDC의 측정 결과이다. 제작된 NGDC는 \( 60 \mathrm{MHz} \) 의 대역폭에 \( -16 \pm 0.2 \mathrm{~dB} \)의 삽입 손실과 \( -1.7 \pm 0.06 \mathrm{nsec} \)의 NGD를 가짐을 확인할 수 있었다. NGDC의 삽입손실은 초고주파 범용 증폭기를 사용함으로 보충할 수 있다. 측정된 NGD가 \( -0.8 \mathrm{nsec} \) 가 아닌 \( -1.7 \mathrm{nsec} \)를 가진 이유는 협대역 NGDC의 주파수 특성이 인접 주파수에 중첩되어 나타남으로 더 큰 NGD 특성을 갖게 된 것이다. 측정된 반사 계수는 중심 주파수에서 \( -11.4 \mathrm{~dB} \) 이고, \( 60 \mathrm{MHz} \) 대역 가장 자리에서도 \( -6.1 \mathrm{~dB} \) 특성을 얻을 수 있었다.</p>
|
[
"표 1에서, \\({SS1}\\)의 \\(R\\)은 몇 \\(\\Omega\\)인가?",
"표 1에서, \\({SS1}\\)의 \\(L\\)값은 얼마인가?",
"표 1의 소자값 요약에서, \\(C_{SS1}\\)은 얼마의 값을 가지는가?",
"표 1의 소자값 요약에서, \\(R_{SP2}\\) 값은 얼마로 나타나는가?",
"표 1을 살펴보면, \\(L\\) 값 중 \\(SS3\\)에 해당하는 데이터는 몇 nH 인가?"
] |
49781146-e9aa-44ef-b861-bd5b97cce211
|
인공물ED
|
고속 FFT 연산을 위한 새로운 DSP 명령어 및 하드웨어 구조 설계
|
<h1>2. 제안한 구조의 성능 평가</h1> <p>제안하는 FFT용 명령어 및 그 하드웨어 구조의 성능을 검증하기 위하여 제 1 절의 DPU 구조를 Verilog HDL로 모델링하여 HYUNDAI\({ }^{\mathrm{TM}}\) \(0.35 ~\mu \mathrm{m} \) 표준 셀 라이브러리와 SYNOPSYS \( { }^\mathrm{TM} \) 툴을 사용하여 합성하였다.</p> <p>CADENCE \( { }^\mathrm{TM} \) Verilog-XL을 사용하여 타이밍 분석을 수행한 결괴 최대 지연 시간은 \( 6.92 \mathrm{~ns} \)가 되었다. 합성 가능한 HDL 코드 작성시 감가산기는 1 단 파이프라인 CLA (Carry Iookahead Adder)를 사용하였고 곱셈기로는 Wallace tree 기반의 3 단 파이프라인 곱셈기를 사용하였다. Wallace tree 직전에 파이프라인 레지스터를 사용하였고, wallace tree 안에서 파이프라인 레지스터를 삽입하였으며, 마지막으로 CPA(Carry Propagate Adder) 직전에 한 번 더 레지스터를 삽입하였다.</p> <table border><caption>표 1. DSP 상에서의 complex FFT 구현 성 능 비교</caption> <tbody><tr><td>DSP 구조 \ 포인트 수</td><td>256</td><td>1024</td></tr><tr><td>lucent Technalogies의 DSP1620</td><td>16065</td><td>\(\cdot\)</td></tr><tr><td>Motorola Semicondustors의 DSP56002</td><td>9600</td><td>49680</td></tr><tr><td>Texas Instruments의 TMS320C54x</td><td>8542</td><td>42098</td></tr><tr><td>Motorola Samicondustors의 DSP56303</td><td>9096</td><td>\(\cdot\)</td></tr><tr><td>Philips Semicondustors의 R.E.A.L Cope(\(125\mathrm{Mhz}\))</td><td>8355</td><td>41777</td></tr><tr><td>Analog Devices의 ADSP-21062 SHARC</td><td>4045</td><td>19245</td></tr><tr><td>Texas Instruments의 TMS320C62x</td><td>5140</td><td>20780</td></tr><tr><td>Imfineon Technologies의 CARMEL DSP Core(\(120 \mathrm{~MHz}\))</td><td>2448</td><td>11628</td></tr><tr><td>Dsp Group의 PalmDSP Core(\(130 \mathrm{~MHz}\))</td><td>2047</td><td>10240</td></tr><tr><td>Motoral, Lucent의 STAR CORETM(SC140)(\(300\mathrm{~MHz}\))</td><td>2040</td><td>10239</td></tr><tr><td>제안하는 DSP용 FFT 명령어 하드웨어 구조</td><td>1536</td><td>7680</td></tr></tbody></table> <p> <표 1>은 기존 DSP 구조상에서의 FFT 실행 시간과 제안하는 FFI 연산 구조의 실행 싸이클을 비교하여 나타내고 있다. \(\mathrm{N}=256 \)인 경우 \( 256 / 2 \times \log _{2} 256 \)개의 버터플라이 연산을 수행해야하며, 1 개의 버터플라이 연산에서 1.5 싸이클이 걸리므로 \( 256 / 2 \times \log _{2} 256 \times 1.5 = 1536\) 클럭 싸이클이 필요하며, \( \mathrm{N}=1024 \)인 경우 \( 1024 / 2 \times \log _{2} 1024 \times 1.5=7680 \) 클럭 사이클이 필요하게 된다. 합성결과에서 \( 6.92 \mathrm{~ns} \)의 최대 지연 시간을 나타내었으므로 256 포인트 연산의 경우 \( 1536 \times 6.92 \mathrm{~ns} \)로 \( 10.63 mathrm{~us}\)가 요구되며 1024 포인트의 경우 \( 7680 \times 6.92\mathrm{ns} \)로 \( 53.15 \mathrm{us}\)가 요구된다. Texas Instruments 사의 TMS320C62x의 경우는 동작 주파수가 \(200 \mathrm{~MHz}\) 이상 되므로, 연산 수행 시간이 빠르고 Infineon Technologies사의 CARMEL DSP 코어 (\(120 \mathrm{~MHz}\))와 DSP Group 사의 PalmDSPCore \( { }^{\mathrm{TM}}\)\((130 \mathrm{~MHz} \) ) 경우는 코어가 사용되는 공정에 따라 클럭 주파수가 다르나 일반 공정 \( (0.25 ~\mu \mathrm{m} \) 이하)에서 대게 \( 100 \mathrm{~MHz} \) 에서 \( 150 \mathrm{~MHz} \)나 정도에서 동작 가능하며 두 개의 MAC 연산기를 가지는 것은 일반 DSP와 같은 사양이나 산술 연산기(ALU)가 무려 7 개 정도 되므로<그림 2>에서 ① 번의 연산을 이전 스테이지의 ③ 번 연산과 동시에 수행 할 수 있어 1개의 버터플라이 연산 수행 싸이클을 2 싸이클로 줄일 수 있다. 따라서, 표에 나타난 바와 같이 빠른 FFT연산 수행이 가능하다. STARCORE \( { }^{\mathrm{TM}}\)(SC140)는 \( 300 \mathrm{~MHz} \)까지 동작 가능하며, 4개의 MAC 연산기가 있어 복소수 연산을 1 싸이클 안에 수행 할 수 있다. 즉, 1 개의 버터플라이 연산을 2 싸이클 안에 수행할 수 있기 때문에 고속 FFT 연산이 가능한 것이다.</p> <p>제안한 FFI 전용 연산 명령어 및 하드웨어 구조는 최신 DSP 칩에서 포함되고 있는 유연성 있는 AGL (Address (ieneration Unit)가 지원되었다고 가정한 것이며, 실제로 최신 DSP 칩들은 AGU 안에 어드레스 연산 전용 ALU를 2 개씩 보유하고 있는 실정이다. 비교 결과표에 나타난 바와 같이 제안하긴 있는 하드웨어 구조는 최신 상용 DSP들과 비교하여 우수한 성능을 가질 수 있음이 나타났다.</p>
|
[
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 DSP 구조 \\ 포인트 수는 얼마인가?",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 Motorola Semicondustors의 DSP56002는 얼마일까?",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 Dsp Group의 PalmDSP Core의 값은 어느 정도의 값이야?",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 Motorola Samicondustors의 DSP56303의 값은 어느 정도야?",
"256 포인트 연산의 경우 Motorola Samicondustors의 DSP56303의 값은 본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교표를 보면, 얼마가 되지",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 Texas Instruments의 TMS320C54x의 값은 얼마야?",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 Philips Semicondustors의 R.E.A.L Cope의 값은 어느 정도지?",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 Texas Instruments의 TMS320C62x의 값은 어느 정도일까?",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 Imfineon Technologies의 CARMEL DSP Core의 값은 어느 정도의 값인가?",
"256 포인트 연산의 경우 Imfineon Technologies의 CARMEL DSP Core의 값은 본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교표에 보면 얼마가 되지",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 Analog Devices의 ADSP-21062 SHARC의 값은 어느 정도인가?",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 lucent Technalogies의 DSP1620는 얼마지?",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 Motoral, Lucent의 STAR CORETM(SC140)의 값은 어느 정도의 값이지?",
"본문의 표 1에서 1024 포인트 연산의 경우 Texas Instruments의 TMS320C62x는 어느 정도의 값을 가져?",
"1024 포인트 연산의 경우 Texas Instruments의 TMS320C62x는 표1의 비교값을 참조하면 어떤 수가 되지",
"본문의 표 1에서 1024 포인트 연산의 경우 Imfineon Technologies의 CARMEL DSP Core는 어느 정도의 값을 보일까?",
"1024 포인트 연산의 경우 Imfineon Technologies의 CARMEL DSP Core는 본문의 표 1을 참고하면, 어떤 수치가 되지",
"본문의 표 1에서 1024 포인트 연산의 경우 Dsp Group의 PalmDSP Core는 어느 정도의 값을 보이는가?",
"1024 포인트 연산의 경우 Dsp Group의 PalmDSP Core는 본문의 표 1의 내용상 어떤 값이 되지",
"본문의 표 1에서 1024 포인트 연산의 경우 제안하는 DSP용 FFT 명령어 하드웨어 구조는 어느 정도의 값을 보여?",
"본문의 표 1. DSP 상에서의 complex FFT 구현 성능 비교에서 256 포인트 연산의 경우 제안하는 DSP용 FFT 명령어 하드웨어 구조의 값은 어느 정도의 값일까?",
"본문의 표 1에서 1024 포인트 연산의 경우 Motoral, Lucent의 STAR CORETM(SC140)는 어느 정도의 값을 보이지?",
"1024 포인트 연산의 경우 Motoral, Lucent의 STAR CORETM(SC140)는 본문의 표 1에 따르면 얼마가 되니",
"본문의 표 1에서 1024 포인트 연산의 경우 Texas Instruments의 TMS320C54x는 어느 정도의 값을 가질까?",
"1024 포인트 연산의 경우 Texas Instruments의 TMS320C54x는 표에 뭐라고 나오지",
"본문의 표 1에서 1024 포인트 연산의 경우 Analog Devices의 ADSP-21062 SHARC는 어느 정도의 값을 가지지?",
"1024 포인트 연산의 경우 Analog Devices의 ADSP-21062 SHARC는 표에 따르면 얼마가 되니",
"본문의 표 1에서 1024 포인트 연산의 경우 DSP 구조 \\ 포인트 수는 어느 정도의 값을 가질 수 있는가?",
"1024 포인트 연산의 경우 DSP 구조 \\ 포인트 수는 표를 보면 어떤 값이 되나요",
"본문의 표 1에서 1024 포인트 연산의 경우 Motorola Semicondustors의 DSP56002x는 어느 정도의 값을 가질 수 있지?",
"1024 포인트 연산의 경우 Motorola Semicondustors의 DSP56002x는 표의 내용에 무슨 값에 해당하지",
"본문의 표 1에서 1024 포인트 연산의 경우 Philips Semicondustors의 R.E.A.L Cope는 어느 정도의 값을 가지는가?",
"1024 포인트 연산의 경우 Philips Semicondustors의 R.E.A.L Cope는 표를 보면 얼마가 되지"
] |
bea41d50-5576-47fe-864b-8bd848a97a8b
|
인공물ED
|
재밍대응 5소자 평면 GPS 배열 안테나 설계
|
<p>중앙과 측면 안테나의 전면 방향 이득이 대략 \( 0 \mathrm{~dBic} \) 근방인 것을 확인하였으므로 배열 안테나의 방사 패턴이 반구형을 갖는지 확인하였다. GPS 위성신호의 가시선(line of sight)에서는 반구형의 방사 패턴이 최적이기 때문이다. 그림 12부터 19까지는 \( L_{1} \)과 \( L_{2} \) 대역에서의 반구형 방사 패턴을 확인하였다. 삼차원 방사 패턴으로 수치 확인이 불가능하여 급전의 위치가 \( 90^{\circ} \)로 바뀌는 \(\mathrm{xz}\)-plane과 \(\mathrm{yz}\)-plane에서의 방사 패턴을 그렸다. 그리고 RHCP일 때 방사 패턴과 LHCP일 때 방사 패턴의 측정 결과를 비교하였다.</p><p>그림 12와 13은 \( L_{1} \) 중심 주파수에서 중앙안테나의 방사 패턴을 보여주며, 측정과 시뮬레이션 결과를 비교하였다. 전면 방향을 \( 0^{\circ} \)로 시작해서 그림 1에 근거해 \(\mathrm{xz}\)-plane과 \(\mathrm{yz}\)-plane에서 고각에서의 방사 패턴을 보여준다. 위성 신호의 수신에 유리한 반구형의 방사 패턴을 가지며, 측정과 시뮬레이션의 결과가 유사한 것을 알 수 있다. 그림 14와 15는 \( L_{2} \) 중심 주파수에서 \(\mathrm{xz}\)-plane과 \(\mathrm{yz}\)-plane에서의 방사 패턴을 보여주며, 측정과 시뮬레이션 결과를 비교하였다. \( L_{2} \) 대역 또한 위성수신에 유리하게 반구형의 방사 패턴을 갖는 것을 볼 수 있다. 측정과 시뮬레이션 결과는 전 방향에서 유사한 결과를 얻었다.</p><p>하지만 안테나의 좁은 간격으로 인해 전기적 길이가 긴 \( L_{2} \) 대역의 경우 CP 특성이 안 좋아지는 것을 볼 수 있다. \( L_{2} \) 중심 주파수에서 LHCP일 때 방사 패턴이 \( L_{1} \) 중심 주파수에 비해 강한 것을 볼 수 있다.</p><p>그림 16과 17은 \( L_{1} \) 중심 주파수에서 측면안테나의 \(\mathrm{xz}\)-plane과 \(\mathrm{yz}\)-plane에서 방사 패턴을 보여주며, 측정과 시뮬레이션 결과를 비교하였다. 측면안테나의 경우는 측정과 시뮬레이션 결과, 모두 두 개의 부엽을 갖는 것을 볼 수 있으나, 안테나는 가시선(Line Of Sight)의 위성신호만 수신하므로 사용하는데 문제가 없을 것으로 사료된다. 하지만 보다 높은 전면 방향 이득을 원한다면 안테나 뒷면의 이득을 전방으로 밀어주는 구조 연구가 필요하다. 그림 18과 19는 \( L_{2} \) 중심 주파수에서 측정과 시뮬레이션의 방사 패턴 결과를 보여준다. 중앙안테나의 결과처럼 위성수신에 유리하게 반구형의 방사 패턴을 갖는 것을 볼 수 있다. 측정과 시뮬레이션 결과가 방사 패턴의 부엽까지 일치하는 것을 볼 수 있다. 측면안테나의 LHCP일 때 방사 패턴은 측면안테나에 둘러싸인 중앙안테나보다 간섭을 덜 받는 것을 볼 수 있다.</p><p>고각에서의 방사 패턴이 \( L_{1} \)과 \( L_{2} \) 대역 모두 반구형을 갖는다는 것을 확인하였다. 그림 20부터 23까지는 고각 \( 30^{\circ} \), 다시 말해 \( \theta=60^{\circ} \)에서 이득이 일정한지 확인하였으며, \( L_{1} \)과 \( L_{2} \) 대역 중앙 및 측면안테나의 측정과 시뮬레이션 결과를 비교하였다. \( \theta=60^{\circ} \)에서 이득을 확인하는 이유는 GPS 위성이 대략 6~7개 정도 위치하여 위성 항법에 유리하기 때문이다. 상용 GPS 단일 수신안테나는 일반적으로 \( -3.5 \mathrm{~dBic} \)의 이득 특성을 갖는다. 하지만 배열로 인한 성능 열화와 소형화로 인한 고유전체 사용의 성능 열화도 반드시 고려되어야 한다.</p><p>그림 20, 그림 21은 각각 중앙안테나 \( L_{1} \)과 \( L_{2} \) 대역에서 \( \theta=60^{\circ} \)일 때 시뮬레이션 및 측정 결과를 보여준다. 시뮬레이션과 측정의 안테나 패턴 유사한 것을 알 수 있다.</p><p>표 4는 중앙안테나의 \( \theta=60^{\circ} \)에서 이득을 정리하였다. 중앙안테나는 \( L_{1} \) 중간 주파수에서 평균 \( -2.08 \mathrm{~dBic}, L_{2} \) 중간 주파수에서 평균 \( -5.33 \mathrm{~dBic} \)의 이득을 갖는다. 안테나 소자 간의 전기적 길이 감소로 인해 \( L_{2} \) 대역에서 \( L_{1} \) 대역보다 이득이 열하되는 것을 볼 수 있다.</p><p>표 5는 측면안테나 \( \theta=60^{\circ} \)에서 이득을 정리하였다. 측면안테나는 \( L_{1} \) 중간 주파수에서 평균 \( -0.40 \mathrm{~dBic}, L_{2} \) 중간 주파수에서 \( -2.09 \mathrm{~dBic} \)의 이득을 갖는다. 측면안테나는 중앙안테나보다 간섭이 심하지 않기 때문에 이득이 상대적으로 높은 것을 볼 수 있다. 그림 22, 그림 23은 중앙안테나 \( L_{1} / L_{2} \) 대역에서 \( \theta=60^{\circ} \)일 때 이득의 시뮬레이션 및 측정 결과를 보여준다. 시뮬레이션과 측정의 패턴 결과가 유사함을 알 수 있다. 일반적으로 GPS용 단일 수신안테나 성능은 \( \theta=60^{\circ} \)에서 \( -3.5 \mathrm{~dBic} \)를 요구하는데 본 연구에서 설계된 안테나는 사용에 문제 없는 것을 알 수 있다.</p><p>표 6은 중앙안테나와 측면안테나의 상호결합을 정리하였다. \( L_{1} \)과 \( L_{2} \) 대역에서 대략 \( -20 \mathrm{~dB} \)의 격리도를 갖는다.</p><table border><caption>표 5. \( \theta=60^{\circ} \)에서 측면안테나의 이득</caption><tbody><tr><td rowspan=2></td><td colspan=2>\( L_{1}(1,575.42 \mathrm{MHz}) \)</td><td colspan=2>\( L_{2}(1,227.6 \mathrm{MHz}) \)</td></tr><tr><td>최소</td><td>평균</td><td>최소</td><td>평균</td></tr><tr><td>시뮬레이션</td><td>-4.03</td><td>-1.21</td><td>-6.66</td><td>-2.54</td></tr><tr><td>측정</td><td>-2.58</td><td>-0.40</td><td>-3.99</td><td>-2.09</td></tr></tbody></table><table border><caption>표 6. 중앙안테나와 측면안테나의 상호결합</caption><tbody><tr><td></td><td>\( S_{21} \)</td><td>\( S_{31} \)</td><td>\( S_{41} \)</td><td>\( S_{51} \)</td></tr><tr><td>\( L_{1}(1,575.42 \mathrm{MHz}) \)</td><td>-23.11</td><td>-23.92</td><td>-23.68</td><td>-19.66</td></tr><tr><td>\( L_{2}(1,227.6 \mathrm{MHz}) \)</td><td>-21.55</td><td>-19.29</td><td>-27.72</td><td>-19.61</td></tr></tbody></table>
|
[
"중앙과 측면 안테나의 전면 방향 이득의 값이 어림잡아 어느 값 근처임을 확인하였는가?",
"중앙과 측면 안테나의 전면 방향 이득이 대략 \\( 0 \\mathrm{~dBic} \\) 근방인 것을 확인하였으므로 배열 안테나의 방사 패턴이 무엇을 갖는지 확인하였는가?",
"GPS 위성신호의 어디에서는 반구형의 방사 패턴이 가장 적합한가?",
"그림 12에서 그림 19까지는 어디에서의 반구형 방사 패턴을 확인하였어?",
"삼차원 방사 패턴으로 수치 확인이 불가능할 때 어디에서 급전의 위치가 \\( 90^{\\circ} \\)로 바뀌는가?",
"\\(\\mathrm{xz}\\)-plane과 \\(\\mathrm{yz}\\)-plane은 왜 급전의 위치가 \\( 90^{\\circ} \\)로 바뀌는가?",
"삼차원 방사 패턴으로 수치를 확인할 수 없기 때문에 급전의 위치는 어떻게 변하는가?",
"그림 12부터 19까지는 \\( L_{1} \\)과 \\( L_{2} \\) 대역에서의 무엇을 확인하였는가?",
"\\( L_{1} \\) 중심 주파수에서 중앙안테나의 방사 패턴을 살피기 위해서는 어디를 확인하여야 하는가?",
"그림 12와 13은 어디에서 중앙안테나의 방사 패턴을 보여주는가?",
"RHCP일 때 방사 패턴과 무엇일 때 방사 패턴의 측정 결과를 서로 비교했어?",
"어떤 방사 패턴의 측정 값과 LHCP일 때 방사 패턴의 측정 값을 견주어 여러 성질들을 살펴보았는가?",
"\\( L_{2} \\) 대역에서 \\( L_{1} \\) 대역과 비교했을 때 더 이득이 열하되는 이유가 뭐야?",
"안테나 소자 사이의 전기적 길이의 줄어듦으로 인해 어느 대역에서 이득이 더 열하돼?",
"표 5에 정리된 이득은 어느 안테나에서의 이득인가?",
"표 4에 나타난 안테나는 \\( L_{2} \\) 중간 주파수에서 평균 얼마의 이득을 갖는가?",
"표 4에 나타난 안테나는 어디에서 평균 \\( -2.08 \\mathrm{~dBic} \\)의 이득을 가져?",
"표 4에서 나타난 값들은 어디에서의 이득을 나타낸 거야?",
"왜 \\( L_{2} \\) 대역에서 \\( L_{1} \\) 대역보다 이득이 열하돼?",
"표 5에 정리된 안테나에서의 이득 중 \\( L_{2} \\) 중간 주파수에서 평균 얼마의 이득을 가지는가?",
"측면안테나와 중앙안테나를 비교했을 때 이득이 더 높은 안테나는 무엇이야?",
"그림 14와 15는 \\( L_{2} \\) 중심 주파수에서 어디의 방사 패턴이 표현되어 있어?",
"그림 14와 15에 표현된 방사 패턴의 측정과 시뮬레이션 결과는 어떤 방향에서 유사한 결과를 보여?",
"반구형의 방사 패턴은 어디에 유리한가?",
"위성 신호의 수신에 있어서 어떤 형태의 방사 패턴을 가지는 것이 좋을까?",
"전기적 길이가 긴 \\( L_{2} \\) 대역의 경우에 CP 특성이 안 좋아지는 까닭이 뭐야?",
"\\( L_{2} \\) 대역에서는 무엇의 길이가 긴가?",
"그림 14와 15에 보여진 방사 패턴은 어느 주파수에서의 패턴인가?",
"\\( L_{2} \\) 대역에서 CP 특성이 안 좋아지는 이유는 뭐야?",
"LHCP일 때 방사 패턴을 \\( L_{2} \\) 중심 주파수에서와 비교했을 때 어디에서 더 약해?",
"어떤 주파수에서 LHCP일 때 방사 패턴이 \\( L_{1} \\) 중심 주파수에 비해 강한가?",
"\\( L_{1} \\) 중심 주파수에서 측면안테나의 \\(\\mathrm{xz}\\)-plane과 \\(\\mathrm{yz}\\)-plane에서 방사 패턴을 확인하기 위해서는 어디를 보아야 하는가?",
"그림 16과 17에 표현된 방사 패턴은 어떤 안테나의 방사 패턴을 표현한 거야?",
"더 큰 전면 방향 이득을 위해서 안테나 어느 면의 이득을 앞으로 밀어주는 구조의 연구가 요구되는가?",
"어떻게 전면 방향의 이득을 더 큰 값으로 이끌어 낼 수 있을까?",
"그림 18과 19는 무엇을 나타내고 있어?",
"그림 18과 19에서의 방사 패턴 결과는 어떤 형태를 띠고 있을까?",
"어떤 안테나의 LHCP일 때 방사 패턴은 중앙안테나보다 간섭을 덜 받아?",
"LHCP일 때 방사 패턴이 간섭을 덜 받는 안테나는 어떤 안테나인가?",
"어디에서의 방사 패턴은 \\( L_{1} \\)과 \\( L_{2} \\) 대역 전부에서 반구형을 가져?",
"\\( L_{1} \\)과 \\( L_{2} \\) 대역 둘 다에서 방사패턴이 반구형을 띠는 각은 어떤 각인가?",
"그림 20부터 23까지에서는 \\( \\theta=60^{\\circ} \\)에서 무슨 요소가 바뀌지 않는지를 보았는가?",
"그림 20부터 23까지는 \\( L_{1} \\)과 \\( L_{2} \\) 대역의 무엇의 측정과 시뮬레이션 결과를 비교하였어?",
"일반적으로 \\( -3.5 \\mathrm{~dBic} \\)의 이득 특성을 갖는 것은 무엇인가?",
"상용 GPS 단일 수신안테나는 보편적으로 얼마의 이득 특성을 보여?",
"그림 20부터 23까지에서 확인한 각도를 \\( \\theta=60^{\\circ} \\)로 선택한 이유는 무엇이야?",
"\\( \\theta=60^{\\circ} \\)에서 이득을 확인하는 이유는 GPS 위성이 위치하여 무엇에 유리하기 때문인가?",
"소형화로 인한 어떤 것을 필히 고려해야 할까?",
"소형화로 인한 고유전체 사용의 성능 열화와 더불어서 무엇으로 인한 성능 열화를 고려해야 할까?",
"그림 20, 그림 21은 각각 중앙안테나 \\( L_{1} \\)과 \\( L_{2} \\) 대역에서 각도가 얼마일 때의 시뮬레이션 및 측정 결과를 보여주는가?",
"측면안테나는 왜 중앙안테나보다 이득이 상대적으로 높을까?",
"어디에서 중앙안테나 \\( L_{1} / L_{2} \\) 대역에서 \\( \\theta=60^{\\circ} \\)일 때 이득의 시뮬레이션과 측정 결과를 볼 수 있는가?",
"보편적으로 무슨 안테나의 성능은 \\( \\theta=60^{\\circ} \\)에서 \\( -3.5 \\mathrm{~dBic} \\)를 필요로 해?",
"중앙안테나와 측면안테나의 상호결합을 정리한 값들은 \\( L_{1} \\)과 \\( L_{2} \\) 대역에서 대략 \\( -20 \\mathrm{~dB} \\)의 무엇을 가지는가?",
"\\( L_{2} \\) 중심 주파수에서 어떤 상황에서의 방사 패턴이 \\( L_{1} \\) 중심 주파수에 비해 강해?",
"왜 안테나 후면의 이득을 전면으로 향하게 하는 구조의 연구가 필요할까?",
"고유전체 사용의 성능 열화는 어떻게 일어날까?",
"배열 안테나의 방사 패턴이 반구형을 갖는지 확인한 이유는 뭐야?",
"왜 배열 안테나의 방사 패턴이 반구형을 갖는지 확인했어?",
"그림 16과 17에 보여진 안테나는 측정 결과 모두 2 개의 무엇을 갖는가?",
"그림 16과 17에 보여진 안테나는 측정 결과 모두 2 개의 어떤 것을 갖는가?",
"그림 16과 17에 표현된 방사 패턴의 안테나는 어디의 위성신호만 수신하는가?",
"그림 16과 17에 표현되어있는 방사 패턴의 안테나는 어디의 위성신호만 수신해?",
"표 5에서 \\( L_{2}(1,227.6 \\mathrm{MHz}) \\) 의 측정 평균값은 얼마인가요?",
"표 5에서 확인할 수 있는 모든 값 중 가장 작은 시뮬레이션 값은 어느 대역에 속하는가?",
"\\( L_{1}(1,575.42 \\mathrm{MHz}) \\)의 대역에서 잰 측정값의 평균은 얼마야?",
"표 5에 나타난 시뮬레이션 값 중에 최소값과 평균값의 절대값 차이는 어느 대역에서 더 커?",
"표 5의 값 중 \\( L_{2}(1,227.6 \\mathrm{MHz}) \\)에서의 시뮬레이션 최소값은 얼마야?",
"표 6은 중앙안테나와 측면안테나의 무엇을 나타낸 표야?",
"중앙안테나와 측면안테나의 상호결합을 나타낸 값 중 가장 작은 값은 얼마인가?",
"표 6의 어디에서 \\( L_{2}(1,227.6 \\mathrm{MHz}) \\)에서 -23.92의 값을 가지는가?",
"중간주파수에서 중간 주파수에서의 평균은 얼마의 이득을 갖나요?",
"중앙안테나의 어떤 구간이 이득 열화가 더 되나요?",
"표 4에 나타난 \\( L_{1}(1,575.42 \\mathrm{MHz}) \\) 중 가장 작은 값은 얼마인가?"
] |
c77740d1-910c-4b79-82a3-409241eb8ba6
|
인공물ED
|
재밍대응 5소자 평면 GPS 배열 안테나 설계
|
<h1>II. GPS 단일 패치 설계</h1><p>그림 1 ~4는 GPS 배열 안테나에 사용되는 단일 안테나의 층별 레이어 형상 및 측면도 형상을 보여준다. \(180 \mathrm{mm} \times 180 \mathrm{~mm} \)의 공간에 5개의 단일 안테나를 장착하기 위해서 단일 안테나의 크기는 \( 50 \mathrm{~mm} \times 50 \mathrm{~mm} \)로 제한하였으며, 단일 안테나의 물리적 크기를 얻기 위해 고유전율의 세라믹 \( \left(\varepsilon_{r}=8.0, \tan \delta=0.0035\right) \) 기판을 사용하였다. 제안된 안테나는 상층 세라믹 기판에 \( L_{1} \) 대역에서 공진하는 패치를 위치시켰으며, \( L_{2} \) 대역에서 공진하도록 \( L_{1} \) 대역 패치와 그라운드 사이에 패치를 삽입하였다. \( L_{1} \) 대역 패치는 칩 커플러를 이용하여 \( 90^{\circ} \) 위상차를 주어 직접 급전하고, \( L_{2} \) 대역 패치는 \( L_{1} \) 대역 패치에 의해 coupling 급전되는 하이브리드 급전구조를 가진다.</p><p>광대역에서 원형 편파를 구현하기 위해 Anaren社의 XCl400P-03S 칩 커플러를 사용하였고, 커플러는 FR4\(\varepsilon_{r}=4.5, \tan \delta=0.02, h_{3}=1 \mathrm{~mm} \) ) 기판에 위치시켰다. 칩 커플러에서 수직으로 연장된 이중 급전 핀은 패치의 중앙을 원점으로 하였을 때 각각 \( \left(x_{1}, y_{1}\right) \)과 \( \left(x_{2}, y_{2}\right) \)에 위치시켰으며, 패치의 크기는 정사각형으로 하였다. \( L_{1} \) 대역 및 \( L_{2} \) 대역 패치의 한 변이 각각 \( w_{1} \)과 \( w_{2} \)의 길이를 가지며, 각각의 대역에서 반파장의 길이를 갖도록 하였다. \( L_{1} \) 대역 패치와 \( L_{2} \) 대역 패치 사이의 기판 높이는 \( h_{1} \)이고, 그라운드와 \( L_{2} \) 대역 패치 사이의 기판 높이는 \( h_{2} \)이며, \( h_{1} \)과 \( h_{2} \)는 두 대역의 coupling을 고려하여 결정하였다. 제안된 안테나의 구체적인 설계변수들은 FEKO 시뮬레이터와 유전자 알고리즘을 Co-simulation하여 최적화하였고, 자세한 안테나의 변수들을 표 1에 나타내었다.</p><p>단일 소자의 성능은 \( 180 \mathrm{~mm} \times 180 \mathrm{~mm} \)의 배열 플랫폼의 중앙에 장착한 후, 전면 방향 이득을 측정하여 확인하였다. 그림 5와 그림 6은 주파수에 따른 안테나의 반사 손실 및 전면 방향 이득을 보여준다. 설계된 안테나는 GPS \( L_{1} \) 중심 주파수\((1.5754 \mathrm{~GHz}) \)에서 \( -13.4 \mathrm{~dB}, L_{2} \) 중심 주파수 \( (1.2276 \mathrm{~GHz}) \)에서 \( -11.2 \mathrm{~dB} \)로 두 대역 모두 \( -10 \mathrm{~dB} \) 이하의 반사 손실을 가지며, 안테나의 전면 방향 이득은 GPS \(L_{1} \) 대역에서 \( 2.8 \mathrm{~dBic}, L_{2} \) 대역에서 \( 2.3 \mathrm{~dBic} \)를 가진다. 실제 사용하고 있는 GPS 안테나의 정합 특성과 전면 방향 이득을 고려할 때, 제안된 안테나는 GPS 배열 안테나에 사용되는 단일 소자로 사용이 적합함을 확인하였다.</p><table border><caption>표 1. 단일 소자의 최적화된 설계변수들</caption><tbody><tr><td>\( x_{1}(\mathrm{mm}) \)</td><td>\( x_{2}(\mathrm{mm}) \)</td><td>\( y_{1}(\mathrm{mm}) \)</td><td>\( y_{2}(\mathrm{mm}) \)</td><td>\( w_{1}(\mathrm{mm}) \)</td></tr><tr><td>-8.3</td><td>3.4</td><td>6.3</td><td>8.0</td><td>32.1</td></tr><tr><td>\( w_{2}(\mathrm{mm}) \)</td><td>\( w_{3}(\mathrm{mm}) \)</td><td>\( h_{1}(\mathrm{mm}) \)</td><td>\( h_{2}(\mathrm{mm}) \)</td><td>\( h_{3}(\mathrm{mm}) \)</td></tr><tr><td>39.5</td><td>50.0</td><td>3.14</td><td>3.14</td><td>1.0</td></tr></tbody></table>
|
[
"그림 1 ~4는 어떤 형상을 보여주고 있니?",
"어느 정도 크기의 공간에 5개의 단일 안테나를 장착하였어?",
"고유전율의 세라믹 \\( \\left(\\varepsilon_{r}=8.0, \\tan \\delta=0.0035\\right) \\) 기판을 사용하는 이유는 무엇이야?",
"단일 안테나의 크기는 얼마로 제한하였어?",
"Anaren社의 XCl400P-03S 칩 커플러를 사용한 이유는 무엇이야?",
"제안된 안테나는 공진하는 패치를 어디에 위치시켰어?",
"\\( L_{2} \\) 대역에서 공진하도록 어디에 패치를 삽입하였어?",
"\\( L_{2} \\) 대역 패치는 \\( L_{1} \\) 대역 패치에 의해 coupling 급전되는 어떤 구조를 가지니?",
"광대역에서 원형 편파를 구현하기 위해 어디 회사의 XCl400P-03S 칩 커플러를 사용하였어?",
"\\( L_{1} \\) 대역 패치는 무엇을 이용하여 \\( 90^{\\circ} \\) 위상차를 주어 직접 급전하였어?",
"광대역에서 원형 편파를 구현하기 위해 Anaren社의 무엇을 사용하였어?",
"\\( L_{1} \\) 대역 및 \\( L_{2} \\) 대역 패치의 한 변의 길이는 각각 어떻게 되니?",
"칩 커플러에서 수직으로 연장된 이중 급전 핀은 패치의 중앙을 원점으로 하였을 때 각각 어디에 위치시켰어?",
"패치의 크기는 무엇으로 하였어?",
"\\( L_{1} \\) 대역 패치와 \\( L_{2} \\) 대역 패치 사이의 기판 높이는 무엇이야?",
"\\( h_{2} \\) 는 어떤 높이를 말하니?",
"\\( h_{1} \\)과 \\( h_{2} \\)는 무엇을 고려하여 결정하였어?",
"제안된 안테나의 구체적인 설계변수들은 어떤 방식으로 최적화하였어?",
"자세한 안테나의 변수들을 어디에서 확인할 수 있어?",
"실제 사용하고 있는 GPS 안테나의 정합 특성과 전면 방향 이득을 고려할 때, 제안된 안테나는 GPS 배열 안테나에 사용되는 무엇으로 사용이 적합함을 확인하였어?",
"단일 소자의 성능은 \\( 180 \\mathrm{~mm} \\times 180 \\mathrm{~mm} \\)의 배열을 어디에 장착하였어?",
"설계된 안테나는 GPS \\( L_{1} \\) 중심 주파수\\((1.5754 \\mathrm{~GHz}) \\)에서 \\( -13.4 \\mathrm{~dB}, L_{2} \\) 중심 주파수 \\( (1.2276 \\mathrm{~GHz}) \\)에서 \\( -11.2 \\mathrm{~dB} \\)로 두 대역 모두 얼마 이하의 반사 손실을 가지니?",
"단일 소자의 성능은 어느 방향 이득을 측정하여 확인하였어?",
"그림 5와 그림 6은 주파수에 따른 무엇의 이득을 보여주니?",
"안테나의 전면 방향 이득은 GPS \\(L_{2} \\) 대역에서 얼마를 가지니?",
"표 1은 무엇을 나타낸 것이야?",
"값 8.0을 갖는 항은 무엇이야?",
"표 1. 에서 \\( w_{3}\\) 의 값은 얼마야?",
"표에서 가장 높은 값을 가지는 항은 무엇이야?",
"\\( x_{1}\\) 값은 얼마니?"
] |
50baa4ab-a9c4-4e54-a02b-bf0cf12d471a
|
인공물ED
|
재밍대응 5소자 평면 GPS 배열 안테나 설계
|
<h1>III. GPS 배열 안테나 설계</h1><p>그림 7은 5개의 단일 소자를 배열 플랫폼에 장착하였을 때의 형상을 나타내며, MoM(Method of Moments)에 기반을 둔 FEKO 시뮬레이터를 이용하여 안테나 성능을 예측하였다.</p><p>일반적으로 MoM 방식은 파장을 기준으로 대략적으로 열 개의 요소들(elements)로 나누어 주는데, 이중 급전부와 고유전체 영역은 정확도를 높이기 위해 파장 당 50개 정도의 요소들로 나누어 준다. 그림 8은 시뮬레이션을 기반으로 제작된 배열안테나의 형상을 보여준다. 단일 소자 간의 간섭을 최소화하기 위해 측면안테나들은 \( 90^ {\circ} \)로 돌려서 배치하였으며, 제작된 안테나는 가로 \( 5.0 \mathrm {~m} \), 세로 \( 5.0 \mathrm {~m} \), 높이 \( 5.5 \mathrm {~m} \)의 무반향 챔버에서 이득 및 방사 패턴을 측정하였다.</p><p>그림 9은 배열상태에서 중앙안테나의 전면 방향 이득을 보여준다. GPS \( L _{1} \)과 \( L _{2} \) 중심 주파수에서 전면 방향 이득의 결과는 표 2에 정리하였다. \( L_{1} \)과 \( L_{2} \) 대역에서 측정과 시뮬레이션의 결과는 대략 \( 0.7 \mathrm {~dB} \)의 오차를 가지며, 시뮬레이션과 측정 결과의 주파수에 따른 전면 방향 이득은 유사한 것을 확인할 수 있다. 배열 후 안테나 성능은 단일 안테나 성능 대비 \( L_{1} \) 대역에서 대략 \( 1.7 \mathrm {~dB}, L _{2} \) 대역에서 \( 2 \mathrm {~dB} \) 열화된 것을 알 수 있다.</p><table border><caption>표 2. 중앙안테나의 전면 방향 이득</caption><tbody><tr><td rowspan=2></td><td colspan=2>\( L_{1} (1,575.42 \mathrm {~MHz}) \)</td><td colspan=2>\( L_{2} (1,227.6 \mathrm {~MHz}) \)</td></tr><tr><td>측정</td><td>시뮬레이션</td><td>측정</td><td>시뮬레이션</td></tr><tr><td>이득</td><td>1.10</td><td>0.94</td><td>0.37</td><td>0.29</td></tr></tbody></table><p>그림 10은 4개의 측면 안테나 중 한 소자의 전면 방향 이득을 보여준다. 4개의 안테나가 대칭적으로 배열되어 있기 때문에 하나의 결과만 나타내었으며, 전면 방향의 이득은 표 3에 정리하였다. 측정과 시뮬레이션 결과의 주파수에 따른 전면 방향 이득은 유사한 것을 알 수 있다.</p><p>그림 11은 배열 후 중앙안테나의 축비를 확인하였다. \( L_{1} \) 중심 주파수에선 대략 \( 2 \mathrm {~dB} \)를 가지고, \( L_{2} \) 중심 주파수에선 전기적 길이가 증가함에 따른 소자 간의 간섭 증가로 인하여 \( 7 \mathrm {~dB} \)를 갖는 것을 확인하였다.</p>
|
[
"MoM 방식에서 파장당 50개 정도의 요소들로 나누는 이유가 뭐야?",
"MoM 방식에서 열 개의 요소들은 무엇을 기준으로 구분되?",
"MoM방식에서 이중 급전부와 고유전체 영역에서 정확도를 높이려면 어떻게 해야해?",
"측면 안테나를 \\( 90^ {\\circ} \\)로 돌려서 배치하는 이유는 어떤 것을 최소화하기 위해서야?",
"제작된 안테나는 무반향 챔버에서 어떤 것을 측정해?",
"GPS \\( L _{1} \\)과 \\( L _{2} \\) 중심 주파수에서 전면 방향 이득의 오차는 얼마였어?",
"배열 후 안테나 성능에서 \\( L_{1} \\) 대역에서 열화는 대략 얼마 만큼의\\( \\mathrm {~dB} \\) 발생했어?",
"배열 후 안테나 성능에서 \\( L_{2} \\) 대역에서 발생하는 열화는 대략 몇 \\( \\mathrm {~dB} \\)야?",
"중앙 안테나의 전면 방향 이득은 어느 대역에서 높아?",
"\\( L_{1} \\) 중심 주파수에서 배열 후 중앙 안테나의 축비는 얼마야?",
"\\( L_{2} \\) 중심 주파수에서 무엇이 증가함에 따라 소자 간의 간섭이 증가했어?",
"\\( L_{2} \\) 중심 주파수에서의 배열 후 중앙 안테나의 축비는 얼마야?",
"중앙 안테나의 전면 방향 이득 결과표에 시뮬레이션을 통해 도출되는 인덕터 2의 이득값은 얼마야?",
"FEKO 시뮬레이터는 무엇을 기반으로 두어 안테나 성능을 예측해?",
"중앙 안테나의 전면 방향 이득에서 인덕터 1에서 측정되는 이득값은 얼마야?",
"중앙 안테나의 전면 방향 이득에서 인덕터 1에서 시뮬레이션을 통한 이득값은 얼마야?",
"중앙 안테나의 전면 방향 이득 결과에서 인덕터 2에서 측정되는 이득값은 얼마야?",
"제작된 안테나의 이득, 방사패턴을 측정하기 위해 무반향 챔버는 어떤 규격으로 제작되?",
"중앙 안테나에서 \\( L_{2} \\) 대역에서의 중심 주파수는 몇\\( \\mathrm {~MHz} \\)야?",
"\\( L_{1} \\)의 중심 주파수는 몇 \\( \\mathrm {~MHz} \\)으로 설정하면 중앙안테나에서의 전면 방향 이득을 측정할 수 있어?",
"표2의 중앙 안테나에서 \\( L_{1} \\) 대역에서의 중심 주파수는 몇\\( \\mathrm {~MHz} \\)야?",
"\\( L_{2} \\)의 중심 주파수가 몇 \\( \\mathrm {~MHz} \\)이면 중앙안테나의 전면 방향에서 발생하는 이득을 측정할 수 있어?"
] |
f185bafc-caaf-448c-8f5f-83adacb14803
|
인공물ED
|
재밍대응 5소자 평면 GPS 배열 안테나 설계
|
<h1>요 약</h1><p>본 논문은 재밍 대응 위성 항법 장치의 5소자 평면 배열 안테나 설계에 대해 기술한다. GPS \( L_{1} / L_{2} \) 대역에서 공진하는 적층 구조의 패치 안테나 설계를 제안한다. 제안된 안테나는 광대역 및 원형 편파 특성을 구현하기 위해 칩 커플러를 이용한 이중 급전을 사용한다. 배열안테나 측정 결과, 중앙안테나의 전면 방향 이득은 \( L_{1} \)과 \( L_{2} \) 대역에서 각각 \( 1.10 \mathrm{~dBic} \), \( 0.37 \mathrm{~dBic} \), 측면안테나는 \( L_{1} \)과 \( L_{2} \) 대역에서 \( 0.99 \mathrm{~dBic},~-0.57 \mathrm{~dBic} \)를 갖는다. 고각 \( 30^{\circ} \)에서 방위각의 이득은 중앙안테나 \( L_{1} \)과 \( L_{2} \) 대역에서 평균 \( -2.08 \mathrm{~dBic},~-5.33 \mathrm{~dBic} \)의 측정 결과를 갖는다. 측면안테나는 \( L_{1} \)과 \( L_{2} \) 대역에서 평균 \( -0.40 \mathrm{~dBic},~ -2.09 \mathrm{~dBic} \)의 측정 결과를 갖는다. 제안된 5소자 평면 배열 안테나는 GPS 재밍 대응 장치에 적합함을 확인한다.</p>
|
[
"본 논문에서 어떤 장치의 5소자 평면 배열 안테나 설계에 대해 기술했습니까?",
"본 논문은 재밍 대응 위성 항법 장치의 무엇에 대하여 알려주나요?",
"중앙안테나 \\( L_{1} \\)과 \\( L_{2} \\) 대역에서 평균 \\( -2.08 \\mathrm{~dBic},~-5.33 \\mathrm{~dBic} \\)의 측정 결과를 갖는 방위각 이득은 어떤 각도에서 얻어졌습니까?",
"제안된 안테나에서 칩 커플러를 이용한 이중 급전을 사용하였는데, 무엇을 구현하기 위해서입니까?",
"\\( L_{1} \\)과 \\( L_{2} \\) 대역에서 각각 \\( 1.10 \\mathrm{~dBic} \\), \\( 0.37 \\mathrm{~dBic} \\) 이득은 중앙안테나의 어느 방향 이득입니까?",
"\\( L_{1} \\)과 \\( L_{2} \\) 대역에서 \\( 0.99 \\mathrm{~dBic},~-0.57 \\mathrm{~dBic} \\) 이득은 어떤안테나의 이득입니까?",
"GPS 재밍 대응 장치에 적합함을 확인한 것은 본 논문에서 제안한 어떤 안테나입니까?",
"무엇을 이용한 이중 급전을 사용해 광대역 및 원형 편파 특성을 구현했지?",
"본 논문을 통하여 제안된 5소자 평면 배열 안테나는 어떤 장치에 적합합니까?",
"어떤 장치에 본 논문을 통해 제안된 5소자 평면 배열 안테나를 사용할 수 있을까?",
"GPS \\( L_{1} / L_{2} \\) 대역에서 공진하는 어떤 구조의 패치 안테나 설계를 말하고 있어?"
] |
7cd80ef4-5d4d-47bf-92cb-85980efd67e7
|
인공물ED
|
비파괴 지능형 과일 당도 자동 측정 시스템 구현
|
<h3>2.2.2 심층 신경망(Deep Neural Network, 이하 DNN)</h3><p>Fig. 1은 Hidden 레이어가 하나만 있는 ANN을 나타낸다. 그러나 더 많은 Hidden 레이어를 사용함으로씨 더욱 높은 정확도를 얻을 수 있는데 이를 DNN(Deep Neural Network)이라고 한다. 하지만 DNN(Deep Neural Network)의 경우 ANN보다 많은 양의 연산양을 필요로 하기 때문에 더 많은 메모리와 시간을 필요로 한다는 단점이 있다. 또한 레이어가 많아진다고 해서 정확도가 항상 더 높게 나온다는 것을 기대하기 어려운 점도 있다. 이는 레이어가 많아지는 것(깊어짐)에 따라 가중치 데이터의 효과가 희미해질 수 있고 결국에는 값이 소멸되는 현상(Vanishing Gradient)이 일어나게 되어 학습이 이루어지지 않은 결과를 초래할 수 있다. 따라서 DNN(Deep Neural Network)을 적용할 때에는 학습이 잘 이루어지는 최적의 레이어 개수를 추출할 필요가 있고 본 논문에서는 \(3\) 레이어를 사용하였다. 여기서 레이어는 Hidden와 첫 입력층의 개수이다.</p><p>Fig. 2는 본 논문에서 사용된 DNN(Deep Neural Network)을 보여준다.</p><h3>2.2.3 MSE(Mean Square Error)</h3><p>기계학습은 입력 데이터를 인가하여 얻어진 출력 데이터와 입력 데이터의 실제 목표 값 간의 오차를 최소화하는 최적의 가중치 데이터를 확보하는 과정이다. 이때 학습을 진행하면서 가중치 데이터는 계속해서 갱신되고 이에 따라 오차는 점점 작아지는데 이때 오차를 계산하는 방법 중의 하나가 평균제곱오차 (Mean Square Error, 이하 MSE)이다.</p><p>MSE를 간단하게 설명하면 측정값 또는 예측 값과 목표 값 간의 차의 제곱을 계산할 때 이들의 평균값을 의미한다.</p><p>MSE를 이용하여 출력 데이터와 목표 값의 오차를 구하는 수식은 아래와 같다.</p><p>\( \operatorname{Cost}=\frac{1}{2} \Sigma_{0}^{N}\left|\operatorname{Target}_{i}-Y_{i}\right|^{2} \)<caption>(6)</caption></p><p>Target는 목표 값을 나타내고 \( \mathrm{Y} \) 는 Output을 나타낸다. 모든 노드에 대해서 Target과 \( \mathrm{Y} \) 의 차의 제곱 값들을 구한 뒤 이들의 평균 값이 비용함수 \( (\mathrm{Cost}) \) 이며, 가중치 데이터 갱신을 위해 필요한 값이다.</p><p>가중치 데이터의 갱신을 위해서는 아래의 수식이 사용된다.</p><p>\( W_{n e w}=W_{\text {old }}-\rho \frac{d C}{d W_{\text {old }}} \)<caption>(7)</caption></p><p>갱신하려는 새로운 가중치 데이터는 이전의 가중치 데이터에서의 비용함수를 이전 가중치 데이터로 미분한 값을 학습 속도(Learning Rate)와 곱한 뒤 이를 이전의 가중치 데이터로부터 빼는 것으로 표헌된다. 한편 최적의 학습 상태에서는 갱신된 가중치 데이터와 이전의 가중치 데이터가 거의 같은 값을 보인다. 이는 수식 (7)에서 미분 값이 \(90\)이 되는 것을 의미한다. 비용함수는 (Target - Y)의 제곱으로 구해지는데 \( \mathrm{Y} \) 는 가중치 데이터와 입력 데이터를 곱하여 나온 결과이므로 \( \mathrm{Y} \) 의 제곱 과정에서 가중치 데이터가 제곱이 된다. 이로부터 비용함수는 가중치 데이터에 대한 이차함수로 주어진 다는 것을 알 수 있다. 따라서 비용함수를 가중치 데이터로 미분한 값을 \(0\) 으로 만드는 가중치 데이터가 최적의 가중치 데이터가 되며 이 값에서 비용함수 즉 오차 범위가 최소가 된다. 수식 에서는 미분 값이 \(0\)이 되는 위치까지 얼마만큼 빠르게 도달하는 가를 결정하며, 값이 클수록 빠르게 도달하지만 최솟값 지점의 정확성에 영향을 미친다.</p>
|
[
"MSE는 Mean Square Error인가?",
"DNN이 많은 메모리와 시간이 요구되는 이유는 무엇이야?",
"기계학습은 입력 데이터를 통해 획득한 무엇들의 실제 목표 값 간의 오차를 줄이는 최적의 가중치 데이터를 얻는 과정인가?",
"입력 데이터를 통해 획득한 출력 데이터와 입력 데이터의 실제 목표 값 간의 오차를 줄이는 최적의 가중치 데이터를 얻는 것을 무엇이라고 하지?",
"MSE는 측정값 또는 예측 값과 목표 값 간의 차의 제곱을 계산할 때 의 무엇을 뜻하니?",
"측정값 또는 예측 값과 목표 값 간의 차의 제곱을 계산된 평균값은 무엇이라 하지?",
"레이어가 많아지므로 가중치 데이터의 효과가 줄어들고 결국에는 값이 사라지는가?",
"MSE를 사용하여 출력 데이터와 목표 값의 오차를 계산하는 수식은</p><p>\\( \\operatorname{Cost}=\\frac{1}{2} \\Sigma_{0}^{N}\\left|\\operatorname{Target}_{i}-Y_{i}\\right|^{2} \\)이니?",
"가중치 데이터의 변경을 위한 수식은</p><p>\\( W_{n e w}=W_{\\text {old }}-\\rho \\frac{d C}{d W_{\\text {old }}} \\)인가?",
"더 많은 Hidden 레이어를 이용해서 뛰어난 정확도를 획득할 수 있는 것은 뭐야?",
"무엇이 더 많은 Hidden 레이어를 이용해서 뛰어난 정확도를 획득할 수 있는 것인가?",
"Deep Neural Network의 약자는 뭐야?",
"어떤 약자가 Deep Neural Network의 의미를 대변하니?",
"DNN의 문제점은 무엇인가?",
"무엇이 DNN의 문제점일까요?",
"평균제곱오차는 오차를 계산하는 방법에 포함되는가?",
"오차를 계산하는 방법에 평균제곱오차가 포함되나요?",
"평균제곱오차는 어떤 때에 사용하는 방법인가?",
" 어떤 때에 사용하는 방법이 평균제곱오차 인가요?",
"MSE를 사용하여 출력 데이터와 목표 값의 오차를 계산하는 수식은 무엇이니?",
"무엇이 MSE를 사용하여 출력 데이터와 목표 값의 오차를 계산하는 수식인가요?"
