id
stringlengths 36
57
| type
stringclasses 4
values | title
stringlengths 0
159
| context
stringlengths 121
17.2k
| questions
listlengths 1
584
|
|---|---|---|---|---|
eaf29d53-4374-4461-ba15-27341f5de1b8
|
인공물ED
|
전기적 빔 조향기반의 기지국 안테나에 관한 연구
|
<p>제안된 빔 조향 장치는 그림 과 같이 전력 분배와 위상 천이 가변을 동시에 수행하기 위해 상, 하층 두 개의 PCB 가 적층된 구조를 가졌으며, 하측부의 전송 선로와 상측부의 전송 선로는 그림 과 같이 물리적으로 접촉되어 전자계 결합을 통한 전력 전달을 수행한다. 하측부의 PCB 에서 1 차 전력 분배가 이루어진 후, 상측부 PCB 를 통해 각 출력 단자로 전력 전달 및 분배가 이루어진다. 이때 전력 분배는 그림 의 접촉면에 비례하며, 이를 이용하여 빔 패턴을 설계할 수 있다. 또한, 상측부 PCB 의 원 운동을 통해 전력 분배를 수행함과 동시에 중앙 복사 소자를 제외한 6 개의 복사 소자의 위상 천이을 구현함으로써 제안된 안테나의 전기적 빔 조향을 가변할 수 있도록 한다.</p> <p>진폭 분배를 통한 목표 빔 패턴 형상 조건은 표 2 의 \( \mathrm{A} \) 이며, \( \mathrm{C} \) 는 진폭 조건에 가중치를 적용하지 않은 배열 안테나의 빔 패턴이다. 안테나의 정 중앙의 복사 소자로부터 점진적으로 가중치를 조절하여 진폭 분배비를 설정하였으며, 1 차 부엽의 크기를 높임으로써 null이 제거되는 레벨을 설계하였다.</p> <p>중앙 복사 소자인 4번의 진폭을 크게 할수록 부엽의 레벨을 높여 null 제거를 용이하게 할 수 있으나, 수직 빔 폭이 넓어지게 되므로 안테나 이득이 저하되는 결과를 초래할 수 있다. 1, 7번 소자의 진폭 크기를 줄일수록 인접한 소자와의 진폭 간격의 격차가 커지게 되고, 위상 천이기의 전력 분배 비율 분기점의 저항 값에 큰 차이가 수반되므로 전송 선로의 선폭의 두께가 급격하게 변화하고, 반사 손실을 낮추기 위한 \( \lambda / 4 \) 변환기가 요구되므로 위상 천이기의 크기 소형화에 제약이 뒤따른다.</p> <p>지상으로부터 수십 미터 떨어진 곳에 위치하는 기지국 안테나는 사용자보다 높은 곳에 위치하기 때문에 상향측 자유 공간에 불필요한 전력 방사를 할 필요가 없다.</p> <p>상측 방향으로 지향되는 1 차 부엽을 억제하여 빔 패턴에서 발생하는 손실을 줄이고, 기지국 안테나로부터 대다수의 사용자가 위치하는 하향 방향의 null 만을 제거할 수 있도록 표 2 의 진폭 조건 \( \mathrm{A} \) 의 빔 패턴으로부터 복사 소자에 위상 편차를 갖도록 하였다.</p> <p>모든 복사 소자에 동위상을 부여한 표 3의 위상 조건 \( \mathrm{F} \) 로부터 목표 위상 조건 \( \mathrm{D} \) 를 구현하기 위해서 복사 소자에 부여된 위상 편차는 안테나의 정 중앙에 위치한 4 번 복사 소자를 기준으로 한 상대적 위상 편차이다. 표 3 에 표기된 각 복사 소자 간의 위상 편차는 빔 조향 장치의 출력 단자로부터 복사 소자를 연결하는 케이블의 길이를 조절하여 설정하였다. 앞서 설계한 표 2 의 진폭 분배 조건 \( \mathrm{A} \) 에 위상 편차를 부여한 표 3 의 \( \mathrm{D} \) 조건을 목표 빔 패턴으로 하여 본 논문에서 제안된 빔 조향 장치를 개발하였다.</p> <p>그림 의 제작된 빔 조향 장치는 안테나 접지면 판 후면부에 위치하며, 유전율 \( 3.3,1.6 \mathrm{~mm} \) 두께의 PCB 로 제작되었고, 상측부 PCB 위상 천이기의 전송 선로 \( \mathrm{A}, \mathrm{B}, \mathrm{C} \) 구간의 선폭으로 전력 분배를 구현하였다.</p> <p>하측부 PCB 전력 분배기에서 1 차로 분배되어 중앙 복사 소자 4 번으로 전력이 전달되고, 상측부 PCB 의 \( \mathrm{A} \) 구간의 선폭에 따른 비율로 2 차 분배를 통해 복사 소자 3,5 번으로 전송된다. \( \mathrm{B} \) 구간의 선폭에 의해 3 차 분배 비율이 결정되고, 전력이 전송되어 복사 소자 2,6 번으로 인가된다. 선행 분배된 전력 이외의 에너지는 분배 구간 \( \mathrm{C} \) 를 통과하여 최 하단과 상단에 위치한 복사 소자 1,7 번으로 전달된다. 전력 분배 전송이 이루어짐과 동시에 적층 구조의 상측부에 위치한 위상 천이기는 안테나의 전기적 빔 조향을 가변하기 위한 구동부와 연결되어 있으며, 구동부의 좌 · 우 직선 운동을 통해 위상 천이기와 결합된 톱니바퀴를 이용하여 원 운동으로 변화시켜 위상을 천이시킴으로써 안테나 빔 조향 각의 전기적 하향 조절을 수행한다.</p> <p>W-CDMA 동작 대역에서 VSWR 1.2 : 1 이하의 정합도를 갖고 있고, 최종 설계된 진폭 분배 조건과 위상 편차 조건은 표 4 와 같다. 동일한 전력 분배 출력을 가지며, 출력 단자 간의 편차는 \( 1.2 \mathrm{~dB} \) 이다. 제작된 빔 조향 장치의 S-parameter를 그림 에 나타내었다.</p> <p>복사 소자로 인가되는 표 4 의 진폭과 위상 조건들을 구현할 수 있는 빔 조향 장치를 통해 성능을 구현하고, 식 (2)의 설계 변수 \( d \) 를 허용범위 내에서 변화시켜 안테나의 빔 패턴과 복사 소자 간의 배열 간격에 따른 빔 패턴의 변화를 CST사의 MWS로 확인하였다. 빔 폭을 좁히고 안테나 이득을 더 확보하기 위하여 설계 초기 안테나 배열 간격을 \( 1 \lambda \) 로 설정하였으나, 설계된 수직 빔 패턴의 하향측 null 제거를 \( -30^{\circ} \sim 0^{\circ} \) 구간까지 할 수 있도록 \( 0.8 \lambda \) 이하의 간격으로 복사 소자의 배열을 설계하였다. 배열 간격 축소를 통해 그레이팅 로브 레벨을 저하시키고, 안테나 전체 크기를 축소하였으나, 복사 소자 간의 간격이 가깝게 되어 커플링 영향으로 인한 격리도 성능이 저하되었다. \( \pm 45^{\circ} \) 편파 간의 격리도를 개선시키기 위해서 접지 측면의 높이를 증가시키고, 각 복사 소자의 모서리 부분을 곡면으로 처리하여 \( \pm 45^{\circ} \) 편파 간의 격리도를 개선하였다.</p>
|
[
"진폭 분배비를 어떻게 설정하였는가?",
"어떻게 빔패턴을 설계하는가?",
"제안된 빔 조향 장치는 그림 과 같이 전력 분배와 위상 천이 가변을 동시에 수행하기 위해 어떻게 구조가 되어 있는가?",
"제안된 안테나의 전기적 빔 조향을 가변할 수 있도록 하는가?",
"어째서 상향측 자유 공간에 불필요한 전력 방사를 할 필요가 없을까?",
"null이 제거되는 레벨을 어떻게 설계하였는가?",
"어떻게 각 출력 단자로 전력 전달 및 분배가 이루어지는가?",
"기지국 안테나로부터 대다수의 사용자가 위치하는 하향 방향의 null 만을 제거할 수 있도록 어떻게 하였는가?",
"중앙 복사 소자인 4번의 진폭을 크게 할수록 어떻게 되는가?",
"빔 조향 장치는 어떻게 제작되었는가?",
"어떻게 빔 조향 장치가 만들어져?"
] |
90af7c09-9559-4dde-82df-ad89d3823140
|
인공물ED
|
LSTM을 사용한 펄스 레이다 신호 속성 분류
|
<h2>3-1-2 LSTM 계층</h2> <p>2 개의 LSTM 계층 중에서, 제1층은 \( N \)개의 입력 노드 와 출력 노드로 구성되며, 각 노드는 차원(즉 상태 수)이 \( L \) 인 상태벡터이다. 제 2 층은 1 층의 출력 노드로부터 입력을 받아 1개의 노드로 출력한다. 이 때 출력 노드는 1층과 동일하게 \( L \) 차원의 상태벡터이다. 2개 계층은 모두 각 출력 노드에서 tanh 함수를 활성함수(activation function)로 사용한다.</p> <h2>3-1-3 완전연결 층(FCL)</h2> <p>2개의 완전연결층이 LSTM 층으로부터 입력을 받아 최종 출력을 낸다. 제1층은 LSTM의 상태 개수만큼의 입력과 출력 노드 개수를 가진다. 따라서, \( L \times L \) 개의 계수로 구성된다. 제1층의 각 출력 노드는 활성함수로 ReLU(rectified linear unit) 함수를 사용한다.</p> <p>제2층은 \( L \times M(M \) 은 출력 노드 수 \( ) \)개의 계수로 구성된다. 각 출력 노드의 활성함수는 0~1 사이의 값을 나타내고, 확률과 유사한 특성을 가지는 SoftMax 함수이다. 제2층의 출력은 분류기의 최종 출력이 된다.</p> <p>분류기의 복잡도 또는 계산량은 전체 계수의 개수로 나타낼 수 있다. 표 4는 \( N=160, L=128 \), 출력의 개수가 8(PRI의 Type 수)인 경우, 각 계층 및 전체 분류기의 계수 개수를 나타낸다.</p> <h2>3-2 이중입력(i2o6) 분류기</h2> <p>이중입력 분류기는 PRI와 RF 2개 입력에 대해, PRI와 RF 각각의 3개 속성, 즉 6개 속성을 출력(i2o6)한다. 분류기의 구조는 그림 6과 같다. 단일입력(i1o3) 분류기와 비교했을 때, 입력부가 2원소 벡터로 바뀐 점과 출력부 완전연결망이 6개 지로로 분기된 점이 다르다. 각 완전연결망의 출력 노드 수는 PIR, RF에 따라 달라지며, 앞의 표 3과 같다.</p> <p>이 분류기는 표 2에 나타낸 바와 같이 PRI, RF 각각 166, 135개의 가짓수를 분류한다. 결과적으로 6개 출력을 가진 이중입력 분류기의 분류 가짓수는 \( 166 \times 135=22,410 \)개가 된다.</p> <table border><caption>표 4. \( N=160, L=128 \) 일 때 i1o3 분류기의 계수 개수</caption> <tbody><tr><td>Layer</td><td>Output Shape</td><td>Coeficients #</td></tr><tr><td>Pre-processing</td><td>(160)</td><td>0</td></tr><tr><td>LSIM_1</td><td>(160, 128)</td><td>66,560</td></tr><tr><td>LSIM_2</td><td>(128)</td><td>131,584</td></tr><tr><td>FCL_1</td><td>(128) (128) (128)</td><td>16,512/16,512/16,512</td></tr><tr><td>FCL_2</td><td>(8) (32) (7)</td><td>1,032/4,128/903</td></tr><tr><td colspan=2>Total coefficients</td><td>253,743</td></tr></tbody></table>
|
[
"\\( N=160, L=128 \\) 일 때 i1o3 분류기의 계수 개수의 표에서 Pre-processing의 개수는 몇이야?",
"\\( N=160, L=128 \\) 일 때 i1o3 분류기의 계수 개수의 표에서 Pre-processing의 수치가 얼마지",
"표4에서 LSIM_2의 Output Shape의 값은 얼마야?",
"LSIM_2의 Output Shape의 값은 표4에서 얼마일까",
"\\( N=160, L=128 \\) 일 때 i1o3 분류기의 계수 개수를 나타낸표에서 LSIM_1의 계수값은 얼마야?",
"펴4에서 LSIM_1의 출력형태는 몇개야?",
"LSIM_2일때 Coeficients는 얼마야?",
"LSIM_2일때 얼마의 Coeficients 값을 가질까",
"\\( N=160, L=128 \\) 일 때 i1o3 분류기의 계수 개수의 표에서 FCL_1의 Output Shape는 얼마야?",
"표4에서 FCL_2에서 Output Shape값은 얼마야?",
"FCL_2에서 표4와 얼마의 Output Shape값이 되었지",
"표4에서 FCL_2에서의 Coeficients의 값은 얼마야?",
"FCL_2에서의 Coeficients의 값은 표4에서 얼마일까",
"표4에서 Pre-processing의 출력형태는 뭐야?",
"표4에서 Pre-processing의 출력형태 값이 뭐지"
] |
6d17af73-d36a-47f1-b65b-164017b12a3d
|
인공물ED
|
LSTM을 사용한 펄스 레이다 신호 속성 분류
|
<h1>Ⅳ 모의실험 결과</h1> <p>제안한 3개 형태의 분류기 구조의 성능을 살펴보기 위해 먼저 학습 및 평가용 데이터를 생성한다. 학습용 데이터는 평가용 데이터와는 분리된 것으로, 분류기를 학습시키기 위한 용도로만 사용한다. 학습을 마친 후 평가용 데이터를 사용하여 분류기의 성능을 평가한다. 성능 평가 척도로는 정확하게 분류한 비율인 식별률을 사용한다.</p> <h2>4-1 데이터 생성</h2> <p>PRI 및 RF 데이터는 변화 형태를 포함하여 표 2와 같이 각각 166, 135 개의 속성을 가진다. 따라서 생성해야 할 데이터열의 가짓수는 표 5와 같이 PRI와 RF 각 속성의 조합이 된다. 앞으로 이를 "기본조합"이라 부르기로 한다. 기본조합의 가짓수는 22,410개가 된다.</p> <h2>4-1-1 학습용 데이터 생성</h2> <p>학습용 데이터는 분류기 성능이 최적화되도록 생성해야 한다. PRI와 RF 속성값의 기본조합을 나타내는 표 5를 살펴보면 PRI의 변화 형태 STA(stationary)와 JT(jitter), RF의 변화 형태 FIX와 AGL(agile) 속성값의 가짓수가 다른 변화 형태에 비해 현저하게 적은 것을 알 수 있다. 이 경우, 기본조합의 가짓수에 비례하는 학습 데이터를 사용하여 분류기를 학습시키면, 상대적으로 학습되는 횟수가 작은 속성의 경우 식별률이 낮아지게 된다. 따라서 PRI 와 RF의 각 속성에 대해 확률적으로 균형을 이루도록 조합의 개수를 표 6과 같이 조정하였다. 앞으로 이를 "학습용 조합"이라 부르기로 한다.</p> <table border><caption>Title</caption> <tbody><tr><td>RF PRI</td><td>FIX (1)</td><td>AGL (1)</td><td>SIN (27)</td><td>ST+ (27)</td><td>ST- (27)</td><td>TRI (27)</td><td>HOP (25)</td><td>SUM</td></tr><tr><td>STA(1)</td><td>1</td><td>1</td><td>27</td><td>27</td><td>27</td><td>27</td><td>25</td><td>135</td></tr><tr><td>JIT(1)</td><td>1</td><td>1</td><td>27</td><td>27</td><td>27</td><td>27</td><td>25</td><td>135</td></tr><tr><td>SIN(27)</td><td>27</td><td>27</td><td>729</td><td>729</td><td>729</td><td>729</td><td>675</td><td>3,645</td></tr><tr><td>ST+(27)</td><td>27</td><td>27</td><td>729</td><td>729</td><td>729</td><td>729</td><td>675</td><td>3,645</td></tr><tr><td>ST-27)</td><td>27</td><td>27</td><td>729</td><td>729</td><td>729</td><td>729</td><td>675</td><td>3,645</td></tr><tr><td>TRI(27)</td><td>27</td><td>27</td><td>729</td><td>729</td><td>729</td><td>729</td><td>675</td><td>3,645</td></tr><tr><td>D&S(25)</td><td>25</td><td>25</td><td>675</td><td>675</td><td>675</td><td>675</td><td>625</td><td>3,375</td></tr><tr><td>STG(31)</td><td>31</td><td>31</td><td>837</td><td>837</td><td>837</td><td>837</td><td>775</td><td>4,185</td></tr><tr><td>SUM</td><td>136</td><td>136</td><td>3,672</td><td>4,482</td><td>4,482</td><td>4,482</td><td>4,150</td><td>18,225</td></tr></tbody></table> <p>학습용 조합에서는 PRI의 STA와 JIT, RF의 FIX와 AGL을 모두 1에서 27로 늘렸다. D&S는 nSW가 1이 아닌 유일한 형태이기 때문에 상대적으로 nDW를 학습시킬 수 있는 가짓수가 적다. 따라서 생성 개수를 2배로 확대하였다. PRI STG(stagger)의 경우는 nSW가 \( 2 \sim 5 \) 에 해당하는 값이 다른 변화 형태에서는 존재하지 않기 때문에 균형을 맞추기 위해 4배 늘려 31에서 47로 늘렸다.</p>
|
[
"표에서 SIN(27)일 때 675 값을 가지기 위한 RF는 무엇이야?",
"PRI STA(1)이고 RF FIX (1)일 때 값은 얼마니?",
"RF의 HOP (25)일 때 625 값은 가지는 PRI는 무엇을까?",
"PRI SIN(27)이고 RF ST+ (27)일 때 값은 얼마야?",
"PRI STG(31)일 때 31의 값을 가지는 RF는 FIX (1)와 무엇이 있을까?",
"RF SIN (27)일 때 최대값을 가지기 위한 PRI는 뭘까?",
"표에서 STA(1)일 때 25 값을 가지기 위한 RF는 무엇이야?",
"RF TRI (27)일 때 가장 큰 값을 가지기 위한 PRI는 뭐야?",
"PRI ST+(27) RF TRI (27)일 때 값은 무엇이니?",
"PRI D&S(25) RF ST- (27)일 때 값은 뭐야?"
] |
a0e3171c-6041-40e5-8a4f-eee9ad7b03f5
|
인공물ED
|
LSTM을 사용한 펄스 레이다 신호 속성 분류
|
<p>전체 학습용 데이터열의 개수는 학습용 조합의 8배를 생성한다. 즉</p> <p>데이터열 총 개수 \( =54,908 \times 8=439,264 \)<caption>(6)</caption></p> <p>학습용 데이터는 비이상적 특성도 반영하여 생성한다. 측정 오차는 평균값의 \( 0 \sim 1 \% \) 사이에서 균일분포를 가지도록 불류칙적으로 선택하여 반영한다. 또한 펄스 누락률은 \( 0 \sim 10 \% \) 사이에서 선택하며, 다른 펄스 유입율은 \( 0 \sim 5 \) \( \% \) 사이에서 균일하게 선택하여 반영한다.</p> <table border><caption>Title</caption> <tbody><tr><td>RF PRI</td><td>FIX (27)</td><td>AGL (27)</td><td>SN (27)</td><td>ST+ (27)</td><td>ST: (27)</td><td>TRI (27)</td><td>HOP (50)</td><td>SUM</td></tr><tr><td>STA (27)</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>1,350</td><td>5,724</td></tr><tr><td>JIT (27)</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>1,350</td><td>5,724</td></tr><tr><td>SIN (27)</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>1,350</td><td>5,724</td></tr><tr><td>ST+ (27)</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>1,350</td><td>5,724</td></tr><tr><td>ST- (27)</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>1,350</td><td>5,724</td></tr><tr><td>TRI (27)</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>729</td><td>1,350</td><td>5,724</td></tr><tr><td>D&S (50)</td><td>1,350</td><td>1,350</td><td>1,350</td><td>1,350</td><td>1,350</td><td>1,350</td><td>2,500</td><td>10,600</td></tr><tr><td>STG (47)</td><td>1,269</td><td>1,269</td><td>1,269</td><td>1,269</td><td>1,269</td><td>1,269</td><td>2,350</td><td>9,964</td></tr><tr><td>SUM</td><td>6.993</td><td>6.983</td><td>6.993</td><td>4,482</td><td>4,482</td><td>4,482</td><td>4,150</td><td>54.908</td></tr></tbody></table> <p>전체 439,264개의 학습용 데이터열은 불규칙적으로 섞은 후, 그림 7과 같이 \( 80 \%: 20 \% \) 로 나누어 훈련(train)과 시험(test)에 사용한다. \( 80 \% \) 의 훈련용 데이터는 다시 \(80 \%: 20 \% \)로 나누어 각각 순수 훈련용과 훈련 검증용으로 사용한다. 훈련 검증용은 모델의 파라미터를 선택하고 최종 모델을 결정하기 위한 것이다. 또, 학습시킨 모델이 훈련 데이터에 과적합(overfitting)되는 것을 방지하기 위해서도 필요하다. 시험용 데이터는 학습을 통해 결정된 모델의 성능을 평가하기 위한 용도로 사용된다. 실제 각 속성에 대한 성능 평가는 별도로 생성된 평가용 데이터를 적용하여 수행한다.</p> <h2>4-1-2 평가용 데이터 생성</h2> <p>평가용 데이터는 각 속성 및 펄스 누락률, 다른 펄스 유입률 등에 대한 식별률을 구할 수 있도록 학습용 데이터와는 별도로 생성한다. 각 속성값이 모두 포함되고, 분포가 균일하도록 표 6의 학습용 조합 개수만큼 데이터열을 생성하여 이로부터 식별률을 구한다.</p>
|
[
"STA (27)에서 가장 큰 값을 가진 항목은 뭐야?",
"표에서 가장 많은 값을 가진 숫자는 무엇이야?",
"D&S (50)에서 가장 큰 값은 얼마지?",
"어떤 항목이 STG (47)에서 가장 큰 값을 가지나?",
"STG (47)에서 가장 많은 숫자는 무엇이니?",
"STA (27)의 FIX (27) 값은 얼마야?",
"FIX (27) 값은 STA (27)의 경우 무엇이지"
] |
7d969e70-a329-4d14-86a1-fffcdda93e1a
|
인공물ED
|
근전도 신호를 이용한 헤드-트래킹 지연율 감소 방안 연구
|
<h3>2.2.4 실험 결과</h3><p>수집된 두 가지의 센서 데이터를 정량적으로 분석하기 위해 근전도 센서의 반응시간과 자이로 센서의 반응시간의 차이를 계산하였다.</p><p>실험은 4 명의 피실험자를 대상으로 진행하였고, 고개를 돌리는 한 번의 행동에 두 센서가 반응 하는 시간을 측정해 서로의 값 차이를 구하여 데이터를 정리를 하였다. 근전도 센서의 반응 시간이 빠를 경우 "E", 자이로 센서의 반응 시간이 빠를 경우 "G"로 표기하였다.</p><p>Table 1은 EMG 센서와 자이로 센서의 반응 시간의 차이의 샘플을 나타낸 표이고, Table 2 는 센서에서 얻은 상대적 시간차에서 근전도 센서가 자이로 센서보다 더 빠르게 반응한 비율을 표시한 것이다. 통계를 보면 \( 90^{\circ} \) 보다 \( 45^{\circ} \) 의 회전에서, 그리고 아래보다는 위쪽에서 근전도 센서의 효율이 더 높은 것을 알 수 있다.</p><p>Table 3은 4명의 피실험자 간의 시간차를 평균으로 나타낸 표이다. 생체 신호인 근전도 신호의 특성상 피실험자에 따른 개인 차가 커서 조정이 필요했기 때문에 각 피실험자의 반응 실험을 통해서 최적의 Threshold를 적용한 뒤에 실험을 진행하였다.</p><p>상대적인 시간은 식 1 과 같이 각각의 센서에서 응답까지 걸린 시간의 차로 계산하였다. 근전도 센서의 응답이 빠른 경우 시간차는 양수 값을 가지고 자이로 센서의 응답시간이 짧은 경우에는 음수 값으로 계산된다.</p><p>\( T_{r}=T_{\text {gyro }}-T_{\text {emg }} \)<caption>(1)</caption></p><p>Fig. 12, 13은 각각의 실험 환경에서 기록한 상대적 시간차이를 도식화 한 것으로 \( 45^{\circ} \) 의 실험환경에서 \( 90^{\circ} \)의 경우보다 근전도 센서의 응답 성능이 우수함을 알 수 있다. 다소 제한적인 환경이지만 근전도 신호가 \( 10-50 \mathrm{~ms} \) 가량 빠르게 반응함을 알 수 있다. 그러나 \( 90^{\circ} \) 를 움직일 때에는 응답률이 낮아 사용 환경에 따라 근전도 신호가 유효하지 않을 수 있다는 것을 확인하였다.</p>
|
[
"실험대상은 몇 명이야?",
"수집된 두 가지의 센서 데이터를 분석하기 위해 어떤 수치를 계산했어?",
"실험에서 어떻게 데이터를 정리했어?",
"실험대상은 몇 명이야?",
"어느 각도의 회전에서 근전도 센서의 효율이 더 높아?",
"근전도 센서의 반응 시간이 빠를 경우 무엇으로 표기해?",
"Table 1은 어떤 자료를 나타내?",
"아래와 위쪽 중 근전도 센서의 효율이 더 높은 쪽은 어디야?",
"상대적인 시간은 어떻게 계산해?",
"자이로 센서의 응답시간이 빠르면 무슨 값을 가져?",
"\\( 90^{\\circ} \\) 를 움직일 때에는 항상 근전도 신호가 유효해?",
"\\( 90^{\\circ} \\) 를 움직일 때에는 왜 사용 환경에 따라 근전도 신호가 유효하지 않아?",
"피실험자의 반응 실험에서 최적의 Threshold를 적용한 이유가 뭐야?",
"실험에서 근전도 센서의 반응 시간이 느릴 경우 무엇으로 표기해?",
"어떤 신호가 최적의 Threshold를 적용해서 조정해?",
"근전도 신호를 조정할 때 최적의 무엇을 적용해?",
"자이로 센서와 근전도 센서의 반응시간의 차이를 계산해서 무엇을 분석해?",
"Table 3은 피실험자 네 명의 시간차를 무엇으로 나타내?",
"Table 2 는 무슨 센서가 더 빨리 반응한 비율을 표시해?",
"상대적인 시간은 각 센서들이 응답을 하기까지 걸린 시간을 더해서 나타내?",
"자이로 센서의 응답이 느리면 무슨 값을 가져?",
"Table 3은 무엇을 평균값으로 보인 표야?",
"근전도 신호가 몇 \\( \\mathrm{~ms} \\) 정도 빨리 반응해?"
] |
ba6e523c-1b6c-41a0-90a1-071965cea971
|
인공물ED
|
근전도 신호를 이용한 헤드-트래킹 지연율 감소 방안 연구
|
<h1>2. 근전도 신호를 이용한 지연 시간 감소 연구</h1><p>사람의 몸에서 측정 가능한 생체신호로는 심전도 신호(Electrocardiogram, EKG), 눈동자 움직임 신호(Electro-oculogram,EOG), 뇌파-(Electroencepha-lography, EEG), 근전도 신호 등이 있다. 이러한 생체신호는 사람의 동작 의도를 전기 신호로 즉각 반영하기 때문에, 이를 분석하여 사용하면 기존 센서를 대체할 수 있는 좋은 도구가 될 수 있다. 근전도 신호는 사람 몸 안에 있는 근육들을 구성하는 근섬유들이 수축할 때 나오는 전기적 신호이기 때문에 사람의 움직임과 매우 큰 연관성이 있다. 사람이 어떤 동작을 하기 위헤선 뇌 신호-근육 신호 - 동작의 과정을 거치는데, 근전도 신호는 동작이 일어나기 \( 0.02 \) 0.03초 전에 발생되기 때문에 사람의 동작을 예측하는데 사용할 수있다.</p><h2>2.1 근전도 센서를 이용한 머리 동작 예측 방법</h2><p>근전도 신호를 이용하여 머리 움직임 동작을 예측하기 위해서는 머리 움직임을 담당하는 목의 근육 중에서 어떤 움직임을 담당하는 근육을 측정할 것인지 특정해야 한다. 목은 전체가 근육으로 뒤덮여 있어 많은 부분에서 근전도 값을 측정할 수 있지만, 필요한 정확한 값을 얻기가 힘들다. 또한, 특정한 동작에 대해 측정이 불가능한 부위도 있기 때문에, 측정하고자 하는 목표 부위를 명확히하여 측정의 정확도를 높일 필요가 있다. Fig. 2 에서 볼 수 있듯이 목의 운동에서 좌우 움직임에 가장 크게 관여하는 근육은 목빗근 (sternocleidomastoid muscle, SCM) ) 이고, 상하 움직임에는 등세모근과 두힘살근이 가장 크게 관여한다. 그 중에서 목빗근은 표면 근전도 센서의 반응성이 좋고 값이 분명한 근육이며, 목에 근전도 센서를 부착하는 경우 경동맥(carotid pulse)이 신호에 영향을 줄 수 있는데 이에 대한 영향도 가장 적은 것으로 판단되어, 본 논문에서는 목빗근에서의 근전도 신호 값을 측정하여 자이로 센서의 값과 비교하는 방식으로 실험을 진행하였다.</p><h2>2.2 실험</h2><h3>2.2.1 실험 장치 구성</h3><p>실험 장치의 구성은 Fig. 3과 같이 센서 데이터 수집 및 필터링을 수행하는 마이크로프로세서(Arduino DUE)와 측정 결과를 표시하는 호스트 컴퓨터, 근전도 신호를 측정하기 위한 근전도 센서와 각속도를 측정하는 관성 센서인 자이로 센서로 구성되어 있다.</p><p>센서 필터링 알고리즘은 C 언어 기반으로 작성되었고, 필터링된 근전도 신호 값과 자이로 센서의 신호 값은 시리얼 통신을 통하여 컴퓨터의 유니티(Unity) 프로그램으로 전달된다. 처리 결과를 효율적으로 확인하기 위하여 Fig. 4,5 의 알고리즘을 거처 Fig. 6과 같이 유니티 프로그램 상에 GUI를 표현하였다.</p><p>근전도 센서는 위에서 언급한 목 근육의 특성을 고려하여 근전도 신호를 가장 효과적으로 측정할 수 있는 목빗근을 측정 목표로 설정하였고, 근육을 덮는 피부 층의 두께와 수축 부위에 따른 신호차이를 측정하기 위하여 Fig. 7과 같이 목빗근 아래 부분과 위 부분으로 나누어 측정을 진행하였다.</p><p>자이로 센서는 근전도 센서와 같은 방향의 목 움직임을 감지하기 위해 헤어 밴드에 부착시켜 고개를 돌렸을 때 근전도 센서와 자이로 센서가 동시에 작동 하도록 Fig. 8과 같이 설치하였다.</p><h3>2.2.2 신호 처리 방법</h3><p>지연 시간은 센서 측정 값의 필터에도 영향을 받기 때문에 빠른 연산속도와 신호의 안진성에 중점을 두고 필터를 설계하였다. Fig. 9 와 같이 근전도 센서에서 출력되는 \( 0.5 \mathrm{~V} \) 의 신호를 Low-pass 필터와 Digital smooth 기법을 조합하여 필터링 하였고, 근전도 센서와 자이로 센서 값을 동일한 필터로 처리하여 필터로 인한 지연시간 차이가 발생하지 않도록 하였다.</p><h3>2.2.3 실험 방법</h3><p>위에서 언급한 실험 환경에서, 목빗근의 이완 정도에 따른 센서 측정 값을 비교하였다. Fig. 10과 같이 정면을 보는 자세에서 기구를 착용한 상태로 목을 \( 90^{\circ} \) 돌리는 것과 \( 45^{\circ} \) 돌리는 두 가지 방식으로 근전도 센서와 자이로 센서의 데이터를 수집하는데, 전자의 경우에 정면을 바라보고 있어 목 근육이 상당히 이완되어 있는 상태지만, 후자의 경우에는 비교적 긴장되어 있어 근전도 반응을 쉽게 얻을 수 있다.</p><p>Fig. 11과 같이 실험 장치를 설치하고, 피실험자는 5초당 1회의 주기로 \( 80 \sim 100 \) 회 주어진 방향과 각도로 목을 돌리고 휴식하는 방식으로 실험을 진행하였다. 200~300회를 연속적으로 실험할 경우 피로에 의해 근전도 신호가 강하게 반응하여 데이터가 왜곡되기 때문에 적당한 휴식시간을 가진 후에 실험을 진행하였다.</p>
|
[
"사람의 몸에서 측정 가능한 생체신호로는 뇌파가 있어?",
"실험에 필요한 장치의 구성중에서 측정 결과를 표시해주는 것은 무엇인가?",
"사람의 몸에서 측정 가능한 생체신호로는 근전도 신호라는것도 있어?",
"사람의 몸에서 측정 가능한 생체신호중에는 심전도 신호 라는게 있는가?",
"본 실험에서 헤어 밴드가 필요하니?",
"사람의 몸에서 측정 가능한 생체신호로는 눈동자 움직임 신호 라는게 있어?",
"장치의 구성은 실험에 있어 가장 중요한 것 인데 각속도를 측정하는 관성 센서는 자이로 센서가 맞아?",
"필터링 알고리즘중에 센서는 언어 기반으로 작성되어야 하니?",
"처리 결과를 효율적으로 확인하기 위하여 유니티 프로그램상에 표현한게 뭐야?",
"근전도 신호가 사람의 동작을 예측하는데 걸리는 시간은 어떻게 돼?",
"실험에서 헤어 밴드를 부착 시킬 수 밖에 없는 이유가 뭐야?",
"본문에 목빗근의 설명은 근전도 신호에 관한 실험에 도움을 줄 수가 없니?",
"사람의 동작을 예측하는데 \\( 0.02 \\) 0.03초의 시간이 필요한게 맞아?",
"사람의 몸에서 측정 가능한 생체신호가 아닌것은 무엇인가?",
"유니티 프로그램에 필요한 신호값은 뭐가 있어?",
"실험에 필요한 장치중에 센서 데이터 수집 및 필터링을 수행하는것은 뭐야?",
"근전도 센서 실험에 필수적으로 필요한 근전도 신호를 가장 정확하게 측정할 수 있게 도와주는 것은 뭐니?",
"본문에서 기존 센서를 대체할 수 있는 좋은 도구가 될 수 있는 이유는 무엇이니?",
"목 근육의 특성을 따지는 것은 근전도 신호가 맞아?",
"근육을 덮는 피부 층의 두께와 수축 부위에 따른 신호차이의 측정이 필요할때 목빗근 어느 부분을 측정 해야할까?",
"본문에서 정면을 보는 자세에서 기구를 착용한 상태로 목을 몇가지 방식으로 데이터를 수집했니?",
"사람의 생체신호는 의도와 그에 맞는 제스처를 즉각 전기 신호로 반영하니?",
"실험에 사용할 수 있는 장치중에 측정 결과를 표시할 수 있는건 뭐야?",
"근전도 신호는 동작이 일어나기 몇초 전에 사람의 동작을 예측할 수 있어?",
"근전도 신호를 측정하기 위한 장치는 무엇인가?",
"실험 장치의 구성에서 센서 데이터 수집 및 필터링을 수행하는게 뭐야?",
"실험 장치의 구성중에 측정 결과를 표시하는게 호스트 컴퓨터라는게 맞아?",
"본문에서 헤어 밴드가 실험에 필요한 이유가 뭐야?",
"본문에서 목빗근을 측정 목표로 두고 있는것은 뭐니?",
"장치 구성중에 수집 및 필터링을 수행하는 호스트 컴퓨터가 맞아?",
"유니티 프로그램에서 근전도 신호 값과 자이로 센서의 신호 값은 빼 놓을 수 없는 데이터야?",
"근전도 신호는 실험에 가장 정확한 도움을 줄 수 있는 목빗근을 측정목표로 하였니?",
"사람이 어떤 동작을 하기 위헤서 생채신호는 뇌 신호-근육 신호 - 동작 순서를 지켜야해?",
"근전도 신호 라는 것은 사람 몸 안에 있는 근육들을 구성할때 꼭 필요한 근섬유들이 수축할 때 나오는 전기적 신호라고 하는데 맞는가?",
"본문에서 생채신호에 의한 사람의 동작 의도를 즉각 반영하기 때문에 기존 센서를 대체할 수 있는 좋은 도구가 되는게 맞니?",
"본 실험에서는 충분한 휴식시간을 가진 후에 실험해야 하는게 맞아?",
"목이 \\( 45^{\\circ} \\)라면 근전도 반응을 쉽게 얻을 수 있니?",
"사람이 어떤 의도를 가지고 동작을 하기위해서 생채신호가 거치는 순서는 무엇인가?",
"실험 장치의 구성중 센서 데이터 수집 및 필터링을 수행하는게 마이크로프로세서가 맞아?",
"장치의 구성중에 각속도를 측정 할 수 있는건 뭐야?",
"실험하는데 필요한 장치의 종류중에 근전도 신호를 측정하기 위한것은 근전도 센서가 맞아?",
"목이 \\( 90^{\\circ} \\)정면을 바라보고 있으면 목 근육이 상당히 이완되어 있는 상태가 맞니?",
"실험에서 근전도 센서와 자이로 센서가 동시에 작동을 하도록 설치했니?",
"본 실험에서 같은 방향의 목 움직임을 감지하기 위해 꼭 써야했던 실험에 도움을 준 밴드는 뭐니?",
"목이 긴장되어서 근전도 반응을 쉽게 얻을 수 있는 각도는 \\( 90^{\\circ} \\)가 맞아?",
"본 실험에서는 Digital smooth 기법이 필요하니?",
"본문에서 Low-pass 필터를 사용하고 있니?",
"피로에 누적되어 정확한 근전도 신호 데이터를 얻을 수 없는 실험횟수는 200~300회가 맞아?",
"근전도 신호는 사람 몸 안에 있는 근육들을 구성하는 근섬유들이 수축할 때 나오는 눈동자 움직임 신호가 맞는가?",
"본 실험에서 근전도 반응을 쉽게 얻을 수 있는 각도는 뭐야?",
"근전도 센서에서 출력 신호는 무엇이니?",
"목의 근육이 최적으로 이완되어 있게 만드는 상태의 각도는 \\( 45^{\\circ} \\)가 맞니?",
"본 실험에서 충분한 휴식시간을 가져야 하는 이유가 뭐야?",
"본문에서 센서 측정 값의 필터가 영향을 주는것이 지연 시간이 맞니?",
"실험을 200~300회 연속으로 하였을때 발생하게 되는 상황은 뭐야?",
"실험 장치의 구성중에서 측정 결과를 표시하는게 뭐야?",
"유니티 프로그램이 뭐야?"
] |
08afad76-ad3c-44a8-9938-3f3ff935b1cc
|
인공물ED
|
근전도 신호를 이용한 헤드-트래킹 지연율 감소 방안 연구
|
<h1>1. 서 론</h1><p>최근 디스플레이, 센서, 컴퓨터 기술 등의 발전에 따라 가상 현실 시스템이 빠르게 발전하고 있다. 가상현실 시스템은 일상적으로 접할 수 있는 게임, 비디오, 문화관광 컨텐츠 등과 같은 엔터테인먼트 분야뿐만이 아니라 디자인, 교육 시뮬레이션, 의료, 군수 분야 등 다양한 분야에서 활용되고 있다.</p><p>한편, 3 차원 가상현실을 만들기 위해서 필요한 디스플레이 장치는 사용자의 움직임에 따라 실시간으로 사용자의 눈 앞에 3 차원 영상을 출력할 필요가 있다. 일반적으로 가상현실 시스템은 이러한 조건을 만족시키기 위해서 Fig. 1과 같은 머리에 착용하는 형태의 디스플레이인 Head-Mounted Display(HMD)를 사용한다. HMD 는 일반적으로 모니터, 3 차원 디스플레이를 구현하기 위한 광학 시스템, 헤드 트래킹을 위한 센서 등으로 구성되어 있다. 가상현실 시스템은 헤드 트래킹을 수행하여 사용자의 머리 방향에 따라 가상현실 환경을 계산하여 보여주는데, 헤드 트래킹 시스템은 관성 센서 기반의 자세 추정방식이 가장 간단하고 널리 사용되고 있다.</p><p>이때, 헤드 트래킹을 수행하는 속도가 사용자의 움직임에 비해 느릴 경우 사용자의 실제 머리 방향과 가상현실 시스템에 계산하여 출력한 가상현실 환경이 일치하지 않아 사용자가 이질감을 느낄 수 있고, 몰입감이 떨어지게 되다. 따라서 이러한 시간 지연 문제는 HMD 시스템에서 매우 중요한 문제이며 이를 해결하기 위해 많은 연구가 진행된 바 있다.</p><p>HMD 시스템의 가상현실 환경 처리 과정은 헤드 트래킹 센서에서 시스템으로 센서 데이터가 전송되고, 전송된 머리의 자세 정보를 호스트 컴퓨터에서 처리하여 그래픽 엔진에 가상현실 환경을 구현하기 위한 파라미터를 전달하면, 그래픽 엔진이 HMD에 영상 신호를 전송하여 HMD에서 영상이 출력되게 된다. 지연시간은 이러한 처리 과정에서 HMD 시스템을 구성하는 각 시스템의 처리 시간, 각 시스템 간의 데이터 전송과정에서 발생되는데, 이 중 가장 큰 비중을 차지하는 것은 헤드 트래킹에 사용되는 센서 시스템에 의한 시간 지연이다.</p><p>본 논문에서는 지연시간을 감소시키기 위해 근전도 신호를 이용하여 사용자의 목 움직임을 예측하는 방법에 대하여 연구하였다. 사람의 몸에서 발생되는 생체신호 중 하나인 근전도 신호(Electromyogram, EMG)는 사람이 근육을 움직일 때 발생하는 전기 신호로, 특정 근육의 근전도 신호를 측정하면 머리의 움직임을 예측할 수 있다. 이러한 방법으로 HMD 시스템에서 발생하는 센서 시스템에 의한 지연 시간을 감소시키고자 하였다.</p>
|
[
"가상현실 시스템은 디자인과교육 시뮬레이션 분야에 활용가능한가?",
"헤드 트래킹 시스템은 관성 센서 기반으로 무엇을 추정하는 방식이 일반적인가?",
"가상현실 시스템은 헤드 트래킹을 수행하여 가상현실 환경을 무엇하는가?",
"헤드 트래킹 시스템은 무엇 기반의 자세 추정방식이 일반적인가?",
"관성 센서 기반의 자세 추정방식을 사용한 헤드 트래킹 시스템은 복잡한가?",
"무엇을 수행하는 속도가 사용자 보다 느릴 경우 사용자가 이질감을 느끼는가?",
"가상현실 시스템의 발전은 디스플레이, 센서등의 기술발전에 따른 것인가?",
"무엇의 발전에 따라 가상 현실 시스템이 발전하고 있는가?",
"가상현실 시스템은 의료분야에 적용이 가능한가?",
"가상현실 시스템은 엔터테인먼트 분야에 활용되는가?",
"3차원 가상현실을 만들기 위해서는 디스플레이 장치가 사용가의 무엇에 영상을 어떻게 출력해야하는가?",
"무엇을 만들기 위해 디스플레이 장치는 사용자의 눈앞에 3차원 영상을 출력할 필요가 있는가?",
"3차원 가상현실을 만들기 위해서는 무엇에 따라 사용자의 눈앞에 영상을 출력해야하는가?",
"디스플레이, 센서, 컴퓨터기술 등의 발전에 따라 무엇이 빠르게 발전하고 있는가?",
"3차원 가상현실을 만들기 위해서는 4차원 영상을 출력해야하는가?",
"가상현실 시스템이 적용가능한 엔터테인먼트 분야는 무엇이 있는가?",
"게임, 비디오, 문화관관 컨텐츠 등은 어느 분야인가?",
"3차원 가상현실을 만들기 위해서는 사용자의 눈앞에 실시간으로 무엇을 출력해야하는가?",
"HMD에는 무엇을 위한 센서가 부착되어있는가?",
"3차원 가상현실을 만들기 위해서는 무엇이 사용자에 3차원 영상을 출력해야 하는가?",
"엔터테인먼트분야 외에 가상현실 시스템이 적용 가능한 분야는 무엇인가?",
"머리에 착용하는 Head-Mounted Display는 무엇인가?",
"3차원 가상현실을 만들기 위해서는 사용자의 눈앞에 영상을 어떻게 출력해야하는가?",
"HMD의 광학시스템은 무엇을 구현하기 위함인가?",
"HMD의 광학시스템은 몇 차원의 디스플레이를 구현하는가?",
"Head-Mounted Display는 어디에 착용하는가?",
"머리에 차용하는 형태의 디스플레이는 무엇인가?",
"가상현실 시스템은 바디 트래킹을 사용하여 사용자에게 가상현실 환경을 보여주는가?",
"HMD의 센서는 바디 트래킹을 구현하기 위함인가?",
"사용자의 움직임에 따라 실시간으로 영상을 출력하기 위해 일반적으로 무엇을 머리에 착용하는가?",
"가상현실 시스템은 무엇을 수행하여 머리방향에 따라 가상현실 환경을 보여주는가?",
"무엇은 관성센서 기반의 자세 추정방식이 널리 사용되고 있는가?",
"가상현실 시스템은 사용자의 무엇에 따라 헤드 트래킹을 수행하는가?",
"관성 센서 기반의 자세 추정방식을 사용한 헤드 트래킹 시스템은 간단하지만 널리 사용되고 있지 않은가?",
"HMD의 구성요소 중 하나는 모니터인가?",
"헤드 트래킹을 사용하는 무엇이 사용자의 움직임에 비해 느리면 사용자가 이질감을 느끼는가?",
"헤드 트래킹을 수행하는 속도가 사용자의 움직임에 비해 느릴 경우 실제 머리방향과 가상현실 시스템에서 계산한 무엇이 일치하지 않는가?",
"헤드 트래킹을 수행하는 속도가 사용자의 움직임에 비해 느릴 경우 실제 머리방향과 무엇에서 계산한 가상 현실 환경이 일치하지 않는가?",
"헤드 트래킹을 수행하는 속도가 사용자의 무엇보다 느리면 이질감이 발생하는가?",
"Head-Mounted Display는 허리에 착용하는 디스플레이인가?",
"헤드 트래킹을 수행하는 속도가 사용자의 움직임에 비해 느릴 경우 사용자는 무엇을 느끼는가?",
"헤드 트래킹을 수행하는 속도가 사용자의 움직임에 비해 느릴 경우 사용자는 이질감을 느끼지만, 몰입감은 올라가는가?",
"시간 지연 문제는 무엇에서 가장 중요한 문제인가?",
"시간지연 문제를 해결하기 위해 많은 연구가 진행되고 있는가?",
"무엇의 가상현실환경 처리과정은 트래킹 센서에서 시스템으로 데이터를 전송하는가?",
"HMD 시스템의 무엇은 헤드 트래킹 센서에서 시스템으로 센서 데이터를 전송하는가?",
"HMD 시스템의 가상현실 환결 처리 과정은 바디 트래킹 센서에서 시스템으로 데이터를 전송하는가?",
"HMD 시스템의 가상현실 환경 처리 과정은 무엇에서 시스템으로 센서 데이터를 전송하는가?",
"HMD 시스템의 가상현실 환경 처리 과정은 헤드 트래킹 센서에서 무엇으로 센서 데이터를 전달하는가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 헤드 트래킹 센서에서 시스템으로 무엇을 전달하는가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 센서 데이터는 시스템에서 헤드 트래킹 센서로 전달되는가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 전송 된 머리의 자세 정보는 무엇에서 처리하는가?",
"HMD 시스템의 가상현실 환경 처리 과정은 무엇의 자세 정보를 호스트 컴퓨터로 전달하는가?",
"HMD 시스템의 가상현실 환경 처리 과정은 전송된 머리의 무엇을 호스트 컴퓨터로 전달하는가?",
"헤드 트래킹을 수행하는 속도가 사용자의 움직임에 비해 느릴 경우 사용자의 무엇과 출력한 가상현실 환경이 일치하지 않는가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 무엇에 가상현실 환경을 구현하기 위한 파라미터를 전달하는가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 그래픽 엔진에 무엇을 구현하기 위한 파라미터를 전달하는가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 그래픽 엔진에 가상현실환경을 구현하기 위한 무엇을 전달하는가?",
"무엇은 머리에 착용하는 형태의 디스플레이를 사용하는가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 그래픽 엔진에 파라미터 전달 후, 무엇이 HMD에 영상신호를 전송하는가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 그래픽 엔진에 파라미터 전달 후, 그래픽 엔진은 HMD에 무엇을 전송하는가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 그래픽 엔진에 파라미터 전달 후, 영상신호는 그래픽 엔진에서 어디로 전송되는가?",
"HMD에 영상신호 전송 후 HMD에는 무엇이 출력되는가?",
"HMD에 영상신호 전송 후 무엇에 영상이 출력되는가?",
"지연시간은 무엇에서 HMD시스템을 구성하는 각 시스템 간의 데이터 전송과정에서 발생하는가?",
"지연시간은 무엇을 구성하는 각 시스템의 처리 시간에서 발생하는가?",
"지연시간은 HMD 시스템을 구성하는 무엇의 처리 시간에서 발생하는가?",
"지연시간은 HMD 시스템을 구성하는 각 시스템의 무엇에서 발생하는가?",
"지연시간은 각 시스템 간의 무엇에서 발생하는가?",
"지연시간은 무엇간의 데이터 전송과정에서 발생하는가?",
"지연시간의 발생 중 가장 큰 비중을 차지하는 것은 무엇에 사용되는 센서 시스템에 의한 시간 지연인가?",
"지연시간 중 가장 큰 비중을 차지하는 것은 헤드트래킹에 사용되는 무엇에 의한 시간지연인가?",
"지연시간 중 가장 큰 비중을 차지하는 것은 헤드트래킹에 사용되는 센서 시스템에 의한 무엇인가?",
"지연시간 중 가장 큰 비중을 차지하는 것은 바디트래킹에 사용되는 센서 시스템에 의한 시간지연인가?",
"본 논문에서는 무엇을 감소시키기 위해 근전도 신호를 이용하였는가?",
"본 논문에서는 지연시간의 감소를 위해 무슨 신호를 이용했는가?",
"본 논문에서는 지연시간의 감소를 위해 근전도 신호를 이용해 사용자의 무엇을 예측하는 연구를 했는가?",
"본 논문에서는 지연시간의 감소를 위해 근전도 신호를 이용해 사용자의 목 움직임을 예측하는 연구를 했는가?",
"본 논문에서는 지연시간의 감소를 위해 근전도 신호를 이용해 사용자의 목 움직임을 무엇하는 연구를 했는가?",
"근전도 신호는 무엇의 몸에서 발생되는가?",
"근전도 신호는 사람의 무엇에서 발생되는가?",
"근전도 신호는 사람의 몸에서 발생되는 무엇 중 하나인가?",
"사람의 몸에서 발생되는 생체신호 중 하나는 무엇인가?",
"근전도신호는 무엇이 근육을 움직일 때 발생하는가?",
"근전도 신호는 사람이 무엇을 움직일 때 발생하는가?",
"근전도 신호는 사람이 근육을 어떻게 할 때 발생하는가?",
"근전도 신호는 사람이 근육을 움직일 때 발생하는 무슨 신호인가?",
"특정 무엇의 근전도 신호를 측정하면 머리의 움직임을 예측할 수 있는가?",
"특정 근육의 근전도 신호를 측정하면 머리의 움직임을 예측할 수 있는가?",
"특정 근육의 근전도 신호를 무엇하면 머리의 움직임을 예측할 수 있는가?",
"특정 근육의 근전도 신호를 측정하면 무엇의 움직임을 예측할 수 있는가?",
"머리의 무엇을 예측하기 위해 특정 근육의 근전도 신호를 측정해야하는가?",
"HMD 시스템에서 발생하는 무엇에 의한 지연 시간을 감소시키고자 하는가?",
"무엇에서 발생하는 센서 시스템에 의한 지연 시간을 감소시키고자 하는가?",
"본 연구에서는 HMD 시스템에서 발생하는 센서 시스템에 의한 지연 시간을 증가시키고자 하는가?",
"출력된 가상현실 환경은 무엇에서 계산되는가?",
"공간 지연 문제는 HMD시스템에서 중요한 문제인가?",
"HMD 시스템에서 가장중요한 문제는 무엇인가?",
"HMD 시스템의 가상현실 환경 처리 과정에서 그래픽 엔진에 전달되는 파라미터는 가상 현실 환경을 구현하기 위함인가?",
"본 논문에서는 지연시간의 감소를 위해 근전도 신호를 이용해 사용자의 목 움직임을 예측하는 방법에 대한 무엇를 했는가?",
"HMD 시스템에서 발생하는 센서 시스템에 의한 무엇을 감소시키고자 하는가?",
"헤드 트래킹을 수행하는 속도가 사용자의 움직임에 비해 느릴 경우 무엇이 떨어지는가?",
"무엇이 HMD시스템을 구성하는 각 시스템 간의 데이터 전송과정에 서 발생하는가?",
"특정 근육의 무엇을 측정하면 머리의 움직임을 예측할 수 있는가?"
] |
330c2ec7-2b72-4709-90a8-b5285f2badbe
|
인공물ED
|
근전도 신호를 이용한 헤드-트래킹 지연율 감소 방안 연구
|
<h1>3. 결 론</h1><p>본 논문에서는 목 근육의 근전도 신호 측정을 통한 HMD의 헤드 트래킹 지연 시간 감소 방법에 대하여 연구하였다. 실험 결과에서 알 수 있듯이 제한적인 조건에서 자이로 센서 대비 근전도 센서의 지연시간이 \( 10 \sim 20 \mathrm{~ms} \) 정도 단축됨을 확인할 수 있었다.</p><p>또한 목을 움직이는 범위에 따라 근육의 긴장과 이완상태에서 발생하는 표면진류의 차이가 커서 근전도 신호를 제대로 측정하지 못하는 경우가 발생하였는데, 이러한 문제점은 고성능의 근전도 센서 개발 통하여 개선이 가능할 것으로 생각된다.</p><p>다만 근전도 센서의 반응속도가 느리거나 피실험자에 따른 실험 결과의 편차가 큰데, 이는 실험자의 습관, 근육이 피로도, 근육의 활동량의 차이가 원인으로, 보정 작업을 거치더라도 어느 정도의 차이가 발생하였다. 또한 표면 전류를 측정하는 근전도 센서가 목에서 머리의 모든 움직임에 대한 데이터를 얻을 수 없다는 사실을 실험을 통해 알 수 있었다. 이는 목이 여러 겹의 근육으로 덮여있고 표면 근육이 아닌 내부 근육의 움직임은 표면 근육의 전류 때문에 영향을 받기 때문에 정확한 값을 얻기 어렵고, 신호가 미약하기 때문으로 판단된다.</p><p>그리고 HMD에 실제 설치를 고려할 경우 근전도 센서를 목에 자연스럽게 부착하도록 디자인하는 것이 어렵고, 착용 시 목의 움직임이 부자연스러워 질 것으로 예측되지만, 이러한 문제점들은 근전도 센서 자체의 성능적인 향상과 감지 센서의 개수 증가, 목의 행동을 검출하기 위한 센서 위치 부위를 좀 더 특정할 수 있다면, 미세한 표면 전류를 더 정확하게 측정 할 수 있고 그에 따른 개인 간 결과값의 편차도 줄어들 수 있을 것이다.</p><p>따라서 근전도 센서를 추가하여 HMD에서 사용자의 움직임을 예측하는 것은 기존 센서 대비 유의미한 수준에서의 항상이 가능할 것으로 판단되며, 이에 대한 추가적인 연구를 통해 보다 향상된 결과를 얻을 수 있을 것으로 생각된다.</p>
|
[
"본 논문에서는 무엇의 근전도 신호 측정을 통한 트래킹 시간 지연 감소 방법에 대해 연구하였는가?",
"본 논문에서는목근육의 무엇의 측정을 통한 트래킹 시간 지연 감소 방법에 대해 연구하였는가?",
"본 논문에서는 목근육의 근전도 신호 측정을 통한 무엇의 트래킹 시간 지연 감소 방법에 대해 연구하였는가?",
"본 논문에서는 헤드 트래킹 지연시간의 증가 방법에 대해 목 근육의 근전도 신호 측정을 하여 연구하였는가?",
"실험 결과에서는 어느 조건에서 근전도 센서의 지연시간이 단축되었는가?",
"제한적인 조건에서 무엇 대비 근전도 센서의 지연시간이 단축되었는가?",
"본 실험에서는 자이로 센서 대비 근전도 센서의 무엇이 단축되었는가?",
"실험 결과에서는 자이로 센서 대비 근정도 센서의 지연시간이 \\( 10 \\sim 20 \\mathrm{~ms} \\)정도 증가하였음을 확인하였는가?",
"무엇을 움직이는 범위에 따라 근육의 각 상태에서의 표면진류의 차이가 컸는가?",
"목을 움직이는 무엇에 따라 긴장과 이완상태에서 표면진류의 차이가 컸는가?",
"목을 움직이는 범위에 따라 무엇의 긴장과 이완상태에서의 표면진류 차이가 컸는가?",
"본 실험에서는 목의 가동범위에 따른 근육의 무엇과 이완 상태에서의 표면진류 차이가 발생했는가?",
"본 실험에서는 근육의 긴장과 이완상태에 따라 발생하는 표면진류의 차이가 같았는가?",
"근육의 이완과 긴장 상태에서 발생하는 무엇의 차이가 근정도 신호의 측정을 제대로 하지 못하게 했는가?",
"목을 움직이는 범위에 따라 근육의 긴장과 이완상태에서 발생하는 표면진류의 차이가 근전도 신호에 영향을 줄 만큼 크지 않고 작았는가?",
"표면진류의 차이가 큼으로 인해서 무엇을 제대로 측정하지 못하였는가?",
"근전도 신호의 측정이 제대로 되지 않은 것은 어떤 근전도 센서 개발로 해결될 수 있는가?",
"표면진류 차이에 따른 근전도 신호를 제대로 측정하지 못하는 문제는 고성능의 무엇의 개발을 통해 개선이 가능한가?",
"고성능의 근전도 센서를 무엇해야 문제점을 개선할 수 있는가?",
"고성능의 근전도 센서 개발 통하여 문제점의 개선이 가능할 것인가?",
"무엇의 반응속도가 느림에 따라 실험결과에 영향을 주는가?",
"근전도 센서의 무엇이 느림에 따라 실험결과에 영향을 주는가?",
"근전도 센서 외에 무엇에 따라 실험결과의 편차가 큰가?",
"근전도 센서의 반응속도나 피실험자에 따라 무엇의 편차가 큰가?",
"실험 결과의 편차 원인으로는 무엇의 습관이 있는가?",
"실험결과의 편차는 무엇을 거쳐도 차이가 발생하였는가?",
"근전도 센서의 반응속도나 피실험자에 따라서 실험결과의 편차가 클 수 없는가?",
"실험 결과의 편차 원인으로는 실험자의 무엇이 있는가?",
"근육의 활동량의 무엇이 실험 결과에 영향을 주는 원인 중 하나인가?",
"무엇의 피로도가 실험결과에 영향을 주는가?",
"실험자의 습관, 근육이 피로도, 근육의 활동량의 차이에 따른 실험결과의 편차는 보정을 거치면 차이가 발생하지 않는가?",
"근육의 무엇의 차이가 실험결과에 영향을 주는가?",
"근전도 센서는 목부터 무엇까지의 모든 움직임 데이터를 얻을 수 없었는가?",
"근전도 센서는 목부터 머리까지의 모든 무엇을 얻을 수 없었는가?",
"근전도 센서의 반응속도나 피실험자에 따라 실험 결과의 무엇이 큰가?",
"무엇을 측정하는 근전도 센서가 모든 움직임의 데이터를 얻을 수 없었는가?",
"실험결과에 영향을 주는 것은 무엇의 활동량 차이인가?",
"표면전류를 측정하는 근전도 센서는 무엇 부터 머리의 모든 움직임의 데이터를 얻을 수 없었는가?",
"표면전류를 측정하는 무엇이 모든 움직임의 데이터를 얻을 수 없었는가?",
"실험자의 습관, 근육이 피로도, 근육의 활동량의 차이는 실험결과 의 편차 발생의 원인인가?",
"근육의 무엇은 실험결과의 편차발생에 영향을 주는가?",
"근전도 센서가 모든 움직임 데이터를 얻을 수 없었다는 사실은 무엇을 통해 알게 되었는가?",
"무엇이 여러 겹의 근육으로 덮혀있는가?",
"표면 전류를 측정하는 근전도 센서는 목에서 머리의 모든 움직임에 대한 데이터를 얻을 수 있는가?",
"목은 어느 겹의 근육으로 덮혀있는가?",
"여러겹의 무엇이 목을 구성하는가?",
"본 논문에서의 목 근육의 근전도 신호 측정을 통해서는 HMD의 헤드 트레킹의 무엇을 감소하는 방법을 연구하였는가?",
"본 논문에서는 HMD의 어느 지연시간 감소방법에 대해 연구하였는가?",
"본 실험에서는 근전도 센서의 지연시간이 자이로 센서에 비해 얼마나 단축되었는가?",
"결과값의 편차를 줄이기 위해서는 목의 행동을 어떻게 해야하기 위한 센서의 위치를 특정해야하는가?",
"목의 행동을 검출하기 위한 센서 위치 부위를 어떻게 하면 결과값의 편차를 줄일 수 있는가?",
"결과값의 편차를 줄이기 위해서는 목의 행동을 검출하기 위한 무엇의 위치 부위를 특정해야하는가?",
"어떠한 표면 전류를 더 정확히 측정하면 결과의 편차를 줄일 수 있는가?",
"개인 간 결과값의 편차를 줄이기 위해서는 미세한 무엇을 더 정확하게 츶겅할 수 있어야 하는가?",
"미세한 표면 전류를 더 정확하게 측정 할 수 있으면, 개인 간 결과값의 편차를 줄일 수 있는가?",
"미세한 표면 전류를 더 어떻게 측정해야 개인 간 결과값의 편차를 줄일 수 있는가?",
"미세한 표면 전류를 더 정확하게 무엇하면 개인 간 결과값의 편차를 줄이는게 가능한가?",
"무엇 간 결과값의 편차를 줄이기 위해서 미세한 표면 전류를 더 정확하게 측정해야 하는가?",
"개인 간 무엇의 편차를 줄이고자 미세한 표면 전류를 더 정확하게 측정해야 하는가?",
"개인 간 결과값의 무엇을 줄이기 위해 미세한 표면 전류를 더 정확하게 측정 할 수 있어야 하는가?",
"무엇을 추가하여 사용자의 움직임을 예측하는 것은 기존 센서 대비 유의미한 수준에서의 항상이 가능한가?",
"미세한 표면 전류를 더 정확하게 측정 할 수 있더라도, 그에 따른 개인 간 결과값의 편차는 줄일 수 있는가?",
"근전도 센서를 추가하여 무엇에서 사용자의 움직임을 예측하는 것이 기존 센서 대비 향상이 가능한가?",
"기존 센서 대비의 향상은 근전도 센서를 추가하여 HMD에서 사용자의 무엇을 예측하면 되는가?",
"근전도 센서를 추가하여 HMD에서 무엇의 움직임을 예측하면 기존 센서 대비의 향상이 되는가?",
"근전도 센서를 추가하여 HMD에서 사용자의 움직임을 예측하는 것은 기존의 센서에 비해서는 성능이 억제 된다고 예측되는가?",
"무엇을 통해서 보다 향상된 결과를 얻을 수 있을 것으로 예상하는가?",
"보다 향상된 무엇이 추가적인 연구로 얻을 수 있다고 기대되는가?",
"근전도 센서를 추가하여 HMD에서 사용자의 움직임의 예측은 기존 센서 대비 어떤 수준에서 향상이 가능하다 판단되는가?",
"본 실험에서는 자이로 센서 대비 무엇의 지연시간이 단축되었는가?",
"표면 근육 외의 어느 근육의 움직임이 표면 근육의 전류에 영향을 받는가?",
"내부 근육의 움직임은 무엇의 전류때문에 영향을 받는가?",
"내부 근육의 움직임은 표면 근육의 무엇 때문에 영향을 받는가?",
"표면 근육과 내부 근육의 움직임은 표면 근육의 전류 때문에 영향을 받는가?",
"내부 근육의 움직임은 표면 근육의 전류 때문에 영향을 받음으로 인해 무엇을 얻기 어려운가?",
"내부 근육의 움직임은 표면 근육의 전류 때문에 영향을 받음에도 불구하고 정확한 값을 얻을 수 있는가?",
"무엇이 미약하여 모든 움직임에 대한 데이터를 얻을 수 없었는가?",
"신호가 강했기 때문에 전도 센서가 목에서 머리의 모든 움직임에 대한 데이터를 얻을 수 없었는가?",
"무엇에 실제 설치를 고려하면 목에 센서를 자연스레 부착하기 어려운가?",
"목에 무엇을 고려할 경우 목에 센서를 자연스레 부착하기 어려운가?",
"근전도 센서를 무엇에 자연스레 부착하는 것이 HMD에 실제 설치를 고려하는 것을 어렵게 했는가?",
"HMD에 실제 설치를 고려할 경우 근전도 센서를 목에 자연스럽게 부착하도록 무엇을 하는게 어렵나?",
"HMD에 실제 설치를 고려할 경우 근전도 센서를 목에 자연스럽게 부착하도록 디자인 하는것은 쉬운가?",
"HMD에 실제 설치를 고려할 경우 언제 목의 움직임이 부자연 스러워질 것으로 예측하는가?",
"HMD에 실제 설치를 고려할 경우 착용 시 무엇의 움직임이 부자연스러운가?",
"HMD에 실제 설치를 고려할 경우 착용 시 목의 무엇이 부자연스러워지는가?",
"무엇의 성능적인 향상이 결과값의 편차를 줄일 수 있는가?",
"HMD에 실제 설치를 고려할 경우에는 목의 움직임이 착용 시에는 어떻게 되는가?",
"개인 간 결과값 편차를 줄이기 위해서는 근전도 센서 자체의 무엇의 향상이 필요한가?",
"개인 간 결과값 편차를 줄이기 위해서는 근전도 센서 자체의 성능적 하향이 필요한가?",
"개인 간 결과값 편차를 줄이기 위해서는 무엇의 개수 증가가 필요한가?",
"감지 센서의 무엇의 증가가 개인 간 결과값 편차를 줄일 수 있는가?",
"감지 센서의 개수 감소는 개인 간 결과값 편차를 줄일 수 있는가?",
"무엇의 행동을 검출하기 위한 센서 위치 부위를 좀 더 특정해야 결과값의 편차를 줄일 수 있는가?",
"결과값의 편차도 줄이기 위해서는 목의 행동을 검출하기 위한 센서의 무엇을 특정하면 되는가?",
"기존 센서 대비의 향상은 근전도 센서를 추가하여 HMD에서 무엇의 움직임을 예측하면 되는가?",
"추가적이니 연구를 진행한다면 보다 향상된 결과를 얻을 수 있다고 기대되는가?",
"근전도 센서를 추가하여 HMD에서 움직임의 예측은 무엇 대비 향상이 가능한가?",
"무엇을 목에 자연스레 부착하는 것이 HMD에 실제 설치를 고려하는 것을 어렵게 했는가?",
"HMD에 실제 설치를 고려할 경우 근전도 센서를 목에 어떻게 부착하게 디자인 하는것이 어려운가?",
"결과값의 편차를 줄이기 위해서는 목의 무엇을 검출하기 위한 센서의 위치를 특정해야하는가?",
"무엇이 아닌 내부 근육의 움직임이 표면 근육의 전류에 영향을 받는가?"
] |
bd9a12d3-e48a-463e-aaf1-20b2f4621349
|
인공물ED
|
두 개의 항적 센서를 이용한 수상 항적 탐색 방법
|
<h1>IV. 모의실험</h1><p>본 장에서는 임의의 환경 내에서의 모의 실험을 통해 본 논문에서 제시한 두 개 센서 항적 추적 어뢰의 성능을 실험적으로 고찰한다. 어뢰의 초기 위치는 \( (0 \mathrm{~m}, 0 \mathrm{~m}) \)이고, 수상함 표직은 초기 위치 \( (3000 \mathrm{~m}, 0 \mathrm{~m}) \)에서 공격각에 따른 방향으로 움직인다. 입수 거리는 포직과 표적 후면의 어뢰 목표 항적 압수 지점과의 거리를 의미하며, 항적 축소비에 의해 결정된다. 항적 축소비는 항적 접촉 최대 가능 거리 대비 입수 거리의 비율이다. 공격각은 어뢰의 초기 위치와 표적의 초기 위치를 지나는 선을 기준으로하여 표적 진행 방향까지의 시계 방향 각도를 의미한다. 그림 9는 공격각이 약 30도인 방향으로 표적이 운동하는 예이다. 그림 9에서 \( c_{max} \)는 항적 접촉 최대 가능거리를 나타내며, \( c\)는 항적 축소비에 따른 입수 거리를 나타낸다. 또한 본 실험에서는 어뢰가 경보 거리 내에 들어오게 되면 표적은 회피 기동 밎 음향 대항 수단을 사용한다고 가정하였다. 어뢰가 경보 거리 내에 들어오게 되면 침로를 변경함과 동시에 부유식 기만기 4기를 발사한다. 회피 침로와 기만기 투하 방위는 어뢰 접촉 방위에 따라 정해진다. 어뢰 및 표적의 기본적인 세부 파라메터 항목은 표 1과 같다고 가정한다.</p><table border><caption>표 1. 기본 파라메터</caption><tbody><tr><td>변수명</td><td>변수값</td></tr><tr><td>어뢰 속도</td><td>\(35 \mathrm{~knot}\)</td></tr><tr><td>항적 접촉 최대 가능 거리</td><td>\(4500 \mathrm{~m}\)</td></tr><tr><td>항적이 퍼지는 각도</td><td>\(2 ^{\circ}\)</td></tr><tr><td>배터리 수명</td><td>\(20 \mathrm{~min}\)</td></tr><tr><td>탐색 형태</td><td>두 개 센서 탐색</td></tr><tr><td>선회 각속도</td><td>\( 8 ^{\circ} / \mathrm{sec} \)</td></tr><tr><td>재탐색 어뢰 속도\( /\) 재탐색 선회 각속도</td><td>\(40 \mathrm{~knot} / 6^{\circ} / \mathrm{sec} \)</td></tr><tr><td>표적 속도</td><td>\(25 \mathrm{~knot} \)</td></tr><tr><td>표적 제원(길이 \( \times\) 폭 \( \times\) 높이)</td><td>\(100 \times 20 \times 5 \mathrm{~m} \)</td></tr><tr><td>표적 속도 오차</td><td>\(5 \mathrm{~knot} \)</td></tr><tr><td>공격각 오차</td><td>\(5 ^{\circ} \)</td></tr></tbody></table><p>본 논문의 상황은 초기 발사각 계산 시 사용회는 TMA를 통해 추정된 표적의 속도와 진행 방향이 오차를 가질 수 있는 랜덤 프로세스 상황이다. Monte-Carlo 실험은 랜덤 프로세스 환경에서 제안되는 알고리즘의 검증을 위해 사용되는 통상적인 실험 방법이다. 본 논문에서는 표적의 진행 방향과 공격각을 랜덤 변수로 하는 Monte-Carlo 실험을 통해서 어뢰의 탐색 성공률 \( (P_{S}) \), 평균 탐색 시간 \( (t_{a}) \)을 구하고, 이 값을 통해 어뢰의 성능을 평가하였다. 식 (5)의 \( \text{sucess(i)} \)는 탐색 성공 여부로서 어뢰가 표적 근방 \( 100 \mathrm{~m} \) 이내로 접근한 경우 탐색 성공으로 간주되어 그 값이 1이 되며, 실패할 경우는 0이 된다. 식 (6)의 \( \text{sucess}_{\text{name}} (i) \)는 탐색 성공까지 걸린 시간을 의미한다. 두 식에서의 \( m \)은 Monte-Carlo 신험 회수를 의미하며, 본 실험에서는 100회의 반복 실험을 통해 성능지수를 계산하였다.</p><p>탐색 성공률\( (P_{s})=\frac{1}{m} \sum \limits_{i=1}^{m} \text{sucess(i)} \times 100 \)<caption>(5)</caption></p><p>평균 탐색 시간 \( (t_{a})=\frac{1}{m} \sum \limits_{i=1}^{m} \text{sucess}_{\text{name}} (i) \)<caption>(6)</caption></p>
|
[
"본 실험에서는 모의 실험을 통해 임의로 주어진 환경내의 어뢰의 성능을 어떻게 고찰하였어?",
"표적 후면과 포직의 어뢰 목표 항적 압수 지점과의 거리를 어떻게 결정하니?",
"항적 축소비의 값은 어떻게 구하는가?",
"어떻게 항적 축소비의 값을 구하는가?",
"공격각을 구할 때 어떻게 하여 표적 진행 방향까지의 시계 방향 각도를 구할까?",
"어뢰 초기 위치와 , 수상함 표적의 초기 위치가 정해지면 어떻게 움직이게 되는가?",
"실험 과정에서 조건이 어떻게 되었을 때 표적이 음향 대항 수단을 사용한다고 가정하고있지?",
"기만기 투하 시 방위는 어떻게 정해지니?",
"어떻게 기만기 투하하는 시 방위가 정해질까?",
"기본적인 세부 파라메터 항목은 표에서 배터리 수명의 변수일 때의 변수값은 뭐니?",
"기만기 투하와 회피 침로의 방위는 어떻게 정해지니?",
"기본 파라메터를 나타내는 표 1에서 변수값이 \\(20 \\mathrm{~min}\\) 일 때의 변수는 뭐야?",
"기본 파라메터표에서 변수값이 \\(4500 \\mathrm{~m}\\)일 때의 변수는 뭘까?",
"실험에서는 \\( \\text{sucess(i)} \\)는 표적 근방 \\( 100 \\mathrm{~m} \\) 이내로 어뢰가 근접한 경우 그 값이 1이 되며, 실패 시 0이 된다는 사실을 어떻게 식으로 나타냈니?",
"어뢰의 위치가 어떻게 되면 침로를 변경하고 부유식 기만기 4기가 발사되니?",
"어뢰 및 표적의 기본적인 세부 파라메터 항목은 표에서 어뢰 속도의 변수값은 뭐지?",
"표 1에서 변수값이 \\(2 ^{\\circ}\\)일 때 변수는 뭐였지?",
"기본 파라메터 표에서 변수가 표적 속도 오차일 경우 변수값은 뭘까?",
"표 1에서 변수가 선회 각속도일 때 변수값은 뭐니?",
"기본 파라메터 표에서 공각각 오차인 변수에서 얻은 변수값이 뭐야?",
"표 1에서 변수가 표적 속도일 때 값은 뭐야?",
"논문에서 Monte-Carlo은 실험 방법이 어떻게 되니?",
"논문 실험의 랜덤 프로세스의 상황은 어떻게 되니?",
"어뢰 및 표적의 기본적인 세부 파라메터 항목은 표에서 변수가 항적이 퍼지는 각도인 경우 변수값은 어떻게 나왔지?",
"표적의 진행 방향과 공격각을 이용한 Monte-Carlo 실험을 통해 어떻게 어최의 성능 평가를 진행했지?",
"식 (5)에서 \\( \\text{sucess(i)} \\)는 어떻게 값이 1이 되는가?",
"본 실험에서는 식 (5)와 식 (6)에서의 \\( m \\)이 의미인 Monte-Carlo 실험 회수를 이용하여 어떻게 성능지수를 계산하였니?"
] |
b6fabc52-d20a-42f2-b79f-a0b3fcf3754b
|
인공물ED
|
두 개의 항적 센서를 이용한 수상 항적 탐색 방법
|
<h2>4.1. 표적 회피 기동과 입수 거리에 따른 실험 결과</h2><p>본 실헌에서는 표적의 회피 기동 유무와 입수 거리에 따른 두 개 센서 항적 추적 어뢰의 성능을 비교하였다. 두 개 센서의 빔 각도는 15도로 설정하였다.</p><p>표 2 (a)는 표적이 회피 기동을 하지 않은 때, 입수 거리와 공격각에 따른 실험 결과이다. 공격각이 작은 상황에서는 입수 거리가 짧은 경우 표적에 더 빨리 접근할 수 있기 때문에 탐색 성공 시간이 짧아지는 경항을 보인다. 그러나 입수 거리를 너무 길게 잡으면 표적에 접근하기까지 시간이 많이 걸려 어뢰의 배터리 수명 한계로 인한 실패 확률이 커진다. 공격각이 180도에 가까워질수록 성공률이 떨어지는 이유두 표적이 어뢰와 멀어지는 방향으로 운둥하기 때문에 어뢰의 표지 접근 시간이 길어지기 때무이다. 그리고 입수 거리 \( 4500 \mathrm{m} \)에서 공격각이 작을 때 성공률이 급격하게 떨어지는 이유는 입수 거리가 너무길고, 어뢰가 표적 진행 방향과 반대 방향으로 항적에 접근하여 어뢰가 항적에 들어가지 못하기 때문이다. 표 2 (a)에서 어두운 부분은 공격각에 따라 탐색성공률과 평균탐색시간을 고려하였을 때 가장 효율적인 입수 거리를 나타낸 것이다. 표적이 회피 기동을 하지 않을 경우 공격각이 작을수록 입수 거리를 짧게 설정하는 것이 효과적임을 알 수 있다.</p><p>표 2 (b)는 표적이 회피 기동을 할 때, 입수 거리와 공격에 따른 실험 결과이다. 입수 거리가 길 때는 표 2 (a)의 결과와 비슷한 성능을 보였으니, 입수 거리가 짧아지면 공격각이 180도에 가까워질수록 성능이 급격하게 떨어지는 것을 알 수 있다. 그 이유는 표적이 회피 기동을 했기 때문에 어뢰의 예상 항적 입수 지점에 항적이 존재하지 않아 어뢰가 표적을 탐지하지 못하기 때문이다. 표 2 (b)에서 어두운 부분은 공격각에 따라 탐색성공률과 평균탐색시간을 고려하였을 때 가장 효율적인 입수 거리를 나타낸 것이다. 표적이 회피 기동을 하는 경우 회피 기동을 하지 않을 때와 마찬가지로 공격각이 작을수록 입수 거리를 짧게 설정하는 것이 효과적임을 알 수 있다.</p><table border><caption>표 2. 입수거리에 따른 성능 비교 (a) 표적 비회피 기동 (b) 표적 회피 기동</caption><tbody><tr><td colspan=2>입수거리 \ 공격각</td><td>15</td><td>30</td><td>45</td><td>60</td><td>75</td><td>90</td><td>105</td><td>120</td><td>135</td><td>150</td><td>165</td></tr><tr><td rowspan=2>4500</td><td>\( P_{s}\)</td><td>33</td><td>0</td><td>0</td><td>6</td><td>31</td><td>70</td><td>81</td><td>84</td><td>81</td><td>80</td><td>69</td></tr><tr><td>\(t_{a}\)</td><td>1024</td><td></td><td></td><td>895</td><td>918</td><td>733</td><td>655</td><td>591</td><td>577</td><td>586</td><td>575</td></tr><tr><td rowspan=2>3000</td><td>\(P_{s}\)</td><td>84</td><td>80</td><td>88</td><td>95</td><td>96</td><td>89</td><td>81</td><td>81</td><td>77</td><td>68</td><td>64</td></tr><tr><td>\(t_{a}\)</td><td>948</td><td>1035</td><td>1000</td><td>871</td><td>733</td><td>568</td><td>517</td><td>497</td><td>533</td><td>550</td><td>570</td></tr><tr><td rowspan=2>1500</td><td>\(P_{s}\)</td><td>100</td><td>100</td><td>100</td><td>97</td><td>93</td><td>85</td><td>76</td><td>70</td><td>68</td><td>59</td><td>60</td></tr><tr><td>\(t_{a}\)</td><td>606</td><td>623</td><td>569</td><td>475</td><td>425</td><td>406</td><td>407</td><td>454</td><td>493</td><td>535</td><td>568</td></tr><tr><td rowspan=2>500</td><td>\(P_{s}\)</td><td>100</td><td>99</td><td>98</td><td>88</td><td>69</td><td>67</td><td>67</td><td>61</td><td>66</td><td>58</td><td>58</td></tr><tr><td>\(t_{a}\)</td><td>399</td><td>371</td><td>308</td><td>295</td><td>293</td><td>299</td><td>362</td><td>427</td><td>485</td><td>534</td><td>568</td></tr><tr><td rowspan=2>300</td><td>\(P_{s}\)</td><td>98</td><td>94</td><td>92</td><td>67</td><td>67</td><td>64</td><td>51</td><td>56</td><td>42</td><td>46</td><td>62</td></tr><tr><td>\(t_{a}\)</td><td>350</td><td>346</td><td>277</td><td>263</td><td>271</td><td>303</td><td>352</td><td>419</td><td>477</td><td>533</td><td>587</td></tr></tbody></table><table border><caption>표 2. 입수거리에 따른 성능 비교 (a) 표적 비회피 기동 (b) 표적 회피 기동</caption><tbody><tr><td colspan=2>입수거리 \ 공격각</td><td>15</td><td>30</td><td>45</td><td>60</td><td>75</td><td>90</td><td>105</td><td>120</td><td>135</td><td>150</td><td>165</td></tr><tr><td rowspan=2>4500</td><td>\(P_{s}\)</td><td>33</td><td>0</td><td>0</td><td>6</td><td>31</td><td>66</td><td>69</td><td>68</td><td>59</td><td>57</td><td>44</td></tr><tr><td>\(t_{a}\)</td><td>1015</td><td></td><td></td><td>877</td><td>917</td><td>758</td><td>705</td><td>633</td><td>614</td><td>610</td><td>582</td></tr><tr><td rowspan=2>3000</td><td>\(P_{s}\)</td><td>84</td><td>80</td><td>88</td><td>95</td><td>95</td><td>70</td><td>52</td><td>44</td><td>46</td><td>40</td><td>35</td></tr><tr><td>\(t_{a}\)</td><td>938</td><td>1020</td><td>976</td><td>860</td><td>729</td><td>637</td><td>604</td><td>567</td><td>570</td><td>568</td><td>576</td></tr><tr><td rowspan=2>1500</td><td>\(P_{s}\)</td><td>100</td><td>100</td><td>100</td><td>95</td><td>89</td><td>48</td><td>26</td><td>19</td><td>24</td><td>14</td><td>29</td></tr><tr><td>\(t_{a}\)</td><td>606</td><td>621</td><td>570</td><td>481</td><td>437</td><td>462</td><td>485</td><td>525</td><td>527</td><td>556</td><td>576</td></tr><tr><td rowspan=2>500</td><td>\(P_{s}\)</td><td>100</td><td>100</td><td>99</td><td>76</td><td>51</td><td>3</td><td>8</td><td>8</td><td>13</td><td>15</td><td>26</td></tr><tr><td>\(t_{a}\)</td><td>365</td><td>320</td><td>308</td><td>331</td><td>348</td><td>407</td><td>454</td><td>482</td><td>521</td><td>557</td><td>580</td></tr><tr><td rowspan=2>300</td><td>\(P_{s}\)</td><td>100</td><td>100</td><td>94</td><td>47</td><td>44</td><td>2</td><td>2</td><td>2</td><td>2</td><td>7</td><td>14</td></tr><tr><td>\(t_{a}\)</td><td>318</td><td>278</td><td>286</td><td>322</td><td>343</td><td>405</td><td>445</td><td>489</td><td>528</td><td>557</td><td>577</td></tr></tbody></table>
|
[
"두 개 센서의 빔 각도는 어떻게 설정했지?",
"입수거리가 4500이고 공격각이 15일 때<td>\\(t_{a}\\)</td>는 얼마야?",
"공격각이 15일 때 가장 작은<td>\\( P_{s}\\)</td>값을 가지려면 입수거리가 얼마여야해?",
"입수거리가 500일 때<td>\\(t_{a}\\)</td>값 중에서 가장 작으려면 공격각은 얼마가 되야하지?",
"입수거리가 3000일 때<td>\\(t_{a}\\)</td>값이 가장 크려면 공격각은 얼마여야해?",
"공격각이 165일 때<td>\\(P_{s}\\)</td>가 가장 작을 때의 값은 얼마야?"
] |
b08a66c5-cdf6-47ef-a3ac-fe02e12ccbc7
|
인공물ED
|
두 개의 항적 센서를 이용한 수상 항적 탐색 방법
|
<h2>4.2. 빔 각도에 따른 성능 비교</h2><p>본 실험에서는 어뢰 상단에 부착되어 있는 두 개 센서의 빔 각도에 따른 두 개 센서 항적 추적 어뢰의 성능을 비교해 보았다. 표적은 회피 기동을 하지 않는다고 가정 하였다.</p><p>표 3(a)는 입수 거리가 \( 1500 \mathrm{m} \) 일 때, 빔각도와 공격각에 따른 실험 결과이다. 탐색성공률 측면에서는 모든 공격가에 걸쳐 세 개의 빔 각도가 유사한 성능을 보였으나, 탐색시간 측면에서는 전체 공격각에 걸쳐 빔 각도가 30도인 경우 5도나 15도일 때에 비해 평균 83초 정도 오래 걸리는 것을 확인하였다. 이는 빔 각도가 30도인 경우 5도나 15도 일 때에 비해 양쪽 센서 측정 지점 사이의 거리가 멀기 때문이다. 이런 경우 어뢰가 표적에 근접하였을 때. 센서 측정 지점 사이의 거리가 항적의 폭보다 넓어져 항적을 소실하는 경우가 생기게 되고, 항적 탐색 운동과 재탐색 운동을 반복적으로 수행하기 때문에 더 많은 시간이 소요된다. 반대로 센서 측정 지점 사이의 거리가 너무 짧으면 양쪽 센서에 측정된 항적 탐지값의 비교가 어렵기 때문에 효과적인 어뢰의 회전 방향 결정에 문제가 생길 수 있다. 그러나 센서 측정 지점 사이의 거리가 짧은 경우에 대한 문제는 실험 결과에 반영되지 않았다.</p><p>표 3 (b)는 입수 기리가 \( 300 \mathrm{m} \) 일 때, 빔각도와 공격각에 따른 실험 결과이다. 표 3 (a)와 마찬가지로 탐색성공률 측면에서는 대부분의 공격각에서 세 개의 빔 각도가 유사한 성능을 보이고 있으며, 탐색 시간 측면에서는 빔 각도가 30도인 경우 5도나 15도일 때에 비해 평균 91초 정도 오래 질리는 것을 확인하였다.</p><p>그림 10은 표 3의 결과의 일부를 그래프로 나타낸 것이다. 그림 10 (a)는 입수 거리가 \( 300 \mathrm{m} \)일 때의 빔 각도별 탐색성공률을 나타내며, 공격각이 작을 경우 높은 탐색 성공률을 보이는 것을 확인할 수 있고, 그림 10 (b)는 입수 거리가 \( 300 \mathrm{m} \)일 때의 평균탐색시간을 나타내며, 전 공격각에 걸쳐 빔 각도가 30도인 경우 더 많은 탐색 시간을 소요하는 것을 확인할 수 있다.</p><table border><caption>표 3. 빔 각도에 따른 성능 비교 (a) 표적 비회피 기동 \(/\) 입수거리 \( 1500 \mathrm{m} \)</caption><tbody><tr><td colspan=2>빔각도 \ 공격각</td><td>15</td><td>30</td><td>45</td><td>60</td><td>75</td><td>90</td><td>105</td><td>120</td><td>135</td><td>150</td><td>165</td></tr><tr><td rowspan=2>5도</td><td>\(P_{s}\)</td><td>100</td><td>100</td><td>100</td><td>96</td><td>93</td><td>85</td><td>75</td><td>70</td><td>68</td><td>59</td><td>59</td></tr><tr><td>\(t_{a}\)</td><td>647</td><td>626</td><td>570</td><td>477</td><td>421</td><td>403</td><td>404</td><td>451</td><td>491</td><td>532</td><td>565</td></tr><tr><td rowspan=2>15도</td><td>\(P_{s}\)</td><td>100</td><td>100</td><td>100</td><td>97</td><td>93</td><td>85</td><td>76</td><td>70</td><td>68</td><td>59</td><td>60</td></tr><tr><td>\(t_{a}\)</td><td>606</td><td>623</td><td>569</td><td>475</td><td>425</td><td>406</td><td>407</td><td>454</td><td>493</td><td>535</td><td>568</td></tr><tr><td rowspan=2>30도</td><td>\(P_{s}\)</td><td>99</td><td>100</td><td>100</td><td>96</td><td>94</td><td>85</td><td>76</td><td>71</td><td>69</td><td>59</td><td>61</td></tr><tr><td>\(t_{a}\)</td><td>666</td><td>700</td><td>648</td><td>554</td><td>513</td><td>493</td><td>483</td><td>535</td><td>580</td><td>623</td><td>650</td></tr></tbody></table><table border><caption>표 3. (b) 표적 비회피 기동 \(/\) 입수거리 \( 300 \mathrm{~m} \)</caption><tbody><tr><td colspan=2>빔각도 \ 공격각</td><td>15</td><td>30</td><td>45</td><td>60</td><td>75</td><td>90</td><td>105</td><td>120</td><td>135</td><td>150</td><td>165</td></tr><tr><td rowspan=2>5도</td><td>\(P_{s}\)</td><td>98</td><td>93</td><td>90</td><td>67</td><td>67</td><td>64</td><td>51</td><td>56</td><td>40</td><td>45</td><td>61</td></tr><tr><td>\(t_{a}\)</td><td>327</td><td>319</td><td>269</td><td>253</td><td>264</td><td>295</td><td>346</td><td>417</td><td>475</td><td>530</td><td>563</td></tr><tr><td rowspan=2>15도</td><td>\(P_{s}\)</td><td>98</td><td>94</td><td>92</td><td>67</td><td>67</td><td>64</td><td>51</td><td>56</td><td>42</td><td>46</td><td>62</td></tr><tr><td>\(t_{a}\)</td><td>350</td><td>346</td><td>277</td><td>263</td><td>271</td><td>303</td><td>352</td><td>419</td><td>477</td><td>533</td><td>567</td></tr><tr><td rowspan=2>30도</td><td>\(P_{s}\)</td><td>98</td><td>95</td><td>92</td><td>68</td><td>67</td><td>64</td><td>53</td><td>56</td><td>42</td><td>46</td><td>63</td></tr><tr><td>\(t_{a}\)</td><td>481</td><td>438</td><td>377</td><td>334</td><td>347</td><td>396</td><td>422</td><td>506</td><td>540</td><td>611</td><td>657</td></tr></tbody></table>
|
[
"표 3의 빔 각도에 따른 성능 비교 (a) 표적 비회피 기동 // 입수거리 1500 \\mathrm{m}1500m에서 빔각도가 5도로 공격각은 15일 때 \\(P_{s}\\)는 몇인가?",
"표 3. 빔 각도에 따른 성능 비교 (a) 표적 비회피 기동 \\(/\\) 입수거리 \\( 1500 \\mathrm{m} \\)에서 빔각도가 5도고 공격각이 15일 때 \\(t_{a}\\)는 얼마인가?",
"공격각이 45일 때 5도에서 \\(P_{s}\\)의 값은 얼마로 나오는가?",
"표 3. 빔 각도에 따른 성능 비교 (a) 표적 비회피 기동 // 입수거리 1500 \\mathrm{m}1500m에서 5도는 공격각이 몇일 때 \\(t_{a}\\)가 626로 나오는가?",
"공격각이 몇이어야 15도의 \\(P_{s}\\)가 97로 나오는가?",
"165가 공격각일 때 빔각도 30도에서 \\(t_{a}\\)의 수는 몇인가?",
"30도의 \\(t_{a}\\)를 볼 때 공격각이 얼마여야 \\(t_{a}\\)의 값이 535으로 나오는가?",
"빔각도가 15도이고 공격각이 150인 경우에 \\(t_{a}\\)는 몇인가?",
"공격각이 150이고 빔각도가 15도를 이룰 때 \\(t_{a}\\)는 몇이 되는가?",
"표 3. (b) 표적 비회피 기동 \\(/\\) 입수거리에서 빔각도가 5도이고 공격각이 165일 때 \\(P_{s}\\)는 얼마인가?",
"빔각도가 30도이고 공격각이 15인 케이스에서 \\(P_{s}\\)와 \\(t_{a}\\) 중 어느 것이 더 수가 큰가?",
"빔각도가 30도이며 공격각이 90일 때 \\(P_{s}\\)의 수는 얼마로 나오는가?",
"\\(t_{a}\\)를 살펴볼 때 공격각이 15인 경우에 빔각도가 얼마여야 제일 큰 값이 나오는가?",
"15도의 \\(P_{s}\\)는 공격각의 수가 얼마여야 70이 되는가?",
"공격각이 얼마일 때 15도의 \\(P_{s}\\)에서 70이 나오는가?"
