Split (2)

train · 18.3k rows

id stringlengths 36 57	type stringclasses 4 values	title stringlengths 0 159	context stringlengths 121 17.2k	questions listlengths 1 584
f8c6ee79-0dd7-486c-ad2d-9affb7266db0	인공물ED	전류 분배 특성이 향상된 드룹 방법에 관한 연구	<p>(2) 하향 조정이 발생하는 경우</p><p>이 실험에서는 모듈 간 출력 전압 설정값이 역전되어, 하향 조정이 발생한다. \( V_{s p(1)}^{0}, V_{s p(2)}^{0} \) 및 \( \Delta V_{s t e p} \)은 각각 \( 17.70 \mathrm{V}\), \(17.58 \mathrm{~V}\), \(0.05 \mathrm{V} \) 로 설정되었다. 따라서 세 번째 조정 이후에는 모듈 2 에 더 큰 전류가 흐르게 된다. 실험 방법은 \( V_{s p(1)}^{0}\), \(V_{s p(2)}^{0} \) 값이 바뀜에 따라 부하 전류 변동량을 바꾼 것을 제외하고는, 이전의 경우와 모두 동일하다. 부하 전류는 각 변화마다 상향 조정이 일어날 수 있도록 \( 0 \mathrm{mA} \)에서 \( 150 \mathrm{~mA}\), \(150 \mathrm{mA} \)에서 \( 280 \mathrm{mA}\), \(280 \mathrm{mA} \) 에서 \( 400 \mathrm{mA} \), \( 400 \mathrm{mA} \) 에서 \( 500 \mathrm{mA} \) 로 증가한 후, 역순으로 감소하도록 주어졌다.</p><p>그림 4. (b)는 실험에서 관측된 파형을 보여준다. \( \Delta V_{s p} \) 가 앞의 실험보다 작기 때문에 첫 번째 조정 후에 두 모듈에 전류가 흐른다. 두 번째 조정 후에는 \( \Delta I_{i n} \) 이 \( 63 \mathrm{mA} \) 에서 \( 14 \mathrm{mA} \) 로 더욱 감소한다. 하지만 세 번째 조정 후에는 \( V_{s p(2)}^{3} \) 이 \( V_{s p(1)}^{3} \) 보다 커지게 되기 때문에, 모듈 2 에 더 큰 전류가 흐르게 된다. 따라서 네 번째 조정에서는 모듈 2 가 하향 조정을 거치게 되고 모든 조정 과정이 끝나게 된다.</p><p>그림 5. (b)는 신호 운용 블록의 동작을 보여준다. 세 번째 조정 전까지는 운용 동작이 이전의 실험과 모두 동일하다. 세 번째 조정에서 \( V_{s p(2)}^{3} \) 이 \( V_{s p(1)}^{3} \) 보다 커지게 되기 때문에, \( I_{s e t 4} \) 에서 모듈 2 는 양 모듈에 펄스 신호를 전송한다. 이 펄스 신호에 의해 모듈 2 의 출력 전압 설정값은 한 단계 하향 조정되고, 모듈 2 의 신호 수신부가 비활성화된다. 모듈 1 은 첫 번째 조정으로 인해 이미 신호 수신부가 비활성화 되었으므로 모듈 1 은 모듈 2 의 신호에 응답하지 않는다. 네 번의 조정으로 모든 모듈의 신호 수신부가 비활성화 되었으므로, 모든 조정 과정이 종료된다.</p>	[ "부하 전류에서 각 변화마다 상향 조정이 일어나게 하려면 어떻게 해야해?" ]
33b2df28-e96c-4945-8da5-e3b01430db94	인공물ED	루우프형 센서를 이용한 자장측정계	<h2>3.2 교정실험 방법</h2> <p>제작된 자장측정계의 기본특성 즉, 센서를 포함한 전체 측정계의 응답도와 주파수대역 등을 파악하기 위해서는 단위계단 응답특성의 측정이 필요하다. 자장센서의 교정은 일반적으로 미리 알려진 크기와 방향의 균등자장을 자장센서에 도입하여 행하여진다.</p> <p>균등자장을 발생시키기 위하여, 기하학적으로 구조가 간단한 사각도체를 사용하였다. 따라서 사각도체 \( (1.5 \mathrm{~m} \mathrm{x} 1.5 \mathrm{~m}) \) 에 변류기를 관통시켜 입력전류를 측정하고 센서를 포함한 측정계의 출력전압을 측정하는 방법으로 센서의 응답특성을 파악할 수 있는 교정실험계를 구성하였다. 그림 3은 본 실험에서 적용한 자장 측정계의 교정회로를 나타내었다.</p> <p>가로, 세로가 \( 1.5 \mathrm{~m} \mathrm{x} 1.5 \mathrm{~m} \) 인 사각도체를 이용한 교정계를 구성하였으며, 그림 4에 사각도체의 직교좌표계를 나타내었다.</p> <p>사각도체의 변의 길이가 \( 2 a \times 2 b \) 일 때 자속밀도의 \( z \)-성분은 다음 식으로 구해진다.</p> <p>\( B_{Z}= \) \( \frac{\mu_{o}}{4 \pi} I \sum_{a=1}^{4}\left\{\frac{(-1)^{a} d_{a}}{r_{a}\left[r_{a}+(-1)^{a+1} C_{a}\right]}-\frac{C_{a}}{r_{a}\left(r_{a}+d_{a)}\right.}\right\} \)<caption>(7)</caption></p> <p>여기서 \( I \) 는 전류이고, \( \mu_{0} \) 는 진공의 투자율이다.</p> <p>\( \begin{array}{ll}C_{1}=-C_{4}=a+x, & r_{1}=\sqrt{(a+x)^{2}+(b+y)^{2}+z^{2}} \\ C_{2}=-C_{3}=a-x, & r_{2}=\sqrt{(a-x)^{2}+(b+y)^{2}+z^{2}} \\ d_{1}=d_{2}=b+y, & r_{3}=\sqrt{(a-x)^{2}+(b-y)^{2}+z^{2}} \\ d_{3}=d_{4}=y-b, & r_{4}=\sqrt{(a+x)^{2}+(b-y)^{2}+z^{2}}\end{array} \)</p> <p>따라서 사각도체 중심의 자속밀도는<p>\( B_{Z}(0,0,0)=\mu_{0} I \frac{\sqrt{2}}{\pi a} \)<caption>(8)</caption></p> <p>이 된다.</p> <p>사각도체에 전류를 흘렸을 때 도체내부에 형성되는 자장의 세기는 균일하지 않으므로 자장센서가 놓인 위치에서의 자장의 세기와 간일도를 평가함이 필요하다. 따라서 식 (7)을 적용하여 센서 치수에 상당하는 부분에 대하여 자장의 세기를 산출하였다.</p> <p>그림 5는 사각도체 중심의 자장의 세기를 1로 하였을 때 루우프형 자장센서의 범위에서 거리에 따른 자장의 세기를 나타내었으며, 이것으로부터 센서에 입력되는 평균자속밀도를 산출할 수가 있다.</p> <h2>3.3 적용실험 방법</h2> <p>제작된 자장축정계를 이용하여 대전류 발생장치에 의하여 임펄스전류와 진동성 과도전류가 후를 때 발생 되는 자장파형을 본 논문에서 제안한 자장측정계로 측정한 자장파형과 분류기와의 조합에 의한 전류프로브 (Tek. A6302)로 측정한 전류파형을 비교, 분석하였다. 그림 6은 본 연구에 사용된 대전류 발생장치의 회로를 나타낸 것이다.</p> <p>대전류 발생장치의 기본회로는 R-L-C 직렬회로이며, 이에 대한 전압방정식을 세우면</p> <p>\( e(t)=L \frac{d i}{d t}+R i+\frac{1}{C} \int_{0}^{t} i d t \)<caption>(9)</caption></p> <p>이다. 초기조건 \( t=0 \) 일 때 \( i=0 \) 를 넣어 식 (9)를 풀면,</p> <ol type=i start=1><li>\( R>2 \sqrt{L / C} \) 일 때 \( i=\frac{E}{R} \frac{\alpha}{\beta}\left[e^{-(\alpha-\beta) t}-e^{-(a+\beta) t}\right] \)</li> <li>\( R=2 \sqrt{L / C} \) 일 때 \( i=\frac{E}{R} 2 \alpha t e^{-a t} \)</li> <li>\( R<2 \sqrt{L / C} \) 일 때 \( i=\frac{E}{R} \frac{2 \alpha}{\omega} e^{-\alpha t} \sin \omega t \)</li></ol> <p>가 된다. 여기서</p> <p>\( \alpha=\frac{R}{2 L}, \quad \beta=\sqrt{\frac{R^{2}}{4 L^{2}}-\frac{1}{L C}} \), \( \omega=\sqrt{\frac{1}{L C}-\frac{R^{2}}{4 L^{2}}} \)</p> <p>이다. (i)의 전류파형은 급상승 후 서서히 감쇠되는 형태이며, (iii)은 진동성분을 포함하는 과도전류를 발생시키게 되며, 본 연구에서는 (i), (ii)의 조건의 회로를 구성하고 실측실험에 적용하였다.</p> <p>표 1 에 대전류 발생장치에 의하여 발생되는 임펄스전류와 진동성 과도전류에 대한 회로의 소자 값을 나타내었다.</p> <table border><caption>표 1 대전류 발생장치 회로의 소자 값</caption> <tbody><tr><td>구 분</td><td>R</td><td>C</td><td>L</td><td>Oscillation Frequency</td></tr><tr><td>임펄스전류</td><td>\( 15[\Omega] \)</td><td>\( 20[\mu \mathrm{F}] \)</td><td>\( 18[\mu \mathrm{H}] \) [aHJ</td><td>\( 7 / 22.5[\mu \mathrm{s}] \)</td></tr><tr><td>진동성과도전류 1</td><td>\( 0.5[\Omega] \)</td><td>\( 10[\mu \mathrm{F}] \)</td><td>\( 5.6[\mu \mathrm{H}] \)</td><td>\( 1.3[\mathrm{kHz}] \)</td></tr><tr><td>진동성과도전류 2</td><td>\( 1.4[\Omega] \)</td><td>\( 0.2[\mu \mathrm{F}] \)</td><td>\( 0.1[\mu \mathrm{H}] \)</td><td>\( 500[\mathrm{kHz}] \)</td></tr></tbody></table>	[ "본문의 표 1 대전류 발생장치 회로의 소자 값에서 R의 임펄스전류값은 얼마인가?", "본문의 표 1 대전류 발생장치 회로의 소자 값에서 C의 임펄스전류값은 얼마일까?", "본문의 표 1에서 L의 진동성과도전류 1값은 어느 정도의 값이야?", "본문의 표 1에서 C의 진동성과도전류 2값은 어느 정도일까?", "본문의 표 1에서 R의 진동성과도전류 2값은 어느 정도지?", "본문의 표 1에서 L의 진동성과도전류 2값은 무엇이지?", "L의 진동성과도전류 2값은 표의 내용을 보면 얼마지", "본문의 표 1에서 R의 진동성과도전류 1값은 어느 정도야?", "본문의 표 1를 보았을 때 Oscillation Frequency의 진동성과도전류 1값은 어느 정도의 값을 보여?", "본문의 표 1를 보았을 때 Oscillation Frequency의 임펄스전류값은 어느 정도의 값을 보이는가?", "본문의 표 1에서 C의 진동성과도전류 1값은 어느 정도인가?", "본문의 표 1를 보았을 때 Oscillation Frequency의 진동성과도전류 2값은 어느 정도의 값을 보이지?", "본문의 표 1 대전류 발생장치 회로의 소자 값에서 L의 임펄스전류값은 얼마야?" ]
066a756a-c087-4e3b-91df-1c81f5672a45	인공물ED	가상 시점 영상 합성을 위한 깊이 기반 가려짐 영역 메움법	<h1>IV. 실 험</h1> <p>본장의 1절에서는 실험 데이터 셋과 그 전처리 방법에 대해 언급한다. 이어 2절에서는 주관적 평가와 객관적인 평가 결과로 제안된 방법의 우수성을 보인다.</p> <h2>1. 실험 영상 전처리</h2> <p>제안된 시스템은 Matlab(R2008a)으로 구현되었다. 실험 영상은 Microsoft사의 ‘Ballet’, ‘Breakdancing’ 시퀀스를 이용하였다. 이 실험 영상들은 8대의 카메라로 촬영 되었으며 각 영상의 5번 시점 영상을 4번과 2번으로 사영시켜 실험하였다. 두 영상 모두 \(1024\times768\) 크기의 100프레임 길이의 영상이며 실험에는 첫 50 프레임을 사용하였다. 카메라 파라미터는 함께 주어지며 컬러기반 세그멘테이션 방법을 이용하여 각 컬러 영상에 해당하는 깊이 영상이 주어진다. 이 두 시퀀스는 카메라간의 거리는 대략 35\(\mathrm{cm}\)인 큰 기준선 환경에서 촬영된 영상으로 큰 기준선에서 촬영된 영상의 홀 필링 방법을 실험하기에 적합한 영상이다. 특히 시점 5⟶ 시점2로 사영된 영상의 경우 기준선이 대략 100\(\mathrm{cm}\)로 매우 큰 기준선으로 인해 큰 홀 영역이 발생한다. 또한 컬러 영상과 깊이 영상에서 전경과 배경 영역의 대비(contrast)가 높아 다 시점의 사영 실험에 적합하다. 컬러 영상과 깊이 영상의 객체의 경계가 일치하지 않아 발생하는 잔상 현상(ghosting effect)을 해결하기 위해 아래에서 정의된 \(ghost(x,y)=1\)인 고스트 화소는 사영후 홀 영역으로 처리된다. 여기서 \(Z\)는 깊이 영상이고 \(B\)는 \(9\times9\)크기의 구조 요소(structuring element) 이다</p> <p>\( \operatorname{ghost}(x, y)=\left\{\begin{array}{l}1, \text { if }(Z \oplus B-Z)(x, y)>\theta_{1} \\ 0, \text { otherwise }\end{array}\right. \)<caption>(11)</caption></p> <p>사영 후 발생하는 화소 단위의 홀들은 주변 화소들로 채우고, 객체 사이사이에 존재하는 틈(crack) 들은 모폴로지(mophology)로 제거하였다 (그림 7-(c) 참조). 제안된 방법의 합성 결과를 객관적으로 측정하기 위해 PSNR과 SSIM을 사용하였다. PSNR과 달리 SSIM은 영상 합성 시 기하학적 손상도 잘 반영한다.</p> <table border><caption>표 1. 실험영상</caption> <tbody><tr><td>시퀀스</td><td>원 영상 이름</td><td>사영</td><td>해상도</td><td>프레임수</td></tr><tr><td>BA54</td><td>Ballet</td><td>v5⟶v4</td><td>1024 \(\times\) 768</td><td>50</td></tr><tr><td>BA52</td><td>Ballet</td><td>v5⟶v2</td><td>1024 \(\times\) 768</td><td>50</td></tr><tr><td>50BR54</td><td>Breakdancing</td><td>5⟶v4</td><td>1024 \(\times\) 768</td><td>50</td></tr><tr><td>50BR52</td><td>Breakdancing</td><td>5⟶v2</td><td>1024 \(\times\) 768</td><td>50</td></tr></tbody></table>	[ "표 1. 실험영상에서 시퀀스 BA54, 원 영상 이름 Ballet, 사영 v5⟶v4 일때 해상도는 무엇인가?", "표 1. 실험영상에서 원 영상 이름 Ballet, 사영 v5⟶v2 일때 시퀀스는 무엇인가?", "원 영상 이름 Ballet, 사영 v5⟶v2 일때 시퀀스는 표 1. 실험영상에서 무엇인가?", "표 1. 실험영상에서 시퀀스 BA52, 원 영상 이름 Ballet, 해상도 1024 \\(\\times\\) 768, 프레임수 50일때 사영은 무엇인가?", "표 1. 실험영상에서 공통적으로 해상도는 몇인가?", "표 1. 실험영상에서 원 영상 이름 Breakdancing, 시퀀스 50BR54 이면 사영은 무엇인가?", "표 1. 실험영상에서 시퀀스 50BR52, 원 영상 이름 Breakdancing 일때 사영은 무엇인가?", "표 1. 실험영상에서 공통적으로 프레임수는 몇인가?", "표 1. 실험영상에서 시퀀스 50BR52, 사영 5⟶v2 일때 원 영상 이름은 무엇인가?", "표 1. 실험영상에서 원 영상 이름 Breakdancing, 사영이\t5⟶v4인 시퀀스는 무엇인가?" ]
578a5539-283f-46b3-bd42-0fc38fc1b668	인공물ED	가상 시점 영상 합성을 위한 깊이 기반 가려짐 영역 메움법	<h2>2. 실험 결과</h2><p>실험을 위한 몇 가지 파라미터들은 아래와 같다.</p><ul><li>후보 패치 탐색 범위 M⨉N</li><li>패치 사이즈 C⨉D</li></ul><p>후보 패치 탐색 범위는 가상 시점이 원래 시점의 왼쪽으로 사영된 시점이라면 수평방향으로의 후보 패치탐색 범위를 왼쪽으로 치우친 범위를 갖고 오른쪽으로 사영된 시점이라면 오른쪽으로 치우친 범위를 갖는다. 예를 들어, BA54 영상의 경우 오른쪽으로 워핑된 영상이므로 수평방향으로 (-20)～(+70) 만큼의 범위를 갖는다. 이는 오른쪽으로 워핑된 시점 영상의 경우 배경 영상이 오른쪽에 있을 확률이 높다는 것을 반영한 것이다. 패치 사이즈는 영상의 크기와 배경의 구조를 전파 하는데 \(15\times15\)크기가 적절한 것으로 판단되었다. 식 (7)의 \(K\)는 1000, 식 (8)의 \(Y\)는 100, III-3의 \(\alpha\) 는 10으로 설정하였다.제안된 방법의 우수성을 보이기 위해 사영된 카메라위치의 원영상을 참값(ground truth)로 가정하여 기존방법들과 제안된 방법의 결과 영상의 PSNR, SSIM을표 3에 보였다. 표 3에서 알 수 있는 바와 같이 시점 5⟶시점 4보다시점 5⟶ 시점 2로 사영된 영상들에서 PSNR 및 SSIM이 평균적으로 낮은 평가를 내는 것은 큰 홀 영역으로인해 에러가 그만큼 가중되기 때문이다. 굵은 글씨의숫자가 각 영상에서 가장 우수한 평가를 받은 방법으로대부분의 PSNR, SSIM 측정 결과에서 제안된 방법이가장 우수한 성능을 내고 있다. BR52 시퀀스에서Daribo의 방법이 가장 우수한 성능을 보인 것은 시점5⟶ 시점 2로 사영한 영상의 경우 홀 영역이 객체 영역과 인접하지 않을 만큼 분리되어 있어 배경의 깊이 영상을 고려한 인페인팅이 수행되어 PSNR 측정 관점에서 우수한 성능을 보이고 있다. 그러나 Daribo는 깊이 영상을 참값 깊이 영상을 사용한 것으로, 실제 상황에서처럼 인페인팅된 깊이 영상을 사용하였을 경우 결과는 나빠진다.</p><p>그림 8에 프레임 단위의 PSNR 및 SSIM 점수를 나타내었다. 대부분의 시퀀스에서 제안된 방법이 우수한성능을 보이고 있으며 시점5⟶시점4이 시점5⟶시점2 보다 전체적으로 우수한 결과를 보이는 것을 확인할 수 있다. 그림 9의 주관적 평가에서 Criminisi와 Daribo는 한눈에 보아도 자연스럽지 않은 합성결과를 보인다. Gautier의 결과는 비교적 자연스러운 합성결과를 보이지만 객체 부근에서 부자연스러운 영역이 존재한다. 또한 최적의 패치를 선택하는 것이 아닌 다수의 후보 패치들의 평균패치로 합성하는 방법으로 인해 홀을 흐리게(blur) 채우는 결과를 보인다.</p><table border><caption>표 2. 실험에서의 패치 후보 탐색 범위 및 패치 사이즈</caption><tbody><tr><td>시퀀스</td><td>후보 패치 탐색 범위(M⨉N</td><td>패치 사이즈(C⨉D)</td></tr><tr><td>BA54/BR54</td><td>80⨉90(-20,70)</td><td>15⨉15</td></tr><tr><td>BA52/BR52</td><td>80⨉140(-20,120)</td><td>15⨉15</td></tr></tbody></table><table border><caption>표 3. 제안된 방법과 비교방법들의 PSNR, SSIM을 이용한 객관적 평가</caption><tbody><tr><td rowspan="2">Seq.</td><td colspan="4">PSNR</td></tr><tr><td>Criminisi</td><td>Daribo</td><td>Gautier</td><td>proposed</td></tr><tr><td>BA54</td><td>26.94</td><td>29.25</td><td>28.95</td><td>31.40</td></tr><tr><td>BA52</td><td>24.67</td><td>24.98</td><td>24.52</td><td>25.28</td></tr><tr><td>BR54</td><td>28.76</td><td>25.52</td><td>28.92</td><td>28.93</td></tr><tr><td>BR52</td><td>26.26</td><td>26.78</td><td>26.34</td><td>26.68</td></tr><tr><td rowspan="2">Seq.</td><td colspan="4">SSIM</td></tr><tr><td>Criminisi</td><td>Daribo</td><td>Gautier</td><td>proposed</td></tr><tr><td>BA54</td><td>0.8930</td><td>0.9092</td><td>0.9174</td><td>0.9260</td></tr><tr><td>BA52</td><td>0.7625</td><td>0.7705</td><td>0.7679</td><td>0.7750</td></tr><tr><td>BR54</td><td>0.8896</td><td>0.8569</td><td>0.8965</td><td>0.9009</td></tr><tr><td>BR52</td><td>0.8310</td><td>0.8361</td><td>0.8444</td><td>0.8437</td></tr></tbody></table>	[ "시퀀스 BA52/BR52일 때 패치 사이즈는 어떻게 되는가?", "BA52일 때, PSNR의 Criminisi 값은 몇인가?", "표 3를 보면 BR54일 때, PSNR의 proposed 값은 얼마로 나타나있나?", "BA52일 때, SSIM의 Criminisi 값은 몇인가?", "BA52일 때, SSIM의 proposed 값은 몇인가?", "시퀀스 BA54/BR54일 때, 후보 패치 탐색 범위는 어떻게 되는가?", "시퀀스 BA52/BR52일 때 후보 패치 탐색 범위는 어떻게 되는가?", "시퀀스 BA54/BR54일 때 패치 사이즈는 어떻게 되는가?", "BA54일 때, PSNR의 Criminisi 값은 몇인가?", "표 3.에서 BR52일 때, PSNR의 Criminisi 값은 몇인가?", "BA54일 때, PSNR의 Daribo 값은 몇인가?", "BR54일 때, PSNR의 Daribo 값은 몇인가?", "BA54일 때, 표 3.에서 PSNR의 Gautier 값은 몇인가?", "BR54일 때, PSNR의 Gautier 값은 표 3를 보면 몇인가?", "BR52일 때, 표 3를 보면 PSNR의 Gautier 값은 몇인가?", "BA54일 때, PSNR의 proposed 값은 얼마로 나타나있나?", "Seq.가 BR54일 때, PSNR의 Criminisi 값은 몇인가?", "BA52일 때, PSNR의 Daribo 값은 표 3.에서 몇인가?", "BR52일 때, PSNR의 Daribo 값은 얼마인가?", "표 3를 보면 BA52일 때, PSNR의 Gautier 값은 몇인가?", "BA52일 때, PSNR의 proposed에 해당하는 값은 몇인가?", "BR54일 때, SSIM의 Criminisi 값은 몇인가?", "BR52일 때, 표 3를 보면 SSIM의 Criminisi 값은 몇으로 나타나나?", "표 3를 보면 BA54의 SSIM의 Criminisi 값은 몇인가?", "BA54일 때, SSIM의 Daribo 값은 몇인가?", "표 3를 보면 BA54일 때, SSIM의 Daribo 값은 얼마인가?", "BR52일 때, PSNR의 proposed 값은 얼마라고 할 수 있나?", "BR52일 때, SSIM의 Gautier 값은 몇인가?", "표 3. 제안된 방법과 비교방법들의 PSNR, SSIM을 이용한 객관적 평가에 따르면 BR52일 때, SSIM의 Gautier 값은 얼마로 나타나는가?", "표3.에 따르면 BR54일 때, SSIM의 Daribo 값은 몇인가?", "BA52일 때, SSIM의 Gautier 값은 몇인가?", "BR52일 때, SSIM의 proposed 값은 몇인가?", "BA54일 때, SSIM의 Gautier 값은 몇인가?", "표3.에 따르면 SSIM의 Gautier 값은 BA54일 때 몇으로 나타나는가?", "BA54일 때, SSIM의 proposed 값은 얼마로 나타나는가?", "BR54일 때, SSIM의 Gautier 값은 표 3. 제안된 방법과 비교방법들의 PSNR, SSIM을 이용한 객관적 평가에 따르면 몇인가?", "BA52일 때, SSIM의 Daribo 값은 몇인가?", "표3.에 따르면 SSIM의 Daribo 값은 BA52일 때 얼마인가?", "BR54일 때, SSIM의 proposed 값은 몇인가?", "BR52일 때, SSIM의 Daribo 값은 어떻게 나타나는가?" ]
0a7e21de-51cd-410c-b09e-a3883e07cd22	인공물ED	집적광학 바이오케미컬 센서에 적합한 \(\mathrm{Si_{3}N_{4}/SiO_{2}}\) 슬롯 및 릿지-슬롯광 도파로 제원 최적화 및 감지도 해석	<h1>2. 슬롯 광 도파로의 모드 해석</h1><h2>2.1 평면 슬롯 광 도파로의 모드 해석</h2><p>Fig. 2는 평면 슬롯 광 도파로에 대한 구조로 \( y \) 축 대칭이다. 슬롯 광 도파로의 최적화 구조를 해석하기 이전에 기본적인 평면 슬롯 광 도파로의 TM, TE모드의 전계 분포 및 특성 방정식을 통하여 슬롯내의 전계 분포를 검토하였다. 각 모드의 전계는 식 (1)에서 정의된 Helmholtz 파동식과 경계조건을 이용해서 해석하였다.</p><p>\( \frac{d^{2} E_{x, i}(x)}{d x^{2}}+\left(k_{0}^{2} n_{i}^{2}-\beta^{2}\right) E_{x, i}(x)=0 \)<caption>(1-1)</caption></p><p>\( \frac{d^{2} E_{y, i}(x)}{d x^{2}}+\left(k_{0}^{2} n_{i}^{2}-\beta^{2}\right) E_{y, i}(x)=0 \)<caption>(1-2)</caption></p><p>식 (1-1)과 식 (1-2)는 각각 TM과 TE모드에서 \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}) \) 와 \( \mathrm{E}_{\mathrm{y}}(\mathrm{x}) \)의 Helmholtz방정식이다. 식 (1)에서 \( i=s, r, c \)로 각각 슬롯, 레일, 클래딩을 의미하고, \( k_{0} \)는 진공에서의 파수(wave number), \( k_{0}=\frac{2 \pi}{\lambda_{0}} \)로 정의 되며, \( \beta \)는 전파상수(propagation constant), \( \beta=\frac{2 \pi}{\lambda_{0}} n_{\text {eff }} \)로 정의된다. 또한 \( \|x\|=a,\|x\|=b \) 는 각각 레일과 슬롯, 슬롯과 클래딩의 경계이다.</p><h3>2.1.1 TM모드 전계 및 특성 방정식</h3><p>TM 모드의 전계는 \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}) \)가 주된 성분이며, 레일과 슬롯의 경계에서 경계 조건은 식 (2)와 같다.</p><p>\( n_{s}^{2} E_{x}(a)=E_{x}(a) n_{r}^{2}\|x\|=a \)<caption>(2-1)</caption></p><p>\( n_{r}^{2} E_{x}(b)=E_{x}(b) n_{c}^{2}\|x\|=b \)<caption>(2-2)</caption></p><p>식 (1)에 경계조건 식 (2)를 적용해서 \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}) \)을 정리하면 아래 식(3)과 같이 \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}) \)의 필드분포를 나타낼 수 있다.</p><p>\( E_{x}(x) \) \( =A\left\{\begin{array}{c}\frac{1}{n_{s}{ }^{2}} \cosh \left(r_{s} x\right) \\ \frac{1}{n_{h}{ }^{2}} \cosh \left(r_{s} a\right) \cos \left(r_{r}(\|x\|-a)\right)+ \\ \frac{r_{s}}{r_{r} n_{s}{ }^{2}} \sinh \left(r_{s} a\right) \sin \left(r_{r}(\|x\|-a)\right) \quad \text { if }\|x\|<a \\ \frac{1}{n_{c}{ }^{2}}\left\{\begin{array}{c}\cosh \left(r_{s} a\right) \cos \left(r_{r}(\|b\|-a)\right) \\ +\frac{r_{s} n_{r}{ }^{2}}{r_{r} n_{s}{ }^{2}} \sinh \left(r_{s} a\right) \sin \left(r_{r}(\|b\|-a)\right) \\ * e^{-r_{c}(\|x\|-b)} \quad \text { if } \quad b<\|x\|<a\end{array}\right\}\end{array}\right\} \)<caption>(3)</caption></p><p>식 (3)에서 \( A \)는 임의의 상수 값이고, 각 영역에서 전파상수는 아래와 같이 정의된다.</p><p>\( r_{s}=\sqrt{\beta^{2}-\left(k_{0} n_{s}\right)^{2}} \),<caption>(4-1)</caption></p><p>\( r_{c}=\sqrt{\beta^{2}-\left(k_{0} n_{c}\right)^{2}} \),<caption>(4-2)</caption></p><p>\( r_{r}=\sqrt{\left(k_{0} n_{r}\right)^{2}-\beta^{2}} \)<caption>(4-3)</caption></p><p>또한 TM모드의 \( m \)차 특성방정식은 아래 식 (5)와 같이 정리된다. 식 (5)에서 \( \mathrm{w}_{\mathrm{r}} \)는 레일의 폭으로, \( \mathrm{w}_{\mathrm{r}}=\mathrm{b}-\mathrm{a} \)이다.</p><p>\( \arctan \left(\frac{n_{r}^{2} r_{c}}{n_{c}^{2} r_{r}}\right)+\arctan \left\{\frac{n_{r}^{2} r_{s}}{n_{s}^{2} r_{r}} \tanh \left(r_{s} a\right)\right\}+m \pi= \) \( r_{r}(b-a)=r_{r} w_{r} \)<caption>(5)</caption></p><h3>2.1.2 TE모드 전계 및 특성 방정식</h3><p>TE 모드는 \( \mathrm{E}_{\mathrm{y}}(\mathrm{x}) \)가 주된 성분이며, 물질의 경계면에서 전계의 경계조건은 아래 식 (6)과 같다.</p><p>\( E_{y}(a)=E_{y}(a) \quad\|x\|=a \)<caption>(6-1)</caption></p><p>\( E_{y}(b)=E_{y}(b) \quad\|x\|=b \)<caption>(6-2)</caption></p><p>Helmholtz파동식과 TE모드의 경계조건을 이용해서 \( \mathrm{E}_{\mathrm{y}}(\mathrm{x}) \)의 전계 분포와 특성방정식은 각각 식 (7)과 식 (8)로 정리된다.</p><p>\( E_{y}(x) \) \( =A\left\{\begin{array}{c}\cosh \left(r_{s} x\right) \\ \cosh \left(r_{s} a\right) \cos \left(r_{r}(\|x\|-a)\right)+ \\ \frac{r_{s}}{r_{r}} \sinh \left(r_{s} a\right) \sin \left(r_{r}(\|x\|-a)\right) \quad \text { if }\|x\|<a \\ \left\{\cosh \left(r_{s} a\right) \cos \left(r_{r}(\|b\|-a)\right)+\frac{r_{s}}{r_{r}} \sinh \left(r_{s} a\right) \sin \left(r_{r}(\|b\|-a)\right)\right\} \\ e^{-r_{c}(\|x\|-b)} \quad \text { if } b<\|x\|<a\end{array}\right. \)<caption>(7)</caption></p><p>\( \arctan \left(\frac{r_{c}}{r_{r}}\right)+\arctan \left\{\frac{r_{s}}{r_{r}} \tanh \left(r_{s} a\right)\right\}+m \pi=r_{r}(b-a)=r_{r} w_{H} \)<caption>(8)</caption></p><p>식 (7)에서 \(A \)는 상수이며, \( r_{s}, r_{r}, r_{c} \)는 식 (4)에서 정의된 수식과 동일하다.</p><p>식 (3)과 식 (7)에 \( \mathrm{n}_{\mathrm{r}}=2, \mathrm{n}_{\mathrm{c}}=1.3, \mathrm{n}_{\mathrm{s}}=1, \lambda=1.55 \mu \mathrm{m} \)를 적용 후, matlab을 이용해서 도출한 필드분포를 Fig. 3에 나타내었다. Fig. 3(a)는 TM모드의 필드 분포를 나타낸 그래프로 물질간 경계 면에서 전계의 불연속적인 특성이 잘 보여준다. 또한 슬롯내의 전계의 세기가 레일의 전계의 세기보다 크다는 것을 확인할 수 있다. Fig. 3(b)는 TE모드의 필드 분포를 나타낸 그래프로 TM 모드와는 다르게 물질 간의 경계에서 전계의 불연속적인 특성이 나타나지 않으며, 슬롯내 전계의 세기가 레일의 전계와 비슷함을 확인할 수 있다.</p><p>지금까지 굴절률의 범위가 \( \mathrm{n}_{\mathrm{r}}>\mathrm{n}_{\mathrm{c}} \geq \mathrm{n}_{\mathrm{s}} \), 슬롯 내 전계의 함수가 \( \cosh \)인 경우에 대하여 간략하게 검토하였다. 그 외의 조건에서 슬롯 광 도파로의 필드 분포는 참고문헌에 자세히 유도되어 있다.</p><h2>2.2 구속 계수 및 유효 모드 넓이</h2><h3>2.2.1 구속 계수</h3><p>구속 계수는 슬롯 내에 분포된 모드의 광의 세기를 전체 광파 모드의 세기로 나눈 값이다. 구속 계수가 높으면 슬롯 내에 광의 세기가 많이 집중되어 있다는 의미이다.</p><p>\( \Gamma=\frac{\iint_{\text {slot }} s_{z} d x d y}{\iint_{\text {total }} s_{z} d x d y} \)<caption>(9)</caption></p><p>슬롯 광 도파로를 이용하는 집적광학 센서의 경우, 분석물질과 상호작용하는 슬롯의 구속 계수가 클수록 보다 많은 양의 광파와 분석물질 간에 상호결합이 많아져 높은 감지도를 기대할 수 있다.</p><h3>2.2.2 유효 모드 넓이</h3><p>유효 모드 넓이(Effective mode area, \( \left.\mathrm{A}_{\mathrm{eff}}\right) \) 는 광의 세기가 최대값의 \( 1 / \mathrm{e}^{2} \)이 되는 영역의 넓이다. 유효 모드 넓이가 작을수록 광파의 밀도가 높고, 이는 분석물질과 광파가 상호작용 시, 반응하는 광파의 양이 많아져 높은 감지도를 기대할 수 있다.</p><p>\( A_{e f f}=\frac{\left(\int\|E\|^{2} d A\right)^{2}}{\int\|E\|^{4} d A} \)<caption>(10)</caption></p>	[ "Fig. 2는 \\( x \\) 축 대칭인가?", "본 논문에서는 슬롯 광 도파로의 최적화 구조를 해석하는 것에 앞서서 어떻게 했지?", "실험에서 어떻게 각 모드의 전계를 해석했어?", "본 논문에서는 어떻게 슬롯 내의 전계 분포를 살펴봤지?", "TM 모드 전계의 주성분은 뭐야?", "본 논문의 식 (1)에서 s가 의미하는 것은 무엇인가요?", "논문에서 \\( \|x\|=a,\|x\|=b \\) 는 각각 슬롯과 클래딩, 레일과 슬롯의 경계를 일컫는가?", "전체 광파 모드의 세기로 슬롯 안에 퍼져있는 모드의 광 세기를 나눈 값을 뭐라고 해?", "구속 계수는 슬롯 내 모드의 광의 세기에 전체 광파 모드의 세기를 곱한 값인가요?", "본 논문에서 유효 모드 넓이와 광파 밀도는 정비례하는가?", "최대값의 \\( 1 / \\mathrm{e}^{2} \\)이 광의 세기가 되는 곳의 넓이를 뭐라고 지칭해?", "실험에서 경계 조건은 레일과 슬롯의 경계에서 식 (1)와 같다고 할 수 있어?", "\\( A \\)는 식 (3)에서 어떤 값을 나타내나요?", "식 (5)에서 무엇이 레일의 폭을 표현하나요?", "Fig. 3(a)에서는 물질간 경계 면에서 전계의 연속적인 특성을 관찰할 수 있니?" ]