] |
6222550e-9ac0-4800-9e57-cce094c0ec37
|
인공물ED
|
비파괴 지능형 과일 당도 자동 측정 시스템 구현
|
<h1>4. 실험 결과</h1><h2>4.1 데이터셋 준비</h2><p>Fig. 6 에서 보인 것치넘 데이터 셋으로서 한 개의 방울토마토에 대하여 \(20\)개의 부위별 스펙트럼 csv를 만들었다. 그리고 이들의 스펙트럼 평균을 구하여 부위별 당도 차이 가능성으로 인한 판정 오류를 최소화하였다. 특히 꼭지 부위 투과 시에 얻어질 수 있는 상이한 스펙트럼을 제외한 후에 다시 평균을 구하여 학습 데이터로 사용하였다. 학습을 진행하기 위하여 \(500\)개의 방울토마토로부터 \(500\)개의 학습 데이터를 마련하였고 학습된 결과를 테스트하기 위하여 방울토마토 \(286\)개의 데이터를 테스트 데이터로 사용하였다. 학습 횟수는 약 \(5\)천만 회로서, 학습횟수 \(1\)회는 학습 데이터 \(500\)개를 모두 사용하여 학습하였음을 의미한다. 학습 데이터용과 테스트 데이터용을 위한 총 \(786\)개의 방울 토마토에 대한 목표 값을 설정했고 위에서 설명했듯이 그중 \(500\)개의 데이터는 학습 데이터로 사용하였다.</p><h2>4.2 학습 결과 검증</h2><p>\(500\)개의 학습 데이터를 사용하여 확보된 학습 모델(즉 Weight)에 \(286\)개의 테스트 데이터를 적용한 결과를 Fig. 8에 보였다. Fig. 8의 하단에서 보인 Cost & Accuracy 그래프에서 빨간 곡선은 Cost(비용), 파란 곡선은 Accuracy(정확도)를 나타낸다. 비용은 테스트 데이터에 대한 목표 값과 출력 값의 차를 제곱한 값이고 정확도는 목표 값과 출력 값의 근사 정도를 나타내는 수치이다. 예를 들어 테스트 데이터의 목표 값이 \( 6.0 \mathrm{Brix} \) 이고 출력 값이 \( 5.4 \mathrm{Brix} \) 이라면 비용은 \( 6.0 \sim 5.4 \) 의 제곱인 \( 0.36 \) 이며 정확도는 5.4/6.0인 \( 90 \% \) 라고 할 수 있다. Fig. 8 에서 비용은 \(0\)에 근접하고 있으며 정확도는 \(100\)에 근접하고 있는 것을 확인할 수 있다. \(286\)개의 방울토마토 중에서 가장 높은 정확도는 약 \( 99.987 \% \)이고 가장 낮은 정확도는 약 \( 76.752 \% \) 이었으며 전체 평균 정확도는 약 \( 93.86 \% \) 이었다.</p><p>Table 1은 \(286\)개의 테스트 데이터를 사용하여 학습이 잘 되었는지를 검증한 뒤 정확도를 구간별로 나누어 정리한 것이다. 즉 \( 90 \sim 100 \% \) 의 정확도를 가지는 방울토마토의 수량은 \(232\)개이며 이는 전체의 약 \( 81 \% \) 에 해당한다.</p><h2>4.3 당도 예측 실험 및 추후 개선점</h2><p>Fig. 9는 학습과 테스트 과정에서 사용되지 않은 새로운 방울토마토에 대한 당도 예측 결과를 보여준다. 좌측의 순번은 방울토마토의 순서를 나타내며 우측의 Brix 값은 예측된 당도 수치를 나타낸다. Fig. 9에서는 현재 \(40\)번째 방울토마토까지 당도 예측이 진행되었고 해당 방울토마토의 당도 예측 값은 \( 5.2 \mathrm{Brix}\)임을 보여준다.</p><p>실험을 통하여 해당 과일의 평균 스펙트럼 데이터가 얻어지고 DNN(Deep Neural Network)에서 연산 처리된 후 당도 예측 까지 걸리는 시간은 약 \(5\)초 이내였다. 이로부터 제안된 시스템의 실용화도 충분히 가능한 것으로 사료된다.</p><p>학습된 DNN(Deep Neural Network)에 대한 테스트 결과 당도 예측에서 \( 80 \% \) 이상의 정확도를 보이고 있는 방울토마토의 개수는 \(280\)개로서 전체의 약 \( 98 \% \) 에 해당하는 높은 수치를 보이고 있다. 그러나 본 논문에서 사용된 굴절 당도계의 오차율이 \( 0.1 \% \) 인 점을 고려하면 당도 예측에서 더 높은 정확도가 요구된다. 앞으로 더욱 정확도를 높이기 위해서는 더욱 많은 학습 데이터가 준비되어야 할 것이다. 그리고 방울토마토를 회전시킬 때 야기되는 광원과의 거리 변화에 따른 분광 스펙트럼의 오프셋 변동을 최소화하는 것이 필요할 것이다. 또한 장시간에 걸친 학습 데이터 셋 준비 시에 주변 환경(주광, 형광등, 온도 등)의 변화를 충분히 차단하여야 하는 점도 고려되어야 한다.</p>
|
[
"테스트 데이터의 목표 값이 \\( 6.0 \\mathrm{Brix} \\) 이고 출력 값이 \\( 5.4 \\mathrm{Brix} \\) 이라면 정확도는 몇인가요?",
"본 논문에서 \\(286\\)개의 방울토마토 중에서 가장 낮은 정확도는 얼마인가요?",
"본 논문에서 \\(286\\)개의 방울토마토 중에서 가장 높은 정확도는 얼마인가요?",
"\\(286\\)개의 방울토마토 중에서 전체 평균 정확도는 얼마인가요?",
"즉 \\( 90 \\sim 100 \\% \\) 의 정확도를 가지는 방울토마토의 수량은 전체의 몇프로에 해당되나요?",
"DNN(Deep Neural Network)에서 연산 처리된 후 당도 예측 까지 걸리는 시간은 얼마인가요?",
"학습된 DNN(Deep Neural Network)에 대한 테스트 결과 당도 예측에서 정확도는 몇프로를 보이나요?",
"우측의 Brix 값은 무엇을 의미하나요?",
"본문에서 \\( 90 \\sim 100 \\% \\) 의 정확도를 가지는 방울토마토의 수량은 얼마인가요?",
"학습된 DNN(Deep Neural Network)에 대한 테스트 결과 당도 예측에서 \\( 80 \\% \\) 이상의 정확도를 보이고 있는 방울토마토는 전체의 얼마에 해당되나요?",
"장시간에 걸친 학습 데이터 셋 준비 시에 무엇을 차단해야하나요?",
"방울토마토를 회전시킬 때 야기되는 광원과의 거리 변화에 따른 무엇을 최소화해야하나요?",
"학습된 DNN(Deep Neural Network)에 대한 테스트 결과 당도 예측에서 \\( 80 \\% \\) 이상의 정확도를 보이고 있는 방울토마토의 개수는 얼마인가요?",
"부위별 당도 차이 가능성으로 인한 판정 오류를 어떻게 최소화하였나요?",
"어떤 부위 투과시에 얻어질 수 있는 상이한 스펙트럼을 제외한 후에 다시 평균을 구하여 학습 데이터로 사용하였나요?",
"학습을 진행하기 위하여 몇개의 방울토마토로부터 \\(500\\)개의 학습 데이터를 마련하였나요?",
"학습을 진행하기 위하여 \\(500\\)개의 방울토마토로부터 몇개의 학습 데이터를 마련하였나요?",
"학습된 결과를 테스트하기 위하여 방울토마토 몇개의 데이터를 테스트 데이터로 사용하였나요?",
"본 논문에서 학습 횟수는 몇 회인가요?",
"학습 횟수는 약 \\(5\\)천만 회로서, 학습횟수 \\(1\\)회는 학습 데이터 몇 개를 모두 사용하여 학습하였음을 의미하나요?",
"본 논문에서 학습 데이터용과 테스트 데이터용을 위한 총 몇개의 방울 토마토에 대한 목표 값을 설정했나요?",
"Cost & Accuracy 그래프에서 파란 곡선은 무엇을 의미하나요?",
"본 논문에서 비용은 무슨 값을 말하나요?",
"테스트 데이터에 대한 목표 값과 출력 값의 차를 제곱한 값은 무엇인가요?",
"Cost & Accuracy 그래프에서 Accuracy(정확도)은 무슨 색으로 나타내었나요?",
"테스트 데이터의 목표 값이 \\( 6.0 \\mathrm{Brix} \\) 이고 출력 값이 \\( 5.4 \\mathrm{Brix} \\) 이라면 비용은 얼마인가요?",
"테스트 데이터의 목표 값이 \\( 6.0 \\mathrm{Brix} \\) 이고 출력 값이 \\( 5.4 \\mathrm{Brix} \\) 이라면 정확도는 얼마인가요?",
"테스트 데이터의 목표 값이 \\( 6.0 \\mathrm{Brix} \\) 이고 출력 값이 \\( 5.4 \\mathrm{Brix} \\) 이라면 비용은 어떻게 \\( 0.36 \\) 인가요?",
"좌측의 순번은 무엇을 나타내나요?",
"본 논문에서 사용된 굴절 당도계의 오차율은 얼마인가요?",
"한 개의 방울토마토에 대하여 몇개의 부위별 스펙트럼 csv를 만들었나요?",
"한 개의 방울토마토에 대하여 \\(20\\)개의 무엇을 만들었나요?",
"목표 값과 출력 값의 근사 정도를 나타내는 수치는 무엇을 뜻하나요?",
"Cost & Accuracy 그래프에서 Cost(비용)은 무슨 색으로 나타내었나요?",
"본 논문에서 정확도는 무엇을 의미하나요?",
"Cost & Accuracy 그래프에서 빨간 곡선은 무엇을 의미하나요?",
"비용은 목표 값과 출력 값의 근사 정도를 나타내는 수치인가요?",
"본 연구에서 학습 횟수는 약 \\(2\\)천만 회인가요?",
"Cost & Accuracy 그래프에서 Cost(비용)은 파란색인가요?",
"Cost & Accuracy 그래프에서 파란 곡선은 Cost(비용)을 나타내나요?",
"정확도는 테스트 데이터에 대한 목표 값과 출력 값의 차를 제곱한 값인가요?",
"\\( 90 \\sim 100 \\% \\) 의 정확도를 가지는 방울토마토의 수량은 \\(300\\)개 인가요?",
"Table 1은 \\(300\\)개의 테스트 데이터를 사용한 것인가요?",
"우측의 Brix 값은 방울토마토의 순서를 나타내나요?",
"좌측의 순번은 예측된 당도 수치를 나타내나요?",
"Cost & Accuracy 그래프에서 Accuracy(정확도)는 빨간색을 의미하나요?",
"본 논문에서 데이터 셋 프로그램에서 한 개의 방울토마토를 상대로 \\(10\\)개의 부위별 스펙트럼 csv를 만들었나요?",
"본 논문에서 학습을 목적으로 \\(500\\)개의 방울토마토에서 \\(1000\\)개 정도의 학습 데이터를 마련했어?",
"학습용과 테스트용의 데이터를 생성하기 위해 총 \\(500\\)개의 방울 토마토를 대상으로 목표를 설정했어?",
"테스트용의 데이터 값이 \\( 6.0 \\mathrm{Brix} \\) 이고 출력 값이 \\( 5.4 \\mathrm{Brix} \\) 인 경우에는 비용이 0.49야?",
"본 논문에서 Cost & Accuracy 그래프에서의 곡선이 빨간색인 것은 Accuracy(정확도)를 의미해?",
"\\( 85 \\sim 100 \\% \\) 의 정확도인 방울토마토의 수량은 전체에서 \\( 81 \\% \\) 차지해?",
"본 논문의 연구실험에서 과일의 평균 스펙트럼 데이터를 구하는 순간에서부터 DNN에서 연산 처리 후 당도 예측 까지 걸리는 시간은 2초 걸려?",
"DNN가 학습된 결과로써의 테스트에서 당도 예측이 \\( 80 \\% \\) 이상의 정확도를 갖는 방울토마토의 개수는 \\(100\\)개야?",
"DNN를 학습한 결과의 테스트에서 당도 예측이 \\( 90 \\% \\) 이상의 정확도를 갖는 방울토마토의 개수는 \\(280\\)개야?",
"본 논문에서 이용된 굴절 당도계의 오차율이 \\( 0.1 \\% \\) 인 측면에서 당도 예측이 더 낮은 정확도여도 가능해?",
"방울토마토를 회전시킬 때 분광 스펙트럼의 오프셋 변동을 최대한으로 줄이는 것이 필요해?",
"학습 데이터 셋을 준비할 경우에 장시간일때는 주광변화를 충분히 차단해야해?",
"장시간이 걸리는 학습 데이터 셋 준비할때 형광등변화를 충분히 차단해야해?",
"온도변화의 경우 장기간의 학습데이터 셋 준비기간동안에 차단되야해?",
"본 연구에서 스펙트럼을 평균내어 부위별에 따른 당도 차이로 인한 판정 오류를 최대한 줄였나요?",
"학습된 결과의 성능을 확인하기위해 방울토마토 500개의 데이터를 테스트 데이터로써 사용했어?"
] |
96a1e8b7-008d-419c-8bd0-20276f14d9e0
|
인공물ED
|
비파괴 지능형 과일 당도 자동 측정 시스템 구현
|
<h1>3. 실험 방법</h1><p>본 논문에서 구현된 비파괴 지능형 당도 자동 측정 시스템의 구성도를 Fig. 3에 보였다. 먼저 넓은 파장 대역을 가지고 있는 광원(Broadband Source)으로부터 출력된 광이 피사체(Object)에 입사되고 파사체를 투과한 광이 분광기(Spectrometer)에 입력된다. 다음으로 분광기의 출력 스펙트럼 데이터를 저장하고 있는 OceanView 프로그램으로부터 LabVIEW 프로그램으로 피사체의 투과 스펙트럼 데이터가 전달된다. LabVIEW 프로그렘에서 는 전달된 투과 스펙트럼 데이터에 대하여 DNN(Deep Neural Network)을 적용하고 예측된 피사체의 당도를 모니터에 보여준다.</p><p>실험에서 당도 측정 대상 과일로서는 상대적으로 구하기가 쉽고 광의 투과성이 좋은 방울토마토를 선택하였다. 일반적으로 방울토마토의 투과 대역은 \( 400 \sim 1100 \mathrm{~nm} \) 의 영역이다. 광원으로는 \(700 \sim 2500 \mathrm{~nm} \) 의 넓은 근적외선 대역을 가지는 할로겐 램프를 사용하였으며 광섬유를 통하여 출력된 광을 방울토마토에 조사했다. 따라서 방울토마토를 투과한 광의 파장 대역은 대략 \( 700 \sim 1100 \mathrm{~nm} \) 이며 이는 다시 분광계에 입사된다. 분광기는 \( 400 \sim 1100 \mathrm{~nm} \) 구간의 스펙트럼을 보이도록 설정되었으며 측정된 스펙트럼의 한 예를 Fig. 4에 보였다. Fig. 4는 Ocean Insight 분광기와 함께 사용되는 디스플레이 프로그램인 OceanView를 통하여 보인 스펙트럼이다. \( 400 \sim 700 \mathrm{~nm} \) 의 값은 주변의 환경 요인에 의한 것이다).</p><p>일반적으로 방울토마토의 당도가 높으면 입사된 근적외선 광의 대부분은 내부에서 흡수되고 소량의 광 만이 투과된다. 반대로 당도가 낮을 때에는 많은 양의 근적외선이 투과된다. 근적외선 광을 과일에 조사하면 과일 속에 포함하고 있는 당도 성분과 반응하게 되는데, 이때 당도와 관련된 근적외선 파장이 흡수되는 양이 많을 경우 당도가 높다고 할 수 있고, 적으면 당도가 낮다고 할 수 있기 때문이다(흡수되는 양이 많다는 것은 투과되는 양이 적다는 뜻이다). 따라서 당도가 높을 때는 스펙트럼의 높이가 낮아지고 당도가 낮을 때는 스펙트럼의 높이가 커진다. 즉 스펙트럼의 높낮이는 광도의 변화를 나타내며, 스펙트럼의 전체적인 분포는 변하지 않는다.</p><p>Fig. 4에서 보인 스펙트럼의 \( x \) 축은 파장을 나타내고, \( y \) 축은 광의 세기를 나타낸다. 본 논문에서는 \( x \) 축 구간인 \( 400-1100 \mathrm{~nm} \)의 \( 700 \mathrm{~nm} \) 파장 대역을 \(2048\)개의 포인트로 세분화하여 각각에 해당하는 \( y \)축 값을 기계학습을 위한 학습 데이터로 사용하였다.</p><p>학습을 진행하기에 앞서 학습 데이터에 대한 목표 값(Target)이 필요하기 때문에 굴절 당도계를 사용하여 방울토마토의 당도를 측정(파괴 당도 측정) 하였고 이를 목표 값으로 선정하였다(측정된 방울토마토의 당도는 약 \(57\) Brix 이었다.) 굴절 당도계를 사용한 당도 측정 과정을 Fig. 5에 나타냈다.</p><p>이제 학습을 시작하는 과정에서 부딪힌 문제점은 과일의 경우 과육 내부 상태가 균일하지 않기 때문에 광의 입사 방향에 따라 당도가 조금씩 달라진다는 점이다. 이를 해결하기 위해 실험에서는 분광기 앞에 놓인 방울토마토를 \(1\)초 동안 일정한 패 턴으로 지그재그 회전시키면서 \(20\)개 부위의 투과 스펙트럼을 얻었다. 그리고 LabVIEW 프로그램에서 이들의 평균 스펙트럼을 구하여 학습용 및 테스트용 입력 데이터로 사용하였다. 이를 통하여 방울토마토의 부위별 당도 차이 가능성 문제점을 최소화 할 수 있었다. LabVIEW 프로그램에서 평균 스펙트럼을 구하는 과정을 Fig. 6에 보였다. 빨간색으로 표시된 우측 박스 내부를 보면 csv파일이 \(1\) 번부터 \(20\)번까지 모여 있는 것을 확인할 수 있고 각 csv파일은 \(2048\)개의 광의 세기 값으로 구성된다. 주어진 방울토마토에 대한 \(20\)개의 스펙트럼 측정이 완료되면 파란색으로 표시된 우측 박스에서 보인 것처럼 다음 순서의 방울토마토에 대한 \(20\)개의 csv파일이 \(21\) 번부터 \(40\)번까지 쌓이는 순서로 진행된다. 이 과정에서 방울토마토의 꼭지 부위에서는 상이한 스펙트럼이 측정되며 이는 평균을 구하는 과정에서 큰 오차를 야기할 수 있으므로 이 스펙트럼을 제거하는 것이 필요하다. 이를 위하여 \(20\)개 스펙트럼의 평균을 구한 뒤 각각의 스펙트럼과 평균 스펙트럼 간의 차를 계산하여 임계값 이상을 보이는 스펙트럼은 재평균 계산 과정에서 제외했다.</p><p>DNN(Deep Neural Network)은 입력에 \(2048\)개의 입력 노드, 첫 번째 Hidden 레이어에 \(20\)개 노드, 두 번째 Hidden 레이어에 \(10\)개 노드, 그리고 출력은 \(1\)개 노드로 구성된다. 각 Hidden 레이어 노드 \(20\)개와 \(10\)개의 노드에 입력되는 값은 이전 노드에서 가중치와 계산되어 출력된 값 들이다. \(2048\)개의 입력 노드 값으로 평균 스펙트럼의 \(2048\)개 값이 사용된다. Bias 값은 \(0\), 얻어진 Weight 값은 [\(2048\) \( \times 20],[20 \times 10] \), \( [10 \times 1] \) 의 크기로 각각 실수 값을 가진다. Learning Rate \( \rho \) 의 값은 각각의 레이어에서 모두 \( 10^{-9} \) 의 값을 사용하였다.</p><p>Fig. 7은 구현된 비파괴 지능형 당도 측정 시스템의 전체적인 하드웨어를 보여준다. 방울토마토가 컨베이어 벨트를 통하여 광원과 분광기의 중간 위치에 놓이게 되면 회전판을 통하여 방울토마토는 회전된다. 이 동안에 방울토마토를 투과한 광은 분광 기로 입사되어 스펙트럼 데이터를 형성현다. LabVIEW 프로그램에서는 \(20\)개의 스펙트럼에 대한 평균 스펙트럼 데이터를 계산하고 이를 DNN(Deep Neural Network)을 위한 입력 데이터로 사용하여 해당 과일의 당도를 예측할 수 있다.</p>
|
[
"Fig. 3은 본문에서 조성한 비파괴 지능형 당도 자동 측정 시스템의 구성도를 보여주고 있어?",
"분광기는 방울토마토의 투과대역 구간의 스펙트럼이 보이도록 설정되었어?",
"실험에서 방울토마토가 당도 측정 대상 과일로 선택되 이유가 뭐야?",
"OceanView 프로그램은 Ocean Insight 분광기와 함께 사용되는 어떤 용도의 프로그램이야?",
"피사체의 투과 스펙트럼 데이터는 OceanView 프로그램에서 LabVIEW 프로그램으로 전달돼?",
"방울토마토에 무엇을 통해 출력된 광을 조사했어?",
"할로겐 램프는 \\(700 \\sim 2500 \\mathrm{~nm} \\) 의 근적외선 대역을 가져?",
"대략적으로 얼마의 파장대역을 가진 광이 방울토마토를 투과했어?",
"실험에서 무엇을 광원으로 사용하였어?",
"방울토마토는 광의 투과성이 좋은 과일이야?",
"당도와 관련된 근적외선 파장이 흡수되는 양이 많으면 근적외선 광의 무엇이 적어진다는 뜻이야?",
"투과 스펙트럼 데이터에 DNN을 적용하고 예측된 피사체의 당도를 모니터에 보여주는 프로그램이 뭐야?",
"무슨 프로그램이 분광기의 출력 스펙트럼 데이터를 저장하고 있어?",
"과일의 당도가 높을수록 당도와 관련된 근적외선 파장이 흡수되는 양이 많아져?",
"당도에 따라 무엇의 높낮이가 달라져?",
"내부에 흡수되는 광이 많으면 방울토마토의 당도가 높은 거야?",
"스펙트럼의 높이가 낮아진다는 것은 당도가 높다는 것을 의미해?",
"어디에 방울토마토를 투과한 광이 다시 입사돼?",
"본문에서 기계학습을 위한 학습 데이터로 \\( 400-1100 \\mathrm{~nm} \\)의 \\( 700 \\mathrm{~nm} \\) 파장 대역을 \\(2048\\)개의 포인트로 세분화하여 해당하는 \\( y \\)축 값을 사용하였어?",
"방울토마토는 얼마의 투과 대역을 가져?",
"Fig. 4의 스펙트럼에서 광의 세기를 나타내는 축이 뭐야?",
"과일에 조사한 근적외선 광은 과일 속의 무엇과 반응해?",
"방울토마토의 당도가 낮으면 입사된 근적외선 광의 대부분이 내부에서 흡수돼?",
"많은 양의 무엇이 투과되면 방울토마토의 당도가 낮다고 할 수 있어?",
"\\( x \\) 축 구간인 \\( 400-1100 \\mathrm{~nm} \\)의 \\( 700 \\mathrm{~nm} \\) 파장 대역을 몇 개의 포인트로 세분화 하였어?",
"당도에 따라 스펙트럼의 높낮이 변화를 보면 스펙트럼의 높낮이는 무엇을 나타내는 것을 알 수 있어?",
"방울토마토의 당도를 학습 데이터에 대한 무엇으로 선정하였어?",
"광원은 넓은 파장 대역을 가지고 있어?",
"넓은 파장 대역을 광원이 지니고 있지?",
"무엇이 피사체를 투과해?",
"무엇을 사용하여 학습 데이터의 목표 값을 선정하기 위해 필요한 방울토마토의 당도를 측정할 수 있었어?",
"파괴 당도 측정 방법으로 측정한 방울토마토의 당도는 얼마야?",
"굴절당도계를 사용하여 당도를 측정하는 것은 파괴 당도 측정 방식이야?",
"광의 입사 방향에 따라 과일의 당도가 달라지는 것은 어떤 이유 때문이야?",
"과일은 광의 입사 방향에 따라 측정되는 당도가 달라질 수 있어?",
"본문에서는 광의 입사 방향에 따라 당도가 달라지는 문제점을 \\(1\\)초 동안 일정한 패턴으로 회전시킨 방울토마토 \\(20\\)개 부위의 무엇을 얻는 것으로 해결하고 있아?",
"\\(1\\) 번부터 \\(20\\)번까지 모여 있는 각 csv파일은 무엇으로 구성되어 있어?",
"빨간색으로 표시된 우측 박스 내부에 \\(1\\) 번부터 \\(20\\)번까지의 csv파일이 모여있는 것을 확인할 수 있어?",
"주어진 방울토마토에 대한 스펙트럼 측정이 완료되면 다음 순서의 방울토마토에 대한 csv 파일은 몇 개가 쌓여?",
"주어진 방울토마토에 대한 \\(20\\)개의 스펙트럼 측정이 완료되면 다음 방울토마토에 대한 csv파일은 몇 번부터 시작돼?",
"방울토마토에서 상이한 스펙트럼을 보이는 것은 어디 부위야?",
"방울토마토의 꼭지 부위의 스펙트럼을 제거하는 것을 평균을 구하는 과정에서 큰 오차를 야기할 수 있기 때문이야?",
"무엇을 구하는 과정에서 방울토마토 꼭지 부위의 스펙트럼을 제거해야 해?",
"어떤 과정에서 개별 스펙트럼과 평균 스펙트럼 간의 차를 계산하여 임계값 이상을 보이는 스펙트럼을 제외하였어?",
"\\(20\\)개 스펙트럼의 평균을 구하여 각각의 스펙트럼과 평균 스펙트럼 간의 차가 임계값 이상인 스펙트럼을 제외하는 것은 큰 오차를 야기할 수 있는 스펙트럼을 제거하기 위한 거야?",
"DNN의 두 번째 Hidden 레이어에 노드는 몇 개인가?",
"DNN의 출력은 1개 노드로 구성되어 있어?",
"DNN은 몇 개의 입력노드를 가지고 있어?",
"이전 노드에서 무엇과 계산되어 출력된 값이 각 Hidden 레이어 노드에 입력돼?",
"광원과 분광기의 중간 위치에서 회전하는 방울토마토를 투과하는 광은 분광기로 입사되어 무엇을 형성해?",
"평균 스펙트럼의 \\(2048\\)개 값은 DNN의 \\(2048\\)개의 입력 노드 값으로 사용돼?",
"[\\(2048\\) \\( \\times 20],[20 \\times 10] \\), \\( [10 \\times 1] \\) 의 크기를 가진 Weight 값은 각각 실수의 값을 가져?",
"얻어진 Weight 값은 각각 얼마의 크기를 가져?",
"해당 과일의 당도를 예측하기 위해 LabVIEW 프로그램으로 계산한 평균 스펙트럼 데이터를 무엇을 위한 입력 데이터로 사용해?",
"LabVIEW 프로그램에서는 몇 개의 스펙트럼에 대한 평균 스펙트럼 데이터를 계산해?",
"Learning Rate \\( \\rho \\) 의 값은 각각의 레이어에 따라 달라져?",
"방울토마토가 컨베이어 벨트를 통해 광원과 분광기의 중간 위치에 놓이게 되면 무엇을 이용하여 회전시켜?",
"방울토마토를 \\(1\\)초 동안 일정한 회전시키면서 얻은 여러 부위의 투과 스펙트럼의 평균 스펙트럼을 무엇으로 구하였어?",
"각각의 레이어에서 Learning Rate \\( \\rho \\) 의 값은 모두 얼마의 값을 사용하였어?"
] |
38399cc4-8e2f-47f2-be57-91c7cffe2a1e
|
인공물ED
|
비파괴 지능형 과일 당도 자동 측정 시스템 구현
|
<h1>1. 서 론</h1><p>농림축산식품부가 펴낸 '2018 양정 자료' 에 따르면 2017년 국내 잠정 식량자급률은 \( 48.9 \% \) 이다. 국민 식량의 절반 이상이 수입으로 충당되고 있으며, 식량자급률이 꾸준히 하락세를 보이고 있다. 그 원인은 급격히 빨라지고 있는 고령화 사회 구조는 물론 농촌 인구의 감소에 따른다. 이로 인하여 농산물 재배의 어려움이 따르고 있으며 농가 소득이 꾸준히 감소되고 있다. 이에 정부와 기업은 큰 문제로 떠오르고 있는 농촌 문제를 해결하기 위하여 새로운 \(4\)차 산업혁명 기술을 농업 제반 분야에 적용하여 근본직인 해결책을 제시하고자 하는데, 이를 '스마트 팜(Smart Farm)'이라고 부른다.</p><p>스마트 팜이 다루는 많은 분야 중에서 과일의 등급 분류 자동화 기술은 매우 중요한 분야의 하나로서 많은 관심을 받고 있 다. 과일의 등급 분류 시 무게, 크기, 당도 등 과일의 품질에 영향을 주는 여러 요소들이 있지만 소비자들이 가장 중요하게 생각하는 것은 과일의 당도이다. 한편 기존에는 당도 측정을 위하여 과일의 표면을 훼손하여 추출한 과즙을 당도계에 넣어 측정 하거나 또는 전문가의 경험에 의존하는 등 수동적인 방법을 사용하고 있다. 이로 인하여 과일이 훼손되거나 많은 인력과 시간이 소요되는 문제점이 따른다.</p><p>따라서 본 논문에서는 과일 선별 과정에서 꼭 필요하면서도 수동으로만 수행되던 당도 판정 과정을 자동화하고자 한다. 즉 과일을 훼손하지 않고 자동으로 당도를 측정하는 비파괴 지능형 당도 자동 측정 시스템을 구현하였다. 구현된 기술을 통하여 빠르고 쉽게 그리고 정확하게 당도 측정이 가능한 것을 실험적으로 확인하였다. 그 뿐만 아니라 측정 과정에서 과일이 훼손될 염려가 없기 때문에 품질 상태를 그대로 유지할 수 있다는 장점이 있다. 기술 구현을 위하여 PC 기반의 제어 계측 프로그램인 LabVIEW를 사용하였으며 당도 판정 과정은 기계학습을 통하여 이루어진다. 모든 과정의 자동화 및 실시간 모니터링이 가능하므로 일반인도 어려움 없이 사용 가능할 것으로 사료된다.</p><p>과일의 당도를 측정하기 위하여 광대역 근적외선 광원 및 분광기를 사용하여 측정된 투과 스펙트럼 데이터를 DNN(Deep Neural Network)이라는 기계학습(Machine Learning)의 입력 데이터로 사용하여 당도 값을 예측하였다. 구현 과정에서 사용된 알고리즘과 기술들에 대해서는 아래의 목차들을 통하여 자세히 설명하도록 하겠다.</p>
|
[
"새로운 4차 산업혁명 기술을 농업 제반 분야에 적용한 농촌 문제의 해결책을 무엇이라 하는가?",
"2017년 국내 잠정 식량자급률은 몇 %인가?",
"국민 식량의 절반 이상이 어떻게 충당되고 있는가?",
"식량자급률의 하락세가 급격히 빨라지는 원인은 무엇인가?",
"과일의 표면을 훼손하여 추출한 과즙을 당도계에 넣어 측정 하거나 또는 전문가의 경험에 의존하는 등의 방법은 무엇을 측정하기 위해서인가?",
"과일의 표면을 훼손하여 추출한 과즙을 당도계에 넣어 측정 하거나 또는 전문가의 경험에 의존하는 등의 방법은 당초 측정을 위한 수동적이 방법인가?",
"당도 측정을 위한 기존의 수동적인 방법들의 문제점은 무엇인가?",
"비파괴 지능형 당도 자동 측정 시스템의 장점은 무엇인가?",
"당도 판정과정의은 일반인도 어려움 없이 사용 가능한 것은 자동화 및 실시간 모니터링이 가능하기 때문인가?",
"2017년 국내 잠정 식량자급률은 50% 이하인가?",
"고령화 사회 구조는 물론 농촌 인구의 감소로 어떤 문제점이 발생하는가?",
"정부와 기업이 '스마트 팜' 해결책을 제시한 것은 어떤 문제를 해결하기 위함인가?",
"스마트 팜의 분야 중에서 많은 관심을 받고 있는 자동화 기술은 무엇인가?",
"당도 판정 과정시, 과일이 훼손되거나 많은 인력과 시간이 소요되는 문제점들을 어떻게 해결하였는가?",
"과일을 훼손하지 않고 자동으로 당도를 측정하는 당도 자동 측정 시스템을 무엇이라 하는가?",
"비파괴 지능형 당도 자동 측정 시스템의 당도 판정 과정은 어떤 학습을 통하여 이루어지는가?",
"과일의 당도를 측정하기 위하여 광대역 근적외선 광원 및 분광기를 사용하여 측정된 데이터는 무엇인가?",
"'2018 양정 자료' 를 어느 부서에서 발간했는가?",
"매우 중요한 분야의 하나로서 많은 관심을 받는 자동화 기술은 채소의 등급 분류인가?",
"과일의 등급 분류의 여러 요소들 중, 소비자들이 가장 중요하게 생각하는 것은 무엇인가?"
] |
38b893f5-b2d4-446c-a8f7-fa4cd9dda4ad
|
인공물ED
|
비파괴 지능형 과일 당도 자동 측정 시스템 구현
|
<h1>2. 사용 프로그램 및 관련 이론</h1><h2>2.1 LabVIEW</h2><p>LabVIEW는 Laboratory Virtual Instrument Engineering Workbench를 줄인 말이다. 이것은 마이크로소프트 윈도우즈, 애플 매킨토시, 선 스파이크스테이션을 이용하는 PC에서 운영될 수 있으며 강력하고 유연성 있는 해석 소프트웨어 시스템의 일종이다. LabVIEW는 여러 범용의 C 또는 BASIC 개발 시스템처럼 프로그램 개발 도구이다. 다른 프로그래밍 시스템들이 코드를 생성하기 위하여 텍스트 기반의 언어를 사용하는 데 반하여 LabVIEW는 여러 가지 문법직인 사항들을 없애고 블록 다이어그렘이라 불리는 흐름도를 사용하여 프로그렘을 생성하는데, 우리는 이 언어를 그래피컬 프로그래밍이라고 부르며 간단히 G언어라고 한다.</p><h2>2.2 Machine Learning</h2><p>기계학습(Machine Learning)은 경험적 데이터를 통하여 학습하고 이를 바탕으로 예측을 탐구하여 스스로 성능을 발전시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이다.</p><p>기계학습은 미리 학습된 알고리즘에 측정 데이터(Input)를 입력하였을 때 입력 데이터의 실제 목표 값(Target)과 출력 데이터(Output) 간의 오차를 최소화하는 것이 매우 중요하다. 이를 위해서는 사전 학습 과정을 통하여 출력 데이터를 계산하는데 적용되는 최적의 가중치 데이터(Weight)를 추출하는 것이 매우 중요하다. 현재까지 최적의 가중치 데이터 값을 얻기 위한 많은 기계학습 알고리즘들이 제시되어 왔으며 이에 대한 연구가 계속 진행 중이다.</p><p>본 논문에서는 과일의 당도 추정을 위하여 기계학습 알고리즘 중 하나인 DNN(Deep Neural Network)을 사용하였다. 실험을 통하여 약 \( 81 \% \) 의 과일이 \( 10 \% \) 이내의 오차 범위, \( 17 \% \) 의 과일이 \( 20 \% \) 이내의 오차 범위, 그리고 \( 2 \% \) 의 과일이 \( 20 \% \) 이상의 오차 범위를 가지고 결과를 얻었다. 아래에서 DNN(Deep Neural Network)에 대하여 소개하도록 하겠다.</p><h3>2.2.1 신경망(Neural Network)</h3><p>신경망은 인간이 뇌를 통해 문제를 처리하는 방법과 비슷하게 문제를 해결하기 위해 채택한 구조이다. 인간의 뇌에서 구조조직인 뉴런(neuron)과 뉴런이 연결되어 일을 처리하는 것처럼,수학적 모델로의 뉴런이 상호 연결되어 네트워크를 형성할 때 이를 신경망이라 한다. 이를 생물학적인 신경망과 구별하여 인공 신경망(Artificial Neural Network)이라고도 한다. 신경망에서는 각 뉴런이 독립적으로 동작하는 처리기의 역할을 하기 때문에 병렬성(Parallelism)이 뛰어나고, 많은 연결선에 정보가 분산되어 있다. 따라서 몇몇 뉴런에 문제가 발생하더라도 전체 시스템에 큰 영향을 주지 않는 결함 허용(fault tolerance) 능력이 있으며, 주어진 환경에 대한 학습 능력이 있다. 이러한 특성은 인공 지능에 이용되고 있으며, 문자 인식, 화상 처리, 자연 언어 처리, 그리고 음성 인식 등 여러 분야에서 이용되고 있다.</p><p>Fig. 1은 인공 신경망(Artificial Neural Network, 이하 ANN)을 보여주고 있다. 앞에서 기계학습은 입력 데이터가 들어왔을 때 입력 데이터의 실제 목표 값과 출력 데이터 간의 오차 범위를 최소화할 수 있도록 가중치 데이터 최적의 값을 구하는 것이 궁극적인 목표라고 하였다. Fig. 1을 보면 Input이 입력 데이터로 주어질 때 중간 레이어(Layer)인 Hidden은 그 입력 데이터에 대한 출력 데이터가 된다. 그리고 다시 Hidden은 입력 데이터가 되고 Output은 최종 출력 데이터가 된다. 이때 최종 출력 데이터인 Output과 실제 목표 값의 차를 최소화하기 위하여는 기계학습을 통하여 최적의 가중치 데이터를 구하는 것이 필요하다. Fig. 1 에서 가중치 데이터는 각각의 층을 연결하는 선으로서 각 층의 노드에 얼마만큼의 비중을 두는지를 결정하게 된다. 이 연산관계는 아레와 같은 합성함수를 생각하면 이해하기 쉽다. 합성함수란 두 함수를 합성하여 얻은 함수로서 아래의 수식으로 표현될 수 있다.</p><p>\( Y=f(H) \)<caption>(1)</caption></p><p>\( H=g(X) \)<caption>(2)</caption></p><p>\( Y=f(g(X)) \)<caption>(3)</caption></p><p>여기서 \(\mathrm{X}\)는 Input, H는 Hidden, \( \mathrm{Y} \) 는 Output을 나타낸다.</p><p>Fig. 1의 연산관계를 수식으로 표현하면 아래의 관계로 표현된다.</p><p>\( H_{j}=\Sigma_{0}^{N} X_{k} W_{k j}+b \)<caption>(4)</caption></p><p>\( Y_{i}=\Sigma_{0}^{M} H_{j} W_{j i}+b \)<caption>(5)</caption></p><p>\( \mathrm{W}^{2} \) 는 Weight, \(\mathrm{b}\)는 Bias로서 신경망이 편향된 정도를 나타내고 있다. 그리고 \( \mathrm{k}^{2} \) Input의 \( \mathrm{k} \) 번째 순서 노드를 나타내고, \( \mathrm{j} \) 는 Hidden의 \( \mathrm{j} \) 번째 순서 노드를 나타내며, \( \mathrm{i} \)는 Output의 \( \mathrm{i} \)번째 순서 노드는 나타낸다. Input은 \( \mathrm{N} \) 개의 노드로 구성되며, Hidden 은 \( \mathrm{M} \) 개의 노드로 구성된다.</p><p>수식을 간단하게 풀이하면 모든 Input 노드 층과 가중치 데이터가 곱해진 값을 전부 합친 다음 그 결과값에 편향 정도를 나타내는 Bias 값을 더해준다. 해당 과정을 통하여 Hidden의 모든 노드 층에 대하여 값이 결정되면 다시 Input에서 진행하였던 절차를 진행하여 Output를 구하면 된다.</p>
|
[
"텍스트 기반의 언어를 사용하지 않고 코드를 생성하는 프로그래밍 시스템이 존재해?",
"Laboratory Virtual Instrument Engineering Workbench의 약자는 무엇인가?",
"무엇이 Laboratory Virtual Instrument Engineering Workbench의 약자일까?",
"LabVIEW는 풀어서 쓰면 어떤 말인가?",
"LabVIEW는 어떤 PC에서 사용될 수 있어?",
"어떤 PC에서 LabVIEW가 이용될 수 있지?",
"LabVIEW는 프로그램을 만들 때 무엇을 사용하는가?",
"대부분의 프로그래밍 시스템들은 무엇을 사용하여 코드를 만드는가?",
"신경망은 어떤 방법과 유사하게 문제를 해결해?",
"논문에서 과일의 당도 추정을 위해 사용한 기계학습 알고리즘은 무엇인가?",
"DNN을 사용해 과일의 당도를 추정한 결과 \\( 10 \\% \\) 이상의 오차 범위를 가진 과일은 전체 과일 중에서 \\( 19 \\% \\) 였어?",
"기계학습에서 입력 데이터의 실제 목표 값과 출력 데이터 사이의 오차를 최소화하기 위해서는 무엇을 추출하는 것이 매우 중요한가?",
"수학적 모델로의 뉴런이 서로 연결되어 네트워크를 형성하는 것을 뭐라고 하는가?",
"LabVIEW가 코드를 생성할 때 이용하는 언어를 간단하게 뭐라고 하는가?",
"기계학습이란 무엇인가?",
"수학적 모델로의 뉴런이 상호 연결되어 네트워크를 형성하는 것을 생물학적 신경망과 구별하여 뭐라고 부르는가?",
"신경망에서 병렬성이 뛰어나고 많은 연결선에 정보가 분산되어 있는 이유가 뭐야?",
"인공 신경망은 어디에서 활용되고 있는가?",
"신경망은 주어진 환경에 대한 학습이 가능해?",
"신경망이 결함 허용 능력을 갖는 것은 병렬성이 뛰어나고 정보가 많은 연결선에 분산되어 있기 때문이야?",
"Fig. 1에서 무엇이 입력 데이터로 주어진 Input에 대한 출력 데이터가 돼?",
"Fig. 1 에서 가중치 데이터는 무엇을 결정하는가?",
"두 함수를 합성해서 얻은 함수를 뭐라고 불러?",
"기계학습의 최종적인 목표가 뭐야?",
"Hidden은 출력 데이터도 될 수 있고 입력 데이터도 될 수 있어?"
] |
30fc909a-2cb1-4c2d-9e05-9ad8dd2843b7
|
인공물ED
|
비파괴 지능형 과일 당도 자동 측정 시스템 구현
|
<h1>5. 결 론</h1><p>본 논문에서는 광대역 근적외선 광원을 이용하여 방울토마토의 투과 스펙트럼을 획득하고 이를 LabVIEW로 구현된 DNN(Deep Neural Network)의 입력 데이터로 사용하여 방울토마토의 당도를 예측하는 비파괴 지능형 시스템을 구현하였다. 그러나 동일한 과일임에도 불구하고 광의 입사 부위에 따라 투과 스펙트럼이 다를 수 있기 때문에 이를 해결하는 것이 필요하였다. 이를 위하여 분광기 앞에서 방울토마토를 \(1\)초 동안 회전시키면서 \(20\)개 부위에 해당하는 투과 스펙트럼을 얻고 이의 평균 스펙트럼을 구하여 DNN(Deep Neural Network)의 입력 데이터로 사용하였다. 또한 평균 스펙트럼을 구하는 과정에서 꼭지 부위에 해당하는 상이한 스펙트럼은 제거하였다.</p><p>평균 스펙트럼 데이터가 DNN(Deep Neural Network)에 입력 된 후부터 당도를 예측하기까지 걸리는 시간은 약 \(5\)초 이내였다. 그리고 \(500\)개의 학습 데이터를 사용하여 학습된 DNN(Deep Neural Network)에 \(286\)개의 테스트 데이터를 적용한 결과 약 \( 98 \% \) 의 방울토마토가 \( 80 \sim 100 \% \) 의 정확도를 보이고 있는 것으로 확인되었다. 이로부터 과일의 품질을 유지하면서 전문 인력 없이 당도를 측정할 수 있는 비파괴 지능형 당도 자동 측정 시스템의 실용화도 가능할 것으로 사료된다.</p>
|
[
"본 논문에서 평균 스펙트럼을 구하는 과정에서 제거한 스펙트럼은 꼭지 부위에 해당하는 스펙트럼인가?",
"방울토마토의 투과 스펙트럼을 DNN의 입력데이터로 사용하였는가?",
"광대역 근적외선 광원을 사용하여 방울토마토의 무엇을 얻고자 했어?",
"방울토마차의 무엇을 광대역 근적외선 광원을 사용하여 얻고자 했지?",
"방울토마토의 투과 스펙트럼을 DNN의 어떤 데이터로 사용하였는가?",
"DNN의 어떤 데이터로 방울토마토의 투과 스펙트럼을 이용하였어?",
"동일한 과일임에도 무엇에 따라 투과 스펙트럼이 다를 수 있나?",
"무엇에 따라 동일한 과일이여도 투과 스펙트럼이 다를 수 있을까?",
"방울토마토의 투과 스펙트럼을 획득하기위해 사용한 것은 무엇인가?",
"무엇을 이용해 방울토마토의 투과 스펙트럼을 획득했어?",
"동일한 과일임에도 불구하고 광의 입사 부위에 따라 무엇이 다를 수 있나?",
"광의 입사 부위에 따라 같은 과일임에도 무엇이 달라져?",
"방울토마토의 투과 스펙트럼을 획득하기위해 광대역 근적외선 광원을 이용하였는가?",
"같은 과일이여도 광의 입사 부위에 따라 투과 스펙트럼이 달라질 수 있어?",
"학습된 DNN에 몇 개의 테스트 데이터를 적용하였는가?",
"몇 개의 테스트 데이터를 학습된 DNN에 사용했지?",
"평균 스펙트럼을 DNN에 입력하여 방울토마토의 당도를 예측할 수 있는가?",
"본 논문에서는 \\(20\\)개 부위에 해당하는 투과 스펙트럼을 얻기 위해 방울토마토를 \\(1\\)초동안 회전시켰는가?",
"본 논문에서 평균 스펙트럼을 구하는 과정에서 제거한 스펙트럼은 어느 부위에 해당하는 스펙트럼인가?",
"본 논문에서는 방울토마토를 \\(1\\)초 동안 회전시켜서 투과 스펙트럼을 몇 개 부위에 해당하게 얻었는가?",
"본 논문에서는 약 \\( 98 \\%\\)의 방울토마토가 얼마의 정확도를 보이고 있는 것을 확인했어?",
" \\( 98 \\%\\)의 방울토마토가 얼마의 정확도를 보이고 있는 것을 논문에서 확인했어?",
"본 논문에서는 \\(20\\)개 부위에 해당하는 투과 스펙트럼을 얻기 위해 방울토마토를 얼마 동안 회전시켰는가?",
"본 논문에서는 \\(20\\)개 부위에 해당하는 투과 스펙트럼을 얻기 위해 방울토마토를 몇 초 동안 회전시켰는가?",
"본 논문에서 방울토마토를 \\(1\\)초동안 회전시켜 몇 개 부위에 해당하는 투과 스펙트럼을 얻었는가?",
"본 논문에서 방울토마토를 회전시켜 얻은 투과 스펙트럼의 평균 스펙트럼을 DNN의 입력데이터로 사용하였는가?",
"본 논문에서 방울토마토를 \\(1\\)초동안 회전시켜 얻은 \\( 20 \\)개 부위의 투과 스펙트럼의 평균 스펙트럼을 DNN의 어떤 데이터로 사용하였는가?",
"본 논문에서 방울토마토를 \\(1\\)초동안 회전시켜 얻은 \\(20\\)개 부위의 투과 스펙트럼의 평균 스펙트럼을 무엇의 입력데이터로 사용하였는가?",
"꼭지 부위에 해당하는 상이한 스펙트럼을 제거한 것은 어떤 스펙트럼을 구하는 과정인가?",
"평균 스펙트럼 데이터가 DNN에 입력 된 후 당도를 예측하기까지 걸린 시간은 약 7초 정도인가?",
"평균 스펙트럼 데이터가 DNN에 입력 된 후 당도를 예측하기까지 몇초 이내의 시간이 걸렸는가?",
"평균 스펙트럼 데이터가 DNN(Deep Neural Network)에 입력 된 후 당도를 예측하기까지 얼마 이내의 시간이 필요해?",
"평균 스펙트럼 데이터가 무엇에 입력 된 후 당도를 예측하기까지 걸린 시간은 약 \\( 5 \\)초 정도인가?",
"평균 스펙트럼 데이터가 DNN에 입력된 후 무엇을 예측해야 하니?",
"본 논문에서는 몇 개의 학습데이터를 사용하여 DNN을 학습시켰어?",
"본 논문에서는 몇개의 학습데이터를 사용하여 DNN(Deep Neural Network)를 학습했어?",
"본 논문에서는 \\(500\\)개의 학습데이터를 사용하여 DNN을 학습시키고 \\(286\\)개의 테스트 데이터를 적용하였는가?",
"학습된 DNN에 \\(286\\)개의 테스트 데이터를 적용하여 약 몇 \\(\\%\\)의 방울토마토가 \\( 80 \\sim 100 \\% \\)의 정확도를 보이고 있는 것을 확인했어?",
"본 논문에서 과일의 품질을 유지하면서 전문 인력 없이 당도를 측정할 수 있는 어떤 시스템의 실용화가 가능한 것으로 보는가?"
] |
ecd5c324-c5d5-4c2a-a60f-b1646aeb2f36
|
인공물ED
|
상·하향 계단보행을 위한 근전도 신호 기반 보행단계 인식
|
<h1>II. 관련 연구</h1> <h2>2.1 보행단계 인식 과정</h2> <p>근전도 신호를 이용한 보행단계인식 과정은 그림 1과 같다. 생체신호수집장비로부터 얻은 근전도 신호는LPF(Low pass filter)나 밴드패스필터(Band pass filter)를 통해 노이즈가 제거된다. 각 신호의 특징이 되는 파라미터를 산출하는 특징추출(Feature Extraction)과정 후, 분류기(Classify)를 통해 분류된다.</p> <h2>\( 2.2 \) 계단보행단계 분류 방법</h2> <p>재활의료 분야에서는 일반적으로 오르막과 내리막계단 보행을 각각 5단계로 분류하고 있다. 이는 무릎각도와 무게 중심을 이용한다. 먼저, 오르막 보행은그림 2(A)에서 기준다리가 계단 지면에 닿았을 때 Weight acceptance, 힘을 싣고 계단 지면을 오를 때인 Pull-up, 기준다리가 지면과 수직이 되었을 때 Forward continuance, 기준다리가 지면에서 떼어졌을 때 Foot clearance, 기준다리가 다음계단에 닿기 직전인 Foot placement로 나눈다. 내리막 보행은 그림 2(B)와 같이, 계단에 기준 다리를 내디뎠을 때 Weight acceptance, 다음 보행을 위해 나아갈 때 Forward continuance, 기준다리 무릎이 가장 많이 굽혀졌을 때 Controlledlowering, 기준 다리를 지면에서 떼었을 때 Leg pullthrough, 유각기인 Foot placement로 구분한다.</p> <p>이외에도 다양한 물리센서를 이용하여 계단보행단계를 분류할 수 있다. 모션 카메라를 통해 보행단계를 분류하는 연구에서는 8대의 적외선 카메라와 반사마커를 사용하여 관절토크 패턴, 관절각의 굽힘 방향과 파워변화율 등을 통해 보행단계를 구분한다. 또한, 발목관절 각도를 이용하여 계단보행을 분류하기도 한다.</p> <p>반면, 물리센서를 사용하지 않고 근전도만을 이용하여 보행모드를 인식하는 연구가 진행 되었다. 이 연구에서는 발바닥의 앞/뒷꿈치를 기준으로 계단 내려가기,오르기, 평지보행, 장애물 보행 등 총 7개의 보행모드를 분류하였다. 또한, 분류기 종류와 윈도우 사이즈가 분류정확도에 미치는 영향에 대해 연구하였다. 그러나 근전도 신호를 이용하여 계단보행단계를 인식하는 연구는 미미한 실정이다.</p> <h1>III. 제안하는 방법</h1> <p>본 논문에서는 근전도 신호만을 이용하여 계단보행 4단계를 분류하고 이에 따른 개별 근육 별 보행단계 인식률을 산출한다. 보행단계는 동력의족 제어에 유용하도록 계단보행에서 핵심이 되는 보행 4단계로 분류되어지며, 오르막 보행은 Weight acceptance, Pull-up,Forward continuance, Foot clearance으로 정의한다. 내리막보행은 Weight acceptance, Controlled lowering,Leg pull through, Foot placement로 정의한다.</p> <p>그림 3은 제안하는 계단보행단계 분류에 대한 전체블록도이다. 보행단계 범위를 학습하기 위해 훈련단계에서 압력센서와 AHRS센서를 사용한다. 먼저, 학습된 4채널의 근전도 신호는 RMS(Root mean square),VAR(Variance), WAMP(Willison amplitude), MAV(Mean absolute), SSC(Slope sign change), ZC(Zerocrossing)을 사용하여 특징 값을 산출한다. 앞서, 4개의 근육과 6개의 특징 추출 알고리즘으로 한 걸음 당24개의 값을 갖는 훈련 데이터 그룹을 생성된다. 새로 입력하는 근전도 신호는 훈련과정과 동일한 방법으로 특징 값을 산출하고 이전에 훈련된 분류기 그룹에 입력한 뒤 LDA(Linear Discriminant Analysis)를 이용하여 보행단계를 인식한다.</p> <h2>3.1 데이터 수집</h2> <p>채널은 총 6개로 구성된다. 압력센서와 AHRS센서는 훈련단계에서만 사용되며, 보행단계는 근전도 신호로만분류된다. 압력센서는 발바닥에 부착하여 입각기와 유각기를 구분하고, AHRS센서는 무릎 슬관절 앞쪽에 착용하며 무릎각도 변화에 따라 보행단계를 세분화하기 위해 사용한다. 무릎 각도는 기준다리가 지면과 수직일 때를 \( 90^{\circ} \) 로 정하고, 최소 \( 60^{\circ} \) 에서 최대 \( 110^{\circ} \) 까지 범위에서 각도 값을 갖는다. 인간의 계단보행에 따른 무릎각도 변화는 그림 4와 같이 일정한 패턴을 보인다.</p> <p>근육은 보행에서 흔히 사용되는 허벅지 근육과 계단보행에서 자주 사용되는 종아리 근육을 사용한다.각 보행마다 발생되는 근전도 신호를 활용하기 위해보행단계별로 근육의 수축과 이완이 교차되는 근육들을 선정하였다. 오르막일 때 허벅지의 내측광근(Vastus Medialis), 외측광근(Vastus lateralis), 대퇴직근(Rectus femoris), 종아리의 비복근(Gastrocnemius)을 사용하고, 내리막보행일 때는 허벅지의 내측광근,반건양근(Semitendinous), 외측광근, 종아리의 비복근을 사용한다.</p> <h2>\( 3.2 \) 오르막 보행</h2> <p>오르막 보행은 입각기 3 단계와 유각기 1단계로 구분 한다. 보행의 한 주기에서 무릎 각도 그래프는 그림 5와 같다. Weight acceptance는 입각기 보행의 시작부터 기준다리가 계단지면에 힘을 싣는 시점까지로 정의한다. 식(1)과 같이,AHRS센서 전압의 초기값부터 최대값 사이에 일정 시점 R을 구하여 임계값으로 정의한다. 이때 전압의 초기값은 보행을 시작할 때를 나타내며, 최대값은 무릎각도가 지면과 수직이 될 때를 나타넨다. 일정 시점 R은 기준다리가 계단 지면에 힘을 싣는 때이다. 관찰 결과, R은 보행이 시작되고 무릎각도가 지면에서 수직이 되는 구간의 \( 30 \% \) 시점에 해당되는 것으로 나타났다. Weight acceptance부터 무릎이 지면과 수직이 될 때까지 구간을 Pull-up으로 정하고, 이때부터 입각기가 끝나는 시점까지를 Forward continuance로 정한다. 마지막으로 발바닥이 계단지면에서 떨어지는 유각기 단계를 Foot clearance로 정의한다.</p> <p>표 1은 제안한 방법을 사용하여 보행단계를 학습한 대표적인 예로, 1번 피험자의 첫 번째 오르막 보행을 분류한 관찰결과이다.</p> <p>Threshold \( =i_{\text {init }}+\left(i_{\max }-i_{\text {init }}\right) \times 0.3 \)<caption>(1)</caption></p>
|
[
"재활의료 분야에너는 보행을 어떻게 분류하고 있는가?",
"오르막 보행은 어떻게 나누는가?",
"어떻게 오르막 보행이 분류되었지",
"Weight acceptance는 어떻게 하는 오르막 보행인가?",
"Pull-up은 어떻게 하는 오르막 보행인가?",
"Forward continuance는 어떻게 보행하는 오르막 보행인가?",
"Foot clearance는 어떻게 하는 오르막 보행인가?",
"내리막 보행은 어떻게 구분하는가?",
"Weight acceptance는 어떻게 하는 내리막 보행인가?",
"Forward continuance는 어떻게 하는 내리막 보행인가?",
"Leg pullthrough는 어떻게 하는 내리막 보행인가?",
"계단보행단계를 어떻게 분류할 수 있는가?",
"Controlledlowering는 어떻게 하는 내리막 보행인가?",
"모션 카메라를 통해 보행단계를 분류하는 연구에서는 어떻게 관절토크 패턴, 관절각의 굽힘 방향과 파워변화율 등을 통해 보행단계를 구분하는가?",
"계단보행은 어떻게 분류하는가?",
"오르막 보행은 어떻게 정의되는가?",
"보행단계는 어떻게 분류되는가?",
"내리막보행은 어떻게 정의되는가?",
"어떻게 내리막보행이 정의되지",
"보행단계 범위를 학습하기 위해 어떻게 하는가?",
"학습된 4채널의 근전도 신호는 어떻게 특정값을 산출하는가?",
"근전도 신호는 어떻게 보행단계를 인식하는가?",
"압력센서는 어떻게 보행단계를 세분화하는가?",
"각 보행마다 발생되는 근전도 신호를 활용하기 위해 어떻게 하였는가?",
"Weight acceptance는 어떻게 정의되는가?",
"Foot placement는 어떻게 하는 오르막 보행인가?",
"Forward continuance를 어떻게 정했나?",
"Weight acceptance는 어떻게 하는 시점인가?",
"Foot clearance는 어떻게 정의하는가?",
"Foot clearance는 어떤 개념이지?"
] |
f32f7e0f-c9d1-4a50-9c6c-831a7c9d2155
|
인공물ED
|
중첩 이종 무선 망 환경에서 단말의 이동 속도를 고려한 효과적인 망 자원 예약
|
<h2>4. 섀도우 클러스터(SC) 구성 및 자원 사전 예약</h2> <p>SC의 구성을 위해 현재 단말의 위치 정보와 이동 속도를 고려하여 속도에 따라 단말이 위치할 수 있는 영역에서 존재할 확률을 구하도록 한다. 이를 위해 속도 모델을 5단계로 나누어 이동 속도에 따른 확률 밀도 함수 그래프를 모델링 하였다. 여기에서 사용한 속도 모델은 정지(\( 0 \mathrm{~Km} / \mathrm{h} \)), 저속 이동(\( 10 \mathrm{km} / \mathrm{h} \), 보통 걷는 정도), 보통(\( 60 \mathrm{km} / \mathrm{h} \), 시내 차량 이동), 고속(\( 120 \mathrm{km} / \mathrm{h} \), 고속도로), 그리고 초고속(\( 250 \mathrm{km} / \mathrm{h} \), 고속철도 KTX)이다. 먼저, 사용자가 정지 상태인 경우 앞의 경로 변경 확률 모델에 따라 경로 변경 확률은 1이 된다. 즉, 단말의 예상되는 이동 가능한 영역은 \( \pi \leq \Phi \leq \pi \)에 퍼져 있게 되고, 이 영역에서의 확률값은 동일한 확률을 가지고 나타나게 될 것이다.</p> <p>단말이 방향과 속도를 갖고 움직이기 시작하면 그림 11에서 살펴본 단말의 이동 속도에 따른 각 환경에서의 경로 변경 확률값을 얻을 수 있다. 이 얻어진 확률값을 이용하여 단말이 예상 이동 지역에 대해 SC 영역(\( \Phi \))의 범위를 정할 수 있다. 이 SC의 영역은 다음의 수식으로부터 간단하게 얻을 수 있다.</p> <p>\( S C(\Phi)=2 \pi \times f(x) \)<caption>(10)</caption></p> <p>여기서, \( f(x) \)는 경로 변경 확률 값으로 단말의 현재 속도에 따른 확률값이다.</p> <p>위의 수식을 통해 현재 단말의 속도에 따른 SC 영역에 대해 간단하면서도 효율적으로 자원을 예약하고, 낭비되는 자원을 최소화하였다. 수식을 통해 각 환경에서 단말의 속도에 따른 SC의 영역은 다음 표를 따른다.</p> <table border><caption>표 2. 각 환경별 속도에 따른 SC 영역(단위=\( ^{\circ} \))</caption> <tbody><tr><td>\( X =\)속도</td><td>\( \lambda=1 \)</td><td>\( \lambda=0.8 \)</td><td>\( \lambda=0.5 \)</td><td>\( \lambda=0.3 \)</td><td>\( \lambda=0.1 \)</td></tr><tr><td>\( x=10 \)</td><td>127</td><td>129</td><td>109</td><td>80</td><td>33</td></tr><tr><td>\( x=30 \)</td><td>82</td><td>89</td><td>87</td><td>70</td><td>31</td></tr><tr><td>\( x=60 \)</td><td>61</td><td>70</td><td>74</td><td>63</td><td>30</td></tr><tr><td>\( x=120 \)</td><td>45</td><td>55</td><td>64</td><td>58</td><td>29</td></tr><tr><td>\( x=200 \)</td><td>36</td><td>46</td><td>57</td><td>54</td><td>29</td></tr><tr><td>\( x=250 \)</td><td>33</td><td>44</td><td>56</td><td>53</td><td>28</td></tr></tbody></table> <table border><caption>표 3. 환경별 속도의 SC 영역 평균값, 최대값, 최소값</caption> <tbody><tr><td>구 분</td><td>\( \lambda=1 \)</td><td>\( \lambda=0.8 \)</td><td>\( \lambda=0.5 \)</td><td>\( \lambda=0.3 \)</td><td>\( \lambda=0.1 \)</td></tr><tr><td>avr</td><td>59</td><td>68</td><td>72</td><td>63</td><td>31</td></tr><tr><td>max</td><td>360</td><td>360</td><td>360</td><td>360</td><td>360</td></tr><tr><td>min</td><td>33</td><td>44</td><td>56</td><td>53</td><td>28</td></tr></tbody></table> <p>여기서, 단말의 최대/최소 속도는 \( 0 \mathrm{km} / \mathrm{h} \)와 \( 250 \mathrm{~km} / \mathrm{h} \)로 제한하여 측정하였다. 하지만, 확률값에 따라 조절된 SC 영역 밖의 이동 가능한 영역에 대해 어느 정도의 실패는 가져 올 수 있으나, 이런 문제는 자원의 효율적인 이용과 낭비를 줄이고 확률적으로 단말의 이동성과 서비스를 보장한다는 데에 목적을 두고 있기 때문에 이에 대해서는 묵과하도록 한다.</p> <p>만일, SC 내에 핸드오버 해야 할 셀에서 서비스를 제공할 수 없을 경우, 다른 계층의 셀로 핸드오버 해야 하는 상황이 초래되는데, 이 경우 SC의 개수는 다음의 식으로 서비스 가능한 계층에 대해 사전 예약할 셀을 정하도록 한다.</p> <p>\( S C_{number}=\frac{\text { Speed of the } M N}{\text { Maximum Speed of each layer }} \)<caption>(11)</caption></p> <p>속도에 따른 서비스 네트워크를 계층화함으로써, 이동 속도에 따라 사전 예약할 셀의 수를 줄일 수 있을 뿐만 아니라, 핸드오버 및 사전 예약 처리를 위한 시그널 메시지가 감소하므로 네트워크 오버헤드를 크게 줄일 수 있다.</p> <p>위에서 각 속도 모델에 따라 실제 자원을 예약할 \( \Phi \) 영역이 결정되면, 단말의 현재 속도와 \( \Phi \) 내의 셀들에 대해서 자원 예약을 수행한다. 이때, 단말의 현재 위치, 속도, 그리고 현재 단말의 위치로부터 SC 내에 위치한 각 셀들까지의 거리를 측정하여 예상되는 단말의 셀 진입 시간(PCMIT : Predictive Cell Move In Time)을 계산하고 핸드오버 및 사전 예약을 위한 Passive 사전 예약을 수행하도록 한다. 이때, SC 내의 다수 셀들에 대해 자원을 예약할 경우, 각 셀들은 단말의 현재 위치에 대해 각 셀에서의 PCMIT가 산출되며, 이 시간 내에 단말이 진입하지 않을 경우 단말이 다른 셀로 진입한 것으로 보고 사전 자원 예약을 취소하도록 한다. 이를 통해 불필요하게 사전 예약이 이루어지는 자원을 줄이고 다른 단말에게 서비스를 제공할 수 있도록 할 수 있다. 그리고 PCMIT 시간 내에 진입한 셀에서는 단말에게 서비스를 제공하기 위해 현재 자신의 셀 크기와 셀 진행 방향, 그리고 이동 속도를 고려하여 PCMOT(Predictive Cell Move Out Time)을 계산하여 이 시간 동안 자원을 보장 받을 수 있도록 한다.</p> <p>\( PCMIT =\frac{D_{n C e l l \rightarrow M N}}{V_{M N}}, ~ P C M O T=\frac{S_{i}}{V_{M N}} \)<caption>(12)</caption></p> <p>여기에, \( D_{n C e l l \rightarrow M N} \)은 SC 내의 각 셀들로부터 현재 단말의 위치이고, \( V_{M N} \)은 단말의 현재 속도이다. \( S_{i} \)는 현재 단말이 존재하는 셀의 크기이다.</p> <h2>5. 셀 선정 알고리즘</h2>
|
[
"표에서 속도가 120일 때 \\( \\lambda=0.8 \\) 조건의 값보다 크고 \\( \\lambda=0.5 \\) 조건의 값보다 적은 값은 얼마야?",
"표에서 \\( \\lambda=0.8 \\) 조건일 때 가장 적은 값의 속도는 얼마야?",
"표에서 속도가 10일 때 가장 큰 값을 가지는 조건은 뭐야?",
"표에서 속도가 10일 때 최소값을 가지는 조건은 뭐야?",
"표에서 속도가 30일때 \\( \\lambda=0.5 \\) 조건의 값보다 큰 값을 가지는 조건은 뭐야?",
"표에서 속도가 60, \\( \\lambda=0.3 \\)일 때 값은 뭐야?",
"표에서 \\( \\lambda=1 \\) 조건일 때 최소값을 가지는 속도는 얼마야?",
"표에서 속도가 200과 250일 때의 값 차이가 가장 큰 조건은 뭐야?",
"표에서 \\( \\lambda=1 \\) 조건일 때 45 값을 가지는 속도는?",
"표에서 \\( \\lambda=0.3\\) 조건일 때 속도가 200의 값보다 크고 60의 값보다 적은 값의 속도는 얼마야?",
"표에서 \\( \\lambda=0.1 \\) 조건일 때 속도가 200의 값과 같은 값을 가진 속도는?",
"표에서 \\( \\lambda=0.1 \\) 조건, 속도가 120일 때 값은 뭐야?",
"표애서 평균값이 최대인 조건은 뭐야?",
"표에서 평균값이 가장 적은 조건은 뭐야?",
"표에서 최소값 중에 \\( \\lambda=0.8 \\)의 값보다 작은 값을 가진 조건은 뭐야?",
"표에서 최소값이 가장 큰 값은 뭐야?",
"본문에서 셀의 수 절약과 네트워크 오버헤드 감소를 위해 어떻게 하였나?",
"표에서 속도가 10, \\( \\lambda=0.5 \\)일 때 값은 뭐야 ?",
"속도가 30일 때 \\( \\lambda=0.8 \\) 조건의 값과 차이가 가장 많이 나는 값은 뭐야?",
"표에서 가장 큰 값을 가진 속도는 얼마야?",
"표에서 모든 조건에서 같은 값을 가지는 값은 뭐야?",
"표에서 모든 조건의 max 값은 얼마야?",
"표에서 속도가 60일때 최대값은 뭐야 ?",
"표에서 전체 측정값 중에 최소값의 속도는 얼마야?",
"표에서 \\( \\lambda=0.5 \\) 조건일 때 \\( x=30 \\)의 값과 30 차이가 나는 X 값은 뭐야?",
"표에서 \\( \\lambda=0.3 \\) 조건일 때 두번째로 큰 값의 속도는 얼마야?",
"표에서 속도가 200과 250일 때의 값 차이가 1인 조건 중에 조건값이 가장 큰 것은 뭐야?"