] |
0fe4344f-e977-4a92-a899-6484efedc217
|
인공물ED
|
두 개의 항적 센서를 이용한 수상 항적 탐색 방법
|
<h2>4.3. 단일 센서 항적 추적 어뢰와의 성능 비교</h2><p>본 실험에서는 기존에 연구된 단일 센서 항적 추적 어뢰와 본 논문에서 제안한 두 개 센서 항적 추적 어뢰의 성능을 비교해 보았다. 단일 센서 항적 추척 어뢰는 단측 모드 항적 탐색 방법을 사용하였다. 표적은 회피 기동을 하지 않는다고 가정하고, 두 개 센서의 빔 각도는 15도로 설정하였다.</p><p>표 4 (a)는 입수 거리가 \( 1500 \mathrm{m} \)일 때, 단일 센서 항적 추적 어뢰와 두 개 센서 항적 추적 어뢰의 성능을 비교한 것이다. 결과를 보면 탐색성공률 측면에서는 거의 유사한 성능을 보였으나 탐색시간 측면에서는 전체 공격각에 걸쳐 두 개 센서 항적 추적 어뢰가 평균 54초의 향상을 보였다. 단일 센서의 단측 모드 탐색 방법의 경우 항적의 내외부을 넘나드는 운동을 통해 표적을 추적하나, 두 개 센서의 항적 탐새 방법의 경우 항적 내부에서 주로 직진 운동에 의해 표적을 추적하기 때문에 시간적인 측면에서 유리하다.</p><table border><caption>표 4. 단일 센서 / 두 개 센서 성능 비교 (a) 표적 비회피 기동 \(/\) 입수거리 \( 1500 \mathrm{m} \)</caption><tbody><tr><td colspan=2>센서종류 \ 공격각</td><td>15</td><td>30</td><td>45</td><td>60</td><td>75</td><td>90</td><td>105</td><td>120</td><td>135</td><td>150</td><td>165</td></tr><tr><td rowspan=2>단일</td><td>\(P_{s}\)</td><td>100</td><td>100</td><td>100</td><td>96</td><td>93</td><td>85</td><td>75</td><td>70</td><td>68</td><td>59</td><td>59</td></tr><tr><td>\(t_{a}\)</td><td>725</td><td>729</td><td>647</td><td>537</td><td>468</td><td>447</td><td>431</td><td>481</td><td>516</td><td>556</td><td>592</td></tr><tr><td rowspan=2>두개</td><td>\(P_{s}\)</td><td>100</td><td>100</td><td>100</td><td>97</td><td>93</td><td>85</td><td>76</td><td>70</td><td>68</td><td>59</td><td>60</td></tr><tr><td>\(t_{a}\)</td><td>606</td><td>623</td><td>569</td><td>475</td><td>425</td><td>406</td><td>407</td><td>454</td><td>493</td><td>535</td><td>568</td></tr></tbody></table><p>표 4 (b)는 입수 거리가 \( 300 \mathrm{m} \)일 때이며, 표 4 (a)와 달리 공격각이 작을 때 단일 센서 항적 탐지기의 성능이 떨어지는 것을 확인할 수 있다. 그 이유는 입수 거리가 짧을수록 어뢰가 입수된 지점의 항적의 폭도 좁기 때문이다. 어뢰가 표적 진행 방향과 반대 방향으로 항적에 접근하게 되면 어뢰가 표적 진행 방향으로 회전하기까지 회전 반경이 커지게 되는데, 회전 반경이 항적의 폭보다 크면 어뢰가 표적 진행 방향으로 회전하기 전에 항적을 이탈하게 된다. 단일 센서 항적 추적 어뢰는 항적을 이탈한 후 표적 진행 방향을 온바르게 추정할 수 없지만, 두 개 센서 항적 추적 어뢰는 표적 진행 방향을 추정할 수 있으므로 더 높은 성공률을 보인다. 탐색시간 측면에서도 전체 공격각에 걸쳐 두 개 센서 항적 추적 어뢰가 평균 36초의 향상을 보였다.</p><p>그림 12는 본 논문의 실험에 대해 표적 탐색에 성공한 경우와 성공하지 못한 경우의 어뢰의 이동 경로이다. 그림 12 (a)는 격침에 성공한 경우이고, 그림 12 (b)는 격침에 실패한 경우이다. 두 경우 모두 표적의 실제 진행 방향은 120도, 입수거리는 \( 500 \mathrm{m} \)로 같게 설정하였으나, 추정된 표적 속도와 공격각의 오차에 따라 초기 발사각이 다르게 계산되어 서로 다른 결과를 나타내었다.</p>
|
[
"본 실험에서 센서 항정 추적 어뢰와 두 개 센서 항적 추적 어뢰의 성능을 비교하기 위해 표적은 회피동을 하지 않는다고 가정한다면, 어떻게 탐색 방법을 탐구해야해?",
"본 실험에서 두 개 센서의 항적 탐색 방법의 경우, 직진 운동에 의해 표적을 추적하게 된다면 어떤 장점이 있어?",
"본 실험 과정 중에서 어뢰가 표적 진행 방향으로 회전하기까지 회전 반경이 커지게 될 때, 어떤 결과 초래 해?",
"본 실험에서 단일 센서 항적 추적 어히는 표적 진행 방향을 올바르게 추정할 수 없지만 어떤 면에서 더 높은 성공률을 보여?",
"본 실험에서 주어진 두 가지의 경우는 초기 발사각이 다르게 계산되어 다른 결과를 보여진다. 어떤 경우에서인가?",
"본 실험에서 입수거리 1500m일 때, 단일 센서<td>\\(P_{s}\\) 가 공격각 15일 때 어떤 결과인가?",
"본 실험에서 입수거리 1500m일 때, 단일 센서<td>\\(P_{s}\\) 가 공격각 165일 때 어떤 결과인가?",
"본 실험에서 입수거리 1500m일 때, 두개 센서<td>\\(P_{s}\\) 가 공격각 165일 때 어떤 결과인가?",
"본 실험에서 입수거리 1500m일 때, 두개 센서 \\(t_{a}\\)가 공격각 45일 때 어떤 결과인가?",
"센서의 성능을 비교한 표 4에서 공격각이 150인 단일센서의 \\(t_{a}\\)는 얼마인가요?"
] |
d92409c3-04f5-4865-bdf2-602858864bb1
|
인공물ED
|
저 손실 열전변환 하베스팅을 위해 제로전류센서의 오프셋을 조절하는 부스트 컨버터
|
<h1>요 약</h1><p>열전 변환 에너지 하베스팅을 위한 저 전력 부스트 컨버터에 사용하는 새로운 Zero Current Sensor (ZCS)를 이 논문에서 제안한다. 새로 제안하는 ZCS를 사용하는 Zero Current Switching은 기존 방식인 아날로그 비교기를 사용한 Zero Current Switching방식 보다 파워 측면에서 큰 장점을 보이고 기존의 다른 방식인 딜레이 라인을 이용하는 Zero Current Switching 방식보다 면적에서 큰 장점을 보인다. 새로운 ZCS는 기존의 아날로그 비교기에 고의적으로 offset을 발생시키고 offset의 양을 digital code로 calibration 하여 출력이 나오는 시간을 조절한다. 새로운 ZCS를 이용한 Zero Current Switching은 기존의 아날로그 비교기를 이용한 Zero Current Switching 보다 대략 10배정도 적은 파워를 사용하면서 같은 성능을 보인다.</p><h1>I. 서론</h1><p>Zero Current Sensor (ZCS)는 Discontinuous Conduction Mode (DCM)를 지원하는 boost converter가 정상적으로 동작하기 위해 중요하다. Boost converter에서 ZCS는 인덕터에 저장되어 있던 전류를 load쪽으로 보낼 때 전류가 다 전달되어 전류가 0인 순간을 알려주는 block이다. ZCS가 전류가 0인 시점을 정확하게 찾을수록 Zero Current Switching 동작을 제때 할 수 있으며 효율 또한 높아진다. 일반적으로 사용되는 다양한 ZCS 방법들은 power소모, 정확도, area등 에서 단점을 가지고 있다. 본 논문에서는 기존에 사용되는 ZCS방법들 보다 power소모를 줄이고 정확도를 높인 새로운 구조를 제안하고자 한다.</p><h1>II. 본론</h1><h2>1. 기존의 ZCS 방법들</h2><p>일반직인 ZCS 방법으로는 clk 기반의 comparator를 이용하거나, analog comparator, delay line 등을 이용한 방법들이 있다. 그러나 이 방법들은 각각의 단점을 가지고 있다.</p><p>Clk 기반의 comparator는 전류가 0인 시점을 빠르고 정확하게 잘 찾아내지만 power 소모가 큰 단점이 있다. Analog comparator는 power 소모는 적지만 comparator의 두 입력이 같은 순간으로부터 결과가 나오기 까지 오랜 시간이 걸리고 결과를 빨리 나오게 하려면 많은 전류를 사용해야하므로 power 소모가 증가한다. delay line을 사용하는 ZCS방법은 수많은 gate들이 들어가기 때문에 area즉면에서 큰 단점을 가지고 있다.</p><h2>2. 제안하는 ZCS 방법</h2><h3>가. 새로운 ZCS 동작 원리</h3><p>이 논문에서 제안할 새로운 ZCS 구조는 analog comparator를 이용한 ZCS 구조와 delay line을 이용한 ZCS 구조의 장점들을 이용해 만든 구조이다. Delay line은 코드로 delay의 정도를 조절하여 전류가 0인 순간을 맞추어 간다. 그러나 새로 제안할 구조는 analog comparator 구조에 delay line처럼 코드를 이용하여 offset의 정도를 조절하는 것이다. 그림 2.처럼 offset의 정도를 조절하여 \( \mathrm{V}_{\mathrm{SW}} \) 와 \( \mathrm{V}_{\text {load }} \)가 만나는 지점을 조절한다. \( \mathrm{V}_{\mathrm{SW}} \) 와\( \mathrm{V}_{\text {loasd }} \)가 만나는 지점이 \( \mathrm{V}_{\text {load{-}offsect }} \) 으로 조절되면 comparator의 출력이 나오는 시점이 조절되므로 offset을 조절하여 PMOS on time을 조절 할 수 있다.</p><p>제안하는 구조는 analog comparator를 이용한 ZCS 구조 보다 더 적은 power를 사용하고 delay line을 이용한 ZCS 구조보다 더 적은 면적을 사용하며 전류가 0인 지점을 정확하게 찾아갈 수 있다. 그림 3.은 새롭게 제안하는 offset controlled 방식의 ZCS의 회로도 이다. 그림 3.을 보면 analog comparator 구조를 기반으로 6bit 코드를 사용하여 offset이 조절가능하게 만든 것을 알 수 있다. 입력신호가 들어오는 MOS들은 코드와 맞게 Size를 binary로 설정하였다. 입력되는 코드가 낮을수록 연결되는 MOS가 적어지고 offset의 정도가 커지게 되므로 출력이 더 빠르게 나와 Zero Current Switching 하는 순간을 앞당기게 된다. 입력되는 코드가 높을수록 연결되는 MOS가 많아지고 offset의 정도가 작아지게 되므로 출력이 더 늦게 나와 Zero Current Switching 하는 순간이 뒤로 더 밀어지게 된다.</p>
|
[
"Zero Current Switching 동작을 제대로 수행하려면 ZCS가 전류가 몇일 때를 정확히 감지해야 해?",
"본문에서 제안하는 새로운 구조의 ZCS 방법들은 보편적으로 사용되는 방법들의 어떤 단점을 개선하기 위한 거야?",
"일반직인 ZCS 방법에 해당하는 것은 뭐야?",
"일반적인 ZCS 방법 중, Clk 기반의 comparator를 이용하는 것은 power 소모가 적고 전류가 0인 시점도 빠르게 찾아낼 수 있어?",
"일반적인 ZCS 방법 중에서 전류가 0인 시점을 정확하고 빠르게 찾아내지만 power 소모가 많은 방법은 무엇을 이용하는 거야?",
"ZCS방법 중 delay line을 사용하는 것이 area 측면에서 불리한 이유는 무엇이 많이 필요하기 때문이야?",
"본문에서 제안된 ZCS 구조는 clk 기반의 comparator와 delay line을 이용한 방식들의 장점을 모아 만든 거야?",
"Delay line은 코드로 offset의 정도를 조절가능하며, 본문에서 제안된 구조는 코드로 delay의 정도를 조절하는 거야?",
"본문에서 새롭게 제안된 구조에서 코드를 이용하여 그 정도를 조절하고자 하는 것은 뭐야?",
"offset의 정도를 조절하는 것은 무엇들이 맞닥뜨리는 지점을 조절하는 거야?",
"offset을 변화시켜 PMOS on time을 조절할 수 있는 것은 \\( \\mathrm{V}_{\\text {loasd }} \\) 와 \\( \\mathrm{V}_{\\mathrm{SW}} \\) 가 만나는 지점이 무엇으로 조절될 때야?",
"본문에서 제안된 구조와 비교하여 더 많은 power를 소모하는 것은 무엇을 이용한 ZCS 구조야?",
"본문에서 제안된 ZCS 구조는 delay line을 이용한 것보다 면적이 많이 필요해?",
"그림 3.에 제시된 offset controlled 방식의 ZCS 구조는 어떤 코드를 이용하여 offset을 조절하도록 한 거야?",
"그림 3.에서 볼 수 있는 offset controlled ZCS 구조는 어떤 구조를 기반으로 한 거야?",
"본문에서 새롭게 제안된 offset controlled 방식의 ZCS 구조는 analog comparator 구조를 기반으로 하여 offset 조절은 불가능한 구조야?",
"Size가 코드에 맞게 binary로 설정되어 입력신호가 들어오는 것은 뭐야?",
"입력되는 코드가 낮을 경우에 대한 설명으로 옳은 것은 뭐야?",
"입력되는 코드가 높을 때 출력이 더 빨리 나오지만 Zero Current Switching 하는 순간은 뒤로 밀리게 돼?",
"본문에서 제안된 ZCS는 고 전력 부스트 컨버터에 적용하여 열전 변환 에너지 하베스팅을 하기 위한 거야?",
"본문에서 제안된 ZCS를 활용하여 Zero Current Switching을 하면 아날로그 비교기를 사용하는 방식보다 면적에서 이점이 있는 거야?",
"본문에서 제시한 ZCS를 사용하여 Zero Current Switching하는 방식보다, 면적에서 불리한 기존의 Zero Current Switching 방법은 무엇을 이용하는 거야?",
"같은 성능을 내기 위해서, 본문에서 제안된 ZCS를 사용하는 것은 아날로그 비교기를 이용한 기존 Zero Current Switching 방식보다 몇 배 정도 적은 파워를 사용해?",
"DCM이 중요한 것은 ZCS를 지원하는 boost converter의 정상적 동작을 위해서야?",
"Analog comparator는 약간의 전류로도 결과를 빨리 얻을 수 있어?",
"Boost converter에서 전류가 0이 되는 때를 알려주는 block은 뭐야?"
] |
8c6adc48-9983-4854-9159-56b11b942d24
|
인공물ED
|
저 손실 열전변환 하베스팅을 위해 제로전류센서의 오프셋을 조절하는 부스트 컨버터
|
<h3>나. 새로운 ZCS 동작 구현</h3><p>새로운 ZCS 구조로 인덕터 전류가 0인 지점을 정확히 찾기 위해서는 현재 PMOS 스위치가 인닉터 전류가 0인 지점보다 연결이 빨리 끊겼는지 늦게 끊겼는지 여부를 아는 것이 중요하다. 그 여부는 \( V_{\mathrm{SW}} \)의 상태를 보고 파악 할 수 있다. PMOS 스위치가 늦게 닫힌 경우에는 \( \mathrm{V}_{\mathrm{SW}} \) 노드가 아래로 떨어지게 된다. PMOS 스위치가 빨리 닫힌 경우에는 \( \mathrm{V}_{\mathrm{SW}} \) 노드가 위로 올라가게 된다. 따라서 \(\mathrm{V}_{\mathrm{SW}} \) 노드의 상태를 감지하여 코드를 어떻게 조절 할지 여부를 결정할 수 있다. 그림 4.처럼 Detec_1, Detec_2 신호로 \( \mathrm{V}_{\mathrm{SW}} \) 노드의 순간 값을 가져오고 두 값을 게이트로 이루어진 회로를 통해 up/down 카운터를 up으로 동작시킬지 down으로 동작시킬지 결정한다. 카운터가 up 이나 down으로 동작한 이후 6bit의 결과를 offset controlled ZCS에서 사용하는 comparator에 넘겨주면 offset의 정도를 정하여 PMOS의 on time인 \( \mathrm{Clk}_{\mathrm{MP}} \) 를 결정한다. Detec_1이 시작, Detec_2가 끝인 윈도우를 만들고 \( \mathrm{V}_{\mathrm{SW}} \) 에 윈도우를 적용한다. 그림 4.(a)처럼 원도우 보다 앞에서 \( \mathrm{V}_{\mathrm{SW}} \)가 1에서 0으로 바뀌면 offset을 줄이고 그림 4.(b)처럼 원도우 보다 뒤에서 \( \mathrm{V}_{\mathrm{SW}} \)가 1에서 0으로 바뀌면 offset을 늘린다. 그림 4.(c)처럼 원도우 안에서 \( \mathrm{V}_{\mathrm{SW}} \)가 1에서 0으로 바뀌면 offset을 유지한다.</p><h3>다. 다른 ZCS 구조와 비교</h3><p>그림 5는 동일한 상황에서 다른 ZCS 구조를 비교하기 위한 결과이다. 표 1.은 다른 ZCS 구조를 bias전압, power, PMOS on time, 인덕터 전류의 negative peak 전류 등을 정리한 표이다. 그림 6은 제안하는 구조의 전반적인 회로도이다.</p><p>그림 5.(a)는 새로 제시한 ZCS구조의 PMOS, NMOS 스위칭 시간과 인덕터 전류 그래프이다. 그림 5.(b)는 analog comparator 이용하여 새로 제시한 ZCS구조와 같은 값의 bias 전압을 걸어서 같은 전류량을 사용했을 때 결과이다. 그림 5.(c)는 analog comparator를 이용하여 새로 제시한 ZCS구조와 비슷한 PMOS on time 결과를 만들어내기 위해 bias전압을 조절해 전류량을 증가시킨 결과이다.</p><p>그림 5.(a)와 그림 5.(c)처럼 새로운 ZCS 구조와 비슷한 결과를 analog comparator로 얻기 위해서는 표 1 .처럼 더 많은 전류량이 필요하다. 하지만 사용하는 power의 양은 10배 정도 차이가 난다. 새로운 ZCS구조와 같은 양의 전류량으로 analog comparator를 동작시키면 사용하는 power의 양은 비슷하지만 PMOS 스위칭 동작을 그림5(a) 의 스위칭 시간보다 그림5(b)의 스위칭 시간이 대략 2배 정도 차이가 나는 것을 알 수 있다.</p><p>Delay line은 성능적인 면에서는 새로 제시한 ZCS 구조와 비슷하지만 delay를 조절하기 위해서 수많은 gate들이 들어간다. Inverter나 nand gate를 이용하여 delay line을 만들면 보통 수십 pico단위의 delay 밖에 걸리지 않기 때문에 그림 5.(a)와 비슷한 \( 1.2 \mathrm{u} \) 정도의 시간을 delay line으로 설계하기 위해서는 많은 면적이 필요하다. 또한 delay line은 delay range를 정하여 설계를 진행하면 이후에는 그 이상의 범위를 조절 할 수 없다. 따라서 Zero Current Switching에 필요한 p_on_time의 pulse width가 delay range를 벗어나면 항상 손실이 발생한다. 하지만 새로 제시한 ZCS 구조는 analog comparator를 기반으로 offset을 조절하기 때문에 Zero Current Switching에 필요한 p_on_time의 pulse width가 길어도 Zero Current Switching이 가능하다.</p><table border><caption>표 1. 새로운 ZCS 구조와 아날로그 비교기 ZCS 구조의 파워 비교</caption><tbody><tr><td></td><td>Offset-controlled ZCS</td><td colspan=4>Analog Comparator</td></tr><tr><td>\( V_{\text {bias }} \)</td><td>\( 1.3 \mathrm{~V} \)</td><td>\( 1.3 \mathrm{~V} \)</td><td>\( 1 \mathrm{~V} \)</td></tr><tr><td>Power</td><td>\( 1.0911 \mathrm{uW} \)</td><td>\( 1.0956 \mathrm{uW} \)</td><td>\( 12.7881 \mathrm{uW} \)</td></tr><tr><td>P_on_time</td><td>\( 1.221 \mathrm{us} \)</td><td>\( 2.528 \mathrm{us} \)</td><td>\( 1.426 \mathrm{us} \)</td></tr><tr><td>\( I_{L_{-} p k} \)</td><td>\( -1.42 \mathrm{~mA} \)</td><td>\( -13.71 \mathrm{~mA} \)</td><td>\( -2.76 \mathrm{~mA} \)</td></tr></tbody></table><h1>III 결론</h1><p>TEG를 에너지원으로 이용한 boost converter에 사용하는 새로운 ZCS구조를 이 논문을 통해서 소개하였다. 기존에 사용하던 analog comparator방법과 delay line을 이용한 방법의 장점을 혼합하여 만든 구조이며 analog comparator보다 power에서 장점을, delay line보다 area에서 장점을 가지고 delay line과 달리 delay range에 의한 제약을 받지 않는다. 이처럼 새롭게 제시한 ZCS 구조를 이용하여 Zero Currnet Switcing 동작을 했을 때 정확하고 더욱 높은 효율의 boost converter 동작을 구현할 수 있다.</p>
|
[
"그림 4.(a)처럼 원도우 보다 앞에서 \\( \\mathrm{V}_{\\mathrm{SW}} \\)가 0에서 1로 바뀌면 offset을 줄였어?",
"현재 PMOS 스위치가 인닉터 전류가 0인 지점보다 연결이 빨리 끊겼는지 늦게 끊겼는지 여부는 무엇의 상태를 보고 알 수 있어?",
"PMOS 스위치가 늦게 닫힌 경우에는 \\( \\mathrm{V}_{\\mathrm{SW}} \\) 노드가 아래로 떨어지게 되니?",
"\\( \\mathrm{V}_{\\mathrm{SW}} \\) 노드의 순간 값은 무슨 신호로 가져올 수 있어?",
"카운터가 up 이나 down으로 동작한 이후 몇 bit의 결과를 comparator에 넘겨주었어?",
"Detec_1, Detec_2가 모두 시작인 윈도우를 만들었어?",
"그림 5에서 볼 수 있는 결과는 무엇이니?",
"표 1.에서 볼 수 있는 구조는 무엇이야?",
"제안하는 구조의 전반적인 회로도를 볼 수 있는 것은 무엇이야?",
"그림 5.(a)는 인덕터 전류 그래프와 함께 무엇을 확인할 수 있어?",
"사용하는 power의 양은 비슷하지만 스위칭 시간이 대략 2배 정도 차이가 나게끔 하려면 어떻게 해야 하니?",
"새로 제시한 ZCS 구조는 무엇을 기반으로 offset을 조절하였어?",
"새롭게 제시한 ZCS 구조를 이용하여 Zero Currnet Switcing 동작을 했을 때 정확하고 더욱 높은 효율의 boost converter 동작을 구현할 수 있게 되었어?",
"ZCS구조는 analog comparator보다 area에서 장점을, delay line보다 power에서 장점을 가지고 있어?",
"ZCS구조는 analog comparator방법과 delay line을 이용한 방법의 장점을 혼합하여 만든 구조이니?",
"delay line과 달리 delay range에 의한 제약을 받지 않는 것이 옳아?",
"comparator에서는 offset의 정도를 정하여 PMOS의 on time인 무엇을 결정하니?",
"그림 4.(c)처럼 원도우 안에서 \\( \\mathrm{V}_{\\mathrm{SW}} \\)가 1에서 0으로 바뀌면 offset을 유지하였어?",
"그림 5.(b) 는 analog comparator 이용하여 새로 제시한 ZCS구조와 같은 값의 bias 전압을 걸어서 다른 전류량을 사용했을 때 결과이니?",
"그림 5.(a)와 그림 5.(c)처럼 새로운 ZCS 구조와 비슷한 결과를 analog comparator로 얻기 위해서는 표 1 .보다 더 적은 전류량이 필요하니?",
"사용하는 power의 양은 몇 배 정도 차이가 나니?",
"성능적인 면에서 새로 제시한 ZCS 구조와 비슷한 것은 무엇이야?",
"delay를 조절하기 위해서 소량의 gate들이 들어가니?",
"Zero Current Switching에 필요한 p_on_time의 pulse width가 짧을 때만 Zero Current Switching이 가능하니?",
"boost converter에 무엇을 에너지원으로 이용하였어?",
"결론에 말하고자 하는 내용은 무엇이야?",
"본 논문에는 무엇을 다루고 있어?",
"새로운 ZCS 구조로 인덕터 전류가 0인 지점을 정확히 찾기 위해서는 현재 PMOS 스위치가 인닉터 전류가 0인 지점보다 연결이 빨리 끊겼는지 늦게 끊겼는지 여부를 아는 것이 중요하니?",
"PMOS 스위치가 빨리 닫힌 경우에는 \\( \\mathrm{V}_{\\mathrm{SW}} \\) 노드가 위로 올라가게 되는 것이 옳아?",
"코드를 어떻게 조절 할지 여부는 무엇의 상태를 보고 결정하니?",
"표 1.에서 인덕터 전류의 negative peak 전류도 확인할 수 있어?",
"표 1. 에서 볼 수 있는 것은 무엇이야?",
"표 1. 이 나타내고 있는건 뭐야?",
"표 1.에서 Offset-controlled ZCS의 Power의 양은 얼마야?",
"표 1.에 따르면 Power 중 Offset-controlled ZCS에 해당하는 건 몇이야?",
"Analog Comparator는 1V일 때 Power값은 얼마야?",
"Analog Comparator의 \\( V_{\\text {bias }} \\)가 \\( 1 \\mathrm{~V} \\)일 때의 Power는 몇인가?",
"Offset-controlled ZCS이 1.3 V일 때 P_on_time 값은 얼마니?",
"Offset-controlled ZCS에서 P_on_time의 값은 얼마야?",
"Offset-controlled ZCS의 \\( I_{L_{-} p k} \\)의 값은 얼마야?",
"표 1에 따르면 Offset-controlled ZCS의 \\( I_{L_{-} p k} \\)의 값은 몇으로 나타나?"
] |
26f7df20-5a91-4393-9254-bd49a75fa342
|
인공물ED
|
AC PDP의 효율 향상을 위한 비대칭형 금속전극구조
|
<p>그림 5, 그림 6, 그림 7은 각각의 전극구조의 전압을 변화시켰을 때 단위 펄스당 소비전력, 휘도, 효율을 비교한 것으로 주파수가 \( 10 \mathrm{kHz} \)인 Sustain pulse를 인가하고, 각각의 전극구조의 정마진내의 중간전압인 \( \mathrm{V}_{mean} \) 전압값을 기준으로 상하 \( 10 \mathrm{V} \)단위로 나누어서 소비전력을 측정, 비교하였다.</p><p>먼저 그림 5에서 알 수 있듯이, 제안된 모든 구조가 Conventional ITO 구조에 비해 소비전력이 감소하였다. Asymmetric \( \Pi \) 구조가 Symmetric \( \Pi \) 구조에 비하여 전압대별 평균 \( 2 \% \)감소하였고, Asymmetric \( \Pi \)_hump 구조가 Symmetric \( \Pi \)_hump 구조에 비하여 평균 \( 3 \% \)감소하였다. 이는 표 3에서 알 수 있듯 비대칭 전극형태가 되면서 수직방향의 전극이 대칭구조에 비해 하나씩 감소하게 되므로 방전 공간 내의 전극면적이 각각 \( 17.2 \%, 6.2 \% \) 씩 감소하였기 때문으로 볼 수 있다. 제안된 네 가지 구조들 중 가장 소비전력이 낮은 구조인 Asymmetric \( \Pi \) 구조의 소비전력은 Conventional ITO 구조의 \( 79 \% \)까지 감소하였다.</p><table border><caption>표 3 Conventional ITO구조와 제안된 구조들의 전극면적</caption><tbody><tr><td></td><td>전극면적\( [m^{2}] \)</td></tr><tr><td>(a)Conventional ITO</td><td>\( 1.67 \times 10^{-7} \)</td></tr><tr><td>(b)Symmetric \( \Pi \)</td><td>\( 6.58 \times 10^{-8} \)</td></tr><tr><td>(c)Asymmetric \( \Pi \)</td><td>\( 5.45 \times 10^{-8} \)</td></tr><tr><td>(d)Symmetric \( \Pi \)_hump</td><td>\( 6.78 \times 10^{-8} \)</td></tr><tr><td>(e)Asymmetric \( \Pi \)_hump</td><td>\( 6.36 \times 10^{-8} \)</td></tr></tbody></table><p>그림 6은 각각의 전극구조의 전압을 변화 시켰을 때 휘도를 비교한 것으로 Asymmetric \( \Pi \) 구조가 Symmetric \( \Pi \) 구조에 비하여 약 \( 5\% \) 증가하였고, Asymmetric \( \Pi \)_hump 구조가 Symmetric \( \Pi \)_hump 구조에 비하여 약 \( 7\% \) 증가하였다. 이는 비대칭 전극형태가 되면서 수직방향의 전극이 대칭구조에 비해 하나씩 감소하게 되므로 개구율이 증가하였기 때문이라고 생각된다. 제안된 네가지 구조들 중 가장 휘도가 높은 Asymmetric \( \Pi \)_hump 구조의 휘도는 Conventional ITO 구조 휘도의 \( 89 \% \)수준이었다.</p><p>그림 7은 각각의 전극구조의 전압을 변화 시켰을 때 효율을 비교한 것으로 Asymmetric \( \pi \) 구조가 Symmetric \( \pi \) 구조에 비하여 \( 2 \% \) 증가하였고, Asymmetric \( \Pi \)_hump 구조가 Symmetric \( \Pi \)_hump 구조에 비하여 \( 3 \% \) 증가하였다. 제안된 네 가지 구조들 중 가장 효율이 좋은 Asymmetric \( \Pi \) _hump 구조의 효율는 Conventional ITO 구조의 효율과 비교했을 때 최고 \( 107 \% \)까지 상승하였다.</p>
|
[
"그림 5, 6, 7은 전압에 따라 달라진 내용을 어떻게 표현한 거야?",
"제안된 구조 전체를 Conventional ITO 구조와 비교했을 때, 소비전력은 어떻게 달라졌어?",
"Conventional ITO 구조의 전극면적은 얼마인가?",
"Symmetric \\( \\Pi \\) 구조에 비해 Asymmetric \\( \\Pi \\) 구조의 휘도값은 어떻게 변화했어?",
"Asymmetric \\( \\Pi \\) 구조는 Symmetric \\( \\Pi \\) 구조와 비교 시, 소비전력이 어떻게 변했어?",
"Asymmetric \\( \\Pi \\)_hump 구조는 Symmetric \\( \\Pi \\)_hump 구조보다 소비전력이 어떻게 줄어들었어?",
"그림 6에서 Asymmetric \\( \\Pi \\)_hump 구조는 Symmetric \\( \\Pi \\)_hump 구조보다 휘도가 어떻게 달라졌어?",
"제안된 구조들 중 전극면적이 가장 작은 구조는 이름이 무엇인가?",
"\\( 6.78 \\times 10^{-8} \\)의 전극면적을 가진 구조는 (a), (b), (c), (d), (e) 중 어느 것인가?",
"표 3의 (c)구조는 전극면적값이 몇인가?",
"Symmetric \\( \\Pi \\)의 전극 면적은 얼마인가?"
] |
f6d45790-1fc7-4248-8a97-85fd0cd9385c
|
인공물ED
|
AC PDP의 효율 향상을 위한 비대칭형 금속전극구조
|
<h1>3. 실험 결과 및 고찰</h1><p>표 2는 Conventional ITO 전극구조를 비롯한 모든 제안된 전극구조들의 정마진 특성을 나타내고 있다. 이 표에서 \( \mathrm{Vf}_\mathrm{min} \)은 panel에 전압을 인가해 주었을 때 첫 번째 셀이 on되는 전압이고(이하 방전개시전압이라 칭함), \( \mathrm{Vf}_{max} \)는 모든 셀이 on되는 전압이다. 그리고 \( \mathrm{Vs}_\mathrm{max} \)는 방전이 된 모든 셀의 전압을 점차 낮추었을 때 첫 번째 셀이 off될 때의 전압이며 \( \mathrm{Vs}_\mathrm{min} \) 은 모든 셀이 off될 때의 전압이다. 이때 \( \mathrm{Vf}_\mathrm{min} \)에서 \( \mathrm{Vs}_\mathrm{max} \)를 뺀 값이 PDP panel이 동작가능한 정적마진이고, 이 구간의 중간값, 즉 \( (\mathrm{Vf}_\mathrm{min}+\mathrm{Vs}_\mathrm{max}) \)/2인 전압이 \( \mathrm{V}_{mean} \)이다.</p><p>표 2에서 볼 수 있듯이 제안된 모든 구조가 Conventional ITO 구조보다 방전개시전압이 증가하였다. 이는 Conventional ITO 구조의 sustain 전극 간 gap이 제안된 구조들에 비해 작기 때문에 비교적 낮은 전압에서 방전이 개시되는 것이라고 볼 수 있다. 비대칭 구조와 대칭구조는 Symmetric \( \Pi \) 구조와 Asymmetric \( \Pi \) 구조가 각각 \( 257\mathrm{V} \), \( 258\mathrm{V} \), Symmetric \( \Pi \)_hump 구조와 Asymmetric \( \Pi \)_hump 구조가 각각 \( 279 \mathrm{V}, 280 \mathrm{V} \)로 방전개시전압이 거의 동일하였는데, 이는 두 구조의 sustain전극간 gap이 동일하였기 때문이라고 볼 수 있다. 그리고 또한 돌기를 도입한 구조가 도입하지 않은 구조에 비하여 방전개시전압이 \( 21\sim 23\mathrm{V} \) 상승하였는데, 이는 돌기 도입으로 인하여 수평으로 마주보는 sustain 전극 간 gap이 각각 \( 100 \mathrm{um} \)에서 \( 200 \mathrm{um} \)로 증가했기 때문이라고 볼 수 있다.</p><table border><caption>표 2 정마진 특성</caption><tbody><tr><td></td><td>\( \mathrm{Vf}_{max} \)[\( \mathrm{V} \)]</td><td>\( \mathrm{Vf}_{min} \)[\( \mathrm{V} \)]</td><td>\( \mathrm{Vs}_{max} \)[\( \mathrm{V} \)]</td><td>\( \mathrm{Vs}_{min} \)[\( \mathrm{V} \)]</td><td>정적마진[\( \mathrm{V} \)]</td><td>\( \mathrm{V}_{mean} \)[\( \mathrm{V} \)]</td></tr><tr><td>(a)Conventional ITO</td><td>241</td><td>234</td><td>185</td><td>142</td><td>56</td><td>209.5</td></tr><tr><td>(b)Symmetric \( \Pi \)</td><td>262</td><td>257</td><td>207</td><td>173</td><td>55</td><td>232</td></tr><tr><td>(c)Asymmetric \( \Pi \)</td><td>263</td><td>258</td><td>208</td><td>171</td><td>55</td><td>233</td></tr><tr><td>(d)Symmetric \( \Pi \)_hump</td><td>282</td><td>279</td><td>221</td><td>197</td><td>61</td><td>250</td></tr><tr><td>(e)Asymmetric \( \Pi \)_hump</td><td>285</td><td>280</td><td>223</td><td>198</td><td>62</td><td>251.5</td></tr></tbody></table>
|
[
"본문의 표에서 \\( \\mathrm{Vf}_\\mathrm{min} \\)은 어떻게 발생한 전압이야?",
"제안된 구조들은 Conventional ITO 구조에 비해서 방전개시전압이 어떻게 변했어?",
"sustain 전극들 사이의 간격이 제안된 구조들보다 작으면 어떻게 돼?",
"표 2에서 (a)구조는 정적마진값이 얼마인가?",
"(c)Asymmetric \\( \\Pi \\)와 정적마진값이 동일한 구조는 이름이 무엇인가?",
"(d)Symmetric \\( \\Pi \\)_hump 구조의 정마진 특성 중 최고값은 어느 것에서 나타났나?",
"정마진 특성을 비교한 표에서, \\( \\mathrm{Vs}_{max} \\)[\\( \\mathrm{V} \\)]의 값이 150미만인 것은 어느 구조인가?",
"\\( \\mathrm{V}_{mean} \\)[\\( \\mathrm{V} \\)]의 값이 250을 초과하는 값을 갖는 구조는 이름이 무엇인가?",
"\\( \\mathrm{Vs}_\\mathrm{max} \\)는 방전된 모든 셀의 전압을 어떻게 처리해서 생성된 전압이야?",
"돌기가 없는 구조에 비해 돌기가 있는 구조는 방전개시전압이 어떻게 달라졌어?",
"\\( \\mathrm{Vf}_{max} \\)[\\( \\mathrm{V} \\)]의 값이 가장 높게 나온 것은 어느 구조인가?",
"(b)Symmetric \\( \\Pi \\)의 특성 중 가장 낮은 값을 보인 항목은 이름이 무엇인가?",
"표 2의 171은 어느 구조의 특성값 중 하나인가?",
"표 2에서 (b)구조가 207값을 갖는 특성은 무엇인가?"
] |
b5be938d-62ea-493e-a41d-1a4d76eda139
|
인공물ED
|
AC PDP의 효율 향상을 위한 비대칭형 금속전극구조
|
<p>그림 8의 Conventional ITO 전극구조와 제안된 전극구조들의 방전을 ICCD로 찍은 사진이다. 비대칭형 구조인 Asymmetric \( \Pi \) 구조와 Asymmetric \( \Pi \)_hump 구조의 경우 두 sustain 전극의 모양이 다르므로, 각각의 sustain 전극이 cathode가 되는 두 경우로 나누어서 측정하였다.</p><p>그림 8의 (d),(f)에서 볼 수 있듯이 세로형 전극이 2개인 쪽이 cathode일 때 case1이라 하였고 (e),(g)에서와 같이 1개인 쪽이 cathode 일 때 case2라 하였다.</p><p>표 4는 ICCD측정 결과를 토대로 Conventional ITO 전극구조와 제안된 전극구조들의 방전개시시간, 방전지속시간, peak방전시간을 계산하여 표로 나타낸 것이다. 이때 방전개시시간은 두 sustain 전극 간에 방전이 개시되어 방전전류가 흐르면서 발광하기 시작하는 시간이고, 방전지속시간은 방전이 시작된 시점으로부터 방전이 종료되는 시점까지의 시간이며, peak방전시간은 방전이 시작되어 방전이 가장 세게 일어날 때까지의 시간을 의미한다.</p><table border><caption>표 4 Conventional ITO구조와 제안된 구조들의 ICCD 분석결과</caption><tbody><tr><td colspan=2></td><td>방전시작 시간 \( [\mathrm{nsec}] \)</td><td>방전지속 시간 \( [\mathrm{nsec}] \)</td><td>Peak방전 시간 \( [\mathrm{nsec}] \)</td></tr><tr><td colspan=2>(a)Conventional ITO</td><td>520</td><td>220</td><td>160</td></tr><tr><td colspan=2>(b)Symmetric \( \Pi \)</td><td>560</td><td>180</td><td>60</td></tr><tr><td rowspan=2>(c)Asymmetric \( \Pi \)</td><td>case1</td><td>560</td><td>180</td><td>100</td></tr><tr><td>case2</td><td>560</td><td>200</td><td>100</td></tr><tr><td colspan=2>(d)Symmetric \( \Pi \)_hump</td><td>560</td><td>200</td><td>60</td></tr><tr><td rowspan=2>(e)Asymmetric \( \Pi \)_hump</td><td>case1</td><td>600</td><td>220</td><td>120</td></tr><tr><td>case2</td><td>580</td><td>240</td><td>120</td></tr></tbody></table><p>표 4를 참고하면 돌기의 도입과 비대칭형 전극의 도입이 방전지속시간 및 peak방전시간의 증가를 가져온 것을 알 수 있다. 또한 이 ICCD 분석결과롤 그림 6의 인가전압에 따른 휘도변화 그래프와 비교해 보면 제안된 전극구조의 경우 방전지속시간이 긴 구조일수록 휘도가 큰 수치를 나타내는 것을 볼 수 있는데, 이는 방전이 장시간 지속되어 정해진 펄스 시간 내에서 발광하는 시간이 길어져 휘도가 증가한 것으로 예상할 수 있다.</p><p>그림 9의 (a)와 (b)는 그림 4와 같은 인가파형(ADS)으로 구동했을 때 Conventional ITO 전극구조와 제안된 전극구조들의 주사(addressing)구간에서 측정된 광파형을 검출한 것으로 측정시의 address 전압은 \( 75 \mathrm{V} \)가 인가되었다.</p><p>표 5는 그림 9의 광파형 분산 측정 결과를 토대로 Conventional ITO 전극구조와 제안된 전극구조들의 형성늦음시간\( (\mathrm{Tf}) \)과 통계적늦음시간\( (\mathrm{Ts}) \)을 계산하여 표로 나타낸 것이다. 제안된 모든 구조는 Conventional ITO 구조에 비하여 \( \mathrm{Ts} \)와 \( \mathrm{Tf}+\mathrm{Ts} \)시간이 짧았다. 제안된 네가지 구조들 중 가장 jitter 특성이 좋은 Symmetric \( \Pi \)_hump 구조는 Conventional ITO 구조에 비하여 \( \mathrm{Tf} \)와 \( \mathrm{Ts} \)가 각각 \( 35 \% \), \( 15 \% \) 감소하여 \( \mathrm{Ts}+\mathrm{Tf} \)가 \( 30 \% \) 감소하였다.</p><table border><caption>표 5 Conventional ITO구조와 제안된 구조들의 Addressing jitter 분석결과</caption><tbody><tr><td></td><td>형성늦음 \( (\mathrm{Tf}) \)\( [\mathrm{nsec}] \)</td><td>통계적늦음 \( (\mathrm{Ts}) \)\( [\mathrm{nsec}] \)</td><td>\( \mathrm{Ts}+\mathrm{Tf} \)\( [\mathrm{nsec}] \)</td></tr><tr><td>(a)Conventional ITO</td><td>895</td><td>763</td><td>1658</td></tr><tr><td>(b)Symmetric \( \Pi \)</td><td>777</td><td>868</td><td>1645</td></tr><tr><td>(c)Asymmetric \( \Pi \)</td><td>747</td><td>595</td><td>1342</td></tr><tr><td>(d)Symmetric \( \Pi \)_hump</td><td>553</td><td>653</td><td>1206</td></tr><tr><td>(e)Asymmetric \( \Pi \)_hump</td><td>653</td><td>789</td><td>1442</td></tr></tbody></table>
|
[
"방전이 시작되는 시간이 560\\(\\mathrm{nsec}\\)이고 그후로 방전이 종료되는 시점까지의 시간이 180\\(\\mathrm{nsec}\\)로 분석된 구조는 무엇인가?",
"세로형 전극이 1개인 cathode의 방전전류가 흐르기 시작하는 시간은 몇 \\(\\mathrm{nsec}\\)인가?",
"제안된 구조 중의 하나로, 세로형 전극이 2개인 쪽이 cathode인 경우와 세로형 전극이 1개인 쪽이 cathode인 경우의 방전시작 시간이 560\\(\\mathrm{nsec}\\) 로 똑같은 양상을 보이는 구조는 무엇인가?",
"Addressing jitter 분석결과를 살펴보면 Conventional ITO의 \\((\\mathrm{Ts})\\)값은 얼마인가?",
"Conventional ITO 전극구조의 경우 형성늦음과 통계적늦음 시간의 합은 얼마인가?",
"형성늦음 시간이 895\\(\\mathrm{nsec}\\), 통계적늦음 시간이 763\\(\\mathrm{nsec}\\)인 구조는 무엇인가요?",
"형성늦음 시간이 777\\(\\mathrm{nsec}\\)인 구조의 통계적늦음시간은 언제인가?",
"\\( \\mathrm{Tf}\\)가 747\\(\\mathrm{nsec}\\)이고 \\( \\mathrm{Ts}\\)가 595\\(\\mathrm{nsec}\\) 값을 가지는 구조의 종류는 무엇인가요?",
"형성늦음이 553\\(\\mathrm{nsec}\\), 통계적늦음이 653\\(\\mathrm{nsec}\\)으로 측정된 구조는 무엇인가?",
"Conventional ITO구조의 경우 방전이 시작되는 시간은 몇 \\( [\\mathrm{nsec}] \\)인가?",
"Conventional ITO구조의 경우 sustain 전극 사이에 방전이 시작되어 끝나는 시점까지의 시간은 얼마인가?",
"sustain 전극 사이에서 대전체가 전하를 잃는 과정이 시작되는 시간이 520 \\( [\\mathrm{nsec}] \\)로 나타난 구조는 무엇인가?",
"Conventional ITO구조는 방전이 시작된 후로 가장 강하게 일어나는 시점은 몇 \\( [\\mathrm{nsec}] \\)일 때 인가요?",
"Conventional ITO 전극구조의 형성늦음시간은 얼마인가?",
"Asymmetric \\( \\Pi \\)의 방전 개시와 종료 시점 시간이 180\\(\\mathrm{nsec}\\)일 때 방전의 최고치를 찍는 시간은 몇 \\(\\mathrm{nsec}\\)일 때인가?",
"Asymmetric \\( \\Pi \\)_hump구조의 방전시작 시간이 600\\( \\mathrm{nsec} \\)일 경우 방전의 시작부터 끝 시점인 방전지속 시간은 얼마인가?",
"Asymmetric \\( \\Pi \\)구조에서 세로형 전극이 1개인 부분을 cathode로 할 때의 방전지속 시간은 얼마인가?",
"Asymmetric \\( \\Pi \\)_hump에서 \\( \\mathrm{Ts}+\\mathrm{Tf} \\)는 몇 \\(\\mathrm{nsec}\\)인가?",
"\\( \\mathrm{Ts}+\\mathrm{Tf} \\)의 값이 1442\\(\\mathrm{nsec}\\)인 구조의 이름은 무엇인가요?",
"Symmetric \\( \\Pi \\) 구조의 경우 방전전류가 흐르며 방전이 시작되는 시간은 몇 \\( \\mathrm{nsec} \\)인가?",
"Symmetric \\( \\Pi \\)의 ICCD를 분석했을 때, 방전이 지속되는 시간은 얼마였나요?",
"제안된 구조들의 ICCD를 분석한 결과 Symmetric \\( \\Pi \\)구조가 최대로 방전하는 시간은 몇 \\(\\mathrm{nsec}\\)이었나요?",
"Asymmetric \\( \\Pi \\) 구조 중에 세로형 전극이 2개인 경우 방전 시작부터 끝나는 시점까지 걸리는 시간이 몇 \\(\\mathrm{nsec}\\)인가요?",
"Asymmetric \\( \\Pi \\)구조에서 방전이 개시되는 시간이 560\\(\\mathrm{nsec}\\)이고, 이후로 방전이 끝나는 시점까지의 시간이 200\\(\\mathrm{nsec}\\)인 경우 Peak방전 시간은 몇 \\(\\mathrm{nsec}\\)인가요?",
"Symmetric \\( \\Pi \\)_hump구조의 경우 방전이 시작되어 방전전류가 발광하기 시작하는 시간은 몇 \\(\\mathrm{nsec}\\)인가?",
"ICCD 측정 결과를 분석했을 때 Symmetric \\( \\Pi \\)_hump구조의 경우 방전이 시장 강하게 일어날 때까지의 시간은 몇 \\(\\mathrm{nsec}\\)일 때야?",
"Symmetric \\( \\Pi \\)_hump구조의 경우 전극 사이에 방전이 시작된 시점부터 끝나는 시점까지의 시간을 나타내는 방전지속 시간은 몇 \\(\\mathrm{nsec}\\)야?",
"세로형 전극이 2개인 쪽이 cathode이라면, Asymmetric \\( \\Pi \\)_hump구조의 경우 방전의 최고치를 찍는 때는 몇 \\(\\mathrm{nsec}\\)인가요?",
"제안된 구조인 Asymmetric \\( \\Pi \\)_hump에서 세로형 전극이 2개인 쪽을 cathode로 삼았다면, 방전이 개시되는 시간은 몇 \\(\\mathrm{nsec}\\)인가?",
"(e)Asymmetric \\( \\Pi \\)_hump구조에서 세로형 전극 2개를 cathode로 하는 경우 방전시작 시간은 몇 \\(\\mathrm{nsec}\\)인가?",
"Symmetric \\( \\Pi \\)구조의 형성늦음 시간은 몇 \\(\\mathrm{nsec}\\)인가?",
"제안된 구조 중 하나인 Asymmetric \\( \\Pi \\)는 세로형 전극이 2개인 부분이 cathode인 경우 방전이 시작되는 시간은 몇 \\(\\mathrm{nsec}\\)인가?",
"Asymmetric \\( \\Pi \\)구조의 \\( \\mathrm{Ts} \\)는 몇 \\(\\mathrm{nsec}\\)인가?",
"Symmetric \\( \\Pi \\)_hump에서 형성늦음은 얼마로 계산되는가?",
"Asymmetric \\( \\Pi \\)구조 중 형성늦음이 747, 통계적 늦음이 595 값을 가질 경우 이 둘을 합한 시간은 몇 \\(\\mathrm{nsec}\\)인가?",
"Asymmetric \\( \\Pi \\)구조의 형성늦음 시간은 몇 \\(\\mathrm{nsec}\\)야?",
"Symmetric \\( \\Pi \\)_hump구조의 통계적늦음은 몇 \\(\\mathrm{nsec}\\)야?",
"(e)Asymmetric \\( \\Pi \\)_hump의 경우 방전전류가 흐르기 시작하는 시간대가 580\\(\\mathrm{nsec}\\)이라면 방전 시작부터 끝나는 시점까지의 시간은 몇 \\(\\mathrm{nsec}\\)인가요?",
"Symmetric \\( \\Pi \\)_hump구조의 형성늦음 시간과 통계적늦음 시간을 합하면 몇 \\(\\mathrm{nsec}\\)인가?",
"Symmetric \\( \\Pi \\)구조의 형성늦음시간과 통계적 늦음시간을 합한 값은 얼마야?",
"방전이 개시되는 시간이 580\\(\\mathrm{nsec}\\)이고 전류가 흘러 발광하기 시작하는 시간부터 끝나는 시간까지의 시간이 240\\(\\mathrm{nsec}\\)인 구조의 Peak방전 시간은 얼마야?",
"Asymmetric \\( \\Pi \\)_hump의 형성늦음은 몇 \\(\\mathrm{nsec}\\)인가?",
"\\( \\mathrm{Ts}+\\mathrm{Tf} \\)의 값이 1442\\(\\mathrm{nsec}\\)인 구조의 통계적늦음은 몇 \\(\\mathrm{nsec}\\)인가?"
] |
acf9edf6-81fe-4d01-b2f5-47e5a8a896c1
|
인공물ED
|
2채널 EEG센서를 활용한 운동 심상기반의 어플리케이션 컨트롤
|
<h1>3. 시스템 구성</h1><h2>3.1 전체 시스템 구성</h2><p>본 연구에서의 전체 시스템 구성은 Fig. \(3\)과 같이 구성되어 있으며, 크게 사용자의 뇌파를 측정하기 위한 EEG 센서 모듈을 포함한 하드웨어 부분과 측정한 뇌파를 분석하고 정보를 도출하는 소프트웨어 부분으로 구성된다. 최초 사용자의 두피에서 EEG 센서 모듈을 통해 뇌파를 측정한 후 블루투스를 통해 PC 기반의 어플리케이션으로 데이터를 전송한다. 해당 어플리케이션에서는 SVM(support vector machine)을 통해 데이터를 분석하여 실행한 MI를 도출하여 최종 타깃의 컨트롤을 실행한다.</p><h2>3.2 하드웨어 구성</h2><p>사용자의 EEG 측정을 위해 사용된 EEG 센서는 본 연구에서 자체적으로 제작하였으며 아날로그 회로와 디지털 회로의 두 부분으로 구성되어 있다. 제작된 PCB(Printed Circuit Board)는 Fig. \(4\)와 같이 크기를 줄이기 위해 두 회로를 양면으로 위치시켜 제작 되었으며 총 가로 \( 52 \mathrm{~mm} \), 세로 \( 50 \mathrm{~mm} \)의 작은 크기를 가진다. 아날로그 회로는 최초 두피로부터 생체신호를 획득하고 초기 신호에 포함된 잡음 제거와 신호 증폭을 위한 전처리과정단(preprocessing unit)이 위치하며, 디지털 회로에는 아날로그 회로에서 측정된 신호를 디지털 데이터로 변환하고 PC 어플리케이션과의 호환을 위한 데이터 패킷 설정과 샘플링 주파수 설정 등의 기능을 수행한다. 아래 Fig. \(5\)에서 전체 EEG 센서 모듈의 하드웨어 구성과 신호 측정 흐름을 나타내었다.</p><h3>3.2.1 아날로그 회로</h3><p>아날로그 회로는 두피로부터 최소의 뇌파 신호 유도와 잡음 제거 및 증폭 역할을 수행하며 이를 위해 차동 계측 증폭기, 하이패스 필터, 로우패스 필터, 노치필터, 증폭단으로 구성되어있다. 최초 차동 계측 증폭기에서는 두 전극으로부터 유입되는 두 신호의 동상신호를 제거하게 되며 초기 신호 증폭을 수행한다. 너무 높은 증폭률은 본 신호의 손실을 가져올 수 있기 때문에 \(10\)배의 비교적 낮은 증폭률을 가진다. 이후 하이패스, 로우패스 필터를 통해 필요한 EEG 신호의 주파수 대역을 추출하게 된다. 이후 최종 증폭단에서 \(100\)배의 신호증폭을 거친 후 생체신호 측정에 있어서 주 잡음원인 \( 60 \mathrm{~Hz} \) 전원선 잡음 제거를 위해 노치풜터를 설계하여 최종적으로 전원선 잡음을 제거하여 EEG 신호를 얻게 된다. 해당 아날로그 회로는 센서의 크기와 간편한 제작을 위해 최소한의 필터와 증폭단을 사용하였다.</p>
|
[
"전체시스템의 하드웨어 부분은 사용자의 뇌파를 측정하기 위해서 무엇을 포함하지?",
"전체 시스템 구성은 하드웨어와 소프트웨어로 나뉘는데 소프트웨어는 측정한 뇌파를 분석하여 무엇을 도출하고자 하지?",
"최초 사용자의 두피를 하드웨어부분의 EEG 센서 모듈로 뇌파 측정을 한 후에 PC 기반의 어플리케이션으로 데이터는 무엇을 통해서 전송하지?",
"하드웨어에서 EEG 센서는 사용자의 EEG 측정에 사용되며 이를 구성하는 두가지 회로는 무엇이지?",
"블루투스를 통해 해당 어플리케이션으로 보내면 데이터 분석 후 실행한 MI를 도출하면 결국 무엇을 실행하지?",
"하드웨어 구성에서 전처리과정단(preprocessing unit)이 위치하는 회로는 무엇이지?",
"아날로그 회로에서 두 전극으로부터 유입되는 두 신호의 동상신호를 제거하게 되며 초기 신호 증폭을 수행하는 것은 무엇이지?",
"아날로그 회로에서 하이패스, 로우패스 필터가 하는 역할은 무엇이지?",
"최종 증폭단에서 주 잡음원인 \\( 60 \\mathrm{~Hz} \\) 전원선 잡음 제거를 한후에 얻고자 하는 것은 무엇이지?",
"디지털 데이터로 변환, 데이터 패킷 설정과 샘플링 주파수 설정 기능을 수행하는 회로의 이름은 무엇이지?",
"전체 시스템 구성은 두가지로 EEG 센서 모듈을 포함하여 사용자의 뇌파를 측정하는 무슨 부분이 있지?",
"최종적으로 제거하는 것으로 생체신호 측정에 있어서 주 잡음원은 무엇이지?",
"블루투스를 통해 측정한 뇌파의 데이터를 전송 받을 어플리케이션은 무엇을 기반으로 하고 있지?",
"두피로부터 최소의 뇌파 신호 유도와 잡음 제거 및 증폭 역할을 수행하기 위해서 아날로그에 구성되어 있는 것은 무엇이지?",
"최초 차동 계측 증폭기에서 \\(10\\)배의 비교적 낮은 증폭률을 가지는 이유는 높은 증폭률이 가져올 수 있는 어떤 문제 때문이지?",
"전체 시스템의 하드웨어의 구성은 사용자의 측정 뇌파 분석과 정보 도출의 기능을 하는 하드웨어와 뇌파 측정에 관여하는 하드웨어로 되어 있지?"
] |
6266cf33-053a-41da-80b0-1d1478d4d24a
|
인공물ED
|
2채널 EEG센서를 활용한 운동 심상기반의 어플리케이션 컨트롤
|
<h1>5. 결 론</h1><p>본 연구에서는 기존의 다채널 EEG 센서를 이용한 BCI 시스템의 불편함을 개선하기 위해 간단한 구조의 \(2\)채널 웨어러블 EEG 센서 모듈을 사용하여 Motor Imagery을 통한 컨트롤 어플리케이션 시스템을 구현하였다. EEG 센서 모듈의 설계와 제작을 본 연구실에서 직접 하였으며 PC 기반의 컨트롤 어플리케이션도 C#과 matlab을 기반으로 하여 직접 제작하였다. 실험을 통해 양손 MI른 통하여 좌우 컨트롤을 수행하였고 해당 실험 결과와 기존의 다 채널 EEG 센서를 기반으로 한 양손 MI 수행 연구들의 결과를 비교하였다. 그 결과, 작은 채널 수에도 불구하고 기존의 연구에 비해 정확도가 크게 떨어지지 않았으며 심지어 몇몇 연구 결과에 비해 더 높은 결과가 나오기도 하였다. 또한 실시간 주행 컨트롤 실험에서 가상 아이콘의 조정하여 목표지점에 위치시키는 실험을 통해 \(2\)채널 EEG 센서를 통해서 조정에 성공하였다. 향후 좀 더 복잡한 미로에서의 실험과 주행 커맨드 인식에 대한 시간을 줄여서 현재보다 빠른 명령이 가능하게 하기 위한 보완이 필요하나 해당 부분을 보완한다면 실제 로봇이나 자동차 컨트롤에도 적용하여 사용할 수 있을 것으로 보여진다.</p>
|
[
"BCI 시스템의 불편함은 어떤 EEG 센서를 사용하였나?",
"\\(2\\)채널 웨어러블 EEG 센서 모듈을 사용한 것은 다채널 EEG 센서를 이용한 어떤 시스템을 upgrade하기 위해서인가?",
"BCI 시스템의 단점을 개선 하기 위해 어떤 모듈을 이용하였나?",
"운동학습을 영어로 어떻게 쓰는가?",
"Motor Imagery을 (2\\)채널 웨어러블 EEG 센서 모듈을 사용하여 어떤 시스템을 나타내었는가?",
"본 연구실에서 직접 EEG 센서 모듈의 무엇을 하였나?",
"EEG 센서 모듈에 관련하여 C#과 matlab을 기반으로 어떤 컨트롤 어플리케이션을 만들었나?",
"matlab과 어떤 것을 기반으로 PC 기반의 컨트롤 어플리케이션을 만들었나?",
"좌우 컨트롤을 무엇을 통해 실험을 실행하였나?",
"실험을 통한 양손 MI와 기존의 어떤 EEG 센서를 기반으로 한 실행으로 어떻게 비교하였나?",
"양손 MI 수행 연구들의 결과를 비교했을 때 어떤 채널 수 임에도 정확도가 차이가 많이 없었나?",
"\\(2\\)채널 EEG 센서로 인해 조정에 성공한 것은 어디에서 가상 아이콘을 위치시키는 실험을 통한 것인가?",
"주행 커맨드 인식에 관련된 빠른 명령을 할 수 있는 보완과 복잡한 어디에서의 실험이 필요한가?",
"향후 좀 더 복잡한 미로에서의 실험과 주행 커맨드 인식에 대한 시간을 줄여서 현재보다 빠른 명령이 가능하게 하기 위한 보완이 필요하나 해당 부분을 보완한다면 실제 로봇이나 자동차 컨트롤에도 적용하여 사용할 수 있을 것으로 보여집니까? "
] |
5d225bfd-0643-47d5-ab0d-0661997a8621
|
인공물ED
|
2채널 EEG센서를 활용한 운동 심상기반의 어플리케이션 컨트롤
|
<h1>1. 서 론</h1><p>뇌는 사람의 몸에서 가장 복잡한 부분으로서 아직 많은 부분이 밝혀지지 않았으며 그에 따라 많은 관심과 연구가 계속 진행되고 있다. 이러한 뇌를 이용한 다양한 응용기술로서는 정신 질환, 생체공학, 뇌 인지 기술 등이 존재하며 초기 의료목적의 연구가 주요 내용이었으나 다양한 센서와 웨어러블 기술의 발전으로 뇌 인지 기술에 대한 관심도가 높아졌다. 이 중에 요즘 가장 화두가 되는 기술은 뇌 인지 기술 중 Brain-Computer Interface system(BCIs)로서 구글 학술검색 서비스에 따르면 \(2000\)년 \(100\)여 편에 불과한 관련 논문 수가 \(2015\)년에는 \(8000\)여 편이 넘어 가며 관련 연구에 대한 높은 관심도를 보여주고 있다. 이러한 BCIs란 뇌와 컴퓨터와 같은 주변 기기와의 직접적인 소통을 통한 인터페이스로서 뇌의 반응 활동을 통해 즉각적이고 빠른 반응을 유도해 낼 수 있고 다른 실제 움직임이 요구되지 않는 장점이 있어 차세대 인터페이스로서 주목을 받고 있다. BCIs에서는 사용자의 뇌 반응을 측정하여 명령어를 도출하게 되며 이를 위해서 EEG 센서를 사용하여 뇌파를 측정하게 된다. 주로 많게는 \(64\)개에서 \(128\)개가 넘는 채널을 가지는 EEG 센서나 캡 타입의 EEG 센서를 사용하며 동물 실험이나 높은 정밀도를 위하여 뇌에 시술을 통해 마이크로 칩을 직접 삽입하는 방식을 사용하기도 한다.</p><p>그러나 이러한 방법은 다수의 전극을 사용하거나 시술이 필요하여 착용성에 제약이 생기게 된다. 이러한 불편한 점을 개선하기 위해 본 논문에서는 \(2\)개의 채널만을 사용하는 쌍극법 EEG 센서를 통해 착용성을 개선하고 이를 통해 측정된 운동심상을 활용하여 다양한 어플리케이션을 컨트롤하는 시스템을 제안한다.</p>
|
[
"사람의 몸에서 아직 많은 것들이 밝혀지지 않았고 가장 복잡한 부분은 어디인가?",
"뇌는 아직 많은 부분이 밝혀지지 않아 관심과 무엇이 진행되고 있는가?",
"뇌를 이용한 다양한 응용 기술로 뇌 인지 기술과 정신 질환 그리고 무엇이 존재하는가?",
"BCIs의 fullterm을 풀어서 쓰면 어떻게 쓰나? ",
"뇌 인지 기술에 대한 관심도가 다양한 센서와 어떤 것으로 인해 높아졌나?",
"웨어러블 기술의 발전과 다양한 센서로 인해 뇌 인지 기술에 대한 무엇이 높아졌나?",
"\\(2015\\)년에 \\(8000\\)여 편이 넘어가는 논문은 뇌 인지 기술 중 어떤 것인가?",
"BCIs의 뇌 인지 기술은 \\(2000\\)년에 몇 편의 논문이 나왔나?",
"BCIs의 뇌 인지 기술은 \\(2000\\)년에 \\(100\\)여 편의 논문이 나오고 언제 (8000\\)여 편이 넘게 나왔나?",
"BCIs의 뇌 인지 기술에 관련하여 \\(2015\\)년에 \\(8000\\)여 편이 넘는 논문이 나온 것을 어디에서 알려주는가?",
"BCIs에서 어떤 센서를 이용해 뇌파를 측정하는가?",
"EEG 센서의 채널은 \\(64\\)개에서 몇개를 넘게 가지고 있나?",
"BCIs에서 뇌파를 측정할 때 사용자의 뇌 반응으로 무엇을 이끌어 내는가?",
"microchip을 동물의 뇌에 시술하여 삽입하는 것은 어떤 EEG 센서를 사용하는가?",
"다수의 전극을 사용하기 때문에 착용성에 문제가 생기게 되어 \\(2\\)개의 채널만을 사용하는 어떤 EEG 센서를 통해 개선을 하였는가?"
] |
73b382b5-2ebb-49b1-9f4e-6ecd0b2a2d0a
|
인공물ED
|
2채널 EEG센서를 활용한 운동 심상기반의 어플리케이션 컨트롤
|
<h1>2. 관련 이론</h1><h2>2.1 EEG(Electroencephalogram)</h2><p>EEG는 신경생리학에서 뇌신경의 활동을 연구하기 위한 도구로써 신경계에서 뇌신경 사이에 신호가 전달될 때 생기는 전기 흐름의 변화를 두피에서 측정하여 기록한 것이다. \(1929\)년 Hans Berger에 의해 최초로 사람의 뇌파를 측정한 후 임상과 뇌기능 연구에 폭 넓게 사용되어 왔으며 오늘날에는 간질 발작과 같은 특정 신경학적 상태의 집단으로의 의료적 목적뿐만 아니라 운전자 졸음방지, 수면 상태 평가, BCIs와 같은 연구 목적으로 다양하게 사용되고 있다.</p><table border><caption>Table \(1\). Characteristics of EEG frequency band.</caption><tbody><tr><td>Band</td><td>Frequency(\(\mathrm{Hz} \))</td><td>특 성</td></tr><tr><td>\( \delta \)(Delta)</td><td>\(4\)</td><td><ul><li>성인의 느린 수면 파, 숙면파</li><li>아기의 뇌파</li></ul></td></tr><tr><td>\( \theta \)(Theta)</td><td>\(4\sim8\)</td><td><ul><li>어린 아이의 뇌파</li><li>성인의 각성 상태 뇌파</li></ul></td></tr><tr><td>\( \alpha \)(Alpha)</td><td>\(8\sim13\)</td><td><ul><li>이완 상태, 편안한 상태</li><li>눈을 감았을 때 반응 뇌파</li></ul></td></tr><tr><td>\( \beta \)(Beta)</td><td>\(13\sim30\)</td><td><ul><li>각성 상태 뇌파</li><li>활동적, 불안 상태</li><li>집중 관련 뇌파</li></ul></td></tr><tr><td>\( \gamma \)(Gamma)</td><td>\(30 \sim 70\)</td><td><ul><li>크로스 모달 감각 인식 시 뇌파</li><li>객체 인식, 소리, 촉각 등의 단기 기억 중 발현</li></ul></td></tr></tbody></table><p>EEG는 두피에서 전극을 통해 측정하기 때문에 다양한 뇌 활동 측정 방법 중에서 비교적 간단하고 저렴하게 측정이 가능하다. 두피 상에서 측정되는 뇌파의 전위 차이를 시간에 따라 기록하며 최초 두피에서 수 \( \mu \mathrm{V} \)에서 수백 \( \mu \mathrm{V} \)의 매우 낮은 전위를 가지며 뇌 활동 측정시의 상태 및 뇌기능에 따라 시공간적으로 변화하게 된다. 이런 변화는 주파수 성분으로 관찰하게 되며 \(170\mathrm{Hz} \)까지의 범위를 가지며 아래 Table \(1\)과 같이 각 특성을 가지는 \(5\)개의 영역으로 나뉘게 된다.</p>
|
[
"최초로 사람의 뇌파를 측정한 것은 언제야?",
"언제 처음으로 사람의 뇌파를 측정했지?",
"EEG는 어떤 도구야?",
"EEG는 신경계에서 뇌신경 사이에 신호가 전달될 때 생기는 전기 흐름의 변화를 어디에서 측정해서 기록해?",
"최초로 사람의 뇌파를 측정한 사람은 누구야?",
"누가 처음으로 사람의 뇌파를 측정했어?",
"사람의 뇌파를 측정한 후 어디에 사용되었어?",
"어디에 사람의 뇌파를 측량한 후 사용했어?",
"두피 상에서 측정되는 뇌파의 전위 차이를 무엇에 따라 기록해?",
"EEG는 뇌 활동 측정 방법 중에서 비교적 복잡하게 측정 돼?",
"사람의 뇌파를 측정한 후 오늘날에는 어디에 사용돼?",
"EEG는 어떻게 측정돼?",
"어떻게 EEG가 측정되지?",
"Table 1에서 θ의 Frequency는 어떻게돼?",
"Table 1에서 θ 특성이 뭐야?",
"테이블 1에서 δ의 빈도가 얼마야?",
"테이블1에서 δ의 특징은 뭐야?"
] |
c90daaac-d574-41ac-b888-fb79de70e31b
|
인공물ED
|
2채널 EEG센서를 활용한 운동 심상기반의 어플리케이션 컨트롤
|
<h3>3.3.1 좌우 컨트롤 프로그램</h3><p>좌우 컨트롤 프로그램의 UI는 위 Fig. \(8\)과 같이 왼쪽에 사용자의 EEG를 분석하고 그에 따른 결과를 피드백해주는 볼과 막대 아이콘이 위치하고 오른쪽에는 실시간 FFT 그래프와 조작을 위한 버튼 아이콘이 위치한다. 사용자가 프로그램을 시작하게 되면 볼 아이콘은 오른쪽이나 왼쪽으로 떨어지며 수행할 MI 오른손 or 왼손 움직임)를 제시하게 된다. 이후 사용자의 MI에 따른 EEG 데이터를 실시간으로 FFT를 통해 변환한 후 이를 특징점으로 사용한 MatLab 라이브러리 기반의 SVM 분류 모델을 통해서 수행된 MI결과를 분류한다. 해당 분류 결과는 아래쪽에 위치한 막대 아이콘의 좌우 움직임을 통해 사용자에게 피드백 되며 해당 피드백은 \( 0.5 \mathrm{~s} \) 간격으로 이루어지게 제작 되었다. 아래 Fig. \(9\)에서 전체적인 좌우 컨트롤 프로그램의 시스템 흐름을 나타내었다.</p><h3>3.3.2 주행 컨트롤 프로그램</h3><p>주행 컨트롤 프로그램의 UI는 Fig. \(10\)과 같으며 왼쪽 창에서 막대 아이콘을 통한 간단한 미로와 탱크 아이콘을 나타내며 탱크 아이콘은 사용자의 뇌파 컨트롤 결과에 따라 움직이며 해당 결과를 피드백 하는 역할을 한다. 또한 원 아이콘을 통해 최종 목적지를 표시하였다. 우측에는 좌우 컨트롤 프로그램과 같이 실시간 FFT 분석 그래프와 EEG 센서 모듈과의 연결과 다른 동작 수행을 위한 버튼이 위치한다. 주행 컨트롤 프로그램에서는 탱크 아이콘 컨트롤을 위해 MI외에도 추가적으로 Eye close/open 상태 판단을 사용하였다. MI 수행을 통해 탱크 아이콘의 좌우 방향 회전을 결정하며 Eye close/open을 통해 전진/정지 및 간단한 스위치 역할을 수행하였다. 해당 프로그램의 시스템 흐름도는 아래 Fig. \(11\)에 나타내었다.</p><p>최초 프로그램 시작 시 아이콘은 전진을 기본 상태로 가진다. 이때 Eye close상태에 의해 특정치 이상의 \( \alpha \)가 감지되면 탱크 아이콘은 움직임을 멈추고 EEG 데이터를 분석한다. 분석한 데이터가 Eye close상태가 맞으면 MI 수행을 실시하게 되며 수행한 MI의 종류에 따라 오른손 MI는 오른쪽으로, 왼손 MI는 왼쪽으로 \( 90^{\circ} \) 회전하게 된다. 이후 현재 탱크 아이콘의 방향으로 출발할 것인지 한번 더 MI 수행을 할 것인지를 Eye close를 통해 정하게 된다. 해당 결과는 실시간으로 프로그램 화면 상의 아이콘을 통해 피드백 되며 음향을 통해서도 사용자에게 알람을 주도록 제작되었다.</p>
|
[
"Eye close/open을 통해 탱크 아이콘의 좌우 방향 회전을 결정하고 MI 수행을 통해 전진/정지 및 간단한 스위치 역할을 수행하지?",
"피드백은 \\( 0.1 \\mathrm{~s} \\) 간격으로 아래쪽에 위치한 막대 아이콘의 좌우 움직임을 통해 사용자에게 피드백 되지?",
"좌우 컨트롤 프로그램의 UI에서 사용자의 EEG를 분석하고 그에 따른 결과를 피드백해주는 볼과 막대 아이콘은 어디에 위치하고 있어?",
"주행 컨트롤 프로그램에서 사용자의 뇌파 컨트롤 결과에 따라 움직이며 해당 결과를 피드백 하는 역할을 하는 것은 뭐야?",
"주행 컨트롤 프로그램의 UI에서 최종 목적지는 세모 아이콘으로 표시되지?",
"주행 컨트롤 프로그램에서는 탱크 아이콘 컨트롤을 위해 MI만을 사용하고 있지?",
"실시간 FFT 분석 그래프와 EEG 센서 모듈과의 연결과 다른 동작 수행을 위한 버튼은 주행 컨트롤 프로그램의 UI의 어디에 위치해?",
"Eye close상태에 의해 특정치 이상의 \\( \\alpha \\)가 감지되었을 때 탱크 아이콘은 움직임을 멈추지 않고 EEG 데이터를 분석하기 시작하지?",
"사용자에게 실시간으로 프로그램 화면 상의 아이콘을 통해 피드백 되지만 아직 음향 알람 시스템은 개발되지 않았지?",
"Eye open을 통해서 이후 현재 탱크 아이콘의 방향으로 출발할 것인지 한번 더 MI 수행을 할 것인지를 판단하게 되지?",
"좌우 컨트롤 프로그램의 UI에서 사용자의 EEG를 분석하고 그에 따른 결과를 피드백해주는 볼과 막대 아이콘은 오른쪽에 위치하고 있지?",
"사용자가 좌우 컨트롤 프로그램을 시작하면 왼쪽에 있던 볼 아이콘은 반드시 왼쪽으로 떨어지지?",
"탱크 아이콘의 좌우 방향 회전을 결정하는 것은 뭐야?",
"탱크 아이콘이 움직임을 멈추고 EEG 데이터를 분석하는 때는 언제야?",
"분석한 데이터가 Eye close상태가 맞으면 MI 수행을 실시하게 되는데 이때 수행한 MI의 종류에 따라 오른손 MI는 오른쪽으로, 왼손 MI는 왼쪽으로 \\( 120^{\\circ} \\) 회전하게 되지?",
"실시간 FFT 그래프와 조작을 위한 버튼 아이콘은 좌우 컨트롤 프로그램의 UI 중 어느 쪽에 위치하고 있어?",
"탱크 아이콘의 방향으로 출발할 것인지 한번 더 MI 수행을 할 것인지를 정하는 것은 뭐야?",
"사용자의 MI에 따른 EEG 데이터는 SVM을 통해 실시간으로 변환할 수 있지?",
"최초 프로그램 시작 시 아이콘의 기본 상태는 후진이지?"
] |
5e0dc6dd-d448-4e6d-82ac-23fc95f847f2
|
인공물ED
|
2채널 EEG센서를 활용한 운동 심상기반의 어플리케이션 컨트롤
|
<h2>2.2 Motor Imagery(MI, 운동 심상)</h2><p>Motor Imagery(MI)는 사용자가 스스로 상상을 통해 자극을 주는 Active BCIs중 한가지 방법으로 특정 운동 활동의 상상을 통해 뇌의 중반구에 위치한 운동 피질영역에서의 자각운동 리듬(sensorimotor rhythm)을 발생시키고 이를 활용하는 방법이다. 주로 사용되는 움직임은 오른손과 왼손, 양손의 상하 운동이나 주먹을 쥐는 등의 움직임을 사용하게 되며 그 외에도 양 발의 움직임, 혀의 움직임 등을 사용하기도 한다. MI를 통해 발생하는 뇌파의 변화는 주로 \( \mathrm{mu} \)파 대역으로 명명되는 \( 8 \sim 13 \mathrm{~Hz} \)에서 나타나며 그 외에 \( 13 \sim 20 \mathrm{~Hz} \)의 \( \beta \)파 대역에서도 관찰 할 수 있다.</p><p>MI를 활용한 BCIs의 장점으로는 해당 활동에 대한 반응 부위가 명확하게 규정 되어 있으며 Fig. \(1\)과 같이 실제 움직임을 수행하여 유도한 반응과 움직임 없이 사용자의 생각만을 통해 유도하거나 결과 피드백을 통한 반응이 큰 차이가 없이 거의 동일한 결과를 얻을 수 있다는 점이다. 실제 운동을 통한 반응과 움직임 없이 상상만을 통한 반응을 Fig. \(1\)에 나타내었으며 해당 그림에서 보다시피 둘 사이의 뇌 반응 정도는 약간의 강도 차이만 있을 뿐 거의 같은 모습을 보이고 있다. 본 시스템에서는 여러 가지 MI 중 양손의 움직임을 활용한 MI를 분석하여 최종 타겟의 동작을 결정하는 명령어로 사용하였다.</p><h2>2.3 ERD/ERS(Event-Related Desynchronization/Synchronization)</h2><p>MI에 따른 운동지각리듬의 변화를 파악하기 위해 사용되는 대표적인 방법은 Pfurtscheller에 의해 발견된 ERD/ERS이다. ERD/ERS란 짧은 시간에 국부적인 지역에서 일어나는 뇌 활동의 감소 또는 증가를 말하며, 주파수 도메인의 PSD값에 대한 변화를 통해 관찰한다. 뇌 진동 주파수는 동기 활성화 된 뉴런의 수에 의해 변화하며, 동기 활성화 된 뉴런의 수가 증가함에 따라 주파수는 일반적으로 감소하게 된다. 즉 임의의 동작수행에 대해 관련된 뇌 영역의 특정 주파수 대역의 뇌파가 감소하는 ERD가 나타나게 되면 해당 뇌 영역이 활성화 된 것으로 간주한다. MI에서의 ERD/ERS 관찰은 뇌의 운동피질영역이 위치한 중앙부에서 이루어지며 중추신경의 교차로 인해 왼쪽 운동에 대한 반응은 오른쪽 뇌 영역에서, 오른쪽 운동에 대한 반응은 왼쪽 뇌 영역에서 활성화되며 ERD가 나타나고 반대편에서는 비 활성화에 따른 ERS가 관측된다.</p><p>ERD/ERS의 분석을 위해서는 Fig. \(2\)와 같이 FFT를 통해 주로 시간-주파수 파워 맵이나 브레인 맵을 통해서 시간에 따른 각 주파수의 변화나 특정 주파수 대역에서 뇌 영역별 변화를 관찰하게 된다. 해당 파워 맵에서는 색깔을 통해 ERD/ERS에 의한 변화를 표시하며 쉽게 어느 영역이나 주파수 대역에서 변화가 일어 났는지 확인 할 수 있다.</p>
|
[
"MI에서의 ERD/ERS 관찰은 몸의 어느곳에서 이루어지는가?",
"ERD/ERS는 누구에 의해 발견되었는가?",
"MI에 따른 운동지각리듬의 변화를 파악하기 위해 사용되는 대표적인 방법은 무엇인가?",
"ERD/ERS란 무엇인가?",
"MI를 통해 발생하는 뇌파의 변화는 주로 어느 대역에서 관찰할 수 있는가?",
"특정 운동 활동의 상상을 통해 뇌의 중반구에 위치한 운동 피질영역에서의 자각운동 리듬(sensorimotor rhythm)을 발생시키고 이를 활용하는 방법의 명칭은 무엇인가?",
"오른쪽 운동을 할 때 비활성화에 따라 ERS가 관측되는 영역은 왼쪽 뇌 영역이 옳은가?",
"왼쪽 운동을 할 때 비활성화에 따른 ERS가 관측되는 곳은 뇌의 어느 영역인가?",
"왼쪽운동을 할 때 ERD가 나타나는 뇌의 영역은 어디인가?",
"Motor Imagery(MI)란 무엇인가?",
"ERD/ERS는 어떤 값에 대한 변화를 통해 관찰되는가?",
"시간에 따른 각 주파수의 변화나 특정 주파수 대역에서 뇌 영역별 변화를 관찰하기위해 주로 사용하는 것은 무엇인가?"
] |
6d4f7c13-20a3-4926-baef-4bea2c5eee7b
|
인공물ED
|
2채널 EEG센서를 활용한 운동 심상기반의 어플리케이션 컨트롤
|
<h3>3.2.2 디지털 회로</h3><p>디지털 회로는 아날로그 회로에서 측정된 신호를 ADC를 통해 디지털 신호로 변환하고 PC 어플리케이션과의 호환을 위해 특정 패킷 형태로 변환하는 역할을 수행한다. 추가적인 마이크로 컨트롤러를 사용하지 않고 PCB 자체에 마이크로 컨트롤러 칩을 결합하여 전체 센서 모듈의 크기를 크게 줄였다. 본 시스템에서 디지털 회로에 사용된 마이크로 컨트롤러 칩(STM\(32\)F\(103\), STMicroelectronics Co., USA)은 ARM Cortex-M\(3\)(ARM Cortex-M\(3\), ARM holdings, USA) 코어를 사용하였다. 총 \(64\)개의 핀을 통해\(12\)채널, universal synchronous receiver and transmitter(USART), input/output(I/O), direct memory access(DMA)등의 기능을 사용할 수 있으며 내부 메모리와 클락 기능 등을 지원한다. 본 시스템에서는 해당 마이크로 컨트롤러에 내장되어 있는 \( 12 \mathrm{bit} \) ADC를 사용하여 측정된 EEG 신호를 디지털 신호로 변환하고 해당 최대 \( 72 \mathrm{MHz} \)의 클락 기능을 사용하여 정확한 EEG 데이터 샘플링 주파수를 설정하였다. 해당 마이크로 컨트롤러의 프로그래밍은 C, C++ 개발 환경을 지원 하는 IAR Embedded Workbench(IAR Embedded Workbench, IAR system, Sweden)를 사용하여 수행하였다.</p><p>총 \(2\)채널의 EEG 데이터를 PC 어플리케이션에 전송하기 위해 상호호환 가능한 데이터 패킷 형태를 지정하였으며 데이터 싱크를 위하여 패킷에 \( 1 \mathrm{byte} \)의 헤더와 테일을 추가하였다. \( 12 \mathrm{bit} \)의 EEG데이터는 데이터 전송을 위해 각 lbyte의 상 하위 비트로 나뉘며 각 채널 당 \( 2\mathrm{byte} \)씩, EEG 데이터는 총 \(4\mathrm{byte} \)의 크기를 가진다. 최종 데이터 패킷은 위 Fig. \(7\)과 같은 형태로 설정되어 PC 어플리케이션으로 전송된다.</p><h2>3.3 소프트웨어 구성</h2><p>EEG 센서 모듈을 통해 측정되고 전송된 EEG 데이터는 PC 기반의 컨트롤 어플리케이션에서 데이터 분석을 통해 MI의 결과 및 사용자의 의도를 도출해 낸다. PC기반의 컨트롤 어플리케이션은 C\#과 MatLab(Matrix Laboratory, MathWorks, USA)기반 라이브러리를 통해서 제작되었으며 사전 트레이닝에서 \(400\)회 이상의 MI 수행을 통해 사용자의 표본 데이터를 획득하여 SVM 분류 모델을 구성하였다. 제작된 프로그램은 크게 좌우 컨트롤 프로그램과 주행 컨트롤 프로그램으로 나뉘며 피험자의 MI 수행 정확도를 평가한다.</p>
|
[
"디지털 회로에서는 PC 어플리케이션과의 호환을 위해 특정 패킷 형태로 변환하는 역할과 아날로그 회로를 디지털 신호로 무엇을 통해서 변환하지?",
"무엇을 통해서 디지털 회로는 아날로그 회로에서 측정된 신호를 디지털 신호로 바꾸는가?",
"디지털 회로의 역할 중에서 PC 어플리케이션과 측정신호를 호환하기 위해서 무엇으로 바뀌게 하는 역할을 하지?",
"PC 어플리케이션과 측정신호를 호환하기 위해서 무엇으로 바뀌게 하는 역할이 디지털 회로의 역할 중 하나이지?",
"전체 센서 모듈의 크기는 마이크로 컨트롤러를 추가 사용하지 않고 PCB 자체에 무엇을 결합하여 줄였지?",
"마이크로 컨트롤러를 추가 사용하지 않고 PCB 자체에 무엇을 결합하여 전체 센서 모듈의 크기를 작게 하기 위한 목적을 달성했지?",
"마이크로 컨트롤러 칩은 본 시스템 디지털회로에서 무슨 코어를 사용했지?",
"본 시스템 디지털회로에서 무슨 코어를 활용한 것이 마이크로 컨트롤러 칩이야?",
"측정된 EEG 신호를 디지털 신호로 변환하고 정확한 EEG 데이터 샘플링 주파수 설정을 위해서 해당 얼마의 클락 기능을 사용했지?",
"해당 얼마의 클락 기능을 활용하여 측정된 EEG 신호를 디지털 신호로 바꾸고 정확한 EEG 데이터 샘플링 주파수 설정을 했어?",
"아날로그 회로에서 측정되어진 신호를 디지털 회로는 어떻게 디지털 신호로 변환하지?",
"어떻게 디지털 회로는 아날로그 회로에서 측정되어진 신호를 디지털 신호로 바꾸니?",
"전체 센서 모듈의 크기는 마이크로 컨트롤러를 추가적으로 사용하지 않고 PCB 자체에 어떻게 해서 그 크기를 크게 줄였지?",
"마이크로 컨트롤러를 추가 사용하지 않고, PCB에 어떤 조치를 해서 전체 센서 모듈의 크기를 크게 줄였어?",
"측정된 EEG 신호는 본 시스템의 해당 마이크로 컨트롤러에 내장하여 있는 기기로 어떻게 디지털 신호로 변환했지?",
"본 시스템의 해당 마이크로 컨트롤러 내부에 위치한 기기가 측정된 EEG 신호를 디지털 신호로 바꾸는 방식은 무엇인가?",
"EEG 데이터 샘플링 주파수는 정확하게 설정하기 위해서 어떻게 하였지?",
"어떤 방식을 통해 EEG 데이터 샘플링 주파수를 오차없이 설정했어?",
"본 실험에서 사용한 IAR Embedded Workbench는 해당 마이크로 컨트롤러의 프로그래밍에서 어떻게 지원했지?",
"해당 마이크로 컨트롤러의 프로그래밍은 어떤 IAR Embedded Workbench을 사용하여 수행했어?",
"상호호환 가능한 데이터 패킷 형태를 지정으로 총 \\(2\\)채널의 EEG 데이터를 어떻게 했지?",
"상호호환 가능한 데이터 패킷 형태를 지정한 이유는 총 \\(2\\)채널의 EEG 데이터를 어떻게 하기 위함이야?",
"PC 어플리케이션에 총 \\(2\\)채널의 EEG 데이터를 전송하기 위해서 서로 상호호환 가능한 데이터 패킷 형태를 지정하였고 데이터 싱크를 위해서 패킷에 어떻게 하였지?",
"데이터 싱크를 위해 패킷에 어떤 조치를 취한 것이 PC 어플리케이션에 총 \\(2\\)채널의 EEG 데이터를 전송하기 위해서 서로 상호호환 가능한 데이터 패킷 형태를 지정함과 동시에 일어났는가?",
"PC 기반의 컨트롤 어플리케이션에서 EEG 데이터의 MI의 결과 및 사용자의 의도를 도출하기 위해서 어떻게 했지?",
"EEG 데이터의 MI의 결과 및 사용자의 의도를 도출하기 위해 PC 기반의 컨트롤 어플리케이션에서 EEG 데이터는 무엇을 통하는가?",
"PC기반의 컨트롤 어플리케이션의 SVM 분류 모델을 구성을 위한 사용자의 표본 데이터를 획득은 어떻게 했지?",
"어떤 방식으로 PC기반의 컨트롤 어플리케이션의 SVM 분류 모델을 구성을 위한 사용자의 표본 데이터의 획득이 이뤄졌어?",
"좌우 컨트롤 프로그램과 주행 컨트롤 프로그램으로 나뉘어진 제작된 프로그램은 프로그램에서 피험자의 기능을 어떻게 평가했지?",
"두 가지 프로그램(좌우 컨트롤 및 주행 컨트롤)으로 구분된 만들어진 프로그램은 피험자의 무엇을 평가했니?"