0d667f4a-dd08-4488-94ad-e7174addbe34	인공물ED	집적광학 바이오케미컬 센서에 적합한 \(\mathrm{Si_{3}N_{4}/SiO_{2}}\) 슬롯 및 릿지-슬롯광 도파로 제원 최적화 및 감지도 해석	<h2>3.2 릿지-슬롯 광 도파로 제원 최적화</h2><p>Fig. 1과 같은 릿지-슬롯 광 도파로의 제원 최적화를 위하여 릿지 두께를 제외한 제원은 이전에 슬롯 광 도파로에서 최적화한 제원을 사용하였다. 릿지-슬롯 광 도파로에서 \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}) \)는 슬롯 광 도파로와 동일하지만, \( \mathrm{E}_{\mathrm{y}}(\mathrm{x}) \)는 릿지 두께와 슬롯의 굴절률에 따라 슬롯 내의 구속 계수 값이 달라진다. 이번 해석에서는 슬롯의 굴절률이 1, 1.1, 1.2인 세 경우에 릿지 두께 변화가 슬롯 내 구속 계수와 유효 모드 넓이에 미치는 영향을 검토하였다. Fig. 10(a)는 슬롯의 굴절률이 1인 경우로 릿지 두께에 따라 구속 계수는 지속적으로 증가하는 경향을 보이며, 유효 모드 넓이는 감소하는 경향을 보이고 있다. Fig. 10(b) 는 슬롯의 굴절률이 1.1인 경우로 릿지 두께가 증가하면 구속 계수는 증가하다가 릿지 두께가 \( 0.04 \mu \mathrm{m} \) 에서 구속 계수는 0.1393로 최대가 되며, 이후로는 점차 감소한다. 유효 모드 넓이는 구속 계수와 달리 릿지 두께가 증가하면 지속적으로 감소하는 경향을 보인다. 반면에 슬롯의 굴절률이 1.2인 Fig. 10(c)에서는 릿지 두께가 증가하면 구속 계수의 값은 감소하는 경향을 보이며, 유효 모드 넓이는 증가하는 경향을 보인다. Fig. 10에서 구속 계수는 슬롯 굴절률에 따라 다른 경향을 보였다. 따라서 릿지 두께의 최적화를 위한 슬롯 굴절률을 정해야 한다. 슬롯의 굴절률이 1.2인 경우, 릿지 두께가 증가 시, 구속 계수는 계속 감소하여 제원 최적화하기에 부적합하다. 또한 슬롯의 굴절률이 1인 경우에는 릿지 두께가 증가 시, 구속 계수가 증가하지만 실질적으로 센싱 물질의 굴절률은 1보다 크므로, 해당 굴절률에서 제원을 최적화 하는 것은 무의미하다. 반면에 굴절률이 1.1 인 경우에는 특정 릿지 두께에서 구속 계수는 최대값을 가지고 그 이후에는 감소하기 때문에 제원을 최적화 하는데 적절하다. 따라서 릿지 두께의 제원 최적화는 굴절률이 1.1인 경우에 대하여 진행하였고, 최적화된 제원은 \( 0.04 \mu \mathrm{m} \)로 설정하였다.</p><p>Fig. 11은 최적화한 릿지 두께, \( \mathrm{g}=0.04 \mu \mathrm{m} \) 로 릿지-슬롯 광 도파로의 필드 분포 \( , \mathrm{E}_{\mathrm{x}}(\mathrm{x}, \mathrm{y}), \mathrm{E}_{\mathrm{x}}(0, \mathrm{y}) \) 그리고 \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}, 1.4) \)를 보여주고 있다.</p><p>슬롯의 굴절률은 1.1을 적용하였다. \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}, 1.4) \)를 보면 기존의 슬롯 광 도파로와 마찬가지로 슬롯 내에 많은 양의 전계가 분포한다. 반면 \( \mathrm{E}_{\mathrm{x}}(0, \mathrm{y}) \)는 해당 굴절률에 따라 슬롯 광 도파로와 릿지-슬롯 광 도파로의 필드 분포를 비교하였다. 녹색의 그래프는 릿지-슬롯 광 도파로의 전계를 나타내며, 파란색 점선은 슬롯 광 도파로의 전계를 나타낸다. 슬롯 내에 전계는 릿지-슬롯 광 도파로가 기존의 슬롯 도파로보다 더 많은 양의 전계가 분포하며, \( \mathrm{SiO}_{2} \) 기판으로 방사되는 전계는 릿지-슬롯 광 도파로가 슬롯 도파로 보다 손실이 적다. 최적화된 제원에서 릿지-슬롯 광도파로의 구속 계수는 0.1394, 유효 모드 넓이는 \( 2.90 \mu \mathrm{m}^{2} \)이다.</p><p>이번에는 굴절률에 따른 슬롯과 릿지-슬롯 광 도파로에 대해서 \( y \) 축 광파 세기를 비교하였다. Fig. 12(a), (b)는 슬롯의 굴절률이 각각 1.1, 1.2인 경우에 \( y \) 축 방향의 광파의 세기를 정규화한 그래프이다. '+' 그래프는 슬롯 광 도파로, 원형 그래프는 릿지-슬롯 광 도퐈로를 각각 나타낸다. \( y \) 축이 \( 0-1.2 \mu \mathrm{m} \) 범위는 \( \mathrm{SiO}_{2} \) 기판, \( 1.2-1.24 \mu \mathrm{m} \)는 릿지 영역, \(1.24-1.7 \mu \mathrm{m} \)는 슬롯 영역이며, 그 외 부분은 클래딩이다. Fig. 12(a)의 슬롯 광 도파로는 \( \mathrm{SiO}_{2} \)로 방사되는 광파가 더 많으며, 릿지-슬롯 광 도파로는 비록 릿지에 많은 양의 광파가 존재하지만 방사되는 광파는 적다. 그로 인해 릿지-슬롯 광 도파로가 더 높은 구속 계수를 보이며 해당 굴절률에서 슬롯 광 도파로와 릿지-슬롯 광 도파로의 구속 계수는 각각 0.12,0.149이다.</p><p>Fig. 12(b)를 보면, \( \mathrm{SiO}_{2} \) 로 방사되는 광파는 슬롯 광 도파로와 릿지-슬롯 광 도파로 모두 매우 작은 값이다. 릿지-슬롯 광 도파로의 광파의 분포는 여전히 슬롯 보다 릿지에 많이 분포하고 있다. 반면에 슬롯 광 도파로의 경우, 굴절률이 1.1일때 기판과 슬롯의 경계에서 가장 많은 광파가 분포한 경우와 달리 굴절률이 1.2에서는 슬롯 내에 전계가 가장 많이 분포되어 있다. 해당 굴절률에서 구속 계수는 슬롯 광 도파로가 0.185, 릿지-슬롯 광 도파로는 0.169 이며, 슬롯 광 도파로에서 높은 구속 계수를 보이는 이유는 슬롯 내 전계가 많이 분포한 경우에 릿지가 위치하면, 릿지와 슬롯의 경계에서 굴절률 차이로 인하여 릿지에 많은 양의 전계가 분포한다. 따라서 슬롯의 구속 계수는 감소하는 것으로 해석할 수 있다.</p><p>Fig. 13은 굴절률 변화에 따른 두 구조의 구속 계수의 변화를 나타내었으며, 슬롯의 굴절률이 1-1.133일 경우, 릿지-슬롯 광도파로의 구속 계수는 슬롯 광 도파로보다 높고, 1.133에서는 두 구속 계수의 값이 동일하다. 그러나 분석 물질의 굴절률이 1.133보다 커지게 되면 슬롯 광 도파로의 구속 계수가 릿지-슬롯 광 도파로보다 더 높아지는 것을 알 수 있다.</p>	[ "10(b) 는 슬롯의 굴절률이 1.1인 경우로 릿지 두께가 증가하면 구속 계수는 증가하니?", "릿지 두께가 \\( 0.04 \\mu \\mathrm{m} \\) 일 때 구속 계수는 최대 얼마가 되니?", "유효 모드 넓이는 릿지 두께가 증가하면 지속적으로 증가하는 경향을 보이니?", "파란색 점선은 슬롯 광 도파로의 전계를 나타내니?", "녹색의 그래프는 슬롯 광 도파로의 전계를 나타내니?", "최적화된 제원에서 릿지-슬롯 광도파로의 유효 모드 넓이는 어떻게 되니?", "릿지 두께 변화가 슬롯 내 구속 계수와 유효 모드 넓이에 미치는 영향을 검토할 때 슬롯의 굴절률은 어떻게 설정하였어?", "Fig. 11은 최적화한 릿지 두께인 \\( \\mathrm{g} \\)의 값을 몇으로 하고 릿지-슬롯 광 도파로의 필드 분포를 나타낸 것이야?", "Fig. 12(a), (b)는 슬롯의 굴절률을 각각 몇으로 하고 \\( y \\) 축 방향의 광파의 세기를 정규화한 그래프니?", "\\( \\mathrm{SiO}_{2} \\)기판 영역을 나타내는 \\( y \\) 축의 범위는 어떻게 되니?", "\\( y \\) 축에서 \\( 1.2-1.24 \\mu \\mathrm{m} \\) 에 해당하는 범위는 어떤 영역을 나타내니?", "Fig. 12(a)에서 슬롯 광 도파로와 릿지-슬롯 광 도파로의 구속 계수는 각각 얼마로 확인되니?", "슬롯 광 도파로의 경우, 굴절률이 얼마일때 기판과 슬롯의 경계에서 가장 많은 광파가 분포하였어?", "10(b) 는 슬롯의 굴절률이 몇이니?", "두 구조의 구속 계수의 변화는 무엇에 따른 것이야?", "최적화된 제원에서 릿지-슬롯 광도파로의 구속 계수는 몇이야?" ]
10e7fdec-55bf-4ef0-b848-e89ba06bf06d	인공물ED	집적광학 바이오케미컬 센서에 적합한 \(\mathrm{Si_{3}N_{4}/SiO_{2}}\) 슬롯 및 릿지-슬롯광 도파로 제원 최적화 및 감지도 해석	<h1>5. 결 론</h1><p>FIMMWAVE를 활용해서 구속 계수와 유효 모드 넓이를 기반으로 \( \mathrm{Si}_{3} \mathrm{N}_{4} / \mathrm{SiO}_{2} \) 구조의 슬롯 및 릿지-슬롯 광 도파로에 대한 제원 최적화를 수행하였으며, 제원 최적화의 타당성은 분석물질의 굴절률에 따른 감지도로 확인하였다. 슬롯 광 도파로의 제원 즉 슬롯 폭은 \( 0.2 \mu \mathrm{m} \), 레일 폭과 높이는 \( 0.46 \mu \mathrm{m}, 0.5 \mu \mathrm{m} \)으로 각각 최적화하였다. 파장이 \( 1.55 \mu \mathrm{m} \), 슬롯의 굴절률이 1.3인 경우에 최적화된 제원에서 구속 계수와 유효 모드 넓이는 \( 0.2024 \), \( 2.04 \mu \mathrm{m}^{2} \)로 각각 도출되었다. 한편 슬롯의 굴절률 1.1에서 릿지-슬롯 광 도파로의 릿지 두께는 \( 0.04 \mu \mathrm{m} \)로 최적화 하였으며, 구속 계수와 유효 모드 넓이는 각각 \( 0.1393,2.90 \mu \mathrm{m}^{2} \)로 계산되었다. 분석물질의 굴절률이 1-1.3범위에서 두 구조의 구속 계수와 감지도를 비교했을 경우, 굴절률이 1.133 이하의 영역에서는 구속 계수와 감지도는 릿지-슬롯 광 도파로가 더 높았으며, 그 외의 영역에서는 슬롯 광 도파로가 더 높았다. 따라서 집적광학 바이오케미컬 센서 구현에 있어서 분석물질의 굴절률 크기에 따라서 두 구조에 대한 선택 기준을 제시할 수 있었다.</p>	[ "\\( \\mathrm{Si}_{3} \\mathrm{N}_{4} / \\mathrm{SiO}_{2} \\) 구조의 슬롯 및 릿지-슬롯 광 도파로에 대한 제원 최적화는 구속 계수와 유효 모드 넓이를 기반으로 무엇을 활용해서 시행했지?", "레일 폭과 높이는 \\( 0.46 \\mu \\mathrm{m}, 0.5 \\mu \\mathrm{m} \\), 슬롯 광 도파로의 제원인 슬롯 폭은 얼마로 최적화 했지?", "구속 계수와 감지도를 비교해서 릿지-슬롯 광 도파로가 높은 경우에는 굴절률이 얼마일 때지?", "최적화 한것은 슬롯 광도파로의 제원인 슬롯 폭과 레인폭과 높이이지?", "최적화된 제원에서 각각 도출된 구속 계수와 유효 모드 넓이는 \\( 0.2024 \\), \\( 2.04 \\mu \\mathrm{m}^{2} \\)로 파장이 \\( 1.55 \\mu \\mathrm{m} \\)이고 슬롯의 굴절률이 얼마일 때 나온 값이지?", "슬롯의 굴절률 1.1일 때는 릿지-슬롯 광 도파로의 릿지 두께를 최적화한 값은 얼마이지?", "분석물질의 굴절률의 해당 범위에서 비교한 두가지는 무엇이지?", "두 구조의 감지도와 구속계수에 대하여 비교한 결과 굴절률 1.133 이하에서 릿지-슬롯 광 도파로가 높았으며 또 다른 영역에서는 슬롯 광 도파로가 더 높았지?" ]
46b55f01-6054-486e-914e-01f4ccf63ede	인공물ED	집적광학 바이오케미컬 센서에 적합한 \(\mathrm{Si_{3}N_{4}/SiO_{2}}\) 슬롯 및 릿지-슬롯광 도파로 제원 최적화 및 감지도 해석	<h1>1. 서 론</h1><p>집적광학 센서는 지난 20여년동안 지속적인 연구를 통하여 많은 발전을 해왔다. 기존의 다른 센서와 비교하였을 때, 집적 광학 센서는 전자장의 간섭을 적게 받으며, 높은 감지도(sensitivity)와 고 집적률 그리고 저렴한 비용 등의 장점들을 가지고 있다. 이러한 장점들로 인하여 집적광학 센서는 가스 센서, \( \mathrm{pH} \) 센서, 바이오 센서 등 다양한 응용분야에서 활용하려는 시도들이 꾸준히 보고되고 있다. 현재 많이 연구되고 있는 집적광학 바이오 센서들은 방향성 결합기, 링 공진기, 브래그(Bragg) 격자, 그리고 다중모드 결합기 등 다양한 구조들을 적용하여 구현되어 왔다. 바이오 센서가 분석물질을 감지하는 방법은 크게 2가지가 있는데, 첫 번째 방법은 homogenous 센싱으로, 이는 분석물질의 굴절률의 변화에 따른 유효 굴절률의 변화를 이용하여 감지하는 방법이다. 두 번째는 표면(surface) 센싱이며 도파로의 표면에 항체 층을 만들고, 이 층은 항원과 반응 시 두께의 변화가 발생되는데, 두께의 변화에 따라 유효 굴절률의 변화를 감지하는 방식이다. 집적 광학센서에서 분석물을 감지하는 방법 중 소산파(evanescent wave)를 사용하는 집적 광학 센서는 이전에 릿지(ridge) 또는 립(rib) 광 도파로를 적용해서 구현하였다. 그러나 릿지 와 립 광 도파로는 코어(core)내에 많은 광파가 집중되어 클래딩(cladding)에 존재하는 소산파가 상대적으로 작아, 높은 감지도를 얻지 못하였다. 이에 대안으로 집적 광학 바이오센서에 슬롯 광 도파로(slot waveguide)의 활용 가능성에 대한 지속적인 관심이 보고되고 있는 상황이다.</p><p>슬롯 광 도파로는 2004년 Almeida등이 처음 제안한 구조로 굴절률이 높은 두 개의 레일 \( \left(n_{r}\right) \) 사이에 굴절률이 낮은 슬롯 \( \left(n_{s}\right) \)이 위치한 Fig. 1과 같은 구조이다. 슬롯 광 도파로는 레일 보다 슬롯에 모드필드가 더 많이 분포되어서 진행하는 특징을 보인다. 이러한 특징의 원리는 굴절률 차이가 큰 두 물질의 경계 면에서 전계의 불연속에 의해 발생한다. 슬롯 광 도파로는 릿지 또는 립 광 도파로보다 많은 양의 모드가 슬롯 영역 내에 분포해서 분석물질과 직접적인 상호작용을 통하여 더 높은 감지도를 기대할 수 있다.</p><p>초기에 슬롯 광 도파로는 SOI(Silicon on Insulator: \( \mathrm{Si}^{2} / \mathrm{SiO}_{2} \) ) 물질 체계로 제안 되었고, 현재까지 지속적인 연구가 진행되고 있다. 그러나 SOI는 \( 1.55 \mu \mathrm{m} \) 파장 대역에서 실리콘이 광을 흡수하기 때문에 \( \mathrm{Si}_{3} \mathrm{~N}_{4} / \mathrm{SiO}_{2} \) 물질 체계가 해당 파장대역에서 대체 물질로 제안되었고 연구가 진행되고 있다. 또한 \( \mathrm{Si}_{3} \mathrm{N}_{4} / \mathrm{SiO}_{2} \) 구조는 표면의 불규칙성 때문에 발생하는 산란손실이 적고, 제작 과정에서 발생하는 크기의 오차 허용범위가 높다는 장점이 있다.</p><p>한편, 릿지-슬롯(ridge-slot) 광 도파로는 슬롯 광 도파로의 구조에서 완전히 식각(etching) 되지 않은 구조로 Fig. 1에서 확인할 수 있다. 릿지-슬롯 광 도파로는 분석물질의 굴절률이 낮은 조건에서 기존의 슬롯 광 도파로보다 구속 계수(Confinement factor, Г)가 높고, 이는 특히 가스 감지센서에 효과적으로 사용될 수 있다. 또한 릿지-슬롯 광 도파로는 전기광학 변조기와 Kerr 효과를 사용하는 비선형 광학 응용분야에서도 활용할 수 있는 이점이 있다.</p><p>본 논문에서는 \( \mathrm{Si}_{3} \mathrm{N}_{4} / \mathrm{SiO}_{2} \) 물질 체계와 \( 1.55 \mu \mathrm{m} \) 파장 중심으로 진행하였다. 2장에서는 Maxwell 파동 식과 경계조건을 이용해서 TM, TE 기본모드의 필드 분포를 검토하였다. 3장에서는 구속 계수와 유효면적을 기반으로 슬롯 및 릿지-슬롯 광 도파로 제원에 대한 최적화를 수행하였다. 이어서 최적화한 릿지-슬롯, 슬롯 광 도파로의 감지도를 계산하여 굴절률의 범위에 따라 어떤 광 도파로가 유용한지 4장에서 확인하였다. 본 연구에서는 "Photon Design"의 FIMMWAVE를 사용하여 전산해석을 수행하였다.</p>	[ "집적 광학 센서는 다른 센서와 비교해서 무엇의 간섭을 적게 받지?", "다른 센서와 비교해 집적 광학 센서는 무엇의 간섭을 적게 받지?", "집적광학 센서에 대한 연구는 몇년간 지속되었지?", "몇년간 집적광학 센서에 대한 연구가 지속되었니?", "집적 광학 센서의 장점으로는 적은 전자장의 간섭, 높은 감지도, 고 집적률 그리고 적은 비용이 있어?", "방향성 결합기, 링 공진기, 브래그 격자, 그리고 다중모드 결합기에 다양하게 적용한 집적광학 센서는 뭐지?", "분석물질의 굴절률의 변화에 따른 유효 굴절률의 변화를 감지하는 바이오 센서가 분석물질을 감지 방법을 무엇이라고 하지?", "바이오 센서가 분석물질을 감지하는 두번째 방법은 무엇의 변화를 통해 유효 굴절률의 변화를 감지하니?", "바이오 센서가 분석물질을 감지하는 방법에서 첫번째는 homogenous 센싱이며 두번째 방법은 표면(surface) 센싱 방법이지?", "집적 광학 센서는 무엇을 사용하니?", "무엇을 집적 광학 센서가 이용하지?", "집적 광학센서는 이전에는 립(rib) 광 도파로를 적용해서 구현했니?", "릿지와 립 광 도파로는 왜 높은 감지도를 얻지 못했니?", "왜 릿지와 립 광 도파로는 높은 감지도를 얻지 못했어?", "소산파가 상대적으로 작아, 높은 감지도를 얻지 못한 릿지 와 립 광 도파 대신 집적 광학 바이오센서에 무엇을 활용하고자 했지?", "2004년 Almeida등이 처음 제안한 슬롯 광 도파로의 경우 레일 보다 슬롯에 무엇이 더 많이 분포 되어 있지?", "슬롯 광 도파로에 모드필드가 많이 분포되는 원리는 전계의 불연속의 발생 원인은 두 물질의 경계면에 무슨 차이로 인해서지?", "릿지 또는 립 광 도파로보다 슬롯 광 도파로에서 더 많이 슬롯 영역 내에 분포하는 것은 무엇이지?", "슬롯 광 도파로의 초기 연구에서 제안된 물질체계는 무엇이지?", "초기에 슬롯 광 도파로인 SOI \\( 1.55 \\mu \\mathrm{m} \\) 파장 대역에서 광을 흡수하는 무엇에 대한 대안이 필요하지?", "초기에 슬롯 광 도파로의 SOI의 문제점을 해결하기 위해 무엇이 대체물질로 제안 되었지?", "현재까지 지속적으로 연구되는 슬롯 광 도파로는 SOI(Silicon on Insulator: \\( \\mathrm{Si}^{2} / \\mathrm{SiO}_{2} \\) ) 물질 체계로 초기에 제안되었지?", "SOI에서 실리콘이 광을 흡수하는 파장대는 얼마이지?", "SOI의 대체물질은 \\( \\mathrm{Si}_{3} \\mathrm{~N}_{4} / \\mathrm{SiO}_{2} \\) 물질 체계가 실리콘이 광을 흡수하는 \\( 1.55 \\mu \\mathrm{m} \\) 파장 대역의 대체물질로 제안되고 있지?", "슬롯 광 도파로의 구조에서 릿지-슬롯(ridge-slot) 광 도파로가 어떤 구조로 확인이 되지?", "분석물질의 굴절률이 낮은 조건에서 기존의 슬롯 광 도파로보다 릿지-슬롯 광 도파로는 무엇이 높지?", "슬롯 광 도파로의 구조에서 완전히 식각된 구조는 릿지-슬롯(ridge-slot) 광 도파로이지?", "릿지-슬롯 광 도파로의 높은 구속 계수의 특징은 가스 감지센서에 사용하는 것이 효과적일 것으로 보이지?", "Kerr 효과를 이용하는 비선형 광학 응용분야와 전기광학 변조기에서 활용할 수 있는 이점이 있는 것은 뭐지?", "집적 광학 센서의 장점은 무엇인가?", "무엇이 집적 광학 센서의 장점일까?", "슬롯 광 도파로는 Almeida등이 몇년도에 제안한 구조이지?", "집적광학 센서의 장점을 바탕으로 응용하여 사용되는 분야는 어디지?", "바이오 센서의 homogenous 센싱 방법은 어떤 방법이지?", "바이오 센서의 homogenous 센싱 방법이 뭐야?", "릿지-슬롯 광 도파로는 어디에 효과적으로 사용할 수 있어?" ]
d0974219-dc3f-4ce8-a50f-c33b423e314f	인공물ED	집적광학 바이오케미컬 센서에 적합한 \(\mathrm{Si_{3}N_{4}/SiO_{2}}\) 슬롯 및 릿지-슬롯광 도파로 제원 최적화 및 감지도 해석	<h1>3. 슬롯 및 릿지-슬롯 광 도파로 최적화</h1><p>Fig. 1의 릿지-슬롯 광 도파로에서 \( \mathrm{w}_{\mathrm{r}}, \mathrm{w}_{\mathrm{s}}, \mathrm{h}, \mathrm{n}_{\mathrm{r}}, \mathrm{n}_{\mathrm{s}}, \mathrm{g} \)는 각각 레일의 폭, 슬롯의 폭, 레일의 높이, 레일의 굴절률, 슬롯의 굴절률 그리고 릿지 두께이다. 슬롯 광 도파로는 릿지 두께가 0 즉, \( \mathrm{g}=0 \)인 경우이다. 본 연구에서는, \( \lambda=1.55 \mu \mathrm{m} \) 파장 대역에서 슬롯 광 도파로의 제원을 구속 계수와 유효 모드 넓이의 관점에서 최적화를 진행하였다. 그 후, 최적화된 제원을 적용하여 릿지 두께가 구속 계수와 유효 모드 넓이에 미치는 영향을 전산해석 후, 릿지 두께에 대한 최적화를 quasi-TE모드 중심으로 해석하였다.</p><h2>\( 3.1 \) 슬롯 광 도파로 제원 최적화</h2><p>먼저 슬롯 광 도파로의 제원 최적화를 위해 레일의 폭 및 높이 그리고 슬롯의 폭 변화에 따른 구속 계수와 유효 모드 넓이에 미치는 영향을 분석하기 위해서 전산해석을 수행하였다. 레일, 슬롯, 클래딩의 굴절률을 \( \mathrm{n}_{\mathrm{r}}=2.00, \mathrm{n}_{\mathrm{s}}=\mathrm{n}_{\mathrm{c}}=1.3 \)로 각각 설정하였다. 첫 번째로, 레일의 폭 변화가 구속 계수와 유효 모드 넓이에 미치는 영향을 전산해석 하였다. Fig. 4는 슬롯 폭과 레일 높이를 \( 200 \mathrm{nm}, 400 \mathrm{nm} \)로 설정하고, 레일의 폭을 \( 0.2-0.5 \mu \mathrm{m} \)로 변화 시켰을 때, 구속 계수와 유효 모드 넓이를 전산해석 한 결과이다.</p><p>Fig. 4에서 레일의 폭이 증가하면 구속 계수는 증가하는 경향을 보인다. 레일의 폭이 \( 0.46 \mu \mathrm{m} \)에서 구속 계수는 최대값을 보이며, 레일의 폭이 더 커질 경우 구속 계수는 완만하게 감소하는 경향을 보인다. 이때, 구속 계수의 최대값은 0.1605이다. 반면, 유효 모드 넓이는 레일의 폭이 증가하면서 처음에는 급격하게 감소하는 경향을 보이다가 \( 0.35 \mu \mathrm{m} \)이상에서 유효 모드 넓이가 \( 2.6852 \mu \mathrm{m}^{2} \)으로 수렴하고, 레일의 폭이 \( 0.47 \mu \mathrm{m} \)에서 유효 모드 넓이는 최소값이 된다. 그 후에 유효 모드 넓이는 완만하게 증가하는 경향을 보인다. 유효 모드 넓이의 최소값과 구속 계수의 최대값을 만족하는 레일의 폭은 서로 다르지만 매우 근사한 값을 보인다. 본 연구에서는 유효 모드 넓이 보다 구속 계수에 초점을 좀 더 맞추어서 구속 계수의 값이 최대가 되는 \( 0.46 \mu \mathrm{m} \)를 최적화된 레일의 폭으로 결정하였다.</p><p>레일 폭이 증가함에 따라 구속 계수가 증가하다가 감소하는 경향을 보이는 이유를 레일 폭의 증가에 따른 기본 모드(fundamental mode)의 유효 굴절률의 변화를 이용하여 유추해 보았다. 즉 Fig. 5는 레일의 폭 증가에 따른 기본 모드의 유효 굴절률의 변화를 전산해석한 결과이며, 레일의 폭이 증가하면 유효 굴절률은 계속 증가됨을 보이고 있다. 이는 슬롯 내에 구속되어 진행하던 광파들이 레일 폭이 넓어짐에 따라 레일이 또 다른 독립적인 광도파로 역할을 수행하게 되고, 따라서 굴절률이 높은 레일을 따라 모드가 진행하게 되면서 모드의 유효굴절률이 높아지는 것으로 해석된다.</p><p>Fig. 6은 레일의 폭이 \( 0.8 \mu \mathrm{m} \)일 때, 필드 분포를 나타내었다. \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}, \mathrm{y}) \)의 이차원 필드 분포와 \( \mathrm{E}_{\mathrm{x}}(0, \mathrm{y}), \mathrm{E}_{\mathrm{x}}(\mathrm{x}, 1.4) \)의 일 차원 필드 분포이다. \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}, 1.4) \)의 필드 분포를 확인하면, 모드의 분포는 슬롯에 가장 많이 분포되어 있지만, 레일에도 슬롯과 마찬가지로 많은 양의 전계가 분포 되어있는 것을 확인할 수 있다. 이를 통하여 레일이 독자적인 광 도파로 역할을 수행한다는 것을 알 수 있다. 반면에 \( \mathrm{E}_{\mathrm{x}}(0, \mathrm{y}) \) 필드 분포는 슬롯에 많은 양의 전계가 분포되어 있고, 그 외 영역에는 전계가 0 으로 수렴한다. 이때 슬롯의 구속 계수는 0.104, 유효 모드 넓이는 \( 6.12 \mu \mathrm{m}^{2} \)이며, 이를 통하여 슬롯 내의 광파는 집중되지 못하고 넓은 영역에 분포하며, 레일은 또 다른 광 도파로 역할을 할 수 있음 알 수 있다.</p><p>제원 최적화를 위한 두 번째로, 레일 높이 변화에 따른 구속 계수와 유효 모드 넓이에 미치는 영향을 Fig. 7과 같이 전산해석 하였다. 레일 폭은 앞서 최적화한 제원인 \( 0.46 \mu \mathrm{m} \)를 적용하였다. 레일의 높이가 \( 0.3-0.7 \mu \mathrm{m} \) 범위에서 이전의 레일의 폭 변화와는 달리 구속 계수가 증가하는 경향을 보이고, 유효 모드 넓이는 감소하는 경향을 보이며, \( 1.89 \mu \mathrm{m}^{2} \)으로 수렴한다. Fig. 7을 보면 레일 높이가 증가할수록 구속 계수도 증가하기 때문에 레일 높이가 높을수록 합리적으로 보일 수 있다. 그러나 구속 계수의 증가에만 초점을 맞춰 높은 레일 높이를 설정하면 집적 광학 센서의 장점 중 하나인 고 집적화에 부합하지 않기 때문에 레일의 높이는 구속 계수와 유효 모드 넓이 사이에서 적절한 타협으로 정해야 한다. 따라서 최적화된 레일 높이로 \( 0.5 \mu \mathrm{m} \) 설정하였다. 해당 높이로 설정을 한 이유는 유효 모드 넓이의 값은 \( 2.13 \mathrm{~m}^{2} \)로 최소값인 \( 1.89 \mu \mathrm{m}^{2} \)와 비교하여도 큰 차이를 보이지 않으며, 더군다나 구속 계수도 약 0.2로 충분히 높은 값을 보이며, 또한 최적화한 레일의 폭과 비슷한 크기로 레일의 높이는 충분히 합리적이다.</p><p>다음으로 슬롯 폭 변화에 따른 구속 계수와 유효 굴절률의 변화를 전산해석 하여 Fig. 8에 나타내었다. 제원 최적화뿐만 아니라 슬롯 폭 변화가 슬롯 광 도파로 구조에 미치는 영향을 확인하기 위해 유효 굴절률을 측정하였다. 또한 레일 폭과 높이는 앞서 최적화한 값인 \( 0.46 \mu \mathrm{m}, 0.5 \mu \mathrm{m} \)를 사용하였다. 슬롯 폭이 증가하면 구속 계수는 증가하다가 \( 0.2 \mu \mathrm{m} \)에서 구속 계수는 0.2024로 최대값이 되고 그 이후로, 구속 계수는 감소한다. 따라서 슬롯 폭은 \( 0.2 \mu \mathrm{m} \)로 설정하였다. 한편 유효 굴절률은 슬롯 폭이 증가하면 감소하는 경향을 보인다. 이는 슬롯 내에 구속 되어 진행하던 광파들이 슬롯 내에 넓게 분포하게 되고, 따라서 굴절률이 낮은 슬롯을 따라 모드가 진행하게 되면서 유효굴절률이 낮아지게 되는 것으로 해석된다.</p><p>지금까지 레일 폭, 높이 그리고 슬롯 폭에 대하여 \( 0.46 \mu \mathrm{m} \), \( 0.5 \mu \mathrm{m}, 0.2 \mu \mathrm{m} \) 제원으로 각각 최적화를 했다. 최적화된 슬롯 광도파로의 \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}, \mathrm{y}) \) 의 이차원 필드 분포와 \( \mathrm{E}_{\mathrm{x}}(\mathrm{x}, 1.4), \mathrm{E}_{\mathrm{x}}(0, \mathrm{y}) \)의 일 차원 모드 분포는 Fig. 9와 같다. \( \mathrm{E}_{\mathrm{x}}(0, \mathrm{y}) \)는 슬롯 내에 많은 전계가 분포되며, 그 외 부분에는 0 으로 수렴한다. 또한 \( \mathrm{E}_{\mathrm{x}}(\mathrm{x} \), 1.4)의 경우, 전계는 슬롯 내에 가장 많이 분포한다. 최적화된 제원에서 구속 계수는 0.2024, 유효 모드 넓이는 \( 2.047 \mu \mathrm{m}^{2} \)이다.</p>	[ "최적화된 제원을 적용하여 어디에 미치는 영향을 전산해석 했어?", "레일과 슬롯 그리고 클래딩의 굴절률은 각각 어떻게 되나요?", "구속 계수와 유효 모드 넓이에 레일의 폭 및 높이 그리고 슬롯의 폭 변화가 주는 영향을 분석하고자 어떻게 했나요?", "Fig. 4에서 레일의 폭이 \\( 0.46 \\mu \\mathrm{m} \\)이상 커지면 구속계수가 감소하는 것을 볼 수 있었는가?", "구속 계수가 완만하게 감소하는 경향을 보이는 최대값은 어떻게 되는가?", "유효 모드 넓이가 최소가 되는 레일의 폭의 값은 얼마인가요?", "구속 계수가 증가하다가 감소하는 경향을 보이는 이유로 어떤 방법을 적용해 유추했나요?", "레일의 폭이\\( 0.8 \\mu \\mathrm{m} \\)일 때, 필드 분포를 볼 수 있는 그림이 어떻게 되나요?", "Fig. 6은 레일의 폭이 몇 일 때의 필드 분포를 나타내나요?", "\\( \\mathrm{E}_{\\mathrm{x}}(0, \\mathrm{y}) \\) 필드 분포외의 공간에는 전계의 수치가 몇으로 수렴되나요?", "\\( \\mathrm{E}_{\\mathrm{x}}(0, \\mathrm{y}) \\) 필드 분포외의 영역의 전계가 0으로 수렴할 때, 슬롯의 구속 계수는 얼마인가?", "\\( \\mathrm{E}_{\\mathrm{x}}(0, \\mathrm{y}) \\) 필드 분포외의 영역의 전계가 0으로 수렴할 때, 유효 모드 넓이는 어느정도야?", "레일 폭에는 어느정도의 제원을 적용했어?", "레일의 높이가 어느정도 범위일 때, 구속 계수가 증가하는 동향을 보이나요?", "구속 계수가 이전의 레일 폭 변화와 반대로 증가하는 것은 레일의 높이가 어느정도 범위일 때 확인 가능한가요?", "최적화된 레일 높이로 \\( 0.5 \\mu \\mathrm{m} \\)을 설정했을때, 구속 계수의 값은 얼마인가?", "레일 높이는 몇\\( \\mu \\mathrm{m} \\)으로 결정했어?", "레일의 높이를 몇 \\( \\mu \\mathrm{m} \\)으로 정하여 최적화를 했나요?", "레일 폭, 높이, 슬롯폭을 얼마의 제원으로 최적화 했어?", "레일의 최적화를 위해 폭, 높이, 슬롯 폭을 각각 얼마의 수치로 제원을 했나요?", "슬롯 폭이 \\( 0.2 \\mu \\mathrm{m} \\)일 때, 구속 계수의 값은 얼마인가?", "슬롯 폭이 계속 증가하다가 어느 기점까지 올라가면 구속 계수가 그 기점부터 감소하게 되는데 감소하기 직전 구속 계수의 최대 값은 얼마일까요? ", "릿지-슬롯 광 도파로에서 \\( \\mathrm{w}_{\\mathrm{r}}, \\mathrm{w}_{\\mathrm{s}}, \\mathrm{h}, \\mathrm{n}_{\\mathrm{r}}, \\mathrm{n}_{\\mathrm{s}}, \\mathrm{g} \\)은 무엇을 의미하나요?", "어떤 모드를 중심으로하여 릿지 두께 최적화를 해석했나요?", "\\( \\lambda=1.55 \\mu \\mathrm{m} \\) 파장 대역에서 슬롯 광 도파로의 제원을 어떤 관점에서 최적화 진행을 했는가?", "Fig. 4에서 레일의 폭이 증가하면 구속계수가 감소하는 경향을 보이나요?", "릿지 두께가 몇 일때 슬롯 광 도파로가 해당되나요?", "\\( 0.3-0.7 \\mu \\mathrm{m} \\) 범위의 레일의 높이에서 유효 모드 넓이는 몇으로 수렴하나요?", "레일의 높이가 \\( 0.3-0.7 \\mu \\mathrm{m} \\) 범위에서 감소하는 경향을 보이는 유효 모드 넓이를 몇 \\( \\mu \\mathrm{m}^{2} \\) 으로 맞추었나요?", "레일 폭과 높이는 각각 어떤 값을 활용했어?", "유효 상태 넓이는 최적화된 제원에서 어느 정도 값을 가지는가?" ]
0d2bb801-0737-4280-bcfa-bb09fad18161	인공물ED	집적광학 바이오케미컬 센서에 적합한 \(\mathrm{Si_{3}N_{4}/SiO_{2}}\) 슬롯 및 릿지-슬롯광 도파로 제원 최적화 및 감지도 해석	<h1>4. 감지도</h1><p>감지도는 집적광학 센서에서 성능을 판단하는데 매우 중요하다. 측정방법은 센서의 종류에 따라 다르며, homogeneous 센싱에 해당되는 감지도 측정방법을 본 논문에서 적용하였다. 해당 센서의 감지도는 유효 굴절률의 변화량을 분석물질 굴절률의 변화량으로 나눈 값으로 아래 식 (12)로 정의된다.</p><p>\( S_{h}=\frac{d n_{e f f}}{d n_{s}} \)<caption>(12)</caption></p><p>슬롯의 굴절률에 따라 슬롯 광 도파로와 릿지-슬롯 광 도파로의 유용성을 확인하기 위하여 슬롯의 굴절률이 1-1.3의 범위에서 감지도에 대한 전산 해석한 결과를 Fig. 14에 나타내었다. 분석물질의 굴절률이 1-1.133범위의 물질에서는 릿지-슬롯 광 도파로의 감지도가 슬롯 광 도파로의 감지도보다 높은 감지도를 보였다. 반면에 그 이외의 경우에는 슬롯 광 도파로가 릿지-슬롯 광 도파로의 감지도보다 높은 값을 보인다. 따라서 최적화한 구조에서 릿지-슬롯 광 도파로가 슬롯 광 도파로보다 분석 물질의 굴절률이 1-1.133 범위 내에 존재하는 가스 \( \left(\mathrm{CO}, \mathrm{CO}_{2}, \mathrm{NO},\right. \mathrm{N}_{2} \mathrm{O}, \mathrm{H}_{2} \mathrm{S} \) 등)를 감지하는데 있어서 보다 유용하게 활용할 수 있다.</p>	[ "본문에서 슬롯의 굴절률이 1-1.3의 범위에서 감지도에 관해서 전산을 해석한 결과를 Fig. 13에 표현했어?", "본 논문에서 사용된 센서의 감지도는 유효 굴절률의 감소량을 분석물질 굴절률의 변화량으로 나눈 값으로 정의해?", "분석물질의 굴절률이 1-1.133범위의 물질에서는 릿지-슬롯 광 도파로의 감지도가 슬롯 광 도파로의 감지도보다 낮은 감지도를 보여?", "최적화한 구조에서 분석 물질의 굴절률이 1-1.133 범위 내에 존재하는 가스를 감지할 경우 유용하게 활용되는 도파로는 무엇인가?", "분석물질의 굴절률이 릿지-슬롯 광 도파로의 감지도가 슬롯 광 도파로의 감지도보다 높은 감지도를 보이는 범위는 어떤 범위의 물질인가?", "슬롯 광 도파로가 릿지-슬롯 광 도파로의 감지도보다 낮은 값을 보이는 것은 분석물질의 굴절률이 1-1.133범위 외의 경우인가?", "집적광학 센서에서 성능을 판단하기 위해 매우 중요한 것은 어떤 것이 있지?", "어떤 것이 집적광학 센서에 성능을 판단하는데 매우 중요한 거야?", "감지도의 측정방법은 어떤 것에 따라 달라져?", "어떤 것에 따라 감지도의 측정방법이 달라지지?" ]
0931ba10-a2aa-4bbf-ab61-f7aa30eb3634	인공물ED	PPIV 인식기반 2D 호모그래피와 LM방법을 이용한 카메라 외부인수 산출	<h2>3. 정 합</h2> <h3>가.유사도 함수와 Graham탐색을 이용한 대응성확인</h3> <p>기존연구에서는 정합단계에서 두드러진 영역 전체를 탐색(전역탐색: Exhaustive Search)하면서 가능한 모든 블럭들에 대해 정합을 수행하므로 시간 복잡도가 크고 오정합 발생율이 높게된다. 본 논문에서는 이러한 문제점을 해결하기 위해서 유사도 평가함수를 통해 두 블럭간 유사도가 큰 블럭만을 대웅블럭으로 결정하여 정합 단계를 수행하는 방법을 제안한다. 그림 4 는 제안하는 유사도함수를 이용한 블럭 정합구조이다.</p> <p>유사도 함수 \( R_{N} \) 은 식 (7)과 같이 두 블럭간 영역 상관관계식을 이용한다. 식에서 \( \mu_{n} \) 과 \( \mu_{m} \) 은 블럭 N과 M의 평균 명암값을 나타내고, \( \mu_{m n} \) 은 블럭 M, N 픽셀단위의 곱의 평균값이다. 그리고 \( \sigma_{m} \) 과 \( \sigma_{n} \) 은 각 블럭의 표준편차를 나타낸다.</p> <p>\( R_{N}=\frac{\mu_{m n}-\mu_{m} \mu_{n}}{\sigma_{n} \sigma_{m}} \)<caption>(7)</caption></p> <p>기존연구 에서는 수치적으로 불안정한 요소가 포함되어 있는 PPIV 값만으로 정합을 수행하였는데, 잡음과 코너추출시의 왜곡에 민감한 PPIV를 엄격하게 적용하는 것은 비합리적이므로, 실험에서는 임계 값 \( \left(t_{P P I V}\right. \) \( =0.08 \) )을 적용하였다. 그리고 Graham 탐색 알고리즘을 이용한 볼록면 검사(Convex Hull)를 통하여 잘못된 정합 후보들을 걸러내고 대응점들을 수정하는 방법을 제안하였다. 사영변환 하에서 볼록면상의 점들은 보존된다. 볼록면상의 점들의 수는 보존되며, 볼록면 상에 존재하는 이웃하는 점들과의 관계 역시 보존된다. 따라서 구성된 특징모델의 정확한 일 대 일 대응성 (Correspondece) 결정을 위해 볼록면검사가 부가적으로 사용될 수 있다. 볼록면 검사를 위해 사용되는 Graham 탐색법은 해를 찾기 위한 반복 횟수가 많은 기존의 단점을 보완할 수 있는 역 추적법(back tracking)을 사용하는 알고리즘으로, 해라고 생각되는 것을 일단 해집합에 포함시켜 두었다가 필요시에 역추적하여 최적의 해를 찾아내는 방법이다. 시간 소요를 생각해 보면, 일반적인 역추적 알고리즘은 지수 시간(Exponential Time)이 걸리지만, Graham 탐색에서는 조건에 위배되는 해는 영구적으로 제거되므로 다항식 시간(Polynomial Time)으로 해결될 수 있다. 그림 5는 Graham 알고리즘을 이용하여 볼록면상의 점을 찾는 과정을 나타낸 것이다.</p> <p>먼저 5 개의 점중 가장 작은 y 좌표를 가지며, 또한 x 값이 가장 큰 \( P_{0} \) 를 축점으로 선택 (a) 하고 이 축점을 중심으로 x 축의 양의 방향에 대한 각도를 키(key)로 하여 나머지 점들을 정렬 (b) 한다. 정렬 후, (c) 와 같이 우선 \( P_{0}, P_{1}, P_{2} \) 세 점을 볼록면상의 점으로 생각하고 \( P_{3} \) 도 볼록면상의 점으로 추가한다. 이 과정에서 \( P_{2} \) 가 볼록면상의 점이 맞는지의 확인은 \( P_{3}, P_{2}, P_{1} \) 의 방향을 검사 (d) 해서 반시계 방향인 경우 세 점중 가운데 점을 볼록면상의 점에서 제외한다. (e)그림에서는 다시 \( P_{4} \) 를 볼록면상의 점으로 추가하고 \( P_{4}, P_{3}, P_{2} \) 방향을 조사해서 반시계 방향이 아니면 \( P_{4} \) 를 볼록면상의 점으로 간주한다. 그림 6은 PPIV의 불안정으로 잘못된 대응이 이루어졌을때 볼록면 검사를 통해 수정한 예를 보여주는 그림인데, 먼저 PPIV 만 비교해서 참조영상의 1 번 코너점과 입력영상의 1 번, 그리고 2 번과 2 번, 3번과 3 번, 4 번과 4 번, 5 번과 5 번 코너점이 결정되었는데, 1 번 과 2 번의 대웅성이 잘못 결정된 경우이다. 이 경우 Graham 탐색을 거친 후, 두 영상의 정합점은 1=2, 2=1, 3=3, 4=4, 5=5 의 결과가 된다. 영상에서의 잡음과 코너추출시의 왜곡 등으로 벡터 값이 정확하지 않은 경우이다. 표 1 은 참조 영상과 입력영상의 5개 점 좌표와 계산된 PPIV 벡터 값, 그리고 Graham 탐색 후 수정된 정합결과를 보여준다.</p> <table border><caption>표 1. Graham 탐색결과 수정된 대응점들</caption> <tbody><tr><td colspan=2>참조영상</td><td colspan=2>입력영상</td></tr><tr><td>좌표 값(X,Y)</td><td>PPIV</td><td>좌표 값(X,Y)</td><td>PPIV</td></tr><tr><td>139.112</td><td>2.013123</td><td>158.111</td><td>2.107451</td></tr><tr><td>24.110</td><td>2.143221</td><td>227.106</td><td>2.011458</td></tr><tr><td>132.171</td><td>2.355421</td><td>151.162</td><td>2.437645</td></tr><tr><td>236.169</td><td>2.439234</td><td>237.161</td><td>2.437645</td></tr><tr><td>251.151+</td><td>2.460000</td><td>250.146</td><td>2.456786</td></tr></tbody></table> <p>마지막으로 대응성이 결정된 점 특징모델의 변환 행렬을 사용하여 나머지 후보 집합에 대한 점증을 실시하게 되는데, 변환 행렬은 8개의 방정식이 이루는 선형시스템의 해로부터 구해진다.</p>	[ "참조영상의 PPIV 값이 가장 클 때 좌표 값은 얼마일까?", "표 1에 따르면 참조영상의 PPIV 값이 가장 클 때의 좌표 값은 몇이야?", "참조영상 좌표 값(X,Y)이 139.112일 때 PPIV 값은 얼마야?", "표 1에서 참조영상의 좌표 값(X,Y)이 139.112인 PPIV는 몇이야?", "참조영상 PPIV 값이 2.355421이면 좌표 값(X,Y) 얼마니?", "참조영상의 PPIV 값이 좌표 값 236.169와 차이가 가장 적은 좌표 값은 얼마니?", "입력영상의 좌표 값(X,Y)이 237.161인 PPIV 값은 얼마지?", "참조영상의 좌표 값이 얼마일 때 가장 적은 PPIV 값을 가지나?", "입력영상 PPIV 값이 좌표 값(X,Y) 237.161와 동일한 값은 좌표 값(X,Y)은 얼마일까?", "입력영상의 PPIV 값이 2.011458일 때 좌표 값(X,Y)은 어떤 값이니?", "가장 적은 PPIV 값을 가지는 입력영상 좌표 값은 어떤 값이니?", "입력영상에서 최대치인 PPIV 값은 얼마인가?" ]