] |
8d9fa440-09ec-4db1-84ee-f1e8e95d0b58
|
인공물ED
|
중첩 이종 무선 망 환경에서 단말의 이동 속도를 고려한 효과적인 망 자원 예약
|
<h1>Ⅳ. 실험 및 결과</h1> <p>본 논문에서 제안한 SIR에 대한 성능 평가를 하고 기존 방식(PMS, VCDS 등)과 비교하기 위해 3개의 계층으로 구성된 네트워크를 설계하였다. 각 계층은 앞 절의 표 1.과 같은 성격을 갖게 되는데, 최상위 계층인 L3 하나의 영역에는 4개의 L2 계층이 구성되어 있으며, 각 L2 계층 내에서 6개의 L1 계층이 중첩되도록 설계하였다. 따라서, L3계층 하나에 중첩되어 있는 셀의 수는 모두 L3를 포함하여 29개이다. 그리고, 이종 망간 시그널링 메시지와 자원 예약에 따른 계산과 수행은 IRM(Intelligent Resource Management)에 의해서 이루어진다.</p> <h2>1. 테스트 시나리오</h2> <p>본 테스트는 수학적 모형을 기초로 하여, 제안 초기 SC, PMS, VCDS, 그리고 본 논문에서 제안하는 SIR을 대상으로 한다. 성능 비교를 위해 테스트 시나리오에서는 이동 속도를 정지 상태, \( 30 \mathrm{km} / \mathrm{h} \), \( 120 \mathrm{km} / \mathrm{h} \), \( 250 \mathrm{km} / \mathrm{h} \)로 구분하고, 모두 동일한 자유 공간 환경에서 단말 이동 속도 변화에 따른 사전 자원 예약을 위해 선정되는 셀의 수와 관련 시그널 메시지의 수를 측정한다. 이를 위해 수학적으로 계산하기 위한 식은 다음과 같다.</p> <p>\( V C_{o S C}=l+m+(m * n) \)<caption>(13)</caption></p> <p>\( V C_{P M S}=16 \)<caption>(14)</caption></p> <p>\( V C_{V C D S}=4 \leq V C_{V C D S} \leq 14 \mid V C_{V C D S} \propto V_{x} \)<caption>(15)</caption></p> <p>\( V C_{S I R}=1 \leq \delta \leq 3 \)<caption>(16)</caption></p> <p>\( V_{S I R-E x c p}=\frac{\text { Speed of the }MN}{\text { Maximum Speed of each Layer }} \)<caption>(17)</caption></p> <p>초기 제안된 섀도우 클러스터 모델을 위의 모델 환경에 적용한다면 식 (13)과 같이 정의할 수 있을 것이다. 그리고 비교 모델인 PMS의 경우 속도를 고려하고 있지 않기 때문에 SC의 수를 상수값인 16으로 정해 놓고 있다. 반면, PMS의 확장 형태인 VCDS의 SC 수는 최소 4개에서 최대 14개를 갖는다. VCDS의 경우 속도에 따라 SC의 수를 변화시킨다. 그리고 본 논문에서 제안한 SIR의 경우, 정지 상태에서는 핸드오버 처리 시간을 만족하므로 SC를 구성하지 않고 특정 이동 속도에 따라 특정 계층에서 서비스를 받기 때문에 식 (16)의 경우처럼 3의 값을 넘지 않는다. 하지만, 만일 단말이 고속 이동 중하면서 연속적으로 작은 크기의 셀을 경유할 경우는 식 (17)의 예외 상황에 맞는 함수를 호출하여 동적으로 속도에 따른 계층 SC를 결정하도록 하였다.</p> <p>위 수식에서</p> <ul> <li>\( l \), \( m \), \( n \) : 각 계층에서의 셀의 수 (차례로 3, 2, 1계층)</li> <li>\( V_{x} \) : 단말의 현재 이동속도</li> <li>\( \delta \) : SIR에서의 SC의 수</li></ul> <p>또한, RSVP 업데이트 주기를 \( t \tau \), 총 서비스 시간을 \( t \sigma \)라 했을 때에 요구되어지는 RSVP 갱신 횟수를 \( n \)이라고 하면, 각 방식마다 총 \(N_{totalcmsg} =N * n \) 만큼의 메시지가 발생하게 될 것이다. \( N \)은 사전 예약된 셀의 개수이다.</p> <h2>2. 성능 비교 및 분석</h2> <h3>핸드오버 횟수</h3> <p>일반적으로 핸드오버 할 셀 선택시 기존의 다른 방안들이 셀 선정 정책에 따라 보다 나은 품질을 제공 할 수 있는 셀을 따라 핸드오버가 발생하지만, 본 논문에서 제안하고 있는 방안은 속도를 고려하는 셀 선정 알고리즘에 따라 핸드오버를 하기 때문에 기존 방안에 비해 매우 적게 핸드오버하게 될 것이다. 이에 따라, 핸드오버 처리와 새로운 셀로의 자원 예약 처리를 위한 제어메시지의 발생 횟수가 줄어들기 때문에 네트워크 오버헤드를 줄 일 수 있을 뿐만 아니라 네트워크 자원 역시 효율적으로 관리할 수 있다.</p> <h3>핸드오버 성공율</h3> <p>단말의 이동속도에 따라 각 네트워크에서의 핸드오버 성공률을 살펴보기 위해 예상 이동 지역 셀의 자원 상태가 단말의 자원 요구를 충분히 제공 가능하다고 가정하였고, 각 셀에서의 호 발생률과 지속시간은 포아송 분포를, 셀 지속 시간은 각 셀에서 100초, 200초, 150초와 \( \lambda=70 \), 평균과 분산은 각각 0과 1을 갖는 정규분포를 가질 때, 앞서 설계한 네트워크 모델에서 결과를 살펴본 결과 핸드오버 성공률은 크게 단말의 셀 예상 도착 시간에 매우 민감함을 알 수 있었다. 결과에 보이듯이 속도에 상관없이 다음 셀 도착 예상 시간 \( T_{G} \) 에 대해 편차 \( \sigma \)가 심해질수록 핸드오버 성공률이 크게 떨어짐을 볼 수 있었다.</p>
|
[
"3계의 계층으로 구성 된 네트워크를 설계하여서, SIR 성능평가를 하고 기존의 방식인 PMS, VCDS등과 비교했다고 하는데, 여기서 3계의 계층은 어떻게 설계가 된거야?",
"SIR에 대한 성능 평가를 기존의 방식과 비교하기 위해 3계의 계층으로 네트워크를 설계할 때, 최상위 계층인 L3 하나의 영역에는 4개의 L2 계층이 구성되도록, 각 L2 계층 내에서 6개의 L1 계층이 중첩되도록 설계하였다고 하는데, 그렇다면 L3계층 하나에 중첩되어 있는 셀의 수는 모두 L3를 포함하여 어떻게 되니?"
] |
94c28ed7-59b4-4259-b7d0-f89b81a78fdf
|
인공물ED
|
영상 내 사람의 검출을 위한 에지 기반 방법
|
<h1>2. HOG와 SVM에 의한 사람의 검출</h1><p>Dalal과 Triggs는 2005년 기계학습에 의한 영상 내 사람 검출 방법을 제안하였다. 먼저 다수의 사람 영상에서 Histogram of Oriented Gradients (HOG) 특징 백터를 얻고, Support Vector Machine (SVM)에 의하여 학습한 다음, 이를 다시 카메라로부터 출력되는 영상을 분류하는 데 사용하는 방식이다. 이 방법은 정확도가 높아 현재 가장 널리 사용되는 방법이다.</p><p>HOG 기법은 크게 Cell, Block, 그리고 Window의 처리 단계로 구분된다. 먼저 Cell은 \( 8 \times 8 \) 배열의 화소로 구성되며, Cell내 화소들의 밝기값 기울기(gradient)에 대해서 방향(orientation)과 크기 (magnitude)를 계산한다. 계산된 방향은 \( 0^{\circ} \sim 180^{\circ} \) 의 범위 내에서 \( 20^{\circ} \) 간격으로 9개의 저장소에 할당하여 히스토그램을 얻는다. 단, 계산된 크기를 고려하여 가중치를 준다. Block은 \( 2 \times 2 \)의 Cell 배열로 정의된다. 따라서 \( 4 \times 9=36 \) 개의 히스토그램을 얻을 수 있으며, 이들 히스토그램을 정규화한다. Window는 행과 열이 \( 128 \times 64 \) 인 화소 배열로 구성된다. 영상에서 사람은 이 Window의 크기에 대체로 맞다고 가정한다. 이제 Window내에 Block을 중첩시키면서 좌에서 우로, 그리고 상에서 하로 이동하면서 방향별 히스토그램 값을 계산한다. 만약 Block 간에 \( 50 \% \) 중첩을 가정하면, 총 \( 15 \times 7=105 \) 개의 Block에 대해 계산이 이루이지므로, 최종적으로는 3780 개의 값을 가지는 형태 서술자 벡터가 된다.</p><p>SVM은 1963년 Vapnik과 Lerner에 의하여 개발된 학습 기반의 선형분리자이다. 추후 비선형 분리의 문제로 확장되었으나, 선형의 기법이 간단하여 널리 사용된다. SVM은 입력된 데이터를 +1과 -1의 이진값으로 구분하는데, 두 그룹을 최적으로 구분할 수 있는 초평면 (hyper-plane)을 찾는다. HOG의 경우 3780개의 요소를 가지는 벡터이므로, 이로부터 HOG Window 내의 화소들이 사람에 해당하는지, 아닌지를 판단하게 된다. Fig. 1은 이상의 절차에 의한 사람의 검출 방법을 요약하여 보여준다.</p><p>HOG은 고정된 카메라나 이동 카메라 모두에 활용할 수 있고, 한 장의 영상만을 사용하기 때문에 CCTV에 의한 감시용 장치뿐 아니라 근래 중요한 기술로 부각되고 있는 스마트 자동차의 안전 주행을 위한 센서장치에도 활용될 수 있다. 특히 검출의 정확도가 높은 점은 다른 영상 기반 사람 센싱 기술에 비하여 중요한 장점이다. 그러나 HOG 특징 벡터의 추출을 위한 계산량이 많이서 실시간 활용에 제약이 되고 있다.</p>
|
[
"2005년 기계학습에 의한 영상 내 사람 검출 방법은 누가 제안하였는가?",
"정확도가 높아 현재 가장 널리 사용되는 사람 검출 방법은 무엇인가?",
"먼저 다수의 사람 영상에서 Histogram of Oriented Gradients (HOG) 특징 백터를 얻고, Support Vector Machine (SVM)에 의하여 학습한 다음, 이를 다시 카메라로부터 출력되는 영상을 분류하는 데 사용하는 Dalal과 Triggs에 의해 2005년 제안된 방식은 무엇인가?",
"HOG 기법은 4단계로 구분되나?",
"크게 Cell, Block, 그리고 Window의 처리 단계로 구분되는 기법은 무엇인가?",
"Cell은 몇 배열의 화소로 구성되는가?",
"Cell내 화소들의 밝기값 기울기(gradient)에 대해서 방향(orientation)과 크기 (magnitude)를 계산하여 계산된 방향은 몇개의 저장소에 할동하여 히스토그램을 얻는가?",
"Block은 몇 Cell 배열로 정의되는가?",
"Window의 행과 열의 화소 배열은 어떻게 구성되는가?",
"방향별 히스토그램 값을 계산하는 방법은?",
"만약 Block 간에 \\( 50 \\% \\) 중첩을 가정하면, 총 몇 개의 Block에 대해 계산이 이루어 지는가?",
"만약 Block 간에 \\( 50 \\% \\) 중첩을 가정하면 최종적으로는 몇 개의 값을 가지는 형태 서술자 벡터가 되는가?",
"SVM은 몇년도에 개발된 학습 기반의 선형분리자인가?",
"HOG은 고정된 카메라와 이동 카메라 모두에 활용할 수 있나?",
"HOG은 여러 장의 영상을 사용하나?",
"HOG는 몇개의 요소를 가지는 벡터인가?",
"Fig. 1은 무엇을 요약하여 보여주는가?",
"3780개의 요소를 가지는 벡터는 무엇인가?",
"검출의 정확도가 높다는 장점이 있으며, CCTV에 의한 감시용 장치, 스마트 자동차의 안전 주행을 위한 센서장치에도 활용 가능한 기술은 무엇인가?",
"SVM은 누가 개발했는가?",
"SVM은 입력된 데이터를 무엇으로 구분하는가?",
"HOG는 실시간 활용이 가능하나?",
"HOG은 검출의 정확도가 낮나?"
] |
89c48966-3ca4-4556-9c06-4cb152111881
|
인공물ED
|
영상 내 사람의 검출을 위한 에지 기반 방법
|
<h1>4. 실험 결과</h1><p>제안된 방법의 유용성을 시험하기 위하여 4가지 종류의 영상을 사용하였다. 우선, MIT에서 공개하고 있는 다양한 사람의 영상들 중에서, 복잡한 배경을 가지고 있는 컬러 영상과 비교적 단순한 배경을 가지고 있는 영상을 {Human_Complex1, ... Human_Complex20}과 {Human_Simple1, ... , Human Simple20}과 같이 각각 20장씩 준비하였다. 또한 인터넷의 영상 검색을 통하여 사람이 존재하지 않는 영상들 중에서 복잡한 형태의 영상과 단순한 형태의 영상을 각각 {No_Human_Complex1, ... No_Human_Complex20} 과 {No_Human_Simple1, ... , No_Human_Simple20}과 같이 준비하였다. 단, 모든 영상들은 ppm의 컬러 형식이고 , \( 128 \times 64 \) 크기의 화소배열이다. 사용한 시험 영상들의 몇 가지 예는 Fig. 8에 보인 바와 같다.</p><p>주어진 시험용 사람 영상들 중 본 논문에서 제안한 방법이 검출에서 오류를 보인 경우는 복잡한 배경과 단순한 배경에서 각각 한 건씩 있었고, 사람이 없는 영상에서는 각각 5건과 3건이 있었다. 오류를 일으킨 영상들의 예는 Fig. 9에 보였다. Fig. 9(a)는 사람의 손과 가방의 끈이 중앙에 있어 몸통 부분에서 에지 점들이 많이 검출되었고, (b)는 겉옷과 내부 셔츠 사이에 존재하는 분명한 경계가 몸통 부분에서 긴 수직의 에지를 만든 것이 오류의 원인이다. (c)의 경우에는 나무와 인공물 사이의 간격이 사람의 몸통 간격과 비슷하였고, (d)는 나무와 하늘 사이의 수직 방향 경계가 사람의 몸체 좌측 경계가 통상 존재하는 영역에 있었다.</p><p>기존의 Xu등의 방법, 그리고 HOG+SVM의 방법 을 본 논문에서의 방법과 비교하여 보았다. Table 1 은 그 결과를 보여 준다. Xu등의 기법은 사람이 없는 경우를 제대로 인식하지 못하였다. 이는 단순히 에지 점의 숫자만 계산하므로, 복잡한 영상은 대체로 사람이 있다고 추정하게 되어 생긴 문제이다. 대신 MATLAB으로 한 장의 영상을 처리하는데 단지 \( 6.03 \mathrm{~ms} \)만 소요되어 가장 빨랐다. HOG+SVM은 모든 시험영상에 대해 정확한 판단을 하였으나, 처리 시간이 \( 20.8 \mathrm{~ms} \) 로 가장 느렸다. 한편 제안한 방법은 사람이 없는 영상을 사람이 있는 것으로 오인식하는 경우가 8 건 있었고, 처리 속도는 \( 12.5 \mathrm{~ms} \) 였다. 사람이 없는 경우에 발생하는 오류는 사람이 있는 경우에 오인식하는 경우보다 비교직 많았는데, 이는 제안된 기법이 Fig. 2에 보인 바와 같이 정확하지만 느린 HOG+SVM기법을 적용할 후보 영역을 찾는 목적을 가지므로 큰 문제가 아닐 수 있다.</p>
|
[
"본 논문에서 실험을 위해 준비한 영상데이터셋은 출처가 어디야?",
"실험을 위해 준비한 데이터는 80장이야?",
"MIT의 영상데이터셋은 복잡한 배경의 컬러 영상 40장으로 구성되어 있어?",
"MIT 데이터셋의 영상 형식은 CMYK 형식으로 구성되어있어?",
"주어진 사람이 있는 시험용 데이터에 대해서 detection task가 어떤 종류의 몇 건의 오류를 보였어?",
"준비한 데이터셋의 사진 화소배열은 어떻게 이루어져있어?",
"Fig. 9(d) 실험결과에서 나무와 하늘 사이의 수직 방향의 경계가 어떤 영역에 있어?",
"Fig. 9(b)의 실험결과에서 오류 발생 원인이 뭐야?",
"본 논문에서 제시한 방법의 대조군으로 사용한 방법이 뭐야?",
"기존의 검출 기법 중에서 Xu등의 기법은 어떤 인식오류를 보였어?",
"Xu등의 기법에서 복잡한 영상은 대체로 사람이 있다고 추정하는 이유가 뭐야?",
"HOG+SVM 과 Xu 기법 중에서 이미지 처리 시간이 더 짧은 것은 Xu 기법이야?",
"Xu등의 검출 기법에서 MATLAB으로 이미지 한 장을 처리하는데 얼마의 시간이 걸렸어?",
"HOG+SVM 과 Xu 기법 중에서 인식 정확도가 더 높은 방법은 Xu 기법이야?",
"HOG+SVM 과 본 논문에서 제안한 기법 중에서 논문에서 제시한 기법이 인식속도가 더 빠른 기법이야?",
"Fig. 9(a) 실험결과에서 몸통 부분에서 에지 점들이 많이 검출된 이유가 뭐야?",
"Fig. 9(a) 실험 결과에서 에지 점들이 검출된 부분이 어디야?"
] |
de98e44e-4036-423c-bdd3-592766261aca
|
인공물ED
|
영상 내 사람의 검출을 위한 에지 기반 방법
|
<h1>1. 서 론</h1><p>사람의 감지는 많은 활용 영역을 가지고 있기 때문에, 이와 관련된 센서 기술들이 다수 개발되어 왔다. 가장 대표적인 것은 인체로부터 \( 8 \sim 12 \mu {m} \) 파장의 적외선을 검출하는 센서이다. 이러한 적외선 센서는 구조가 간단하고, 가격이 저렴하여 자동 조명 장치 등에 널리 사용되고 있다. 그러나 적외선 센서는 사람의 위치와 같은 정보를 알아낼 수는 없고, 근거리에서만 작동하기 때문에, 그 사용이 실내와 같이 제한적인 공간에 국한되어 있다. 초음파나 레이저의 경우에는 적외선 센서의 문제를 극복할 수 있으나, 사람 이외의 다른 동적 혹은 정적 물체까지 감지하는 단점이 있고, 전자는 낮은 해상도, 후자는 높은 가격의 단점도 가지고 있다. 이에 비해서 시각(vision)은 원거리에서도 사람을 감지할 수 있으며, 사람의 위치나 얼굴과 같은 형태, 그리고 사람의 숫자 및 동작과 같은 다양한 정보를 부가적으로 얻을 수 있고, 시중에 있는 다양한 카메라를 센서로 사용할 수 있어 유용하다.</p><p>시각은 인간이나 기계에 있어 가장 강력한 센싱 기능이지만, 영상에 담겨있는 정보의 양이 방대하고 복잡하여, 이를 효과적으로 처리하는데 어려움이 있었다. 그러나 근래에 와서 카메라의 성능이 급격하게 개선되고, 컴퓨터 및 반도체 기술도 비약적으로 발전하여 시각 센싱에 의한 사람의 검출이 교통이나 보안 등의 영역에서 널리 사용되고 있다.</p><p>사람은 차량과 함께 카메라 영상에서 대표적인 동적 전경 (foreground)이 된다. 그러나 차량과 달리 그 움직임이 예측하기 어려우며, 형태도 작고 복잡하여 사람의 영상을 처리하기가 상대적으로 어렵다. 일찍이 Lipton 등은 카메라 영상에서 기지의 배경(background) 정보를 이용하여 동적인 물체를 전경으로 찾고, 전경 물체 형태의 복잡도를 이용하여 사람을 차량과 분리하였다. 또한 Fujiyoshi 와 Lipton은 사람의 동작을 분석하는 시스템을 구성하였다. 그러나 다수의 사람들이 겹쳐 있는 경우에는 인식과 처리에 어려움이 있으므로, Do와 Kanade는 비디오의 연속 영상에서 겹쳐진 사람을 구분하는 시공간적인 방법을 제안한 바 있다. 이들 방법은 정적인 카메라에 의해 촬영된 사람의 연속 영상이 필요하기 때문에 보안등의 용도로 설치된 CCTV용 카메라에는 적합하지만, 차량이나 로봇 등 이동하는 플랫폼에 장착된 카메라에는 적용할 수 없다.</p><p>정적 혹은 동적인 카메라의 단일 영상만을 사용하여 사람을 검출하기 위한 방법으로 Gavrila와Giebel은 원형(template)의 사용을 제안한 바 있다. 사람의 다양한 형상을 대표하는 원형들을 설정하고, 트리(tree) 구조로 구성하였다. 또한 Duc 등은 가중 원형 정합(weighted template matching)을 통한 사람 검출 방법을 제안한 바 있다. 그러나 현재 가장 널리 사용되고 있는 방법은 Dalal과 Triggs가 제안한 Histogram of Oriented Gradients(HOG) 방법이다. 윈도우 내 화소값의 기울기 크기와 방향에 대한 벡터를 언고, 이로부터 학습한 Support Vector Machine (SVM)을 이용하여 사람의 존재 여부를 판정하는 기법으로 검출의 정확도가 높다. 그러나 계산량이 상당히 커서 실시간 처리가 필요한 분야에 활용하는 데는 문제가 있다. 본 논문에서는 이러한 HOG+SVM 의 단점을 해결하기 위한 방안으로, 에지(edge) 정보를 기반으로 영상 내에서 사람이 있을 만한 후보 영역을 먼저 찾고, 이들 영역에 대해서만 HOG를 적용하여 처리시간을 줄이고자 하는 방법을 서술한다. 제안하는 방법은 개념과 적용이 간단하면서도, 효과적으로 처리 시간을 단축시킬 수 있다.</p><p>본 논문의 구성은 다음과 같다. 먼저 2장에서 시각센서를 사용한 기존의 HOG 기반 사람의 검출 방법을 간략히 소개하고, 3장에서 제안하는 방법을 서술한 후, 4 장에서 실험의 결과를 제시하고, 5 장에서 결론을 내린다.</p>
|
[
"본문에서 많은 활용 영역을 가지고 있어 개발된 사람을 감지하는 센서 기술 중 가장 대표적인 적외선 파장의 범위는 뭐니?",
"다수 개발된 센서 기술 중 적외선 센서가 자동 조명 장치 등에 널리 사용되고 있는 이유는 뭐야?.",
"정적 혹은 동적인 카메라의 단일 영상만을 사용하여 사람을 가려내기 위한 방법으로 원형(template)의 사용을 제안한 사람은 누구인가?",
"윈도우 내 화소값의 기울기 크기와 방향에 대한 벡터를 언고, 이로부터 학습한 Support Vector Machine (SVM)을 이용하여 사람의 존재 여부를 판정하는 검출의 정확도가 높은 Histogram of Oriented Gradients(HOG)방법을 제안한 사람은 누구인가?",
"본문에서 사람을 검출하도록 다양하게 제안 된 방법들 중 현재 가장 널리 사용되고 있는 방법은 무엇인가?",
"본문 내용 중 적외선 센서에 관한 단점이 아닌 것은 무엇이니?",
"가중 원형 정합(weighted template matching)을 이용한 사람 검출 방법을 제안한 사람에 Duc도 있니?",
"Gavrila와Giebel은 움직임이 있고 없는 카메라의 단일 영상만을 사용하여 사람을 검출하기 위한 방법으로 무엇의 사용을 제안했나?",
"Histogram of Oriented Gradients(HOG) 방법은 어떻게 사람의 존재 여부를 판정하는가?",
"본문에서 HOG+SVM 의 단점을 해결하기 위한 방안으로 영상 내에서 사람이 있을 만한 후보 영역을 우선하여 찾을 때 에지(edge) 정보를 기반으로 하는가?",
"본문의 2장에서 기존의 HOG 바탕으로 사람을 검출할 때 사용된 센서는 시각센서 인가?",
"본문에서 HOG+SVM 의 단점을 해결하기 위한 방안으로 영상 내에서 사람이 있을 만한 후보 영역을 우선하여 찾을 때 무엇을 기반으로 하는가?",
"논문의 각 장을 구성시 실험의 결과를 제시하는 장은 몇 장인가?",
"Gavrila와Giebel이 사람을 검출하기 위해 어떻게 했어?",
"본문에서 처리에 소요되는 시간을 어떻게 효과적으로 줄였는가?"
] |
b39dfc23-407a-42c8-92b2-9dea440027e0
|
인공물ED
|
영상 내 사람의 검출을 위한 에지 기반 방법
|
<h1>3. 에지 기반의 후보 영역 검출</h1><h2>3.1 제안하는 시스템의 구조</h2><p>HOG 기법의 큰 계산량에 대한 해결책으로 본 논문에서는 빠른 에지 연산을 통하여 사람이 분포할 가능성이 높은 영역을 먼저 찾고, 이 영역에 대해서만 선택적으로 HOG 기법을 적용하는 2 단계 접근법을 제안한다. 본 논문에서 제안하는 방법은 Fig. 2 에 보인 바와 같은 구조를 가진다.</p><p>카메라의 출력 영상에서 \( 128 \times 64 \) 화소 크기의 Window별로 화소값의 기울기를 계산한 후, 이를 기준으로 에지 점을 검출한다. Window를 사용하는 이유는 해당 부분에 사람이 있는 것으로 예측되면 동일한 크기의 HOG Window를 바로 적용할 수 있도록 하기 위한 것과 에지의 검출에 있어 영상의 국부적인 화소값 변화에 대하여 적응적으로 임계치를 결정하기 위한 것의 두 가지이다. 이 때 에지의 검출은 사람이 수직으로 서 있는 경우를 가정하고, 수직방향 성분만을 검출하게 된다. 검출된 에지점에 의하여 0과 1로 구성되는 이진의 영상이 얻어지면, 이 영상이 사람의 몸통 형상에 부합하는 에지의 분포 패턴을 가지는지 점검한다. 만약 그러한 패턴에 부합하면, 두 번째 단계로 넘어 간다. 즉, HOG Window에 의한 3780 개의 요소를 가지는 형태 서술자 벡터를 계산하고, 그 값을 선형의 SVM 에 입력하여 사람인지 아닌지를 최종적으로 판단한다.</p><p>제안하는 방법은 에지 검출에 의한 빠른 처리 단계와 이에 의하여 유도되는 HOG+SVM에 의한 느리지만 정확한 처리 단계로 구성된다는 점에서 Xu 등이 제안한 방법과 유사하다. 그러나 Xu 등의 방법이 단순히 에지 점의 숫자만을 판단의 근거로 사용하여 배경의 에지와 실제 사람의 에지를 구분하지 못하므로 아주 단순한 배경에 존재하는 사람의 영상 이외에는 적용이 불가능한 데 비해서, 본 논문에서 제안한 방법은 에지 점의 분포 패턴을 검사함으로써 보다 정확하고 효과적으로 사람이 존재할 가능성이 있는 영역을 찾을 수 있다.</p><h2>3.2 후보 영역 검출을 위한 에지 점 분포의 해석</h2><p>만약 영상 내에 사람이 존재한다면 그로 인하여 에지가 검출될 것이다. 흑백 영상에서 에지는 여러 가지 방법으로 검출될 수 있으나, 가장 널리 사용되는 것은 Sobel 연산자를 적용하는 방법과 Canny의 다단계 방법이다. 본 논문에서는 간단한 Sobel의 연산자를 사용하는데, 식 (1.a)와 같이 영상의 좌우간 기울기를 구하는 식과 식 (1.b)와 같이 상하간 기울기를 구하는 식을 식 (1.c)에서와 같이 통합한 후 임의의 임계치 T와 비교하여 에지 점으로 구성된 이진의 영상 B를 얻게 된다. 단, x는 행, y는 열의 좌표를 나타낸다.</p><p>\( \begin{aligned} G_{x}(x, y)=& \mid I(x-1, y-1)+2 I(x, y-1)+I(x+1, y-1) \\ &-I(x-1, y+1)-2 I(x, y+1)-I(x+1, y+1) \mid \end{aligned} \)<caption>(1.a)</caption></p><p>\( \begin{aligned} G_{y}(x, y)=& \mid I(x-1, y-1)+2 I(x-1, y)+I(x-1, y+1) \\ &-I(x+1, y-1)-2 I(x+1, y)-I(x+1, y+1) \mid \end{aligned} \)<caption>(1.b)</caption></p><p>\( B(i, j)=\left\{\begin{array}{ccc}1 & \text { if } & \left(G_{x}+G_{y}\right) / 2>T \\ 0 & \text { otherwise }\end{array}\right. \)<caption>(1.c)</caption></p><p>Xu등은 에지 요소(edge factor)를 이용한 적응적 사람 센싱 방법을 제안한 바 있다. 해당 연구에서 에지 요소는 영상의 특정 부분에 존재하는 에지 점의 정규화된 숫자로 정의된다. 우선 영상의 Window에 Prewitt 에지 검출자를 적용하여 평균 이상의 밝기 기울기를 가지는 화소들을 에지 점으로 검출한다. 다음으로 에지 점들을 계수하여 임의의 숫자 이상이 되면, 그 부분에는 사람이 존재할 수 있다고 가정하고 HOG 검출 기법을 적용한다. 이 방법은 간단하면서 사람이 존재하는 경우 에지 점들이 많아질 것이라는 가정하에 HOG 적용을 영상 내 에지 점들이 많은 영역에만 한정하여 전체 계산랑을 줄이고자 하였다. 그러나 사람뿐 아니라 주변의 지형지물도 에지를 만들기 때문에 배경이 단순한 특수한 경우 외에는 효과적이지 않다.</p><p>본 논문에서는 단순히 에지 점의 숫자를 사용하기 보다, 에지점의 분포 형태를 기반으로 사람의 존재 가능성이 높은 후보 영역을 빠르게 검출한 후, 이 후보 영역에 대헤서만 정교한 HOG 기법의 사용을 유도한다. 제안하는 기법에서는 우선 에지 점들이 특정한 형태로 찾아질 수 부분을 선택하였다. 만약 사람들이 서 있는 자세로 있다고 가정하면, 수직 방향의 에지(즉, 식(1.a))가 수평 방향의 에지(즉, 식(1.b)) 보다 사람의 형상을 더 뚜렷하게 나타낼 수 있다. 예를 들어 Fig. 3(a)와 같이 사람만 존재하는 단순한 영상에 대하여, 에지를 검출한 결과를 보이면 Fig. 3(b)와 (c)에 보인 바와 같고, 우리는 수직 방향의 에지 성분만을 대상으로 사람을 검출한다.</p>
|
[
"에지 점의 숫자만을 판단의 근거로 사용하면 배경과 실제사람의 에지를 구분하지 못하지만, 에지 점의 분포 패턴을 검사하면 사람이 존재할 가능성이 있는 영역을 찾을 수 있다.",
"sobel의 연산자를 이용하여 이진의 영상 B를 얻게되는 과정을 서술하세요.",
"흑백영상에서 에지를 검출할 때 흔히 사용하는 방법 두가지는 무엇인가요?",
"카메라의 출력 영상에서 어떻게 에지점을 검출하나요?",
"사람의 존재 가능성이 높은 후보 영역을 빠르게 검출하기 위해 에지 점의 숫자 대신 사용하는 것은 무엇인가요?",
"영상의 특정 부분에 존재하는 에지 점의 정규화된 숫자는 무엇인가요?",
"HOG 기법의 큰 계산량에 대한 어떻게 해결 해야 하나요?",
"카메라의 출력영상에서 Window별로 화소값의 기울기를 계산하여 에지 점을 검출하는데, Window를 사용하는 이유는 무엇인가요?",
"카메라의 출력 영상에서 해당 부분에 사람이 있는지 어떻게 판단 하나요?",
"카메라의 출력 영상에서 Window별로 화소값의 기울기를 계산한 후에 무엇을 검출하나요?"
] |
d5a5b722-b533-4fbf-abef-8da57d78beb6
|
인공물ED
|
영상 내 사람의 검출을 위한 에지 기반 방법
|
<p>인체에서는 상체 부분이 하체에 비해서 영상에서 더 안정된 특성을 보인다. 이는 비디오 영상에서 뚜렷하게 관찰된 수 있고, 정지 영상에서도 다리 부분은 자세에 따라 에지 점들이 다양하게 나타난 수 있어 특징짓기 곤란하다. 따라서 우리는 사람의 상체 중앙 부분, 그리고 사람과 배경 사이의 좌, 우측 경계 근처 부분을 에지 점들의 분포를 관찰하는 주요한 특징 부위로 설정하였다. 이는 Fig. 4(a)에 나타낸 바와 같으며, 영상의 중앙 영역을 \( {R}_{{C}} \), 사람과 배경의 경계 영역을 좌, 우측에서 각각 \( {R}_{{L}} \) 과 \( {R}_{R} \) 이라고 지칭하였다. 만약 HOG에서 사용되는 사람의 해상도, 즉 \( 128 \times 64 \) 의 화소 배열을 고려하면, 이들 부분의 크기는 Fig. 4(b)에 나타낸 바와 같이 지정할 수 있다. 즉, 사람의 상체 중앙부에서 \( 20 \times 11 \) 개의 화소와 좌측과 우측의 배경과의 경계부에서 각각 \( 20 \times 11 \) 개의 화소에 대해서만 에지 점을 찾고, 그 분포를 살펴본다. 검출 영역을 이와 같이 한정함으로써 얻을 수 있는 이점은 명확하다. 즉, 처리해야 할 영상의 크기가 대폭 줄어들어서 처리시간을 줄일 수 있으며, 각 부분에서 에지의 분포 패턴에 대해 대략적인 예측이 가능하다. 즉, \( {R}_{{C}} \) 영역에서는 대체로 에지 점들이 희박하게 발견될 것이며, \( {R}_{{L}} \) 과 \( {R}_{{R}} \) 영역에서는 많은 에지 점들이 수직방향으로 발견될 것으로 가정한다.</p><p>본 논문에서 제안하는 방법은 수직의 에지 점을 찾아, 에지 점들로 구성되는 이진 영상을 처리한다. 에지 점은 단일 체널의 영상에서 구하는데, 대체로 카메라의 영상은 적색(R), 녹색(G), 그리고 청색(B)의 컬러이므로, 이를 단일 채널로 변경하여야 한다. 우리는 적색 영상과 식 (2.a)와 같이 구해지는 정규화된 적색 영상, 그리고 식 (2.b)와 같이 얻어지는 흑백의 밝기 영상 중에서 선택적으로 사용하였다. 적색을 선택한 이유는 다른 컬러 채널인 녹색이 나무나 잔디 등 식물에서 자주 나타나고, 청색은 하늘이나 호수 등 자연 지물에서 자주 나타나서 영상 내 존재하는 물체 사이의 구분성이 떨어지기 때문이다. 적색의 영상 R이 컬러와 밝기 정보를 모두 포함하고 있는데 비해, 정규화된 적색 r은 다른 채널 색에 대한 비율로써 색상 정보만을 가지고 있다. 정규화된 색상 영상은 밝기 정보를 배제하고 색상으로만 구분하고자 할 때 유리할 것이다. 한편 흑백의 영상 I는 세 가지 컬러 채널 값의 평균으로 색상 정보는 배제하고 밝기 정보만을 내포하고 있다. 주어진 영상에서 R, r, I 중에서 어떤 종류의 영상을 사용하는 것이 더 적당할지는 사람과 배경이 얼마나 더 잘 구분되는지를 기준으로 판단하였다. 즉, 사람의 몸통이 Fig. 4(a)에서 볼 수 있듯이 Window 내 수직으로 \( x=40-60 \) 에 분포하고 있으므로, 이 구간의 중앙인 \( {x}=50 \) 을 따라 수평으로 최좌측의 10 개 화소와 최우측의 10 개 화소의 값이 중앙의 10 개 화소와 R, r, I 중에서 어떤 영상 종류에서 가장 뚜렷한 차이를 보이는지 점검한 후, 가장 큰 차이를 보이는 영상을 선택하고, 이 영상에 대해서만 후행되는 절차를 수행하였다. 예를 들어 Fig. 5 에서는 붉은 색 상의를 착용한 사람의 영상을 R과 r, 그리고 I의 영상으로 변환한 결과를 보여 주며, 이 경우에는 R의 영상이 가장 배경과 뚜렷한 차이를 보인다.</p><p>\( r(x, y)=R(x, y) / R(x, y)+G(x, y)+B(x, y)] \)<caption>(2.a)</caption></p><p>\( I(x, y)=[R(x, y)+G(x, y)+B(x, y)] / 3 \)<caption>(2.b)</caption></p><p>R 및 r, 그리고 I 영상 중에서 에지 처리에 사용할 영상의 종류가 선택되면, 선택된 영상 중 잡음을 제거한다. 사람의 몸체와 배경 사이의 뚜렷한 경계 외 작은 화소값 변화로 인하여 에지가 검출되는 것을 방지하기 위하여 평균화 필터를 \( 3 \times 3 \) 크기의 마스크로 두 번 반복하여 수행하고, 임펄스 잡음을 제거하기 위하여 같은 크기의 마스크로 중간값(median) 필터를 적용하였다.</p><p>잡음이 제거된 영상에 대해서는 식 (1.a)를 적용하여 좌우간의 화소값 변화를 검색한다. 만약 어떤 임계치 이상으로 변화가 생기면 수직 방향으로 에지가 존재한다고 가정하고, 중심 화소의 값을 1 로, 그렇지 않은 경우 0 으로 하여 이진의 영상을 \( \mathrm{x}=40-60 \) 영상좌표 구간에서 각각 얻는다. 단, 이진화의 임계치 \( {T}^{2} \) 는 \( 20 \times 64 \)의 영역에서 화소값 기울기의 평균치 \( {G}_{{m}} \) 과 최대치 \( {G}_{{M}} \) 에 대해서 식 (3)과 같이 가중 평균하여 구한다. 여기서 k는 \( [0,1] \) 범위 내 임의의 상수로, k가 1 이면 이진화할 영상 영역 내 화소값 기울기의 평균을 임계치로 한다는 의미가 된다. 그러나 k를 1 로 하면 너무 약한 에지 점까지 모두 검출될 위험이 있다. 식 (3)의 방법은 에지 점 검출에 중요한 요소인 임계치를 영상의 국부적인 특성을 고려하여 적응적으로 구할 수 있게 한다.</p><p>\( T=k G_{m}+(1-k) G_{M} \)<caption>(3)</caption></p><p>이제 얻이진 것은 주로 수직 방향의 에지 성분으로 구성된 이진 영상이지만, 여전히 남아 있는 약한 수평 방향 에지를 제거하기 위하여 횡으로 3개의 에지 점이 연속으로 연결되어 있으면 그 중앙의 점을 제거하고, 또 고립된 에지 점도 \( 3 \times 3 \) 의 마스크를 사용하여 제거한다. Fig. 6은 Fig. 5 의 영상에 대하여 지금까지 서술한 절차를 수행하여 처리한 결과를 보여 준다.</p><p>이제 Fig. 6(d)의 예와 같이 얻어진 수직 에지 점의 이진 영상을 수직으로 y 축에 투영하면 Fig. 7과 같은 결과를 얻을 수 있다. 그림에서는 사람의 상체 중간 부분 영역인 \( {R}_{{C}} \) 에서 얻어진 에지 점들 보다 좌우 경계 부근인 \( {R}_{{L}} \) 과 \( {R}_{{R}} \) 의 영역에서 더 많은 에지 점들이 분포함을 알 수 있다. 우리는 식 (4)에서 이와 같은 에지 점들의 분포 비에 따른 사람 판정법을 사용하였다.</p><p>Human \( =\left\{\begin{array}{lcc}=\text { Yes, } & \text { if } & 2 N_{C} /\left(N_{L}+N_{R}\right)<T_{N} \\ =\text { No, } & \text { otherwise } & \end{array}\right. \)<caption>(4)</caption></p><p>단, Nc는 \( {R}_{{C}} \)에서 검출된 에지 점의 수, \( {N}_{{L}} \)은 \( {R}_{{L}} \)에서 검출된 에지 점의 수, 그리고 \( {N}_{{R}} \)은 \( {R}_{{R}} \)에서 검출된 에지 점의 수를 나타낸다. 그리고 \( {T}_{{N}} \)은 임의의 임계치인데, \( {R}_{{C}}, {R}_{{L}} \), 그리고 \( {R}_{{R}} \) 의크기가 동일함을 고려하면 통상 1을 사용할 수 있다.</p>
|
[
"본문에서 에지 점들의 분포를 관찰하는 주요한 특징 부위로 설정한 것은 어느 부분이야?",
"카메라의 영상의 컬러 세가지는 뭐야?",
"어떤 세가지 색이 카메라의 영상을 구성해?",
"본문에서 에지 점들의 분포를 관찰하는 주요한 특징 부위로 사람의 상체 중앙 부분, 사람과 배경 사이의 좌, 우측 경계 근처 부분을 설정한 이유는 영상에서 상체 부분이 더 안정된 특성을 보이기 때문이야?",
"주어진 영상에서 R, r, I 중에서 어떤 종류의 영상을 사용하는 것이 더 적당할지 판단하는 기준은 뭐야?",
"에지 점을 구하기 위해 단일 채널로 변경할 때 선택한 컬러는 무슨 색이야?",
"인체는영상에서 상체에 비해서 하체가 안정된 특성을 보이니?",
"인체의 상체 부분과 하체 부분 중에서 영상에서 더 안정된 특성을 보이는 부분은 어디일까?",
"본문의 Fig. 5 에서 붉은 색 상의를 착용한 사람의 영상을 R과 r, 그리고 I의 영상으로 변환한 결과가 가장 배경과 뚜렷한 차이를 보이는 영상은 뭐야?",
"정규화된 색상 영상이 밝기 정보를 배제하고 색상으로만 구분할때 왜 유리하지?",
"본문에서 임펄스 잡음을 제거하기 위해서 적용한 필터는 뭐야?"
] |
5eaa7fb8-5bfb-4109-b168-60ec8b0d18bd
|
인공물ED
|
영상 내 사람의 검출을 위한 에지 기반 방법
|
<h1>5. 결 론</h1><p>시각 센서를 사용하여 영상 내에서 사람을 검출하기 위한 방법이 제안되었다. 현재 정확도가 가장 높다고 알려져 있는 HOG+SVM의 방법이 처리 속도가 느리고 분류용 특징 벡터의 크기가 큰 문제를 해결하기 위하여, 제안한 방법은 에지 점을 기반으로 사람이 있을 만한 후보 영역을 찾는 역할을 한다. 카메라의 컬러 영상을 적색 채널의 영상이나 정규화된 적색 영상, 혹은 흑백 영상으로 선택적으로 변환한 후 사람의 몸통이 존재할 영역에 대해서 에지 점의 분포 패턴을 간단한 판정식을 사용하여 사람과 비사람으로 분류하였다. 다양한 종류의 영상에 대하여 제안된 방법을 시험하였을 때, 사람을 잘 탐지하였고, 사람이 존재하지 않는 복잡한 영상에 대해 상대적으로 높은 오류의 비율을 보였다. 그러나 제안된 기법은 사람이 있을 것으로 예상되는 영역에 HOG+SVM을 적용하기 위한 전단계의 역할을 한다는 점에서 이와 같은 결과는 큰 문제가 되지 않을 것이다. 특히 에지에 기반한 기존의 연구에 비해 휠씬 성능이 개선되었다. 카메라를 이용한 사람의 검출이 스마트 자동차나 보안용 카메라를 비롯한 여러 영역에서 중요한 문제임을 고려하면 제안된 방법은 활용 가능성이 높을 것이다.</p>
|
[
"시각 센서를 사용하여 영상 내에서 사람을 어떻게하기 위한 방법이 제안되었어?",
"어떤 센서를 사용하여 영상 내에서 사람을 검출하기 위한 방법이 제안되었어?",
"현재 정확도가 가장 높다고 알려져 있는 HOG+SVM의 방법이 처리 속도가 느리고 분류용 특징 벡터의 크기가 큰 문제를 해결하기 위하여, 제안한 방법은 에지 점을 기반으로 사람이 있을 만한 무엇을 찾는 역할을 하는가?",
"현재 정확도가 가장 높다고 알려져 있는 HOG+SVM의 방법은 무엇인가?",
"현재 정확도가 가장 높다고 알려져 있는 HOG+SVM의 방법이 처리 속도가 느리고 분류용 특징 벡터의 크기가 큰 문제를 어떻게 하기를 원하는가?",
"카메라의 컬러 영상을 적색 채널의 영상이나 정규화된 적색 영상, 혹은 흑백 영상으로 선택적으로 어떻게 하였어?",
"카메라의 컬러 영상을 적색 채널의 영상이나 정규화된 적색 영상, 혹은 흑백 영상으로 선택적으로 변환한 후 사람의 몸통이 존재할 영역에 대해서 에지 점의 분포 패턴을 간단한 판정식을 사용하여 사람과 비사람으로 분류하였는가?",
"다양한 종류의 영상에 대하여 제안된 방법을 시험하였을 때, 사람을 잘 탐지하였고, 사람이 존재하지 않는 복잡한 영상에 대해 상대적으로는 어떻게 되었어?",
"카메라의 컬러 영상을 적색 채널의 영상이나 정규화된 적색 영상, 혹은 흑백 영상으로 선택적으로 변환한 후 사람의 어디에 존재할 영역에 대해서 에지 점의 분포 패턴을 간단한 판정식을 사용했어?",
"다양한 종류의 영상에 대하여 제안된 방법을 시험하였을 때, 사람을 잘 탐지하였는가?",
"사람이 존재하지 않는 복잡한 영상에 대해 상대적으로 어떤 오류의 비율을 보였어?",
"제안된 기법은 사람이 있을 것으로 예상되는 영역에 HOG+SVM을 적용하기 위한 전단계의 역할을 한다는 점에서 이와 같은 결과는 큰 문제가 되는가?",
"HOG+SVM의 방법은 현재 사용되는 방법들 중 가장 높은 정확도를 보여주고 있지만 큰 문제를 갖고 있는데 이는 어떻게 되는가?",
"영산 내부에 에지 점을 기반하여 시각 센서를 사용하게 될 경우 어떻게 되는 것을 보게 되는가?",
"에지 점의 분포 패턴을 사람의 인체 중 몸통이 존재할 부분들에 간단하게 판정식을 사용해 사람 유무를 분류 하고자 카메라 컬러 영상을 어떻게 하였는가?",
"카메라를 이용한 사람의 검출이 스마트 자동차나 보안용 카메라를 비롯한 여러 영역에서 중요한 문제임을 고려하면 제안된 방법은 무엇이 높을 것 같아?",
"영상 안에 시각 센서를 사용해서 어떻게 하고자 하는가?",
"카메라의 컬러 영상 어떻게 사람과 비사람으로 분류했어?"
] |
bee4c750-c8d4-4db3-9dc5-9cbcc9159260
|
인공물ED
|
UWB 하반 대역 WVAN Gbps 데이터 전송률 트랜시버용 소형 광대역 안테나의 설계
|
<h2>2-2 기하학적 파라미터 변화와 특성 관찰</h2> <p>일반적으로 모노폴 안테나는 윗면에 방사체와 급전부가 위치해 있고, 아랫면에 부분 접지면이 존재하는 구조이다. 이를 그림 2에 도시하였다.</p> <p>부분 접지면 상의 평면형 모노폴 안테나의 크기는 \( 20 \times 27.5 \times 1 \mathrm{~mm}^{3} \) 이며, 손실 탄젠트가 0.002 이고, 상대 유전율이 4.4인 TMM4 위에 설계하였으며, 이때의 주파수 특성은 그림 3과 같다.</p> <p>그림 3에서 보듯이, 중심 주파수 \( 3.96 \mathrm{GHz} \)에서 \( 1.53 \mathrm{GHz} \) 의 대역폭을 가지는 UWB 하반 대역이 생성된다. 비록 대역폭은 만족하지만 공진점이 하나이고 대역내 평탄도가 없어, 환경이나 제작 공차에 의해 주파수가 이동하게 되면 현재의 중심 주파수를 많이 벗어날 가능성이 있다. 대역 평탄도를 확보하기 위해 일련의 파라미터들을 변화시켜 \( S_{11} \) 을 관찰 한다. 먼저, 부분 접지면 위의 사각형 모노폴 방사체의 길이인 \( l_{1} \) 을 변화시킨다.</p> <p>이와 같은 경우,</p> <p>\( L=\frac{c}{2 f_{r} \sqrt{\epsilon_{r e}}} \)<caption>(1)</caption></p> <p>의 수식에 의하여 사각형 모노폴의 길이가 짧아질수록 공진하는 극점의 주파수가 상승하는 것을 확인할 수 있다. 하지만 \( l_{1} \) 의 변화에 따라 공진점의 위치는 변화하나, 공진점의 수가 변하지는 않는다.</p> <p>대역은 유지하면서 공진점들의 수를 증가시키는 방법의 일환으로 좌측 아래에 개방 스터브를 부착하면 그림 5와 같이 된다.</p> <p>급전부에서 사각형 모노폴 안테나의 좌측 하단에 부착된 역 L자 형태의 개방 스터브까지 짧은 공진경로(4.7 \( \mathrm{GHz} \) 부근)가 생겨, 모노폴 전체에 의한 3.6 \( \mathrm{GHz} \) 부근의 기존 공진점과 함께 두 개의 공진을 만들어 그림 4와 비교하여 \( S_{11} \) 대역이 평탄해졌다. 특히 개방 스터브의 길이가 길어질수록 급전부로부터 개방 스터브의 종단까지의 전기적 길이가 길어지기 때문에, 공진하는 주파수가 낮아지게 된다. 또한, 개방 스터브에 의한 공진점과 낮은 공진점의 결합도에 변화가 생겨 대역폭 역시 변화하게 된다. 즉, 안테나 전체적인 정합에 변화가 생기게 된다.</p> <p>그림 5 에서 두 개의 극점(공진점)들이 있지만 모노폴 안테나의 기본 공진 주파수가 \( 3.6 \mathrm{GHz} \) 부근이므로 스펙의 대역을 맞추기 위해 \( 3.5 \mathrm{GHz} \) 아래로 이동시켜야 한다.</p> <p>대역 평탄도를 얻었지만 주파수 대역을 낮은 주파수로 이동시키기 위해서는 모노폴의 물리적 길이보다 더 긴 공진 전류의 경로가 필요하다. 따라서 사각형 모노폴에 개방 스터브와 링형 스터브가 부착하여 전류 경로와 임피던스 정합을 다룰 수 있는 설계변수를 확보한다. 그림 6(a)는 그림 1 과 같은 것이며, 설계변수들이 명명된 것이다. 여러 가지 물리적 치수가 있지만 공진 전류 경로에 영향이 큰 \( w_{3}, w_{4} \) 와 gnd_ll에 대해 살펴본다.</p> <p>그림 6(b)는 링형 스터브의 너비인 \( w_{3} \) 의 변화에 따른 반사 손실의 주파수 특성을 나타내었다. 링형 스터브를 결합하면 전류의 길이가 확장되고 공진하는 주파수가 내려가며 임피던스 정합 영역이 넓어져 의해 대역폭이 증가하게 된다. 반면에 링형 스터브의 너비가 짧으면 공진하는 주파수의 대역이 높아지고, 이때의 대역폭이 좁아지는 것을 알 수 있다. 위의 특성을 이용하여 링형 스터브를 추가함으로써 기본 사각형 모노폴의 길이를 변화하지 않고도 첫 번째 극점의 위치를 \( 3.75 \mathrm{GHz} \) 에서 \( 3.4 \mathrm{GHz} \) 로 \( 350 \mathrm{MHz} \) 만큼 내리며 대역 내에서의 평탄도를 유지할 수 있다.</p> <p>\( w_{3} \) 와 반대 방향에 놓인 \( w_{4} \) 에 의한 입력 반사 손실의 관계는 그림 6(c)를 통해 파악할 수 있다. \( w_{3} \) 의 변화에 따른 결과와 유사하게, \( w_{4} \) 가 커질수록 전류의 길이가 확장되고 공진하는 주파수가 내려가며, 대역폭이 증가하게 된다. 반면에 링형 스터브의 너비가 짧으면 공진하는 주파수의 대역이 높아지고, 대역폭이 좁아지는 것을 알 수 있다.</p> <p>위의 특성을 이용하여 공진하는 주파수와 이때의 대역폭을 제어할 수 있다. 더 나아가 안테나의 최적성능을 위해, 접지부의 파라미터를 변화하면서 반사손실의 주파수 특성을 확인한다. 이때의 모의시험결과는 그림 6(d)와 같다. 접지부의 높이가 상승할수록 기본 골격인 모노폴과 부분 접지면의 간격이 좁아져 낮은 공진 주파수의 전류 경로가 짧아져 대역폭이 줄어듦을 관찰할 수 있다.</p> <p>이와 같이 기하 파라미터들의 변화들에 따른 반사 손실에서의 중심 주파수, 대역폭, 대역 평탄성의 변화들을 반복적으로 확인하면 최종적으로 다음과같은 물리적 치수들을 얻을 수 있다.</p> <p>표 2의 치수들을 반영한 안테나 구조의 반사 손실주파수 특성은 다음과 같다.</p> <p>최적화된 3차원 구조의 모의시험을 통한 반사 손실은 요구되는 대역을 보이고 있다. 또한, 대역 평탄도를 결정하는 두 공진점들이 균형 있게 생성되었는지를 확인하기 위해 상응하는 분수 함수를 참고문헌 [9]의 방식으로 얻어 \( S_{11} \) 간의 유사함을 확인하였다.</p> <p>\( S_{11}(S)=\frac{S^{2}+1.694 S}{S^{2}+1.694 S+1.935} \)<caption>(2)</caption></p> <p>이 분수 함수는 정규화된 복소 주파수를 변수 \( (S=j \) \( \left(\omega / \omega_{0}-\omega_{0} / \omega\right) / \Delta, j=\sqrt{-1}, \Delta= \) Bandwidth \( / \omega_{0}, \omega=2 \) \( \left.\pi f, \omega_{0}=2 \pi f_{0}\right) \) 로 사용하며, 극점들은 위 변환관계를 이용하면 약 \( 3.4 \mathrm{GHz} \) 와 \( 4.75 \mathrm{GHz} \) 이 된다. 그러면, 이 극점들에서 공진이 일어나는지를 알아보기 위해 다음과 같이 안테나 구조의 표면 전류를 얻는다.</p> <p>각각의 극점에서의 전류 분포를 확인하면 그림 8과 같다. 첫 번째 극점인 \( 3.4 \mathrm{GHz} \)에서의 전류 분포는 모노폴 패치 전체와 링형 구조에 전반적으로 분포하고 있으며, 이때 링의 길이에 영향을 받아 첫 번째 극점의 길이를 조정할 수 있음을 알 수 있다. 또한, 두 번째 극점인 \( 4.75 \mathrm{GHz} \)에서의 전류는 입력단에서 부터 개방 스터브쪽으로 집중된다. 이는 개방 스터브 주위에서 전류밀도가 최고가 되며, \( 3.4 \mathrm{GHz} \) 공진과는 독립적인 공진을 만들어 극점이 형성되었음을 나타낸다.</p> <p>지금까지 모의시험과 더불어 설계된 안테나를 직접 제작하고 측정하여 제안한 구현 방법의 타당함을 보이고자 한다.</p> <table border><caption>표 2. 최적화 된 구조의 치수</caption> <tbody><tr><td>변수</td><td>값 \( (\mathrm{mm}) \)</td><td>변수</td><td>값 \( (\mathrm{mm}) \)</td></tr><tr><td>\( W_{S} \)</td><td>20</td><td>\( l_{s} \)</td><td>27.5</td></tr><tr><td>\(gnd\)_ \( l_{1} \)</td><td>5.48</td><td>\( w_{0} \)</td><td>1.76</td></tr><tr><td>\( W_{1} \)</td><td>8.24</td><td>\( l_{2} \)</td><td>5.9</td></tr><tr><td>\( W_{2} \)</td><td>4.14</td><td>\( l_{3} \)</td><td>6.94</td></tr><tr><td>\( W_{3} \)</td><td>2.82</td><td>\( l_{4} \)</td><td>6.94</td></tr><tr><td>\( W_{4} \)</td><td>3.34</td><td colspan=2></td></tr></tbody></table>
|
[
"본 논문에서 최적화 된 구조의 치수를 정리한 표2에서 \\( W_{S} \\)의 값 \\( (\\mathrm{mm}) \\)은 얼마야?",
"본 논문의 표2에서 \\( l_{s} \\)의 값 \\( (\\mathrm{mm}) \\)은 얼마야?",
"최적화 된 구조의 치수를 정리한 표2에서 \\( w_{0} \\)의 값은 어떤거야?",
"본 논문의 표2에서 \\( W_{1} \\)의 값 \\( (\\mathrm{mm}) \\)은 얼마야?",
"본 논문에서 물리적 치수들을 어떻게 얻을 수 있어?",
"본 논문의 최적화 된 구조의 치수를 정리한 표2에서 \\( l_{2} \\)의 값은 얼마야?",
"본 논문에서 구조의 치수를 정리한 표2에서 \\( W_{2} \\)의 값 \\( (\\mathrm{mm}) \\)은 얼마야?",
"최적화 된 구조의 치수를 정리한 표2에서 \\( l_{3} \\)의 값은 얼마야?",
"본문에서 최적화 된 구조의 치수를 나타낸 표에서 \\(gnd\\)_ \\( l_{1} \\) 변수의 값은 얼마야?",
"본 논문에서 최적화 된 구조의 치수를 나타낸 표2에서 \\( l_{4} \\)의 값은 어떤거야?",
"본 논문의 표2에서 \\( W_{4} \\) 변수의 값은 얼마야?",
"최적화 된 구조의 치수를 나타낸 표에서 값이 가장 큰 것은 얼마야?",
"본 논문에서 최적화 된 구조의 치수를 나타낸 표2에서 가장 작은 값은 어떤거야?",
"본 논문에서 최적화 된 구조의 치수를 나타낸 표2에서 가장 작은 값을 갖는 변수는 무엇이야?",
"표2에서 가장 큰 값을 가지는 변수는 무엇이야?",
"최적화 된 구조의 치수를 나타낸 표2에서 2번째로 큰 값을 가지는 변수는 어떤거야?",
"최적화 된 구조의 치수를 정리한 표2에서 2번째로 가장 작은 값의 변수는 어떤거야?",
"\\( W_{1} \\)~\\( W_{4} \\)의 값들 중에서 가장 큰값을 가지는 변수는 어떤거야?",
"\\( W_{1} \\)~\\( W_{4} \\)의 값들 중에서 가장 작은 값을 가지는 변수는 어떤거야?",
"\\( l_{2} \\)~\\( l_{4} \\) 의 치수 값들 중에서 가장 작은 값을 가지는 변수는 어떤거야?",
"5.48의 값 \\( (\\mathrm{mm}) \\)을 가지는 변수는 어떤 종류야?",
"표2에서 서로 다른 변수이지만 같은 값을 가지는 값은 얼마야?",
"본문에서 대역 평탄도를 특정시키 위해서 어떻게 실험을 진행했어?",
"본문에서 \\( w_{3} \\)와 \\( w_{4} \\)으로부터 알 수 있는 입력 반사 손실의 관계는 어떻게 알 수 있어?",
"본 논문의 최적화 된 구조의 치수를 정리한 표에서 \\( W_{3} \\)의 값으로는 얼마로 측정되었어?"