] |
32a66474-9076-4e8a-806b-8ed315a22844
|
인공물ED
|
Decision Feedback 신호의 자기 상관 기반 SNR 추정 방법을 적용한 적응 변조 시스템
|
<h1>IV. 시뮬레이션 결과와 논의</h1> <p>본 논문에서 SNR 추정 성능을 보이기 위한 시뮬레이션 조건은 \( K \) 또는 \( N \) 이 1,024 , 변조 레벨은 4/16/64QAM, 플랫 페이딩(flat fading) 채널을 고려하였다. 여기서 \( K \) 는 OFDM 시스템의 부반송파 수이고, \( N \) 은 다른 SNR 추정기들의 데이터 수이다. 또한, 본 논문에서는 제안한 SNR 추정 방법의 성능을 \( M_{2} M_{4} \), \( M_{6} \mathrm{SNR} \) 추정 방법과 비교하였다. 또한, 본 논문에서는 \( -10 \mathrm{~dB} \) 부터 \( 30 \mathrm{~dB} \) 까지 광범위한 SNR 과 다양한 QAM 변조 방식에 대하여 수신 신호의 SNR 을 추정한다.</p> <p>그림 3과 4는 다양한 QAM 신호에 대한 제안한 SNR 추정 방법의 평균 추정 SNR, NMSE 성능 곡선이다. 4QAM 변조 레벨에서 제안한 SNR 추정 방식은 거의 unbiased SNR 곡선과 거의 일치한다. 이것은 QPSK 신호에서 판별 후 신호의 자기 상관은 오차와 관계 없이 항상 2이기 때문에 이상적인 SNR 추정성능을 갖는다. 16QAM 신호에서 제안한 SNR 추정방법은 16QAM 신호가 갖는 BER 특성에 따라 비트오율에 영향을 받아 자기 상관 계산에 오차가 발생하지만, 플랫 페이딩 채널에서 실제 자기 상관 값의 변화에 영향을 주는 심볼의 수(절대값 \( 1 \rightarrow 3,3 \rightarrow 1 \)이 되는 경우)가 \( 10 \pm 2 \) 개 안이기 때문에 추정 성능에 큰 영향을 주지 않는다. 64QAM 신호에서도 제안한 알고리즘의 성능은 \( \mathrm{ML} \) 추정 방법처럼 unbiased SNR 값에 거의 근접한 추정 성능을 보인다.</p> <p>NMSE 성능 측면에서도 제안한 SNR 추정 방법은 4QAM 신호에 대해 CRLB(Cr,ımei-Rao Lower Bound)와 비슷한 성능을 가지며, \( -10 \sim 30 \mathrm{~dB} \) 의 광범위한 SNR 범위에 대하여 0.05 이하의 NMSE를 갖는 것을 알 수 있다. 16QAM, 64QAM 신호에 대해서도 제안 한 SNR 추정 기법은 0~25 dB SNR 구간에서 0.1 이하의 NMSE 값을 갖기 때문에 고차원 QAM에서도 비교적 안정적이 성능을 보이는 것을 확인하였다. 하지만 제안한 알고리즘도 \( 25 \mathrm{~dB} \) 이상의 SNR 에서 추정 성능이 약간 열화되는 현상을 보인다. 이것은 제안한 알고리즘도 본 논문에서 비교한 다른 SNR 추정 방식들처럼 2차 통계 신호를 사용하기 때문에 SNR이 커질수록 잡음 전력이 작아지면서 잡음의 통계 특성에 오차가 발생한다.</p> <p>그림 5 와 6 는 4/16/64QAM 신호에 대한 본 논문에서 비교 대상으로 삼은 \( M_{2} M_{4}, M_{6} \mathrm{SNR} \) 추정 방법의 평균 추정SNR, SNR성능 곡선이다. \( M_{2} M_{4} \mathrm{SNR} \) 추정 방식은 BPSK나 QHSK처럼 간단한 변조 방식을 위한 EVB(Envelone Based) 추정이 가능한 SNR 추정 방식으로 QPSK 에서 \( -5 \mathrm{~dB} \) 부터 높은 SNR의 신호 까지 추정이 가능하다. 하지만 \( M_{2} M_{4} \) 은 위상이 다양하고, 진폭 레벨이 4개 이상인 \( 16 / 64 \mathrm{QAM} \) 신호에 대하여 추정 성능이 현저히 떨어지는 것을 볼 수 있다.\( M_{6} \mathrm{SNR} \) 추정 방법은 이런 \( M_{2} M_{4} \) 방법의 위상 정보와 진폭 정보를 추정하도록 보완한 방식으로, 시뮬레이션 결과에서 보면 16QAM 이상이 신호에 대하여 SNR) 추정 성능이 개선된다. 하지만 \( M_{6} \mathrm{SNR} \) 추정 방법은 성상도 상수의 최적화에 따라 성능이 달라지고, 이 방법 역시 신호의 6 차, 3 차, 2 차, 1 차 모멘트 통계 특성을 이용하기 때문에 높은 SNR에서 성능 열화가 발생한다.</p> <p>표 1 은 QAM 방식의 AM 시스템이 동작하기 위한 변조 방식 전환점이다. 본 논문에서 고려한 AM시스템은 \( 10^{-4} \) 요구 \( \mathrm{BER} \) 을 만족하도록 설계하녔다. 그러므로 변조 방식 전환점은 각 변조 신호가 요구 BER 이하의 성능을 갖는 점으로 설정한다.</p> <table border><caption>표 1. 변조 방식 전환점 \( \mathrm{SNR}(\mathrm{SSP}) \) 레벨</caption> <tbody><tr><td>Region(mode, m)</td><td>1</td><td>2</td><td>3</td><td>4</td></tr><tr><td>Modulation</td><td>No Trens.</td><td>40AM</td><td>160AM</td><td>640AM</td></tr><tr><td>Switching SNR polnt 1 (dB, Flat fading channel)</td><td>0</td><td>8.6</td><td>12.9</td><td>16.9</td></tr></tbody></table>
|
[
"표1은 어떤 것이 작동하기 위한 방식 전환점인가요?",
"AM System은 어떻게 설계하였나요?",
"표에서, 160AM일 경우 Switching SNR polnt 1은 얼마인가요?",
"변조 방식 전환점은 어떻게 설정되었나요?",
"표에서, 40AM일 경우, Switching SNR polnt 1은 얼마입니까?",
"본 연구에서 성능을 관찰하기 위해 simulation 조건을 어떻게 고려했는가?",
"표에서 가장 큰 Switching SNR polnt 1 을 갖는 Modulation은 무엇인가요?",
"본 연구에서 SNR을 어떻게 추정했나요?",
"표에서 Switching SNR polnt 1 이 가장 작은 변조값은 얼마인가요?",
"본 연구에서 제안한 기법의 기능을 어떻게 비교했는가?",
"표1에서 640AM일 경우 Switching SNR polnt 1은 얼마로 나타나는가요?"
] |
6ef97bb3-73cb-46d8-a7fd-ff1933ad3878
|
인공물ED
|
이동로봇용 In-Wheel Motor의 가속수명시험
|
<h1>4. 가속 수명 시험</h1> <p>인휠 모터(In-Wheel Motor)의 수명평가는 실 사용조건을 고려하여 Wheel을 장착한 상태에서 전원 공급장치를 통해 전원을 공급하여 실내 온도조건에서 인휠모터(In-Wheel Motor) 3대를 동시에 시험을 실시하였다. 또한, 인휠 모터(In-Wheel Motor)를 동작시키기위하여 TI사의 TMS320VC33을 사용하였고, 인버터</p> <table border><caption>표 5 가속 수명 시험 시간</caption> <tbody><tr><td>시험 부하율</td><td>\(150\%\)</td></tr><tr><td>시료수</td><td>\( 3 \mathrm{EA} \)</td></tr><tr><td>토크 실효치</td><td>\( 15.286 \mathrm{Nm} \)</td></tr><tr><td>무고장 시험 시간</td><td>\( 77641.25 [\mathrm{h} ]\)</td></tr><tr><td>가속 수명시험 시간</td><td>\( 157.79 [\mathrm{h} ]\)</td></tr><tr><td>소요 시험 기간</td><td>1일 : 8시간 운전 시험 1주 : 5일 시험 약 4주 시험</td></tr></tbody></table> <p>(Inverter) 소자는 Mitsumishi사의 IPM(IntelligentPower Modules)인 PM150RSA060(\( 600\mathrm{V} \)/\( 150 \mathrm{A} \))을 사용하여 보다 안정적인 실험을 실시하였다. 다음 표 5는가속 수명 시험 조건과 시간을 보여주고 있다.</p> <p>그림 5와 6은 실험 환경 구성을 보여주고 있다. PC와 TI사 DSP(Digital Signal Processor) 간의 관계를 EasyDSP를 이용하여 실시간으로 통신을 할 수 있다. DSP 동작 중 온라인(Online)으로 DSP프로그램의 변수, 메모리, 레지스터 등을 관찰 및 변경을 할 수있어 모터의 상태를 보다 쉽게 접근을 할 수가 있다.</p> <table border><caption>표 6 고장 모드 및 메커니즘에 대한 가속 수명 실험 결과</caption> <tbody><tr><td>주요 구성품</td><td>고장판단</td><td>시료 #1</td><td>시료 #2</td><td>시료 #3</td></tr><tr><td>베어링</td><td>변형</td><td>변형 무</td><td>변형 무</td><td>변형 무</td></tr><tr><td>고정자 권선</td><td>이상 작동 이상 소음</td><td>이상 무</td><td>이상 무</td><td>이상 무</td></tr><tr><td>회전자</td><td>이상 작동 이상 소음</td><td>이상 무</td><td>이상 무</td><td>이상 무</td></tr><tr><td>엔코더</td><td>측정 오차 발생 및 오작동</td><td>정상작동</td><td>정상작동</td><td>정상작동</td></tr><tr><td>리드 와이어</td><td>작동 불능</td><td>정상작동</td><td>정상작동</td><td>정상작동</td></tr><tr><td>프레임</td><td>이상 소음</td><td>이상 무</td><td>이상 무</td><td>이상 무</td></tr></tbody></table>
|
[
"인버터의 가속 수명시험시간에서 시료수는 얼마지?",
"Mitsumishi사의 IPM의 가속 수명시험시간에서 시험부하율은 얼마야?",
"실험한 가속 수명 시험 시간에서 무고장 시험 시간 뭐지?",
"표5에서 가속 수명시험 시간은 얼마지?",
"고장 모드 및 메커니즘에 대한 가속 수명 실험 결과에서 베어링의 시료#1,#2,#3의 고장판단은 어땠어?",
"고정자 권선의 고장판단인 이상작동소음은 시료들에서 어떻게 나타났어?",
"가속 수명 실험에서 베어링의 고장판단은 어떻게 해?",
"표6에서의 회전자의 고장판단은 어떻게 해?",
"가속 수명 실험 결과에서 시료들의 회전자 이상상태는 어땠어?",
"표6에서의 고장판단중 리드 와이어의 고장 판단은 어떻게 해?",
"시료 1,2,3의 프레임의 이상소음의 고장판단이 있었어?",
"표6에서 시료들의 고장판단 실험에서 결과는 어떻게 됐어?",
"표6의 고장 판단중 엔코더의 고장유무는 어떻게 판단해?",
"가속 수명 실험에서 프레임의 고장판단은 어떻게 해?",
"표 5 가속 수명 시험 시간실험중 소요 시험기간은 어떻게 적용했어?",
"가속 수명 시험 시간실험중 인버터 소자의 토크 실효치값은 얼마야?"
] |
dec09fdc-ecc9-4350-81c7-0a9187467fd0
|
인공물ED
|
이동로봇용 In-Wheel Motor의 가속수명시험
|
<h1>3. 인휠 모터(In-Wheel Motor)의 수명시험방법</h1> <p>시간을 단축시킬 목적으로 사용조건보다 가혹한 조건에서 수행하는 시험을 총칭하여 가속시험이라 한다. 가속시험은 가속수명시험(Accelerated Life Test)과 가속스트레스시험(Accelerated Stress Test)으로 구분할수 있다.</p> <p>표 2는 가속수명시험과 가속스트레스시험의 비교를 보여주고 있다. 본 논문에서의 In-Wheel Motor는 가속수명시험(Accelerated Life Test)을 적용하였다.</p> <p>가속시험의 장점은 개발 및 양산 검증 시간을 단축시켜 개발기간을 단축할 수 있고, 궁극적으로 개발비용을 줄일 수 있다. 또한 설계 평가를 위한 단품의 성능정보와 잠재적 고장모드, 설계 취약점, 중요부품의확인 등 신뢰성에 관한 많은 정보를 빨리 수집할 수있다.</p> <table border><caption>표 3 고장 모드 및 메커니즘 분석</caption> <tbody><tr><td>주요 구성품</td><td>기능</td><td>고장모드</td><td>고장 메커니즘</td></tr><tr><td>베어링</td><td>회전축지지 원활한 회전</td><td>마모, 변형</td><td>부식, 피로</td></tr><tr><td rowspan=2>고정자 권선</td><td rowspan=2>회전자계 발생</td><td>이상 작동</td><td>단선, 단락 절연파피(스위칭 과전압)</td></tr><tr><td>이상 소음</td><td>외부 충격 스위칭 전류</td></tr><tr><td rowspan=2>회전자</td><td rowspan=2>회전운동 발생</td><td>이상 작동</td><td>자속 밀도 불균일</td></tr><tr><td>이상 소음</td><td>외부 충격</td></tr><tr><td>엔코더</td><td>회전자 위치 검출 및 속도 측정</td><td>측정 오차 발생 및 오작동</td><td>소자 파손</td></tr><tr><td>리드 와이어</td><td>전원 공급 및 센서 신호</td><td>작동 불능</td><td>단선, 단락</td></tr><tr><td>프레임</td><td>내부 부품 유지</td><td>이상 소음</td><td>풀림, 변형</td></tr><tr><td>Motor</td><td>Motor Parameter</td><td>이상 성능</td><td>열화</td></tr></tbody></table> <p>인휠 모터(In-Wheel Motor)의 고장모드는 베어링,고정자 권선, 회전자, 엔코더, 리드 와이어, 프레임 등여러 곳에서 나타날 수 있다. 표 3은 인휠 모터(In-Wheel Motor)의 고장에 대한 해석을 보여주고 있다. 따라서, 가속수명시험을 거치는 동안 다음과 같은고장모드를 중심으로 분석을 하여야 한다.</p> <p>가속수명시험(Accelerated life testing)은 제품의 실사용조건보다 가혹한 조건(가속조건)에서 시험하여 고장을 촉진시키고, 가속조건에서 관측된 데이터로부터수명-스트레스 관계를 추정하고, 이를 사용조건으로 외삽(extra polation)하여 사용조건에서의 수명을 빨리 추정하기 위한 시험이다. 가속수명시험에서 고장을 가속하기 위한 방법으로 사용률을 높이거나, 과부하를 인가할 수 있는 방법이 있다. 사용률을 높여 가속을 시키는 예로, 베어링을 실제 사용속도보다 빠르게 시험하거나, 절연 내구시험에 사용하는 교류전압을 \( 60 \mathrm{Hz} \) 대신 \( 412 \mathrm{Hz} \)에서 시험하는 경우, 냉장고 문의 내구 개폐시험, TV의 온/오프(on-off) 스위치 시험 등 많은 경우가 있다. 과부하를 인가하여 고장을 가속시키는경우는 온도, 전압, 습도, 진동, 부하 등 고장메커니즘을 가속시킬 수 있는 스트레스를 사용조건보다 가혹하게 설정하고 시험하면 제품의 고장을 가속할 수 있다.예를 들어 부하 변동이나 기동 정지 횟수 증가로 히트사이클에 의한 피로나 마모, 전자 진동 등이 모터의 열화 요인이 될 수 있다. 따라서 온도를 높이면 화학반응속도가 빨라져 재료의 열화와 고장이 가속되는 것이 그 예이다. 모터의 고장은 기계적인 부분과 화학적인 부분으로 나눌 수가 있는데 기계적인 고장은 화학적인 고장인 열화로 인한 모터 내부 파라미터의 변동을 제외한 대부분의 경우이다. 기계적인 고장은 모터의 외관상으로 쉽게 고장 유무를 판단 할 수 있으나, 화학적인 고장은 열로 인한 이상 변형이기에 주기적으로 내부 파라미터 측정으로 판단한다.</p> <p>본 논문에서는 인휠 모터(In-Wheel Motor)의 가속수명시험을 사용률을 높이고 동시에 과부하를 인가하는 방법을 수행하였다.</p> <p>먼저, 인휠 모터(In-Wheel Motor)의 적용대상이 이동로봇이기에 모터 자체에 사용률을 높이고 동시에 과부하를 인가하기 위해서는 속도 패턴을 일정한 속도로 운전하는 방법이 아닌 속도가 급격한 변화를 가지도록 하였다.</p>
|
[
"본문의 표 3 고장 모드 및 메커니즘 분석에서 베어링의 기능은 뭐야?",
"본문의 표 3 고장 모드 및 메커니즘 분석에서 엔코더의 기능은 무엇인가?",
"본문의 표 3 고장 모드 및 메커니즘 분석에서 회전자의 기능은 뭘까?",
"본문의 표 3 고장 모드 및 메커니즘 분석에서 고정자 권선의 기능은 뭐지?",
"본문의 표 3 고장 모드 및 메커니즘 분석에서 리드 와이어\t의 기능은 무엇일까?",
"본문의 표 3 고장 모드 및 메커니즘 분석에서 프레임\t의 기능은 무엇이지?",
"본문의 표 3에서 베어링의 고장모드는 무엇일까?",
"본문의 표 3에서 엔코더의 고장모드는 무엇인가?",
"본문의 표 3에서 리드 와이어의 고장모드는 뭘까?",
"본문의 표 3에서 Motor의 고장 메커니즘은 뭐가 있을까?",
"본문의 표 3에서 베어링의 고장 메커니즘은 무엇이지?",
"본문의 표 3에서 Motor의 고장모드는 뭐야?",
"본문의 표 3에서 리드 와이어의 고장 메커니즘은 뭐가 있지?",
"본문의 표 3 고장 모드 및 메커니즘 분석에서 Motor의 기능은 무엇으로 보여?",
"본문의 표 3에서 프레임의 고장모드는 뭐지?",
"본문의 표 3에서 엔코더의 고장 메커니즘은 무엇이야?",
"본문의 표 3에서 프레임의 고장 메커니즘은 뭐가 있는가?"
] |
f55eb87e-c458-4ef5-997b-4de8239b8431
|
인공물ED
|
가변형 액정 엘라스토머: 합성, 배향 및 응용
|
<h2>2.2. 액정 엘라스토머의 합성법</h2><p>고분자 사슬에 액정 분자볼 화학적으로 연결시키는 방법은 크게 액정 분자를 고분자 주사슬의 일부로 연결시키는 방법과 고분자의 곁사슬에 유연 격자 (flexible spacer)를 사용해 펜턴트 형태로 연결시키는 방법으로 나눌 수 있다. 전자의 방식에 의해 합성된 액정 엘라스토머는 주쇄 (main-chain)형, 후자의 방식에 의해 합성된 액정 엘라스토머는 측쇄(side-chain)형이라고 한다.</p><p>측쇄형 액정 엘라스토머의 합성법은 대표적으로 하이드로 실릴화 중합 (hydrosilylation polymerization)과 라디칼 중합 (radical polymerization)이 있다. 하이드로 실릴화 중합은 최초의 액정 엘라스토머 합성에 사용된 방법이자 polyhydrosiloxane 주사슬의 실록산 그룹에 의해 유연성이 높은 액정 엘라스토머를 합성할 수 있는 대표적인 합성법이다. 주로 백금촉매하에서 주사슬인 polyhydrosiloxane의 \( \mathrm{Si}-\mathrm{H} \) 결합과 반응할 수 있는 비닐 또는 (메타)아크릴 그룹을 가진 메소젠 밎 가교제 사이의 하이드로 실릴화 반응에 의해 측쇄형 액정 엘라스토머를 얻을 수 있다. 라디칼 증합은 보통 빛 또는 열에 의해 라디칼을 형성하는 개시제 (initiator)를 이용하여 중합반웅이 시작된다. 이후 주로 비닐 그룹 이나 아크릴 그룹을 관능기로 갖는 액정성 단량체 및 공단량체들이 개시제에 연쇄적으로 연결이 되는 방식으로 액정 고분자가 중합되며, 중합 후 추가적인 화학</p><p>개질을 통해 가교를 하게 되면 액정 엘라스토머를 얻을 수 있다. 일반적으로 측쇄형 액정 엘라스토머는 다양한 메소젠들이나 가교제 및 관능기의 도입이 용이하며, 특히 사슬중합의 경우 분자량과 분자량 분포도가 제어된 액정 엘라스토머톨 합성할 수 있다는 장점이 있다. 다만 여러 단계의 유기화학 반응을 통해 액정 단량체들을 합성해야 하는 번거로움이 있다.</p><p>주쇄형 액정 옐라스토머는 메소젠이 고분자 사슬에 직접 연결되어 있으므로, 액정 분자의 움직임과 고분자 사슬의 움직임이 강한 상호 연결성을 가지며, 배향되었을 경우 측쇄형 액정 엘라스토머에 비해 높은 사슬 이방성 (chain anisotropy)을 나타낸다. 따라서, 외부 자극에 의한 질서도 감소 시 측쇄형 액정 엘라스토머에 비해 더 큰 형상 변형을 유도할 수 있어 액츄에이터나 인공근육의 응용에 더 적합하다. 이 밖에도 주쇄형 액정 엘라스토머는 측쇄형에 비해 높은 기계적 물성과 에너지 소산 특성을 나타낼 수 있다.</p><p>주쇄형 액정 엘라스토머는 주로 단계중합법을 통해 합성되며, 최초의 주쇅형 액정 엘라스토머는 \(1997\) 년 Finkelmann 연구진에 의해 보고되었다. 연구진은 양말단이 비닐 그룹으로 치환된 액정 고분자를 합성한 후 사이클로테트라실록산 (cyclotetrasiloxane) 분자와의 하이드로 실릴화 가교 반응을 통해 네마틱 상을 가진 액정 엘라스토머 중합에 성공하였다. 이후 다양한 연구그룹에서 디비널 (divinyl)기로 치환된 액정 모노머와 디실록산 (disiloxane) 사슬연장제 및 테트라실록산 (tetrasiloxane) 가교제와의 하이드로 실릴화 반응을 이용하여 주쇄형 액정 엘라스토머에 대한 합성법을 보고하였다. 최근에는 온화한 반응 조건에서 부반응이 거의 없이, 높은 수율을 얻을 수 있는 "클릭” 반응 (click reaction)을 이용한 주쇄형 액정 엘라스토머 합성법이 많은 주목을 받고 있다. 클릭 반응을 봉한 최초의 주쇄형 액정 엘라스토머는 라디칼 개시제 존재 하에 티올 (thiol) 그룹과 비닐 그룹을 함유한 액정 모로머 및 가교제간의 광중합을 통해 합성되었다. \( 2015 \) 년에는 Yakacki 연구팀과 White 연구팀에서 각각 티올-아크릴레이트 (thiol-acrylate) 및 아민-아크릴레이트 (amine-acrylate) 그룹 간의 바이클 부가반응을 동한 단계중합법과 광가교를 결합한 주쇄형 액정 엘라스토머 합성법을 개발하였다.</p><p>특히, 마이클 부가반응에 의한 합성법은 시중에서 구입할 수 있는 액정 모노머와 사슬연장제 및 가교제를 활용할 수 있으므로 다른 합성법들에 비해 접근이 용이할 뿐 아니라 벌크 형태의 샘플도 쉽게 합성이 가능한 장점이 있다 (그림 \(3\)). 이 밖에도 에스터교환반응 및 디설파이드 복분해 반웅 둥과 같은 동적 공유결합 (dynamic covalent bond)으로 구성된 액정 엘라 스토머를 합성하여 재가공 , 재프로그래밍 및 자가치유 특성 등을 도입하기 위한 연구도 활발히 진행되고 있다.</p>
|
[
"고분자 사슬에 액정 분자볼 화학적으로 연결시키는 방법 두가지는 무엇인가요?",
"액정 분자를 고분자 주사슬의 일부로 연결시키는 방식으로 합성된 액정 엘라스토머를 무슨 형이라고 해?",
"고분자의 곁사슬에 유연 격자 (flexible spacer)를 사용해 펜턴트 형태로 연결시키는 방법으로 합성된 액정 엘라스토머의 형식은?",
"고분자 사슬에 액정 분자볼 화학적으로 연결시키는 방법은 주쇄형과 측쇄형으로 나눠지는가?",
"액정 엘라스토머 합성에 처음 사용된 방법이자 polyhydrosiloxane 주사슬의 실록산 그룹에 의해 높은 유연성을 가진 액정 엘라스토머를 합성할 수 있는 대표적인 합성법은 무엇인가?",
"대표적인 측쇄형 액정 엘라스토머의 합성법은 무엇인가?",
"라디칼 증합은 어떤 물질을 사용하여 중합반응을 시작하는가?",
"하이드로 실릴화 중합로 측쇄형 액정 엘라스토머를 얻기 위해 어떤 반응을 사용하는가?",
"고분자 사슬에 액정 분자볼 화학적으로 연결시킬 때 고분자의 곁사슬에 무엇을 사용하여 연결시키는가?",
"개시제는 열과 빛에 의해 라디칼을 파괴시키나?",
"측쇄형 액정 엘라스토머의 가장 큰 장점은 무엇인가?",
"라디칼 중합 후 가교를 하게 된면 어떤 물질을 얻을 수 있는가?",
"측쇄형 액정 엘라스토머는 메소젠들이나 가교제 및 관능기의 도입이 쉽나?",
"측쇄형 액정 엘라스토머는 단점이 없는 용이한 방법의 합성법인가?",
"측쇄형 액정 엘라스토머의 단점은 무엇인가?",
"주쇄형 액정 엘라스토머의 경우 고분자 사슬에 어떤 물질이 연결되어있는가?",
"주쇄형 액정 엘라스토머는 간접적으로 연결되어 고분자 사슬의 움직임이 약한 상호 연결성을 가지나?",
"배향되었을 때 주쇄형 액정 엘라스토머는 측쇄형 액정 엘라스토머보다 높은 사슬 이방성을 가지고 있나?",
"최근 가장 높은 수율을 얻을 수 있는 주쇄형 액정 엘라스토머 합성방법은 무엇인가?",
"주쇄형 액정 옐라스토머가 액정 분자의 움직임과 고분자 사슬의 움직임이 강한 상호 연결성을 가지게 된 이유는 무엇인가?",
"클릭반응을 사용한 주쇄형 액정 엘라스토머 합성법은 온화한 반응 조건에서 부반응이 매우 많나?",
"주쇄형 액정 엘라스토머가 측쇄형 액정 엘라스토머에 비해 높은 특징을 나타내는 것은?",
"에스터교환반응과 디설파이드 복분해 반응은 어떤 결합의 반응인가?",
"Finkelmann 연구진이 최초로 어떤 특징을 가진 주쇄형 액정 엘라스토머 중합에 성공하였는가?",
"주쇄형 액정 엘라스토머는 어떤 방법을 통해 합성되는가?",
"높은 사슬 이방성을 가지고 있으면 더 큰 형상 변형이 가능하여 인공근육을 위한 사용에 적합하니?",
"마이클 부가반응에 의한 합성법은 접근이 용이하며 합성이 쉽나?",
"언제 Yakacki 연구팀과 White 연구팀에서 광가교를 결합한 주쇄형 액정 엘라스토머 합성법을 개발하였는가?",
"액정 모노머는 시중에서 구입할 수 있는 접근이 용이한 물질인가?",
"라디칼 증합이 개시제를 사용하여 중합반응을 한 후 어떤 방식을 사용하여 액정 고분자가 중합되는가?",
"최초의 주쇄형 액정 엘라스토머를 연구한 사람은 누구인가?"
] |
8b26924e-06e4-4f2b-8789-bac50fc520db
|
인공물ED
|
가변형 액정 엘라스토머: 합성, 배향 및 응용
|
<h1>4. 결론</h1><p>본 기획 기사에서는 가변형 스마트 소재로 활용될 수 있는 액정 옐라스토머의 개념, 합성법, 배향법 및 응용분야에 대해 살펴보았다. 액정과 엘라스토머의 물성을 결합시킨 액정 엘라스토머는 기존의 고분자 또는 탄성체에서는 구현하기 어려운 다양한 외부 자극에 의한 가역적 형상 변형을 쉅게 발현할 수 있어 인공 근육, 소프트 로봇, 생체 의학 및 스마트 표면 등에 활용될 수 있다. 또한 본 기획 기사에서는 자세히 다루지 않았으나 액정 엘라스토머의 기계적 이방성, soft elasticity 및 광학 특성을 이옹한 다양한 연구도 활발히 진행 증이다. 최근 \(5-6\)년간 편리하게 대량으로 합성할 수 있는 액정 엘라스토머 중합법이 개발되고, 특히 \( 3 \mathrm{D} \) 프린팅 공정 기술 등을 접목시키면서 액정 라스토머의 응용분야가 확장되었으며, 또한 상옹화에 대한 기대감도 커지고 있다. 상용화를 위해서는 여전히 구동 힘, 응답속도 빛 내구성에 대한 개선이 필요하며 생체 적합성 등에 대한 많은 연구가 진행되어야 한다. 하지만, 앞으로 화학, 물리, 공학, 의학 밎 이론이 결합된 다양한 액정 엘라스토머 융합 연구를 통해 디스플레이나 초강력 섬유에 국한되어 있었던 액정 소재의 응용을 확장하는 새로운 돌파구가 마련될 수 있을 것으로 기대한다.</p>
|
[
"액정 엘라스토머를 편리하게 대량으로 합성할 수 있는 방법이 어떻게 돼?",
"액정 엘라스토머를 편리하게 대량으로 합성할 수 있는 기술은 무엇인가요?",
"엘라스토머와 액정의 물성을 결합시킨 것은 무엇인가요?",
"무엇을 엘라스토머와 액정의 물성을 결합시켰어?",
"액정 엘라스토머는 인공 근육이나 생체 의학에 활용될 수 있을까요?",
"\\( 3 \\mathrm{D} \\) 프린팅 공정은 액정 라스토머의 응용 분야의 확장에 기여했나요?",
"액정 엘라스토머의 soft elasticity를 이용한 연구가 진행되고 있나요?",
"액정 엘라스토머의 soft elasticity를 활용한 연구가 진행되고 있어?",
"기존의 액정 소재의 응용은 무엇에 국한되어 있었나요?",
"액정 엘라스토머를 상용화사키기 위해서는 액정 엘라스토머를 어떻게 개선시켜야 할까?",
"액정 엘라스토머를 상용화사키기 위해서는 액정 엘라스토머의 어떤 특징을 개선시켜야 할까?",
"액정 엘라스토머 융합 연구가 진행되어도 액정 소재의 응용은 초강력 섬유나 디스플레이에 국한되겠지?"
] |
0fbc5970-b8a7-4ad6-b584-84e7c9a8adc4
|
인공물ED
|
가변형 액정 엘라스토머: 합성, 배향 및 응용
|
<h1>1. 서론</h1><p>\(1888\)년 오스트리아의 식물학자 Reinitzer에 의해 처음 발견된 액정은 액체의 유동성과 고체의 질서도를 모두 보유한 물질이다. 특히, 액정 고유의 광학이방성, 전기응답성 및 표면배향성은 액정 디스플레이 (liquid crystal display, LCD)를 상용화하는데 핵심적인 역할을 했다. 액정고분자는 액정분자들이 고분자 사슬 내에 화학적으로 연결되어 액정상을 형성할 수 있는 고분자를 지칭하며, \(1970\)년대 초 방향족 폴리아미드로 구성된 액정 용액을 방사하여 초강력 섬유의 상품화를 실현한 케블라 (Kevlar) 섬유가 대표적이다. 이후 \(1980\) 년대에는 액정 분자를 실리콘과 같은 유연한 고분자 사슬에 연결한 뒤 화학 가교 시킴으로써, 상온에서도 변형이 가능한 액정 엘라스토머 (liquid crystal elastomer, LCE)가 개발되면서 액정 소재의 범주는 탄성소재로까지 확장되었다. 특히, 특정 방향으로 배향된 액정 엘라스토머는 온도 변화와 같은 외부 자극으로 가역적 형상 변형을 유도할 수 있어 인공 근육이나 액츄에이터 등으로 활용하기에 적합한 소재로 알려져 있다. 본 기획 기사에서는 이러한 가변형 액정 엘라스토머의 가역적인 형상 변형 유도와 관련된 합성법, 배향법 및 이를 이용한 다양한 응용분야에 대해 소개하고자 한다.</p>
|
[
"액정분자들이 고분자 사슬 내에 화학적으로 연결되어 액정상을 형성할 수 있는 고분자는 어떤거야?",
"특정 방향으로 배향된 액정 엘라스토머는 왜 인공 근육이나 액츄에이터에 활용하기 적합해?",
"\\(1888\\)년 오스트리아의 식물학자 Reinitzer에 의해 처음 발견된 액정은 어떤 것을 보유했어?",
"액정 디스플레이를 상용화하는데 핵심적인 역할을 하는 것은 뭐야?",
"이후 \\(1980\\) 년대에는 액정 분자를 어떤 고분자 사슬에 연결한 뒤 화학 가교 시켰어?",
"특정 방향으로 배향된 액정 엘라스토머는 어떤 변화와 같은 자극으로 가역적 형상 변형을 유도할 수 있어?",
"액정고분자는 액정분자들이 어디 안에서 화학적으로 연결되어 액정상을 형성해?",
"섬유의 상품화를 실현한 케블라섬유는 무엇으로 구성된 액정 용액을 방사했어?",
"액정 엘라스토머가 개발되면서 액정 소재의 범주는 어디까지로 확정됬어?",
"\\(1970\\)년대 초 방향족 폴리아미드로 구성된 액정 용액을 방사한 초강력 섬유 상품은 뭐야?",
"특정 방향으로 배향된 액정 엘라스토머는 어디에 활용하기 적합한 소재야?",
"상온에서도 변형이 가능 액정 소재는 뭐야?"
] |
e5409b1e-bc11-4f98-b424-3c1d9c849231
|
인공물ED
|
가변형 액정 엘라스토머: 합성, 배향 및 응용
|
<h1>2. 액정 엘라스토머의 이해</h1><h2>2.1. 액정 엘라스토머의 개념 및 주요 특성</h2><p>액정 엘라스토머는 고무의 탄성과 액정의 방향 질서가 결합된 고분자다. 이 두 가지 물성의 조합으로 인해 높은 변형률, 형상기억 특성, 액정 분자 배향에 따른 물성의 이방성 (anisotropic property), soft elasticity 및 자극 응답성과 같은 특성을 나타낼 수 있다. \(1975\)년 de Gennes는 액정 엘라스토머는 외부 자극에 의해 특정 방향으로 배향된 액정분자들의 질서도가 변할 때 거시적인 수준의 변형이 가능하다는 최초의 이론 논문을 발표하였다. 이러한 이론은 \(1991\)년 독일의 Finkelmann 연구팀이 일축 연신에 의한 모노도메인 (monodomain) 구조의 액정 엘라스토머를 최초로 합성하여 상전이에 따른 액정 엘라스토머의 가역적 길이 변화에 대한 연구결과를 보고하면서 실험적으로도 입증되었다. 이후 액정 엘라스토머에 대한 연구는 화학, 물리, 공학 및 이론 분야에서 최근까지 발전을 기듭하여 학문의 한 분야로 자리 잡았다 (그림 \(1\)).</p><p>액정 엘라스토머는 메소젠 (mesogen)이라는 액정 분자들이 유연한 고분자 사슬에 화학적으로 연결된 뒤, 약하게 가교되어 있는 탄성체를 지칭한다. 일반적인 엘라스토머와 유사하게 상온에서 수-수십 \( \mathrm{MPa} \) 수준의 탄성률, 상온보다 낮은 유리전이 온도 \( \left(\mathrm{T}_{\mathrm{g}}\right) \) 값을 나타내며, 수백 \% 이상의 높은 변형이 가능하다. 특히, 가교밀도가 낮기 때문에 네마턱-등방성 상전이 (nematic-isotropic transition)시 액정 분자들의 질서도 (order parameter)가 \( 90 \% \) 정도까지 크게 변화할 수 있다. 반면에 고분자 내 가교 밀도가 높은 경우에는 엘라스토머 대신 액정 네트워크 (LC network, LCN)로 구별한다. 액정 네트워크는 상온에서 수백 \( \mathrm{MPa} \) - 수 \( \mathrm{GPa} \) 수준의 탄성률 및 상온보다 높은 \( \mathrm{T}_{\mathrm{g}} \)를 나타내지만, 변형률은 \( 10 \% \) 내외로 낮은 편이며, 높은 가교 밀도 때문에 액정 분자들의 움직임이 제한되어 질서도 변화가 \( 5 \% \) 내외로 적은 편이다 (그림 \( 2 \mathrm{a}) \).</p><p>액정 엘라스토머의 가역적 형상 변형은 상전이에 의한 질서도 변화와 관련이 있다. 예를 들어, 액정분자들이 한 방향으로 배향된 모노도메인 구조의 액정 엘라스토머를 액정상에서 등방상으로 가열하면 액정 분자들의 질서가 붕괴되게 되고, 이에 따라 연결되어 있는 주변 고분자 사슬들의 구조 (conformation)를 랜덤한 형태로 변화시키게 된다. 이때, 같은 방향성을 가진 미세한 크기의 액정 도메인들이 동시에 방향성을 잃기 때문에 눈으로도 확인 가능한 거시적 수준의 형상변화가 발현될 수 있다. 온도를 다시 액정 상으로 낮출 경우 액정 분자들의 질서가 회복됨과 동시에 가교점들에 의한 탄성 호과에 의해 원래의 형상으로 돌아올 수 있다 (그림 2b) .</p>
|
[
"독일 연구팀이 어떤 구조의 액정 엘라스토머를 최초로 합성하여 실험을 했어?",
"배향된 모노도메인 구조의 액정 엘라스토머를 어떻게 하면 액정 분자들의 질서가 붕괴되게 돼?",
"최근까지 화학, 물리, 공학 및 이론 분야에서 액정 엘라스토머에 대한 연구는 진행됐어?",
"외부 자극에 의해 특정 방향으로 배향된 액정분자들의 질서도가 변할 때 거시적인 수준의 변형이 가능하다는 것을 어떤 결과를 통해 입증되었어?",
"고분자 내 가교 밀도가 높은 경우에는 엘라스토머 대신 액정 네트워크로 구별해?",
"액정 엘라스토머는 어떤 것이 유연한 고분자 사슬에 화학적으로 연결된 뒤, 약하게 가교된 탄성체야?",
"액정 엘라스토머 상온에서 높은 변형이 가능해?",
"액정 엘라스토머는 어떤 것이 결합된 고분자야?",
"고분자 내 가교 밀도가 높으면 어떤 것으로 구별해?",
"액정 엘라스토머 상온보다 낮은 유리전이 온도값을 나타내?",
"액정 엘라스토머의 가역적 형상 변형은 무엇과 관련있어?",
"액정 네트워크는 왜 액정분자들의 움직임이 제한되어 질서도 변화가 5% 내외로 적은 편이야?",
"액정 분자들의 질서가 붕괴되게 되면 연결되어 있는 주변 고분자 사슬들의 구조가 어떤 형태로 변화해?",
"액정 엘라스토머는 어떤 방향성을 가진 미세한 크기의 액정 도메인들이 동시에 방향성을 잃어?",
"액정 도메인들이 동시에 방향성을 잃으면 어느 수준의 형상변화가 나타날 수 있어?",
"무엇을 낮추면 액정 엘라스토머가 원래의 형상으로 돌아와?",
"액정 엘라스토머는 왜 온도를 낮추면 원래 형상으로 돌아와?",
"액정 엘라스토머는 외부 자극에 의해 특정 방향으로 배향된 액정분자들의 질서도가 변할 때 어느 수준의 변형이 가능해?",
"고무의 탄성과 액정의 방향 질서가 결합되면 어떤 특성을 나타내?",
"액정 엘라스토머는 왜 네마턱-등방성 상전이 (nematic-isotropic transition)시 액정 분자들의 질서도가 크게 변화할 수 있어?"
] |
f0fa7995-03c5-4245-bb1a-223574827728
|
인공물ED
|
가변형 액정 엘라스토머: 합성, 배향 및 응용
|
<h1>3. 액정 엘라스토머의 응용</h1><h2>3.1. 소프트 로봇</h2><p>소프트 로봇 (soft robot)은 근육과 같은 연성 소재로 이루어진 로봇으로 높은 변형이 가능할 뿐 아니라 복잡하면서도 부드러운 움직임을 구현할 수 있다. 특히 소프트 로봇은 기존의 금속과 같은 강체 기반 로봇에 비해 복잡하고 다양한 환경에서 주변 사물과 안전한 상호작용을 할 수 있을 뿐 아니라 높은 환경 적응성 때문에 최근 관심과 필요성이 증가하고 있다. 액정 엘라스토머의 가역적인 형상 변형 특성을 이용하면 기어 다니거나, 구르거나, 방해물을 점프하는 것과 같은 여러 형태의 움직임이 가능한 소프트 로봇의 개발이 가능하다. 한 가지 예로써, Qi 연구팀에서는 열에 의해 수축-팽창이 되는 액정 엘라스토머를 이용해 기어 다니는 소프트 로봇을 개발하였다. 이를 위해 먼저 Tangoblack과 Verowhite 소재를 \(3\)D 프린팅하여 제작한 연성 기판과 액정 엘라스토머 필름 사이에 전도성 실버 와이어가 삽입된 라미네이션 필름을 제작하였다. 이후 \( 1.5 \mathrm{~A} \) 의 주기적인 전류 신호를 가하면 줄 열 (Joule heat)이 발생되고, 이를 통해 유도되는 라미네이션 필름의 반복적인 구부러짐-펴짐 현상을 이용해 특정 방향으로 기어 다니는 소프트 로봇을 구현하였다 (그림 \(10\)).</p><h2>3.2. 생체 의학 분야</h2><p>하중 지지를 담당하는 빼나 근육과 같은 대부분의 생체 조직들은 이질적인 (heterogeneous) 구조로 이루어져 있으며 또한 이방적 기계적 물성을 나타낸다. 따라서, 액정 엘라스토머 고유의 기계적 이방성 및 서로 다른 배향의 액정 엘라스토머로부터 발생되는 기계적 물성의 이질성을 활용하면 생체 조직의 특성과 기능 을 모사할 수 있다. 최근 Yakacki와 Frick 공동연구팀은 액정 엘라스토머를 이용해 인체의 척추 속 추간판 (intervertebral disc, IVD)을 구성하고 있는 속질핵 (nucleous pulposus)과 섬유테 (annulus fibrosus)를 모사하였다. 톡히, 내부의 속질핵은 충격을 합수하는 기능을 담당하므로 랜덤한 형태로 배향이 된 폴리도메인 액정 엘라스토머로 제작하였으며, 외부의 섬유테 부분은 구조적 강도와 탄성을 주는 기능을 담당하므로 모노도메인 액정 엘라스토머로 제작하였다 (그림 \(11\)). 두 가지의 다른 배향으로 이루어진 액정 엘라스토머 기반 인공 추간판은 실제 추간판과 유사한 기계적 물성을 나타낼 수 있었으며, 실제 쥐에 피하이식 (subcutaneous implantation)을 했을 경우에도 심각한 부작용이 발생되지 않았다. 이외에도 액정 엘라스토머의 액츄에이션 특성을 이용하거나 표면배향을 통해 얻어진 결함 패턴을 통해 세포들을 특정 방향으로 정렬시킬 수 있다는 것이 보고되었다.</p><h2>3.3. 스마트 표면</h2><p>최근 환경에 따라 표면의 미세구조를 동적으로 변하게 하여 다양한 기능성을 부여할 수 있는 스마트 표면에 대한 연구가 관심을 받고 있다. 이러한 스마트 표면은 필요에 따라 접착력, 마찰력 및 젖음성 등의 특성이 제어될 수 있기 때문에 산업적으로도 유용할 수 있다. 액정 엘라스토머의 가역적 형상 변형 특성을 활용하면 다양한 외부 자극에 반응하여 미세구조가 바뀌는 스마트 표면을 제작할 수 있다. 예를 들어, Broer 연구팀은 콜레스테릭 액정 네트워크를 수직 배향 처리된 ITO 전극 위에 스핀코팅하여 나선형 지문 구조 표면을 제작하였다. 이때 교류전압을 가하면 전기장에 의해 콜레스테릭 액정 네트워크의 지문 구조가 변하고, 전체적인 topography 또한 울퉁불퉁한 구조로 바뀌며 진동한다. 이러한 진동하는 카이랄-네마틱 지문 구조를 이용하면 태양광 모듈 표면에 쌓인 먼지를 제거하여 유지 보수 비용을 절감할 수 있는 자기 세정 코팅제로 활용할 수 있다 (그림 \(12\)).</p>
|
[
"높은 변형이 가능할 뿐 아니라 복잡하면서도 부드러운 움직임을 구현할 수 있는 연성 소재로 이루어진 로봇은 무엇인가요?",
"어떤 로봇이 높은 변형이 가능하며 부드러운 움직임을 실현 가능해?",
"소프트 로봇의 필요성이 증가하고 있는 이유는 무엇인가요?",
"왜 소프트 로봇의 필요성이 높아져?",
"강체 기반 로봇은 소프트 로봇보다 환경 적응성이 높나요?",
"소프트 로봇보다 환경 적응성이 높은 것은 강체 기반 로봇일까?",
"여러 형태의 움직임이 가능한 소프트 로봇을 만드려면 무엇의 가역적인 형상 변형 특성을 이용해야 하나요?",
"어떤 연구팀에서 열에 의해 팽창-수축이 되는 액정 엘라스토머를 이용해 기어 다니는 소프트 로봇을 개발했나요?",
"Qi 연구팀에서는 열에 의해 수축-팽창이 되는 액정 엘라스토머를 이용해 어떤 소프트 로봇을 만들 수 있었나요?",
"연성 기판은 어떤 소재로 만드나요?",
"어떤 물질로 연성 기판을 제작해?",
"Qi 연구팀에서 기어다니는 소프트 로봇을 만들 때 Tangoblack과 Verowhite 소재를 무엇을 통해 연성 기판으로 만들었나요?",
"Qi 연구팀에서 개발한 기어 다니는 소프트 로봇에서 줄 열을 발생시킬 때 주기적인 전류 신호의 세기는 얼마인가요?",
"뼈나 근육과 같이 하중 지지를 담당하는 생체 조직들은 이질적인 구조로 이루어져 있나요?",
"빼나 근육과 같이 하중 지지르 담당하는 생체 조직들은 어떤 물성을 나타내나요?",
"무엇을 활용하면 생체 조직의 기능과 특성을 모사할 수 있을까요?",
"생체 조직의 기능과 특성을 무엇을 사용해서 나타내지?",
"어떤 연구팀이 액정 엘라스토머를 이용해 인체의 속질핵과 섬유테를 모사했나요?",
"액정 엘라스토머를 이용해 인체의 속질핵과 섬유테를 모사한 것은 어떤 연구팀이지?",
"척추 속 추간판을 구성하는 있는 것 중 충격을 합수하는 기능을 담당하는 것은 무엇인가요?",
"척추 속 추간판을 구성하는 있는 것 중 구조적 강도와 탄성을 주는 기능을 담당하는 것은 무엇인가요?",
"무엇이 척추 속 추간판을 구성하는 있는 것 중 구조적 강도와 탄성을 주는 기능을 담당하지?",
"Yakacki와 Frick 공동연구팀은 속질핵은 어떤 액정 엘라스토머로 만들었나요?",
"속질핵은 Yakacki와 Frick 공동연구팀이 어떤 액정 엘라스토머로 제작하지?",
"Yakacki와 Frick 공동연구팀은 섬유테 부분은 어떤 액정 엘라스토머로 만들었나요?",
"섬유테 부분을 Yakacki와 Frick 공동연구팀이 어떤 액정 엘라스토머로 제작해?",
"Yakacki와 Frick 공동연구팀이 만든 액정 엘라스토머 기반 인공 추간판은 쥐에게 피하이식했을 때 부작용이 심했나요?",
"외부 자극에 반응하여 미세구조가 바뀌는 스마트 표면은 액정 엘라스토머의 어떤 특성을 활요한 것인가요?",
"Broer 연구팀이 콜레스테릭 액정 네트워크를 수직 배향 처리된 ITO 전극위에 스핀코팅해서 만든 것은 무엇인가요?",
"Broer 연구팀은 콜레스테릭 액정 네트워크를 수평 배향 처리된 ITO 전극 위에 스핀코팅 하였나요?",
" 콜레스테릭 액정 네트워크를 Broer 연구팀이 수평 배향 처리된 ITO 전극 위에 스핀코팅 했지?",
"진동하는 카이랄-네마틱 지문 구조를 이용하면 무엇으로 활용이 가능할까요?"
] |
59dc7979-b291-42f0-89e6-536377097781
|
인공물ED
|
PHEV용 Charge Indicator 시험기 개발
|
<h1>1. 서 론</h1><p>자동차는 오늘날 인류의 생활에 없어서는 안 될 정도로 큰 비중을 차지하고 있다. 이러한 자동차 기술의 발전은 기계 기술과 전자기술의 접목을 통해 발전해왔다. 특히 최근의 자동차는 전장 부품을 탑재하고 있으며, 전장 부품은 배터리에서 전원을 공급하여 동작하는 전기 전자 부품 및 저항이나 콘덴서와 같은 소자들로 이루어진 작은 기판을 포함하는 부품과 마이크로컴퓨터를 포함한 단면 양면/기판들과 기계적인 기구들이 조합된 부품들까지 포함된 것을 의미한다. 이는 전기가 흐르는 모든 부품이나 장치를 의미해 ESA(Electric/Electronic Sub Assembly) 라고도 부른다. 최근 전기 자동차, 친환경 자동차 및 지능형 자동차 하이브리드 자동차 등이 주목을 받으면서 더욱 전장부품 시장은 점점 최신 기술 등을 발명을 통해 발전해 나가고 있으며 기존 자동차 시장이 각종 환경적 사회 규제로 인해 대체 에너지원을 활용한 자동차 개발에 앞서 투자하면서 그와 관련된 자동차 전장부품 시장도 더욱 활기를 띄고 있다. 자동차 기술의 발전함에 따라 편의장비 및 안전장비 들이 기하급수적으로 증가하고 있으며, 전장부품의 품질 검사 또한 엄격해 지고 있다. 실제 전장부품을 생산하여 완성차 업체에 납품하는 1 차, 2차, 3차 벤더들의 경우에는 반드시 자사가 생산한 전장부품을 시험하도록 되어있으며, 시험결과를 자동차 완성차 업체에 제출토록 되어있다. 다양한 전장부품을 테스트 하기 위하여 모달 테스트를 통해 분석하는 방법과 유한요소 해석법을 사용한 연구들이 진행되었다.</p><p>본 연구에서는 플러그인 하이브리드 자동차의 충전 인디케이터 전장 부품을 시험하는 시험기를 개발 하였다. 플러그인 하이브리드 자동차 (PHEV)는 이름에서 알 수 있듯이 차량에서 사용할 전기를 플러그로 충전 할 수 있어야 한다. 그러기 위해서는 플러그를 차량에 장착한 경우에 충전 상태를 차량의 운전자에게 알려주는 기능을 하여야 한다. 충전 정보는 차량의 머리라 할 수 있는 ECU에서 정보를 받아 차량의 운전자에게 디스플레이를 하게 된다. 이때에는 충전량과 에러 정보를 쉽게 디스플레이 하여야 하며, 특히 플러그인 하이브리드 차량의 경우 차량의 운전자는 차를 충전하기 위해서는 외부에서 플러그를 차량에 꼽는 방식을 사용하며, 따라서 Charge indicator는 외부에서도 잘 확인할 수 있는 곳에 위치하여야 한다. 그리고 확실히 운전자에게 충전 정보를 디스플레이 할 수 있도록 직관적이어야 하며, 충분히 밝은 조도를 확보하여야 한다. 본 연구에서는 Charge indicator의 불량을 생산 후 바로 판정할 수 있는 시험기를 제작 하였다.</p>
|
[
"작은 기판은 무엇으로 구성되는가?",
"전기 자동차, 친환경 자동차 및 지능형 자동차 하이브리드 자동차 등은 환경적 사회 규제에 비교적 자유로운가?",
"기계 기술과 전자기술은 자동차 기술의 발전에 필요한가?",
"ESA는 어떤 단어로 대체될 수 있는가?",
"각종 환경적 사회 규제로 인해 전기 자동차의 발명은 저하되고 있는가?",
"ESA는 무엇을 의미하는가?",
"마이크로컴퓨터를 포함한 단면 양면/기판들과 기계적인 기구들이 조합된 부품들은 전장 부품에 포함되지 않는가?",
"플러그인 하이브리드 자동차는 충전 상태를 차량의 운전자에게 알려주는 기능이 있어야 하는가?",
"플러그인 하이브리드 자동차에서 ECU는 차량의 무엇이라 할 수 있는가?",
"편의장비 및 안전장비들의 품질 검사가 엄격해지고 있는가?",
"자동차 완성차 업체에 제출해야 하는 것은 무엇인가?",
"모달 테스트와 유한요소 해석법은 무엇을 테스트하기 위해 쓰여지는가?",
"플러그인 하이브리드 자동차에서 쉽게 디스플레이되어야 하는 것은 무엇인가?",
"차량에서 사용할 전기를 플러그로 충전 할 수 있는 자동차의 이름은?",
"외부에서 플러그를 차량에 꼽는 방식을 사용하는 차량의 종류는?",
"Charge indicator는 어두운 조도를 확보해야 하는가?"
] |
3a513b7b-3b86-4ad0-ac8f-57fb8fb531ee
|
인공물ED
|
PHEV용 Charge Indicator 시험기 개발
|
<h1>2. 설계 및 소프트웨어</h1><h2>2.1. 하드웨어 구성</h2><p>Fig. 1 은 하드웨어 블록 다이어그램을 나타내고 있다. 제어를 위한 MCU회로와 디스플레이를 위한 LCD, Charge indicator 를 검사하기 위한 전류 측정센서, ECU의 명령을 송수신하기 위한 CAN통신 회로, 디지털 입출력, ADC회로부로 구성하였다. 또한 측정 결과를 작업자에게 명확히 전달하기 위하여 부저와 경광등을 부착하였으며, 각종 동작 버튼을 함께 구비하였다. 측정된 결과를 DB에 저장하기 위해 PC를 추가하였으며, 측정을 한 제품에 대해서는 자동으로 시리얼 번호를 부여하도록 하였으며, 합격품인 경우에는 생성된 시리얼 번호에 해당하는 바코드라벨을 출력하여 작업자가 생산완료 된 제품에 부착할 수 있도록 하였다. 그러나 불량 판정이 난 경우에는 불량의 원인을 작업자에게 디스플레이 하도록 하고, 이력을 저장하여 합격품과 구분할 수 있도록 하는 기능을 구현하였다.</p><h2>2.2. CAN 통신 회로 설계</h2><p>CAN은 실시간 제어 응용시스템 내에 있는 센서 또는 기동장치 등과 같은 주변장치들을 서로 연결해 주는 마이크로 제어기용 직렬 버스 네트워크를 가리킨다. 메시지는 해당 네트워크에서의 고유한 식별자를 사용하여 네트워크 내에 있는 모든 노드들에게 동시에 뿌려진다. 개개의 노드들은 이 식별자에 기반을 두어 해당 메시지를 처리할 것인지의 여부를 결정하며. 버스 접근 순서 역시 경쟁원리에 따라 메시지 우선 순위를 정한다. 충돌이 감지되었을 때 이더넷에서는 전송이 중단되는 것과는 달리, CAN과 같은 방식을 사용하면 중단 없는 데이터 전송이 가능하다. CAN은 1986년에 로버트 보쉬에 의해 처음 개발되었으며, 최고 속도 \( 125 \mathrm{Kbps} \) 까지 활용을 위해 ISO11519 로, 그리고 \( 1 \mathrm{Mbps} \) 까지 활용을 위해 ISO 19898로 각각 표준화되었다. Fig. 2는 Multi CAN 인터페이스의 블록 다이아그램을 나타내고 있다.</p><p>본 연구에서는 Multi CAN 인터페이스를 구현하기 위해서 PIC18F4480 칩을 사용하였다. Fig. 3에 회로도를 나타내었다. 사용자가 제어를 통해 다수의 CAN통신이 가능하도록 기능을 구현하였다. 본 연구에서는 CAN#1-CAN#5 까지 총 5개의 CAN 통신 채널을 제어할 수 있도록 하드웨어를 개발 하였다. 시험기에 5개의 CAN채널을 구성하여 테스트 제품이 변경되더라도 확장성이 용이하도록 하였다.</p><h2>2.3. 하드웨어 layout</h2><p>Fig. 4는 메인 보드의 PCB layout을 나타내고 있다. 메인보드의 사이즈는 \( 185 \mathrm{mm} \times 115 \mathrm{mm} \) 의 크기로 설계 하였다. 릴레이 제어, 각종 신호 입출력 기능을 탑재하였다. 또한 Charge indicator의 LED의 불량여부를 검출하기 위해서는 가장 좋은 방법은 LED의 조도를 측정하는 방식이다. 그러나 현실적으로 LED 조도를 측정하는 광학장비를 탑재하기에는 제작 단가가 매우 상승하기 때문에 본 연구에서는 소비전류를 측정하는 방식으로 불량 여부를 판정할 수 있도록 회로를 구성하였다.</p><p>Fig. 4의 우측하단에 쪽보드 형태로 전류센싱 보드를 설계하였으며, 이렇게 설계를 진행한 이유는 전류 센싱 보드는 이상전류를 측정하는 기능을 담당하며, 쇼트, 또는 전류이상으로 인해 센서 칩이 망가지는 경우가 발생할 수 있다. 그래서 본 연구에서는 임베디드 보드에 헤더핀 으로 장착할 수 있도록 전류센서 보드를 설계하여 고장이나 이상 발생 시 전류 센싱 보드만 쉽게 교체가 가능하도록 하였으며, 측정 정밀도는 \( 0.01 \mathrm{mA} \)까지 측정할 수 있도록 하였다.</p><h2>2.4. 소프트웨어 개발설계</h2><p>Fig. 5는 Charge indicator 시험기의 동작 프로세스 개념도를 나타내고 있다. 그림에서 알 수 있듯이 START 버튼을 누름과 동시에 검사 프로세스가 가동되도록 하였다. START 버튼이 눌려지면 전류센서를 통해 Charge indicator의 SHORT(쇼트) 검사모드로 진입하게 된다. 쇼트 테스트 시에는 Charge indicator의 메인 전원인 IGN을 공급하게 되고, LED를 점등하기 위한 (ILL+) 신호를 공급한다. 이때 만약 쇼트 검사에서 실패하게 되면 경광등과 부저를 구동하여 사용자에게 피드백을 하고 작업자는 불량품을 확인하고 제거하게 된다. 쇼트 테스트를 통과하게 되면 충전 중, 이상발생 등의 램프 검사를 진행하게 된다. 이때는 각 상황에 따라 점등되는 LED의 색깔이 다르게 나타나며, 정상적으로 소비되는 전류를 측정하여 상하한 범위 안에 있는지를 판단하게 된다.</p><p>Fig. 6는 Charge indicator 시험기의 LCD창의 디스플레이 모습을 나타내고 있다. 시험기에는 앞서 기술한 바와 같이 LED 전류소모량의 기준값 및 상하한 값을 설정하는 기능과 조립검사, 쇼트검사, 충전중 검사, 충전실패검사, 외관검사를 수행하는 시간 간격, 측정 횟수 등의 기본정보를 설정하고 측정된 결과 및 판정결과를 PC에 송신하는 기능을 수행하도록 개발을 진행하였다</p>
|
[
"연구에서 Charge indicator의 LED의 불량여부를 검출하기 위해서 어떤 측정 방식을 선택했지?",
"시험기 동작 프로세스 중 검사 프로세스가 가동되도록 할 때 누르는 버튼은 뭐야?",
"Charge indicator의 LED의 불량여부를 검출하기 위해서 사용하는 방법중 가장 좋은 방법은 LED의 고도를 측성하는 것이 옳아?",
"하드웨어 구성 항목중 ECU의 명령을 송수신하기 위한 통신회로는 무엇이지?",
"Fig. 2는 어떤 블록 다이아그램을 나타내고 있어?",
"CAN 통신 회로의 최초 개발자의 이름은 뭐야?",
"측정한 제품에 자동으로 부여되는 번호를 뭐라고 해?",
"측정 결과 불량 판정이 난 경우 작업자가 진행하는 과정은 어떻게 되지?",
"측정한 제품에 자동으로 부여되는 번호를 뭐라고 부르지?",
"측정된 결과를 DB에 저장하기 위해 PC를 추가한 것은 뭐야?",
"측정 결과를 작업자에게 명확히 전달하기 위해 부착한 두 가지는 장치는 뭐야?",
"Fig. 1 에서 보여주고 있는 하드웨어 블록 다이어그램의 구성에 포함되는 것은 뭐야?",
"본 연구에서는 소비전류를 측정하는 방식으로 불량 여부를 판정할 수 있도록 회로를 구성하여 제작 단가 상승의 문제점을 해결한게 맞을까?",
"Fig. 4에서 알 수 있는 메인보드의 사이즈는 얼마야?",
"네트워크에서 메세지 전송 중 충돌이 감지되었을 때 CAN방식을 사용하면 중단 없는 데이터 전송이 가능해?",
"하드웨어 layout 설계 시 우측 하단에 쪽보드 형태로 전류 센싱 보드를 설계한 이유는 뭐야?",
"쇼트 검사에서 실패했을 경우 불량에 대한 피드백을 어떤 방식으로 주게 되지?",
"조도를 측정하는 방식으로 LED 불량 여부를 검출 시 제작 단가 상승의 문제점을 해결하기 위해 본 연구에서 선택한 증정 방식은 뭐야?"
] |
4de4c260-2d5c-45a5-8322-8c459c146cf3
|
인공물ED
|
PHEV용 Charge Indicator 시험기 개발
|
<h1>3. 제작 및 성능 시험</h1><h2>3.1. System 제작</h2><p>Fig. 7은 본 연구를 통해 개발된 PHEV용 Charge indicator 시험기를 나타내고 있다. Fig. 7에서 볼 수 있듯이 시험기는 LCD와 Charge indicator를 커넥팅 하기 위한 지그로 구성이 되어있으며, 자동 커넥팅을 위해서 공압 실린더와 공압제어 회로를 탑재 하였다. 시험기의 옆에는 작업자가 확인할 수 있도록 부저와 경광등을 설치하였으며, 시험결과 및 시리얼 번호, 양품, 불량수량을 확인할 수 있는 PC와 모니터를 별도로 구성하였다. 그리고 양품의 경우 시리얼을 출력할 수 있는 바코드 라벨 프린터까지 구동할 수 있도록 소프트웨어를 개발하였다.</p><h2>3.2. 성능 테스트</h2><p>본 연구를 통해서 개발된 CAN통신 관련 테스트를 진행하였다. 테스트는 고속 CAN LINE 비정상 점유 평가를 실시하였다. 테스트 방법은 오실로 스코프를 사용하여 CAN H, CAN L 신호를 연결 후 IGN 전원을 인가한 후에 Error Frame 발생 유무를 확인 하는 방법으로 진행하였다. 이러한 CAN 통신 테스트는 다수의 전장부품들이 CAN통신으로 묶여있는데, 어떤 CAN 디바이스에서 이상 신호를 발생하게 될 경우 차량의 안전에 치명적인 문제를 야기 할 수 있기 때문에 반드시 CAN통신 관련 테스틀 거쳐야만 한다.</p><p>Fig. 8은 테스트 결과를 나타내고 있다. 노란색 신호선은 CAN H이며, 파란색 신호선은 CAN L를 나타낸다. CAN H 신호에서 CAN L신호를 뺀 결과가 가운데 적색 신호로 나타나고 있다. 전원을 디바이스에 인가하였을 때 Error Frame이 발생하지 않은 것을 알 수 있다.</p><p>그 외에도 CAN stress 테스트를 수행하였다. 각 CAN 메시지에 대해 연속적인 장애를 가하여 BUS OFF 및 장애 제거시 정상복귀 여부를 확인하였다. GND 라인 쇼트시, CAN H, CAN L 쇼트시로 나뉘어 테스트를 진행하였으며, 장애 제거시 바로 통신이 가능한 상태로 복귀하는 것을 확인하였다. 본 연구를 통해 개발된 PHEV용 Charge indicator 시험기는 실제 자동차 전장부품을 생산하는 생산업체에서 바로 사용이 가능한 수준으로 개발되었다.</p><p>Fig. 9은 PHEV용 Charge indicator 시험기의 테스트 결과를 나타내고 있다. 조립검사, 쇼트검사, 충전중 검사(전류상한 \( 72 \mathrm{mA} \), 전류하한 \( 68 \mathrm{mA} \), 측정시간 0.8초, 반복회수 2회 ), 충전실패 검사(전류상한 \( 72 \mathrm{mA} \), 전류하한 \( 68 \mathrm{mA} \), 측정시간 2초, 반복회수 1회), 외관검사(작업자 육안검사)를 모두 통과하여 합격 판정된 결과를 나타내고 있다.</p>
|
[
"장애 제거시 바로 통신 가능한 상태인지 확인하기 위해 진행된 테스트 방법은 뭐야?",
"연구에서 자동 커넥팅을 위해 탑재된 것은 무엇인가?",
"연구에서 자동 커넥팅을 위해 탑재된 것은 뭐야?",
"연구에서 시험기 옆에 작업자가 확인할 수 있도록 설치된 것은 무엇인가?",
"테스트 결과에서 노란색 신호선이 나타내는 것은 뭐야?",
"본 연구에서 개발된 CAN통신 관련 테스트를 하기 위해 진행한 방법은 뭐야?",
"CAN L는 어떤 색의 신호선으로 나타나?",
"테스트 결과에서 파란색 신호선이 나타내는 것은 CAN H이 맞아?",
"테스트에서 적색 신호는 어떤 걸과 값을 나타내는 거지?",
"CAN stress 테스트 진행 방법은 어떻게 돼?",
"CAN stress 테스트 진행 방법은 뭐야?",
"PHEV용 Charge indicator 시험기 충전 실패 검사 중 전류 상한 조건 값은 얼마인가?",
"PHEV용 Charge indicator 시험기의 성능 테스트 중 조립검사, 쇼트검사, 충전중 검사의 반복 회수는 1회니?",
"PHEV용 Charge indicator 시험기 제작 과정에서 시험 결과 및 시리얼 번호, 양품, 불량 수량을 확인하기 위해 어떤 방법을 사용했나요?",
"PHEV용 Charge indicator 시험기의 성능 테스트 중 충전실패 검사의 반복 회수는 1회니?",
"PHEV용 Charge indicator 시험기의 성능 테스트 중 충전실패 검사의 반복 회수는 1회야?",
"PHEV용 Charge indicator 시험기의 자동 커넥팅을 위해서 어떤 방법을 사용했나요?",
"CAN통신 관련 테스는 어떤 과정으로 진행했나요?",
"CAN통신 관련 테스는 어떤 과정으로 진행했니?",
"테스트 결과에서 CAN H는 노란색 신호선이 맞아?",
"CAN H는 테스트 결과에서 노란색 신호선이니?"
] |
d653799d-9944-4425-8044-0db6307cc329
|
인공물ED
|
PHEV용 Charge Indicator 시험기 개발
|
<h1>4. 결 론</h1><p>플러그인 하이브리드 자동차에 사용되는 Charge indicator의 시험기를 개발 하였다. Charge indicator는 ECU와 CAN 통신 방식으로 데이터를 송수신하며, 운전자에게 충전 정보를 디스플레이하는 장치이다. 본 연구를 통해서 CAN데이터를 송수신 하는 전장부품 시험기를 개발하였으며, 이를 통해 실제 자동차 전장 부품을 생산하는 업체에서 바로 사용할 수 있도록 우수한 성능과 저렴한 생산가격을 갖는 시험기를 개발하였다. 전류센서의 분해능은 \( 0.01 \mathrm{mA} \)의 오차범위 내에서 측정이 가능하였으며, \( 12 \mathrm{bit} \) ADC회로를 통해 측정하도록 회로를 구성하였다. 자동 커넥팅 방식으로 실제 작업현장에서 편리하게 사용할 수 있도록 작업자의 편의성까지 고려하였다. 본 연구를 통해 전류 센싱 및 CAN 통신 방식의 전장부품 시험기를 개발하였으나, 추후에는 LED indicator의 조도까지 정밀하게 검사할 수 있는 비전기능을 탑재한 시험기의 개발을 추진할 계획이다.</p>
|
[
"Charge indicator는 운전자에게 어떤 정보를 디스플레이 하는가?",
"전류센서의 분해능 오차범위는 얼마인가?",
"Charge indicator는 어떤 통신 방식으로 데이터를 송수신하는가?",
"개발된 시험기는 업체에서 바로 사용할 수 있는가?",
"연구를 통해 개발된 전장부품 시험기는 어떤 데이터를 송수신 하는가?",
"전류센서는 어떤 회로를 통해 측정되는가?",
"개발된 Charge indicator 시험기는 어디에 사용되는가?",
"추후 추진할 전장부품 시험기는 LED indicator의 무엇을 정밀하게 검사할 수 있는가?",
"작업자의 편의성을 고려한 방식은 무엇인가?"
] |
ccc6f0ba-34a5-4f83-bb6f-3fa799765c2a
|
인공물ED
|
셀 분할 알고리즘과 확장 칼만 필터를 이용한 쿼드로터복귀 실외 위치 추정
|
<h1>I. 서론</h1><p>최근 지상 환경의 영향을 덜 받으며 주행할 수 있는 무인비행로봇 (UAV)은 재난감시, 인명구조 환경감시, 군사정찰과 같은 다양한 목적으로 활용되고 있다. 그 중 쿼드로터는 4개의 로터를 이용하여 비행하는 회전익형 무인비행로봇이다. 쿼드로터는 수직이 착륙, 정지비행, 전 방향 이동이 가능한 장점을 가지고 있어 실생활에 많이 활용되고 있으며 활발한 연구도 진행이 되고 있다.</p><p>쿼드로터를 이용하여 다양한 임무를 수행하기 위해 많은 기술들이 필요하다. 고가의 쿼드로터는 임무 수행 후 원래의 목적지로 반드시 복귀해야 하는데, 이 때 사용 되는 자율 복귀 기술은 중요한 기술 중 하나가 된다. 쿼드로터의 자율복귀를 위해서는 정밀한 자기 위치인식이 중요한 문제가 되고, 쿼드로터는 주로 실외에서 임무를 수행하기 때문에 실외에서의 위치인식은 매우 중요하다. 하지만 실외에서는 많은 변수가 작용하여 정밀한 위치인식이 어렵다. 이러한 문제점을 해결하기 위해 INS, GPS, 무선통신을 이용하여 정밀 실외위치추정을 하는데, INS는 센서가 제공하는 가속도 정보를 적분함으로써 위치 정보를 얻게 하지만 적분과정에서 오차가 적분되어 위치오차가 점점 심해진다. GPS는 실외에서 위치추정을 수행하기 위해 주로 쓰이는데 정밀한 GPS의 경우 고가이고, GPS 신호가 단절되는 음영지역에서는 사용하기 어렵다는 단점들이 존재한다. 그래서 주로 INS, 무선통신 기술들과 융합하는 방식을 많이 이용하고 있다.</p><p>본 논문에서는 쿼드로터의 복귀 시 정밀한 자기 위치인식을 위하여, 저가형 GPS와 INS를 EKF를 이용하여 융합하고 셀 분할 알고리즘을 적용하여 위치 정밀도를 향상시키는 알고리즘을 소개한다.</p><p>논문은 다음과 같이 구성된다. Ⅱ절에서 시스템의 구성에 대하여 소개하고, Ⅲ절에서 GPS/INS 융합 필터와 셀 분할 알고리즘에 대하여 서술한다. IV절에서 본 논문에서 제시하는 셀 분할 알고리즘과 EKF의 적용 성능 평가를 위한 실험을 하고 마지막으로 Ⅴ절에서 결론을 맺는다..</p>
|
[
"실생활에 많이 활용되고 있는 쿼드로터는 어떤 장점을 가지고 있는가?",
"본 논문에서는 저가형 GPS와 INS를 EKF를 이용하여 융합하고 셀 분할 알고리즘을 적용하여 쿼드로터의 위치 정밀도를 향상시키는 알고리즘을 소개하고 있는가?",
"쿼드로터느이 자율복귀를 위해 가장 중요한 것은 무엇인가?",
"쿼드로터는 주로 INS, 무선통신 기술들과 융합하는 방식을 많이 이용하고 있는가?",
"지상 환경의 영향을 덜 받으며 주행할 수 있는 무인비행로봇은 어떤 목적으로 활용되고 있나?"
] |
6720c7e1-55e1-4fc0-9251-d68e514e6423
|
인공물ED
|
DBS(Doppler Beam Sharpening) 영상에서 표적 탐지 방안
|
<h2>2-5 지형 정보 정합</h2> <p>구해진 경위도를 지형 정보와 정합하여 해당 경위도가 지형인지 아닌지 확인한다. 현재 주로 사용되는 지형 정보로는 DEM이 있다. DEM은 Digital Elevation Model의 약자로, 수치표고모델이라 하며, 지리정보시스템 구축을 위해 사용되는 자료의 통칭으로 고도값을 포함한 3차원 좌표로 나타낸다. 이 중 지형을 표현한 수치지형모델로는 DTM(Digital Terrain Model), DTD(Digital Terrain Data), DSM(Digital Surface Model), DTED(Digital Terrain Elevation Data; 이하 DTED) 등이 있다.</p> <p>본 논문에서는 DTED 와 정합하여 지형 정보를 제거하도록 한다. DTED는 경도/위도에 해당하는 지형모델을 나타내는 정보이다. DTED에는 해당 경위도를 일정한 간격으로 분포된 지점의 고도값을 포함하고 있다. DTED에는 3가지 레벨의 형태가 있는데 각 레벨마다 해상도가 다르다. 레벨이 높을수록 해상도는 좋아지고 고도값을 표현하는 간격이 좁아진다. 일반적으로 레벨 0 의 해상도는 900\( \mathrm{m} \), 레벨 1 의 해상도는 \( 90 \mathrm{~m} \), 레벨 2의 해상도는 \( 30 \mathrm{~m} \) 로 구분된다. 표 5 는 레벨과 경위도에 따른 DTED 해상도를 나타내었다.</p> <p>앞서 구한 표적 후보의 경위도 좌표를 DTED와 정합하여 지형여부를 판단한다. DBS 영상의 중심에 대한 경위도 좌표 및 Range Walk, INS 오차 등을 고려하여 표적 후보의 좌표 반경 \( 1 \mathrm{~km} \) 내에 지형이 있을 경우에는 해당 표적 후보는 지형으로 판단하여 배제토록 한다. 반경 \( 1 \mathrm{~km} \)내에 지형이 없는 표적 후보만을 최종 표적으로 선택한다.</p> <p>그림 10 에 DTED 레벨 0 과 레벨 1 에 따른 지형 정보를 나타내었다. DTED 레벨 2에 대한 지형 정보는 보안상 공유되지 않고 있다. 그림과 같이 DTED 레벨이 높을수록 지형 정보를 더 많이 포함하고 있기 때문에 정합할 때 지형 정보 배제가 더 용이하다. 레벨이 낮으면 작은 지형은 DTED에 포함되지 않기 때문에 정확한 표적 탐지를 위해서는 DTED 레벨이 높아야 한다. 그렇지 않으면 작은 지형들은 DTED와 정합시 지형 정보로 배제되지 못하고 표적으로 인식하여 오표적할 가능성이 높아진다. 지형정합을 통하여 최종 선택된 표적 후보의 거리, 각도 정보를 추출하여야 한다. 현재 위치 정보와 표적 후보의 경위도 좌표를 이용하여 거리/각도 정보를 획득한다.</p> <table border><caption>표 5. DTED 해상도</caption> <tbody><tr><td></td><td>Latitude ramge</td><td>Level 0 (arc secs)</td><td>Level 1 (arc secs)</td><td>Level 2 (arc secs)</td></tr><tr><td>Lattude space</td><td>All</td><td>30</td><td>3</td><td>1</td></tr><tr><td rowspan=5>Longitude space</td><td>0~50\( ^{\circ} \)</td><td>30</td><td>3</td><td>1</td></tr><tr><td>50~70\( ^{\circ} \)</td><td>60</td><td>6</td><td>2</td></tr><tr><td>70~75\( ^{\circ} \)</td><td>90</td><td>9</td><td>3</td></tr><tr><td>75~80\( ^{\circ} \)</td><td>120</td><td>12</td><td>4</td></tr><tr><td>80~90\( ^{\circ} \)</td><td>180</td><td>18</td><td>6</td></tr></tbody></table> <h2>2-6 시뮬레이션 결과</h2> <p>8 방향 체인코드 결과로 정해진 표적후보에 대하여 DTED와 정합한 결과를 그림 11에 나타내었다. 체인코드 길이가 4인 표적후보의 중심점에 대해서 경위도 변환을 수행하여 DTED 레벨 1과 DTED 레벨 0에 대하여 지형정합하였다. 그림 11(a)와 그림 11(b)을 보듯이 DTED 레벨 0과의 정합결과에서 나타나지 않은 지형이 DTED 레벨 1 과의 정합결과에서는 나타나게 된다. 이로 인하여 그림11(a)에서는 지형으로 판단한 표적후보가 그림 11(b)에서는 표적후보의 경위도 반경 \( 1 \mathrm{~km} \) 내에 지형 정보가 없기에 지형이 아닌 표적으로 판단하게 된다. 정확한 지형정합을 수행하기 위해서는 DTED 레벨이 높아야 하는 이유이다.</p>
|
[
"표 5에서 Level 0일 때, 70~75\\( ^{\\circ} \\)의 결과는 어떤 값을 가지니?",
"표5 DTED 해상도에서 Level 0의 결과 중 가장 큰 값의 Latitude ramge는 뭐야?",
"표5 DTED 해상도에서 Level 0의 결과 중 가장 큰 값은 얼마입니까?",
"Level 0의 결과 중 가장 큰 값은 표5 DTED 해상도를 참고하면 어떤 값이지? ",
"표5에서 Longitude space에서 Level 1 의 결과가 가장 작을 때, Latitude ramge는 무엇일까?",
"표 5에서 Lattude space의 Latitude ramge는 어떤거야?",
"표 5에서 0~50\\( ^{\\circ} \\)가 1일 때 어떤 항목입니까?"
] |
fdded645-302f-4370-892b-cacc0d687a85
|
인공물ED
|
DBS(Doppler Beam Sharpening) 영상에서 표적 탐지 방안
|
<h2>2-3 체인코드</h2> <p>체인코드는 외곽선을 추출하여 영역을 찾는 알고리즘이다. 이미지의 외곽선을 시작점에서 한 방향으로 돌면서 4 방향 혹은 8 방향 연결성을 이용하여 추적해 나간다. 코드값은 시작점 좌표를 기준으로 하여 인접경계점간의 방향정보를 이용하여 표현되어진다. 체인코드는 절대방향 체인코드와 상대방향 체인코드로 나누어진다. 절대방향 체인코드는 추적하는 외곽선의 방향에 상관없이 절대방향성을 가지는 반면, 상대방향 체인코드는 추적하는 외곽선의 상대적 방향으로 코드값을 나타낸다. 주로 절대방향 체인코드가 사용되어지며, 그림 8은 절대방향 체인코드에서 널리 사용되는 4 방향과 8 방향 연결성을 나타내었다. 4 방향 연결성은 상하좌우만을 연결하는 반면에, 8 방향은 대각선까지 연결성을 가지고 있음을 알 수 있다.</p> <p>획득된 체인코드의 길이로 이미지 크기를 알 수 있는데 체인코드의 길이는 절대방향과 상대방향, 시작점에 상관없이 동일하며, 어떤 방향 연결성을 사용하느냐에 따라 달라진다. 일반적으로 8 방향 체인코드를 사용할 경우가 4 방향보다 코드의 길이가 짧아진다. 그림 9는 이진화 영상에서 절대 4 방향과 8 방향 체인코드를 사용하였을 때 방향성 및 코드값의 차이를 나타내었다. 8 방향 체인코드가 4 방향 체인코드보다 코드 길이가 짧아짐을 알 수 있다. 그리고 4 방향 체인코드는 대각선 방향의 이미지를 찾을 수 없기에, 하나의 이미지를 하나의 코드로 표현하지 못 하기도 한다. 따라서 8 방향 체인코드가 복잡한 이미지를 더 잘 표현하고, 연산시간이 줄어들기 때문에 주로 사용되고 있다.</p> <p>앞서 형태연산 필터의 침식연산이 적용된 DBS 이진화 영상을 절대 4 방향과 8 방향 체인코드를 사용하여 획득한 코드 길이와 값을 표 1 과 2 에 나타내었다. 8 방향 체인코드의 경우, 6 개의 이미지에서 코드를 획득한 방면, 4 방향 체인코드는 9개 이미지에서 코드를 획득하였다. 이는 4 방향 체인코드가 대각선 방향으로 연결성을 추출하지 못하는 데에서 발생하는 경우로서, 대각선 이미지를 또 다른 이미지로 판단하여 새로운 크드로 획득하게 되었기 때문이다. 그리고 같은 이미지라도 코드 길이는 4 방향 체인코드가 8 방향 체인코드보다 긴 것을 알 수 있다.</p> <p>본 논문에서는 코드 값보다는 코드 길이에 중점을 두어, 코드 길이가 긴 이미지는 표적 후보에서 제외한다. 일반적으로 표적은 육지 또는 섬 같은 클러터 성분보다는 이미지 크기가 작다. 코드 길이 기준값은 대상 표적의 크기와 방향, DBS 영상의 해상도에 의해 달라진다. 대상 표적의 크기가 \( 100 \mathrm{~m} \times 100 \mathrm{~m} \) 이고, 영상의 해상도가 \( 50 \mathrm{~m} \)라고 하고, 표적방향이 정면이라면 코드 길이 기준값은 4로 예상된다. 획득한 체인코드 길이를 비교하여 코드 길이 기준값보다 큰 이미지는 표적후보에서 제외한다. 4 방향 체인코드의 경우, 표 2에서 보듯이 대각선 이미지를 따로 추출하기에 하나의 이미지에서 코드 길이가 짧은 이미지가 생기게 된다. 이로 인하여 클러터라도 코드 길이 기준값보다 작게 된다. 4 방향 체인코드보다는 8 방향 체인코드가 표적 추출에 더 용이하다. 기준값 4 에 대한 지형여부 판단 결과는 표 3 , 표 4 에 나타내었다.</p> <table border><caption>표3.4방향 체인코드 길이와결과</caption> <tbody><tr><td>순번</td><td>코드 길이</td><td>지형 여부 판단</td></tr><tr><td>1</td><td>212</td><td>지형</td></tr><tr><td>2</td><td>1</td><td>표적후보</td></tr><tr><td>3</td><td>2</td><td>표적후보</td></tr><tr><td>4</td><td>320</td><td>지형</td></tr><tr><td>5</td><td>28</td><td>지형</td></tr><tr><td>6</td><td>4</td><td>표적후보</td></tr><tr><td>7</td><td>98</td><td>지형</td></tr><tr><td>8</td><td>1</td><td>표적후보</td></tr><tr><td>9</td><td>32</td><td>지형</td></tr></tbody></table> <p> <table border><caption>표4.8방향 체인코드 길이와결과</caption> <tbody><tr><td>순번</td><td>코드 길이</td><td>지형 여부 판단</td></tr><tr><td>1</td><td>159</td><td>지형</td></tr><tr><td>2</td><td>230</td><td>지형</td></tr><tr><td>3</td><td>19</td><td>지형</td></tr><tr><td>4</td><td>4</td><td>표적후보</td></tr><tr><td>5</td><td>68</td><td>지형</td></tr><tr><td>6</td><td>24</td><td>지형</td></tr></tbody></table>
|
[
"본문의 표4.8방향 체인코드 길이와결과에서 순번 5일 때 코드 길이는 얼마일까?",
"본문의 표3.4방향 체인코드 길이와결과에서 순번 2일 때 코드 길이는 얼마지?",
"본문의 표3.4방향 체인코드 길이와결과에서 순번 4일 때 코드 길이는 얼마인가?",
"순번 4일 때 코드 길이는 본문의 표3.4방향 체인코드 길이와 결과에서 얼마야",
"본문의 표3.4방향 체인코드 길이와 결과에서 순번 7일 때 코드 길이는 얼마 정도지?",
"본문의 표3.4방향 체인코드 길이와 결과에서 순번 8일 때 코드 길이는 얼마 정도인가?",
"본문의 표3.4방향 체인코드 길이와 결과에서 순번 2일 때 지형 여부 판단은 뭐지?",
"본문의 표3.4방향 체인코드 길이와 결과에서 순번 1일 때 지형 여부 판단은 뭐야?",
"본문의 표3.4방향 체인코드 길이와 결과에서 순번 3일 때 지형 여부 판단은 뭐니?",
"본문의 표3.4방향 체인코드 길이와결과에서 순번 4일 때 지형 여부 판단은 뭘까?",
"본문의 표3.4방향 체인코드 길이와결과에서 순번 5일 때 지형 여부 판단은 무엇인가?",
"본문의 표3.4방향 체인코드 길이와결과에서 순번 8일 때 지형 여부 판단은 무엇이야?",
"본문의 표3.4방향 체인코드 길이와결과에서 순번 7일 때 지형 여부 판단은 무엇이니?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 1일 때 코드 길이는 얼마야?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 2일 때 코드 길이는 얼마지?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 3일 때 코드 길이는 얼마니?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 6일 때 코드 길이는 얼마 정도야?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 1일 때 지형 여부 판단은 뭐야?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 3일 때 지형 여부 판단은 뭐니?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 4일 때 지형 여부 판단은 뭘까?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 2일 때 지형 여부 판단은 뭐지?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 5일 때 지형 여부 판단은 무엇인가?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 6일 때 지형 여부 판단은 무엇이지?",
"본문의 표3.4방향 체인코드 길이와 결과에서 순번 5일 때 코드 길이는 얼마일까?",
"본문의 표3.4방향 체인코드 길이와 결과에서 순번 1일 때 코드 길이는 얼마야?",
"순번 1일 때 코드 길이는 본문의 표3.4방향 체인코드 길이와 결과에서 얼마지?",
"본문의 표3.4방향 체인코드 길이와결과에서 순번 6일 때 지형 여부 판단은 무엇일까?",
"본문의 표4.8방향 체인코드 길이와결과에서 순번 4일 때 코드 길이는 얼마인가?",
"본문의 표3.4방향 체인코드 길이와 결과에서 순번 9일 때 코드 길이는 얼마 정도일까?",
"본문의 표3.4방향 체인코드 길이와 결과에서 순번 6일 때 코드 길이는 얼마 정도야?",
"본문의 표3.4방향 체인코드 길이와결과에서 순번 9일 때 지형 여부 판단은 무엇이니?",
"본문의 표3.4방향 체인코드 길이와결과에서 순번 3일 때 코드 길이는 얼마니?"