5ddcc088-b34e-428c-a46f-a60fb844e592	인공물ED	PPIV 인식기반 2D 호모그래피와 LM방법을 이용한 카메라 외부인수 산출	<h1>Ⅴ. 실험 결과</h1> <p>실험을 위해 사용된 컴퓨터는 IBM 사의 인텔 \( 2.6 \mathrm{GHz}, 256 \) 램을 장착한 컴퓨터이며, 운영체제는 MS사의 윈도우 XP를, 컴파일러는 MS 사의 비주얼 ++ 를 사용하였다. 영상은 실내에서 Nicon사의 Coolpix 3200로 촬영한 후 \( 640 \times 480 \) 화소의 크기로 정규화하여 사용하였다. 실험에서는 참조영상에서 3 개의 강건 특징모델을 학습을 통해 최종적으로 추출하고 참조영상과 카메라 뷰가 다른 50 개의 입력영상을 이용하여 인식율을 계산하였다. 표 2 는 뷰가 다른 50 개의 영상을 사용하여 구해진 3 개의 강건 특징모델과의 인식 결과를 나타낸 것이다. 표에서 CR (Correct Recognitions)은 강건 특징 모델이 올바르게 인식된 수를 백분율로 표시한 것이며, MR(Mis-Recognitions)은 오인식된 경우를, FP (False Positive)는 다른 특징모델을 강건 특징모델로 인식한 건수를, FN (False Negative)은 강건 특징모델을 제외시킨 경우의 수이다.</p> <p>그림 9 는 기존 방법과 제안한 방법인 유사도함수와 Graham 탐색 알고리즘을 이용한 정합방법의 인식율을 비교한 그래프이다. 인식율(CR)은 기존방법이 \( 93.3 \% \) 이고 제안한 방법이 \( 94.6 \% \) 로 \( 1.3 \% \) 향상되었다. 또한 강건 특징모델을 제외시킨 경우 (FN)는 \( 2.7 \% \) 에서 \( 2 \% \) 로 감소하여 제안한 방법의 성능이 향상되었음을 알 수가 있다.</p> <p>그림 10 은 카메라 외부인수 산출을 위해 사용된 영상으로 (a)는 참조영상에 대해 Y 축을 기준으로 오른쪽으로 2 도 회전(pan angle)한 영상이고 (b)는 (a)에서 특징을 추출한 영상이다. 3 쌍의 특징모델이 정합단계에서 추출되어, 총 15 개의 정합된 좌표 값을 가지고 표 3 의 호모그래피 행렬을 산출하였다. 표 4 는 호모그래피로 구한 값을 초기치로 사용하여 LM 방법으로 산출된 카메라 동작인수의 추출결과이다.</p> <table border><caption>표 4. 호모그래피와 LM을 이용하여 추출된 카메라동작인수</caption> <tbody><tr><td colspan=2>Method</td><td>\( \alpha \) (tilt)</td><td>\( \beta( \) pan \( ) \)</td><td>\( \gamma \) (swing)</td></tr><tr><td rowspan=2>이상적</td><td>값</td><td>0.000</td><td>+2.000</td><td>0.000</td></tr><tr><td>오차</td><td>0.000</td><td>0.000</td><td>0.000</td></tr><tr><td rowspan=2>LM</td><td>값</td><td>-0.354</td><td>1.9780</td><td>0.000</td></tr><tr><td>오차</td><td>-0.354</td><td>- 0.0220</td><td>0.000</td></tr></tbody></table> <table border><caption>표 5. 반복회수와 속도비교</caption> <tbody><tr><td>영상번호</td><td>1</td><td>2</td><td>3</td><td>4</td><td>5</td><td>6</td><td>7</td><td>8</td><td>9</td><td>10</td><td>평균</td></tr><tr><td>초기값 사용</td><td>4 (0.05)</td><td>3 (0.04)</td><td>5 (0.06)</td><td>4 (0.05)</td><td>5 (0.05)</td><td>4 (0.05)</td><td>5 (0.055)</td><td>2 (0.02)</td><td>3 (0.03)</td><td>6 (0.08)</td><td>4.1 (0.053)</td></tr><tr><td>랜덤 값 사용</td><td>6 (0.09)</td><td>5 (0.07)</td><td>8 (0.1)</td><td>7 (0.09)</td><td>8 (0.15)</td><td>6 (0.09)</td><td>8 (0.16)</td><td>5 (0.07)</td><td>6 (0.08)</td><td>g (0.2)</td><td>6.8 (0.11)</td></tr></tbody></table> <p>표 5 는 10 개의 영상을 이용하여 호모그래피의 값을 초기치로 사용한 경우와 랜덤한 값을 사용한 경우에 LM의 반복회수와 속도를 나타낸 것으로, 속도와 반복 회수 모두 1 / 2 로 줄어들었음을 알 수 있다. 따라서 제안한 방법이 LM의 수렴시간을 호모그래피의 값을 초기치로 사용함으로써 단축시키고 호모그래피로 구한 값의 부정확성을 LM 방법을 이용하여 보완할 수 있음을 알 수 있다.</p> <p>그림 11 은 회전정보가 알려진 10 개의 다른 영상을 사용하여 호모그래피 행렬로 동작정보를 구한 경우와 LM 방법까지 사용한 경우의 정확도를 비교한 결과이다. 호모그래피로부터 구한 회전변환 각도 \( \alpha, \beta, \gamma \) 는 주기 함수인 \( \sin \) 과 tan 값으로 유도되므로 비슷한 값에 대해서도 다른 값이 나올수 있어 실제와의 오차가 매우 커서 정확한 동작인수 산출이 되었다고 할 수 없다. 하지만 LM 방법까지 사용한 경우 결과가 많이 향상되었음을 알 수 있다. x 축은 실험에 사용된 10 개의 영상이고 y 축은 알려진 회전정보와 호모그래피 행렬로 구한 회전정보와의 차이와 LM 방법까지 사용한 경우의 차이이다.</p>	[ "LM 방법에서 0.000의 값을 가지는 카메라동작인수는 무엇일까?", "이상적 방법에서 \\( \\alpha \\)의 값은 얼마야?", "이상적 방법에서 가장 많은 수의 카메라 동작 인수 값은 얼마야?", "LM 방법에서 최대값의 카메라동작인수는 뭐야?", "이상적 방법에서 카메라동작인수 값의 오차는 얼마일까?", "LM 방번에서 값과 오차가 같은 값을 가지는 카메라동작인수는 어떤거야?", "LM 방법에서 어떤 카메라동작인수가 0의 값을 가지고 있을까?", "어떤 방법이 카메라동작인수 \\( \\alpha \\) 값이 더 적을까?", "\\( \\beta \\) 값이 최대인 것은 어떤 방법이야?", "어떤 방법에서 \\( \\beta \\)의 오차가 0의 값을 가지나?", "표4에 의하면 어떤 방법에서 \\( \\beta \\)의 오차가 0의 값을 지닐까", "모든 방법에서 \\( \\gamma \\) (swing) 오차는 얼마일까?", "초기값 사용에서 반복회수가 5인 영상 중에 어떤 영상이 더 느린 속도를 가지고 있을까?", "초기값 사용시 반복회수가 2인 영상번호는 뭐야?", "초기값 사용에서 반복회수가 3인 영상 중에서 속도가 가장 빠른 영상은 어떤거야?", "초기값 사용에서 속도값이 0.08을 가진 영상번호는 어떤 것이니?", "표에 따르면 초기값 사용에서 속도값이 0.08을 가진 영상번호가 무엇이지?", "7 (0.09)의 값을 가진 영상은 어떤 영상이야?", "랜덤 값 사용의 반복회수가 6인 영상중에 속도 값이 가장 적은 영상은 무엇인가?", "랜덤 값 사용에서 반복회수가 8인 영상 중에 속도가 더 빠른 영상은 어떤걸까?", "랜덤 값 사용에서 속도가 가장 빠른 반복회수가 6인 영상번호는 무엇이니?", "모든 방법에서 값이 0인 카메라동작인수는 어떤거니?", "\\( \\alpha \\)의 오차 값이 더 큰 방법은 어떤 것이니?", "이상적 방법에서 어떤 카메라 동작 인수 값이 가장 클까?", "초기값 사용에서 영상번호 1, 4와 반복회수 및 속도가 같은 영상번호는 어떤 것이야?", "랜덤 값 사용에서 2 영상과 같은 반복회수와 속도 값을 가진 영상은 어떤거지?", "이상적 방법에서 +2.000의 값을 가지는 카메라 동작 인수는 무엇인가?", "LM 방법에서 카메라동작인수 값의 최소치는 얼마지?", "랜덤 값 사용에서 어떤 영상이 1번 영상과 같은 값을 가지고 있나?", "LM 방법에서 두번째로 적은 값의 오차를 가진 카메라동작인수는 무엇이니?" ]
390618f6-51a4-4dd7-9190-56ad4a89f23e	인공물ED	새로운 DCME 알고리즘을 사용한 고속 Reed-Solomon 복호기	<h1>Ⅳ. 성능 평가</h1><p>제안하는 DCME 복호기는 VHDL을 사용하여 설계하였으며 Faraday \( 0.25 \mu \mathrm{m} \) 라이브러리와 SYNOPSYS \( { }^{\mathrm{TM}} \)을 사용하여 논리 합성을 수행하였다. 또한 CADENCE \( { }^{\mathrm{TM}} \) Verilog-XL을 사용하여 VHDL 코드의 시뮬레이션을 수행하였다. 구현한 RS 복호기는 \( 200 \mathrm{MHz} \)의 동작 속도와 42,213개의 게이트를 갖으며 전체 RS 복호 지연 시간은 288 클록 사이클이다.<표 2>는 (255, 239, 8) RS 부호에서 기존 수정 유클리드 RS 복호기와 DCME 복호기와의 성능 비교를 나타낸다.</p><table border><caption>표 2. (255, 239, 8) RS 부호 상의 성능 비교</caption><tbody><tr><td colspan=2></td><td>[15]</td><td>[16]</td><td>[17]</td><td>DCME 복호기</td></tr><tr><td colspan=2>설계 공정</td><td>-</td><td>-</td><td>\( 0.25 \mu \mathrm{m} \)</td><td>\( 0.25 \mu \mathrm{m} \)</td></tr><tr><td colspan=2>동작 주파수</td><td>\( 30 \mathrm{MHz} \)</td><td>-</td><td>\( 75 \mathrm{MHz} \)</td><td>\( 200 \mathrm{MHz} \)</td></tr><tr><td rowspan=4>수정 유클리드 블록</td><td>레지스터</td><td>80</td><td>\( 8 t+4 \)</td><td>\( 50 t \)</td><td>\( 6 t+4 \)</td></tr><tr><td>멀티플렉서</td><td>-</td><td>\( 16 t+8 \)</td><td>\( 38 t \)</td><td>\( 18 t+12 \)</td></tr><tr><td>곱셈기</td><td>4</td><td>\( 8 t+4 \)</td><td>\( 8 t \)</td><td>\( 6 t+4 \)</td></tr><tr><td>덧셈기</td><td>4</td><td>\( 4 t+2 \)</td><td>\( 4 t \)</td><td>\( 3 t+2 \)</td></tr><tr><td colspan=2>수정 유클리드 블록 게이트 수</td><td>-</td><td>-</td><td>43,100개</td><td>21,760개</td></tr><tr><td colspan=2>전체 게이트 수</td><td>211,296개</td><td>-</td><td>55,200개</td><td>42,213개</td></tr><tr><td colspan=2>수정 유클리드 블록 지연 시간</td><td>\( \left(4 t^{2}+t\right. +20) p r \)</td><td>\( 2 t+1 \)</td><td>\( 3 t+37 \)</td><td>\( 2 t \)</td></tr><tr><td colspan=2>전체 지연 시간</td><td>835 클록</td><td>-</td><td>321 클록</td><td>288 클록</td></tr></tbody></table><p>두 개의 기본 셀울 사용하는 adaptive RS 복호기는 80개의 레지스터, 4개의 유한체 곱셈기, 4개의 유한체 덧셈기, 제어 회로로 구성된다. 두 개의 기본 셀은 수정 유클리드 알고리즘을 반복 수행한다. adaptive 복호기는 기존 RS 복호기와 같이 다항식 차수 연산 및 비교 회로를 사용하고 두 개의 신드롬 연산 볼록을 가지므로 매우 높은 하드웨어 복잡도를 갖는다. adaptive RS 복호기의 게이트 수는 FIFO 메모리를 제외하고 211,296개이다.</p><p>EPE(embedded polynomial expansion) 복호기는 XEA(extended Euclid's algorithm) 알고리즘을 사용한다. XEA 알고리즘은 수정 유클리드 알고리즘에 비해 단순하지만 여전히 다항식 차수 연산 및 비교 회로가 필요하고 제어 회로가 복잡하다. 또한, EPE 구조는 전체 기본 셀 중 사용하는 셀의 개수를 나타내는 셀 이용률(utilization)이 높다. 그러나 제안하는 DCME 구조는 사용하는 셀 개수는 동일하고 \( 3 t+2 \)개의 기본 셀만으로 구성되어 EPE 구조에 비해 이용률이 더 높은 효율적인 구조이다. \( 4 t+2 \)개의 기본 셀을 사용하는 EPE 구조는 키 방정식 연산을 위해서 \( 8 t+4 \) 레지스터, \( 16 t+82 \)-입력 멀티플렉서, \( 8 t+4 \) 유한체 곱셈기, \( 4 t+2 \) 유한체 덧셈기를 사용한다.</p><p>\( 2 t \) 개의 기본 셀을 사용하는 ME(modified Euclid) 복호기는 \( 50 t \) 레지스터, \( 38 t \) 2-입력 멀티플렉서, \( 8 t \) 유한체 곱셈기, \( 4 t \) 유한체 덧셈기를 사용한다. 각 기본 셀은 레지스터 25개, 2-입력 멀티플렉서 19개, 유한체 곱셈기 4개, 유한체 덧셈기 2개로 구성된다. FIFO 메모리를 제외한 전체 RS 복호기의 게이트 수는 55,200개이며 수정 유클리드 블록의 게이트 수는 43,100개이다.</p><p>\( 3 t+2 \) 개의 기본 셀로 구성된 제안하는 DCME 구조는 \( 6 t+4 \) 레지스터, \( 18 t+12 \) 2-입력 멀티플렉서, \( 6 t+4 \) 유한체 곱셈기, \( 3 t+2 \) 유한체 덧셈기를 사용한다. DCME 구조는 EPE 구조에 비해 비슷한 크기의 기본 셀을 더 적은 개수만큼 사용한다. ME 구조는 사용하는 기본 셀의 개수가 \( 2 t \)개로 DCME 구조의 \( 3 t+2 \)개보다 적지만 제안하는 DCME의 기본 셀은 단순한 구조를 갖는다. 따라서 제안한 RS 복호기는 기존 복호기에 비해 작은 게이트를 사용하여 구현 가능하다. DCME 구조와 FIFO 메모리를 제외한 전체 RS 복호기의 게이트 수는 각각 21,760개와 42,213개이다. 따라서 제안한 RS 복호기는 adaptive 복호기에 비해 \( 80 \%\), ME 복호기에 비해 \( 23 \% \)의 하드웨어 면적이 향상되었다.</p><p>DCME 구조는 키 방정식 연산을 위해 \( 2 t \) 사이클을 필요로 한다. 반면에 adaptive 복호기는 \((4 t^{2}+t t+20)pr \) 사이클을 필요로 한다. \( p \)는 기본 셀의 개수이며 \( r \)은 수정 유클리드 블록과 전체 복호기의 동작 주파수 비율이다. 또한, EPE 구조는 \( 2 t+1\), ME 구조는 \( 3 t+37 \) 사이클의 지연 시간을 갖는다. 따라서 제안한 구조는 adaptive RS 복호기에 비해 \( 65 \%\), ME 복호기에 비해 \( 10 \% \) 속도가 향상되었다. adaptive 복호기의 동작 주파수는 \( 30 \mathrm{MHz} \)이며, \( 0.25 \mu \mathrm{m} \) 라이브러리를 사용하는 ME 복호기의 동작 주피수는 \( 75 \mathrm{MHz} \)이다. ME 복호기의 키 방정식 블록만을 \( 0.16 \mu \mathrm{m} \) 라이브러리를 사용하여 구현하면 \( 300 \mathrm{MHz} \)의 동작 주피수를 갖는다. 그러나 \( 0.25 \mu \mathrm{m} \) 라이브러리를 사용하는 제안하는 RS 복호기는 다항식의 차수 연산 및 비교 회로가 없어 \( 200 \mathrm{MHz} \)의 동작 주파수를 갖으며, [18]과 같이 \( 0.16 \mu \mathrm{m} \) 라이브러리를 사용할 경우 \( 200 \mathrm{MHz} \)보다 훨씬 높은 동작 주파수를 가질 것이다.</p>	[ "DCME 복호기를 어떻게 논리합성했어?", "표2에서 수정 유클리드 블록 게이트 수 값이 있는 열 중에서 어떤 복호기의 전체 지연시간 값이 더 작아?", "table2에서 DCME 복호기의 멀티플랙서의 값은 뭐야?", "표2의 [15]열과 전체 게이수 행에 해당하는 값은 뭐야?", "표2에서 동작 주파수가 가장 큰 값에 해당하는 열의 이름이 뭐야?", "표2의 \\( 30 \\mathrm{MHz} \\)값이 해당하는 행의 이름이 뭐야?", "table2에서 RS부호 중 43,100개 값에 해당하는 열 이름은 뭐야?", "표2에서 80개 레지스터로 구성된 복호기 이름은 뭐야?", "표2중에서 전체 지연 시간이 가장 큰 값에 해당하는 열에서 전체 게이트 수에 해당하는 값이 뭐야?", "표2의 [15]열에서 나타난 덧셈기의 수정 유클리드 블록 개수는 몇이야?", "표2에서 DCME 복호기의 수정 유클리드 블록 지연 시간 보다 1이 더 큰 시간을 가지는 값의 열의 이름이 뭐야?", "표2에서 전체 게이트 수의 값이 나타나지 않은 열의 이름이 뭐야?", "표2에서 동작 주파수가 가장 큰 값은 뭐야?", "표2에서 동작 주파수 값이 \\( 100 \\mathrm{MHz} \\)이상인복호기는 뭐야?", "표2에서 곱셈기와 덧셈기에 해당하는 값이 같은 열의 이름은 뭐야?" ]
3202d06b-3c32-44e3-9cc2-2d7f920c13a5	인공물ED	Wave 2 규격을 위한 와이브로 기지국용 일체형 복합 RF unit 연구	<h2>2.2 복합 RF unit의 실험 결과</h2> <p>PA의 주요 특성과 경쟁력을 결정하는 drive 증폭기와 최종 증폭기는 고출력 파워와 가격, 성능을 고려하여 GaAs MESFET 대신 실리콘 계열의 LDMOS 를 RF power 트랜지스터로 선택하였다. 그리고 효율 톡성을 고려하여 CDMA 기지국 PA에 응용되고 있는 class-AB 증폭기로 설계를 하였다. Drive 단의 트랜지스터의 설계 기준은 전체 PA의 효율 특성을 고려하여 최종단의 IMD 특성에 영향을 최소로 주면서, 전력소모를 최소로 하는 것이다. 이런 조건을 만족시키기 위해서는 최소의 output backup을 하여 설계해야 하는데, 이런 조건은 drive 단의 IMD 성분이 최종단의 IMD에 어느 정도 영향을 주는지 계산을 해야 한다. 앞에서 식 (1) 은 drive 단의 IMD 성분이 최종단의 IMD에 영향 정도를 계산하는 식이다. 상기 기준을 근거로 각 단의 증폭기에 사용되는 트랜지스터를 선택하였다. 최종단 증폭기의 \( \mathrm{P} 1 \mathrm{~dB} \)는 와이브로 신호의 PAR 이상 output backup 을 해주어야 하므로, PA 의 실질적인 출력이 약 \( 22 \mathrm{Watt} \) 정도이고 PAR이 \( 10 \mathrm{~dB} \) 이상이라 \( 220 \mathrm{Watt} \) 이상을 선택해야 한다. 이런 설계 기준을 근거로 drive 단은 60 Watt급인 MRF6S21060N, 최종단은 140 Watt 급인 MRF6S23140N 을 선택하였다. 또한 PA의 전체 효율 특성을 고려하여 class- \( \mathrm{AB} \) 급으로 설계를 하였다. 먼저 MRF6S21060N LDMOS 로 설계한 drive 특성을 살펴보도록 하겠다. 실험 조건과 실험 특성은 다음 과 같다.</p> <p>현재 설계된 PA의 특성을 가지고는 와이브로 ACLR 규격을 만족시키기 어렵다. 이를 개선하기 위해서는 선형화 기능을 추가 하던가 또는 RF power 트랜지스터의 출력 back-up을 더 해주어야 한다. 출력 back-up은 효율 문제와 경제적인 문제가 발생함으로 본 연구에서는 선형화 기능을 추가하여 설계하였다. GaAs MESFET 과 LDMOS 간의 비선형 특성이 반전되는 특성을 연구하여 새로운 analog predistortion 방법을 적용하였다. 사용된 GaAs MESFET은 Eudyna의 FLL177ME를 선택하였으며, 초기 설계는 class-A 의 \( \mathrm{S} \) 파라미터만 주어지기에 class-A 로 설계 후 bias 를 class-AB로 이동하는 방식으로 비선형 특성을 변동 시켰다. FLL177ME의 자체 바이어스 특성은 [10]에서 얻을 수 있다. 설계된 \( \mathrm{FLL} 177 \mathrm{ME} \) 의 \( \mathrm{Vgs} \) 에 대한 Ids의 특성은 표 11 과 같이 얻었으며, 초기 설계시 바이어스 조건을 \( \mathrm{Vds}= \) \( 10.5 \mathrm{~V}, \mathrm{Ids}=311 \mathrm{~mA} @ \mathrm{Vgs}=-1.1 \mathrm{~V} \) 로 하여 class \( -\mathrm{A} \) 로 동작시켜 안정된 특성을 얻었다. FLL177ME 초기 설계 시 class- \( ^{-\mathrm{A}} \) 급으로 설계를 했기 때문에 class- \( \mathrm{AB} \) 의 안정적 동작을 얻기 위하여 매칭을 튜닝하여 좀 더 특성을 개선하였는데, 이에 대한 최종 FLL177ME의 bias 특성은 표 12 와 같이 Ids 변화가 약간 변동하였다.</p>	[ "Drive 단의 트랜지스터의 설계 기준은 어떻게 하는 것인가?", "PA의 주요 특성과 경쟁력을 결정하는 drive 증폭기와 최종 증폭기는 고출력 파워와 가격, 성능을 고려하여 어떻게 하였는가?", "호율 특성을 고려하여 어떻게 하였는가?", "출력 back-up은 효율 문제와 경제적인 문제가 발생함으로 어떻게 설계하였는가?", "어떻게 비선형 특성을 변동시켰는가?", "조건을 만족시키기 위해서는 어떻게 해야 되는가?", "와이브로 신호의 PAR 이상 output backup 하기 위해 어떻게 해야 되는가?", "이런 설계 기준을 근거로 어떻게 선택하였는가?", "이를 개선하기 위해서는 어떻게 해야 하는가?", "새로운 analog predistortion 방법을 어떻게 적용하였는가?", "PA의 전체 효율 특성을 고려하여 어떻게 설계하였는가?", "어떻게 트랜지스터를 선택하였는가?" ]
f7a86062-787c-44a5-8d05-1081db8e8ad1	인공물ED	Wave 2 규격을 위한 와이브로 기지국용 일체형 복합 RF unit 연구	<p>와이브로 시스템은 TDD 방식을 적용하는 방식으로 송신과 수신 주파수가 동일하다. 이런 TDD 방식에서는 수신하는 동안 송신부의 PA의 출력 노이즈 성분이 시스템의 수신 감도나 LNA 성능에 문제를 주어서는 안 된다. 수신하는 동안 PA가 정상동작을 한다면 PA의 출력 노이즈 레벨은 식(2) 로서 계산될 수 있다.</p> <p>\[-174 \mathrm{dBm} / \mathrm{Hz}+10 \log (\mathrm{BW}=8.75 \mathrm{MHz})+\operatorname{Gain}(53.3 \]\( \mathrm{dB})+ \) Noise Figure of \( \mathrm{HPA}(20 \mathrm{~dB})=-31.3 \mathrm{dBm} \)<caption>(2)</caption></p> <p>Radio unit 시스탬은 와이브로 서비스에 영향을 주지 않도록 수신모드 경우 system noise level 규격 -114 \( \mathrm{dBm} / 10 \mathrm{MHz} \) 을 만족시커주기 위하어 약 \( 83 \mathrm{~dB} \) 이상 isolation 을 시켜 주어야 한다. 이를 만족시키기 위하여 voltage variable attenuator ATT 0/ATT 1 로 사용한 SOSHIN GSV401V를 최대 감쇄 \( -20 \mathrm{~dB} \)씩 시키고, 또한 증폭기인 FLL177ME, MRF6S21060N 그리고 MRF6S23140HR3 트랜지스터의 바이어스를 오프시켜 노이즈 증폭을 못하게 하였다. 상기 기본적인 기준을 근거로 설계한 전체 Tx PA 부의 블록도는 그림 2 와 같다.</p> <p>본 연구에서 설계한 Tx PA 부의 power budget은 표 6과 같고, TDD switch/ LNA 부의 power budget은 표 7과 같으며 전체 복합 RF unit의 power budget와 효율 분석은 표 8에서 보여준다.</p> <ul> <li>상기 동작은 continuous 신호에 대한 출력에서 소모 전력을 분석한 것임</li> <li>복합 RF unit내 Tx 부외 추가 소모전력</li> <ul> <li>Control부 : \( 5 \mathrm{~V} * 500 \mathrm{~mA} \)</li> <li>LNA 부 : \( 5 \mathrm{~V} * 220 \mathrm{~mA} * 2 \) 대</li></ul> <li>TDD 동작 경우(TDD \( \mathrm{Tx}: \mathrm{Rx}=27: 15) \)</li> <ul> <li>복합 RF unit 전체 소모전력 \( 111 \mathrm{Watt}(4.11 \mathrm{~A} @+27 \mathrm{~V}) \)</li></ul></ul> <p>Automatic level control (ALC) 및 automatic gain control (AGC) 을 구현하기 위한 variable attenuator는 동작범위에서 선형적으로 가변되어야 하고, 와이브로 신호에 영향주지 않도록 왜곡특성이 매우 우수해야 한다. 또한 소형으로 구현하기 위하여 SOSHIN GSV401V 상용제품을 사용하였다. SOSHIN GSV401V variable attenuator의 입력범위에 따른 감쇄 특성은 그림 3 과 같이 설계하고자 하는 복합 RF unit의 Tx PA에 사용 가능한 결과를 얻었다.</p>	[ "와이브로 시스템은 어떻게 하는 방식인가?", "Radio unit 시스탬은 와이브로 서비스에 영향을 주지 않도록 어떻게 해야 하는가?", "수신하는 동안 PA가 정상동작을 한다면 어떻게 계산될 수 있는가?", "와이브로 신호에 영향주지 않도록 어떻게 해야 하는가?", "소형으로 구현하기 위하여 어떻게 하였는가?", "이를 만족시키기 위하여 어떻게 하였는가?" ]
7ec458e7-ba2c-485f-8688-ee7bc92f8e6e	인공물ED	Wave 2 규격을 위한 와이브로 기지국용 일체형 복합 RF unit 연구	<p>FLL177ME의 bias 조건에 대한 FLL177ME 자체 ACLR 특성과 PA 전체 ACLR 특성 및 전력소모 특성은 표 15와 같은 결과를 얻었다. 표 13에서 보듯이 튜닝 전에는 FLL177ME 가 class-A에서 동작하는 경우 PA 전체의 ACLR 특성이 우수한 결과를 얻었다. 이 때 전체 ACLR 특성은-39.65 [email protected],-40.13 [email protected] 그리고 전력소모는 \( 5.8 \mathrm{~A} @ 27 \mathrm{~V} \) 특성을 얻었다. GaAs MESFET과 LDMOS의 상반된 비선형 톡성을 얻기 위하여, FLL177ME를 class-AB 로 동작시킨 후 ACLR 톡성이 우수한 point를 찾기 위하여 일부 매칭을 튜닝하였고, ACLR 특성이 개선된 결과는 표 16 과 같이 특성을 얻었다. 이 때 중요한 현상은 FLL177ME 자체 소모전류가 작아지고 자체 ACLR 특성이 나빠졌으나, PA 전체 ACLR 특성은 \( 2 \mathrm{~dB} \) 정도 개선되면서 소비전류도 \( 0.3 \mathrm{~A} \) 나 개선되는 특성을 얻었다. FLL177ME의 바이어스 조건에 대한 FLL177ME 자체 ACLR 특성과 PA 전체 ACLR 특성 결과는 표 13와 표 14에서 보여준다. 그림 4는 FLL177ME의 bias 조건에 대한 FLL177ME 자체 ACLR 특성과 PA 전체 ACLR 특성 결과이다.</p> <p>복합 RF unit의 PA 특성 중 선형화 특성인 ACLR 규격을 만족하였다고 해도 증폭하는 과정 중에 신호 왜곡으로 디지털 품질이 나뾰질 수 있다. 이런 이유로 Tx의 error vector magnitude (EVM) 특성을 확인해야 한다. EVM 규격은 1 FA에서만 규정되어 있다. 따라서 1 FA의 ACLR 결과와 EVM 결과는 표 15 와 같이 얻었으며 축정 결과는 그림 5와 그림 6에서 보여준다.</p> <p>TDD 시스템에서는 Rx 모드에서 수신기로 입력되는 Tx noise power 가 어느 정도인지는 매우 중요하다. 이 특성을 만족하기 위해서는 Rx 모드시 주요 증폭기의 bias를 off 하여 noise 를 중폭하지 못하게 하고 또한 Tx/Rx isolation 특성이 매우 우수한 TDD 스위치를 PA 뒷단에 사용해야 한다. 와이브로 시스템에서는 \( -92 \mathrm{dBm} / 10 \mathrm{MHz} \) 를 요구하는데, 본 연구에서 개발한 복합 RF unit의 Tx 출력에 대한 측정 결과는 그림 7 과 같이 \( -96.60 \mathrm{dBm} / 10 \mathrm{MHz} \) 를 얻어 규격을 만족하였다.</p> <p>본 연구에서 개발한 복합 RF unit의 전체 측정 결과는 표 16-17과 같으며, 와이브로 시스템에 사용할 수 있는 규격을 충분히 만족하였다.</p> <p>제작한 복합 RF unit의 PCB artwork 도면과 기구 형상은 그림 8과 그림 9에서 보여준다. 또한 그림 10과 그림 11 은 제작한 복합 RF unit를 세부적으로 나타낸 사진들이다.</p>	[ "GaAs MESFET과 LDMOS의 상반된 비선형 톡성을 얻기 위하여 어떻게 하였는가?", "PA 전체의 ACLR 특성이 우수한 결과를 얻으려면 어떻게 해야 하는가?" ]
b01fd8f4-bea5-420d-acae-5f1799e3d41d	인공물ED	Wave 2 규격을 위한 와이브로 기지국용 일체형 복합 RF unit 연구	<h1>2. 본론</h1> <h2>2.1 복합 RF unit의 설계</h2> <p>본 논문의 복합 RF unit은 와이브로 Wave 2 서비스를 위하여 설계된 remote radio head (RRH) 형상의 기지국에서 RRH에 사용되는 RF unit 규격을 기준으로 설계하였고, 그 설 계 규격은 표 2-4와 같다.</p> <table border><caption>표 4 수신기 규격</caption> <tbody><tr><td>항목</td><td>세부 규격</td></tr><tr><td>Frequency Range</td><td>\( 2.3^{\sim} 2.4 \mathrm{GHz} \)</td></tr><tr><td>Gain</td><td>\( 26 \mathrm{dB} \)</td></tr><tr><td>Gain Flatness</td><td>\( 0.5 \mathrm{dB} \) @ Within \( 27 \mathrm{MHz} \)</td></tr><tr><td>Noise Figure</td><td>< \( 1.2 \mathrm{dB} \)</td></tr><tr><td>IIP3</td><td>>\( 0 \mathrm{dBm} \)</td></tr><tr><td>Input Return Loss</td><td>>\( 10 \mathrm{dB} \)</td></tr><tr><td>Output Return Loss</td><td>x \( 16 \mathrm{dB} \)</td></tr><tr><td>LNA Output Coupler</td><td>\( 6.5 \mathrm{dB} \pm 1 \mathrm{dB} \) @ Rx in port 대비, SMA</td></tr><tr><td>공급 전압</td><td>\( +5 \mathrm{Vdc} \)</td></tr><tr><td>소모 전력</td><td>< \( 220 \mathrm{mA} \)</td></tr></tbody></table> <p>Tx 부의 PA 기본설계는 증폭기의 line-up을 어떻게 구성을 하는가이다. 이를 결정하는 것은 OFDM으로 변조된 입력신호의 peak-to-average power ratio (PAR) 특성을 고려하여 디지털 신호 특성이 왜곡되지 않도록 비선형 특성인 inter-modulation distortion (IMD) 성능을 고려해야 하고, 또한 와이브로 출력 뀨격인 adjacent-channel leakage ratio (ACLR) 특성을 만족해야 한다. 상기 내용을 기준으로 하여 증폭기의 line-up을 구성하였는데, 와이브로 신호의 PAR 값은 \( 10^{-2} \) 위치에서 약 \( 10 \mathrm{~dB} \) 정도로 데이터의 성상도 에러 특성에 영향을 주지 않기 위해서는 PA의 피크파워를 약 10 \( \mathrm{dB} \) 정도 이상으로 구성해야 한다. 초단 앰프부터 드라이브 앰프까지는 IM3의 왜곡을 최적화하기 위하여 식 (1)과 같이 앞단 앰프의 IM3 특성이 영향을 주는 정도를 최적화할 수 있도록 최적으로 backup 해서 왜곡 없는 입력신호를 제공해야 한다. 그리고 최종단 앰프에 사용되는 트랜지스터의 피크파워는 약 \( 10 \mathrm{~dB} \) 정도되는 최적의 부품을 선택해야 한다. Radio unit에 연구에 이런 PAR 조건을 만족시키기 위한 line-up에 대한 분석은 표 5와 같다.</p> <table border><caption>표 5 PA의 line-up과 PAR headroom 분석</caption> <tbody><tr><td>PA</td><td>Input</td><td>Isolator의</td><td>Amp1</td><td colspan=2>Thermal PAD</td></tr><tr><td>Device</td><td></td><td></td><td>AM1</td><td colspan=2>4N9</td></tr><tr><td>수량</td><td></td><td></td><td>1</td><td colspan=2></td></tr><tr><td>PEP_Device (dBm)</td><td></td><td></td><td>18.0</td><td colspan=2></td></tr><tr><td>Gain(dB)</td><td></td><td>-12.9</td><td>12.0</td><td colspan=2>-4.0</td></tr><tr><td>Output PWR(dBm)</td><td></td><td></td><td>28.9</td><td colspan=2></td></tr><tr><td>PAR(dB)</td><td></td><td></td><td>28.9</td><td colspan=2></td></tr><tr><td>Headroom (PAR=10dB)</td><td>10.0</td><td></td><td>18.9</td><td colspan=2></td></tr><tr><td></td><td>Amp 2</td><td>PAD</td><td>Amp 3</td><td colspan=2>Amp 4</td></tr><tr><td>Deview</td><td>HMC414 MS8G</td><td></td><td>FLL177ME</td><td colspan=2>MRF6S21 060N</td></tr><tr><td>수량</td><td>1</td><td></td><td>1</td><td colspan=2>1</td></tr><tr><td>PEP_Device(dBm)</td><td>27.0</td><td></td><td>32.5</td><td colspan=2>47.8</td></tr><tr><td>Gain(dB)</td><td>19.0</td><td>-1.0</td><td>13.0</td><td colspan=2>14.0</td></tr><tr><td>Output PWR(dBm)</td><td>4.1</td><td>3.1</td><td>16.1</td><td colspan=2>30.1</td></tr><tr><td>PAR(dB)</td><td>22.9</td><td></td><td>16.4</td><td colspan=2>17.7</td></tr><tr><td>Headroom (PAR=10dB)</td><td>12.9</td><td></td><td>6.4</td><td colspan=2>7.7</td></tr><tr><td></td><td>Divider</td><td>Amp 5 (Final)</td><td>Combiner</td><td>Isolator 외</td><td>Output</td></tr><tr><td>Device</td><td></td><td>MRF6S23 140H</td><td></td><td></td><td></td></tr><tr><td>수량</td><td></td><td>2</td><td></td><td></td><td></td></tr><tr><td>PEP_Device (dBm)</td><td></td><td>54.5</td><td></td><td></td><td></td></tr><tr><td>Gain(dB)</td><td>-3.2</td><td>14.0</td><td>2.8</td><td>-0.4</td><td></td></tr><tr><td>Output PWR(dBm)</td><td>26.9</td><td>40.9</td><td>43.7</td><td>43.3</td><td>43.3</td></tr><tr><td>PAR(dB)</td><td></td><td>13.6</td><td></td><td></td><td></td></tr><tr><td>Headram (PAR=10dB)</td><td></td><td>3.6</td><td></td><td></td><td></td></tr></tbody></table> <p>Total IMD degradation in IM3 \( (\mathrm{dB})=20 \log \) \( [1+10 \) (IM3(Drive)-IM3(Final)/20]<caption>(1)</caption></p>	[ "표4에서 Gain Flatness의 세부 규격은 무엇인가?", "표4에서 주파수 범위는 얼마인가?", "주파수 범위는 표4에서 얼마인가", "표5에서 Device의 Thermal PAD는 무엇인가?", "표4에서 세부규격이 \\( 6.5 \\mathrm{dB} \\pm 1 \\mathrm{dB} \\) @ Rx in port 대비, SMA인 항목은 무엇인가?", "표5에서 Output PWR(dBm)의 Amp1는 얼마인가?", "표5에서 Headroom (PAR=10dB)의 Input은 얼마인가?", "표5에서 Headram (PAR=10dB)의 Isolator는 얼마인가?", "표4에서 공급전압은 얼마로 하였나?", "표5에서 PEP_Device (dBm)의 Amp1은 얼마인가?", "표4에서 소모전력은 어떤 규격으로 설정하였나?" ]