] |
f7c72eec-240e-416c-b2e9-4072be68c1b0
|
인공물ED
|
UWB 하반 대역 WVAN Gbps 데이터 전송률 트랜시버용 소형 광대역 안테나의 설계
|
<h1>II. 제안하는 안테나 구조 및 설계 과정</h1> <h2>2-1 설계 목표와 안테나의 구조</h2> <p>설계 목표는 다음의 표 1과 같이 정리된다.</p> <table border><caption>표 1. 설계 목표</caption> <tbody><tr><td>항목</td><td>목표치</td></tr><tr><td>중심 주파수</td><td>3.96 \( \mathrm{GHz} \)</td></tr><tr><td>대역폭</td><td>1.53 \( \mathrm{GHz} \)</td></tr><tr><td>이득</td><td>\( >2 \mathrm{~dB} \)</td></tr><tr><td>효율</td><td>\( >70 \% \)</td></tr></tbody></table> <p>제안된 안테나는 그림 1과 같이 부분 접지면 위에 있는 사각형 모노폴에 두 개의 링형 스터브와 한 개의 개방형 스터브를 부착한 구조이다. 일반적인 사각 패치 안테나는 반사 손실에서 하모닉 발생 전까지는 하나의 공진점만 만들며 협대역으로 나타난다. 또한, 모노폴이 주된 전자파 방사를 한다면 공진 길이는 \( \lambda_{g} / 4 \) 이므로 안테나의 소형화에도 한계가 있다.</p> <p>이러한 모노폴의 단순한 형상과 크기를 유지하면서 넓은 대역폭을 가질 수 있도록, 모노폴에 스터브들을 독특한 방식으로 결합하는 방법을 제시한다. 그림 1 을 보면, 제안된 안테나는 좌측 상단과 우측 중앙에 링형 스터브를, 좌측 하단에 개방 스터브를 부착함으로써, 설계 목표인 표 1에 나타나 있듯이 일반 모노폴 안테나의 공진 주파수보다 높은 주파수에서 \( -10 \mathrm{~dB} \) 이하 반사 손실의 공진점을 발생시켜 대역폭을 넓히는 것이다. 미리 안테나의 크기와 기판에 대해 언급하자면, \( 20 \times 27.5 \times 1 \mathrm{~mm}^{3} \) 이며, 기판은 0.002의 손실 탄젠트를 갖는 유전 상수 4.4의 TMM4 를 사용한다.</p>
|
[
"중심 주파수의 목표치는 얼마인가?",
"대역폭의 목표치는 얼마인가?",
">2dB의 목표치를 가지는 항목은 무엇인가?",
"효율의 목표치는 얼마인가?"
] |
ffafa949-d1f7-4818-bee8-4a35619240e4
|
인공물ED
|
UPnP 기반 로봇 미들웨어
|
<h1>Ⅱ. TAO CORBA와 UPnP</h1> <p>CORBA는 Common Object Request Broker Architecture의 약자로 Object Management Group(OMG)라는 단체에서 제안한 분산 컴퓨팅 환경을 위한 언어와 플랫폼에 독립적인 미들웨어 아키텍처이다. 이는 이름에 조금 언급되는 것과 같이 객체(object) 지향 프로그래밍 모델을 지원한다. CORBA 아키텍처의 기본 엔진은 ORB라고 불리는 object request broker이다. 이 ORB는 object 버스라고도 불리는데, 클라이언트와 서버의 사이에서 서버측의 object를 찾고, method invocation을 전달하고, 결과를 클라이언트로 반환하는 일련의 처리과정을 책임진다. CORBA는 object간의 인터페이스를 정의하기 위해서 Interface Definition Language(IDL)이라는 것을 사용한다. CORBA는 IDL을 여러 언어로 변환하는 mapping을 제공하여, 언어와 플랫폼에 독립적인 특성을 유지한다. 클라이언트와 서버 프로그램은 stub과 skeleton이라는 proxy들을 사용하여 ORB와 통신하는데, stub과 skeleton은 IDL을 컴파일하여 인터페이스를 정한다. 클라이언트는 ORB의 naming 서비스를 통하여 서버 객체를 찾고 적절한 서비스를 호출한다. 이를 위해서 클라이언트와 서버 객체는 사전에 서비스 정보를 가지고 연결이 되어야 한다.</p> <p>TAO는 The ACE ORB의 약자로 open 소스, 고성능, 실시간 CORBA ORB 시스템을 표방하고 있다. 이는 분산 실시간 embedded 시스템을 위해 개발된 것이다. TAO는 CORBA에 ACE를 결합하고, 실시간 I/O sub 시스템과 high speed 네트웍 인터페이스를 추가하여 확장한 것이다. 이는 응용 프로그램에서 통신과 메모리 리소스를 관리할 수 있도록 한다. 또한, QOS 속성을 제공하기 위해서 run-time 스케쥴러를 사용하고 있다. TAO는 실시간 OS의 많은 서비스를 사용한다.</p> <p>UPnP(Universal Plug and Play)는 홈 네트워크 등과 같은 소규모 네트워크 내에서 지능화된 기기들을 peer-to-peer 방식으로 연결하기 위한 아키텍처이다. 이는 원래 Microsoft에서 개발되었지만 지금은 UPnP 포럼에서 표준을 관리하고 있다. 2005년 11월 현재 Microsoft, Intel, Dell, HP 등과 같은 약 760개의 기업이 UPnP Forum의 회원으로 활동 중이며, 22개 회원사로 이루어진 UPnP Steering Committee가 UPnP Forum을 주도하고 있다. UPnP는 TCP/IP, SSDP, SOAP, GENA, HTTP 및 XML 등과 같은 인터넷 표준과 기술을 기반으로 하고 있으며, 서비스 기반의 프로그래밍 모델을 제공하고 있다.</p> <p>UPnP 아키텍처의 주요 컴포넌트들은 Control Point, Device, 그리고 Service이다. UPnP Device는 서비스를 제공하는 본체이며, Control Point는 서비스 요청자이다. 그리고 서비스는 Device에 의해서 구현된 기능적 단위가 된다. UPnP Device는 여러 서비스들을 포함할 수 있다. 그림 2는 이들 컴포넌트들의 관계를 표현하고 있다.</p> <p>UPnP 네트워킹은 Addressing, Discovery, Description, Control, Eventing, Presentation의 6단계를 통해서 이루어지게 된다. Addressing 단계에서는, Device가 네트워크에 연결되면 Auto-IP를 통해서 자동으로 주소를 얻게 된다. Discovery 단계에서는 SSDP를 통해 Device가 네트워크상에 자신을 알리거나 또는 Control Point가 관심있는 Device를 찾게 된다. Description 단계에서는 Control Point가 찾은 Device의 Description을 요청해서 가져오게 된다. 이 때 Control Point는 받은 Device Description을 보고 서비스들에 대한 Service Description도 가져오게 된다. Control 단계에서는 Control Point가 Device와 그에 대한 Service의 Description을 가지고, SOAP를 통해서 원하는 Action을 요청하게 된다. Eventing 단계는 Control Point가 Device의 상태 변화를 Event로 줄 것을 요청하게 된다. 이러한 단계를 표 1에서 나타내 고 있다.</p> <p>UPnP에서는 이러한 모든 동작이 자동으로 이루어지기 때문에 zero-configuration 특성을 가진다고 일컬어진다. 또한, 이러한 특성 때문에 UPnP에서는 Device나 Control Point가 네트웍에 dynamic하게 들어왔다 나가는 것이 자연스럽게 지원되는 것이다. 표 2에서는 TAO와 UPnP의 특성을 비교하였다. UPnP가 TAO와 다른 첫 번째 특성은 앞서 언급한대로 dynamic 배치(deployment)가 가능하다는 점이다. 두 번째는 그 scope과 프로그래밍 모델이다. TAO는 object를 대상으로 하는 반면에 UPnP는 서비스를 대상으로 한다. 여기서 서비스는 내부에서의 처리 프로세스를 밖으로 드러내지 않으면서 인터페이스와 결과만을 제공하는 단위로 일반적으로 object의 scope 보다는 크다. 또한, UPnP는 TAO보다 작은 크기로 구현될 수 있어서 작은 memory footprint를 가지는 점이 작은 메모리를 가지는 embedded 시스템에서 잘 활용될 수 있다.</p> <table border><caption>표 2. TAO와 UPnP의 비교</caption> <tbody><tr><td>분류</td><td>TAO</td><td>UPnP</td></tr><tr><td>Management</td><td>Object</td><td>Control point, Device, Service</td></tr><tr><td>Deployment</td><td>Static</td><td>Dynamic</td></tr><tr><td>Programming model</td><td>Object oriented</td><td>Service oriented</td></tr><tr><td>Scheduling</td><td>O</td><td>X</td></tr><tr><td>Network</td><td>ATM, VME, compactPCI, IPv6</td><td>Ethernet, IEEE1394, USB, HomeRF</td></tr><tr><td>Protocol</td><td>GIOP, IIOP</td><td>TCP, UDP, IP, HTTP, SSDP, SOAP</td></tr><tr><td>OS</td><td>LynxOS, VxWorks, QNX, Linux, OS9</td><td>Windows, Linux, PocketPC</td></tr><tr><td>Interface</td><td>Stub, Skeleton</td><td>XML documents</td></tr><tr><td>Memory Footprint</td><td>Big</td><td>Small</td></tr></tbody></table> <p>UPnP는 또한 DLNA(Digital Living Network Alliance)에도 채택이 되었는데, DLNA는 CE(Consumer Electronics), Mobile 및 PC 업체들이 홈 네트워크 상에 있는 디지털 TV, Set-top box, Mobile phone, PDA, PC등 모든 디지털 기기들의 상호호환성 문제를 해소하기 위한 컨소시엄이다. UPnP는 여기에서 장치 검색 및 제어 표준 프로토콜의 기반이 되고 있다. 따라서, UPnP는 앞으로 가정이나 사무실에서 많이 사용되는 미들웨어로 채택될 가능성이 크다고 하겠다.</p>
|
[
"Discovery 단계는 어떻게 진행되나요?",
"어떻게 Discovery 단계가 추진되었지",
"Addressing 단계는 어떻게 동작되나요?",
"어떻게 Addressing 단계가 동작되나요 ",
"Description 단계는 어떻게 진행되나요?",
"어떻게 Description 단계가 추진되나요",
"Control 단계에서는 어떻게 진행되나요?",
"어떻게 Control 단계에서 추진되나요",
"UPnP는 어떤 것을 위한 아키텍처인가?",
"어떤 것을 위한 아키텍처가 UPnP일까",
"클라이언트와 서버 프로그램은 어떤 방법을 통해 인터페이스를 정해?",
"TAO를 확장하는 방법은 뭐야?",
"무슨 방법이 TAO를 확대하지",
"ORB의 처리과정은 뭐지?",
"무엇이 ORB의 처리과정이야",
"클라이언트 서비스를 호출하는 방법이 어떻게 돼?.",
"어떤 방법이 클라이언트 서비스를 호출해",
"UPnP 네트워킹은 어떠한 단계를 통하여 이루어 지나요?",
"Eventing 단계는 어떻게 진행되나요?",
"어떻게 Eventing 단계가 추진되나요 ",
"TAO와 UPnP 중 Management에서 Object특성을 가지는 것은 무엇인가요?",
"TAO와 UPnP 중 Management에서 Control point, Device, Service특성을 가지는 것은 무엇인가요?",
"TAO와 UPnP 중 Deployment에서 Static특성을 가지는 것은 무엇인가요?",
"TAO와 UPnP 중 Deployment에서 Dynamic특성을 가지는 것은 무엇인가요?",
"TAO와 UPnP 중 Programming model에서 Object oriented특성을 가지는 것은 무엇인가요?",
"TAO와 UPnP 중 Programming model에서 Service oriented특성을 가지는 것은 무엇인가요?",
"TAO는 Scheduling 특징을 가지고 있다?",
"UPnP는 Scheduling 특징을 가지고 있다?",
"TAO와 UPnP 중 Network에서 ATM, VME, compactPCI, IPv6특성을 가지는 것은 무엇인가요?",
"TAO와 UPnP 중 Network에서 Ethernet, IEEE1394, USB, HomeRF특성을 가지는 것은 무엇인가요?",
"TAO와 UPnP 중 Protocol에서 GIOP, IIOP특성을 가지는 것은 무엇인가요?",
"TAO와 UPnP 중 Protocol에서 TCP, UDP, IP, HTTP, SSDP, SOAP특성을 가지는 것은 무엇인가요?",
"TAO는 어떤 OS에서 지원이 되나요?",
"UPnP는 어떤 OS에서 지원이 되나요?",
"TAO의 Interface 특징은 무었인가요?",
"UPnP의 Interface 특징은 무었인가요?",
"TAO의 Memory Footprint 특징은 무었인가요?",
"UPnP의 Memory Footprint 특징은 무었인가요?",
"TAO와 UPnP를 비교한 표에서 UPnP의 의 Memory Footprint 항목의 값은 무엇인가요?"
] |
6293aece-0a95-4de5-8da8-ba8333cbfd7b
|
인공물ED
|
UPnP 기반 로봇 미들웨어
|
<h1>Ⅲ. 로봇 미들웨어로서의 UPnP 검토 및 실험</h1> <p>본 연구에서는 UPnP가 로봇 미들웨어로 사용되기에 적합한가를 여러 가지 측면에서 검토하고 하고자 한다. 로봇 미들웨어는 여러 가지 다른 타입의 로봇에 적용이 가능하도록 일반적이어야 하지만, 본 연구에서는 여러 로봇 타입을 포괄할 수 있는 약간 일반화된 샘플 로봇 아키텍처를 정하고, 여기에 UPnP를 적용하는 것을 검토한다. 본 연구에서 정한 샘플 로봇은 하드웨어적으로는 몇 장의 SBC(single board computer)로 이루어져 있고, 각각은 네트웍으로 연결되어 있는 것으로 하였다. 그림 3(a)는 이러한 하드웨어 구성도를 나타내고 있다. 이들 SBC에는 Linux가 돌고 있고, RTAI와 같은 실시간 OS를 채택하여 사용한다. 각 SBC는 주행, 조작, 비전(vision), 음성인식, 동작계획(planning) 등의 기능을 맡고 있다. 소프트웨어 구조는 기본적으로 소프트웨어 컴포넌트(component) 들로 이루어져 있다. 하나의 소프트웨어 컴포넌트는 내부적으로 간단하거나 복잡한 기능을 구현하고 있고, 다른 컴포넌트들에게 인터페이스(interface)를 제공하여 그 기능을 사용할 수 있도록 한다. 이러한 소프트웨어 컴포넌트들을 조합하면 'planning'이나 'navigation'과 같은 복잡한 기능을 구현할 수 있게 된다. 그림 3(b)는 이러한 소프트웨어 구성을 나타내고 있는데, 여기서 각 블록(block)은 소프트웨어 컴포넌트를 나타낸다. 소프트웨어 컴포넌트들은 여러 개가 하나의 SBC에 위치할 수 있다. 또한, 어떤 컴포넌트들은 하드웨어와 밀접한 연관을 가지는 것들도 있다. 센서와 액츄에이터(actuator)에 관련된 소프트웨어 컴포넌트들이 그러한 예이다. 이러한 컴포넌트들은 실시간 제한(constraint)을 가질 수 있다.</p> <p>UPnP를 로봇 미들웨어로 사용하기 위해서는 몇 가지 고려되어야 하는 사항들이 있는데, 본 연구에서는 위에서 설명한 샘플 로봇을 대상으로 고려해 본다.</p> <p>소프트웨어 아키텍처 - 위에서 말한 소프트웨어 아키텍처를 보면 각 소프트웨어 컴포넌트들이 세세한 object 수준으로 나뉘어져 있다기 보다는 보다 큰 기능 위주로 나뉘어 있는 것을 알 수 있다. 이는 로봇에 복잡한 기능을 포함시키려고 할 때, 일반적으로 여러 다른 그룹이 각각의 컴포넌트를 만들게 되는데, 컴포넌트들을 object 단위로 분할하기 보다는 조금 더 큰 수준에서 기능을 나누어 구현하는 경우가 많기 때문이다. 따라서, 이러한 소프트웨어 아키텍처에는 UPnP의 SOA(Service Oriented Architecture)가 적합하다고 할 수 있다. 이때 각 소프트웨어 컴포넌트들은 UPnP의 Device나 Control Point에 대응될 수 있고, 컴포넌트의 인터페이스는 UPnP Device의 Service에 의해 제공될 수 있다.</p> <p>메시지(Message) - UPnP의 Device와 Control Point는 service invocation과 response를 포함하는 메시지를 전달하여 통신을 한다. 이러한 메시지는 Simple 메시지(지연시간 조건이 별로 없는 작은 메시지), 실시간(Realtime) 메시지(시간 제한조건이 있는 작은 메시지), 메시지 stream(일정 주기를 가진 메시지 sequence), Isochronous(지속적인 media type의 데이터), Burst(대용량 데이터)의 5가지로 분류해 볼 수 있다. Simple 메시지와 실시간 메시지는 UPnP의 네트워킹 동작 중에 Control 단계에 전송될 수 있다. (실시간 메시지에 대한 것은 다음에 다시 설명) 메시지 stream은 UPnP의 네트워킹 동작 중에 Eventing을 이용해 전송이 가능하다. 만일 Eventing에서 시간 변수를 상태(state) 변수로 잡으면 이 상태 변수를 구독(subscribe)하는 Control Point에 주기적인 메시지 전송이 가능할 것이다. 만일 Isochronous와 Burst에서 처럼 전송할 데이터가 많으면 UPnP AV 방식을 사용할 수 있다. UPnP AV는 UPnP를 사용하여 디지털 audio와 video를 전송하기 위한 아키텍처이다. 그림 4는 UPnP AV 아키텍처를 보여주고 있다. UPnP AV에서는 Media server와 Media renderer의 두 가지 타입의 device가 정의되어 있다. Media server는 미디어를 저장하고 있는 device이고, Media renderer는 미디어를 rendering해주는 device이다. UPnP AV Control Point는 Media server와 Media renderer를 네트웍 상에서 찾고, UPnP action을 통해서 Media server를 Media renderer와 연결시켜 준다. 일단 연결이 되면 두 개의 device는 UPnP AV Control Point의 개입없이 media stream을 전송한다. 이와 같은 방식으로 Isochronous와 Burst 데이터는 데이터 source(Media server)에서 데이터를 사용하는 측(Media renderer)으로 전송될 수 있을 것이다. 추가적으로 이 경우에 그림 3(a)에 표시된 high speed 네트웍을 사용할 수도 있을 것이다. 표 3은 지금까지 설명한 메시지 대응 관계를 나타내고 있다.</p> <table border><caption>표 3. 메시지 타입과 UPnP action과의 mapping</caption> <tbody><tr><td>메시지 타입</td><td>설명</td><td>예</td><td>UPnP action</td></tr><tr><td>Simple message</td><td>지연시간 조건이 별로 없는 작은 메시지</td><td>일반적인1 service invocation</td><td>Control</td></tr><tr><td>Realtime message</td><td>시간 제한조건이 있는 작은 메시지</td><td>제어 신호 invocation</td><td>Control*</td></tr><tr><td>Message stream</td><td>일정 주기를 가진 메시지 sequence</td><td>주기적인 센서 데이터</td><td>Eventing</td></tr><tr><td>Isachronous</td><td>지속적인 media type의 데이터</td><td>카메라 데이터, 음성 데이터</td><td>UPnP A/V style action</td></tr><tr><td>Burst</td><td>대용량 데이터</td><td>지도</td><td>UPhP A/V style action</td></tr></tbody></table>
|
[
"Control*의 UPnP action을 가지고 있는 메시지 타입은 뭐니?",
"일련의 주기와 관계있는 메시지 타입은 어떤거야?",
"지도와 같은 대용량 데이터의 메시지 타입은 무엇일까?",
"Burst와 같은 UPnP action을 가진 메시지 타입을 무엇이니?",
"Realtime message가 의미하는 것은 뭐야?",
"Simple message의 UPnP action은 뭐야?",
"주기적인 센서 데이터를 예로 가진 메시지 타입의 UPnP action은 무엇이냐?",
"SBC의 다양한 기능들을 사용하기 위해 소프트웨어 컴포넌트는 어떻게 동작하나?"
] |
040ad9c8-3041-4b3b-b9fb-b5984b436e15
|
인공물ED
|
다중 사용자 다중 입출력 시스템을 위한 Block Tomlinson-Harashima 전처리 기법의 전력 손실 분석
|
<p>BTHP의 성능을 분석하기 위해서는 송수신 신호 대 잡음 비(signal to noise ratio, SNR)의 관계를 알아야 하는데, 기존의 분석은 송신 심볼이 균일 분포를 따른다는 가정 하에서 이루어진다<caption>\( { }^{[7]} \)</caption>. 하지만 MU MIMO 시스템에서 실제 송신 심볼 분포는 대체로 균일하지 않으므로 정확한 성능 분석이 이루어지기 어렵다. 따라서 본 논문에서는 MU MIMO 시스템에서 BTHP의 송수신 전력의 관계를 분석하여 시스템의 성능을 근사하기 위한 도구로써 제시하였다. 균일한 송신 심볼 가정은 각 사용자가 겪는 간섭신호가 매우 크다는 가정에 기인하는데, 본 논문에서는 실제 간섭신호의 통계적 특성을 분석함으로써 정확한 송신 전력 근사값을 제공하였다.</p><p>이어지는 본 논문의 구성은 다음과 같다. II 장에서는 BTHP 를 적용한 MU MIMO 시스템 모델을 설명하고, III장에서는 BTHP 의 송신 전력을 분석한다. 구체적으로는, 첫 설에서 기존의 분석 기법과 그 문제점을 살펴보고 이어지는 절에서 제안하는 분석 방법을 제시한다. IV장에서는 모의실험을 통해 제안된 분석의 정확성을 확인하고, V장에서 결론을 내린다.</p><h1>II. BTHP를 적용한 MU MIMO 시스템 모델</h1><p>본 논문에서는 \( N_{T} \) 개의 송신 안테나를 갖는 기지국과 각각 \( N_{r} \) 개의 수신 안테나를 갖는 \( K \) 명의 사용자를 포함하는 하향링크 MU MIMO 통신 시스템을 고려한다. 시스템의 총 송신 안테나 수 \( N_{T} \) 는 총 수신 안테나 수 \( N_{R}=K N_{r} \) 와 같거나 더 많고, 동시에 전송되는 데이터 스트림 수는 \( N_{R} \) 과 같다고 가정한다.</p><p>이러한 시스템에서 \( k \) 번째 사용자의 수신 신호 벡터는 다음과 같다.</p><p>\( \mathrm{y}_{k}=\mathrm{H}_{k} \mathrm{x}+\mathrm{z}_{k} \)<caption>\( {(1)} \)</caption></p><p>여기서 \( \mathrm{H}_{k} \) 는 \( k \) 번째 사용자에 해당하는 \( N_{r} \times N_{T} \) 채널 행렬로, 평균은 0 이고 분산은 1 인 i.i.d. 가우시안 랜덤 변수들로 구성되고, \( \mathrm{x} \) 는 \( N_{T} \times 1 \) 송신 신호 벡터, \( \mathrm{z}_{k} \) 는 평균은 \(0\) 이고 분산이 \( \sigma_{z}^{2} \) 인 i.i.d. 가우시안 랜덤 변수들로 구성된 \( K_{r} \times 1 \) 백색 잡음 벡터이다.</p>
|
[
"MU MIMO 시스템 모델에 BTHP 를 적용한 모델은 본 논문의 어디에서 설명하고 있는가?",
"무엇의 관계에 대한 지식이 BTHP의 기능을 알아보기 위해서 요구되는가?",
"어떤 방법을 통해야 BTHP의 기능에 대해 알 수 있겠는가?",
"signal to noise ratio의 관계를 알고, BTHP의 성능을 분석하는 일은 어떤 가정 아래에서 이루어지는가?",
"현실적인 송신 심볼은 어디에서 전반적으로 골고루 퍼져있지 않아?",
"개별 사용자가 경험하는 무엇이 굉장히 크다는 가정이 균일한 송신 심볼 가정의 배경이 되는가?",
"확실한 송신 전력 근사값을 얻기 위해서 본 논문에서는 어떻게 하였어?",
"간섭신호의 통계적 특성을 진짜로 분석하는 과정을 통해 어떤 값을 오차 없이 획득할 수 있었는가?",
"시스템에 존재하는 전체 수신 안테나 수와 동일하거나 수가 그보다 큰 값은 무엇인가?",
"같은 때에 보내지는 데이터 스트림 수와 동일한 값을 가지는 것은 무엇인가?",
"논문에서 고려할 통신 시스템은 개별적으로 몇 개의 수신 안테나를 갖는 \\( K \\) 명의 사용자를 망라하는가?",
"BTHP의 송수신 전력의 관계는 시스템의 성능을 어떻게 하기 위한 도구로써 검토되어졌는가?",
"BTHP의 송수신 전력의 관계를 알아보는 일은 이를 어떤 도구로 삼기 위해서인가?",
"본 논문의 III장에서 알아볼 내용은 무엇인가?",
"논문에서 알아볼 시스템은 \\( N_{T} \\) 개의 송신 안테나를 지니는 기지국을 내포하는 어떤 시스템인가?",
"\\( k \\) 번째 사용자에 맞먹는 \\( N_{r} \\times N_{T} \\) 채널 행렬은 수식에서 어떻게 표현돼?",
"수식에서 \\( \\mathrm{H}_{k} \\) 의 구성은 어떻게 되는가?",
"BTHP의 성능을 분석하는 일은 실제로는 정확하게 이루어지기가 힘든데, 그 이유가 뭐야?"
] |
043265eb-39a3-4266-9221-6c42496e30b2
|
인공물ED
|
다중 사용자 다중 입출력 시스템을 위한 Block Tomlinson-Harashima 전처리 기법의 전력 손실 분석
|
<p>그림 \(1\)은 4-QAM 변조방식을 사용헸을 때의 결과를 도시한 것으로 원으로 표시된 실선은 Monte-Carlo 실험으로 얻은 결과이고, 상향 삼각형으로 표시된 실선은 기존의 분석 결과, 그리고 하향 삼각형으로 표시된 실선은 제안한 분석 결과이다. 제안한 분석 결과가 기존의 분석 결과에 비해 상대적으로 오차가 적은 것을 확인할 수 있으며, 기존의 분석 결과는 사용자 수가 늘어남에 따라 더 많은 오차를 나타내는 것에 반해 사용자 수가 증가함에 따라 더 정확한 것을 확인할 수 있다. 이는 상술한 바와 같이 MU MIMO 시스템에서 각 사용자가 겪는 간섭 신호의 크기가 전송 심볼의 분포가 균일분포에 가까워지게 하기에는 적기 때문이다. 구체적으로는, 상위 사용자일수록 채널 분해에 의해 형성되는 유효채널의 크기는 커지는 반면, 간섭 신호원의 수는 감소하므로 유효 간섭 신호의 크기가 매우 작아지며, 4- QAM과 같이 메시지 심볼의 분포가 균일분포와 다를수록 유효 간섭 신호의 크기에 영향을 크게 받기 때문이다.</p><p>그림 \(2\)는 16-QAM 변조방식을 사용헸을 때의 결과를 도시한 것이다. 그림 \(1\) 에서와는 달리 기존 분석 결과의 정확도가 높으며, 이로 인해 제안한 분석이 상대적으로 큰 이득을 얻지 못하는 것을 확인할 수 있다. 하지만 여전히 사용자의 수가 늘어남에 따라 제안하는 분석 결과가 상대적으로 더 정확한 것을 확인할 수 있다. 이는 16-QAM의 경우, 4-QAM의 경우에 비해 메시지 심볼의 분포가 균일분포에 상대적으로 가깝기 때문에, 간섭 신호의 크기의 감소에 상대적으로 덜 민감하기 때문이다.</p><h1>V. 결 론</h1><p>본 논문에서는 MU MIMO 시스템에서 BTHP를 적용하였을 때, 시스템의 송신 전력에 대한 정확한 분석 결과를 제시하였다. 기존의 분석 방식이 각 사용자가 겪는 간섭 신호가 충분히 크다는 가정을 통해 BTHP 의 송신 심볼이 균일분포를 따른다는 점을 이용한 데 반해, 제안한 분석에서는 MU MIMO 시스템에서 실제로 각 사용자가 겪는 간섭 신호의 통계적 특성을 분석하여 이를 전력 분석에 반영함으로써 더 정확한 결과를 제공하였다. 이는 시스템의 성능을 평가하는데 직접적으로 활용될 수 있으며, BTHP를 고려하는 다양한 시스템의 성능을 평가하는데 있어서 참고자료로 활용될 수 있다. 모의실험 결과를 통해 시스템의 안테나 수가 늘어남에 따라 기존의 분석결과보다 향상된 정확도를 갖는 결과를 제공할 수 있음을 확인하였고, 특히 4-QAM 변조방식의 경우 기 이득이 상대적으로 커짐을 확인하였다.</p>
|
[
"전송 심볼의 분포가 균일분포에 가까워지게 하기에는 MU MIMO 시스템에서 무엇이 적은가?",
"그림 \\(1\\)의 원으로 표시된 실선은 어떤 실험으로 얻은 결과인가?",
"그림 \\(1\\)은 어떤방식을 사용했을 때 얻은 결과이지?",
"무엇에 의해 형성되는 유효채널의 크기는 상위 사용자일수록 커지는가?",
"무엇의 수는 상위 사용자일수록 줄어드는가?",
"간섭 신호원의 수가 감소하면 어떻게 되는가?",
"균일분포와 메시지 심볼의 분포가 다를수록 유효 간섭 신호의 크기에 영향을 받는 것은 무엇이지?",
"그림 \\(2\\)는 무슨 방식을 적용 했을때의 결과를 표시한 것이지?",
"16-QAM 변조방식은 무엇에 따라 제안하는 분석 결과가 정확하다는 것을 알 수가 있지?",
"16-QAM 변조방식을 사용했을때는 4-QAM 변조방식을 사용했을때보다 무엇이 높은가?",
"MU MIMO 시스템에서 각 사용자가 겪는 간섭 신호의 크기가 무엇에 가까워지기에는 적지?",
"채널 분해에 의해 형성되는 유효채널의 크기 누구일때 더 커지는가?",
"간섭 신호의 크기의 감소에 16-QAM이 덜 민감한 이유는 무엇이지?",
"4-QAM에 비해 16-QAM의 경우 무엇의 분포가 균일분포에 상대적으로 가까운가?",
"이 논문에서는 시스템의 송신 전력에 대한 정확한 분석 결과는 MU MIMO 시스템에서 무엇을 적용하였을 경우 제시되었는가?",
"MU MIMO 시스템에서 BTHP를 적용하였을 때 이 논문에서 무엇에 대한 분석 결과가 제시되었지?",
"MU MIMO 시스템에서는 실제로 각 사용자가 겪는 무엇을 분석하여 반영하였는가?",
"16-QAM 변조방식은 사용자의 수가 늘어남에 따라 어떻게 되지?"
] |
8d1f5f8d-38c4-44d9-8a89-1bbc9d4ba1fe
|
인공물ED
|
다중 사용자 다중 입출력 시스템을 위한 Block Tomlinson-Harashima 전처리 기법의 전력 손실 분석
|
<p>전체 채널 행렬 H 와 수신 신호 벡터 y, 잡음 벡터 z 는 다음과 같이 표현하면,</p><p>\( \mathrm{H}=\left[\begin{array}{llll}\mathrm{H}_{1}^{T} & \mathrm{H}_{2}^{T} & \cdots & \mathrm{H}_{K}^{T}\end{array}\right] \)</p><p>\( \mathrm{y}=\left[\begin{array}{llll}\mathrm{y}_{1}^{T} & \mathrm{y}_{2}^{T} & \cdots & \mathrm{y}_{K}^{T}\end{array}\right] \)</p><p>\( \mathbf{z}=\left[\begin{array}{llll}\mathbf{z}_{1}^{T} & \mathbf{z}_{2}^{T} & \cdots & \mathrm{z}_{K}^{T}\end{array}\right] \)</p><p>총 수신 신호 벡터 y 는 다음과 같다.</p><p>\( \mathrm{y}=\mathrm{Hx}+\mathrm{z} \)<caption>\( {(2)} \)</caption></p><p>이 때, 송신 신호 벡터 x 는 모든 사용자에게 전달하고자 하는 메시지 심볼을 포함하고 있으며, 다음과 같이 정의된다.</p><p>\( \mathrm{x}=\sum_{k=1}^{H} \mathrm{~F}_{k} \tilde{\mathrm{S}}_{k} \)<caption>\( {(3)} \)</caption></p><p>여기서 \( \mathrm{F}_{k} \) 는 \( k \) 번째 사용자에 해당하는 \( N_{T} \times N_{r} \) 전처리 필터 행렬로 하위 사용자의 송신 신호가 상위 사용자에게 간섭으로 작용하지 않도록 제거하는 역할을 한다.</p><p>\( \mathrm{H}_{k, l}^{\mathrm{eff}}=\mathrm{H}_{k} \mathrm{~F}_{l}=0_{N_{r} \times N_{r}} \), for \( k<l \)<caption>\( {(4)} \)</caption></p><p>여기서 \( 0_{N_{r} \times N_{r}} \) 는 해당 크기의 영행렬이고, (4)를 만족하는 전처리 필터는 블록 QR 분해를 통해 이루어진다고 가정한다<caption>\( { }^{[3]} \)</caption>. 이리한 필터를 통해 형성되는 유효채널은 블록 삼각화된 형태를 가지며, 이 때 (1)에 정의된 \( k \) 번째 사용자의 수신 신호 벡터는 다음과 같다.</p><p>\( \mathrm{y}_{k}=\mathrm{H}_{k, k}^{\mathrm{eff}} \tilde{\mathrm{s}}_{k}+\sum_{l=1}^{k-1} \mathrm{H}_{k, l}^{\mathrm{eff}} \tilde{\mathrm{s}}_{l}+\mathrm{z}_{k} \)<caption>\( {(5)} \)</caption></p><p>여기서 상위 사용자들로부터 전달되는 간섭 신호 \( \mathrm{i}_{k}=\sum \mathrm{H}_{k, l}^{\mathrm{eff}} \tilde{\mathrm{s}}_{l} \) 는 BTHP에 의해 제거할 수 있으며 이 때, \( k \) 번째 사용자의 송신 심볼 벡터 \( \tilde{s}_{k} \) 는 다음과 같다.</p><p>\( \begin{aligned} \tilde{\mathrm{s}}_{k} &=\left[\mathrm{s}_{k}-\mathrm{H}_{k, k}^{\mathrm{eff}} \mathrm{i}_{k}^{-1}\right]_{\text {mod }}, \tilde{\mathrm{s}}_{1}=\mathrm{s}_{1} \\ &=\mathrm{s}_{k}-\mathrm{H}_{k, k}^{\mathrm{eff}} \mathrm{i}_{k}+\mathrm{d}_{k} \end{aligned} \)<caption>\( {(6)} \)</caption></p><p>\( \mathrm{s}_{k} \) 는 \( k \) 번째 사용자에게 전송하고자 하는 메시지 심볼 벡터로 각 심볼은 M-ary QAM 성상도 \( A=\left\{a_{I}+a_{Q}\right\} \) \( \left.a_{I}, a_{Q} \in[\pm 1, \pm 3, \cdots, \pm(\sqrt{M}-1)]\right\} \) 에 속하며, 평균 전력은 다음과 같다.</p><p>\( \begin{aligned} P_{s} & \triangleq E\left\{s s^{*}\right\} \\ &=\frac{2(M-1)}{3} \end{aligned} \)<caption>\( {(7)} \)</caption></p>
|
[
"상위 사용자를 간섭하지 않기 위해 하위 사용자의 송신 신호를 제거하는 역할을 하는 행렬은 뭐야?",
"\\( \\mathrm{s}_{k} \\)은 몇 번째 사용자에게 전송하고자 하는 메시지 심볼 벡터야?",
"상위 사용자들로부터 전달되는 간섭 신호 \\( \\mathrm{i}_{k}=\\sum \\mathrm{H}_{k, l}^{\\mathrm{eff}} \\tilde{\\mathrm{s}}_{l} \\)를 제거할 수 있는 것은 뭐야?",
"\\( \\mathrm{H}_{k, l}^{\\mathrm{eff}}=\\mathrm{H}_{k} \\mathrm{~F}_{l}=0_{N_{r} \\times N_{r}} \\), for \\( k<l \\)에서 \\( 0_{N_{r} \\times N_{r}} \\)는 무엇을 의미해?",
"전체 사용자에게 전달하고자 하는 메시지 심볼을 포함하고 있는 신호는 뭐야?",
"어떤 신호가 전체 사용자에게 전달하고자 하는 메시지 심볼을 포함하고 있나요?"
] |
2f2990da-79a3-4e52-a3d3-5986eb9ca111
|
인공물ED
|
다중 사용자 다중 입출력 시스템을 위한 Block Tomlinson-Harashima 전처리 기법의 전력 손실 분석
|
<p>\( [\cdot]_{\text {mod }} \) 는 복소 modulo 연산자로 출력의 실수부와 허수부를 \( [-T, T) \) 의 범위에 존재하도록 하며, 본 논문에서는 \( T=2 \sqrt{M} \) 으로 정의한다. \( \mathrm{d}_{k} \) 는 modulo 연산에 의해 더해지는 codevector로, 간섭 신호를 제거함으로써 발생하는 송신 전력 증대를 막아주는 역할을 한다. 그러면, \( k \) 번째 사용자의 수신 신호 벡터는 다음과 같이 간섭 신호가 제거된 형태로 나타난다.</p><p>\( \mathrm{y}_{k}=\mathrm{H}_{k, k}^{e f f}\left(\mathrm{~s}_{k}+\mathrm{d}_{k}\right)+\tilde{z}_{k} \)<caption>\( {(8)} \)</caption></p><p>이 때, 송신된 메시지 심볼의 추정은 zero-forcing (ZF) 필터와 송신단과 동일한 modulo 연산에 의해 이루어지거나<caption>\( { }^{[2]} \)</caption>, 혹은 이 시스템에 적합하게 구성된 ML 수신기에 의해 이루어지는 데<caption>\( { }^{[3]} \)</caption>, 잡음 신호의 크기가 충분히 작은 경우 \( \mathrm{d}_{k} \) 를 완벽하게 제거할 수 있으며 이 때 각 사용자에 전달되는 신호 모델은 SU MIMO 시스템의 그것과 동일한 형태를 가지므로 \( k \) 번째 사용자의 수신 SNR은 다음과 같다.</p><p>\( \begin{aligned} \eta_{k} &=\frac{P_{s} E\left\{\left\|\mathrm{H}_{k, k}^{\text {eff }}\right\|^{2}\right\}}{N_{r} \sigma_{z}^{2}} \\ &=\frac{K P_{s} E\left\{\left\|\mathrm{H}_{k, k}^{e f f}\right\|^{2}\right\}}{P_{\mathrm{x}}} \rho \end{aligned} \)<caption>\( {(9)} \)</caption></p><p>여기서 \( \rho=P_{\mathrm{x}} / K_{F} \sigma_{z}^{2} \) 는 송신 SNR 이다. (9)를 이용하면 기존의 SU MIMO 시스템의 에러 성능 분석 결과를 이용하여 각 사용자의 에러 성능과 시스템의 평균 에러 성능을 얻을 수 있고, 이를 위해서는 BTHP의 송신 전력 \( P_{\mathrm{x}} \) 에 대한 정확한 분석이 필요하다.</p><h1>Ⅲ․ BTHP의 송신 전력 분석</h1><h2>1. 기존 분석 기법</h2><p>BTHP의 송신 전력 \( P_{\mathrm{x}} \) 는 다음과 같다.</p><p>\( P_{\mathrm{x}} \triangleq E\left\{\mathrm{x}_{\sim}^{H} \mathrm{x}\right\} \) \( =E\left\{\begin{array}{rl}\sim \mathrm{S} & \mathrm{S}\end{array}\right\} \) \( =\sum_{k=1}^{K} E\left\{\tilde{\mathrm{s}}_{k}^{H} \tilde{\mathrm{s}}_{k}\right\} \)<caption>\( {(10)} \)</caption></p><p>여기서 각 사용자의 송신 심볼 전력 \( P_{\tilde{\mathbf{s}}_{k}} \triangleq E\left\{\tilde{\mathrm{s}}_{k}^{H} \tilde{\mathrm{s}}_{k}\right\} \) 은 BTHP의 modulo 출력 신호의 분산이며, 간섭신호가 충분히 크다고 가정하면 modulo 출력 신호는 균일 분포(uniform distribution)를 따르므로 다음과 같이 나타낼 수 있다.</p><p>\( P_{\tilde{s}_{k}}=\frac{2 M N_{r}}{3} \), for \( k>1 \)<caption>\( {(11)} \)</caption></p><p>여기서 첫 번째 사용자는 간섭 신호의 영향을 받지 않으므로 메시지 심볼의 전력과 동일하나. 따라서 (11)을 (10)을 대입하면 BTHP의 송신 전력은 다음과 같다.</p><p>(12)의 결과는 MU MIMO 시스템에서 BTHP를 적용 할 경우 모든 사용자가 겪는 간섭 신호의 크기가 충분히 크다는 가정에 기인한다. 하지만 일반적으로 이는 사실이 아니므로 \( { }^{[8]} \), 더 정확한 분석을 위해서는 중간 크기의 간섭신호 상황에서 송신 전력 분석이 필요하다.</p>
|
[
"복소 modulo 연산자로 무엇이 본문에서 \\( T=2 \\sqrt{M} \\) 으로 정의돼?",
"무엇이 본문에서 \\( T=2 \\sqrt{M} \\) 으로 정의되는 복소 modulo 연산자야??",
"\\( \\mathrm{d}_{k} \\) 는 어떻게 나타나는 송식전력 증대를 막아?",
"어떻게 생겨나는 송식전력 증대를 \\( \\mathrm{d}_{k} \\)가 막지?",
"\\( \\mathrm{y}_{k}=\\mathrm{H}_{k, k}^{e f f}\\left(\\mathrm{~s}_{k}+\\mathrm{d}_{k}\\right)+\\tilde{z}_{k} \\) 는 무엇이 제거된 형태야?",
"\\( \\mathrm{d}_{k} \\) 는 무엇에 의해 더해지는 codevector야?",
"무엇에 의해 더해지는 codevector가 \\( \\mathrm{d}_{k} \\)인가?",
"\\( [\\cdot]_{\\text {mod }} \\) 는 어디에 출력의 실수부와 허수부를 존재하도록 해?",
" 어디에 출력의 실수부와 허수부를 \\( [\\cdot]_{\\text {mod }} \\)가 존재하도록 해?",
"ZF 필터와 송신단과 동일한 modulo 연산에 의해 무엇을 추정해?",
"무엇을 ZF 필터와 송신단과 같은 modulo 연산을 통해 추측하지?",
"\\( \\mathrm{d}_{k} \\) 를 완벽하게 제거할 수 있는 것을 어떤 경우일 때야?",
"어떤 경우에 \\( \\mathrm{d}_{k} \\) 완벽하게 제거할 수 있어?",
"송신된 메시지 심볼은 이 시스템에 적합하게 구성된 무엇에 의해 추정될 수 있어?",
"이 시스템에 적합하게 구성된 무엇으로 송신된 메시지 심볼을 추정할 수 있을까?",
"잡음 신호의 크기가 충분히 작은 경우 \\( \\mathrm{d}_{k} \\) 를 완벽하게 제거할 수 있고 이때 사용자에게 전달되는 신호모델이 무엇과 동일한 형태를 가져?",
"\\( k \\) 번째 사용자의 수신 SNR을 수식으로 어떻게 나타내?",
"\\( \\begin{aligned} \\eta_{k} &=\\frac{P_{s} E\\left\\{\\left\\|\\mathrm{H}_{k, k}^{\\text {eff }}\\right\\|^{2}\\right\\}}{N_{r} \\sigma_{z}^{2}} \\\\ &=\\frac{K P_{s} E\\left\\{\\left\\|\\mathrm{H}_{k, k}^{e f f}\\right\\|^{2}\\right\\}}{P_{\\mathrm{x}}} \\rho \\end{aligned} \\) 식에서 송신 SNR이 뭐야?",
"각 사용자의 에러 성능과 시스템의 평균 에러 성능을 식 (9)를 이용하여 얻기 위해서는 무엇에 대한 정확한 분석이 필요해?",
"\\( P_{\\mathrm{x}} \\triangleq E\\left\\{\\mathrm{x}_{\\sim}^{H} \\mathrm{x}\\right\\} \\) \\( =E\\left\\{\\begin{array}{rl}\\sim \\mathrm{S} & \\mathrm{S}\\end{array}\\right\\} \\) \\( =\\sum_{k=1}^{K} E\\left\\{\\tilde{\\mathrm{s}}_{k}^{H} \\tilde{\\mathrm{s}}_{k}\\right\\} \\) 식은 무엇의 송신 전력 \\( P_{\\mathrm{x}} \\) 를 나타낸 거야?",
"무엇이 각 사용자의 송신 심볼 전력 \\( P_{\\tilde{\\mathbf{s}}_{k}} \\triangleq E\\left\\{\\tilde{\\mathrm{s}}_{k}^{H} \\tilde{\\mathrm{s}}_{k}\\right\\} \\) 이야?",
"어떻게 가정하면 modulo 출력 신호는 균일 분포를 따르게 돼?",
"modulo 출력 신호는 어떻게 가정하면 균일 분포를 따를까?",
"간섭신호가 충분히 크다고 가정하면 송신 심볼 전력은 어떻게 나타낼 수 있어?",
"첫 번째 사용자는 왜 메시지 심볼의 전력과 동일해?",
"식 (12)에서는 MU MIMO 시스템에서 BTHP를 적용 할 경우 누가 겪는 간섭신호의 크기가 충분히 크다고 가정해?",
"어디에 BTHP를 적용 할 경우 모든 사용자가 겪는 간섭 신호의 크기가 일반적으로는 충분히 크지 않아?",
"언제의 송신 전력 분석이 더 정확한 분석을 위해서 필요해?",
"\\( \\begin{aligned} \\eta_{k} &=\\frac{P_{s} E\\left\\{\\left\\|\\mathrm{H}_{k, k}^{\\text {eff }}\\right\\|^{2}\\right\\}}{N_{r} \\sigma_{z}^{2}} \\\\ &=\\frac{K P_{s} E\\left\\{\\left\\|\\mathrm{H}_{k, k}^{e f f}\\right\\|^{2}\\right\\}}{P_{\\mathrm{x}}} \\rho \\end{aligned} \\) 식을 이용하면 무엇을 이용하여 각 사용자의 에러 성능과 시스템의 평균 에러 성능을 얻을 수 있어?",
"몇 번째 사용자는 메시지 심볼의 전력과 동일해?",
"메시지 심볼의 전력과 같은 사용자는 몇 번째야?"
] |
8d1881e8-f3c1-4a24-a2fe-3820e35e5d0c
|
인공물ED
|
다중 사용자 다중 입출력 시스템을 위한 Block Tomlinson-Harashima 전처리 기법의 전력 손실 분석
|
<h1>요 약</h1><p>본 논문에서는 하향링크 다중사용자(multi-user, MU) 다중입출력(multi-input multi-ouput, MIMO) 시스템에 블록 Tomlinson-Harashima 전처리기(block Tomlinson-Harashima precoder, BTHP)를 적용했을 때, 시스템의 송신 전력에 대한 정확한 분석 결과를 제공하였다. 각 사용자별로 상위 사용자들로부터 전달되는 간섭신호를 BTHP 를 통해 제거하는 과정에서 큰 간섭신호 가정을 이용한 기존의 분석과는 달리, 실제로 전달되는 간섭신호의 통계적 특성을 분석함으로써 향상된 정확도를 갖는 분석 방법을 제안하였고, 모의실험을 통해 제안한 분석 결과가 기존 결과보다 정확함을 확인하였다.</p><h1>I. 서 론</h1><p>다중 입출력(multi-input multi-output, MIMO) 기술은 제한된 주파수 대역에서 높은 채널 용량을 얻을 수 있는 기술로, 이를 다중 사용자(multi-user, MU) 통신 시스템에 적용하려는 시도들이 있다. MU MIMO 시스템에서는 다중 안테나를 갖는 다수의 사용자들이 하나의 기지국과 통신을 하며, 기지국의 송신 안테나 수는 동시에 데이터를 전송하는 사용자의 총 안테나 수, 혹은 총 데이터 스트림 수만큼의 송신 안테나를 갖는다<caption>\( { }^{[1]} \)</caption>. 상향링크에서는 완벽한 채널 정보(channel state information, CSI)를 갖는 수신단이 단일 사용자(single user, SU) MIMO 시스템에서 제안된 수신 기법들을 이용함으로써 다수의 사용자들로부터 전송되는 메시지를 추정할 수 있다. 하지만, 하향링크에서는 사용자 간의 협력, 즉 수신 안테나 간의 협력이 제한되어 상대적으로 적은 안테나를 갖는 단일 사용자가 단독으로 송신된 메시지를 추정하는 것이 불가능하다. 따라서, 채널 정보를 아는 송신단(기지국)이 사용자간 간섭(multi-user interference, MUI)을 미리 제거함으로써 각 사용자의 수신을 돕는 시도들이 있었다<caption>\( { }^{[1-4]} \)</caption>.</p><p>MU MIMO 시스템의 채널 용량을 얻는 최적 방법은 일반화된 결정 재입력 등호기(generalized decision feedback equalizer, GDFE)와 DPC(dirty paper coding)의 결합으로, GDFE 의해 유효 채널을 블록 삼각 형태로 구성하고, \( \mathrm{DPC}^{[51} \) 에 의해 잔여 간섭 신호가 제거되는 형태로 구성된다<caption>\( { }^{[6]} \)</caption>. 하지만 GDFE 송수신 필터와 DPC는 실제로 구현하기는 어렵다. [2]에서 제안된 block Tomlinson-IJarashima precoding(BTHP)은 QR 분해를 통해 삼각 유효 채널을 형성하고, THP를 통해 잔여 간섭을 제거하는 기술로, GDFE 와 DPC의 가장 단순화된 형태로 생각할 수 있다. 이를 바탕으로 [3]에서는 다중 안테나를 갖는 사용자의 에러 성능을 높이기 위해 일반화된 블록 QR 분해 기법과 BTHP 에 맞게 개선된 최대 우도(maximum likelihood, ML) 수신기를 제안하였고, [4]에서는 시스템의 에러 성능을 향상시키기 위한 사용자간 전력 할당 기법을 제안하였다.</p>
|
[
"구현이 어려운 GDFE 송수신 필터와 DPC를 어떻게 대체할 수 있어?",
"하향링크의 한계를 극복하기 위해 어떤 시도가 있었는가?",
"본 논문이 연구한 내용은 무엇인가?",
"MU MIMO 시스템의 채널 용량을 얻는 최적 방법은 뭐야",
"채널 용량을 얻는 최적 방법의 구현에 있어서 난관은 무엇인가?",
"MU MIMO 시스템에서 기지국의 송신 안테나 수는 얼마인가?",
"각 사용자의 수신의 돕는 시도로 이 글에서 제안한 방법은 뭐야?",
"다중 입출력 기술을 어떤 분야에 이용하려는 시도가 있었는가?",
"왜 하향링크에서는 단일 사용자가 단독으로 송신된 메세지를 추정하는 것이 불가능한가?",
"상향링크에서 사용자들로부터 전송되는 메세지를 어떻게 추정하는가?",
"하향링크가 상향링크와 다른 점은 무엇인가?",
"본 논문에서 제안한 기존의 방법보다 높은 정확도를 가지는 분석 방법은 무엇인가?",
"다중 입출력 기술은 무엇인가?"
] |
98195d08-0c5e-4ef1-92aa-d755cb89e159
|
인공물ED
|
다중 사용자 다중 입출력 시스템을 위한 Block Tomlinson-Harashima 전처리 기법의 전력 손실 분석
|
<h2>2. 제안하는 분석 기법</h2><p>송신 심볼의 균일분포 가정이 없을 때 \( k \) 번째 사용자의 송신 심볼 전력은 다음과 같다.</p><p>\( \begin{aligned} P_{\tilde{\mathrm{s}}_{k}} &=E\left\{\left\|\tilde{\mathrm{s}}_{k}\right\|^{2}\right\} \\ &=E\left\{\left\|\left[\mathrm{~s}_{k}-\mathrm{H}_{k, k}^{e \mathrm{ff}^{-1}} \mathrm{i}_{k}\right]_{\mathrm{mod}}\right\|^{2}\right\} \\ &=\sum_{l=1}^{N_{r}} E\left\{\left\|\left[s_{k, l}-\bar{i}_{k, l}\right]_{\mathrm{mod}}\right\|^{2}\right\} \\ &=N_{r} E\left\{\left\|\left[s_{k}-\bar{i}_{k}\right]_{\mathrm{mod}}\right\|^{2}\right\} \end{aligned} \)<caption>\( {(13)} \)</caption></p><p>여기서 \( \bar{i}_{k, l} \) 은 유효 간섭 신호 벡터 \( \overline{\mathrm{i}}_{k}=\mathrm{H}_{k, k}^{\mathrm{eff}^{-1}} \mathrm{i}_{k} \) 의 \( l \) 번째 성분으로 유효 채널 행렬의 성분들이 동일한 통계적 특성을 가지므로 \( { }^{[8]}, l \) 값에 관계없이 동일한 분포를 따르고, \( l \) 항을 제외한 형태로 수식을 표현할 수 있다.</p><h3>가. 유효 간섭 \( \bar{i}_{k} \)</h3><p>(13)에서, \( k \) 번째 사용자가 겪는 간섭 신호 벡터의 \( l \) 번째 성분 \( i_{k, l} \) 은 다음과 같다.</p><p>\( i_{k, l}=\sum_{n=1}^{k-1} \sum_{m=1}^{N r}\left[\mathrm{H}_{k, n}^{\mathrm{eff}}\right]_{l, m} \tilde{s}_{n, m} \)<caption>\( {(14)} \)</caption></p><p>여기서 [・] \( ]_{l, m} \) 은 입력 행렬의 \( l \) 번째 행, \( m \) 번째 연의 성분을 나타낸다. \( \mathrm{H}_{k, n}^{e f f} \) 의 성분들은 i.i.d. 표준 가우시안 분포를 따르고 \( { }^{[3,8]}, \tilde{s}_{n, m} \) 의 통계적 특성은 알 수 없지만 본 논문의 목표가 이것의 분산을 구하는 것이므로 현 단계에서는 분산이 \( \sigma_{\tilde{s}_{n, m}}^{2} \) 인 임의의 랜덤 변수로 정의한다. 이 때, \( i_{k, l} \) 의 실수 성분과 허수 성분은 각각 평균이 0 , 분산이 \( \sigma_{\tilde{s}_{n, m}}^{2} / 4 \) 로 동일한 \( 2 N_{r}(k-1) \) 개의 랜덤 변수들의 합으로 나타난다. 또한 (13)에서 살펴본 바와 같이 \( m \) 에 따른 \( \tilde{s}_{n, m} \) 의 분산은 동일하므로, \( i_{k, l} \) 은 중심극한 정리(central limit theorem)에 따라 복소 가우시안 분포를 따른다고 가정할 수 있고, 이 때 평균은 0 , 분산은 \( N_{r} \sum \sigma_{\tilde{s}_{n}}^{2} \) 이다.</p><p>\( \begin{aligned} \sigma_{i_{k}}^{2} &=\frac{1}{N_{r}} E\left\{\left\|\overline{\mathrm{i}}_{k}\right\|^{2}\right\} \\ &=\frac{1}{N_{r}} E\left\{\left\|\mathrm{H}_{k, k}^{e \mathrm{ff}^{-1}} \mathrm{i}_{k}\right\|^{2}\right\} \\ &=\frac{1}{N_{r}} E\left\{\sum_{l=1}^{N_{r}} \lambda_{k, l}^{-1}\left\|i_{k, l}\right\|^{2}\right\} \\ &=\frac{1}{N_{r}} \sum_{l=1}^{N_{r}} E\left\{\lambda_{k, l}^{-1}\right\} E\left\{\left\|i_{k, l}\right\|^{2}\right\} \\ &=\frac{1}{N_{r}} E\left\{\Lambda_{k}^{-1}\right\} \sum_{l=1}^{k-1} \sigma_{\tilde{s}_{l}}^{2} \end{aligned} \)<caption>\( {(15)} \)</caption></p>
|
[
"아래 수식은 어떤 것을 나타내는가? \\( \\begin{aligned} P_{\\tilde{\\mathrm{s}}_{k}} &=E\\left\\{\\left\\|\\tilde{\\mathrm{s}}_{k}\\right\\|^{2}\\right\\} \\\\ &=E\\left\\{\\left\\|\\left[\\mathrm{~s}_{k}-\\mathrm{H}_{k, k}^{e \\mathrm{ff}^{-1}} \\mathrm{i}_{k}\\right]_{\\mathrm{mod}}\\right\\|^{2}\\right\\} \\\\ &=\\sum_{l=1}^{N_{r}} E\\left\\{\\left\\|\\left[s_{k, l}-\\bar{i}_{k, l}\\right]_{\\mathrm{mod}}\\right\\|^{2}\\right\\} \\\\ &=N_{r} E\\left\\{\\left\\|\\left[s_{k}-\\bar{i}_{k}\\right]_{\\mathrm{mod}}\\right\\|^{2}\\right\\} \\end{aligned} \\)<caption>\\( {(13)} \\)</caption>",
"송신 심볼의 균일분포 가정이 없을 때 k 번째 사용자의 송신 심볼 전력 수식을 작성하시오."
] |
bb982d1a-962b-41fa-b61c-c1e2a0bbeec8
|
인공물ED
|
가혹한 조건에 대응하기 위한 차량용 카메라의 개선된 영상복원 알고리즘
|
<h1>Ⅲ. 실 험 결 과</h1> <p>도로의 영상은 그림 13과 같이 1.3-Mega 픽셀 CMOS 이미지 센서와 ARM-9 기반 듀얼 코어 프로세스를 채택한 블랙박스로 촬영 되었으며, Visual Studio 2010과 OpenCV 2.2, Intel (R) Core(TM)2 Quad Q8400 CPU 2.66GHz의 환경에서 GUI(Graphical User Interface)를 구현 되었다.</p> <p>그림 14~17은 각각 차량용 카메라로 촬영한 영상이 제안된 감마보정 및 렌즈왜곡보정의 과정을 통한 보정 결과를 보여준다.</p> <p>그림 14는 고조도 환경에서 차량용 카메라로 촬영 시 감마보정을 나타낸 결과로서 화질저하가 나타나지 않으며 원영상과 다름없는 결과를 볼 수 있다. 반면에 그림 15 는 저조도 환경에서 촬영 시 감마보정 결과를 보여준다. 이때 차량, 교각, 차선 등의 차량의 내·외부가 확인이 가능할 정도의 영상을 확인 할 수 있다.</p> <p>그림 16 은 렌즈로 인한 건물 외벽의 영상 왜곡이 제안된 렌즈왜곡보정 과정을 거친 결과를 보여주며, 그림 17은 차량의 높이제한시설 및 전봇대의의 렌즈왜곡보정 결과를 보여준다. 두 결과 모두 육안으로 보는듯한 평활도의 결과를 확인 할 수 있다.</p> <p>최종적으로 도로의 상황을 촬영한 영상을 렌즈 왜곡보정과 감마 보정 알고리즘을 각각 병렬로 처리 한 후, 두 알고리즘을 하나의 영상으로 통합하는 알고리즘 결과는 그림 18 에서 보는바와 같다.</p> <p>GUI는 영상을 로딩하고 감마모드로 레벨을 설정 할 수 있도록 했으며, 성능지표를 표 2로 나타내었다.</p> <table border><caption>표 2. 통합 결과에 대한 성능지표</caption> <tbody><tr><td>Performance indicators</td><td>Unit</td><td>Numerical data</td></tr><tr><td>Resolution</td><td>pixel</td><td>1680x1050 (640x480)</td></tr><tr><td>Transmission frame rate</td><td>fps</td><td>30</td></tr><tr><td>Data speed</td><td>Kbps</td><td>268</td></tr><tr><td>Execution time</td><td>mim</td><td>2</td></tr></tbody></table>
|
[
"표 2에서 Resolution의 Unit은 뭐야?",
"Transmission frame rate의 Unit은 표 2에서 뭐야?",
"통합 결과에 대한 성능지표에서 Resolution의 Numerical data는 뭐야?",
"Execution time의 Unit은 표 2에서 뭘까?",
"Execution time의 Numerical data가 표 2에서 뭐로 나와있어?",
"Data speed의 Numerical data는 통합 결과에 대한 성능지표에서 어떻게 돼?",
"표 2의 Data speed는 Unit에서 뭐니?",
"Transmission frame rate의 Numerical data가 표 2에서 어떻게 나와있어?"