] |
5b8b032f-d2d4-481a-84d7-30e784961673
|
인공물ED
|
고해상도 저전력 센서 시스템을 위한 아날로그-디지털 변환기의 구조 개선
|
<h2>2. Continuous Time 시그마-델타 ADC</h2><p>앞서 설명한 문제들의 다른 해결책으로 연속 시간(continuous time) 시그마-델타 ADC 구조가 있다. 기존에는 그림 4 와 같이 이산 시간(discrete time) 적분기를 사용하였으나, 신호 대역폭을 증가시키기 위해 짧은 스위칭 구간 동안에 적분기의 출력을 안정시키려면 높은 전류 구동 능력을 갖는 증폭기를 사용해야 하는 단점이 있다.</p><p>근래에는 이러한 단점을 해결하기 위해여 그림 5 와 같이 능동형 RC 피드백 루프를 이용한 연속 시간 적분기를 사용한다. 사용된 증폭기는 SC (switched capacitor)에 비해 낮은 전류 구동 능력에서도 동일한 ADC 성능을 얻을 수 있다. 또한 스위칭 잡음이 없기 때문에 SNR 성능 또한 뛰어나다. 하지만 저항과 캐패시터의 비로 계수가 정해지기 때문에 공정 변화에 큰 영향을 받는다. 또한 지속적으로 적분을 하기 때문에 루프 지연 시간과 클록 지터에 의한 성능 감소가 있다. 이러한 단점은 루프 지연 시간에 대한 보정회로나 SCRZ (switched-capacitor return-to-zero) DAC 등을 사용함으로써 해결한다.</p><h1>Ⅲ. SAR ADC의 구조 개선</h1><h2>1. Hybrid SAR ADC</h2><p>그림 6은 일반적인 SAR ADC 의 구조이며, 크게 CDAC, 비교기, SAR 제어기로 구성된다. CDAC 의 경우 해상도가 증가할수록 면적이 2 배씩 증가하고 스위칭 에너지 소모가 증가하기 때문에 중간에 분할(split) 캐패시터를 주로 삽입한다.</p><p>초기에는 그림 7 과 같이 공정상 부정합에 의한 해상도의 한계를 극복하기 위해 정합성이 좋은 저항을 사용한 R−C Hybrid DAC 를 사용하였다 . 하지만 여전히 12 비트 정도로 성능이 제한되어 최근에는 전류 조향(current steering) DAC 나 시그마-델타 DAC 등 높은 해상도의 DAC를 사용하여 16 비트 급의 해상도를 얻어낸다.</p><h2>2. Calibrated SAR ADC</h2><p>고해상도 성능을 얻기 위해 그림 8과 같이 보정 회로를 추가하고 디지털 알고리즘을 통해 가중치 값을 보정하는 방법도 있다. ADC 동작 중에서도 보정할 수 있다는 장점이 있지만 보정해야 하는 값을 알아내기 위해 그림 9 와 같이 별도의 DAC 를 추가해야 하고 디더링(dithering) 때문에 SAR 제어기가 더 복잡해진다.</p><h1>Ⅳ. 결론</h1><p>본 논문에서는 최근 연구되고 있는 고성능 ADC 구조에 대해 살펴보았다. 기존의 시그마-델타 ADC나 SAR ADC 구조를 일부 개선함으로써 전력 소모, 해상도, 신호 대역폭 등을 크게 증가시켰으며 향후 센서 시스템뿐만 아니라 다양한 분야에서도 활발히 사용될 것으로 보인다.</p>
|
[
"앞 장에서 설명한 문제들의 다른 해결책으로는 어떤 구조가 존재하나?",
"기존 시스템에서는 이산 시간(discrete time) 적분기를 사용하였지만 신호 대역폭을 감소시키기 위해 짧은 스위칭 구간 동안 적분기의 출력을 안정시키기 위해서는 낮은 전류 구동 능력을 갖는 증폭기를 사용해야 하나요?",
"일반적인 SAR ADC의 구조는 크게 어떻게 구성되어 있나요?",
"일반적인 SAR ADC에서 CDAC의 경우 해상도가 증가할수록 면적이 2배씩 감소하여 스위칭 에너지가 증가하므로 중간에 분할(split) 캐패시터를 주로 삽입합니까?",
"능동형 RC 피드백 루프를 이용한 연속 시간 적분기는 지속적으로 적분을 진행하므로 루프 지연 시간과 클록 지터에 의한 성능 감소가 존재하나, 루프 지연 시간에 대한 보정회로나 SCRZ(switched-capacitor return-to-zero) DAC 등을 활용하여 해결할 수 있나요?",
"고해상도 성능을 얻기 위하여 보정 회로를 추가하거나 어떤 방법을 통하여 가중지 값을 보정하나?",
"Continuous Time 시그마 - 델타 ADC에 사용된 증폭기는 SC (switch capacitor)에 비해 어떤 구동 능력에서도 동일한 ADC 성능을 얻을 수 있는가요?",
"초기 SAR ADC 구조는 공정상 부정합에 의한 해상도 한계를 극복하기 위해 정합성이 훌륭한 저항을 사용한 R-C Hybrid DAC를 사용하였나요?",
"능동형 RC 피드백 루프를 이용한 연속 시간 적분기는 스위칭 잡음이 많기 때문에 SNR 성능이 매우 뛰어난가요?",
"본 논문에서 시그마-델타 ADC나 SAR ADC 구조를 일부 개선하여 증가시킨 부분은 무엇입니까?",
"근래에는 출력을 안정시키기 위하여 높은 전류 구동 능력을 갖는 증폭기를 사용해야 한다는 단점을 해결하기 위해 능동형 RC 피드백 루프를 이용한 연속 시간 적분기를 사용하나요?",
"능동형 RC 피드백 루프를 활용한 연속 시간 적분기는 저항과 캐패시터의 비로 계수가 정해지기 때문에 공정 변화에 큰 영향을 받지 않는다고 할 수 있나?",
"R-C Hybrid DAC는 8비트 정도로 성능이 제한되어 최근에는 전압 조항(voltage steering) DAC나 시그마-델타 DAC 등의 높은 해상도 DAC를 활용하여 16 비트 급의 해상도를 얻어냅니까?",
"능동형 RC 피드백 루프를 이용한 연속 시간 적분기는 지속적으로 적분을 진행하므로 어떤 요소들에 의한 성능 감소가 존재하나?",
"Calibrated SAR ADC는 ADC 동작 중에서도 보정을 시도할 수 있다는 장점이 존재하나, 보정을 실시해야 하는 값을 알아내기 위하여 별도의 DAC를 추가해야 하며 디더링(dithering) 때문에 SAR 제어기가 더 간단해진다고 할 수 있나요?"
] |
397be737-c8b8-4b0b-992b-cf244327381a
|
인공물ED
|
고해상도 저전력 센서 시스템을 위한 아날로그-디지털 변환기의 구조 개선
|
<h1>Ⅰ. 서론</h1><p>센서 시스템에서 정밀한 디지털 신호 처리와 미세 신호 검출이 필요해짐에 따라 아날로그-디지털 변환기(ADC: analog-to-digital converter)에서 고해상도, 넓은 대역폭, 낮은 전력 등이 요구 되고 있다. ADC 구조에 따른 샘플링 속도와 해상도는 그림 1과 같으며 주로 시그마-델타 (sigma-delta) ADC 나 연속 근사 레지스터(SAR: successive-approximation-register) ADC 가 사용된다.</p><p>시그마-델타 ADC 는 높은 오버샘플링 비(OSR: oversampling ratio)를 통해 고해상도를 얻을 수 있다. 하지만 높은 OSR은 고속 동작을 필요로 하며 이로 인해 전력 소모가 커진다. SAR ADC 는 다중화가 가능해서 다채널 시스템에서 하드웨어 크기와 전력 소모를 크게 줄일 수 있다. 그러나 내장되는 캐패시터 디지털-아날로그 변환기 (DAC: digital-to-analog converter)의 공정상 부정합으로 인해 해상도가 제한된다. 본 논문에서는 이러한 단점을 극복하기 위해서 연구되고 있는 다양한 ADC 구조 개선에 대해 살펴본다.</p><h1>Ⅱ. 시그마-델타 ADC의 구조 개선</h1><h2>1. Incremental Zoom 시그마-델타 ADC</h2><p>시그마-델타 ADC 는 그림 2 와 같이 적분기, 양자화기로 구성된 시그마-델타 모듈레이터와 오버샘플링된 비트열을 다시 다운샘플링하기 위한 데시메이션 필터로 구성된다. 시그마-델타 ADC 를 센서 시스템에 사용하려면 몇몇 문제가 존재한다.</p><p>높은 해상도를 위해서는 고차의 적분기를 사용하거나 OSR이 높아야 한다. 하지만 이 경우 전력 소모와 면적이 크게 증가한다. 이러한 단점을 피하기 위해 MASH(multi-stage noise shaping) 구조를 사용하기도 하고 멀티 비트 DAC 및 멀티 비트 양자화기를 사용하기도 한다. 하지만 이 경우 부정합에 의한 선형성 문제가 발생한다.</p><p>또한 데시메이션 필터에서의 레이턴시 영향으로 아날로그 신호가 디지털 신호로 변환되는데 걸리는 시간이 크다. 변환 시간의 증가는 폐쇄 루프 제어 시스템에서 위상 쉬프트로 인한 루프 불안정(loop instability)의 원 인이 된다. 이러한 문제를 해결하기 위해 샘플링 이후 N 번의 사이클을 동작한 후에 디지털로 변환된 데이터가 나오며 샘플링 주기마다 회로를 리셋해주는 증가형 (incremental) 시그마-델타 ADC 가 사용된다. 하지만 기존 시그마-델타 ADC 에 비해 같은 차수의 구조일 때 신호 대 잡음 비(SNR: signal-to-noise ratio)가 떨 어진다.</p><p>해상도 문제를 극복하기 위해 그림 3 과 같이 증가 확대형 (incremental zoom) ADC 가 연구되고 있는데, 초기에 저급(coarse) SAR-ADC를 이용하여 한번 변환하고, 남은 신호에 대하여 낮은 차수의 고급 증가형(fine incremental) 시그마-델타 ADC 로 변환하는 2단계 구조이다. 이 구조는 저급 ADC 와 고급 ADC 의 순차 동작이므로 신호 가 DC 에 가까운 경우에만 사용할 수 있다는 단점이 있으며, 이 문제에 대해 동적 확대형(dynamic zoom) ADC가 해결책으로 제시되었다.</p>
|
[
"아날로그-디지털 변환기(ADC: analog-to-digital converter)에서 고해상도, 넓은 대역폭, 낮은 전력등이 요구되는 이유는 무엇인가요?",
"고해상도, 넓은 대역폭, 낮은 전력등이 아날로그-디지털 변환기(ADC: analog-to-digital converter)에서 필요한 원인은 무엇인가?",
"ADC 구조에 따른 샘플링 속도와 해상도는 주로 알파-델타(alpha-delta) ADC나 연속 근사 레지스터(SAR: successive-approximation-register) ADC가 사용되나요?",
"주로 알파-델타(alpha-delta) ADC나 연속 근사 레지스터(SAR: successive-approximation-register) ADC가 ADC 구조에 따른 샘플링 속도와 해상도에 활용되나요?",
"시그마-델타 ADC가 고해상도를 얻을 수 있는 것은 무엇을 통해서 인가?",
"무엇을 활용하여 시그마-델타 ADC가 고해상도를 가질수 있는가?",
"높은 OSR은 고속 동작을 필요로 하며 이 때문에 전력 소모가 작아지나요?",
"전력 소모가 줄어드는 원인은 높은 OSR은 고속 동작을 필요로 하기 때문인가요?",
"SAR ADC가 다채널 시스템에서 하드웨어의 크기와 전력 소모를 방대하게 줄일 수 있는 이유는 무엇인가요?",
"어떤 이유로 다채널 시스템에서 SAR ADC가 하드웨어의 크기와 전력 소모를 크게 감소시킬 수 있나요?",
"본 논문에서는 센서 시스템에 내장되는 아날로그-디지털 변환기(ADC: Analog-to-digital converter)의 공정상 부정합으로 인해 해상도가 제한되므로, 이런 단점을 극복하기 위해 다양한 ADC 구조 개선 연구가 진행되고 있습니까?",
"다양한 ADC 구조 개선 연구가 센서 시스템에 내장되는 아날로그-디지털 변환기(ADC: Analog-to-digital converter)의 해상도가 공정상 부정합으로 인해 제한되므로, 이 문제를 해결하기 위해 진행되고 있어?",
"시그마-델타 ADC는 오버샘플링된 비트열을 다시 다운샘플링 하기 위한 데시메이션 필터와 미분기, 양자화기로 구성된 시그마- 델타 모듈레이터로 구성되어 있나요?",
"시그마-델타 ADC는 오버샘플링된 비트열을 다시 다운샘플링 하기 위한 데시메이션 필터와 미분기, 양자화기로 이루어지는가?",
"고차의 적분기를 사용하거나 OSR이 높아야 높은 해상도를 얻을 수 있나요?",
"높은 해상도를 가지려면 고차의 적분기를 사용하거나 OSR이 높아야 하나요?",
"높은 해상도를 위해서 고차의 적분기를 사용하거 OSR이 높아야 하는데, 이런 경우 전력 소모와 면적이 크게 증가하므로, 이를 해결하기 위해서는 어떤 방법들이 사용되는가?",
"전력 소모와 면적은 높은 해상도를 위한 고차의 적분기 활용이나 OSR이 높아야 하는 이유로 증가하는데, 이를 해결하기 위해서는 어떤 방법들이 활용되는가?",
"MASH(multi-stage noise shaping) 구조와 멀티 비트 DAC 및 멀티 비트 양자화기를 사용하면 부정합에 의한 선형성 문제가 발생하지 않는다고 할 수 있나요?",
"부정합에 의한 선형성 문제는 MASH(multi-stage noise shaping) 구조와 멀티 비트 DAC 및 멀티 비트 양자화기를 활용하면 일어나지 않는다고 할 수 있어?",
"아날로그 신호가 디지털 신호로 변환되는데 걸리는 시간이 큰 이유는 데시메이션 필터에서의 레이턴시 영향 때문입니까?",
"데시메이션 필터에서의 레이턴시 영향으로 인해 아날로그 신호가 디지털 신호로 바뀌는데 걸리는 시간이 커?",
"변환 시간의 증가는 폐쇄 루프 제어 시스템에서 위상 쉬프트로 인한 루프 불안정(loop instablility)의 원인이 되는데, 이를 해결하기 위해 샘플링 주기마다 회로를 리셋해주는 감소형(decremental) 시그마- 델타 ADC가 사용되나요?",
"샘플링 주기마다 회로를 리셋해주는 감소형(decremental) 시그마- 델타 ADC가 변환 시간의 증가로 인한 폐쇄 루프 제어 시스템에서 위상 쉬프트로 인한 루프 불안정(loop instablility) 문제를 해결하기 위해 활용되나요?",
"증가형(incremental) 시그마- 델타 ADC는 기존 시그마-델타 ADC에 비해 같은 차수의 구조일 때 신호 대 잡음 비(SNR: signal-to-noise-ratio)가 떨어집니까?",
"기존 시그마-델타 ADC보다 증가형(incremental) 시그마- 델타 ADC는 동일한 차수의 구조일 때 신호 대 잡음 비(SNR: signal-to-noise-ratio)가 떨어집니까?",
"해상도 문제를 극복하기 위해 어떤 ADC가 연구되고 있나요?",
"어떤 ADC 연구가 해상도 문제를 해결하기 위해 이루어지나요?",
"증가 확대형(incremental zoom) ADC 구조는 저급 ADC와 고급 ADC의 순차 동작이기 때문에, 신호가 AC에 가까운 경우에만 사용할 수 있는 장점이 있나요?",
"증가 확대형(incremental zoom) ADC 구조는 저급 ADC와 고급 ADC의 순차 동작이기 떄문에, 어떤 장점이 신호가 AC에 밀접한 경우에만 활용되나요?"
] |
449caf38-2f00-4620-8243-65ac6af9d94b
|
인공물ED
|
정전압·정전류 동시제어 LED 컨버터
|
<h1>IV. 실 험</h1> <h2>1. 실험 환경</h2> <p>제안한 LED 컨버터 회로의 실험 수행을 위한 전기적인 특성은 표 1에 제시한다. 그림 6은 실험에 사용한 30\(\mathrm{W}\)급 CV·CC 동시제어 회로가 내장된 LED컨버터 회로이며 전체 크기를 줄이기 위해 CV·CC 동시제어 회로는 서브 모듈 형태로 삽입하였고 컨버터에 연결한 조명으로 3\(\mathrm{W}\)급 LED 10개를 직렬로 연결한 LED 모듈을사용하였다. 이를 바탕으로 제작한 보드의 사진을 그림7에 제시한다.</p> <h2>2. 실험 결과 및 분석</h2> <p>플라이백 1차 측 회로의 MOSFET 게이트와 드레인전압 파형을 그림 8에 제시한다. 플라이백 컨버터의 PWM 제어 IC동작의 온 오프 동작조건이 기존 컨버터와 상이하며 컨버터의 역률 개선과 플라이백 방식에서 PWM 제어 동작을 입력전류와 출력전류의 선형적인비율을 가능하게 함으로서 FET 전압 스트레스로 발생되는 발열 및 출력저하를 개선 할 수 있었다.LED 모듈의 변화에 따른 출력전압과 전류에 특성을 그림 9에 제시한다. 전체 부하조건에 따른 정전류 제어에 의한 LED 동작특성을 출력결과로 전압변동에 따른정전류 제어에 의한 안정된 영역을 확인할 수 있다.제안한 컨버터의 LED 모듈 주변 온도 변화에 따른출력전류 즉 LED 모듈이 결합된 등기구의 온도상승 조건에서 출력전류의 변화를 측정한 결과를 그림 10에 제시한다. 주변 온도가 상승하면 LED 소자의 밝기 저하와 발열이 증가하여 출력전류가 감소함을 알 수 있다. 주변 열에너지로 인한 출력전류의 감소는 LED 소자의 열손실로 인한 결함을 줄일 수 있고 전기 에너지 스트레스로 인해 야기되는 단점들을 감소시킬 수 있다. 동일한 규격 조건에서 기존 메탈 할로이드(metalhaloid) 램프와 제안한 LED 컨버터가 내장된 등기구의조도 비교를 표 2에 제시한다. 기존에 비해 향상된 조도를 얻을 수 있었으며 기존 메탈 할로이드 램프의 안정기는 무게 비중이 크고 발열이 많은데 제안된 LED컨버터의 경우 낮은 발열과 크기가 작아 등기구 적용조건에서 더욱 장점이 있다.</p> <p>제안한 LED 컨버터의 교류입력 조건에서 기존 제품에 비해 향상된 최대 효율과 역률을 표 3에 제시한다. 더불어 기존 제품은 플라이백 회로 구성에서 FET와 트랜스포머의 구동 손실이 큰 반면 제안한 LED 컨버터에서는 회로의 간소화와 중요 소자의 구동손실이 감소하여 더욱 안정된 동작이 가능하다.</p> <table border><caption>표 1. 제안된 방식의 전기적 특성</caption> <tbody><tr><td rowspan="2">입출력</td><td>입력</td><td>AC 100 ~ 265V(rms)</td></tr><tr><td>출력</td><td>DC +38V±5%</td></tr><tr><td rowspan="2">부하전류</td><td>NOR</td><td>0.80A</td></tr><tr><td>MAX</td><td>1.05A</td></tr><tr><td rowspan="2">보호특성</td><td>부하단락보호</td><td>OK</td></tr><tr><td>과전류보호</td><td>MIN 3.5A Vdc</td></tr><tr><td colspan="2">종합 출력 편차</td><td>±5%</td></tr><tr><td colspan="2">리플 & 노이즈</td><td>1%</td></tr></tbody></table> <table border><caption>표 2. 조도 비교 실험</caption> <tbody><tr><td rowspan="2">거리(meter)</td><td colspan="2">조도 (luminance)</td></tr><tr><td>메탈 할로이드</td><td>제작한 등기구</td></tr><tr><td>2</td><td>128</td><td>213</td></tr><tr><td>3</td><td>74</td><td>142</td></tr><tr><td>4</td><td>45</td><td>85</td></tr><tr><td>5</td><td>24</td><td>54</td></tr></tbody></table> <table border><caption>표 3. 제안한 LED 컨버터의 효율 및 역률</caption> <tbody><tr><td>교류 전압</td><td>전류</td><td>역률</td><td>최대 효율</td></tr><tr><td>220V(rms)</td><td>0.58A</td><td>0.986</td><td>87.5%</td></tr></tbody></table>
|
[
"표 2에서 제작한 등기구의 조도가 142인 것은 얼마의 거리(meter)에서 실험한 것이야?",
"표 3에서 제안한 LED 컨버터는 얼마의 효율을 가지고 있나?",
"표 3에서 단위가 없는 요소는 어떤 것일까?",
"표 3에서 어떤 요소가 0.58A 값을 가지는가?",
"표 1에서 부하전류에서 전류의 크기가 더 적은 항목은 뭐야?",
"표 1에 따르면 부하전류 중 크기가 더 작은 항목은 뭘까?",
"표 1에서 부하전류에서 최대 전류 크기는 얼마인가?",
"과전류보호는 어떤 최소값을 가지고 있을까?",
"표 1에서 OK 특성을 가진 요소는 어떤 것이야?",
"표 1에 따르면 OK는 무슨 항목의 내용이야?",
"표 2에서 얼마의 실험 거리(meter)가 가장 짧을까?",
"표 2에서 가장 긴 실험 거리(meter)는 얼마야?",
"표 2에 따르면 거리 중 가장 큰 값은 몇인가?",
"표 2에서 5미터 거리에서 어떤 제품의 조도가 더 적을까?",
"표 2에 따르면 거리 5에서 무엇의 조도가 더 낮을까?",
"표 2에서 메탈 할로이드의 조도가 가장 적은 거리(meter)는 얼마니?",
"표 2에서 제작한 등기구의 조도가 최대인 거리(meter)는 어떤 값일까?",
"표 2에서 조도의 평균값이 더 큰 제품은 무엇인가?",
"표 3에서 교류 전압은 크기는 얼마인가?",
"표 3에 따르면 교류 전압은 몇인가?",
"표 2에서 4미터에서 메탈 할로이드의 조도는 얼마인가?",
"표 2에 따르면 거리 4일 때 메탈 할로이드 조도 값은 몇인가?",
"표 1에서 직류 출력전압의 크기는 어떤 값을 가지나?",
"표 1의 출력 전압은 몇인가?",
"%를 단위로 하는 요소 중에 값이 하나인 것은 무엇일까?",
"%를 단위로 하는 요소 중에 최대치가 더 큰 것은 어떤 요소일까?",
"표 2에서 3미터 거리에서 조도가 더 큰 제품은 어떤거야?",
"표 1에서 교류 입력전압의 크기는 얼마야?"
] |
0094fd13-3fff-47ea-b3d6-174d5027f221
|
인공물ED
|
Switched-Capacitor 지연 기법의 새로운 고해상도 DPWM 발생기를 이용한 Dynamic-Response-Free SMPS
|
<p>그림 3은 디지털 제어부의 timing diagram을 보여준다. 여기서 Main CLK은 내부 칩 동작주파수이며, 그림 1의 Clock generator, Divider, 그리고 MUX를 통해 컨버터의 스위칭 신호를 만들어 주는데 이용되며, 디지털 제어부의 클록으로 사용된다. Error 신호는 비교기의<p>출력 신호 이며, 출력전압과 기준전압의 비교에 의해 High/Low 신호를 출력한다. 이 신호에 의해 그림 2 의 Control block은 High 신호면 전류셀을 순차적으로 on 시키면서 제안된 DPWM 발생기의 내부 커패시터의 충전 전류량을 증가 시키고, Low 신호인 때는 전류셀을 순차적으로 off 시키면서 제안된 DPWM 발생기의 내부 커패시터의 충전 전류량을 감소시킨다. 그림 4 는 디지털 제어부의 동작 순서도를 보여준다.</p><h1>IV. Boost mode가 가능한 Switched-Capacitor 지연 기법의 DPWM 발생기</h1><p>그림 5는 본 논문에서 제안된 boost mode가 가능한 Switched-Capacitor 기법의 DPWM 발생기 회로를 보여준다. 제안된 DPWM 발생기의 동작원리는 DPWM 발생기의 내부 커패시터에 충전되는 전류량 및 시간에 따라 커패시터 전압의 기울기를 제어할 수 있다는 개념에서 시작된다.</p><p>DPWM 발생기의 내부 커패시터에 공급되는 전류는 그림 2 의 디지털 제어부에 의해 출력전압과 기준전압 사이의 전압차에 따라 각 current cell의 on/off를 결정한다. 여기서 DPWM 발생기의 내부 커패시터의 용량은 사용하고자 하는 컨버터의 스위칭 주파수에 따라 결정할 수 있다. 즉 커패시터 용량 선택을 통해 DPWM 발생기의 커패시터에 충전되는 전류에 의한 전압 상승 기울기(삼각파 신호)를 제어하고, 제어된 커패시터 전압과 컨버터의 스위칭 신호(fs)의 전압이 모두 logic threshold voltage에 도달하면 DPWM 신호가 발생된다. 여기서 커패시터 전압이 logic threshold voltage에 도달하는 시간에 따라 DPWM 의 duty ratio가 결정된다. 또한 스위칭 주파수는 내부 동작주파수(Main CLK) 1/10 에 해당된다. 이는 내부 커패시터의 충방전 스위치에 인가되는 클록과 동일하며, 커패시터 전압의 삼각파 신호를 컨버터의 스위칭 주파수와 동일하게 만들어 주는 역할을 한다.</p><p>커패시터 전압은 수식 \( V(t)=\frac{1}{C} \int I_{C}(t) d t \) 에 의해 상승된다. 따라서 \( 10 \mathrm{MHz}(100 \mathrm{~ns} \) 주기)의 DPWM 신호가 \( 90 \% \) 의 duty ratio를 가지기 위해서는 커패시터 전압이 \( 10 \mathrm{~ns} \) 안에 logic threshold voltage에 도달해야한다. 이때 필요한 공급전류는 \( 63 \mathrm{uA} \) 이다. \( 60 \% \) 의 duty ratio를 위해서는 \( 4.2 \mathrm{uA}, 6 \% \) 의 duty ratio를 위해서는 \( 1.7 \mathrm{uA} \) 의 전류가 필요하다. 즉 사용하고자 하는 스위칭 주파수에 따라 커패시터의 용량만 변화 시킬 수 있다면 똑같은 전류량의 비율로 DPWM의 duty ratio를 손쉽게 제어할 수 있다.</p>
|
[
"Main CLK는 Clock generator, Divider, 그리고 MUX를 통해 컨버터의 무슨 신호를 만들어주니?",
"Main CLK는 디지털 제어부의 무엇으로 사용되지?",
"내부 칩 동작주파수이며 컨버터의 스위칭 신호를 만들어 주는데 이용되는 것은 무엇인가?",
"Main CLK는 무엇들을 통해 컨버터의 스위칭 신호를 만들어 주는데 이용되지?",
"비교기의 출력 신호는 어떤 신호이지?",
"Error 신호는 무엇의 출력신호인가?",
"Error 신호는 출력전압과 기준전압의 비교에 의해 어떻게 되는가?",
"Error 신호는 무엇에 의해 High/Low 신호를 출력하지?",
"그림 2 의 Control block은 High 신호면 전류셀을 순차적으로 on 시키면 어떻게 되는가?",
"Control block이 Low 신호인 때는 어떻게 해서 DPWM 발생기의 내부 커패시터의 충전 전류량을 감소시키는가?",
"출력전압과 기준전압의 비교에 의해 Control block에서 출력된 High 신호는 어떻게 DPWM 발생기의 내부 커패시터의 충전 전류량을 증가시키지?",
"Error 신호에서 출력된 Low 신호가 전류셀을 순차적으로 off 시키면 어떻게 되는가?",
"DPWM 발생기 회로는 어떤 모드가 가능하지?",
"DPWM 발생기 회로는 어떤 기법을 이용하는가?",
"어떤 회로가 boost mode가 가능한 회로인가?",
"이 논문에서는 Switched-Capacitor 기법을 사용하여 어떤 회로를 만들었는가?",
"boost mode가 가능하기 위해서는 어떤 기법을 사용해야 하지?",
"DPWM 발생기의 동작원리는 무엇이지?",
"커패시터 전압의 기울기는 어떻게 제어 할 수 있는가?",
"DPWM 발생기의 내부 커패시터에 공급되는 전류는 어떻게 각 current cell의 on/off를 정하지?",
"디지털 제어부에 의해 출력전압과 기준전압 사이의 전압차에 따라 DPWM 발생기의 어디에 공급되는 전류는 각 current cell의 on/off를정하는가?",
"디지털 제어부에 의해 출력전압과 기준전압 사이의 전압차에 따라 DPWM 발생기 내부 커패시터에 공급되는 전류는 무엇을 결정하는가?",
"컨버터의 스위칭 주파수에 따라 DPWM 발생기의 무엇을 정할 수 있니?",
"무엇을 통해서 DPWM 발생기의 커패시터에 충전되는 전류에 의한 전압 상승 기울기를 컨트롤 할 수 있는가?",
"DPWM 발생기의 커패시터에 충전되는 무엇을 커패시터 용량 선택을 통해 컨트롤이 가능한가?",
"DPWM 발생기의 내부 커패시터에 충전되는 전류량 및 시간에 따라 무엇을 컨트롤 할 수 있는가?",
"DPWM 발생기의 내부 커패시터의 용량은 어떻게 결정이 되는가?",
"DPWM 발생기의 커패시터에 충전되는 전류로 인해 전압 상승 기울기를 조절하고 DPWM 신호를 만들려면 어떤 전압이 logic threshold voltage이여야 하지?",
"커패시터 전압이 logic threshold voltage에 다다르는 시간에 따라 무엇이 정해지는가?",
"DPWM 신호가 생기게 하려면 어디에 충전되는 전류에 의한 전압 상승 기울기를 조절하고 logic threshold voltage에 없앤 커패시터 전압과 컨버터의 스위칭 신호 전압이 logic threshold voltage이여야 하지?",
"커패시터 전압은 무엇에 의해 높아지는가?",
"\\( 10 \\mathrm{MHz}\\)의 DPWM 신호가 \\( 90 \\% \\) 의 duty ratio를 얻기 위해서는 어떻게 해야 하는가?",
"커패시터 전압이 \\( 10 \\mathrm{~ns} \\)안에 logic threshold voltage에 다다르면 \\( 10 \\mathrm{MHz} \\)의 DPWM 신호가 몇 %의 duty ratio를 얻게 되는가?",
"\\( 6 \\% \\) 의 duty ratio를 위해서는 얼만큼의 전류가 요구되는가?",
"수식 \\( V(t)=\\frac{1}{C} \\int I_{C}(t) d t \\) 에 의해 무엇이 높아지는가?",
"\\( 4.2 \\mathrm{uA} \\)의 전류는 몇 \\(\\% \\) 의 duty ratio를 만들기 위해 요구되는가?",
"DPWM 신호의 duty ratio는 무엇이 logic threshold voltage에 다다르는 시간에 따라 정해지는가?",
"스위칭 주파수는 내부 동작주파수의 1/몇인가?",
"내부 동작주파수 1/10 인 주파수는 무엇이지?",
"DPWM 발생기의 커패시터에 충전되는 전류로 인한 전압 상승 기울기를 조절하고 커패시터 전압과 컨버터의 스위칭 신호의 전압이 어떻게 되면 DPWM 신호가 생기지?",
"DPWM 신호의 duty ratio는 어떻게 정해질까?"
] |
3295af81-d8dd-4e85-b728-57ca97736207
|
인공물ED
|
Switched-Capacitor 지연 기법의 새로운 고해상도 DPWM 발생기를 이용한 Dynamic-Response-Free SMPS
|
<h1>요 약</h1><p>본 논문에서는 Switched-Capacitor 지연 기법의 새로운 고해상도 DPWM 발생기를 사용한 Dynamic-Response-Free SMPS 를 제안한다. 제안된 회로는 Switched-Capacitor 지연 기법을 이용한 DPWM 발생기의 내부 커패시터 전압 기울기를 제어하는 방식으로 DPWM의 duty ratio를 결정한다. 제안된 회로는 컨버터의 피드백 전압과 기준전압을 비교하여 DPWM 발생기의 내부 캐패시터에 충방전되는 전류량을 제어하는 방식으로 출력전압 tracking이 가능하다. 따라서 제안된 회로는 기존 closed loop 제어 방식의 SMPS들에서 문제점이 되고 있는 동적 응답특성을 고려할 필요가 없으며, 출력 전압에 overshoot/undershoot로 인한 ringing 현상이 발생하지 않는다는 큰 장점을 가진다. 제안된 회로는 \( 1 \mathrm{MHz}\) ~ \( 10 \mathrm{MHz} \) 까지 스위칭주파수를 사용자가 선택할 수 있으며, \( 100 \mathrm{MHz} \) 의 내부 제어 동작 주파수로 \( 10 \mathrm{MHz} \) 최대 스위칭 주파수(DPWM) 발생이 가능하다. \( 100 \mathrm{MHz} \) 의 내부 제어 동작 주파수를 사용하여 \( 10 \mathrm{MHz} \) 스위칭 주파수 발생시 소모되는 내부 회로의 최대 전류는 \( 2.7 \mathrm{~mA} \)이며, 출력 버퍼를 포함한 전체 시스템의 전류 소모는 \( 15 \mathrm{~mA} \) 이다. 제안된 회로는 \( 0.125 \% \) 의 DPWM duty ratio 해상도를 가지고 부하에 최대 \( 1 \mathrm{~A} \) 까지 전류공급이 가능하며, 최대 리플 전압은 \( 8 \mathrm{mV} \) 이다. 동부하이텍 BCD \( 0.35 \mu \mathrm{m} \) 공정 파라미터를 이용해 시뮬레이션을 수행하여 제안된 회로의 동작을 검증하였다.</p><h1>I. 서 론</h1><p>최근 디지털 제어 방식의 SMPS(Switching Mode Power Supply)에 대한 관심이 높아지고 있다. 기존의 아날로그 제어 방식은 설계가 복잡하고 응용범위가 한정되어 있어서 개발시간과 비용이 추가로 드는 단점이 있기 때문이다. 하지만 디지털 제어 방식은 외부 출력 조절을 위한 LC 필터와 소수 개별 소자 외에는 많은 부품을 필요로 하지 않는다. 또한 디지털 SMPS는 전원 잡음에 대한 면역성이 좋고, 정상 상태 및 동적 (dynamic) 성능이 우수하여 아날로그에 비해 쉽게 구현이 가능하다는 장점을 가지고 있다. 그러나 디지털 제어 방식은 출력전압의 안정성을 위한 DPWM (Digital Pulse Width Modulator)의 해상도를 높이기 위해 높은 동작 주파수를 요구한다는 단점을 가진다. 이러한 높은 동작 주파수는 시스템의 전력소모를 기하 급수적으로 증가시키기 때문에 SMPS의 효율을 나빠지게 하여 결국 SMPS의 스위칭 주파수를 증가시키는 데에 제약이 따른다.</p>
|
[
"내부 제어 동작 주파수의 \\( \\mathrm{MHz}\\) 는 몇이야?",
"디지털 SMPS과 아날로그를 비교했을 때 더 쉽게 구현이 가능한 것은 뭐야?",
"제안된 회로에서 무엇을 이용해 DPWM 발생기의 내부 커패시터 전압 기울기를 제어해?",
"출력 전압은 overshoot/undershoot로 인해 무슨 현상이 발생해?",
"DPWM 발생기의 내부 캐패시터에 충방전되는 전류량을 제어하기 위해 무엇과 무엇을 비교해서 전류랑을 제어해?",
"제안된 회로에서 선택할 수 있는 스위칭주파수는 어느 \\(\\mathrm{MHz}\\) 사이에서 선택할 수 있어?",
"출력 버퍼를 포함한 전체 시스템의 전류 소모는 몇이야?",
"제안된 회로의 회상도를 확인하고 싶을 때 사용하는 발생기는 뭐야?",
"제안된 회로의 동작을 검증하기 위해 사용한 방법은 뭐야?",
"최근 많은 관심이 높아진 디지털 제어 방식을 뭐라고 해?",
"기존의 아날로그 제어 방식의 응용범위 한계때문에 어떤 단점이 생겨?",
"디지털 제어 방식은 어떤 부품들을 제외하고 많은 부품들이 필요하지 않아?",
"디지털 SMPS는 무엇에 대한 면역성이 좋아?",
"디지털 제어 방식은 무엇의 해상도를 높이기 위해 높은 동작 주파수를 요구해?",
"SMPS의 효율이 나빠지게 되면 어떤 제약이 따라와?",
"제안된 회로는 문제점이 되는 무엇을 고려할 필요가 없어?",
"높은 동작 주파수가 시스템의 전력소모를 기하급수적으로 증가시키면 어떤 현상이 발생해?",
"스위칭 주파수 발생시 소모되는 내부 회로의 최대 전류는 몇이야?"
] |
61229a1e-1513-48ad-930f-0ba47c54db79
|
인공물ED
|
Switched-Capacitor 지연 기법의 새로운 고해상도 DPWM 발생기를 이용한 Dynamic-Response-Free SMPS
|
<p>기존의 SMPS 출력에 나타나는 overshoot/undershoot에 의한 ringing 현상은 부하 시스템의 성능을 크게 저하시키거나 7 레벨이 허용한도를 벗어나게 되면 부하 시스템을 오동작 시킬 수 있다는 단점을 가진다. 그러나 본 논문에서 제안하고 있는 Switched-Capacitor 지연 기법의 DPWM 발생기를 이용한 SMPS는 단지 출력 전압을 tracking 하는 방식이기 때문에 기존의 closed loop 시스템에서 큰 문제점이 되고 있는 overshoot/undershoot에 의한 ringing 현상이 출력에 나타나지 않는다는 큰 장점을 가진다.</p><p>본 논문에서 제안하는 DPWM 발생기는 \( 1 \mathrm{MHz} \)~ \( 10 \mathrm{MHz} \) 의 스위칭 주파수에 대해 \( 6 \sim 90 \% \) 의 duty ratio 를 제어 할 수 있도록 설계 되었다. 또한 DPWM 발생기의 내부 capacitor에 충전되는 최대 전류량은 \( 63 \mathrm{uA}(90 \% \) 의 duty ratio)이며, 최소 전류량은 \( 1.7 \mathrm{uA}(6 \% \) 의 duty ratio)이다. 또한 전압 및 온도변화에 따른 전류량 변화 때문에 커패시터 전압 기울기 제어 에러가 발생하는 것을 방지하기 위해 current reference 회로가 사용되었다.</p><p>본 논문에서는 출력전압 리플을 최소화하기 위해 boost mode가 가능한 Switched-Capacitor 지연 기법의 DPWM 발생기를 제안한다. 이는 DPWM 발생기에서 결정된 duty ratio가 컨버터의 출력 전압이 변하여도 바로 대응하지 못하고 다음의 DPWM 신호를 기다려야 하기 때문에 출력 전압 리플이 증가할 수밖에 없기 때문이다. 또한 비교기의 offset 전압은 제안된 회로의 출력 리플 전압을 증가 시키는 원인이 된다. 이를 해결하기 위해 본 논문에서는 boost mode가 가능하도록 하였다.</p><p>제안된 boost mode의 동작 원리는 Error 신호 변화 감지기를 이용하는 것으로 시작된다. Error 신호 변화 감지기는 컨버터 출력전압의 이전값과 현재값을 각각의 플립플롭에 저장하고 이 두 값이 서로 달라지는 순간에만 XOR 게이트를 통해 toggle 신호를 발생시키는 역할을 한다. 여기서 출력 전압레벨이 기준전압보다 높아지는 순간이 오면, 이전값은 high 값을 가지고 있지만, 현재값은 low 값을 가지게 되며, 출력전압 레벨이 기준전압보다 다시 낮아지지 않으면 이 값을 계속 유지하게 된다. 그래서 기준전압보다 출력전압레벨이 높은 상태를 오래 유지 하게 되면 출력전압의 리플이 커진다. 따라서 본 논문에서 제안된 Boost Mode는 현재값이 low 이면, 스위칭 신호(fs)가 high(DPWM 발생기의 내부 커패시터 충전 상태)가 되더라도 DPWM duty ratio를 증가시키지 못하도록 DPWM 발생기의 내부 커패시터를 강제로 방전시키는 Discharge 신호를 발생하는 역할을 한다.</p>
|
[
"출력 전압의 리플을 크게 하려면 어떤 상태를 오래 유지해야 해?",
"Error 신호 변화 감지기에서 출력 전압레벨이 기준전압보다 높아지는 순간이 오면 이전값은 무슨 값을 가지게 되니?",
"Error 신호 변화 감지기에서 출력 전압레벨이 기준전압보다 높아지는 순간이 오면 현재값은 무슨 값을 가지게 되니?",
"본 논문에서 제안하는 Boost Mode는 어떤 역할을 수행하니?",
"기존 SMPS 출력에 나타나는 ringing 현상은 어떤 단점을 가져?",
"어떤 단점을 ringing 현상이 가져?",
"본 논문에서 말하는 overshoot/undershoot에 의한 ringing 현상은 어디에 나타나?",
"어디에 overshoot/undershoot에 의한 ringing 현상이 나타나?",
"본 논문에서 말하는 ringing 현상은 무엇에 의해 나타나지?",
"무엇에 의해 ringing 현상이 나타나지?",
"DPWM 발생기를 이용한 SMPS는 어떤 방식이야?",
"어떤 방식으로 DPWM 발생기를 이용한 SMPS는 동작해?",
"DPWM 발생기를 이용한 SMPS는 어떤 장점을 가지고 있어?",
"어떤 장점을 DPWM 발생기를 이용한 SMPS는 가지고 있어?",
"본 논문에서 제안하는 DPWM 발생기는 어떤 주파수에 대해 duty ratio를 제어하도록 설계되었니?",
"어떤 주파수에 대해 본 논문에서 제안하는 DPWM 발생기는 duty ratio를 제어하도록 설계되었니?",
"본 논문에서 제안하는 DPWM 발생기는 어떤 값을 제어하도록 설계되었어?",
"어떤 값을 제어하도록 본 논문에서 제안하는 DPWM 발생기는 설계되었어?",
"본 논문에서 제안하는 DPWM 발생기는 duty ratio를 어느정도로 제어할 수 있도록 설계되었니?",
"어느정도로 DPWM 발생기는 제어할 수 있도록 설계되었니?",
"DPWM 발생기의 내부 capacitor에 충전되는 최대 전류량은 얼마야?",
"충전되는 최대 전류량은 DPWM 발생기의 내부 capacitor에 얼마야?",
"또한 DPWM 발생기의 내부 capacitor에 충전되는 최소 전류량은 얼마야?",
"충전되는 최소 전류량이 DPWM 발생기의 내부 capacitor에서 얼마니?",
"제안하는 발생기에서 current reference 회로가 사용된 이유가 뭐야?",
"current reference 회로가 제안하는 발생기에서 사용된 이유가 뭐야?",
"제안하는 발생기에는 커패시터 전압 기울기 제어 에러가 발생하는 것을 방지하기 위해 어떤 회로가 사용되었니?",
"어떤 회로가 제안하는 발생기에는 커패시터 전압 기울기 제어 에러가 발생하는 것을 방지하기 위해 사용되었니?",
"본 논문에서 제안하는 DPWM 발생기는 어떤 값을 최소화 하기 위해 제안되었니?",
"어떤 값을 최소화 하기 위해 본 논문에서 제안하는 DPWM 발생기는 제안되었니?",
"본 논문에서 제안하는 DPWM 발생기는 어떤 모드가 가능하지?",
"어떤 모드가 DPWM 발생기에서 가능하지?",
"본 논문에서 제안하는 DPWM 발생기는 어떤 기법을 사용했지?",
"어떤 기법을 DPWM 발생기는 사용했지?",
"논문에서 제안하는 DPWM 발생기는 왜 출력전압 리플을 최소화 하도록 설계되었어?",
"왜 출력전압 리플을 최소화 하도록 DPWM 발생기는 설계되었어?",
"비교기의 offset 전압은 출력 리플 전압을 어떻게 해?",
"출력 리플 전압을 비교기의 offset 전압이 어떻게 해?",
"비교기의 offset 전압이 출력 리플 전압을 증가시키는 현상을 해결하기 위해 본 논문에서는 어떤 모드를 가능하도록 설계하여 제안했어?",
"본 논문에서는 어떤 모드를 가능하도록 비교기의 offset 전압이 출력 리플 전압을 증가시키는 현상을 해결하기 위해 설계 제안했어?",
"제안된 boost mode의 동작 원리는 어떤 단계로 시작되니?",
"어떤 단계로 제안된 boost mode의 동작 원리는 시작되니?",
"Error 신호 변화 감지기는 컨버터 출력전압의 이전값과 현재값을 어디에 저장해?",
"컨버터 출력전압의 이전값과 현재값을 어디에 Error 신호 변화 감지기는 저장해?",
"Error 신호 변화 감지기는 언제 XOR 게이트를 통해 toggle 신호를 발생시키니?",
" 언제 XOR 게이트를 통해 Error 신호 변화 감지기는 toggle 신호를 발생시키니?",
"Error 신호 변화 감지기는 어떤 신호를 발생시키는 역할을 수행하니?",
"어떤 신호를 발생시키는 역할을 Error 신호 변화 감지기는 수행하니?"
] |
37f090de-4a26-4133-b646-392d0612b34e
|
인공물ED
|
Switched-Capacitor 지연 기법의 새로운 고해상도 DPWM 발생기를 이용한 Dynamic-Response-Free SMPS
|
<p>이 제어 방법은 총 4 단계의 동작으로 구분된다. 비교기는 칩 외부 \( \mathrm{L}, \mathrm{C} \) 필터에 의해 결정되어지는 출력전압(FB)과 칩 내부의 기준전압(Vref) 신호를 비교한다. 전압차에 따른 비교기 출력 신호(Error)에 따라 우선 1 단계에서는 첫 번째 블록인 3bit Shift Register가 동작하게 되며, 이 Register는 \( 20 \% \) 의 duty 해상도를 가지고 DPWM 의 초기 duty ratio를 결정하게 된다. 여기서 3bit Shift Register는 모두 High 또는 모두 Low 상태가 되면 toggle 신호를 발생하고, 제어 블록의 세팅 상태를 변화 시켜 다음 단계인 4bit Shift Register의 동작을 허용한다. 또한 출력전압과 Vref 전압레벨을 비교하여 변화가 발생하면 Error 신호 변화 감지기는 toggle 신호를 발생하고, 역시 제어부의 세팅 상태를 변화 시켜 다음 단계인 4bit Shift Register의 동작을 허용한다.</p><p>여기서 출력전압과 Vref 전압레벨의 비교 변화가 발생한 것은 출력 전압 레벨이 원하는 전압 레벨보다 높거나 낮아졌다는 것을 의미하며, 더 높은 해상도를 가지고 다시 출릭 전압을 감지할 필요가 있기 때문에 4bit Shift Register를 동작시커야 한다. 4bit Shift Register는 \( 5 \% \) 의 duty 해상도를 가지고 DPWM의 duty ratio를 다시 제어하게 된다. 앞에서 선명한 것과 마찬가지로 4bit Shift Register의 동작이 종료되면, 다시 다음단계인 5bit Shift Register의 동작을 허용한다. 그리고 3단계의 5bit Shift Register에 의한 감지가 끝나게 되면, 최종 단계인 4단계에서 3bit up/down counter를 통해 \( 0.125 \% \) 의 duty 해상도를 가지고 부하에 안정된 출력전압을 제공한다.</p><p>본 논문에서 제안된 디지털 제어부는 SMPS의 출력 리플 전압을 최소화하기 위해 스위칭 주파수의 2 주기 안에 모든 제어가 이루어지도록 하였다. 즉, 3,4 , 5bit Shift Register 및 3bit Up/Dn Counter를 제어하기 위해서는 20 클록이 필요하기 때문에 컨버터 스위칭 주파수의 10 배인 내부 제어 동작 주파수가 요구 된다.</p><p>제어부는 단순히 4bit ring counter와 4개의 AND 게이트로 구성된다. 4bit ring counter의 초기상태는 '1000' 으로 세팅되어 있기 때문에 첫 번째 AND gate에서만 시스템 주파수 CLK1이 출력된다. CLK1은 3bit Shift Register 블록에 동작 주파수로 인가되어 \(20\%\)의 duty 해상도를 가지고 제어하도록 한다. 3bit Shift Register 블록이 동작하는 동안 출력이 모두 High/Low가 되어 다음 단계의 Register 블록에 동작이 요구될 경우 또는 비교기의 High/Low 출력 신호에 변화가 발생하게 되어 더 높은 해상도를 가지고 출력을 감지할 필요가 생길 경우에는 3bit Shift Register와 Error 신호 변화 감지기는 toggle 신호를 발생시켜 4bits ring counter를 '0100' 으로 변하게 한다. 즉 CLK1의 동작은 멈추고 CLK2가 동작하게 된다. 각 Register 블록에서 발생되는 toggle 신호에 의해 ring counter의 출릭은 순차적으로 변하게 되며, 그에 해당되는 Register 블록에만 동작 주파수를 인가시켜 줌으로씨 각 Register 블록을 enable 시키거나 disable 시키는 제어가 가능하게 된다. 최상위 블록인 3bit up/down counter의 3bit 출력이 모두 High/Low 가 될 때 까지 출력전압 레벨을 감지하지 못하면, 3bit up/down counter는 동작을 넘추고, 4bits ring counter를 초기 상태인 ' 1000 '으로 변하게 하여 3bit Shift Register 블록부터 다시 반복 동작하도록 구성되어 있다.</p>
|
[
"본 제어기의 제어부는 몇개의 AND로 이루어져 있는가?",
"본문의 제어 방법은 총 몇 단계의 동작으로 구분되는가?",
"비교기의 작동 과정중 1단계는 어떻게 이루어지는가?",
"비교기의 DPWM 초기 duty ratio를 결정짓는 것은 무엇인가?",
"4bit Shift Register는 3bit Shift Register의 무엇을 변화시켜 작동이 가능하게 되는가?",
"본문에서 Error 신호 변화 감지기가 toggle신호를 발생시키는 경우는 무엇인가?",
"출력전압과 Vref 전압레벨의 비교 변화가 발생하였을 때, 4bit Shift Register를 동작시켜야 하는 이유는 무엇인가?",
"4bit Shift Register의 동작완료 후 넘어가는 단계는 무엇인가?",
"총 4단계로 이루어진 제어방법중 가장 낮은 duty해상도를 제어기에 적용하는 단계는 몇단계인가?",
"본 제어기의 제어방법 단계중 가장 높은 bit register를 이용하는 단계는 몇 단계인가?",
"본문의 제어기가 안정된 출력전압을 제공할 때의 duty 해상도는 몇%인가?",
"제어부의 ring counter는 몇 bit인가?",
"L,C필터는 비교기의 내,외부 중 어디에 존재하는가?",
"제어기의 첫번째 AND 게이트에서 주파수는 무엇으로 출력되는가?",
"제어기의 두번째 단계에서 4bit ring counter는 어떻게 변화되는가?",
"제어기 각 Register 블록의 제어를 결정하는 값은 무엇인가?",
"제어기의 4bits ring counter의 값이 리셋되는 조건은 무엇인가?",
"비교기의 첫 번째 작동과정중, 3bit Shift Register 의 duty 해상도는 몇%인가?",
"3bit Shift Register의 toggle신호 발생 조건은 무엇인가?",
"4bit Shift Register의 duty 해상도는 몇 프로인가?",
"SMPS의 출력 리플 전압을 최소화하기 위해서는 스위칭 주파수의 몇주기 이내에 제어가 가능하여야 하는가?",
"본 제어기에 요구되는 내부 제어 동작 주파수는 컨버터 스위칭 주파수의 몇 배인가?",
"시스템 주파수 CLK1는 첫번째 블록에서 몇프로의 duty해상도로 제어되는가?"
] |
5214411c-7e1b-452c-914d-8b2576d61230
|
인공물ED
|
Switched-Capacitor 지연 기법의 새로운 고해상도 DPWM 발생기를 이용한 Dynamic-Response-Free SMPS
|
<h1>V. 시뮬레이션 결과</h1><p>그림 8(a)는 \( 1 \mathrm{MHz} \) 의 스위칭 주파수를 갖는 제안된 SMPS의 과도(transient) 응답 시뮬레이션 결과이다. \( 0 \sim 800 \mathrm{~mA}, 100 \mathrm{KHz} \) 의 load current regulation이 발생하여도 최대 출력 전압 리플은 \( 6 \mathrm{mV} \), overshoot/undershoot는 각각 \( 12 \mathrm{mV}, 16 \mathrm{mV} \) 이다. 그림 8 (b)는 그림 8 (a)의 점선 안의 영역을 확대한 결과를 보여준다. 여기서 Boost Mode는 DPWM의 duty ratio를 증가시키지 못하도록 DPWM 발생기의 내부 커패시터를 강제로 방전시키는 Discharge 신호를 발생하는 역할을 한다. Adaptive On-time은 앞에서 설명한 것처럼 출력전압 리플에 주는 영항을 최소화하면서 스위칭 주파수의 주기마다 최소의 duty ratio를 가진 pulse를 생성하는 역할을 한다. 여기서 최종 DPWM 신호는 switched-capacitor 지연 기법에 의한 ramp 신호, Boost Mode, Adaptive On-time 신호에 의해 결정된다.</p><p>그림 9(a) 는 \( 10 \mathrm{MHz} \) 의 스위칭 주파수를 갖는 제안된 SMPS의 과도 응답 시뮬레이션 결과이다. \( 0 \sim 800 \mathrm{~mA} \), \( 100 \mathrm{KHz} \) 의 load current regulation이 발생하여도 최대 출력 전압 리플은 \( 8 \mathrm{mV} \) 이다. overshoot/undershoot는 각각 \( 11 \mathrm{mV}, 10 \mathrm{mV} \) 이다. 그림 9 (b)는 그림 9 (a)의 점선 안의 영역을 확대한 결과를 보여준다. 그림 8 (a), 그림 8 (b)에서와 마찬가지로 최종 DPWM 신호는 ramp 신호, Boost Mode, Adaptive On-time 신호에 의해 결정된다.</p><p>그림 10 은 \( 10 \mathrm{MHz} \) 의 스위칭 주파수를 사용하는 SMPS의 load regulation 시뮬레이션 결과를 보여준다. \( 0 \sim 800 \mathrm{~mA} \) 의 load regulation에서 overshoot/undershoot 는 각각 \( 11 \mathrm{mV}, 10 \mathrm{mV} \) 이며, 그림 8 (a)와 동일한 결과를 보여준다. 하지만, \( 0 \sim 250 \mathrm{~mA} \) 의 load regulation에서는 컨버터의 출력 전압에 overshoot/undershoot 거의 발생하지 않는 것처럼 보인다.</p><p>그림 8, 9, 10 의 시뮬레이션 결과에서 보는 것처럼, load current regulation이 발생하여도 overshoot/undershoot에 의한 ringing 현상이 출력에 나타나지 않는다는 것을 알 수 있다. 앞에서 설명한 것처럼 본 논문에서 제안된 새로운 Switched-Capacitor 지연 기법을 이용한 고해상도 DPWM 기반의 Dynamic-Response-Free SMPS는 단순히 출력전압을 tracking 방식이기 때문에 기존의 closed loop 시스템에서 큰 문제점이 되고 있는 동적 응답특성을 고려할 필요가 없다는 장점을 가진다.</p>
|
[
"기존의 closed loop 시스템에서 큰 문제점이 되고있는 것이 뭐야?",
"load current regulation이 발생하여도 무엇에 의해 ringing 현상이 출력에 나타나지 않을 수 있어?",
"Dynamic-Response-Free SMPS은 출력전압을 어떻게 한 방식이야?",
"과도 응답 시뮬레이션의 결과에서 최대 출력 전압 리플은 몇이야?",
"그림 8 (b)는 그림 몇을 확대한 결과를 보여줘?",
"여기서 Boost Mode는 무엇의 duty ratio를 증가시키지 못하도록 내부 커패시터를 방전시키는 역할을 해?",
"DPWM 발생기의 내부 커패시터를 강제로 방전시키기 위해 사용하는 신호가 뭐야?",
"출력전압 리플에 주는 영향을 최소화하는 역할을 하는 것이 뭐야?",
"최종 DPWM 신호는 어떻게 결정돼?",
"어떻게 최종 DPWM 신호가 결정돼",
"그림 9(a)에서 제안된 과도 응답 시뮬레이션 결과에서 발생하는 최대 출력 전압 리플은 몇이야?",
"그림 8 (a), 그림 8 (b), 그림 9(a) 은 어떤 신호에 의해 최종 DPWM 신호가 결정 돼?",
"그림 10은 어느 \\( \\mathrm{~mA} \\) 구간의 load regulation에서 컨버터의 출력 전압에 overshoot/undershoot 이 거의 일어나지 않아?"
] |
bd4ef523-144f-4ee3-acda-fb1d10147412
|
인공물ED
|
Switched-Capacitor 지연 기법의 새로운 고해상도 DPWM 발생기를 이용한 Dynamic-Response-Free SMPS
|
<p>표 1은 본 논문에서 제안된 새로운 Switched-Capacitor 지연 기법을 이용한 고해상도 DPWM 기반의 Dynamic-Response-Free SMPS의 성능과 기존에 연구된 SMPS들의 성능을 비교 분석한 것이다. 표 1 에서 보이는 것처럼 빠른 스위칭 주파수를 이용하는 것이 가능하기 때문에 기존에 연구된 SMPS들에 비해 상대적으로 작은 인덕터의 사용이 가능하다. 그리고 앞에서 설명한 것처럼 제안된 회로의 동작 특성상 내부 동작 주파수 역시 기존에 연구된 SMPS들에 비해 상대적으로 낮은 동작 주파수를 사용한다. 즉 동일한 동작주파수 \( 100 \mathrm{MHz} \) 를 사용할 경우 본 논문에서 제안된 회로는 \( 10 \mathrm{MHz} \) 의 스위칭 주파수 선택이 가능하지만, 비교회로는 단지 \( 3.125 \mathrm{MHz} \) 의 스위칭 주파수 선택이 가능하다. 또한 기존에 연구된 SMPS들에 비해 \( 0 \sim 800 \mathrm{~mA} \) 의 큰 load regulation이 발생하여도 overshoot/undershoot는 각각 최대 \( 11 \mathrm{mV}, 10 \mathrm{mV} \) 로 작다는 것을 알 수 있다.</p><table border><caption>표 1. 제안된 회로와 기존 회로와의 비교.</caption><tbody><tr><td></td><td>Hybrid [6]</td><td>\( \Delta - \Sigma \) [7]</td><td>\( \Delta - \Sigma \) [8]</td><td>\( \Delta - \Sigma \) [9]</td><td>본 논문</td></tr><tr><td>Results</td><td>Measured</td><td>Simulation</td><td>Measured</td><td>Measured</td><td>Simulation</td></tr><tr><td>Output ripple(V)</td><td>15m</td><td>16m</td><td>14m</td><td>5m</td><td>8m</td></tr><tr><td>Loading current(mA)</td><td>300 ~500</td><td>100 ~330</td><td>0 ~300</td><td>0 ~250</td><td>0 ~800</td></tr><tr><td>Overshoot(mV)</td><td>50</td><td>50</td><td></td><td>20</td><td>11</td></tr><tr><td>Undershoot(mV)</td><td>80</td><td>70</td><td>130</td><td>20</td><td>10</td></tr><tr><td>Switching frequency(MHz)</td><td>2</td><td>0.09</td><td>0.5</td><td>3.125</td><td>10</td></tr><tr><td>Operating frequency(MHz)</td><td>32</td><td>4</td><td>16</td><td>100</td><td>100</td></tr><tr><td>Inductor(uH)</td><td>4.7</td><td>2.2</td><td>18.8</td><td>2.2</td><td>1.2</td></tr><tr><td>Capacitor(uf)</td><td>22</td><td>4.7</td><td>22</td><td>10</td><td>10</td></tr></tbody></table><h1>VI. 결 론</h1><p>DPWM 발생기는 내부 커패시터에 충전되는 전류를 통해 커패시터 전압 기울기를 제어하여 DPWM을 발생시키는 새로운 구조를 사용한다. 또한 출력전압 리플을 줄이고 자동적으로 랜덤한 분산 스펙트럼 클록 기능을 수행하는 Boost mode 와 Adaptive On-time 회로를 채택하였다. 제안된 회로는 SMPS의 출력전압과 기준전압 비교에 의해 High/Low만 판별하여 capacitor에 충전되는 전류량을 제어하는 방식으로써 단지 출력 전압을 tracking하는 방식이기 때문에 기존의 closed loop 제어 방식에서 문제점이 되고 있는 동적 응답특성을 고려할 필요가 없다. 따라서 본 논문에서 제안된 회로는 출력 전압에 overshoot/undershoot에 의한 ringing 현상이 발생하지 않는다는 큰 장점을 가진다. 제안된 회로는 동부하이텍 BCD \( 0.35 \mu \mathrm{m} \) 공정 파라미터를 이용하여 HSPICE 시뮬레이션을 통해 동작을 검증하였다.</p>
|
[
"고해상도 DPWM 기반은 어떤 기법을 이용하였지?",
"기존의 SMPS들에 비해 상대적으로 작은 인덕터의 사용이 가능해서 Dynamic-Response-Free SMPS는 무엇이 가능해졌는가?",
"Dynamic-Response-Free SMPS이 기존에 연구된 SMPS들에 비해 어떤 주파수를 사용하는가?",
"Dynamic-Response-Free SMPS은 빠른 스위칭 주파수를 이용하는 것이 가능하기 때문에 기존의 SMPS들에 비해 무엇의 사용이 가능하지?",
"Dynamic-Response-Free SMPS는 무엇을 기반으로 만들어 졌는가?",
"Dynamic-Response-Free SMPS이 기존에 연구된 SMPS들에 비해\\( 0 \\sim 800 \\mathrm{~mA} \\)의 큰 load regulation이 발생하여도 overshoot/undershoot는 각각 최대 몇이지?",
"Switched-Capacitor 지연 기법을 이용한 고해상도 DPWM 기반으로 무엇을 만들었지?",
"Dynamic-Response-Free SMPS은 \\( 100 \\mathrm{MHz} \\)의 동작주파수를 사용할 경우 몇 \\( \\mathrm{MHz} \\) 의 스위칭 주파수 선택이 가능한가?",
"Boost mode 와 Adaptive On-time 회로의 특징은 무엇이지?",
"기존에 연구된 SMPS들에 비해 Dynamic-Response-Free SMPS은 \\( 0 \\sim 800 \\mathrm{~mA} \\) 의 무엇이 발생해도 overshoot/undershoot는 각각 최대 \\( 11 \\mathrm{mV}, 10 \\mathrm{mV} \\) 로 작지?",
"동적 응답특성은 기존의 어떤 제어 방식에서 문제가 되는가?",
"출력전압 리플을 줄이고 자동적으로 랜덤한 분산 스펙트럼 클록 기능을 수행하는 무엇을 사용하였는가?",
"기존의 closed loop 제어 방식의 문제점은 무엇인가?",
"출력 전압의 무엇으로 인해 ringing 현상이 생기는가?",
"ringing 현상은 어떻게 생기는가?",
"Dynamic-Response-Free SMPS은 출력 전압을 어떻게 하는 방식이지?",
"Dynamic-Response-Free SMPS는 어떤 회사의 CD \\( 0.35 \\mu \\mathrm{m} \\) 공정 파라미터를 사용했어?",
"Dynamic-Response-Free SMPS에 사용된 BCD \\( 0.35 \\mu \\mathrm{m} \\) 공정 파라미터는 어떤 회사가 만들었는가?",
"HSPICE 시뮬레이션은 무엇을 통해 만들어졌는가?",
"어떤 파라미터를 이용해 Dynamic-Response-Free SMPS을 만들었지?",
"Dynamic-Response-Free SMPS는 무엇을 통해 동작을 검증했니?",
"Dynamic-Response-Free SMPS는 동부하이텍 BCD \\( 0.35 \\mu \\mathrm{m} \\) 공정 파라미터로 어떻게 하였지?",
"\\( \\Delta - \\Sigma \\) [8]회로를 시뮬레이션한 결과 출력리플은 몇 이니?",
"5m의 출력리플을 가진 회로는 무엇이지?",
"Hybrid [6]의 전류 부하는 얼마이지?",
"4.7uH의 Inductor을 가진 회로는 표 1에서 어떤 것이지?",
"Hybrid 회로의 축전기는 몇 uf인가?",
"\\( \\Delta - \\Sigma \\) [7]의 언더슈트는 몇 mV인가?",
"\\( \\Delta - \\Sigma \\) [9] 회로의 측정에서 동작 주파수는 몇이지?",
"\\( \\Delta - \\Sigma \\) [7] 회로의 스위칭 주파수는 몇 MHz야?",
"표 1에 따르면 \\( \\Delta - \\Sigma \\) [7] 회로의 스위칭 주파수는 얼마야?"
] |
5bb68cf2-0a57-4b1d-8b7e-eadfab8c0ad8
|
인공물ED
|
Switched-Capacitor 지연 기법의 새로운 고해상도 DPWM 발생기를 이용한 Dynamic-Response-Free SMPS
|
<p>본 논문에서 제안된 Boost Mode 방법만으로 DPWM 발생기를 제어할 경우 다음과 같은 문제점이 발생한다. 우선 현재값이 low일 때 스위칭 신호 주기가 변하였는 데도 계속 유지(Vout>Vref)될 경우 Boost Mode는 DPWM 발생기의 내부 커패시터를 계속 방전하게 만들기 때문에 빠른 출력전압의 감소 효과를 얻지만, 대신 스위칭 신호(fs)를 원래의 주파수로 유지시키지 못하고 스위칭 주파수가 감소하게 만든다. 이는 컨버터의 출력 전압 리플을 줄이는 장점도 있지만, 컨버터 구성시 스위칭 주파수 및 부하 공급 전류량에 따라 걸정된 인덕터의 값보다 더 큰 인덕터(스위칭 주파수 의 감소는 더 큰 인덕터를 요구)를 요구하게 되는 원인이 될 수도 있다. 또한 Boost Mode에 의해 출력전압이 기준전압보다 낮아지게 되어 duty ratio를 증가시킬 필요가 있을 경우에도 Discharge 신호가 DPWM 신호의 다음 주기와 너무 가깝게 low로 변할 경우 DPWM 발생기의 내부 커패시터에 충분한 충전 시간을 줄 수 없기 때문에 커패시터 전압이 logic threshold voltage에 도달하지 못하여 계속 low로 유지될 수 있다. 따라서 제안된 Boost Mode에 의한 스위칭 주파수 감소현상을 방지하기 위해 본 논문에서는 Adaptive On-time 회로를 동시에 제안한다. 이는 DPWM 신호가 Boost Mode에 의해 스위칭 주파수의 주기마다 펄스를 발생하지 못 할 경우, 출력 전압 리플에 주는 영향을 최소화하면서 스위칭 주파수의 주기 마다 최소의 duty ratio를 가진 pulse를 생성하는 역할을 한다.</p><p>그림 6 은 본 논문에서 제안하고 있는 boost mode가 가능한 Switched-Capacitor 지연 기법의 DPWM 발생기의 시뮬레이션 결과이다. 여기서 Boost Mode 회로 및 Adaptive On-time 회로에 의해 DPWM 발생기에서 발생되는 DPWM 신호는 자동적으로 랜덤한 분산 스펙트럼 클록(SSC: Spread Spectrum Clock) 기능을 수행한다. 이는 SMPS의 스위칭 동작이 일어날 때마다 파워 트레인(power trail)에 대전류 피크가 발생하게 되는데, 이를 통해 컨버터가 최근 대두되고 있는 EMI source로 작용할 수 있기 때문에 이를 방지하는 역할을 동시에 수행하게 된다.</p><p>그림 7은 스위칭 주파수 및 충전 전류량에 따른 duty ratio 변화를 시뮬레이션한 견과이다. \( 10 \mathrm{MHz} \) 의 스위칭 주파수를 위해서는 \( 0.4 \mathrm{pF}, 5 \mathrm{MHz} \) 의 스위칭 주파수를 위해서는 \( 1 \mathrm{pF}, 1 \mathrm{MHz} \) 의 스위칭 주파수를 위해서는 \( 4.5 \mathrm{pF} \) 의 커패시터를 선택해야 한다. 여기서 스위칭 주파수를 \( 1 \mathrm{MHz} \sim 10 \mathrm{MHz} \) 로 정한 이유는 커패시터로 인해 차지하는 면적 때문이다. \( 1 \mathrm{MHz} \) 이하의 스위칭 주파수를 위해서는 커패시터의 용량이 커질 수밖에 없기 때문이다 (200KHz 스위칭 주파수를 위해서는 \( 20 \mathrm{pF} \) 이 필요). 반대로 \( 10 \mathrm{MHz} \) 이상의 스위칭 주파수를 위해서는 커패시터의 용량이 \( 0.4 \mathrm{pF} \) 보다 작아야 하지만, 공정 변화를 고려해 볼 때 커패시터의 용량을 더 줄이는 것은 좋지 않다. 따라서 \( 1 \mathrm{MHz} \sim 10 \mathrm{MHz} \) 범위 밖의 스위칭 주파수를 결정하기 위해서는 오프-칩 커패시터를 사용하는 것이 오히려 비용 절감 및 안정성을 확보 할 수 있다.</p>
|
[
"본 논문에서는 어떻게 DPWM 발생기를 제어했니?",
"본 논문에서는 어떤 방법으로 DPWM 발생기를 제어했니?",
"그림 6은 시뮬레이션의 결과를 어떻게 나왔어?",
"그림 6은 어떤 시뮬레이션의 결과를 나타내고 있어?",
"\\( 1 \\mathrm{MHz} \\) 의 스위칭 주파수를 위해서는 어떤 용량의 커패시터를 사용해야 해?",
"본 논문에서는 Boost Mode 방법으로 어떤 발생기를 제안했니?",
"본 논문에서는 어떤 발생기를 Boost Mode 방법으로 제안했어?",
"Vout>Vref의 경우, Boost Mode는 DPWM 발생기의 내부 커패시터를 어떻게 만들지?",
"Vout>Vref의 경우, Boost Mode를 사용하면 어떤 효과를 얻을 수 있지?",
"본 연구에서 왜 Adaptive On-time 회로를 제안했어?",
"본 연구에서 Adaptive On-time 회로를 제안하는 이유가 뭐야?",
"Adaptive On-time 회로는 DPWM 신호가 Boost Mode에 의해 스위칭 주파수의 주기마다 펄스를 발생하지 못 할 때 어떤 역할을 수행하지?",
"Adaptive On-time 회로에 의해 DPWM 신호는 어떤 기능을 수행하지?"
] |
facdcfe0-885b-4386-a3a7-db3a70d73f30
|
인공물ED
|
Switched-Capacitor 지연 기법의 새로운 고해상도 DPWM 발생기를 이용한 Dynamic-Response-Free SMPS
|
<p>기존의 이러한 문제를 해결하기 위해 counter 기반의 DPWM 과, delay line 기반의 DPWM 그리고 Hybrid DPWM 방식이 연구 되어 왔다. 하지만 이러한 노력에도 불구하고, 동작 주파수의 감소는 여전히 미미한 실정이다. counter/delay-line/Hybrid 기반의 DPWM 발생기 같은 기존의 구조는 DPWM의 고해상도 duty ratio를 위해 여전히 높은 동작 주파수(많은 전력소모)와 큰 면적을 요구하고 있기 때문이다. 따라서 디지털 제어 방식의 SMPS 는 저전력을 요구하는 휴대용 시스템에는 사용되지 못하고 있다.</p><p>최근 기존의 DPWM 제어 방식에서 나타나는 문제점을 해결하기 위해 저전력 고주파수 동작이 가능한 Sigma-Delta \( (\Sigma-\Delta) \) modulator 방식들이 주로 연구 되고 있다. 하지만 \( \sum-\Delta \) ADC (Analog-to-Digital Converter) 방식의 DPWM은 전원전압 잡음 및 잡음변형필터 계수에 의한 영향에 민감하기 때문에 ADC 의 성능이 크게 저하된다는 단점을 가진다. 또한 \( \Delta-\Sigma \) ADC 방식은 전압 제어 루프의 대역폭(bandwidth)이 넓지 못하기 때문에 동적 응답특성을 개선하기 위한 해결책이 필요하다는 문제점도 가지고 있다.</p><p>본 눈문에서는 앞에서 언근된 문제점을 해결하기 위해 새로운 Switched-Capacitor 지연 기법의 고해상도 DPWM 발생기를 사-용한 Dynamic-Response-Free SMPS를 제안한다. 본 논문에서 제안된 Switched-Capacitor 지연 기법을 이용한 DPWM 발생기는 기존의 SMPS들이 출력전압에 대응하기 위해 closed loop 제어 방식을 선택하여 응답특성에 따라 출력전압에 overshoot/undershoot로 인한 ringing 현상이 발생하는 것과 달리 단순히 출력전압을 tracking 하는 방식이기 때문에 ringing 현상이 발생하지 않는다. 제안된 회로는 단지 비교기의 출력전압 상태(high/low)에 따라 전류셀의 on/off를 걸정하여, DPWM 발생기의 내부 커패시터에 충전되는 전류량을 제어하는 방식으로 DPWM 을 발생시키기 때문에 출력전압 tracking이 가능한 것이다. 따라서, 제안된 회로는 기존의 closed loop 제어 방식에서 문제점이 되고 있는 동적 응답특성을 고려할 필요가 없다는 큰 장점을 가진다.</p><p>본 논문에서 제안된 Switched-Capacitor 지연 방식의 DPWM 발생기는 \( 1 \mathrm{MHz} \sim 10 \mathrm{MHz} \) 까지 스위칭 주파수를 사용자가 선택할 수 있으며, \( 100 \mathrm{MHz} \) 의 내부 제어 동작 주파수로 \( 10 \mathrm{MHz} \) 컨버터 스위칭 주파수 발생이 가능하다. 또한 제안된 DPWM 발생기의 duty ratio 해상도는 \( 0.125 \% \) 이며, \( 100 \mathrm{MHz} \) 의 내부 제어 동작 주파수를 사용하여 \( 10 \mathrm{MHz} \) 스위칭 주파수 발생시 소모되는 최대 전류는 \( 15 \mathrm{~mA} \) 이다. 제안된 회로의 최대 리플 전압은 \( 8 \mathrm{mV} \) 이며, 부하에 최대 효율 \( 98 \% \) 로 \( 1 \mathrm{~A} \) 까지 전류공급이 가능하다. 제안된 회로의 검증을 위해 동부하이텍 BCD \( 0.35 \mu \mathrm{m} \) 공정 파라미터를 이용해 시뮬레이션을 수행하였다.</p>
|
[
"논문에서 제안된 Swiched-Capacitor 지연 방식의 DPWM 발생기는 몇MHz부터 몇MHz 까지 스위칭 주파수를 사용자가 선택할 수 있는가?",
"최근 기존의 DPWM 제어 방식에서 나타나는 문제점을 해결하기 위해 어떠한 방식의 modulator 방식들이 연구되고 있는가?",
"SMPS는 어떠한 제어 방식을 사용하는가?",
"여러 방식을 기반으로한 DPWM의 연구가 진행되고 있지만 동작 주파수의 감소가 여전히 미미한 이유는?"
] |
8fc9916d-8837-4002-8cb1-df6e9a1d2765
|
인공물ED
|
ATM 망에서 인터넷 트래픽을 서비스하기 위한 효율적인 스케줄링 알고리즘에 관한 연구
|
<h1>Ⅴ. 모의실험 결과</h1> <p>GFR에서 TCP/IP 트래픽 서비스에 대한 중요한 성능평가의 기준은 TCP의 Goodput과 공평성 지표이고 TCP의 Goodput은 TCP 계층에서 수신한 패킷을 전송률로 환산한 측정값을 공평성 지표는 각 VC 들 사이에 잉여 대역을 공평하게 사용하는지 나타내는 척도로 잉여 대역을 나누는 방법에는 각 VC 의 MCR 에 비례해서 나누는 방법(Allocation proportional to MCR), 모든 VC 에 똑같이 나누는 방법(MCR+equalshare) 등이 있고, 공평성 정도를 알아보기 위해 식 (3)과 같이 공평성지표를 계산한다.</p> <p>Fairness index \( =\frac{\left(\sum_{i=1}^{N} x_{i} / f_{i}\right)^{2}}{N \times \sum_{i=1}^{N}\left(x_{i} / f_{i}\right)^{2}} \)<caption>(3)</caption></p> <p>(여기서 \( x_{i} \) 는 \( V C_{i} \) 의 수율이며, \( f_{i} \) 는 \( V C_{i} \) 의 공평 할당량이다.)</p> <p>그림 8은 전체 MCR 의 총합이 \( 100 \mathrm{Mbps} \) 일 때 제안한 스케줄링 방식과 기존의 WRR 방식을 적용했을 때 TCP의 Goodput이다. 공평율(fairshare)은 MCR+equalshare방식으로 할당한 대역이고, 그래프를 가로지르는 선은 각 VC 의 MCR 크기이다. 그림에서 MCR 이 낮을 수록 Goodput이 좋으며, 높을수록 공평 할당율을 받지 못함을 나타낸다. 제안한 알고리즘의 경우 모든 VC 들이 MCR 이상으로 서비스 받았으나 WRR 방식의 경우 MCR 이 \( 20 \mathrm{Mbps} \) 인 \( VC10 은 MCR 미만으로 서비스 받았다.</p> <p>그림 9은 전체 MCR 이 \( 120 \mathrm{Mbps} \) 일 때 TCP 의 Goodput을 보여준다. WRR 방식의 경우에 MCR이 \( 15\mathrm{Mbps} \) 이상인 연결들은MCR 이하로 서비스 받는 반면, 제안한 방식의 경우는 MCR이 \( 20 \mathrm{Mbps} \) 와 \( 30 \mathrm{Mbps} \) 인 연결들만 MCR이하로 서비스 받았다. 그림 10 은 전체 MCR이 \( 100 \mathrm{Mbps} \) 일 때, 각 VC 별 패킷 손실율을 보여주는 것으로 제안한 알고리즘의 경우 모든 MCR에 대해 WRR 방식보다 낮은 패킷 손실율을 보여준다.</p> <table border><caption>표 4. 스케줄링 알고리즘에 따른 성능</caption> <tbody><tr><td></td><td colspan=2>Total MCR=\( 100\mathrm{Mbps} \)</td><td colspan=2>Total MCR=\( 120\mathrm{Mbps} \)</td></tr><tr><td>Scheduing scheme</td><td>WRR</td><td>Proposed</td><td>WRR</td><td>Proposad</td></tr><tr><td>Total Goodput</td><td>\( 124.9\mathrm{Mbps} \)</td><td>\( 139.7\mathrm{Mbps} \)</td><td>\( 116.8\mathrm{Mbps} \)</td><td>\( 136.7\mathrm{Mbps} \)</td></tr><tr><td>Fairness Index</td><td>0.9969404</td><td>0.9969572</td><td>0.9923253</td><td>0.9943569</td></tr></tbody></table> <p>표 4 는 전체 Goodput과 공평성 지표를 보여주는 것으로 전체 Goodput은 모든 연결의 Goodput을 합한 것으로, ATM 스위치의 대역 사용율을 나타낸다. 제안한 방식이 WRR 방식보다 전체 Goodput에서 MCR 의 총합이 \( 100 \mathrm{Mbps} \) 일 때 약 \( 15 \mathrm{Mbps} \) 의 성능 향상이 있고, 공평성에서도 앞섬을 보여준다. MCR의 총합이 \( 120 \mathrm{Mbps} \) 일때 WRR 방식은 MCR 이 \( 100 \mathrm{Mbps} \) 보다 \( 8 \mathrm{Mbps} \) 정도 Goodput이 감소되나 제안한 방식의 경우 \( 3 \mathrm{Mbps} \) 의 감소로 상대적으로 Goodput이 \( 20 \mathrm{Mbps} \) 정도로 성능이 향상되었다. 컴퓨터 모의실험 결과 전체 MCR이 커질수록 공평성 지표와 전체 Goodput 성능이 떨어짐을 알 수 있다.</p> <p>제안된 스케줄링 알고리즘은 기존 WRR보다 패킷 손실율을 줄여서 네트워크의 성능을 향상시켰으며 GFR이 요구하는 최소 전송율을 보장하였으며 기본 방식에 비해 잉여 대역의 공평한 할당을 통해서 공평성을 향상시켰다.</p>
|
[
"본문의 표 4. 스케줄링 알고리즘에 따른 성능에서 Total MCR=\\( 100\\mathrm{Mbps} \\)인 경우에 WRR의 Total Goodput값은 얼마인가?",
"본문의 표 4에서 Total MCR=\\( 100\\mathrm{Mbps} \\)인 경우에 Proposed의 Fairness Index값은 어느 정도인가?",
"Total MCR=\\( 100\\mathrm{Mbps} \\)인 경우에 Proposed의 Fairness Index값은 본문의 표 4에서 얼마가 되지",
"본문의 표 4. 스케줄링 알고리즘에 따른 성능에서 Total MCR=\\( 100\\mathrm{Mbps} \\)인 경우에 Proposed의 Total Goodput값은 얼마일까?",
"본문의 표 4. 스케줄링 알고리즘에 따른 성능에서 Total MCR=\\( 120\\mathrm{Mbps} \\)인 경우에 Proposed의 Total Goodput값은 얼마야?",
"본문의 표 4. 스케줄링 알고리즘에 따른 성능에서 Total MCR=\\( 120\\mathrm{Mbps} \\)인 경우에 WRR의 Total Goodput값은 얼마지?",
"본문의 표 4에서 Total MCR=\\( 120\\mathrm{Mbps} \\)인 경우에 Proposed의 Fairness Index값은 어느 정도지?",
"본문의 표 4에서 Total MCR=\\( 120\\mathrm{Mbps} \\)인 경우에 WRR의 Fairness Index값은 어느 정도야?",
"본문의 표 4에서 Total MCR=\\( 100\\mathrm{Mbps} \\)인 경우에 Proposed의 Fairness Index값은 어느 정도일까?",
"Total MCR=\\( 100\\mathrm{Mbps} \\)인 경우에 Proposed의 Fairness Index수치는 본문의 표 4에서 얼마지"
] |
94e2223a-9bc4-4c6f-895c-459744a42b68
|
인공물ED
|
ATM 망에서 인터넷 트래픽을 서비스하기 위한 효율적인 스케줄링 알고리즘에 관한 연구
|
<h1>IV. 모의실험 환경</h1> <p>제안한 알고리즘의 성능평가를 위해, 컴퓨터 모의실험을 수행하였다. 시뮬레이션 프로그램은 \( \mathrm{C}++ \) 로 작성했으며 이벤트 기반 구조로 구현되었다. GFR 서비스를 지원하기 위해서는 크게 태깅, 버퍼 관리, 스케줄링 세 가지의 구성 요스가 이루어지며 모의실험에 사용된 태깅 방식은 F-GCRA 알고리즘을 이용하였고, 버퍼 관리에서는 버퍼 구현 방식과 프레임 폐기 방식으로 perVCQueuing 방식, EPD 를 이용하였고 스케줄링 방식은 제안된 알고리즘을 적용하였다.</p> <p>프레임 기반인 TCP/IP 의 트래픽을 GFR 을 통하여 서비스하는 경우, GFR은 흐름제어 메커니즘을 지원하지않고, 흐름제어는 TCP 계층에서 이루어진다. 모의실험에 사용된 TCP/IP 트래픽의 성능 평가를 위해서는 TCP 의 흐름제어 메커니즘이 구현되어야 한다. TCP 의 흐름제어는 Slow-start와 Congestion avoidance의 두 방식을 사용하여 제어하는데 TCP 연결이 설정되면, 흐름제어에 사용되는 두 변수 Congestion 윈도우(CWnd)와 Slow start 임계치(Wth)를 사용한다.</p> <p>TCP 송신 축에서 최초 세그먼트 전송시 CWnd의 크기는 1-세그먼트부터 설정한다. 수신 측으로부터 ACK 세그먼트를 받을 때마다 윈도우 크기를 두 배로 증가시킨다. 중복된 ACK 신호를 받거나 재전송 타이머가 만료되면, 폭주상황이 발생한 것으로 간주하여 CWnd를 줄여서 전송률을 감소시킨다. 중복된 ACK 세그먼트를 받는 경우는 전송된 세그먼트의 일부분이 손실된 것으로 심각한 폭주상태는 아니므로 Congestion avoidance를 수행한다. 재전송 타이머가 만료된 경우는 전송한 모든 세그먼트가 유실되거나 수신축에서 전송한 ACK 세그먼트가 유실된 경우로, 이는 폭주상황이 심각하다고 판단하고, Slow-start를 수행한다. CWnd가 Wth에 도달하면, Congestion avoidance를 수행한다. 그림 5은TCP의 폭주제어 알고리즘의 흐름도이다. 시뮬레이션에 구현된 TCP계층은 Slow-start와 Congestion avoidance가 포함되어있다.</p> <p>모의실험에 사용된 네트워크 환경은 그림 6에 보인바와 같이 10 개의 TCP 송신원과 대응하는 10 개의TCP수신원이 있으며 각 TCP 단말은 ATM 스위치와 링크로 연결되어 있다. 링크는 OC-3(155.5 \mathrm{Mbps}) \), 지연시간은 \( 0.3 \mathrm{~m} \) 초이고 스위치와 스위치간의 지연시간은 \( 3 \mathrm{~m} \)초로 큐잉 지연이 없다면 RTT(Round Trip Time)은 \( 7.2 \mathrm{~m} \) 초가 된다.</p> <p>TCP 의 환경변수 표 1 과 같다. 송신원은 무한 크기의 파일을 TCP 세그먼트로 윈도우 크기만큼 전송하고 수신원은 ACK 신호만을 전송한다. 재전송 방식은 GO-Back- N 을 사용하였고 폭주제어는 Slow-start와 Congestion avoidance 알고리즘을 사용한다. 그림 7은 VC 의 MCR에 따른 TCP 의 CWnd 크기의 변화를 보여준다.</p> <table border><caption>표 2. 스위치와 GFR 환경변수</caption> <tbody><tr><td>Switch parameters</td><td>value</td></tr><tr><td>LBO</td><td>2,000 cell</td></tr><tr><td>HBO</td><td>6,000 cell</td></tr><tr><td>QMAX</td><td>8,000 cell</td></tr><tr><td>GFR source parameters</td><td>value</td></tr><tr><td>AAL5 PDU size</td><td>\( 960 \mathrm{bytes} \)</td></tr><tr><td>MFS</td><td>\( 960 \mathrm{bytes} \)</td></tr><tr><td>MBS</td><td>\(2*\mathrm{MFS} \)</td></tr></tbody></table> <p>TCP 계층에서 생성된 TCP 세그먼트는 AAL5 계층에서 PDU (Protocol Data Unit)로 변환되고, PDU 는 ATM 계층으로 전달된다. ATM 계층에서는 수신된 패킷올 48 바이트로 쪼개어 5 바이트 헤더를 추가하여 ATM 셀로 변환한다. 표 2 는ATM 스위치와 GFR VC의 환경변수이다.</p> <p>표 3은 각 VC 당 PCR(Peak Cell Rate)과MCR 이다. 전체 MCR 이 \( 100 \mathrm{Mbps} \) 인 설정과 \( 120 \mathrm{Mbps} \) 로 설정하여 최대 MCR 에 따른 성능을 측정하였다. 각 VC 가 셀을 전송하면 UNI(User-Network Interface)에서 F- GCRA 테스트를 거쳐 순응검사를 수행한다. 즉 MCR 이하의 프레임은 CLP =0 으로, MCR 이상인 프레임은 CLP = 1로 변환되어 링크로 전송된다.</p> <table border><caption>표 3. GFR VC의 MCR 및 PCR (\mathrm{Mbps}) \)</caption> <tbody><tr><td colspan=2></td><td>VC1</td><td>VC2</td><td>VC3</td><td>VC4</td><td>VC5</td><td>VC6</td><td>VC7</td><td>VC8</td><td>VC9</td><td>VC10</td></tr><tr><td rowspan=2>Config.1</td><td>PCR</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td></tr><tr><td>MCR</td><td>5</td><td>5</td><td>5</td><td>5</td><td>10</td><td>10</td><td>10</td><td>15</td><td>15</td><td>20</td></tr><tr><td rowspan=2>Config2</td><td>PCR</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td><td>155.5</td></tr><tr><td>MCR</td><td>5</td><td>5</td><td>5</td><td>5</td><td>10</td><td>10</td><td>15</td><td>15</td><td>20</td><td>30</td></tr></tbody></table>
|
[
"스위치 파라미터에서 HBO는 어떤 값을 가지고 있어?",
"스위치 파라미터에서 어떤 파라미터가 가장 큰 값을 가지는가?",
"표2의 값을 참조하면 스위치 파라미터에서 어떤 파라미터가 가장 큰 값을 가질까?",
"가장 적은 스위치 파라미터 값은 얼마인가?",
"GFR source 파라미터에서 MFS 값의 두배의 값을 가지는 파라미터는 무엇이니?",
"VC3의 MCR 값은 얼마야?",
"표에서 PCR은 어떤 값을 가지나?",
"GFR source 파라미터에서 AAL5 PDU size와 같은 값을 가진 파라미터는 뭐야?",
"MCR은 VC6에서 어떤 값을 가질까?",
"Config.1에서 MCR 값이 VC8과 같은 VC는 어떤거야?",
"Config.1에서 MCR 값이 가장 큰 VC는 어떤거지?",
"Config2에서 두 번째로 큰 MCR 값을 가지는 VC는 무엇이야?",
"Config2에서 최대치의 MCR 값은 얼마일까?",
"Config2에서 어떤 VC가 VC8과 동일한 MCR 값을 가지는가?"