af8ddbc6-63ac-4761-a002-c4fc233a4553	인공물ED	Network-on-Chip에서의 최적 통신구조 설계	<h1>Ⅲ. 통신패턴 기반 최적구조 설계 알고리즘</h1> <h2>1. 부분 통신 빈도수를 고려한 통신패턴 분석</h2> <p>본 연구에서 제시하는 알고리즘의 핵심은 빈번한 통신패턴을 위한 연결구조는 되도록 간단하고 빠른 구조로 정하고자하는 것이다. 이는 시스템의 평균 성능은 "일반적인 경우(common cases)를 더 빠르게 함(faster)으로써” 크게 향상될 수 있다는 생각에 근거한다. NoC의 연결구조에서 라우터와 NI는 유연성과 확장성에서 뛰어하지만, 속도나 면적면에서의 오버헤드는 상당하다고 할 수 있다. 특히 온칩에서 pin-to-pin 연결과 비교 할 때, 상대적 속도차이가 최대 100 배까지 발생할 수 있다. 이는 실제로 NoC 구조가 널리 실용화되지 못하는 큰 이유이기도 하다. 그래서 본 연구에서는 특정 통신 빈도수가 매우 많은 연결에 대해서 우선적으로 가장 단순한 연결구조로 연결될 것을 유도하며, 대신 빈도수가 많지 않거나 다양한 통신에 관련된 연결구조는 라우터구조를 유지하게 하여 확장성과 성능의 최적화를 동시에 고려한다.</p> <p>앞서 언급한 바와 같이 본 연구에서는 특정 응용 목적을 갖는NoC의 연결 구조를 최적화하는 것을 목표로 하기 때문에 통신패턴에 대한 프로파일링(profiling)이 존재한다고 가정한다. 통신 프로파일링이라고 하는 것은 각 시간에 따라 발생하는 통신의 패턴을 연결 경로 형태로 나타낸 것이라 하겠다. 다만, 우리가 관심을 갖는 것은 통신 끝단간의 송신부와 수신부 만은 아니며, 통신에 자주 가장 자주 나타나는 부분 경로의 처음과 끝에 대한 정보라고 하겠다.</p> <p>간단히 될 수 있는 부분 경로를 탐색하는데 있어, 우리는 두 가지의 기준에 따른다. 첫째는 자주 나오는 경로를 찾는 것이며, 두 번째는 되도록이면 부분 경로가 긴 것을 찾는 것이다. 부분 경로가 길어진다는 것은 그만큼 긴 부분 경로상의 라우터들이 더 간단한 연결구조로 바뀐다는 것이고 그만큼 전체적으로 NoC 연결구조의 총 오버헤드가 줄어들어 최적화 될 수 있기 때문이다. 이에 따라 간단히 되어야 할 부분 경로에 대한 선호도는 다음과 같은 값을 계산하여 정한다.</p> <p>\( \mathrm{MERIT}_{a, b}=\alpha \times \) frequency \( +\beta \times \) length<caption>(1)</caption></p> <p>여기서 \( \mathrm{MERIT}_{\mathrm{a}, \mathrm{b}} \) 는 \( \mathrm{a} \) 에서 \( \mathrm{b} \) 까지의 부분 경로의 중요성을 나타내며, 이는 얼마나 자주 나타나는가와 또 얼마나 많은 라우터를 경유하는 경로인가의 가중치 합 (weighted sum)으로 구해진다. \( a \)와 \( \beta \)는 사용자 정의 가중치이며 빈도수와 길이의 상대적 중요도를 결정하는데 사용된다. 본 논문의 실험에서는 \( a=10, \beta=15 \)로 하여 빈도수와 길이의 균형 있는 가중치로 실험하였다. 이 설정에 관련한 성능 평가는 실험 결과 부분에서 다루기로 한다.</p> <table border><caption>허프만 코딩의 예</caption> <tbody><tr><td></td><td>a</td><td>b</td><td>C</td><td>d</td><td>e</td><td>f</td></tr><tr><td>빈도수</td><td>45</td><td>13</td><td>12</td><td>16</td><td>9</td><td>5</td></tr><tr><td>고정길이 코딩</td><td>000</td><td>001</td><td>010</td><td>011</td><td>100</td><td>101</td></tr><tr><td>가변길이 코딩</td><td>0</td><td>101</td><td>100</td><td>111</td><td>1101</td><td>1100</td></tr></tbody></table> <h2>2. 허프만 트리를 이용한 통신구조 매핑</h2> <h3>가. 수정된 허프만 알고리즘을 적용한 트리 생성</h3> <p>전통적 데이터·통신에 있어 데이터는 동일한 길이의 코드로 인코딩되어 전송된다. 이를 흔히 고정 길이 인코딩 (fixed-length encoding)이라고 한다. 예를 들어, 영문자의 전송이나 저장이 7 비트의 동일 크기 ASCII 코드로 인코딩되는 것이 그 예라할 수 있다. 하지만, 실제 전송에 있어서 모든 알파벳이 동일한 빈도수로 나타나는 것이 아니기 때문에 이런 동일 크기로 인코딩하는 것은 통신 효율적인 측면에서 바람직하지 못하다. 보다 통신의 효율을 높이기 위해는 통신 빈도수에 따라 자주 나오는 데이터를 되도록 짧은 코드로 인코딩(encoding)하고 비교적 뜸하게 발생하는 데이터를 상대적으로 긴코드로 인코딩하면 자주 나오는 데이터에 대해 상대적으로 짧은 코드로 전송되기 때문에 전체적으로 적은 비트수로 같은 양의 데이터를 전송할 수 있다. 이렇듯 차등길이를 갖는 코드 (variable-length coding)의 대표적 인 예가 허프만 인코딩(Huffmann Encoding) 이다.</p> <p>본 연구에서는 이 허프만 알고리즘을 통신패턴의 빈도수와 연계하여 적용시킨다. 즉, 통신패턴의 프로파일링 데이터에서 각 부분 경로에 대해서 위에 주어진<식 \( 1>\)의 \( \mathrm{MERIT}_{\mathrm{a}, \mathrm{b}} \)를 구한다. 임의의 통신 방식에 대해서 이 경우의 수는 온 칩 상의 PE나 라우터수에 대해 지수적으로 증가한다. 하지만, 모든 경우를 다 고려할 필요는 없으며, 본 논문의 핵심 아이디어가 기본적으로는 라우터를 이용한 통신을 하고, 빈도수가 많은 부분적 통신에 대해 더 간단한 포트간의 직접 연결이나 멀티플렉서/디멀티플렉서를 이용한 연결구조로 바꾸는 것이므로, 최대 빈도수이면서 길이가 되도록이면 긴 부분 경로를 Merit 값에 따라 \( \mathrm{N} \)개 선택하여 이들로만 이루어진 허프만 트리를 구성한다. \( \mathrm{N} \)의 값은 사용자 정의 값이며, 대략 전체 연결구조 (초기의 라우터 개수)의 \( 10-20 \% \) 정도로 한다. 이렇게 선택된 \( \mathrm{N} \)개의 부분 경로는 허프만 트리의 리프 노드가 된다. 허프만 트리 생성 알고리즘처럼 가장 작은 Merit 값을 가지는 리프 노드 두 개를 찾아 부모 노드로써 새로운 노드를 만든다. 생성되는 부모 노드의 Merit 값은 다음<식 2>와 같이 계산한다.</p> <p>\( \begin{aligned} M_{\text {nERIT }}=& \alpha \bullet\left(\text { frequency }_{\text {leftchild }}+\text { frequency }_{\text {rightchild }}\right) \\ &+\beta \bullet 0.5\left(\text { length }_{\text {leftchicd }}+\text { length }_{\text {rightchild }}\right) \end{aligned} \)<caption>(2)</caption></p> <p>이와 같은 노드의 생성은 루트 노드가 생성될 때까지 계속하며, 최종적으로 \( \mathrm{N} \)개의 리프 노드를 가지는 허프만 트리가 완성된다.</p> <h2>나. 허프만 트리를 이용한 연결구조 매핑</h2> <p>허프만 트리가 완성되면 이로부터 연결구조 매핑을 구한다. 허프만 트리가 만들어 졌다고 가정했을 때, 우리가 가정하는 연결구조의 종류가 \( \mathrm{M} \) 개 있다고 하자. 이 때 가장 일반적인 초기 연결 형태를 라우터/NI 형태라 볼 수 있으며, 이는 기본(default) 구조이므로 상대적으로 자주 발생한다는 조건으로 선택된 허프만 트리에있는 리프 노드들의 연결구조 형태로는 라우터/NI는 적합하지 않다고 하겠다. 그러므로 본 연구에서는 \( \mathrm{M} \)개의 구조 중 하나를 뺀, \(M - 1\)개의 연결구조로 트리 상에 있는 부분 연결 경로들을 매핑한다.</p> <p>직관적으로 연결구조의 매핑은 실제로 고려해야할 조건들이 매우 많기 때문에 아무리 연결구조의 종류가 몇 개로 한정되어 있다고 해도, 최적으로 맵핑한다는 것은 NP-Complete한 문제라고 할 수 있다. 그래서 본 연구에서는 간단한 휴리스틱을 통해서 연결구조를 매핑한다. 이 연구에 사용하는 휴리스틱은 다음과 같다.</p> <p>H를 허프만 트리의 높이라 하고, D(i)를 허프만 트리의 루트노드에서 노드 I에 이르는 거리라고 하자. 즉,</p> <p>\( H=M A X_{\forall i} D(i) \)<caption>(3)</caption></p> <p>이 때 가능한 한 연결구조 \( \mathrm{M} \) 개 중 오버헤드가 가장 큰 라우터 구조를 제외한 나머지 연결구조를 가장 간단한 것부터 가장 복잡한 것 까지 \( \mathrm{CO}, \mathrm{C} 1, \ldots \mathrm{CM}-2 \)로 부를 때, 어떤 노트 \( \mathrm{i} \)의 연결구조는<식 \( 4>\)를 만족하는 경우 이를 \( \mathrm{C} 0 \) 에서 이를 만족하는 최소값 \( \mathrm{d} \)에 에 해당 하는 \( \mathrm{Cd} \) 까지의 연결구조가 그 설계의 대상이 된다고 할 수 있다.</p> <p>\( D(j) \leq(d+1) \times\lceil H /(M-1)\rceil \)<caption>(4)</caption></p> <h2>3. 연결성을 위한 통신구조의 재구성</h2> <p>위의 방법을 통해 부분 연결들을 간소화하면, 초기에 존재하던 연결구조들이 많이 간략화 됨을 알 수 있다. 그래서 기존의 연결성의 유연성 및 확장성이 약화되고, 또 빈번하진 않지만, 꼭 존재하여야하는 노드와 노드간의 연결성이 사라지는 것을 알 수 있다. 이를 위해서 이단계에서는 통신패턴 프로파일링 정보 상에 나타나는 모든 연결에 대해 연결성이 존재하는지를 확인하고, 필요에 따라서는 연결성 유지를 위해 추가의 연결구조를 추가하는 단계를 거친다. 통신패턴의 연결성 유지는 크게 연결구조의 증가 방법과 연결 통로의 재설정으로 나누어 구현된다.</p> <h3>가. 연결 통로의 재설정</h3> <p>연결 경로의 재설정은 되도록이면 현재 존재하는 연결구조를 이용하여 통신패턴을 구현하도록 하는 것이다. 다양한 방법이 존재하나, 본 연구에서는 탐욕적 알고리즘을 (greedy algorithm) 사용한다. 본 연구에서는 경로를 찾는 방법에 있어 되도록 방향이 데이터 전송에 가까워 질 수 있도록 정한다. 이렇게 네 방향 중, 되도록이면 데이터 전송의 수신 쪽 방향부터 연결 경로를 검색하는 탐욕적(greedy) 방법을 이용한다. 본 연구에서의 시뮬레이션 결과에 따르면 이와 같은 탐욕적 (greedy) 방법이 쉽게 연결 경로를 재설정하는 것에 대해서 거의 대부분 문제가 없음을 알 수 있었다.</p> <h3>나. 연결구조의 최소 추가</h3> <p>어떤 데이터 전송에 대해 위와 같은 탐욕적으로 (greedy) 연결구조를 재설정하는 것으로는 연결성이 회복되지 않을 경우에는 연결구조를 새로이 추가하여 연결성을 유지하도록 한다. 연결구조를 추가하는 것은 크게 세 가지의 방법에 의존한다. 첫째는 멀티플렉서/디멀티플렉서를 추가하는 방법이다.</p> <p>\( a^{->} \)\( \mathrm{f} \)로의 실제적인 적용을 할 때, \( \mathrm{a}->\mathrm{b} \)로의 연결을 만들고 노드 b에서 멀티플렉서를 더하면 된다. 단 \( \mathrm{b}->\mathrm{f} \)로의 통신과 \( \mathrm{a}^{->} \mathrm{b}^{->}>\mathrm{f} \)의 통신이 시간상 동시에 이루어 지지 않도록 하는 스케쥴링은 필요하다고 보고, 필요에 따라서는 버퍼가 필요하다고도 볼 수 있다. 이와 비슷하게 하나의 긴 연결 경로에 여러 노드로 갈라지는 경로가 생겨야하면, 버스 구조를 이용한 매핑을 통해 구현할 수 있다.	[ "고정길이 코딩 값을 허프만 코딩 예시들 중 하나인 f에서 구한다면 그 값은 뭐야?", "허프만 코딩의 예 표의 c에서 얻을 수 있는 가변길이 코딩 값은 무엇인가?", "허프만 코딩의 예에서 a가 갖는 가변길이 코딩 값은 무엇인가?", "허프만 코딩의 예에서 a의 가변길이 코딩 값은 얼마야?", "허프만 코딩의 예시 중 e가 갖는 고정길이 코딩 값은 무엇인가?", "허프만 코딩 e에 대한 가변길이 코딩 값은 어떻게 되는가?", "고정길이 코딩에 대한 값을 허프만 코딩의 c에서 구하면 그 값이 얼마인가?", "허프만 코딩의 예 표의 고정길이 코딩 값을 a에서 구한다면 그 값은 얼마인가?", "허프만 코딩의 예에서 b에 대한 고정길이 코딩 값은 얼마인가?", "b라는 허프만 코딩의 예가 갖는 가변길이 코딩은 무엇인가?", "허프만 코딩의 예 표에서 가변길이 코딩이 1100인 항목은 무엇인가?", "허프만 코딩의 예 표의 어느 항목에서 가변길이 코딩의 값이 1100이야?", "허프만 코딩의 예를 나타낸 표의 가변길이 코딩 값을 d에서 구한다면 이때 얻어지는 값은 무엇인가?", "허프만 코딩의 a예시에서 빈도수는 얼마인가?", "빈도수에 대해 허프만 코딩 c에서 그 값을 구한다면 얼마인가?", "허프만 코딩의 여러 예시 중 d예시가 갖는 빈도수는 얼마인가?", "코딩의 빈도수를 구하기 위해 허프만 코딩 예시 중 e에 해당하는 값을 구한다면 그 값은 얼마인가?", "f라고 명명한 허프만 코딩의 예시가 갖는 빈도수의 값은 어떻게 되는가?", "b 허프만 코딩 예시가 갖는 빈도수는 얼마인가?", "빈도수는 b 허프만 코딩 예시에서 얼마야?" ]
c9539334-4138-43e4-a326-c4b952fd268d	인공물ED	Network-on-Chip에서의 최적 통신구조 설계	<h1>Ⅴ. 실험 설정 및 결과</h1> <h2>1. 실험 설정</h2> <p>본 연구에서는 제시했던 가정을 토대로 실험을 설정하였다. NoC 구조상에서 모듈 (PE, processing element)의 개수는 25개로 정해졌으며 모든 모듈들의 위치 선정이 주어졌다고 가정하였다. 이 모듈들이 구현하는 특정 응용 프로그램이 한정되어 있어서 이런 전형적인 응용 프로그램을 실행할 때의 상당히 고정된 통신패턴이 정해진 모듈 사이에서 실행된다고 보고 통신패턴을 몇 개의 특정 모듈 사이의 통신을 다른 모듈에 비해 더 많은 가중치를 두어 빈번하게 발생하는 것으로 설정하였다. 그리고 고정된 두 모듈이 선택된 후 모듈 사이의 통신패턴, 즉 라우팅 방식을 고려할 때, 문제를 간단히 하기 위해 연결구조상 상하 방향의 연결 방법과 좌우방향의 연결 방법이 모두 가능할 때는 좌우 방향의 연결에 더 높은 우선순위를 둔다고 가정하였다. 이러한 가정 하에 이 실험에서는 총 1000개의 통신패턴을 임의로 생성하였다.</p> <p>이렿게 생성된 1000개의 통신패턴에서 공통된 문자열 찾는 알고리즘을 통하여 가능한 모든 문자열과 빈도수와 테이블에 저장하였다. 저장된 테이블을 이용하여 빈도수와 문자열 길이에 각각 가중치를 변화시켜가며 \( \mathrm{MERIT}_{\mathrm{a}, \mathrm{b}} \)을 구하였다. 기본 가중치는 앞에서 언급한 것 과 같이 통신패턴 샘플 수 100개를 기준으로 빈도수에 10 , 문자열 길이에 15를 주었다.</p> <p>허프만 알고리즘에서의 결과 값인 코드길이는 트리구조에서의 깊이로서 이용하였으며 이와 트리의 높이에 따라 네트워크 구조를 변화시켜 주었다. 허프만 알고리즘에서 입력 값을 10개 정도 주었을 시에는 보통의 경우 높이가 4에서 8까지로 고른 분포가 많이 나왔다. 그래서 이러한 높이를 이용하여 각각의 깊이에 따라 통신패턴의 우선순위가 높은 부분은 공통된 문자열의 끝을 제외하고는 모두 직접 연결로 단순화 시켰으며, 끝부분은 라우터 대신 멀티플렉서 구조로 대체하였다. 그리고 보다 우선순위가 낮은 부분에서는 라인이 아닌 멀티플렉서와 버스로 구조를 대체하였으며 대체된 경로를 지나게 되는 통신패턴에 대해서는 앞서 대체시킨 멀티플렉서로 갈 수 있는 경우를 제외하고는 멀티플렉서와 같은 회로를 추가하거나 새로운 경로를 찾아가는 등의 오버헤드를 고려하였다.</p> <p>마지막으로는, 이렇게 변화된 네트워크 구조와 앞에서 샘플로 추출한 1000 개의 통신패턴 및 라우터, 멀티플렉서, 라인의 시간비용과 면적비용을 이용하여 변화된 지연시간(delay cost) 및 면적(area)을 구하였다. 기본설정에서는 Rent's Rule에 의거하여 \( 5 \times 5 \) 라우터의 지연 시간은 10, 멀티플렉서의 지연 시간은 2 , 라인을 통한 지연 시간은 1로 설정하였으며, \( 5 \times 5 \) 라우터의 면적은 50, 멀티플렉서의 면적은 16, 라인의 면적은 1로 설정하였다.</p> <h2>2. 실험 결과</h2> <p>첫 번째 실험은 가장 좋은 가중치의 비율을 찾기 위해 출력한 결과이다. 여기서 가중치란<식 1>에서 Merit 값을 구할 때 사용한 \( a, \beta \) 값이다.<그림 3>은 가중치의 비율에 따라 지연비용(delay cost)이 얼마나 감소하는가를 보여준다. 각각의 가중치마다 100번 이상의 프로그램 수행을 통해 평균값을 그래프에서 표현하였다. 그래프의 가장 왼쪽 막대는 전체 구조가 라우터와 네트워크 인터페이스로 이루어진 전형적인 NoC 구조의 지연비용을 나타낸다. 먼저 빈도수의 가중치인 \(a\) 값을 10 으로 고정시켰을 때, 부분경로 길이의 가중치인 \( \beta \)을 10에서 15,20,30,40으로 변화시켜가며 측정한 것이 그래프의 왼쪽 부분이다. 이를 보면 \( \beta \) 값이 15에서 40으로 변화하면서 전체적인 지연비용이 크게 증가함을 볼 수 있다. 그래프의 오른쪽 부분은 부분경로길이의 가중치인 \( \beta \) 값을 고정시키고 빈도수의 가중치인 \( a \) 값을 10 에서 15,20,30,40으로 변화시키며 측정한 결과이다. \( a \) 값이 증가함에 따라 지연비용의 오버헤드는 줄어들고 전체적인 지연비용 역시 줄어듦을 볼 수 있다.</p> <p> <그림 3>과 유사하게,<그림 4>는 가중치의 비율에 따라 면적비용(area cost)이 얼마나 감소하는가를 보여준다. 이 그래프 역시 빈도수의 가중치인 \({a} \)값을 10으로 고정시켰을 때, 부분경로 길이의 가중치인 \( \beta \)을 10에서 15,20,30,40으로 변화시켜가며 측정한 것이 그래프의 왼쪽 부분이다. 이를 보면 \( \beta \) 값이 증가함에 따라 전체적인 면적비용이 그다지 향상되지 않음을 볼 수 있다. 그래프의 오른쪽 부분을 보면, \( a \) 값이 증가함에 따라 전체적인 면적비용이 크게 증가함을 볼 수 있다. 결국 성능과 면적이라는 관점 모두를 고려할 때, 최적화된 10:15의 비율을 기본 설정으로 사용하게 되었다.</p> <p>이후의 실험은 앞에서 설정한 기본 설정을 그대로 하였다.<그림 5>은 프로그램을 1회 수행하였을 때 출력되는 결과의 예를 보여준다. 허프만에 쓰일 부분 경로는 10개로 설정되어 Merit 값의 순서대로 (i,n,s), (s,x), (f,g,h,i), (d,i), (b,c,d), (s, r), (r,q), (i,h,g,f), (s,n,i), (p,k,f)가 리프노드로써 포함됨을 알 수 있다. "FREQUENCY"<table border><caption>OOP Test</caption> <tbody><tr><td>PATERN</td><td>FREQUENCY</td><td>MERIT</td><td>DEPTH</td></tr><tr><td>Ins</td><td>653</td><td>6980</td><td>2</td></tr><tr><td>SN</td><td>513</td><td>5430</td><td>2</td></tr><tr><td>fghi</td><td>336</td><td>3960</td><td>3</td></tr><tr><td>di</td><td>348</td><td>3780</td><td>3</td></tr><tr><td>bcd</td><td>140</td><td>1850</td><td>4</td></tr><tr><td>sr</td><td>80</td><td>1100</td><td>4</td></tr><tr><td>rq</td><td>75</td><td>1050</td><td>5</td></tr><tr><td>ihgf</td><td>20</td><td>800</td><td>5</td></tr><tr><td>Sni</td><td>19</td><td>640</td><td>5</td></tr><tr><td>pkf</td><td>16</td><td>610</td><td>5</td></tr></tbody></table>라는 것을 빈도수(i,n,s)라는 부분 경로가 총 1000개의 샘플에서 653개의 빈도로 나온다는 것이다.</p> <p>이를 바탕으로 네트워크 구조를 변화시키는데 "DEPTH" 값이 2와 3인(i,n,s), (s,x), (f,g,h,i), (d,i)의 경우에는 끝점을 제외한 가운데 경로에 존재하는 라우터들은 라인으로 대체가 된다. 그리고 끝점의 경우에는 멀티플렉서 형태의 구조를 가지게 되는데 여기서는 i,s,x,f,d 의 라우터들은 멀티플렉서 구조로 바뀌게 되며, 나머지 부분 경로들은 간단한 멀티플렉서와 버스의 구조로 바뀌게 된다. 그리고 이 경로들을 지나게 되는 나머지 경로들은 경우에 따라 재 경로 탐색 또는 새로운 구조 추가가 필요하게 되고 오버헤드로 값이 처리된다.</p> <p> <그림 5>에서 출력되는 "PRE_AREA"는 알고리즘 적용 전에 고정된 면적 값으로 1050이라는 값을 가지며, "REDUCED AREA"는 알고리즘 적용 후의 감소된 면적 값으로 기존의 1050보다 187줄어들었다는 뜻으로, 최종적인 면적은 863의 값을 가지게 된다. "PRE_DELAY" 역시 알고리즘 적용 전의 지연 비용으로 53326이라는 값을 가지게 되며, "REDUCED DELAY"는 알고리즘 적용 후 감소하게 되는 지연비용으로 24873이라는 값만큼 줄었다는 말이다. "DELAY OVERHEAD"와 "AREA OVERHEAD”는 알고리즘을 적용할 때, 회로를 추가하게 되거나 경로 재설정 시에 늘어나게 되는 오버헤드로 인한 지연 시간과 면적 비용의 변화를 말하며 각각 지연비용 오버헤드는 16292, 면적비용 오버헤드는 396이라는 값을 가진다.</p> <p> <그림 6>는 응용 프로그램 특성에 따라 통신패턴을 다르게 설정해 주었을 때의 실험 결과이다. 왼쪽에는 면적비용에 대한 그래프이고, 오른쪽에는 지연비용에대한 그래프다. OON의 성능을 보여주기 위해, 허프만 알고리즘을 적용하지 않은 [5]의 구조와 일반적인 NoC 구조와도 비교를 하였다. 그래프의 가로축을 보면 알 수 있듯이 통신패턴의 특성에 대한 분류로 "Normal", “Concentrated", "Distributed"라는 세 가지의 항목을 두었다. "Normal”은 통신패턴 생성 시에 특정 통신 모듈간의 통신 확률을 다른 통신 모듈 간의 통신 확률보다 더 높게 한 기본 설정으로 한 경우다. "Concentrated"는 "Normal"의 경우에 비해 고정된(fixed) 형태의 통신패턴을 추가하고, 특정 모듈 간의 통신 확률을 더욱 높여준 경우다. "Distributed"는 "Concentrated"와는 반대로 특정 모듈 간의 통신 확률을 낮추고 대부분 임의적으로 (randomly) 생성하였다. "Normal"의 경우, [5]의 통신구조나 OON의 통신구조는 큰 차이가 없다. 하지만 OON의 경우는 통신패턴이 집중되거나 또는 분산될 경우, 성능 면에서 [5]에 비해 큰 향상을 보이고 있다. 결론적으로, OON을 사용하면 통신패턴의 변화에 큰 영향을 받지 않으면서 어느 정도 성능을 보장할 수 있다는 것이다. OOP의 통신패턴에 따른 향상 비율은<표 2>에 정리되어 있다.</p> <p>마지막으로 일반적인(Normal) 환경에서 OOP의 성능 향상에 대해 정리하면<표 3>과 같다. 면적은 임의적으로 생성된 통신패턴에 따라서 자주 변화하지만 평균 적으로 318정도 감소되어 약 732의 값으로 측정되었다. 면적의 평균 오버헤드는 394.62의 값으로 측정되었다. 지연비용은 통신패턴에 큰 변화 없이 평균 27596.11 정도로 측정되었고, 감소한 지연비용은 평균 26468.46이며 오버헤드는 평균 13875.61로 측정되었다. 이러한 총 면적비용과 총지연비용의 가중치 합을 이용하여 총전력이 \( 33.84 \% \) 향상될 수 있음을 계산할 수 있었다.</p>	[ "본문의 표에서 SN의 FREQUENCY값은 얼마지?", "본문의 표에서 Ins의 FREQUENCY값은 얼마야?", "본문의 표에서 bcd의 FREQUENCY값은 얼마일까?", "본문의 표에서 sr의 FREQUENCY값은 얼마 정도지?", "본문의 표에서 fghi의 FREQUENCY값은 얼마니?", "fghi의 FREQUENCY값은 표에 의하면 무엇이지", "본문의 표에서 rq의 FREQUENCY값은 얼마 정도니?", "본문의 표에서 ihgf의 FREQUENCY값은 얼마 정도지?", "ihgf의 FREQUENCY값은 표를 참조하면 무엇이야", "본문의 표에서 Sni의 FREQUENCY값은 얼마 정도인가?", "본문의 표에서 pkf의 FREQUENCY값은 얼마 정도일까?", "본문의 표에서 Sni의 MERIT값은 얼마 정도의 값이지?", "본문의 표에서 pkf의 MERIT값은 얼마 정도의 값이야?", "본문의 표에서 rq의 MERIT값은 얼마 정도의 값인가?", "본문의 표에서 di의 MERIT값은 얼마 정도의 값을 보이지?", "본문의 표에서 sr의 MERIT값은 얼마 정도의 값일까?", "본문의 표에서 fghi의 MERIT값은 얼마 정도의 값을 보이니?", "본문의 표에서 SN의 MERIT값은 얼마 정도의 값을 보이는가?", "본문의 표에서 Ins의 MERIT값은 얼마 정도의 값을 보일까?", "본문의 표에서 Ins의 DEPTH값은 얼마 정도의 값으로 나타내?", "본문의 표에서 sr의 DEPTH값은 얼마 정도의 값으로 나타낼 수 있어?", "본문의 표에서 rq의 DEPTH값은 얼마 정도의 값으로 나타낼 수 있니?", "본문의 표에서 SN의 DEPTH값은 얼마 정도의 값으로 나타내지?", "본문의 표에서 ihgf의 DEPTH값은 얼마 정도의 값으로 나타낼 수 있어?", "본문의 표에서 Sni의 DEPTH값은 얼마 정도의 값으로 나타낼 수 있는가?", "본문의 표에서 di의 FREQUENCY값은 얼마인가?", "본문의 표에서 bcd의 MERIT값은 얼마 정도의 값을 보여?", "본문의 표에서 ihgf의 MERIT값은 얼마 정도의 값이니?", "본문의 표에서 bcd의 DEPTH값은 얼마 정도의 값으로 나타낼까?", "본문의 표에서 di의 DEPTH값은 얼마 정도의 값으로 나타내는가?", "본문의 표에서 fghi의 DEPTH값은 얼마 정도의 값으로 나타내니?", "본문의 표에서 pkf의 DEPTH값은 얼마 정도의 값으로 나타낼 수 있을까?" ]
496ea8ca-feaf-4aef-abab-d3b74abdb282	인공물ED	토노메트리 방식 맥파 측정의 가압 각도에 따른 변동성 평가	<h1>2. 실험 방법</h1><h2>2.1 맥파 및 기울기 측정</h2><p>맥 파형을 측정하기 위해 반도체 압저항형 센서 C33, 절대압방식, EPCOS, Germany) 6개를 일렬로 배열하고 외부 압력에 저항하기 위해 센서의 표면을 코팅한 구조를 Fig 1(a)과 같이 제작하였다. 맥 측정 시의 센서 기울기는 2축 기울기 센서를 (SCA100T-D01, Murata Manufacturing Co., Japan) 통해 측정하였고, 기울기 센서가 맥 파형 측정 센서의 후면에 위치할 수 있도록 Fig. 1(b)와 같이 PCB 구조를 설계하고 부품을 배치하였다.</p><p>측정된 압저항형 센서의 신호는 맥파형의 특성을 고려하여 설계된 아날로그 회로를 통해 \( 0.1 \sim 30 \mathrm{Hz} \)의 차단주파수로 밴드패스 필터링하였고, 16배 전처리 증폭 후 필터 후단에서 48배 증폭하여 최적의 신호를 획득하였다. 6채널 맥 측정 신호와 2축 기울기 신호는 아날로그디지털 변환기(NIUSB-6218, National Instruments, USA)를 통해 \( 500 \mathrm{Hz} \)의 sampling rate로 저장하여 분석에 활용하였다.</p><h2>2.2 센서 가압 환경</h2><p>인체의 손목 부위의 동맥을 측정하는 것과 유사한 측정환경을 구현하기 위해 인체의 정상 맥파 재현이 가능한 맥파재현장치(Victor Pulse, Tellyes Scientific Inc., China)를 활용하였다. 본 장치는 \( 5 \mathrm{mm} \) 직경의 실리콘튜브 안에 혈액과 유사한 점도 특성을 가지는 오일의 흐름을 제어하여 손목의 혈액의 흐름과 유사한 맥파형 재현이 가능하다. 또한, 센서가 혈관을 가압할 때 혈관이 밀리는 현상을 재현하기 위해 Fig. 2(a)와 같이 튜브 아래는 완충작용이 가능한 실리콘 재질로 제작되었다.</p><p>맥파는 센서가 혈관을 가압하는 량이 증가함에 따라 그 크기가 증가하다가 감소하게 되는데, 본 연구에서는 그 크기가 최대가 되는 맥파를 측정하여 분석하였다. 이를 위해 동일한 각도에서 가압력을 단계별로 증가시키는 구조를 Fig. 2(b)와 같이 제작하였다. 가압각도를 고정한 후 센서면이 튜브에 접촉한 시점부터 Fig. 2(c)와 같이 맥파의 크기가 증가 후 다시 감소할 때까지 가압 거리를 \( 0.5 \mathrm{mm} \)단위로 증가시켜 맥파를 측정하였고, 단계별 가압 거리의 맥파 크기를 계산하여 최대 맥파를 도출 하였다. 센서는 항상 동일한 위치를 측정하도록 하였고, 초기 가압각도설정은 기울기센서의 중력방향 기준의 각도를 모니터링하여 조정하였다.</p><h2>2.3 측정 프로토콜 및 분석 방법</h2><p>혈관을 따라 흐르는 혈액은 일정한 방향성이 있으므로 측정되는 맥파는 가압하는 각도의 크기뿐만 아니라 그 방향에 따라 차이를 보일 것으로 예상된다. 특히, 혈액이 흐르는 방향으로 가압각도가 발생할 경우 혈액의 흐름이 맥파에 변형을 가할 것으로 예상했다. 본 연구에서는 가압각도를 혈관의 길이방향으로 제한하여 가압각도가 반복성에 가장 큰 영향을 미치는 조건에서 측정 반복성을 평가하였다. Fig. 2(e)와 같이 튜브의 중심에서 수직 방향으로 가압되는 기울기를 \( \theta=0^{\circ} \)로 설정한 후 각도를 \(3^{\circ}\)씩 변화시키고, 각각의 회전 각도에서 가압 깊이 \( (x) \)를 \( 0.5 \mathrm{mm} \) 단위로 증가시켜 맥파를 측정 하였다. 센서면에 접촉하는 튜브의 위치는 반복 측정에 따라 차이를 보이므로, 6채널에서 획득한 맥파 신호 중 가장 큰 신호를 계산하여 튜브 중심에 접촉한 센서의 측정 값을 분석에 활용하였다. 맥파의 크기는 그림3과 같이 최대 맥파 (maximum amplitude)를 정의하여 계산하였다. 맥파 신호의 한 주기 내에서 최대 값을 탐색하고, 그 시점을 기준으로 0.2초 이전의 범위 내에서 최소 값을 탐색하여 두 값의 차이를 최대 맥파로 계산하였다. 각도에 따른 대표 최대 맥파의 크기(MA)는 가압 깊이 증가에 따라 도달하는 최대 맥파의 크기를 탐색하여 도출하였다.</p><p>맥파 측정의 반복성평가를 위해 \( -3^{\circ} \sim 3^{\circ},-6^{\circ} \sim 6^{\circ},-9^{\circ} \sim 9^{\circ} \) 의 가압각도의 범위 내에서 각각 6회 반복 측정을 하였으며 각도의 범위가 커짐에 따른 반복성의 차이를 분석하였다. 가압각도는 그림2(d)와 같이 제어하여 가압 시 각도가 유지될 수 있도록 하였다. 각 가압각도의 범위의 반복성은 설정된 범위의 각도에서 6회 측정된 MA의 변동계수(표준 편차/평균 \( (\mathrm{V}))\)를 계산하여 도출하였다. 또한, 가압각도에 따른 대표 맥파의 변화 경향을 관찰하기 위해 \( -9^{\circ},-6^{\circ},-3^{\circ}, 0,3^{\circ}, 6^{\circ}, 9^{\circ} \)의 가압각도에서 2회 측정한 MA를 평균하여 분석하였다.</p>	[ "기울기 센서는 맥 파형 측정 센서의 어느 부분에 위치하도록 배치하였는가?", "측정된 압저항형 센서의 신호를 \\( 0.1 \\sim 30 \\mathrm{Hz} \\)의 차단주파수로 밴드패스 필터링하기 위해 무엇을 이용하였니?", "측정된 압저항형 센서의 신호는 밴드패스 필터링 이후, 최적의 신호를 획득하기 위해 16배 후처리 증폭 후 필터 전단에서 48배 증폭하였는가?", "센서의 신호는 밴드패스 필터링 후, 최적의 신호를 획득하기 위해 48배 전처리 증폭 후 필터 후단에서 16배 증폭하였니?", "인체의 손목 부위의 동맥을 측정하는 것과 유사한 측정환경을 구현하기 위해 활용한 것은 무엇인가?", "본 장치는 손목의 혈액의 흐름과 유사한 맥파형 재현을 위해 실리콘튜브 안에 혈액과 유사한 어떤 것의 흐름을 제어하였니?", "센서가 혈관을 가압할 때 혈관이 밀리는 현상을 재현하기 위해 튜브 아래는 어떤 재질로 제작되었는가?", "센서면이 튜브에 접촉한 시점부터 맥파의 크기가 증가 후 다시 감소할 때까지 가압 거리를 얼마씩 증가시켜 맥파를 측정하였는가?", "혈관을 따라 흐르는 혈액은 어떠한 방향성을 가지는가?", "혈액이 흐르는 방향으로 가압각도가 발생할 경우 혈액의 흐름이 맥파에 변화가 없을 것으로 예상되는가?", "맥파 신호의 한 주기 내에서 최소 값을 탐색하고, 그 시점을 기준으로 0.2초 이전의 범위 내에서 최대 값을 탐색하여 두 값의 차이를 최대 맥파로 계산하였는가?", "센서면에 접촉하는 튜브의 위치는 반복 측정 시 변화가 없는가?", "맥파는 센서가 혈관을 가압하는 량이 증가함에 따라 그 크기가 어떻게 변하는가?", "6채널 맥 측정 신호와 2축 기울기 신호는 아날로그디지털 변환기를 통해 얼마의 sampling rate로 저장하고 분석에 활용하였는가?", "최대 맥파의 크기(MA)를 계산하기 위해 감압 속도 증가에 따라 도달하는 최대 맥파의 크기를 탐색하여 도출하였는가?", "맥파 측정의 반복성평가를 위해 설정된 가압각도 범위 내에서 각각 몇 회 반복 측정을 하였는가?" ]
f74fb1a5-8be9-43c6-9e41-679403221efb	인공물ED	토노메트리 방식 맥파 측정의 가압 각도에 따른 변동성 평가	<h1>4. 결 론</h1><p>센서의 각도 및 가압력을 정밀히 제어할 수 있고 센서의 기울기 모니터링이 가능한 측정 구조물을 제작하여 가압각도에 따른 맥파의 변화 양상 및 반복성을 실험을 통해 평가하였다. 그 결과, 혈관 방향으로 가압각도의 범위가 \( -9^{\circ} \sim 9^{\circ} \) 이상이 될 경우 최대 맥파의 변동계수가 급격히 증가한 것을 관찰하였다. 이는 가압방향에 따른 맥파 크기의 상반된 변화에 의한 현상으로 생각된다. 맥파의 형태는 센서 면이 유체의 흐름의 반대 방향으로 기울어질 경우인 \( -9^{\circ} \)에서 큰 왜곡을 보였다. 본 연구에서 제시된 결과가 추후 개발되는 토노메트리 방식의 맥파 측정기기 개발에 유용한 자료로 활용 될 수 있을 것으로 기대한다.</p>	[ "최대 맥파의 변동계수가 혈관 방향으로 가압각도의 범위가 \\( -9^{\\circ} \\sim 9^{\\circ} \\) 이상이 될 경우 급격히 증가하는 요인은 무엇이야?", "센서 면이 유체의 흐름의 반대 방향으로 기울어질 경우인 \\( -2^{\\circ} \\)에서 맥파의 형태는 큰 왜곡을 보여?", "본문에서 최대 맥파의 변동계수는 혈관 방향으로 가압각도의 범위가 \\( -4^{\\circ} \\sim 4^{\\circ} \\) 이상이 될 경우 급격히 증가한 것을 계측할 수 있지?", "최대 맥파의 변동계수가 급격히 증가하는 것은 어떤 경우에 발생할까?", "어떤 경우에 최대 맥파의 변동계수가 급격히 늘어나니?", "맥파의 형태는 센서 면이 유체의 흐름의 반대 방향으로 기울어질 경우인 몇 도에서 큰 왜곡을 보여?", "혈관 방향으로 가압각도의 범위가 \\( -9^{\\circ} \\sim 9^{\\circ} \\) 이상이 되면 어떤 현상이 발생하지?", "맥파의 형태는 센서 면이 유체의 흐름의 반대 방향으로 기울어질 경우인 몇 도에서 큰 왜곡을 보여?", "센서 면이 유체의 흐름의 반대 방향으로 기울어질 경우인 \\( -9^{\\circ} \\)에서 큰 왜곡이 일어나는 것은 무엇일까?", "혈관 방향으로 가압각도의 범위가 어떤 때에 최대 맥파의 변동계수가 급격히 증가한 것을 계측가능하지?" ]