] |
10a5e949-4654-48de-88da-ec5d7d915ec5
|
인공물ED
|
계층버스 다중처리기에서 캐시 일관성 프로토콜의 민감도 분석
|
<h2>4.2 민감도 분석</h2><p>민감도의 기준 값은 버스의 주기는 \( 20 \mathrm{ns} \), 메모리 비율 0.000125로 해서 변수에 따른 민감도를 구하였다. 기준 값에 대한 프로세서 효율 및 버스 이용률에 대한 민감도는 표 1과 표 2에 정리하였다.</p><table border><caption>표 1. 버스 주기 변화에 대한 민감도</caption><tbody><tr><td colspan=2>구 분</td><td>기준</td><td>기준/2</td><td>기준*2</td><td>기준*3</td><td>기준*4</td></tr><tr><td rowspan=2>프로세서</td><td>이용률</td><td>0.947</td><td>0.965</td><td>0.909</td><td>0.873</td><td>0.836</td></tr><tr><td>민감도(\(\%\))</td><td>0.00</td><td>-1.9</td><td>4.01</td><td>7.81</td><td>11.72</td></tr><tr><td rowspan=2>CCU address</td><td>이용률</td><td>0.027</td><td>0.014</td><td>0.053</td><td>0.076</td><td>0.100</td></tr><tr><td>민감도(\(\%\))</td><td>0.00</td><td>48.15</td><td>-96.30</td><td>-181.48</td><td>-270.37</td></tr><tr><td rowspan=2>CCU data</td><td>이용률</td><td>0.017</td><td>0.009</td><td>0.032</td><td>0.047</td><td>0.062</td></tr><tr><td>민감도(\(\%\))</td><td>0.00</td><td>47.06</td><td>-88.24</td><td>-176.47</td><td>-264.71</td></tr><tr><td rowspan=2>ECU address</td><td>이용률</td><td>0.166</td><td>0.084</td><td>0.317</td><td>0.460</td><td>0.589</td></tr><tr><td>민감도(\(\%\))</td><td>0.00</td><td>49.40</td><td>-90.96</td><td>-177.11</td><td>-254.82</td></tr><tr><td rowspan=2>ECU data</td><td>이용률</td><td>0.044</td><td>0.023</td><td>0.086</td><td>0.124</td><td>0.158</td></tr><tr><td>민감도(\(\%\))</td><td>0.00</td><td>47.73</td><td>-95.45</td><td>-181.82</td><td>-259.09</td></tr></tbody></table><table border><caption>표 2. 메모리 비율 변화에 대한 민감도</caption><tbody><tr><td rowspan=2>구분</td><td rowspan=2>\(f\)\\(f^\prime\)</td><td colspan=2>기준/2</td><td colspan=2>기준값</td><td colspan=2>기준*2</td></tr><tr><td>이용률</td><td>민감도 (\(\%\))</td><td>이용률</td><td>민감도 (\(\%\))</td><td>이용률</td><td>민감도 (\(\%\))</td></tr><tr><td rowspan=3>프로세서</td><td>기준값</td><td>0.966</td><td>0.00</td><td>0.965</td><td>0.00</td><td>0.964</td><td>0.00</td></tr><tr><td>기준/2</td><td>0.974</td><td>-0.83</td><td>0.965</td><td>0.00</td><td>0.972</td><td>-0.83</td></tr><tr><td>기준*2</td><td>0.954</td><td>1.24</td><td>0.953</td><td>1.24</td><td>0.951</td><td>1.35</td></tr><tr><td rowspan=3>CCU address</td><td>기준값</td><td>0.013</td><td>0.00</td><td>0.014</td><td>0.00</td><td>0.016</td><td>0.00</td></tr><tr><td>기준/2</td><td>0.011</td><td>15.38</td><td>0.009</td><td>35.71</td><td>0.014</td><td>12.5</td></tr><tr><td>기준*2</td><td>0.017</td><td>-30.77</td><td>0.018</td><td>-28.57</td><td>0.015</td><td>6.25</td></tr><tr><td rowspan=3>CCU data</td><td>기준값</td><td>0.008</td><td>0.00</td><td>0.009</td><td>0.00</td><td>0.011</td><td>0.00</td></tr><tr><td>기준/2</td><td>0.008</td><td>0.00</td><td>0.007</td><td>22.2</td><td>0.011</td><td>0.00</td></tr><tr><td>기준*2</td><td>0.008</td><td>0.00</td><td>0.008</td><td>11.1</td><td>0.008</td><td>27.27</td></tr><tr><td rowspan=3>ECU address</td><td>기준값</td><td>0.079</td><td>0.00</td><td>0.084</td><td>0.00</td><td>0.094</td><td>0.00</td></tr><tr><td>기준/2</td><td>0.053</td><td>32.9</td><td>0.058</td><td>30.95</td><td>0.071</td><td>24.47</td></tr><tr><td>기준*2</td><td>0.113</td><td>-43.04</td><td>0.124</td><td>-47.62</td><td>0.128</td><td>-36.17</td></tr><tr><td rowspan=3>ECU data</td><td>기준값</td><td>0.019</td><td>0.00</td><td>0.023</td><td>0.00</td><td>0.034</td><td>0.00</td></tr><tr><td>기준/2</td><td>0.019</td><td>0.00</td><td>0.024</td><td>-4.35</td><td>0.038</td><td>-11.76</td></tr><tr><td>기준*2</td><td>0.017</td><td>10.53</td><td>0.021</td><td>8.70</td><td>0.030</td><td>11.76</td></tr></tbody></table><p>표 1과 표 2에서, 기준 값의 2배에서의 각 변수에 대한 민감도를 비교해 보면, 프로토콜의 성능에 가장 민감하게 영향을 미치는 변수를 찾아낼 수 있다. 프로세서 효율에 대한 민감도를 비교해보면, 버스 주기 변화에 대해서 SR(버스 주기)은 \( 4.01 \% \) 증가, 메모리 비율 변화에 대해서 SR(메모리 비율)은 \( 1.35 \% \) 감소를 보인다. CCU 버스의 어드레스 버스 이용률에 대한 민감도를 비교해보면, 버스 주기 변화에 대해서 SR(버스 주기)은 \( 96.30 \% \) 감소, 메모리 비율 변화에 대해서 SR(메모리 비율)은 \( 6.25 \% \) 증가를 보인다. CCU 버스의 데이터 버스 이용률에 대한 민감도를 비교해보면, 버스 주기 변화에 대해서 SR(버스 주기)은 \( 88.24 \% \) 감소, 메모리 비율 변화에 대해서 SR(메모리 비율)은 \( 27.27 \% \) 증가를 보인다. ECU 버스의 어드레스 버스 이용률에 대한 민감도를 비교해보면, 버스 주기 변화에 대해서 SR(버스 주기)은 \( 90.96 \% \) 감소, 메모리 비율 변화에 대해서 SR(메모리 비율)은 \( 36.17 \% \) 감소를 보인다. ECU 버스의 데이터 버스 이용률에 대한 민감도를 비교해보면, 버스 주기 변화에 대해서 SR(버스 주기)은 \( 95.45 \% \) 감소, 메모리 비율 변화에 대해서 SR(메모리 비율)은 \( 11.76 \% \) 증가를 보인다.</p><p>표의 결과를 그래프로 나타내면 그림 13과 같다. 버스 주기에 대한 민감도가 메모리 크기에 대한 민감도보다 크다.</p>
|
[
"ECU data 에서 기준치의 두배일때의 이용률은?",
"기준값이 두배일때의 이용률이 가장 높게 나타난 것은 무엇에 대한 이용률 조사에서였나?",
"기준값의 두배에서의 CCU address 민감도는?",
"프로세서 효율에 대한 민감도는 기준값이 몇배일때 가장 높이 나타나는가?",
"표에서 기준값이 세배일때 프로세서 효율에 대한 민감도는?",
"기준값이 두배일때 프로세서 효율에 대한 민감도는?",
"기준값에서의 프로세서 효율에 대한 이용률은?",
"CCU address 효율에 대한 민감도는 기준값이 몇배일때 가장 낮게 나타나는가?",
"기준값이 두배일때의 민감도가 가장 높게 나타난 것은 무엇에 대한 이용률 조사에서였나?",
"ECU data 에서 기준값이 네배일 때의 민감도는?",
"기준치의 두배일때 민감도가 가장 낮은 때는 어디에서의 효율을 측정했을 때인가?",
"기준값이 세배일때 ECU address 효율에 대한 민감도는?",
"기준값의 두배에서 프로세서 효율에 대한 메모리 비율 변화에 대한 민감도는?",
"기준값의 두배에서 CCU address 대한 메모리 비율 변화에 대한 민감도는?",
"기준치의 네배일때 민감도가 가장 낮은 때는 어디에서의 효율을 측정했을 때인가?",
"기준값이 두배일때 ECU address 버스 이용률에 대한 민감도는?",
"기준값에서 ECU data 의 메모리 변화에 대한 민감도는?",
"기준치의 세배일때 민감도가 가장 높은 때는 어디에서의 효율을 측정했을 때인가?",
"기준값 두배에서 ECU data 의 메모리 변화에 대한 민감도는?",
"기준값에서 CCU data 의 메모리 변화에 대한 민감도는?",
"기준값 두배에서의 CCU data 이용률은?"
] |
2dfb665e-f880-4eef-b292-1a2eae333848
|
인공물ED
|
MPPT 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로
|
<p>\( \mathrm{PV} \) 셀에서 얻을 수 있는 에너지의 양은 환경변화에 따라 변한다. 각 셀마다 최대 전력점 (MPP: Maximum Power Point)이 존재하며, 이 \( \mathrm{MPP} \) 는 빛의 세기에 따라 변한다. PV셀로부터 최대 전력을 수확하기 위해서는\( \mathrm{PV} \) 셀이 항상 MPP 근처에서 동작하도록 하기 위한 MPPT(Maximum Power Point Tracking) 제어 기능이 필요하다. 초소형 PV 셀로부터 얻을 수 있는 전력은 수십 \( \mathrm{uW} \) 이하로 매우 작기 때문에, 초소형 에너지 하베스팅 시스템의 경우 MPPT 기능은 더 필요할 수 있다. 따라서, MPPT 기능을 구현하는데 소모되는 추가적인 전력소모는 최소화하면서 PV 셀로부터 가능한 최대 전력을 끄집어내는 것이 관건이다.</p><p>다양한 MPPT 방법들<caption>\( {}^{[4]} \)</caption>중에 hill-climbing 방법과 \( \mathrm{FOC} \) (fractional open-circuit) 방법이 초소형 빛에너지 하베스팅 시스템에 주로 사용되어 왔다. Hill-climbing 방법은 MPP에 도달할 때까지 전력변환기(power converter)의 스위칭 주파수나 듀티 싸이클(duty cycle) 을 지속적으로 변화시키는 반복 탐색 방식이다. 기존의 hill-climbing 방식<caption>\({[9-11]}\)</caption>에서는 순간 출력 전력을 계산 하기 위해 마이크로컨트롤러를 사용하였기 때문에, 초소형 마이크로 에너지 하베스팅 시스템에는 적합하지 않다. 참고문헌<caption>\({[8]}\)</caption>에서는 마이크로컨트롤러 없이 전류 센서, VCO, 컨트롤 로직 등만을 사용하여 hill-climbing 방법을 구현하여, 하드웨어 크기, 비용 및 전력소모를 줄였다. 하드웨어 비용 및 전력을 더욱 줄이기 위해, 참고문헌<caption>\({[7]}\)</caption>에서는 polynomial VCO만을 사용하여 MPPT 제어 기능을 구현할 수 있는 부궤한 제어루프 (negative feedback control loop) 방식을 제안하였다. 그러나 이들 방식<caption>\({[7-8]}\)</caption>에서는 MPPT 제어 회로를 구동하기 위해 미리 충전된 배터리 (precharged battery)가 필요하며, 따라서 배터리를 사용하지 않는 자가발전 시스템에는 적합하지 않다.</p><p>\( \mathrm{FOC} \) 방법은 \( \mathrm{PV} \) 셀의 MPP 전압과 개방회로 전압 사이에는 선형적 관계가 존재하며, 비례상수는 거의 일정한 값을 갖는다는 사실에 근거한다. 따라서, PV 셀을 주기적으로 부하로의 연결을 차단하여 개방회로 전압을 측정함으로써 MPP 전압을 쉽게 얻을 수 있다. 이 방법은 hill-climbing 방법에서처럼 많은 계산을 요구하지는 않지만, 에너지 하베스팅 모드와 개방회로전압 감지 모드의 반복 수행에 필요한 하드웨어 비용과 추가적인 전력소모가 관건이 될 수 있다. 좀 더 적은 비용과 저전력으로 \( \mathrm{FOC} \) 방법을 구현하기 위해, 참고문헌<caption>\({[6]}\)</caption>에서 LRCM (Linear Reoriented Coordinate Method)을 제안하였으며, 전력소모를 줄이기 위해 sub-threshold 및 floating-gate 설계 기법을 적용하였다. 주 에너지원으로 ISC (CMOS photodiodes)를 사용하였으며, 제어회로 구동을 위해 보조 ISC (auxiliary photodiode array)를 사용하였다. 이 방법은 \( \mathrm{ISC} \) 를 사용하였기 때문에 초소형 자가발전 시스템을 위한 에너지 하베스팅 회로로 적합하다. 그리나 내부 회로 구동을 위해 \( \mathrm{p} \) - diff \( / \mathrm{n} \)-well 다이오드의 직렬연결을 사용하였으며, 기판의 기생 다이오드에서의 구설 전류를 반영하지 않은 상태로 모의 실험을 하였기 매문에 실제 구현시 문제가 될 수 있다.</p>
|
[
"\\( \\mathrm{PV} \\) 셀에서 얻을 수 있는 에너지의 양은 무엇에 따라 변해?",
"MPP는 무엇에 따라 변해?",
"MPPT 제어 기능은 셀이 항상 어디 근처에서 동작하도록 해?",
"셀이 MPP 근처에서 동작해야 하는 이유가 뭐야?",
"MPPT 방법들 중 어떤 방법ㅂ들이 주로 초소형 빛에너지 하베스팅 시스템에 사용되었지?",
"hill-climbing 방법과 \\( \\mathrm{FOC} \\) (fractional open-circuit) 방법 등을 통틀어서 어떤 방법이라고 칭하니?",
"Hill-climbing 방법은 MPP 도달까지 전력변환기의 어떤 요소를 지속적으로 변화시키지?",
"Hill-climbing 방법은 언제까지 전력변환기의 스위칭 주파수나 듀티 싸이클을 지속적으로 변화시키니?",
"Hill-climbing 방법은 전력변환기의 스위칭 주파수나 어떤 것을 지속적으로 변화시키지?",
"기존 hill-climbing 방식에서 마이크로컨트롤러를 사용한 이유가 뭐야?",
"기존의 hill-climbing 방식에서는 어떻게 순간 출력 전력을 계산했어?",
"참고문헌 8번에서는 마이크로컨트롤러 대신 어떻게 hill-climbing 방법을 구현했지?",
"참고문헌 8번에서는 hill-climbing 방법을 구현하여 어떤 효과를 거두었어?",
"참고문헌<caption>\\({[7]}\\)</caption>에서는 어떤 것들을 제안했니?",
"참고문헌<caption>\\({[7-8]}\\)</caption>에서 제안하는 방식들은 어떤 시스템에 부적합하니?",
"참고문헌<caption>\\({[7]}\\)</caption>에서는 무엇을 사용한 제어루프 방식을 제안했니?",
"참고문헌<caption>\\({[7-8]}\\)</caption>에서 제안한 방식들은 MPPT 제어 회로 구동을 위해 어떤 배터리가 필요하니?",
"\\( \\mathrm{FOC} \\) 방법은 어떤 사실에 근거한 방법이야?",
"FOC 방법에서는 어떤 요소들이 관건이니?",
"참고문헌의 LRCM 방법은 주 에너지원으로 무엇을 사용하지?",
"LRCM은 어떤 회로로 적합하니?",
"MPP는 무엇에 따라 변화하지?",
"각 셀에서 MPP는 어떤 걸 의미해?",
"초소형 에너지 하베스팅 시스템은 어떤 기능을 더 요구하니?",
"MPP에 도달할 때까지 전력변환기의 스위칭 주파수나 듀티 싸이클을 지속적으로 변화시키는 반복 탐색 방식을 뭐라고 해?"
] |
2944ccfd-d739-4326-bd51-1a96a6163571
|
인공물ED
|
MPPT 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로
|
<h1>III. IC 제작 및 측정 결과</h1><p>설계된 마이크로 빛에너지 하베스팅 회로는 \( 0.18 \Perp \mathrm{m} \) \( \mathrm{CMOS} \) 공정으로 제작 되었다. 그림 \(6\) 은 설계된 회로의 칩 사진이며, 면적은 패드를 포함하여 \( 1370 \mathrm{um} \times 900 \mathrm{um} \) 이다. 그림 \(7\)은 제작된 칩의 성능을 검증하기 위해 제작한 \( \mathrm{PCB} \) 보드와 측정환경 사진이다. 주 \( \mathrm{PV} \) 셀과 파일럿 PV 셀은 \(2\)장에서 소개한 'SCPD' 소자를 이용하였으며, 조명등을 사용하여 빛을 공급하였다. 빛의 세기는 조도계를 이용하여 측정하였으며, 조명등의 거리를 조절하여 원하는 조도를 맞추었다.</p><p>그림 \(8\)은 제작된 빛에너지 하베스팅 회로를 \( 10 \mathrm{klux} \) 의 조도에서 측정한 결과이다. 그림 \(8\) 의 (a)는 부하단 \( \left(\mathrm{V}_{\mathrm{Lrad}}\right) \) 에 부하 전하펌프 대신 \( 650 \mathrm{Q} \) 의 저항이 연결되었을 때의 측정 파형이다. 측정결과 \( \mathrm{V}_{\mathrm{MPP}} \max \) 는 \( 292 \mathrm{mV} \) 이고, \( \mathrm{V}_{\mathrm{MPP}, \min } \) 은 \( 236 \mathrm{mV} \) 이다. 따라서, 주 \( \mathrm{PV} \) 셀의 출력 \( \mathrm{V}_{\mathrm{SC}} \) 가 \( \mathrm{V}_{\mathrm{MPp}}(266 \mathrm{mV}) \) 의 \( \pm 11 \% \) 이내에서 \( \mathrm{MPPT} \) 제어되는 것을 확인할 수 있다. 방전 단계(전력 스위치가 on 되었을 때)에서는 주 PV 셀로부터 수확된 전력이 부하 저항으로 공급되는 것을 \( \mathrm{V}_{\mathrm{Irad}} \) 파형에서 확인할 수 있다. 그림 \(8\) 의 \( (\mathrm{b}) \) 는 부하단 \( \left(\mathrm{V}_{\mathrm{Imad}}\right) \) 에 부하 전하펌프가 연결되었을 때의 측정 파형이다. 부하 전하펌프의 링 발진기가 부하에 전력이 공급되는 방전 단계에서만 동작하는 것을 확인할 수 있다. 링 발진기에서 출력되는 클럭의 초기 주파수는 \( 1.37 \mathrm{MI} \mathrm{Iz} \) 이다.</p><p>그림 \(9\)는 10klux의 빛 세기에서 부하 저항 변화에 따른 \( \mathrm{V}_{\mathrm{SC}} \) 와 \( \mathrm{V}_{\mathrm{Inad}} \) 파형이다. 부하저항이 \( 440 \Omega \) 과 \( 2.1 \mathrm{k} \Omega \) 일 때 듀티 싸이클은 각각 \( 13.7 \% \) 와 \( 79.3 \% \) 이다. 부하저항이 증가하면 부하에서 소모되는 전력이 감소하기 때문에 듀티 싸이클은 증가하게 된다. 측정결과 부하저항이 \( 2.2 \mathrm{k} \Omega \) 일 때 듀티 싸이클은 \( 100 \% \) 가 된다.</p>
|
[
"본 논문에서 설계한 회로 칩에서 면적은 패드를 포함하여 얼마인가요?",
"본 논문에서 PCB 보드와 측정환경 사진은 왜 제작되었나요?",
"본 논문에서 빛의 세기를 측정할 때 무엇을 이용하였나요?",
"본 논문에서 빛의 조도는 어떻게 조절하였나요?",
"그림8에서 만든 빛에너지 하베스팅 회로는 어디에서 측정한 결과인가요?",
"본 논문의 그림8에서는 부하단 \\( \\left(\\mathrm{V}_{\\mathrm{Lrad}}\\right) \\) 에 무엇이 연결되었을때의 측정파형인가요?",
"본 논문에서 \\( \\mathrm{V}_{\\mathrm{MPP}} \\max \\) 의 값은 측정결과 얼마인가요?",
"본 논문의 실험에서 측정한 결과 \\( \\mathrm{V}_{\\mathrm{MPP}, \\min } \\) 의 값은 얼마로 나왔나요?",
"본 논문의 실험결과 \\( \\mathrm{V}_{\\mathrm{MPp}}(266 \\mathrm{mV}) \\) 의 범위 어느정도에서 주 \\( \\mathrm{PV} \\) 셀의 출력이 제어되나요?",
"주 PV 셀로부터 수확된 전력이 부하 저항으로 언제 공급돼?",
"본 논문에서 주 PV 셀로부터 수확된 전력이 부하 저항으로 공급되는 것을 어디에서 확인해?",
"그림 \\(8\\) 의 \\( (\\mathrm{b}) \\)에서 측정하는 파형은 언제의 파형이야?",
"본 논문에서 링 발진기에서 클럭의 초기 주파수는 얼마야?",
"듀티 싸이클은 각각 \\( 13.7 \\% \\) 와 \\( 79.3 \\% \\)이 일때는 언제야?",
"SCPD 소자를 사용한 PV셀은 어떻게 빛을 공급하였나요?",
"본 논문에서 주 \\( \\mathrm{PV} \\) 셀과 파일럿 PV 셀은 무엇을 이용하였나요?",
"주 \\( \\mathrm{PV} \\) 셀의 출력 \\( \\mathrm{V}_{\\mathrm{SC}} \\)는 어떻게 제어되나요?",
"본 논문의 그림9에서 \\( \\mathrm{V}_{\\mathrm{SC}} \\) 와 \\( \\mathrm{V}_{\\mathrm{Inad}} \\) 파형은 무엇에 따른 측정결과야?",
"\\( \\mathrm{V}_{\\mathrm{SC}} \\) 와 \\( \\mathrm{V}_{\\mathrm{Inad}} \\) 파형을 측정할 때의 빛 세기는 얼마야?",
"본 논문의 링 발진기에서 \\( 1.37 \\mathrm{MI} \\mathrm{Iz} \\)로 측정되는 것은 어떤거야?",
"부하단 \\( \\left(\\mathrm{V}_{\\mathrm{Lrad}}\\right) \\)에 원래 \\( 650 \\mathrm{Q} \\) 의 저항 대신 무엇이 연결되어있었나요?",
"본 논문에서 방전단계는 언제를 말해?",
"부하저항이 증가하면 듀티 싸이클이 왜 증가해?",
"듀티 싸이클이 \\( 100 \\% \\)가 되는건 언제야?"
] |
31b8dd66-0242-48ad-86b1-34c02059d6ad
|
인공물ED
|
MPPT 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로
|
<h1>요 약</h1><p>본 논문에서는 \( 0.5 \mathrm{~V} \) 이하의 낮은 전압을 출력하는 초소형 \( \mathrm{PV} \) (photovoltaic) 셀을 이용한 MrPT(Maximum Power Point Tracking) 제어 기능을 갖는 마이크로 빛에너지 하베스딩 시스템을 제안한다. MIP' 제어는 \( \mathrm{PV} \) 셀의 개방전압과 \( \mathrm{MIP}(\mathrm{Maximum} \) Power Point) 전압간의 비례관계를 이용하여, 파일럿(pilot) PV 셀로 하여금 주(main) PV 셀의 MIP를 실시간 추적할 수 있도록 설계하였다. 제안된 회로는 0.18um CMOS 공정으로 설계되었으며, 칩 면적은 부하단 전하펌프와 패드를 포함하여 \( 900 \mathrm{um} \times 1370 athrm{um} \) 이다. 제작된 칩을 측정한 결과 설계된 회로가 빛 세기의 변화에 따른 MPP 전압 변화를 실시간 트레킹하는 것을 확인하였다. 또한\( \mathrm{MPr} \) T 제어기능을 적용했을 때 부하가 큰 경우에도 MPP 근처의 전압을 부하에 공급함으로써 \( \mathrm{MPPT} \) 제어기능을 적용하지 않았을 때에 비해 더 많은 전력을 부하로 공급하는 것을 확인하였다. 기존의 마이크로 빛에너지 하베스딩 회로에 비해 제안된 회로는 제어 회로 구동을 위해 미리 충전된 배터리가 필요하지 않기 때문에 배터리를 사용하지 않는 초소형 자가발전 시스템에 적합하다.</p><h1>I. 서 론</h1><p>최근 무선 네트워킹을 통해 사람과 사물간의 통신뿐만 아니라 사물과 사물간의 통신까지 정보흐름의 영역을 확대하기 위한 USN(Ubiquitous Sensor Network) 기술 개발이 활발히 진행되고 있다. USN 구현의 핵심 블록인 센서노드의 구동을 위해서는 센서노드 가격에 적합한 초소형, 초경량, 장수명성을 가지는 전원소자를 사용하여 완전히 독립된 자체 전원을 확보하는 것이 중요하다. 센서노드의 경우에는 반영구적으로 일정 부위에 부착되어 상시 모니터링 및 상호 통신기능을 수헹하는 장치이기 때문에 교체가 어려운 일차전지보다는 지속적으로 사용 가능한 2차전지가 적합하다. 그리나 센서노드는 보통의 경우 유선 충전이 불가능한 곳에 위치하기 때문에 무선충전이나 자가발전(self-powered) 기능이 필요하며, 자가발전 또는 배터리 대용으로 사용될 수 있는 기술이 에너지 하베스팅(energy harvesting) 기술이다<caption>\( { }^{[1 \sim 3]} \)</caption></p><p>빛에너지는 태양, 조명등에서 가장 쉅게 얻을 수 있는 에너지이며 상대적으로 변환 효율이 높기 때문에 오래전부터 연구 개발이 진행되어 왔다. 빛에너지를 전기 에너지로 변환하기 위해서는 광전효과를 이용한 PV(photovoltaic) 셀이 필요하다. 초소형 빛 에너지 하베스팅 시스템을 구현하기 위해서는 초소형 PV 셀이나 다른 회로와 함께 집적되는 \( \mathrm{ISC} \) (integrated solar cell) 를 사용해야 한다. 그러나 초소형 PV 셀이나 ISC에서 출력된 전압은 0.5보다 작은 전압이기 때문에, 시스템을 직접 구동할 수 없으며 전압을 키우기 위한 전압부스터(voltage booster)가 필요하다.</p>
|
[
"본 논문에서는 몇 \\( \\mathrm{~V} \\) 이하의 낮은 전압을 출력하는 초소형 \\( \\mathrm{PV} \\) 셀을 이용한 MrPT 제어 기능을 갖는 마이크로 빛에너지 하베스딩 시스템을 제안하는가?",
"본 논문에서는 \\( 0.5 \\mathrm{~V} \\) 이하의 낮은 전압을 출력하는 초소형 \\( \\mathrm{PV} \\) 셀을 이용한 어떤 기능을 갖는 마이크로 빛에너지 하베스딩 시스템을 제안하는가?",
"USN 구현의 핵심 블록인 센서노드의 구동을 위해서는 무엇이 중요한가?",
"센서노드의 경우 왜 일차전지보다는 지속적으로 사용 가능한 2차전지가 적합한가?",
"제안된 회로는 0.18um CMOS 공정으로 설계되었으며, 칩 면적은 무엇을 포함하는가?",
"제작된 칩을 측정한 결과 무엇을 확인했는가?",
"기존의 마이크로 빛에너지 하베스딩 회로에 비해 제안된 회로는 왜 배터리를 사용하지 않는 초소형 자가발전 시스템에 적합하는가?",
"제안된 회로는 어떤 공정으로 설계되었는가?",
"기존의 마이크로 빛에너지 하베스딩 회로에 비해 제안된 회로는 제어 회로 구동을 위해 미리 충전된 배터리가 필요하지 않기 때문에 무엇에 적합한가?",
"최근 무선 네트워킹을 통해 사람과 사물간의 통신뿐만 아니라 사물과 사물간의 통신까지 정보흐름의 영역을 확대하기 위한 어떤 기술의 개발이 진행되고 있는가?",
"본 논문에서는 \\( 0.5 \\mathrm{~V} \\) 이하의 낮은 전압을 출력하는 초소형 \\( \\mathrm{PV} \\) 셀을 이용한 MrPT 제어 기능을 갖는 어떤 시스템을 제안하는가?",
"센서노드는 왜 무선충전이나 자가발전 기능이 필요한가?",
"제안된 회로는 0.18um CMOS 공정으로 설계되었으며, 칩 면적은 얼마인가?",
"자가발전 또는 배터리 대용으로 사용될 수 있는 기술은 무엇인가?",
"빛에너지를 전기 에너지로 변환하기 위해서는 무엇이 필요한가?",
"초소형 빛 에너지 하베스팅 시스템을 구현하기 위해서는 무엇을 사용하는가?",
"빛에너지는 어디에서 쉽게 얻을 수 있는 에너지인가?",
"초소형 빛 에너지 하베스팅 시스템을 구현하기 위해서 왜 스템을 직접 구동할 수 없으며 전압을 키우기 위한 전압부스터가 필요한가?"
] |
492a1c24-38a4-42b8-acac-80dcd3a0efd5
|
인공물ED
|
MPPT 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로
|
<p>부하저항 변화에 따른 부하에 공급되는 전력을 그림 \(13\) 에 보였다. MPPT 제어를 적용한 경우가 적용하지 않은 경우에 비해 더 많은 전력이 부하에 공급되는 것을 확인할 수 있다. 특히, 부하저항이 작은 경우 MPPT 제어의 효과가 더 큰 것을 알 수 있다. 측정된 최대 부하 전력은 \( 2.1 \mathrm{k} \Omega \) 부하에서 \( 25.7 \mathrm{uW} \) 이다. 그림 \(14\)는 \( \mathrm{MPPT} \) 제어를 적용한 경우의 전력효율 그래프이다. 전력효율은 부하에 전달된 전력과 주 PV 셀의 최대가용 전력의 비로 계산하였다. 측정된 전력효율의 최대 값은 \( 78 \% \) 이다. MPPT 동작이 이루어지는 범위 (즉 듀티 싸이클이 \( 100 \% \) 미만인 경우)에서 부하저항이 작아질수록 (즉 부하가 커질수록) 부하에 공급되는 전력이 다소 감소하며, 따라서 전력효율도 감소한다. 이는 부하저항이 작아질수록 전력스위치의 on 저항이 상대적으로 커져서 전력스위치에서의 전압 강하가 커지기 때문이다. 이 문제를 개선하기 위해서는 전력스위치의 크기를 키워서 on 저항을 더욱 줄일 필요가 있다.</p><p>표 \(1\) 에 최근에 발표된 마이크로 빛에너지 하베스팅 시스템들과 본 논문에서 제안된 회로를 비교하였다. 참고문헌<caption>\({[7]}\)</caption>과<caption>\({[8]}\)</caption>에서 제안된 방법은 제어회로 시동을 위해 미리 충전된 배터리가 필요하기 때문에 배터리를 사용하지 않는 자가발전 시스템에는 적합하지 않다. 참고문헌<caption>\({[6]}\)</caption>에서는 \( \mathrm{ISC} \) 를 사용하여 \( \mathrm{FOC} \) 방법을 구현하였으나 제어회로 구동을 위해 \( \mathrm{p} \)-diff/n-well 다이오드의 직렬연결을 사용하였기 때문에 기생다이오드에서 발생하는 누설전류가 문제가 될 수 있다. 또한 이들 방법들은 칩 구현 결과는 없으며, 모의실험 결과만 제시하고 있다. 제안된 회로는 제어회로 구동을 위해 미리 충전된 배터리가 필요하지 않기 때문에 배터리를 사용하지 않는 초소형 자가발전 시스템에 적합하다.</p><table border><caption>표 1. 마이크로 빛에너지 하베스팅 시스템 비교</caption><tbody><tr><td></td><td>[6]</td><td>[7]</td><td>[8]</td><td>This wok</td></tr><tr><td>PV cell type (Size)</td><td>ISC (N/A) \)</td><td>singe cell \( \left(0.64 \mathrm{~cm}^{2}\right) \)</td><td>two single cells in series \( \left(20.2 \mathrm{~cm}^{2}\right) \)</td><td>single cell \( \left(0.14 \mathrm{~cm}^{2}\right) \)</td></tr><tr><td>PV cell open voltage Voc (V)</td><td><0.5</td><td><0.5</td><td><1.1</td><td><0.5</td></tr><tr><td>MPPT Scheme</td><td>FOC</td><td>Negative-feedback automatic tracking</td><td>Hill cimbing</td><td>FOC \& pilot cell \( \left(0.07 \mathrm{~cm}^{2}\right) \)</td></tr><tr><td>Controller power source</td><td>Auxiliary 4 diodes in series (1.6V)</td><td>Rechargeable battery \[(0.9 \mathrm{~V})\]</td><td>Rechargeable batiery (1V)</td><td>Main PV cell (<0.5V)</td></tr><tr><td>Max. Effcience(%)</td><td>N/A</td><td>39.5</td><td>90</td><td>78 (w/o load change pump)</td></tr><tr><td>Veificalion</td><td>Simuation</td><td>Simularion</td><td>Simualion</td><td>Measurement</td></tr><tr><td>Process(nm)</td><td>500</td><td>45</td><td>65</td><td>180</td></tr><tr><td>Year</td><td>2010</td><td>2012</td><td>2012</td><td>2013</td></tr></tbody></table>
|
[
"표 \\(1\\)은 무엇에 대한 설명인가요?",
"PV cell open volatage Voc(V)가 가장 높은 연구는 무엇인가요?",
"MPPT 제어의 효과가 극대화되는 경우는 언제인가요?",
"전력효율은 어떻게 계산되나요?",
"본 논문에서 진행한 MPPT 제어 실험을 통해 얻은 최대 부하 전력 효율은 얼마인가요?",
"MPPT 제어를 하기 위해 필요한 조건은 무엇인가요?",
"참고문헌<caption>\\({[7]}\\)</caption>과<caption>\\({[8]}\\)</caption>에서 제안된 방법이 자가발전 시스템에 적합하지 않은 이유는 무엇인가요?",
"참고문헌<caption>\\({[6]}\\)</caption>의 문제점은 무엇인가요?",
"가장 높은 전력 효율을 보여주는 연구는 무엇인가요?",
"단일 cell에서 진행하는 본 논문에서 제안하는 회로와 다르게 두 개의 cell을 사용하는 참고자료는 무엇인가요?",
"부하저항이 작아질수록 전력효율이 감소하는 이유는 무엇인가요?",
"참고문헌<caption>\\({[6]}\\)</caption>에서 기생다이오드가 누설전류를 발생시키는 이유는 무엇인가요?",
"기존 방법 대비 본 논문에서 제안하는 회로의 장점은 무엇인가요?",
"본 논문의 연구 증명 방법이 다른 연구와 다른 점은 무엇인가요?",
"MPPT 제어의 장점은 무엇인가요?",
"본 논문에서 MPPT 제어를 통해 이득을 본 최대 부하 전력은 얼마인가요?",
"MPPT 제어에서 전력효율이 낮게 측정될 경우, 그 이유는 무엇인가요?",
"부하저항이 작아 전력효율이 감소하게 되는 문제를 해결할 수 있는 방법은 무엇인가요?",
"본 논문에서 제안하는 회로의 파워 소스의 최대 전압은 얼마인가요?",
"본 논문에서 제안하는 MPPT 구조와 같은 구조를 사용한 참고문헌은 무엇인가요?",
"참고문헌[8]에서 사용하는 MPPT 구조는 무엇인가요?"
] |
cc7d3c3a-5004-48d5-ba86-2d1f1655aa90
|
인공물ED
|
MPPT 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로
|
<p>그림 \(2\) 의 PV 셀 등가회로를 모델링하기 위해 \( \mathrm{SCPD} \) 소자의 \( \mathrm{I}-\mathrm{V} \) 와 \( \mathrm{P}-\mathrm{V} \) 특성을 측정하였다. 그림 \(3\)은 \( 10 \mathrm{klux} \) 의 빛 세기에서 측정한 \( \mathrm{PV} \) 셀의 \( \mathrm{I}-\mathrm{V} \) 와 \( \mathrm{P}-\mathrm{V} \) 특성곡선이다. 측정결과 개방회로전압 \( (\mathrm{Voc}) \) 은 \( 350 \mathrm{mV} \) 이고, 단락회로전류(Isc)는 \( 147 \mathrm{uA} \) 이며, MPP에서의 전압 \( \left(\mathrm{V}_{\mathrm{MPP}}\right) \) 은 \( 266 \mathrm{mV} \) 이다. 일반적으로 \( \mathrm{PV} \) 셀의 출력동작 전압 \( \left(\mathrm{V}_{\mathrm{OP}}\right) \) 은 아래 식으로 정의될 수 있다.</p><p>\( V_{O P} \cong K_{O P} \cdot V_{O C} \)<caption>\({(1)}\)</caption></p><p>\( \mathrm{MPP} \) 조건에서는 비례상수 \( \mathrm{K}_{\mathrm{OP}} \) 와 \( \mathrm{V}_{\mathrm{OP}} \) 는 각각 \( \mathrm{K}_{\mathrm{MPP}} \) 와 \( V_{M P P} \) 로 표시할 수 있다.</p><p>\( V_{M P P} \cong K_{M P P} \cdot V_{O C} \)<caption>\({(2)}\)</caption></p><p>보통의 경우 KMPP는 \( 0.6 \) 에서 \( 0.8 \) 사이의 값을 갖는다<caption>\({}^{[4 \sim 6]}\)</caption>본 설계에서 사용된 소자의 KMPP 측정값은 \( 0.75 \) 이다.</p><h2>2. Voltage booster (VB)</h2><p>그림 \(4\)의 VB(voltage booster)는 주 PV 셀에서 출력되는 \( 0.5 \mathrm{~V} \) 이하의 전압 \( (\mathrm{Vsc}) \) 을 \( \mathrm{SEMC} \) 가 동작하는데 필요한 \( 1 \mathrm{~V} \) 의 이상의 전압 \( \left(\mathrm{V}_{C P}\right) \) 으로 승압하는 역할을 한다. \( \mathrm{VB} \) 는 링 발진기와 전하펌프로 구성되어 있다.</p><p>링 발진기는 3 단으로 구성하였으머, 전하펌프는 간단한 Dickson 구조를 사용하였다. 전하펌프의 단수는 \(8\)이며, 각 단에 사용된 커패시터의 값은 \( 10 \mathrm{pF} \) 이다. 다이오드로 사용된 nMOS 트랜지스터는 둿단으로 갈수록 body effect의 영향으로 문턱전압이 증가하게 된다. 따라서 작은 입력전압으로부터 전하펌핑 능력을 증가시키기 위해 본 설계에서는 사용된 공정에서 제공하는 native nMOSFET 소자를 이용하여 전하펌프를 구현하였다.</p><h2>3. SEMC(Solar Energy MPPT Control)</h2><p>그림 \(5\)는 본 논문에서 제안된 MPPT 기능을 수행하는 \( \mathrm{SEMC} \) 의 블록도이다. \( \mathrm{SEMC} \) 회로는 파일럿 \( \mathrm{PV} \) 셀, 저항 분주기, 비교기, 그리고 래치로 구성된다. 파일럿 \( \mathrm{PV} \) 셀은 출력에 연결된 저항 분주기를 통해 MPP 전압에 해당하는 기준전압 \( \left(\mathrm{V}_{\mathrm{MPP} \text {, max }}, \mathrm{V}_{\mathrm{MPP}, \min }\right) \) 을 비교기에 공급하는 역할을 한다. 두 개의 비교기는 파일럿 \( \mathrm{PV} \) 셀에서 공급된 기준전압을 주 \( \mathrm{PV} \) 셀의 출력인 \( \mathrm{Vsc} \) 와 비교하여 \( \mathrm{Vsc} \) 가 \( \mathrm{V}_{\mathrm{MPP}, \max } \) 또는 \( \mathrm{V}_{\mathrm{MPP} \text { min }} \) 에 도달했는지를 감지한다. 비교기가 감지한 신호를 기반으로 래치는 ‘ \( \mathrm{EN} \) ' 신호 \( \left(\mathrm{V}_{\mathrm{EN}}\right) \) 를 발생시켜서, 부하에 전력을 공급하기 위한 전력 스위치(그림 1 참조)의 on/off 상태를 결정 하게 된다.</p>
|
[
"PV 셀 등가회로를 모델링하기 위해 측정한 단락회로전류는 얼마야?",
"\\( \\mathrm{SCPD} \\) 소자에서 개방회로 전압은 얼마야?",
"\\( \\mathrm{SCPD} \\) 소자의 \\( \\mathrm{I}-\\mathrm{V} \\) 와 \\( \\mathrm{P}-\\mathrm{V} \\) 특성을 측정하여 어떤 것을 모델링 해?",
"\\( \\mathrm{PV} \\) 셀의 \\( \\mathrm{I}-\\mathrm{V} \\) 와 \\( \\mathrm{P}-\\mathrm{V} \\) 특성곡선은 무엇을 측정하여 나타내?",
"\\( \\mathrm{SCPD} \\) 소자의 MPP에서의 전압은 얼마로 측정되는가?",
"보통 MPP 조건에서 \\( \\mathrm{K}_{\\mathrm{MPP}} \\)는 얼마의 값을 가져?",
"VB는 주 PV 셀에서 출력되는 전압을 무엇이 동작하는데 필요한 전압으로 승압하는 역할을 해?",
"VB는 무엇으로 구성되어 있어?",
"VB의 전하 펌프는 어떤 구조를 사용하여 구성되어 있어?",
"VB의 전함 펌프의 단수는 얼마야?",
"VB에서의 전하펌프의 각 단에 사용되는 커패시터의 값은 얼마야?",
"무엇이 뒷단으로 갈수록 body effect의 영향으로 문턱전압이 증가해?",
"nMOS 트랜지스터는 왜 뒷단으로 갈수록 문턱전압이 증가해?",
"nMOS 트랜지스터는 어떤 역할로 사용되나?",
"native nMOSFET 소자를 이용하여 전하펌프를 구현하면 작은 입력전압으로부터 어떤 능력을 향상시킬 수 있어?",
"\\( \\mathrm{SEMC} \\) 의 블록도는 어떤 기능을 수행해?",
"\\( \\mathrm{SEMC} \\) 회로의 구성품에 해당되는 것은 무엇인가?",
"무엇을 통해 파일럿 \\( \\mathrm{PV} \\) 셀은 MPP전압에 해당하는 기준전압을 비교기에 공급해?",
"저항 분주기를 이용하여 파일럿 \\( \\mathrm{PV} \\) 셀은 MPP전압에 해당하는 기준전압을 어디에 공급해?",
"래치는 비교기가 감지한 신호를 기반으로 어떤 신호를 발생시켜?",
"VB의 링 발진기는 몇 단으로 구성되어 있어?",
"래치는 ‘ \\( \\mathrm{EN} \\) ' 신호를 발생시켜 어떤 스위치의 on/off 상태를 결정해?"
] |
0e4c44af-1445-4922-9e1c-b66a4bb78c28
|
인공물ED
|
MPPT 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로
|
<p>그림 \(10\) 은 빛의 세기가 \( 6.7 \mathrm{klux} \) 에서 \( 4.2 \mathrm{klux} \) 로 감소했을 때, \( \mathrm{V}_{\mathrm{SC}} \) 의 파형 변화를 즉정한 결과이다. 빛의 세기가 감소하면 \( \mathrm{PV} \) 셀의 개방회로 전압 \( \left(\mathrm{V}_{\mathrm{Oc}}\right) \) 도 감소한다. 따라서, \( \mathrm{MPP} \) 전압 \( \left(\mathrm{V}_{\mathrm{MPP}}\right) \) 도 감소하며, 이에 비례하여 \( \mathrm{MPP} \) 기준전압인 \( \mathrm{V}_{\mathrm{MPP} \text { max }} \) 와 \( \mathrm{V}_{\mathrm{MPP} \text {, min }} \) 도 함께 감소하게 된다. 이 측정결과로부터 설계된 회로는 빛의 세기 변화에 따른 MPP 전압 변화를 실시간 추적하고 있음을 확인할 수 있다.</p><p>그림 \(11\)은 빛의 세기에 따른 \( \mathrm{K}_{\mathrm{OP}} \) 변화를 측정한 결과이다. \( \mathrm{MPPT} \) 제어를 적용한 경우, 측정된 \( \mathrm{K}_{\mathrm{OP}} \) 값의 범위는 \( 0.7 \sim 0.8 \) 이며, 이는 \( \mathrm{KMPP} \) 가 \( 0.75 \) 이므로 \( \mathrm{MPP} \) 전압 범위 안에 포함된다. 따라서 설계된 회로는 다양한 빛의 세기에서 MPP 범위내의 전력을 부하로 공급하는 것을 알 수 있다. MPPT 제어를 적용하지 않은 경우에는 측정된 \( \mathrm{K}_{\mathrm{OP}} \) 값의 범위는 \( 0.5 \sim 0.75 \) 이다. 이는 빛의 세기 범위의 상당부분(특허 낮은 빛의 세기)에서 MPP 범위를 벗어나는 것을 알 수 있다.</p><p>그림 \(12\)는 부하 저항에 따른 주 PV 셀의 출력 동작 전압 \( \left(\mathrm{V}_{\mathrm{OP}}\right) \) 을 측정한 결과이다. \( \mathrm{MPPT} \) 제어를 적용한 경우에 측정된 \( \mathrm{V}_{\mathrm{OP}} \) 값의 범위는 \( 240 \mathrm{mV} \sim 260 \mathrm{mV} \) 로 안정적인 특성을 보인다. 특히, 듀티 싸이클이 \( 100 \% \) 가 되는 부하저항 값인 \( 2.2 \mathrm{k} \Omega \) 보다 작은 부하저항 범위에서는 \( \mathrm{V}_{\mathrm{OP}} \) 값이 \( 260 \mathrm{mV} \) 로 거의 일정한 특성을 보인다. MPPT 제어를 적용하지 않은 경우에는 부하에 따라 \( \mathrm{V}_{\mathrm{OP}} \) 값의 변화가 \( 0 \sim 250 \mathrm{mV} \) 로 매우 크다. 특히, 부하저항이 작을 때(부하가 클 때) \( V_{O P} \) 값은 매우 작아지며, 따라서 부하단 구동이 더욱 어려워진다.</p>
|
[
"그림 \\(10\\)에서 기존 빛의 세기는 어떤 값이었니?",
"설계된 회로는 빛의 세기 변화에 따른 무엇의 변화를 실시간으로 추적하고 있어?",
"\\( \\mathrm{MPP} \\) 기준전압에는 어떤 것들이 있니?",
"그림 \\(11\\)은 빛의 세기에 따른 무엇의 변화를 측정한 결과를 나타내고 있어?",
"MPPT 제어를 적용하지 않은 경우 \\( \\mathrm{V}_{\\mathrm{OP}} \\) 값의 변화 범위는 어떻게 되니?",
"그림 \\(12\\)는 부하 저항에 따른 어떤 전압을 측정한 결과이니?",
"\\( \\mathrm{MPPT} \\) 제어를 적용했을 때 측정된 \\( \\mathrm{K}_{\\mathrm{OP}} \\) 값의 범위는 어떻게 되니?",
"그림 \\(10\\)은 무엇의 파형 변화를 측정한 결과를 나타내고 있어?",
"다음 중 \\( \\mathrm{MPPT} \\) 제어를 적용한 경우, \\( \\mathrm{V}_{\\mathrm{OP}} \\) 값의 범위로 올바른 것은?",
"그림 \\(10\\)에서 감소 후 빛의 세기는 얼마였니?",
"부하저항이 작을 때는 부하가 어떨 때니?",
"듀티 싸이클이 \\( 100 \\% \\) 가 되는 부하저항 값인 \\( 2.2 \\mathrm{k} \\Omega \\) 보다 작은 부하저항 범위에서 \\( \\mathrm{V}_{\\mathrm{OP}} \\) 값은 얼마니?",
"개방회로 전압 \\( \\left(\\mathrm{V}_{\\mathrm{Oc}}\\right) \\)이 감소하면 어떤 전압이 따라서 감소하니?",
"빛의 세기가 감소하면 \\( \\mathrm{PV} \\) 셀의 어떤 값이 함께 감소하니?"
] |
c26a0ddb-e1d4-4599-a8cd-78a800357f25
|
인공물ED
|
MPPT 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로
|
<p>본 논문에서는 배터리를 사용하지 않는 초소형 자가 발전 시스템을 위한 마이크로 빛 에너지 하베스팅 시스템을 제안한다. 시스뎀의 크기를 최소화하기 위해 목표로 하는 빛에너지 변환 소자는 초소형 PV 셀 \( \left(0.14 \mathrm{~cm}^{2}\right) \) 또는 ISC이다. MPPT 구현에 \( \mathrm{FOC} \) 방법을 이용하였으나, 파일럿(pilot) PV 셀 \( \left(0.07 \mathrm{~cm}^{2}\right) \) 을 이용하여 주(main) \( \mathrm{PV} \) 셀의 개방회로 전압을 좀 더 간단히 예측하는 방법을 사용하였다. MPPT 제어 회로의 구동은 간단한 승압회로를 사용하여 주 \( \mathrm{PV} \) 셀의 출력 전압을 승합하여 사용하기 때문에 비리 충전된 배터리가 필요하지 않다. 따라서, 제안된 회로는 배터리를 사용하지 않는 초소형 자가발전 시스템에 적합하다. 제안된 회로의 설계, 구현 및 측정결과에 대해 차례로 언급한다.</p><h1>II. 회로 설계</h1><p>그림 1은 본 논문에서 제안하는 \( \mathrm{MPPT} \) 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로이다. 제안된 회로는 주 PV 셀, VB(voltage booster), SEMC(Solar Energy MPPT Control) 회로, 전력 스위치(power switch) 그리고 부하단 전하펌프(charge pump)로 구성되어있다. 솔라셀은 빛에너지를 전기에너지로 변환하는 역할을 하며, 본 논문에서 사용된 초소형 \( \mathrm{PV} \) 셀의 출력 전압은 \( 0.5 \mathrm{~V} \) 보다 작기 때문에, \( \mathrm{SEMC} \) 회로를 구동하기에는 어려움이 있다. \( \mathrm{VB} \) 는 \( \mathrm{PV} \) 셀의 낮은 출력 전압을 \( \mathrm{SEMC} \) 회로를 구동하는데 필요한 전압 (약 1V)으로 승압하는 역할을 한다. \( \mathrm{SEMC} \) 는 주 \( \mathrm{PV} \) 셀과 부하단 사이에 연결된 전력스위치 \( (\mathrm{pMOS} \) 트랜지스터)를 제어하여 주 \( \mathrm{PV} \) 셀의 출력전압이 항상 \( \mathrm{MPP} \) 근처에서 동작하도록 하는 역할을 한다. 따라서 제안된 회로에서는 부하단 전력공급의 듀티 싸이클 제어를 통해 MPPT기능을 수행한다. 부하단 전하펌프는 전력변환기 역할을 수행한다.</p><h2>1. Photovoltaic (PV) cell</h2><p>시스템의 크기를 최소화하기 위해 본 논문에서 목표로 하는 빛에너지 변환 소자는 초소형 \( \mathrm{PV} \) 셀 또는 ISC이다. 설계에 사용된 주 \( \mathrm{PV} \) 셀은 그림 \(2\) 의 초소형 \( \mathrm{SCPD} \) 소자<caption>\( { }^{[12]} \)</caption>로 \( 0.14 \mathrm{~cm}^{2} \) 의 면적과 \( 0.5 \mathrm{~V} \) 이하의 매우 낮은 출력전압 특성을 갖는다. 이 소자는 \( \mathrm{CMOS} \) 공정으로 집적화된 ISC와 유사한 크기와 출력전압 특성을 보인다.</p>
|
[
"MPPT 구현을 위해 사용된 방법은 뭐야?",
"무슨 방법이 MPPT 구현을 위해 이용되었지",
"시스템의 크기를 최소화하기 위해 목표로 하는 빛에너지 변환 소자는 뭐야?",
"MPPT 제어 회로에 미리 충전된 배터리가 필요하지 않은 이유는 뭐야?",
"\\( \\mathrm{VB} \\) 의 역할은 뭐야?",
"\\( \\mathrm{VB} \\) 의 기능이 뭐지",
"제안된 마이크로 빛에너지 하베스팅 회로는 어떻게 구성되어 있어?",
"다음 중 \\( \\mathrm{SEMC} \\) 회로를 구동할 수 있는 전압은 얼마야?",
"본 논문에서 사용된 초소형 \\( \\mathrm{PV} \\) 셀이 \\( \\mathrm{SEMC} \\) 회로를 구동하기 어려운 이유는 뭐야?",
"주 \\( \\mathrm{PV} \\) 셀과 부하단 사이에 연결된 전력스위치 \\( (\\mathrm{pMOS} \\) 트랜지스터)를 제어하여 주 \\( \\mathrm{PV} \\) 셀의 출력전압이 항상 \\( \\mathrm{MPP} \\) 근처에서 동작하도록 하는 역할을 수행하는 것은 뭐야?"
] |
db1223e5-e3fd-4d6f-b669-fcb7d8150d88
|
인공물ED
|
MPPT 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로
|
<p>\( \mathrm{SEMC} \) 의 MPPT 제어 동작원리는 다음과 같다.</p><ol type= start=1><li>먼저 시스템이 빛에너지를 반게 되면 주 PV 셀의 출력 커패시터 \( \mathrm{Csc} \) 가 충전되어 출력전압 \( \mathrm{Vsc} \) 가 증가한다. (충전 단계)</li><li>\( \mathrm{V}_{\mathrm{SC}} \) 가 비리 설정된 \( \mathrm{MPP} \) 전압 상한 값 \( \left(\mathrm{V}_{\mathrm{MPP} \text { max }}\right) \) 에 푸달하면 \( \left(\mathrm{t}=\mathrm{t}_{1}\right), \mathrm{SEMC} \) 가 ' \( \mathrm{EN} \)' 신호를 발생시켜서 전력 스위치를 'on'시키고 부하에 전력을 공급하게 된다.</li><li>보통의 경우 PV 셀에서 발생되는 전력은 부하에서 소모되는 전력 보다 작기 때문에, 전력 스위치가 'on'되어 있는 동안에는 \( \mathrm{V}_{\mathrm{SC}} \) 가 감소하게 된다.(방전 단계)</li><li>보통의 경우 \( \mathrm{PV} \) 셀에서 발생되는 전력은 부하에서 소모되는 전력 보다 작기 때문에, 전력 스위치가 'on'되어 있는 동안에는 \( \mathrm{V}_{\mathrm{SC}} \) 가 감소하게 된다.(방전 단계)</li><li>이와 같은 충/방전 과정은 계속 반복되고 주 \( \mathrm{PV} \) 셀은 항상 기 설정된 \( \mathrm{MPP} \) 범위 \( \left(\mathrm{V}_{\mathrm{MPP} \text {, min }}\right. \) \( \left.\mathrm{V}_{\mathrm{MPP} \text {,max }}\right) \) 에서 동작하게 된다.</li></ol><p>본 설계에서는 파일럿 \( \mathrm{PV} \) 셀을 이용하여 주 \( \mathrm{PV} \) 셀의 MPP를 실시간 추적할 수 있도록 하였다. 파일럿 PV 셀은 주 PV 셀보다 면적은 작지만 같은 소자이고, 같은 환경에서 같은 빛의 세기를 받게 되기 때문에 두 셀의 \( \mathrm{MPP} \) 는 일치한다고 가정할 수 있다. \( \mathrm{PV} \) 셀의 \( \mathrm{MPP} \) 전압 \( \mathrm{V}_{\mathrm{MP} P} \) 와 개방회로 전압 \( \mathrm{V}_{\mathrm{OC}} \) 는 식 (2)의 비례 관계가 성립한다. 또한, 참고문헌<caption>\({[1]}\)</caption>에 따르면 비례상수 KMPP는 빛의 세기에 따라 변하지만, KMPP가 고정됐다고 가정해eh \( \mathrm{V}_{\mathrm{MPP}} \) 예측의 오차는 \( 5 \% \) 이내 임을 측정 결과로 보여주었다. 따라서 본 설계에서는 PV 셀의 측정된 데이터 \( \left(V_{o C}=350 \mathrm{mV}, \mathrm{V}_{\mathrm{MPP}}=266 \mathrm{mV}\right. \) @ \( \left.10 \mathrm{klux}\right) \) 를 이용하여, KMPP 값을 \( 0.75 \) 로 설정하였다.</p><p>\( \mathrm{MPP} \) 동작범위를 결정하는 기준전압 \( \mathrm{V}_{\mathrm{MPP}, \max } \) 와 \( \mathrm{V}_{\mathrm{MPP} \text { minnㄴ }} \mathrm{V}_{\mathrm{MPP}} \) 에서 오차가 \( \pm 10 \% \) 이내가 되도록, 파일럿 PV 셀의 출력에 연결되어 있는 저항 분주기의 저항값을 설정하였다. 저항 분주기에 사용된 저항 값의 합은 \( 2 \mathrm{MQ} \) 으로 비교적 큰 값을 사용하였다. 따라서 기준 전압 \( V_{M P P \text { max }} \) 와 \( V_{M P P \text { min }} \) 은 파일럿 \( \mathrm{PV} \) 셀의 개방회로 전압에 비례하는 값이 된다.</p>
|
[
"이 설계에서 무엇을 사용하여 주 \\( \\mathrm{PV} \\) 셀의 MPP를 실시간 추적하는가?",
"출력전압이 설정된 무엇에 도달하면 \\(\\mathrm{SEMC} \\) 가 \\( \\mathrm{EN} \\) 신호를 발생시키고 부하에 전력을 공급하지?",
"\\(\\mathrm{SEMC} \\)가 어떤 신호를 발생시켜 전력 스위치를 동작시키고 부하에 전력을 공급하는가?",
"파일럿 PV 셀은 주 PV 셀은 같은 환경에서 같은 빛의 세기를 받게 되기 때문에 무엇이 같다고 여겨지는가?",
"기준 전압 \\( V_{M P P \\text { max }} \\) 와 \\( V_{M P P \\text { min }} \\) 은 무엇에 비례하는 값이 되는가?",
"\\( \\mathrm{MPP} \\) 동작범위를 결정하는 기준전압 \\( \\mathrm{V}_{\\mathrm{MPP}, \\max } \\) 와 \\( \\mathrm{V}_{\\mathrm{MPP} \\text { minnㄴ }} \\mathrm{V}_{\\mathrm{MPP}} \\)에서 오차가 \\( \\pm 10 \\% \\)가 되려면 어떻게 해야 되는가?",
"\\( \\mathrm{MPP} \\) 동작범위를 결정하는 기준전압 \\( \\mathrm{V}_{\\mathrm{MPP}, \\max } \\) 와 \\( \\mathrm{V}_{\\mathrm{MPP} \\text { minnㄴ }} \\mathrm{V}_{\\mathrm{MPP}} \\) 에서 파일럿 PV 셀의 출력에 연결되어 있는 저항 분주기의 저항값을 설정 하는 이유는 무엇이잊?",
"\\( \\left(V_{o C}=350 \\mathrm{mV}, \\mathrm{V}_{\\mathrm{MPP}}=266 \\mathrm{mV}\\right. \\) @ \\( \\left.10 \\mathrm{klux}\\right) \\)은 무엇의 수식인가?",
"이 논문의 설계에서 PV 셀의 측정된 데이터 \\( \\left(V_{o C}=350 \\mathrm{mV}, \\mathrm{V}_{\\mathrm{MPP}}=266 \\mathrm{mV}\\right. \\) @ \\( \\left.10 \\mathrm{klux}\\right) \\) 를 사용하면 KMPP 값은 얼마인가?",
"같은 소자이고 주 PV 셀보다 면적은 작은 것은 무엇일까?",
"개방회로 전압은 무엇이라고 하지?",
"본 설계에서는 무엇을 이용하여 KMPP 값을 \\( 0.75 \\)로 정하였니?",
"\\( \\mathrm{MPP} \\) 동작범위를 결정하는 기준전압은 어떤 것들이 있지?",
"KMPP가 고정됐다고 가정하면 \\( \\mathrm{V}_{\\mathrm{MPP}} \\) 예측의 오차 범위는 몇 %이지?",
"\\( 2 \\mathrm{MQ} \\으로 큰값인 저항 값의 합은 어디에 이용 되었나?",
"파일럿 PV 셀은 주 PV 셀은 무슨 이유로 두 셀의 \\( \\mathrm{MPP} \\) 는 일치한다고 할 수 있는가?",
"파일럿 \\( \\mathrm{PV} \\) 셀의 개방회로 전압에 비례하는 값은 무엇일까?",
"저항 분주기에 사용된 저항 값의 합은 얼마일까?",
"\\( \\mathrm{V}_{\\mathrm{MP} P} \\)은 무엇일까?",
"비례상수 KMPP는 무엇에 따라 변하는가?",
"\\( \\mathrm{V}_{\\mathrm{MPP}, \\max } \\) 와 \\( \\mathrm{V}_{\\mathrm{MPP} \\text { minnㄴ }} \\mathrm{V}_{\\mathrm{MPP}} \\)는 무엇 일까?",
"이 설계에서 사용한 PV 셀의 측정된 데이터의 수식은 무엇인가?",
"\\( \\mathrm{Csc} \\)는 무엇이지?",
"부하에서 소모되는 전력 보다 PV 셀에서 발생되는 전력이 작기 때문에 어떻게 방전되지?",
"\\( \\mathrm{SEMC} \\)시스템이 빛에너지를 반게 되면 주 PV 셀의 출력 커패시터 \\( \\mathrm{Csc} \\) 가 충전되어 무엇이 증가하는가?",
"주 \\( \\mathrm{PV} \\) 셀은 항상 정해진 어떤 범위내에서 작동하는가?",
"파일럿 \\( \\mathrm{PV} \\) 셀을 이용하여 이 설계에선 무엇을 실시간 추적하지?",
"\\( \\mathrm{SEMC} \\) 시스템이 빛에너지를 받게 되면 어떻게 되는가?",
"설정된 \\( \\mathrm{MPP} \\) 범위내에서 무엇이 항상 작동되는가?",
"보통의 경우 PV 셀에서 발생되는 전력은 어떤 전력보다 작은가?",
"설정된 \\( \\mathrm{MPP} \\) 전압 상한 값 \\(\\left(\\mathrm{V}_{\\mathrm{MPP} \\text { max }}\\right) \\) 에 \\( \\mathrm{V}_{\\mathrm{SC}} \\)가 도달하면 \\(\\mathrm{SEMC} \\) 가 어떻게 하지?",
"출력전압을 무엇이라고 하는가?",
"어떤 이유로 전력 스위치가 켜있는 동안에는 \\( \\mathrm{V}_{\\mathrm{SC}} \\) 가 감소하게 되니?"