] |
c30f118c-f63b-4610-b8c3-bb46312e6d59
|
인공물ED
|
엔트로피 기반 ECoG 신호를 이용한 손과 팔꿈치 움직임 추론
|
<h1>I. 서론</h1><p>BCI(Brain-Computer Interface)는 뇌와 컴퓨터의 상호작용을 위한 연구 분야로, 뇌의 전기적 활동을 이용하여 제어하기 때문에, 근육 손상 등으로 인하여 운동하는데 장애가 있는 사람들에 유용하다. 뇌의 전기적 활동을 측정하는 방법에는 크게 침습형, 비침습형 방법 두 가지로 나눌 수 있다. 널리 쓰이는 비침습형 방법인 Electroencephalogram(EEG)는 두개골, 두피 등으로 인한 노이즈가 심하며, 낮은 공간 해상도를 제공한다. 반면, 침습형 방법인 Electrocorticogram(ECoG)의 경우 높은 공간 해상도와 신호 대 잡음비 (SNR: Signal to Noise Ratio)를 제공한다.</p><p>최근 ECoG 데이터를 기반으로 한 BCI 연구에서는 실제 동작이나, 동작에 대한 상상을 추론하는 연구가 진행되었다. 베이징 사범 대학교에서는 왼손의 약지와 혀의 움직임을 상상하였을 때의 ECoG 신호를 기반으로 Independent component analysis (ICA)와 k-means clustering, Affinity propagation 알고리즘을 이용하여 왼손의 약지와 혀의 움직임을 추론하였다. 또한 Songmin Jia 박사 연구팀은 왼손의 새끼와 혀의 움직임을 상상하였을 때의 ECoG 신호를 Principal component analysis (PCA)를 이용하여 특징을 추출하고, Support Vector Machine (SVM), Cross-validation, Common Spatial Pattern (CSP) 3가지의 알고리즘을 이용하여 왼손의 새끼와 혀의 움직임을 추론, 각 알고리즘의 추론 성공률을 비교하였다. 노스이스턴 대학에서는 ECoG 신호의 특징 추출을 위하여 Relative wavelet energy (RWE)와 Principal component analysis (PCA)를 이용하고, 왼손 약지와 혀의 움직임을 추정하기 위하여 Probabilistic neural network (PNN) 알고리즘을 이용하였다. 정보 엔트로피, 히스토그램, 특정대역의 파워의 변화 이용한 연구도 진행되기도 하였다. 뇌파는 \( 0 \sim 3 \mathrm{~Hz} \) (델타 \( \delta \) ), \( 4 \sim 7 \mathrm{~Hz} \) (세타 \( \Theta), 8 \sim 13 \mathrm{~Hz} \) (알파 a), \( 14 \sim 30 \mathrm{~Hz} \) (베타 \( \beta \) ), \( 31 \sim 100 \mathrm{~Hz} \) (감마 \( \gamma \) ) 5개 대역으로 나눌 수 있으며 특히 감마대역을 이용한 감정, 행동에 대한 연구가 많이 진행되었다. 행동으로 인한 ECoG 신호는 감마대역에서 신호의 파워가 증가하며, 이러한 변화는 피질의 활성화와 관련된다는 연구 결과가 나왔다. 추출된 특징을 분류하기 위해서 k-nearest neighbors (KNN), Linear discriminant analysis (LDA), artificial neural networks (ANN) 등 다양한 방법을 사용하여 연구가 진행되었다.</p><p>본 연구에서는 간질 환자가 손을 움켜쥐는 동작과 팔꿈치를 안으로 굽히는 동작을 취했을 때 발생한 ECoG 신호를 기반으로, 미지의 ECoG 신호의 입력으로부터 실제 동작을 추론하는 방법을 제안한다. 운동 시점을 기준으로 3개의 구간으로 나누어 정보 엔트로피를 이용하여 신호의 특징을 추출하였다. 3개의 구간은 준비 준위(Readiness potential)가 관찰되는 구간을 포함한다. 준비 전위는 시스템 딜레이를 줄이기 위해 사용한다. 운동 시점을 기준으로 \( -0.75 \mathrm{sec} \).부터 \( -0.25 \mathrm{sec} \). 구간을 'before2', \( -0.5 \mathrm{sec} \). 부터 \( +0 \mathrm{sec} \). 구간을 'before1', \( -0.25 \mathrm{sec} \).부터 \( +0.25 \mathrm{sec} \). 구간을 'onset'으로 설정하며, 모든 구간은 \( 0.5 \mathrm{sec} \).로 동일하다. 각 구간에서 구해진 정보 엔트로피의 통계적 특성을 바탕으로 확률적 모델을 만들며 최대 우도 추정법을 이용하여 실제 동작을 추론하였다.</p><p>본 논문은 Ⅱ장에서는 ECoG 신호의 취득 방법과 신호처리 방법을 설명하며, Ⅲ장에서는 실험결과에 대하여 설명한다. 마지막으로 IV에서 결론을 맺는다.</p>
|
[
"뇌와 컴퓨터의 상호작용을 위한 연구 분야를 뜻하는 말은 무엇인가요?",
"BCI는 어떤 사람들에 도움이 되는가?",
"BCI(Brain-Computer Interface)는 뇌와 컴퓨터의 상호작용을 위한 연구 분야로, 뇌의 무엇을 이용하여 제어하는가?",
"비침습형 방법의 특징으로 두개골, 두피로 인한 무엇이 심한가?",
"운동하는데 장애가 있는 사람들에 BCI가 도움이 되는 이유는 무엇인가?",
"뇌의 전기적 활동을 측정하는 방법을 크게 2가지로 나누면?",
"침습형 방법의 장점 두 가지는 무엇인가?",
"비침습형 방법의 특징으로 낮은 무엇을 제공하는가?",
"최근 ECoG 데이터를 기반으로 한 BCI 연구에서는 실제 동작이나, 동작에 대한 무엇을 추론하는 연구가 진행되었는가?",
"감정, 행동에 대한 연구가 많이 진행된 뇌파 대역은 어디인가?",
"뇌파는 몇 개의 대역으로 나눌 수 있나?",
"베이징 사범 대학교에서는 어느 부위의 움직임을 상상하여 추론하였는가?",
"노스이스턴 대학에서 Relative wavelet energy (RWE)와 Principal component analysis (PCA)를 이용한 이유는 무엇인가?",
"뇌파중 감마대역을 이용해서 무엇을 연구하였는가?",
"노스이스턴 대학에서는 어떤 알고리즘을 이용하였나?",
"k-nearest neighbors (KNN), Linear discriminant analysis (LDA), artificial neural networks (ANN) 등 다양한 방법을 사용하여 연구가 진행된 이유는 무엇인가?",
"행동으로 인한 ECoG 신호는 감마대역에서 신호의 파워가 증가하면 이러한 변화는 어디에 영향을 주는가?",
"본 연구는 간질 환자가 손을 움켜쥐는 동작과 팔꿈치를 안으로 굽히는 동작을 취했을 때 발생한 어떤 신호를 기반으로 하는가?",
"행동으로 인한 ECoG 신호는 감마대역에서 신호의 무엇이 증가하였는가?",
"손을 움켜쥐는 동작과 팔꿈치를 안으로 굽히는 동작을 취하는 경우를 연구할 때는 어떤 병을 앓고 있는 환자를 실험 대상으로 하였는가?",
"준비 전위를 사용한 이유는 무엇인가?",
"각 구간에서 구해진 무엇의 통계적 특성을 바탕으로 하였는가?",
"'before1'구간은 어디부터 어디까지인가?",
"\\( -0.25 \\mathrm{sec} \\).부터 \\( +0.25 \\mathrm{sec} \\). 구간을 무엇으로 설정하였는가?",
"3개의 구간은 준비 준위(Readiness potential)가 관찰되는 구간을 어떻게 하였는가?",
"스템 딜레이를 줄이기 위해 사용한 것은 무엇인가?",
"각 구간에서 구해진 정보 엔트로피의 통계적 특성을 바탕으로 확률적 모델을 만들며 어떤 방법을 이용하여 실제 동작을 추론하였는가?",
"각 구간에서 구해진 정보 엔트로피의 통계적 특성을 바탕으로 무엇을 만들었는가?",
"본 논문은 Ⅱ장에서는 ECoG 신호의 취득 방법과 신호처리 방법을 설명하며, Ⅲ장에서는 무엇에 대해 설명하였는가?",
"언제를 기준으로 3개의 구간으로 나누어 정보 엔트로피를 이용하여 신호의 특징을 추출하였는가?",
"베이징 사범 대학교에서 ECoG 신호를 기반으로 추론한 것은 무엇인가?",
"Songmin Jia 박사 연구팀은 왼손의 새끼와 혀의 움직임을 추론하고 그 성공률을 비교하는 데에는 총 몇 가지의 알고리즘을 사용하였는가?",
"왼손의 새끼와 혀의 움직임을 상상하였을 때의 ECoG 신호를 3가지의 알고리즘을 통해 왼손의 새끼와 혀의 움직임을 추론 한 것은 어느 박사 연구팀이었는가?",
"Songmin Jia 박사 연구팀은 ECoG 신호의 특징을 추출하는 데에 무엇을 사용하였는가?",
"침습형, 비침습형 방법을 통해 뇌의 전기적 활동을 자극 할 수 있는가?",
"ECoG 데이터를 기반으로 한 BCI 연구는 오래전부터 진행되던 주제인가?",
"침습형 방법이 더 보편적으로 쓰이고 있는가?",
"히스토그램을 이용한 연구는 진행되었는가?",
"Songmin Jia 박사 연구팀은 왼손의 새끼와 혀의 움직임 추론하고 알고리즘을 사용한 이유는 각 추론 성공률을 합산하기 위해서인가?",
"피질의 활성화에는 감정으로 인한 ECoG 신호가 영향을 주는가?",
"추출된 특징을 분류하기 위해 k-nearest neighbors (KNN) 방법만이 사용되었는가?",
"운동 시점을 기준으로 5개의 구간으로 나누어 정보 엔트로피를 이용하여 신호의 특징을 추출하였는가?",
"모든 구간은 \\( 0.5 \\mathrm{sec} \\).로 동일한가?",
"BCI가 근육 손상을 입은 환자에게 도움이 될 수 있는가?",
"본 논문의 구성 중 Ⅱ장에서는 신호처리 방법 만을 논하였는가?",
"비침습형 방법은 두개골, 두피 등으로부터 발생하는 노이즈가 심각하다는 이유 때문에 잘 쓰이지 않는가?",
"준비 준위(Readiness potential)가 관찰되는 구간은 본 실험에서 일컫는 3개의 구간에서 제외되었는가?",
"본 논문에서는 제작한 확률적 모델은 정해진 단 하나의 구간에서 구해진 정보 엔트로피의 통계적 특성만을 기반으로 하여 만들어졌는가?"
] |
73b6c543-993f-41db-9d1a-c02adeba28a6
|
인공물ED
|
엔트로피 기반 ECoG 신호를 이용한 손과 팔꿈치 움직임 추론
|
<h1>Ⅳ. 결론</h1><p>연구는 EMG 신호가 근육의 수축, 이완 동안에 의하여 신호의 크기가 증가 또는 감소함을 이용하여 피검자의 움직인 시점을 찾고, 뇌파 ECoG 신호의 정보 엔트로피에 기반으로 하여 신호의 특성을 추출하고, 최대 우도 추정법을 이용하여 손가락의 굽힘 동작, 팔꿈치의 굽힘 동작을 추정하는 방법을 제안하였다. 또한 준비 전위의 개념을 도입하여 시스템 지연을 줄임으로써 시스템의 성능을 향상 시키고자 하였다.</p><p>실험 결과 피검자 A에 대해서는 평균 \( 60.24 \pm 0.16 \% \), 피검자 B에 대해서는 평균 \( 62.19 \pm 0.21 \% \)의 추정 성공률을 보였다. 또한 각 대역별로 보았을 때 감마대역에서 피검자 A 와 B는 각각 \( 67.56 \pm 0.01 \% \) \( 77.42 \pm 0.14 \% \) 의 추정 성공률을 보이며, 전체 대역과 다른 대역에서보다 높은 성공률을 보였다.</p><p>시스템 딜레이를 줄이기 위하여 준비 전위를 이용하여 추정하였다. 전체 밴드에서 준비 전위를 이용하였을 경우 피검자 A의 경우 'before1', 'before2'의 구간에서 각각 \( 56.04 \pm 0.11 \%, 55.82 \pm 0.10 \% \) 의 추정 성공률을 보이며 'onset' 구간에 비해 각각 \( 4.20 \%, 4.42 \% \) 낮은 성공률을 보였다. 피검자 B의 경우 각각 \( 60.66 \pm 0.01 \%, 69.43 \pm 0.16 \% \) 의 추정 성공률을 보이며 'before1' 구간에서는 'onset' 구간에 비해 \( 1.53 \% \) 은 추정 성공률을, 'before2' 구간에서는 'onset' 구간에 비해 \( 7.25 \% \) 높은 추정 성공률을 보였다. 또한 감마 대역에서의 경우 A는 \( 70.43 \pm 0.13 \%, 66.74 \pm 0.12 \% \) 의 추정 성공률을 보이며 'onset' 구간과는 각각 'beforel' 구간에서는 'onset' 구간에 비해 \( 0.82 \% \) 낮은 추정 성공률을, 'before2' 구간에서는 onset 구간에 비해 \( 7.25 \% \) 높은 추정 성공률을 보이며, B의 경우 각각 \( 76.64 \pm 0.14 \%, 76.64 \pm 0.12 \% \) 의 추정 성공률을 보이며 'onset' 구간과는 두 구간 모두 \( 0.78 \% \) 낮은 추정 성공률을 보였다. 이를 통하여 운동 이전 시점을 이용하여 시스템 지연을 줄일 수 있는 것을 확인 할 수 있었다.</p>
|
[
"감마대역에서 피검자 B의 추정 성공률은 얼마야?",
"본 연구에서 피검자가 움직인 시점을 찾는데 이용한 방법은 뭐야?",
"본 연구에서 신호의 특성을 추출하는데 사용한 것은 뭐야?",
"근육이 수축하고 이완할 때 증가하고 감소하는 EMG 신호의 크기를 이용하여 찾고자 하는 것은 뭐야?",
"ECoG 뇌파 신호의 정보 엔트로피를 기반으로 얻고자 하는 것은 뭐야?",
"팔꿈치와 손가락을 굽히는 동작을 추정하는 데 이용한 방법은 뭐야?",
"시스템 딜레이를 줄이기 위해 이용한 것은 뭐야?",
"피검자 B에 대한 평균 추정 성공률은 얼마야?",
"본 연구에서 최대 우도 추정법으로 얻고자 하는 것은 뭐야?",
"본 연구에서 준비 전위의 개념을 도입한 이유가 뭐야?",
"감마대역에서 피검자 A의 추정 성공률은 얼마야?",
"준비 전위를 이용했을 때 before1 구간과 before2 구간에서 피검자 A의 추정 성공률은 각각 얼마야?",
"피검자 A의 경우 준비 전위를 이용하여 추정 성공률을 구하면 before1, before2 구간은 onset 구간에 비해 각각 얼만큼 낮은 성공률을 나타내?",
"준비 전위를 이용하여 구한 추정 성공률은 피검자 B의 경우 before1과 before2의 구간의 값은 각각 얼마야?",
"준비전위를 이용했을 때 피검자 B의 추정 성공률은 onset구간보다 before1구간에서 얼만큼 더 높아?",
"준비 전위를 이용했을 때 피검자 B의 추정 성공률은 onset구간보다 before2구간에서 얼만큼 더 높아?",
"준비 전위를 이용했을 때 피검자 B의 경우 before1 구간의 추정 성공률은 onset 구간의 값보다 어때?",
"준비 전위를 이용했을 때 피검자 B의 경우 before2 구간의 추정 성공률은 onset 구간의 값보다 어때?",
"감마대역에서 준비 전위를 이용하였을 때 피검자 A경우 before1과 before2의 구간추정 성공률은 각각 얼마야?",
"감마대역에서 준비 전위를 이용하면 피검자 B경우 before1과 before2의 구간추정 성공률은 각각 얼마야?",
"준비 전위를 이용한 경우 감마 대역에서 피검자 A의 before1 구간 추정 성공률은 onset 구간보다 얼마나 더 낮아?",
"준비 전위를 이용했을 때 감마 대역에서 피검자 A의 before2 구간 추정 성공률은 onset 구간보다 얼마나 더 높아?",
"준비 전위를 이용하면 감마 대역에서 피검자 B의 before2 구간의 추정 성공률은 onset 구간보다 얼만큼 더 낮아?",
"피검자가 움직인 시점을 찾기위해 이용한 신호는 뭐야?",
"피검자 A에 대한 평균 추정 성공률은 얼마야?",
"감마 대역에서 준비 전위를 이용했을 때 피검자 B의 before1 구간의 추정 성공률은 onset 구간보다 얼만큼 더 낮아?",
"다른 대역보다 더 높은 추정 성공률을 가진 대역은 뭐야?",
"시스템의 지연을 감소시키면 시스템의 성능은 좋아져?",
"신호의 특성을 추출할 때 사용한 정보 엔트로피는 EMG 신호에 대한 것이 맞아?",
"피검자 A의 경우 준비 전위를 이용하여 추정 성공률을 구하면 before2 구간은 onset 구간보다 높아?",
"준비 전위를 이용하면 before1의 추정 성공률은 피검자 A보다 피검자 B의 경우가 더 높아?",
"실험결과 피검자 A와 B 모두 평균 추정 성공률이 \\( 60 \\% \\)를 넘지 못했어?",
"감마대역에서 준비 전위를 이용할 때 피검자 A의 before1 구간 추정 성공률은 피검자 B보다 더 낮아?",
"피검자 A의 준비 전위를 이용한 추정 성공률은 onset 구간보다 before1 구간이 낮아?",
"감마대역에서 추정 성공률이 피검자 A와 B 모두 \\( 70\\% \\)가 넘어?",
"준비 전위를 이용하면 before2의 추정 성공률은 피검자 B보다 피검자 A의 경우가 더 높아?",
"준비 전위를 이용하면 감마 대역에서 피검자 A의 onset 구간 추정 성공률은 before2 구간보다 더 높아?",
"감마 대역에서 준비 전위를 이용할 때 피검자 B의 onset 구간 추정 성공률은 before2 구간보다 더 낮아?",
"감마 대역에서준비 전위를 이용하면 피검자 A의 onset 구간 추정 성공률은 before1 구간보다 더 높아?",
"준비 전위를 이용한 경우 감마 대역에서 피검자 B의 onset 구간 추정 성공률은 before1 구간보다 더 높아?",
"준비 전위를 이용할 경우 감마 대역에서 before2의 추정 성공률은 피검자 B보다 피검자 A의 경우가 더 높아?",
"피검자 B가 준비 전위를 사용할때 onset 구간이 before1과 before2의 구간보다 추정 성공률이 더 높아?"
] |
82371f20-b146-4af2-a9e5-28e34a58711d
|
인공물ED
|
엔트로피 기반 ECoG 신호를 이용한 손과 팔꿈치 움직임 추론
|
<h1>III. 실험</h1><p>표면 근전도 신호를 이용하여 동작 수행을 예측한 결과 피검자 A의 경우 손을 움켜쥐는 동작을 130 회, 팔꿈치를 굽히는 동작을 119 회 독립 시행하였고, B의 경우 각각 87회, 85회 독립 시행하였음을 확인 할 수 있었다.</p><p>제안 된 알고리즘의 추정 성공률을 측정하기 위해 학습 데이터(training data)와 테스트 데이터(test data)의 2 대 1 비율로 나누어 사용하였다. 임의의 1000 개의 조합을 선택하여 반복 진행하고 평균을 구하였다. 대역 통과 필터를 이용하여 전체 대역 뿐 만 아니라 아니라, 델타 \( (\delta) \), 세타 \( (\Theta) \), 알파 \( (\alpha) \), 베타 \( (\beta) \), 감마 \( (\gamma) \)으로 나누어 총 6개 대역에 실험하였다. 'before2', 'before1', 'onset' 각 구간에 서도 같은 방법으로 진행하였다. 실험 결과 피검자 \( \mathrm{A} \) 에 대해서는 평균 \( 60.24 \pm 0.16 \% \), 피검자 B에 대해서는 평균 \( 62.19 \pm 0.21 \% \)의 추정 성공률을 보였다. 또한 각 대역별로 보았을 때 감마대역에서 피검자 \( \mathrm{A} \) 와 \( \mathrm{B} \) 는 각각 \( 67.56 \pm 0.01 \% \), \( 77.42 \pm 0.14 \% \) 의 추정 성공률을 보이며, 전체 대역과 다른 대역에서보다 높은 성공률을 보였다.</p><p>전체 밴드에서 준비 전위를 이용하였을 경우 피검자 A의 경우 'before1', 'before2'의 구간에서 각각 \( 56.04 \pm 0.11 \%, 55.82 \pm 0.10 \% \) 의 추정 성공률을 보이며 'onset' 구간에 비해 각각 \( 4.20 \%, 4.42 \% \) 낮은 성공률을 보였다. 피검자 B의 경우 각각 \( 60.66 \pm 0.01 \% \), \( 69.43 \pm 0.16 \% \) 의 추정 성공률을 보이며 'before1' 구간에서는 'onset' 구간에 비해 \( 1.53 \% \) 낮은 추정 성공률을, 'before2' 구간에서는 'onset' 구간에 비해 \( 7.25 \% \) 높은 추정 성공률을 보였다. 또한 감마 대역에서의 경우 A는 \( 70.43 \pm 0.13 \%, 66.74 \pm 0.12 \% \) 의 추정 성공률을 보이며 'onset' 구간과는 각각 'before1' 구간에서는 'onset' 구간에 비해 \( 0.82 \% \) 낮은 추정 성공률을, 'before2' 구간에서는 'onset' 구간에 비해 \( 7.25 \% \) 높은 추정 성공률을 보이며, B의 경우 각각 \( 76.64 \pm 0.14 \%, 76.64 \pm 0.12 \% \) 의 추정 성공률을 보이며 'onset' 구간과는 두 구간 모두 \( 0.78 \% \) 낮은 추정 성공률을 보였다. 이를 통하여 준비 전위를 이용할 수 있다는 것을 확인 할 수 있었다.</p>
|
[
"제안된 알고리즘의 추정 성공률을 측정하기 위해 학습 데이터와 테스트 데이터를 몇대몇 비율로 나누어 사용하였는가?",
"피검사 A, B 중 B는 표면 근전도 신호를 통한 동작 수행 결과 손을 움켜지는 동작, 팔꿈치는 굽히는 동작 각각 어떻게 하였는가?",
"training data와 test data 의 비율을 어떻게 설정해서 추정 성공률을 측정하였는가?",
"델타, 세타, 알파, 베타, 감마 총 6개 대역에 대해 어떻게 해서 실험을 진행했는가?",
"피검자 A는 표면 근전도 신호를 이용한 동작 수행 결과에서 팔꿈치를 굽히는 동작을 어떻게 하였는가?",
"2 대 1 비율로 학습 데이터와 테스트 데이터를 나누어 어떻게 임의 1000개의 평균을 구하였는가?",
"델타, 세타, 알파, 베타, 감마를 실험한 것과 동일하게 before1, 2 그리고 onset 구간에서도 어떻게 실험 진행을 하였는가?",
"어떤 필터를 이용하여 델타, 세타, 알파, 베타, 감마 총 6개 대역을 실험하였는가?",
"다음 어떤 신호를 이용하여 동작 수행을 예측한 결과 피검자 A의 경우 손을 움켜쥐는 동작을 130 회, 팔꿈치를 굽히는 동작을 119 회 독립 시행하였고, B의 경우 각각 87회, 85회 독립 시행하였음을 확인 할 수 있었는가?"
] |
920c669f-a522-4ac1-8bed-15fcca2119f4
|
인공물ED
|
엔트로피 기반 ECoG 신호를 이용한 손과 팔꿈치 움직임 추론
|
<h1>요 약</h1><p>본 논문에서는 Electrocorticogram(ECoG) 신호를 이용하여 손과 팔꿈치의 움직임을 추론하는 방법을 제안한다. 환자로부터 다수의 채널을 이용하여 표면 근전도 신호와 ECoG 신호를 동시에 취득하였다. 추론하는 동작은 손을 쥐었다 펴는 동작과 팔꿈치를 안으로 굽히는 동작이며, 외부 자극에 의해 동작을 수행하는 방법 대신 환자의 자유의지에 의해 동작을 수행하게 하였다. 표면 근전도 신호를 이용하여 동작을 수행한 운동 시점을 찾고, ECOG 신호를 이용하여 동작을 추론한다. 각 동작의 특징을 추출하기 위하여 ECoG 신호를 전체 대역을 포함한 \( \delta, \theta, a \), \( \beta, \mathrm{y} \) 총 6 개의 대역을 나누어 정보 엔트로피를 구하고, 최대우도추정법을 사용하여 동작을 추정하였다. 실험 결과 감마대역의 ECOG를 사용할 경우 다른 대역을 사용할 때 보다 높은 평균 \( 74 \% \) 의 성능을 보이며, 다른 대역보다 감마 대역에서 높은 추정 성공률을 보였다. 또한 운동 시점을 기준으로 3 개의 시간 구간으로 나누어 준비전위를 포함하는 'before' 구간과 'onset' 구간을 비교하였다. 'before' 구간과 'onset' 구간에서 추정 성공률은 각각 \( 66 \% \), \( 65 \% \) 로 준비전위를 이용할 수 있다는 것을 알 수 있었다.</p>
|
[
"실험에서는 환자에게 외부 자극 대신 무엇에 의해 동작을 수행하게 하였는가?",
"실험에서는 환자가 외부 자극이 아닌 무엇으로 동작을 수행하게 했지?",
"실험에서는 어떻게 운동 시점을 발견했지?",
"실험에서는 운동 시점을 어떻게 찾았어?",
"본 논문에서는 어떻게 팔꿈치와 손의 움직임을 추론하는 방법을 제안했어?",
"본 논문에서는 운동 시점 기준을 몇 개의 시간 구간으로 나누었는가?",
"실험에서 동작을 추론한 방법은 어떻게 돼?",
"어떻게 실험에서는 동작을 추론했지?"
] |
487e4457-e866-4eb1-ae23-23eda050d8fe
|
인공물ED
|
엔트로피 기반 ECoG 신호를 이용한 손과 팔꿈치 움직임 추론
|
<h1>II. 본론</h1><h2>1. 신호취득</h2><p>ECoG 신호의 취득을 위한 샘플링 주파수 \( 200 \mathrm{~Hz} \) 또는 \( 400 \mathrm{~Hz} \) 이며 피검자에 따라 다르며, 전력선 잡음을 제거하기 \( 60 \mathrm{~Hz} \) Notch 필터링 하였다.</p><p>2 명의 피검자로부터 신호를 취득하였으며, 피검자 A는 만 25세 여성으로 좌반구에 72개의 ECoG 채널과, 팔굼치와 손에 각 1 개의 근전도 채널을 사용하였으며, 샘플링 주퐈수는 \( 200 \mathrm{~Hz} \) 이다. 피검자 B는 만 37세 남성으로 우반구에 58 개의 ECoG 채널과 팔꿈치와 손에 각 1 개의 근전도 채널을 사용하였으며, 샘플링 주파수는 \( 400 \mathrm{~Hz} \) 이다. 움직이는 동작은 '손을 쥐었다 펴는 동작(hand)'과 '팔굼치를 굽혔다 펴는 동작 (elbow) 두 가지이다. 자유 의지에 따라 움직임의 시점을 정하는 self-paced 방식으로 동작을 수행하였다. 실험은 하루에 3시간 내외로 실시하게 되며, 먼저 연습을 한 후 한 동작에 대하여 수십에서 많게는 수백 회의 반복 실험을 한다. 한 동작에 대한 실험이 끝나면 다른 동작에 대하여 같은 방법으로 진행하였다. 약 10 분간 실험을 진행한 후 피로를 방지하기 위하여 충분한 휴식을 취하도록 하였다.</p><h2>2. 정보 엔트로피 기반 ECoG 신호 모델</h2><p>ECoG 신호와 동시에 기록된 표면 근전도 신호를 이용하여 각 피검자의 운동 시점을 예측하였다. 피검자 A의 경우 손을 움켜주는 동작을 130 회, 팔꿈치를 굽히는 동작을 119 회, B의 경우 각각 87회, 85회 씩 예측할 수 있었다.</p><p>'before2', 'before1', 'onset' 의 설정 방법은 Fig.2와 같으며, 3개의 각 구간 중 분석을 필요로 하는 구간의 ECoG 신호를 \( x_{c, m}[n] \) 로 표기하며, \( c \) 는 채널, \( m \)은 동작을 나타낸다.</p><p>각 동작의 특징을 추출하기 위하여 정보 엔트로피 (Information Entropy, \( E\))를 이용하였다. 정보 엔트로피는 신호를 표현하는데 필요한 정보의 양을 측정하기 위하여 제시된 개념으로, 확률 변수의 불확실정도를 측정할 수 있는 방법이다. 정보 엔트로피 \( E(X) \) 는<p>\( E(X)=-\sum_{k=1}^{K} p\left(x_{k}\right) \times \log _{2} p\left(x_{k}\right) \)<caption>(1)</caption></p>로 정의되며, 여기서 \( X \) 는 의 값을 가질 수 있는 확률 변수이다. \( p\left(x_{k}\right) \) 는 \(\operatorname{Pr}\left(X=x_{k}\right) \) 을 뜻하며 수식 (2),(3)과 같은 조건을 만족한다.</p><p>\( 0 \leq p\left(x_{k}\right) \leq 1 \)<caption>(2)</caption>\( \sum_{k=1}^{K} p\left(x_{k}\right)=1 \)<caption>(3)</caption></p><p>확률 \( p\left(x_{n}\right) \) 은 다음과 같은 식으로 연산할 수 있다.</p><p>\( p(k)=\frac{\text { the Number of Sample } \in \mathrm{I}_{\mathrm{k}}}{\text { the Number of Samples }} \) \( I_{k}=\left\{n \mid(k-1) \times M+x_{\text {min }} \leq x[n]<k \times M+x_{\text {min }}\right\} \), \( k=1,2, \cdots K \)<caption>(4)</caption></p><p>여기에서 \( k \) 는 \( x[n] \) 의 샘플들이 분류되는 범위 \( I_{k} \) 의 개수를 결정하며, \( M \) 은 수식 (5)를 통하여 연산된다.</p><p>\( M=\frac{\left(x_{\max }-x_{\min }\right)}{K} \)<caption>\( (5) \)</caption><p></p>\( x_{\max } \) 는 ECoG 신호의 전체의 최댓값을 말하며, \( x_{\min } \) 은 최솟값을 말한다. \( \mathrm{ECoG} \) 신호 \( x_{c, m}[n] \) 에 대한 엔트로피를 다음과 같이 나타낼 수 있다.</p><p>\( \begin{aligned} E_{c, m} &=E\left(x_{c, m}[n]\right) \\ &=-\sum_{k=1}^{K} p_{c, m}\left(x_{k}\right) \times \log _{2} p_{c, m}\left(x_{k}\right) \end{aligned} \)<caption>(6)</caption></p><p>한 가지 동작 \( m \) 에 대하여 각 ECoG 채널에서 하나의 엔트로피 값을 생성할 수 있다. 피검자의 다수의 독립적인 동작에서 얻어진 \( E_{c, m} \) 을 이용하여 엔트로피의 히스토그램을 구하여 통계적 특성을 살펴보았다. Fig. 3에서 횡축은 엔트로피를 나타내며, 종축은 해당 엔트로피의 발생 빈도를 의미한다. 빈도의 분포가 가우시안 분포와 유사하기 때문에 가우시안 확률밀도 함수를 이용하여 모델화한다. 각 구간에서 두 동작에 대한 모델을 예측하기 위하여, 동작 \( m \) 의 \( c \) 번째 채널에서 얻어진 정보 엔트로피의 평균을 구하고 비교하였다. Fig. 4 에서 각 동그라미는 평균을 의미하며, 좌측 하단부터 상단으로 1 번 채널부터 10 번 채널까지이며, 가장 우측 상단은 58 번 채널이다.</p><p>동작 \( m \) 의 \( c \) 번째 채널에서 얻어진 확률밀도함수는 \( L \) 개의 학습(training) 데이터의 정보 엔트로피의 분산과 평균을 이용하여 구할 수 있다.</p><p>\( f_{c, m}(t)=\frac{1}{\sqrt{2 \pi\left(\sigma^{2}\right)_{c, m}}} \exp \left[-\frac{\left(t-\mu_{c, m}\right)^{2}}{2\left(\sigma^{2}\right)_{c, m}}\right] \) \( \mu_{c, m}=\frac{1}{L} \sum_{l=1}^{L} H_{c, m}^{l} \) \( \left(\sigma^{2}\right)_{c, m}=\frac{1}{L} \sum_{l=1}^{L}\left(\mu_{c, m}-H_{c, m}^{l}\right)^{2} \)<caption>(7)</caption></p><h2>3. 최대 우도 추정법</h2><p>각 동작에 따른 채널별 엔트로피 확률 밀도는 다차원 확률 밀도 함수의 우도 함수로 해석 가능하다. 각 채널별 ECoG 신호 간에는 확률적 독립이라는 가정하에서 일차원 확률밀도들의 곱으로 나타닐 수 있으며, 다음과 같은 식으로 나타낼 수 있다.</p><p>\( \begin{aligned} \widehat{M} &=\underset{m}{\operatorname{argmax}} \prod_{c=1}^{c h} f_{c, m}(t \mid m) \\ &=\underset{m}{\arg \max } \sum_{c=1}^{c h} \log \left(f_{c, m}(t \mid m)\right) \end{aligned} \)<caption>(8)</caption></p><p>\( c h \) 는 ECoG 채널 개수이며, 양변에 logarithm을 취함으로써 곱을 합으로 바꿀 수 있으며, 우도를 최대로 하는\( m \) 의 값을 찾을 수 있다. \( \widehat{m} \) 는 추정된 동작을 나타내며, 엔트로피 기반의 ECoG 신호 모델에서의 우도를 비교하여, 최댓값을 만드는 동작을 찾아낸다.</p>
|
[
"한 가지 동작 m에 대하여 각 ECoG 채널에서 하나의 값을 생성할 수 있는데 어떤 값을 생성할 수 있는가?",
"각 채널별 ECoG 신호 간에는 확률적 독립이라는 가정하에서 일차원 확률밀도들의 곱으로 나타낼 수 있으며, 식으로도 나타낼 수 있다. 어떤 식인가?",
"ECoG 신호의 취득을 위한 샘플링 주파수는 200 Hz 또는 300 Hz이다",
"HCoG 신호의 취득을 위한 샘플링 주파수는 얼마인가?",
"각 동작에 따른 채널별 엔트로피 확률 밀도는 다차원 확률 밀도 함수의 우도 함수로 해석이 가능한데 이는 어떤 추정법인가?",
"최대 우도 추정법에 관련하여 맞는 것은 무엇인가?",
"최대 우도 추정법은 \\( \\begin{aligned} \\widehat{M} &=\\underset{m}{\\operatorname{argmax}} \\prod_{c=1}^{c h} f_{c, m}(t \\mid m) \\\\ &=\\underset{m}{\\arg \\max } \\sum_{c=1}^{c h} \\log \\left(f_{c, m}(t \\mid m)\\right) \\end{aligned} \\) 식으로 쓸 수 있는가?"
] |
2d783566-62e5-4aaf-a952-1d61bb959513
|
인공물ED
|
스마트 케어 감시 시스템에서 한 대의 CCTV를이용한 GPS 위치정보의 보정 방법
|
<h1>요 약</h1><p>스마트 케어 감시 시스템은 스마트 디바이스에 내장된 GPS 수신 기능을 사용하여 이용자의 위치 정보를 획득하고 주변의 CCTV를 제어하여 이용자를 추적하는 시스템이다. 그러나 일반적인 스마트 디바이스의 GPS 위치 정보는 상당한 오차를 포함하고 있기 때문에 추적을 원활히 하기 위하여 GPS 위치 정보의 보정을 필요로 한다. 기존의 스마트 케어 시스템에서는 두 대 이상의 CCTV를 이용하여 이러한 GPS 위치 정보 오차를 보정하였다. 그러나 이러한 방법은 반드시 두 대 이상이 동일한 지점을 촬영해야 하는 단점이 있다. 본 논문에서는 위치 정보의 오차를 보정하기 위하여 단지 하나의 CCTV만을 이용하는 새로운 방법을 제안한다. 실험 결과, 하나의 CCTV만을 이용하더라도 두 대의 CCTV를 이용한 위치 정보 보정방법 만큼 정확도가 향상되었음을 확인할 수 있다.</p><h1>I. 서론</h1><p>CCTV는 최근 증가하는 사회 범죄로 인하여 보조 방범수단으로써 사용이 크게 증가하였다. 개인이나 사업체뿐만 아니라 자치단체들도 CCTV를 이용한 방범시스템을 구축하고 있다. 또한 CCTV설치의 효용 가치와 설치 후 범죄 유형에 따른 발생 빈도 변화 및 예방 효과 등을 분석하는 연구도 이루어지고 있다. 그러나 기존의 CCTV를 활용한 방범 시스템은 사건이 발행하였을 때 녹화된 영상을 이용하여 사건 용의자의 인상착의 또는 상황을 확인하기 위한 용도로 사용될 뿐이다. 또한 실시간 모니터링을 하더라도 설치된 수많은 CCTV에 비해 모니터링 인력은 제한적일 수밖에 없으므로 사건해결에는 한계가 있다. 이런 단점을 보완하기 위하여 몇몇 지자체에서는 다양한 방법으로 방범서비스를 제공하고 있다. 경기도 안양시에서는 시민들이 스마트폰으로 자신의 귀가 시간과 목적지를 알려오면 근처 CCTV로 해당 시민을 집중 모니터링 하는 서비스를 발표하였으며, 서울시는 대중교통 이용 후 귀가에 이르기까지 동행해 주는 안심귀가 서비스도 시행되고 있다.</p><p>또한 이러한 치안에 대한 수요에 발맞추어 고해상도 CCTV, 적외선 CCTV 등 기능적 측면의 다양한 방법들과 실시간 객체 인식 시스템 등 지능형 시스템을 이용한 방법들이 제안되고 있다. 한편 통합된 지능형 방범 시스템의 필요로 인하여 한국 유비쿼터스 도시협회에서는 “U-City”라는 이름하에 방범, 교통, 시설물관리, 방재, 환경감시 등을 통합 관리하는 방향으로 도시 개발 계획을 추진하는 연구가 활발히 진행 중이다. 또한 CCTV와 스마트 디바이스를 활용한 방범 시스템인 스마트 케어 감시 시스템도 연구가 진행되고 있다.스마트 케어 감시 시스템이란 스마트폰과 같은스마트 디바이스에서 획득한 GPS 위치정보와 CCTV를 이용한 감시 시스템으로써 서비스 이용자를 주변의 CCTV가 추적하며 촬영하는 방범 시스템이다. 이 시스템의 전체 구성은 그림 1과 같으며, 구성은 스마트 디바이스를 이용한 신고자 스마트 케어 감시 시스템의 서비스는 이용자로부터 시작된다. 이용자가 자신의 위치를 스마트디바이스를 이용하여 시스템으로 보내면 영역관리자 서버는 각 CCTV를 제어하여 이용자를 촬영하게 된다. 그리고 이용자가 위급상황에 처했을 경우 자신의 위치정보 전송과 함께 신고하여 구조자 단말기를 소지하고 있는 경찰이 즉각 출동할 수 있으며 경찰은 구조자 단말기를 이용하여 신고자의 위치를 즉시 확인할 수 있어 실시간 대처가 가능하다. 이 시스템이 제공하는 서비스로는 응급상황 신고 서비스와 안심 귀가 서비스가 있다</p><p>우리나라의 스마트폰과 같은 스마트 디바이스 보급률은 세계 최고 수준으로 보편화되어 있으며 모바일 네트워크도 전국 대부분의 지역에서 원활히 이용할 수 있으므로 이러한 지능형 감시 시스템을 이용하기에 유리하다고 할 수 있다. 또한 스마트 디바이스의 높은 하드웨어 성능으로 인하여 다양한 기능을 이용할 수 있으며, 특히 GPS 모듈을 이용한 LBS(Location Based Services) 기반서비스 분야에 널리 이용되고 있다. 그러나 신고자의 위치를 파악하여 CCTV로 추적하는데 사용되는 GPS 위치정보에는 기술적 한계로 인하여 지리적으로 수 m(미터)에서 수십 m사이의 정확도 오차가 포함될 수 있다. 이는 CCTV가 신고자를 정확히 추적하는데 방해 요소가 되며 촬영한 영상에서 신고자가 벗어나는 결과를 초래한다. 이러한 단점을 보완하는 방법으로두 대의 CCTV를 이용하여 GPS 오차값을 보정하는 방법이 있다. 그러나 이 방법은 보정을 위해 이용자를 촬영 가능한 CCTV가 동시에 두 대 이상이 필요하다는 조건이 있다. CCTV가 아무리 조밀하게 설치되어 있더라도 동시에 두 대 이상의 CCTV가 이용자를 촬영할 수 없을 수 있으므로 보다 효과적인 방법이 필요하다. 본 논문에서는 CCTV를 이용한 방범 시스템 중하나인 스마트 케어 감시 시스템의 단점인 위치정보 오차값을 보정하는 새로운 방법을 제안한다.위치 정보 오차값을 보정하기 위하여 한 대의CCTV를 사용하여, 스마트 디바이스가 전송하는GPS 위치 정보와 주변에 위치한 CCTV의 위도,경도, 고도를 비교한 후 GPS가 가지는 오차값을계산한다.</p>
|
[
"스마트 디바이스에 내장된 GPS 수신 기능을 사용하여 이용자의 위치 정보를 획득하고 주변의 CCTV를 제어하여 이용자를 추적하는 시스템이 뭐야?",
"왜 스마트 케어 감시 시스템은 보정을 필요로해?",
"영역 관리자는 이용자가 스마트디바이스가 없으면 이용자를 찾아서 촬영할 수 있어?",
"GPS 위치정보를 이용한 서비스들은 완벽하게 신고자 위치를 CCTV로 파악할 수 있어?",
"신고자 위치를 정확하게 파악하기 어려운 이유가 뭐야?",
"대한민국은 어떤 물건의 보급률이 세계 최고수준이라 지능형 감시 시스템을 이용하기에 유리해?",
"CCTV가 증가하는 이유가 뭐야?",
"CCTV는 사건 해결 당시에 상황해결에 주된 역할을 할 수 있어?",
"방범, 교통, 시설물관리, 방재, 환경감시 등을 통합 관리하는 방향으로 도시 개발 계획을 추진하는 연구는 어떤 이름으로 진행되고 있어?",
"자치단체들은 사회 범죄로부터 안정적이야?",
"CCTV는 설치된 이후 분석 및 연구가 원할하게 이루어지고 있지 않아?",
"두 대 이상의 CCTV를 이용하여 이러한 GPS 위치 정보 오차를 보정하는 방법의 단점이 뭐야?",
"하나의 CCTV만으로도 위치 보정이 가능해?",
"경찰은 어떻게 신고자의 위치를 바로 알 수 있어?",
"안심 귀가 서비스와 응급상황 신고 서비스는 스마트 디바이스가 있어야만 이용 가능해?",
"한 대의 CCTV를 사용하여 위치 정보 오차값을 보정하는데 필요한 정보는 뭐야?",
"두 대의 CCTV가 이용자를 동시에 촬영하지 못하면, 두 대의 CCT를 이용하는 방식으로 GPS 오차를 보완할 수 있어?",
"치안 수요에 맞춰서 개발되고 있는 CCTV는 뭐가 있어?",
"GPS 위치정보의 기술적 한계를 보완하는 방법이 뭐야?"
] |
95baa183-a2f3-485a-af6e-3138c0053778
|
인공물ED
|
스마트 케어 감시 시스템에서 한 대의 CCTV를이용한 GPS 위치정보의 보정 방법
|
<h1>IV. 결론</h1><p>본 논문에서는 CCTV와 스마트 디바이스를 이용한 스마트 케어 감시 시스템에서 이용자의 위치를 파악하는데 중요한 역할을 하는 GPS 위치정보의 오차 값을 보정하는 방법을 제시하였다.기존에 스마트 케어 시스템에서는 두 대의 CCTV를 이용하여 오차 값을 보정하였으나 이 방법은 이용자를 동시에 촬영 가능한 CCTV가 두 대 이상 필요하다는 단점이 있다. 하나의 CCTV를 이용한 오차 값 보정 방법은 이러한 단점을 개선하면서도 유사한 보정 효과를 낼 수 있는 장점이있다. 향후 연구 과제로는 서로 다른 두 대 이상의 CCTV를 서로 다른 시간과 장소에 이용자를 확인하여 GPS 오차값을 보정하는 방법도 가능하다. 또한 시간이 경과함에 따라 화면 중앙에서 거리가 조금씩 멀어지므로 주기적인 재보정에 대한 연구가 필요하다.</p>
|
[
"스마트 케어 감시 시스템에서 이용자의 위치를 파악하는데 중요한 역할을 하는 것은 무엇이야?",
"본 논문에서GPS 위치정보의 오차 값을 보정하는 방법을 제시하는데 무엇을 이용했어?",
"기존에 스마트 케어 시스템에서는 두 대의 CCTV를 이용하여 무엇을 보정했어?",
"하나의 CCTV를 이용한 오차 값 보정 방법이 개선한 단점은 뭐야?",
"향후 연구 과제는 서로 다른 두 대 이상의 CCTV가 동시에 이용자를 확인하여 GPS 오차값을 보정하는 방법에 관한 것이야?",
"시간이 경과함에 따라 화면 중앙에서 거리는 멀어지지 않아?",
"주기적인 재보정에 대한 연구가 필요한 이유가 뭐야?",
"기존에 스마트 케어 시스템에서는 몇 대의 CCTV가 필요해?"
] |
cec2c381-41c7-44aa-8dba-a4422674e888
|
인공물ED
|
스마트 케어 감시 시스템에서 한 대의 CCTV를이용한 GPS 위치정보의 보정 방법
|
<h1>II. 한 대의 CCTV를 이용한 위치 보정법</h1><h2>1. GPS 위치 정보 오차의 특성 및 기존의 보정방법</h2><p>GPS 위치 정보는 지구를 공전하는 GPS 위성이 송출하는 전파를 수신하여 수신기의 위치를 결정하게 된다. 이렇게 결정된 위치에는 오차가 포함되며 따라서 GPS 위치 정보의 정확성을 떨어뜨리게 된다. GPS 오차를 보정하는 방법으로 대표적인 방법이 DGPS(Differential GPS)를 이용한 방법이 있다. 그러나 일반적인 스마트폰과 같은 스마트 디바이스에서는 일반 GPS 수신기가 사용되므로 이 방법을 사용할 수 없으며 다른 오차 보정 방법이 필요하다. 일반적인 GPS 수신기는 크게는 수십 m의 오차를 가지게 되고 오차의 크기도 측정하는 시간에 따라 그 크기와 방향이 달라진다. 이는 시간에 따라 사용하는 GPS 위성의 전파가 다르고 대기의 상태도 다르기 때문이다. 그러나 GPS 위치 정보를 동일한 장소에서 짧은 시간동안 지속적으로 측정하였을 때 그 측정된 값은 비록 오차가 포함된 위치정보이지만 그 값의 크기가 거의 일정하다. 그림 2는 임의의 한 지점에서 약 20분간 측정한 GPS 위치 정보의 위도, 경도, 고도 값의 변화를 나타낸다. 그림에서 보는 것과 같이 GPS위치 정보는 짧은 시간동안의 값의 변화가 있지만 변화된 크기를 길이로 변환하였을 때 수십 cm이내의 변화량이라는 것을 확인할 수 있다. 이러한 변화량은 GPS 위치 정보에 영향을 미치는 오차의 원인들도 짧은 시간 내에는 큰 변화가 없기때문이다</p><p>GPS 위치 정보의 또 다른 특징은 위치 정보를 측정 하였을 때 발생한 오차의 값이 거리가 멀지않은 다른 지점에서도 유사하게 발생한다는 점이다. 즉, 거리가 멀지 않은 두 지점에서 각각의 GPS 위치 정보를 측정하고 발생한 오차 값을 비교하였을 때 그 값의 크기가 유사하다는 점이다. 표 1은 각 지점 사이의 거리가 수십 미터 이내의 7개 지점에서 발생한 오차값을 위도, 경도,고도로 나누어 나타낸다. 측정 지점이 다르지만지점간의 거리가 멀지 않다면 발생하는 오차가 유사하다는 것을 알 수 있다. 이 특징 또한 측정지점의 거리가 멀지 않을 경우 GPS 위치 정보에 영향을 미치는 오차의 원인들이 크게 다르지 않기 때문이다. 두 가지 GPS 위치 정보의 특징으로 미루어보아 GPS 위치 정보를 측정 하였을 때 발생한 오차값은 짧은 시간동안 넓지 않은 범위 내에서는큰 차이를 보이지 않기 때문에 한번 오차값을 구할 수 있다면 GPS 수신기를 이동하면서 측정하더라도 위치 정보를 보정하여 보다 정확한 위치정보를 알 수 있다. 따라서 기존에는 이러한 오차를 두 대의 CCTV를 이용하여 구하고 보정 작업을 수행하였다</p><p>그림 3은 두 대의 CCTV를 이용하여 이용자의 위치를 구하는 방법을 나타낸다. 두 대의 CCTV가 한명의 이용자를 향해 촬영하고 있다. 이때 두CCTV의 위치와 CCTV가 향하고 있는 각도를 계산하면 이용자의 위치를 알 수 있고 이렇게 계산된 위치와 이용자가 소지한 스마트 디바이스로부터 수신된 GPS 위치정보를 비교함으로써 그 오차값을 구할 수 있으며 이 정보를 보정에 사용할수 있다. 그러나 이러한 방법은 반드시 두 대의 CCTV가 동일한 위치를 촬영할 수 있어야 하는 단점이 있다. 따라서 한 대의 CCTV만으로 보정할 수 있는 효율적인 방법이 요구된다.</p>
|
[
"GPS 위치 정보는 오차가 없을까?",
"오차가 GPS 위치 정보에 없어?",
"GPS 위치 정보는 오차가 포함되지 않아 GPS의 정확성이 높을까?",
"GPS 오차를 보정하는 대표적인 방법으로 DGPS(Differential GPS) 가 있는데 스마트폰에서도 이 방법을 이용 할 수 있어?",
"GPS 오차를 보정하는 대표적인 방법은 뭐가 있을까?",
"GPS 위치 정보를 어떻게 결정할까?",
"어떻게 GPS 위치 정보를 결정하지?",
"GPS 위치 정보는 위치 정보를 측정 하였을 때 발생한 오차의 값이 거리가 멀지않은 다른 지점에서도 유사하게 발생할까?",
"일반적인 GPS 수신기는 크게는 수십 m의 오차를 가지게 되는데 왜 그럴까?",
"GPS 위치 정보를 동일한 장소에서 짧은 시간동안 지속적으로 측정하였을 때 오차가 포함될까?"
] |
15d7e0d8-5f7b-4236-adbb-d33440656986
|
인공물ED
|
스마트 케어 감시 시스템에서 한 대의 CCTV를이용한 GPS 위치정보의 보정 방법
|
<h2>2. 한 대의 CCTV를 이용한 위치 정보 보정 방법</h2><p>본 논문에서는 스마트 케어 감시 시스템을 이용할 때 발생하는 GPS 위치 정보의 오차값을 한대의 CCTV를 이용하여 보정하는 방법을 제안한다. 이 방법은 이용자가 CCTV 주변을 지나가는 과정에서 이용자의 이동 경로 중 두 지점에서 각각 GPS 수신위치와 실제 이용자의 위치를 비교계산한 후 GPS 위치정보의 오차값을 계산한다. 스마트 케어 감시 서비스 이용 중에는 이용자의 스마트 디바이스에서 측정한 GPS 위치정보를 이용하여 CCTV가 이용자를 추적하며 촬영하게 된다. 그러나 GPS 위치정보에 오차값이 포함될경우 CCTV는 이용자의 위치와는 다른 지점을 촬영하게 된다. 그림 4는 GPS 위치정보를 향해 촬영하는 CCTV의 상황을 나타낸다. GPS 위치정보는 이용자의 실제 위치와는 떨어진 허공을 나타내므로 CCTV는 이용자로부터 동쪽으로 떨어진장소를 촬영하게 된다.</p><p>위치 정보 보정을 위한 첫 번째 단계는 CCTV를 제어하여 촬영하는 화면 정 중앙에 실제 이용자가 오도록 한다. 즉, GPS를 통해 취득한 위치정보에서 위도와 경도를 임의로 증감하여 CCTV를 제어한다. 이때 이용자의 정확한 위치정보를 알 수는 없으나 CCTV와 CCTV가 가리킨 위치를 관통하는 가상의 직선 위에 이용자가 위치한다는 것을 알 수 있다. 다음은 이용자가 위치를 이동하여 다른 위치에 있을 때 앞서 수행한 작업을 다시 한 번 반복 수행하게 된다. 이번에도 CCTV를 제어하여 이용자를 향하게 되면 이용자가 위치한 가상의 직선을 얻을 수 있다. 이용자의 위치를 화면 정 중앙에 두는 이유는 CCTV가 제어되어 향하는 방향은 화면의 중앙을 기준으로 설정되며 이용자를 화면중앙에 위치 시켜야 CCTV가 향한 방향의 각도를 이용하여 이용자의 위치를 계산할 수 있기 때문이다.</p><p>다음 두 번째 단계는 앞서 획득한 위치정보를기반으로 지면을 x, y 좌표로 설정하고 두 개의직선의 방정식을 사용하여 이용자의 위도, 경도를구할 수 있다. 그림 5는 CCTV의 위치와 앞서 첫번째 단계에서 구한 두 직선을 x, y 좌표에 나타낸 것이다. CCTV의 위치를 C1로 나타내고, 두개의 직선을 구할 때 수신한 GPS 위치를 G1,G1'로 표시하고, CCTV를 제어하여 향하는 위치를 E1, E1'로 각각 나타낸다. GPS 위치정보 오차값의 특성은 짧은 시간동안은 그 크기가 일정하므로 실제 이용자의 위치와 이용자가 소지한 스마트 단말기에서 측정한 GPS 위치값과의 차이도일정하다. 그러므로 E1, E1'와 각각의 이용자와의위치 사이의 차이도 같다. 따라서 그림 5에서 두 번째 직선을 구할 때 사용한 G1', E1', C1의 위치를 평행 이동하여 나타낼 수 있다. 이때 이동한 값은 G1과 G1'의 차이만큼 이동하여 G1과 G1'의 위치를 같게 한다. 마찬가지로 이용자의 실제 위치도 이동하여 같은위치에 있게 된다. 이동한 G1', E1', C1의 값을다시 G1, E2, C2로 나타내고 마치 두 대의 CCTV에서 동시에 이용자를 촬영하여 GPS 위치정보의 오차값을 구하는 상황과 유사하게 구성할수 있다.</p><p>세 번째 단계는 그림 6과 같이 x, y 좌표에서두 직선의 방정식을 이용하여 실제 이용자의 위치정보 중 위도와 경도를 구하는 과정이다. CCTV와 평행 이동된 가상의 CCTV는 각각 좌표C1 : (Xc1, Yc1), C2 : (Xc2, Yc2)로 나타낼 수있다. 또한 이용자를 화면 정 중앙에 놓기 위해 사용된 위치는 E1 : (Xe1, Ye1), E2 : (Xe2, Ye2)로 나타낸다. 또한 두 번째 직선을 구할 때 이용자의 위치도 같이 평행 이동하여 나타낼 수 있다.이때 이용자의 위치는 C1과 E1의 사이, 그리고 C2와 E2 사이에 위치한다. 따라서 두 직선이 만나는 지점에 이용자의 실제위치 (x, y)가 있다. (x, y)는 두 직선을 이용하여 만든 방정식으로 구할 수 있으며 이 방정식은 그림 6과 같이 \( y=a x \), \( y=c x+d \) 로 둔다. 두 방정식을 만들기 위한 값 \( \mathrm{a}, \mathrm{c}, \mathrm{d} \)는 식 (1)과 같이 쓸 수 있다.</p><p>\( a=\frac{(Y e 1-Y c 1)}{(X e 1-X c 1)} \)</p><p>\( c=\frac{(Y e 2-Y c 2)}{(X e 2-X c 2)} \)<caption>(1)</caption></p><p>\( d=(Y c 2-Y c 1)+(X c 1-X c 2) \times c \)</p><p>그리고 이 방정식을 이용하여 이용자의 실제위치 \( (\mathrm{x}, \mathrm{y}) \) 는 식 \( (2) \) 와 같이 쓸 수 있다.</p><p>\( x=\frac{d}{(a-c)}, \quad y=\frac{(a \times d)}{(a-c)} \)<caption>(2)</caption></p><p>이렇게 구한 \( \mathrm{x}, \mathrm{y} \) 값은 좌표의 중심점을 기준으로 구한 값이므로 실제 이용자의 위치정보 위도,경도는 식 (3)과 같다.</p><p>이용자 실제위치의 위도 \( =y+Y c 1 \)<caption>(3)</caption></p></p><p>이용자 실제위치의 겅도 \( =x+X c 1 \)</p><p>이렇게 구한 이용자의 위치는 위도와 경도이며 고도를 추가로 계산해야한다. GPS 위치정보인 위도, 경도, 고도 중에 가장 오차가 큰 부분이 고도이며 일반적인 평면 지도에서는 쓰임새가 크지않으나 CCTV 촬영을 위한 제어부분에서 tilt(틸트) 값을 결정하는 가장 중요한 값이라고도 할 수있다. 네 번째 단계는 CCTV의 고도와 수신한 GPS 위치정보의 고도를 이용하여 실제 이용자의 고도를 구할 수 있다. 수신한 위치정보의 고도와 이용자의 실제 고도는 어느 것이 더 높은지 알 수 없으므로 그림 7과 그림 8의 두 가지 경우로 나타낼 수 있으며, 이 두 그림은 첫 번째 직선을 기준으로 작성하였다. 그림 7과 그림 8에서 이용자의 실제 위치는 R로 나타내며 GPS 위치정보의 고도와 같고 R에서 수직으로 이동한 위치가 \( \mathrm{P}(\mathrm{Xp}, \mathrm{Yp}, \mathrm{Zp}) \) 이다. 이미 E1의 위치와 R의 위도, 경도를 알고 있으므로 식(4)를 통하여 E1과 P 사이의 차이 값 M을 구할수 있다.</p><p>\( M=\sqrt{(X p-X e 1)^{2}+(Y p-Y e 1)^{2}} \)<caption>(4)</caption></p><p>또한, M을 사용하여 이용자의 실제 고도와 GPS 위치 고도 사이의 차이값 N도 식 (5)에 의해 계산할 수 있다.</p><p>\( N=M \times \tan \left(\theta_{t}\right) \)<caption>(5)</caption></p><p>고도 차이 값 N을 계산하였으나 이용자의 고도와 GPS 위치 값의 고도 중 어느 값이 큰지 알수 없으므로 마지막 다섯 번째 단계에서 고도의 높낮이를 판단한다.</p><p>그림 6에서 CCTV와 CCTV가 가리키는 E1 또는 E2 사이에 이용자가 위치한다. 일반적으로 CCTV는 이용자보다 높은 곳에 설치되므로 그림8의 경우처럼 E1과 E2의 고도가 이용자의 고도보다 낮은 상황이다. 반대로 E1과 E2의 위치가 CCTV와 이용자 사이에 위치한다면 그림 7처럼 E1과 E2의 고도가 이용자의 고도보다 높다고 할수 있다. 따라서 이용자와 CCTV 그리고 CCTV가 가리키는 지점의 위도와 경도를 비교하면 이용자의 고도와 GPS 고도 사이의 높낮이를 판단할 수 있다. 이용자의 실제위치 R을 \( (\mathrm{Xr}, \mathrm{Yr}, \mathrm{Zr}) \) 라고 할 때 표 2를 통해 판단할 수 있다. 수신된 GPS 위치가 \( \mathrm{G} 1:(\mathrm{Xg}, \mathrm{Yg}, \mathrm{Zg}) \) 일 때, 이용자 고도 \( (\% \mathrm{r}) \) 가 수신된 GPS 고도( \( 7 \mathrm{~g}) \) 보다 낮을 때 계산된 고도 차이 N을 이용하여 식 (6)과 같이 실제의 이용자 고도를 구할 수 있다. 반대의 경우, 식 (7)과 같이 구할 수 있다.</p><p>\( Z r=Z g-N \)<caption>(6)</caption></p><p>\( \angle r=\angle g+N \)<caption>(6)</caption></p>
|
[
"이용자의 실제 위치는 a, c, d를 이용해 어떻게 나타내나요?",
"본 논문에서는 스마트 케어 감시 시스템을 이용할 때 발생하는 GPS 위치 정보의 오차값을 어떤 기기를 이용하여 보정하나요?",
"GPS 위치 정보의 오차값을 계산해낼 때 이용사의 이동 경로에서 한 지점만을 관찰하여 계산해 내나요?",
"CCTV와 CCTV가 가리킨 위치를 지름으로 하는 가상의 원 위에도 이용자가 위치하나요?",
"이용자의 하나의 위치만으로도 오차값을 계산해낼 수 있나요?",
"E1과 P 사이의 차이 값 M을 이용하여 이용자의 실제 고도와 GPS 위치 고도 사이의 차이값 N을 식으로 나타내면 어떻게 되나요?",
"일반적으로 CCTV는 이용자와 비슷한 고도에 설치되나요?",
"C1과 E1을 이용하여 이용자의 위치를 나타내는 한 직선인 \\( y=a x \\)을 나타낼 수 있는데, 계수는 어떻게 표현하나요?",
"이용자의 위치를 나타내는 방정식 \\( y=c x+d \\) 를 만드 때, 계수는 C2, E2 좌표로 어떻게 나타내나요?",
"이용자의 위치를 나타내는 하나의 방정식 \\( y=c x+d \\)에서 상수는 C1, C2를 이용해 어떻게 나타내나요?",
"이용자는 존재하는 경도는 어떻게 나타내나요?",
"E1과 P 차이값은 어떻게 나타내나요?",
"이용자의 위치를 R이라고 했을 때, GPS의 고도와 같도록 이동시킨 위치는 어떻게 표현하나요?",
"이용자가 있는 위도는 식으로 어떻게 나타내나요?",
"이용자와 GPS의 고도 차이값 N은 식으로 어떻게 나타내나요?",
"GPS 위치 정보에 오차값이 없으면 CCTV는 이용자의 위치를 촬영하나요?",
"스마트 케어 감시 시스템을 이용할 때 어떤 정보에서 오차가 발생하나요?",
"스마트 디바이스에서 측정한 GPS 위치정보를 이용하여 CCTV가 이용자를 추적하기 위해서는 어떤 서비스를 이용해야하는가?",
"CCTV를 제어하여 촬영하는 화면은 이용자의 진행 방향을 비춰야 위치 정보를 보정할 수 있는가?",
"실제 이용자가 없는 경우도 GPS를 통해 취득한 위치 정보를 비췄을 때 일어날 수 있는가?",
"보정의 첫 단계에서 CCTV를 제어하여 촬영하는 화면에 이용자가 어떻게 와야해?"
] |
1f90a0d2-88fb-4712-8431-ae8f204339fc
|
인공물ED
|
스마트 케어 감시 시스템에서 한 대의 CCTV를이용한 GPS 위치정보의 보정 방법
|
<h1>III. 위치 보정 실험 및 결과</h1><p>스마트 케어 감시 시스템을 이용할 때 발생하는 GPS 위치정보의 오차 문제를 보완하기 위하여 한 대의 CCTV를 이용한 보정 방법을 실험하였다. 실험에 사용된 시스템은 다양한 CCTV 제어 프로토콜을 수용하여 대부분의 CCTV에 대한 연결이 가능한 Genetec 통합 솔루션을 이용하였으며, CCTV를 제어하고 보정을 위한 프로그램개발은 Windows 8.1 환경에서 Visual C++.NET을 이용하였다. 또한 CCTV의 GPS 위치를 측정하기 위하여 오차 반경 0.7m 이하의 아센 AKNBGPS 수신기를 이용하였다. 실험은 한 대의CCTV를 이용하여 GPS 위치정보만을 이용하여 이용자를 추적하는 실험을 진행하고 오차를 보정한 뒤 같은 방법으로 실험 한 뒤 두 실험에서 촬영된 영상에서 이용자가 화면 중심에서 얼마나떨어졌는지 픽셀단위의 수치를 비교하였다. 그림 9는 GPS 오차를 보정하기 전 촬영한 영상이며 이용자가 영상화면에서 한쪽으로 치우친것을 볼 수 있다. 반면에 그림 10는 CCTV를 이용하여 보정한 후 이동 중인 영상이다. 수신된 GPS 위치정보를 위도, 경도, 고도별로 보정한 뒤 CCTV로 제어하였기 때문에 보정 전보다 훨씬 화면 중심에 가까운 것을 알 수 있다.</p><p>보정값은 위도, 경도, 고도 별로 각각 산출되어이후 수신되는 GPS 위치정보에 지속적으로 적용되므로 CCTV가 이용자를 촬영하는 동안 지속적으로 보정된다. 또한 이용자가 위치를 이동하여다른 CCTV로 촬영하더라도 이미 산출된 보정 값을 지속적으로 사용하여 보정할 수 있다. 그림 11은 오차 보정 전과 후에 촬영한 영상에서 화면 중심과 이용자의 거리를 픽셀 단위로 계산한 것을 나타낸다. 각각 10분 동안 촬영하였으며 30초마다 화면 중심과의 거리를 계산하여 나타내었다. 보정 후 그래프는 보정 값을 산출한 직후부터 동일한 보정 값을 10분 동안 적용하였다. 보정 전에는 거리 값이 큰 반면 오차 보정 후 거리가 많이 줄어든 것을 알 수 있다. 보정 전에는거리가 평균 약 511 픽셀이며 보정 후 평균 약119 픽셀로 약 \( 77 \% \) 퍼센트 줄어든 것을 알 수 있다. 그림 12는 두 대의 CCTV를 이용한 오차보정방법과 비교한 그래프이다. 보정 값을 산출한 직후 10분 동안 지속적으로 적용하여 GPS 위치정보를 보정하였다. 두 대의 CCTV를 이용하여 오차를 보정한 결과와 비교하여 유사한 보정효과를 나타내는 것을 알 수 있다.</p>
|
[
"보정값은 한 순간에만 보정되는거야?",
"한 대의 CCTV를 이용한 보정 방법을 실험한 이유가 뭐야?",
"CCTV를 제어하고 보정을 위한 프로그램개발은 Genetec 통합 솔루션을 이용했어?",
"픽셀단위 수치 비교값은 오차 보정을 하기 전의 값이 오차 보정 하고 난 뒤의 값보다 커?",
"실험에서 픽셀 단위로 화면 중심과 이용자 거리가 보정 전 후로 몇 퍼센트 줄었어?",
"실험에서 촬영된 영상에서 이용자가 이전 화면과 비교해서 차이가 얼마인지를 픽셀 단위의 수치를 비교하였다 얼마나떨어졌는지 확인했어?",
"사용자가 다른 CCTV로 이동하면 보정값을 바꿔서 사용해야해?",
"오차 보정 실험은 각각 10분 동안 촬영되었으며 3분마다 화면 중심과의 거리를 계산해서 나타냈어?",
"아센 AKNBGPS 수신기를 이용한 이유가 뭐야?",
"왜 아센 AKNBGPS 수신기를 사용하지",
"한 대의 CCTV를 이용하는 것이 두 대의 CCTV를 이용하는 것보다 보정 효과가 적어?",
"500 픽셀의 거리를 가지는 영상에서 사람은 200 픽셀의 거리를 가지는 사람보다 화면에 중심에 더 가까이 있어?",
"한 대의 CCTV로도 보정이 가능한 이유가 뭐야?",
"왜 한 대의 CCTV로도 보정이 가능하지",
"위도, 경도, 고도 별로 정보를 받다가 어느 순간 경도와 고도 정보만 받아서 보정을 하게 된다면 보정값을 지속적으로 사용해 안정적으로 보정을 할 수 있을까?"
] |
89d0836b-53c6-470c-b691-22791372af54
|
인공물ED
|
HVPE(Hydride Vapor Phase Epitaxiy) 성장법으로 \(\mathrm{Ti}\) metal mask를 이용한 \(\mathrm{GaN}\) 성장연구
|
<h1>Ⅱ. 실 험 방 법</h1><p>실험은 HVPE에 의한 GaN epi 성장, DC 마그네트론 스퍼터에 의한 stripe Ti 패턴 형성 그리고 HVPE 를 이용한 Ti 패턴 형성된 GaN 위에 후막 GaN 를 성장하는 순서로 진행하였다. 기판으로는 \(2\)인치 (0001)방향의 \(430\mu \mathrm{m} \) 두께의 C plane 사파이어 기판을 이용하였다.</p><p>본 실험에 사용된 HVPE는 수평형으로서 \(6\) 개의 온도존을 제어할 수 있는 전기로로 구성되어 있으며 그중 \(1\) ~ \(3\) 존은 Ga 금속을 \( \mathrm{HCL} \) 과 반응시켜 \( \mathrm{GaCl} \) 을 형성시키는 소스 존, \( 4 \sim 6 \) 존은 소스 존에서 형성된 \( \mathrm{GaCl} \) 과 암모니아 가스가 결합되어 성장이 이루어지는 성장존으로 나누어 일정한 온도를 조절할 수 있도록 하였다. 이번 실험에서는 소스 존의 온도는 \( 830^{\circ} \mathrm{C} \), 성장 존은 \(1030^{\circ} \mathrm{C} \) 로 각각 온도를 유지하였다. III 소스로는 \( 6 \mathrm{~N} \) 의 순도의 \( \mathrm{Ga} \) 금속과 \( 5 \mathrm{~N} \) 순도의 \( \mathrm{HCl} \) 가스가 결합하여 \( \mathrm{GaCl} \) 을 형성하였고, V족 소스로는 \( 6 \mathrm{~N} \mathrm{NH} \) 가스를 \( \mathrm{GaN} \) 성장을 위한 소스로 사용하였다. 그리고 \( \mathrm{HCl}, \mathrm{NH} 3, \mathrm{GaCl} \) 을 운반하기 위한 캐리어 가스 및 전체적인 분위기 가스로는 질소 가스를 사용하였다.</p><p>GaN 를 epi를 성장하기 위하여 사파이어 기판을 성 영역에 투입 후 성장온도인 \( 1030^{\circ} \mathrm{C} \) 까지 올려 \( \mathrm{NH} 3 \) 가스를 이용하여 Nitridation과정을 거치면서 웨이퍼 클리닝 및 초기에 GaN 가 쉽게 성장될 수 있는 조건을 만들어주었다. 그 후 Ga 금속이 있는 소스 영역에 \( \mathrm{HCl} \) 가스를 투입함으로써 성장이 진행되게 된다. 이때 공급된 가스의 조건은 \( \mathrm{HCl} 50 \mathrm{sccm}, \mathrm{NH} 31000 \mathrm{sccm} \), 캐리어 가스 및 전체적인 분위기 가스인 \( \mathrm{N} 2 \) 는 \( 7 \mathrm{SLM} \) 를 공급하였다. 성장은 대기압에서 진행되었다. 성장은 \( 3 \mu \mathrm{m} \) 두께를 성장하였다.</p><p>HVPE를 이용하여 성장된 GaN epi위에 Ti 패턴은 Loadlock시스템이 장착된 DC 마그네트론 스퍼터를 이용하여 진행하였다. 소스 타겟은 \( 6 \mathrm{~N} \) Ti metal을, 전체적인 분위기 가스는 \( 4 \mathrm{~N} \) 의 Ar 가스를 이용하였다. 성장 전 초기 진공은 TMP를 이용하여 \( 3.8 \times 10-7 \) Torr까지 형성시켰으며 이후 Ar 가스 \( 20 \mathrm{scccm} \) 을 투입하여 진공도가 \( 9.6 \times 10-3 \mathrm{Torr}\)에서 플라즈마를 발진시켜 Ti를 증착 하였다. 이때의 스퍼터건 조건은 \( 272 \mathrm{~V}, 0.40 \mathrm{~A} \) 이었다. Stripe Ti 패턴은 SUS재질의 open \( 5 \varkappa \&\) , blank \(10\mu \mathrm{mm} \) 를 이용하여 형성하였고 \( \langle 1100\rangle \) 방향이 되게 하였으며, 상온에서 \( 100 \)AA 두께를 증착하였다. 그림 1 은 SUS 로 제작된 shadow mask microscope 사진을 보였다.</p><p>이렇게 Ti pattern이 형성된 GaN epi를 다시 HVPE 에 투입하여 regrowth를 진행하였다. 성장 온도 조건은 소스 영역과 성장영역 각각 \( 830{ }^{\circ} \mathrm{C}, 1030{ }^{\circ} \mathrm{C} \) 이었으며, 가스 공급은 \( \mathrm{HCL}, \mathrm{NH} 3, \mathrm{~N} 2 \) 각각 \( 50 \mathrm{sccm}, 1000 \mathrm{sccm} \), \( 7000 \mathrm{sccm} \) 을 공급하였다.</p><p>Regrowth 성장에서는 Ti stripe 패턴과 \( \mathrm{NH} 3 \) 의 반응으로 TiN 형성이 되지 않도록 nitridation을 진행하지 않고 동시에 III, V 소스를 공급함으로써 성장이 되게 하였다. 성장은<1100>방향, \( 100 \)AA 두께의 Ti stripe pattern에 대해 \( 120 \mu \mathrm{m}, 300 \mu \mathrm{m} \) 두께를 수행하였다. 성장 후 CuKa 방사를 이용한 X-ray diffraction(XRD)으로 결정구조를 관찰하였는데, 이때의 XRD 출력은 \( 45 \mathrm{kV}-40 \mathrm{~mA} \) 이고 \( 2 \Theta 34.56^{\circ} \) 에서 \( \omega \) 스캔하였다. 성장된 GaN 의 단면 특성을 HITACHI S-4200 Scanning electron microscopy(SEM)을 이용하여 관찰하였다.</p>
|
[
"HVPE에서 \\( 4 \\sim 6 \\) 존은 어떤 존일까?",
"Ga 금속이 있는 소스 영역에 무엇을 투입함으로써 성장이 진행되지?",
"HVPE 를 이용한 Ti 패턴은 어디에 형성되어 있는가?",
"GaN epi은 무엇에 의해 성장되는가?",
"실험에 사용된 HVPE는 수평형으로서 몇 개의 온도존을 제어할 수 있는 전기로로 구성되어 있나?",
"실험에 사용된 HVPE는\\(1\\) ~ \\(3\\) 존은 무엇이지?",
"\\( \\mathrm{GaCl} \\) 을 형성시키려면 어떻게 해야해?",
"\\( 4 \\sim 6 \\) 존은 소스 존에서 형성된 \\mathrm{GaCl}GaCl 과 무엇이 결합되어 성장이 이루어지는 성장존이지?",
"\\( \\mathrm{GaCl} \\)은 어떻게 형성되었어?",
"III 소스로 사용된 \\( \\mathrm{Ga} \\) 금속의 순도는 몇인가?",
"V족 소스로는 어떤 가스를 \\( \\mathrm{GaN} \\) 성장을 위한 소스로 사용하였다.",
"epi의 성장온도는 몇인가?",
"Nitridation과정에는 어떤 가스를 사용하였니?",
"무엇이 있는 소스 영역에 \\( \\mathrm{HCl} \\) 가스를 투입함으로써 성장이 진행되게 되는가?",
"무엇에 의해 stripe Ti 패턴 형성되는가?",
"\\(1\\) ~ \\(3\\) 존은 Ga 금속을 무엇과 반응시켜 \\mathrm{GaCl}GaCl 을 형성시키는 소스 존이지?",
"III 소스로는 무엇을 사용했어?",
"\\( 5 \\mathrm{~N} \\) 순도의 \\( \\mathrm{HCl} \\) 가스는 무엇과 결합하여 소스로 사용되었지?",
"V족 소스로 사용된 \\(6 \\mathrm{~N} \\mathrm{NH} \\) 가스는 무엇으로 사용됐니?",
"\\( \\mathrm{HCl}을 운반하기 위해 사용된 가스는 무엇이야?",
"무엇을 epi를 성장하기 위하여 사파이어 기판을 성 영역에 투입했어?",
"웨이퍼 클리닝 및 초기에 GaN 가 쉽게 성장될 수 있는 조건을 만들어주려면 어떻게 해야하는가?",
"전체적인 분위기 가스인 \\( \\mathrm{N} 2 \\)는 무엇을 공급하였는가?",
"\\( 7 \\mathrm{SLM} \\) 를 공급한 가스는 무엇이야?",
"어떤 패턴이 HVPE를 이용하여 성장된 GaN epi위에 진행되었어?",
"성장은 어디에서 진행되었지?",
"공급된 가스의 조건은 무엇인가?",
"HVPE를 이용하여 성장된 GaN epi위에 Ti 패턴은 Loadlock시스템이 장착된 무엇을 이용했어?",
"DC 마그네트론 스퍼터에는 어떤 시스템이 장착되었는가?",
"Ti 패턴의 분위기 가스는 몇 \\( \\mathrm{~N} \\) 의 Ar 가스인가?",
"Ti 패턴의 소스 타겟은 무엇을 사용했지?",
"SUS재질의 open \\( 5 \\varkappa \\&\\) , blank \\(10\\mu \\mathrm{mm} \\) 를 이용하여 형성한 패턴은 무엇이니?",
"Ti는 무엇을 투입하여 진공도가 9.6 \\times 10-3 \\mathrm{Torr}9.6×10−3Torr에서 플라즈마를 발진시켰지?",
"S-4200 Scanning electron microscopy의 제조사는 어디야?",
"성장된 GaN 의 단면 특성은 무엇을 이용해서 관찰했지?",
"X-ray diffraction의 약자는 무엇인가?",
"Ar 가스 20 \\mathrm{scccm}20scccm 을 투입하여 진공도가 몇인 Torr에서 플라즈마를 발진시켜 Ti를 증착 하였지?",
"Stripe Ti 패턴에 사용된 open \\( 5 \\varkappa \\&\\) , blank \\(10\\mu \\mathrm{mm} \\)의 재질은 무엇이지?",
"regrowth를 어떻게 진행하였니?",
"regrowth를 진행할때 사용된 \\(\\mathrm{~N} 2 \\)가스의 용량은 얼마인가?",
"그림 1은 무엇으로 제작된 shadow mask microscope 사진을 보였지?",
"Regrowth 성장에서는 Ti stripe 패턴과 \\mathrm{NH} 3NH3 의 반응으로 TiN 형성이 되지 않도록 어떻게 하였어?",
"TiN이 Ti stripe 패턴과 \\( \\mathrm{NH} 3 \\)의 반응으로 형성이 되지 않도록 무엇을 진행하지 않았어?",
"regrowth를 진행시 \\( \\mathrm{HCL}, \\mathrm{NH} 3, \\mathrm{~N} 2 \\) 가스는 몇을 공급하였는가?",
"Scanning electron microscopy의 약자는 무엇인가?",
"X-ray diffraction은 무엇을 이용했니?",
"Regrowth 성장은 어떤 방향이야?",
"regrowth를 진행하기 위한 소스 영역과 성장영역의 성장 온도 조건은 뭐야?",
"Regrowth 성장후 uKa 방사를 이용한 무엇으로 결정구조를 관찰하였지?",
"Regrowth 성장후 X-ray diffraction(XRD)으로 결정구조를 관찰할때 무슨 스캔을 했어?",
"Regrowth 성장후 사용된 XRD 출력은 몇인가?",
"Ti의 성장 전 초기 진공은 TMP를 이용하여 몇 Torr까지 형성시켰지?",
"Regrowth 성장에서 무엇으로 인해 TiN 형성이 되지 않도록 nitridation을 진행하지 않고 동시에 III, V 소스를 공급함으로써 성장이 되게 하였나?",
"Ti pattern이 형성된 GaN epi를 다시 HVPE 에 투입하여 무엇을 진행하였는가?",
"Ti의 성장 전 초기 진공은 무엇을 이용하였는가?",
"stripe Ti 패턴은 DC 마그네트론 스퍼터에 의해 형성되는가?",
"\\( 4 \\sim 6 \\) 존은 일정한 온도를 조절할 수 있도록 하였니?",
"regrowth과정의 성장영역 성장 온도 조건은 \\( 830{ }^{\\circ} \\mathrm{C}\\)인가?",
"\\( \\mathrm{HCl}, \\mathrm{NH} 3, \\mathrm{GaCl} \\) 을 운반하기 위한 가스로는 질소 가스를 사용하였는가?",
"Ti 패턴의 분위기 가스는 Ar 가스인가?",
"그림 1의 shadow mask microscope 사진은 SUS 로 제작되었는가?",
"대기압에서 성장이 진행되었니?",
"Stripe Ti 패턴은 상온에서 \\( 100 \\)AA 두께를 증착하였지?",
"Regrowth 성장에서는 \\( 120 \\mu \\mathrm{m}, 300 \\mu \\mathrm{m} \\) 두께를 \\( 1000 \\)AA 두께의 Ti stripe pattern에 대해 수행하였지?",
"Ga 금속을 \\( \\mathrm{HCL} \\)과 반응시켜 \\( \\mathrm{GaCl} \\)을 형성할 수 있어?",
"\\( 6 \\mathrm{~N} \\) 의 순도의 \\( \\mathrm{Ga} \\) 금속과 \\(6 \\mathrm{~N} \\) 순도의 \\( \\mathrm{HCl} \\) 를 합하여 III 소스로 이용했니?",
"( \\mathrm{HCl} \\) 가스는 V족 소스로 이용되었는가?",
"질소 가스는 \\(\\mathrm{GaCl} \\) 을 운반하기 위해 필요한 가스인가?",
"어떤 방향으로 Stripe Ti 패턴이 형성되게 해야 하지?"
] |
137f7fed-79ed-4c8a-9f3c-056d5032cd59
|
인공물ED
|
HVPE(Hydride Vapor Phase Epitaxiy) 성장법으로 \(\mathrm{Ti}\) metal mask를 이용한 \(\mathrm{GaN}\) 성장연구
|
<h1>III. 실험결과 및 논의</h1><p>그림 2는 사파이어 기판위에 HVPE 를 이용하여 \( 3 \mu \mathrm{m} \)의 GaN epi를 성장시키고 그 위에 \( 100 \)AA 두께의 Ti metal을 \( \langle 1100\rangle \) 방향을 따라 stripe 패턴을 형성하고 다시 HVPE를 이용하여 overgrowth 한 GaN 단면의 SEM 이미지 사진이다.</p><p>그림 2의 (a), (b), (c)는 \( 120 \mu \mathrm{m} \) 두께로 Ti stripe 패턴 위에 overgrowth한 샘플에 대한 SEM 이미지 사진이다. 그림 2 (a) 는 사파이어 기판부터 전체적인 모습을 보인 이미지 사진이고, 그림 (b)는 그림 2 (a)에서 일부분 확대한 SEM 이미지 사진이다. 그림 2 (c)는 그림 (a)와 다른 부분에서의 SEM 단면 이미지이다. 그림 2 (d)는 \( 300 \mu \mathrm{m} \) 두께로 Ti stripe 패턴위에 overgrowth한 샘플의 SEM 단면 이미지이다. 그림 2 (a)에서 보이는 것처럼 사파이어기판, 초기 GaN epi, regrowth GaN 된 부분이 확실하게 구분이 되어 진다. 특히 GaN epi 위에 Ti stripe 패턴된 layer 부분에서 크거나 작은 void가 보인다. 이와 같은 현상은 M. Hainno와 K. Hiramatsu 은 텅스텐 금속을 mask를 형성하였을 경우, K.Hara은 Ta 금속을 mask로 사용하였을 때도 이와 비슷하게 void가 형성된다고 보고 하였다. M. Hainno 등은 이와 같은 현상을 수소분위기에서 W 금속이 촉매로서 작용하여 radical hydrogen을 생성하고 이것이 GaN 의 decompose를 쉅게 하여 Ga 과 \( \mathrm{NH} 3 \) 로 해리되고 해리된 Ga 이 \( \mathrm{GaN} \) 층을 etching한다고 설명하였다. K.Hara는 \( \mathrm{TaN} \) 의 형성으로 \( \mathrm{GaN} \) 가 해리되고 해리된 \( \mathrm{Ga} \) 이 \( \mathrm{GaN} \) 층을 etching하는 것으로 설명하였다. 이와 마찬가지로 본 실험에서도 Ti 금속을 이용한 stripe 패턴은 쉽게 TiN 를 형성하고 이는 \( \mathrm{GaN} \) 의 해리를 촉진하여 이로 인해 해리된 \( \mathrm{Ga} \) 은 \( \mathrm{GaN} \) 막을 에칭하여 void가 형성된 것으로 보인다. Void의 크기는 TiN 형성되는 양에 따라 비례하는 할 것으로 예상되며 Ti 금속의 두께에 따라 조절할 수 있을 것으로 보인다. 이와 비슷한 실험으로는 K.Hara는 Ta 금속의 두께가 증가함에 따라 Void의 크기가 증가됨을 보고하였다. 그림 2 (c)는 (a)와 다른 부분에서의 SEM 이미지를 보인 것으로 void 현상이 일부에 국한된 것이 아니고 Ti stripe 패턴이 적용된 layer 전체적으로 나타남을 알 수 있다. 그림 2 (d)는 \( 300 \mu \mathrm{m} \) 두께로 \( \mathrm{GaN} \) 를 overgrowth 하였을 때의 단면 이미지이다. 전체적으로 균일하게 형성된 것은 아니지만 일부분 void가 형성된 부분의 면을 따라 크랙이 발생하였다. 이것은 \( 300 \mu \mathrm{mn} \) 두께로 성장된 \( \mathrm{GaN} \) 와 사파이어 기판사이의 물성차이에 의해 스트레스가 발생하여 void가 형성된 지점이 다른 부분보다 쉽게 크랙을 유발 한 것으로 보인다. 그림 2 (a), (b), (c) 의 \( 120 \mu \mathrm{m} \) 두께로 \( \mathrm{GaN} \) 를 overgrowth하였을 때의 결과는 형성된 void가 사파이어 기판과 성장된 \( \mathrm{GaN} \) 층 사이의 물리적 특성을 완충시켜주는 역할을 한 것으로 생각된다. 이에 따라서 void 크기, 양, 주기성을 조절함으로써 사파이어 기판위에 원하는 두께로 크랙 없이 성장도 가능하며, 또는 Laser lift-off 방법이 아닌 물리적 차이를 이용한 self lift-off 또는 보다 쉬운 lift-off가능 할 것으로 보인다.</p><p>그림 3은 HVPE로 성장된 \( \mathrm{GaN} \) 의 (0002) 면의 \( \omega \) scan의 rocking curve 결과이다. 그림 3 (a)는 사파이어 위에 \( 3 \mu \mathrm{cm} \) 두께의 \( \mathrm{GaN} \) epi를 성장한 샘플을 측정한 것이고, 그림 3 (b)는 \( \mathrm{GaN} \) epi위에 Ti mask를 사용하여 \( 120 \mu \mathrm{m} \) 두께로 regrowth한 샘플의 측정 결과이다. (0002)면에 대한 \( \omega \) scan의 반치 폭은 \( 3 t \) fan 두께의 \( \mathrm{GaN} \) epi는 \( 260 \operatorname{arcsec} \) 의 값이, \( \mathrm{GaN} \) epi위에 Ti mask를 사용하여 \( 120 \mu \mathrm{m} \) 두께로 regrowth한 샘플은 \( 188 \operatorname{arcsec} \) 값이 측정 되었다. XRD의 반치폭(FWHM)은 결정성에 영향을 받기 때문에 GaN epi위에 Ti mask를 사용하여 \( 120 \mu \mathrm{m} \) 두께로 regrowth한 샘플이 반치 폭이 좋아지는 것은 Ti metal이 \( \mathrm{GaN} \) 성장 시에 결정성에는 크게 영향을 주지 않는다는 것을 보여준다. 또한 GaN epi위에 Ti mask를 사용하여 \( 120 \mu \mathrm{m} \) 두께로 regrowth한 샘플의 \( \omega \) scan의 rocking curve를 보면 약간 비대칭성의 모양을 보이고 있다. 이것이 \( \mathrm{GaN} \) 가 두꺼워 지면서 사파이어 기판과 \( \mathrm{GaN} \) 사이에 압축성 응력이 작용해서인지 아니면 Ti 패턴에 따른 dislocation들이 몰려서 인지는 보다 많은 검증이 필요할 것으로 보인다.</p>
|
[
"무슨 기판위에 \\( 3 \\mu \\mathrm{m} \\)의 GaN epi를 성장시켜?",
"\\( 3 \\mu \\mathrm{m} \\)의 GaN epi 위에 몇 \\( \\)AA 두께의 Ti metal을 형성해?",
"사파이어 기판위에 무엇을 이용해서 \\( 3 \\mu \\mathrm{m} \\)의 GaN epi를 성장시켜?",
"그림 2 (a) 에서 세 가지 부분이 확실하게 구분돼?",
"그림 2 (a) 에서 초기 GaN epi를 확실하게 구분할 수 있어?",
"그림 2 (d)는 Ti stripe 패턴위에 몇 \\( \\mu \\mathrm{m} \\) 두께로 overgrowth한 샘플을 SEM으로 분석해?",
"그림 2 (a)에서 어디서 크거나 작은 void가 보여?",
"누가 Ta 금속을 mask 했을 때도 비슷하게 void가 형성된다고 해?",
"\\( 3 \\mu \\mathrm{m} \\)의 GaN epi 위에 Ti metal을 무슨 방향을 따라 stripe 패턴을 형성해?",
"그림 2는 GaN 단면의 무슨 이미지 사진이야?",
"그림 2의 (a)는 몇 \\( \\mu \\mathrm{m} \\) 두께로 Ti stripe 패턴 위에 overgrowth한 샘플의 SEM 사진이야?",
"K.Hara는 해리된 \\( \\mathrm{Ga} \\) 이 \\(\\mathrm{GaN} \\) 층을 무엇을 한다고 설명해?",
"TiN이 많이 형성되면 Void의 크기가 커져?",
"그림 2 (c)는 그림 (a)와 다른 부분의 무슨 이미지야?",
"그림 2의 (a), (b), (c)는 무슨 패턴 위에 overgrowth한 샘플에 대한 SEM 이미지야?",
"그림 (b)는 어디에서 일부분 확대한 SEM 이미지 사진이야?",
"GaN 이 decompose 하면 무엇으로 해리돼?",
"M. Hainno와 K. Hiramatsu 은 무슨 금속을 mask 했을 때 크거나 작은 void가 형성된다고 보고해?",
"GaN은 radical hydrogen에 의해 쉽게 Ga 과 \\( \\mathrm{NH} 3 \\) 로 해리돼?",
"그림 2 (a) 는 어디부터 전체적인 모습을 보인 이미지야?",
"M. Hainno 등은 수소분위기에서 무슨 금속이 촉매로서 작용해서 radical hydrogen을 생성한다고 설명해?",
"무엇이 GaN의 decompose를 쉽게 만들어?",
"K.Hara는 무엇의 형성으로 \\( \\mathrm{GaN} \\) 가 해리된다고 설명해?",
"그림 2 (d)는 무엇을 \\( 300 \\mu \\mathrm{m} \\) 두께로 overgrowth 한 단면 이미지 사진이야?",
"그림 2 (a)로 void 현상이 Ti stripe 패턴이 적용된 layer 전체로 나타난다는 것을 알 수 있어?",
"M. Hainno 등은 수소분위기에서 W 금속이 무엇으로 작용해서 radical hydrogen을 생성한다고 해?",
"K.Hara는 Ta 금속이 두꺼워지면 무엇의 크기가 증가함을 보고해?",
"그림 2 (d)로 일부분 void가 형성된 부분의 면을 따라 무엇이 발생했음을 알 수 있어?",
"\\( 300 \\mu \\mathrm{mn} \\) 두께로 성장된 \\( \\mathrm{GaN} \\) 와 사파이어 기판사이의 무슨 차이에 의해 쉽게 크랙이 유발돼?",
"\\( 120 \\mu \\mathrm{m} \\) 두께로 \\( \\mathrm{GaN} \\) 를 overgrowth하였을 때 void가 무슨 역할을 해?",
"사파이어 기판위에 원하는 두께로 크랙 없이 성장시키는 방법 중 물리적 차이를 이용한 게 뭐야?",
"그림 3은 \\( \\mathrm{GaN} \\) 의 무슨 면의 \\( \\omega \\) scan의 rocking curve 결과야?",
"그림 3은 \\( \\mathrm{GaN} \\) (0002) 면의 무슨 scan 의 rocking curve 결과를 나타내?",
"그림 3은 \\( \\omega \\) scan의 무슨 curve 결과야?",
"그림 3 (a)는 사파이어 위에 무슨 epi를 성장한 샘플을 측정한 결과를 나타내?",
"그림 3 (a)에서 사파이어 위에 \\( \\mathrm{GaN} \\) epi를 몇 \\( \\mu \\mathrm{cm} \\) 두께로 성장시켜?",
"그림 3 (b)에서 Ti mask를 이용해서 몇 \\( \\mu \\mathrm{m} \\) 두께로 regrowth 해?",
"(0002)면에 대해 \\( \\omega \\) scan했을 때 \\( 3 t \\) fan 두께의 \\( \\mathrm{GaN} \\) epi 반치 폭이 몇 \\( \\operatorname{arcsec} \\) 이야?",
"(0002)면에 대해 \\( \\omega \\) scan 했을 때 무슨 샘플의 반치 폭이 \\( 188 \\operatorname{arcsec} \\)이야?",
"XRD의 반치폭은 무엇에 영향을 받아?",
"Ti metal이 무엇의 성장 시에 결정성에 크게 영향을 주지 않아?",
"(0002)면에 대한 \\( \\omega \\) scan의 반치 폭 값이 낮을수록 좋아?",
"GaN epi위에 Ti mask를 사용하여 regrowth한 샘플의 rocking curve가 약간 무슨 모양을 보여?",
"rocking curve에서의 약간 비대칭성의 모양을 갖는 이유를 정확히 알아?",
"GaN epi위에 Ti mask를 사용하여 \\( 120 \\mu \\mathrm{m} \\) 두께로 regrowth한 샘플의 rocking curve가 비대칭성의 모양을 갖는 이유 중 하나는 사파이어 기판과 \\( \\mathrm{GaN} \\) 사이에 무엇이 적용해서야?",
"M. Hainno 등은 해리된 Ga 이 무엇을 etching한다고 설명해?",
"Void의 크기를 무엇에 따라 조절할 수 있어?",
"void 크기, 양, 주기성을 조절함으로써 self lift-off로 사파이어 기판위에 크랙없이 성장시킬 수 있어?",
"그림 2 (c)로 void 현상이 무슨 layer 전체적으로 나타남을 알 수 있어?",
"그림 2 (a)에서 Ti stripe 패턴된 layer 부분에서 무엇이 보여?",
"그림 2 (d)는 무슨 면을 따라 크랙이 발생해?",
"왜 void가 형성된 지점이 다른 부분보다 쉽게 크랙이 생겨?",
"무엇을 조절하여 사파이어 기판위에 원하는 두께로 크랙 없이 성장시킬 수 있어?",
"그림 3 (b)는 \\( \\mathrm{GaN} \\) epi위에 무엇을 사용해서 regrowth한 샘플의 측정 결과야?",
"Ti 금속을 이용한 stripe 패턴은 무엇을 쉽게 형성해?",
"본 실험에서 무엇이 \\( \\mathrm{GaN} \\) 막을 에칭해서 void를 형성해?",
"그림 2 (a), (b), (c) 는 그림 2 (d) 에 비해 크랙이 많이 발생하지 않아?"