aefd6889-0476-4307-8ef9-6ac89406dfdf	인공물ED	토노메트리 방식 맥파 측정의 가압 각도에 따른 변동성 평가	<h1>1. 서 론</h1><p>혈관을 가압하는 토노메트리 방식으로 측정한 맥파는 심혈관계의 상태를 진단하는데 많은 정보를 제공한다. 손목 부위를 가압하여 측정하는 맥파는 혈압, 심박수 뿐만 아니라 혈관의 상태를 예측할 수 있는 정보를 제공한다. 특히, 한의학에서는 손목 부위의 맥파를 측정하는 맥진을 통해 환자 몸의 균형상태 를 판별하고 변증을 진단한다.</p><p>최근, 정확하고 반복성 있는 맥파 측정을 목적으로 압력센서를 장착한 토노메트리 방식의 맥파 측정 기기들이 개발이 되고 있다. 일반적으로 토노메트리 방식의 맥파 측정기기는 센서가 동맥이 있을 것으로 예상되는 피부를 가압하고 있는 상태에서 그 압력의 변화를 측정하게 되는데, 맥파의 크기, 형태 등으로부터 지표를 분석하여 진단에 활용하게 된다. 따라서 센서가 정확이 혈관 위치를 가압하게 하는 기술과 가압이 일정하게 제어될 수 있도록 하는 기술이 가압식 맥파 측정기기의 정확성과 반복성을 결정한다.</p><p>토노메트리 기술에서 가장 중요한 이슈 중 하나는 측정의 정밀성 확보를 위해 센서로 혈관을 수직 가압하는 것이다. 그러나 임상에서 혈관의 방향을 정확히 예측하기가 쉽지 않기 때문에 대부분의 경우에 가압각도의 오차는 발생하게 된다. 가압각도의 오차는 맥파의 형태에 영향을 미칠 것으로 예상이 되지만, 현재까지 객관적인 방법으로 이와 관련되어 연구된 논문이 보고된 바는 없다. 본 연구에서는 가압각도와 맥파 형태 사이의 관련성에 대해 실험적으로 검증을 하고, 추후 개발되는 기기에서 허용되는 가압각도 범위를 결정하는데 참고가 될 수 있도록 하였다. 이를 위해 혈관과 센서의 각도를 정밀히 제어하고 단계별로 일정한 가압력을 유지할 수 있는 측정 환경을 구현하였고 가압각도에 따른 맥파의 변화를 측정 및 분석하였다. 일정한 조건에서의 측정을 위해 사람과 유사한 기전으로 맥파를 생성하는 장치를 사용하였고, 2축 기울기 센서를 통해 센서의 기울기를 모니터링하여 가압각도를 조정하였다.</p>	[ "심혈관계의 상태를 진단하는데 많은 정보를 제공하는 것은 무엇인가?", "맥파를 측정하는 방법중 혈관을 가압하는 방식은 뭐야?", "무엇이 맥파를 측정하는 방법중 혈관을 가압할까", "맥파는 무엇을 예측할 수 있는 정보를 제공하지?", "무엇을 예측할 수 있는 정보를 맥파가 공급할까", "한의학에서 맥진을 통해 환자 몸의 균형상태를 판별하고 변증을 진단하는가?", "토노메트리 방식의 맥파 측정기기는 어떻게 작동이 되는가?", "한의학에서는 손목 부위의 맥파를 측정하는 맥진을 통해 어떻게 하는가?", "무엇이 가압식 맥파 측정기기의 정확성과 반복성을 결정하지?", "혈관의 상태는 맥파로 예측 할수 있는가?", "혈관의 상황은 맥파로 예측 할수 있는가" ]
edffe422-e55f-45b7-9a28-89aa7acef808	인공물ED	초퍼 연산증폭기와 다수의 정합 트랜지스터를 이용한 수중 전기장 센서용 저잡음 전치 증폭기 설계	<h1>2. 전치증폭기 요구조건 및 설계</h1><p>증폭기의 자체 잡음은 아래 수식 (1)과 같이 전치증폭기 입력단에 의해 크게 좌우된다.</p><p>\( F_{\text {total }}=F_{1}+\frac{F_{2}-1}{G_{1}}+\frac{F_{3}-1}{G_{2}}+\ldots \)<caption>(1)</caption></p><p>여기서 \( F_{\text {total }}\)은 전치증폭기 전체 잡음 지수, \( F_{N} \)은 N번째 단의잡음 지수, \( G_{N} \)는 N번째 단의 이득을 의미한다. 입력단의 잡음지수(\( F_{1} \))가 낮은 동시에 이득(\( G_{1} \))이 높을수록 증폭기의 전체 잡음이 낮아진다. 두번째 단의 잡음 지수(\( F_{2} \))는 첫번째 단의 이득으로 나누어지므로, 두번째 단의 이득을 크게 설계하면 두번째단의 잡음이 전체 잡음에 주는 영향을 크게 감소시킬 수 있다.</p><p>수중 전기장센서용 전치증폭기는 두 입력 전극에서 입력되는 신호의 차를 증폭해야 하므로 차동 증폭단 구성으로 설계하는것이 바람직하다. 차동 증폭단을 구현하는 방법은 여러 방법이있다. 계측 증폭기 소자를 이용한 차동 증폭단 구성은 계측 증폭기 소자의 저주파 잡음 성능에 의해 전치증폭기의 저주파 잡음 성능이 결정되므로, 잡음 감소를 위한 추가적인 설계가 힘들다. Analog Device 사의 상용 계측 증폭기 소자인 AD8428은 소자끼리 병렬 연결을 통해 잡음을 감소시킬 수 있지만, 플리커잡음의 코너 주파수가 1 \(\mathrm{Hz}\) 정도로 다소 높은 경향이 있어, 수십 \(\mathrm{mHz}\)의 저주파에서 저잡음 동작이 요구되는 수중 전기장 센서에 적용하기에 다소 미흡하다고 판단된다.</p><p>본 논문에서는 저잡음 고이득 차동증폭단 구현을 위해, 저잡음 정합 트랜지스터로 구성된 차동증폭단을 설계하였다. 정합트랜지스터는 두 트랜지스터의 전류 증폭비를 수 \(\%\) 이내 오차로 정합한 트랜지스터 1쌍으로 구성되며, 저잡음 특성으로 인해 기존부터 차동증폭단의 입력단으로 자주 사용되는 소자이다. 본연구에서는 저주파에서 저잡음 특성이 우수한 SSM2220 정합트랜지스터를 사용하였다.</p><p>차동증폭단에서 증폭된 전류 및 전압 신호는 직후 위치한 비반전 되먹임 구성 연산증폭기의 입력으로 연결된다. 정합 트랜지스터 입력단은 낮은 증폭 이득에서는 잡음 특성이 우수하지만, 높은 증폭 이득을 위해서는 잡음이 높아지는 특성이 있다.따라서 정합 트랜지스터를 이용한 입력단에서는 낮은 증폭 이득과 낮은 입력 잡음의 특성을 살리고, 직후 연결되는 연산증폭기를 이용하여 충분한 이득을 확보하는 구조로 설계하는 것이 저주파 잡음과 증폭 이득 측면에서 유리하다. 여기서 연산증폭기의 잡음 특성이 전치증폭기 전체의 잡음 특성에 미치는 영향을 본 논문의 4장에서 실험을 통해 확인하였다.</p><p>전치증폭단을 통과하며 증폭된 신호는 뒤이어 고역통과필터,절연증폭기, 라인 드라이브 증폭기를 통과하며 추가 이득을 확보하는 구조로 전치증폭기 회로를 설계하였다. 전치증폭기의 동작주파수 대역은 10 \(\mathrm{mHz}\) ~ 1 \(\mathrm{kHz}\)에서 이득 특성이 평탄하도록 설계하였다. 고역통과필터의 차단 주파수는 5 \(\mathrm{mHz}\)로 설계하였고,저역통과 필터의 차단 주파수는 14 \(\mathrm{kHz}\)로 설계하였다. 전치증폭기 이득은 66 \(\mathrm{dB}\), 86 \(\mathrm{dB}\)를 선택할 수 있게 설계하였다. 위에서 설명한 전치증폭기 입력단 회로를 Fig. 1(a)에, 전치증폭기 전체블럭도와 제작된 증폭기사진을 각각 Fig. 1(b)와 1(c)에나타내었다.</p>	[ "전치증폭기 입력단은 증폭기의 무엇을 조절하는가?", "계측 증폭기 소자를 활용한 차동 증폭단 구성은 추가적인 설계가 용이한가?", "증폭기의 전체 잡음이 높을수록 입력단의 잡음지수가 낮아지는가?", "두번째 단의 이득을 낮게 설계하면 전체 잡음에 두번째단의 잡음이 주는 영향을 감소시킬 수 있는가?", "계측 증폭기 소자를 이용한 차동 증폭단 구성의 특성으로 알맞은 것은?", "두 입력 전극에서 입력되는 신호의 차를 증폭하는 기기는?", "전치증폭기 전체 잡음 지수를 나타내는 기호는 무엇인가?", "전치증폭기의 저주파 잡음 성능은 무엇에 의해 결정되는가?", "전치증폭기가 차동 증폭단 구성으로 설계되는 것이 바람직한 이유는?", "두번째 단의 잡음 지수(\\( F_{2} \\))는 몇번째 단의 이득으로 나누어지는가?", "SSM2220 정합트랜지스터는 고잡음 특성이 우수한가?", "연산증폭기에 입력되기 전 전류 및 전압 신호는 어떤 과정을 거치는가?", "전기장센서용 전치증폭기는 차동 증폭단 구성으로 설계되는 것이 권장되는가?", "증폭 이득 측면에서 유리하기 위해서 높은 입력 잡음의 특성을 살려야하는가?", "차동증폭단의 입력단으로 자주 사용되는 소자는 무엇인가?", "계측 증폭기 소자의 저주파 잡음 성능은 어떤 저주파 잡음 성능을 결정하는가?", "전류 및 전압 신호 어디서 증폭되는가?", "저잡음 정합 트랜지스터로 구성된 차동증폭단은 무엇을 구현하기 위해 설계되었는가?", "정합트랜지스터의 특성으로 알맞은 것은?", "정합 트랜지스터 입력단은 낮은 증폭 이득을 위해서 잡음이 높아지는가?", "증폭기의 전체 잡음이 낮아질수록 무엇이 높아지는가?", "낮은 증폭 이득에서 잡음 특성이 우수한 입력단은 무엇인가?", "정합트랜지스터는 몇 쌍의 트랜지스터로 구성되는가?", "전치증폭기 전체의 잡음 특성은 어떤 기기의 잡음 특성과 연관되어 있는가?", "저주파 잡음과 증폭 이득 측면에서 유리하기 위해 어떤 특성을 살리는 단계를 거쳐야 하는가?", "전치증폭기 전체의 잡음 특성은 연산증폭기의 잡음 특성과 무관한가?", "추가 이득을 확보하는 구조의 전치증폭기 회로에서 라인 드라이브 증폭기를 통과하기 전 신호가 통과하는 것은 무엇인가?", "해당 실험에서 이득 특성이 평탄하도록 설계한 대역의 범위는?", "저역통과 필터의 차단 주파수는 5 \\(\\mathrm{mHz}\\)로 설계되었는가?", "절연증폭기, 라인 드라이브 증폭기를 활용하면 어떤 장점이 있는가?" ]
8bd01f73-c475-4ded-b9d2-2e3abc84f516	인공물ED	초퍼 연산증폭기와 다수의 정합 트랜지스터를 이용한 수중 전기장 센서용 저잡음 전치 증폭기 설계	<h1>1. 서 론</h1><p>이종 금속이 전기적으로 연결된 상태에서 전해질에 노출되면 두 금속 간에 전위차가 발생하며, 상대적으로 전위가 낮은 금속표면에서 갈바닉 부식을 야기한다. 이종 금속간 부식 원리는 해수 환경에서 운용되는 함정에도 동일하게 적용된다. 선체 금속과 프로펠러 금속 간에 전위차가 발생하여 부식이 일어나고, 전해질인 해수를 통해 전류 경로가 형성되어 정 전기장(static electricfield)이 수중으로 방사된다. 더욱이, 프로펠러의 회전에 의해 발생되는 축계 전기 저항의 주기적 변화는 부식 전기장 신호의 변조를 야기하여 교류 전기장(alternating electric field) 신호를 생성한다. 이러한 함정 전기장 신호는 수중 전기장 센서를 이용한 함정 탐지 수단으로 활용되고 있다.</p><p>함정 발생 전기장 신호를 탐지하기 위해, 군사 강대국들은 이미 1970년대부터 수중 전기장 센서 개발에 착수하여 현재까지 지속적으로 기술을 발전시켜 오고 있다. 국내에서는 2013년~2019년까지 한국지질자원연구원에서 해저 이상체 탐지를 목적으로 탄소섬유형 전기장센서를 개발한 사례가 있다.</p><p>일반적으로, 수중 전기장 센서는 해수에 노출되어 전기장 신호를 감지하는 전극, 감지된 미약한 전기장 신호를 증폭하는 전치증폭기, 증폭된 신호를 처리하는 신호처리기로 구성된다. 전치증폭기는 수중에서 저속으로 이동하는 표적의 부식 또는 방식 전류에 의한 미약한 전기장 신호를 탐지해야 하므로, 저주파대역(수~수십\(\mathrm{mHz}\))에서 우수한 증폭 잡음 특성이 요구된다. 하지만 일반적인 증폭기에 사용되는 반도체 소자는 저주파 대역에서 플리커 잡음, 드리프트 잡음, 오프셋 잡음 등이 발생하므로 1 \(\mathrm{Hz}\) 이하의 주파수 대역에서 잡음을 낮추는 데에 한계가 있다. 본 논문에서는 초퍼 연산증폭기와 다수의 정합 트랜지스터를 사용하여 1 \(\mathrm{Hz}\) 이하의 주파수 대역에서 신호 증폭기의 자체잡음을 저감시킬 수 있는 수중 전기장센서용 전치증폭기 설계 및 성능 시험 결과에 대해 기술한다.</p>	[ "이종 금속이 전기적으로 연결된 상태에서 전해질에 노출되면 두 금속 간에 무엇이 발생하는가?", "선체 금속과 프로펠러 금속 간에 전위차가 발생하여 부식이 일어나고, 전해질인 해수를 통해 무엇이 형성되어 정 전기장이 수중으로 방사되는가?", "프로펠러의 회전에 의해 발생되는 축계 전기 저항의 주기적 변화는 부식 전기장 신호의 변조를 야기하여 어떤 신호를 생성하는가?", "이종 금속간 부식 원리는 어떤 환경에서 운용되는 함정에도 동일하게 적용되는가?", "함정 발생 전기장 신호를 탐지하기 위해, 군사 강대국들은 이미 몇 년도부터 수중 전기장 센서 개발에 착수하여 현재까지 지속적으로 기술을 발전시켜 오고 있는가?", "함정 전기장 신호는 수중 전기장 센서를 이용한 함정 탐지 수단으로 활용되고 있는가?", "전기적으로 이종 금속이 전해질에 연결된 상태로 노출되면 어떻게 되는가?", "국내에서는 2013년부터 몇 년까지 탄소섬유형 전기장센서를 개발한 사례가 있는가?", "해수 환경에서 운용되는 함정에도 동일하게 적용는 이중 금속간 부식 원리는 어떻게 되는가?", "축계 전기 저항의 주기적 변화는 프로펠러의 회전에 의해 발생하게 되는데 이 때, 교류 전기상 신호가 어떻게해서 생기게 되는 것인가?", "함정 발생 전기장 신호를 탐지하고자 2013~2019년도에 국내의 한국지질자원연구원에서는 어떻게했던 사례가 있는가?", "저주파대역(수~수십\\(\\mathrm{mHz}\\))에서 우수한 증폭 잡음 특성이 필요한 전치증폭기는 이를 통해 어떻게 하기 위함인가?", "1970년대부터 수중 전기장 센서 개발을 군사 강국들이 지금까지 발전시켜 결국 어떻게 하고자 하는 것인가?", "수중 전기장 센서 같은 경우 일반적으로 사용되는 것은 어떻게 구성되어 있는가?", "한국지질자원연구원에서 해저 이상체 탐지를 목적으로 탄소섬유형 전기장센서를 개발한 사례가 있는가?", "저주파대역(수~수십\\(\\mathrm{mHz}\\))에서 우수한 증폭 잡음 특성이 요구되는 증폭기에서는 저주파 대역 반도체 소자가 어떻게 되는 것을 볼 수 있어?" ]
8f752de1-1934-4ee1-917b-076544ae1b55	인공물ED	초퍼 연산증폭기와 다수의 정합 트랜지스터를 이용한 수중 전기장 센서용 저잡음 전치 증폭기 설계	<h1>4. 실험 결과</h1><p>4장에서는 전치증폭기 설계에 적용된 초퍼 연산 증폭기 적용유무, 정합 트랜지스터 적용 유무 및 정합 트랜지스터 개수에따른 자체잡음 특성 시험 결과를 제시하였다. 더불어 제작된 전치증폭기의 출력 범위 및 선형도 시험, 주파수에 따른 이득 및위상 응답특성 시험을 통해 제작된 전치증폭기가 설계 범위 내에서 정상적으로 동작함을 확인하였다.</p><h2>4.1 초퍼 연산 증폭기 적용에 따른 잡음 성능</h2><p>초퍼 연산증폭기는 입력 신호를 증폭하기 전에 저주파 입력신호를 고주파 대역으로 변환하여 증폭하고, 증폭된 고주파 신호를 다시 저주파 신호로 변환한다. 이를 통해 초퍼 연산증폭기는 저주파 대역에서 낮은 플리커 잡음, 드리프트 잡음, 오프셋 잡음을 갖는다. 본 논문에서는 비초퍼 연산증폭기와 초퍼연산증폭기를 이용했을 경우 각각에 대해, 잡음 성능을 측정하고 비교하여 Table 1에 나타내었다. 이 실험을 수행할 때, 정합트랜지스터는 3쌍을 적용하였다. 초퍼 및 비초퍼 연산증폭기로Texas Instruments사의 OPA2189와 OPA2277을 각각 사용하였다.</p><p>실험 결과, 예상대로 초퍼 연산증폭기(OPA2189)를 사용한 경우가 비초퍼 연산증폭기(OPA2277)를 사용한 경우 대비 10\(\mathrm{mHz}\)의 낮은 주파수 대역에서 자체 잡음이 약 70\(\%\) 정도 감소함을 확인하였다.</p><h2>4.2 정합 트랜지스터 적용에 따른 잡음 성능</h2><p>본 절에서는 전치증폭기의 입력단에서 정합 트랜지스터 적용유무에 따른 자체잡음 특성을 시험하였다. 연산 증폭기는 초퍼연산증폭기를 사용하였고, 시험 결과는 Table 2와 같다.</p><p>정합 트랜지스터가 적용된 경우에는 플리커 잡음, 드리프트잡음, 오프셋 잡음 등의 영향으로 저주파에서 잡음이 크고 고주파에서 잡음이 작은 경향을 보인다. 한편, 정합 트랜지스터를 제거한 경우에는 저주파에서 고주파까지 비교적 높고 평탄한 잡음 특성을 보인다. 그 이유는 정합 트랜지스터 적용 시에는 입력단에서 발생하는 저주파 잡음이 큰 반면, 정합 트랜지스터를제거하면 플리커, 드리프트, 오프셋 등 잡음이 사라지고, 초퍼증폭기의 특성인 평탄한 잡음이 10 \(\mathrm{mHz}\)를 포함한 저주파수 대역에서 나타나기 때문이다.</p><p>본 절에서 정합 트랜지스트를 사용하지 않고 초퍼 연산증폭기만 사용하여 제작된 전치증폭기의 자체잡음은 10\(\mathrm{mHz}\)~ 1\(\mathrm{Hz}\)의 주파수 대역에서 \( 8.0 \mathrm{nV} / \sqrt{\mathrm{Hz}} \) 수준으로 OPA2189 데이터시트에서 제공하는 잡음 수준 \( 5.4 \mathrm{nV} / \sqrt{\mathrm{Hz}} \)보다 약 \( 2.6 \mathrm{nV} / \sqrt{\mathrm{Hz}} \) 만큼 높다. 이는 OPA2189 뒤에 연결된 고역통과 필터와 절연증폭기 등에서 유입된 잡음의 영향으로 판단된다.</p><h2>4.3 정합 트랜지스터 개수에 따른 잡음 성능 실험</h2><p>2장에서 설명한 바와 같이, 전기장 신호 차동 증폭을 위해 전치증폭기 입력단에 정합 트랜지스터를 이용한 차동 증폭 회로를 구성하였다. 여기서 정합 트랜지스터를 병렬 연결한다면, 컬렉터 전류를 분산함으로써 잡음을 감소시키고, 분산된 전류 경로 상의 잡음을 상쇄시키는 효과를 얻을 수 있다. 정합 트랜지스터 병렬 쌍 개수에 따른 전치증폭기의 잡음 성능을 비교하여Table 3에 정리하였다.</p><p>시험 결과, 정합 트랜지스터 쌍의 개수가 많아질수록 잡음이 작아지는 것을 확인할 수 있었다. 이는 전류 분산 및 잡음상쇄 효과로 인해 서로 다른 컬렉터 전류 경로 상의 잡음 파워끼리 더해져서 잡음이 서로 상쇄되기 때문이다. 구체적으로,3개의 정합 트랜지스터를 병렬 연결한 경우를 예로 들면, 잡음 전압이 \(x(V)\)라고 할 때, 정합 트랜지스터 3개 병렬 연결을통 해 3개의 전류 경로가 생성되며, 각각의 전류 경로에서 컬렉터 전류가 \(\frac{1}{3}\)로 감소하여 잡음 전압이 약 \(x/3(V)\) 생성된다.잡음은 파워로 더해지므로, 각각의 파워를 더하면 잡음 전압은 \( \sqrt{\left(\frac{x}{3}\right)^{2}+\left(\frac{x}{3}\right)^{2}+\left(\frac{x}{3}\right)^{2}}=\frac{x}{\sqrt{3}} \)이 되어, 잡음이 \( \frac{1}{\sqrt{3}} \)로 감소하는 것을확인할 수 있다. 따라서 전치증폭기의 잡음은 수식 (2)와 같이정합 트랜지스터 쌍의 개수의 제곱근에 비례하는 경향을 보인다. 여기서 \(N\)은 정합 트랜지스터 쌍의 개수이다.</p><p>self noise \( \propto \frac{1}{\sqrt{N}} \)<caption>(2)</caption></p><h2>4.4 출력 범위 및 선형도 시험</h2><p>제작된 전치증폭기의 출력 범위 및 선형도 시험 결과를 Fig.3에 나타내었다. 입력 신호의 전압은 0. 5\(\mathrm{mV}\) ~ 10 \(\mathrm{mV}\), 주파수는1 \(\mathrm{Hz}\)에서출력전압을 측정하였다.시험결과 이득은 66 \( \mathrm{dB} \pm 0.1 \mathrm{~dB} \)임을 확인할 수 있었다. 시험 결과로부터 계산된 선형도는 0.036\(\%\)수준으로, 우수한 선형도를 가짐을 확인할 수 있었다</p><h2>4.5 주파수에 따른 이득 응답 특성</h2><p>제작된 전치증폭기의 주파수에 따른 이득 응답 측정 결과를 Fig. 4에 나타내었다. 이득은 \( 66 \mathrm{~dB} \) 로 설정하였다. 고역통과 필터의 차단 주파수는 \( 5 \mathrm{mHz} \), 저역통과 필터의 차단 주파수는 \( 14 \mathrm{kHz} \) 가 되도록 설계/제작하였다. 시험결과 동작 대역 \( (10 \mathrm{mHz} 1 \mathrm{kHz}) \) 에서 이득 특성이 \( 66 \mathrm{~dB} \pm 0.1 \mathrm{~dB} \) 로 대체로 균일 하며, 차단주파수 \( 5 \mathrm{mHz} \) 인 고역통과필터의 영향을 받아 \( 10 \mathrm{mHz} \) 에서 이득이 약 \( 2 \mathrm{~dB} \) 감소한 것을 확인할 수 있다.</p><h2>4.6 주파수에 따른 위상 응답 특성</h2><p>증폭기의 위상 응답 특성은 파형의 왜곡 정도를 결정하는 요소이다. 제작된 전치증폭기의 위상 응답 측정 결과를 나타내었다. 설계한 동작 대역에서 균일한 위상 응답을 갖는 것을 확인할 수 있다. 또한 동작 대역을 벗어나면 고역 및 저역통과 필터의 영향으로 위상이 급격히 변하는 것을 확인할 수 있다. 10 \(\mathrm{mHz}\)에서 관측되는 다소 급격한 위상 변화는 5 \(\mathrm{mHz}\)의 차단주파수를 갖는 고역통과필터의 영향이다.</p>	[ "입력 신호를 증폭하기 전에 저주파 입력신호를 고주파 대역으로 변환하여 증폭하고, 증폭된 고주파 신호를 다시 저주파 신호로 변환하는 것이 초퍼 연산증폭기인데 이를 통해 저주파 대역에서 어떤 잡음을 갖지?", "초퍼 연산 증폭기 적용유무, 정합 트랜지스터 적용 유무 및 정합 트랜지스터 개수에따른 자체잡음 특성 시험 결과는 어떤 것의 설계에 적용된 것이지?", "제작된 전치증폭기가 설계 범위 내에서 정상적으로 동작함을 확인할 수 있는 방법은?", "초퍼 연산증폭기(OPA2189)를 사용한 경우가 비초퍼 연산증폭기(OPA2277)를 사용한 경우 대비 10\\(\\mathrm{mHz}\\)의 낮은 주파수 대역에서 자체 잡음이 얼마정도 감소하였지?", "정합 트랜지스터가 적용된 경우 플리커 잡음, 드리프트잡음, 오프셋 잡음 등의 영향으로 고주파에서 잡음이 크고 저주파에서 잡음이 작은 경향을 보이지?", "입력 신호를 증폭하기 전에 저주파 입력신호를 고주파 대역으로 변환하여 증폭하고, 증폭된 고주파 신호를 다시 저주파 신호로 변환하는 것은 무엇이지?", "정합 트랜지스터를 제거한 경우에는 저주파에서 고주파까지 어떤 잡음 특성을 보이지?" ]
f9f1d467-144f-49ed-a8b4-af818e9a51d0	인공물ED	초퍼 연산증폭기와 다수의 정합 트랜지스터를 이용한 수중 전기장 센서용 저잡음 전치 증폭기 설계	<h1>5. 결 론</h1><p>본 논문에서는 1 \(\mathrm{Hz}\) 이하의 주파수 대역에서 신호 증폭기의자체 잡음을 저감시킬 수 있는 수중 전기장센서용 전치증폭기설계 및 성능 시험 결과에 대해 기술하였다. 초퍼 연산증폭기와 4쌍의 정합 트랜지스터를 사용하여 제작된 전치증폭기의 자체잡음은 1\(\mathrm{Hz}\)에서는1\( \mathrm{nV} / \sqrt{\mathrm{Hz}} \) 이하, 10\(\mathrm{mHz}\)의 극 저주파수 대역에서는 4\( \mathrm{nV} / \sqrt{\mathrm{Hz}} \) 이하의 매우 낮은 잡음 특성을 보였다. 또한,입출력범위, 주파수에 따른 이득 및 위상 응답특성시험 등을 통해 제작된 전치증폭기가 정상적으로 동작함을 확인하였다.</p>	[ "전치증폭기의 기체잡음과 극 저주파소 대역의 특성을 확인하기 위해 초퍼 연산증폭기와 4쌍으로 이루어진 어떤 것을 사용했나요?", "주파수에 의한 이득, 응답특성시험과 입출력범위를 통해 어떤 것을 제작하고 정상 동작 실험을 했나요?", "수중 전기장센서용 전치증폭기를 만들어 1 \\(\\mathrm{Hz}\\) 이하 주파수 대역에서 어떻게 하는 것을 확인 했나요?", "몇 \\(\\mathrm{Hz}\\) 이하의 주파수 대역에서 신호 증폭기의자체 잡음을 저감시킬 수 있는 수중 전기장센서용 전치증폭기설계 및 성능 시험 결과에 대해 기술하였는가?" ]
05af6d7e-31df-4ffb-a82c-03c3a16c8ae9	인공물ED	초퍼 연산증폭기와 다수의 정합 트랜지스터를 이용한 수중 전기장 센서용 저잡음 전치 증폭기 설계	<h1>3. 실험 구성</h1><p>제작된 전기장센서용 저잡음 전치증폭기의 이득, 자체 잡음등 여러 성능 지표에 대해 전자기 차폐실 내에서 측정 실험을 수행하였다. 전자기 차폐실은 1 \(\mathrm{Hz}\) 이하 저주파 대역에서 외부전자기 잡음을 80 \(\mathrm{dB}\) 이상 차폐할 수 있는 시설로서, 외부 잡음영향을 배제한 상태로 전치증폭기의 자체 잡음을 정밀 측정하기에 적합하다.</p><p>Fig. 2는 실험 구성을 나타낸다. 차폐실 내에서 발생하는 잡음을 최소화 하기 위해, 신호 분석기와 신호 수집/발생기는 차폐실 외부에 위치시켰고, 전자기 차폐실 내에는 전치증폭기만 위치시켰다. 차폐실 내외는 직경 8 \(\mathrm{cm}\)의 개구를 통해 전원 및 신호 케이블로 연결하였다. 신호 발생, 수집, 분석에 사용된 데이터 획득 장비는 24bit analog to digital 분해능을 가지는 Bruel& Kjaer 사의 LAN-XI Type 3160를 사용하였다. 해당 장비는낮은 입력 잡음을 가지고 있어 저잡음 전치증폭기의 자체 잡음시험을 수행하기에 적합하다</p><p>자체 잡음 시험 외에도, 출력 범위 및 선형도 시험, 주파수에따른 이득 및 위상 응답특성 시험을 수행하였다. 각각의 시험결과를 통해 설계된 전치증폭기가 설계 목표 범위 내에서 정상적으로 동작함을 확인할 수 있었다. 잡음 시험을 수행할 때, 전치증폭기의 이득은 86 \(\mathrm{dB}\)로 설정하였고, 출력 범위 및 선형도시험, 주파수에 따른 이득 및 위상 응답특성 시험 시에는 이득을 66 \(\mathrm{dB}\)로 설정하였다.</p>	[ "전자기 차폐실 내에서 이득, 자체 잡음 등 성능 지표에 대해서 측정할 수 있는가?", "외부전자기 잡음을 80 \\(\\mathrm{dB}\\) 이상 1 \\(\\mathrm{Hz}\\) 이하 저주파 대역에서 차폐할 수 있는 시설의 이름은?", "전자기 차폐실에서 어떤 성능 지표를 측정 실험할 수 있는가?", "전치증폭기의 자체 잡음을 정밀하게 측정하기에 전자기 차폐실은 부적합한가?", "저잡음 전치증폭기의 자체 잡음시험을 수행하기에 적합한 기기의 이름은?", "전치증폭기의 수행에 출력 범위 및 선형도는 관련이 없는 영역인가?", "LAN-XI Type 3160는 어떤 데이터 획득 장비인가?", "전치증폭기의 성능 지표를 실험할 수 있는 곳은?", "신호 분석기 및 신호 수집,발생기를 차폐실 외부에 위치시키면 어떤 효과가 있는가?", "LAN-XI Type 3160는 높은 입력 잡음을 가지는가?", "차폐실 내에서 발생하는 잡음은 전치증폭기와 신호분석기의 어떤 특성과 관련이 있는가?", "LAN-XI Type 3160는 어떤 분해능을 가지는가?", "전치증폭기의 자체 잡음시험을 수행하기에 낮은 입력 잡음을 가진 LAN-XI Type 3160는 적합하지 않은가?" ]
873d5e22-fc25-4122-b501-42b805a29d92	인공물ED	비대칭 복합 아이리스에 의해 여기되는 비이격 종방향 션트슬롯	<h1>Ⅲ. 8×1 슬롯배열 안테나의 설계 및 제작</h1> <p>앞서 얻은 제안된 슬롯의 특성을 기반으로 하여 WS-AA의 설계 예로서 \( \mathrm{SLL}=-20 \mathrm{~dB} \)의 \( 8 \times 1 \mathrm{WSAA} \)를 그림 7의 구조로 설계해 보고자 한다. 먼저 특정값 이하의 SLL을 갖도록 복사패턴을 발생시키는 전원분포함수로부터 각 슬롯의 컨덕턴스 \( \left(g_{r i}, i=1,2, \ldots, 8\right) \)를 구한다. 식 (7)을 이용하여 각 슬롯 컨덕턴스 \( g_{r i} \)에 상응하는 \( \mathrm{LI} \)의 폭 \( w_{l} \)를 구한다. \( -20 \mathrm{~dB} \) 부엽준위와 3개의 부엽이 등준위인 복사패턴을 형성하는 테일러 선 분포(Taylor line sour-ce distribution)로부터 얻은 슬롯의 컨덕턴스는 표 2와 같다. 여기서 각 슬롯의 컨덕턴스를 합한 전체 컨덕턴스는 1.988이며, 이는 복사도파관의 중심에서 좌측과 우</p> <table border><caption>2. 배열 슬롯들의 값</caption> <tbody><tr><td>Parameters</td><td>Slot# 1,8</td><td>Slot# 2,7</td><td>Slot# 3,6</td><td>Slot# 4,5</td></tr><tr><td>\( g_{r}\left(\times 10^{-1}\right) \)</td><td>1.216</td><td>1.644</td><td>2.880</td><td>4.200</td></tr><tr><td>\( l_{r}(\mathrm{mm}) \)</td><td>14.98</td><td>15.01</td><td>15.10</td><td>15.20</td></tr><tr><td>\( w_{l}(\mathrm{mm}) \)</td><td>3.52</td><td>3.76</td><td>4.30</td><td>4.68</td></tr><tr><td>\( h_{c}(\mathrm{~mm}) \)</td><td>3.38</td><td>3.58</td><td>4.02</td><td>4.34</td></tr></tbody></table> <p>측 도파관 슬롯들에 의한 반사파를 없애기 위해서 좌측과 우측 슬롯들의 전체 컨덕턴스가 각각 1이 되도록 한 결과이다. WSAA에 적용된 급전부는 비이격 LSS를 활용한 션트-시리즈 도파관 슬롯 커플러를 이용하여 중앙 급전 방식을 채택하였다. 적용된 도파관 슬롯 커플러의 분기도파관에서 좌측과 우측의 위상차는 \( 180^{\circ} \)이기 때문에 각 복사 슬롯에서 동위상이 되도록 급전 도파관을 중심으로 ACI들을 양편으로 교차 배치하였다. 그리고 해당되는 공진 길이 \( l_{r} \)과 \( \mathrm{CI} \)의 높이 \( h_{c} \)는 식 (8)과 (9)를 활용하여 계산할 수 있다. 이렇게 구한 파라미터 값들은 표 2에 제시하였으며, 또한 슬롯 간의 간격을 \( 22.21 \mathrm{~mm} \)로 그림 7과 같이 WSAA를 구성하고, HFSS를 이용하여 복사 패턴을 계산하였으며, 이는 이론적으로 합성한 패턴과 잘 일치하였다.</p> <p>그림 8의 WSAA는 알루미늄으로 제작하였으며, 복사 슬롯들과 결합 슬롯은 고정밀 와이어방전기(Wire Electro Discharge Machine)를 활용하여 가공하였으며, 복사 슬롯들이 있는 도체 상판, 결합 슬롯이 있는 중간판, 도파관 단락종단용으로 위치조절이 가능한 직육면 도체블록 및 도파관의 측벽과 하판에 해당되는 도체 블록들로 구성되며 나사로 조립하였다.</p> <p>안테나는 특성실험을 위해 벡터회로망분석기(Agilent, E8364B)와 동축-도파관 어댑터(Actipass, AWA-90)를 통하여 연결되었다. 이러한 측정 환경은 도파관 포트에서 반사계수를 계산한 모의실험 환경과 다르기 때문에, 그림 9에서 보는 바와 같이 측정값과 시뮬레이션 값은 약간 차이를 보인다. 측정결과, \( S_{11} \)의 \( -10 \mathrm{~dB} \) 대역폭은 약 710 \( \mathrm{MHz}\)이며, 비대역폭(fractional bandwidth)은 약 7.54 \(\%\)이다.</p> <p>그림 10은 중심주파수 \( f_{0}=9.41 \mathrm{~GHz} \)에서 제작된 안테나의 \( \mathrm{H} \)-평면과 \( \mathrm{E} \)-평면의 측정된 복사 패턴과 모의실험 결과를 함께 보여주고 있다. 그림 \( 10(a)의 \( \mathrm{H}\)-평면에서 제작된 안테나의 첨두이득(Gain)은 \( 14.05 \mathrm{~dBi} \), 부엽준위 SLL는 \( -18.13 \mathrm{~dB},-3 \mathrm{~dB} \) 빔폭(BW)은 \( 10.04^{\circ} \), 최대 교차편파 준위(XPL)는 \( -48.85 \mathrm{~dB} \)이고, 모의실험의 \( \mathrm{Gain}= \) \( 14.52 \mathrm{dBi}, \mathrm{SLL}=-20.27 \mathrm{~dB}, \mathrm{BW}=10.01^{\circ}, \mathrm{XPL}=-50.61 \mathrm{~dB} \) 등의 결과치와 잘 일치하며, 종래의 종방향 슬롯배열 안 테나의 \( \mathrm{XPL}=-34.18 \mathrm{~dB} \) 에 비해서 약 \( 15 \mathrm{~dB} \) 정도 우수하 다. 그림 \( 10(\mathrm{~b}) \) 의 \( \mathrm{E} \)-평면에서 \( \mathrm{BW}=134.11^{\circ}, \mathrm{XPL}=-64.26 \) \( \mathrm{dB} \) 의 성능을 갖는다. 안테나 이득의 경우, 측정 값과 모 의실험 값 사이에는 약 \( 0.47 \mathrm{~dB} \) 정도 차이가 있다. 이것은 모의실험에서는 고려되지 않은 안테나에 연결되어 있는 도파관-동축 어댑터의 삽입손실에 기인된 것으로 판단되 며, \( \mathrm{H} \)-평면 복사패턴의 부엽의 형상이 다소 차이가 있는</p>	[ "배열 슬롯들의 값의 표를 보면 Parameters가 \\( g_{r}\\left(\\times 10^{-1}\\right) \\)일 때, Slot# 3,6 값은 얼마 입니까?", "배열 슬롯들의 값의 표를 보면 Slot# 1,8에서 가장 작은 값을 가지는 파라미터는 어떤거야?", "배열 슬롯들의 값을 나타내는 표를 보면 Slot# 3,6에서 가장 큰 값을 가지는 파라미터는 무엇입니까?", "배열 슬롯들의 값의 표를 보면 Slot# 1,8과 Slot# 3,6을 비교 했을 때, \\( g_{r}\\left(\\times 10^{-1}\\right) \\)가 더 작은 것은 무엇입니까?", "배열 슬롯들의 값의 표에서 가장 큰 결과 값을 가지는 것은 어떤 슬롯입니까?", "배열 슬롯들의 값의 표에서 Slot# 4,5가 15.20의 값을 가지는 파라미터는 어떤 것입니까?" ]
ce07b710-3270-4091-9977-5607721757bb	인공물ED	비대칭 복합 아이리스에 의해 여기되는 비이격 종방향 션트슬롯	<h1>Ⅱ. 제안 도파관 슬롯의 구조 및 공진 특성</h1> <h2>2-1 구조 소개</h2> <p>그림 1은 본 논문에서 제안하는 도파관 슬롯 구조를 도시한 것으로 복사 슬롯과 비대칭 복합 아이리스(Asymme-tric Compound Iris: ACI)으로 구성되며, ACI는 복사 슬롯의 중심 아래에 위치한다. 복사 슬롯은 구형 도파관의 광벽(W/G broad wall) 중심에 위치하고, 도파관의 길이 방향으로 길게 나 있는 좁은 종방향 슬롯(longitudinal slot) 형상이며, 슬롯은 길이 \( l_{s} \), 폭 \( w_{s} \) 이다.</p> <p>ACI는 비이격 LSS의 중심 아래에 배치된 L자 모양의 두께가 얇은 판재 구조물로서 주 도파관의 횡단면 상에 배치된다. 이와 같은 불연속 구조가 발생시키는 고차모드의 임피던스 특성을 고려하여 ACI의 세로획을 용량 성분 아이리스(C-type Iris: CI), 가로획을 유도 성분 아이리스(L-type Iris: LI) 부분으로 나누어, 각 치수를 그림 1(b)에 도시하였다. LI의 폭 \( w_{l} \)를 조정하여 자유공간으로 결합되는 복사량을 조절할 수 있으며, CI는 LI에 의한 유도 성분을 자신의 용량 성분으로 상쇄시켜 즉, ACI를 공진시켜줌으로써 입사 전력이 슬롯을 통하여 자유공간으로 복사될 때 도파관에서 투과전력의 위상변화를 최소화할 수 있다.</p> <h2>2-2 산란 계수 및 T-회로망 등가 회로</h2> <p>제안된 비이격 LSS 구조의 반사, 투과, 복사 특성을 살펴보자. 먼저 산란계수를 구하고자 중심 주파수 \( 9.41 \mathrm{~GHz} \)에서 자유공간으로 약 \( -7.4 \mathrm{~dB} \) 복사특성을 가지도록 표 1에 제시된 치수를 기반으로 상용 시뮬레이터(HFSS)를 사용하여 모의실험을 수행하였으며, 그 결과들은 각 포트들로부터 슬롯의 중심까지 de-embedding 처리하였다. 복사 슬롯의 길이 \( l_{s} \)는 \( 15.04 \mathrm{~mm} \)로서 약 \( 0.5\) \( \lambda_{0} \)이다. 여기서 \( \lambda_{0} \)는 자유공간파장으로 주파수 \( 9.41 \mathrm{~GHz} \)에서 \( 31.86 \) \( \mathrm{mm} \)이다.</p> <p>그림 2에 주파수 \( 8.41 \sim 10.41 \mathrm{~GHz} \) 변화에 대한 산란 계수의 모의실험 결과를 제시하였다. 중심주파수 \( 9.41 \mathrm{~GHz} \)에서 급전 도파관 내의 반사계수 \( \left(S_{11}\right) \)와 투과계수 \( \left(S_{21}\right) \)는 크기가 \( -19.66 \mathrm{~dB} \)와 \( -0.94 \mathrm{~dB} \)이며, 위상은 \( -169.84^{\circ} \)과 \( 1.20^{\circ} \)이다. \( S_{21} \)의 위상이 해석주파수 대역에서 거의 \( 0^{\circ} \)인 것은 입사전력이 도파관 내부에서 제안된 슬롯을 거쳐 투과될 때 위상 변화가 거의 없음을 나타낸다. 또한, 도파관의 입력단(포트 1)으로 \( 1 \mathrm{~W} \)가 입사되고 무손실 소자라고 가정하면, 자유공간으로 복사 전력은 \( 0.1838 \mathrm{~W} \)로서 \( -7.36 \mathrm{~dB} \)이다. 이 결과로부터 ACI에 의하여 급전되는 비이격 LSS는 션트 복사 슬롯으로 동작함을 확인할 수 있다.</p> <p>본 논문에서 제안된 비이격 LSS에 대한 2 포트 등가회로는 그림 3에 제시된 T-형 회로망이다. 회로에서 정규화된 직렬 임피던스 \( z_{s} \)와 정규화된 병렬 어드미턴스 \( y_{s} \)는</p> <table border><caption>1. 제안된 도파관 슬롯의 치수</caption> <tbody><tr><td>Parameters</td><td>\(\mathrm{a}\)</td><td>\(\mathrm{b}\)</td><td>\( a_{1} \)</td><td>\( b_{1}, w_{i} \)</td><td>\( l_{s} \)</td></tr><tr><td>Values(mm)</td><td>22.86</td><td>10.16</td><td>8.0</td><td>1.0</td><td>15.04</td></tr><tr><td>Parameters</td><td>\( w_{s} \)</td><td>\( h_{l} \)</td><td>\( w_{l} \)</td><td>\( h_{c} \)</td><td>\( w_{c} \)</td></tr><tr><td>Values(mm)</td><td>2.0</td><td>10.16</td><td>4</td><td>3.81</td><td>12.86</td></tr></tbody></table> <p>다음 관계식으로부터 계산할 수 있다.</p> <p>\( z_{s}=\frac{1+S_{11}-S_{21}}{1-S_{11}+S_{21}} \)<caption>(1)</caption></p> <p>여기서 \( S_{11} \)과 \( S_{21} \)은 HFSS로 구한 반사계수와 투과계수이다.</p> <p>그림 4는 T-회로망(그림 3)의 \( z_{s} \)와 \( y_{s} \)를 주파수의 함수로 나타낸 것으로 실수부와 허수부로 각각 분리하였다. 먼저 \( z_{s} \)는 \( y_{s} \)에 비하여 매우 작은 값임을 관찰할 수 있다. 그 이유는 비이격 LSS이 종래의 이격 LSS와 마찬가지로 주 도파관의 축 방향 관 벽 전류에 의한 영향이 미미하기 때문이다. 따라서 제안된 ACI에 의하여 급전되는 비이격 LSS는 전송선로 상에 위치한 하나의 어드미턴스 요소가 된다. 또한, \( 9.41 \mathrm{~GHz} \)에서 \( y_{s} \)의 허수부(susceptan-ce)는 0이 되며, 실수부(conductance, \( g \) )는 0.23로서 최대임을 확인할 수 있는데, 이는 복사 슬롯이 공진하기 때문이다.</p> <p>다음으로 비이격 LSS를 통하여 도파관에서 자유공간으로 복사되는 전력을 계산해 보자. 그림 5는 제안된 비이격 LSS가 공진할 때, 그 등가 회로를 새롭게 도시한 것이다. 이때 포트(port) 1, 2(그림 1)는 완전 정합되어 있고, 입사 전력 \( \left(P_{i n}\right) \)을 \( 1 \mathrm{~W} \) 로 가정하자. \( g \)는 앞서 구한 정규화 공진 컨덕턴스로서 도파관에서 자유공간으로 복사전력 \( \left(P_{r a d}\right) \)과 관련된다. 반면에, 어드미턴스 1은 구형 도파관의 정규화 특성 어드미턴스로서 포트 2로의 투과 전력 \( \left(P_{t r a}\right) \)과 관련된다. \( P_{r e f} \)는 복사 슬롯과 ACI에서 포트 1으로의 반사 전력이다.</p> <p>그림 5의 등가 회로를 참고하여 투과, 복사 전력을 구하면 식 (3), (4)와 같이 표현되고, 식 (5)의 관계를 만족한다. 또한, 정규화 공진 컨덕턴스 \( g \)는 식 (6)과 같이 결합 전력과 투과 전력의 비로서 주어짐을 확인할 수 있다. 한 예로서 표 1에 제시된 설계 치수로 모의 실험한 결과(그림 2, 그림 4)로부터 주파수 \( 9.41 \mathrm{~GHz} \)에서 식 (3)~(6)를 활용하여 계산하면 \( P_{r e f}=0.0108 \mathrm{~W}, P_{\text {tra }}=0.8042 \mathrm{~W}, P_{\text {rad }}= \) \( 0.1850 \mathrm{~W}, g=0.23 \)이며, 앞에서 산란계수 \( \left(S_{11}, S_{21}\right) \)를 활용하여 구한 복사전력 \( (0.1838 \mathrm{~W}) \)과 비교하면 거의 유사하며 약 \( 0.65\) \(\% \) 정도의 오차가 발생한다.</p> <p>\( P_{t r a}=\left(1-\left\|S_{11}\right\|^{2}\right) \cdot \frac{1}{1+g} \)<caption>(3)</caption></p> <p>\( P_{r a d}=\left(1-\left\|S_{11}\right\|^{2}\right) \cdot \frac{g}{1+g} \)<caption>(4)</caption></p> <p>\( P_{i n}=P_{r e f}+P_{t r a}+P_{r a d} \)<caption>(5)</caption></p> <p>\( g=\frac{P_{r a d}}{P_{t r a}} \)<caption>(6)</caption></p> <p>복사 슬롯을 정규화 공진 컨덕턴스 \( g \)로 표현하면, 평면 도파관 종 방향 슬롯 배열 안테나에서 \( \mathrm{H} \)-면 빔 성형을 위한 개구면 전력 분포 설계 및 임피던스 정합이 용이하다.</p>	[ "제안된 도파관 슬롯의 치수중 \\(\\mathrm{a}\\)의 Values(mm)는 얼마야?", "제안된 도파관 슬롯의 \\(\\mathrm{a}\\)의 Parameters는 무엇이야?", "제안된 도파관 슬롯의 치수의 \\( l_{s} \\)의 Values(mm)의 값은 얼마야?", "표1에서 \\(\\mathrm{a}\\)의 Values(mm)값은 얼마야?", "\\( a_{1} \\)의 제안된 도파관 슬롯의 Values(mm)의 치수는 무엇이야?", "제안된 도파관 슬롯의 치수에서 \\( b_{1}, w_{i} \\)의 Values(mm)값은 얼마지?", "제안된 도파관 슬롯의 치수에서 \\(\\mathrm{b}\\)의 Values(mm)는 뭐지?", "표1에서 \\(\\mathrm{b}\\)의 도파관 술롯의 치수는 무엇이야?", "제안된 도파관 슬롯의 치수에서 \\( b_{1}, w_{i} \\)의 Values(mm)값은 뭐야?" ]