] |
fa51bc07-c27d-4ae5-8cff-1341b858d5ce
|
인공물ED
|
MPPT 제어기능을 갖는 마이크로 빛에너지 하베스팅 회로
|
<h1>\( \mathrm{V} \). 결 론</h1><p>본 논문에서는 센서노드와 같은 초소형 자가발전 시스템을 위한 마이크로 빛에너지 하베스팅 시스템을 제안하였다. \( \mathrm{FOC} \) 방법을 이용하여 \( \mathrm{MPPT} \) 제어 기능을 구현하였으며, 파일럿 PV 셀을 이용하여 주 PV 셀의 개방회로 전압을 간단히 예측하였다. MPPT 제어회로의 구동은 간단한 승압회로를 사용하여 주 PV 셀의 출력 전압을 승합하여 사용하기 때문에 비리 충전된 배터리는 필요하지 않다. 제안된 회로는 0.18um CMOS 공정으로 설계되었으며, 칩 면적은 부하단 전하펌프와 패드를 포함하여 \( 900 \mathrm{um} \times 1370 \mathrm{um} \) 이다. 제작된 칩을 측정한 결과 설계된 회로는 빛 세기의 변화에 따른 MPP 전압 변화를 실시간 트래킹한다. 기존의 마이크로 빛에너지 하베스팅 회로에 비해 제안된 회로는 제어회로 구동을 위해 미리 충전된 배터리가 필요하지 않기 때문에 배터리를 사용하지 않는 초소형 자가발전 시스템에 적합하다. 본 논문에서 설계된 마이크로 빛에너지 하베스팅 회로는 매우 작은 크기로 구현가능하기 때문에 듀티 싸이클이 비교적 낮은 환경 모니터링 분야의 자가발전 센서노드에 활용될 수 있다.</p>
|
[
"파일럿 PV 셀을 이용해서 무엇을 예측했어?",
"제작된 칩을 측정한 결과 무엇을 실시간 트래킹해?",
"제안된 회로가 기존의 마이크로 빛에너지 하베스팅 회로에 비해 초소형 자가발전 시스템에 적합한 이유가 뭐야?",
"본 논문에서 설계된 마이크로 빛에너지 하베스팅 회로가 자가발전 센서노트에 활용될 수 있는 이유가 뭐야?",
"센서노드와 같은 초소형 자가발전 시스템을 위한 시스템에는 뭐가 있어?",
"MPPT 제어회로의 구동은 왜 충전된 배터리가 필요하지 않아?",
"\\( \\mathrm{FOC} \\) 방법을 이용해서 어떤 것을 구현했어?"
] |
f4f17668-4c6c-4939-a895-502e26391407
|
인공물ED
|
최적의 Moving Window를 사용한 실시간 차선 및 장애물 감지
|
<p>정의되어진 차선의 좌표에 의하여 입력영상에 나타 나는 \( k \)번째 차선의 시작위치는 다음의 식 (18)과 같이 정의할 수 있다.</p> <p>\( W_{p k}(r)=\left[\begin{array}{ll}x_{i k} & y_{i k}\end{array}\right]^{T} \quad 0 \leq W_{p k}(r) \leq M \)<caption>(18)</caption></p> <p>여기서 \( M \)은 입력영상의 최대크기이며, pixel의 가로, 세로의 좌표로 \( \left[\begin{array}{lll}640 & 480\end{array}\right]^{T} \)이다. 식 (18)에 의해 정의된 위치에서 차선정보를 입력받기 위한 sub-block의 크기는 하나의 차선이 모두 들어 올 수 있는 크기로 나타내면, \( k \)번째 차선의 시작위치와 \( k-1 \)번째 차선의 시작 위치의 차이로 정의되어질 수 있다. 이때 식 (16), (17)에서 차선의 위치는 회전반경 \( r \)의 함수이며, \( r \)이 고속 도로의 최소 회전반경 \( 690[\mathrm{m}] \)에서 직선도로일 경우 \( \infty \)까지 변화하였을 때 차선의 정보가 sub-block을 벗어나지 않는 최대범위를 sub-block의 크기로 정의한다. 이는 식 (19)와 같다.</p> <p>\( \begin{aligned} W_{s k} &=\max \left\{\Delta W_{p k}=W_{p k}(r)-W_{p k-1}(r) \mid 690<r<\infty,\right.\\ &k=1,2 \cdots n\} \end{aligned} \)<caption>(19)</caption></p> <p>도로의 종단 선형은 sub-block의 세로 길이에 영향을 미친다. 표 1에 나타낸 종단선형 설계 기준으로부터, \( 100[\mathrm{km} / \mathrm{h}] \)에 대한 볼록 선형의 최소 길이는 \( 3[\%] \)의 경사가 된다. 따라서, 변화량 \( \delta \theta=\tan ^{-1} 0.03=1.718 \) \( \left[{ }^{\circ}\right] \)는 식 (15)의 \( P_{o z k} \)를 \( P_{o z k}=P_{o y k} \sin \delta \theta \)로 변화시키며, 이는 식 (19)의 sub-block 크기에 거의 영향을 미치지 않으므로 무시될 수 있다.</p> <p>정의되어진 sub-block의 크기는 \(f=0.024[\mathrm{m}] \), \(d=1.2[\mathrm{m}]\), \(\delta x=8.577 \times 10^{-6}[\mathrm{m}]\), \( \delta y=8.316 \times 10^{-6}[\mathrm{m}]\), \( l_{d}=20[\mathrm{~m}]\), \(c x=320\), \(cy=240 \)에서 그림 4와 그림 5의 시뮬레이션을 통하여 표 2와 같이 나타나며, 이는 앞서 제시한 바와 같이 영상획득 차량의 직선도로 출발을 전제로 하였을 때, sub-block의 초기위치와 도로설계시의 곡률을 동시에 만족한다.</p> <p>시뮬레이션 결과, 식 (15), (18)에 의해 sub-block의 개수는 \( 100[\mathrm{km} / \mathrm{h}] \)에서 최소안전 거리인 \( 100[\mathrm{m}] \)를 만족하는 세로로 5개가 적합하다. 따라서, 전체 \( 640 \times 480 \) [pixel] 중에서 \( 20.29 \) [\%]만을 사용하여 차선의 위치를 탐색할 수 있다. 또한, 차선 이외의 정보를 제한하여 옆 차선 차량 등의 잡음에 대해 강한 특성을 가지게 된다.</p> <table border><caption>표 1. 결정된 sub-block 크기와 초기위치</caption> <tbody><tr><td>Sub-block 순서</td><td>\(X\)축 크기</td><td>\(Y\)축 크기</td><td>초기위치(L)</td><td>초기위치(R)</td></tr><tr><td>1</td><td>36.5214</td><td>6.3909</td><td>251,280</td><td>382,280</td></tr><tr><td>2</td><td>41.0808</td><td>9.8328</td><td>238,286</td><td>395,286</td></tr><tr><td>3</td><td>50.6943</td><td>17.0707</td><td>218,298</td><td>411,298</td></tr><tr><td>4</td><td>77.1008</td><td>36.9308</td><td>173,324</td><td>450,324</td></tr><tr><td>5</td><td>193.1809</td><td>139.5126</td><td>65,410</td><td>555,410</td></tr></tbody></table>
|
[
"식 (19)는 어떻게 표현할 수 있어?",
"Sub-block 순서가 1일 경우 \\(X\\)축 크기는 어느정도야?",
"\\(X\\)축 크기가 41.0808인 항목의 \\(Y\\)축 크기는 얼마야?",
"Sub-block 순서가 3인 항목의 초기위치(L) 값은 얼마야?",
"초기위치(R) 값이 555,410인 항목은 몇번째 Sub-block 순서야?",
"\\(Y\\)축 크기가 35보다 크고 37보다 작은 항목의 \\(X\\)축 크기는 어떤 값을 나타내?",
"Sub-block 순서가 4일 때, 초기위치(R)의 값은 얼마야?",
"\\( k \\)번째 차선의 시작위치는 어떻게 정의할 수 있어?"
] |
edaa33c6-481a-4af1-b385-a1d66d5c48a2
|
인공물ED
|
밀리미터파를 이용한 빔 조향 기반의 에너지 전송 기술
|
<h1>III. 실 험</h1> <p>본 장에서는 전-디지털 에너지 빔포밍과 빔 조향 기 법의 에너지 전송 성능을 실험을 통해 비교한다. 그리고 오차가 더해진 방위각, 앙각 정보를 기반으로 빔 조향 기법을 사용하는 경우 발생하는 성능 저하를 실험을 통해 확인한다. 또한, 유한 광선 채널을 구성하는 광선의 수에 따라 빔 조향 기법의 성능 저하를 확인한다. 모의실험은 표 1과 같은 환경에서 수행되었다. 여기서K-factor는 가장 이득이 큰 광선의 평균 이득을 다른광선의 평균 이득으로 나눈 비율이다. 광선 이득과 잡음은 복소 가우시안 분포를 따른다고 가정하였다.</p> <table border><caption>표 \(1 \). 모의실험 환경</caption> <tbody><tr><td>Parameter</td><td>Value</td></tr><tr><td>Mechanical antenna downtilt of BS</td><td>\( 15^{\circ} \)</td></tr><tr><td>Mechanical azimuth angle of BS to MS</td><td>\( 0^{\circ} \)</td></tr><tr><td>Height of BS</td><td>\( 3 \mathrm{~m} \)</td></tr><tr><td>Horizontal distance between BS and MS</td><td>\( 4 \mathrm{~m} \)</td></tr><tr><td>Radius of sphere-shaped scatterers</td><td>\( 1 \mathrm{~m} \)</td></tr><tr><td>Wavelength of millimeter wave</td><td>\( 0.075 \mathrm{~m} \)</td></tr><tr><td>K-factor</td><td>\( 3 \mathrm{~dB} \)</td></tr></tbody></table> <p>실험은 표 1 과 같은 환경에서 수행되었다. 여기서 K-factor는 가장 이득이 큰 광선의 평균 이득을 다른 광선의 평균 이득으로 나눈 비율이다. 광선 이득과 잡음은 복소 가우시안 분포를 따른다고 가정하였다.</p> <p>그림 2 는 다양한 기지국, 단말의 안테나 수와 기지국 의 송신 파워에 대해 전-디지털 에너지 빔포밍과 빔 조향 기법의 에너지 전송량을 비교한 그래프이다. 채널의 광선 수는 6으로 설정하였고, 에너지 전송량은 정규화 된 상대적인 값으로 비교하였다. 두 기법 모두 기지국에서 채널 정보를 완벽히 알고 있다고 가정하였다. 실험 결과, 빔 조향 기법은 안테나 수에 무관하게 전-디 지털 에너지 빔포밍에 비해 \( 10 \% \) 미만의 성능 저하를 보여주었다. 하지만 데이터 통신과는 다르게 송, 수신 안테나의 수가 많아져도 두 기법의 성능이 수렴하지 않았다. 그 이유는 데이터 통신의 경우 송, 수신단에서 전, 후처리를 하지만, 에너지 전송의 경우 수신단에서 후처 리를 하지 않기 때문이다. 데이터 전송에서는 송신 신 호와 잡음의 파워 비율이 중요하기 때문에 적절한 후처 리를 통해 신호 대 잡음 비를 높인다. 하지만 에너지 전송에서는 잡음과 무관하게 수신된 신호의 파워 자체가 중요하기 때문에 추가적인 에너지를 소모하는 후처리를 하지 않는다. 채널의 특이값 분해를 통해 전, 후처리기로 우, 좌 특이 벡터를 사용하는 경우, 사용 가능한 모든 파워를 가장 큰 이득을 가지는 광선에 할당할 수 있다. 반면 후처리기가 없는 경우 이득이 적은 광선으로의 파워 누출이 생겨 가장 큰 이득을 가지는 광선에 모든 파워를 할당하지 못한다.</p> <p>그림 3은 각도 추정 오차가 있을 때, 오차의 크기와 기지국과 단말 간 수평 거리에 따라 정규화된 에너지 전송량을 채널을 구성하는 광선 수에 따라 비교한 그래프이다. 송신 파워는 \( 20 \mathrm{dBm} \), 송, 수신 안테나 수는 각 각 256, 64 개를 사용하였다. 기지국과 단말 간 수평 거리는 \( 4 \mathrm{~m} \) 와 \( 20 \mathrm{~m} \) 로 설정하였으며, path loss의 영향을 제 거하고 거리에 따른 각도 추정 오차의 영향만 살펴보기 위해 거리와 관계없이 path loss는 일정하다고 가정하였다. 먼저, 광선 수에 따라 에너지 전송량이 감소함을 확인할 수 있다. 이는 빔 조향 기법이 가장 이득이 큰 광선에 모든 파워를 할당하기 때문이다. 광선 수가 많은 채널일수록 가장 이득이 큰 광선이 차지하는 비중이 줄어들기 때문에 에너지 전송량이 감소한다. 에너지 감소량의 정도가 광선 수가 적은 영역에서 크고, 일정 수 이상의 광선을 가지는 채널에서는 감소량이 많지 않다는 점도 주목할 만하다. 그리고 광선의 수가 1 개인 경우 전-디지털 에너지 빔포밍과 빔 조향 기법의 성능이 같음을 확인할 수 있다. 이는 광선의 수가 1 개이면 채널의 \( \mathrm{H} \) 의 랭크가 1 이므로 \( \mathrm{a}_{t}\left(\phi_{1}^{t}, \theta_{1}^{t}\right)=\mathrm{v}_{1} \) 이고, \( \mathrm{f}_{\mathrm{E}}-\mathrm{BF} \) \( =\mathrm{f}_{\mathrm{BS}} \) 이기 때문이다. 한편, 각도 추정 오차가 에너지 전송량에 미치는 영향은 기지국과 단말 사이의 거리가 멀수록 컸다. 왜냐하면 각도 차이가 일정하면 거리가 멀수록 실제 거리의 차이가 커지기 때문이다.</p> <p>그림 4에서는 그림 3에서 경향만 확인할 수 있었던각도 추정 오차에 따른 성능 저하 정도를 수치로 계산하여 그린 그래프이다. 광선의 수가 작을 때는 채널 추정 오차에 민감해서 채널 추정 오차에 따른 성능 차이가 크고, 광선의 수가 많을 때는 채널 추정 오차에 의한영향이 줄어드는 것을 확인할 수 있다. 왜냐하면 빔 조향 기법은 가장 큰 광선 이득을 갖는 광선을 기준으로전처리를 수행하기 때문이다. 채널을 구성하는 광선의수가 많을수록, 가장 큰 광선 이득을 갖는 광선이 전체채널에서 차지하는 비중이 줄어든다. 따라서 빔 조향기법으로 얻을 수 있는 최대 성능이 제한되고, 따라서채널 추정 오차가 전체 시스템 성능에 미치는 영향도제한된다. 또한, 각도 추정 오차가 작은 경우는 광선의수가 작을수록 전-디지털 에너지 빔포밍 대비 성능 차이가 작고, 각도 추정 오차가 큰 경우는 그 반대임을 확인할 수 있다. 이러한 결과를 바탕으로 채널 특성에 따라 광선 수가 작을 때는 피드백에 더 많은 시간을 할당하여 채널 추정 오차를 줄이고, 광선 수가 많을 때는 피드백에 할당하는 시간을 줄이고 에너지 전송 시간을 늘리면 시스템 성능을 개선할 수 있다.</p> <h1>IV. 결 론</h1> <p>본 논문에서는 현실성을 반영한 채널 모델에서 채널추정 오차가 있을 때 빔 조향 기반의 에너지 전송 기술의 성능을 다양한 관점에서 알아보았다. 기지국과 단말의 거리가 멀수록, 채널을 구성하는 광선의 수가 작을수록 채널 추정 오차의 영향이 커짐을 확인할 수 있었다. 다만, 본 연구는 모의실험을 통해 확인하였다는 한계점을 가지므로, 수식적 접근을 통한 추가 연구가 필요하다.</p>
|
[
"Mechanical antenna downtilt of BS는 어떤 Value 값을 가져?",
"Horizontal distance between BS and MS는 얼마의 Value 값을 가져?",
"\\( 3 \\mathrm{~m} \\)의 Value 값을 가지는 Parameter가 뭐야?",
"시스템 성능을 어떤 방식으로 개선할 수 있어?",
"K-factor의 Value 값은 몇 \\( \\mathrm{~dB} \\)이야?",
"Value 값이 \\( 0^{\\circ} \\)인 파라미터가 뭐야?"
] |
df091183-c1f2-4af2-a06a-de69cbb97eb0
|
인공물ED
|
불확실한 순궤환 비선형 계통에 대한 스위칭 미분기를 이용한 상태궤환 백스테핑 제어기
|
<h1>Ⅲ. 제어기 설계 및 안정도 증명</h1><p>본 절에서는 계통에 내재된 미지의 항들을 추정할 범용 근사기가 필요치 않은 동적인 제어식을 도출하는 체계적인 설계법을 제시한다.</p><h2>1. 첫 번째 단계</h2><p>첫 번째로 출력 추종 오차를 \( z_{1}=x_{1}-y_{d} \) 로 정의한다. 전술한 바대로 핵심적인 아이디어는 SD에 \( z_{1} \) 신호를 인가하여 \( \dot{z}_{1} \)를 직접 추정하는 것이다.</p><p>\( \begin{aligned} \dot{\alpha} &=k_1 e_{\alpha1}+\sigma_1 \\ \dot{\sigma}_1 &=L_1 \operatorname{sgn}\left(e_{\alpha1}\right) \end{aligned} \)<caption>(3)</caption></p><p>여기서 \( e_{\alpha 1}=z_{1}-\alpha_{1} \)이고 \( \sigma_{1} \) 이 \( \dot{z}_{1} \) 의 추정값이다. 상태변수 \( x_{2} \)를 위한 가상제어항 \( v_{2} \) 는 다음과 같이 결정된다.</p><p>\( v_{2}=-\sigma_{1}-c_{1} z_{1}+x_{2} \)<caption>(4)</caption></p><p>여기서 \( c_{1}>0 \)은 설계상수이다. \( \dot{z}_{1} \)은 다음과 같이 다시 기술할 수 있다.</p><p>\( \begin{aligned} \dot{z_{1}} &=\dot{z_{1}}+v_{2}-v_{2} \\ &=\left(\dot{z_{1}}-\sigma_{1}\right)-c_{1} z_{1}+x_{2}-v_{2} \\ &=\tilde{\sigma}_{1}-c_{1} z_{1}+z_{2} \end{aligned} \)<caption>(5)</caption></p><p>여기서 \( \tilde{\sigma}_{1}=\dot{z}_{1}-\sigma_{1} \) 은 SD의 추정 오차이고 \( z_{2}=x_{2}-v_{2} \)이다. 보조정리 1 에 의해서 \( \tilde{\sigma}_{1} \) 는 점근적으로 0으로 수렴한다. 첫 번째 리아프노브 함수는 \( V_{1}=z_{1}^{2} / 2 \) 로 정의되며 그 시간 미분은 다음과 같다.</p><p>\( \dot{V}_{1}=-c_{1} z_{1}^{2}+z_{1} \tilde{\sigma}_{1}+z_{1} z_{2} \)<caption>(6)</caption></p><p>여기서 마지막 항인 \( z_{1} z_{2} \) 는 다음 단계에서 상쇄된다.</p><h2>2. \( i \) 번째 단계 \( (i=2, \cdots, n-1) \)</h2><p>직전의 \( i-1 \) 번째 단계에서 \( z_{i}=x_{i}-v_{i} \) 가 정의되었으며 이전과 같이 \( z_{i} \)의 시간 도함수가 다음과 같은 SD를 이용하여 추정된다.</p><p>\( \begin{aligned} \dot{\alpha}_{i} &=k_{i} e_{\alpha i}+\sigma_{i} \\ \dot{\sigma}_{i} &=L_{i} \operatorname{sgn}\left(e_{\alpha i}\right) \end{aligned} \)<caption>(7)</caption></p><p>여기서 \( e_{\alpha i} \equiv z_{i}-\alpha_{i} \) 이고 \( \sigma_{i} \) 가 \( \dot{z}_{i} \) 의 추정값이다. 가상제어항 \( v_{i+1} \) 은 다음과 같이 결정한다.</p><p>\( v_{i+1}=-\sigma_{i}-c_{i} z_{i}-z_{i-1}+x_{i+1} \)<caption>(8)</caption></p><p>여기서 \( c_{i} \) 는 설계상수이다. 시간 도함수 \( \dot{z}_{i} \) 는 다음과 같이 기술될 수 있다.</p><p>\( \begin{aligned} \dot{z_{i}} &=\dot{z_{i}}+v_{i+1}-v_{i+1} \\ &=\left(\dot{z}_{i}-\sigma_{i}\right)-c_{i} z_{i}-z_{i-1}+x_{i+1}-v_{i+1} \\ &=\tilde{\sigma}_{i}-c_{i} z_{i}+z_{i+1} \end{aligned} \)<caption>(9)</caption></p><p>여기서 \( \tilde{\sigma}_{i} \equiv \dot{z}_{i}-\sigma_{i} \) 은 SD의 추정 오차이고 \( z_{i+1} \equiv x_{i+1}-v_{i+1} \) 이다. \( i \) 번째 리아프노브 함수를 \( V_{i}=V_{i-1}+z_{i}^{2} / 2 \) 로 정의하면 그 도함수는 다음과 같이 유도된다.</p><p>\( \dot{V}_{i}=\sum_{k=1}^{i}\left\{-c_{k} z_{k}^{2}+z_{k} \tilde{\sigma}_{k}\right\}+z_{i} z_{i+1} \)<caption>(10)</caption></p><p>여기서 마지막 항인 \( z_{i} z_{i+1} \) 는 다음 단계에서 상쇄된다.</p><h2>3. 마지막 \( n \) 번째 단계</h2><p>마지막 단계에서는 직전에 정의된 \( z_{n} \) 을 이용하여 다음과 같은 새로운 신호 \( a(t) \)를 정의한다.</p><p>\( \dot{w}(t)=-c_{w} w(t)+u(t)\)<caption>(11)</caption></p><p>\( a(t) \equiv z_{n}(t)-w(t) \)<caption>(12)</caption></p><p>여기서 \( c_{w}>0 \) 은 설계상수이고 \( w(t) \) 는 제어 입력을 저역 필터링(low-pass filtering)한 신호이다. 이제 \( a(t) \) 신호의 시간 미분을 다음과 같은 SD를 이용하여 직접 추정한다.</p><p>\( \begin{aligned} \dot{\alpha}_{n} &=k_{n} e_{\alpha n}+\sigma_{n} \\ \dot{\sigma}_{n} &=L_{n} \operatorname{sgn}\left(e_{\alpha n}\right) \end{aligned} \)<caption>(13)</caption></p><p>여기서 \( e_{\alpha n} \equiv a-\alpha_{n} \)이고 \( \sigma_{n} \)이 \( \dot{a}(t) \)의 추정값이 다. 제어 입력식은 다음과 같이 결정한다.</p><p>\( u=-\sigma_{n}-c_{n} z_{n}-z_{n-1}-\operatorname{sgn}\left(z_{n}\right) c_{w} w \)<caption>(14)</caption></p><p>제어 입력식 \( (14) \) 를 이용하여 \( z_{n} \) 의 시간 도함수는 다음과 같이 재기술될 수 있다.</p><p>\( \begin{aligned} \dot{z_{n}} &=\dot{z_{n}}-u+u \\ &=\left(\dot{z_{n}}-\dot{w}\right)-c_{w} w+u \\ &=\dot{a}-\sigma_{n}-c_{n} z_{n}-z_{n-1}-c_{w} w-\operatorname{sgn}\left(z_{n}\right) c_{w} w \\ &=\tilde{\sigma}_{n}-c_{n} z_{n}-z_{n-1}-c_{w} w-\operatorname{sgn}\left(z_{n}\right) c_{w} w \end{aligned} \)<caption>(15)</caption></p><p>여기서 \( \tilde{\sigma}_{n} \equiv \dot{z}_{n}-\sigma_{n} \) 이다. 최종적인 리아프노브 함수는 \( V=V_{n-1}+z_{n}^{2} / 2 \) 로 정의되고 그 시간 도함수는 다음과 같이 유도된다.</p><p>\( \begin{aligned} \dot{V} &=\sum_{k=1}^{n-i}\left\{-c_{k} z_{k}^{2}+z_{k} \tilde{\sigma}_{k}\right\}+z_{n-1} z_{n}+z_{n} \dot{z}_{n} \\ &=\sum_{k=1}^{n}\left\{-c_{k} z_{k}^{2}+z_{k} \tilde{\sigma}_{k}\right\}-z c_{w} w-|z| c_{w} w \\ & \leq \sum_{k=1}^{n}\left\{-c_{k} z_{k}^{2}+z_{k} \tilde{\sigma}_{k}\right\} \\ &=-c|z|^{2}+\frac{|z|^{2}}{4}+|\tilde{\sigma}|^{2} \end{aligned} \)<caption>(16)</caption></p><p>여기서 \( \mathrm{Z} \equiv\left[z_{1}, \cdots, z_{n}\right]^{T}, \tilde{\sigma} \equiv\left[\tilde{\sigma}_{1}, \cdots, \tilde{\sigma}_{1}\right]^{T} \), 그리고 \( c=\min _{k} c_{k} \) 이다. 이 부등식으로부터 다음 조건이 만족될 때 \( \dot{V} \)가 음수가 됨을 알 수 있다.</p><p>\( |z|>\frac{|\tilde{\sigma}(t)|}{c-0.25} \)<caption>(17)</caption></p><p>더욱이, 보조정리 1 에 의하면 \( |\tilde{\sigma}(t)| \) 는 시간이 지남에 따라서 점근적으로 0 에 수렴한다. 따라서 리아프노브함수 \( V \)에 대해서 점근적으로 지수적 안정도가 달성됨을 알 수 있다.</p>
|
[
"출력 추종 오차는 무엇으로 정의되었나요?",
"핵심 아이디어로서 무엇에 \\( z_{1} \\) 신호를 인가했어?",
"다음 중 상태변수 \\( x_{2} \\)를 위한 가상제어항 \\( v_{2} \\)의 식으로 올바른 것은 무엇인가요?",
"\\( v_{2}=-\\sigma_{1}-c_{1} z_{1}+x_{2} \\)에 언급된 설계상수 \\( c_{1} \\)은 음수인가요?",
"식 \\( v_{2}=-\\sigma_{1}-c_{1} z_{1}+x_{2} \\)에 사용된 \\( c_{1}\\)은 무엇이라고 하나요?",
"다음 중 \\( z_{2}\\), \\(x_{2}\\), \\(v_{2}\\)의 관계식으로 알맞은 것은 무엇인가요?",
"\\( \\tilde{\\sigma}_{1} \\) 는 점근적으로 무한대로 발산하나요?",
"두 번째 단계에서 마지막 항인 \\( z_{1} z_{2} \\)는 어떻게 되나요?",
"\\( i \\) 번째 단계에서 i의 범위에는 1이 포함되나요?",
"\\( i-1 \\) 번째 단계에서 \\( z_{i}\\)는 어떤 식으로 정의되었나요?",
"가상제어항 \\( v_{i+1} \\)은 무엇인가요?",
"다음 중 \\( i \\) 번째 리아프노브 함수의 정의로 올바른 것은 무엇인가요?",
"마지막 단계에서는 무엇을 새롭게 정의하나요?",
"마지막 단계에서는 무엇을 이용해서 새로운 신호 \\( a(t) \\)를 정의하나요?",
"마지막 단계에서 새롭게 정의된 신호 \\( a(t) \\)는 \\( a(t) \\equiv z_{n}(t)-w(t) \\)로 정의되나요?",
"이 절에서는 어디에 내재된 미지의 항을 추정하기 위한 범용 근사기를 사용하지 않는 동적 제어식을 도출하고자 하나요?",
"\\( \\begin{aligned} \\dot{\\alpha} &=k_1 e_{\\alpha1}+\\sigma_1 \\\\ \\dot{\\sigma}_1 &=L_1 \\operatorname{sgn}\\left(e_{\\alpha1}\\right) \\end{aligned} \\) 에서 \\( \\dot{z}_{1} \\) 의 추정값은 어떤 기호로 나타나있나요?",
"첫 번째 리아프노브 함수는 무엇으로 정의되나요?",
"몇 번째 리아프노브 함수가 \\( V_{1}=z_{1}^{2} / 2 \\) 와 같이 정의되나요?",
"핵심 아이디어는 어떻게 \\( \\dot{z}_{1} \\)를 직접 추정했나요?",
"\\( \\tilde{\\sigma} \\)은 어떤 오차인가요?",
"\\( w(t) \\) 는 무엇을 저역 필터링한 신호인가요?",
"\\( w(t) \\) 는 제어 입력을 고역 필터링 한 신호인가요?",
"최종적인 리아프노브 함수는 어떤 식으로 정의되나요?",
"\\( |z|>\\frac{|\\tilde{\\sigma}(t)|}{c-0.25} \\)이 성립할 때, \\( \\dot{V} \\)는 음수인가요?",
"다음 중 \\( \\dot{V} \\)가 음수가 되는 부등식 조건으로 알맞은 것은 무엇인가요?",
"\\( |\\tilde{\\sigma}(t)| \\) 는 시간이 지나면서 점차 어떻게 되나요?",
"리아프노브함수 \\( V \\)에 대해 점근적으로 무엇이 달성됨을 확인할 수 있나요?",
"무엇에 대해 점근적으로 지수적 안정도가 달성된다고 할 수 있나요?"
] |
32277ba2-c63e-44eb-a732-dc585d53c2e2
|
인공물ED
|
불확실한 순궤환 비선형 계통에 대한 스위칭 미분기를 이용한 상태궤환 백스테핑 제어기
|
<h1>요 약</h1><p>불확실한 순궤환 비선형 계통에 대한 스위칭 미분기 기반의 새로운 백스테핑 제어기를 제안한다. 제안된 제어기에서는 점근적 추종 특성을 갖는 스위칭 미분기를 사용하여 백스테핑 제어기의 매 설계 단계마다 가상 제어항이 직접 근사된다. 그 결과 제어식이 매우 단순화되고 계통에 내재된 파라미터 및 구조적 불확실성과 외란이 존재함에도 불구하고 계통의 출력이 원하는 출력을 점근적으로 추종함을 증명한다. 또한 신경망이나 퍼지시스템 같은 계통의 구조적인 불확실성에 적응적으로 실시간 보상하기 위한 범용 근사기가 불필요하다. 모의실험을 통해서 제안된 제어기의 성능과 간결함을 보인다.</p>
|
[
"불확실한 비선형 계통을 위해 기존에 사용했던 백스테핑 제어기를 사용해?",
"제어기는 구조적 불확실성함을 보상하기 위해 무엇이 불필요해?",
"제어기는 범용 근사기가 필요해?",
"모의실험을 통해 제안된 제어기의 무엇을 보여주지?",
"제어기에는 점근적 추종 특성을 갖는 무엇을 사용하지?",
"가상 제어항이 직접 근사할 수 있도록 하기 위해 어떻게 새로운 제어기를 만들었어?"
] |
228878a2-4a43-42c9-98ea-edcadd000a58
|
인공물ED
|
불확실한 순궤환 비선형 계통에 대한 스위칭 미분기를 이용한 상태궤환 백스테핑 제어기
|
<h1>Ⅳ. 모의실험</h1><p>제안된 제어기의 성능과 간결성을 보여주기 위해 다음과 같은 2차 비선형 계통에 대해서 모의실험을 수행 한다.</p><p>\( \dot{x}_{1}=0.1 x_{1} \cos 10 t+\left(1+x_{1}^{2}\right) x_{2} \)<caption>(18)</caption></p><p>\( \dot{x}_{2}=x_{1} x_{2}+u+\frac{u^{3}}{7}+0.5 \sin 5 t \)<caption>(19)</caption></p><p>동특성식 (18)에서 외란이 곱의 형태로 포함되어 있고, (19)에서 이 계통은 제어 입력에 대해서 비어파인(nonafffine)인 순궤환 계통임을 알 수 있다. 다만, 이 계통에 포함된 비선형항들과 외란에 대한 정보는 제어기에서는 사용할 수 없다고 가정한다. 즉, 포함된 비선형 동특성과 외란은 모두 미지(unknown)라고 가정한다. 계통의 초기값은 \( x_{1}=0.1, x+2=0 \) 으로 설정했다.</p><p>첫 번째 단계에서 설계된 가상 제어식은 다음과 같다.</p><p>\( \begin{aligned} z_{1} &=x_{1}-y_{d} \\ v_{2} &=-\sigma_{1}-c_{1} z_{1}+x_{2} \\ \dot{\alpha}_{1} &=-k_{1} e_{\alpha 1}+\sigma_{1,} e_{\alpha 1} \equiv z_{1}-\alpha_{1} \\ \dot{\sigma}_{1} &=L_{1} \operatorname{sgn}\left(e_{\alpha 1}\right) \end{aligned} \)<caption>(19)</caption></p><p>설계상수는 \( c_{1}=6, k_{1}=500, L_{1}=500 \) 로 정하였다. 그리고 두 번째 단계(마지막 단계)의 제어식은 다음과 같다.</p><p>\( \begin{aligned} z_{2} &=x_{2}-v_{2} \\ u &=-\sigma_{2}-c_{2} z_{2}-z_{1}-\operatorname{sgn}\left(z_{2}\right) c_{w} w \\ \dot{w} &=-c_{w} w+u \\ \dot{\alpha}_{2} &=-k_{2} e_{\alpha 2}+\sigma_{2}, e_{\alpha 2}=a-\alpha_{2}, a=z_{n}-w \\ \dot{\sigma}_{2} &=L_{2} \operatorname{sgn}\left(e_{\alpha 2}\right) \end{aligned} \)<caption>(20)</caption></p><p>여기서 설계상수는 \( c_{2}=6, c_{w}=1, \quad k_{2}=300 \), \( L_{2}=30 \) 으로 선택했고 (19)와 (20)에 포함된 미분방정식의 모든 초기값은 0 으로 설정했다. 전체 제어식의 동적 차수의 총합은 5차임을 (19)와 (20)을 통해서 알 수 있다.</p><p>모의실험 결과는 그림 1-그림 3에 도시되어 있다. 그림 1 에서 알 수 있듯이 계통의 출력이 \( y_{d} \)를 잘 추종함을 알 수 있다. 또한 그림 2 와 그림 3 에서 보면 두 SD의 상태 변수와 제어 입력을 저역 필터링한 \( w \)등 모든 시변 신호들이 유계임을 알 수 있다.</p>
|
[
"동특성식 (19)에서 이 계통은 제어 입력에 대해서 비어파인(nonafffine)인 환원궤환 계통이니?",
"포함된 비선형 동특성과 외란 모두 어떻게 가정했니?",
"식 (19)와 (20)에 포함된 미분방정식의 모든 초기값은 얼마로 설정했는가?",
"식 (19)와 (20)을 통해 알 수 있는 전체 제어식의 동적 차수의 총합은 몇 차인가?",
"\\( x_{1} \\)에 대한 초기값은 0으로 설정되었니?",
"Fig 1 에서 계통의 출력은 무엇을 추종하는가?",
"Fig 2 와 Fig 3을 통해 두 SD의 상태 변수와 제어 입력을 저역 필터링한 \\( w \\)등 모든 시변 신호들이 무계임을 알 수 있는가?",
"Fig 1-Fig 3에 도시된 것은 무슨 결과인가?",
"Fig 1-Fig 3에 도시된 건 어떤 결과야?"
] |
82ac6bbb-2c22-442c-8fb4-503b0afcfa09
|
인공물ED
|
불확실한 순궤환 비선형 계통에 대한 스위칭 미분기를 이용한 상태궤환 백스테핑 제어기
|
<h1>Ⅱ. 문제 정의</h1><p>본 논문에서는 다음과 같은 불확실한 순궤환 비선형 계통을 고려한다.</p><p>\( \begin{aligned} \dot{x}_{i} &=f_{i}\left(x_{i}, x_{i+1}, d_{i}(t)\right), i=1, \cdots, n-1 \\ \dot{x}_{n} &=f_{n}\left(x_{n} u, d_{n}(t)\right) \\ y &=x_{1} \end{aligned} \)<caption>(1)</caption></p><p>여기서 \( x_{i} \) 는 상태변수이고, \( \mathbf{x}_{i}=\left[x_{1}, \cdots, x_{i}\right]^{T} \) 로 정의되는 상태변수벡터이고, \( u \) 와 \( y \) 는 각각 계통의 입력과 출력이고, \( f_{i} \) 는 미지의 함수이고, \( d_{i}(t) \) 는 미지의 외란이다. 고려하는 계통에서 외란은 계통에 비선형적으로 영향을 미치는 경우도 모두 포함하며 이는 기존 논문들에서 고려하는 계통보다 더 일반적인 계통이다. 모든 상태변수는 측정가능하다고 가정한다. 제어 목표는 모든 시변 신호는 유계를 유지하면서 출력 \( y \) 를 원하는 출력 \( y_{d} \) 에 추종시키는 것이다.</p><p>어떤 시변 신호 \( a(t) \) 가 있을 때 다음과 같은 SD는 그 시간 도함수를 추정할 수 있다.</p><p>\( \begin{aligned} \dot{\alpha} &=k e_{\alpha}+\sigma \\ \dot{\sigma} &=L \operatorname{sgn}\left(e_{\alpha}\right) \end{aligned} \)<caption>(2)</caption></p><p>여기서 \( e_{\alpha}=a-\alpha \) 이고 \( k \) 와 \( L \) 은 양의 설계 상수이다.</p><p>보조정리 1 : 만약 \( \dot{a}(t) \) 가 Lipschitz 상수 \( L^{*}>0 \) 을 가지고 \( L>L^{*}\), \(k \gg 0 \)이 만족된다면 SD(2)의 \( \sigma(t) \) 는 \( \dot{a}(t) \) 를 점근적으로 추종한다.</p><p>이러한 장점을 가지는 SD가 백스테핑 제어기 설계의 매 단계마다 가상 제어항을 직접 추정하는데 사용된다.</p>
|
[
"제어 목표는 모든 시변 신호의 유계를 유지함과 동시에 출력 \\( y \\) 를 원하는 출력 \\( y_{d} \\) 에 추종시키는 거야?",
"\\( \\begin{aligned} \\dot{\\alpha} &=k e_{\\alpha}+\\sigma \\\\ \\dot{\\sigma} &=L \\operatorname{sgn}\\left(e_{\\alpha}\\right) \\end{aligned} \\)에서 SD는 시간 도함수를 추정할 수 없나요?",
"\\( \\begin{aligned} \\dot{\\alpha} &=k e_{\\alpha}+\\sigma \\\\ \\dot{\\sigma} &=L \\operatorname{sgn}\\left(e_{\\alpha}\\right) \\end{aligned} \\)에서 양의 설계 상수에 해당하는 것은 무엇인가?",
"\\( \\begin{aligned} \\dot{\\alpha} &=k e_{\\alpha}+\\sigma \\\\ \\dot{\\sigma} &=L \\operatorname{sgn}\\left(e_{\\alpha}\\right) \\end{aligned} \\)에서 \\( e_{\\alpha}=a-\\alpha \\)이 성립되나요?",
"\\( \\begin{aligned} \\dot{\\alpha} &=k e_{\\alpha}+\\sigma \\\\ \\dot{\\sigma} &=L \\operatorname{sgn}\\left(e_{\\alpha}\\right) \\end{aligned} \\)에서 \\( k \\) 와 \\( L \\) 은 양의 설계 상수에 해당합니까?",
"\\( \\dot{a}(t) \\) 가 Lipschitz 상수 \\( L^{*}>0 \\) 을 가지고 \\( L>L^{*}\\), \\(k \\gg 0 \\)이 만족된다면 무엇을 추종하게 되는가?",
"\\( \\dot{a}(t) \\) 가 Lipschitz 상수 \\( L^{*}>0 \\) 을 가지고 \\( L>L^{*}\\), \\(k \\gg 1 \\)이 만족된다면 SD(2)의 \\( \\sigma(t) \\) 는 \\( \\dot{a}(t) \\) 를 추종하나요?",
"SD는 백스테핑 제어기 설계의 각 단계에서 무엇을 추정하는데 사용되니?",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 미지의 함수를 의미하는 것은 \\( f_{i} \\)가 맞나요?",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 \\( x_{i} \\) 는 상태변수를 의미하는거야?",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 \\( u \\) 와 \\( y \\) 는 상태변수벡터가 맞습니까?",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 \\( u \\) 와 \\( y \\) 는 무엇을 뜻하는 거니?",
"본 논문에서 고려하는 것은 무엇인가?",
"무엇이 본 논문에서 고려되지",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 \\( x_{i} \\) 가 의미하는 것은 뭔가요?",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 \\( x_{i} \\) 는 무엇인가요?",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 \\( f_{i} \\) 가 의미하는 것은 무엇입니까?",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 미지의 외란을 뜻하는 것은 무엇입니까?",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 모든 상태변수는 측정가능하다고 가정합니까?",
"고려하는 계통에서 외란은 계통에 비선형적으로 영향을 미치는 경우는 미포함하니?",
"제어 목표는 무엇을 출력 \\( y_{d} \\) 에 추종시키는 것이니?",
"\\( \\begin{aligned} \\dot{x}_{i} &=f_{i}\\left(x_{i}, x_{i+1}, d_{i}(t)\\right), i=1, \\cdots, n-1 \\\\ \\dot{x}_{n} &=f_{n}\\left(x_{n} u, d_{n}(t)\\right) \\\\ y &=x_{1} \\end{aligned} \\)에서 \\( d_{i}(t) \\) 가 미지의 외란인가요?"
] |
ced87520-9900-4ba8-9885-eb185266b121
|
인공물ED
|
불확실한 순궤환 비선형 계통에 대한 스위칭 미분기를 이용한 상태궤환 백스테핑 제어기
|
<h1>Ⅰ. 서론</h1><p>순궤환 (pure-feedback) 비선형 계통은 다양한 실제 계통을 기술할 수 있다. 따라서 최근에 구조적인 혹인 파라미터에 불확실성이 있는 순궤환 비선형 계통의 제어기 설계에 대한 다양한 연구가 수행되었는다. 전형적인 접근법은 전통적인 백스테핑(backstepping) 제어 기법에 신경망(neural network)이나 퍼지 시스템(fuzzy system)과 같은 범용 근사기(universal approximator)를 도입하여 그 파라미터들을 온라인으로 학습시키면서 계통에 내재된 불확실성을 상쇄하는 적응 제어기법이다. 하지만 이 방법은 시스템 차수가 늘어나면서 제어기의 동적 차수와 학습시킬 파라미터의 개수의 증가에 의해서 제어식의 복잡도가 기하급수적으로 증가한다는 단점이 있다. 따라서 이를 보완하기 위하여 DSC(dynamic surface control) 기법을 백스태핑 알고리즘에 적용하여 제어식의 복잡도를 낮추거나, 백스테핑을 회피하거나, 최근에는 아예 범용 근사기가 필요 없는 알고리듬 등이 발표되고 있는 추세이다.</p><p>본 논문에서 제안하는 제어기의 핵심 아이디어는 최근에 발표된 스위칭 미분기(switching differentiator, SD)를 이용하여 백스테핑 설계의 각 단계에서 필요한 가상 제어항의 시간 도함수를 직접 근사하는 방법을 사용한다는 점이다. 그리고 제어기 설계의 마지막 단계에서는 필터링된 제어 입력과 가상제어항으로 구성된 신호의 미분을 추정하는 새로운 방법으로 상태 궤환 제어기를 설계한다. 본 논문에서 제시하는 방법의 장점은 제어 대상 계통에 내재한 비구조화된 불확실성에도 불구하고 제어식을 구성하는데 범용 근사기가 필요 없다는 것이다. 이로서 전체 제어식의 동적 차수가 상대적으로 현저히 작아진다. 또한, 가상 제어항의 미분을 직접 SD로 근사화하므로 시스템의 차수가 증가하더라도 제어식의 복잡도가 증가하지 않는다. 폐루프 계통의 안정도 증명도 기존의 방법들에 비해서 상대적으로 간결하며 추종오차의 점근적인 안정도를 증명할 수 있다. 2차 계통에 대한 모의실험 결과를 제시하여 제안된 제어기의 간결함과 성능을 보인다.</p>
|
[
"본문에서 제안하는 제어기는 스위칭 미분기를 이용해서 어떤 도함수를 직접 근사하는 거야?",
"백스테핑 제어 기법에서 시스템 차수가 늘어나면 제어식의 복잡도가 증가하는 이유가 뭐야?",
"해당 글에서 제안한 방법의 경우 제어식을 구성하는데 범용 근사기가 꼭 필요하다는 점이 장점일까?",
"DSC 기법을 백스태핑 알고리즘에 적용하면 제어식의 복잡도는 높아지는 거야?",
"무슨 기법을 백스태핑 알고리즘에 적용하면 단점을 보완할 수 있어?",
"백스태핑 알고리즘에 적용하면 단점을 보강할 수 있는 기법은 뭐야?",
"본문에서 제안하는 제어기는 백스테핑 설계 각 단계에서 무엇을 이용하고 있어?",
"백스테핑 설계 각 단계에 이용되는 제어기는 뭐야? ",
"전체 제어식의 동적 차수는 상대적으로 높아지는 현상이 나타나지?",
"제어기 설계 마지막 단계는 어떠한 방법으로 상태 궤한 제어기를 설계해?",
"기존의 방법들에 비해서 폐루프 계통의 안정도 증명은 상대적으로 더 복잡하지?",
"DSC 기법을 백스태핑 알고리즘에 적용해도 백스테핑은 회피할 수 없지?",
"시스템의 차수가 증가함에도 제어식의 복잡도가 증가하지 않는 이유는 뭐야?",
"전형적인 접근법의 경우 어떤 제어기법을 이용하는가?",
"다양한 실제 계통을 기술 가능한 것은 어떤 비선형 계통이야?",
"어떤 비선형 계통이 다양한 실제 경향을 기술 가능하지?",
"순궤환 비선형 계통의 제어기 설계와 관련하여 무엇이 수행되었나?",
"무엇이 순궤환 비선형 계통의 제어기 설치와 관련하여 수행된거니?",
"퍼지 시스템이나 신경망과 같은 범용 근사기를 도입한 제어 기법은 뭐야?",
"백스테핑 제어 기법은 시스템 차수가 늘어나면 학습시킬 파라미터의 개수와 제어기의 동적 차수는 감소가 되는 거야?"
] |
2c1b555a-9890-4274-b822-3ce51bad6710
|
인공물ED
|
불확실한 순궤환 비선형 계통에 대한 스위칭 미분기를 이용한 상태궤환 백스테핑 제어기
|
<h1>Ⅴ. 결론</h1><p>본 논문에서는 불확실한 순궤환 비선형 계통에 대해서 SD 기반의 새로운 백스테핑 제어기를 제안하였다. 즉, 백스테핑 설계의 각 단계에서 필요한 가상 제어항의 시간 도함수를 직접 SD를 사용하여 근사하고 마지막 설계 단계에서는 필터링된 제어입력과 가상 제어항으로 구성된 신호의 미분을 추정하는 새로운 방법으로 출력을 추종하는 제어식을 도출하였다. 본 논문에서 제시하는 방법의 장점은 제어 대상 계통에 내재한 비구조화된 불확실성에도 불구하고 제어식을 구성하는데 범용 근사기가 필요 없다는 것이다. 따라서 범용 근사기 파라미터를 갱신할 필요가 없으므로 전체 제어식의 동적 차수가 상대적으로 작아진다. 또한, 시스템의 차수가 증가하더라도 제어식의 복잡도가 크게 증가하지 않는다. 폐루프 계통의 안정도 증명도 기존의 방법들에 비해서 상대적으로 간결하며 추종 오차가 점근적으로 지수적인 안정도를 회복함을 보였다.</p>
|
[
"본 논문에서 무엇을 제안했어?",
"무엇을 본 논문에서 제의했지?",
"본 논문에서는 무엇에 대한 제어기를 제안했어?",
"백스테핑 설계의 각 단계에서 필요한 것은 뭐야?",
"무엇이 백스테핑 설계의 각 단계에 필요해",
"본 논문에서 제시하는 방법의 장점은 뭐야?",
"무엇이 본 논문에서 제안하는 방법의 장점일까",
"본 논문에서 제시하는 방법은 범용 근사기 파라미터를 갱신할 필요가 있어?",
"본 논문에서 제시하는 방법은 시스템의 차수가 증가하면 제어식의 복잡도는 감소해?",
"본 논문에서 제안한 제어기는 무엇을 기반으로 하는가?",
"무엇을 바탕으로 본 논문에서 제어기를 제안하니",
"마지막 설계 단계에서 신호의 미분은 무엇으로 구성돼?",
"신호의 미분은 무엇으로 마지막 설계 과정에서 구성돼"
] |
178de05b-3c93-4c65-808d-bfa49f0a1061
|
인공물ED
|
고내열 플라스틱 기판의 기술동향
|
<p>플라스틱 소재는 열이 가해지면 열응력을 받는 동안 분자 내 원자결합에 열에너지에 의한 비축력이 변화하게 되고, 쌓여진 에너지가 커지면 원자결합체 길이가 늘어나게 된다. 이 길이는 디스플레이 공정중 가열, 냉각하는 과정이 반복되면서 변화하게 되고 이에 따라 전체적으로 플라스틱 기판도 늘어나거나 줄어들게 된다. 이러한 길이의 변화가 열팽창계수 (CTE, coefficient of thermal expansion)이다. 소재와 평가방법에 따라 선팽창계수, 부피팽창계수, 면팽창계수가 측정되나, 플라스틱 기판처럼 고체의 경우 주로 선팽창계수를 평가한다. 선팽창계수 (\( \alpha \)) 는 다음과 같이 정의된다.</p><p>\( \alpha=\frac{1}{L_{0}}\left(\frac{d L}{d T}\right) \)</p><p>이 선팽창계수는 온도가 변화할 때 단위길이의 변화이다. LCD/OLED용 유리 기판의 CTE가 \(3.5\times 10^{-6}\left(\mathrm{ppm} /{ }^{\circ} \mathrm{C}\right) \) 임에 비해서 플라스틱 기판의 CTE는 투명 플라스틱 중에서는 PEN(polyethylene naphthalate)이 가장 낮지만 약 6배 정도의 큰 값을 보이고, 분자내 분자간 전하이동복합체 (CTC, charge transfer complex)를 형성하는 폴리이미드 (유색)가 (주쇄의 화학구조에 의존성을 갖지만) 유리수준의 CTE를 보여준다.</p><table border><caption>표 1 디스플레이용 기판 특성 비교</caption><tbody><tr><td></td><td>단위</td><td>Glass</td><td>유색PI</td><td>PC</td><td>PET</td></tr><tr><td>유리전이온도 (Tg)</td><td>oC</td><td>690</td><td>\(>400\)</td><td>145</td><td>80</td></tr><tr><td>CTE (\(50\,^{\circ}\mathrm{C} \sim250\,^{\circ}\mathrm{C}\))</td><td>\(\mathrm{ppm}/^{\circ}\mathrm{C}\)</td><td>\(0.8\)</td><td>\(<10\)</td><td>\(>120\)</td><td>\(>40\)</td></tr><tr><td>전파장 투과율</td><td>\(\%\)</td><td>92</td><td>\(<60\)</td><td>90</td><td>91</td></tr><tr><td>Yellow lndex</td><td></td><td>0</td><td>90~92</td><td>0.5</td><td>0.2</td></tr><tr><td>Surface Hardness</td><td>\(\mathrm{H}\)</td><td>9</td><td></td><td>B</td><td>2B</td></tr><tr><td>Modulus</td><td>\(\mathrm{GPa}\)</td><td>10</td><td>\(>3\)</td><td>2</td><td>3</td></tr><tr><td>Water Absorption</td><td>\(\%\)</td><td>0</td><td>2~3</td><td>0.2</td><td>1.2</td></tr><tr><td>Flexibility</td><td></td><td>X</td><td>O</td><td>X</td><td>O</td></tr></tbody></table><p>디스플레이는 표시부와 구동부를 구성하기 위해서 유기, 무기층을 교차로 서로 적층하는 복합 구조물로서 각각의 층을 형성하기 위해서 세정(wet 세정 혹은 dry 세정), 코팅, 건조(soft bake 혹은 hard bake), 증착(deposition), 포토리소그라피, 식각(wet 식각 혹은 dry 식각) 공정 등이 반복적으로 이용된다. 관련공정들은 형성하는 박막의 품질을 고려해 상온에서 고온으로 승온하는 공정, 다음공정을 위해 고온에서 저온으로 냉각하는 공정이 반복된다.</p><p>이때 형성하는 소재간 CTE 차이가 클 경우 박막 간 계면 특성이 나빠지게 되는데, 특히 디스플레이의 기반이 되는 기판의 CTE가 클 경우에는 대면적화 및 고성능화가 어렵고, 고밀도 해상도를 구현하는 것이 불가능하다는 것을 2000 년대 중반부터 확인하였다.</p><p>2000년대 중반부터 유리전이온도가 \( 300^{\circ} \mathrm{C} \) 넘는 고내열 고분자(AryLite, COC(cyclic olefin copolymer) 등)가 필름 성형공정의 어려움에도 불구하고 디스플레이용 기판으로 평가가 진행되었지만, PEN이하의 CTE를 보여주지는 못하였다. 높은 유리 전이온도가 낮은 CTE를 보장하지 못하는 것을 확인하고, 플라스틱 기판의 열적안정성을 보완하기 위해서 우수한 열적 안정성을 갖는 무기섬유 혹은 나노입자를 도핑한 복합소재 기판이 디스플레이 분야에서 한때 주목을 받기도 하였다.</p>
|
[
"플라스틱 소재에 열이 가해지면 원자결합체 길이가 늘어날까?",
"플라스틱 기판의 열적안정성을 보완하기 위하여 무기섬유 혹은 무엇을 도핑한 복합소재 기판이 만들어졌는가?",
"플라스틱 소재는 열이 가해지는 동안 분자 내 원자결합에 열에너지에 의한 어떤 힘이 달라지게 되는가?",
"플라스틱 기판이 열을 받았을 때 일어나는 길이의 변화를 무엇이라고 하는가?",
"열팽창계수에는 선팽창계수, 부피팽창계수, 면팽창계수 등이 해당돼?",
"고체에서는 주로 부피팽창계수를 평가할까?",
"표시부와 구동부를 이루기 위해 유기층과 무기층을 번갈아가며 쌓은 복합 구조물을 뭉엇이라고 하는가?",
"디스플레이를 형성하는 소재 사이의 어떤 차이가 많이 날 경우에 대면적화나 고성능화가 어려워지는가?",
"디스플레이를 형성하는 소재간에 어떤 차이가 클 경우 고밀도 해상도의 구현이 불가능해지는가?",
"디스플레이의 형성 소재간 열팽창계수 차이가 현격한 경우에는 고밀도 해상도를 구현하는 것이 불가능한가?",
"디스플레이 기판의 CTE가 클 경우 고밀도 해상도의 구현이 불가능하다는 사실은 언제 확인되었는가?",
"나노입자를 도핑한 복합소재 기판은 높은 열적 안정성을 갖고 있는가?",
"플라스틱 기판의 길이는 가열 및 냉각 과정에 따라서 늘어나거나 줄어드는 특성이 있어?",
"유리 전이온도가 높다면 CTE값은 무조건 낮은가?",
"디스플레이에서 각 층을 만들기 위해서 코팅 공정이 필요할까?",
"PET의 전파장 투과율 값은 몇인가?",
"표 1에서 확인할 수 있는 정보 중, PC에서의 Yellow Index값은 얼마일까?",
"표 1에서 정보를 확인하였을 때, Flexibility가 존재하지 않는다고 표시된 기판은 PC와 PET 중 어디일까?",
"디스플레이용 기판들의 특성을 비교한 표에서 Yellow Index의 값과 Water Absorption의 값이 모두 0인 기판의 명칭은 무엇이야?",
"Water Absorption은 어디에서 가장 큰 값을 가지는가?",
"디스플레이용 기판 특성을 비교한 표에서 확인할 수 있는 정보로, 유리전이온도는 Glass와 PET 중 어디에서 그 값이 더 클까?"