] |
258c132b-7043-4126-a5c3-17c6f65f40c2
|
인공물ED
|
HVPE(Hydride Vapor Phase Epitaxiy) 성장법으로 \(\mathrm{Ti}\) metal mask를 이용한 \(\mathrm{GaN}\) 성장연구
|
<h1>요 약</h1><p>HVPE법으로 \( 3 \ell \) em의 GaN epi를 성장하고 이 위에 DC 마그네트론 Sputter를 이용하여 Ti stripe 패턴 형성하였으며 다시 HVPE 를 이용하여 \( 120 \mu \mathrm{m} \sim 300 \mu \mathrm{m} \) 두께의 GaN 를 overgrowth하였다. 성장된 GaN 는 SEM 측정으로 Ti 패턴한 부분에서 void 가 관찰되었고 보다 두꺼운 GaN 를 성장시에는 크랙이 void를 따라 발생할 수 있음을 확인하였으며 XRD 측정으로 FWHM 은 \( 188 \operatorname{arcsec} \) 로 측정되었다. 성장전의 GaN epi와의 반치폭을 비표하였을 때 패턴에 사용된 Ti는 overgrowth시 결정성에는 크게 영향을 주지 않는다는 것을 확인하였다.</p><h1>I. 서 론</h1><p>질화 갈륨은 (GaN) 직접 천이형 넓은 대역 간극(wide band gap)의 III-V 화합물 반도체로 \( \operatorname{InN}(1.95 \mathrm{eV}) \), \( \mathrm{AlN}(6.2 \mathrm{eV}) \) 와 이종 접합을 만들거나 성분 변화를 주어 다양한 밴드 구조를 갖게 할 수 있어 가시광 영역에서부터 UV영역까지 여러 파장영역에서의 광전자 소자에 응용이 가능하고, 또한 고출력 전자 소자나 고온 동작 소자, 고주파수 동작 SAW(surface acoustic wave) 소자 등에 응용 가능성이 높은 물질이다. 질화 갈륨 기판은 Homoepitaxial 성장이 가능하게 하여 우수한 결정질의 III족 질화물 소자 구조를 구현할 수 있다. 질화 갈륨 기판은 사파이어 기판을 사용할 때 Heteroepitaxial 성장에 따른 문제점인 높은 결함밀도와 상당한 내부 응력을 극복할 수 있으며, 사파이어 기판이 가지는 문제점인 열전도도가 좋지 않아 고전원을 인가시 발열의 문제, 절연으로 인한 수직전극 제작의 불가능 등을 극복할 수 있게 하여 소자 제작시 공정을 쉽게 할 수 있으며, 소자의 특성 및 수명을 향상시킬 수 있다.</p><p>HVPE 방법은 \(2\) 인치 질화갈륨 기판을 얻기 위한 일반적인 방법으로 알려져 있으며 사파이어 기판위에 \(200\mu \mathrm{m} \) 이상의 질화갈륨 후막을 성장하고 이것을 레이저를 조사하여 분리하는 방법이 주로 사용되고 있다. 이 레이저를 이용한 분리 방법은 많은 시간을 요하며, 성공률도 낮아 질화갈륨 기판의 비용을 상승시키는 요인이 된다.</p><p>레이저를 이용한 분리 방법을 대체하기 위하여 CrN 버퍼를 성장하고 이를 화학적으로 제거하거나, GaN nanorod, 매우 얇은 AlN 패턴, SiNx 패턴, \( \mathrm{NH} 4 \mathrm{CL}\) 등을 형성하여 온도차와 사파이어와 GaN 사이의 스트레인에 의한 자립 분리 방법이 연구되어지고 있다.</p><p>본 연구에서는 사파이어 기판과 GaN 막을 분리를 쉽게 하는 방법으로 Ti stripe 패턴 mask를 이용하여 Overgrowth를 진행하고 성장 후 Ti 금속을 화학적으로 제거하고, Ti 금속이 제거된 부분을 통해 GaN etching 용액을 투입시켜 확대시킴으로써 기판과 overgrowth된 막을 쉅게 분리하려는 목적으로 Ti을 이용하여 stripe 패턴을 형성하고 그 위의 HVPE 를 이용하여 GaN 를 overgrowth하여 그 특성을 살펴보았다.</p>
|
[
"광전자 소자에 질화 갈륨을 응용할 경우, 가시광 영역이라는 한정된 파장에서만 사용할 수 있는가?",
"2 인치 질화갈륨 기판을 얻기 위한 일반적인 방법은 무엇인가?",
"직접 천이형 넓은 대역 간극(wide band gap)의 III-V 화합물 반도체는 뭐야?",
"질화 갈륨 기판과 달리 열전도도가 좋지 않아 고전원 인가시 발열의 문제, 절연으로 인한 수직전극 제작의 불가능 등의 단점을 가진 기판 종류는 무엇인가?",
"질화 갈륨 기판과 사파이어 기판 중 Heteroepitaxial 성장에 더 불리한 기판은 뭐야?",
"질화갈륨 기판 제조방법 중 질화갈륨 기판의 비용을 상승시키는 단계는 무엇인가?",
"레이저를 이용한 분리 방법을 대체하기 위한 방법 중, 온도차와 사파이어와 GaN 사이의 스트레인에 의한 자립 분리 방법에 사용되는 것이 아닌 소재는 무엇인가?",
"질화 갈륨의 단점은 \\( \\operatorname{InN}(1.95 \\mathrm{eV}) \\), \\( \\mathrm{AlN}(6.2 \\mathrm{eV}) \\) 와 이종 접합이 불가능하다는 것인가?"
] |
14927939-371e-405f-81f9-d35165ffeb2a
|
인공물ED
|
HVPE(Hydride Vapor Phase Epitaxiy) 성장법으로 \(\mathrm{Ti}\) metal mask를 이용한 \(\mathrm{GaN}\) 성장연구
|
<h1>IV. 결 론</h1><p>HVPE법으로 Ti stripe 패턴을 \( 3 \mu \mathrm{m} \) 두께의 GaN epi 위에 제작하고 그것을 다시 overgrowth한 \( \mathrm{GaN} \) 의 특성을 살펴보았다. 성장된 \( \mathrm{GaN} \) 의 단면을 \( \mathrm{SEM} \) 측정으로 Void를 확인할 수 있었으며, \( \mathrm{GaN} \) 를 보다 두껍게 성장 시에는 이 void가 크랙에 영향을 줄 수 있음을 보였다. XRD 결과로 패턴 형성 시 사용된 Ti는 overgrowth시 \( \mathrm{GaN} \) 의 결정성에는 크게 영향을 주지 않음을 확인할 수 있었다. Ti 패턴에 의하여 크랙감소 또는 Lift-off의 효과에 대하여는 Ti 패턴의 두께에 따라, 패턴 모양에 따라 그리고 overgrowth되는 \( \mathrm{GaN} \) 의 성장 공정조건에 대한 연구는 추가적으로 필요할 것으로 보인다.</p>
|
[
"HVPE법으로 Ti stripe 패턴을 어디에 제작하였습니까?",
"GaN를 보다 두껍게 성장 시킬시에 void가 어디에 영향을 줄 수 있습니까?",
"성장된 GaN의 단변을 SEM 측정으로 보았을때 어떤 것을 관찰할 수 있습니까?",
"overgrowth한 GaN의 특성을 살펴보기 위해서는 어떠한 실험방법을 채택해야합니까?",
"XRD 결과로 패턴 형성 시 사용된 TI는 GaN의 결정성에 어떤 영향을 주었습니까?",
"XRD 결과로 패턴 형성 시 사용된 TI는 overgrowth시 결정성에 미친 영향에 대한 지문으로 옳은 것은 무엇입니까?",
"HVPE법으로 GaN epi 위에 제작한 것은 무엇입니까?",
"\\( \\mathrm{GaN} \\)의 성장 공정조건은 크랙감소 또는 Lift-off의 효과에 대하여 영향을 받는데 이때 실험에 영향을 주는 것은 무엇인가?",
"본 논문의 결론에서는 \\( \\mathrm{GaN} \\) 의 성장 공정조건에 대하여 크랙감소와 Lift-off에 대한 추가적 연구가 필요하다고 하였는데, 이는 어떤 것에 영향을 받은 것인가?"
] |
a053795f-f895-4c0d-962d-cc7d6297c94e
|
인공물ED
|
카세그레인 안테나용 가우시안 빔 가이딩 시스템 설계
|
<p>설계된 빔 파라미터는 표 1에 제시하였다.</p> <table border><caption>표 1. 준광학 회로의 빔 파라미터</caption> <tbody><tr><td>Freq (\(mathrm{GHz}\))</td><td>\(w_{01}\)</td><td>A</td><td>\(w\) \((M_1)\) \(f\) \(R_i\) \(R_0\)</td><td>B</td><td>\(w_{02}\)</td><td>C</td><td>\(w\) \((M_2)\) \(f\) \(R_i\) \(R_0\)</td><td>D</td><td>\(w_{03}\)</td><td>E</td><td>\(w\) \((M_3)\) \(f\) \(R_i\) \(R_0\)/td><td>F</td><td>\(w_{04}\)</td></tr><tr><td>21</td><td>50.9</td><td>600</td><td>76.4 600 1,148.7 -1,256.0</td><td>642.8</td><td>53.4</td><td>957.2</td><td>97.4 957.22 1,369.0 -3,182.3</td><td>957.2</td><td>81.4</td><td>462.8</td><td>85.4 462.8 5,065.1 -509.3</td><td>462.8</td><td>25.8</td></tr><tr><td>42</td><td>25.5</td><td>600</td><td>60.0 600 744.2 -3,095.7</td><td>642.8</td><td>53.4</td><td>850</td><td>64.5 850 2,704.9 -1,239.9</td><td>850</td><td>36.1</td><td>250</td><td>39.4 250 1,574.3 -297.2</td><td>250</td><td>15.7</td></tr><tr><td>84</td><td>12.8</td><td>400</td><td>38.04 400 453.5 -3,392.2</td><td>419.0</td><td>35.6</td><td>881.0</td><td>45.36 880.1 2,295.0 -1,429.8</td><td>881.0</td><td>28.1</td><td>200.0</td><td>29.2 200.0 2,617.6 -216.6</td><td>200.0</td><td>8.1</td></tr><tr><td>127</td><td>8.44</td><td>400</td><td>36.69 400 423.48 -7,215.1</td><td>419.0</td><td>35.6</td><td>900</td><td>40.36 900 4,064.1 -1,116.0</td><td>900</td><td>19.0</td><td>150</td><td>19.90 150 1,685.9 -164.6</td><td>150</td><td>59.3</td></tr></tbody></table> <p>카세그레인 기하 광학적 초점에서 첫 번째 타원면경 \( \left(M_{1}\right) \)은 \( 22 \mathrm{GHz} \)와 \( 43 \mathrm{GHz} \) 대역의 빔을 변환시키는 타원면경으로서 초점거리가 \( 600 \mathrm{~mm} \)로 하고, 식 (16)을 만족하는 타원면경 \( \left(M_{1}\right) \)과 빔 허리 \( \left(w_{02}\right) \)와의 거리는 \( 642.7 \mathrm{~mm} \)로서, 주파수에 무관하게 \( 21 \mathrm{GHz} \)와 \( 42 \mathrm{GHz} \)대역에서 동일한 위치를 보이며, 빔 허리 \( \left(w_{02}\right) \) 의 반경도 일정함을 알 수 있다. 또한, \( 84 \mathrm{GHz} \) 대역과 \( 127 \mathrm{GHz} \) 대역 빔을 변환시키는 첫 번째 타원면경 \( \left(M_{1}\right) \)도 식 (16)을 만족하는 조건으로 초점과 위치가 결정되어, 빔 허리 \( \left(w_{02}\right) \)의 반경과 그 위치도 주파수에 무관하게 일정함을 알 수 있다. 여기서 타원면경 \( \left(M_{1}\right) \)는 표 1 에서 제시한 바와 같이, 초점거리와 곡률반경이 주파수 대역 즉 \( 21 / 42 \mathrm{GHz} \) 대역과 \( 84/127\mathrm{GHz} \) 대역 다름을 알 수 있다. 실제적으로 준광학 회로를 제작할 때는 이들 대역을 분리하여 회로가 구성되므로 각각 별도로 제작된다.</p> <p>주파수 변화에 무관하게 그 반경과 위치가 일정한 빔 허리 \( \left(w_{02}\right) \) 를 이용하여 \( 22 \mathrm{GHz}, 43 \mathrm{GHz}, 86 \mathrm{GHz} \)와 \( 129 \mathrm{GHz} \) 대역에 대한 각각의 준광학 회로 설계는 제2장 5절에 기술된 가우시안 영상 빔 허리를 이용한 주파수 변화에 종속되지 않는 준광학 회로 설계 기법을 이용하여 설계하였다. 표 1 에 제시한 바와 같이, 빔 허리 \( \left(w_{02}\right) \)에서 두 번째 타원면경 \( \left(M_{2}\right) \) 의 초점거리와 동일한 곳에 타원 면경\( \left(M_{2}\right) \)이 설치된다. 연속적으로 빔 허리 \( \left(w_{03}\right) \)에서 세 번째 타원면경 \( \left(M_{3}\right) \)의 초점거리와 동일한 위치에 타원면경 \( \left(M_{3}\right) \)가 설치되어 주파수 변화에 무관한 준광학 회로를 구성하였다. 표 1에 제시한 빔 파라미터를 이용하여 준광학 회로와 이를 구성하는 준광학 부품을 제작하고 측정하였다. 실험실에서 측정한 준광학 회로 측정방법과 측정결과는 참고문헌 [6]에 제시되었다. 또한, 제작된 준광학 회로를 \( 21 \mathrm{~m} \) 카세그레인 안테나에 설치하여 시험 관측한 안테나 구경효율, 안테나 지향정밀도, 안테나 복사패턴 결과도 참고문헌 [6]에 자세히 기술되어 있다.</p> <p>제작된 준광학 회로는 \( 21 \mathrm{~m} \) 카세그레인 안테나 전파망원경에 설치되어 우주전파 관측에 성공하여, 현재 우주전파 관측연구에 사용되고 있다. 준광학 회로와 구성부품 및 수신기들을 제작하여 \( 21 \mathrm{~m} \) 카세그레인 안테나형 전파망원경에 설치한 모습은 그림 17 에, 이를 이용하여 오리온 별자리에서 방출된 \(22/43/87/129 \mathrm{GHz}\) 대역 우주전파를 동시에 관측한 결과는 그림 18에 각각 제시하였다.</p>
|
[
"표 1에서 제시한 값중 주파수값21 (\\(mathrm{GHz}\\))일때 D의값은 뭐야?",
"표 1의 빔 파라미터에서 42(\\(mathrm{GHz}\\))주파수값을 가질때 \\(w\\) \\((M_3)\\) \\(f\\) \\(R_i\\) \\(R_0\\)의값은 얼마야?",
"표 1에서 42(\\(mathrm{GHz}\\))주파수값을 가질때 D의값은 얼마야?",
"준광학 회로의 빔 파라미터를 나타낸 표에서 주파수값21 (\\(mathrm{GHz}\\))일때 \\(w_{01}\\)은 얼마야?",
"설계된 빔 파라미터에서 주파수값21 (\\(mathrm{GHz}\\))일때 B값은 뭐야?",
"표1에서 주파수값21 (\\(mathrm{GHz}\\))일때A값은 얼마야?",
"빔 파라미터를 나타낸 표에서 주파수값21 (\\(mathrm{GHz}\\))일때 \\(w\\) \\((M_1)\\) \\(f\\) \\(R_i\\) \\(R_0\\)값은 얼마야?",
"준광학 회로의 빔 파라미터에서 주파수값21 (\\(mathrm{GHz}\\))일때 \\(w_{02}\\)값은 얼마지?",
"주파수값21 (\\(mathrm{GHz}\\))일때 준광학 회로의 빔 파라미터에서 \\(w_{02}\\) 수치가 뭐지",
"표1에서 주파수값21 (\\(mathrm{GHz}\\))일때 C값은 얼마야?",
"표1에서 주파수값21 (\\(mathrm{GHz}\\))일 경우 C 수치는 얼마지",
"설계된 빔 파라미터는 표 1에 제시한 값중 주파수값21 (\\(mathrm{GHz}\\))일때 \\(w\\) \\((M_3)\\) \\(f\\) \\(R_i\\) \\(R_0\\)값은 얼마야?",
"표 1에서 42(\\(mathrm{GHz}\\))주파수값을 가질때 \\(w\\) \\((M_1)\\) \\(f\\) \\(R_i\\) \\(R_0\\)의값은 뭐야?",
"제시된 설계된 빔 파라미터에서 42(\\(mathrm{GHz}\\))주파수값을 가질때 A의값은 얼마야?",
"준광학 회로의 빔 파라미터에서 42(\\(mathrm{GHz}\\))주파수값을 가질때 \\(w\\) \\((M_2)\\) \\(f\\) \\(R_i\\) \\(R_0\\)의값은 뭐야?",
"표1에서 42(\\(mathrm{GHz}\\))주파수값을 가질때 B의값은 뭐지?",
"표1에서 42(\\(mathrm{GHz}\\))주파수일 경우 B 수치는 얼마지",
"설계된 빔 파라미터는 표1에서 42(\\(mathrm{GHz}\\))주파수값을 가질때 \\(w_{02}\\)의값은 얼마지?",
"준광학 회로의 빔 파라미터에서 42(\\(mathrm{GHz}\\))주파수값을 가질때 C의값은 얼마지?",
"설계된 빔 파라미터는 표 1에서 84(\\(mathrm{GHz}\\))주파수값을 가질때 D의값은 뭐야?",
"설계된 빔 파라미터를 나타낸 표에서 84(\\(mathrm{GHz}\\))주파수값을 가질때 A의값은 얼마야?",
"준광학 회로의 빔 파라미터를 나타낸표에서 84(\\(mathrm{GHz}\\))주파수값을 가질때 \\(w_{01}\\)의값은 뭐야?",
"표1에서 84(\\(mathrm{GHz}\\))주파수값을 가질때 C의값은 얼마야?",
"준광학 회로의 빔 파라미터에서 84(\\(mathrm{GHz}\\))주파수값을 가질때 D의값은 뭐야?",
"준광학 회로의 빔 파라미터에서 84(\\(mathrm{GHz}\\))주파수값을 가질때 \\(w\\) \\((M_3)\\) \\(f\\) \\(R_i\\) \\(R_0\\)의값은 뭐지?",
"표1에서 127(\\(mathrm{GHz}\\))주파수값을 가질때 D의값은 얼마야?",
"표1에서 84(\\(mathrm{GHz}\\))주파수값을 가질때 \\(w\\) \\((M_1)\\) \\(f\\) \\(R_i\\) \\(R_0\\)의값은 얼마야?",
"준광학 회로의 빔 파라미터에서 84(\\(mathrm{GHz}\\))주파수값을 가질때 B의값은 얼마야?",
"설계된 빔 파라미터에서 84(\\(mathrm{GHz}\\))주파수값을 가질때 \\(w_{02}\\)의값은 얼마야?"
] |
129daff0-22ff-41dc-9f28-9e71e587da97
|
인공물ED
|
결합된 자기공명을 통한 무선에너지 전력 전송 시스템의 회로 해석
|
<h1>1. 서 론</h1><p>지난 수년간 무선 전력전송에 대한 관심과 연구가 폭발적으로 증가하여 왔다. 그 결과로, 자기유도방식의 경우 \( 80 \% \) 의 높은 효율을 보여주고 있는 전기자동차를 포함한 여러 전자기기에서 주목할 만한 연구결과를 보여주고 있다. 그러나, 대부분의 연구가 코일크기의 \( 30 \% \) 보다 작은 매우 가까운 거리에 제한되어 있고, 수 미터 정도 떨어진 근거리에서의 결과는 보여 주지 못하고 있다.</p><p>최근 들어, MIT에서 강하게 결합된 자기공명현상을 이용한 새로운 방식의 무선전력전송 방식을 제안하였다. 이 방식은 자기유도 방식과 달리 수 미터의 근거리에서 전송이 가능할 것으로 기대되고 있고, MIT 에서는 \( 2 \mathrm{~m} \) 의 거리에서 \( 40 \% \) 효율을 시연해 보이기도 했다. 기존의 비접촉 무선 전력전송 기술과 비교해볼 때, 자기공명 기술은 몇 가지 근본적으로 다른 점을 가지고 있다. 공명현상은 방향성이 없어, 여러 방향으로의 에너지 전송이 가능하고, 송수신부 간의 결합이 매우 약하더라도 효율적으로 에너지 전송을 할 수 있다. 이러한 특성은 모두 공명현상의 자연적인 특성에 기안한 것이다.</p><p>자기공명은 무선전력전송 분야에는 새로운 방식으로, 아직까지 물리적인 해석만이 연구되어 있고 이러한 해석방법은 전기전자 엔지니어에게는 생소한 방법이다. 실제로 전자기기에 사용되기 위해서는 전자적이고 실용적인 해석방법과 도구들이 필요한데 이에 대한 연구는 거의 없거나 매우 부족한 상황이다. 또한 송신부 또는 수신부를 이루는 두 코일의 거리를 어느 정도 떨어 뜨릴 때 전송효율이 증가하는 것에 대한 이해, 기존의 자기유도 방식에 비해 먼 거리에서 높은 효율을 보이는 특성이 물리적 해석으로는 잘 나타나지 않는다.</p><p>본 논문에서는 자기공명을 통한 무선전력전송 시스템의 간단한 등가회로를 세우고 이를 검증하였다. 4개의 코일로 이루어진 시스템의 노드 방정식을 무손실의 경우에 대해 해석하였고, 이로부터 앞서 언급한 특성들에 대해 이해 할 수 있었다. 또한 실제 전자기기의 응용을 위해 시뮬레이션 프로그램에 모델을 심고, 모델 파라미터를 측정을 통해 추출하여 시스템 특성과 비교해 보았다.</p>
|
[
"무선 전력전송에서 \\( 80 \\% \\) 의 높은 효율을 가지는 방식은 무엇이야?",
"대부분에 대한 무선 전력전송에 대한 연구는 얼마만큼의 매우 가까운 거리로 제한되어 있어?",
"자기 유도방식의 경우는 어디에서 \\( 80 \\% \\) 의 높은 효율의 전력 전송을 보여주지 못해?",
"MIT에서는 어떤 현상을 이용하여 새로운 무선전력전송 방식을 제안해?",
"자기 공명 기술에서 공명현상은 무엇이 없어?",
"MIT에서 \\( 2 \\mathrm{~m} \\) 의 거리간 전력 전송을 할 때 효율이 얼마였어?",
"자기 공명 현상은 무엇이 약하더라도 효율적으로 에너지 전송을 진행할 수 있어?",
"현재 자기공명은 무선전력전송 분야에서 어떤 것만 연구가 되어있어?",
"자기공명방식에서 두 코일의 거리를 어느 정도 떨어 뜨려놓을 때 무엇이 증가하는 것에 대한 이해가 물리적 해석으로 잘 나타나지 않아?",
"자기공명 방법의 물리적 해석은 누구에게 생소한 방법이야?",
"무손실일 때 해석할 때 어떤 것으로 구성된 시스템의 노드방정식이였어?",
"시뮬레이션 프로그램에 모델을 심은 이유는 뭐야?",
"시뮬레이션을 통해 어떤 것을 통해시스템 특성과 비교했어?",
"MIT에서 어느정도 거리에서 \\( 40 \\% \\) 효율로 전력 전송을 시연했어?",
"어느정도 거리에서 MIT의 \\(40 \\% \\) 효율로 전력 제공을 시연했지?",
"자기 공명 기술에서 여러 방향으로 무엇을 할 수 있어?",
"여러 방향으로 자기 공명 술정에서 할 수 있는 것은 무엇이야?",
"자기공명방식은 자기 유도 방식에 비해 어디에서 높은 효율을 보이는 특성이 물리적인 해석으로 잘 나타나지 않아?"
] |
5c5c9b68-af79-475b-963c-996442558e99
|
인공물ED
|
결합된 자기공명을 통한 무선에너지 전력 전송 시스템의 회로 해석
|
<h1>3. 모델링을 위한 측정과 파라미터 추출</h1><p>노드 방정식을 푸는 과정에서는 손실이 없는 경우를 가정하였고, 또한 커플링이 작은 상호 인덕턴스를 무시하였으나, 정확한 모델링을 위해 이 모두를 고려해야만 한다. 손실과 약한 커플링을 고려할 경우 노드 방적식을 푸는 것은 쉽지가 않고, 주파수에 따른 특성 또한 확인이 필요하기 때문에 시뮬레이션 프로그램을 사용해야만 한다. 따라서, 등가회로를 구성하여 시뮬레이터에 이를 구현, 모델을 심는 과정이 필요하다. 네 개의 코일에 대해서는 모두 여섯 개의 커플링 계수가 존재하고, 이를 포함하여 총 22개의 파라미터를 가진 등가회로 모델을 ADS 의 SDD 를 이용하여 구현할 수 있다.</p><p>코일은 간단한 인덕터와 캐패시터로 모델링 되고, S-parameter 측정을 통해 그 값을 추출할 수 있다. 두 코일은 간단한 트랜스포머로 생각할 수 있고, 두 코일 간의 \( \mathrm{S}(2,1) \) 으로 부터 커플링 계수를 추출할 수 있다. 손실에는 skin effect에 의한 ohmic 손실과, 방사에 의한 손실 두 가지가 존재하는데, 모두 저항으로 모델링 할 수 있고, 그림5의 구성을 통해 측정을 한 후 식 (15) 와 (16)을 통해 그 값을 추출할 수 있다.</p><p>Loss \( =1-|S 11|^{2}-|S 21|^{2} \) for 2-port measurement<caption>(15)</caption></p><p>Loss \( =1-|S 11|^{2} \) for 1-port measurement<caption>(16)</caption></p><p>실험을 위해 제작된 전송시스템의 사진이 그림 6이다. 사용된 전선의 두께는 \( 3 \mathrm{~mm} \) 이고 코일의 지름은 모두 \( 15 \mathrm{~cm} \) 이다. 전송 크일과 수신 코일은 \( 4 \mathrm{~mm} \) 의 간격으로 8 회, 전력 코일과 부하 코일은 1 회의 감은수를 가지고 있다.</p><p>각 코일을 각각 S-parameter 측정을 하고, 두 코일 간의 S-parameter 측정도 하여, 파라미터 추출을 한 결과가 표 1과 표 2에 나타나 있다. 손실저항의 경우 그림 5(a)의 구성에 대해 측정을 하고 식 (16)을 통해 그 값을 추출하였다. 그 결과가 그림 7에 나타나 있다.</p><p>표에 나타나 있는 \( 3 \mathrm{~cm}, 15 \mathrm{~cm}, 23 \mathrm{~cm} \) 는 송신부와 수신부가 떨어진 거리이다. 그림 8은 \( 15 \mathrm{~cm} \) 떨어진 시스템의 전송특성에 대해 측정한 결과와 모델링의 결과를 비교한 것이다.</p>
|
[
"손실과 작은 상호인덕턴스를 노드 방정식을 풀 때 모두 고려해야되는 이유는 뭐야?",
"주파수에 따른 특성을 확인하는 데에 무엇을 꼭 사용해야해?",
"언제 노드 방정식이 푸는 것이 어려워?",
"무엇을 구성하여 시뮬레이터에 구현하고 모델을 심어?",
"4개의 코일에 대해서 몇 개의 커플링 계수가 필요해?",
"6개의 커플링 계수를 통해 총 몇 개의 파라미터를 가진 등가모델을 구현해?",
"등가회로 모델은 ADS의 무엇을 이용하여 구현할 수 있어?",
"코일은 어떻게 모델링 되?",
"2개의 코일은 무엇으로 간주될 수 있어?",
"커플링 계수를 추출하려면 두 코일 간의 무엇을 사용해야해?",
"모델링 된 인덕터와 캐패시터의 값은 무엇을 통해 알 수 있어?",
"손실은 무엇으로 분류가 되?",
"ohmic 손실은 왜 발생하는 거야?",
"실험에 제작된 전송시스템에서 사용된 전송 코일과 수신코일은 몇회를 감아?",
"실험에 제작된 전송시스템에서 사용된 코일의 지름은 모두 얼마야?",
"전력 코일과 부하코일은 몇회의 감은 수를 가지고 있어?",
"손실은 모두 무엇으로 모델링할 수 있어?",
"전송시스템에서 사용된 전선의 두께는 얼마야?",
"실험에 제작된 전송시스템에서 사용된 전송 코일과 수신코일을 8회로 감을 때 얼마의 간격을 두고 감아?",
"실험을 진행할 때 송신부와 수신부 간의 거리는 얼마로 두고 비교했어?",
"노드 방정식을 풀 때 무엇을 없다고 가정해?",
"노드 방정식을 푸는 과정에서 무엇이 작은 인덕턴스를 무시해?"
] |
e7787be3-02d1-40ad-bb8c-7cb8efb4b86a
|
인공물ED
|
충돌제트 현상을 고려한 발사체 음향하중의 경험적 예측
|
<h1>IV. 음향하중 예측결과</h1><p>앞 절에서 설명한 충돌 소음원의 위치, 스펙트럼, 크기, 방향성 지수 등을 고려한 음향하중 예측기법을 KSR-III 로켓에 적용하였다. 음향하중 예측에 사용된 계산 조건은 Table 2 와 같다.</p><p>또한 실제 발사대 형상을 고려하여 배치한 소음원 분포 형상은 Fig. 13과 같고 충돌 소음원의 위치는 3.2.1절에서 설명한 바와 같이 충돌 중심점으로부터 조금 하류 영역에 위치하는데, 이는 기존에 분포된 4, 5 번 소음원 사이에 위치함을 알 수 있다.</p><p>Fig. 14의 x축은 발사대 형상에 따라 분포된 각 소음원의 번호를 나타내고 왼쪽 세로축은 추가 소음원의 세기, 오른쪽 세로 축은 기존의 예측 방법에서 축방향을 꺾음으로써 각 소음원마다 발생하는 음향파워 증가 효과를 나타낸다.</p><p>축 방향 변화에 의한 음향파워 증가 효과는 소음원과 수음점 사이의 거리, 방향성 지수 변화 등에 따라서 각 소음원마다 다르게 나타나는데 Figs. 13 및 14 에서 확인할 수 있듯이 4,5 번 소음원에 대해서는 약 \( 1.3 \sim 1.4 \mathrm{dB}\), 6번 소음원 이후에 대해서는 약 \( 5.1 \sim 13.9 \mathrm{dB} \) 의 음향파워 증가 효과가 고려됨을 알 수 있다.</p><p>이 외에도 앞 절에서 구한 충돌 소음원의 특징들을 나타내면 Table 3과 같다.</p><p>3.2.3절에서 구한 것과 같이 \( 181 \mathrm{dB} \) 의 세기를 갖는 충돌 소음원을 기존의 예측 방법에 추가적으로 고려하였으며 Fig. 9와 식(11)의 관계를 이용한 결과 Fig. 15 와 같은 충돌 소음원의 스펙트럼을 얻었다.</p><p>Fig. 15 에서 볼 수 있듯이 충돌 소음원의 세기는 기존에 배치된 주변 소음원의 음향파워인 165.9, 167.3\( \mathrm{dB} \) 에 비해 큰 음향파워를 갖는다는 것을 알 수 있다.</p><table border><caption>Table 2. KSR-III rocket spcification</caption><tbody><tr><td>Classification</td><td>Value</td></tr><tr><td>Acoustic efficiency</td><td>1 \(\%\)</td></tr><tr><td>Nozzle exit diameter</td><td>0.696 \(\mathrm{m}\)</td></tr><tr><td>Number of nozzle</td><td>1</td></tr><tr><td>Engine thrust</td><td>117,000 \(\mathrm{N}\)</td></tr><tr><td>Nozzle exit velocity</td><td>1961 \(\mathrm{m/s}\)</td></tr><tr><td>Receiver position</td><td>(\(0\mathrm{m}, 13.2\mathrm{m}\))</td></tr></tbody></table><table border><caption>Table 3. Impingement source specification.</caption><tbody><tr><td>Classification</td><td>Value</td></tr><tr><td>Source position</td><td>(\(0.5 \mathrm{m}, 2 \mathrm{m}\))</td></tr><tr><td>Source power</td><td>181 \(\mathrm{dB}\)</td></tr><tr><td>Relative angle</td><td>152\({}^\circ\)</td></tr><tr><td>Directivity index</td><td>-13.7 \(\mathrm{dB}\)</td></tr></tbody></table><p>또한 스펙트럼의 피크 주파수 영역은 주변 소음원과 비슷한 약 \( 400 \mathrm{Hz} \) 근처에 형성되며, 저주파수 영역에서보다 고주파수 영역에서큰 값을 갖는다는 것을 알 수 있다. 이와 같은 충돌 소음원의 스펙트럼을 바탕으로 KSR-III 로켓 상단 페어링 위치에 작용하는 총 음압레벨을 예측한 결과는 Fig. 16과 같다.</p><p>Fig. 16과 같이 추가적인 충돌 소음원을 고려하는 경우 총 음압레벨 값이 \( 140.14 \mathrm{dB} \) 로 예측되었다. 이는 추가적인 충돌 소음원에 의하여 기존의 예측 방법을 이용한 결과 \( (139.1 \mathrm{dB}) \) 보다 약 \( 1 \mathrm{dB} \) 높게 예측된 결과로서 실험 결과 \( (140.18 \mathrm{dB}) \) 와 비교하였을 때 전체 음압레벨 측면에서 예측 정확도가 더욱 향상되었음을 알 수 있다.</p><p>스펙트럼 측면에서의 충돌 소음원 효과는 Fig. 17을 통해 살펴볼 수 있다. 스펙트럼 결과에서 보는바와 같이 충돌 소음원을 고려한 예측결과 저주파수 영역에서의 효과는 거의 없었으나 피크 주파수(125\( \mathrm{Hz} \) )이후 영역에서 음압레벨 값이 증가됨을 확인할 수 있다. 이는 추가적인 충돌 소음원의 스펙트럼 특성에 기인한 것으로 이로 인해 피크 주퐈수 이후의 영역에서 더욱 증가된 스펙트럼 결과를 얻을 수 있었으며 이러한 결과는 고주퐈수 영역에서 실험결과와 더욱 근접한 결과로 추가적인 충돌 소음원을 배치하는 경우 고주파수 영 역에서의 예측 정확도가 더욱 향상 될 수 있음을 의미한다.</p>
|
[
"Directivity index는 어떤값을 Value값으로 나타내고 있어?",
"Number of nozzle은 어떤 값을 나타내고 있어?",
"Receiver position에 대한 Value값은 어떻게 표기할 수 있어?",
"117,000 \\(\\mathrm{N}\\)은 어떤 항목에서 볼 수 있는 Value값이야?",
"각도를 Value값으로 가지는 항목이 뭐야?",
"Relative angle의 Value값이 뭐야?",
"Value 값이 0.696 \\(\\mathrm{m}\\)인 항목이 뭐야?",
"181 \\(\\mathrm{dB}\\)은 무엇에 대한 값이야?",
"Source position의 값이 뭐야?",
"Acoustic efficiency 의 Value 값은 뭐야?"
] |
9a0b6c81-7400-480e-bf2b-2c6b91c295e7
|
인공물ED
|
LCD 모니터의 누설 전자파에 대한 분석
|
<h1>II. 비디오 인터페이스와 LCD 모니터에 대한 분석</h1> <p>LCD 모니터에서 누설되는 전자파에는 화면을 구성하는 영상 신호 정보가 포함되어 있다. 비디오 디스플레이 인터페이스에는 아날로그와 디지털 타입이 있는데, 아날로그 타입에는 대표적으로 VGA가 있다. 디지털 타입에는 DVI와 HDMI(High Definition Multimedia Interface)가 있으며, 최근에는 디지털 타입 비디오 디스플레이 인터페이스의 사용량이 증가하고 있다. 비디오 디스플레이 인터페이스마다 디지털 신호의 채널 구성은 다르지만, 공통적으로 세 개의 비디오 신호 채널이 포함되어 있다. 세 개의 비디오 신호는 각각 빛의 3원색인 빨강, 초록, 파랑을 나타내며, 이 3가지 색의 조합을 통해 화면의 색상을 나타낸다. 직렬 형태로 전송된 3 채널의 비디오 신호로 그림 2와 같이 화면을 구성하게 된다.</p> <p>모니터에 출력되는 화면은 여러 개의 픽셀(pixel)로 구성되며, 사용자가 설정한 화면 해상도에 따라 수평과 수직 픽셀 개수가 결정된다. 픽셀은 실제로 화면에 출력되는 픽셀(invisible pixel)과 화면에는 나타나지 않는 픽셀(invisible pixel)로 구성되며, 흔히 말하는 화면 해상도는 visible pixel의 너비(display width)와 높이(display height)를 뜻한다. Invisible pixel은 다음 수평선이나 프레임과의 경계선 역할을 하며, 이 픽셀을 포함한 수평과 수직 픽셀 개수를 전체 화면 너비(total display width)와 높이(total display height)라고 한다. 이렇게 화면을 구성하는 너비와 높이를 화면 변수(display parameter)라고 하며, 표 1에 정리하였다.</p> <table border><caption>표 1. 화면 구성에 사용되는 화면/시간 변수</caption> <tbody><tr><td colspan = "2">화면 변수</td></tr><tr><td>\( x_{d} \)</td><td>화면 너비</td></tr><tr><td>\( y_{d} \)</td><td>화면 높이</td></tr><tr><td>\( x_{t} \)</td><td>전체 화면 너비</td></tr><tr><td>\( y_{t} \)</td><td>전체 화면 높이</td></tr><tr><td colspan = "2">시간 변수</td></tr><tr><td>\( f_{v} \)</td><td>수직 동기 주파수(화면 재생 빈도)</td></tr><tr><td>\( f_{h} \)</td><td>수평 동기 주파수</td></tr><tr><td>\( f_{p} \)</td><td>픽셀 주파수</td></tr></tbody></table> <p>화면에 출력되는 비디오 신호는 수평 동기 주파수(horizontal synchronous frequency)만큼의 시간이 지나면 다음 수평선으로 이동하게 된다. 이러한 방식으로 가장 밑의 수평선까지 출력이 되면 화면의 한 프레임이 종료되고, 다시 가장 위의 수평선부터 다음 프레임의 화면이 출력된다. 한 프레임의 화면이 출력되는 시간은 수직 동기 주파수(vertical synchronous frequency)만큼의 시간과 같으며, 화면 재생 빈도라고 한다. 또한, 화면의 기본 단위가 되는 픽셀의 주기는 픽셀 주파수(pixel frequency)로 나타낸다. 이렇게 화면 구성의 동기 시간을 담당하는 주파수들을 시간 변수(timing parameter)라고 하며, 표 1에 화면 변수와 함께 정리하였다. 화면과 시간 변수는 VESA(Video Electronics Standards Association) 규격에 의해 정의되어 있으며, 사용자가 설정한 화면 해상도와 화면 재생 빈도에 따라서 나머지 변수들의 값이 정해진다. 예를 들어, 화면 해상도가 \( 1,280 \times 1,024 \)이며, 화면 재생 빈도가 \( 60 \mathrm{~Hz} \)일 때 수평 동기 주파수는 \( 63.981 \mathrm{~kHz} \)이며, 전체 화면 너비와 높이는 1,688과 1,066이다. 그 외의 몇 가지 예시를 표 2에 나타내었다.</p> <table border><caption>표 2. 모니터 디스플레이의 VESA 규격</caption> <tbody><tr><td>화면 해상도</td><td>수직 동기 주파수 \( (\mathrm{Hz}) \)</td><td>수평 동기 주파수 \( (\mathrm{kHz}) \)</td><td>픽셀 주파수 \( (\mathrm{MHz}) \)</td><td>전체 화면 너비</td><td>전체 화면 높이</td></tr><tr><td>\( 1,024 \times 768 \)</td><td>60.004</td><td>48.363</td><td>65.000</td><td>1,344</td><td>806</td></tr><tr><td>\( 1,024 \times 768 \)</td><td>75.029</td><td>60.023</td><td>78.750</td><td>1,312</td><td>800</td></tr><tr><td>\( 1,280 \times 1024 \)</td><td>60.020</td><td>63.981</td><td>108.000</td><td>1,688</td><td>1,066</td></tr><tr><td>\( 1,280 \times 1,024 \)</td><td>75.025</td><td>79.976</td><td>135.000</td><td>1,688</td><td>1,066</td></tr><tr><td>\( 1,600 \times 1,200 \)</td><td>60.000</td><td>75.000</td><td>162.000</td><td>2,160</td><td>1,250</td></tr><tr><td>\( 1,600 \times 1,200 \)</td><td>75.000</td><td>93.750</td><td>189.000</td><td>2,160</td><td>1,250</td></tr></tbody></table> <p>화면을 출력하는 LCD 모니터는 메인보드와 디스플레이 패널로 구성된다. 모니터의 메인보드는 컴퓨터에서 전송된 비디오 출력 신호를 수신한 후, 화면 출력 포맷에 맞게 변환하는 역할을 하며, 디스플레이 패널은 변환된 비디오 신호를 출력하는 역할을 한다. 메인보드에는 비디오 프로세서(video processor)와 디스플레이 컨트롤러(display controller)와 같이 신호 변환 처리를 하는 IC(Integrated Circuit)-chip들이 포함되어 있다. 메인보드와 디스플레이 패널은 LVDS(Low Voltage Differential Signal)나 FPD(Flat Panel Display)-Link로 연결되어 있으며, 디지털 포맷에 맞게 변환된 신호가 이곳을 통해 디스플레이 패널로 전송된다. LCD 모니터에서 누설되는 전자파는 대부분 비디오 프로세서, 디스플레이 컨트롤러, 그리고 LVDS/FPD-link를 통해 방사된다. 따라서 위에서 언급된 주요 누설원에 따라 누설 전자파의 특성이 결정된다.</p>
|
[
"화면해상도 \\( 1,024 \\times 768 \\일 때 수직 동기 주파수는 몇인가?",
"화면 변수 \\( y_{d} \\)는 무엇을 뜻해?",
"화면해상도 \\( 1,024 \\times 768 \\일 때 수직 동기 주파수는 몇인가?",
"화면 변수 \\( x_{t} \\)는 무엇을 뜻해?",
"화면 변수 \\( y_{t} \\)는 무엇을 뜻해?",
"시간 변수 \\( f_{v} \\)는 무엇을 뜻해?",
"모니터의 메인보드는 어떻게 일을 하는가?",
"시간 변수 \\( f_{p} \\)는 무엇을 뜻해?",
"시간 변수 \\( f_{h} \\)는 무엇을 뜻해?",
"화면 변수 \\( x_{d} \\)는 무엇을 뜻해?",
"디스플레이 패널은 어떻게 일을 처리하는가?"
] |
d2f90f40-fff4-40a8-818f-77a4dc66b89f
|
인공물ED
|
다중모드 회로망 분석을 이용한 광대역 혼안테나의 효율적인
|
<h1>요 약</h1><p>본 논문에서는 다중대역 렉테나가 장착된 RF 에너지 수집 시스템의 성능 확인에 사용되는 광대역 이중리지 혼안테나를 다중모드 회로망 분석을 이용하여 효율적으로 설계하는 방법을 제안하고 있다. 다중모드 회로망 분석을 이용하여 천이장치와 혼에 대한 각각의 고차모드 산란 파라미터를 얻어 설계에 적용하였다. 그 결과 기존 방법에 비해 계산시간이 많이 단축되었으며 안테나의 정재파비를 계산한 결과 전자기장 해석을 적용한 것과 거의 유사하였으며, 측정치와 높은 일치도를 보였다. 설계된 광대역 혼 안테나는 \( 660 \sim 6360 \mathrm{MHz} \) 대역폭과 \( 6 \sim 13.7 \mathrm{dBi} \)의 최대방사 이득을 가진다.</p><h1>1. 서론</h1><p>서론최근 에너지 자원의 고갈과 지구 온난화 문제가 심각히 대두되면서 에너지 재생에 관한 연구가 활발히진행되고 있다. 그중 RF(Radio Frequency)를 이용한 에너지 재생기술 연구는 원거리에서 에너지 전송을 위한 렉테나 설계에서 시작된다. 현재 다양한 이동통신 서비스의 발달로 많은 기지국과 중계국이 설치되어 있으며 우수한 통신 품질을 제공하기 위하여 거의 빈틈없는 커퍼리지로 구성되어 있다. 그러므로 사용자들이 생활하는 공간에는 항상 사용하고 남는 RF 에너지가 존재하게 된다. 이와 때를 같이하여 소비전력이 매우 낮고 대기시간이 긴 초소형 센서를 이용한 센서 네트워크가 출현하면서 센서의 에너지원을 자체적으로 해결할 수 있는 이른바 autonomoussensor network에 대한 연구가 활발히 진행되고 있고 공간상의 RF 에너지를 재생하는 기술에 대해 관심을갖기 시작하였다</p><p>그러나 공간상의 RF 에너지 전력밀도는 휴대폰 대역의 경우 \( 0.3 \mathrm{uW} / \mathrm{cm}^{2} \) 로 매우 낮다. 따라서 다중대역 또는 광대역에 대한 RF 에너지를 수집하는 기술이 필요하고 이에 따른 렉테나(수신체)의 수신 성능을 측정하기 위한 광대역 안테나가 필요하다. 그중 혼 안테나는 일반적인 안테나 측정이나 통신에서 전자기 에너지를 송수신 하는데많이 사용되고 간단한 구조를 가지고 있으면서 좋은 지향성과 효율을 가지는 안테나이므로 각종 안테나 성능 측정에 많이 사용된다. 한편 측정 대상 안테나가 다중대역 혹은 광대역 특성을 가지는 경우 혼 안테나 역시 광대역 특성을 가져야 하는데 사용 주파수대역폭을 증가시키기 위하여 피라미드 혼 안테나의 내부에 급전부에서 개구면 방향으로 리지(ridge)를 추가한다. 그러면 도파관의 기저모드(dominant mode)에대한 차단 주파수(cutoff frequency)가 낮아지고 기저모드와 고차모드(higher mode)간의 대역폭이 증가하는 결과를 가진다</p><p>광대역 혼 안테나는 동축케이블-도파관 천이장치(coaxial-to-waveguide transition)와 혼(horn)으로 구성되는데 안테나를 설계하고 해석하기 위해서 FEM(Finite Element Method) 혹은 MOM(Method ofMoment)등의 수치해석법을 적용한다. 또한 최적의 설계 파라미터들을 추출하기 위하여 반복적인 해석이 필요한데, 대부분의 경우 안테나 전체를 모델링하여 계산하므로 대형 구조물내에 동축케이블-도파관 천이장치와 같이 작고 복잡한 구조가 혼재되어 있어 해석영역 분할이 어렵고 분할된 요소의 갯수가 많은 관계로 긴 계산 시간이 필요하지만 효율적인 설계방법을 제시한 연구결과는 거의 없다. 따라서 본 논문에서는 다중모드를 이용한 회로망 분석법을사용하여 반복적인 계산이 많이 필요한 광대역 이중리지 혼 안테나를 효율적으로 해석하는 방법을 제안하고자 한다.</p>
|
[
"RF 에너지 수집 시스템에는 무엇이 장착되어 있어?",
"본 논문에서 RF 에너지 수집 시스템의 성능 확인에 사용되는 광대역 이중리지 혼안테나를 어떤 분석을 통해 효율적으로 설계하는 방법을 제안하고 있어?",
"다중모드 회로망 분석을 이용하여 천이장치와 혼에 대한 어떤 값을 측정하여 설계에 적용해?",
"다중모드 회로망 분석을 통해 혼과 함께 각각의 고차모드 산란 파라미터를 얻어 설계에 적용되는 장치는 뭐야?",
"설계된 광대역 혼 안테나에서 \\( 6 \\sim 13.7 \\mathrm{dBi} \\)의 값을 나타내는 것은 무엇이야?",
"설계된 광대역 혼 안테나의 대역폭값은 얼마야?",
"원거리에서 에너지 전송을 위해 에너지 재생기술에 이용되고 있는 것은 뭐야?",
"다양한 이동통신 서비스의 발달로 인해 어떤 것들이 많이 설치되어 있어?",
"기지국과 중계국이 거의 빈틈없는 커퍼리지로 구성되어 있는 이유가 뭐야?",
"소비전력이 매우 낮고 대기시간이 긴 초소형 센서를 이용하여 센서의 에너지원을 자체적으로 해결할 수 있는 센서 네트워크를 무엇이라고 지칭해?",
"많은 기지국과 중계국이 거의 빈틈없는 커퍼리지로 설치되어 있어서 사용자들이 생활하는 공간에 항상 사용하고 남는 에너지는 무엇이야?",
"일반적인 안테나 측정이나 통신에서 전자기 에너지를 송수신 하는데 많이 사용되는 안테타의 종류는 무엇이야?",
"혼 안테나는 어떤 특징을 가지고 있기 때문에 각종 안테나 성능 측정에 많이 사용되고 있어?",
"측정 대상 안테나가 어떤 특성을 가질 경우 혼 안테나가 광대역 특성을 가져야 해?",
"혼 안테나의 사용 주파수대역폭을 증가시키기 위하여 혼 안테나의 내부에 무엇을 추가해?",
"동축케이블-도파관 천이장치와 혼으로 구성된 안테나의 종류는 무엇이야?",
"안테나를 설계하고 해석하기 위해 적용하는 수치해석법의 예시는 어떤 것이 있어?",
"FEM(Finite Element Method) 혹은 MOM(Method ofMoment)등의 수치해석법은 무엇에 활용돼?",
"최적의 설계 파라미터들을 추출하기 위해 무엇이 필요해?",
"동축케이블-도파관 천이장치와 같이 작고 복잡한 구조가 혼재되어 있어 무엇이 어려워?",
"동축케이블-도파관 천이장치와 같이 작고 복잡한 구조는 어디에 혼재되어 있어?",
"본 논문에서 광대역 이중리지 혼 안테나를 효율적으로 해석하는 데 무엇을 사용했어?",
"본 논문에서 RF 에너지 수집 시스템의 성능을 확인하기 위해서 무엇을 사용해?",
"렉테나의 수신 성능을 측정하기 위한 장치는 무엇이야?",
"휴대폰 대역의 경우 공간상의 RF 에너지 전력밀도 값은 얼마야?",
"다중모드 회로망 분석을 이용하여 천이장치와 혼에대한 각각의 고차모드 산란 파라미터를 얻어 설계에 적용한 결과 기존 방법에 비해 무엇이 개선되었어?",
"에너지 재생에 관한 연구가 활발히 진행되고 있는 이유가 뭐야?",
"혼 안테나의 내부에 리지를 추가하는 이유가 뭐야?",
"사용 주파수대역폭을 증가시키기 위하여 피라미드 혼 안테나의 내부에 어떤 방향으로 리지를 추가해?",
"혼 안테나의 내부에 급전부에서 개구면 방향으로 리지를 추가하면 증가하는 결과값은 뭐야?",
"안테나의 정재파비를 계산한 결과에서 천이장치와 혼에 대한 각각의 고차모드 산란 파라미터를 얻어 설계에 적용한 것과 전자기장 해석을 적용한 것은 결과값이 비슷했어?",
"휴대폰 대역의 경우 공간상의 RF 에너지 전력밀도는 매우 높아?",
"혼 안테나는 낮은 지향성과 효율을 가지지만 간단한 구조로 인해 각종 안테나 성능 측정에 많이 사용되고 있어?",
"대부분의 설계방법은 안테나 일부를 모델링하여 계산해?",
"혼 안테나의 내부에 급전부에서 개구면 방향으로 리지를 추가하면 도파관의 기저모드에 대한 차단 주파수가 높아져?",
"안테나 전체를 모델링하여 계산할 때 계산시간을 단축시킨 설계방법을 제시한 연구는 많이 있어?",
"광대역 이중리지 혼 안테나는 많은 계산이 필요해?"
] |
caef6d99-c4c7-4a22-b1fd-58e99dc83c50
|
인공물ED
|
다중모드 회로망 분석을 이용한 광대역 혼안테나의 효율적인
|
<h1>III 결론</h1><p>본 논문에서는 다중모드 회로망 분석을 이용한 광대역 이중리지 혼 안테나의 효율적인 설계법을 제안하였다. 제안한 해석방법은 천이장치와 혼에 대한 각각의 고차모드 산란 파라미터들을 추출하여 회로망분석을 함으로써 설계시간을 많이 줄일 수 있었다. 또한, 전자기 시뮬레이션과 시험을 통하여 정확성과 효율성을 입증하였으며 대역폭이 \( 660-6360 \mathrm{MHz} \), 이득은 \( 6-13 \mathrm{dBi} \)를 가지는 광대역 안테나를 설계하고 성능을 확인하였다. 따라서 본 논문의 해석방법을 사용하여 다양한 대역의 광대역 안테나 설계에 적용 할수 있을 것으로 판단되고 RF 에너지 수집 시스템에 사용되는 다중대역 렉테나 성능 평가에 유용할 것으로 판단된다.</p>
|
[
"전자기 시뮬레이션과 시험을 통하여 입증한 것은 무엇인가?",
"설계시간을 많이 줄일 수 있었던 이유는 무엇인가?",
"본 논문에서는 무엇을 제안하였는가?",
"본 논문의 해석방법을 사용하였을때 나타나는 기대는 무엇인가?",
"RF 에너지 수집 시스템에 사용되는 다중대역 렉테나 성능 평가에 유용할 것으로 판단된다."
] |
eaf293e8-d123-4439-9af1-a20128e2ad58
|
인공물ED
|
다중모드 회로망 분석을 이용한 광대역 혼안테나의 효율적인
|
<h1>II. 본론</h1><h2>1. 광대역 혼 안테나 설계</h2><p>광대역 혼 안테나는 동축케이블-도파관 천이장치와혼으로 구성된다. 혼 내부의 리지는 기저모드의 차단주파수 이상에서 우수한 임피던스 정합을 위해 지수 임피던스 변환(exponential impedancetransformation)을 이용하여 설계한다. 또한 적절한 방사이득과 빔폭을 얻기 위해 혼의 길이와 개구면의 크기를 몇 차례 반복 계산한다. 이중 리지 혼 안테나의 광대역 특성을 위해서는 동축케이블-도파관 천이장치가 매우 중요한데 혼에 비해 설계가 어렵고 최적화를 위해 수 많은 반복 계산이 필요하다. 그러므로 안테나 구성요소 별로 산란 파라미터들을 추출하여 반복 계산이 많이 필요한 천이장치를 안테나 전체 해석에서 분리한다면 불필요한 계산 시간을 줄일 수 있다.</p><p>동축케이블의 끝단에 위치한 P ort 1_t은 천이장치의 입력을 나타내고 Port 2_t는 천이장치의 개방된 개구면으로 혼과 연결되는 면을 표시하고 있다. Port1_t을 통과한 TEM 모드는 동축 케이블을 따라 진행하여 도파관의 상하에 장착된 리지로 전파된다. 전파된 TEM 모드는 리지간 작은 틈(gap)으로 전압을 유기 시키고 기저모드(TE10)와 고차모드들로 모드변환이 이루어 진다. 변환된 모드들은 상하 리지의 공극을 따라서 +z방향으로 전파되는데 혼 내부의 테이퍼모양 리지를 따라 임피던스 정합을 이루면서 개구면에서 방사된다. 혼의 좌우에 있는 다섯개의 금속 기둥은 금속면 대신에 사용한 것으로 대부분의 에너지가 상하 리지간에 집중되므로 혼의 양쪽을 금속면 대신에 원형기둥으로 적용하여 동일한 효과를 갖도록 하였으며 사용 대역폭 내에서 발생하는 고차모드가 개구면의 중앙으로 방사되지 않고 좌우로 빠져 나가도록 하여 수평면(H-plane) 상의 방사패턴이 갑자기 넓어지는 현상을 막을 수 있다.</p><p>그림 4는 동축케이블-도파관 천이장치와 혼의 다중모드에 대한 연결도를 보여주고 있다. 동작 주파수대역에서는 하나의 기저모드(TE10)와 세개의 고차모드(TE11, TE30, TE32)가 출현한다. 따라서 천이장치의 산란 파라미터는 동축 케이블에서 입력되는 한개의 입력모드(TEM 모드)와 모드변환으로 발생한 네개의 출력모드(TE10, TE11, TE30, TE32)로 구성된 다섯 개의 포트로 구성된다. 천이장치에서 출력된 네개의 모드들은 혼의 입력모드가 되므로 혼의 산란 파라미터들은 네개의 포트로 구성된다. 천이장치와 혼의산란 파라미터들은 앞서 설명한 바와 같이 전자기 및회로 시뮬레이터를 이용하여 특성을 분석하였다.그림 4에서 중앙의 박스는 천이장치의 산란 파라미터를 나타내고 오른쪽 박스는 혼의 산란 파라미터를 나타낸다</p><p>그림 5에서는 전자기 시뮬레이터를 사용하여 광대역 안테나 전체를 계산한 결과와 본 논문에서 제안한 다중 모드 회로 시뮬레이션 결과를 비교하였다. 그림에서와 같이 다중 모드 회로망 분석결과와 전자기 시뮬레이션의 반사손실 결과가 매우 흡사함을 알 수 있다. 따라서 이와 같은 방법을 적용할 경우 동일한 계산환경에서 표 2와 같이 해석시간이 매우 단축될 뿐만 아니라 그림 6과 같이 천이장치와 혼이 연결될 면의 위치를 산란 파라미터에 대한 de-embedding을 사용하여 천이장치와 혼을 연결하는 Port2 \( t \) 의 위치와 길이 \( \left(T_{-}\right) \)을 임의로 조절하여 안테나 설계를 최적화할 수 있는 장점을 가진다.</p><table border><caption>해석시간 비교</caption><tbody><tr><td>해석대상</td><td>분할요소수(개)</td><td>해석시간</td><td>비고</td></tr><tr><td>안테나 전체(혼+천이장치)</td><td>8,229,793</td><td>59분44초</td><td>기존방법</td></tr><tr><td>안테나 부분(혼)</td><td>7,021,140</td><td>42분40초</td><td>-</td></tr><tr><td>안테나 부분(천이장치)</td><td>40,560</td><td>2분44초</td><td>-</td></tr><tr><td>안테나 전체(천이장치만 수정설계한 경우)</td><td>40,560</td><td>2분47초</td><td>제안방법</td></tr><tr><td>안테나 전체(de-embedding)</td><td>-</td><td>3초</td><td>제안방법</td></tr></tbody></table><p>그림 8 에서와 갈이 제안한 광대역 안테나는 660~ \( 6360 \mathrm{MHz} \) 의 광대역 특성과 \( 6 \sim 13.7 \mathrm{dBi} \) 의 방사이득을 가진다. \( 1000 \mathrm{MHz} \) 에서 \( 3000 \mathrm{MHz} \) 까지와 \( 6000 \mathrm{MHz} \)이상에서 계산치와 측정치가 다른 이유는 여러개의 금속도체와 복잡한 천이장치를 제작하는 과정에서 발생한 것으로 추정되며 리지간의 간격이 대역폭와 임피던스 정합에 매우 민감한 파라미터가 됨을 간접적으로 알수 있다. 그 결과 해당 주파수 구간에서 측정된 방사이득이 계산값보다 낮았다. 또한 \( 5 \mathrm{GHz} \) 대역에서 이득이 줄어드는 것을 볼수 있는데 이는 앞서 언급한 바와 같이 고차모드(TE32) 발생으로 인한 빔폭의 일시적인 증가에 따른 이득의 감소로 풀이된다.</p><p>그림 9는 H 평면(x-z 평면)과 E 평면(x-y 평면)상에서 반전력 빔폭(HPBW, half power beam width)를 결과를 보여주고 있다. 측정치와 계산치가 거의 비슷함을 알수 있고 고차모드의 영향으로 인한 빔폭의 변화를 살펴볼 수 있는데, H-plane에서는 5.8GHz에서 TE32모드가 발생하고 E-plane에서는 3.2GHz와 4.9GHz에서 TE11과 TE30모드가 각각 발생하여 빔폭이 급격히 증가하였다. 이는 발생된 고차모드들이 혼안테나 측면으로 완전히 분산되지 않고 개구면의 중심으로 진행하면서 발생한 결과로 해석된다.</p>
|
[
"표의 5개의 방법 중 해석시간이 가장 많이 걸린 방법은 무엇인가?",
"광대역 혼 안테나는 무엇으로 구성되었어?",
"혼 내부의 리지는 우수한 임피던스 정합을 위해 무엇을 이용하는가?",
"적절한 방사이득과 빔폭을 얻기 위해 무엇을 계산해?",
"이중 리지 혼 안테나의 광대역 특성을 위해서는 수많은 반복 계산이 필요한데 무엇때문인가?",
"천이장치의 불필요한 계산 시간을 줄이기 위해 무엇이 필요한가?",
"동축케이블의 끝단에 위치한 것은 무엇인가?",
"P ort 1_t는 무엇을 나타내는가?",
"P ort 2_t는 무엇을 표시하는가?",
"TEM 모드는 어디로 전파되는가?",
"TEM 모드는 전압 유기를 어디로 시키는 가?",
"TEM 모드는 어떤 모드로 변환이 이루어지는가?",
"변환된 모드는 어디로 전파되는가?",
"그림 4는 무엇을 보여주는가?",
"기저모드와 세개의 고차모드가 출현하는 주파수는 어디인가?",
"동축 케이블에서 모드변환으로 발생한 출력모드는 네가지는 뭐야?",
"혼의 산란 파라미터는 몇 개의 포트로 되어 있어?",
"안테나 혼 부분은 해석시간은 얼마나 걸리는 가?",
"안테나 전체의 해석시간은 얼마나 걸리는가?",
"천이장치의 해석시간은 얼마나 걸리는가?",
"천이 장치를 수정설계했을때 해석은 4분 정도 걸리는가?",
"안테나 전체의 분할 요소수는 몇인가?",
"혼의 분할 요소수는 몇 개인가?",
"안테나 부분의 천이장치의 분할 요소수는 몇 개인가?",
"동축 케이블에 입력되는 입력 모드는 뭐야?",
"천이장치와 혼의산란 파라미터들은 무엇을 이용해서 특성을 분석했어?",
"그림 4에서 중앙박스는 뭐를 나타내?",
"그림 4에 오른쪽 박스는 뭐야?",
"그림 5에서 어떤 결과들을 서로 비교 하였어?",
"그림 6은 안테나 설계를 최적화하기 위해 무엇을 사용했어?",
"그림 8 에서 광대역 안테나는 몇 \\( \\mathrm{MHz} \\야?",
"그림 8 에서 몇 \\( \\mathrm{dBi} \\)인가?",
"그림 8에서 계산치는 뭐야?",
"그림 8에서 측정치는 몇 \\( \\mathrm{MHz} \\)인가?",
"그림 8에서 계산치와 측정치가 다른 이유가 어디서 발생했어?",
"왜 \\( 5 \\mathrm{GHz} \\)대역에서 이득이 줄어드는가?",
"그림 9에서 측정치와 계산치가 거의 비슷한가?",
"H-plane에서는 몇 GHz에서 어떤 모드가 발생하는가?",
"E-plane에서는 빔폭이 증가하였는가?",
"고차모드는 개구면 중심으로 진행되었는가?",
"표에서 다섯개의 해석대상 중 분할 요소수의 갯수가 적고 해석시간이 가장 짧게 걸리는 것은 어떤 해석대상인가?",
"표에서 안테나 전체 혼이와 천이장치 해석대상은 어떤 방법을 썼는가?",
"제안 방법을 쓴 해석 대상 중 해석시간이 3초가 걸린 대상은 무엇인가?"
] |
105b5387-1558-47a1-bb1d-8493ccb761cc
|
인공물ED
|
유전자 알고리즘을 이용한 다중 레이더 펄스열 분리
|
<h1>Ⅳ. 실험 및 결과</h1> <p>제안한 레이더 펄스열 탐지기법의 성능 평가는 컴퓨터상에서 모의된 신호와 해상에서 수집한 실제 레이더 신호에 대해 수행하였다.<표 1>은 실험에 사용한 신호제원으로서 누락 및 잡음신호는 균일 확률분포를 따르도록 모델링하였으며, 고배율과 돌연변이율은 각각 \( 5 \% \)로 설정하였다. SDIF 기법의 실험시에 사용한 유효 펄스의 최소 개수는 12개로, 펄스열 추출시에 사용된 탐색범위는 고유 PRI의 \( 10 \% \)로 설정하였다. 또한 CWT 기법이 경우에는 \( \mathrm{T} \)는 \( 0.2, \mathrm{~W} \)는 12로 설정하여 실험하였다. 고유 PRI가 273, 355 인 고정 펄스열은 각각 265, 310의 변경 PRI 펄스열의 변경폭 이내에 존재하도록 모의하여 실제 전자전 신호환경에서 일어나는 탐지 모호성이 발생하도록 하였다.</p> <table border><caption>표 1. 실험신호 제원</caption> <tbody><tr><td rowspan=2>번 호</td><td colspan=2>고유 PRI[\( \mathrm{us} \)]</td><td rowspan=2>누락 (\(\%\))</td><td rowspan=2>잡음 (\(\%\))</td></tr><tr><td>고정</td><td>변경(율\(\%\))</td></tr><tr><td>1</td><td>100,273,355</td><td>-</td><td>0</td><td>0</td></tr><tr><td>2</td><td>-</td><td>83(10),265(15),310(20)</td><td>0</td><td>0</td></tr><tr><td>3</td><td>100,273,355</td><td>83(10),265(15),310(20)</td><td>5</td><td>5</td></tr><tr><td>4</td><td>100,273,355</td><td>83(10),265(15),310(20)</td><td>10</td><td>10</td></tr><tr><td>5</td><td>100,273,356</td><td>83(10),265(15),310(20)</td><td>20</td><td>20</td></tr><tr><td>6</td><td>440,980</td><td>660(10),850(7)</td><td colspan=2>해상신호</td></tr></tbody></table> <p>고정 펄스열로만 구성된 신호 1은 누락 및 잡음이 없는 이상적인 신호로서<그림 7>에서 비고한 바와 같이 SDIF, CWT, 제안한 기법 모두에서 정확한 고유 PRI를 탐지하였다.</p> <p>신호 3, 4, 5는 고정 및 변경 PRI 펄스열에 잡음과 신호누락을 달리하여 조합한 모의 신호이다.<그림 8>은 신호 3을 이용한 각 기법별 실험결과이다. 기존의 방법에서는 저하된 신호 연속성으로 인해 히스토그램 및 CWT 탐지함수가 실제입력의 특성을 모두 반영하지 못하고 있음을 확인할 수 있다. 또한 적응적 임계치 함수의 설정이 곤란하여 다중위협 신호의 고유 PRI 탐지에 실패한 경우이다. 그러나<그림 8(c)>의 제안한 기법 결과에서는 활동 위협신호에 대한 고유 PRI를 염색체 값으로 하는 4종의 그룹을 형성하면서 정확한 펄스열 탐지가 이루어졌다.</p> <p>잡음과 신호누락을 \( 10 \% \)씩 모의한 신호 4에 대한 탐지결과를 각 기법별로 나타낸<그림 9>로부터 제안한 기법은 기존의 방법에 비해 각 펄스열에 대한 고유 PRI와 탐지 PRI가 일치하여 탐지되었음을 확인할 수 있다.</p> <p>실제 레이더 신호인 신호 6에 제안한 기법을 적용하였을 때 각 세대별로 염색체 값이 변화하는 과정을<그림 10>에서 나타내었다. 신호 6의 진화 세대수는 4로서 초기 염색체로부터 점차 4종의 고유 PRI값으로 수렴된 염색체 그룹이 형성되었다.</p> <p>기존의 펄스열 탐지기법과 제안한 알고리즘을 이용한 실험결과를 정리한<표 2>는 30회의 독립실험을 수행하여 \( 90 \% \) (27회)이상 탐지된 PRI의 평균치를 나타내는데, 이로부터 GA의 최적화 절차를 사용한 제안한 기법은 기존의 방법에 비해 활동 레이더 개수 및 개별 고유 PRI의 탐지 성능 측면에서 정확한 펄스열 탐지를 수행하고 잡음 및 신호 누락이 발생한 경우에 있어서도 안정적 탐지성능을 나타냄을 확인할 수 있다.</p> <table border><caption>표 2. 기법별 펄스열 탐지 결과</caption> <tbody><tr><td rowspan=2>번 호</td><td colspan=3>탐지 PRL [\( \mathrm{us} \)]</td></tr><tr><td>SDIF</td><td>CWT</td><td>제안[종료세대]</td></tr><tr><td>1</td><td>100,273,355</td><td>100,273,356</td><td>100,273,355[4]</td></tr><tr><td>2</td><td>-</td><td>83,266,311</td><td>83,265,310[3]</td></tr><tr><td>3</td><td>100</td><td>83,100,270</td><td>83,100,265,273, 310,355[8]</td></tr><tr><td>4</td><td>100</td><td>83,265,300</td><td>83,100,265, 273,311,355[12]</td></tr><tr><td>5</td><td>-</td><td>83</td><td>83,100,273,355[14]</td></tr><tr><td>6</td><td>439,980</td><td>440,662,857</td><td>439,661,856,980[3]</td></tr></tbody></table>
|
[
"고유 PRI 고정값이 100,273,355이고, 누락값이 0인 번호는 무엇이지?",
"SDIF 기법에서 번호 3의 탐지 PRL 값은 표 2에서 얼마야?",
"번호 6은 펄스열 탐지 결과를 보여주는 표에서 제안 기법에 대한 탐지 PRL 값이 얼마예요?",
"제안한 레이더 펄스열 탐지기법 성능 평가를 할 때, SDIF 기법은 어떻게 진행하였는가?",
"실험할 때 기법 SDIF를 어떻게 하였습니까?",
"제안한 레이더 펄스열 탐지기법 성능 평가를 할 때, CWT 기법은 어떻게 진행하였는가?",
"기법 CWT는 어떻게 해서 실험 진행을 했어?",
"탐지 모호성 발생은 어떻게 하여 실제 신호환경에서 일어나는지 확인하였어?",
"(1, 2, 3, 4, 5, 6) 는 각 신호의 무엇을 나타내는가?",
"고유 PRI에 대한 고정값 중 신호 5번의 값은 얼마인가?",
"신호 3의 고유 PRI값은 얼마로 고정되어 있는가?",
"얼마의 고유 PRI 고정값을 번호 3이 가집니까?",
"해당 표에서 얼마의 고유 PRI 값이 번호 6에서 측정되었지?",
"SDIF 기법의 값 중에 가장 큰 값은 얼마야?",
"번호 3의 누락값은 얼마의 결과를 보여줍니까?",
"실험신호 제원표에서 신호 2의 신호 잡음은 얼마인가?",
"번호 1의 고정 고유 PRI 값은 얼마입니까?",
"표 1에서 번호 3의 잡음 값은 얼마의 결과를 보여주니?",
"번호 5는 실험신호 제원 표에서 얼마의 잡음 값이야?",
"표 1에서 번호 4는 얼마의 고정 고유 PRI 값을 보여줍니까?",
"SDIF 값 중에 가장 큰 값을 가지는 번호는 무엇이지?",
"기법별 펄스열 탐지 결과표에서 CWT 기법을 사용한 번호 1의 탐지 PRL 값은 얼마입니까?",
"펄스열 탐지 결과 표 1에서 번호 4는 제안 기법에 대한 탐지 PRL 값이 얼마지?",
"번호 3은 기법별 펄스열 탐지 결과를 보여주는 표에서 CWT 기법을 사용한 탐지 PRL 값이 얼마입니까?",
"번호 1은 탐지 결과 표 1에서 제안 기법을 사용한 탐지 PRL 값이 얼마로 측정되었어?",
"SDIF 기법에서 번호 1의 탐지 PRL 값은 얼마야?",
"탐지 결과 표 1에서 번호 2는 제안 기법을 사용한 탐지 PRL 값이 얼마입니까?",
"번호 6은 탐지 결과 표 1에서 CWT 기법을 사용한 탐지 PRL 값이 얼마로 측정되었어?",
"기법별 펄스열 탐지 결과를 보여주는 표에서 CWT 기법을 사용한 번호 2의 탐지 PRL 값은 얼마입니까?",
"펄스열 탐지 결과를 보여주는 표에서 번호 5는 제안 기법에 대한 탐지 PRL 값이 얼마지?",
"번호 5는 탐지 결과표에서 CWT 기법을 사용한 탐지 PRL 값이 얼마야?",
"표에서 CWT기법의 값 중에 가장 큰 값은 얼마야?",
"펄스열 탐지 결과 표 1에서 번호 3은 제안 기법을 사용한 탐지 PRL 값이 얼마지?",
"번호 4는 기법별 펄스열 탐지 결과표에서 CWT 기법을 사용한 탐지 PRL 값이 얼마야?",
"SDIF 기법에서 번호 6의 탐지 PRL 값은 결과 표에서 얼마야?",
"표에서 SDIF 기법을 사용한 번호 4의 탐지 PRL 값은 얼마입니까?",
"PRI를 탐지하여 평균치를 보여주는 표 2에 어떻게 해서 실험 결과를 정리한 거야?",
"신호 3을 이용한 실험결과에서 기존 방법을 사용시 결과가 어떻게 나왔는가?",
"틀림없는 펄스열 탐지는 그림과 같이 제안한 기법 결과에서 어떻게 한 거야?",
"그림에서 보여주는 실험에서 제안한 기법은 어떻게 하여 탐지되었지?",
"실험에서 제안한 기법을 신호 6에 적용했을 때 어떻게 하는 과정을 그림에 담았지?",
"고유 고정값은 갖지 못하는 신호는 몇 번인가?",
"표 1에서 누락값 중에 가장 큰 값은 얼마야?",
"누락과 잡음값이 5인 번호는 무엇이지?",
"해당 표에서 잡음값이 10인 신호는 무엇인가?",
"어떤 신호의 잡음 비율이 10%인가?",
"실험신호 제원 결과에서 3 번의 고유 PRI 변경값은 얼마야?",
"번호 1은 얼마의 누락값을 가집니까?",
"실험신호 제원 결과 표에서 6 번의 고유 PRI 변경값은 얼마입니까?",
"신호 2의 교유 PRI 변경(율\\(\\%\\))의 값은 얼마인가?",
"2 번의 고유 PRI 변경값은 얼마야?",
"실험신호 제원 표에서 잡음값 중에 가장 큰 값은 얼마입니까?",
"실험 신호 중 잡음이 가장 많이 탐지된 신호의 잡음은 몇 %인가?",
"번호 5는 실험신호 제원 표에서 얼마의 누락 값 결과를 보여?",
"표 1에서 번호 4는 얼마의 잡음 값 결과를 보여주니?",
"신호 2의 신호누락값은 얼마인가?",
"실험신호 제원표에서 신호 2의 신호누락값은 몇 %인가?",
"실험신호 제원 표에서 번호 4는 얼마의 누락 값 결과를 보여?",
"결과 표에서 번호 1은 얼마의 잡음값을 가집니까?"
] |
6aaab0da-e958-4030-a599-4d9d51872369
|
인공물ED
|
수직 배열된 원전 케이블 트레이 내부 누설전류에 의한 전자파 장해 분석
|
<h1>Ⅲ. 모드정합 해석결과</h1> <p>전자파해석에 있어 모드정합법의 장점은 무한대의 모드 합으로 표현된 각 영역의 전자계를 수렴성에 근거하여 제한된 모드의 합으로 표현 가능하며, 이를 통해 높은 계산 효율성을 확보할 수 있다는 것이다. 따라서 모드정합 해석결과에 대한 수렴성 확인은 다른 후속 연구결과를 도출하기에 앞서서 사전 검증용으로 선행되어야 한다. 본 연구에서는 모드정합 해석결과에 대한 수렴성을 특정점 \( P_{n}(x_{o}, z_{o}) \)에서 도출한 전계의 상대 오차율 \( (\eta_{n}) \) 로 확인하였으며, 세부영역 \( n \) 에서의 상대 오차율은 식 (14)와 같이 표현된다.</p> <p>\( \eta_{n}\left(x_{o}, z_{o}\right)=\left|\frac{\left.E_{y}^{n}\left(x_{o}, z_{o}\right)\right|_{M=\infty}-\left.E_{y}^{n}\left(x_{o}, z_{o}\right)\right|_{M=K}}{\left.E_{y}^{n}\left(x_{n}, z_{n}\right)\right|_{M=\infty}}\right| \times 100 \)<caption>(14)</caption></p> <p>여기서 \( x_{0} \)와 \( z_{0} \)는 세부영역 \( n \) 에 존재하는 특정점의 x축과 y축 좌표값이며, \( K=1,2,3, \cdots \)이다.</p> <p>또한, 이러한 수렴성에 근거하여 계산한 케이블 트레이의 전계분포를 상용 전자파해석 시뮬레이터로 도출한 전계분포와 비교하였다. 그림 2와 그림 3은 3개의 수직배열 케이블 트레이 중 맨 아래와 중간에 위치한 케이블 트레이 내부에 각각 \( 0.001 \mathrm{~A} / \mathrm{m}^{2} \) 의 누설전류가 존재할 경우\( \left(J_{1}=J_{2}=0.001 \mathrm{~A} / \mathrm{m}^{2}\right)\), 7개 위치 \(( P_{1} \sim P_{7} \)) 의 상대 오차율과 전계분포를 보여준다.</p> <p>그림 2에서 보는 것과 같이, 7개 특정점에서 모드정합법으로 계산한 상대 오차율은 약 \( 0 \% \) 에 가까운 값으로 수렴하였으며, 이는 각 영역의 전계를 무한급수 형태 (무한개의 모드)가 아닌 유한급수 형태(유한개의 모드)로 나타내어도 계산의 정확도가 보장되는 것을 의미한다. 따라서 계산의 정확도가 보장되는 유한개 모드를 이용하여 모드정합 해석을 수행할 경우, 상대적으로 짧은 시간에 비교적 정확한 계산 결과를 얻을 수 있다. 또한, 각 영역에서 고려할 수 있는 모드 개수는 각 영역의 크기에 의해서 결정되며, 이에 대한 상세한 분석내용은 참고문헌에 상세히 제시되어 있다.</p> <p>추가적인 검증을 위해서, 그림 2에서 확인한 모델을 상용 시뮬레이션 이용하여 해석하였으며, 이를 모드정합법 해석 결과와 함께 그림 3에 제시하였다. 그림 3(a)와 그림3(b)의 비교를 통해서 모드정합법 해석 결과가 상용 시뮬레이터의 해석 결과와 유사하다는 것을 확인할 수 있다. 따라서 모드정합법을 이용하여 수직으로 배열된 케이블 트레이가 있는 실내 전파환경을 해석할 경우, 상용 시뮬레이터와 유사한 수준의 해석 정확도로 전파환경을 예측 할 수 있음을 확인하였다.</p> <p>검증된 보드정합법을 활용하여 3개의 케이블 트레이 내부에 발생하는 전자파 장해원이 다양한 조합으로 존재할 경우를 전자기적으로 분석하였다. 각 케이블 트레이 내부의 전자파 장해원은 \( 0.001 \mathrm{~A} / \mathrm{m}^{2} \) 크기를 가지며, 케이블 트레이 내부 중앙\((Region F_{n} \) 중앙)에 존재할 수 있다고 가정하였다. 또한, 케이블 트레이 1~3 내부의 전자파 장해원은 표 1과 같은 6가지 경우가 가능하다고 가정하였다. 표 1에 제시된 6가지 경우를 적절하게 조합하고 비교하면, 개별 누설전류에 대한 전자파 영향성을 평가할 수 있다. 예를 들어 case 2와 4를 비교하거나, case 3과 5를 비교하면 케이블 트레이 1에서 발생한 누설전류에 의한 전자기적 영향을 평가할 수 있다. 유사하게 표 1의 case 1과 4를 비교하거나, case 3과 6을 비교하면 케이블 트레이 2에 발생한 누설전류에 의한 전자기적 영향을 확인할 수 있으며, case1 과 5를 비교하거나, case 2과 6을 비교하면 케이블 트레이 3에 발생한 누설전류에 의한 전자기적 영향을 확인할 수 있다</p> <p>그림 4는 3개의 케이블 트레이 중 1개의 케이블 트레이 내부 중앙에 전자파 장해원(누설전류)이 존재할 경우, 각 케이블 트레이 개구면 중앙점 \(( P_{1} \sim P_{3} \)) 에서 계산한 전계 세기를 보여준다. 그림 4(a) 그림 4(c)는 각각 표1 의 case 1,2,3에 대한 조사 결과이며, 이는 단독 누설전류로부터 발생한 전파가 수직으로 적층된 케이블 트레이에 미치는 전자기적 영향을 의미한다. 즉, 조사된 케이블 트레이 개구면 중앙점\(( P_{1} \sim P_{3} \)) 의 전계 세기가 크다는 것은 케이블 트레이 형상, 이격거리, 실내구조 등에 의해 산란된 전파가 케이블 트레이 내부에 전자기적으로 큰 영향을 미친다는 것을 의미한다.</p> <p>그림 4를 분석한 결과, 주어진 환경조건(케이블 트레이 형상, 이격거리, 실내구조 등)에서 케이블 트레이 개구면 중앙점 \( P_{1} \sim P_{3} \) 의 전계 세기는 전체적으로 주파수가 증가함에 따라 다소 상승하는 경향을 보였다. 또한, 표1 의 6가지 경우에 대해서 조사된 전계 세기를 비교 검토한 결과, 케이블 트레이 1,2,3의 누설전류는 각각 약 \( 3 \sim 5 \mathrm{GHz} \)대역, 약 \( 1.5 \sim 2 \mathrm{GHz} \) 대역, 약 \( 3.25 \sim 3.75 \mathrm{GHz} \) 대역에서 관찰점 \( P_{1} \sim P_{3} \)의 전계를 강하게 하는 것으로 분석되었다. 이러한 결과는 해당 주파수 대역에서 케이블 트레이 내부에 포설된 케이블들을 전자기적으로 보호하기 위한 차폐 대책이 필요하다는 것을 의미한다.</p> <caption>표 1. 3개 케이블 트레이 내부 전자파 장해원 조합</caption> <p>그림 5는 표 1의 case 1~3과 같이 전자파 장해원이 존재할 경우, 3개의 케이블 트레이와 양 측면 벽과의 거리 비\( \left(d_{2} / d_{1}\right) \)가 변화됨에 따른 관찰점 \( P_{1} \sim P_{3} \)의 \( 2 \mathrm{GHz} \) 전계 세기를 보여준다. 그림 5의 결과를 검토한 결과, 케이블 트레이 1~3에 각각 누설전류가 단독으로 발생하였을 때, 케이블 트레이와 양 측면의 비 \( \left(d_{2} / d_{1}\right) \) 가 1.75~2.15, 3.75~4.75, 6.5~6.75인 경우에 \( P_{1} \sim P_{3} \)의 전계 세기가 높아짐을 알 수 있었다. 따라서 분석된 환경조건에서 EMC 건전성을 확보하기 위해서는 케이블 트레이와 양 측면 벽과의 거리 비 \( \left(d_{2} / d_{1}\right) \) 가 1.75~2.15, 3.75~4.75, 6.5~6.75가 되지 않도록 해야 한다는 것을 알 수 있다.</p> <p>추가적으로 그림 5의 상세분석을 위해서, 케이블 트레이와 양 측면의 비가 2인 경우 \( (d_{2} / d_{1}=2) \) 에 대해서 전계분포를 조사하였으며, 이를 그림 6으로 나타내었다. 그림 6과 같이 전계분포의 형상은 케이블 트레이 내부 전자파 장해원(누설전류) 조합과 상관없이 서로 유사하였으나, 형성되는 전계분포의 세기가 케이블 트레이 내부 전자파 장해원에 따라 달라진다는 것을 확인할 수 있었다.</p>
|
[
"모드정합 해석결과에 관한 수렴성을 본 논문은 어떻게 검토할 수 있었는가?",
"비교적 단시간에 대조적 확실한 계산 결과를 가지기 위해서는 어떻게 해야하는가?",
"추가 확인 검증의 위해서 한 것은 무엇이지",
"더 보태는 나중에 확인을 위해 어떻게 했을까"
] |
f0023e4a-cd50-487a-9f54-4d2d4f24fe75
|
인공물ED
|
직교 주파수 분할 다중 접속 시스템 상향 전송에 알맞은 효율적인 반복 수신 기법
|
<h1>V. 모의실험</h1> <p>모의실험을 위하여 IEEE 802.16e 상향 전송 환경에서 O-PUSC 타일 구조를 기본으로 하였으며 1024 퓨리어 변환 크기를 선택하였으며 시간 동기와 주파수 동기는 정확하게 획득한다고 가정한다. (768,384)의 저밀도 패리티 검사 부호를 사용하였다. 초기 필터 단계에서 사용한 문턱 값은 다음과 같다. 다음으로 반복 채널 추정 단계에서 사용한 채널 상관관계의 문턱 값은 표 2 와 같다. 그림 5,6,7은 위의 조건하에서 \( 30 \mathrm{~km} / \mathrm{h}, 60 \mathrm{~km} / \mathrm{h} \),\( 120 \mathrm{~km} / \mathrm{h} \) 에 대한 성능이다. 'Perfect' 는 채널의 정보를 알고 있을 때의 성능이며 'Simple' 은 초기 필터 단계에서 파일럿 심볼에 의해 추정한 채널을 평균화하여 사용하였을 때의 성능이다. 'MMSE (ideal)'은 이상적인 위너 필터 계수를 사용하였을 때의 초기 필터 단계에서의 성능이며 'MMSE (proposed)' 는 제안한 초기 필터 구조를 사용하였을 때의 초기 필터링만을 수행한 성능이다. 'Iteration (Initail filter)'는 초기 필터 단계에서의 채널의 상간관계 및 SNR 추정이 비교적 정확하다고 가 정하고 반복단에서도 초기 필터에서의 채널 상관관계 및 SNR 추정치를 사용하여 위너 필터 계수를 선택하였 을 때의 성능이다. 'Iteration (Initial filter, No* 4) 는 'Iteration (Initial filter)'와 동일하며 단지 최대율 결합 과정에서 추정된 채널의 잡음을 근사화하여 사용하였 을 때의 성능이다. 'Iteration (Re-est)' 와 'Iteration (Re-est, No*4)'는 위의 두 경우와 반복단에서 다시 채널 추정 및 SNR 추정을 통해 위너 필터의 계수를 새로 선택하였을 때의 성능이다. \( 30 \mathrm{~km} / \mathrm{h} \) 의 경우 파일럿 심볼에 의해 추정된 채널을 평균화 하여 사용한 시스템의 경우 채널의 변화를 무시할 수 있기 때 문에 초기 필터만을 수행한 결과 중 가장 좋은 결과를 보여준다. 그러나 \( 60 \mathrm{~km} / \mathrm{h}, 120 \mathrm{~km} / \mathrm{h} \) 의 경우에서 알 수 있듯이 채널의 변화가 점점 빨라질 경우 각 파일럿 심볼이 겪는 채널을 모두 동일하다고 가정하기는 어렵기 때문에 그에 따른 성능 열화가 점점 심해지는 것을 확 인할 수 있다. 칼만 스무딩 필터의 경우 Forward와 Backward 과정에 따른 스무딩 효과를 고려한 것이며 본 논문에서 사용한 모의실험에서 시간축에 대하여 파일럿 심볼의 수는 4 개이다. 이로 인하여 칼만 스무딩 필터의 성능 열화가 심한 것으로 생각할 수 있다. 초기 필터 단계에서 제안한 필터 구조의 성능은 \( 30 \mathrm{~km} / \mathrm{h} \) 에서는 위너 필터의 성능보다 약간 나쁘지만 나머지 \( 60 \mathrm{~km} / \mathrm{h}, 120 \mathrm{~km} / \mathrm{h} \) 의 속도에 대해서는 이상적인 위너필터의 성능을 제외하고는 가장 좋은 성능을 보여주는 것을 확인할 수 있다. 또한 이를 바탕으로 한 반복 수신기의 성능은 각 속도 구간에 대해서 대략 \( 0.5 \mathrm{~dB} \) 정도의 성능 향상을 한 것을 볼 수 있으며 반복단에서 채널의 상관 관계 및 SNR을 재추정하여 필터의 계수를 다시 선택하는 것이 보다 성능을 보여주는 것을 확인할 수 있다.</p> <table border><caption>표 1. 초기 필터에서 사용한 문턱 값과 대표 속도</caption> <tbody><tr><td></td><td>\(0~30\mathrm{km}/\mathrm{h}\)</td><td>\(30\mathrm{km}/\mathrm{h}\sim 60\mathrm{km}/\mathrm{h}\)</td><td>\(60\mathrm{km}/\mathrm{h}\sim 90\mathrm{km}/\mathrm{h}\)</td><td>\(90\mathrm{km}/\mathrm{h}\sim 120\mathrm{km}/\mathrm{h}\)</td></tr><tr><td>Ref. Speed</td><td>\(15\mathrm{km}/\mathrm{ h}\)</td><td>\(45\mathrm{km}/\mathrm{ h}\)</td><td>\(75\mathrm{km}/\mathrm{ h}\)</td><td>\(105\mathrm{km}/\mathrm{ h}\)</td></tr><tr><td>Threshold</td><td>0.75</td><td>0.65</td><td>0.6</td><td></td></tr></tbody></table> <table border><caption>표 2. 반복 채널 추정 단계에서 사용한 문턱 값과 대표 속도</caption> <tbody><tr><td></td><td>\(0~30\mathrm{km}/\mathrm{h}\)</td><td>\(30\mathrm{km}/\mathrm{h}\sim 60\mathrm{km}/\mathrm{h}\)</td><td>\(60\mathrm{km}/\mathrm{h}\sim 90\mathrm{km}/\mathrm{h}\)</td><td>\(90\mathrm{km}/\mathrm{h}\sim 120\mathrm{km}/\mathrm{h}\)</td></tr><tr><td>Ref. Speed</td><td>\(15\mathrm{km}/\mathrm{ h}\)</td><td>\(45\mathrm{km}/\mathrm{ h}\)</td><td>\(75\mathrm{km}/\mathrm{ h}\)</td><td>\(105\mathrm{km}/\mathrm{ h}\)</td></tr><tr><td>Threshold</td><td>0.9</td><td>0.8</td><td>0.75</td><td></td></tr></tbody></table>
|
[
"60km/h∼960km/h의 경우 초기 필터에서 사용한 문턱 값이 0.6일 때 대표 속도는 얼마야?",
"모의실험을 위하여 어떤 부호를 사용했어??",
"'Iteration (Initial filter, No* 4)'의 성능은 어떻게 돼?",
"'Perfect' 의 성능은 어떻게 돼?",
"'MMSE (ideal)'의 성능은 어떻게 돼?",
"'Iteration (Initail filter)'의 성능은 어떻게 돼?",
"'MMSE (proposed)'의 성능은 어떻게 돼?",
"칼만 스무딩 필터의 경우 어떤 과정의 스무딩 효과를 고려했어?",
"채널의 상관 관계 및 SNR을 재추정하여 필터의 계수를 다시 선택하는 과정에서 무엇을 확인할 수 있어?",
"모의실험을 위하여 어떤 방법을 가정하였어?",
"'Simple' 의 성능은 어떻게 돼?",
"Forward와 Backward 과정에 따른 스무딩 효과를 고려할 때 칼만 스무딩 필터의 성능 열화가 어떻게 될 것으로 생각할 수 있어?",
"필터 구조의 성능이 초기 필터 단계인 30 km/h 에서는 위너 필터의 성능보다 약간 나쁘지만 어떤 과정에서 가장 좋은 성능을 보여줘?",
"30km/h∼60km/h의 경우 초기 필터에서 사용한 문턱 값이 0.65일 때 대표 속도는 얼마야?",
"'Iteration (Re-est)' 와 'Iteration (Re-est, No*4)'의 성능은 어떻게 돼?",
"30 km/h의 경우 초기 필터에서 사용한 문턱 값이 0.75일 때 대표 속도는 얼마야?",
"60 km/h,120 km/h 의 경우 어떻게 했기 때문에 성능 열화가 점점 심해지는 것을 확인할 수 있었어?",
"반복 수신기의 성능은 각 속도 구간에 대해서 어떻게 성능 향상을 했어?",
"30km/h ~ 60km/h의 경우 반복 채널 추정 단계에서 사용한 문턱 값이 0.8일 때 대표 속도는 얼마야?",
"60km/h ~ 90km/h의 경우 반복 채널 추정 단계에서 사용한 문턱 값이 0.75일 때 대표 속도는 얼마야?",
"30km/h의 경우 반복 채널 추정 단계에서 사용한 문턱 값이 0.9일 때 대표 속도는 얼마야?",
"\\( 30 \\mathrm{~km} / \\mathrm{h} \\) 의 경우 어떻게 했기 때문에 초기 필터만을 수행한 결과 중 가장 좋은 결과를 보여줬어?"