11a9c1f5-ef27-425a-9655-94d65ad73814	인공물ED	능동전력필터의 기준신호발생을 위한 개선된 적응예측필터의 성능 분석	<h1>5. 개선 전·후의 성능검증</h1><p>개선 전과 후의 기준신호발생기의 성능을 비교하기 위해 MATLAB에 의한 시뮬레이션을 통해 정상상태의 파형과 그 때 필터계수의 주파수특성을 분석하였다. 시뮬레이션 경험에 의해 20초를 정상상태로 간주하였다. 표 1은 성능비교를 위해 입력신호로 사용된 부하전류의 기본파와 고조파별 함유량(\( \% \))을 나타낸 것이다.</p><table border><caption>표 1 부하전류 가정신호의 각 주파수 성분</caption><tbody><tr><td>차수</td><td>크기[\( \% \)]</td></tr><tr><td>기본파</td><td>100</td></tr><tr><td>5고조파</td><td>22.6</td></tr><tr><td>7고조파</td><td>10.5</td></tr><tr><td>11고조파</td><td>7.3</td></tr><tr><td>13고조파</td><td>4.7</td></tr></tbody></table><p>표 1의 기본파와 고조파들로 구성된 부하전류의 파형은 그림 6 (a)와 같다. 이 신호를 기반으로 개선 전◦후의 기준신호발생기의 기본파를 20초 동안 시뮬레이션 하여 분석을 실시하였다.</p><p>그림 6의 (b)와 (c)는 부하전류가 개선 전 기준신호 발생기에 통과하였을 때 발생하는 적응예측필터의 출력과 필터계수의 주파수응답을 나타낸다. 시뮬레이션 시간 약 1 초 동안은 그림 6의 (b)와 (C)에서 보여 지는 것과 같이 고조파 함유율이 대단히 낮은 신호를 발생하고 기준신호발생기가 잘 동작하는 것처럼 보여 진다.</p><p>그림 7은 20초 동안 진행된 시뮬레이션 결과를 보여주는데 심한 왜곡이 진행됐음을 알 수 있고 이것은 기준신호발생기가 더 이상 제대로 동작하지 않음을 의미하며, 이 결과는 필터계수의 주파수 웅답을 통해 더욱 확실히 알 수 있다.</p><p>그림 8은 부하전류를 개선된 기준신호발생기에 통과하였을 때 발생하는 적응예측필터의 출력과 필터계수의 주파수응답을 나타낸다. 그리고 표 2는 출력신호의 각 주파수 성분의 비율을 표시하였다. 시뮬레이션은 동등한 비교를 위해 20초 동안 실시하였다. 이 결과를 통해 적응예측필터 출력신호가 고조파 함유율이 대단히 낮음을 알 수 있고 적응예측필터가 위상지연 보상을 하는 대역통과필터로 최적화되어 동작함을 확인할 수 있다.</p><table border><caption>표 2 출력 신호의 각 주파수 성분</caption><tbody><tr><td>차수</td><td>크기[\( \% \)]</td></tr><tr><td>기본파</td><td>100</td></tr><tr><td>5고조파</td><td>0.53</td></tr><tr><td>7고조파</td><td>0.245</td></tr><tr><td>11고조파</td><td>0.1</td></tr><tr><td>13고조파</td><td>0.075</td></tr></tbody></table><p>그림 9는 부하 변동 시 개선된 기준신호발생기의 동작을 확인하기 위해 실시한 시뮬레이션 결과이다. 고조파가 함유된 입력신호를 0.303초에 \( 20 \% \) 또는 \( 40 \% \) Step 증가시키고 다시 0.395초에 원래 크기로 Step 감소하도록 기준신호발생기에 입력하였을 때 기준신호발생기 내부의 적응예측필터 출력을 나타낸 것이다. 개선된 기준신호발생기는 부하 Step 변동 시에 피크값 검출블록의 지연요소에 의해 1주기의 과도상태가 존재하지만 1주기 후에는 정상 동작함을 알 수 있다.</p>	[ "표 1에서 7.3의 크기를 보인 고조파는 이름이 뭐야?", "정상상태의 파형과 필터계수의 주파수 특성을 분석하려면 어떻게 모의실험을 해야돼?", "실험에서 20초는 경험에 의해 어떻게 여겨졌어?", "표 1에서 크기가 5이하인 것은 어느 고조파인가?", "고조파가 함유된 입력신호를 어떻게 기준신호발생기에 입력했어?", "표 1에서 5고조파보다 크기가 큰 차수는 어느 항목이야?", "개선시킨 기준신호발생기는 부하 Step 변동 시, 결과가 어떻게 나왔어?", "출력 신호의 각 주파수 성분을 나타낸 표에서 크기가 가장 큰 것은 어느 차수인가?", "표 2에서 5고조파보다 크기가 큰 값은 얼마인가?", "부하전류 가정신호의 22.6퍼센트를 차지하는 건 어느 차수야?", "기준신호발생기의 기본파에 시뮬레이션을 얼마동안 진행했어?", "13고조파는 주파수 크기가 몇퍼센트야?", "11고조파의 크기는 몇인가?", "표 2에서 가장 작은 크기값은 어느 차수인가?", "0.245퍼센트의 크기를 나타낸 고조파는 이름이 뭐야?" ]
2ba65f6e-090a-4e7a-beb0-de2acd5c119c	인공물ED	10 V 이하의 프로그래밍 전압을 갖는 \(Ta_{2}O_{5}/SiO_{2}\)로 구성된 안티휴즈 소자	<p>표 1은 \( \mathrm{SiO}_{2} \) 및 \( \mathrm{Ta}_{2} \mathrm{O}_{5} \)로 구성된 단층 및 이층 절연물에 대한 전기적 특성을 비교 조사하기 위해 제조된 각 구조들을 나타내고 있다. 단층 및 이층절연물의 두께는 약 \( 300 \text{\AA} \)으로 동일하였다. 이층 절연물에서 \( \mathrm{Ta}_{2} \mathrm{O}_{5} \)와 \( \mathrm{SiO}_{2} \)는 각각 \( 150 \text{\AA} \)의 두께를 가졌다.</p> <table border><caption>표 1. 제조된 금속층간 절연물의 구조</caption> <tbody><tr><td>Samples</td><td>Structures</td></tr><tr><td>I</td><td>\( \mathrm{Al} / \mathrm{SiO}_{2} \)\( (300 \text{\AA}) \)/\( \mathrm{TiW} \)</td></tr><tr><td>II</td><td>\( \mathrm{Al} / \mathrm{Ta}_{2} \mathrm{O}_{3} \)\( (300 \text{\AA}) \)/\( \mathrm{TiW} \)</td></tr><tr><td>III</td><td>\( \mathrm{Al} \)/\( \mathrm{SiO}_{2} \)\((150 \text{\AA}) \)/\( \mathrm{Ta}_{2} \mathrm{O}_{5} \)\( (150 \text{\AA}) \)/\( \mathrm{TiW} \)</td></tr><tr><td>IV</td><td>\( \mathrm{Al} \)/\( \mathrm{Ta}_{2} \mathrm{O}_{5} \)\((150 \text{\AA}) \)/\( \mathrm{SiO}_{2} \)\( (150 \text{\AA}) \)/\( \mathrm{TiW} \)</td></tr></tbody></table> <p>그림 6 은 표 1의 각 시료에 대한 누설전류값을 \( 0-8 \mathrm{V} \) 인가전압법위에서 각각 나타내고 있다. 시료 I의 단층 \( \mathrm{SiO}_{2} \)에서는 매우 적은 누설전류가 흐르는 반면, 시료 II의 단층 \( \mathrm{Ta}_{2} \mathrm{O}_{5} \)에서는 매우 많은 누설전류가 흐르고 있다. 두 절연물의 배열을 다르게 구성한 시료 III과 IV에서 누설전류 경향은 많은 차이가 발생한다. 즉, 시료 IV 인 \( \mathrm{Ta}_{2} \mathrm{O}_{5} / \mathrm{SiO}_{2} \) 경우에는 시료 I 과 비슷한 범위의 적은 누설전류가 나타났으며, 시료 III 인 \( \mathrm{SiO}_{5} / \mathrm{Ta}_{2} \mathrm{O}_{5} \) 경우에는 시료 IV에 비해 많은 누설전류가 나타났다. 이러한 소자의 구조 배열변화에 따른 전기적 특성변화는 금속과 절연막의 계면상태에 의존하게 된다. 하층금속인 \( \mathrm{TiW} \) 는 융점이 높고, 열팽창계수가 낮아 절연물과의 계면상태가 안정된 반면 상층금속인 \( \mathrm{Al} \)은 융점이 낮고 절연물로의 확산이 쉽게 일어나기 때문에 절연물과의 계면상태가 불안정하게 된다. 시료 III의 경우에는 \( \mathrm{SiO} \) 와 \( \mathrm{Al} \) 의 계면 상태의 불안정으로 인해 금속층간 이층 절연물의 물성은 악화되어 제조된 소자의 누설 전류가 많이 나타났다. 표 2 에 제조된 각 시료에 대한 비유전율 및 절연파괴 전계강도값을 나타냈다. \( \mathrm{Ta}_{2} \mathrm{O}_{5} \) 는 \( \mathrm{SiO}_{2} \)에 비해 약 4 배정도의 비유전율을 가졌다. 일반적으로 알려진 \( \mathrm{Ta}_{2} \mathrm{O}_{5} \) 의 비유전율은 22-28로 매우 높다. 시료 III과 시료 IV는 상,하층 절연물의 배치에 상관없이 거의 비슷한 비유전율을 가졌다. 안티휴즈는 신호지연이 없는 빠른 구동을 위해 커패시턴스가 낮아야 하므로 충간절연물은 비유전율이 낮은 것이 바람직하다. 시료 III 및 IV의 평균 절연파괴 전계 강도는 시료 I 인 \( \mathrm{SiO}_{2} \) 보다는 낮게 나타났으나 시료 II인 \( \mathrm{Ta}_{2} \mathrm{O}_{5} \) 보다는 높게 나타났다.</p> <table border><caption>표 2. 각 시료에 대한 비유전율과 절연파괴 전계 강도</caption> <tbody><tr><td>Samples</td><td>Dielectric constant</td><td>Dielectric breakdown field strength(\( \mathrm{MV}/\mathrm{cm} \))</td></tr><tr><td>Ⅰ</td><td>3.72</td><td>9.44</td></tr><tr><td>II</td><td>15.41</td><td>4.01</td></tr><tr><td>III</td><td>7.74</td><td>5.20</td></tr><tr><td>IV</td><td>7.55</td><td>5.78</td></tr></tbody></table>	[ "샘플 I에서 \\(\\mathrm{SiO}_{2} \\)층의 두께는 얼마인가?", "샘플 Ⅰ에서 비유전율 값은 얼마야?", "비유전율 값은 샘플 Ⅰ에서 어떤 값을 가지지", "비유전율이 샘플 III과 차이가 가장 적은 샘플은 어느거니?", "어떤 샘플이 비유전율 값이 가장 큰가?", "비유전율 값이 가장 적은 샘플은 어느거야?", "III 샘플에서 \\(\\mathrm{Ta}_{2} \\mathrm{O}_{3} \\)층의 두께는 얼마니?", "IV 샘플과 2층과 3층의 순서가 반대인 샘플은 무엇이니?", "절연파괴 전계 강도는 어떤 단위를 쓰나?", "I 샘플의 절연물은 어떤 구조를 가지나?", "\\(\\mathrm{SiO}_{2} \\)층이 가장 두꺼운 샘플은 뭐니?", "\\(\\mathrm{SiO}_{2} \\)층의 두께가 III과 같은 샘플은 어떤거니?", "I과 층의 수가 같은 샘플은 무엇이니?", "가장 두꺼운 \\(\\mathrm{Ta}_{2} \\mathrm{O}_{3} \\)층을 가진 샘플은 어떤거야?", "절연파괴 전계 강도이 최고값을 가지는 샘플은 어떤걸까?", "샘플 III 절연파괴 전계 강도값은 얼마니?", "어떤 샘플의 절연파괴 전계 강도 값이 가장 적어?", "\\(\\mathrm{SiO}_{2} \\)층이 없는 구조물은 어느 샘플인가?", "샘플 III과 가장 가까운 절연파괴 전계 강도값은 얼마야?" ]
a66b6bee-18d7-4bbe-8951-25a5cebb67b0	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<h2>3. 실험 및 분석</h2><p>PC의 실험환경은 Microsoft Windows 10 Home, \(3.2 \mathrm{GHz}\) CPU \(8.00 \mathrm{GB}\) RAM에서 Microsoft Visual Studio 2017을 사용하였다.</p><h3>가. 이론모델 검증 실험</h3><p>먼저 확률적으로 분석하여 수립한 ET-MR 소수검사법과 ET-MR-MR 안전소수검사법의 수행시간 예측모델이 정확한지를 검증하였다. 이를 위해, 임의의 \( k \)와 \( n \)에 대해 예측수행시간을 계산하고 실제 수행시간을 측정하여 두 시간을 비교하였다.</p><p>ET-MR 소수검사법의 실험은 \( n=128 \mathrm{bit} \)이고 \( k=8 \)일 때와 \( n=512 \mathrm{bit} \)이고 \( k=64 \)일 때, 소수 10,000개를 생성하는데 걸리는 시간을 측정하고 평균을 구하였다. 다음 표는 ET-MR의 실제측정시간과 예측실행시간을 비교한 것이다.</p><p>비교결과, 오차율이 각각 \( 2.41 \% \)와 \( 3.21 \% \)로 나와 ET-MR의 수행시간 예측모델이 확률적으로 잘 분석되었음을 확인하였다.</p><p>ET-MR-MR 안전소수검사법의 실험은 \( n=128 \mathrm{bit} \)이고 \( k=8 \)일 때와 \( n=512 \mathrm{bit} \)이고 \( k=64 \)일 때, 각각 안전소수를 생성하여 수행시간을 평균을 구하였다. 다음 표는 ET-MR-MR의 실제측정시간과 수행시간 예측모델에 의한 예측실행시간을 비교한 것이다.</p><p>비교결과 오차율이 각각 \( 1.91 \% \)와 \( 1.38 \% \)로 나와 ET-MR-MR이 수행시간 예측모델이 잘 수립되었음을 확인하였다.</p><h3>나. 기존 조합소수와의 성능비교</h3><p>기존의 대표적인 조합소수검사법인 TD-MR, DT-MR과 ET-MR의 수행시간을 이론모델을 이용하여 비교하였다.</p><table border><caption>표 4. TD-MR, DT-MR, ET-MR의 수행시간비교</caption><tbody><tr><td>\(k\)</td><td>TD-MR (\(ms\))</td><td>DT-MR (\(ms\))</td><td>ET-MR (\(ms\))</td></tr><tr><td>16</td><td>151.56</td><td>151.54</td><td>150.31</td></tr><tr><td>64</td><td>110.44</td><td>109.76</td><td>108.44</td></tr><tr><td>256</td><td>89.18</td><td>86.29</td><td>84.90</td></tr><tr><td>512</td><td>83.57</td><td>78.09</td><td>76.68</td></tr><tr><td>991</td><td>81.60</td><td>71.69</td><td>70.25</td></tr><tr><td>1,229</td><td>81.84</td><td>69.84</td><td>68.40</td></tr><tr><td>2,048</td><td>84.72</td><td>65.84</td><td>64.38</td></tr><tr><td>4,096</td><td>96.09</td><td>61.14</td><td>59.66</td></tr><tr><td>12,381</td><td>148.84</td><td>58.46</td><td>53.47</td></tr></tbody></table><p>\( n=512 \mathrm{bit} \)에서 실험결과, \( k \)가 64 보다 작을 때는 TD-MR, DT-MR, ET-MR의 수행시간이 비슷하였으나 \( k \)가 64보다 커지면 TD-MR이 3개의 방법 중에 가장 느리고, ET-MR이 3개의 방법 중에 가장 빨랐다. TD-MR이 가장 빨랐을 때는 \( k=991 \)일 때, \( 81 \mathrm{ms} \)였으며 ET-MR이 가장 빨랐을 때는 \( k=12,381 \)일 때, \( 53 \mathrm{ms} \)였다. ET-MR의 수행시간이 가장 빨랐을 때와 TD-MR의 수행시간이 가장 빠른 때를 비교하면, ET-MR이 TD-MR보다 \( 34.5 \% \) 빨랐으며, DT-MR보다 \( 8.5 \% \) 빨랐다.</p><p>\( n=512 \mathrm{bit} \)에서의 TD-MR, DT-MR, ET-MR의 메모리 사용량을 비교하였는데, \( k \)개 소수로 나누어지지 않는 난수를 알기 위해 필요한 메모리공간을 계산하였다. 즉 TD-MR은 \( k \)개의 소수를 저장하는 메모리공간을 계산하였고, DT-MR과 ET-MR은 \( k \)개의 소수로 나누어지지 않는 난수들을 저장하는 데 필요한 공간을 계산하였다.</p><table border><caption>표 5. TD-MR, DT-MR, ET-MR의 메모리 사용량 비교</caption><tbody><tr><td>\(k\)</td><td>TD-MR(bit)</td><td>DT-MR(bit)</td><td>ET-MR(bit)</td></tr><tr><td>16</td><td>256</td><td>817</td><td>8,725</td></tr><tr><td>64</td><td>1,024</td><td>817</td><td>6,295</td></tr><tr><td>256</td><td>4,096</td><td>817</td><td>4,928</td></tr><tr><td>512</td><td>8,192</td><td>817</td><td>4,451</td></tr><tr><td>991</td><td>15,856</td><td>817</td><td>4,078</td></tr><tr><td>1,229</td><td>19,664</td><td>817</td><td>3,970</td></tr><tr><td>2,048</td><td>32,768</td><td>817</td><td>3,737</td></tr><tr><td>4,096</td><td>65,536</td><td>817</td><td>3,463</td></tr><tr><td>12,381</td><td>198,096</td><td>817</td><td>3,104</td></tr></tbody></table><p>TD-MR은 \( k \)가 커질수록 더 많은 메모리를 사용하였으며, DT-MR은 고정크기만큼만 필요하고, ET-MR은 \( k \)가 커질수록 더 적은 메모리를 사용하였다.</p><p>\( k=12,381 \) 일 때, TD-MR은 198,096bit를 사용하였 고, DT-MR은 817bit를 사용하였다. ET-MR은 3,104bit를 사용하여 TD-MR의 사용량 대비 \( 1.5 \% \) 정도만 사용하여 \( 98.5 \% \)가 축소되었다. 하지만 DT-MR에 비해 공간을 약 2.7배 더 사용하였다.</p>	[ "k가 64일 때, DT-MR (\\(ms\\)) 검사법으로 진행했을때의 수행시간은 얼마야?", "k가 16일때 가장 빠른 수행시간을 가진 검사법은 무엇이야?", "실험에 사용된 PC의 RAM성능은 몇기가였어?", "실험에 사용된 pc의 CPU사양은 어떻게 돼?", "소수검사법의 실험 측정 시간은 소수 몇개를 생성하는데 걸리는 시간을 측정한것인가?", "ET-MR의 실제측정시간과 예측실행시간의 오차율의 차는 1%미만인가?", "소수검사법과 안전소수검사범의 예측모델의 검증을 위해 한 절차가 뭐야?", "가장 오래걸린 수행시간은 어느 검사법에서 이루어졌어?", "ET-MR은 \\( k \\)가 커질수록 더 많은 메모리를 사용해?", "TD-MR의 수행시간은 K가 991 초과 할때 더욱 빨리지는가?", "안전소수검사법의 실험결과 오차율의 차가 수립확인 범위 내인가?", "k의 값이 상관 없이 ET-MR 검사법의 수행시간이 모두 빠른가?", "세 검사법의 메모리 사용량 비교 측정에서 사용된 n의 설정값은 얼마야?", "ET-MR검사법은 k개의 소수로 나누어지지 않는 난수들을 저장하는데 필요한 공간 계산을 할 수 없는가?", "TD-MR 검사법의 수행시간이 가장 빠를때의 K의 값이 뭐야?", "\\( k=12,381 \\) 일 때, TD-MR이 사용한 메모리 양은 얼마야?", "ET-MR의 수행시간이 가장 빠를 때의 K의 수치가 뭐야?", "ET-MR은 3,104bit를 사용할때 TD-MR의 사용량 대비 몇 프로가 축소 되었는가?", "소수검사법의 비교대상설정값은 2가지의 경우인가?", "세 검사법을 비교했을 때, 평균적으로 가장 수행시간이 빠른 검사법이 뭐야?", "k가 16일 때, TD-MR검사법의 메모리 사용량은 얼마야?", "ET-MR-MR의 실험은 무엇을 생성한 수행시간의 평균을 구한것인가?", "본 비교 실험에서 가장 적은 메모리 사용량을 가진 검사법은 뭐야?", "k가 64이상 일 때, 수행시간이 가장 오래 걸린 검사법이 뭐야?", "TD-MR은 \\( k \\)가 커질수록 메모리 사용량이 감소하는가?", "ET-MR 검사법은 사용량은 축소는 물론 저장하는데 필요한 공간도 다른검사법들에 비해 더 효율적인가?", "가장 빠른 수행시간을 가진 k는 뭐야?", "각 검사법의 비교대상 기준은 무엇인가?", "평균적으로 가장적은 메모리 사용을 한 검사법은 뭐야?", "실험의 오차율을 보았을 때, 예측모델의 분석결과는 잘 이루어졌는가?", "세 검사법이 가장 빨랐을 때를 비교해볼 때, ET-MR 검사법이 가장 빠른가?", "모든 \\( k \\)의 경우에 대해서 ET-MR의 메모리 사용량이 TD-MR 보다 적었는가?", "\\( k=12,381 \\) 일 때, 더 적은 메모리를 사용한 검사법이 뭐야?", "가장 빠른수행시간을 비교했을 때, TD-MR 검사법은 DT-MR검사법보다 빠른가?", "k가 어느 수치 이상일 때, ET-MR의 수행시간 성능이 가장 좋아지는가?", "ET-MR 검사법의 메모리 사용량은 k의 수치가 언제 이상 일 때, TD-MR보다 적어지는가?", "\\( k \\)의 크기에 상관없이 메모리 사용량이 고정인 검사법은 무엇인가?", "세 검사법의 메모리 사용량 비교중 가장많이 사용된 메모리는 얼마야?", "\\( k \\)개의 소수를 저장하는 메모리공간을 계산한 검사법은 뭐야?", "각 세 검사법의 메모리 사용량의 평균은 k가 수치가 무엇일 때, 가장 적었어?" ]
80bcd5b1-1ecd-465d-b960-ad8f513dc617	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<h2>2. 연구내용</h2><h3>가. 오일러체를 이용한 제안방법</h3><p>TD는 난수를 \( k \)개의 소수로 나누어보기 때문에 나눗셈의 횟수가 많으며 DT는 나눗셈의 횟수는 줄였지만 합성수를 여러 번 검사하기 때문에 비효율적이다. 다음 표는 DT에서 중복판단을 하는 예시이다. X는 최초로 합성수임을 판단한 위치이며 D는 X 이후로 합성수로 중복판단한 위치이다. 이와 같이 이미 합성수로 판단한 난수에서도 수차례 중복으로 소수인지 판단하는 과정을 거치게 된다.</p><table border><caption>표 1. DT에서 중복판단하는 예시</caption><tbody><tr><td></td><td>3</td><td>5</td><td>7</td><td>11</td><td>13</td><td>17</td><td>19</td><td>23</td><td>29</td></tr><tr><td>51</td><td>X</td><td>D</td><td></td><td></td><td></td><td>D</td><td></td><td></td><td></td></tr><tr><td>55</td><td>X</td><td>D</td><td></td><td>D</td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>59</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>X</td></tr><tr><td>63</td><td>X</td><td></td><td>D</td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>67</td><td>X</td><td></td><td></td><td>D</td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>71</td><td></td><td>X</td><td>D</td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>75</td><td>X</td><td>D</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>79</td><td>X</td><td></td><td></td><td></td><td>D</td><td></td><td></td><td></td><td></td></tr><tr><td>83</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>87</td><td>X</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td>D</td></tr><tr><td>91</td><td>X</td><td>D</td><td>D</td><td></td><td>D</td><td></td><td></td><td></td><td></td></tr><tr><td>95</td><td></td><td>X</td><td></td><td></td><td></td><td></td><td>D</td><td></td><td></td></tr><tr><td>99</td><td>X</td><td></td><td>D</td><td>D</td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>103</td><td>X</td><td></td><td></td><td></td><td></td><td>D</td><td></td><td></td><td></td></tr><tr><td>107</td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>111</td><td>X</td><td>D</td><td></td><td>D</td><td></td><td></td><td></td><td></td><td></td></tr></tbody></table><p>다음은 오일러체를 이용한 소수검사방법이다.</p><ol type=1 start=1><li>\( n \)개의 자연수를 크기순으로 배열한다.</li><li>판단되지 않은 숫자 중에 가장 작은 수를 선택하고 그 숫자를 소수로 판단한다.</li><li>2번에서 소수로 판단된 숫자의 모든 배수를 합성수로 판단하고 삭제한다.</li><li>모든 수를 판단할 때 까지 2~3번을 반복한다.</li></ol><p>오일러체를 적용하면 이미 합성수로 판단한 난수를 중복검사하지 않아 성능이 향상될 수 있다. 뿐만 아니라 소수 \( p_{i} \) 리스트를 가지고 있지 않아도 되므로 메모리공간도 개선할 수 있다.</p>	[ "TD는 어떤 것을 소수로 나누어 보는가?", "DT는 나눗셈의 횟수는 줄이고 어떤 것을 여러번 검사를 하게 되는가?", "나눗셈의 횟수는 줄이고 어떤 것을 DT가 여러번 검사하게 돼?", "난수를 \\( k \\)개의 소수로 나누어보기 때문에 나눗셈의 횟수가 많은 것은 DT인가요?", "표에서 나타내고 있는 것은 무엇인가?", "합성수로 판단한 난수는 어떤 판단 과정을 처져?", "D는 무엇인가?", "X는 어떤 것을 판단하기 위한 위치인가?", "합성수로 판단한 무엇에서도 소수인지 판단하는 과정을 거쳐?", "오일러체를 적용시 장점은 무엇인가?", "합성수로 판단한 난수를 중복검사하지 않아 성능이 향상이 되며 소수 \\( p_{i} \\) 리스트를 가지고 있지 않아도 되므로 메모리공간도 개선할 수 있는 장점을 가진 것은 무엇인가?", "위 표에서 51의 X는 어디인가?", "다음 표 중 51에서 D를 나타내고 있는 구간은 17과 어디인가?", "다음 표 중 55에서 X를 나타내고 있는 구간은 어디인가?", "다음 표 중 55에서 5구간에서는 어떤 것을 나타내고 있는가?", "다음 표 중 59에서 X를 나타내고 있는 구간은 어디인가?", "어디에서 59에서 X가 나타나지?" ]