] |
0e87833c-80a3-41cb-9e96-b280a1004234
|
인공물ED
|
고내열 플라스틱 기판의 기술동향
|
<p>IHS마킷은 올해 플렉시블 OLED 매출 점유율이 지난해 120억 달러에서 올해 230억 달러로 증가해 \( 66.6 \% \) 점유율을 기록할 것으로 예측하였으며. rigid-OLED 매출은 작년 100억 달러에서 올해 110억 달러로 소폭 증가할 것으로 예상했다.</p><p>2000년대 중반부터 정부/민간 기업이 주도한 국내의 플라스틱 기판의 개발 동향을 살펴보면 주로 열적특성에 초점을 맞춘 개발이 종료 혹은 진행 중에 있다. 디스플레이용 기판을 개발하기 위해서는 소재업체, 필름성형업체, 기능성 코팅관련업체, 평가장비업체, 세트업체와의 긴밀한 협력체계와 기술융합이 절실히 요구되나, 산업간 업체 간 벽이 현실적으로 높고, 관련업체의 기술력이 부족해 현재까지 기존의 유리 기판 수준의 공정성 및 특성을 갖는 플렉서블 기판은 현재까지 개발되지 못하였으며, 향후에도 어려울 것으로 예측된다.</p><p>1990년대 후반부터 무정형, 세미결정성을 갖는 광학적으로 투명한 플라스틱 필름이 디스플레이용 기판으로 상용화 평가가 진행되었으나, 유리 기반 디스플레이가 구현하는 스펙(해상도, 균일성(이미지 품질 및 구동)) 및 패널 단가(수율)를 구현하는 것이 불가능해서 일부 저가형 표시소자(전자잉크, ECM, PDLCD 등) 및 터치패널을 제외하고는 적용이 되지 않고 있다.</p><p>다만, 고내열 플라스틱 중에서 짙은 노란색을 띄고 있지만 화학구조를 제어하면 유리수준의 열적 특성을 보여줄 수 있는 폴리이미드(PI, polyimide)가 OLED, 레이저를 이용한 박리 공정(LLO, Laser lift-off)의 개발과 함께 현재는 플렉서블 디스플레이의 유일한 기판으로 상업적으로 이용되고 있다.</p><h1>2. 유색 폴리이미드 기판</h1><p>고내열 수지업체, 광학 필름업체를 중심으로 1990년대 후반부터 플렉서블 디스플레이용 투명 플라스틱 기판분야의 사업화 검토 및 시생산 수준의 연구개발이 진행되었으나, 플라스틱의 유연성 및 가격 경쟁력을 바탕으로 유리 기판수준의 내열성, 투광성, 내화학성, 표면특성, 전기적 특성을 동시에 보여주는 소재·필름은 개발되지 못하였다.</p><p>유리는 유리전이온도(Tg)가 6900C 이지만, 폴리이미드를 제외한 투명 플라스틱의 유리전이온도는 유리 대비 \( 1 / 2 \sim 1 / 9 \) 에 불과하다. 2000 년대 초반 플렉서블 디스플레이 개발 초기에는 플라스틱 기판의 낮은내열성을 고려해 새로운 저온 공정/장비를 개발하거나, 저온 소재를 개발해 플라스틱 기판의 열이력 변화(thermal expansion \& shrinkage)를 최소화하는 방법이 많은 주목을 받았다.</p><p>그러나 공정 온도를 낮춰 형성한 유기 . 무기 박막의 전기적, 물리적, 화학적 특성이 높은 고온에서 형성한 박막에 비해 품질이 열악하고 이를 개선하기 위한 개발도 어려움을 겪자, 2000년대 중반부터는 유리전이온도가 \( 300^{\circ} \mathrm{C} \) 가 넘는 고내열 무정형 고분자 혹은 유리섬유를 도핑한 복합 플라스틱 기판을 중심으로 플렉서블 디스플레이용 기판의 개발방향이 변화하였다.</p><p>플라스틱 기판이 디스플레이용 기재로 적용되기 위해서는 다양한 요구사항이 있다. 특히 플라스틱의 소재 특성상 열적 특성이 취약하기 때문에 열안정성에 대한 중요성은 개발초기부터 지속적으로 있어왔다. 열응력에 대해서 자기 고유물성을 유지하려는 내구성으로 정의되는 열안정성은 장기적 관점의 평가뿐만 아니라 단기적 관점에서도 관찰되는데 단기적 열안정성은 광학특성을 포함한 물리 화학적 특성변화, 유동성 변화로 측정될 수 있다.</p>
|
[
"1990년대 후반부터 무정형, 세미결정성을 갖는 광학적으로 투명한 플라스틱 필름이 디스플레이용 기판으로 상용화 평가가 진행되었다.",
"2000년대 중반부터 정부/민간 기업이 주도한 국내의 플라스틱 기판의 개발 동향을 살펴보면 주로 열적특성에 초점을 맞춘 개발이 종료 혹은 진행 중에 있다.",
"2010년대 중반부터 정부/민간 기업이 주도한 국내의 플라스틱 기판의 개발 동향을 살펴보면 주로 열적특성에 초점을 맞춘 개발이 종료 혹은 진행 중에 있다.",
"2000년대 후반부터 무정형, 세미결정성을 갖는 광학적으로 투명한 플라스틱 필름이 디스플레이용 기판으로 상용화 평가가 진행되었다.",
"1990년대 중반부터 정부/민간 기업이 주도한 국내의 플라스틱 기판의 개발 동향을 살펴보면 주로 열적특성에 초점을 맞춘 개발이 종료 혹은 진행 중에 있다.",
"정부/민간 기업이 주도한 국내의 플라스틱 기판의 열적특성에 초점을 맞춘 개발을 한 시기는?",
"1990년대 후반부터 무정형, 세미결정성을 갖는 광학적으로 투명한 유리 필름이 디스플레이용 기판으로 상용화 평가가 진행되었다.",
"플렉시블OLED 매출 점유율은 해마다 증가중이다",
"1980년대 후반부터 무정형, 세미결정성을 갖는 광학적으로 투명한 플라스틱 필름이 디스플레이용 기판으로 상용화 평가가 진행되었다.",
"1990년대 후반부터 무정형, 세미결정성을 갖는 광학적으로 투명한 플라스틱 필름이 디스플레이용 기판으로 상용화 평가가 진행되었다."
] |
95cf2dfd-9b56-4021-9d46-d1e47938aea3
|
인공물ED
|
고내열 플라스틱 기판의 기술동향
|
<p>앞선 롤업 디스플레이나 폴더블 디스플레이는 일정한 수준의 물리적 스트레스가 특정 위치 및 특정 방향으로만 가해지고, 변형도 고정적이지만, 스트레처블 디스플레이는 가해지는 물리적 스트레스에 방향, 크기 및 범위 등에 한계가 없기 때문에 다양한 환경 하(온도, 습도)에서 내구성 평가 기준이 훨씬 복잡하고 까다롭다.</p><p>일축 가변형 디스플레이에서는 폴리이미드가 거의 유일한 해법으로 인식되고 있으나, 다축 가변형 디스플레이에서는 기판의 요구사항이 공정에 필요한 내열성, 내화학성 이외에 탄성복원력을 함께 요구한다. 새로운 소재/필름이 개발된다면 기존의 공정/장비가 차이가 크게 없겠지만, 플라스틱의 특성을 고려하면 소재적 목적을 달성하는 것은 거의 불가능할 것이다.</p><p>현재의 기술 수준에서 스트레처블 디스플레이용 기판의 요구사항을 정의하는 것이 어렵지만, 기존의 내열성, 내화학성, 광특성, 흡습성, 강도 이외에 신축성, 연신율, 복원력 등의 요구사항이 추가될 것으로 보인다. 신축복원력을 갖기 위해서는 플라스틱의 탄력계수(\( \mathrm{U}_{\mathrm{r}} \), modulus of resilience)가 높아야 하며, 이를 위해서는 낮은 elastic modulus (\( E \)) 를 갖는 소재 혹은 높은 yield stress (\( \sigma_{\mathrm{y}} \)) 를 갖는 소재가 요구된다.</p><p>\( U r=\int_{0}^{\epsilon_{y}} \sigma d \epsilon=\frac{1}{2} \sigma_{y} \epsilon_{y}=\frac{\left(\sigma_{y}\right)^{2}}{2 E} \)</p><p>대표적으로 유리전이온도가 낮은 소재는 elastic modulus가 낮기 때문에, 최근에는 폴리우레탄(polyurethane), PDMS(poly(dimethyl siloxane))와 같은 높은 신축성을 갖는 탄성체를 기판으로 적용하는 연구도 많이 진행하고 있다. 그러나 탄성체의 경우 고온에서의 치수, 형상 변화율이 너무 크고, 내화학성, 내환경성도 나쁘기 때문에 저온 형성기술 등이 탄성체 기판 특성에 맞추어 개발되고 있다.</p><p>그러나 탄성체의 소재적 한계 때문에 폴리이미드에 기공을 도입해 elastic modulus를 낮춰 폴리이미드의 신축성을 강화하는 방법, 폴리이미드 기판 구조를 그물 모양으로 가공하는 방법, 탄성체(주로 PDMS)를 늘린 상태에서 표시부와 발광체를 형성하고, 기판이 줄어들더라도 늘린 범위까지는 기판을 연신할 수 있도록 하는 방법이 연구 개발되고 있다. 폴리이미드를 적용하면서 기계적 탄성력을 보완할 수 있는 소재/구조를 추가하는 방법이 한동안 연구개발의 주요 방향이 될 것으로 보인다.</p><p>폴리이미드가 10 여 년 전부터 고정형, 일축 가변형 디스플레이용 고내열 기판으로 적용되기 시작한 이후 다양한 환경 하에서 검증을 거치면서 유일한 플렉서블 기판소재로서 전 세계적으로 이용되고 있다.</p><p>스트레처블 디스플레이는 획기적인 소재혁신이 요구된다. 현재 개발이 폴리이미드와 PDMS와 같은 탄성 고무를 하이브리드 하는 초보적 수준의 접근을 하고 있으나, 폴리이미드 소재의 연신율 및 복원력에 한계가 있고, 복잡한 공정이 필요해 근본적인 한계가 있다.</p><p>내열성과 탄성복원력이라는 서로 상반된 물성을 동시에 만족하는 플라스틱 기판의 개발 어려움 때문에 미래의 스트레처블 디스플레이는 기존의 폴리이미드 기반 2~3세대 플렉서블 기술을 일부 변경하는 수준에서 현재의 디스플레이보다 낮은 해상도를 가지면서 특정한 일부 부분/영역이 제한된 범위에서 약간의 신축성을 갖는 정도가 될 것으로 예측된다.</p><p>플렉서블 디스플레이는 현재까지도 시장이 성장을 주도하지 못하고, 세트업체들의 HW기술 발전에 전적으로 의존함으로써 플렉서블 디스플레이의 방향성 혁신성이 모호해졌다고 생각된다. 20여년이 넘은 지적이지만, 플렉서블 디스플레이의 타겟 분야 혹은 시장이 현재보다는 보다 명확해진다면 소재/공정 기술의 개발 방향도 분명해지면서 플라스틱 기판을 포함한 관련 분야도 좀 더 빠르게 발전할 수 있을 것으로 기대한다.</p>
|
[
"내열성과 탄성복원력은 서로 상반되는 물성인가요?",
"물리적인 스트레스가 특정 위치나 특정 방향으로만 가해지는 디스플레이는 무엇인가요?",
"스트레처블 디스플레이에서 어떤 소재를 이용했을 때, 근본적인 한계에 부딪혔나요?",
"유리전이온도가 낮은 소재는 elastic modulus가 높은가요?",
"스트레처블 디스플레이는 어떤 이유로 다양한 환경에서 내구성 평가 기준이 복잡한가요?",
"탄성체의 소재적 한계로 인해 어떤 연구들이 개발되고 있나요?",
"신축복원력을 갖기 위해 어떤 특성의 소재가 요구되나요?",
"현재의 기술 수준에서 스트레처블 디스플레이용 기판은 어떤 요구사항들이 추가적으로 필요한 것으로 예상되나요?",
"일축 가변형 디스플레이가 다축 가변형보다 더 많은 요구사항이 필요한가요?",
"미래의 스트레처블 디스플레이는 어떤 특성을 가질 것으로 예상되나요?",
"다축 가변형 디스플레이는 일축 가변형보다 어떤 요구사항이 필요한가요?",
"일축 가변형 디스플레이에서 유일한 해법으로 인식되고 있는 것은 뭐야?",
"현재 전세계적으로 이용되고 있는 유일한 플렉서블 기판소재는 뭐야?",
"폴리우레탄(polyurethane), PDMS(poly(dimethyl siloxane))은 높은 신축성을 갖는 소재인가요?"
] |
d3b0abbc-bd39-4a13-adb6-359aa092bad0
|
인공물ED
|
고내열 플라스틱 기판의 기술동향
|
<h1>1. 플라스틱 기판의 현황</h1><p>급속한 IT 기술의 발전 덕분에 언제 어디서나 원하는 정보를 쉽게 얻을 수 있는 유비쿼터스 시대가 되면서, 휴대가 간편하고 이동성을 강조한 휴대용 단말기가 현대 사회의 필수품이 되고 있다. 이에 따라 얇고 가벼운 경박단소한 특징이 디스플레이의 기본적 요구사항이 되고 있다.</p><p>기존의 유리 기반 디스플레이 대신 가볍고 유연한 플라스틱 기판에 디스플레이를 형성하는 ‘플렉서블 디스플레이(flexible display)'에 대한 필요성은 20여 년전부터 대두되었으며, 최근에는 국가별, 기업별로 관련 연구개발 및 상업생산 경쟁이 치열하게 전개되고 있다.</p><p>디스플레이는 전자 기기의 작동결과를 보여주는 출력(output) 장치이지만, 터치패널 기술이 발전하면서 입력(input) 장치와 일체화가 되는 추세이다. 향후 전자기기는 사용자와 가장 가까운 곳에서 필요한 정보를 시시각각 제공할 수 있는 웨어러블 기기가 될 것으로 예측되며, 이에 따라 디스플레이도 플렉시블화가 필수적으로 요구되고 있다.</p><p>플렉서블 디스플레이는 제품 디자인 및 설치 공간에 제약이 없어서 제품 효용이 증대된다는 장점뿐만 아니라 가볍고 얇다는 것, 그리고 기술이 정착되면 생산 공정효율이 높아져(연속 공정, roll to roll process) 저비용 양산이 가능하고, 대면적화가 용이하다는 특징이 있다.</p><p>플렉서블 디스플레이는 2004년 미국의 E-잉크사가 전자잉크를 기반으로 50dpi(dot per inch, 1인치 당 도트수) 해상도를 가진 전자종이를 공개한 것을 시작으로 2008년도에는 나이키사의 요청으로 국내의 (주)Softpixel사가 PES(poly(ether sulfone)) 필름기반의 손목형 플렉서블 흑백 LCD시계를 세계 최초로 개발하였다(그림 1) 하지만 국내에서 개발된 플렉서블 LCD시계는 신뢰성 요구를 충족하지 못해 상업생산까지 이르지는 못하였다.</p><p>최근에는 OLED(organic light emitting diode)가 백라이터가 없고, 스스로 빛을 내는 유기물질로 이루어져 유연성 확보가 용이하다는 장점으로 인해서 플렉서블 디스플레이로서 활발히 개발되고 있다. 지난 CES 2018에서는 프로토타입이지만 LG전자가 65인치 롤업 OLED-TV를 선보였다. 평상시에는 롤업 TV를 카세트에 보관하다가 사용 시 손쉽게 롤업하여 사용할 수 있음을 보여주었다.</p><p>플렉서블 OLED가 플렉서블 디스플레이 시장의 절대적인 비중을 차지하고 있으며, 플렉시블 OLED를 탑재한 스마트폰이 증가하면서 2017년 플렉시블 OLED 매출은 3배 이상 증가하였다. 특히 중소형 AM(active matrix)-OLED 매출의 \( 54.6 \% \) 를 플렉시블이 차지하면서 rigid(강직)-OLED 시장 규모를 앞질렀다. 시장조사업체 IHS 마킷은 2017년 플렉시블 OLED시장이 약 \( 250 \% \) 성장해 2016년 35억 달러(약 3조 7877억 원)에서 2017년 120억 달러(약 12 조 9864억 원)로 성장했다고 밝혔다. (같은 기간 rigid-OLED 출하매출은 - \( 14\%\))</p>
|
[
"언제 어디서나 원하는 정보를 쉽게 얻을 수 있는 시대는?",
"기존의 플라스틱 기반 디스플레이 대신 유리 기반 디스플레이가 대두되고 있다",
"디스플레이는 전자기기의 작동결과를 보여주는 출력 장치이다",
"휴대용 단말기의 장점은?",
"OLED는 유연성 확보가 어렵다",
"현대 사회의 필수품인 휴대용 단말기의 디스플레이의 기본적 요구사항은?",
"향후 전자기기는 사용자와 가장 가까운 곳에서 필요한 정보를 시시각각 제공할 수 있는 웨어러블 기기가 될 것이다.",
"기존의 유리 기반 디스플레이 대신 플라스틱 기반 디스플레이가 대두되고 있다",
"디스플레이는 전자기기의 작동원인을 보여주는 입력 장치이다",
"플렉서블 디스플레이는 저비용 양산이 불가능하다.",
"플렉서블 디스플레이는 저비용 양산이 가능하다.",
"OLED는 스스로 빛을 내는 유기물질로 이루어져 유연성 확보가 용이하다는 장점이 있다",
"OLED(organic light emitting diode)가 백라이터가 없다",
"OLED(organic light emitting diode)가 백라이터가 있다"
] |
65867616-dc51-4e11-8f11-942f56801260
|
인공물ED
|
고내열 플라스틱 기판의 기술동향
|
<h1>3. 무색 폴리이미드 기판</h1><p>유색 폴리이미드가 가진 색상, 광투과율, 흡습성, 전기적 특성을 개선하기 위해서 폴리이미드 분자의 전자친화도(electron affinity)를 감소시키거나, 분자내 공역(conjugation) 구조를 방해해 색상의 원인이 되는 분자내 - 분자간 CTC를 저해하는 방법으로 무색(colorless) 폴리이미드를 개발하고 있다. 무색 폴리이미드는 현재 디스플레이, 산업용 필름, 기능성 필름으로 적용이 검토되고 있다.</p><p>유색 폴리이미드 필름 시장은 SKC코오롱PI, 카네카, 듀폰, 토레이, 타이마이드 등 5개사가 전세계 시장의 \( 70 \% \) 를 과점하는 상태이지만, 무색 폴리이미드 필름 생산기술을 갖춘 업체는 SKC, 스미토모화학(일), 코오롱인더스트리에 불과한 실정이다. 삼성전자를 비롯한 휴대폰 업체들은 2018년 폴더폰을 출시할 예정이며, 기계적 강직성을 가지면서 접히는 무색 폴리이미드는 기존의 유리인 스마트폰의 커버윈도우를 대체할 수 있는 소재로서 폴더폰의 핵심 필름으로 그 수요가 크게 늘어날 것으로 예측된다.</p><p>OLED 기반 폴더폰이 양산될 경우, 커버윈도우는 무색 폴리이미드, OLED 기재는 유색 폴리이미드가 사용될 것으로 보인다. SKC는 당초 코오롱과의 합작사인 SKC코오롱PI의 일부시설에서 무색 폴리이미드를 생산할 계획이었지만, 코오롱인더스트리가 2016년 세계 최초로 무색 폴리이미드를 개발한 후 관련 분야의 독자투자를 진행하고 있어, 2018년 무색 폴리이미드 자체투자를 시작해 2019년 양산을 시작할 예정이다.</p><p>유색 폴리이미드에서 색상을 없애는 방법으로는 이미드 주사슬에 전기음성도가 큰 원소/그룹(예, 트리플루오르메틸(-CF3 그룹)을 도입해 \( \pi \) 전자의 이동을 저하/차단시켜 CTC형성을 방해하거나 굽은 사슬구조를 갖는 슬폰기 혹은 에테르기를 도입해 폴리이미드의 자유 체적(free volume)을 증대시켜 분자사슬간의 CTC를 방해할 수 있다. 또한 이미드 사슬 내에 알킬 사슬을 도입해 \( \pi \) 전자의 밀도를 낮추면 CTC 효과를 줄일 수 있다. 대표적인 모노머는 그림 11과 같다.</p><p>이렇게 만들어진 무색 폴리이미드는 유색 폴리이미드에 비해서 무색이면서 우수한 가시광선 투과율, 낮은 흡습성을 가지고 있다.</p><p>그러나 무색 폴리이미드는 광학적으로 투명한 특성을 보이지만, 반대로 줄어든 CTC의 영향으로 열적/기계적 특성이 급격하게 감소하게 된다. 이에 따라 표 3에서 나타낸 것처럼 특히 무색 폴리이미드의 CTE는 유색 폴리이미드에 비해서 10배 이상 증가한 수치를 보이며, \( 10 \mathrm{ppm} /{ }^{\circ} \mathrm{C} \) 이하의 CTE를 구현하는 것은 구조적으로 어렵다.</p><p>이러한 단점을 보완하기 위해서 투명성은 유지하면서, 폴리이미드의 열적/기계적 특성을 감소시키지 않는 방법으로서 강직한 화학구조를 가진 모노머를 일부 포함시킨 폴리이미드 공중합체를 이용하거나, 전기음성도가 큰 불소가 포함된 무색 폴리이미드, 폴리이미드 기반 나노복합체가 주목을 받고 있다. 특히 고내열 무색 폴리이미드의 경우 합성할 수 있는 모노머, 합성 방법이 폭넓지 않아 관련 지적재산권의 확보가 상업생산에서 중요한 의미를 가진다.</p><p>무색 폴리이미드도 유색 폴리이미드와 마찬가지로 2단계의 반응과정을 거쳐 제조된다. 첫 번째 단계는 dianhydride와 diamine을 NMP, DMAc, 등의 용매 하에서 중합반응을 통해 무색 폴리이미드의 전구체인 폴리아믹산을 합성한 후 이미드화 반응을 통해 폴리이미드를 얻는다.</p><p>표 4에서 나타낸 것처럼 CTC를 줄인 무색 폴리이미드 필름의 특성을 보면, 유리전이온도는 유색 폴리이드에 비해서 \( 3/4 \)이상 감소하고 CTE는 10~100배(측정 온도구간에 따라 차이를 보임) 정도로 크게 증가한다. 황색도, 투과도를 비교하면 PET, PC, COC 수준정도의 광특성을 보여준다. 흡습성은 올리고머를 다수 포함한 PET정도로 조금은 높은 수준을 보이지만, 표면 경도가 다른 투명 고분자에서는 얻을 수 없는 우수한 특성을 보여준다.</p>
|
[
"유색 폴리이미드 필름 시장을 과점하고 있는 기업은 무엇들이 있나요?",
"무색(colorless) 폴리이미드를 개발하기 위해 어떤 노력을 취했나요?",
"유색 폴리이미드 필름 시장을 과점하고 있는 기업이 아닌 것은 무엇인가요?",
"무색 폴리이미드는 현재 어떤 분야로의 적용이 검토되고 있나요?",
"유색 폴리이미드드는 어떤 특성들을 가지고 있나요?",
"기존의 스마트폰의 커버윈도우는 무엇인가요?",
"유색 폴리이미드가 가진 전기적 특성을 개선하는데 어떤 방법이 있나요?",
"삼성전자가 폴더폰을 출시할 예정 년도는 언제인가요?",
"폴더폰의 핵심 필름은 무엇인가요?",
"무색 폴리이미드는 기존의 스마트폰 커버윈도를 대체할 수 있는 소재인가요?",
"CTC형성을 방해하는 요인은 무엇인가요?",
"SKC가 무색 폴리이미드 자체투자를 시작한 년도는 언제인가요?",
"OLED 기반 폴더폰이 양산될 경우, 유색 폴리이미드는 무엇에 사용되나요?",
"무색 폴리이미드는 어떤 특성들이 급격히 감소하나요?",
"폴리이미드의 자유 체적(free volume)을 증대시키는 원인은 무엇인가요?",
"CTE는 유색 폴리이미드가 무색보다 큰 값을 갖나요?",
"만들어진 무색 폴리이미드는 유색에 비해 어떤 특성을 가지고 있나요?",
"무색 폴라이미드가 열적/기계적 특성을 잃어버리지 않는 방법에는 어떤 것들이 있나요?",
"이미드 사슬 내에 알킬 사슬을 도입하면 CTC효과가 증가하나요?",
"표 4에서 무색폴리이미드의 유리전이온도는 유색폴리이미드에 비해 감소하나요?",
"무색 폴리이미드의 전구체는 뭐야?",
"세계 최초로 무색 폴리이미드를 개발한 기업은 무엇인가요?",
"세계 최초로 무색 폴리이미드를 개발한 년도는 언제야?",
"무색 폴리이미드는 높은 수준의 흡습성을 보이나요?"
] |
c000b0d9-8ada-4d2b-a237-c4b381346021
|
인공물ED
|
고내열 플라스틱 기판의 기술동향
|
<p>제조된 폴리아믹산(PI Vanish)는 화학적 방법 또는 열처리를 통한 탈수 및 폐환반응으로 이미드화하여 폴리이미드를 만든다. 화학적 이미드화 방법은 폴리아믹산 용액에 acetic anhydride와 같은 탈수제와 이미드화 촉매를 함께 넣고 필름으로 제막하는 방법이다. 열처리 이미드화 방법은 폴리아믹산을 \( 300^{\circ} \mathrm{C} \sim 400^{\circ} \mathrm{C} \) 로 가열하여 열적으로 이미드화 하는 방법으로 공정적으로 간단하고 이미드 전환율이 높다는 장점이 있다. 하지만, 같은 종류의 폴리아믹산을 적용하더라도 열처리하는 온도단계 및 열처리 시간, 열처리 장비의 구조 및 형태, 용매의 종류, 폴리아믹산의 고형분 농도에 따라 최종 폴리이미드 물성은 많은 차이를 보인다.</p><p>유색 폴리이미드는 이미드 그룹을 중심으로 그림 7에서 나타낸 것처럼 전자공여체(electron donor)와 전자수용체(electron acceptor)가 형성되고 이에 따라 매우 안정한 폴리이미드 상태가 되는데, 이 같은 현상은 분자 사슬 내 인접한 단위 분자간(intramolecular) 및 분자 사슬간(intermolecular) 상호작용에 의해서 전하이동복합체(CTC)를 형성한다. 이러한 독특한 CTC간의 강한 결합력으로 인해 폴리이미드가 낮은 CTE, 고강도를 가지게 되지만, 폴리이미드의 불용(insoluble), 불융(infusible)의 단점의 원인도 된다.</p><p>유색 폴리이미드 기판은 CTC로 인해 짙은 갈색을 띄기 때문에 광학적으로(유리 기판 수준의 투명성을 확보할 수 없기 때문에) 응용 상에 많은 제약이 있었다. 그러나 기존의 유리 기판이 가진 열적 특성을 플라스틱 필름 중에서 유일하게 기대할 수 있어서 현재까지 플렉서블 디스플레이용 기판으로서 산업적으로 폭넓게 적용되고 있다.</p><p>현재 상업적으로 적용되는 유색 폴리이미드는 기업별로 반응성 모노머의 종류, 분산 용매에 따라 다소간 특성 차이를 보이지만, 유리전이온도는 \( 500^{\circ} \mathrm{C} \) 이상, CTE는 유리 동등 이하라고 알려져 있다.</p><p>폴리이미드가 짙은 갈색을 보이는 이유를 그림 7에서 보는 것처럼 이미드 주사슬 내에 존재하는 아로마틱 그룹의 분자간 - 사슬간의 결합인 CTC로 설명하면, 이미드 그룹 간에는 \( \sigma \) 전자, \( \pi \) 전자, 비공유전자 쌍이 존재하고 있어서 전자의 여기가 가능하다. \( \pi \) 전자 전이로 보게 되면, 공명구조가 증가할수록 \( \pi \) 전자의 전이가 쉬워져서 에너지 준위가 낮아지고 이에 따라 가시광선 파장의 빛을 흡수하게 된다. 유색 폴리이미드의 경우 \( 500 \mathrm{~nm} \) 이하의 가시광선 영역의 빛을 흡수해 그의 배색인 짙은 갈색을 띄게 된다.</p><p>폴리이미드를 기존의 유리 공정처럼 기판 형태로 공급받아 디스플레이 공정을 진행할 경우에는, 지지 기판인 캐리어(carrier) 기판에 부착하기 위해 접착제(adhesive)를 적용할 수도 있으나, 접착제의 내열성이 떨어져 \( 200^{\circ} \mathrm{C} \) 이상의 공정온도에서 접착제와 폴리이미드 필름사이에 기포가 발생하고, 폴리이미드의 평탄도를 확보하기 어려워 양산 공정에서는 선호도가 높지 않다.</p><p>폴리이미드는 불용, 불융 특성을 보이고, 2단계 반응을 통한 필름화가 가능하기 때문에 기존의 디스플레이 공정처럼 외부에서 플라스틱 기판을 별도로 제작한 후, 이를 반입해 공정을 진행하지 않고 현재의 플렉서블 디스플레이 세트업체는 폴리이미드의 전구체인 폴리아믹산(PI Vanish)을 소재업체로부터 직접 제공받은 후 이를 캐리어 기판(주로 유리 기판을 사용하고, 공정비용을 줄이기 위한 사용한 캐리어 기판은re-work 공정 필요)상에 폴리아믹산을 코팅한 후, 이를 이미드 경화해 폴리이미드 필름을 형성한다.</p><p>이때 얻어지는 폴리이미드 기판은 단층으로 제작하지 않고, 폴리이미드 박막과 기체차단 박막(barrier)을 혼합한 다층막으로 형성하며, 이때 적용되는 기체차단 박막은 주로 스퍼터(sputter)를 이용해 SiO, SiN, AlO을 증착해 사용한다. (폴리이미드 필름 사이와 필름 상에 2~3회 증착)</p><p>이어서 폴리이미드 필름 상부에 디스플레이 표시부 및 구동부를 형성한다. 플렉서블 디스플레이는 공정이 완료되면 디스플레이에 유연성을 부과하기 위해서는 폴리이미드 기판을 캐리어 기판으로부터 분리하여야 하는데, 이때 폴리이미드의 단파장대역에 서의 광흡수 특성을 이용해 단파장 레이저를 이용한 LLO(Laser lift-off) 공정을 사용해 캐리어 기판 상에서 디스플레이를 분리한다. 이때 폴리이미드 기판과 캐리어 기판은 강한 접착 상태를 유지하고 있기 때문에 Laser를 이용한 LLO 공정은 필수적이며, 플렉서블 디스플레이의 박리 공정의 안정성, 생산성을 고려하면 LLO 공정 활용은 당분간 확대될 것으로 예측된다. 전 세계 플렉서블 디스플레이 양산업체는 거의 LLO공정을 기본 공정으로 채용하고 있다. Laser로 사용되는 excimer laser/UV laser 의 출력도 지속적으로 향상되고 있어 LLO 수율도 지속적으로 개선될 것으로 예측된다.</p><p>LLO 공정의 기술적 이슈로서는 박리 공정에 따른 잔류물(residue), LLO 공정 후 폴리이미드 기판의 횜, 캐리어 기판의 재사용 등이 있으며, 잔류물 및수율 관리를 위해서는 조사 Laser의 최적화가 필요하다. 무색 폴리이미드와는 다르게 유색 폴리이미드의 경우 LLO 공정시 화학 구조에 크게 관계없이 약 \( 200 \mathrm{~mJ} @ 308 \mathrm{~nm} \) 내외의 에너지가 사용된다.</p><p>아직 상용화 수준은 아니지만 중장기 관점에서 레이저 소스를 수입하고 유지관리 하는데 드는 비용과 시간을 줄이기 위해서 LLO 공정을 간소화하려는 연구개발도 지속적으로 진행될 것으로 예측된다.</p>
|
[
"제조된 폴리아믹산을 어떻게 폴리이미드로 만들어?",
"폴리아믹산을 어떻게 폴리이미드로 만들 수 있을까?",
"제조된 폴리아믹산을 폴리아믹산 용액에 탈수제와 이미드화 촉매를 함께 넣어 필름으로 제막하는 방법을 뭐라고 해?",
"폴리아믹산 용액에 탈수제와 이미드화 촉매를 함께 넣어 제조된 폴리아믹산을 필름으로 제막하는 방법이 뭐야?",
"폴리아믹산을 열적으로 이미드화 하는 방법으로 공정이 간단하고 이미드 전환율이 높은 방법을 뭐라고 해?",
"공정이 쉽고 이미드 전환율이 높으면서 폴리아믹산을 열적으로 이미드화 하는 것은 무엇인가?",
"같은 종류의 폴리아믹산은 최종적인 폴리아미드 물성이 동일하지?",
"마지막 폴리아미드와 동일한 종류의 폴리 아믹산의 물성은 같은가?",
"유색 폴리이미드가 안정한 폴리이미드 상태가 될때 어떤 상호작용이 일어나?",
"어떤 상호작용이 유색 폴리이미드가 안정한 폴리이미드가 될 때 발생해?",
"열처리를 통해 제조된 폴리아믹산을 폴리이미드로 만드는 과정은 촉매가 사용되지?",
"촉매가 열처리를 통해 생성된 폴리아믹산을 폴리이미드로 만드는 단계에서 사용돼?",
"이미드 그룹을 중심으로 전자공여체와 전자수용체가 형성되고 매우 안정한 폴리이미드가 되는 것을 뭐라고 해?",
"매우 안정한 폴리이미드가 이미드 그룹을 중심으로 전자공여체와 전자수용체가 만들어진 후 생성되는 것을 뭐라고 해?",
"유색 폴리이미드가 안정한 폴리이미드 상태가 될때 분자 사슬 내 인접한 단위 분자간 및 분자 사슬간 상호작용에 의해서 무엇을 형성해?",
"무엇이 유색 폴리이미드가 안정한 폴리이미드 상태로 바뀔 때 분자 사슬과 가까운 단위 분자간 및 분자 사슬간 상호작용에 의해서 만들어지는가?",
"유색 폴리이미드가 안정한 폴리이미드 상태가 될때 형성되는 전하이동복합체(CTC)의 어떤 성질이 폴리이미드의 불용, 불융의 단점의 원인이 돼?",
"폴리이미드의 불용, 불융의 단점의 이유 중에 유색 폴리이미드가 안정한 폴리이미드 상태가 될때 생기는 전하이동복합체(CTC)의 특성은 무엇인가?",
"유색 폴리이미드가 매우 안정한 폴리이미드 상태가 될때 발생하는 전하이동복합체(CTC)의 결합력으로 인해 폴리이미드의 불용, 불융의 문제가 해결되지?",
"폴리이미드의 불용, 불융의 문제는 유색 폴리이미드가 매우 안정한 폴리이미드 상태가 될때 생기는 전하이동복합체(CTC)의 결합력에 의하여 해결되는가?",
"유색 폴리이미드 기판은 광학적으로 어떤 색이야?",
"광학적으로 유색 폴리이미드 기판의 색깔은 무엇이야?",
"유색 폴리이미드 기판이 광학적으로 짙은 갈색을 띄는 이유의 원인은 뭐야?",
"무엇이 유색 폴리이미드 기판을 광학적으로 짙은 갈색을 띄게 만드는 거야?",
"유색 폴리이미드 기판은 독특한 CTC에 의해서 광학적으로 색과 열적 특성에서 모두 문제를 갖고 있기 때문에 디스플레이용 기판으로 사용할 수 없지?",
"유색 폴리이미드 기판을 디스플레이용 기판으로 사용할 수 없는 원인은 독특한 CTC로 인해 광학적으로 색과 열적 특성에서 모두 문제이기 때문이지?",
"현재 상업적으로 적용되는 유색 폴리이미드 기판의 유리전이온도는 몇도 이상이야?",
"유색 폴리이미드 기판의 유리전이온도는 몇 도를 넘어야 상업적으로 적용할 수 있나요?",
"폴리이미드가 광학적으로 짙은 갈색을 보이는 이유는 이미드 그룹 간에 \\( \\sigma \\) 전자, \\( \\pi \\) 전자, 비공유전자 쌍이 존재하고 있어 무엇이 가능하기 때문이야?",
"무엇이 이미드 그룹 간에 \\( \\sigma \\) 전자, \\( \\pi \\) 전자, 비공유전자 쌍이 있음으로써 가능해지며 폴리이미드가 짙은 갈색을 띄게 만들어?",
"공명구조가 증가할수록 \\( \\pi \\) 전자 전이는 어려워지지?",
"\\( \\pi \\) 전자 전이는 공명구조가 늘어날수록 힘들어져?",
"유색 폴리이미드가 광학적으로 짙은 갈색을 띄는 이유는 어떤 빛을 흡수했기 때문이야?",
"어떤 빛을 흡수해서 유색 폴리이미드가 광학적으로 짙은 갈색으로 보여?",
"폴리이미드를 디스플레이 공정에 진행할 경우, 대부분의 양산 공정에서 지지 기판인 캐리어 기판에 부착하기 위해 접착제로 적용하고 있지?",
"거의 모든 양산 공정에서 폴리이미드를 디스플레이 공정에 진행하기 위해 캐리어 기판에 접착제로 부착하여 사용하지?",
"폴리이미드가 디스플레이 공정에서 접착제로 적용됐을때 200도 이상의 공정온도에서는 기포가 발생하지?",
"200도 이상의 공정온도에서 폴리이미드가 디스플레이 공정에서 접착제로 사용될 때, 기포가 발생하는가?",
"폴리이미드는 디스플레이 공정에서 폴리이미드의 전구체인 폴리아믹산을 소재업체로 직접 제공받은 그대로 사용되지?",
"디스플레이 공정에서 폴리이미드는 소재업체로부터 직접 받은 폴리이미드의 전구체인 폴리아믹산을 이용하지?",
"폴리이미드의 독특한 CTC의 강한 결합력 덕분에 폴리이미드는 아무런 가공 없이 바로 디스플레이 양산 과정에 사용 가능하지?",
"폴리이미드의 독특한 CTC의 강한 결합력에 의해 디스플레이 양산 과정에서 폴리이미드는 가공하지 않고 이용할 수 있지?",
"폴리이미드를 디스플레이 공정에 사용하기 위해 만드는 폴리이미드 기판은 어떻게 만들어져?",
"폴리이미드 기판을 디스플레이 공정에 쓰기 위해 어떻게 제작하는가?",
"폴리이미드 필름 상부에는 무엇이 형성 돼?",
"무엇이 폴리이미드 필름 상부에 만들어져?",
"플렉서블 디스플레이는 폴리이미드 기판을 캐리어 기판으로 분리 하기 전에 이미 유연성을 가지고 있지?",
"폴리이미드 기판을 캐리어 기판으로 나누기 전의 플렉서블 디스플레이도 유연한가?",
"플렉서블 디스플레이가 유연성을 갖기 위해 폴리이미드 기판을 캐리어 기판으로부터 분리 할때 거치는 공정은 뭐야?",
"어떤 공정이 플렉서블 디스플레이의 유연성을 위해 폴리이미드 기판을 캐리어 기판으로부터 분리할때 진행되는가?",
"디스플레이가 유연성을 갖기 위해 캐리어 기판 상에서 디스플레이를 분리하는 과정은 어떻게 일어나?",
"캐리어 기판 상에서 디스플레이를 분리하여 디스플레이가 유연성을 갖게 하기 위한 단계는 어떻게 발생해?",
"플렉서블 디스플레이 공정 중 LLO 공정 과정에서 사용되는 레이저는 뭐야?",
"어떤 레이저가 LLO 공정 과정에서 이용돼?",
"LLO 공정은 기술적 이슈 없이 이미 최적화가 되어 있지?",
"LLO 공정의 최적화는 기술적 문제없이 이루어졌는가?",
"무색 폴리이미드와 유색 폴리이미드 모두 LLO 공정 시 화학 구조에 의해서 에너지 변화가 일어나지?",
"LLO 공정에서 무색과 유색 폴리이미드의 화학 구조에 의한 에너지 변화가 발생하는가?",
"유색 폴리이미드이 LLO 공정시 필요한 에너지는 얼마야?",
"얼마나 많은 에너지가 LLO 공정시 유색 폴리이미드에 요구되는가?"
] |
770eba9b-8753-4317-b07c-c6abf66244d4
|
인공물ED
|
고내열 플라스틱 기판의 기술동향
|
<p>두 가지 이상의 재료를 물리적 혹은 화학적 방법으로 혼합해 각각의 물질보다는 기능적 . 성능적으로 향상된 복합 재료를 플렉서블 디스플레이용 기판으로 적용하기 위해서 투명한 플라스틱에 탄소섬유 혹은 유리섬유를 강화재료로 적용하였다. 통상적으로 유리섬유강화 플라스틱을 FRP라고 하지만, 탄소섬유강화 플라스틱(CFRP, carbon fiber reinforced plastic)과 구별하기 위해서 유리섬유강화 플라스틱을 GFRP(glass fiber reinforced plastic)이라고 구분하기도 한다.</p><p>GFRP는 고내열 투명 플라스틱 기판이 디스플레이에서 요구되는 열적특성을 만족시키지 못하던 시기에 플라스틱의 투명성과 유리가 가진 내열성을 함께 구현하는 방법으로서 저렴한 유리 섬유를 이용할 수 있고, 필름 성형이 용이하고, 플라스틱 기판의 열적특성을 대폭 개선할 수 있어서 산업적으로 큰 주목을 받았다.</p><p>일본의 Sumitomo Bakelite사가 2003년 세계 최초로 융용-압출 방식으로 FRP를 발표하였으며 2010년 SumiLite-TTR이라는 상품명으로 열팽창 계수 \( 9 \sim 11 \mathrm{ppm} /{ }^{\circ} \mathrm{C} \) 를 갖는 복합 기판을 발표하였다. 복합 기판은 유리와 유사한 굴절율을 갖는 플라스틱을 혼합해 광특성은 우수하나, 표면 물성이 나쁘고, 유리섬유의 특성상 직조 구조에 단차가 있고 기판 전체의 물성으로 보면 유리섬유가 직조된 수평방향(xy방향) 과 수직방향 (xz, yz 방향)의 CTE, 기계적 특성, 열 전도율, 저항, 치수안정성이 상이한 단점을 가지고 있다. 더욱이 수평방향의 CTE도 \( 9 \mathrm{ppm} /{ }^{\circ} \mathrm{C} \) 정도로 유리와 비교해 고온에서 치수안정성이 떨어지는 문제가 해결되지 않아 폴리이미드 기판이 적용되면서 부터는 거의 관련 개발이 진행되지 않고 있다.</p><p>폴리이미드는 미국의 듀폰사가 1962년 우주개발에 사용할 목적으로 개발한 대표적인 고내열 엔지니어링 플라스틱으로 전기절연성과 내마모성, 내화학성이 좋고, 내충격성이 우수하고 기계적 강도가 높고 열적안정성이 우수하다. 듀폰사는 pyromellitic dianhydride(PMDA)와 4, 4'-oxydianiline(ODA) 을 이용한 Kapton \( { }^{\circledR} \) 을 최초로 개발하였다. (그림 6)</p><p>다양한 특성을 갖는 폴리이미드 필름은 우수한 물성을 바탕으로 디스플레이, 메모리, 태양전지, 항공우주, 고내열 전기전자용 테이프 분야에 폭넓게 적용이 되고 있으며, 플렉서블 기판으로 사용하기 위해서 모노머의 선정 및 디자인, 다양한 치환기의 도입까지 수요업체의 요구사항을 만족시키기 위해 많은 연구개발이 진행되고 있다. 특히 플렉서블 기판으로 사용하기 위해서는 장기간 사용을 고려한 신뢰성, 내열성, 내환경성, 내약품성, 기계적 안정성, 오랜 기간 공기와 수분에 노출 되더라도 물성을 유지할 수 있는 흡습성이나 내수성 등을 만족해야 한다.</p><p>강직한 방향족 이미드(imide) 주쇄를 기본 구조로 하는 유색 폴리이미드는 방향족 dianhydride와 diamine의 반응으로 제조되며, 모노머의 종류에 따라 다양한 구조와 성질의 폴리이미드가 얻어지며, 표 2에서 나타낸 것처럼 구조에 따라 폴리이미드의 열적특성(CTE, \( \mathrm{Tg}) \) 도 크게 변화한다.</p><p>이미드 고리는 녹지 않고 분해되지 않기 때문에 대부분의 유색 폴리이미드는 2단계 반응을 통해 전구체인 폴리아믹산((PAA, poly(amic acid) 상태에서 제조된다.</p>
|
[
"플렉서블 디스플레이의 성능 향상을 위해 투명한 플라스틱에 어떤 재료를 강화재료로 사용했어?",
"어떤 재료를 플렉서블 디스플레이의 성능 향상을 위해 투명한 플라스틱의 강화재료로 이용하였는가?",
"투명한 플라스틱에 탄소섬유 혹은 유리섬유를 강화재료로 사용하여 플렉서블 디스플레이를 왜 만들었어?",
"왜 투명한 플라스틱에 탄소섬유 혹은 유리섬유를 강화재료로 써서 플렉서블 디스플레이를 제작했어?",
"일반적으로 유리섬유강화 플라스틱을 부르는 용어가 뭐야?",
"어떤 용어가 일반적으로 유리섬유강화 플라스틱을 명명하기 위해 사용되니?",
"탄소섬유강화 플라스틱과 구별하기 위해서 유리섬유강화 플라스틱을 부르는 명칭이 뭐야?",
"탄소섬유강화 플라스틱과 구분짓기 위해 유리섬유강화 플라스틱은 뭐라고 불리어지니?",
"유리섬유강화 플라스틱을 FRP가 아니라 GFRP라고 왜 별도로 구별해서 불러?",
"왜 유리섬유강화 플라스틱을 FRP가 아닌 GFRP라고 구분지어서 불러?",
"탄소섬유강화 플라스틱의 영어 약자가 뭐야?",
"영어로 되어 있는 탄소섬유강화 플라스틱 단어의 줄임말은 뭐야?",
"고내열 투명 플라스틱 기판이 디스플레이로써 사용되기 어려웠던 것은 어떤 조건을 만족시키지 못해서야?",
"어떤 조건을 충족하지 못했기에 고내열 투명 플라스틱 기판이 디스플레이로써 사용되기 힘들었어?",
"GFRP는 고내열 투명 플라스틱보다 내열성이 강하다고 할 수 있어?",
"고내열 투명 플라스틱과 비교하여 GFRP는 강한 내열성을 가지고 있는가?",
"고내열 투명 플라스틱 기판이 디스플레이로 사용되기 어려웠던 이유가 투명성과 내열성이 동시에 적정 수준을 만족하지 못했기 때문이야?",
"투명성과 내열성 모두 적정 수준을 충족시키지 못했기에 고내열 투명 플라스틱 기판이 디스플레이로 사용되기 힘들었던 것인가?",
"GFRP는 필름 성형이 용이한 특징을 가지고 있어?",
"필름 성형이 용이하다는 특성을 GFRP는 가지고 있는가?",
"세계 최초로 유리섬유강화 플라스틱이 발표된 연도가 언제야?",
"언제 유리섬유강화 플라스틱이 세계 최초로 발표 되었니?",
"세계 최초로 유리섬유강화 플라스틱을 개발한 나라는 일본이야?",
"일본이 세계 최초로 유리섬유강화 플라스틱을 개발한 국가인가?",
"세계 최초로 어느 나라에서 유리섬유강화 플라스틱을 개발하였어?",
"어느 국가에서 세계 최초로 유리섬유강화 플라스틱을 개발했지?",
"Sumitomo Bakelite 사가 발표한 온도당 9~11ppm의 열팽창계수를 갖는 복합기판의 이름이 뭐야?",
"온도당 9~11ppm의 열팽창계수를 갖는 복합기판을 Sumitomo Bakelite 사가 발표했는데 이것의 상품명은 뭐야?",
"일본이 2003년에 최초로 유리섬유강화 플라스틱을 제조한 공정방식이 뭐야?",
"어떤 공정방식으로 2003년에 일본이 처음으로 유리섬유강화 플라스틱을 만들었어?",
"2010년에 Sumitomo Bakelite사에서 발표한 복합기판의 단점이 뭐야?",
"어떤 단점이 2010년에 Sumitomo Bakelite사에서 발표한 복합기판에 존재해?",
"복합 기판은 우수한 광특성에 비해 표면 물성이 나빠?",
"우수한 광특성과 비교했을 때 복합 기판은 표면 물성이 나쁜가?",
"복합기판의 수평방향 CTE는 얼마야?",
"복합기판은 어느 정도의 수평방향 CTE를 가지고 있는가?",
"복합 기판은 유리에 비해서 고온에서 치수안정성이 떨어져?",
"유리와 비교했을 때 복합 기판은 고온에서 치수안정성이 뒤쳐지는가?",
"듀폰 사가 폴리이미드를 개발한 연도는 언제야?",
"언제 듀폰 사가 폴리이미드를 고안했지?",
"폴리이미드를 최초로 개발한 회사는 어느 나라의 회사야?",
"어느 국가에 속해 있는 회사가 폴리이미드를 최초로 만들었어?",
"미국의 듀폰사가 1962년 개발한 열적안정성이 우수한 고내열 엔지니어링 플라스틱은 뭐야?",
"1962년 미국의 듀폰사에 의해 만들어진 우수한 고내열 엔지니어링 플라스틱은 무엇인가?",
"폴리이미드를 개발한 나라는 일본이야?",
"일본이 폴리이미드를 만든 국가인가?",
"폴리이미드는 처음부터 디스플레이에 사용할 목적으로 개발된 물질이야?",
"폴리이미드의 최초 개발 목적은 디스플레이에 사용하는 것이었는가?",
"듀폰사가 만든 폴리이미드의 장점이 뭐야?",
"어떤 장점이 듀폰사가 개발한 폴리이미드에 존재해?",
"듀폰사가 최초로 개발한 폴리이미드의 이름이 뭐야?",
"듀폰사에 의해 처음으로 개발된 폴리이미드는 뭐라고 명명되니?",
"듀폰사가 Kapton을 만들 때 합성한 두 물질의 종류는 뭐야?",
"어떤 두 물질의 종류를 듀폰사가 Kapton을 만들 때 합성에 이용했니?",
"폴리이미드 필름의 다양한 특성 덕분에 이것이 활용되고 있는 산업분야는 어디야?",
"어떤 산업분야가 다양한 특성을 가지는 폴리이미드 필름을 활용하고 있니?",
"유색 폴리이미드의 기본 구조 단위가 뭐야?",
"어떤 기본 구조 단위를 유색 폴리이미드는 지니고 있니?",
"유색 폴리이미드는 어떤 반응물들을 가지고 합성해서 만들어?",
"어떤 반응물들과 합성해서 유색 폴리이미드를 제조하니?",
"유색 폴리이미드는 모노머의 종류가 달라도 일정한 구조로 합성되는거야?",
"모노머의 종류가 상이해도 일정한 구조로 유색 폴리이미드는 합성되는 것인가?",
"유색 폴리이미드의 열적특성은 고유한 값을 가져?",
"열적특성의 고유한 값을 유색 폴리이미드는 가지는가?",
"유색 폴리이미드의 전구체는 어떤 상태야?",
"어떤 상태로 유색 폴리이미드의 전구체는 존제하는가?",
"이미드 고리는 쉽게 분해되는 성질을 가지고 있어?",
"쉽게 분해되는 특성을 이미드 고리는 지니고 있는가?",
"미국의 듀폰사가 최초로 폴리이미드 필름을 개발한 연도는 언제야?",
"몇 년도에 최초로 미국의 듀폰사가 폴리이미드 필름을 개발했는가?",
"일본에서 세계 최초로 유리섬유강화 플라스틱을 개발하여 발표한 연도가 언제야?",
"몇 년도에 일본에서 전 세계 처음으로 유리섬유강화 플라스틱을 개발하여 발표했어?",
"세계 최초로 유리섬유강화 플라스틱을 개발한 나라는 어디야?",
"전 세계에서 처음으로 어떤 국가에서 유리섬유강화 플라스틱을 개발했니?"
] |
d659f097-50cf-48a4-9876-f803de0fc2e3
|
인공물ED
|
고내열 플라스틱 기판의 기술동향
|
<h1>4. 플라스틱 기판의 전망</h1><p>디스플레이의 개발방향은 '사각형의 정형화된 모양에서 ‘형태 및 공간상에서 자유도를 갖는 플렉서블형태'로 변화해 가고 있다. (그림 12)</p><p>플렉서블 디스플레이는 단순히 유리 기판을 대체하는 정형화된 형태에서 '커브드/벤더블(curved/bendable)'처럼 특정 위치를 한 방향으로 변형한후 고정하는 고정형 디스플레이 \( \rightarrow \) '폴더블/롤러블(foldable/rollable)'처럼 특정 위치를 특정방향으로 지속적, 반복적으로 변형하면서 사용하는 일축 가변형 디스플레이 \( \rightarrow \) '스트레처블(stretchable)'처럼 위치 및 방향에 관계없이 자유롭게 변형 가능한 신축탄성력을 갖는 다축 가변형 디스플레이로 진화 발전하고 있다.</p><p>커브드/벤더블과 같은 고정형 디스플레이는 4 ~ 5 년 전부터 상용화되어 화면이 전체적으로 휘어있는 커브드 TV, 화면의 좌우 끝단이 휘어져 화면이 제품 옆면으로 확대된 것으로 보이는 엣지 스마트폰 등이 제품으로 출시되었다.</p><p>이 같은 디스플레이는 크기 . 형태에 따라 곡률반경을 변화시켜 화면 몰입감을 증대시키기 위한 디자인 차별화, 그립감 개선, 핸드폰과 얼굴과의 밀착성을 높여주는 특징 등을 강조하였다. 커브드 TV의 곡률반경은 \( 4000 \sim 5000 \mathrm{mm} \), 커브드 스마트 폰은\( 400 \sim 700 \mathrm{mm} \), 엣지 곡률은 \( 10 \mathrm{~mm} \) 내외가 적용되었으며, 큰 곡률반경의 제품에서는 유리가 적용되기도 하였다.</p><p>아직 상용화 단계에 진입하지 못했지만, 2018년부터 제품이 출시될 것으로 예상되는 일축 가변형 디스플레이로서는 스마트 폰으로 휴대 - 사용할 때는 작은화면 5인치급)으로, 동영상 시청 시에는 화면을 펼쳐서 큰화면 9인치급)으로 전환할 수 있는 폴더블 디스플레이나, 보관을 위해서는 화면을 감고, 사용 시 펼쳐서 보는 롤업 디스플레이가 있다.</p><p>고정형 디스플레이는 곡률반경이 수천 mm에서 10mm내외를 가지지만, 일축 가변형 디스플레이는 지극히 낮은 곡률반경을 요구한다. 장시간에 걸쳐 특정 위치에 물리적 변화가 지속적으로 가해지기 때문에 넓은 온도범위에서 기계적 내구성을 확보하여야 한다. 대형 디스플레이의 경우 공간 상황을 고려해 롤업 형태에 대한 요구는 계속적으로 있을 것으로 예측된다. 한국과 중국의 개발 경쟁이 치열한 모바일용 폴더블 디스플레이는(종이와 같은 접힘성을 기대하기는 어려움) 궁극적으로는 곡률반경 1mm수준을 지향하겠지만, 내구성을 고려해 접히는 방향을 안쪽 혹은 바깥쪽으로 고정한 곡률반경 \( 2 \sim 3 \mathrm{mm} \) 내외 제품이 현실적인 수준이 될 것으로 예상된다. 무색 폴리이미드의 경우 하드코팅을 하면 표면강도 \( 5 \mathrm{H} \sim 7 \mathrm{H} \), 곡률반경 \(3\mathrm{mm}\)이내의 굽힘 반복 내구성 확보가 가능해 폴더블 디스플레이의 커버윈도우 필름으로 적용이 유력하다.</p><p>그러나 롤업 혹은 폴더블 디스플레이는 고온 · 다습한 환경 하에서 장기간 말림 상태나 접힘 상태를 유지할 수도 있는데, 이런 상태가 오랜 시간 지속되면 플라스틱의 특성상 완전한 복원력을 기대하기는 어려운점은 해결해야 할 중요한 기술적 과제이다. 특히 플라스틱 기판이 얇아지는 경우 (일축 가변형 디스플레이용 기판으로 적용하기 위해서 기판의 두께는 점점 얇아지고 있음) 더욱 문제가 될 수 있다.</p><p>이 같은 문제는 디스플레이용 플라스틱 기판이 탄성신축성을 갖는다면 극복할 수 있다. 방향성이 없이휘거나, 접히거나, 구부릴 수 있는 스트레처블 디스플레이용 기판은 외부의 물리적 변형에 대해서 휘는 특성 이외에 늘어나야 하며, 외부의 응력이 제거되면 치수/형상 변형은 고무줄처럼 원상회복하여야 한다.</p>
|
[
"디스플레이의 몰입감을 증대시키기 위해 어떤 특징을 강조하였나요?",
"한국과 중국에서 개발 경쟁이 치열한 기술은 뭐야?",
"화면의 좌우 끝단이 휘어져 화면이 제품 옆면으로 확대된 것처럼 보이는 디스플레이 제품은 무엇인가요?",
"2018년부터 출시될 예정으로 예상되는 디스플레이는 무엇인가요?",
"롤업 혹은 폴더블 디스플레이는 말림 상태나 접힘 상태를 오래 유지하면 완전히 복원할 수 있나요?",
"폴더블/롤러블(foldable/rollable)는 일축 가변형 디스플레이인가요?",
"고정형 디스플레이에서 곡률반경의 범위는 무엇인가요?",
"엣지 곡률의 범위는 무엇인가요?",
"플라스틱 기판이 얇아지는 이유는 뭐야?",
"넓은 온도범위에서 기계적 내구성을 왜 확보해야해?",
"특정 위치를 한 방향으로 변형한후 고정하는 고정형 디스플레이는 무엇인가요?",
"폴더블 디스플레이는 화면을 9인치급으로 펼칠 수 있나요?",
"보관을 위해 화면을 감고 사용시 펼칠 수 있는 디스플레이는 무엇인가?",
"위치 및 방향에 관계없이 자유롭게 변형 가능한 디스플레이는 무엇인가요?",
"일축 가변형 디스플레이는 고정형 보다 낮은 곡률반경을 갖나요?",
"커브드/벤더블 디스플레이는 몇 년 전부터 상용화 되었나요?",
"커브드 TV의 곡률반경은 무엇인가요?",
"디스플레이의 개발방향은 무엇으로 변화해 가고 있나요?",
"플렉서블형태는 무엇을 뜻하나요?"
] |
3340a71c-7725-430b-bb30-72549790e276
|
인공물ED
|
진공청소기용 유니버셜모터의 고조파전류 저감 위상각제어기 설계
|
<h1>3. 시뮬레이션 및 실험</h1> <p>부하로는 위상각 제어가 널리 사용되는 진공청소기용 유니버셜모터의 계자 및 회전자의 저항과 인덕턴스 값으로 시뮬레이션의 파라미터에 적용하였으며 그 값은 표 1과 같다.</p> <table border><caption>표 1 실험에 사용된 진공청소기용 유니버셜모터의 파라미터</caption> <tbody><tr><td>Rated Power</td><td>1.2 \( [\mathrm{kW}] \)</td><td>Rated Frequency</td><td>60 \( [\mathrm{Hz}] \)</td></tr><tr><td>Rated Voltage</td><td>220 \( [\mathrm{V}] \)</td><td>Rotor Inertia</td><td>\( [\mathrm{Kg} \mathrm{m}^{2}] \)</td></tr><tr><td>Rated Speed</td><td>12,000\( [\mathrm{RPM}] \)</td><td>Field Resistance</td><td>36 \( [\Omega] \)</td></tr><tr><td>Armature Inductance</td><td>6 \( [\mathrm{mH}] \)</td><td>Armature Resistance</td><td>11.6 \( [\Omega] \)</td></tr><tr><td>Field Inductance</td><td>6.26 \( [\mathrm{mH}] \)</td><td>Rated current</td><td>6 \( [\mathrm{A}] \)</td></tr></tbody></table> <p>그림 4는 시뮬레이션을 사용하여 병렬코일의 파라미터 변화값에 따른 전류파형과 FFT 분석파형을 나타낸 것이다. 병렬코일의 파라미터는 리액턴스 \( Ls \)를 \( 600 [\mathrm{mH}] \)에서 \( 100 [\mathrm{mH}] \), 저항 \( Rs \) 는 \( 110 [\Omega] \)에서 \( 10 [\Omega] \)까지 가변하면서 시뮬레이션을 수행하였다.</p> <p>그림 5, 그림 6, 그림 7은 트라이액 양단에 병렬 코일을 실제작하기 이전 산정한 파라미터로 시뮬레이션한 전류파형 및 FFT 분석파형이다. 병렬코일의 파라미터값은 \( 336 [\mathrm{mH}] \), \( 17.3 [\Omega] \), \( 213 [\mathrm{mH}] \), \( 109.2[\Omega] \), \( 533 [\mathrm{mH}] \), \( 96 [\Omega] \)으로 각각 수행하였다.</p> <p>병렬코일의 저항 및 인덕턴스 값을 동시에 가변하여 시뮬레이션을 수행하였으며 본 논문에서 시뮬레이션한 파라미터 설정치 내에서는 리액턴스가 증가할수록, 저항이 감소할수록 고조파전류는 적게 나타남을 알 수 있었고 실험에 적용하기 위한 병렬코일의 적정치는 \( 533 [\mathrm{mH}] \), \( 96 [\Omega] \)로 산출되었으며 이를 토대로 제작 및 실험을 수행하였다.</p> <p>실제 제작한 병렬코일은 이론치와 오차가 발생하였는데 이는 고조파 전류발생에 영향을 적게 주는 요소이므로 근사값으로 제작하여 실험을 수행하였다.</p> <p>본 논문에서는 시뮬레이션 수행결과 병렬코일의 파라미터를 \( 533[\mathrm{mH}] \), \( 96[\Omega] \)으로 했을 때 고조파전류가 가장적게 발생한다는 사실에 기인하여 코일을 제작하였다.</p> <p>그림 8은 병렬코일을 부착하지 않고 속도 \( 4000 [\mathrm{rpm}] \)에서의 전류와 FFT 분석파형으로 THD는 \( 72.4 \% \)이다. 그림 9는 이 상태에서 병렬코일에 흐르는 전류를 측정한 것으로 회생전류에 의해 6주기마다 전류의 반전을 보인다. 그림 10은 \( 533 [\mathrm{mH}] \), \( 96 [\Omega] \)의 병렬코일을 부착한 상태에서 동일한 조건하에서의 전류와 FFT 분석파형으로 THD는 \( 26.4 \% \)이다. 속도가 동일할 때 병렬코일을 부착한 쪽이 고조파가 현저하게 감소함을 볼 수 있다. 여기서 위상각이 \( 0^{\circ} \)일 때 병렬코일에 흐르는 최소 바이패스전류가 발생하게 되는데 시판되는 진공청소기의 경우도 메인 전원투입 후 스위치를 0에 놓아도 최소전류가 흐름을 확인하였다.</p> <p>그림 11은 병렬코일을 부착하지 않고 속도 \( 2500 [\mathrm{rpm}] \)에서 모터전압, 전류 및 FFT 분석을 나타낸 것으로 THD는 \( 83.2 \% \)이고, 그림 12는 병렬코일 \( 533 [\mathrm{mH}] \), \( 96 [\Omega] \)을 부착하고 같은 속도에서의 전압, 전류 및 FFT 분석파형으로서 THD는 \( 39.2 \% \)이다.</p> <p>\( 4000 [\mathrm{rpm}] \)에서와 마찬가지로 전압 및 전류가 선형으로 되며 고조파 전류도 감소함을 볼 수 있다.</p>
|
[
"표1에서 실험에 사용된 Rotor Inertia는 무엇인가?",
"실험에서 36 \\( [\\Omega] \\)로 설정된 파라미터는 무엇인가?",
"실험에서 11.6 \\( [\\Omega] \\)로 설정된 파라미터는 무엇인가?",
"표1에서 실험에 사용된 전압은 얼마인가?",
"표1에서 실험에 사용된 주파수는 얼마인가?",
"그림 4의 병렬코일 파라미터는 어떻게 시뮬레이션 되었나?",
"표1에서 실험에 사용된 전원은 얼마인가?",
"실제 제작된 병렬코일에 발생하는 이론치와의 오차는 어떻게 해결하여 실험하였나?",
"그림 5, 그림 6, 그림 7의 병렬코일의 파라미터값은 어떻게 시뮬레이션 되었나?",
"실험에서 6 \\( [\\mathrm{A}] \\)로 설정된 파라미터는 무엇인가?"