] |
eba1b438-4863-4da4-a4d3-4eee9884424a
|
인공물ED
|
능동소음제어를 위한 안정화된 퍼지 LMS 알고리즘
|
<h1>4. 컴퓨터 모의실험</h1> <p>본 연구에서는 제안한 알고리즘의 유용성을 보이기 위하여 그림 8과 같은 비정태 특성이 존재하는 고속철도 실내 소음을 녹음하여 소음원으로 하였고 제어대상 시스템을 1차원 음장 문제로 정하였다. 식 \( (5)^{\sim}(8) \)에서 보인 퍼지논리 추론식을 실시간으로 구현하려면 계산량 부담이 크기 때문에 이를 해소하기 위하여 퍼지 추론 결과를 표 2와 같이 Look-Up table로 만들어 적용하며 실질적으로 계산량은 크게 증가하지 않는다.</p> <table border><caption>표 2 Look-up 테이블로 표현된 수렴계수 결정규칙</caption> <tbody><tr><td>uc\uce</td><td>0.0</td><td>0.1</td><td>0.2</td><td>0.3</td><td>0.4</td><td>0.5</td><td>0.6</td><td>0.7</td><td>0.8</td><td>0.9</td></tr><tr><td>0.0</td><td>0.9999339</td><td>0.6673976</td><td>0.4474044</td><td>0.2528595</td><td>0.1954584</td><td>0.1067995</td><td>0.0798354</td><td>0.0569668</td><td>0.0328022</td><td>0.0002604</td></tr><tr><td>0.1</td><td>0.9999319</td><td>0.9661947</td><td>0.7147495</td><td>0.5264872</td><td>0.4298351</td><td>0.2552139</td><td>0.2337563</td><td>0.2107120</td><td>0.1768514</td><td>0.1067995</td></tr><tr><td>0.2</td><td>0.9999415</td><td>0.9999415</td><td>0.9331831</td><td>0.8620335</td><td>0.6984885</td><td>0.5396500</td><td>0.5115441</td><td>0.4771010</td><td>0.4144192</td><td>0.2642217</td></tr><tr><td>0.3</td><td>0.9999040</td><td>0.9999040</td><td>0.9999040</td><td>0.8995626</td><td>0.7824113</td><td>0.7656360</td><td>0.7323301</td><td>0.7217901</td><td>0.6670499</td><td>0.4837283</td></tr><tr><td>0.4</td><td>0.9999415</td><td>0.9999415</td><td>0.9999415</td><td>0.9290796</td><td>0.9331831</td><td>0.9134994</td><td>0.8620335</td><td>0.7912403</td><td>0.6984885</td><td>0.5563884</td></tr><tr><td>05</td><td>0.9999319</td><td>0.9999319</td><td>0.9999415</td><td>0.9999040</td><td>0.9999415</td><td>0.9661947</td><td>0.8995626</td><td>0.8258893</td><td>0.7310741</td><td>0.6673976</td></tr><tr><td>06</td><td>0.9999040</td><td>0.9999040</td><td>0.9999040</td><td>0.9999040</td><td>0.9999040</td><td>0.9626533</td><td>0.8995626</td><td>0.8258893</td><td>0.7824113</td><td>0.7824113</td></tr><tr><td>0.7</td><td>0.9999423</td><td>0.9999423</td><td>0.9999423</td><td>0.9999423</td><td>0.9999423</td><td>0.9589483</td><td>0.8908906</td><td>0.8642882</td><td>0.8642882</td><td>0.8642882</td></tr><tr><td>0.8</td><td>0.9999415</td><td>0.9999415</td><td>0.9999415</td><td>0.9999040</td><td>0.9999415</td><td>0.9649669</td><td>0.9290796</td><td>0.9224984</td><td>0.9331831</td><td>0.9331831</td></tr><tr><td>0.9</td><td>0.9999339</td><td>0.9999319</td><td>0.9999415</td><td>0.9999040</td><td>0.9999415</td><td>0.9999319</td><td>0.9999040</td><td>0.9999423</td><td>0.9999415</td><td>0.9999339</td></tr></tbody></table> <p>식(15) 와 표 3은 컴퓨터 모의실험을 위한 제어대상 시스템을 공조용 덕트로 하고 이를 모형화하였을 때의 전달 함수 및 공통 파라미터이다.</p> <p>\( \begin{array}{l} P(z)=\frac{z^{-17}+0.5 z^{-21}+0.06 z^{-24}}{1-0.06 z^{-21}} \\ S(z)=\frac{z^{-3}+0.2 z^{-6}+0.3 z^{-35}+0.06 z^{-38}}{1-0.06 z^{-21}} \end{array} \)<caption>(15)</caption></p> <table border><caption>표 3 주요 모의실험 파리미터</caption> <tbody><tr><td>구분</td><td>자료</td></tr><tr><td>음속</td><td>340[\(\mathrm{m}/\mathrm{s} \)]</td></tr><tr><td>표본화 주파수</td><td>2[\(\mathrm{kHz}\)]</td></tr><tr><td>수행 루프</td><td>20,000 step(10초)</td></tr><tr><td>소음원</td><td>고속철도 실내소음</td></tr><tr><td>2차경로 필터차수</td><td>64차</td></tr><tr><td>제어필터 차수</td><td>분자:64차, 분모:8차</td></tr><tr><td>제어필터 수렴계수</td><td>0.003</td></tr></tbody></table> <p>그림 9는 제안한 알고리즘의 성능을 비교한 것으로, 그림 9 (b)는 표 3의 수렴계수를 적용하였을 때의 일반적인 IIR 필터 구조를 적용한 것으로, 수렴계수를 더 크게 하면 발산하였다. 그림 9(c)는 IIR 필터에 안정화 적응알고리즘만 적용한 경우로서, 안정화 알고리즘에 의하여 발산을 억제할 수 있으나, 1.2초 부근에서의 과도 특성은 기존의 알고리즘과 비슷한 특성을 보인다. 그림 9(c)에서는 IIR 필터의 발산을 억제하면서 과도 특성이 안정적임을 보이고 있으며 비정태 프로세스에서 원하는 성능을 얻을 수 있음을 나타낸다.</p> <p>그림 10은 제안한 퍼지 LMS 알고리즘의 오차 및 오차 변화율의 퍼지 추론 추이(그림 10(a)) 및 이를 근거로 결정된 수렴계수의 추이(그림 10(b))이다.</p>
|
[
"실시간으로 퍼지논리 추론식을 구현할 경우 우려되는 계산량 증가 문제를 해결하기 위해서 어떻게 했어?",
"주요 모의실험에서 음속은 얼마로 도출됐어?",
"주요 모의실험의 결과, 2[\\(\\mathrm{kHz}\\)]의 값을 가지는 파라미터는 무엇이야?",
"수행 루프는 얼마의 값을 가져?",
"주요 모의실험 파라미터에서 소음원에는 무엇이 있어?",
"자료에서 64차는 어떤 피라미터를 의미해?",
"주요 파라미터 중 제어 필터의 수렴계수는 얼마야?",
"uc가 0일 때, 가장 큰 수렴계수는 얼마야?",
"uce가 0.1이고 uc가 0일 때, 수렴계수의 값은 얼마야?",
"uc가 0.1일 경우, 가장 작은 수렴계수를 보이는 uce의 값은 얼마야?",
"uc가 0.7일 때, uce의 값이 0.3이라면 수렴계수의 값은 얼마야?",
"uc의 값이 0.2일 때 가장 작은 수렴계수 값을 가지기 위해서 uce는 얼마로 설정해야해?",
"uce가 0.8의 값을 가지면, 가장 작은 수렴계수를 도출하기 위해서 uc는 얼마로 설정해야해?",
"수렴계수가 0.2 미만의 값으로 도출되기 위해서 uc가 0.1 일 때, uce는 얼마의 값이어야 해?",
"ue의 값이 얼마일 때, 모든 수렴계수의 값이 0.9999 이상으로 도출돼?",
"uc와 uce가 모두 0.6일 때의 수렴계수는 얼마야?",
"uce는 0.2이고, uc가 0.9일 때는 수렴계수가 얼마로 도출돼?",
"uce가 0.1일 때, 수렴계수의 값이 0.9999319이 되는 uc는 얼마야?"
] |
a05b4f9c-8444-4518-91ee-b69cfc4ddc66
|
인공물ED
|
독립 성분 분석 방법을 이용한 홍채 특징 추출
|
<p>두 번째 실험은 Gabor 웨이블릿, 독립 성분 분석, 개선된 독립 성분 분석의 인식 성능을 비교한 결과이다. J. Daugman의 논문에 따르면 Gabor 웨이블릿을 이용한 홍채 인식 시스템은 완벽한 인식 성능을 보인다고 발표하였다. 그러나 발표된 논문이 대상으로 한 홍채 영상 DB는 공개되지 않았기 때문에 동일한 상황에서 알고리즘을 비교 분석할 수 없는 한계가 있다. 뿐만 아니라, 발표된 논문에서는 Gabor 웨이블릿을 홍채 인식에 적용하는 방식에 대해 구체적으로 밝히지 않았다. 다시 말하면 Gabor 기저 함수에 대한 공간적 위치, 중심 주피수 등의 파라미터에 대한 선택 기준은 제시되지 않았다. 따라서 본 논문에서는 전술한 총 990개의 홍채 영상을 대상으로 자체적으로 구현한 Gabor 웨이블릿과 비교 실험하였다. 본 논문에서 Gabor 웨이블릿 을 적용한 영역은 독립 성분 분석 방법과 동일한 방식으로<그림3(b)>와 같이 모두 14개의 홍채 영역이다. 본 논문에서는 각 파라미터에 대응되는 Gabor 기저 함수의 특성을 실험적으로 분석하였다. 홍채 텍스쳐 분석에 가장 적합한 파라미터를 판단하기 위하여, 중심 주파수 사이의 간격을 일반적인 텍스쳐 분석에서 사용하는 1옥타브 대신에 0.5옥타브의 거리를 두고서 적용하였다. Gabor 웨이블릿의 주피수 파라미터는 \( \pi / 16 \) 과 \( \pi / 8 \) 에서 가장 좋은 성능을 나타내었고 이를 비교 실험에 사용하였다.</p> <p>인식 성능을 정량적으로 평가하기 위하여 EER 측면에서 Gabor 웨이블릿, 독립 성분 분석, 개선된 독립 성분 분석을 비교하였다. 사용된 홍채 영상은 눈썹, 눈꺼풀에 의한 그림자, 안경에 의한 조명의 반사 위치 등 홍채 무늬 패턴을 일부에 노이즈가 포함된 영상 데이터베이스와 노이즈가 포함되지 않은 영상 데이터베이스로 구분하여 실험하였다.<표 1>은 EER 측면에서 실험 결과이다. 노이즈가 없는 영상에서는 Gabor 웨이블릿과 독립 성분 분석 방법이 유사한 성능을 나타내고 있지만, 노이즈가 있는 영상에서는 독립 성분 분석 방법의 오류률이 Gabor 웨이블릿에 비해 높게 나타났다. 이는 Gabor 웨이블릿의 공간 분해 능력이 독립 성분 분석 방법에 비해 크기 때문에 지역적으로 발생되는 노이즈의 영향에 강한 결과를 보여준다. 이의 단점 을 보완한 개선된 독립 성분 분석 방법은 기존의 독립 성분 분석 방법에 비해 낮은 오류률을 보이나, Gabor 웨이블릿의 오류률보다는 다소 크게 나타났다.</p> <table border><caption>표 1. Gabor 웨이블릿, 독립 성분 분석, 개선 된 독립 성분 분석의 EER 비교</caption> <tbody><tr><td colspan=2></td><td>Cabor 웨이블릿</td><td>독립 성분 분석</td><td>개선된 독립 성분 분석</td></tr><tr><td rowspan=3>EER (%)</td><td>노이즈가 포함되지 않은 영상 DB</td><td>0.024</td><td>0.048</td><td>0.028</td></tr><tr><td>노이즈가 포함된 영상 DB</td><td>0.195</td><td>0.462</td><td>0.217</td></tr><tr><td>전체 영상 DR</td><td>0.028</td><td>0.081</td><td>0.032</td></tr></tbody></table> <p>세 번째 실험은<표 2>에 보이는 것처럼 Gabor 웨이볼릿, 독립 성분 분석, 개선된 독립 성분 분석의 홍채코드 크기를 비교한 결과이다. Gabor 웨이블릿에 비해 독립 성분 분석 방법은 흥채 코드 크기룰 매우 작게 할 수 있는 장점이 있다. 특히, 개선된 독립 성분 분석 방법은 Gabor 웨이블릿과 오류률은 거의 차이가 나지 않으면서 홍채 코드 크기는 4 배 이상 감소된 결과를 보여준다. 이는 앞에서도 언급했듯이 스마트카드 및 개인휴대용 장치 등의 실용적인 분야에 적용할 수 있는 장점이 있다.</p>
|
[
"EER 중에서 노이즈가 포함되지 않은 영상 DB는 독립 성분 분석에서 어떤 값을 보여주는가?",
"노이즈가 포함되지 않은 영상 DB는 EER 중에서 어떤 값을 독립 성분 분석으로 보여주니?",
"개선된 독립 성분 분석의 값을 물어볼 때, 노이즈가 포함되지 않은 영상 DB에서의 결과는 어떻습니까?",
"노이즈가 포함되지 않은 영상 DB에서의 결과로 개선된 독립 성분 분석을 물어볼 때 값이 어때?",
"세가지 EER 중에서 노이즈가 포함된 영상 DB는 개선된 독립 성분 분석에서 어떤 값을 나타내나요?",
"세 가지 EER 중 노이즈가 포함된 영상 DB는 개선된 독립 성분 분석에서 어떤 수치를 나타냈지?",
"전체 영상 DR의 Cabor 웨이블릿 분석 결과는 어떻습니까?",
"어떤 값이 전체 영상 DR의 Cabor 웨이블릿 분석을 쓴 거야?",
"EER 중에서 전체 영상 DR을 비교할 때, 개선된 독립 성분 분석의 값은 뭐야?",
"독립 성분 분석의 값으로 EER 중에서 전체 영상 DR을 비교할 때 측정된 값이 뭐야?",
"노이즈가 포함되지 않은 영상 DB에서의 Cabor 웨이블릿은 어떤 수치를 보이나요?",
"어떤 수치에서 노이즈가 포함되지 않은 영상 DB에서의 Cabor 웨이블릿이 보였니?",
"노이즈가 포함된 영상 DB에서 독립 성분 분석은 어떤 결과를 보여주나요?",
"노이즈가 포함된 영상 DB에서 독립 성분 분석에 따른 결과값은 몇이야?",
"독립 성분 분석에서 전체 영상 DR의 결과는 무엇인가요?",
"어떤 값이 독립 성분 분석에서 전체 영상 DR의 결과야?",
"Cabor 웨이블릿의 여러 수치 중에서 노이즈가 포함된 영상 DB에 대한 값은 어떻습니까?",
"Cabor 웨이블릿의 여러 수치 중 노이즈가 포괄된 DB에 대한 값은 몇이야?",
"J. Daugman이 발표한 홍채를 인식하는 방법은 무엇인가?",
"어떤 방법이 Daugman이 공표한 홍채를 인식하지?"
] |
a84c1c6a-e714-4fb7-9706-ca867c853fdd
|
인공물ED
|
고속 저전력 결정-피드백 이퀄라이저 기술 동향
|
<h1>I. 서론</h1><p>최근 DRAM을 메인 메모리로 사용하는 컴퓨터 시스템의 성능이 향상됨에 따라 메모리 대역폭을 증가시키기 위한 고속 데이터 인터페이스를 요구한다. 또한 메모리의 용랑을 늘이기 위해 더 적은 개수의 핀을 사용하는 싱글 엔디드 시그널링 방식을 사용한다. 싱글 엔디드 시그널링에서는 ISI뿐만 아니라 공통모드 잡음도 최대 데이터 전송 속도를 제한한다. 채널의 대역폭 제한에 의해 생기는 ISI는 리시버 입력에서 신호의 아이 오프닝을 감소시킨다. ISI를 제거하는 가장 보편적으로 사용하는 기술로는 DFE가 있다. DFE는 신호의 잡음을 증폭 없이 효과적으로 제거시켜주는 장점이 있지만 피드백 지연에 의해 최대 동작 주파수가 제한되는 단점이 있다. 인접 채널 로부터 생기는 고주파 잡음인 크로스톡 및 데이터 채널과 기준전압 채널의 로드 차이로 인한 공통모드 잡음 역시 신호의 송수신을 방해한다. 고 속 인터페이스를 위해서는 위와 같은 방해 요소들을 해결하는 DFE 기술이 필요하다. 한편, ISI 및 고주파 잡음이 심할수록 필요한 DFE 구성품이 증가하고 이는 추가의 전력과 면적을 야기한다. 수 \( \mathrm{Gb} / \mathrm{s} \)의 데이터 속도를 요구하는 최근 인터페이스에서는 DFE의 저전력 기술 역시 강조되고 있다. 따라서 앞에서 언급한 문제를 해결하기 위한 대표적인 기술들과 기술들의 장단점을 본론에서 소개하도록 한다.</p>
|
[
"적은 개수의 핀을 사용하여 메모리의 용량을 늘릴 수 있는 방식이 뭐지?",
"채널의 대역폭에 따라 발생하는 ISI는 리시버 입력시에 무엇을 감소시킬까?",
"공통모드 잡음과 최대 데이터 전송 속도를 제한하는 싱글 엔디드 시그널링에서 채널의 대역폭 제한으로 인한 ISI가 생기는데, ISI는 무엇을 감소시키지?",
"ISI를 제거할 수 있는 기술이 뭐지?",
"리시버 입력시에 신호의 아이 오프닝을 감소시키는 ISI를 제거하기 위해서 보편적으로 CFE를 사용할까?",
"ISI를 제거하기 위해서 사용되는 DFE가 가지고 있는 단점은 뭘까?",
"ISI를 제거하기 위해 사용되는 기술인 DFE의 장점은 뭘까?",
"인접 채널 로부터 생기는 고주파 잡음과 같은 크로스톡 또는 데이터 채널과 기준전압 채널의 로드차이로 생기는 공통모드 잡음은 신호의 송수신에 도움을 줄까?",
"DRAM 메모리르 사용하는 컴퓨터 시스템은 메모리 대역폭을 증가시키기 위해서 고속 데이터 인터페이스를 요구하지만, 고주파 잡음 그리고 공통모드 잡음 때문에 생긴 신호의 신호의 송수신을 방해를 해결하기 위해서 어떤 기술이 필요할까?",
"메모리 대역폭을 증가시키기 위한 고속 데이터 인터페이스를 구축하고 방해 요소들을 해결해주는 기술이 뭘까?",
"ISI 그리고 고주파 잡음이 심해짐으로서 DFE의 구성품이 증가하는데 어떤 문제가 생길까?",
"최근 인터페이스에서는 수 Gb/s의 데이터 속도를 실현시키기 위해서 DFE의 저전력 기술을 강조할까?",
"인터페이스에서 DFE의 저전력 기술을 통해서 무엇을 요구할까?",
"데이터 채널과 기준전압 채널의 로드 차이로 발생하는 공통모드 잡음 외에 어떤 다른 문제가 신호의 송수신을 방해할까?",
"DRAM 메모리를 사용으로 인한 컴퓨터 시스템의 성능이 향상 되는데 메모리 대역폭을 증가시키기 위해서 무엇을 요구하지?",
"어떤 메모리를 사용해서 컴퓨터 시스템의 성능을 향상시키지?",
"DRAM을 메인 메모리로 사용하는 컴퓨터 시스템의 메모리 용량을 늘이기 위해서 어떤 방식을 사용해?",
"DRAM 메모리를 사용하는 컴퓨터 시스템이 메모리 대역폭을 증가시키기 위해서 무엇을 요구하지?",
"DRAM 메모리를 사용하는 컴퓨터 시스템의 메모리 대역폭을 증가시키시 위해서 보안 데이터 인터페이스를 요구할까?",
"싱글 엔디드 시그널링에서 채널의 대역폭 제한으로 인해 무엇이 생길까?"
] |
7903f0b8-54a6-4cb7-8243-f0b3fb155338
|
인공물ED
|
고속 저전력 결정-피드백 이퀄라이저 기술 동향
|
<h1>II. 본론</h1><h2>1. 고속 결정-피드백 이퀄라이저</h2><h3>가. 전류 적분 DFE</h3><p>디프런셜 시그널링의 경우 두 신호 간 차이를 입력 데이터로 인지했기 때문에 공통 모드 잡음을 무시해도 됐지만 싱글 엔디드 시그널링의 경우, 입력 데이터와 기준전압에 커플링 되는 잡음이 같지 않기 때문에 데이터 샘플링 시 에러를 유발할 수 있다. 그림 1 의 IDFE의 경우 데이터를 한 주기 동안 적분한 값을 샘플링 함으로써 고주파 잡음에 의한 영향을 상쇄시킬 수 있다. 반면, 입력 데이터 패턴에 따른 고주파 및 저주파 신호의 적분 값이 다르기 때문에 추가적인 loss 가 발생하는 단점이 있다.</p><h3>나. 데이터 예측 DFE</h3><p>DFE 회로의 최대 동작 주파수를 결정짓는 요인 중 하나는 피드백 지연 시간이다. DFE 는 이전 데이터의 피드백을 통해 동작을 이헹하기에, \( 1 \mathrm{UI} \) 이내에 피드백이 이뤄지지 않는다면 동작이 불가능하다. 이는 이전 데이터를 피드백 받기 전에 미리 모든 경우에 대한 결과 값을 만들어 놓고 그 중에서 하나를 차후의 피드백 데이터를 통해 선택하는 예측 방식을 통해 완화할 수 있다. 그림 2 는 2개의 데이터를 예즉하는 DFE로서 4 배 더 긴 피드백 타이밍 마진을 확보하는 반면, 필요한 회로가 4 배로 늘어 면적과 전력소모가 증가하는 단점이 있다.</p><h3>다. 듀오 바이너리 DFE</h3><p>듀오 바이너리 DFE 는 그림 3 와 같이 첫 번째 포스트 커서를 메인 커서와 같게 만들어 하나의 데이터로 사용하는 기술이다. 따라서 모든 포스트 커서들을 제거하던 기존 DFE와 달리 첫 번째 포스트 커서를 제거할 필요가 없고 그에 따라 피드백 마진도 늘어난다. 결과적으로 입력 데이터 에 따라 총 3 개 +1, 0, -1 의 레벨을 가진 데이터가 얻어진다. 듀오 바이너리 DFE 는 기본적으로 IDFE를 바탕으로 데이터를 인코딩하기 때문에 고주파 잡음을 제거할 수 있다. 또한, 프리 커서가 항상 메인 커서 구간에 포함되기 때문에 제거 해줄 필요가 없다.</p><h3>타. ISI 및 크로스톡을 제거하는 DFE</h3><p>DFE 의 좀 더 향상된 성능을 얻기 위해서는 채널 대역폭 제한에 의해 생기는 ISI와 인접 채널에 의해 발생하는 고주파 잡음인 크로스톡을 제거하는 방법을 사용할 수 있다. 그림 4 는 데이터 예측 DFE 에 인접 채널의 입력 데이터를 이용하여 크로스톡 영향까지 제거한 회로의 블록 다이어그램을 나타내고 있다. 크로스톡은 인접한 채널의 데이터가 변할 때 발생하기 때문에 고역 통과 필터를 통해 인접 채널 데이터의 고주파 성분만을 사용함으로서 크로스톡에 의한 영향을 제거 한다.</p><h3>마. 수신단의 피드포워드 이퀄라이저 (FFE) 와 DFE</h3><p>DFE는 결정된 신호의 피드백을 통해 포스트 커서를 제거할 수 있는 반면, 프리 커서는 제거할 수가 없다. 보편적으로 프리 커서를 제거하기 위해 송신단 쪽에 FFE와 수신단의 DFE를 동시에 사용하여 프리 커서 및 포스트 커서틀 제거한다. 그림 5는 FFE 와 DFE 를 수신단에 포함하여 수신단 자체에서 모튼 ISI틀 제거할 수 있 다. 하지만 채널을 통과한 아날로그 신호를 정확히 \( 1 \mathrm{UI} \) 만큼 딜레이 시키기 어려운 단점이 있다.</p>
|
[
"그림 2 의 DFE는 피드백 타이밍 마진을 4배 증가시키며 필요한 회로 수는 4분의 1로 감소시켜 전력소모와 면적이 줄어드는 것이 맞아?",
"수신단에 FFE 와 DFE 를 사용하는 그림 5의 방법은 정확히 \\( 1 \\mathrm{UI} \\) 만큼 아날로그 신호의 딜레이를 할 수 있는 것이 맞아?",
"DFE 는 얼마의 시간 이내에 피드백이 되어야 동작할 수 있어?",
"기존 DFE는 포스트 커서를 하나도 제거할 필요가 없는 것이 맞아?",
"인접 채널 데이터의 고주파 성분만 선택적으로 사용해 크로스톡 영향을 없애려면 무엇을 사용해야 해?",
"일반적으로 송신단에는 DFE, 수신단에는 FFE를 사용하면 프리 커서와 포스트 커서를 없앨 수 있는 것이 맞아?",
"디프런셜 시그널링에서 공통 모드 잡음을 고려하지 않아도 되는 이유가 뭐야?",
"그림 1 의 IDFE에서 손실이 추가적으로 일어나는 이유가 뭐야?",
"입력 데이터와 기준전압에 커플링 되는 잡음이 달라 에러가 발생하는 시그널링은 뭐야?",
"첫 번째 포스트 커서를 그림 3 에서처럼 메인 커서와 동일하게 하여 하나의 데이터로 사용하는 것을 뭐라고 해?",
"듀오 바이너리 DFE 는 프리 커서를 제거할 필요는 없지만 고주파 잡음을 없애는 것은 불가능해?",
"인접 채널이 원인인 고주파 잡음은 뭐라고 해?",
"ISI가 발생하는 원인은 뭐야?",
"DFE는 결정된 신호의 피드백으로 프리 커서와 포스트 커서를 모두 제거할 수 있어?",
"기존 DFE에서보다 듀오 바이너리 DFE의 피드백 마진이 작은 것이 맞아?",
"미리 모든 경우에 대한 결과 값을 생성해 놓고 피드백 받은 데이터를 통해 하나를 선택하는 방식으로 완화 가능한 방식은 뭐야?"
] |
49ebc000-93df-4541-8d61-d839f793bb16
|
인공물ED
|
고속 저전력 결정-피드백 이퀄라이저 기술 동향
|
<h1>요 약</h1><p>고속 인터페이스에서 채널 대역폭에 의해 생기는 ISI는 최대 데이터 전송 속도를 제한한다. ISI를 제거하는 가장 보편적인 기술로 DFE가 있다. 빠른 데이터 송수신을 위해서는 DFE가 효과적으로 ISI를 제거하는 것도 중요하지만 피드백 지연 등을 완화시켜 회로 자체의 최대 동작 주파수도 증가시켜야 한다. 또한, 싱글 엔디드 시그널링에서는 DFE가 ISI뿐만이 아닌 고주파 잡음도 효과적으로 제거하여야 한다. 한편, 데이터 전송 속도가 올라감에 따라 늘어나는 ISI 및 고주파 잡음을 제거하기 위한 DFE 구성품의 수가 증가한다. 이는 곧 추가의 전력소모를 야기하므로 고속 동작뿐만 아니라 저전력 동작도 주목할 필요가 있다. 본 논문에서는 ISI와 고주파 잡음을 효과적으로 제거하는 고속 DFE 및 저전력으로 동작하는 DFE의 동작 방식과 이들이 갖고 있는 장단점을 소개한다.</p>
|
[
"고속 ( )에서 채널 대역폭에 의해 생기는 ISI는 최대 데이터 전송 속도를 제한한다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"빠른 데이터 송수신을 위해서는 DFE가 효과적으로 ISI를 제거하는 것도 중요하지만 어떤 지연 등을 완화시켜 회로 자체의 최대 동작 주파수도 증가시켜야 하는가?",
"싱글 엔디드 시그널링에서는 무엇이 ISI뿐만이 아닌 고주파 잡음도 효과적으로 제거하여야 하는가?",
"고속 인터페이스에서 채널 대역폭에 의해 생기는 무엇이 최대 데이터 전송 속도를 제한하는가?",
"무엇을 제거하면 가장 보편적인 기술로 DFE가 되는가?",
"ISI를 제거하는 가장 보편적인 기술로 무엇이 있는가?",
"싱글 엔디드 무엇에서 DFE가 ISI뿐만이 아닌 고주파 잡음도 효과적으로 제거하여야 하는가?",
"싱글 엔디드 시그널링에서는 DFE가 ISI뿐만이 아닌 어떤 잡음도 효과적으로 제거하여야 하는가?",
"어떤 전송 속도가 올라감에 따라 늘어나는 ISI 및 고주파 잡음을 제거하기 위한 DFE 구성품의 수가 증가하는가?",
"빠른 데이터 송수신을 위해서는 DFE가 효과적으로 무엇을 제거하는 것이 중요한가?",
"고속 인터페이스에서 채널 무엇에 의해 생기는 ISI는 최대 데이터 전송 속도를 제한하는가?",
"본 논문에서는 무엇과 고주파 잡음을 효과적으로 제거하는 고속 DFE 및 저전력으로 동작하는 DFE의 동작 방식과 이들이 갖고 있는 장단점을 소개하는가?",
"데이터 전송 속도가 올라감에 따라 늘어나는 무엇을 제거하기 위한 DFE 구성품의 수가 증가하는가?",
"데이터 전송 속도가 올라감에 따라 늘어나는 ISI 및 고주파 잡음을 제거하기 위한 어떤 구성품의 수가 증가하는가?",
"본 논문에서는 ISI와 고주파 잡음을 효과적으로 제거하는 고속 DFE 및 무엇으로 동작하는 DFE의 동작 방식과 이들이 갖고 있는 장단점을 소개하는가?",
"고속 인터페이스에서 어떤 대역폭에 의해 생기는 ISI는 최대 데이터 전송 속도를 제한하는가?",
"어떤 엔디드 시그널링에서 DFE가 ISI뿐만이 아닌 고주파 잡음도 효과적으로 제거하여야 하는가?",
"싱글 엔디드 시그널링에서는 DFE가 ISI뿐만이 아닌 고주파 무엇도 효과적으로 제거하여야 하는가?",
"빠른 데이터 무엇을 위해서는 DFE가 효과적으로 ISI를 제거하는 것도 중요하지만 피드백 지연 등을 완화시켜 회로 자체의 최대 동작 주파수도 증가시켜야 하는가?",
"본 논문에서는 ISI와 고주파 잡음을 효과적으로 제거하는 무엇으로 동작하는 DFE의 동작 방식과 이들이 갖고 있는 장단점을 소개하는가?",
"싱글 엔디드 시그널링에서는 DFE가 무엇뿐만이 아닌 고주파 잡음도 효과적으로 제거하여야 하는가?",
"빠른 데이터 송수신을 위해서는 DFE가 효과적으로 ISI를 제거하는 것도 중요하지만 피드백 지연 등을 완화시켜 회로 자체의 무엇을 증가시켜야 하는가?",
"빠른 데이터 송수신을 위해서는무엇이 효과적으로 ISI를 제거하는 것도 중요하지만 피드백 지연 등을 완화시켜 회로 자체의 최대 동작 주파수도 증가시켜야 하는가?",
"고속 인터페이스에서 채널 대역폭에 의해 생기는 ISI는 무엇을 제한하는가?",
"데이터 전송 속도가 올라감에 따라 늘어나는 ISI 및 어떤 잡음을 제거하기 위한 DFE 구성품의 수가 증가하는가?"
] |
6bc3c51c-d53b-42c4-926d-8484521d7ffc
|
인공물ED
|
고속 저전력 결정-피드백 이퀄라이저 기술 동향
|
<h2>2. 저전력 결정-피드백 이퀄라이저</h2><h3>가. 기준전압 이퀄라이즈 DFE</h3><p>데이터 속도가 빨라짐에 DFE 구조 역시 고주파 동작이 가능하여야 하고 또한 높은 데이터 속도에 비례하는 클락을 생성하는 고성능의 PLL이 필요하다. 이러한 문제들을 해결하기 위해 time interleaved 구조를 보편적으로 사용한다. 하지만 DFE 구조에 time interleaved 방식을 적용할 경우 필요한 탭 및 DFE 요소들이 배로 증가하기 때문에 소모되는 전력 및 면적이 기하급수적으로 늘게 된다. 따라서 time interleaved 구조의 장점을 취하면서 전력 및 면적의 부담이 크지 않 은 테크닉이 필요하다.</p><p>그림 6은 기준전압을 이퀄라이징 한 기술로서 DFE 요소들을 데이터 쪽이 아닌 공통으로 사용하는 기준전압으로 옮김으로서 필요한 DFE 구성 요소들을 크게 줄인 회로이다. 필요한 DFE 구성 요소들이 그림 6 과 같이 quarter-rate의 경우 총 \( \frac{1}{4} \) 로 줄기 때문에 전력 및 면적을 줄이기 용이하다.</p><h3>나. 무한 임펄스 응답 DFE</h3><p>기존의 DFE 는 포스트 커서를 모두 제거하기 위해서는 그 개수만큼의 탭이 필요하다. 추가의 탭은 곧 추가의 면적과 전력소모를 야기하므로 데이터 전송속도가 높아짐에 따라 면적과 전력의 부담이 커진다. IIR-DFE는 하나의 탭으로 여러 개의 포스트 커서를 제거하는 기술을 제안한다.</p><p>그림 7을 보면 디지털 값이 아닌 IIR 필터를 통해 ISI와 비숫한 아날로그 데이터를 피드백 받음으로서 하나의 탭으토 포스트 커서틀을 제거할 수 있다. 그로 인해 필요한 탭의 수가 많이 줄어 면적과 전력 부담이 낮아진다. 반면, IIR 필터를 이용하여 ISI와 동일한 피드백 데이터를 만들기 힘들다는 단점이 있다.</p><h3>다. 높은 종단저항을 이용한 DFE</h3><p>전력을 줄이는 방법으로는 입력 데이터의 스윙을 줄이는 방법이 있다. 채널의 반사파를 제거하기 위해 연결하는 특성 임피던스 \( Z_{0} \) 와 같은 크기의 종단저항을 \( 4 \times Z_{0} \) 로 키움으토서 입력 데이터의 스윙을 의도적으로 줄여 소모 전력을 줄일 수 있다. 하지만 그로 인해 생기는 반사파는 그림 8과 같이 DFE 를 이용하여 제거핱 수 있다. 첫 번째 탭 Ic는 기존의 포스트 커서를 제거하고 Rc1, 2 탭은 반사파를 제거한다. 채널의 길이나 데이터 전송속도에 따라 반사파가 뜨는데 까지 걸리는 UI가 다르기 때문에 R-MUX를 이용하여 몇 클락 이후의 데이터를 피드백 받을지 정해준다.</p>
|
[
"그림 6에서 어떻게 되어 전력 및 면적을 줄일 수 있었나요?",
"그림 6은 어떻게 필요한 DFE 구성 요소들을 줄였나요?",
"전력은 어떻게 줄일 수 있는가?",
"데이터 속도에 비례하는 클락을 생성하는것은 무엇인가?",
"그림 7은 어떻게 하나의 탭으로 포스트 커서들을 제거할 수 있었나요?",
"전력을 줄이는 방법으 무엇이 있어?",
"전력의 부담을 줄이기 위해 어떻게 하는것을 제안했나요?",
"어떻게 하면 소모되는 전력 및 면적이 기하급수적으로 늘게 되나요?",
"그림 7은 디지털 값으로 포스트 커서틀을 제거할 수 있음을 보여줍니까?",
"그림 6은 DFE구성요소들을 줄인 회로로 이에 사용된 기술은 무엇인가?",
"DFE 포스트커서를 제거하기 위해 전력의 무담이 커지는 이유가 뭐야?",
"IIR 필터를 통해 ISI와 비슷한 아날로그 데이터를 피드백 받을 경우, 어떤 단점이 있어?",
"데이터 속도가 빨라짐에 따라 고성능 PLL이 필요한 문제를 해결하기 위해 보편적으로 사용하는 구조가 뭐야?",
"데이터 속도가 빨라짐에 고성능 PLL이 필요한 문제들은 어떻게 해결했나요?",
"그림 6은 높은 종단저항을 이용한 DFE를 나타내고 있습니까?"
] |
789d1564-1984-423b-9377-e6b710405af9
|
인공물ED
|
고속 저전력 결정-피드백 이퀄라이저 기술 동향
|
<h1>III. 결 론</h1><p>본 논문은 고속 저전력 DFE 기술을 소개하였다. DFE 는 채널 대역폭 제한에 의한 ISI 및 싱글 엔디드 시그널링에서 문제가 되는 공통 모드 잡음이 최대 데이터 전송 속도를 제한한다. 고속 DFE 동작을 위해 먼저, 기준전압 및 데이터의 고주파 잡음을 제거하는 전류 적분 DFE, 데이터 예측을 통해 피드백 타이밍 마진을 \( 1 \mathrm{UI} \) 이상으로 늘려 최대 동작 주파수를 올리는 DFE, 첫 번째 포스트 커서를 제거하지 않고 데이터로 사용하며 데이터를 +1, 0, -1 의 세 레벨로 나누어 수신하는 듀오 바이너리 DFE, ISI와 크로스톡을 동시에 제거하는 DFE, 그리고 FFE 와 DFE 를 수신단에서 같이 사용하여 프리, 포스트 커서를 모두 제거하는 DFE 기술들을 알아보았다. 또한, 저전력 DFE 를 위한 기술로는 time interleaved 구조에서 발생하는 추가의 전력 및 면적 문제를 해결하는 기준전압 이퀄라이저 DFE, IIR 필터를 이용한DFE, 높은 종단저항을 사용하여 데이터 스윙을 줄이고 그로 인해 생기는 반사파를 제거하는 DFE 기술을 알아보았다.</p>
|
[
"FFE 와 DFE 를 수신단에서 같이 사용하여 무엇을 제거 하였는가?",
"기준전압 이퀄라이저 DFE의 역활은 무엇인가?",
"첫 번째 포스트 커서를 제거하지 않고 데이터를 어떻게 나누었는가?",
"추가의 전력 및 면적 문제는 어디서 발생하는가?",
"고속 DFE 동작을 위해 가장 먼저 하는 것은 무엇인가?",
"반사파가 생기는 이유는 무엇인가?",
"레벨로 나누어 수신하는 것은 무엇인가?",
"DFE는 무엇인가?",
"논문은 무엇을 소개하였는가?",
"기준전압 및 데이터의 고주파 잡음을 제거는 어떻게 하는가?",
"피드백 타이밍 마진을 \\( 1 \\mathrm{UI} \\) 이상 증가는 무엇을 통해 해야 되는가?"
] |
b36d8fb0-015c-4767-a006-4206e4022273
|
인공물ED
|
전도성 카본 잉크를 이용한 직류 저항형 습도센서 제작 및 평가
|
<h1>1. 서 론</h1><p>사물인터넷 기술의 발달과 함께 간단 구조 및 작동 메커니즘을 가지는 센서의 개발이 요구되고 있다. 특히 습도는 일상생활 뿐만 아니라 다양한 산업현장과 연구분야에서 중요한 영향을 미치는 물리량 이다. 따라서 우리 주변의 습도를 정확히 측정하고 관리하는 것은 매우 중요한 일이다. 습도센서의 응용분야는 농업분야의 토양 습도측정, 공학 분야에서 부식 모니터링, 공정 환경 모니터링, 건축분야의 결로 모니터링, 주거환경 모니터링, 문화제 및 미술품 등의 보존을 위한 습도조절 등 매우 광범위 하다. 따라서 다양한 응용분야에 적합한 습도센서의 개발과 적용이 필요하다.</p><p>현재 개발되고 있는 전자식 습도센서는 측정방식에 따라 크게 광학 측정방식, 저항 변화방식, 정전용량 변화 방식 등으로 구분할 수 있다. 광학식 습도센서는 광섬유를 기반으로 하여 우수한 내화학성, 기계적 안정성 및 신호 안정성을 가지고 있지만 복잡한 광학장비를 필요로 하는 단점이 있다. 정전용량형 습도센서는 낮은 습도의 감지가 가능하고 응답 특성이 우수한 장점을 가지고 있지만 대량 생산이 어렵고 센서부의 관리가 필요한 단점을 가지고 있다. 반면 저항형 습도센서는 온도 보정이 필요하거나 낮은 습도의 측정이 어려운 단점을 가지고 있지만 간단한 구조와 대량생산 및 측정이 용이한 장점을 가지고 있어 사물인터넷 분야에 적용에 매우 유리하다. 저항형 습도센서는 일반적으로 바이트 형태의 전극이 인쇄된 기판에 세라믹, 고분자 및 전해질(염화리튬 등)의 박막을 형성하여 제작한다. 저항형 센서의 감습막 물질은 저항이 크기 때문에 측정용 금속전극을 반드시 형성하여야 하며, 전극의 형태가 습도센서의 성능에 영향을 주기도 한다. 감습막의 도포 공정은 일반적으로 spin coating, dip coating, evaporation, sputtering 및 프린팅 등의 방법이 사용된다. 그러나 기존의 저항형 습도센서는 측정용 금속전극 형성 및 감습막 제조 공정 등의 문제로 사물 일체형 센서의 제작이 어려웠다. 최근에는 이러한 문제점을 해결하기 위해 종이 위에 연필을 이용하여 측정용 전극을 직접 그리고 탄소나노튜브를 페인팅 기법으로 도포하여 습도센서를 제작한 연구도 발표되었다.<p>본 연구에서는 상용으로 판매되고 있는 전도성 카본 잉크의 습도에 따른 저항특성을 분석하고 인쇄기반 저항형 습도센서를 제작하였다. 전도성 카본 잉크는 우수한 전기적 특성(낮은 저항을 가지고 있으며, 습도 반응성이 뛰어나 습도센서 감응 물질로 적합하다. 또한 스크린 프린팅 기법을 사용하여 제작 가능하고 별도의 측정용 금속 전극의 제작이 필요하지 않기 때문에 다양한 표면에 일체형으로 손쉽게 제작할 수 있어 사물인터넷 분야의 적용에 매우 유리하다. 제작된 센서는 최대 수십 \( \mathrm{k} \Omega \) 수준의 낮은 저항을 가지고 있으며, DC 저항변화로 습도 측정이 가능할 뿐만 아니라 높은 감도를 나타내었다.</p>
|
[
"토양 습도측정을 위해 사용하는 센서 이름이 뭐야?",
"광학 측정방식, 저항 변화방식, 정전용량 변화 방식 습도센서는 어떤식으로 작동되는 습도 센서야?",
"저항형 습도센서는 온도 보정이 필요하거나 낮은 습도의 측정할 수 있는 장점이 있dj?",
"광학식 습도센서는 광섬유를 기반으로 해?",
"광학식 습도센서는 광섬유를 기반으로 하여 우수한 외화학성을 가지니?",
"정전용량형 습도센서는 낮은 습도의 감지가 가능해?",
"정전용량형 습도센서는 대량 생산이 쉬워?",
"저항형 습도센서는 복잡한 구조를 가지고 있니?",
"기존 저항형 습도센서의 문제를 극복하기 위해 어떤 습도센서를 제작한 연구가 발표되었지?",
"우수한 전기적 특성을 지닌 감응 물질은 뭐지?",
"어떤 감응 물질이 우수한 전기적 특징을 지니지?",
"정전용량형 습도센서 응답 특성이 우수해?",
"광학식 습도센서는 광섬유를 기반으로 하여 복잡한 광학장비를 필요해?",
"일상생활 뿐만 아니라 산업현장과 연구분야에서 영향을 주는 물리량은 뭐야?",
"전용량형 습도센서는 응답 특성이 우수해?",
"일반적인 감습막 도포 공정은 Spin coating, dip coating, evaporation, sputtering 및 프린팅 등의 방법이 사용될 수 있어?",
"광학식 습도센서는 광섬유를 기반으로 하여 기계적 안정성을 가지고 있어?"
] |
8179c9a8-bbb5-43b9-a8d8-eb60c256cc35
|
인공물ED
|
전도성 카본 잉크를 이용한 직류 저항형 습도센서 제작 및 평가
|
<h1>2. 연구 방법</h1><h2>2.1 전도성 카본잉크를 이용한 습도센서 제작</h2><p>전도성 카본잉크는 상용제품인Electric Paint(Bare Conductive, 영국)를 사용하였다. Electric Paint 제품은 카본 입자를 기반으로 한 전도성 잉크 제품으로 물을 용매로 사용하여 독성이 없는 제품이다. 전도성 카본 필름의 두께가 \( 50 \mu \mathrm{m} \) 일 때 약 \( 55 \Omega / \mathrm{sq} \)의 면저항을 가지고 있어 습도센서 제작 시 우수한 전기적 특성을 부여할 수 있다. 전도성 카본잉크는 용매인 물, 전도성 카본입자, 습윤제 및 천연수지로 이루어져있다. 첨가된 습윤제 및 천연수지의 종류는 영업비밀로 밝혀져 있지 않지만, 주변의 상대습도에 반응하여 전도성 카본 필름의 전기저항의 변화를 유발한다.</p><p>본 연구에서는 Fig. 1에서 보는 것과 같이, 저항형 습도센서 패턴을 제작하기 위해 스크린 프린팅 기법을 사용하였다. 탈부착이 용이한 웨이퍼 다이싱 필름을 원하는 패턴으로 절단하여 제작한 Shadow Mask를 기판에 부착하고, 전도성 카본 잉크를 유리기판에 선택적으로 도포하여 패턴을 제작하였다. 전도성 카본 잉크가 도포된 기판은 \( 60^{\circ} \mathrm{C} \) 대류오븐에서 10 분간 건조하였다. 습도센서의 형상은 습도 반응 영역이 폭 \( 1 \mathrm{~mm} \), 길이 15\( \mathrm{mm} \) 로 구성되고 측정을 위한 전극 패드가 가로 \( 10 \mathrm{~mm} \), 세로\( 10 \mathrm{~mm} \) 로 구성되어 있다. 전도성 카본 필름의 두께는 센서의 저항이 약 수 \( \mathrm{k} \Omega \) 수준을 유지하도록 조절하였다.</p><h2>2.2 습도센서의 성능 평가</h2><p>제작된 습도센서는 다양한 상대습도에서 DC 저항변화를 측 정하였다. DC 저항을 측정하기 위해 FLUKE 289 TRUE RMS MULTIMETER를 사용하였다. 다양한 상대습도 환경을 조성하기 위하여 염의 과포화 수용액을 이용하였다. 밀패된 용기에 \( \mathrm{LiCl}, \mathrm{MgCl}_{2}, \mathrm{~K}_{2} \mathrm{CO}_{3}, \mathrm{Mg}\left(\mathrm{NO}_{3}\right)_{2}, \mathrm{NaCl}, \mathrm{KCl}, \mathrm{KNO}_{3} \) 과포화 용액을 넣어 각각 11,33,43,53,75,84,94 \(\% \) RH의 습도환경을 조성하였다. 모든 염화합물은 대정화금에서 구매하였다. 실제 환경에서 습도 변화를 측정하기 위해 Testo 605−H1 온습도계를 사용하여 비교 측정하였다.</p>
|
[
"다양한 상대습도 환경을 조성하기 위해 어떤것을 이용하였니?",
"전도성 카본잉크는 상용제품인 어떤것을 사용하였니?",
"카본 입자를 기반으로 한 전도성 잉크 제품은 무엇이니?",
"Electric Paint 제품은 카본 입자를 기반으로 한 전도성 잉크 제품으로 어떤것을 용매로 사용하여 독성이 없니?",
"Electric Paint 제품은 카본 입자를 기반으로 한 어떤 잉크 제품이니?",
"전도성 카본 필름의 두께가 \\( 50 \\mu \\mathrm{m} \\) 일 때 얼마의 면저항을 가지고 있니?",
"전도성 카본필름이 습도센서 제작 시 우수한 전기적 특성을 부여할 수 있는 이유는 무엇이니?",
"전도성 카본 필름의 두께가 얼마일 때 약 \\( 55 \\Omega / \\mathrm{sq} \\)의 면저항을 가지고 있니?",
"용매인 물, 전도성 카본입자, 습윤제 및 천연수지로 이루어 져 있는 잉크는 무엇이니?",
"전도성 카본 잉크는 용매인 물, 전도성 카본입자, 습윤제 및 어떤것으로 이루어져 있니?",
"첨가된 습윤제 및 천연수지는 주변의 어떤것에 반응하여 전도성 카본 필름의 전기저항 변화를 유발하니?",
"저항형 습도센서 패턴을 제작하기 위해 어떤 프린팅 기법을 사용하였니?",
"탈부착이 용이한 어떤 필름을 원하는 패턴으로 절단하여 제작한 Shadow Mask를 기판에 부착하여 제작하였니?",
"탈부착이 용이한 웨이퍼 다이싱 필름을 원하는 패턴으로 절단하여 제작한 어떤것을 기판에 부착하였니?",
"전도성 카본 잉크가 도포된 기판은 몇도의 대류오븐에서 10분간 건조하였니?",
"전도성 카본 잉크가 도포된 기판은 \\( 60^{\\circ} \\mathrm{C} \\) 대류오븐에서 몇분간 건조하였니?",
"습도센서의 형상은 습도 반응 영역이 폭 \\( 1 \\mathrm{~mm} \\), 길이 15\\( \\mathrm{mm} \\) 로 구성되고 측정을 위한 전극 패드가 가로,세로 몇 mm로 구성되어 있니?",
"습도센서의 형상은 습도 반응 영역이 폭 \\( 1 \\mathrm{~mm} \\), 길이는 몇 mm로 구성되어 있니?",
"습도센서의 형상은 습도 반응 영역은 길이 15\\( \\mathrm{mm} \\), 폭은 몇 mm로 구성되어 있니?",
"전도성 카본 필름의 두께는 센서 저항이 어떤 수준을 유지하도록 조절하였니?",
"제작된 습도센서는 다양한 어떤것에서 DC저항변화를 측정하였니?",
"제작된 습도센서는 다양한 상대습도에서 어떤것을 측정하였니?",
"DC 저항을 측정하기 위해 어떤것을 사용하였니?",
"염의 과포화 수용액을 이용한 이유는 무엇이니?",
"밀패된 용기에 LiCl과포화 용액을 넣어 몇%RH의 습도환경을 조성하였니?",
"밀패된 용기에 NaCl 과포화 용액을 넣어 몇%RH의 습도환경을 조성하였니?",
"실제 환경에서 습도 변화를 측정하기 위해 어떤 온습도계를 사용하여 비교 측정하였니?",
"Electric Paint 제품은 어떤것을 기반으로 한 전도성 잉크 제품이니?",
"측정을 위한 전극 패드는 가로,세로 10mm로 구성되어 있니?",
"염의 과포화 수용액은 DC저항을 측정하기 위해 사용되었니?",
"밀패된 용기에 KCI 과포화 용액을 넣어 75% RH 의 습도환경을 조성하였니?",
"물을 용매로 사용하여 독성이 없는 것은 Electric Paint 제품이니?",
"FLUKE 289 TRUE RMS MULTIMETER의 사용은 DC 저항을 측정하기 위해서 이니?",
"첨가된 습윤제 및 천연수지는 주변의 상대습도에 반응하여 전도성 카본 필름의 어떤것의 변화를 유발하니?"
] |
b80422ef-471c-424f-893e-3601dc1f3259
|
인공물ED
|
전도성 카본 잉크를 이용한 직류 저항형 습도센서 제작 및 평가
|
<h1>3. 결과 및 고찰</h1><h2>3.1 습도측정 및 성능평가</h2><p>전도성 카본 필름의 습도 반응성을 확인하기 위하여 다양한 상대습도를 가지는 과포화 염 수용액 환경에서DC 저항변화를 관찰하였다. Fig. 3은 온도 \( 25{ }^{\circ} \mathrm{C} \), 습도 \( 11 \% \mathrm{RH} \) (과포화 \( \mathrm{LiCl} \) 수용액) 환경을 기준으로 94,84,75,53,43,33 \(\% \mathrm{RH} \) 환경으로 각각 변화할 때 5 분간격으로 3회 사이클 변화를 측정한 결과를 나타낸다. 전도성 카본 필름의 습도 반응성은 3회의 습도 변화 사이클 동안 반복적으로 동일한 저항변화 패턴을 보이며 안정적으로 동작하는 것을 볼 수 있다. 제작된 습도 센서의 민감도를 평가하기 위해 \( 11 \% \mathrm{RH} \) 에서의 저항 \( \left(\mathrm{R}_{0}\right. \), 약 \( \left.2.7 \mathrm{k} \Omega\right) \) 을 기준으로 각각의 습도에 따른 저항변화율 \( \left(\Delta \mathrm{R} / \mathrm{R}_{0}\right) \) 을 계산하였다. 상대습도 \( 94 \% \mathrm{RH} \) 에서 저항변화율이 약 \( 1700 \% \) 이상으로 매우 높게 나타났으며, \( 33 \% \mathrm{RH} \) 의 낮은 상대습도에서도 약 \( 10 \% \)의 저항변화율을 나타내었다. 이는 기존에 발표된 폴리머 기반에 센서가 \( \mathrm{M} \Omega \) 수준에 저항 수준과 수십 %의 저항변화율을 가지는 것에 비해 매우 우수한 성능을 나타낸다.</p><p>다만, 상대습도가 낮아질수록 센서의 안정화 시간이 길어지고, 습도에 따른 반복 특성이 감소하는 것으로 나타났다. 이와 같은 특성은 주로 폴리머 기반 습도센서에서 나타나는 특성으로, 본 연구에서 사용된 상용 카본 잉크에 첨가된 습윤제 및 천연수지가 습도에 반응하여 폴리머 기반 센서와 같은 특성을 나타내는 것을 보여준다.</p><p>제작된 센서의 반응속도는 습도가 감소하는 구간 보다 증가하는 구간에서 더 빠르게 나타났다. 특히 상대습도가 약 \( 50 \% \) 이하로 감소하는 구간에서는 그래프의 기울기가 급격히 감소하면서 반응 시간이 길어졌다. 이러한 특성은 폴리머 기반의 습도 센서가 낮은 습도에서 흡착된 물 분자가 탈습되는 속도가 현저히 감소하면서 나타나는 현상으로 볼 수 있다. Fig. 3 (b) 에서 보는 것과 같이 \( 33 \% \mathrm{RH} \) 의 낮은 습도에서 센서의 저항 변화의 기울기가 현저히 작아진 것을 확인 할 수 있다.</p><p>Fig. 4는 각각의 습도에서 안정화된 저항을 측정하여 상대습도에 따른 저항변화를 나타내었다. 제작된 센서 저항의 대수(logarithm)값이 상대습도 증가에 따라 선형적으로 증가하는 결과를 보였다. 습도변화에 따른 저항 추세선의 \( \mathrm{R}^{2} \) 값 (coefficient of determination)이 0.9613으로 1 에 근접한 선형성을 가지고 있</p><p>다. 비록 습도에 따라 저항이 지수적으로 변화하여 대수 변환과정이 필요하지만, 높은 습도에서 큰 저항변화는 적용 분야에 따라 활용도가 높다고 할 수 있다.</p><p>기존의 저항형 습도센서들이 대부분 AC 임피던스 변화를 측정하여 복잡한 측정장비 및 회로를 필요로 한 것에 비해, 전도성 카본 필름의 경우 습도 변화에 따라 안정적이 DC 저항 변화를 보임으로써 센서시스템의 간편화를 기할 수 있을 것이다. 또한 페인팅을 통해 표면에 직접 습도센서를 형성할 수 있기 때문에 사물인터넷 기반에 습도센서 제작에 매우 유용하게 사용할 수 있을 것이다.</p><p>제작된 센서의 실제 환경에서의 반응특성 및 성능을 평가하기 위하여, 약 6 평의 사무실 공간에서 가습기를 사용하여 습도 환경을 변화시키면서 상용 습도센서(Testo 605-H, 정전용량형 습도센서)와 비교 측정하였다. Fig. 5 는 제작된 센서의 저항 변화(실선)와 상용 습도센서로 측정한 습도변화(점, 50 초간격으로 측정)를 보여준다. 상용 습도센서로 측정한 실내 공간의 습도는 가습기의 작동여부에 따라 약 \( 55 \% \) 에서부터 \( 65 \% \) 까지 \( 10 \% \) 내외에서 변화하였다.</p><p>이때, 제작된 센서의 저항변화는 측정된 습도와 거의 동일한 양상과 변화 속도를 가지고 변화한 것을 확인 할 수 있다. 이러한 결과는 제작된 저항형 습도센서가 실제 사용 환경에서도 안정적으로 작동 가능함을 보여준다.</p><p>다만, 일반적으로 저항형 습도센서의 경우 온도 민감성을 가지기 때문에 온도에 따른 영향을 평가할 필요가 있다. 상대습도는 온도에 따라 민감하게 변화하기 때문에 순수하게 온도가 습도센서의 성능에 미치는 영향을 평가하기는 어렵다. 본 연구에서는 온도와 습도가 함께 변화하는 환경에서 제작된 습도센서의 저항변화를 관찰하였다. Fig. 5 는 온도 변화에 따른 상대습도의 변화(점선)와 제작된 습도센서의 저항 변화(실선)를 나타낸다. 상대습도의 변화가 거의 없는 약 \( 20^{\circ} \mathrm{C} \) 에서 \( 30^{\circ} \mathrm{C} \) 구간에서 센서의 저항이 온도 증가와 함께 다소 감소하여 온도 영향이 존재하는 것을 확인 할 수 있지만, 그 변화율이 습도에 의한 변화율 보다 미미한 수준을 보인다. 따라서, 향후 온도에 의한 습도센서의 저항변화를 보정하기 위하여 차동모드(difference mode)의 측정이 필요하다.</p>
|
[
"전도성 카본 필름의 습도 반응성을 확인 중 상대습도가 몇 프로 이하에 감소하는 구간에서 그래프의 기울기가 급격히 감소했습니까?",
"전도성 카본 필름의 습도 반응성 확인 중 상대습도가 몇 프로 일때 그래프 기울기가 급격히 감소했습니까?",
"제작된 센서의 실제 환경에서의 반응특성 및 성능을 평가하기 위하여 어떻게 했어?",
"상대습도는 온도에 따라 민감하게 변화하기 때문에 순수하게 온도가 습도센서의 성능에 미치는 영향을 평가하기는 어렵기 때문에 본연구에서는 어떻게 관찰했나요?",
"전도성 카본 필름의 습도 반응성을 확인하기 위해 어떤 환경에서 관찰하였습니까?",
"온도에 의해 민감하게 변화하는 것은 상대습도 입니까?",
"전도성 카본 필름이 습도에 얼마나 반응하는지 확인 하기 위해 어떻게 했습니까?",
"본문에서 Fig. 3의 결과는 어떻게 측정했습니까?",
"본문에서 어떻게 Fig 3의 결과가 측량됐어?",
"Fig. 4는 어떤 저항변화를 측정했나요?"
] |
e489a22b-053b-456e-994d-717b2495b3d2
|
인공물ED
|
전도성 카본 잉크를 이용한 직류 저항형 습도센서 제작 및 평가
|
<h1>4. 결 론</h1><p>본 연구에서는 상용 전도성 카본 잉크를 이용하여 습도센서를 제작하고 그 특성을 평가하였다. 스크린 기법을 이용하여 별도의 측정전극(금속전극) 없이 전도성 카본 필름을 제작하였으며, 과포화 염 수용액과 실제 환경에서 습도에 따른 저항변화를 측정하였다. 전도성 카본 필름은 건조상태에서 약 수 \( \mathrm{k} \Omega \) 의 저항값을 가지도록 디자인 하였으며, 습도에 따라 최대 수십 \( \mathrm{k} \Omega \)까지 저항이 증가하였다. 제작된 센서는 습도변화에 따라 지수적으로 선형적인 저항변화 특성을 가지며, 실제 환경에서도 상용 습도센서와 대등한 성능을 나타냈다. 비록 낮은 습도영역에서 반복 측정 특성이 일정하지 않았으나 \( 50 \% \) 이상의 습도영역에서는 반복 측정에서도 안정적 특성을 나타내었다. 이러한 습도센서는 특정 사물 또는 표면에 일체형으로 제작가능하며, DC 저항변화를 이용한 간단한 측정방식 및 저전력, 실시간 습도를 모니터링 할 수 있기 때문에 사물인터넷 분야에 적용할 수 있다. 특히 높은 습도에서 우수한 특성을 가지고 있어, 스크린 페인팅 기법으로 사물의 표면에 직접 습도 센서를 제작하여 건축물 벽면의 결로 모니터링, 목조 문화재의 습도 관리, 고미술품 및 서적의 습도관리 등의 분야에 매우 유용할 것으로 기대된다. 다만 상용 전도성 카본 잉크를 사용하여 경제적으로 일정한 특성과 안정적인 습도센서의 제작이 가능하지만, 향후 첨가된 습윤제 및 천연수지의 규명을 통해 습도 반응 원리 및 최적화 연구가 필요하다.</p>
|
[
"측정 전극을 사용하지 않는 본문의 카본 잉크 습도센서의 특징은 어떻게 되나요?",
"상용 카본 잉크를 이용하여 제작한 습도센서의 습도에 따라 해당 값의 어떤 것을 측정하였나요?",
"상용 전도성 카본 잉크를 통해 본문에서는 어떻게 하고자 하였나요?",
"전도성 카본 필름을 스크린 기법을 이용하여 제작한 다음에 어떻게 하고자 했나요?",
"과포화 염 수용액과 실제 환경에서 습도에 따른 저항변화를 측정할 수 있는 전도성 카본 필름을 어떻게 제작하였나요?",
"습도변화에서 본문에서 제작된 센서는 어떻게 되는 특성을 나타내나요?",
"스크린 기법을 사용해 제작한 전도성 카본 필름은 얼마의 저항값을 가질 수 있게 제작되었나요?",
"DC 저항변화를 이용한 간단한 측정방식 및 저전력, 실시간 습도를 모니터링할 수 있는 습도센서는 어떻게 제작할 수 있나요?",
"건조, 습도 상태 중 습도 상태에서 전도성 카본 필름은 어떻게 되는 것을 볼 수 있었나요?",
"카본 잉크 습도 센서는 상용 습도 센서과 마찬가지로 모든 환경과 \\( 50 \\% \\) 이하 습도에서 안정적인 측정을 할 수 있나요?",
"습도의 변화에 전도성 카본필름의 저항은 어떻게 변화하나요?",
"본 논문에서 습도센서의 습도 반응 원리 및 최적화 연구는 어떻게 이루어져야 한다고 하나요?",
"본문에서 제작된 센서는 반복 측정에서 안정적인 특성을 나타낸 영역은 어떻게 되었나요?",
"상용 전도성 카본 잉크 습도센서의 특징은 어떻게 되나요?",
"높은 습도에서 습도센서를 어떻게 이용할 수 있나요?"
] |
9cf2a664-fcf8-4e85-aca3-63362258d090
|
인공물ED
|
증폭기 공유 기법을 이용한 저전력 저잡음 용량형 센서용 신호 처리 IC
|
<h1>2. 회로 설계</h1><h2>2.1 전체 회로 구성</h2><p>Fig. 1은 제안하는 저전력, 저잡음 용량형 센서 계측 플랫폼이다. 전체 회로는 증폭기 공유 기법이 적용된 단일 증폭기와 switched capacitor low pass filter (SC LPF), capacitance offset calibration loop, SAR ADC, SPI 로 구성되며 fully differential 증폭기 형태로 rail-to-rail 의 입력단과 folded cascade 구조의 출력단으로 구성된 core amplifier 를 설계했다. 그리고 core amplifier 내부에 switched capacitor common mode feedback (SC CMFB) 구조의 offset 보상 회로를 추가하여 강인한 공통모드 기준전압을 유지하도록 설계했다. Folded cascode 출력단으로 인해서 swing range 가 증가하고 SC CMFB를 통해 기준 전압을 설정하여 출력 신호를 내보낸다. Core amplifier 는 저주파 대역의 noise 를 감쇠시키기 위해 correlated double sampling (CDS) 기법을 적용했다.</p><p>제안하는 센서 계측 플랫폼은 stand-alone 으로 동작하기 위해 내부에 relaxation oscillator 와 reference voltage, current 회로를 설계했다. 내부 relaxation oscillator 를 통해 master clock 을 생성하고 clock divider 를 통해 분주되어 각각 chopper 회로, core amplifier 와 SC CMFB, SC LPF 등과 같은 회로에 입력된다. 이러한 분주된 clock 은 power gating 을 통해 전력 소모를 줄일 수 있도록 레지스터를 설정했다. Capacitance offset calibration loop (COCL) 는 증폭기의 출력이자 SC LPF 의 입력 신호를 받아 comparator 와 D flip-flop 을 통과하고 R-2R digital to analog converter (R2R DAC) 를 통해 증폭기 입력 신호의 capacitor array 레지스터를 조정한다. 증폭기의 differential 출력을 comparator 로 비교하고 그 출력을 D flip-flop 에 저장하여 R2R DAC 를 통해 순차적으로 capacitor array 레지스터에 순차적으로 전달하는 방식으로 binary research 기법을 이용하여 offset 을 감쇠시킨다. 또한 이 회로는 self-biasing 이 가능하도록 내부에 reference voltage 회로와 reference current 회로를 구성했다. 이 회로들을 통해 공급 전원만으로 내부 회로들이 모두 동작할 수 있게 되고, low drop output (LDO) 를 통해 디지털 회로의 공급 전압도 제공하도록 했다. 디지털 회로로 SPI 회로가 있고, SPI 통신을 통해 외부에서 직접 레지스터들을 조정하지 않고도 내부의 레지스터들을 조정할 수 있고, 손쉽게 조작이 가능하다. 회로 내부 레지스터의 종류에는 증폭기의 feedback capacitors, gain capacitors 와 COCL, DAC 의 control 레지스터 등이 있다.</p>
|
[
"Fig. 1은 제안하는 저전력, 저잡음 용량형 센서 계측의 무엇인가?",
"전체 회로를 구성하는 단일 증폭기는 무엇이 적용되었는가?",
"전체 회로의 구성품에는 증폭기 공유 기법이 적용된 단일 증폭기와 switched capacitor low pass filter (SC LPF), capacitance offset calibration loop, SAR ADC 그리고 어떤 것이 있는가?",
"전체 회로는 증폭기 공유 기법이 적용된 단일 증폭기와 switched capacitor low pass filter (SC LPF), capacitance offset calibration loop, SAR ADC, SPI 로 구성되며 어떤 증폭기 형태인가?",
"입력단은 어떤 형태인가?",
"설계된 core amplifier의 출력단은 어떤 구조인가?",
"전체 회로 중 단일 증폭기에는 증폭기 공유 기법이 제외되었는가?",
"rail-to-rail 의 입력단과 folded cascade 구조의 출력단으로 구성된 core amplifier를 설계하는 것은 실패하였는가?",
"무엇으로 인해 swing range 가 증가하였는가?",
"offset 보상 회로는 어떤 구조를 가지고 있는가?",
"offset 보상 회로를 어디에 추가하였는가?",
"offset 보상 회로를 core amplifier 외부에 추가하였는가?",
"offset 보상 회로는 강인한 공통모드 기준전압 유지에 도움이 되는가?",
"witched capacitor common mode feedback (SC CMFB) 구조는 core amplifier 의 구조인가?",
"swing range 가 증가한 것은 Folded cascode 출력단 때문인가?",
"SC CMFB를 통해 무엇을 설정하는가?",
"Core amplifier 는 어떤 대역의 noise 를 감쇠시키기 위해 correlated double sampling (CDS) 기법을 적용했는가?",
"Core amplifier 는 저주파 대역의 무엇을 감소시키려 하였는가?",
"Core amplifier 는 왜 correlated double sampling (CDS) 기법을 사용하였는가?",
"Core amplifier 는 고주파 대역의 noise 를 줄이려고 하였는가?",
"correlated double sampling (CDS) 기법은 저주파 대역의 noise 를 줄여주는가?",
"저주파 대역의 noise 를 감쇠시키기 위해 correlated double sampling (CDS) 기법을 적용한 것은 무엇인가?",
"Core amplifier 는 correlated double sampling (CDS) 기법을 배제시켰는가?",
"센서 계측 플랫폼이 어떤 상태로 동작하기를 원했는가?",
"stand-alone 으로 동작하기 위해 내부에 어떤 것들을 설계하였는가?",
"제안하는 센서 계측 플랫폼은 무슨 회로를 내부에 설계하였는가?",
"relaxation oscillator 와 reference voltage, current 회로를 설계한 이유는 stand-alone 으로 동작하기 위해서인가?",
"relaxation oscillator 와 reference voltage, current 회로는 외부에 있었는가?",
"내부 relaxation oscillator 를 통해 무엇을 생성하는가?",
"stand-alone 으로 동작하기 위해 reference voltage는 필요했는가?",
"내부 relaxation oscillator 를 통해 master clock 을 생성하고 무엇을 통해 분주되는가?",
"내부 relaxation oscillator 를 통해 master clock 을 생성하고 clock divider 를 통해 분주되어 각각 어느 회로에 입력되는가?",
"relaxation oscillator는 어디에 있는가?",
"외부에 있는 relaxation oscillator 를 통해 회로로 입력되는가?",
"master clock은 relaxation oscillator를 통해 만들어지는가?",
"입력되는 회로 이름이 아닌 것은 무엇인가?",
"내부 relaxation oscillator 를 통해 master clock 을 생성하고 core amplifier를 통해 분주되는 것인가?",
"chopper 회로, core amplifier 와 SC LPF 외에 또 어떤 회로에 입력되는가?",
"내부 relaxation oscillator 를 통해 master clock 을 생성한 뒤 여러개로 나누어지는가?",
"여러 개의 회로에 나누어져 입력되는가?",
"전력 소모를 줄일 수 있도록 레지스터를 설정한 것은 무엇인가?",
"이러한 분주된 clock 은 무엇을 통해 레지스터를 설정했는가?",
"clock divider 를 통해 각각 회로에 어떻게 되는가?",
"무엇을 통하면 전력 소모를 줄일 수 있는가?",
"레지스터를 설정한 이유는 무엇을 줄이기 위함인가?",
"전력 소모를 줄이려면 레지스트리를 설정하면 되는가?",
"레지스터를 설정하기 전 clock은 분주되어 있는가?",
"power gating 을 통해 레지스터를 설정하였는가?",
"power gating 을 이용하면 전력 소모를 줄일 수 있는 방법이 있는가?",
"증폭기의 출력이자 SC LPF 의 입력 신호를 받아 comparator 와 D flip-flop 을 통과하고 R-2R digital to analog converter (R2R DAC) 를 통해 증폭기 입력 신호의 capacitor array 레지스터를 조정하는 것은 무엇인가?",
"증폭기 입력 신호의 capacitor array 레지스터를 조정하는 것은 무엇을 통해야하는가?",
"SC LPF 의 입력 신호를 받아 comparator 와 D flip-flop 을 통과하는 Capacitance offset calibration loop (COCL)은 무엇의 출력인가?",
"Capacitance offset calibration loop (COCL) 는 SC LPF 의 입력 신호를 받아 어떤 것들을 통과하는가?",
"R-2R digital to analog converter (R2R DAC) 를 통해 증폭기 입력 신호의 무엇을 조정하는가?",
"Capacitance offset calibration loop (COCL) 는 comparator 와 D flip-flop 을 통과하는가?",
"무엇을 통해 master clock 을 생성하고 clock divider 를 통해 분주되는가?",
"reference voltage, current 회로 외에 센서 계측 플랫폼 내부에는 무엇이 있었는가?",
"증폭기 입력 신호의 capacitor array 레지스터를 조정하는 것은 D flip-flop 을 통과하기 전인가?",
"증폭기 입력 신호의 capacitor array 레지스터를 조정하기 위해 R-2R digital to analog converter (R2R DAC) 를 이용하는가?",
"comparator 와 D flip-flop 모두를 통과하는가?",
"증폭기의 differential 출력을 무엇으로 비교하는가?",
"증폭기의 무엇을 comparator 로 비교하는가?",
"증폭기의 differential 출력을 comparator 로 비교하고 그 출력을 어디에 저장하는가?",
"출력을 D flip-flop 에 저장하여 무엇을 통해 순차적으로 capacitor array 레지스터에 순차적으로 전달하는가?",
"어떤 기법을 이용하여 offset 을 감쇠시키는가?",
"증폭기의 differential 출력을 comparator 로 비교하고 그 출력을 D flip-flop 에 저장하여 R2R DAC 를 통해 순차적으로 capacitor array 레지스터에 전달하는 방식은 무엇을 감쇠시키는가?",
"증폭기의 differential 출력을 D flip-flop으로 비교하는가?",
"binary research 기법을 이용하면 offset이 증가하는가?",
"offset 을 감쇠시킬 수 있는 방법은 없는가?",
"R2R DAC 에 출력을 저장하는가?",
"증폭기의 differential 출력을 comparator 로 비교하고 그 출력을 D flip-flop 에 저장하여 R2R DAC 를 통해 역순으로 레지스터에 전달하는가?",
"capacitor array 레지스터에 순차적으로 전달하기 위해서는 R2R DAC를 거쳐야 하는가?",
"comparator 로 비교하고 그 출력을 D flip-flop 으로 출력하는가?",
"이 회로는 무엇이 가능한가?",
"self-biasing 이 가능한 이유는 무엇이 구성됐기 때문인가?",
"reference voltage 회로와 reference current 회로는 어디에 있는가?",
"reference voltage 회로는 self-biasing과 무관한가?",
"내부에 reference voltage 회로와 reference current 회로를 구성한 이유는 self-biasing을 위한 것인가?",
"이 회로는 결국 self-biasing 은 불가능한가?",
"self-biasing 이 가능하도록 reference current 회로 외에 무엇을 구상하였는가?",
"이 회로들을 통해 무엇만으로 내부 회로들이 동작했는가?",
"이 회로들을 통해 공급 전원만으로 내부 회로들이 모두 무엇을 할 수 있게 되었는가?",
"디지털 회로의 공급 전압은 무엇을 통해 제공하는가?",
"low drop output (LDO) 를 통해 디지털 회로의 무엇도 제공하는가?",
"공급 전원만으로는 내부 회로들이 모두 동작할 수 없는가?",
"공급 전원만으로 내부 회로들이 일부만이 동작이 가능했는가?",
"공급 전원만으로 내부 회로들이 모두 동작할 수 있게 되는 것은 이 회로들이 있기 때문인가?",
"디지털 회로에는 대표적으로 무슨 회로가 있는가?",
"SPI 통신을 통해 내부의 무엇을 조정할 수 있는가?",
"SPI 통신은 비교적 무엇이 쉬운 편인가?",
"SPI 통신을 외부에서 조작하는 것은 힘든가?",
"회로 내부 레지스터의 종류에는 어떤 것들이 있는가?",
"SPI 통신을 통하면 외부에서 직접 레지스터들을 조정하지 않고도 내부의 레지스터들을 조정할 수도 있는가?",
"회로 내부 레지스터의 종류에는 증폭기의 feedback capacitors, gain capacitors 와 COCL, DAC 의 무엇이 있는가?",
"회로 내부 레지스터의 종류 중에 COCL, DAC 의 control 레지스터외에 증폭기의 feedback capacitors 와 무엇이 있는가?",
"증폭기의 feedback capacitors, gain capacitors 와 COCL, DAC 의 control 레지스터 등은 회로 외부 레지스터인가?",
"회로 내부 레지스터의 종류에는 여러가지가 있는가?",
"증폭기의 feedback capacitors, gain capacitors 와 COCL, DAC 의 control 레지스터 등은 무엇의 종류인가?",
"회로 내부 레지스터의 종류에는 COCL, DAC 의 control 레지스터도 포함이 되는가?",
"Fig. 1은 제안하는 고잡음 용량형 센서 계측 플랫폼인가?",
"Fig. 1은 제안하는 용량형 센서 계측 플랫폼의 어떤 특성을 가지고 있는가?",
"제안하는 저전력, 저잡음 용량형 센서 계측 플랫폼은 Fig. 1에 나와있는가?",
"전체 회로는 단일 증폭기와 capacitance offset calibration loop, SAR ADC, SPI 외에 무엇으로 구성되었는가?",
"rail-to-rail 의 입력단과 folded cascade 구조의 출력단으로 구성된 무엇을 설계하였는가?",
"core amplifier 내부에 switched capacitor common mode feedback (SC CMFB) 구조의 offset 보상 회로를 추가한 이유는 무엇인가?",
"기준 전압은 SC CMFB를 통해 설정되는가?",
"증폭기의 feedback capacitors, gain capacitors 와 COCL, DAC 의 control 레지스터 등은 어떤 종류인가?",
"디지털 회로의 공급 전압 제공은 low drop output (LDO) 덕분인가?",
"외부에서 직접 레지스터들을 조정하지 않고도 내부의 레지스터들을 조정할 수 있는 것은 무엇 때문인가?",
"무엇을 통해 기준 전압을 설정하여 출력 신호를 내보내는가?"
] |
bb46b2a7-3818-48ce-bf51-e04be7def45c
|
인공물ED
|
증폭기 공유 기법을 이용한 저전력 저잡음 용량형 센서용 신호 처리 IC
|
<h3>2.1.3 Offset Calibration Loop</h3><p>Fig. 5는 오프셋 교정 회로를 나타내었다. 센서와 증폭기의 연결부위에서 발생하는 parasitic capacitance 를 교정하기 위해서 사용하는 기존의 capacitor array 기법을 사용하였다. 이는 capacitor array 를 위해 칩 내부에서 면적을 크게 차지한다는 단점이 있다. 또한, 공정 설계의 rule 상에서 제공하는 가장 작은 capacitor 의 용량 제한이 있다는 단점이 있다. 하지만 capacitor array 의 레지스터를 조정함으로써 capacitor 변화량을 시각적으로 확인할 수 있다는 장점이 있기 때문에 측정을 위해 사용했다. 이 회로에서 사용한 unit capacitor 의 크기는 약 21 \( \mathrm{fT}\)\((4 ~\mu \mathrm{m} \times 4 ~\mu \mathrm{m} \times 1.32 ~\mathrm{fT} / \mu \mathrm{m} 2) \) 이다. 이 capacitor 를 조정하기 위한 레지스터를 할당하여 레지스터를 조정하는 방법으로 offset calibration circuit 을 설계했다.</p><p>용량형 계측 증폭기의 출력을 비교기를 통하여 비교하고 D flip-flop 을 이용하여 설계한 10-bit binary search successive approximation register (SAR) logic 에 저장한다. 이렇게 저장된 신호들은 순차적으로 capacitor array 의 Cc1 과 Cc2를 조정하는 control register 신호로 출력된다. 자동적으로 교정이 가능하도록 reset 신호에 따라 교정을 진행할 수 있게 내장 발진기를 통해 신호를 생성한다.</p><h3>2.1.4 Serial Peripheral Interface (SPI)</h3><p>Fig. 6은 본 회로에 적용된 SPI 레지스터 동작이다. 상위의 timing diagram 에서 CS 신호가 0이고 SCK 신호가 1일 때 데이터 입, 출력이 가능한 것을 알 수 있다. 그리고 MISO 신호와 MOSI 신호를 통해 데이터의 입, 출력을 한다. MISO 의 8-bit 신호에서 첫 bit 는 W/R 레지스터로 write 와 read 를 결정하고, 뒤의 7-bit register 는 데이터의 주소를 의미한다. MISO 신호가 끝난 후 이어지는 MOSI 신호의 8-bit register 는 data register 로 내부 레지스터 값을 설정해주는 데이터이다. 이 SPI 통신을 이용하여 칩 내부의 offset calibration loop 의 레지스터들, capacitive sensor sensing 증폭기의 capacitors (Cf, Cg), 내장 발신기의 clock 조정 레지스터들, 칩 내부의 동작 설정 레지스터들을 설정할 수 있다. SCL, SDA 신호에 대해 그려진 timing diagram 은 Inter- Integrated Circuit ( \( \left.\mathrm{I}^{2} \mathrm{C}\right) \) 통신에 대한 방법으로 통신을 위한 데이터 신호의 시작과 끝까지의 과정을 설명한다. 본 회로는 칩 내부에 SPI 와 \( \mathrm{I}^{2} \mathrm{C} \) 통신 두가지 방법이 모두 적용되었기에 외부에서 칩을 사용하는데 있어서 접근이 용이하다.</p>
|
[
"parasitic capacitance이 발생하는 부위는 어디야?",
"Fig. 5가 나타내는 것은 뭐야?",
"capacitor array 의 단점이 뭐야?",
"parasitic capacitance 교정은 어떻게 해야해?",
"공정 설계의 rule 상에서 제공하는 capacitor 에 용량 제한이 있어?",
"capacitor array 의 레지스터를 조정함으로써 capacitor 변화량을 어떻게 확인할 수 있어?",
"capacitor array 의 레지스터를 조정함으로써 확인할 수 있는 것은 뭐야?",
"회로에 쓰이는 unit capacitor 의 크기는 얼마야?",
"레지스터를 조정하기 위해 무엇을 설계하였어?",
"레지스터는 왜 할당하였어?",
"비교기를 통해 비교하는 수치가 뭐야?",
"용량형 계측 증폭기의 출력을 어디에 저장해?",
"control register 신호는 무엇을 조정해?",
"용량형 계측 증폭기의 출력을 저장할 때 D flip-flop 을 이용해??",
"신호는 어떻게 생성해?",
"신호는 어떤 신호에 따라 자동적으로 교정이 가능해?",
"Fig. 6이 나타내는게 뭐야?",
"Serial Peripheral Interface의 약자가 뭐야?",
"상위의 timing diagram 에서 CS 신호가 0이고 SCK 신호가 1일 때 데이터 입력만 가능해?",
"본 회로에는 SPI 레지스터 동작이 적용됐어?",
"상위의 timing diagram 에서 출력이 가능할 때 CS 신호의 값이 얼마야?",
"MOSI 신호를 통해 데이터의 입, 출력을 해?",
"MISO 의 8-bit 신호에서 첫 bit의 역할이 뭐야?",
"MISO 신호가 끝난 후 이어지는게 뭐야?",
"MISO 신호와 MOSI 신호의 8-bit register는 동시에 일어나?",
"MOSI 신호의 8-bit register가 뭐야?",
"칩 내부에 본문에 언급한 것으로는 어떤 것들이 있어?",
"신호는 자동적으로 교정이 불가능해?",
"SPI 통신을 이용하여 할 수 있는게 뭐야?",
"SCL, SDA 신호에 대해 그려진 timing diagram 은 Inter- Integrated Circuit ( \\( \\left.\\mathrm{I}^{2} \\mathrm{C}\\right) \\) 통신에 대한 방법이야?",
"MISO 의 8-bit 신호에서 데이터의 주소를 의미하는 부분은 어디야?",
"외부에서 칩을 사용하는데 있어서 접근이 용이하도록 어떻게 적용하였어?",
"외부에서 칩을 사용하는데 있어서 접근이 용이하려면 칩 내부에 SPI 또는 \\( \\mathrm{I}^{2} \\mathrm{C} \\) 통신 두가지 방법중 하나만 있으면 돼?",
"SCL, SDA 신호에 대해 그려진 timing diagram을 통해 알 수 있는게 뭐야?",
"MOSI 신호의 8-bit register 는 데이터야?",
"timing diagram 은 어떤 신호를 이용해서 그려졌어?",
"어떤 신호를 사용하여 timing diagram 을 그렸어?"
] |
79d4f56f-4f56-4460-81f4-112de550d57e
|
인공물ED
|
증폭기 공유 기법을 이용한 저전력 저잡음 용량형 센서용 신호 처리 IC
|
<h1>3. 제작 및 성능 평가</h1><h2>3.1 제작 결과</h2><p>Fig. 7은 제작된 용량형 센서 측정 chip 의 micro photograph 를 나타내었다. 본 회로는 \( 0.18 ~\mu \mathrm{m}\) 1P6M CMOS 공정을 사용하였으며 active 면적은 \( 1.76 \mathrm{~mm}^{2} \) 이다. 칩 내에는 capacitive sensing IC 및 12 bit SAR ADC \( \&\) Sub block이 포함되어 있으며 sub block 에는 current reference 및 oscillator 를 포함한 timing generator 가 모두 집적화되어 있다.</p><h2>3.2 성능 측정 결과</h2><h3>3.2.1 Programmable 소자에 따른 증폭기 결과</h3><p>Fig. 8은 설계한 capacitive sensing amplifier의 programmable offset calibration loop 의 레지스터를 조정하여 얻은 측정 결과이다. 설계한 offset calibration circuit 은 comparator 와 SAR logic, multiplexer 를 사용하여 구성했다. Comparator 를 통해 증폭기의 differential 출력을 비교하고, D flip-flop 으로 구성된 SAR logic 에 비교한 값들을 저장한다. 이후에 multiplexer 회로를 거쳐 순차적으로 10-bit offset calibration capacitors 인 Cc1과 Cc2 의 레지스터에 값들을 인가한다. 본 회로의 공정상의 unit capacitor 는 대략 \( 21 \mathrm{fF} \) 로 Fig. 8 의 그래프와 같이 \( 21 \mathrm{~fF}\) /step으로 교정 회로가 정상적으로 동작함을 확인할 수 있다. 보상 회로와 증폭기의 특성을 알아보기 위해 Fig. 9 의 그레프를 제시한다. Fig. 9 은 capacitive sensitivity 와 linearity 를 확인하기 위해 증폭기의 출력을 도식화했고, 이 그래프의 추세선 관계식은 식 (3)과 같다. 선형 회귀 분석을 통한 결과 값 \( \mathrm{R}^{2} \) 은 0.9991 로 회로의 선형성을 확인할 수 있다. Capacitive linearity 를 측정하기 위해 full scale output (FSO) 를 계산하여 \( 2.46 \% \) FSO 의 결과를 얻었다. 이러한 그래프 분석 결과에 따라 이 회로의 두 가지 특성에 대해 capacitive sensitivity 는 \( 2.5 ~\mathrm{mV} / \mathrm{fF} \) 이고, capacitive linearity 는 \( 2.46 \% \) FSO의 결과를 얻었다.</p><p>\( Y=0.0025 x-3.1477 \\ R^{2}=0.9991\)<caption>(3)</caption></p><h3>3.2.2 제안한 증폭기의 noise 측정 결과</h3><p>Fig. 10은 제안하는 증폭기의 noise 특성 결과이다. 타 논문과의 비교를 위해 input referred capacitance noise 를 구하고자 input capacitance noise 를 측정하였다. 측정 장비는 Agilent 사의 dynamic signal analyzer 를 이용했고, frequency domain 에서 bandwidth 는 \( 400 \mathrm{~Hz} \) 로 측정했다. 이러한 환경에서 input referred capacitance noise floor 는 \( 8.2 \mathrm{E}-3 \mathrm{~aF} / \sqrt{\mathrm{Hz}} \) 이며, integrated input referred capacitance noise 는 \( 0.164 \mathrm{~aF}_{\mathrm{RMS}} \) 의 결과를 얻었다.</p><h3>3.2.3 제안한 회로의 측정 결과와 비교</h3><p>Table 1 은 제안한 회로의 측정 결과와 타 논문과의 비교에 대한 표이다. 본 회로는 \( 0.18 \mu \mathrm{m}\) 1P6M CMOS 공정을 사용하였으며 active 면적은 \( 2.12 \mathrm{~mm}^{2} \) 이다. 전력 소모는 \( 1.02 \mathrm{~mW} \) 이며, 공급 전원은 \( 3.3 \mathrm{~V} \) 이다. 회로의 bandwidth 는 \( 400 \mathrm{~Hz} \) 이고, 이에 대한 input referred capacitance noise 는 \( 0.164 \mathrm{~aF}_{\mathrm{RMS}} \) 이다. 위와 같은 결과들을 통해 타 논문과의 전력, noise 에 대한 총괄적인 비교를 위해 figure of merit (FoM) 을 제시한다. FoM 은 전력과 integrated input referred noise 를 곱하고 이를 bandwidth \( (\sqrt{\mathrm{Hz}}) \) 로 나눈 값이다. FoM의 결과로 타 논문과 비교를 하면 본 회로는 FoM 이 8.4이고, 기타 유사 논문들은 수십의 값을 갖는다. 이를 통해 본 회로는 전력과 noise 측면에서 우수한 성능을 갖고 있음을 나타낸다.</p>
|
[
"본 회로의 active 면적은 몇 \\( \\mathrm{~mm}^{2} \\) 인가?",
"용량형 센서 측정 chip은 무엇이야?",
"offset calibration circuit은 어떻게 구성되어졌는가?",
"본 회로는 몇 \\( 0.~\\mu \\mathrm{m}\\) 1P6M CMOS 공정을 사용했어?",
"Comparator 를 통해 D flip-flop 으로 구성된 SAR logic 에 비교한 값들을 어떻게 하는가?",
"증폭기의 출력을 도식화한 이유는 무엇인가?",
"선형 회귀 분석을 통한 결과 값은 몇 인가?",
"capacitive sensitivity 와 linearity 를 확인하기 위해 증폭기의 무엇을 도식화 했는가?",
"\\( \\mathrm{R}^{2} \\)은 무엇인가?",
"input referred capacitance noise 를 구하고자 input capacitance noise 를 측정했는데 장비로는 Agilent 사의 무엇을 사용했는가?",
"\\( 3.3 \\mathrm{~V} \\)의 값은 무엇을 나타내는가?",
"전력 소모는 몇 \\( \\mathrm{~mW} \\) 인가?",
"\\( 0.164 \\mathrm{~aF}_{\\mathrm{RMS}} \\) 은 무엇에 대한 것인가?",
"회로의 bandwidth는 몇 \\( \\mathrm{~Hz} \\) 인가?",
"제작된 용량형 센서 측정 chip 안에는 무엇이 포함되어 있는가?",
"multiplexer 회로를 거쳐 Cc1과 Cc2 의 레지스터에 무엇을 인가하는가?",
"Capacitive linearity 를 측정하기 위해 무엇을 계산 했는가?",
"Capacitive linearity 를 측정하기 위해 FSO 를 계산하여 몇 \\(\\% \\) FSO 의 결과를 얻었는가?",
"input referred capacitance noise floor은 몇 \\( \\mathrm{E}-3 \\mathrm{~aF} / \\sqrt{\\mathrm{Hz}} \\) 결과를 얻었는가?",
"본 회로의 active 면적은 몇 \\( \\mathrm{~mm}^{2} \\) 인가?",
"comparator 와 SAR logic, multiplexer 를 사용하여 무엇을 설계 했는가?",
"input referred capacitance noise 를 구하고자 무엇을 측정했는가?",
"frequency domain 에서 bandwidth 는 몇 \\( \\mathrm{~Hz} \\) 로 측정했는가?",
"full scale output의 약자는 무엇인가?",
"증폭기의 differential 출력을 비교하기 위해 Comparator를 필요로 하는가?"