1672cc31-5304-4be6-93b1-f4bb4fd85ac7	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<h1>Ⅱ. 본론</h1><h2>1. 기존 연구</h2><h3>가. 소수검사법과 안전소수검사법</h3><p>공개키암호시스템에서 가장 널리 사용되는 RSA 암호 알고리즘은 두 개의 (안전)소수를 곱하여 공개키와 개인키로 사용한다. (안전)소수를 이용하여 공개키와 개인키를 생성하면 악의적인 공격자가 공개키를 소인수분해를 하여 어떤 수가 사용되었는지 알 수는 있다. 하지만, 크기가 매우 큰 수를 소인수분해하는 것은 매우 오랜 시간이 걸리기 때문에 RSA암호 알고리즘에 사용된 (안전)소수를 알아내는 것은 매우 어렵다.</p><p>소수를 생성하기 위해서는 \( n \)-bit 난수 \( r \)을 생성한 다음 소수검사법을 수행하여 검사를 통과하면 \( r \)을 소수로 판단한다. 안전소수를 생성하기 위해서는 \( n \)-bit 난수 \( r \) 을 생성한 다음 \( r \)과 \( (r-1) / 2 \)를 소수검사법으로 검사한다. \( r \)과 \( (r-1) / 2 \)가 모두 소수라고 확인되면 \( r \)을 안전소수로 판단한다.</p><p>이 과정에서 \( n \)-bit 난수 \( r \)을 생성하는데 걸리는 난수생성시간보다 생성된 난수가 소수인지를 검사하는 소수검사시간이 매우 크기 때문에 (안전)소수를 빠르게 생성하기 위해서는 효율적인 소수검사법에 대한 연구가 필요하다.</p><p>난수 \( r \)이 소수인지 판단하는 대표적인 검사방법으로는 Trial Division, Miller-Rabin test, Fermat test, 나눗셈 테이블(division table) 등이 있다. 일반적으로 소수검사의 속도를 향상시키기 위해 두 가지 이상의 검사법을 조합해서 사용한다. 대표적인 조합소수검사법에는 Trial Division과 Miller-Rabin test방식을 조합한 TD-MR 검사법과 GCD 함수와 Miller-Rabin test를 조합한 GCD-MR 검사법, 그리고 나눗셈테이블 방식과 Miller-Rabin test를 조합한 DT-MR검사법등이 있다.</p><h3>나. TD-MR검사법과 TD-MR-MR 검사법</h3><p>TD-MR검사법은 trial division(이하 TD)과 Miller-Rabin test(이하 MR test)를 조합하여 소수를 검사하는 조합소수검사방법으로 상세한 수행과정은 다음과 같다.</p><ol type=1 start=1><li>난수 생성</li><ul><li>\( n \)-bit 난수 \( r \)을 무작위로 생성</li></ul><li>Trial Division 수행</li><ul><li>\( r \)을 \( k \) 개의 작은 소수로 나눔</li><li>한 번이라도 나누어진다면 1로 이동하고 아니라면 3으로 이동</li></ul><li>MR test 수행</li><ul><li>\( r \)을 Miller-Rabin test로 검사</li><li>검사를 통과하면 \( r \)을 소수로 반환하고, 아니라면 1로 이동</li></ul></ol>Maurer는 \( k \)개의 소수를 사용하는 TD-MR검사법의 수행시간을 확률적으로 분석하였다. \( k \)개의 소수를 사용하는 TD-MR검사법의 수행시간은 난수생성시간인 \( T_{r n d}\), \(T D \)의 수행시간인 \( T_{T D} \), MRtest 의 수행시간인 \( T_{M R} \)의 합으로 다음과 같다.</p><p>\[ T=N\left(T_{r n d}+T_{T D}+T_{M R}\right) \]<caption>(1)</caption></p><p>먼저, \( N \)은 \( n \)-bit 소수를 한 개를 생성할 때까지 생성해야하는 난수 \( r \)의 개수로 \( n \ln 2 / 2 \)이고 \( T_{r n d} \)는 난수생성시간으로 \( r \)을 한 개 생성하는데 걸리는 시간이다.</p><p>\( T D \)는 \( r \)을 소수 \( p_{j}\left(p_{1}<p_{2}<\ldots<p_{j}<\ldots<p_{k}, p_{1}\right. \) \( =3 \) )로 나누어보고 나누어지지 않으면 그 다음 소수인 \( p_{j+1} \)로 나누어보는 작업을 모든 \( j \)에 대해 수행한다. \( T_{d} \)를 나눗셈을 한번 수행하는데 걸리는 시간이라고 하면 \( T D \)의 수행시간은 다음과 같다.</p><p>\[ T_{T D}=T_{d}\left\{1+\sum_{i=1}^{k} \prod_{j=1}^{i}\left(1-\frac{1}{p_{j}}\right)\right\} \]<caption>(2)</caption></p><p>수식 (2)에서 \( \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}}\right) \)은 난수 \( r \)이 \( i \)개 소수에 대해 나누어지지 않을 확률이다. \( T_{m r} \)을 MR test를 한 번 수행하는 데 걸리는 시간이라 하면 \( T_{M R} \)는 다음과 같다.</p><p>\[ T_{M R}=T_{m r} \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}}\right) \]<caption>(3)</caption></p><p>따라서 TD-MR의 수행시간은 다음과 같다.</p><p>\[ T=\frac{n \ln 2}{2}\left[\begin{array}{l} T_{r n d}+T_{d}\left\{1+\sum_{i=1}^{k} \prod_{j=1}^{j}\left(1-\frac{1}{p_{j}}\right)\right\}+T_{m r} \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}}\right) \end{array}\right] \]<caption>(4)</caption></p><p>TD-MR-MR검사법은 TD-MR 수행 후 \( (r-1) / 2 \)를 MR test로 수행하며 상세과정은 다음과 같다.</p><ol type=1 start=1><li>난수 생성</li><ul><li>n-bit 홀수 난수 \( r \)을 생성</li></ul><li>Trial Division 수행</li><ul><li>난수 \( r \)을 \( k \)개의 소수로 나눔</li><li>나머지가 0이나 1이 나오면 1로 이동하고, 아니라면 3으로 이동</li></ul><li>MR test 수행</li><ul><li>\(r\)이 MR test를 통과하면 4로 이동하고 아니라면 1로 이동</li></ul><li>MR test 수행</li><ul><li>\( (r-1) / 2 \)가 MR test를 통과하면 안전소수로 반환하고, 아니라면 1로 이동</li></ul></ol><p>Park and Kim은 TD-MR-MR검사법의 수행시간을 확률적으로 분석하였으며 상세 내용은 다음과 같다.</p><p>\[ T=N\left(T_{r n d}+T_{T D}+T_{M R 1}+T_{M R 2}\right) \]<caption>(5)</caption></p><p>이 식에서 \( N \)은 안전소수를 찾을 때까지 난수를 생성해야 하는 횟수로 \( 0.66(n \ln 2 / 2)^{2} \)이다. \( T_{r n d} \)는 이전과 동일하며 \( T_{M R 1} \)과 \( T_{M R 2} \)는 \( r \)과 \( (r-1) / 2 \)에 대한 MR test의 수행시간이다. \( T_{T D} \)는 \( r \)과 \( (r-1) / 2 \)이 모두 \( p_{j} \)에 의해 나누어떨어지지 않아야 하므로 다음과 같이 정리된다.</p><p>\[ T_{T D} =T_{d}\left\{1+\sum_{i=1}^{k} \prod_{j=1}^{i}\left(1-\frac{2}{p_{j}}\right)\right\} \]<caption>(6)</caption></p><p>\( T_{M R 1} \)은 \( r \)과 \( (r-1) / 2 \)이 모두 \( k \)개의 소수로 나누어지지 않아야 하고, \( T_{M R 2} \)는 난수 \( r \)이 소수이면서 \( (r-1) / 2 \)이 \( k \)개의 소수와 서로소여야 하므로 전체 수행시간은 다음과 같이 정리된다.</p><p>\[ T_{m r}\left\{\prod_{j=1}^{k}\left(1-\frac{2}{p_{j}}\right)+\frac{2}{n \ln 2} \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}-1}\right)\right\} \]<caption>(7)</caption></p><p>따라서 \( k \)개의 소수를 이용한 TD-MR-MR의 수행시간은 다음과 같다.</p><p>\[ \begin{array}{l} T= \frac{1}{0.66}\left(\frac{n \ln 2}{2}\right)^{2}\left[T_{r n d}+T_{d}\left\{1+\sum_{i=1}^{k} \prod_{j=1}^{i-1}\left(1-\frac{2}{p_{j}}\right)\right\}\right. \\ \left.+T_{m r}\left\{\prod_{j=1}^{k}\left(1-\frac{2}{p_{j}}\right)+\frac{2}{n \ln 2} \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}-1}\right)\right\}\right] . \end{array} \]<caption>(8)</caption></p>	[ "안전소수를 판단하는 과정에서 n-bit 난수 rr을 생성하는데 걸리는 난수생성시간보다 생성된 난수가 소수인지를 검사하는 소수검사시간이 매우 크기 때문에 (안전)소수를 빠르게 생성하기 위해서는 어떤 검사법에 대한 연구가 필요한가?", "(안전)소수를 알아내는 것이 매우 어려운 것은 RSA암호 알고리즘에서 어떤 것 때문이야?", "RSA암호 알고리즘에 사용된 (안전)소수를 생성하기 위해서는 nn-bit 난수 rr을 생성한 다음 소수검사법을 수행하지 않아도 되는가?", "난수 r이 소수인지 판단하는 대표적인 검사방법으로는 어떤 검사방법이 있는가?", "trial division과 Miller-Rabin test를 조합하여 소수를 검사하는 조합소수검사방으로 T=N(Trnd+TTD+T MR)의 수행과정의 검사법은 무엇인가?", "대표적인 조합소수검사법중에 Trial Division과 Miller-Rabin test방식을 조합한 검사법을 무엇이라 하는가?", "널리 사용되는 RSA 암호 알고리즘 공개키 암호시스템은 작동 방식은 어떻게 되?", "\\( r \\)을 소수로 판단하기 위해 어떠한 방법으로 검사를 해?", "상세한 수행과정의 조합소수검사방법은 어떻게 해?", "\\( r \\)을 안전소수로 판단하기 위한 \\( r \\)과 \\( (r-1) / 2 \\)가 모두 소수라고 확인의 방법은 어떻게 해?", "두 개의 (안전)소수를 곱하여 공개키와 개인키로 사용하는 공개키암호시스템에서 가장 널리 사용되는 암호 알고리즘은 뭐야?", "공개키암호시스템에서 가장 널리 사용되는 RSA 암호 알고리즘은 두 개의 (안전)소수를 곱하여 무슨 키로 사용할수 있을까요?", "대표적인 조합소수검사법중에 나눗셈테이블 방식과 Miller-Rabin test를 조합한 검사법을 무엇이라고 하는가?", "효율적인 소수검사법에 대한 연구가 필요한 것은 널리 사용하는 RSA 암호 알고리즘의 어떠한 절차에 의해 시간이 많이 걸리기 때문이야?" ]
60b5558e-2458-4bcf-98ae-cc97515b86f4	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<h1>Ⅲ. 결론</h1><p>본 논문에서는 오일러체를 적용하여 (안전)소수를 생성하는 ET-MR 소수검사법과 ET-MR-MR 안전소수검사법을 제안하였다. 또한 이들을 확률적으로 분석하여 수행시간을 예측할 수 있는 수행시간 예측모델을 제안하였다. 실험 결과, ET-MR 소수검사와 ET-MR-MR 안전소수검사는 오차율이 각각 \( 4 \% \)미만과 \( 2 \% \)미만으로 확률적 분석이 잘 수행되었음을 확인하였다.</p><p>또한 기존의 (안전)소수검사법인 TD-MR, TD-MR-MR, DT-MR, DT-MR-MR과 성능비교를 하였을 때, 본 논문에서 제안하는 방법이 속도와 공간에서 더 효율적으로 나타났다. 각 알고리즘이 가장 빠를 때를 기준으로 수행시간들을 비교해보면, ET-MR은 TD-MR보다 \(34.5\%\) 더 빨랐으며, DT-MR에 비해 \(8.5\%\) 더 빨랐다. ET-MR-MR은 TD-MR-MR 보다 \( 65.3 \% \) 더 빨랐고, DT-MR-MR과는 비슷하였다. 사용하는 공간의 경우 \( k=12,381 \)일 때 ET-MR이 TD-MR보다 \( 98.5 \% \) 더 적게 사용하지만, DT-MR보다는 더 사용하였다. \( k=65,536 \)일 때 ET-MR-MR이 TD-MR-MR보다 \(98.4\%\) 더 적게 사용하였으며 DT-MR-MR보다 \( 92.8 \% \) 더 적게 사용하였다.</p>	[ "본 논문에서 제안하는 오일러체를 적용한 소수검사법은 무엇인가?", "본 논문에서 제안한 ET-MR 소수검사법의 실험결과 오차율이 얼마였는가?", "\\( 2 \\% \\)미만의 오차율을 보여준 검사는 무엇인가?", "어떤 검사가 \\( 2 \\% \\)미만의 오차율을 보여줬을까?", "본 논문에서 제안한 검사법과 비교한 기존의 소수검사법은 무엇인가?", "각 알고리즘이 가장 빠를 때를 기준으로 수행시간들을 비교해보면, ET-MR은 TD-MR보다 얼마가 더 빠른가?", "각 알고리즘이 가장 빠를 때를 기준으로 수행시간들을 비교해보면, ET-MR은 DT-MR에 비해 얼마나 더 빨랐는가?", "본 논문의 실험결과, ET-MR-MR은 DT-MR-MR과 비교하여 어떤 결과를 보였는가?", "본 논문의 실험결과 ET-MR-MR의 수행시간이 어떤 것 대비 \\( 65.3 \\% \\) 빨랐는가?", "사용하는 공간의 경우 \\( k=12,381 \\)일 때 ET-MR이 TD-MR보다 몇 퍼센트 적게 사용하는가?", "공간에서 \\( k\\) 값이 얼마일때 ET-MR-MR이 TD-MR-MR보다 \\(98.4\\%\\) 더 적게 사용했니?", "실험결과 \\( k=65,536 \\)일 때 ET-MR-MR는 TD-MR-MR보다 몇 퍼센트 적게 사용하였는가?", "실험결과 \\( k=65,536 \\)일 때 ET-MR-MR는 TD-MR-MR보다 몇 퍼센트 적게 이용하였는가?" ]
46f33764-d614-4574-845d-afcabd2f410a	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<h1>I.서론</h1><p>스마트시티, 스마트홈, 5G, AI, IoT 등 최신 트렌 드와 기술을 기반으로 한 초연결사회로 진입함에 따라 네트워크에 연결된 수많은 객체들은 상호간의 암복호(encryption/decryption), 인증(authentication), 전자서명(digital signature) 등을 빈번히 사용하고 있다. 특히 IoT, 스마트 모바일 디바이스 등이 널리 사용됨에 따라 개인정보의 활용과 보호에 대한 관심이 높아지면서 기존의 ID/PW방식의 정보기반 인증 외에도 안면인식, 지문인식 등의 생체인증(biometrics)이나 기지국, AP의 정보를 이용하는 위치인증(Location-based authentication) 등을 사용하거나 이들을 2개 이상 사용하는 멀티팩터 인증(Multi factor authentication)이 이용되고 있다.</p><p>따라서 이종 간 장치들이나 객체들 간의 보안통신을 위해 사용되는 보안키의 개수가 급격히 증가하고 있다. 이에 따라 보안키 유출이나 해킹에 의 한 보안 문제가 지속적으로 발생하고 있으며 이를 해결하기 위해 공개키암호시스템의 사용빈도는 점점 더 높아지고 있다.</p><p>공개키암호시스템은 악의적인 공격으로부터 보안성을 확보하기 위해 크기가 매우 큰 (안전)소수를 사용하는데 하드웨어와 소프트웨어의 성능 이 크게 발전하였음에도 불구하고 크기가 큰 (안전)소수를 생성하는 것은 오랜 시간이 걸린다. 이에 따라 (안전)소수생성에서 수행시간이 가장 오래 걸리는 (안전)소수검사의 시간을 줄이기 위한 연구가 진행되고 있다.</p><p>본 논문에서는 기존의 (안전)소수생성방법을 개선한 ET-MR 소수검사법과 ET-MR-MR 안전소수검사법을 제안하였다. 이 방법들은 오일러체를 이용하여 나눗셈의 횟수와 중복되는 메모리 접근횟수를 줄여 기존 방법보다 효율적으로 작동할 수 있다. 본 논문의 구성은 다음과 같다. 먼저 2장에서 는 (안전)소수 생성 관련 연구를 소개하고 3장에서는 오일러체를 이용하는 제안방법과 수행시간의 확률분석을 소개한다. 4장에서는 실험을 통해 확률 분석의 모델의 정확성을 보인 다음, 기존방법과 제안방법의 성능비교를 수행한다. 5장에서 결론을 맺고 향후 연구방향을 제안한다.</p>	[ "지문인식과 안면인식은 어떤 인증 방식인가요?", "안면인식과 지문인식은 어떠한 인증 방식이야?", "위치인증, 생체 인증 등 인증 방식을 2개 이상 사용하는 방법이 어떻게 돼?", "위치인증, 생체 인증 등 인증 방식을 2개 이상 사용하는 방법은 무엇인가요?", "공개키암호시스템은 보안성을 확보하기 위해 크기가 큰 무엇을 사용하나요?", "하드웨어와 소프트웨어의 성능이 좋아져서 안전소수를 생성하는 것은 간단하지?", "공개키암호시스템에서 사용하는 것은 모두 홀수일까요?", "ET-MR 소수검사법과 ET-MR-MR 안전소수검사법에서 무엇을 이용해 나눗셈의 횟수를 줄일 수 있나요?", "보안키의 개수는 점점 줄어들고 있나요?", "논문에서 제안하는 소수검사법 두가지는 어떻게 돼?", "논문에서 제안하는 소수검사법 두가지는 무엇인가요?", "보안키의 보안 문제를 해결하기 위해 어떤 시스템을 사용하나요?", "어떤 시스템을 사용해 보안키의 보안 문제를 해결하려고 해?" ]
c2b1e8a0-6941-4756-848c-535323c0c3ab	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<h1>요 약</h1><p>IoT 기반의 초연결사회가 되어감에 따라 암호, 인증, 전자서명 등을 위해 RSA와 같은 공개키암호시스템이 빈번하게 사용되고 있다. 공개키암호시스템은 악의적인 공격으로부터 보안성을 확보하기 위해 크기가 매우 큰 (안전)소수를 사용하는데 기기의 성능이 크게 발전하였음에도 불구하고 크기가 큰 (안전)소수생성은 수행시간이 오래 걸리거나 메모리를 많이 요구하는 작업이다. 본 논문에서는 수행시간과 사용공간의 효율을 높이기 위해 오일러체(Euler sieve)를 사용하는 ET-MR 소수검사법과 ET-MR-MR 안전소수검사법을 제안한다. 제안한 검사법을 확률적으로 분석한 수행시간 예측 모델을 제안하고 기존 방법들과 수행시간, 메모리 사용량을 비교하였다. 실험결과, 이론적 예측시간과 실제 수행시간의 차이는 거의 없었으며(\(4\%\)미만) 각 알고리즘이 가장 빠를 때의 수행시간을 비교하면 ET-MR이 TD-MR보다 \( 34.5 \%\), DT-MR보다 \(8.5\%\) 더 빨랐으며, ET-MR-MR이 TD-MR-MR보다 \( 65.3 \% \) 더 빨랐고, DT-MR-MR과는 비슷하였다. 공간의 경우 \( k=12,381 \) 일 때 ET-MR이 DT-MR보다 약 2.7배 더 사용했지만 TD-MR 보다 \( 98.5 \% \) 더 적게 사용하였고 \( k=65,536 \) 일 때 ET-MR-MR이 TD-MR-MR 보다 \( 98.4 \%\), DT-MR-MR보다 \( 92.8 \% \) 더 적게 사용하였다.</p>	[ "수행시간과 사용공간의 효율을 높이기 위한 사용법의 알고리즘은 뭐야?", "어떤 알고리즘이 수행시간과 사사공지의 효율을 높이기 위한 것일까", "보안성 확보를 위해 크기가 큰 소수 사용의 단점은 뭐야?", "무엇이 보안성 확보를 위해 크기가 거대한 소수 사용의 단점일까", "k=65,536 일 때 제일 적게 사용한 검사법은 뭐야?", "k=65,536 일 경우, 제일 적게 사용한 검사법은 뭐야", "RSA와 같은 공개키암호시스템은 주로 전자서명에서 사용해?", "공개키암호시스템은 어떻게 보안성을 확보해?", "어떻게 공개키암호시스템이 안정성을 확보해?", "ET-MR이 TD-MR보다 얼마나 빨랐을까?", "ET-MR이 TD-MR보다 어느 정도 빨라" ]
7f15d98d-1bbe-4694-a2df-2fa9c8f77745	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<h3>다. DT-MR검사법과 DT-MR-MR 검사법</h3><p>나눗셈테이블(Division Table, 이하 DT)은 기존의 TD를 개선한 것으로 순차난수 생성법과 나눗셈 테이블 \( S[i] \)를 사용한다. 다음은 DT-MR검사법의 과정을 설명하고 있다.</p><ol type=1 start=1><li>난수 생성</li><ul><li>\( n \)-bit 난수 \( r_{0} \)을 생성</li></ul><li>DT 수행</li><ol type=1 start=1><li>\( S[i]=0 \)로 초기화, \( r_{0} \)을 \( p_{j} \)로 나누어 \( R \)을 계산</li><li>\( R \)로 \( p_{j} \)로 나누어지는 \( r_{i} \)를 찾아 \( S[i]=1 \)을 저장</li></ol><li>Miller-Rabin test 수행</li><ul><li>\( S[i]=0 \)인 \( r_{i} \)에 대해 차례대로 MR test 수행</li><li>검사를 통과한 \( r_{i} \)을 소수로 반환하고 종료</li><li>MR test를 통과한 \( r_{i} \)가 없다면 1로 이동</li></ul></ol><p>DT는 \( p_{j} \)로 나눌 수 있는 난수들을 쉽게 찾을 수 있는데 왜냐하면 테이블에서 \( p_{j} \)에 의해 나누어지는 난수들은 서로 \( p_{j} \)의 배수만큼 떨어져 있기 때문에 실제로 나누어보지 않고 테이블의 인덱스를 이동하면서 후보에서 제외할 수 있다. 나눗셈 테이블 \( S[i] \)는 길이가 \( S \)인 비트벡터 테이블이다.</p><p>\( k \)개의 소수를 이용하는 DT-MR검사법의 수행시간은 다음과 같다.</p><p>\[ T=N\left(T_{R N D}+T_{T D}+T_{T S}\right)+T_{M R} \]<caption>(9)</caption></p><p>\( N \)은 상수로서 소수를 찾을 때까지 만들어야 하는 테이블의 개수로 아래와 같다.</p><p>\[ N=\frac{1}{1-\left(1-\frac{2}{n \ln 2}\right)^{s}} \]<caption>(10)</caption></p><p>\( T_{T D} \)는 \( r_{0} \)를 \( k \)개의 소수로 나누어보는데 \( T_{d} \)를 나눗셈 시간이라고 하면 \( T_{T D}=k T_{d} \)이다. \( T_{T S} \)는 \( S[i] \)를 0으로 초기화하고 \( p_{j} \)로 나누어지는 \( r_{i} \)를 찾은 다음 해당되는 \( S[i] \)에 1을 저장하는 시간이다. 메모리 접근시간을 \( T_{m} \)이라 할 때, 초기화시간은 \( s T_{m} \)이고 \( S[i] \)에 1을 저장할 확률은 각 \( p_{j} \)에 대해 \( S / p_{j} \)이다. 따라서 메모리에 접근하는 횟수는 \( \left(\sum_{i=1}^{k} \frac{s}{p_{j}}\right) \)이다.</p><p>\( T_{M R} \)은 \( S[i]=0 \)인 \( r_{i} \)에 대해 MR test를 수행한다. \( S[i]=0 \)을 찾는데 걸리는 시간은 \( N s T_{m} \)이고 \( r_{i} \)가 \( k \)개의 소수에 대해 나누어지지 않을 확률은 \( \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}}\right) \)이고 소수를 찾을 때까지 반복해야하므로 \( T_{M R} \)는 다음과 같다.</p><p>\[ T_{M R}=N s T_{m}+T_{m r} \frac{n \ln 2}{2} \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}}\right) \]<caption>(11)</caption></p><p>따라서 나눗셈 테이블을 이용한 순차 난수 생성법의 예측시간은 다음과 같이 정리할 수 있다.</p><p>\[ \begin{aligned} T=& \frac{1}{1-\left(1-\frac{2}{n \ln 2}\right)^{s}}\left\{ T_{r n d}+ k T_{d}+s T_{m}\left(2 + \sum^{k}_{j=1}{\frac{1}{p_{j}}}\right) \right\}\\ &+T_{m r} \frac{n \ln 2}{2} \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}}\right) \end{aligned} \]<caption>(12)</caption></p><p>DT-MR-MR검사법에서 난수 \( r \)은 동일하게 생성하고 \( r_{i} \) 또는 \( \left(r_{i}-1\right) / 2 \)가 \( p_{j} \)로 나누어지면 \( S[i]=1 \)이고 아니면 \( S[i]=0 \)이다.</p><ol type=1 start=1><li>난수 생성</li><ul><li>\( n \)-bit 난수 \( r_{0} \)를 생성</li></ul><li>DT 수행</li><ol type=1 start=1><li>\( S[i]=0 \)로 초기화, \( r_{0} \)을 \( p_{j} \)로 나누어 \( R \)을 계산</li><li>\( R \)로 \( p_{j} \)로 나누어지는 \( r_{i} \)를 찾아 \( S[i]=1 \)을 저장</li></ol><li>MR test 수행</li><ul><li>\( S[i]=0 \)인 \( r_{i} \)에 대해 MR test를 수행</li><li>통과하면 4로 이동, 아니라면 \( S[i]=0 \)인 다음 \( r_{i} \)에 3을 수행, \( S[i]=0 \)인 \( i \)가 없을 경우 1로 이동</li></ul><li>MR test 수행</li><ul><li>\( S[i]=0 \)인 \( \left(r_{i}-1\right) / 2 \)에 대해 \( \mathrm{MR} \) test를 수행</li><li>통과하면 \( r_{i} \)를 안전소수로 반환 후 종료,</li><li>아니라면 \( S[i]=0 \)인 다음 \( r_{i} \)에 대해 3으로 이동</li></ul></ol><p>DT-MR-MR 검사법의 수행시간을 확률적으로 분석한 전체수행시간은 다음과 같다.</p><p>\[ T=N\left(T_{R N D}+T_{T D}+T_{T S}\right)+T_{M R 1}+T_{M R 2} \]<caption>(13)</caption></p><p>\( T_{R N D} \)와 \( T_{T D} \)는 DT-MR 검사법과 동일하다. \( S[i] \)에 1을 저장할 확률은 각 \( p_{j} \)에 대해 \( S / p_{j} \)이고 \( r_{i} \)와 \( \left(r_{i}-1\right) / 2 \)에 대해 수행하므로 \( 2 \mathrm{~S} / p_{j} \)라는 점이 다르다. 따라서 \( T_{T S} \)는 다음과 같다.</p><p>\[ T_{T S}=s T_{m}\left(1+\sum_{j=1}^{k} \frac{2}{p_{j}}\right) \]<caption>(13)</caption></p><p>\( T_{M R 1} \)과 \( T_{M R 2}\) \(S[i]=0 \)인 \( r_{i} \)에 대해 MR test를 수행하는데 걸리는 시간과 \( \left(r_{i}-1\right) / 2 \)에 대해서 MR test를 수행하는 데 걸리는 시간으로 다음과 같다.</p><p>\[ \begin{array}{l} T_{M R 1}+T_{M R 2}= \\ T_{m r}\left\{\begin{array}{l} \frac{1}{0.66}\left(\frac{n \ln 2}{2}\right)^{2} \prod_{j=1}^{k}\left(1-\frac{2}{p_{j}}\right) \\ +\frac{2}{n \ln 2} \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}-1}\right) \end{array}\right\} \end{array} \]<caption>(14)</caption></p><p>전체 수행시간을 예측해보면 다음과 같다.</p><p>\[ \begin{array}{l} T=\frac{1}{1-\left\{1-0.66\left(\frac{2}{n \ln 2}\right)^{2}\right\}^{s}}\left[\begin{array}{l} T_{r n d}+k T_{\text {div }} \\ +2 s T_{m}\left\{1+\sum_{j=1}^{k}\left(\frac{1}{p_{j}}\right)\right\} \end{array}\right] \\ +T_{m r}\left\{\begin{array}{l} \frac{1}{0.66}\left(\frac{n \ln 2}{2}\right)^{2} \prod_{j=1}^{k}\left(1-\frac{2}{p_{j}}\right) \\ +\frac{2}{n \ln 2} \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}-1}\right) \end{array}\right\} \end{array} \]<caption>(15)</caption></p>	[ "메모리에 접근하는 횟수는 몇 회야?", "몇 회 메모리에 접근하는 걸까", "\\( T_{T S} \\)의 값을 \\( S[i] \\)에 1을 저장할 확률은 각 \\( p_{j} \\)에 대해 \\( S / p_{j} \\)이고 \\( r_{i} \\)와 \\( \\left(r_{i}-1\\right) / 2 \\)에 대해 수행하므로 \\( 2 \\mathrm{~S} / p_{j} \\)라는 점이 다르다는 것을 이용하여 계산하면 어떻게 돼?", "기존의 TD를 개선한 것으로, 순차난수 생성법과 나눗셈 테이블 \\( S[i] \\) 를 사용하는 테이블을 뭐라고 불러?", "소수를 찾을 때까지 만들어야 하는 테이블의 개수는 어떻게 돼?", "DT-MR 검사법의 수행시간은 어떻게 돼?", "DT-MR 검사법의 수행시간은 얼마지", "\\( T_{M R} \\)은 소수를 찾을 때까지 반복해야할 때, 값이 얼마야?", "\\[ T=N\\left(T_{R N D}+T_{T D}+T_{T S}\\right)+T_{M R} \\]<caption>(9)</caption을 이용하여 계산하면 나눗셈 테이블을 이용한 순차 난수 생성법 예측시간은 몇이야?", "DT-MR-MR 검사법 수행시간을 확률으로 분석한 전체수행시간 수식은 뭐야?", "\\[ T=N\\left(T_{R N D}+T_{T D}+T_{T S}\\right)+T_{M R 1}+T_{M R 2} \\]을 기반으로 전체 수행시간을 예측한 값은 몇이야?", "\\( T_{M R 1} \\)과 \\( T_{M R 2}\\)를 더한 값을 구하면 어떻게 돼?", "왜 DT는 \\( p_{j} \\)로 나눌 수 있는 난수들을 쉽게 찾을 수 있어?" ]
0f1d8af0-4008-4c18-bcfa-dbf3e8091acf	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<h3>나. ET-MR 소수검사법</h3><p>오일러테이블(Euler Table, 이하 ET)은 DT의 테이블에 오일러체를 적용하여 개선한 방법이다.</p><p>ET-MR 소수검사법의 수행순서는 사전계산단계와 소수검사단계로 나누어진다. 사전계산의 상세 내용은 다음과 같다.</p><p>사전계산</p><ol type=1 start=1><li>\( \prod_{j=1}^{k} p_{j} \) 계산 (\( k \)는 \( n \)-bit를 고려하여 사용자가 설정)</li><li>\( n \)-bit 홀수 난수 \( r_{\text {init }} \) 생성</li><li>난수 인덱스 리스트 \( R_{n} \) 생성</li><li>\( R_{n} \)에서 \( k \)개의 소수로 나누어지는 난수의 인덱스를 모두 삭제</li></ol><p>사전계산은 TD 혹은 DT를 대체하는 과정으로 \( k \)개의 소수로 나누어지지 않는 \( n \)-bit 난수 후보들을 찾는다. \( R_{n} \)은 순차난수생성방법으로 \( r_{i n i t} \)부터 시작해서 2씩 차이가 나는 난수들 중에 \( k \)개의 소수로 나누어지지 않는 난수들의 인덱스만 저장하는 리스트이다. \( R_{n} \)의 길이는 \( \prod_{j=1}^{k} p_{j} \)이고 \( j \)번째 원소의 값은 인덱스값인 \( j \)이며 이에 해당하는 난수는 \( r_{i n i t}+2 j \)이다.</p><p>소수 검사</p><ol type=1 start=1><li>\( r_{0} \)를 생성 (\( r_{0}=r_{\text {init }}+u \cdot \prod_{j=1}^{k} p_{j}\), \(u \)는 임의의 정수)</li><li>\( r_{i} \)를 MR test 수행 (\( r_{i}=r_{\text {init }}+2 R_{n}[i]\) (\(0 \leq i \leq t \)))</li><li>\( r_{i} \) 가 MR test를 통과하면 소수로 반환, 아니라면 \( i \)를 1증가하고 2로 이동, \( i \)가 최댓값이 되어도 소수가 없다면 1로 이동</li></ol><p>소수검사에서는 \( R_{n} \)의 인덱스를 0부터 1씩 증가 하면서 각 난수를 생성한 뒤 MR test를 수행한다. MR test를 통과한다면 소수로 반환하고 아니라면 다음 난수를 MR test한다.</p><p>수행시간을 확률적으로 분석해보면, \( N \)은 소수를 찾을 때까지 후보난수를 생성하는 횟수, \( T_{r n g} \)는 \( r_{i} \)를 생성하는데 걸리는 시간, 리스트에 저장되어 있는 \( r_{i} \)의 개수 \( t, T_{M R} \)은 MR test를 수행하는 시간으로 정의하면 전체시간은 다음과 같다.</p><p>\[ T=N \times t \times T_{r n g}+T_{M R} \]<caption>(16)</caption></p><p>\( N \)과 \( T_{M R} \)은 DT-MR의 수행횟수와 시간이 동일하나 \( T_{r n g} \)는 다음과 같다.</p><p>\[ T_{r n g}=T_{m u l}+T_{a d d} \]<caption>(17)</caption></p><p>\( T_{r n g} \)는 \( r_{i} \)를 하나 생성하는데 걸리는 시간이고, \( r_{i}=r_{\text {init }}+2 R_{n}[i](0 \leq i \leq t) \)이므로 곱셈과 덧셈을 한번 하는데 걸리는 시간과 같다. 따라서 전체 수행시간은 다음과 같다.</p><p>\[ \begin{aligned} T=& \frac{1}{1-\left(1-\frac{2}{n \ln 2}\right)^{s}}\left\{t \left(T_{m u l} + T_{a d d}\right.\right)\}\\ &+T_{m r} \frac{n \ln 2}{2} \prod_{j=1}^{k}\left(1-\frac{1}{p_{j}}\right) \end{aligned} \]<caption>(18)</caption></p>	[ "\\( T_{r n g} \\)은 곱셈을 한번 하는 시간과 같다고 볼 수 있을까?", "MR test를 통과하지 못한 경우에는 소수로 반환한 후 다음 난수를 MR test할까?", "\\( R_{n} \\)의 길이는 어떤 식으로 표현할 수 있을까?", "ET-MR 소수검사법의 수행순서에는 어떤 것들이 있을까?", "MR test를 통과한 난수는 소수로 볼 수 있을까?", "\\( R_{n} \\)의 인덱스를 0부터 1씩 증가 하면서 난수를 생성하여 MR test를 수행하는 단계는 무엇일까?", "DT의 테이블에 오일러체를 적용하여 개선한 방법이 무엇일까?", "\\( T_{r n g} \\)은 리스트에 저장된 \\( r_{i} \\)의 개수를 의미할까?", "TD 혹은 DT를 대체하는 과정으로 \\( k \\)개의 소수로 나누어지지 않는 \\( n \\)-bit 난수 후보들을 찾는 단계는 무엇일까?", "\\( j \\)번째 원소에 해당하는 난수는 무엇일까?", "소수검사에서 난수를 생성한 뒤 수행하는 작업은 무엇인가?", "\\( r_{i n i t} \\)부터 2씩 차이가 나는 난수들 중에 \\( k \\)개의 소수로 나누어지지 않는 난수들의 인덱스만 저장하는 리스트는 무엇인가?", "사전계산은 \\( k \\)개의 소수로 나누어지는 \\( n \\)-bit 난수 후보들을 찾는 과정일까?", "수식에서 \\( N \\)이 의미하는 바가 무엇일까?" ]
a83d7210-9349-45ae-8a98-b81113344f1c	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<p>다음으로 ET-MR-MR 안전소수검사법의 성능 비교를 위해 TD-MR-MR과 DT-MR-MR의 수행 시간과 비교하였다.</p><p>\( n=512 \mathrm{bit} \)에서 실험결과, \( k \)가 16 보다 작을 때는 TD-MR-MR, DT-MR-MR, ET-MR-MR의 수행 시간이 비슷하였으나 \( k \)가 16보다 커지면, 3개의 방법 중에 TD-MR-MR이 가장 느리고, ET-MR-MR이 가장 빨랐다. TD-MR-MR이 가장 빨랐던 때는 \( k=1,872 \)일 때, \( 2,087 \mathrm{ms} \)였으며 ET-MR-MR이 가장 빨랐던 때는 \( k=65,536 \)일 때, \( 724 \mathrm{ms} \)였다. ET-MR-MR 과 TD-MR-MR의 수행시간 중 가장 빨랐던 때를 비교하면, ET-MR-MR이 TD-MR-MR대비 \( 65.3 \% \) 성능이 향상되었다.</p><p>\( n=512 \mathrm{bit} \)에서의 TD-MR-MR, DT-MR-MR, ET-MR-MR의 메모리 사용량을 동일한 방법으로 비교하였다.</p><p>TD-MR-MR 또한 \( k \)가 커질수록 더 많은 메모리 를 사용하였으며, DT-MR-MR은 고정크기만큼만 필요하고, ET-MR-MR은 \( k \)가 커질수록 더 적은 메모리를 사용하였다.</p><p>\( k=65,536 \)일 때, TD-MR-MR은 \( 1,048,576 \mathrm{bit} \)를 사용하였고, DT-MR-MR은 \( 220,174 \mathrm{bit} \)를 사용하였다. ET-MR-MR은 \( 15,807 \mathrm{bit} \)를 사용하여 TD-MR-MR의 사용량 대비 \( 1.5 \% \) 정도만 사용하여 \( 98.5 \% \)가 축소되었다.</p>	[ "ET-MR-MR은 K가 커질수록 더 적은 메모리를 사용한다." ]
fed4e067-5c2e-43de-aac5-b054b3ef139b	인공물ED	오일러체를 적용한 소수와 안전소수의 생성법 제안과 분석	<h3>다. ET-MR-MR 안전소수검사법</h3><p>ET-MR-MR 안전소수검사법도 사전계산단계와 소수검사단계로 나누어진다. 사전계산의 상세 내용은 다음과 같다.</p><p>사전계산</p><ol type=1 start=1><li>\( \prod_{j=1}^{k} p_{j} \) 계산( \( k \)는 \( n \)-bit를 고려하여 사용자가 설정)</li><li>\( n \)-bit 홀수 난수 \( r_{\text {init }} \) 생성 (단, \( r_{\text {init }} \% 4=3 \)을 만족)</li><li>난수 인덱스 리스트 \( R_{n} \) 생성</li><li>\( R_{n} \)에서 \( k \)개의 소수로 나누어지거나 나머지가 1인 난수의 인덱스를 모두 삭제</li></ol><p>사전계산은 ET-MR 소수검사법과 2가지 차이점 이 있다. 하나는 2번 과정에서 \( r_{\text {init }} \)를 생성할 때 홀수일 뿐만 아니라 \( r_{\text {init }} \% 4=3 \)을 만족해야 하는데 이는 \( (r-1) / 2 \)도 홀수이면서 \( p_{j} \)를 나누어지지 않아야하기 때문이다. 또 다른 하나는 4번 과정에서 \( k \)개의 소수로 나누었을 때 나머지가 0 혹은 1 이 되는 모든 수를 제외해야 하는데 그 이유는 \( r \)과 \( (r-1) / 2 \)이 모두 \( p_{j} \)에 의해 나누어지지 않아야하기 때문이다.</p><p>소수 검사</p><ol type=1 start=1><li>\( r_{0} \)를 생성 (\( r_{0}=r_{\text {init }}+ w \cdot \prod_{j=1}^{k} p_{j}\), \(w \)는 임의의 정수)</li><li>\( r_{i} \)를 MR test 수행 (\( r_{i}=r_{\text {init }}+4 R_{n}[i]\) \((0 \leq i \leq t) \))</li><li>\( r_{i} \)가 MR test를 통과하면 4로 이동, 아니라면 \( i \)를 1 증가하고 2로 이동, \( i \)가 최댓값이 되어도 소수가 없다면 1로 이동</li><li>\( \left(r_{i}-1\right) / 2 \)를 MR test 수행</li><li>\( \left(r_{i}-1\right) / 2 \)가 MR test를 통과하면 안전소수로 반환, 아니라면 \( \mathrm{i} \)를 1 증가하고 2로 이동</li></ol><p>수행시간을 확률적으로 분석해보면, \( N \)은 안전소수를 찾을 때까지 후보난수를 생성하는 횟수, \( T_{r n g} \)는 \( r_{i} \)를 생성하는데 걸리는 시간, 리스트에 저장되어 있는 \( r_{i} \)의 개수 \( t, T_{M R} \)은 \( r \) 과 \( (r-1) / 2 \)에 대해 MR test를 수행하는 시간으로 다음과 같다.</p><p>\[ T=N \times t \times T_{r n g}+T_{M R} \]<caption>(19)</caption></p><p>\( N \)과 \( T_{M R} \)은 DT-MR-MR과 동일하고 \( T_{r n g} \)는 ET-MR과 동일하다.</p><p>\[ T_{r n g}=T_{m u l}+T_{a d d} \]<caption>(20)</caption></p><p>오일러체를 이용한 안전수소검사의 수행시간 예측수식은 다음과 같다.</p><p>\[ \begin{aligned} T=& \frac{1}{1-\{1-0.66\left(\frac{2}{n \ln 2}\right)^{s}\}}t \left(T_{m u l} + T_{a d d}\right)\\ &+T_{m r} \left\{\frac{1}{0.66}\left(\frac{n \ln 2}{2}\right)^{2} \left[\prod_{j=1}^{k}\left(1-\frac{2}{p_{j}} \right) + \frac{2}{n \ln 2}\prod_{j=1}^{k}\left(1-\frac{1}{p_{j}-1} \right)\right]\right\} \end{aligned} \]<caption>(21)</caption></p>	[ "사전계산과 ET-MR 소수 검사법 사이에는 몇가지 차이가 있어?", "ET-MR-MR 안전소수검사법은 어떤 과정으로 분리할 수 있어?", "안전수소검사를 하는데 걸리는 시간을 오일러체로 구했을 때 수식이 어떻게 나와?", "왜 4번에서 1보다 큰 자연수 중 1과 자기 자신만을 약수로 같는 k개의 수로 나누었을 때 나머지가 0이나 1이 나오는 모든 숫자를 제외해야 해?" ]