] |
0764e7b8-342f-4553-8304-5c4d022ac79d
|
인공물ED
|
ATM-GFR에서 최소 전송율 보장 및 공평성 향상을 위한 Leaky Bucket 기반의 버퍼 관리 알고리즘
|
<p>GFR VC의 지연시간이 서로 다를 때 TCP성능에 미치는 영향을 알아보기 위해 지연시간을 두 종류로 나누어 시뮬레이션을 수행하였다.<그림 8>과 같이 시뮬레이션 네트워크를 구성하였다. 여섯 대의 라우터를 지연시간이 서로 다른 두 그룹으로 구성해서 첫 번째 그룹 은 GFR \( \mathrm{VC1} \sim \mathrm{VC3} \) 으로 지연시간은 \( 11 \mathrm{msec} \), 두 번째 그룹은 GFR \( \mathrm{VCA} \sim \mathrm{VCG} \) 으로 지연시간을 \( 21 \mathrm{msec} \) 로 설정하였다. 각 그룹에서 MCR은 각각 \( 4,6,8 \mathrm{Mbps} \) 로 설정하였다.</p> <p> <그림 9>는 지연시간이 \( 11 \mathrm{msec} \) 와 \( 21 \mathrm{msec} \) 로 설정했을 때 Double-EPD, DFBA와 제안된 알고리즘의 시뮬레이션 결과이다. 점선으로 표시된 그래프는 지연시간이 \( 11 \mathrm{msec} \) 인 GFR VC의 VC수율이고 실선으로 표시된 그래프는 지연시간이 \( 21 \mathrm{msec} \) 인 GFR VC의 수율이다. Double-EPD와 DFBA의 경우에 같은 MCR을 가진GFR VC를 비고했을 때 지연시간이 짧은 첫 번째 그룹의 VC수율이 지연시간이 큰 두 번째 그룹보다 월등히 높았다. 특히 지연시간이 \( 21 \mathrm{msec} \) 이고 MCR이 \( 6 \mathrm{Mbps} \)로 설정된 VC의 경우 수율이 \( 5 \mathrm{Mbps} \) 정도로 MCR미만으로 서비스 받았다. 반면에 제안된 알고리즘의 경우에 지연시간에 관계없이 이상적인 수율에 근접해서 GFR VC가 요구하는 MCR과 공평성을 제공하였다.</p> <table border><caption>표 5. 성능비교(지연환경)</caption> <tbody><tr><td></td><td>Doube-EPD</td><td>DFBA</td><td>Proposed</td></tr><tr><td>Total throghput</td><td>50.84 Mbps</td><td>51.08 Mbps</td><td>51.33 Mbps</td></tr><tr><td>Farmess Index</td><td>0.8283</td><td>0.8721</td><td>0.9960</td></tr></tbody></table> <p> <표 5>는 전체 네트워크 수율과 공평성을 수치로 표현한 것으로 Double-EPD와 DFBA의 공평성이 각각 \( 0.8283,0.8721 \) 로 지연시간이 같은 경우에 비해 공평성이 현저히 낮아졌다. 반면 제안된 알고리즘은 \(0.9960\)으로 높은 공평성 지표를 나타내어 지연시간이 TCP에 미치는 영향을 최소화하여 Double-EPD와 DFBA보다 전체 수율과 공평성에서 우수한 성능을 보여준다.</p>
|
[
"Total throghput의 Doube-EPD는 몇인가요?",
"Total throghput에서 51.08 Mbps 값을 가지는 것은 무엇인가?",
"Farmess Index에서 0.8283 값을 가지는 것은 무엇인가요?",
"Farmess Index의 DFBA 값은 몇이야?",
"Proposed 값이 0.9960의 값을 갖는 것은 무엇인가?",
"표 5에서 나타내는 성능비교는 어떤 환경에서니?",
"Proposed 값이 51.33 Mbps인 것은 뭐야?"
] |
b8aa2f0c-ed51-4e03-975c-6bf8893e1e12
|
인공물ED
|
ATM-GFR에서 최소 전송율 보장 및 공평성 향상을 위한 Leaky Bucket 기반의 버퍼 관리 알고리즘
|
<h2>3. MSS가 성능에 미치는 영향</h2> <p>TCP의 최대 세그먼트 크기인 MSS가 성능에 미치는 영향을 알아보기 위하여 VC를 두 그룹으로 나누어 각 그룹 당 서로 다른 MSS를 설정하였다. 첫 번째 그룹은 GFR, \( \mathrm{VC1}\sim \mathrm{VC3} \) 으로 MSS가 960 byte, 두 번째 그룹은 GFR \( \mathrm{VC4}\sim \mathrm{VC6} \)으로 MSS을 2,880 byte로 첫 번째 그룹보다 3배 크게 설정하였다. 각 그룹에서 MCR은 각각 \( 4,6,8 \mathrm{Mbps} \) 로 설정하였다. 각 종 단간의 지연시간은 \( 6 \mathrm{msec} \) 로 모든 VC가 동일하다.</p> <p> <그림 10>은 MSS에 따른 Double-EPD, DFBA와 제안된 알고리즘의 시뮬레이션 결과이다. 점선으로 표시된 그래프는 MSS가 960 byte인 GFR VC의 VC 수율이고 실선으로 표시된 그래프는 MSS가 \(2,880\) byte인 GFR VC의 수율이다.</p> <p>Double-EPD와 DFBA 알고리즘의 경우, MSS가 2,880 byte로 설정된 두 번째 그룹의 VC들이 960 byte로 설정된 첫 번째 그룹의 경우 보다 VC의 수율이 높게 나왔다. 이런 결과가 나온 중요한 원인은 종단의 TCP계층에서 윈도우 크기를 증가할 때 세그먼트 단위로 증가하기 때문이다. 즉, 세그먼트 크기가 큰 연결이 세그먼트 크기가 작은 연결보다 빠르게 윈도우가 증가하기 때문에 서비스를 많이 받게 된다. 기존 알고리즘은 패킷을 버퍼에 수용할 때 패킷의 크기를 고려하지 않기 때문인데 제안한 알고리즘의 경우 셀 카운터 변수에 따라서 버퍼에 수용되기 때문에 MSS에 영향을 받지 않고 공평한 서비스가 이루어졌다. MSS가 960 byte이고 MCR이 \( 4 \mathrm{Mbps} \) 로 설정된 VC의 경우 Double- EPD와 DFBA에서 MCR 이하로 서비스 받아 GFR이 요구하는 MCR 보장에 실패했음을 알 수 있다.</p> <p> <표 6>은 공평성 지표와 전체 네트워크 수율을 보여준다. Double-EPD와 DFBA의 공평성이 각각 \( 0.8552, 0.8995 \) 로 MSS가 같은 경우에 비해 공평성이 현저히 낮아졌다. 반면 제안된 알고리즘은 \( 0.9994 \) 으로 높은 공평성 지표를 나타내어 지연시간이 TCP에 미치는 영향을 최소화하여 Double-EPD와 DFBA보다 공평성에서 우수한 성능을 보여준다.</p>
|
[
"MSS가 성능에 미치는 영향을 알아보기 위해 나눈 두 그룹의 GFR과 MSS는 각각 어떻게 설정하였어?",
"제안된 알고리즘이 Double-EPD와 DFBA보다 공평성 부문에서 뛰어남을 확인하기 위해 어떻게 하였어?",
"MSS와 성능과의 상관관계를 알아보기 위해 VC를 두 그룹으로 나누고 MCR를 각각 어떻게 설정해서 연구를 진행했어?",
"제안 알고리즘은 어떻게 MSS에 아무런 영향을 받지 않고 공평한 서비스를 받게 되었어?",
"VC 그룹 중에서 MSS가 960 byte, MCR이 \\( 4 \\mathrm{Mbps} \\) 로 설정된 그룹은 어떻게 해서 GFR이 요구하는 MCR에 미치지 못했어?"
] |
60eb121b-96d4-400b-a0f0-143215d9cd86
|
인공물ED
|
ATM-GFR에서 최소 전송율 보장 및 공평성 향상을 위한 Leaky Bucket 기반의 버퍼 관리 알고리즘
|
<p> <그림 6>과<표 3>은 전체 MCR을 30 Mbps로 설정하고 각 VC의 MCR을 \( 2,4,6,8,10 \mathrm{Mbps} \) 로 설정했을 때 VC별 수율을 보여준다. Double-EPD의 경우 낮은 MCR의 VC가 상대적으로 높은 수율을 나타냈고 높은 MCR의 경우 할당된 대역보다 낮은 수율을 나타내어 낮은 성능을 보인 반면 DFBA와 제안된 알고리즘의 경우 이상적인 수율 그래프에 근접하여 \( 0.99 \) 이상의 좋은 공평성 성능을 보였다.<그림 7>과<표 4>는 전체 MCR을 \( 40 \mathrm{Mbps} \) 로 설정하고 각 VC의 MCR을 \( 2,5,8, 11, 14 \mathrm{Mbps} \) 로 설정했을 때의 결과를 보여준다. Double-EPD와 DFBA의 경우 낮은 MCR의 VC가 상대적으로 높은 수율을 나타냈고 높은 MCR의 경우 할당 된 대역보다 낮은 수율을 나타내어 공평성이 나빠졌으나 제안된 알고리즘의 경우 이상적인 수율에 근접하여 높은 공평성을 보여준다. 특히 Double-EPD와 DFBA의 경우 MCR이 \( 14 \mathrm{Mbps} \) 인 VC5의 경우 수율이 MCR이하로 서비스 받아 GFR이 요구하는 최소전송율 보장에 실패했으나 제안된 알고리즘의 경우 모든 VC의 MCR을 보장할 수 있었다.<표 4>에서 Double-EPD와 DFBA는 전체 MCR이 \( 20,30 \mathrm{Mbps} \) 일 때보다 공평성 지표가 현저하게 낮아졌음을 알 수 있다. MCR의 차이와 전체 MCR할당이 클수록 제안된 알고리즘은 우수한 성능을 보인 반면, DFBA는 VC에 할당된 MCR의 차이가 클수록 공평한 서비스를 하지 못했으며, Double-EPD는 모든 경우에서 가장 나쁜 성능을 보였다.</p> <h2>2. 지연시간이 성능에 미치는 영향</h2> <p>TCP는 망의 폭주상황에 유연하게 대처하기 위해 폭주 회피와 느린 시작, 두 가지 흐름제어 기법을 사용한다. 이 두 가지 기법은 패킷의 손실이 발생했을 경우 윈도우 크기를 줄여서 전송 속도를 낮춤으로써 망의 폭주 상황을 회피하는 기법으로 종단 간의 전송 지연 시간에 밀접한 관계가 있다. 두 가지 알고리즘이 수행이 되면 전송속도를 줄이고, 다시 시간이 지남에 따라 속도를 증가시키는 방법으로 RTT가 짧은 연결일수록 전송속도의 증가시간이 짧아져서 상대적으로 RTT 가 긴 연결보다 서비스를 많이 받을 수 있다.</p>
|
[
"논문에서 제안된 알고리즘은 어떻게 하여 생각할 수 있는 범위 안에서 가장 완전하다고 여겨지는 수율에 근접하지?"
] |
83bef2c3-3e41-42b8-b9ac-c5ad94b3a1ab
|
인공물ED
|
ATM-GFR에서 최소 전송율 보장 및 공평성 향상을 위한 Leaky Bucket 기반의 버퍼 관리 알고리즘
|
<h2>1. 전체 MCR 할당에 따른 성능 평가</h2> <table border><caption>표 2. 성능비교(전체 \( \mathrm{MCR}=20 \mathrm{Mbps} \) )</caption> <tbody><tr><td></td><td>Double-EPD</td><td>DFBA</td><td>Proposad</td></tr><tr><td>Total throughput</td><td>51.63 Mbps</td><td>51.65 Mbps</td><td>51.80 Mbps</td></tr><tr><td>Fairness Index</td><td>0.9882</td><td>0.9907</td><td>0.9994</td></tr></tbody></table> <p>전체 MCR의 할당량이 성능에 미치는 영향을 알아보기 위해 전체 MCR을 \( 20 \mathrm{Mbps}, 30 \mathrm{Mbps}, 40 \mathrm{Mbps} \) 로 할당하고 시뮬레이션을 수행하였다. 전체 MCR을 \( 20 \mathrm{MBps} \) 로 설정했을 때 각 VC의 MCR은 \( 2,3,4,5,6 \mathrm{Mbps} \) 이다.<그림 5>와<표 2>는 전체 MCR을 \( 20 \mathrm{Mbps} \) 로 설정했을 때의 성능을 보여준다.<그림 5>에서 DFBA와 제안된 알고리즘의 경우 각 VC의 수율이 이상적인 수율과 근접하여 좋은 결과를 나타냈음을 알 수 있다. 그러나 Double-EPD의 경우, 낮은 MCR을 할당 받은 VC나 높은 MCR을 가진 VC의 경우 비슷한 수율을 보여 공평성이 나쁨을 알 수 있다.<표 2>는 알고리 즘 별 공평성 지표와 네트워크 수율을 보여준다. 세 가지 알고리즘 중 Double-EPD가 0.9882로 가장 나쁘게 나오고, DFBA와 제안된 알고리즘의 경우 \( 0.99 \) 이상의 좋은 성능을 나타냈다. Double-EPD가 MCR에 따른 대역할당이 나쁨에도 불구하고 0.9882의 비교적 높은 공평성 지표를 나타낸 이유는 전체 MCR의 할당이 \( 20 \mathrm{Mbps} \) 로 네트워크 용량이 비해 낮고 각 VC에 할당된 MCR의 차이가 \( 1 \mathrm{Mbps} \) 로 작기 때문에 공평성 지표에서 성능 저하가 작았다.</p> <table border><caption>표 3. 성능비교(전체 \( \mathrm{MCR}=30 \mathrm{Mbps}) \)</caption> <tbody><tr><td></td><td>Double-EPD</td><td>DFBA</td><td>Proposed</td></tr><tr><td>Total throughput</td><td>51.74 Mbps</td><td>51.66 Mbps</td><td>51.74 Mbps</td></tr><tr><td>Famness Index</td><td>0.9702</td><td>0.9942</td><td>0.9995</td></tr></tbody></table>
|
[
"표 2에서, Double-EPD의 Total throughput은 몇 Mbps인가?",
"표 2에 따르면, DFBA는 Total throughput 값이 몇 Mbps인가?",
"표 2에서 알 수 있는 Proposad의 전체 throughput 값은 얼마인가?",
"표 2의 성능비교에서 알 수 있는 Double-EPD의 Fairness Index 값은 얼마인가요?",
"표 2에서 알 수 있는 성능비교 Fairness Index 데이터 중, DFBA 값은 얼마인가?",
"표 2를 살펴보면, Proposad의 Fairness Index 값은 얼마임을 알 수 있는가?",
"표 3에서, Double-EPD의 경우 Total throughput 값이 얼마인가요?",
"표 3에서 알 수 있는 DFBA의 Total throughput 값은 몇 Mbps인가요?",
"성능을 비교한 표 3에서, Proposed의 경우 전체 throughput 값은 몇 Mbps로 나타나는가?",
"표 3에 나타난 Famness Index값들 중 Double-EPD에 해당하는 값은 무엇인가요?",
"표 3에서 확인할 수 있는 Famness Index 값들 중에서, Proposed에 대한 데이터는 무엇인가요?"
] |
0fd86393-18c7-45e9-a37d-280c7a5bf550
|
인공물ED
|
유비쿼터스 컴퓨팅을 위한 측위시스템에서 비콘의 전송 중재 기법
|
<h2>2. 반송파 감지 랜덤 전송</h2> <p>이 절에서는 인접한 비콘의 전송끼리의 충돌을 피하기 위하여 \( \mathrm{RF} \) 반송파 감지를 사용하는 경우를 고찰한다. 각 비콘은 주기적으로 \( \mathrm{RF} \) 반송파의 존재 여부를 검사하여 반송파가 없을 경우에만 데이터를 전송한다. 연속적인 전송 시도간의 간격은 비콘 간의 바람직하지 않은 상호작용을 피하기 위해 랜덤 변수를 사용한다. 먼저 비콘들이 모두 각가의 영역 내에 존재하고, 완벽한 반송파 감지 능력을 가지는 상황을 고찰한다. 이를 통해 매우 우호적인 조건에서 이 알고리즘의 성능을 파악하게 된다.</p> <p>먼저 비콘들이 모두 각각의 영역 내에 존재하고, 완벽한 반송파 감지 능력을 가지는 상황을 고찰한다. 이를통해 매우 우호적인 조건에서 이 알고리즘의 성능을 파약하게 된다.</p> <p>그러나 실제에서 비콘들이 서로의 전송을 모두 들을수 있을지라도 완벽한 반송파 감지를 이루는 것은 거의불가능하다. \mathrm{RF} \) 반송파의 전송을 위해 OOK방식을 사용하는 경우 본질적으로 반송파 감지는 완벽하게 동작할 수 없다. 문헌 [17]에서는 이를 검출 임계치(detection threshold)에 의해 설명하였다. 여기서는 비교를 위해 문헌 [17]에 의해 수행된 시뮬레이션 결과를 소개한다.</p> <p>그림 4는 모든 비콘과 리스너가 동일한 \( \mathrm{RF} \) 송수신영역 내에 존재하는 경우 반송파감지 랜덤전송 기법의 채널 이용도를 보인 것으로, 각각 완벽한 반송파 감지와 불완벽한 반송파 감지의 경우를 보인 것이다.</p> <p>그림 5는 비콘과 리스터의 송수신 영역이 제한적인경우의 전송 기법의 채널 이용도를 보인 것이다. 그림에서 case 1은 비콘과 리스너가 동일한 무선 영역을 갖는 경우이며, case 2는 비콘이 리스너의 2배의 무선 영역을 갖는 경우를 보인다.</p> <h2>3. 제안된 중재 기법의 구현 및 성능</h2> <p>\( \mathrm{RF} \) 반송파의 전송을 위해 OOK방식을 사용하는 경우 본질적으로 반송파 감지는 완벽하게 동작할 수 없다. 우리는 실제로 크리켓 실내 측위시스템을 제작하여 실험하므로써 이 사실을 확인하였다. 우리는 마스터 비콘을 설정하고, token passing 방식으로 비콘 간에 전송을 할당하므로써 이러한 충돌을 피할 수 있었다. 그러누 이방법은 마스터 비콘에 의한 중앙집중형 제어가 수반되므로 설치와 확장 시에 많은 불편함을 야기하게 되고,크리켓 본래의 설계 목표에 위배된다.</p> <p>본 논문에서 제안한 전송 중재 기법은 크리켓 시스템과 같이 동시에 전송을 시도할 수 있는 다수의 비콘과 별도의 리스너로 구성되는 측위시스템에서 비콘들의 전송 간에 발생할 수 있는 충돌을 분해하여 전송을 중재하기 위한 기술이다. 이 기법을 적용하면 비콘들의 전송이 충돌할 경우에도 모든 비콘의 전송이 실패하는 것을 피할 수 있고, 채널 이용율을 향상시킴으로써 측위시스템의 위치 갱신율 (또는 정보 갱신율)을 향상시킬 수있다. 또한 한 번 전송에 성공한 비콘은 낮은 우선순위를 부여하고, 중재 과정에서 전송을 포기한 비콘은 높은 우선순위를 부여하므로써 모든 비콘들에게 공평한 전송기회를 보장할 수 있다.</p> <p>제 Ⅱ장에서 제안한 전송중재 기법을 시험하기 위하여 그림 2에 보인 플로우차트와 같이 동작하는 비콘을 VHDL을 이용하여 설계하였다. 이와 같은 비콘을 여러개 구현하고, 이들이 전송을 시도하는 상황을 시뮬레이션하였다. 표 1에 보인 바와 같이 0 번부터 25번까지 총 26개의 비콘이 존재하는 상황에 대하여 시뮬레이션을 수행한 결과, 비콘들은 다음과 같은 순서에 의해 모든비콘이 공평하게 채널을 점유하며, 이 순서가 반복됨을 알 수 있었다.</p> <table border><caption>표 1. 비콘의 좌표</caption> <tbody><tr><td>비콘#</td><td>좌표</td><td>비콘#</td><td>좌표</td><td>비콘#</td><td>좌표</td></tr><tr><td>0</td><td>\((1, 117)\)</td><td>9</td><td>\((91, 185)\)</td><td>18</td><td>\((189, 154)\)</td></tr><tr><td>1</td><td>\((18, 225)\)</td><td>10</td><td>\((103, 22)\)</td><td>19</td><td>\((192, 242)\)</td></tr><tr><td>2</td><td>\((25, 71)\)</td><td>11</td><td>\((118, 143)\)</td><td>20</td><td>\((205, 35)\)</td></tr><tr><td>3</td><td>\((37, 175)\)</td><td>12</td><td>\((123, 203\))</td><td>21</td><td>\((218, 166)\)</td></tr><tr><td>4</td><td>\((46, 253)\)</td><td>13</td><td>\((139, 61)\)</td><td>22</td><td>\((224, 96)\)</td></tr><tr><td>5</td><td>\((53, 130)\)</td><td>14</td><td>\((147, 122)\)</td><td>23</td><td>\((232, 218)\)</td></tr><tr><td>6</td><td>\((66, 233)\)</td><td>15</td><td>\((155, 104)\)</td><td>24</td><td>\((249, 199)\)</td></tr><tr><td>7</td><td>\((72, 44)\)</td><td>16</td><td>\((160, 59)\)</td><td>25</td><td>\((251, 88)\)</td></tr><tr><td>8</td><td>\((85, 9)\)</td><td>17</td><td>\((172, 12)\)</td><td></td><td></td></tr></tbody></table> <p>\( \begin{aligned} & 10 \rightarrow 25 \rightarrow 12 \rightarrow 9 \rightarrow 15 \rightarrow 13 \rightarrow 14 \rightarrow 18 \rightarrow 20 \\ \rightarrow & 5 \rightarrow 8 \rightarrow 3 \rightarrow 24 \rightarrow 2 \rightarrow 0 \rightarrow 4 \rightarrow 11 \rightarrow 21 \rightarrow 1 \\ \rightarrow & 6 \rightarrow 17 \rightarrow 23 \rightarrow 7 \rightarrow 22 \rightarrow 16 \rightarrow 19 \end{aligned} \)</p> <p>중재부는 {우선순위비트, \( x \) 좌표, \( y \) 좌표}로 구성되므로, 본 논문의 중재 알고리즘에 의하면 우선순위가 같을 경우, \( x \) 좌표의 값이 클수록 우선순위가 높을 것이다. 그러나 설계된 비콘에서 \( x \) 좌표와 \( y \) 좌표의 출력시 LSB부터 출력하도록 하였기 때문에 채널을 점유하는 비콘의 순서가 좌표 값의 크기 순으로 정렬되지는 않았다.</p> <p>그림 6은 본 논문에서 제안한 알고리즘의 성공적 수행 결과를 보이기 위하여 0번부터 4번까지 5개의 비콘만이 존재하는 경우의 시뮬레이션 파형을 보인 것이다. 그림에서 succ_i 신호는 프레임의 전송에 성공한 비콘의 ID를 보인 것이며, 초기화되기 전에는 26이란 값을 갖는다. 이 신호로부터 기대한 바와 같이 \( \{3 \rightarrow 2 \rightarrow 0 \rightarrow 4 \rightarrow 1\} \) 의 순서로 모든 비콘이 채널을 점유하여 골고루 자신의 신호를 전송하고 이 과정이 반복됨을 확인할 수 있다. 이 그림은 비록 5 개의 비콘이 존재하는 상황에 대한 예를 보인 것이나, 기존의 측위시스템에 아무런 변화를 주지 않고서도 새로운 ID의 비콘을 추가할수 있으므로, 시스템의 확장이 용이하다. 이러한 충돌중재 기법은 앞 절에서 살펴본 전송 프로파일보다 우수하며, \( 100 \% \) 의 채널 이용율을 확보할 수 있음을 알 수있다.</p>
|
[
"본문의 표 1. 비콘의 좌표에서 비콘#이 10인 경우에 좌표는 뭐가 있어?",
"비콘#이 10인 경우에 본문의 표 1. 비콘의 좌표에 의하면 좌표값이 뭐지",
"본문의 표 1. 비콘의 좌표에서 비콘#이 9인 경우에 좌표는 뭐가 있을까?",
"비콘#이 9인 경우, 본문의 표 1. 비콘의 좌표를 보면 어떤 좌표값을 가질까",
"본문의 표 1. 비콘의 좌표에서 비콘#이 11인 경우에 좌표는 무엇으로 보여?",
"비콘#이 11인 경우에 본문의 표 1. 비콘의 좌표에 따르면 어떤 좌표값을 가질까요",
"본문의 표 1. 비콘의 좌표에서 비콘#이 19인 경우에 좌표는 무엇으로 나타낼 수 있지?",
"표 1에서 비콘#이 19인 경우에 좌표는 어떻게 나타내지",
"본문의 표 1. 비콘의 좌표에서 비콘#이 14인 경우에 좌표는 무엇으로 보일까?",
"비콘#이 14인 경우에 본문의 표 1. 비콘의 좌표를 보면 어떤 좌표가 해당되지",
"본문의 표 1. 비콘의 좌표에서 비콘#이 15인 경우에 좌표는 무엇으로 나타내?",
"비콘#이 15이면 본문의 표 1. 비콘의 좌표를 참고해서 어떤 좌표값에 해당하니",
"본문의 표 1. 비콘의 좌표에서 비콘#이 16인 경우에 좌표는 무엇으로 나타내지?",
"비콘#이 16인 경우에 표1에 의하면 어떤 좌표가 되나요",
"본문의 표 1. 비콘의 좌표에서 비콘#이 13인 경우에 좌표는 무엇으로 보이는가?",
"비콘#이 13인 경우에 본문의 표 1. 비콘의 좌표에 의하면 어떤 좌표값을 가지나요",
"본문의 표 1. 비콘의 좌표에서 비콘#이 18인 경우에 좌표는 무엇으로 나타내는가?",
"비콘#이 18에 해당할 경우에 표1에 보면 어떤 좌표에 해당하니",
"본문의 표 1. 비콘의 좌표에서 비콘#이 17인 경우에 좌표는 무엇으로 나타낼까?",
"비콘#이 17인 경우에 본문의 표 1. 비콘의 좌표를 보면, 어떤 좌표값을 가질가",
"본문의 표 1. 비콘의 좌표에서 비콘#이 12인 경우에 좌표는 무엇으로 보이지?",
"비콘#이 12인 경우에 좌표는 본문의 표 1. 비콘의 좌표에서 어떤 것에 해당하나요",
"본문의 표 1. 비콘의 좌표에서 비콘#이 0인 경우에 좌표는 무엇인가?",
"비콘#이 0인 경우에 본문의 표 1. 비콘의 좌표에 의하면 어떤 좌표값을 가지니",
"본문의 표 1. 비콘의 좌표에서 비콘#이 2인 경우에 좌표는 무엇일까?",
"비콘#이 2인 경우에 표1에 의하면 어떤 좌표값이 해당하지",
"본문의 표 1. 비콘의 좌표에서 비콘#이 1인 경우에 좌표는 무엇이지?",
"비콘#이 1인 경우에 표1에 따르면 좌표값은 얼마지",
"본문의 표 1. 비콘의 좌표에서 비콘#이 25인 경우에 좌표는 어떤 것이 있을까?",
"비콘#이 25인 경우에 표1을 보면 좌표는 무엇이지",
"본문의 표 1. 비콘의 좌표에서 비콘#이 23인 경우에 좌표는 어떤 것이 있지?",
"비콘#이 23인 경우에 표1에 따르면 좌표는 어떻게 되니",
"본문의 표 1. 비콘의 좌표에서 비콘#이 24인 경우에 좌표는 어떤 것이 있는가?",
"비콘#이 24인 경우에 표1의 내용을 볼 때 좌표는 무엇이 되지",
"본문의 표 1. 비콘의 좌표에서 비콘#이 3인 경우에 좌표는 무엇이야?",
"비콘#이 3일 때 본문의 표 1. 비콘의 좌표에 보면, 어떤 좌표값을 가지지 ",
"본문의 표 1. 비콘의 좌표에서 비콘#이 4인 경우에 좌표는 뭐야?",
"비콘#이 4인 경우에 좌표는 본문의 표 1. 비콘의 좌표를 참조하면 어떻게 되니",
"본문의 표 1. 비콘의 좌표에서 비콘#이 5인 경우에 좌표는 뭐지?",
"비콘#이 5인 경우, 본문의 표 1. 비콘의 좌표에 따르면 어떤 좌표값을 얻을 수 있어",
"본문의 표 1. 비콘의 좌표에서 비콘#이 22인 경우에 좌표는 무엇으로 나타낼 수 있을까?",
"표 1. 비콘의 좌표에서 비콘#이 22인 경우에 좌표는 어떤 값을 가지게 되나요",
"본문의 표 1. 비콘의 좌표에서 비콘#이 6인 경우에 좌표는 뭘까?",
"비콘#이 6인 경우, 표1에 따를 경우 어떤 좌표값이 해당되지",
"본문의 표 1. 비콘의 좌표에서 비콘#이 21인 경우에 좌표는 무엇으로 나타낼 수 있어?",
"표 1. 비콘의 좌표를 보면, 비콘#이 21인 경우에 좌표는 어떤 값이 되나요",
"본문의 표 1. 비콘의 좌표에서 비콘#이 8인 경우에 좌표는 뭐가 있는가?",
"비콘#이 8인 경우에 본문의 표 1. 비콘의 좌표를 참고하면 어떤 좌표에 해당하지",
"본문의 표 1. 비콘의 좌표에서 비콘#이 20인 경우에 좌표는 무엇으로 나타낼 수 있는가?",
"표 1. 비콘의 좌표에 따르면 비콘#이 20인 경우에 좌표는 어떻게 되나요",
"본문의 표 1. 비콘의 좌표에서 비콘#이 7인 경우에 좌표는 뭐가 있지?",
"비콘#이 7인 경우에 좌표는 본문의 표 1. 비콘의 좌표를 보면 어떻게 되나요"
] |
bc9fa54a-c776-4fe4-b9c7-f6fb96a6af8b
|
인공물ED
|
스프링하중을 고려한 디젤차량용 오버플로우 밸브 성능평가
|
<h1>III 실험 결과</h1><p>그림 4 는 차종 규격에 따라 개변압 시험을 수행할 오버플로우 밸브 조립순서를 나타낸다. 오버플로우 밸브는 \(4\)개 차종 모델(VGT, WGT, EURO5, JK/JM)을 동시에 실험할 수 있다.</p><p>개변압시험기 구동 시스템은 순간순간 압력을 가하는 동작을 수행해야 하므로 릴레이회로를 사용하여 소신호를 이용해 대전력(공급 전원)을 제어할 수 있어야 한다.</p><p>그림 5 는 스프링 5개의 샘플에 대한 하중을 실험하는 장면이다.</p><p>표 3은 그림 5의 실험에서 단면적 \( 1 \mathrm{~mm}^{2} \) 이고 높이 \( 25 \mathrm{~mm} \) 인 \(5\)개의 샘플에 대해 하중 및 압축강도에 대한 최대변위와 변형율 결과이다.</p><table border><caption>표 3. 샘플시험</caption><tbody><tr><td rowspan=2>No</td><td>Max. load</td><td>Pressure Lengthen</td><td>Max variation</td><td>Transfor m rate</td></tr><tr><td>\(\mathrm{kgf}\)</td><td>\(\mathrm{kgf} / \mathrm{mm}^{2} \)</td><td>\(\mathrm{mm}\)</td><td>\(\%\)</td></tr><tr><td>1</td><td>4.73</td><td>4.73</td><td>13.72</td><td>54.88</td></tr><tr><td>2</td><td>1.278</td><td>1.278</td><td>9.99</td><td>39.96</td></tr><tr><td>3</td><td>1.257</td><td>1.257</td><td>9.99</td><td>39.96</td></tr><tr><td>4</td><td>1.259</td><td>1.259</td><td>9.99</td><td>39.96</td></tr><tr><td>5</td><td>1.237</td><td>1.237</td><td>9.99</td><td>39.96</td></tr></tbody></table><p>그림 6 는 표 3 의 5 개 샘플에 대해 평균 최적 변위 \( 10.736 \) 과 평균 변형률 \( 42.944 \) 에 대한 하중압축시험을 나타내는 그래프이다.</p><p>표 4 는 불량발생확률 \( 0 \% \) 이고, 공정능력지수(Cpk) 모두 합격판정을 받은 \(4\)개 샘플에 대한 공정능력 데이터를 나타낸다.</p><table border><caption>표 4. 공정능력<caption><tbody><tr><td>Iterms</td><td>#1</td><td>#2</td><td>#3</td><td>#4</td></tr><tr><td>Cpk</td><td>1.82</td><td>1.82</td><td>1.80</td><td>1.81</td></tr><tr><td>Cpu</td><td>1.82</td><td>1.83</td><td>1.80</td><td>1.81</td></tr><tr><td>Cpl</td><td>1.82</td><td>1.82</td><td>1.80</td><td>1.81</td></tr><tr><td>Cp</td><td>1.82</td><td>1.82</td><td>1.80</td><td>1.81</td></tr><tr><td>Maximum</td><td>13.99</td><td>26.03</td><td>3.560</td><td>8.140</td></tr><tr><td>Minimum</td><td>13.97</td><td>25.97</td><td>3.510</td><td>8.110</td></tr><tr><td>Average</td><td>13.98</td><td>26.00</td><td>3.529</td><td>8.115</td></tr><tr><td>Deviation</td><td>0.006</td><td>0.018</td><td>0.013</td><td>0.006</td></tr></tbody></table><p>그림 7 은 표 4 의 샘플 #1과 #2에 대한 데이터를 기초로 (a) 공정변동누적과 (b) 확률분포이다.</p>
|
[
"표 4에서 Maximum 값이 가장 높은 샘플의 Deviation은 얼마인가?",
"개변압시험기 구동 시스템은 어떻게 순간순간 압력을 가하는 동작을 수행하는가?",
"단면적 \\( 1 \\mathrm{~mm}^{2} \\) 이고 높이 \\( 25 \\mathrm{~mm} \\) 인 \\(5\\)개의 샘플 중 샘플 5의 변형율은 얼마인가?",
"개변압시험기 구동 시스템이 순간순간 압력을 가하기 위해 사용하는 회로는 무엇인가?",
"어떤 회로가 개변압시험기 구동 시스템이 순간순간 압력을 가하기 위해 사용되나요?",
"불량발생확률 \\( 0 \\% \\) 이고, 공정능력지수(Cpk) 모두 합격판정을 받은 \\(4\\)개 샘플에 대한 공정능력 데이터 표에서 샘플 #1의 Cpk는 얼마인가?",
"표4는 공정능력 데이터를 나타낸 것으로 Average가 가장 낮은 것은 몇 번 샘플인가?",
"표3에서 Max. load와 Pressure Lengthen가 1.259일때 Max variation는 얼마인가?",
"Pressure Lengthen의 단위는 어떻게 되는가?",
"표 3에서 몇번 샘플부터 Max variation의 값이 동일한가?",
"표 4에서 데이터를 살펴보면 Cpk,Cpu,Cpl,Cp의 값들은 샘플마다 동일하게 나오지만 그 값이 다른 것은 몇 번 샘플인가?",
"단면적 \\( 1 \\mathrm{~mm}^{2} \\) 이고 높이 \\( 25 \\mathrm{~mm} \\) 인 \\(5\\)개의 샘플 중 하중 및 압축강도에 대해 최대변위와 변형율이 가장 큰 것은 몇 번 샘플인가?",
"오버플로우 밸브는 4개의 모델을 동시에 실험할 수 있는데 실험 가능한 차종 모델을 무엇인가?",
"4개의 모델을 동시에 오버플로우 밸브가 실험할 수 있는데 시험 가능한 차종은 뭐야?",
"압력을 가하는 동작을 수행해야 하는 개변압시험기 구동 시스템은 릴레이회로를 통해 어떤 작업을 할 수 있어야하는가?",
"개변압시험기 구동 시스템은 압력을 가하는 동작을 순간순간해야하기 때문에 대전력을 제어할 필요가 없다는 게 옳아?",
"표 3에서 Pressure Lengthen가 가장 클 때 Max. load의 값은 얼마인가?"
] |
e864139d-436a-46d0-b466-ffab0d70544c
|
인공물ED
|
스프링하중을 고려한 디젤차량용 오버플로우 밸브 성능평가
|
<h1>요 약</h1><p>본 연구에서는 유로형(EURO type) 클린 디젤 CRDI(common rail direct injection) 엔진용 오버플로우 밸브 성능 평가 시스템을 구현한다. 친환경 조건에 맞도록 정밀 기능을 구비한 오버플로우를 위해 스프링의 하중을 고려한 구현이 중요하다. 특히 정밀제어에 따른 디젤 차량의 성능평가는 연비 향상과 환경 규제 만족이 필연적이다. 이에 성능평가를 위한 평가 알고리즘의 기본 조건은 \( 100 \mathrm{cc} \) 미만에서 \( 3.0 \mathrm{bar}, 150 \mathrm{cc} \) 이상에서 \( 3.3 \mathrm{bar}, 250 \mathrm{cc} \) 이상에서 \( 4.0 \mathrm{bar}\)를 사용하여 시험한다.</p><h1>I. 서론</h1><p>크린 디젤엔진인 CRDI(common rail direct injection) 엔진의 사용량 증가로 EURO형 오버플로우 밸브의 중요성이 증가하고 있다. 디젤엔진은 일정이상의 유압이 걸릴 경우, 엔진유압라인의 높은 압력으로 인해 시동 및 연료공급에 문제가 발생한다. 이때 유량의 일부를 유압라인이나 유압회로로부터 노출시켜 실린더헤드 내부에 형성된 연료압력을 소정 압력 이하로 줄여주는 오버플로우 밸브의 역할이 필요하다.</p><p>EURO3형 엔진의 오버플로우 밸브는 WGT 및 VGT 형 차량에 적용하고 있으나, 스펙이 낮아 연비 및 환경규제에 품질을 만족시키지 못하고 있다. EURO3 규격의 동작 조건은 누설이 \( 1.3 \mathrm{Bar} \) 하에 최대 \( 6 \mathrm{~L} / \mathrm{h} \), 압력 \( 1.3 \sim 1.8 \mathrm{Bar}\)에서 열리며, 유속률(flow rate)은 \( 2.4 \mathrm{Bar}\)이상에서 최대 \(300 \mathrm{L} / \mathrm{h} \) 이다. EURO4형 엔진의 오버플로어 밸브는 저압펌프에서 On /Off 밸브기능 역할을 수행하고 있으나, 미세 제어가 어려우며, 현재 단종된 상태이다. EURO엔진의 오버플로우 밸브는 EURO5 및 EURO6 로 진화하고 있다.</p><p>본 연구에서는 EURO) 형 오버플로우 밸브의 정밀동작을 만들어 내기 위해 스프링 하중을 고려한 오버플로우 밸브를 구현하고 성능을 평가알고리즘을 구현한다. 따라서 정밀제어에 따른 성능평가는 연비가 향상되고, 환경규제를 만족한다. 이를 위해 스프링 장력 측정기, 정밀측정 성능검사기(10cc 미만에서 \( 3.0 \mathrm{Bar}, 150 \mathrm{cc} \) 이상에서 \( 3.3 \mathrm{Bar}, 250 \mathrm{cc} \) 이상에서 \( 4.0 \mathrm{Bar} \)) 로 시험한다.</p>
|
[
"EURO3 규격의 동작 조건 중 적정한 유속율은 얼마인가?",
"디젤 차량의 성능평가를 위한 알고리즘의 기본 조건은 뭐야?",
"EURO형 오버플로우 밸브의 중요성이 증가하는 이유는 뭐야?",
"EURO3, 4형 엔진은 어떻게 진화하고 있어?",
"디젤엔진의 유압으로 인한 문제해결을 위해 무엇의 역할이 중요해?",
"현재 자주쓰이는 오버플로우 밸프는 EURO4 인가요?"
] |
dc445d82-3094-45df-9bbd-6cb4a3c8b29b
|
인공물ED
|
스프링하중을 고려한 디젤차량용 오버플로우 밸브 성능평가
|
<h1>IV. 결론</h1><p>본 연구는 IEEE802 통신 프로토콜 기반의 친환경 디젤엔진용 EURO형 오버플로 밸브 성능평가 시스템을 구현을 통해 평가 알고리즘을 개발한다. 친환경 규제 조건에 맞는 오버플로우밸브의 성능평가는 스프링 부하실험을 통해 이루어진다. 표 3 의 \(5\) 개의 샘플에 대한 하중실험에서 단면적 \( 1 \mathrm{~mm}^{2} \) 이고 높이 \( 25 \mathrm{~mm} \) 인 샘플에 대해 하중 및 압축강도에 대한 최대변위와 변형율을 시험한다. 이 때 \(5\) 개 샘플에 대해 평균 최대변위 \( 10.736 \) 과 평균 변형률 \( 42.944 \) 에 대한 하중압축시험은 오버플로우를 엔진에 장착하였을 때 최고의 연비성능을 얻음으로써 안정성을 확보한다.</p>
|
[
"오버플로우밸브의 성능평가는 어떤 실험을 통해 이루어지나?",
"친환경 디젤엔진용 EURO형 오버플로 밸브 성능평가 시스템은 어떤 통신 프로토콜을 기반으로 만들어졌나?",
"스프링 부하실험을 통해 이루어진 오버플로우밸브의 성능평가는 어느 조건에 규합하나?"
] |
d0a7d3d9-6125-4efd-8748-e2e76f7439d2
|
인공물ED
|
스프링하중을 고려한 디젤차량용 오버플로우 밸브 성능평가
|
<h1>II. 본론</h1><h2>1. 성능평가 시스템 구현</h2><p>오버플로우 밸브는 양측볼 (Ball-large and Small), 스프링 (Spring) 및 스프링 시트(Spring Seat) 간에 유압이 공급될 때, 스프링의 유연성, 스프링실과 볼간에 불안정성으로 인해 진동소음이 심하게 발생한다. 압입장비의 직접적인 개발을 통해 이를 해결하고, 유량의 개변압을 통한 성능 검사 시스템 구축을 통하여 엄격한 품질을 만족하는 시스템을 설계한다. 이때 실시간 검사를 위해 품질 개선에 효율적인 알고리즘이 필요하다.</p><p>그림 1 에서 왼쪽 프로세스에 따라 외부 입력에서 주어지는 \( 24 \mathrm{~V} \) 의 전원이 K7M-DR60SP00핀에 따라 릴레이 스위치를 구동한다.</p><p>개변압 시험 프로그램에서 VGT 사양의 \(1\)차 개변압 검사는 정압 \( 2.6 \mathrm{bar} \) 에서 유량이 \( 230 \mathrm{cc} / \mathrm{min} \) 이상, EURO5형은 정압 \( 3.5 \mathrm{bar} \) 에서 유량이 \(230 \mathrm{cc} / \mathrm{min} \) 이상이어야 한다. 기밀검사에 EURO5 형은 정압 \( 2.85 \mathrm{bar} \) 에서 유량이 \( 150 \mathrm{cc} / \mathrm{min} \) 미만이어야 한다. \(2\)차 개변압 검사에서 EURO5 형은 정압 \( 3.50 \mathrm{bar} \)에서 유량이 \( 230 \mathrm{cc} / \mathrm{min} \) 이상이어야 한다. 표 1 은 차종에 따른 시험기의 평가규격이다.</p></p><h2>2. 성능평가 알고리즘</h2><p>그림 2는 지그(Jig)가 구비된 개변압 시험기 구동 알고리즘을 나타낸다. 스위치를 동작시키고 차종을 선택하면, 그에 맞는 개변압 규격을 세팅할 수 있다. 이때 지그에 오버플로우 밸브를 안착하고, 외부압력계에 의해 지그헤드가 움직이면 안착된 오버플로우 밸브에 유량이 유입된다. 유입된 유량은 압력 규격내에 만족하는지 시험이 이루어지며, 제품의 성능이 정상인지 판단되도록 한다.</p><p>그림 3은 오버플로밸브 검사 알고리즘으로 \(16\)가지 중 일부를 나타낸다.</p><p>표 2 는 그림 3의 오버플로밸브의 \(16\)가지 검사 기준 규격을 나타낸다.</p><p>그림 3에서 표 2에 따라 조립불량 및 부품누락, 스프링 시트 조립방향, 압입압력 관리, 불량품의 수정 및 개선에 따라 오버플로밸브의 성능을 좌우한다.</p><p>그림 1 을 이용한 개변압 성능시험에서 오버플로우에 문제가 발생하면, 바디 및 내경, 외경의 규격이 정확하게 재조정 되어야 한다. 이때 반복성 장비 변동식은 (1)을 사용한다. 여기서 시행횟수 \(2\)회시 \( K_{1=} 4.56 \) 을 사용하고, 시행횟수 \(3\)회시 \( K_{1=} 3.05 \) 을 사용한다.</p><p>\( E V=R \times K_{1} \)</ol><p>재현성 측정자 변동(AV) 은 식(2)를 사용한다. 이때 시행힛수가 \(2\)회이면 \( K_{2}=3.65 \), 시행횟수가 \(3\)회면 \( K_{2}=2.70 \) 를 사용한다.</p><p>\( A V=\sqrt{\left(X_{d i f f} \times K_{2}\right)^{2}-\left(\frac{E V^{2}}{n r}\right)} \)<caption>(2)</caption></p><p>반복성 및 재현성(RnR) 은 식(3)을 사용한다.</p><p>\[ R n R=\sqrt{E V^{2}-A V^{2}} \]<caption>(3)</caption></p>시료변동(PV 은 식(4)의 \( K_{3}=3.65 \) 이다.</p><p>\( P V=R_{p} \times K_{3} \)<caption>(4)</caption></ol><p>총변동(TV)은 식(5)를 사용한다.</p><ol>\( T V=\sqrt{R n R^{2}+P V^{2}} \)<caption>(5)</caption></ol><p>식 (1) ~ (4) 를 식 (5)로 나누어 백분율을 취하면 공정 변동율 \( (\%) \) 을 계산하게 된다.</p>
|
[
"VGT사양의 차 개변압 검사는 2.6bar 유량이 230L/min이상이어야 한다.",
"EURO5 형은 정압 2.85bar 에서 유량이 150gal/min 미만이어야 한다",
"오버플로우 밸브는 양측볼 (Ball-large and Small), 스프링 (Spring) 및 스프링 시트(Spring Seat) 간에 유압이 공급될 때, 스프링의 유연성, 스프링실과 볼간에 불안정성으로 인해 진동소음이 심하게 발생한다",
"정압2.6bar에서의 유량은 몇인가?"
] |
a7b1b144-cb32-46ee-bb9c-3b045cd2391a
|
인공물ED
|
순환천이변조 주파수도약대역확산/시분할다중접속 시스템의 성능 개선에 관한 연구
|
<h1>II. 시스템 모델</h1><h2>1. 송신기 모델</h2><p>그림 1 은 본 논문에서 고려한 주파수도약대역확산/시분할다중접속 시스템의 송신기 모델을 나타낸다.</p><p>입력 데이터는 5 비트가 하나의 심볼을 이루게 된다. 따라서 순환부호천이변조기에서 5 비트 심볼은 32 칩 심볼로 순환부호천이변조된다. 그리고 순환부호천이변조기 출력은 32 칩 의사난수 (PN:pseudorandom noise) 시퀀스와 배타적 논리합 (XOR: exclusive OR) 방식으로 스크램블링 된다. 스크램블링된 32 칩 시퀀스는 최소 천이 변조 (MSK: minimum shift keying) 방식으로 Pulse Shaping 된후, 주파수 도약 과정에서 N개의 반송파중 하나에 실려서 안테나를 통해 송신된다.</p><h2>2. 채널 모델</h2><p>본 논문에서의 무선 채널은 레일레이 (Rayleigh) 페이딩 채널로 모델링 하였다. 식 (1)은 레일레이 확률밀도함수 (PDF: probability density function)를 나타낸다.</p><p>\( f_{X}(x)=\frac{x}{\sigma^{2}} \exp \left(\frac{-x^{2}}{2 \sigma^{2}}\right) \)<caption>(1)</caption></p><h2>3. 수신기 모델</h2><p>그림 2는 본 논문에서 고려한 주파수도약대역확산/시분할다중접속 시스템의 수신기 모델을 나타낸다.</p><p>수신된 신호는 주파수 역 도약되고, 최소 천이 복조되며, 송신기에서 스크램블링에 사용된 의사난수 시퀀스와 동일한 시퀀스를 이용하여 역 스크램블링된후, 순환부호천이복조과정을 거쳐 5 비트 심볼이 복원된다. 순환부호천이복조는 수신 신호와 모든 가능한 32 칩 시퀀스와의 상호상관 (cross-correlation)을 통하여 이루어진다.</p><h1>III. 간섭 시나리오</h1><p>그림 3은 본 논문에서 고려한 주파수도약대역확산/시분할다중접속 방식의 시스템에서 발생 가능한 간섭 시나리오를 나타낸다. System A 는 Net \( i \) 에서 데이터를 주고받는 상태이고 데이터 송.수신이 주퐈수 도약 패턴에 따라 주파수 도약 주기가 끝나면 Net k로 도약하여 통신을 수행한다. System B는 Net \( j \) 에서 통신을 수행하다가 주파수 도약 주기가 끝나서 Net \( i \) 의 주파수로 도약한다. 이 때 System A 의 송.수신기는 System B의 송.수신기보다 상대적으로 거리가 멀리 떨어져 있어서 더 많은 전파지연 시간, \( T_{D} \), 이 소모된다. 따라서 Net \( i \) 에서 System A의 통신이 끝나지 않은 상태에서 System B가 Net \( i \) 의 주파수를 할당받아 동일한 Net에서 두 시스템이 동작하여 심볼간 간섭이 발생한다.</p><p>본 논문에서는 이러한 심볼간 간섭 및 채널상의 잡음으로 인해 심볼의 일부분을 복원할 수 없는 경우 시스템 성능을 모의실험 하였다.</p><h1>IV. 모의 실험 결과</h1><p>본 논문에서 순환부호천이변조를 위해 사용된 기존의 32 칩 시퀀스 S0 와 3진 32 칩 시퀀스 T0 는 표 1 에 나타나 있다.</p><p>그림 4 와 그림 5는 각각 기존의 랜덤한 기본 순환 부호천이변조 시퀀스 S0 와 본 논문에서 고려한 3진 기본 순환부호천이변조 시퀀스 T0 의 자기 상관 특성이다.</p><table border><caption>표 1. 기본 순환부호천이변조 시퀀스</caption><tbody><tr><td></td><td>기본 순환부호천이변조 시퀀스</td></tr><tr><td>S0</td><td>01111100111010010000101011101100</td></tr><tr><td>T0</td><td>1111000011-1-10000-11-110000-111-10000</td></tr></tbody></table><p>그림 6 은 본 논문에서 고려한 심볼간 간섭이 존재하는 경우, 시퀀스 종류에 따른 시스템 오류율 (BER: bit error rate) 성능이다. 실험에서 신호대 잡음비는 편의상 \( 0 \mathrm{~dB}, 9 \mathrm{~dB}, 18 \mathrm{~dB} \) 인 경우만 선별하여 실험을 시행하였다. 실험결과로부터 심볼간 간섭으로 인해 오류가 발생한 비트 수가 증가할수록 시스템 성능이 열화되는 것을 확인할 수 있다. 그리고 신호대 잡음비(SNR: signal to noise ratio)에 상관없이 심볼간 간섭에 대해 본 논문에서 고려한 3진 시퀀스가 기존의 랜덤 시퀀스를 순환부호천이변조에 적용한 경우보다 더 뛰어난 성능을 나타내는 것을 확인할 수 있다. 이는 그림 4 와 그림 5 에서 확인할 수 있는 것처럼 자기상관값이 0 이 되는 구간이 3 진 시퀀스에서 더 많이 존재하기 때문에, 잡음이나 간섭 신호에 의한 시퀀스의 변화 정도가 상대적으로 더 작기 때문인 것으로 판단된다. 또한 신호대 잡음비가 증가할수록 성능차이가 줄어드는 것을 확인할 수 있다. 이는 신호의 에너지가 충분히 크기 때문에 심볼간 간섭의 영향이 상대적으로 작기 때문인 것으로 판단된다.</p>
|
[
"System A 는 주파수 도약 주기가 끝나기 전에 Net k 에서 데이터를 송신 및 수신하고 있는 상태야?",
"System A와 System B가 동시에 Net \\( i \\) 에서 작동하면 심볼간 간섭이 일어날까?",
"입력 데이터는 무엇이 한 개의 심볼을 구성하는가?",
"어디에서 5 비트 심볼이 32 칩 심볼로 변조되는 과정이 일어나는가?",
"5 비트 심볼은 무엇으로 순환부호천이변조되는가?",
"스크램블링된 32 칩 시퀀스는 무슨 방식을 거쳐 안테나를 통해 보내질까?",
"스크램블링 된 32 칩 시퀀스는 최소 천이 변조를 거쳐 Pulse Shaping 된 후에 어떻게 안테나를 통해 송신될까?",
"레일레이 페이딩 채널로 어떤 채널을 모델링 하였는가?",
"5 비트 심볼이 복원되는 과정은 역 스크램블링 과정을 포함하고 있는가?",
"수신 신호와 모든 가능한 32 칩 시퀀스와의 상호상관을 통하여 이루어지는 것은 무엇인가?",
"레일레이 페이딩 채널로 무선 채널을 모델링 할 수 있을까?",
"그림 3은 주파수도약대역확산/시분할다중접속 방식의 시스템에서 발생 가능한 무엇을 나타내는 그림인가?",
"주파수도약대역확산/시분할다중접속 방식의 시스템에서는 간섭 시나리오가 발생할 수 없어?",
"System A 는 주파수 도약 주기가 끝나면 어디로 도약하여 통신을 수행하는가?",
"System A 는 주파수 도약 주기가 끝나기 전에 어디에서 데이터를 송신 및 수신하고 있는 상태인가?",
"System B는 주파수 도약 주기가 끝나면 Net \\( i \\) 의 주파수로 도약할까?",
"왜 System A 의 송.수신기는 System B의 송.수신기보다 많은 전파지연 시간을 필요로 하는가?",
"System B의 송.수신기는 System A의 송.수신기보다 많은 전파지연 시간을 소모해?",
"동일한 Net에서 두 시스템이 동작하면 무슨 일이 벌어지는가?",
"그림 6은 심볼간 간섭이 존재하지 않는 경우의 시스템 오류율 성능을 나타낸 것인가?",
"심볼간 간섭이 야기한 비트의 오류 발생은 무엇을 불러오는가?",
"무엇에 상관없이 심볼간 간섭에 대해 3진 시퀀스가 기존의 랜덤 시퀀스를 적용한 경우보다 훌륭한 성능을 보이는가?",
"신호의 에너지 크기와 심볼간 간섭의 영향은 서로 비례관계에 있어?",
"신호의 에너지가 충분히 커서 심볼간 간섭의 영향이 작으면 성능차이는 줄어들까?",
"시퀀스를 순환부호천이변조에 적용할 때 3진 시퀀스가 기존이 랜덤 시퀀스보다 좋은 성능을 보일까?",
"신호대 잡음비가 감소할수록 성능차이는 줄어드는가?",
"순환부호천이변조기에서 32 칩 심볼은 5 비트 심볼로 순환부호천이변조될까?",
"스크램블링 된 32 칩 시퀀스는 최소 천이 변조 과정에서 N개의 반송파중 하나에 실려서 안테나를 통해 송신돼?",
"수신 신호와 모든 가능한 32 칩 시퀀스와의 상호상관을 통하여 5 비트 심볼을 복원할 수 있는가?",
"System B는 처음에 어디에서 통신을 하고 있는가?",
"그림 6에서 표현한 시스템 오류율 성능은 무엇이 있는 경우의 성능을 나타낸 거야?",
"System A 의 송.수신기가 System B의 송.수신기보다 먼 곳에 위치해 있기 때문에 무엇이 더 많이 소모되는가?",
"시스템 성능은 오류가 발생한 비트 수가 증가할수록 열화될까?",
"어떤 값이 0이 되는 구간이 많이 존재하면 잡음이나 간섭 신호에 의한 시퀀스의 변화 정도가 낮아질 수 있는가?",
"자기상관값이 0이 되는 구간이 다수 존재하면 잡음에 의한 시퀀스의 변화 정도가 작을까?",
"입력데이터에 있어서 하나의 심볼은 5 비트로 구성되는가?",
"5 비트 심볼이 복원되는 과정에서 입력된 신호가 주파수 역 도약된 후에 일어나는 과정은 무엇인가?",
"System A 에서는 주파수 도약 주기가 끝나면 Net \\( i \\) 로 도약하는가?",
"S0의 기본 순환부호천이변조 시퀀스는 무엇인가?",
"T0의 기본 순환부호천이변조 시퀀스는 뭐야?",
"기존의 32 칩 시퀀스의 기본 순환부호천이변조 시퀀스는 어떤 것이지?",
"3진 32 칩 시퀀스의 기본 순환부호천이변조 시퀀스는 뭐야?"
] |
3c6ccf36-0204-49b1-b14a-608bb1d0aa8c
|
인공물ED
|
순환천이변조 주파수도약대역확산/시분할다중접속 시스템의 성능 개선에 관한 연구
|
<h1>요 약</h1><p>본 논문에서는 순환천이변조 (CCSK: cyclic code shift keying) 시퀀스로 삼진 시퀀스를 적용하는 것을 제안하였다. 그리고 순환천이변조를 적용한 주파수도약대역확산/시분할다중접속 (FHSS/TDMA: frequency hopping spread spectrum/time division multiple access) 시스템에서 성능을 모의실험 하였다. 실험에서 무선 채널은 레일레이 (Rayleigh) 페이딩 채널로 모델링하였다. 모의 실험 결과로부터 순환천이변조 시퀀스로 무작위 시퀀스를 사용한 시스템보다 삼진 시퀀스를 적용한 시스템이 더 높은 성능을 보이는 것이 증명되었다.</p>
|
[
"본 논문에서 제안한 시퀀스는 어떤 순환천이변조 시퀀스이지?",
"삼진 시퀀스는 순환천이변조 시퀀스이지?",
"순환천이변조 시퀀스는 삼진 시퀀스야?",
"실험에서 모델링한 무선 채널은 무엇이지?",
"무엇이 실험에서 모델링한 무선 채널이지?",
"모의실험은 순환천이변조를 적용한 시스템에서 어떻게 했어?",
"모의실험은 순환천이변조를 적용한 어떤 시스템에서 이루어졌지?",
"순환천이변조 시퀀스를 삼진시퀀스를 적용한 시스템이 어느 경우보다 더 높은 성능을 보이는 것으로 증명할 수 있었지?",
"레일레이 (Rayleigh) 페이딩 채널은 무선채널이지?",
"순천이변조 시퀀스로 삼지시퀀스를 적용하는것이 무작위 시퀀스보다 더 성능이 높은 것으로 나타났다.",
"본 논문에서 성능에 대한 모의 실험 결과 더 높은 성능을 보인 시스템은 순환천이변조 시퀀스에 무엇을 적용한 것이지?"
] |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.