] |
be7172bd-e0ce-4752-8e3b-fe22009d2ff4
|
인공물ED
|
증폭기 공유 기법을 이용한 저전력 저잡음 용량형 센서용 신호 처리 IC
|
<h1>1. 서 론</h1><p>용랑형 검출 방식은 다양한 물리적, 화학적, 생물학적 신호를 계측하여 환경 변화에 대한 검출 및 모니터링을 위해 사용하는 소형 고감도 감지 센서에 널리 이용된다. 특히, 용랑형 센서는 피에조 방식 등 기타 방식에 비하여 저전력 특성, 온도 의존성, 우수한 DC 응답성을 얻을 수 있어, 일상 생활의 편리함을 목적으로 설계된 웨어러블, 스마트 디바이스에서 사용된다. 이러한 웨어러블, 스마트 디바이스를 포함한IoT 분야에서 시용되는 capacitive sensor 의 종류에는 압력 센서, 증력 센서, 가속도계 센서, 화학물 센서 등이 있다.</p><p>특히 웨어러블 기기 및 휴대용 스마트 디바이스의 경우 빠른 저전력화 및 소형화로 인하여 적용 부품의 초소형화 저전력화에 대한 요구가 증가하고 있으며, 이에 따라 용량형 센서들의 capacitance sensitivity가 감소하는 추세이며, 이에 따라 저전력, 작은 크기의 칩을 설계하기 위해서 다양한 방법을 적용한 결과들이 제시되고 있다. 하지만 이러한 요구조건을 지키면서 높은 gain과 sensitivity를 얻기 위해서는 2단 또는 3단의 다단 증폭기 구조를 사용해야 한다. 기존의 다단 증폭기 구조는 많은 capacitor와 증폭기로 인해서 많은 면적을 차지하고 높은 전력 소모를 갖는 문제가 있다. 또한, capacitive MEMS 센서와 analog front end (AFE) 사이의 parasitic capacitance로 인한 mismatch 문제와 증폭기 사이에서 발생하는 mismatch에 의한 offset 문제, 증폭기의 수만큼 증가하는 noise 문제가 발생함으로 인하여, 출력전압이 VDD 또는 GND 로 포화될 수 있다.</p><p>본 논문에서는 용량형 센서 계측 플랫폼을 위한 증폭기 공유 기법이 적용된 저전력, 저잡음 IC 회로를 제안한다. 기존의 다단증폭기와는 다르게 증폭기 공유 기법을 이용하여 capacitive sensing amplifier (CSA) 를 설계했고 이를 통해 하나의 단일 증폭기로 기존 다단증폭기의 capacitive sensing 성능을 만족하는 회로를 구현하였다.</p><p>이러한 증폭기 공유 기법을 이용하면 하나의 증폭기만을 사용하므로 기존의 다단증폭기와는 다르게 자원을 여러 증폭기에서 사용하지 않기 때문에 저잡음 증폭기 하나로 저잡음 특성을 유지하면서 회로의 면적을 줄일 수 있는 장점이 있다. 또한, 1 /f noise, flicker noise 와 같은 저주파 대역의 noise 를 감소시키기 위해 correlated double sampling (CDS) 기법을 적용했다. Capacitive micro 센서와 입력단 사이에서 발생하는 parasitic capacitance 를 제거하기 위해서 capacitance offset calibration loop 를 사용하여 binary search 기법으로 감쇠시킬 수 있도록 했다. Capacitive sensing chain 의 feedback capacitors, programmable gain registers, timing generator 의 registers 를 포함한 내부 회로들의 다양한 레지스터들을 조정하기 위해서 serial peripheral interface (SPI) 를 설계했고 이를 통해 디지털적으로 제어할 수 있다. 증폭기의 출력은 noise 감소와 작은 면적을 위해서 switched capacitor low-pass filter (SC LPF) 를 설계했다. 최종적으로 successive approximation register analog to digital converter (SAR ADC) 를 통해 디지털 신호로 출력된다.</p>
|
[
"증폭기 공유 기법 설명으로 옳은 것을 고르시오",
"본 논문에서 용량형 센서 계측 플랫폼을 위한 증폭기 공유 기법이 적용된 저전력, 저잡음 IC 회로를 제안할수 없다.",
"용랑형 검출 방식은 주로 어디에 널리 이용되나요?",
"증폭기 공유 기법을 이용하면 하나의 증폭기만을 사용하므로 기존의 다단증폭기와는 다르게 무엇을 할 수있는지 찾아 보시오.",
"웨어러블, 스마트 디바이스를 포함한IoT 분야에서 시용되는 capacitive sensor 의 종류에는 압력 센서가 있다.",
"본 논문에서는 용량형 센서 계측 플랫폼을 위한 증폭기 공유 기법이 적용된 저전력, 저잡음 IC 회로를 제안한다.",
"웨어러블, 스마트 디바이스를 포함한IoT 분야에서 시용되는 capacitive sensor 의 종류에는 가속도계 센서가 있다.",
"웨어러블 기기 및 휴대용 스마트 디바이스의 경우 빠른 저전력화 및 소형화로 인하여 적용 부품의 초소형화 저전력화에 대한 요구가 ( )하고 있으며, 이에 따라 용량형 센서들의 capacitance sensitivity가 ( )하는 추세이다. 가로안에 알맞은 단어를 쓰세요.",
"웨어러블, 스마트 디바이스를 포함한IoT 분야에서 시용되는 capacitive sensor 의 종류에는 지능센서가 있다.",
"웨어러블, 스마트 디바이스를 포함한IoT 분야에서 시용되는 capacitive sensor 의 종류에는 화학물센서가 있다.",
"웨어러블, 스마트 디바이스를 포함한IoT 분야에서 시용되는 capacitive sensor 의 종류에는 중력센서가 있다.",
"피에조 방식 등 기타 방식에 비하여 저전력 특성, 온도 의존성, 우수한 DC 응답성을 얻을 수 있어, 일상 생활의 편리함을 목적으로 설계된 웨어러블, 스마트 디바이스에서 사용된다. 위 지문은 무엇에 대한 설명인가요?"
] |
afe3b82a-a283-4384-b4e2-f498c2395d04
|
인공물ED
|
증폭기 공유 기법을 이용한 저전력 저잡음 용량형 센서용 신호 처리 IC
|
<h3>2.1.1 CSA AFE 회로의 원리</h3><p>Fig. 2 는 기존의 3단 증폭기를 통한 capacitive sensor 의 변화를 측정하는 capacitive sensing chain IC를 나타내었다. Capacitive sensor 와 Opamp사이에 존재하는 입력 offset 과 flicker noise 는 증폭기 출력의 DC 전압 레벨에 영항을 준다. 이 문제점을 해결하기 위해서, capacitive sensor의 전원을 chopper 회로를 통해 VDD 와 GND 를 clock phase에 따라 번갈아 충전시킨다. 이 과정을 통해 peak-to-peak 진폭이 capacitance 값의 변화 차이에 비례하는 CSA 단의 출력이 나오게 되고, 이 동작으로 인해 CSA의 출력에서 amplitude modulation 된 신호를 생성하게 된다. 출력이 differential 로 demodulation 된 후에는 입력 offset 과 flicker 잡음과 같은 distortion 의 영향을 줄일 수 있다. Capacitor array 는 micro-sensor 와 증폭기 사이에 발생하는 input parasitic capacitance 를 제거하기 위해 사용된다. 1 / f 잡음 및 DC offset 과 같은 저주파 잡음을 제거하기 위해 CDS 기법이 주로 사용된다.</p><h3>2.1.2 증폭기 공유 기법이 적용된 CSA의 동작</h3><p>Fig. 3은 제안한 증폭기 공유 기법이 적용된 CSA 이다. 증폭기 공유 기법을 이용하여 기존의 2단 이상의 증폭기에 비해 증폭기 수가 줄어들어 증폭기가 차지하는 면적을 절반 이상으로 줄였다는 장점이 있으며, 또한 여러 증폭기에서 사용하는 자원들을 하나의 증폭기만을 이용하여 noise 와 전력 소모량이 줄어들었다. 제안하는 증폭기 공유기법을 이용한 capacitive sensing amplifier (CSA) 의 동작은 Fig. 4에 나타내었다.</p><p>Phase 1 신호에서 chopper 동작에 의해 VDD가 \( \mathrm{VDD}_{\mathrm{C}} \)로 GND는 \( \mathrm{GND}_{\mathrm{C}} \) 로 연결이 되고 센서의 VDD 와 GND 전원을 인가한다. 센서의 전원으로 differential sensing capacitances 가 충전되고 센서의 출력과 증폭기가 연결된다. 또한, 증폭기의 입력과 출력이 연결되어 센서의 신호가 초기화되고 feedback capacitor (Cf)에 초기값이 지장된다. Phase 2 신호에서 본 회로는 capacitive sensing amplifier 로 동작을 한다. 센서의 전원은 chopper 에 의해 GND가 \( \mathrm{VDD}_{\mathrm{C}} \) 에 VDD가 \( \mathrm{GND}_{\mathrm{C}} \) 에 연결되어 phase 1 과는 정반대로 센서의 differential sensing capacitances 를 충전시킨다. 그리고 센서에 충전된 전하가 Cf 로 이동하고 이동한 전하는 전압으로 변환된다. 출력전압은 gain capacitor (Cg)에 sampling 된다. 이 phase 2 과정에 의한 증폭기의 출력 전압 관계식은 식 (1) 에 나타내었다. Phase 3 에서는 phase 1 과 마찬가지로 입력과 출력이 연결되어 초기화된다. 또한, 센서와 증폭기 사이의 연결을 끊어 센서의 출력 신호를 차단한다. Phase 4 신호에서도 센서와 증폭기는 연결되지 않고, phase 2에서 전압으로 변환된 신호를 증폭시키는 전압 이득 증폭기로 동작한다. Gain capacitor Cg 에 sampling 된 전압이 Cg와 Cf의 비에 의해 증폭되어 증폭기의 출력으로 나간다. 출력전압은 sampling 되어 SC LPF 로 전달된다. Phase 1 부터 phase 4 까지의 과정을 통해 센서에 감지된 capacitance 를 전압으로 변환하고 이 전압을 증폭시켜 출력으로 내보내는 capacitive sensing amplifier 를 구현했다. 이에 대한 출력의 관계식은 식 (2) 에 나타내었다.</p><p>\( V_{O}=-\frac{V_{D D} \cdot 2 \Delta C}{C_{f}}+V_{r e f} \)<caption>(1)</caption></p><p>\( V_{O}=-\frac{V_{D D} \cdot 2 \Delta C}{C_{f}} \cdot \frac{C_{g}}{C_{f}}+V_{r e f} \)<caption>(2)</caption></p>
|
[
"제안한 증폭기 공유기법이 적용된CSA를 이용하여 얻어진 장점은 무엇입니까?"
] |
f3900924-a7e9-4eda-b8ac-d454e1f96b69
|
인공물ED
|
증폭기 공유 기법을 이용한 저전력 저잡음 용량형 센서용 신호 처리 IC
|
<h1>4. 결 론</h1><p>본 논문은 연산 증폭기 공유 기법을 이용한 저전력, 저잡음 용량형 센싱집적회로를 제안했다. 연산 증폭기 공유 기법을 이용하여 하나의 증폭기로 2단 이상의 증폭기 성능을 구현한다. CSA와 PGA 를 하나의 증폭기로 구현하여 면적과 잡음, 전력 소모량을 줄일 수 있다. Chip 은 \( 0.18 \mu \mathrm{m}\) 1P6M CMOS 공정을 사용하였으며 active 면적은 \( 2.12 \mathrm{~mm} 2 \) 에 해당된다. 공급 전압은 \( 3.3 \mathrm{~V} \) 이고, 전체 전류는 \( 310 ~\mu \mathrm{A} \), 전력 소모량은 \( 1.02 ~\mathrm{~mW} \) 이다. 입력단의 parasitic capacitance 는 \( -21 \mathrm{~pF} \) 에서 \( 21 \mathrm{~pF} \) 까지의 mismatch 를 교정할 수 있으며, offset calibration circuit 은 10-bit SAR logic 을 이용하여 binary search 기법으로 아날로그 방식과 디지털 방식으로 선택하여 교정할 수 있다. \( 400 \mathrm{~Hz} \) 의 bandwidth 에서 input referred capacitance noise 는 \( 0.164 \) aFRMS 이다. 본 회로의 입, 출력 특성 결과로 capacitance sensitivity 는 \( 2.5 \mathrm{~mV} / \mathrm{fT} \) 이고, non-linearity 는 \( 2.46 \% \mathrm{FSO} \) 로 측정되었다. 이에 대한 결과로 FoM 은 8.4의 결과를 얻었다.</p>
|
[
"Chip에서 active 면적은 얼마니?",
"입력단의 parasitic capacitance가 mismatch 를 교정할 수 있는 범위가 어떻게 되니?",
"입, 출력 특성으로 측정된 capacitance sensitivity 와 non-linearity에 대한 결과로 FoM이 얻은 것은 무엇인가?",
"저전력, 저잡음 용량형 센싱집적회로를 추천하고자 어떤 기법을 사용했니?",
"어떤 기법을 저전력, 저잡음 용량형 센싱집적회로를 추천하고자 이용하나요?",
"본 논문이 고전력, 고잡음 용량형 센싱집적회로를 제안할때 연산 증폭기 공유 기법을 이용했어?",
"연산 증폭기 공유 기법을 이용해서 고전력, 고잡음 용량형 센싱집적회로를 제안한거야?",
"어느 정도의 성능을 연산 증폭기 공유 기법을 활용해 보여주니?",
"연산 증폭기 공유 기법을 활용해 어느 정도의 성능을 나타냈어?",
"면적과 잡음, 전력 소모량을 줄일 수 있으려면 무엇을 하나의 증폭기로 만들어야 할까?",
"무엇을 하나의 증폭기로 만들어야 면적과 잡음, 전력 소모량을 줄일 수 있어?",
"CSA와 PGA를 하나의 증폭기로 했을때 좋은 점이 뭐야?",
"무엇이 CSA와 PGA를 하나의 증폭기로 했을때 좋은 점인가요?",
"어떻게 하면 연산 증폭기 공유 기법으로 전력 소모량을 감소시킬 수 있을까?",
"연산 증폭기 공유 기법으로 전력 소모량을 감소시키려면 어떻게 해야하니?",
"Chip에서 사용된 공정은 뭐야?",
"무슨 공정이 Chip에서 이용되었나요?",
"입력단의 offset calibration circuit은 어떻게 아날로그 방식과 디지털 방식으로 선택하여 바로 잡을 수 있을까?",
"어떻게 아날로그 방식과 디지털 방식으로 선택하여 입력단의 offset calibration circuit을 바로 잡을 수 있나요?",
"binary search 기법으로 10-bit SAR logic 을 사용하여 아날로그 방식과 디지털 방식으로 선택하여 잘못된 것을 바로 잡는 것은 뭐야?",
"무엇이 binary search 기법으로 10-bit SAR logic 을 사용하여 아날로그 방식과 디지털 방식으로 선택하여 잘못된 것을 바로 잡는 것이니?",
"얼마의 capacitance sensitivity가 본 회로의 입, 출력 결과에서 나타나는가?",
"본 회로의 입, 출력 결과에서 얼마의 capacitance sensitivity가 나타났어?",
"얼마의 non-linearity가 본 회로의 입, 출력 특성 결과에서 관측되었어?",
"본 회로의 입, 출력 특성 결과에서 얼마의 non-linearity가 나타났어?"
] |
8f3fce04-f511-4319-ad70-4d9ea56ceee4
|
인공물ED
|
H.264에서 주변 움직임 벡터를 이용한 고속 부 화소 탐색 제어 기법
|
<h1>Ⅴ. 실험 및 결과</h1> <p>제안된 알고리즘은 JVT에서 제공된 JM10.1 참조 코드를 사용하였다. 실험 조건은 다음과 같다.</p> <p>1) 실험 이미지: 9개 각각 90 frame 적용된 이미지는 표 1 참조</p> <p>2) 율-왜곡 최적화 : On</p> <p>3) 인트라 주기 : 0 (첫 번째만 I 프레임 )</p> <p>4) Rate Control : Off, 양자화 계수 : 28</p> <p>5) 각 방법에 대해 SATD로 움직임 벡터 결정</p> <p>6) \( \triangle \)PSNR : 전체 검색 기준 비교 (+:증가, -:감소)</p> <p>7) 평균 비트 율 증감 계산 (+:증가, -:감소)</p> <p>\( \Delta B / R(\%)=\frac {\text {Bit-rate(proposed)-Bit-rate(full＿search)}} {Bit-rate(full＿search)}\times 100 \)</p> <p>8) 평균 계산 시간 증감 계산 (+:증가, -:감소)</p> <p>\( \Delta Time(\%)=\frac {\text {Time(proposed)-Time(full＿search)}} {Time(full＿search)}\times 100 \)</p> <p>위에서 제안된 아이디어를 기준으로 움직임 벡터 예측 시 참조하는 주변 움직임 벡터를 별도의 배열에 저장하고 현재 매크로 블록의 정수 화소 움직임 벡터를 결정하였다. 이를 바탕으로 주변 움직임 벡터 a, b, c와 정수 화소 움직임 벡터가 (0,0)이면 1/2, 1/4 화소 탐색을 생략하는 방법을 Idea 1(I_1)이라 하고 부 화소인 1/2, 1/4 화소에 대해 수평/수직 방향만 탐색하는 것을 Idea 2(I_2)로, Idea 1과 Idea 2를 같이 적용한 방법을 Idea 3로 정의하고 적용하였다. 또한 적용된 기법의 상대적 비교를 위해서 참조 코드의 빠른 전체 탐색 방법과 빠른 탐색관련 제안된 논문 중 2SS(Two Step Search)논문의 기법을 프로그램에 반영하여 도출된 자료를 제안된 방법과 비교하였다.</p> <p>표 5, 6, 7은 영상에 따른 각 기법의 적용 결과를 보여준다. 표의 제일 좌측은 적용된 알고리즘을 나타내고 표의 제일 위는 표 1에서 구분지어 준 각각의 영상을 나타낸다.</p> <table border><caption>표 5. 검색 방법에 따른 움직임 예측 시간 비교</caption> <tbody><tr><td></td><td>A</td><td>B</td><td>C</td><td>D</td><td>E</td><td>F</td><td>G</td><td>H</td><td>I</td></tr><tr><td>I_1</td><td>-5.3</td><td>-31</td><td>-1.2</td><td>-1.5</td><td>-12.3</td><td>-8.7</td><td>-12.0</td><td>-5.2</td><td>-2.7</td></tr><tr><td>2SS</td><td>-6.3</td><td>-6.1</td><td>-5.3</td><td>-4.4</td><td>-5.4</td><td>-5.1</td><td>-6.1</td><td>-5.7</td><td>-4.6</td></tr><tr><td>I_1+2SS</td><td>-9.4</td><td>-8.0</td><td>-5.6</td><td>-7.3</td><td>-11.2</td><td>-11.9</td><td>-12.9</td><td>-10.1</td><td>-7.5</td></tr><tr><td>L_3</td><td>-10.1</td><td>-10.4</td><td>-5.6</td><td>-7.6</td><td>-14.5</td><td>-11.6</td><td>-15.8</td><td>-11.8</td><td>-10.0</td></tr><tr><td>L_2</td><td>-6.3</td><td>-8.8</td><td>-5.9</td><td>-7.8</td><td>-7.9</td><td>-10.0</td><td>-8.2</td><td>-7.5</td><td>-8.4</td></tr></tbody></table> <table border><caption>표 6. 검색 방법에 따른 부 화소 검색 시간 비교</caption> <tbody><tr><td></td><td>A</td><td>B</td><td>C</td><td>D</td><td>E</td><td>F</td><td>G</td><td>H</td><td>1</td></tr><tr><td>I_1</td><td>-29.9</td><td>-18.6</td><td>-7.6</td><td>-9.3</td><td>-64.5</td><td>-48</td><td>-70.0</td><td>-28.1</td><td>-15.0</td></tr><tr><td>2SS</td><td>-35.5</td><td>-35.8</td><td>-32</td><td>-26.2</td><td>-28.7</td><td>-28.2</td><td>-35.7</td><td>-30.8</td><td>-25.3</td></tr><tr><td>I_1+2SS</td><td>-52.5</td><td>-47.3</td><td>-34.1</td><td>-43.5</td><td>-59.1</td><td>-65.3</td><td>-75.1</td><td>-54.5</td><td>-41.5</td></tr><tr><td>l_3</td><td>-56.6</td><td>-60.7</td><td>-33.9</td><td>-45.4</td><td>-76</td><td>-63.5</td><td>-91.6</td><td>-63.6</td><td>-55.2</td></tr><tr><td>l_2</td><td>-35.5</td><td>-31.7</td><td>-35.8</td><td>-46.4</td><td>-41.7</td><td>-54.8</td><td>-47.7</td><td>-40.7</td><td>-46.1</td></tr></tbody></table> <table border><caption>표 7. 검색 방법에 따른 \( \Delta B / R \) 비교</caption> <tbody><tr><td></td><td>A</td><td>B</td><td>C</td><td>D</td><td>E</td><td>F</td><td>G</td><td>H</td><td>I</td></tr><tr><td>I_1</td><td>0.86</td><td>2.11</td><td>-0.06</td><td>1.93</td><td>1.57</td><td>2.52</td><td>1.69</td><td>0.03</td><td>0.17</td></tr><tr><td>2SS</td><td>1.18</td><td>3.51</td><td>0.46</td><td>3.93</td><td>2.04</td><td>2.02</td><td>0.88</td><td>2</td><td>0.67</td></tr><tr><td>I_1+2SS</td><td>1.51</td><td>5.15</td><td>0.53</td><td>6.7</td><td>4.06</td><td>5.17</td><td>1.97</td><td>2.06</td><td>0.98</td></tr><tr><td>I_3</td><td>2.88</td><td>5.2</td><td>0.88</td><td>5.95</td><td>7.2</td><td>5.5</td><td>2.84</td><td>3.75</td><td>1.65</td></tr><tr><td>l_2</td><td>2.77</td><td>3.78</td><td>0.86</td><td>3.92</td><td>1.92</td><td>2.82</td><td>0.88</td><td>3.18</td><td>1.54</td></tr></tbody></table> <p>표 5를 통해서 정수와 부 화소 전체를 포함한 움직임 예측에서 I_3 방법이 E 영상에서 약 \( 14 \% \)의 시간 감소로 효과가 큰 것을 알 수 있고 표 6과 그림 5를 통해서 부 화소만을 기준으로 I_3 방법이 G 영상에서 약 \( 91 \% \)의 시간 감소로 효과가 큰 것을 알 수 있다. 표 7은 각 방법에 따른 Bit-rate을 비교한 것으로 I_3 방법이 E 영상에서 약 \( 7 \% \)의 증가가 발생함을 알 수 있다. I_1과 2SS를 동시에 적용하면 I_3보다 안정적이고 빠른 검색이 이루어 짐을 볼 수 있다. 그림 4는 각 방법에 따른 PSNR을 비교한 것으로 \( -0.06 \mathrm{~dB} \)가 가장 낮은 수준이다. Idea 1(I_1), Idea 2(I_2)에서 특정 움직임 영상의 PSNR이 전체 탐색보다 높은 경우가 있는데 이는 Bit-rate가 더 많이 할당되어 좋아진 것임을 알 수 있다.</p> <p>Idea 1의 경우 그림 4에서 볼 수 있듯이 움직임 영상 G에서 PSNR 감소가 있지만 B나 D에서는 오히려 상승함을 알 수 있고 Idea 1의 경우 그림 5처럼 움직임이 많은 움직임 영상 C나 D에서는 움직임 예측 시간의 감소가 두드러지지 않으나 정지 특성이 강한 움직임 영상 E나 G의 경우 움직임 예측 시간의 감소가 큼을 알수 있다. Idea 2의 경우 PSNR과 움직임 예측 시간 모두 단조로운 변화를 가져감을 알 수 있다.</p>
|
[
"표 5에서 I_1 방법을 사용하였을 때, H 영상에서 시간 감소효과는 얼마야?",
"I_1 방법을 사용해 H 영상의 움직임 예측시간 비교값은 얼마야?",
"표 5에 나온 l-1 방법 사용시 시간 감소 효과가 가장 작은 영상은 무엇인가?",
"I_1 영상에서 시간 감소 효과가 가장 작은 영상은 무엇인가?",
"표 5에서 I_1 방법 사용시 움직임 예측시간 감소효과가 가장 큰 영상은 뭐야?",
"I_1 방법에서 움직임 예측시간이 감소효과가 가장 큰 영상은 뭐야?",
"2SS 영상에서 움직임 예측시간의 감소효과가 가장 큰 영상은 무엇이야?",
"L_2 영상에서 움직임 예측시간의 감소효과가 가장 적은 영상은 뭐야?",
"I_1+2SS 방법에서 F 영상 보다 움직임 예측시간 비교시 감소효과가 큰 영상은 뭐야?",
"I_1+2SS 방법에서 D 영상의 움직임 예측시간 비교값은 얼마야?",
"L_3 영상에서 움직임 예측시간의 감소효과가 가장 적은 영상은 뭐야 ?",
"L_3 영상에서 움직임 예측 시간 비교값이 -10.0인 영상은 무엇이니?",
"B 영상에서 움직임 예측시간의 감소효과가 가장 큰 방법은 어떤거야?",
"검색 방법에 따른 움직임 예측 시간 비교표에서 어떤 검색 방법을 사용하였을 경우 A 영상에서 움직임 예측시간의 감소효과 가장 작았나?",
"A 영상에서 움직임 예측시간의 감소효과가 가장 적은 방법은 뭐야?",
"L_2 검색 방법에 따른 영상의 움직임 예측시 감소효과가 C 영상 보다 크고 H 영상 보다 적은 영상은 어떤 영상인가?",
"L_2 방법에서 움직임 예측시간의 감소효과가 C 영상 보다 크고 H 영상 보다 적은 영상은 뭐야?",
"D 영상에서 2SS 보다 더 적은 움직임 예측시간의 감소효과를 가진 방법은 뭐야?",
"C 영상에서 움직임 예측시간 비교값이 L_3와 같은 방법은 뭐야?",
"F 영상에서 움직임 예측 시간 비교값이 -10 값인 방법은 무엇이니?",
"I_1 영상에서 검색 시간 비교값이 -28.1인 영상은 뭐야 ?",
"G 영상에서 움직임 예측시간의 감소효과가 I_1 방법 보다 크고 L_3 보다 적은 방법은 뭐야?",
"H 영상에서 움직임 예측시간의 감소효과가 가장 적은 방법은 뭐야?",
"E 영상에서 I_1 방법 보다 더 큰 예측 시간의 감소효과를 가진 예측 시간 비교값은 뭐야?",
"D 영상에서 \\( \\Delta B / R \\) 값이 최대인 값과 차이가 가장 적은 방법은 뭐야?",
"I_1 방법에서 검색 시간 감소 효과가 가장 큰 영상은 뭐야?",
"F 영상에서 \\( \\Delta B / R \\) 값의 차이가 I_1 방법과 가장 적은 방법은 뭐야?",
"E 영상에서 \\( \\Delta B / R \\) 값이 최소인 방법은 뭐야?",
"I 영상에서 L_2 방법 보다 움직임 예측시간의 감소효과가 큰 방법은 뭐야?",
"2SS 방법에서 소수점 이하 값이 없는 검색 시간 비교값을 가지는 영상은 뭐야?",
"I_1+2SS 방법에서 검색 시간 감소 효과가 F 보다 큰 영상은 뭐야?",
"G 영상에서 \\( \\Delta B / R \\) 값이 L2 방법의 값과 같은 값의 방법은 뭐야?",
"H 영상에서 \\( \\Delta B / R \\) 값이 소수점이 없는 값의 방법은 뭐야?",
"I 영상에서 \\( \\Delta B / R \\) 값이 I_2 방법의 값 보다 큰 값은 뭐야?",
"표에서 가장 적은 \\( \\Delta B / R \\) 값을 가진 방법은 뭐야?",
"표에서 네 번째로 큰 값의 \\( \\Delta B / R \\) 값을 가진 방법은 뭐야?",
"B 영상에서 검색시간 감소효과가 가장 적은 방법은 뭐야?",
"C 영상에서 검색 시간 비교값이 -33.9인 방법은 뭐야?",
"l_3 방법에서 검색시간 감소효과가 A 영상 보다 크고 F 영상 보다 적은 영상은 뭐야?",
"2SS 밥법에서 검색시간 비교값이 E 영상과 가장 가까운 값의 영상은 뭐야?",
"D 영상에서 검색시간 감소효과가 2SS 방법 보다 적은 방법은 뭐야?",
"l_2 영상에서 검색 시간 감소효과가 가장 적은 영상은 뭐야?",
"l_3 영상에서 -100과 가장 가까운 검색 시간 비교값을 가진 영상은 뭐야?",
"표에서 평균적으로 검색시간 감소효과가 가장 큰 방법은 뭐야?",
"표에서 가장 큰 검색시간 비교값 가진 영상은 뭐야?",
"F 영상에서 I_1+2SS 방법과 검색시간 비교값 차이가 가장 많이 나는 방법은 뭐야?",
"I_1+2SS 방법에서 검색 시간 감소효과가 가장 적은 영상은 뭐야?",
"l_2 영상에서 H 영상의 검색 시간 비교값은 얼마야?",
"표에서 가장 적은 검색시간 비교값을 가지고 있는 영상은 뭐야?",
"A 영상의 검색시간 감소효과가 가장 좋은 방법은 뭐야?",
"E 영상에서 검색시간 감소효과가 I_1 보다 큰 방법은 뭐야?",
"I_1 방법에서 \\( \\Delta B / R \\) 값이 음수인 영상은 뭐야?",
"I_1 방법에서 \\( \\Delta B / R \\) 값이 가장 큰 영상은 뭐야?",
"2SS 방법에서 \\( \\Delta B / R \\) 값이 2.02인 영상은 뭐야?",
"2SS 방법에서 \\( \\Delta B / R \\) 값이 최소인 영상은 뭐야?",
"I_3 방법에서 \\( \\Delta B / R \\) 값이 1/2과 가장 가까운 값을 가진 영상은 뭐야?",
"I_1+2SS 방법에서 \\( \\Delta B / R \\) 값이 1 이하의 값을 가진 영상 중 더 적은 값을 가진 영상은 뭐야?",
"I_2 방법에서 \\( \\Delta B / R \\) 값이 최소인 값과 차이가 가장 적은 값의 영상은 뭐야?",
"I_1+2SS 방법에서 I 영상의 \\( \\Delta B / R \\) 값은 뭐야?",
"I_2 방법에서 \\( \\Delta B / R \\) 값이 D 영상의 값과 차이가 가장 적은 영상은 뭐야?",
"B 영상의 \\( \\Delta B / R \\) 값이 I_3 값 이하 l_2 값 이상인 방법은 뭐야?",
"C 영상에서 2SS 방법의 \\( \\Delta B / R \\)값 이하의 값을 가진 방법은 뭐야?",
"I_3 방법에서 \\( \\Delta B / R \\) 값이 1 이하의 값을 가진 영상은 뭐니?",
"A 영상의 \\( \\Delta B / R \\) 값이 1.18인 방법은 뭐야?",
"2SS 검색 방법에 따른 영상의 움직임 예측시 -5.4의 예측시간 비교값을 갖는 영상은 무엇인가?",
"2SS 방법에서 C 영상의 움직임 예측시간 비교 값과 차이가 가장 적은 영상은 뭐야?"
] |
f183843e-b814-432c-81a1-940afa31d17b
|
인공물ED
|
H.264에서 주변 움직임 벡터를 이용한 고속 부 화소 탐색 제어 기법
|
<h1>Ⅳ. 움직임 벡터 분석 및 제안</h1> <p>검토에 사용된 CODEC(enCOder/DECoder)은 JM10.1 참조 코드이고 90 개의 화면에서 각각의 매크로 블록에 대해 결정된 정수/부 화소의 움직임 벡터 성향을 분석 하고자 9개의 움직임 영상에 대해서 \( 16 \times 16 \) 블록 형태에서 결정된 움직임 벡터를 정리하여 분석을 진행한다. 움직임 벡터는 블록 형태에 따라 너무 많은 자료가 존재하므로 공정성과 편의성을 위해 \( 16 \times 16 \)으로 통일하여 검토 진행하며 움직임 영상에 대한 표기상의 편의를 위해 표 1처럼 정의하여 사용한다. 움직임 영상은 90개 화면을 사용했고 비트 율 조절은 “사용 안함”으로, 양자화 계수는 28로 고정한 상태에서 실험을 수행했다. 실험에서 제시되는 모든 자료 중에서 특별히 언급되지 않은 부분은 혼란을 피하기 위해서 1개의 움직임 영상 당 전체 90개 화면에 대한 99개 매크로 블록의 숫자에 대한 발생 수를 점유율(\(\%\))로 나타낸 것이다.</p> <p>표 2를 보면 정수 화소에서 움직임 벡터가 (0,0)인 경우가 전체의 약 \( 17 \sim 87 \% \)를 차지하고 수평 혹은 수직이 0인 경우를 포함하면 약 67~97\(\%\)에 이름을 알 수 있다. 1/2 화소에서 움직임 벡터가 (0,0)인 경우는 약 \( 32 \sim 82 \% \), 수평 혹은 수직이 0인 경우를 포함하면 약 80~95\(\%\)에 해당함을 알 수 있다. 1/4 화소에서 움직임 벡터가 (0,0)인 경우는 약 39~69\(\%\), 수평 혹은 수직이 0인 경우를 포함하면 약 \( 77 \sim 91 \% \)에 해당함을 알 수 있다. 이를 통해 알 수 있듯이 움직임 벡터에서 (0,0)인 경우와 수평/ 수직 방향인 특성을 찾아냄으로써 움직임 예측의 효율화를 기대해 볼 수 있음을 알 수 있다.</p> <table border><caption>표 2. 정수/부 화소 움직임 벡터 분석(단위 : \(\%\))</caption> <tbody><tr><td rowspan=2>Seq Typ</td><td colspan=2>Integer-pixel</td><td colspan=4>Half-pixel</td><td colspan=4>Quarter-pixel</td></tr><tr><td>(0,0)</td><td>(0,0) (0,1) (1,0)</td><td>(0,0)</td><td>8 point</td><td>(0,1) (1,0)</td><td>(0,0) (0,1) (1,0)</td><td>(0,0)</td><td>8 point</td><td>(0,1) (1,0)</td><td>(0,0) (0,1) (1,0)</td></tr><tr><td>A</td><td>33.25</td><td>67.62</td><td>45.64</td><td>54.36</td><td>34.39</td><td>80.02</td><td>50.61</td><td>49.39</td><td>34.08</td><td>84.69</td></tr><tr><td>B</td><td>50.80</td><td>86.15</td><td>47.86</td><td>S2.14</td><td>37.23</td><td>85.09</td><td>39.50</td><td>60.50</td><td>40.82</td><td>80.32</td></tr><tr><td>C</td><td>17.67</td><td>94.71</td><td>32.12</td><td>67.88</td><td>60.54</td><td>92.66</td><td>40.40</td><td>59.60</td><td>46.96</td><td>87.37</td></tr><tr><td>D</td><td>35.98</td><td>74.96</td><td>43.38</td><td>56.62</td><td>39.51</td><td>82.89</td><td>40.19</td><td>59.81</td><td>40.26</td><td>80.44</td></tr><tr><td>E</td><td>82.29</td><td>97.90</td><td>73.88</td><td>26.12</td><td>19.90</td><td>93.78</td><td>65.16</td><td>34.84</td><td>25.46</td><td>90.61</td></tr><tr><td>F</td><td>86.80</td><td>96.58</td><td>72.99</td><td>27.01</td><td>21.14</td><td>94.13</td><td>54.07</td><td>45.93</td><td>33.49</td><td>87.56</td></tr><tr><td>G</td><td>86.15</td><td>95.38</td><td>82.24</td><td>17.76</td><td>13.18</td><td>95.41</td><td>69.64</td><td>30.36</td><td>21.80</td><td>91.44</td></tr><tr><td>H</td><td>53.08</td><td>83.17</td><td>48.12</td><td>51.88</td><td>34.33</td><td>82.45</td><td>42.79</td><td>S7.21</td><td>34.77</td><td>77.56</td></tr><tr><td>I</td><td>30.75</td><td>67.38</td><td>47.55</td><td>52.45</td><td>37.92</td><td>85.47</td><td>40.48</td><td>59.52</td><td>41.31</td><td>81.80</td></tr></tbody></table> <p>표 3은 그림 1에서 주변 매크로 블록인 A, B, C의 움직임 벡터 a, b, c와 현재 정수 화소 움직임 벡터, 그리고 1/2, 1/4 화소 탐색에 따라 결정된 움직임 벡터를 뽑아서 서로간의 연관성을 분석한 것이다. 움직임 벡터 a, b, c, i (정수 화소 움직임 벡터), h(1/2 화소 움직임 벡터), q(1/4 화소 움직임 벡터)는 움직임 벡터가 각각 (0,0)일 확률이고 “abc"는 주변 움직임 벡터 a, b, c가 전부 (0,0)일 확률로 \( 2 \sim 76 \% \)이며 영상의 움직임 정도에 따라 달라진다. "ihq"는 정수, 1/2, 1/4 화소 움직임 벡 터 전부가 (0,0)일 확률로 \( 1 \sim 76 \% \)의 분포를 갖는다. 동작이 많은 영상일수록 움직임 벡터가 (0,0)일 가능성은 줄어든다. 여기에서 실제로 중요한 사항은 주변 움직임 벡터 a, b, c가 각각 (0,0)인 조건에서 현재 매크로 블록의 움직임 벡터의 성향이다. 표에서 볼 수 있듯이 현재 매크로 블록의 정수 화소 움직임 벡터가 확정된 후 1/2, 1/4 화소 탐색이 수행되므로 주변 움직임 벡터 a, b, c가 각각 (0,0)이고 현재 매크로 블록의 정수 화소 움직임 벡터가 (0,0)인 조건이 "abci"가 된다. "abci"에서 1/2, 1/4 화소 탐색까지 (0,0)인 조건에서 1/2, 1/4 화소 탐색을 생략할 때 제일 정확한 방법이 되겠지만 1/2, 1/4 화소는 미리 알 수 없으므로 "abci" 조건에서 1/2, 1/4 화소 탐색을 생략할 경우 이때의 오류 확률을 예측 할 수 있다. 즉 "abci"에서 "abcihq"를 뺀 확률인 "Error" 위치가 그에 해당하는 확률을 나타낸다. 계산된 "Error" 위치를 참조하여 여러 움직임 영상 적용에 따른 차이를 예상할 수 있다. Idea 1은 1/2과 1/4 화소 탐색 이전에 움직임 벡터 예측으로 사용하는 주변 매크로 블록의 움직임 벡터인 a, b, c를 별도의 배열에 저장하고 정수 화소 움직임 벡터가 확정된 후 주변 움직임 벡터 a, b, c가 전부 (0,0)이고 정수 화소 움직임 벡터가 (0,0)인 경우 1/2, 1/4 화소 탐색을 생략한다. 프로그램에서의 적용 방법은 다음과 같다.</p> <table border><caption>표 3. 주변 움직임 벡터와 정수/부 화소 움직임 벡터 의 관계</caption> <tbody><tr><td rowspan=2>Seq Type</td><td colspan=6>\( \mathrm{a}, \mathrm{b}, \mathrm{c}, \mathrm{i}, \mathrm{h}, \mathrm{q}(\mathrm{x}=0, \mathrm{y}=0) \)</td><td colspan=4>conditional possibility</td><td rowspan=2>Error</td></tr><tr><td>a</td><td>b</td><td>C</td><td>i</td><td>h</td><td>q</td><td>abc</td><td>ihq</td><td>abci</td><td>abcihq</td></tr><tr><td>A</td><td>36.4</td><td>37.0</td><td>36.0</td><td>33.3</td><td>45.6</td><td>50.6</td><td>22.4</td><td>19.9</td><td>19.6</td><td>16.8</td><td>2.8</td></tr><tr><td>B</td><td>32.2</td><td>36.4</td><td>35.0</td><td>50.8</td><td>47.9</td><td>39.5</td><td>15.6</td><td>18.7</td><td>12.0</td><td>8.5</td><td>3.5</td></tr><tr><td>C</td><td>11.6</td><td>14.2</td><td>14.3</td><td>17.7</td><td>32.1</td><td>40.4</td><td>2.5</td><td>1,2</td><td>1,0</td><td>0.6</td><td>0.4</td></tr><tr><td>D</td><td>20.4</td><td>23.2</td><td>20.8</td><td>36.0</td><td>43.4</td><td>40.2</td><td>6.5</td><td>10.2</td><td>5.9</td><td>3.8</td><td>2.1</td></tr><tr><td>E</td><td>70.9</td><td>74.1</td><td>72.6</td><td>82.3</td><td>73.9</td><td>65.2</td><td>56.4</td><td>53.8</td><td>53.0</td><td>42.3</td><td>10.7</td></tr><tr><td>F</td><td>57.6</td><td>61.3</td><td>57.1</td><td>86.8</td><td>73.0</td><td>54.1</td><td>38.7</td><td>46.6</td><td>37.4</td><td>29.4</td><td>8.0</td></tr><tr><td>G</td><td>73.4</td><td>76.2</td><td>76.2</td><td>86.2</td><td>82.2</td><td>69.6</td><td>58.8</td><td>64.9</td><td>56.8</td><td>50.8</td><td>6.0</td></tr><tr><td>H</td><td>38.8</td><td>45.6</td><td>43.3</td><td>53.1</td><td>48.1</td><td>42.8</td><td>22.9</td><td>24.6</td><td>19.5</td><td>14.9</td><td>4.5</td></tr><tr><td>I</td><td>34.6</td><td>34.6</td><td>34.5</td><td>30.7</td><td>47.6</td><td>40.5</td><td>18.3</td><td>17.8</td><td>15.0</td><td>12.2</td><td>2.8</td></tr></tbody></table> <p>Idea 1 : 현재 매크로 블록의 움직임 벡터와 주변 움직임 벡터 참조하여 부 화소 탐색 결정.</p> <p>if \( (!(\mathrm{a}==0 \quad \& \& \quad \mathrm{~b}==0 \quad \& \& \mathrm{c}==0 \quad \& \& \mathrm{MV}==0)) \)</p> <p>{</p> <p>Sub_Pixel_search();</p> <p>}</p> <p>사람의 눈은 고정된 상태에서 멈춰있는 물체를 보거나 움직이는 물체를 보며, 본인이 움직이면서 다른 정지해 있는 물체를 보거나 다른 물체가 움직이는 것을 보는 경우가 대부분이다. 평지에서 움직이는 사물을 보면 멈춰있거나 좌우로 움직이는 것이 대부분이다. 카메라로 사물을 촬영할 때도 이와 동일한 성향을 가지며 영상의 방향은 대부분 멈춰있거나 수평/수직 방향의 성향을 가진다. 따라서 화면의 변화를 반영하는 움직임 벡터는 영상의 이런 성향을 갖게 된다. 표 2에서 볼 수 있듯이 부화소의 경우 (0,0)과 (1,0) 그리고 (0,1)의 확률을 합하면 약 \( 77 \sim 95 \% \)를 차지함을 알 수 있다. 나머지는 사선 방향으로 약 \( 23 \% \)이하를 차지함을 알 수 있다.</p>
|
[
"표 2에서는 얼마의 값이 Integer-pixel (0,0) (0,1) (1,0) 일 때 가장 작은값을 보여주니?",
"분석표에서 Half-pixel (0,0) 값이 45.64인 Seq Typ은 무엇이야?",
"I의 Integer-pixel (0,0) (0,1) (1,0) 움직임에서 분석 결과는 얼마야?",
"Half-pixel (0,0) (0,1) (1,0) 움직임 에서의 D의 분석 값은 얼마야?",
"화소에 따른 움직임 분석 표에서 가장 큰 Half-pixel (0,0) (0,1) (1,0) 값인 Seq Typ는 뭐야?",
"F Typ는 Half-pixel (0,1) (1,0) 움직임 분석 결과에서 어떤 값을 나타내?",
"표에서는 A에 대한 얼마의 Half-pixel (0,0) (0,1) (1,0) 움직임 결과 값을 보여주고 있지?",
"화소에 따른 움직임 분석 표에서 Seq Typ H의 Half-pixel (0,0) (0,1) (1,0) 움직임 결과는 얼마인가요?",
"어떤 Seq Typ이 Half-pixel (0,1) (1,0) 움직임 결과 값이 가장 작아요?",
"정수/부 화소 움직임 벡터 분석표에서는 B에 대한 얼마의 Half-pixel (0,0) (0,1) (1,0) 움직임 결과 값을 보여주고 있지?",
"Seq Typ에 대한 Half-pixel (0,1) (1,0) 움직임 결과 값 중에 어떤 값이 가장 작지?",
"표에서는 어떤 Seq Typ이 Half-pixel (0,0) (0,1) (1,0) 움직임 결과 값이 가장 작아요?",
"Seq Typ F의 Half-pixel (0,0) (0,1) (1,0) 움직임 결과는 얼마죠?",
"본 표에서 Seq Typ G의 Half-pixel (0,0) (0,1) (1,0) 움직임 결과는 얼마인가요?",
"표에서 Typ H는 Half-pixel (0,1) (1,0) 움직임 결과에서 어떤 값을 보여?",
"정수/부 화소 움직임 벡터 분석표에서는 C Seq Typ에 대해 얼마의 Half-pixel (0,0) (0,1) (1,0) 움직임 결과 값을 보여주고 있어요?",
"Typ G는 Half-pixel (0,1) (1,0) 움직임 분석 결과에서 어떤 값을 보여?",
"표에서 I는 Half-pixel (0,1) (1,0) 움직임 결과에서 어떤 값을 보여줘요?",
"화소에 따른 움직임 분석 표에서 Seq Typ I는 얼마의 Half-pixel (0,0) (0,1) (1,0) 값이 측정되었나요?",
"E의 Half-pixel (0,0) (0,1) (1,0) 움직임 결과는 얼마야?",
"화소에 따른 움직임 분석 표에서 Half-pixel (0,0) (0,1) (1,0) 값 중 가장 큰 값은 얼마야?",
"Quarter 화소의 (0,0) 움직임에서 C Seq Typ의 값은 얼마야?",
"움직임에 따른 분석 결과에서 A는 Quarter-pixel (0,0) (0,1) (1,0)에서는 얼마의 값을 보여주니?",
"표의 결과에서 Quarter 화소의 (0,0) 움직임에서 D Seq Typ의 값은 얼마야?",
"표에서 Quarter 화소의 (0,0) 움직임에서 B의 값은 얼마야?",
"Quarter 화소의 (0,0) 움직임에서 A의 값은 얼마니?",
"표 2의 움직임에 따른 분석 결과에서 C는 Quarter-pixel (0,0) (0,1) (1,0)에서는 값이 얼마야?",
"표의 분석 결과에서 Quarter 화소의 (0,0) 움직임에서 I Seq Typ의 값은 얼마야?",
"움직임에 따른 분석 결과에서 B는 Quarter-pixel (0,0) (0,1) (1,0)에서는 값이 얼마야?",
"표 3에서 A Type의 a 일 때의 값은 얼마야?",
"표의 결과에서 Quarter 화소의 (0,0) 값 중 가장 높은 값은 얼마지?",
"표에서 C움직임은 a움직임 벡터 관계에서 얼마의 값을 나타냅니까?",
"D행은 a열에 대한 움직임 벡터 관계에서 얼마의 값을 나타내?",
"a 열이 가장 작은 값을 보일 때는 어떤 Seq Type이지?",
"a 움직임 값 중에 가장 큰 값은 얼마야?",
"표 3에서 Seq Type F의 a움직임의 값은 얼마야?",
"B움직임은 a움직임 벡터 관계에서 얼마의 값을 보여줘?",
"표 2의 움직임에 따른 분석 결과에서 Quarter-pixel (0,0) (0,1) (1,0) 값들 중에 가장 큰 값은 얼마일까?",
"Seq Type G의 a움직임은 표 3에서 얼마의 값을 통해 했어?",
"표 3에서 얼마의 값이 a열에서 가장 작습니까?",
"주변 움직임 벡터와 정수/부 화소 움직임 벡터의 관계 표에서 Seq Type I에 대한 b는 얼마의 값을 보여?",
"본 표에서 Seq Type I의 a움직임은 얼마의 값을 보여?",
"화소 움직임에 대한 Seq Typ A의 값들 중에 가장 큰 값은 얼마야?",
"표 3에서 Seq Type H의 a움직임은 얼마의 값을 통해 했지?",
"H는 얼마의 분석 값을 Integer-pixel (0,0) 움직임에서 보여주니?",
"표에서 G는 얼마의 값을 Integer-pixel (0,0) 움직임에서 보여주니?",
"표에서 Seq Typ F는 얼마의 값을 Integer-pixel (0,0) 움직임에서 보여줘?",
"Integer-pixel (0,0) (0,1) (1,0) 움직임에서 E는 값이 얼마일까?",
"표 2에서 Integer-pixel (0,0) (0,1) (1,0) 움직임에서 G는 분석값이 얼마지?",
"해당 표에서 Integer-pixel (0,0) (0,1) (1,0)에서 C Seq Typ은 얼마의 값을 나타내지?",
"Integer-pixel (0,0) (0,1) (1,0)에서 D는 값이 얼마야?",
"Integer-pixel (0,0) (0,1) (1,0) 움직임에서 F는 분석값이 얼마지?",
"표 2에서 H는 Integer-pixel (0,0) (0,1) (1,0) 움직임에서 분석값이 얼마지?",
"Integer-pixel (0,0) (0,1) (1,0)에서 B Seq Typ은 얼마의 값을 보여줘?",
"Integer-pixel (0,0) (0,1) (1,0) 움직임 값 중에 제일 큰 값을 가지는 Seq Typ은 뭐야?",
"Integer-pixel (0,0) (0,1) (1,0) 움직임 값 중에 제일 큰 값은 얼마지?",
"가장 낮은 Integer-pixel (0,0) (0,1) (1,0) 값을 가지는 Seq Typ은 무엇입니까?",
"A, B Seq Typ 중에 어떤 Seq Typ가 Integer-pixel (0,0) (0,1) (1,0) 움직임 값이 더 크지?",
"표에서 C, D Seq Typ 중에 어떤 Seq Typ가 Integer-pixel (0,0) (0,1) (1,0) 값이 더 큽니까?",
"표에서 부 화소 움직임 Half-pixel (0,0) 값 중에서 가장 큰 값을 가지는Seq Typ은 무엇입니까?",
"부 화소 움직임 Half-pixel (0,0)에서 G는 값이 얼마야?",
"표의 결과에서 Half-pixel (0,0) 움직임 값 중에 가장 큰 값을 가지는 Seq Typ은 뭐야?",
"Half-pixel (0,0) 움직임에서 A는 얼마의 값을 보여줍니까?",
"표에서 부 화소 움직임 Half-pixel (0,0)에서 Seq Typ I는 값이 얼마입니까?",
"표의 결과에서 Half-pixel (0,0) 움직임에서 Seq Typ C는 얼마의 분석 값을 보여주지?",
"표의 결과에서 Half-pixel (0,0) 움직임에서 Seq Typ D는 분석 값이 얼마야?",
"분석표에서 부 화소 움직임 Half-pixel (0,0) 값 중에서 가장 작은 값을 가지는Seq Typ은 무엇이지?",
"표 2에서 부 화소 움직임 Half-pixel (0,0) 값 중에서 가장 큰 값은 얼마입니까?",
"부 화소 움직임 Half-pixel (0,0)에서 Seq Typ H는 값이 얼마입니까?",
"Half-pixel (0,0) 움직임에서 B는 얼마의 분석 값을 보여주지?",
"분석 결과에서 Half-pixel (0,0) 움직임에서 E는 값이 얼마야?",
"Half-pixel (0,1) (1,0) 움직임 분석 결과에서 B는 어떤 값을 보여주니?",
"Half-pixel 8 point에서의 A 값은 얼마야?",
"Half-pixel (0,1) (1,0) 움직임 값 중에 제일 큰 값은 얼마지?",
"분석 결과를 보여주는 표에서 Half-pixel 8 point에서의 F Seq Typ은 어떤 분석 값을 보여줍니까?",
"분석 결과를 보여주는 표 2에서 Half-pixel 8 point에서의 I는 어떤 분석 값을 나타내?",
"분석 결과를 보여주는 표에서 Half-pixel 8 point에서의 Seq Typ E의 분석 값은 얼마지?",
"분석 결과를 보여주는 표 2에서 Half-pixel 8 point에서의 G Seq Typ은 어떤 분석 값을 보여줍니까?",
"Half-pixel 8 point에서의 C Seq Typ 값은 얼마야?",
"Half-pixel 8 point에서의 D Seq Typ 분석 값은 얼마지?",
"C는 Half-pixel (0,1) (1,0) 움직임 분석 결과에서 어떤 값을 보여주니?",
"분석 결과를 보여주는 표 2에서 Half-pixel 8 point에서의 H는 어떤 분석 값을 보여줍니까?",
"E에 대한 b 움직임들 사이의 벡터의 관계값은 얼마야?",
"본 표에서 I에 관한 값들 중 얼마가 가장 작아?",
"분석 결과를 보여주는 표 2에서 Half-pixel (0,1) (1,0) 움직임에서 A는 어떤 분석 값을 나타내?",
"Seq Typ D는 Half-pixel (0,1) (1,0) 움직임 분석 결과에서 어떤 값을 나타내지?",
"E Seq Typ는 Half-pixel (0,1) (1,0) 움직임 분석 결과에서 어떤 값을 나타내지?",
"Seq Typ I에 관한 값들 중 얼마가 가장 크지?",
"움직임들 간의 벡터의 관계표에서 H에 대한 b 값은 얼마야?",
"얼마의 화소 움직임 값이 Seq Typ C에 관한 값들 중 크지?",
"G에 대한 b 움직임들 사이의 벡터의 관계 값은 얼마일까?",
"Seq Typ B의 화소 움직임에 대한 값들 중 큰 것은 얼마지?",
"Seq Type D와 conditional possibility abc 관계에서 표의 얼마의 값을 보여?",
"세 번째 표에서 Seq Type B와 b 움직임 벡터의 관계 값은 얼마지?",
"얼마가 F에 대한 b 움직임들 사이의 벡터의 관계 값이지?",
"Seq Type A와 conditional possibility abc 관계는 얼마의 값을 보여줍니까?",
"Seq Type C와 b 관계 값은 얼마지?",
"Seq Type D와 b 관계 값은 얼마지?",
"세 번째 표에서 Seq Type A와 b 움직임 벡터의 관계는 얼마의 값을 가져?",
"표에서는 Seq Type C와 conditional possibility abc 관계에서 얼마의 값을 보여주지?",
"세 번째 표의 결과에서 Seq Type과 C 움직임 벡터의 관계값 중에 가장 큰 값은 얼마입니까?",
"표의 얼마의 값을 Seq Type E와 conditional possibility abc 관계에서 보여주니?",
"세 번째 표의 결과에서 Seq Type A와 C 움직임 벡터의 관계는 얼마의 값을 가지죠?",
"얼마의 값을 Seq Type B와 conditional possibility abc 관계에서 보여주지?",
"Seq Type에 대한 conditional possibility abc 관계에서 보여주는 값 중에 가장 큰 값은 얼마야?",
"Error 항목의 값 중 가장 큰 값은 얼마지?",
"얼마의 Error 값을 Seq Type B가 보여주지?",
"Seq Type C가 얼마의 Error 값을 나타내지?",
"A의 Error 값은 세 번째 표에서 얼마야?",
"얼마의 Error 값을 Seq Type D가 드러내지?",
"움직임 벡터 분석에서 Half-pixel (0,0)에서 값이 73.88인 Seq Typ은 뭐야?",
"Half-pixel (0,0)에서 분석 값이 72.99인 Seq Typ은 뭐야?",
"무슨 Seq Typ이 Half-pixel (0,0)에서 분석 값이 83.17입니까?",
"Half-pixel (0,0)에서 분석 값이 82.24이면 어떤 Seq Typ이지?",
"정수/부 화소 움직임 벡터 분석에서 어떤 Seq Typ이 Half-pixel (0,0)에서 분석 값이 47.55지?",
"Seq Typ A는 Integer-pixel (0,0)에서 얼마의 값을 나타내지?",
"Seq Typ B는 Integer-pixel (0,0)에서 얼마의 값을 보여주지?",
"Seq Typ C는 얼마의 값을 Integer-pixel (0,0)에서 보여주지?",
"Seq Typ D는 얼마의 값을 Integer-pixel (0,0) 움직임에서 보여주지?",
"Seq Typ E는 얼마의 값을 Integer-pixel (0,0) 움직임에서 보여줘?",
"Integer-pixel (0,0) 움직임에서 가장 큰 값을 가지는 Seq Typ는 뭐야?",
"해당 표에서 Integer-pixel (0,0) 움직임에서 가장 작은 값을 가지는 Seq Typ는 뭐야?",
"Integer-pixel (0,0) (0,1) (1,0)에서 가장 큰 값을 가지는 Seq Typ는 뭐야?",
"Integer-pixel (0,0) (0,1) (1,0)에서 A Seq Typ은 얼마의 값을 가져?",
"해당 표에서 얼마의 Error 결과값을 Seq Type E가 드러내지?",
"해당 표에서 Seq Type F가 얼마의 Error 결과값을 나타내지?",
"무엇이 abcihq 항목의 값 중에 제일 작은 것일까?",
"Error 항목의 값 중에 가장 작은 값은 뭐야?",
"Abcihq 항목의 값 중에 무엇이 제일 큰 것이지?",
"Seq Type E행의 값들 중 가장 큰 값은 얼마야?",
"JM10.1 참조 코드이며, 검토에 사용되어진 CODEC는 어떻게 분석을 합니까?",
"공정, 편의성을 위해 어떻게 하여 움직임 벡터를 사용합니까?",
"어떻게 하여 다수의 움직임 영상 사용에 따른 차이를 예견하지?",
"움직임 예측의 적은 비용이나 노력으로 효과적이고 좋은 결과를 얻기 위해 움직임 벡터에서 어떻게 하지?",
"표와 같이 부화소가 대략 \\( 77 \\sim 95 \\% \\)를 차지함을 어떻게 하여 알 수 있는 겁니까?",
"A, B, C, D, E, F 등은 표에서 어떤 항목을 나타냅니까?",
"Integer-pixel (0,0)에서 33.25의 값을 보이는 Seq Typ은 무엇이지?",
"Integer-pixel (0,0) 값 중에 가장 큰 값은 얼마야?",
"표에서 Integer-pixel (0,0) 값 중에 가장 작은 값은 얼마일까?",
"가장 큰 Integer-pixel (0,0) 값을 가지는 Seq Typ은 무엇이지?",
"표 2에서 가장 작은 Integer-pixel (0,0)값인 Seq Typ은 무엇입니까?",
"얼마의 값이 Integer-pixel (0,0) (0,1) (1,0) 일 때 가장 크지?",
"Half-pixel (0,0) 값 중에 얼마의 값이 가장 작지?",
"분석표에서 Half-pixel (0,0) 값 중에 얼마의 값이 가장 커?",
"어떤 Seq Typ이 분석표에서 Half-pixel (0,0) 값이 47.86이야?",
"어떤 Seq Typ이 분석표에서 Half-pixel (0,0) 일 때 32.12의 값을 보여줍니까?",
"움직임 벡터 분석에서 어떤 Seq Typ이 Half-pixel (0,0)에서 값이 43.38이야?",
"I는 얼마의 분석 값을 Integer-pixel (0,0) 움직임에서 나타내었지?",
"표 2의 분석 결과에서 Half-pixel (0,0) 움직임에서 F는 값이 얼마로 나타났지?",
"표 2에 따르면 F의 Half-pixel (0,0) 값은 얼마야?",
"Seq Type E의 a움직임에서의 값은 표 3에서 얼마입니까?"
] |
d1783a8e-f1d6-43dd-96dd-d654e15d684c
|
인공물ED
|
생체자기 신호측정을 위한 고인덕턴스 코일 내장형 온칩 자기센서
|
<h1>I. 서론</h1><p>인체로부터 발생하는 생체전기를 의학적으로 활용하기 시작한 것은 지금으로부터 약 100 년 전 네덜란드의 에인트호벤이 심전도(electrocardiogram, ECG)를 측정한 이후부터라고 할 수 있다. 그러나 생체자기신호의 세기는 매우 작아 측정이 쉽지 않음으로 심장에서 발생하는 심자도(MCG)를 측정한 것은 1962 년 이였으며, 그 뒤로 1968년 million turn coil을 사용해서 뇌에서 발생하는 알파파를 생체자기신호로 측정할 수 있었다. 본격적으로 생체자기신호를 측정하기 시작한 것은 1994년 클라크(Clarke)가 초전도체 간섭장치 SQUID(superconducting quantum interference device)센서를 사용하면서 부터이며, 머리와 \( 2 \mathrm{~cm} \) 정도의 거리에서 MEG를 측정하였다. 그러나 뇌에서 발생하는 자기장은 주변 환경에서 발생한 자기장의 크기에 비해서 작은신호였으며, 그 때문에 외부의 환경에서 발생하는 자기 신호를 얼마나 생체자기신호와 분리하는 것이 주요 과제가 되었다.</p><p>현재 생체자기신호는 심장(Magnetocardiography, MCG), 뇌(Magnetoencephalogram, MEG), 근육(Magnetomyogram, MMG), 그리고 중추신경(Magnetoneurography, MNG) 등 다양한 인체 부위에서 연구가 진행되고 있다. 단일 신경신호의 생체자기신호를 측정하면 \( 1 \mathrm{kHz} \) 신호에 근접하며, 특정 장기(뇌, 심장, 눈 등)의 신호를 측정할 시에는 저주파수로 근접하는 특성을 보였다. 근육(심장, 눈, 팔/다리, 등) 운동에 발생하는 생체자기는 자기장 강도가 강했으며, 신경(뇌, 척추)으로만 발생하는 생체자기는 약한 자기장 강도를 가지고 있다. 각각의 생체자기신호의 크기 및 주파수를 표 1 에 정리 하였다.</p><p>생체자기신호는 \( 0.05 \mathrm{~Hz} \sim 1 \mathrm{kHz} \) 의 주파수대역에서 수십\(\mathrm{fT}\) 수십\(\mathrm{pT}\)의 크기로 발생하는데 일반 실험실에서의 강한 자기잡음에 비해 대단히 미약하여서 외부의 자기 잡음에 영향을 많이 밭는다. 이런 자기 잡음 중에서 가장 비중을 많이 차지하는 것은 지구자장으로서 \( 60 \mathrm{\mu T} \)의 크기와 약 \( 10 \mathrm{pT} / \mathrm{m} \)의 비교적 균일한 자기장을 갖는데 지구자장 자체는 직류자장이기 때문에 문제가 되지 않으나 건물 또는 주위의 자성체가 지구자장의 분포를 변형시켜 불균일한 자장을 생성시키며 생체자기신호를 측정하기 위한 시스템이 직류 자장에서 진동하면 교류잡음을 유발한다.</p><p>제안된 논문에서는 의료용 계측기기 및 휴대용 기기에서 사용할 수 있는 생체자기신호처리를 위한 모듈의 반도체 융합과 측정된 생체자기신호를 분석을 위한 고인덕턴스 코일센서와 자기장 잡음을 제거하기 위한 Instrumentation Amplifier (IA)를 온칩화 하였다. 이는 현재 생체자기 측정에 사용되는 고가의 SQUID센서를 대체하고, 높은 입력 임피던스와 \( 110 \mathrm{~dB} \) 이상의 CMRR을 가지는 고감도 센서 및 amplifier와 MMG신호를 측정이 가능한 주파수 대역을 가지는 필터를 반도체 공정으로 설계함으로써 고인덕턴스 코일센서의 성능이 향상 되었다.</p><p>본 논문의 나머지 구성은 다음과 같다. II장에서는 고인덕턴스 코일센서 설계 방법을 제안하며, III장에서는 low capacitor IA를 제안한다. IV장에서는 제안하는 회로 시뮬레이션 및 측정결과를 고찰한다. 마지막으로 V장에서는 본 논문의 결론을 맺는다.</p><table border><caption>표 1. 생체자기신호의 특성</caption><tbody><tr><td>생채자기신호</td><td>자기장의 세기</td><td>주파수(\(\mathrm{Hz}\))</td></tr><tr><td>MCG(Magnetocardiography)</td><td>10\(\mathrm{pT}\)</td><td>0.05\(\sim\)150</td></tr><tr><td>MEG(magnetoencephalogram)</td><td>100\(\mathrm{fT}\)</td><td>0.1\(\sim\)250</td></tr><tr><td>MMG(magnetomyogram)</td><td>5\(\mathrm{pT}\)</td><td>0.5\(\sim\)400</td></tr><tr><td>MNG(magnetoneurography)</td><td>15\(\mathrm{fT}\)</td><td>350\(\sim\)650</td></tr></tbody></table>
|
[
"본 논문에서는 고인덕턴스 코일센서의 성능이 향상 됨을 증명하기 위해 어떤 것을 발표하는가?",
"본 실험은 생체자기신호의 세기가 매우 작아 측정이 쉽지 않은데 어떤 조건으로 연구를 해야하는가?",
"본 실험에서 모듈의 반도체 융합과 측정된 생체자기신호를 분석을 위한 고인덕턴스 코일센서와 자기장 잡음을 제거하기 위한 Instrumentation Amplifier (IA)를 온칩화 하면 어떤 영향이 있는가?",
"본 연구를 위해 단일 신경 신호의 생체자기신호를 측정하면 어떤 특성을 보여?",
"본 논문에서 의료용 계측기기 및 휴대용 기기에서 사용할 수 있는 생체자기신호처리를 위해서 어떤 조건이 성립하는가?",
"본 실험에서 교류 잡음을 유발 할 경우는 어떤 경우인가?",
"본 실험에서 생체자기신호는 \\( 0.05 \\mathrm{~Hz} \\sim 1 \\mathrm{kHz} \\) 의 주파수대역에서 수십\\(\\mathrm{fT}\\) 수십\\(\\mathrm{pT}\\)의 크기로 발생한다면 어떤 영향을 받는가?",
"본 실험에서 외부의 환경에서 발생하는 자기 신호를 생체자기신호와 분리하기 위해 노력하고 있다. 어떤 과정 때문인가?",
"본 실험에서 근육 운동에 발생하는 생체자기는 자기장 강도가 강한데 약한 자기장 강도를 가지는 것은 어떨 때인가?",
"본 연구는 과거부터 지금까지 생체전기를 의학적으로 활용하기 위해 연구하고 있다. 그러나 측정이 쉽지 않는 이유는 어떤 것이니?",
"본 실험에서 자기장의 세기가<td>10\\(\\mathrm{pT}\\) 일 때의 생채 자기 신호는 무엇인가?",
"본 실험에서 생채 자기 신호<td>MCG(Magnetocardiography)가 자기장의 세기<td>10\\(\\mathrm{pT}\\) 일때 예상 할 수 있는 주파수의 범위는 무엇인가?",
"본 실험에서 자기장의 세기가 100fT일 때 생채자기신호는 뭐라고 표현 할 수 있는가?",
"본 실험에서는 생체 자기 신호의 특성을 알 수 있는 자기장의 세기를 5pT로 측정할 때 기대할 수 있는 신호는 무엇인가?",
"본 실험에서 주파수의 범위가 0.1~250 일 때, 기대 할 수 있는 생체자기신호는 무엇인가?"
] |
0bd8f8ae-26a5-4ea8-bba1-9b63d4c7be9d
|
인공물ED
|
생체자기 신호측정을 위한 고인덕턴스 코일 내장형 온칩 자기센서
|
<h1>II. 온칩 고인덕턴스 코일센서</h1><p>생체자기신호 측정용 고인덕턴스 코일센서는 칩에 대한 높은 인덕턴스에 비해서 크기가 작아 고인덕턴스에 큰 부피를 가지는 코일에 비해서 착용 시 환자가 느끼는 통증을 완화할 수 있다. 코일은 자기센서에서 가장 오래되고 잘 알려진 유형 중 하나이다. 코일에 인가 되는 전달 함수는 기본적인 패러데이의 법칙에 따르며 식(1)와 같이 정의된다. \( \Phi \)는 자기선속이며, \( A \)과 \( n \)는 코일의 내부 직격과 구리선의 턴수이다.</p><p>\( V=-n \frac{d \Phi}{d t}=-n A \frac{d B}{d t}=-\mu_{0} n A \frac{d H}{d t} \)<caption>(1)</caption></p><p>코일센서는 온칩이 가능한 Hall센서와 자기저항 센서보다 감도가 높으며, 최대 \( 1 \mathrm{pT} \) 까지 측정할 수 있다. 본 논문은 코일센서의 장점을 사용해서 생체자기신호를 측정하기 위한 고인덕턴스 코일센서를 구현하였다.</p><p>코일은 주변에서 발생하는 교류자기장에 따라서 교류 전류가 발생하게 되며, 코일저항을 통해서 교류 전압신호로 변환되어 IA입력부분에 인가가 된다. 그리고 A의 입력저항이 고인덕턴스 코일센서에 비해서 매우 높은 것을 고려하면, 대부분 센서에서 생성된 교류전압은 IA의 입력 부분에 전달된다. 코일의 회로도로 센터텝과 출력을 차동모드로 사용하였으며, 고인덕턴스 코일센서의 저항 값의 증가로 인해 발생하는 Johnson noise를 감쇄시킨다.</p><p>고인덕턴스 코일센서의 자기장 시뮬레이션 툴을 사용해서 적합한 구조를 설계하였다. 그림 1 은 고인덕턴스 코일센서의 자기장의 Q-factor 시뮬레이션 결과이며, high pass filter (HPF)특성인 것을 확인할 수 있었다. Q-factor 시뮬레이션에서 얻은 특성은 \( 100 \mathrm{~Hz} \) 이하의 저주파수 영역은 \( 31.2 \mathrm{~dB} / \mathrm{dec} \) 로 급격히 감소하는 특성을 보였다. \( 100 \mathrm{~Hz} \) 이상의 주파수 영역은 \( 7.13 \mathrm{~dB} / \mathrm{dec} \) 로 완만하게 감소하는 데이터를 얻었으며, 차단주파수는 \( 100 \mathrm{~Hz} \) 가진 것을 확인할 수 있다. 전자기장 시뮬레이션 툴을 사용해서 고인덕턴스 코일센서의 차단주파수를 MPW칩 제작 전에 확인할 수 있다. 센서출력 곡선은 내경과 외경의 비율에서 센서의 차단 주파수를 조절할 수 있었으며, 표 2 에서 내경의 비중이 증가함에 따라서 차단 주파수가 감소한 것을 자기장 시뮬레이션에서 확인할 수 있다.</p><p>내부 직경이 증가하면 저주파수 신호를 측정하기에 적합하다. 그러나 잡음의 영향이 증가하게 되는데 이는 지자기장이 \( 60 \mu \mathrm{Wb} / \mathrm{m}^{2} \) 이며, 코일의 내경이 커질수록 통과하는 지자기장이 증가하게 되어 잡음의 영향을 많이 밭게 된다. 그리고 내경의 비율이 증가하면 코일의 턴수가 감소하게 되고 결과적으로 센서의 감도가 떨어지게 된다. 내경의 비율의 변화에 따른 센서의 특성을 표 3에서 정리하였다. MEG나 MCG와 같은 저주파수 자기 신호를 측정하기 위해서는 내경의 비율과 턴수를 증가시켜야 측정가능한 감도와 주파수대역을 가지는 센서를 설계할 수 있다.</p><table border><caption>표 3. 고인덕턴스 코일센서의 특성</caption><tbody><tr><td></td><td>\(f_{h}\)(\(\mathrm{Hz}\))</td><td>센서감도</td><td>잡음</td></tr><tr><td>내경비율 증가</td><td>감소</td><td>감소</td><td>증가</td></tr><tr><td>내경비율 감소</td><td>증가</td><td>증가</td><td>감소</td></tr></tbody></table>
|
[
"고인덕턴스 코일센서를 구현하려면 어떻게 해야해?",
"내경의 비율이 증가하면 센서의 감도가 어떻게 되지?",
"저주파수 자기 신호를 측정하려면 어떻게 해야해?",
"주파수대역을 가지는 센서를 설계하려면 어떻게 해야하지?",
"코일센서의 내경비율이 증가하면 잡음은 어떻게 되?",
"코일센서의 센서감도가 증가하려면 내경비율은 어떻게 되야하지?",
"코일센서의 내경비율이 증가하면 센서감도는 어떻게 되지?",
"코일센서의 내경비율이 증가할 때 같이 증가하는 것은 뭐야?"
] |
25b668fb-fd7b-4e62-b108-5066e81e865e
|
인공물ED
|
특별고압 수전설비 관리에 데이터 마이닝 기법을 적용한 파급고장 발생가능고객 예측시스템 구현 연구
|
<h1>2. 특별고압 파급고장 발생가능 고객 예측시스템 구현</h1> <h2>2.1 구현 방향</h2> <p>특별고압 고객에서 발생하는 파급고장을 예방하기 위해서는 정확하게 고장발생 가능고객을 찾아내어 고장이 발생하기 전에 미리 보수하는 것이 중요하다. 이는 지금까지 연구되거나 구현된 적이 없는 새로운 시스템을 구현하는 것이므로 우선 예측에 필요한 변수들의 데이터를 확보하고 예측변수를 선정한다. 그 다음 검증된 알고리즘과 상용화된 도구를 사용하여 파급고장 발생가능 고객을 정확히 예측할 수 있는 모델을 만들고 이를 예측시스템으로 프로그래밍 하여 기존 특별고압 수전설비 관리시스템에 연계하여 사용할 수 있도록 구성한다.</p> <h2>2.2 데이터마이닝 의사결정나무 알고리즘</h2> <p>의사결정나무의 대표적인 알고리즘은 1980년 Kass가 개발한 CHAID, 1984년 Breiman et al.,이 개발한 CART, 1993년 Quinlan이 개발한 C4.5, 1997년 Loh 와 Shih이 개발한 QUEST 등이 있다. 이들 알고리즘을 사용한 데이터 마이닝 도구는 SAS, SPSS, IBM사에서 상용화하여 보급하고 있다.</p> <p>본 논문에서는 분리개수가 2개 이상인 다지분리를 사용하는 CHAID(CHi-squared Automatic Interaction Detector)알고리즘을 사용하였다. CHAID 알고리즘은 카이제곱-검정(이산형 목표변수) 또는 F-검정(연속형 목표변수)을 이용하여 분리와 병합을 반복하면서 부모마디에서 두개 이상의 자식마디의 분리가 일어나는 다지분리(Multiway Split)를 수행하는 알고리즘이다.</p> <p>Person의 카이제 곱량은 \( X^{2}=\sum_{i, j}\left(f_{i j}-e_{i j}\right)^{2} / e_{i j} \)<caption>(1)</caption></p> <p>여기서 \( f_{i j} \) 는 관측빈도수(Frequency), \( e_{i j} \) 는 분포의 동일성 또는 독립성의 가설 하에서 계산된 기대빈도수(Expected Frequency)를 말하며 다음과 같다.</p> <ul> <li>\( e_{i j}=\frac{f_{i t \times} f_{t j}}{f_{t t}} \)</li> <li>\( f_{i t} \) 는 \( i \times j \) 범주 행열에서 \( i \) 행의 합계</li> <li>\( f_{t j} \) 는 \( i \times j \) 범주 행열에서 \( j \) 열의 합계</li> <li>\( f_{t t} \) 는 \( i \times j \) 범주 행열에서 \( i \) 행과 \( j \) 열의 총합계</li></ul> <h2>2.3 데이터마이닝 의사결정나무 해석결과</h2> <h3>2.3.1 해석용 데이터 수집 및 정제</h3> <p>특별고압고객의 파급고장 발생을 예측하고자 2005년부터 2007년까지 전국에서 발생한 톡별고압고객의 파급고장이 발생한 경험 데이터와 자료검증을 위해 고장이 발생하지 않은 특별고압고객의 경험 데이터를 우리나라 배전을 담당하고 있는 K사의 데이터베이스에서 랜덤 샘플링으로 확보하고 필수항목이 누락된 것은 고객에게 전화로 확인하여 입력하는 등 데이터를 정제하여 표 1과 같이 7,034개의 해석용 데이터를 확보하였다.</p> <table border><caption>표 1 데이터마이닝 해석용 데이터</caption> <tbody><tr><td>구분</td><td>고장발생 고객</td><td>고장미발생 고객</td><td>합계</td></tr><tr><td>2005</td><td>829</td><td>1,346</td><td>2,175</td></tr><tr><td>2006</td><td>858</td><td>1,416</td><td>2,274</td></tr><tr><td>2007</td><td>951</td><td>1,634</td><td>2,585</td></tr><tr><td>합 계</td><td>2,638</td><td>4,396</td><td>7,034</td></tr></tbody></table>
|
[
"표 1에서 고장발생 고객이 제일 작은 인원은 몇 명이야?",
"특별고압고객의 파급고장 발생을 예측하기 위해 어떻게 했어?",
"표 1 데이터마이닝 해석용 데이터에서 2005년 고장발생 고객은 몇 명입니까?",
"표 1 데이터마이닝 해석용 데이터에서 2006년 고장발생 고객은 몇 명입니까?",
"표 1 데이터마이닝 해석용 데이터에서 951명의 고장발생 고객이 생긴 것은 언제 입니까?",
"표 1에서 858명의 고장발생 고객이 발생한 년도는 언제입니까?",
"표 1 데이터마이닝 해석용 데이터에서 2005년 고장미발생 고객은 몇 명이야?",
"표 1 데이터마이닝 해석용 데이터에서 2006년 고장미발생 고객은 몇 명이야?",
"표 1에서 2007년 고장미발생 고객은 몇 명이야?",
"표 1에서 고장미발생 고객이 가장 작게 발생한 연도는 언제야?",
"표 1 데이터마이닝 해석용 데이터에서 2005년 전체 고객의 수는 몇 명 입니까?",
"표 1에서 2005~2007년 3년동안 고장 발생 고객의 수는 몇 명 입니까?",
"표 1에서 2005~2007년까지 3년 동안 고장미발생 고객의 수는 몇 명 인가요?",
"표 1 데이터마이닝 해석용 데이터에서 고장발생 고객이 제일 많았던 년도는 언제야?",
"표 1에서 고장발생 고객이 제일 적게 발생 한 연도는 언제야?",
"표 1에서 고장미발생 고객이 가장 많이 발생한 연도는 언제야?",
"표 1 데이터마이닝 해석용 데이터에서 고장미발생 고객의 수가 가장 많은 수는 얼마입니까?",
"표 1 데이터마이닝 해석용 데이터에서 고장발생 고객이 제일 많았던 인원은 얼마야?"
] |
d24c4617-bf12-46b4-9cca-70beb4a5f935
|
인공물ED
|
특별고압 수전설비 관리에 데이터 마이닝 기법을 적용한 파급고장 발생가능고객 예측시스템 구현 연구
|
<h3>2.3.2 데이터마이닝 분석 변수 설정</h3> <p>수집한 데이터의 분석을 위해 목표변수와 입력변수를 설정하고 데이터 입력을 위해 변수 이름을 정한 다음 데이터의 분류를 기호화하고 변수의 속성을 표 2와 같이 정의하였다.</p> <table border><caption>표 2 특별고압고객 파급고장 예측용 변수 정의</caption> <tbody><tr><td>데이터</td><td>변수</td><td>변수속성</td></tr><tr><td>(1) 데이터연도</td><td>YEAR</td><td>Nominal</td></tr><tr><td>(2) 사업소</td><td>SAUPSO</td><td>Nominal</td><tr><td>(3) 고객번호</td><td>CNO</td><td>Id</td></tr><tr><td>(4) 계약종별</td><td>CTTYPE</td><td>Nominal</td></tr><tr><td>(5) 계약전력</td><td>CTPOWER</td><td>Interval</td></tr><tr><td>(6) 사용량배수</td><td>KWHBAESU</td><td>Interval</td></tr><tr><td>(7) 전기사용연순</td><td>UY</td><td>Interval</td></tr><tr><td>(8) 수전설비위치</td><td>LOCATION</td><td>Nominal</td></tr><tr><td>(9) 고장횟수</td><td>0UTAGES</td><td>Interval</td></tr><tr><td>(10) 안전관리자구분</td><td>ELECTRICIAN</td><td>Nominal</td></tr><tr><td>(11) 선로종류</td><td>WIRETYPE</td><td>Nominal</td></tr><tr><td>(12) 선로규격</td><td>WIRESIZE</td><td>Nominal</td></tr><tr><td>(13) 선로거리</td><td>WIREDST</td><td>Interval</td></tr><tr><td>(14) 개폐기종류</td><td>SWTYPE</td><td>Nominal</td></tr><tr><td>(15) 개폐기사용연수</td><td>SWUY</td><td>Interval</td></tr><tr><td>(16) 개폐기제작회사</td><td>SWCOMM</td><td>Nominal</td></tr><tr><td>(17) 차단용량</td><td>BCAPACITY</td><td>Ordinal</td></tr><tr><td>(18) 차단기제작회사</td><td>BCOM</td><td>Nominal</td></tr><tr><td>(19) 차단기사용연수</td><td>BUY</td><td>Interval</td></tr><tr><td>(20) 피뢰기제작회사</td><td>LACOM</td><td>Nominal</td></tr><tr><td>(21) 피뢰기사용연수</td><td>LAUY</td><td>Interval</td></tr><tr><td>(22) MOF 제작회사</td><td>MOFCOM</td><td>Nominal</td></tr><tr><td>(23) MOF사용연수</td><td>MOFUY</td><td>Interval</td></tr><tr><td>(24) MOF 전류강도</td><td>MOFCS</td><td>Ordinal</td></tr><tr><td>(25) 변압기용량</td><td>TRCAPACTY</td><td>Ordinal</td></tr><tr><td>(26) 변압기제작회사</td><td>TRCOM</td><td>Nominal</td></tr><tr><td>(27) 변압기사용연수</td><td>TRUY</td><td>Interval</td></tr><tr><td>(28) 고장여부</td><td>FAULT</td><td>Binary 목표변수</td></tr></tbody></table> <h3>2.3.3 의사결정나무 해석결과</h3> <p>의사결정나무의 상용분석도구인 Enterprise Miner 9.1을 사용하여 표 1의 데이터를 인터액티브 의사결정나무로 해석하였다. 그 견과 그림 1과 같이 첫 단계에서 고장횟수(OUTAGES)를 기준으로 나무가 분리되었다. 즉 한번이상 고장이 발생한 경험이 있는 고객의 수전설비에서 다시 고장이 발생하는 확률이 \( 81 \% \)로 나타났다. 이는 결국 취약한 설비를 갖고 있는 고객에게서 한번 고장이 나면 다시 고장이 발생한다는 것을 의미한다. 일반적으로 특별고압 수전설비의 소유주는 전기설비에 대한 전문지식이 없어 전기설비가 노후되었어도 현재 전기사용에 문제가 없다면 고장발생 때까지 비용투자가 수반되는 전기설비를 잘 교체하려고 하지 않는 경향이 있기 때문인 것으로 판단된다. 따라서 특별고압 파급고장 예방을 위해서는 이들 고장경험 고객에 대한 특별관리가 필요함을 알 수 있다. 두 번째 단계에서 고장경험이 없는 고객의 경우는 차단기사용연수(BUY)를 기준으로 분리되었다. 차단기는 사용기간이 6년 이상인 고객에서 고장이 \( 62.8 \% \)로 발생률이 가장 높게 나타났으며 \( 2 \sim 5 \)년이 \(37\%\), 2년 미만에서 \( 7.8 \% \)인 것으로 나타났다. 세번째 단계에서 차단기사용연수 \( 2 \sim 5 \)년이 전기사용연수(UY) 2년을 기준으로 분리되어 2년 이상 경과고객에서 주로 고장이 발생함을 알 수 있다. 차단기사용연수 6년 이상은 피뢰기제작회사 규모를 기준으로 분리되어 주로 기타인 소규모의 이름 없는 회사 제품이 품질이 낮아 고장이 주로 발생하고 있는 것으로 나타나고 있다. 네 번째 단계에서 전기사용연수가 2년 이상인 경우는 피뢰기제작회사(LACOM)를 기준으로 동일한 사유에 의해 분리되었다.</p> <p>또한 고장횟수 1이상과 차단기사용연수 2년 미만이 사업소를 기준으로 분리되어 설비를 잘 관리하고 있는 사업소와 그렇지 못한 사업소가 구별되었다. 그리고 차단기사용연수 6년 이상이고 피뢰기제작회사가 기타(OTHERS)인 경우가 자식마디로 사업소, 전기사용연수, 차단기제작회사(BCOM)를 기준으로 추가 분리되어 피뢰기 설비관리를 잘하지 못하는 사업소와 전기사용연수가 3년 이상 된 사업소의 차단기 제작회사가 기타로서 소규모이고 이름 없는 회사제품인 경우 고장이 많이 발생하고 있는 것이 추가로 파악되었다. 한 편 차단기사용연수 2년 미만이고 사업소가 3970 등인 경우, 차단기사용연수 \( 2 \sim 5 \)년이고 전기사용연수 2년 미만인 경우, 차단기사용연수 6년 이상이고 피뢰기제작회사가 대규모 등인 경우, 고장횟수 1이상이고 사업소가 3970 등인 경우는 그림 1과 같이 추가 분리되었으나 의미가 없어 가지치기를 하였다.</p> <p>인터액티브 의사결정나무는 그림 2와 같이 분석(Training), 검중(Validation) 모두 Leaf \( =27 \)에서 수렴하였고 오분류율은 'Training' \( 12.82 \% \), 'Validation' \( 14.85 \% \)로 나타나서 모형은 정확도가 \( 85 \% \)이상으로 좋은 것으로 판단된다.</p>
|
[
"표 2에서 변수속성 중 그 수가 가장 많은 것은 무엇인가?",
"표 2에서 데이터연도는 변수 이름을 무엇이라 하였는가?",
"본 논문에서 어떻게 수집한 데이터의 분석을 하였나?",
"본 논문에서 수집한 데이터의 분석을 어떻게 하였나?",
"표 2에서 (5)에서 (9)까지의 데이터 중 변수속성이 다른 하나는 무엇인가?",
"표 2에서 SAUPSO는 데이터중 무엇과 대응하는가?",
"표2에서 계약 전력의 변수이름은 무엇인가?",
"변수가 CTTYPE인 데이터는 무엇인가?",
"본 논문의 데이터마이닝 분석에서 목표변수는 어떤 데이터인가?",
"데이터 고객번호의 변수속성은 무엇인가?",
"표2의 (24) MOF 전류강도의 변수이름은 무엇인가?",
"표 2에서 (1)에서 (4)까지의 데이터 중 변수속성이 다른 하나는 무엇인가?",
"표2에서 (10)에서 (14)까지의 데이터 중 변수속성이 다른 하나는 무엇인가?",
"표 2의 (21)부터 (28)까지의 데이터 중에서 그 수가 가장 많은 변수속성은 무엇인가?",
"표 2의 (15)부터 (20)까지의 데이터 중 그 수가 제일 적은 변수속성은 무엇인가?",
"데이터 고장횟수의 변수값은 무엇인가?",
"표2의 데이터 전기사용연순의 변수속성은 무엇인가?",
"표2에서 변수이름이 SWUY인 데이터는 무엇인가?",
"표 2의 데이터 (17) 차단용량의 변수속성은 무엇인가?",
"표2의 데이터 (20) 피뢰기제작회사의 변수속성은 무엇인가?",
"표 2에서 변수이름이 WIREDST인 데이터는 무엇인가?"
] |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.