5cee4a70-d46f-4352-be31-8cfe9662e7a6	인공물ED	직사각형 슬릿 개구를 갖는 금속 함체의 차폐 효과에 대한 연구	<p>이에 대한 고찰을 위하여 그림 4 에서는 프로브의 위치를 개구로부터 함체 내부로 \( 50 \mathrm{~mm} \) 떨어진 경우와 함체 중앙 \( (100 \mathrm{~mm}) \) 에 있는 경우의 SE를 비교하였다. 개구는 가로 방향으로 놓여 있고, 개구의 크기는 \( 50 \mathrm{~mm} \times 4 \mathrm{~mm} \) 그리고 입사파는 수직 편피를 가정 하였다.</p> <p>그림 4의 현상을 분석해 보기 위해 먼저 공진 주파수를 고찰해 보자. 식 (3)은 \( T E_{m n l}, T M_{m n l} \) 모드의 공진 주파수를 계산하기 위한 식이고, \( 0 \sim 3 \mathrm{GHz} \)에서의 공진 주파수를 표 1 에 나타내었다.</p> <p>\( f_{r}=\frac{3 \times 10^{8}}{2 \pi} \sqrt{\left(\frac{m \pi}{a}\right)^{2}+\left(\frac{n \pi}{b}\right)^{2}+\left(\frac{l \pi}{d}\right)^{2}} \)<caption>(3)</caption></p> <p>여기서 \( a, b, d \) 는 함체의 \( x, y, z \) 방향으로의 길이를 나타낸다. 즉, \( a \) 는 \( 160 \mathrm{~mm}, b \) 는 \( 80 \mathrm{~mm}, d \) 는 \( 200 \mathrm{~mm} \)를 나타넨다. \( m, n, l \) 은 함체 내부의 \( x, y, z \) 방향으로 각각 정재파 패턴 변화 수를 나타낸다.</p> <p>그림 4 에서 \( 100 \mathrm{~mm} \) 떨어진 위치에서 전계의 세기를 시뮬레이션 하였을 때 \( 1.7 \mathrm{GHz} \) 와 \( 3.2 \mathrm{GHz} \) 부근에서 전계의 공진 잡음이 사라져 SE값이 크게 되는데, 이것은 \( T E_{102} \) 와 \( T E_{302} \) 모드의 전계는 함체 중앙에서 최소이기 때문이다. 왜냐하면, \( z \) 방향으로 2번 변화하는 모드들이므로 \( z \) 방향으로의 중앙지점에서는 전계가 최소가 되기 때문이다. 반면에 \( T E_{101} \)과 \( T E_{103} \) 모드에서는 중앙에서 전계가 최대가 된다.</p> <p>본 논문에서는 앞으로 해석의 편리를 위하여 낮은 차수의 공진 모드인 \( T E_{101}, T E_{102}, T E_{103} \) 등이 공진시 최대값 또는 최소값을 갖지 않는 곳에서 SE를 계산하기 위해 금속 함체 개구로부터 \( 50 \mathrm{~mm} \) 떨어진 지점에서의 전계를 계산하고자 한다.</p> <p>그림 5 는 개구의 방향에 따른 차폐 효과를 고찰하기 위한 가로와 세로 방향의 직사각형 슬릿 개구를 보여주고 있다. 이때 개구의 크기는 모두 \( 50 \mathrm{~mm} \times 4 \) \( \mathrm{mm} \) 이다. HP, VP의 입사파에 대한 SE 시뮬레이션 결과를 그림 6에 나타내었다.</p> <table border><caption>표 1. 함체의 공진 주파수</caption> <tbody><tr><td>Resonant mode</td><td>Frequency(\(\mathrm{GHz}\))</td></tr><tr><td>\(TE_{101}\)</td><td>1.2006</td></tr><tr><td>\(TE_{102}\)</td><td>1.7689</td></tr><tr><td>\(TE_{011}\)</td><td>2.0194</td></tr><tr><td>\(TE_{012}\)</td><td>2.4012</td></tr><tr><td>\(TE_{103}\)</td><td>2.4375</td></tr><tr><td>\(TE_{302}\)</td><td>3.1875</td></tr></tbody></table>	[ "어떤 모드의 공진 주파수 값이 가장 큰가?", "Frequency가 2.0194\\(\\mathrm{GHz}\\)인 Resonant mode는 무엇인가?", "어떤 공명 방식의 공진 주파수가 두 번째로 작은가?", "\\(TE_{101}\\)의 공진 주파수 값은 얼마인가?", "\\(TE_{103}\\)의 공진 주파수는 몇 \\(\\mathrm{GHz}\\) 인가?" ]
4f7e6178-d95e-4600-9ef0-1b68cc535045	인공물ED	인체 상 위치를 고려한 다양한 WBAN 안테나 설계	<h1>III. 모의 인체 제작에 대한 연구</h1> <table border><caption>표 1. \( 2.45 \mathrm{GHz} \mathrm{ISM} \) 대역을 위한 \( 2 / 3 \) 근육-등가 반고체 형 모의 인체 \( \left(\varepsilon_{r}=35.5, \sigma=1.3 \mathrm{~S} / \mathrm{m}\right) \) 의 물질 및 구성비</caption> <tbody><tr><td>성 분</td><td>구성비 [%]</td></tr><tr><td>Deionized water</td><td>59.7</td></tr><tr><td>Polyethylene powder</td><td>14.92</td></tr><tr><td>Agar</td><td>2.98</td></tr><tr><td>Glycern</td><td>20.89</td></tr><tr><td>TX-151</td><td>1.49</td></tr></tbody></table> <p>인체의 등가 유전율 및 도전율을 갖는 모의 인체 제작에 대한 연구는 인체 영향에 대한 안테나의 성능 분석 및 SAR 측정을 위해 반드시 필요한 연구이다. SAR 측정 시에는 액체형 모의 인체를 사용하도록 국제적으로 규격이 정해져 있으나, 이식형 기기의 측정이나 보관의 용이성을 고려했을 때 반고체형 모의 인체의 제작을 위한 연구가 필요하다.</p> <p>표 1 은 앞서 본문에서 설계한 안테나 사례 중 \( 2.45 \mathrm{GHz} \) ISM 대역에서 사용했던 모의 인체 제작을 위한 성분들과 구성비를 나타낸다.</p> <p>표 1 의 성분 중에서 Deionized water(증류수)는 반고체형 모의 인체 비(比)유전율의 기준이 되며, 상온에서 약 77~80의 비(比)유전율을 갖는다. Polyethylene powder와 Glycerin은 앞에서 제시한 Deionized water와 혼합하여 비(此)유전율을 낮추는 역할을 하며, Glycerin은 도전율을 조절하는 역할도 한다. Agar는 액체 상태의 모의 인체 재료들을 고형화하는 역할을 하며, TX-151은 Oil Center Re-search의 고형제(solidifying powder)의 상품명으로 액체와 섞임으로써 용매를 준고형화 해준다. 본 논문에서는 TX-151 을 점도를 갖게 하는 물질로 사용하였다. Agar와 TX-151 도 모의 인체의 비(比)유전율 변화에 작은 영향을 주기 때문에 목표 값을 만족하기 위해서는 제시한 성분의 비율을 찾기 위한 최적화 과정이 필요하다. 모의 인체의 제조 방법은 다음과 같다.</p></ol> <ol type=1 start=1><li>Deionized water에 Glycerin을 넣고 가열하며, 저어줌으로 완전히 혼합시킨다.</li> <li>혼합된 용액에 Agar를 넣고, 약한 불로 가열하며, 균일하게 섞이도록 잘 저어준다.</li> <li>Agar에 의해 혼합된 용액에 점성이 생기면 TX-151을 넣어서 갈 저어준다.</li> <li>마지막으로 polyethylene powder를 넣고 입자가 고르게 섞이고 점성이 생기도록 저어준다.</li> <li>완성된 용액을 틀에 붓고 건조시킨다.</li></ol> <p>제작된 포의 인체의 측정은 Agilent사의 85070E 유전율 probe kit와 8719ES 네트워크 분석기를 사용하였다. 측정은 용액을 틀에 붓고 하루가 경과한 후 군은 반고체형 모의 인체를 틀에서 꺼내어 측정하였고, 제작과 측정 시 실내온도는 \( 26{ }^{\circ} \mathrm{C} \) 를 유지하였다.</p>	[ "표 1. \\( 2.45 \\mathrm{GHz} \\mathrm{ISM} \\) 대역을 위한 \\( 2 / 3 \\) 근육-등가 반고체 형 모의 인체 \\( \\left(\\varepsilon_{r}=35.5, \\sigma=1.3 \\mathrm{~S} / \\mathrm{m}\\right) \\) 의 물질 및 구성비에서 증류수의 구성비는 얼마야?", "표 1.에서 가장 높은 구성비 [%]를 나타내는 성분은 무엇이지?", "표 1.에서 폴리에칠렌 분말의 구성비는 몇 %로 나타났지?", "표 1.에서 가장 높은 구성비 [%]값은 얼마야?", "한천 성분의 구성비 [%]는 표 1.에서 얼마로 나타나지?", "표 1.에서 제일 낮은 구성비 [%]를 나타내는 성분은 무엇이지?", "본 논문에서 모의 인체를 제조하는 방법은 어떻게 나타나있지?", "본 논문에서 제작된 모의 인체의 측정은 어떤 방법을 사용하여 진행했습니까?" ]
857eff62-6674-467d-835a-2b1185198167	인공물ED	m-분포 페이딩과 라이시안 페이딩 환경하에서의 다이버시티 수신된 4PSK와 8PSK 신호의 성능 분석	<h1>Ⅱ. 해석모델</h1><p>본 논문에서 사용하는 해석모델은 [그림 1]과 같다.</p><h2>2-1. m-분포 페이딩</h2><p>m-분포는 나카가미 교수에 의해 단파대에 있어서의 대규모 실험을 통하여 찾아낸 것으로 심도 지표라고 부르는 파라미터 m의 값에 의해 중단파로부터 마이크로파에 이르는 무선통신로에서 발생하는 여러 가지 형태의 포락선 변동을 기술할 수 있다. m-분포 페이딩을 받은 수신 신호의 순시 진폭 \( R \)에 대한 확률밀도함수는 다음과 같이 주어진다.</p><p>\( p_{N}(R)=\frac{2 m^{m} R^{2 m-1}}{\Gamma(m) \Omega^{m}} \exp \left(-\frac{m R^{2}}{\Omega}\right) \)<caption>(1)</caption></p><p>단, \( \Gamma(\cdot) \); 감마 함수, \( \Omega / 2 \); 수신 평균 전력.</p><h2>2-2. 라이시안 페이딩 통신로</h2><p>위성과 항공기간, 위성과 지상 이동체 간의 통신은 라이시안 페이딩 통신로를 모델링하여 많은 연구가 행해지고 있는데, 이와 같은 라이시안 페이딩 통신로를 통해 수신되는 신호는 가시거리 성분인 직접파 성분과 전송로에 인접한 물체로부터 반사되어 시간지연을 갖고 도달하는 반사파 성분으로 구성된다. 반사파 성분은 직접파와 같은 형태를 지니지만 진폭은 레일리 분포를 하고 위상은 랜덤 분포 (random distribution) 를 한다. 수신신호 진폭을 실효치로 정규화 시킨 진폭의 변동을 \( \rho \)라고 하면 이 \( \rho \)에 대한 확률밀도함수는 다음과 같이 주어진다.</p><p>\( \begin{aligned} p_{R}(\rho)=& 2 \rho(K+1) \cdot \exp \left[-K-\rho^{2}(K+1)\right] \\ & \cdot I_{o}[2 \rho \sqrt{K(K+1)]},(\rho \geq 0)\end{aligned} \)<caption>(2)</caption></p><p>단, \( \rho=R / \sqrt{R^{2}} \),</p><p>\( I_{n}(\cdot) ;\) 0 차의 변형 베셀함수, \( K \); 직접파 대 반사파 전력비.</p><p>그리고, m-분포와 라이시안 분포는 다음과 같은 관계를 갖는다.</p><p>\( K=\frac{\sqrt{1-1 / m}}{1-\sqrt{1-1 / m}} \).<caption>(3)</caption></p><p>\( m=\frac{1}{\left[1-\frac{K^{2}}{(1+K)^{2}}\right]} \).<caption>(4)</caption></p><p>따라서 \(m\)과 \( K \)와의 관계를 구하면 〈표 1 〉과 같다.</p><table border><caption>〈표 1〉 m-분포와 라이시안 페이딩 비교</caption><tbody><tr><td rowspan=2>m-분포 페이딩 지수(\(m\))</td><td>Rician 페이딩</td></tr><tr><td>\(K\)</td></tr><tr><td>2</td><td>2.414</td></tr><tr><td>5</td><td>8.472</td></tr><tr><td>10</td><td>18.487</td></tr></tbody></table>	[ "본 연구의 m-분포는 어떤 과정을 진행하면 기술 할 수 있는가?", "본 실험에서 알 수 있는 라이시안 페이딩 통신로를 통해 수신된 신호의 과정은 어떻게 되니?", "본 실험에서 m-분포 페이딩 지수가 2m 일때, 기대할 수있는 페이딩 값은 얼마인가?", "본 연구는 m-분포와 라이시안 페이딩 비교가 필수적이다. 페이딩의 값이 18.487 일 때 도출되는 m-분포 페이딩 지수의 값은 무엇인가?", "m-분포와 라이시안 페이딩 비교 할 때, Rician 페이딩의 기호로 적절한 것은 무엇인가?" ]
148bc6ab-f9b7-4379-b487-c6a585af71fd	인공물ED	체내이식 무선기기용 디지털 모뎀의 설계 및 구현	<h2>3. 파형 성형 필터 블록</h2><p>그림 6은 파형 성형 필터(Pulse Shaping Filter) 블록선도로서, roll-off 계수가 1인 SRRC(Square Root Raised Consine) 필터를 사용하는데, 인접 심볼 왜곡 으로 인한 ISI(Inter-symbol Interference) 방지를 위해사각 펄스를 채널전송에 적절한 신호로 바꾸어 준다.</p>SRRC 필터의 동작과정은 다음과 같다.<ul><li>Ts 동안 입력되는 신호를 4 배 오버샘플링</li><li>오버샘플링된 입력신호를 SRRC필터의 계수 H(n)과 곱셈</li><li>곱셈을 거쳐 나오는 15 개의 신호를 덧셈</li><li>DAC 블록의 입력신호와 비트 수를 맞춤(8bit)</li></ul><p>표 1 에는 SRRC 필터의 계수를, 그림 7에는 \( 25 \mathrm{tap} \)의 SRRC 펄스를 보였다.</p><h1>III. 수신기 구조</h1><p>그림 8은 수신 모뎀의 블록 구성을 나타낸다. ADC 블록에서는 RF으로부터 전송된 신호에서 캐리어 신호 가 제거된 2채널( I 및 Q 채널)의 아날로그 신호를 디지털신호로 변환한다.</p><p>수신부의 SRRC 필터 블록에서는 수신 신호의 신 호 대 잡음비(SNR)을 최대로 하기 위해서 송신 모뎀 의 SRRC 필터와 같은 필터를 사용한다.</p><p>프리앰블 동기화 블록에서는 수신 신호의 동기를 맞추기 위해서 프레임의 첫 단의 프리앰블의 동기를 찾는다.</p><h2>1. 수신부 모뎀의 등기부</h2><p>그림 9는 프리앰블 동기화 블록의 구성도이다. 수신 신호의 동기를 위해 프레임 첫 단의 프리앰블의 동기를 찾는다. 동작과정은 다음과 같다.<p><ol type=1 start=1><li>Signal Variance</li><ul><li>수신 신호를 오버샘플 rate로 CAZAC sequence 복소수와 복소(complex) 연산</li><li>복소 연산 결과 16 개의 평균값을 구함(signal correlation)</li><li>평균값의 I 채널의 자승과 Q 채널의 자승을 더함</li><li>Ts/ 4 주기 전의 결과와 크기를 비교</li><li>Max 값을 Signal Variance 로 정의</li></ul><li>Noise Variance</li><ul><li>수신 신호 16 개를 평균값을 구함(noise correlation)</li><li>64 symbols의 I 채널 자승과 Q 채널 자승을 더한 평균값을 구함</li><li>평균값과 Threshold (3.9811, SNR=\(9\mathrm{~dB} \) point)을 곱한 값을 Noise Variance 값으로 정의</li></ul><li>Signal Variance 값이 Noise Variance 값 보다 큰 심볼이 프리앰블 신호의 시작 위치</li><li>동일한 동작을 세 번 반복해서 같은 위치에서 동기가 잡힐 경우 동작 종료</li><li>수신부 모뎀의 동기부의 프리앰블 경계 동기화 블록에서는 프리앰블 동기화 블록에서 잡은 동기에 맞추어 프레임 포맷의 프리앰블 필드를 지나 헤더 필드의 시작 지점을 찾는다.</li><li>수신 신호를 오버샘플 rate로 CAZAC sequence 복소수와 복소 연산</li><li>복소 연산 결과 16 개의 평균값을 구함</li><li>I, Q 채널에서 각각 Correlation 값을 구함</li>- \( \mathrm{I} \) Corr \( =\mathrm{I}(\mathrm{t}) * \mathrm{I}\left(\mathrm{t}-\mathrm{T}_{0}\right), \mathrm{Q} \) Corr \( =\mathrm{Q}(\mathrm{t}) * \mathrm{Q}\left(\mathrm{t}-\mathrm{T}_{0}\right) \) : \( \mathrm{T}_{0}= \) 오버샘플 주기<li>I Corr, Q Corr 중의 MAX 값이 0 보다 작으면 프레임 경계 동기화 완료한다.</li></ol>	[ "Square Root Raised Consine의 약자는 뭐야?", "무엇이 Inter-symbol Interference의 약자니?", "파형 성형 필터는 roll-off 계수가 몇인 SRRC 필터를 사용하니?", "어떤 필터는 roll-off 계수가 1인 SRRC 필터를 사용하니?", "인접 심볼 왜곡으로 인한 ISI 방지를 위해 무엇을 채널전송에 적절한 신호로 바꾸어 줄까?", "무엇을 방지하기 위해 사각펄스를 채널전송에 적절한 신호로 바꾸어 줄까?", "무엇에서 RF으로부터 전송된 신호에서 캐리어 신호가 제거된 2채널의 아날로그 신호를 디지털신호로 변환하니?", "ADC 블록에서는 RF으로부터 전송된 신호에서 캐리어 신호가 제거된 2채널의 아날로그 신호를 무엇으로 변환하는가?", "파형 성형 필터는 roll-off 계수가 1인 어떤 필터를 사용하는가?", "어디에서 송신 모뎀의 SRRC 필터와 같은 필터를 사용하여 수신 신호의 신호 대 잡음비을 최대로 끌어올리고 있는가?", "RF으로부터 전송된 신호는 ADC 블록에서 무엇을 없앤 아날로그 신호를 디지털신호로 다르게 바꾸는가?", "송신 모뎀의 SRRC 필터와 동일한 필터를 어떤 이유로 수신부의 SRRC 필터 블록에서는 채택하여 이용하고 있는가?", "Signal Variance의 CAZAC sequence 복소수와 복소 연산은 무엇을 이용하여 수신 신호를 계산하는가?", "Max 값을 Signal Variance로 Signal Variance는 규정 하고 있는가?" ]
bfa0233e-b13a-4f09-a883-920f0a383043	인공물ED	체내이식 무선기기용 디지털 모뎀의 설계 및 구현	<h2>2. \( \pi /4\)-DQPSK 복조</h2><p>프리앰블 경계 동기화 블록에서 찾은 헤더의 시작지점부터 심볼 rate에 64 symbol을 복조하여 32bit의 혜더신호를 결정한다.<ol type=1 start=1><li>프리앰블 경계 동기화 블록에서 찾은 헤더의 시 작지점부터 64 symbol을 복조</li><li><64 symbol을 프리앰블 동기 블록에서 찾은 동기 신호에 위치에 맞춰 심볼 rate(\(15.3 6 \mathrm{Mhz}\))로 다운 샘플링하여 16 symbol 추출</li><li>t 시간에 수신된 신호와 t-Ts 에서 수신된 신호 를 복소수 연산</li>\[ \begin{array}{c} \left(I_{n}+Q_{n} j\right) \times\left(I_{n-1}-Q_{n-1} j\right)=I_{\text {header }}+Q_{\text {header }} j \\ s(t)=I_{n}+Q_{n} j \quad s\left(t-T_{s}\right)=I_{n-1}+Q_{n-1} j \end{array} \]<li>Iheader \( >0 \), Qheader \( >0 \) 이면 출력 신호는 [Iheader Qheader]</li></ol><h2>3. \( \pi /4\)-D8PSSK 복조</h2><p>수신 신호에서 Payload, FCS 신호를 복조한다.</p><ol type=1 start=1><li>프리앰블 경계 동기화 블록에서 찾은 헤더를 복 조 한 이후의 신호를 복조</li><li>64 symbol을 프리앰블 동기 블록에서 찾은 동기 신호에 위치에 맞춰 심볼 rate(\(15.3 \mathrm{Mhz}) \) 로 다운 샘플링</li><li>\( \mathrm{MSB} \) 신호 결정</li><ul><li>심볼 클럭 동안의 신호의 세기를 측정</li><li>첫 번째 심볼 클럭의 신호가 크다면 MSB 신호는 '0'</li><li>두 번째 심볼 클럭의 신호가 크다면 MSB 신호는 '1'</li></ul><li>I, Q 채널의 신호 결정</li>- \( \mathrm{t} \) 시간에 수신된 신호와 \( \mathrm{t}-\mathrm{Ts} \) 에서 수신된 신호를 복소수 연산 \[ \begin{array}{l} \left(I_{q}+Q_{q} j\right) \times\left(I_{q-1}-Q_{q-1} j\right)=I_{p a y}+Q_{p a y} j \\ s(t)=I_{q}+Q_{q} j \quad s\left(t-T_{s}\right)=I_{q-1}+Q_{q-1} j \end{array} \]<li>Ipay \( >0 \), Qpay \( >0 \) 이면 출력 신호는 [MSB Ipay Qpay]</li></ol><p>그림 10 은 SRRC 필터를 통과하여 Q 채널의 수신단에 입력되는 신호의 파형을 Matlab을 이용하여 시뮬레이션한 파형과 Chipscope을 이용하여 실측한 파형 을 비교한 그림으로 전반부의 규칙적인 부분은 프리엠블의 QPSK 복조 파형이고, 후반부는 헤더의 \( \pi \) /4-DQPSK 복조 파형으로 두 파형이 거의 일치함을 보인다.</p>	[ "<li>Iheader \\( >0 \\), Qheader \\( >0 \\) 이면 출력 신호는 어떻게 되는가?", "프리앰블 경계 동기화 블록의 헤더신호 결정 과정에서 시작점으로부터 64 symbol을 한 후의 다음 과정은 무엇인가?", "수신 신호에서 어떤 신호를 복조하는가?", "프리앰블 경계 동기화 블록 헤더신호를 결정하게 되는 과정에서 제일 먼저 이루어지는 과정은 어떻게 되는가?", "프리앰블 경계 동기화 블록 과정에서 16symbol을 추출하고 난 후에 필요한 복소수 연산을 위한 과정은 어떻게 되는가?", "</li><li>64 symbol을 프리앰블 동기 블록에서 찾은 동기 신호에 위치에 맞춰 심볼 rate를 몇 Mhz 로 다운 샘플링하는가?", "두 번째 심볼 클럭의 신호가 크다면 MSB 신호의 값은 뭐야?", "프리앰블 경계 동기화 블록을 통한 복조 과정은 어떻게 하게 되는가?", "Payload, FCS 신호를 통해 송신 신호를 복조하는가?", "Ipay \\( >0 \\), Qpay \\( >0 \\) 이면 출력 신호는 어떻게 되는가?", "프리앰블 경계 동기화 블록에서 찾은 헤더의 시작지점부터 심볼 rate에 64 symbol을 복조하여 몇 bit의 헤더신호를 결정하는가?", "헤더신호를 프리앰블 경계 동기화 블록을 통해 어떻게 결정하게 되는가?", "첫 번째 심볼 클럭의 신호가 크다면 MSB 신호의 값은 몇이야?", "Payload, FCS 신호를 수신 신호에서 복조하는 맨 처음 단계는 어떻게 될까?", "Payload, FCS 신호를 복조하고자 프리앰블 경계 동기화 블록에서 찾은 헤더를 복조한 후의 다음 단계는 어떻게 되는가?" ]
3936a48c-5d92-4152-85d6-126d9497b103	인공물ED	체내이식 무선기기용 디지털 모뎀의 설계 및 구현	<h1>요 약</h1><p>본 논문에서는 체내 이식 무선기기용 디지털 모뎀을 국제표준화에 맞는 주파수 \(402 \sim 405 \mathrm{Mhz}\) 대역에서 작동하는 저출력 무선 시스템으로 설계하고 구현하였다. 저전력 모뎀 \( \pi / 4\)-D8PSSK는 전력 효율적인 변복조 방식으로 저전력 특성이 우수할 뿐만 아니 라, 대역 효율적인 변복조 방식으로 PSK의 단점을 극복할 수 있다. 설계된 디지털 모뎀은 Matlab 시뮬레이션 파형과 Chipscope를 이용하여 측정한 파형 비교를 통하여 검증하고 FPGA로 구현하였다.</p><h1>I. 서론</h1><p>체내 이식 무선기기(MICS : Medical Implant Communication System)는 \(402 \sim 405 \mathrm{Mhz}\) 대역에서 작동하는 초 저출력 무선 시스템으로, 심장 박동기 (PaceMaker), 이식형 심장 충격기(ICD - Implantable Cardiac Defibrillator)와 같이 인체에 이식되거나 삽입된 기기와 통신을 하여 병원에서 뿐만 아니라 재택, 야외에서도 생체 계측과 상시 모니터링, 그리고 이에 따른 효율적 진단 및 응급조치를 가능하게 하는 의료 기기이다.</p><p>체내 이식 무선기기를 이용하여 인체 내의 변화를 측정하고 이를 외부로 전송하고, 외부로부터 제어 신 호 등을 수신하기 위해서는 디지털 모뎀과 RF 블록 등으로 구성된 송수신기 모듈이 필요하다.<p><p>국내에서도 최근 심장질환이 급증함에 따라 첨단의료기기인 체내 이식형 무선기기들의 수요가 증가하고 있어 이에 대한 연구개발이 가속화되고 있다.</p><p>국제전기통신연합(ITU-R)에서는 MICS용 무선설비 기술기준을 마련하여 국제기구 권고안으로 각국에 권고하고 있으며, 미국, 유럽, 일본 등 세계 각국은 ITU-R 권고안에 따라 거의 유사하거나 동일한 주파 수 대역과 기술기준을 마련하고 있다.</p><h1>II. 송신기 구조</h1><h2>1. \( \pi / 4\)-D8PSSK 송수신기</h2><p>VHDL을 이용한 저전력 고속 \( \pi / 4 \)-D8PSSK 송수신기를 FPGA로 구현한다. PSSK(Phase-Silence Shift Keying)은 전력 효율적인 변복조 방식으로 저전력 특 성이 우수하고, 대역 효율적인 변복조 방식으로 PSK(Phase Shift Keying)의 단점을 극복할 수 있다. 전력 효율과 대역 효율 관점에서 서로 절충함으로써 PSK의 대역 효율적 측면과 OOK(On-Off Keying)의 전력 효율적인 측면을 결합하였다.</p><p>그림 1은 \( \pi / 4 \)-D8PSSK 송수신기의 기호이다. 그림 2는 \( \pi / 4 \)-D8PSSK송수신기의 변조를 나타낸 것 으로 직렬-병렬 변환기로부터 전송반은 MSB, I, Q 채널의 3 채널 신호를 \( -1-\mathrm{j}, 1-\mathrm{j},-1+\mathrm{j}, 1+\mathrm{j} \) 등 4 가지 경우의 수로 맵핑한 후. Ts 주기 전의 신호와 복소수 계산으로 위상차를 적용한다. 최대 위상차는 \( 135^{\circ} \) 이다.</p><p>그림 3은 PSSK 방식과 PSK 방식의 전력효율을 비교한 것으로 PSSK 방식이 PSK 방식에 비하여 \( 5 \sim 6 \mathrm{~dB} \) 정도 전력 효율이 우수하다.</p>	[ "본문에서는 무엇을 이용하여 저전력 고속 \\( \\pi / 4 \\)-D8PSSK 송수신기를 FPGA로 구현하였어?", "\\( \\pi / 4\\)-D8PSSK는 어떤 효율적인 변복조 방식으로 PSK의 단점을 극복해?", "\\( \\pi / 4\\)-D8PSSK는 전력 효율적인 변복조 방식으로 어떤 특성이 장점이야?", "체내 이식 무선기기는 어떤 주파수 대역에서 작동하는 초 저출력 무선 시스템이야?", "체내 이식 무선기기는 재택, 야외에서도 생체 계측과 상시 모니터링을 가능하게 하는 의료 기기야?", "인체에 이식되거나 삽입된 기기와 통신을 하여 재택, 야외에서 생체 계측과 상시 모니터링, 이에 따른 효율적 진단을 가능하게 하는 의료 기기가 뭐야?", "\\( \\pi / 4\\)-D8PSSK는 Matlab 시뮬레이션 파형과 무엇을 이용하여 측정한 파형의 비교를 통해 검증하고 있어?", "PSK는 대역 효율적인 변복조 방식이야?", "대역 효율적인 변복조 방법은 PSK지", "\\( \\pi / 4\\)-D8PSSK는 PSK의 단점을 극복할 수 있어?", "\\( \\pi / 4\\)-D8PSSK는 PSK의 취약점을 극복할 수 있", "본문에서 체내 이식 무선기기용 디지털 모뎀을 얼마의 주파수 대역에서 작동하는 저출력 무선 시스템으로 설계했어?", "국내에서 심장질환의 증가로 무엇의 수요가 증가하고 있어?", "체내 이식 무선기기를 이용하여 인체 내의 변화를 측정하여 외부로 전송하고, 외부로부터 제어 신호 를 수신하기 위해서는 무엇이 필요해?", "어떤 국제기구에서 MICS용 무선설비 기술기준을 마련하고 국제기구 권고안으로 각국에 권고하고 있어?", "미국, 유럽, 일본 등은 다른 나라들과 다른 MICS용 주파 수 대역과 기술기준을 마련하고 있어?", "PSSK는 대역 효율적인 변복조 방식으로 무엇의 단점을 극복할 수 있어?", "PSSK는 PSK의 대역 효율적 측면과 무엇의 전력 효율적인 측면을 결합한 거야?", "PSSK 방식의 전력 효율이 PSK 방식에 비해 어느정도 우수해?" ]
884603eb-a8c0-48e1-9841-14acecb5ed45	인공물ED	체내이식 무선기기용 디지털 모뎀의 설계 및 구현	<h1>2. 모뎀 제어 블록</h1><p>SHR(Synchronization Header)는 \( 192 \mathrm{Ts}(\mathrm{Ts}= 1 / 15.36 \mathrm{M} \) ) 동안 QPSK로 변조된 프리앰블을 전송하고, Bit Rate은 \(20.72\mathrm{Mbps}\), 16 CAZAC sequence이다. PHR(Physical Header)에서는 16Ts 동안 Physical Header, Mac Header를 \( \pi / 4-\)DQPSK 로 변조/전송하고, Bit Rate \( 30.72 \mathrm{Mbps} \) 이다. Payload에서는 \( 10923 Ts \) 동안 Payload, FCS를 \( \pi\) 4-D 8PSSK 로 변조 하여 전송하며, Bit rate는 \( 23.04 \mathrm{Mbps} \) 이다.</p><p>프리앰블 코드 타입은 16 symbol의 CAZAC sequence를 사용한다.</p><ul><li>\(\mathrm{C} 0=1+\mathrm{j} ; \mathrm{C} 1=\mathrm{C} 0 ; \mathrm{C} 2=\mathrm{C} 0 ; \mathrm{C} 3=\mathrm{C} 0 \)</li><li>\( \mathrm{C} 4=-1+\mathrm{j} \) C5 \( =-1-\mathrm{j} ; \mathrm{C} 6=1-\mathrm{j} ; \mathrm{C} 7=1+\mathrm{j} \)</li><li>\( \mathrm{C} 8=-1-\mathrm{j} ; \mathrm{C} 9=1+\mathrm{j} ; \mathrm{C} 10=-1-\mathrm{j} \mathrm{C} 11=1+\mathrm{j} \)</li><li>\( \mathrm{C} 12=1-\mathrm{j} ; \mathrm{C} 13=-1-\mathrm{j} ; \mathrm{C} 14=-1+\mathrm{j} ; \mathrm{C} 15=1+\mathrm{j} \)</li></ul><p>프리앰블의 전체 길이는 192 symbol의 CAZAC sequence이다.</p><ul><li>P = [C0 C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15]/sqrt(2)</li><li>Preamble = [P P P P P P P P P P P -P]</li></ul><p>그림 5는 인-바디 시스템 송신부의 블록선도로 송신 모뎀을 구성하는 블록의 주요기능은 다음과 같다.</p><p>① CRC-16 블록 : Payload에 오류가 있는지를 확인 하기 위한 체크 값을 결정한다. 4094 바이트의 payload 에 따라 CCITT CRC-16 다항식과 연산하여 payload 마지막에 2 바이트의 FCS데이터를 붙여 전송한다.</p><p>② Scrambler 블록 : Payload를 보호하기 위해서 특정 패턴을 사용하여 Payload를 변경한다. 4094바이트의 Payload를 시드 값에 따라 특정 초기 값과 생성다항식으로 연산하여 Payload를 변경한다.</p><p>③ Header Generation 블록 : Payload의 정보를 담은 4 바이트의 헤더를 생성한다. 카메라로부터 들어오는 프레임을 저장하는 역할을 한다.</p><p>④ 직렬-병렬 변환기 블록 : 프레임 포맷에 따라 직렬 데이터를 2채널 혹은 3채널의 병렬 데이터로 변경 한다.</p>	[ "직렬-병렬 변환기 블록은 직렬 데이터를 프레임 포맷에 따라 바꾼다고 할 수 있을까?", "\\(\\mathrm{C} 1\\), \\(\\mathrm{C} 2\\), \\(\\mathrm{C} 3\\)의 값은 모두 동일할까?", "프리앰블 코드 타입이 사용하는 CAZAC sequence는 몇 개의 symbol을 사용하는가?", "Payload를 보호하기 위해 Payload를 바꾸는 블록이 뭐야?", "CRC-16 블록에서 payload 마지막에 붙이는 FCS 데이터의 크기는 얼마야?", "CRC-16 블록은 인-바디 시스템 송신부의 블록선도로 송신 모델을 구성하는 블록의 주요 기능인가?", "Payload가 올바른지 검사하는 체크 값을 결정하는 블록이 뭐야?", "Scrambler 블록에서는 Payload를 CCITT CRC-16 다항식으로 연산하여 Payload를 변경할까?", "카메라로부터 들어오는 프레임을 저장하는 블록이 뭐야?", "payload의 크기는 얼마야?", "얼마의 크기가 payment에 해당해", "PHR은 SHR보다 빠르게 비트를 전송할까?", "\\( 192 \\mathrm{Ts} \\) 동안 QPSK로 변조된 프리앰블을 전송하는 게 뭐야?", "SHR의 Bit Rate는 얼마인가?", "얼마의 SHR가 Bit Rate일까", "Payload는 뭘 변조해서 전송해?", "뭘 변경해서 Payload가 전송하지", "SHR의 Bit Rate가 PHR의 Bit Rate보다 높을까?", "SHR은 무엇으로 프리앰블을 변조하여 전송하는가?", "PHR은 어떤 Header를 변조하여 전송하는가?" ]
8d61c5ed-72a6-42b8-b055-439e80cb70c9	인공물ED	체내이식 무선기기용 디지털 모뎀의 설계 및 구현	<h1>IV. 결론</h1><p>본 논문에서는 국제 표준화에 적합하고 저전력으로 동작 가능한 체내 이식형 무선기기용 무선 모뎀의 \( 20 \mathrm{Mbps}\) \(\pi / 4-\)D8PSSK 송수신기를 VHDL을 이용하여 FPGA로 구현하였다. 본 논문에서 설계한 무선 모뎀 은 전력 효율적인 변복조 방식으로 저전력 특성이 우수하고, 대역 효율적인 변복조 방식으로 PSK의 단점 을 극복할 수 있는 PSSK 방식을 사용하여 전력효율 과 대역효율 관점에서 서로 절충함으로써 PSK의 대 역효율 측면과 OOK의 전력 효율적인 측면을 결합하였다.</p><p>개발된 체내 이식형 무신기기용 디지털 무선 모뎀은 OFDM, Multi carrier 등과 같은 다중 변조방식과 채널부호화 기법을 접목하는 방안을 연구 중에 있다.</p>	[ "체내 이식형 무신기기용 디지털 무선 모뎀은 무엇을 목표로 해서 연구되고 있을까?", "다중 변조방식에는 어떤 것들이 있어?", "논문에서 저전력으로 동작하는 체내 이식형 무선기기용 무선 모뎀의 \\( 20 \\mathrm{Mbps}\\) \\(\\pi / 4-\\)D8PSSK 송수신기를 FPGA로 구현할 때 이용한 게 뭐야?", "설계된 무선모뎀은 대역효율적이면서 전력 효율적이라고 할 수 있을까?", "논문에서 사용한 \\( 20 \\mathrm{Mbps}\\) \\(\\pi / 4-\\)D8PSSK 송수신기는 어떤 모뎀에 들어있는 거였어?", "설계된 무선 모뎀은 어떤 방식을 사용해서 PSK의 단점을 극복했을까?", "논문에서 설계한 무선 모뎀은 어떤 방식을 사용했기에 저전력 특성이 우수할까?" ]
3688b2b6-bc5b-40aa-aec5-a7c8212ae3bf	인공물ED	고전압 전력기기 개발을 위한 기중 절연파괴특성 분석ㄷ에 관한 연구	<h1>2. 모의전극의 설계 및 제작</h1> <p>기중에서의 뇌임펄스 전압에 대한 절연내력실험을 수행하기 위하여 구 대 평판 형상의 모의전극을 설계, 제작하였다. 본 실험에서는 구 전극의 직경과 구 전극과 평판 전극 간의 간격을 변화시켜줌으로서 전계 이용률의 크기를 다양하게 조절하였다. 위의 표 1에는 본 실험에 사용된 구 대 평판전극시스템의 사양을 나타내었다. 또한, 위의 그림 1에는 실제로 제작된 구 대 평판 전극시스템의 모습을 나타내었다. 그림 1에서 'spacer'란 전극 간의 간격을 조절하기 위한 도구이며, 'shield ring'이란 구 전극에 고전압을 인가할 때 날카로운 접합부 형상에 의한 최대전계의 국부적 상승을 완화하기 위한 장치이다. 또한, 그림 2에는 실험에 사용된 직경이 서로 다른 5가지 구 전극의 모습을 나타내었다.</p> <table border><caption>표 1 전극시스템의 사양</caption> <tbody><tr><td>전극의 재질</td><td>스테인레스 스틸</td></tr><tr><td>전극의 종류</td><td>구 대 평판 전극</td></tr><tr><td>전극 간 간격 (\(\mathrm{mm}\))</td><td>10, 20, 30, 40</td></tr><tr><td>구 전극의 직경 (\(\mathrm{mm}\))</td><td>6, 10, 20, 50, 60</td></tr><tr><td>평판 전극의 크기 (\(\mathrm{mm}\))</td><td>직경: 200, 두께: 10, 곡률반경: 5</td></tr></tbody></table>	[ "구 대 평판 전극은 어떤 항목이야?", "표에서 구 대 평판 전극은 무엇이지", "전극에 사용되는 금속의 종류는 어떤거야?", "전극 간 간격의 단위는 어떤 것을 쓰나?", "표에 따르면 전극 간 간격의 단위는 뭐지", "가장 큰 전극 간 간격 (\\(\\mathrm{mm}\\))은 얼마야?", "표에 따르면 가장 큰 전극 간 간격 (\\(\\mathrm{mm}\\))은 어떻게 되지", "전극 간 간격 (\\(\\mathrm{mm}\\))이 가장 적은 값은 얼마니?", "표에 따르면 전극 간 간격 (\\(\\mathrm{mm}\\))이 가장 적은 값은 어떤 수치가 되지", "구 전극의 직경(\\(\\mathrm{mm}\\))에서 두번째로 적은 값은 얼마지?", "표를 보면 구 전극의 직경(\\(\\mathrm{mm}\\))에서 두번째로 적은 값이 무엇이지", "두번째로 큰 구 전극의 직경(\\(\\mathrm{mm}\\))은 얼마인가?", "표에서 두번째로 큰 구 전극의 직경(\\(\\mathrm{mm}\\))은 무엇이지", "평판 전극의 크기(\\(\\mathrm{mm}\\))에서 가장 큰 값을 가진 항목은 무엇인가?", "표를 볼 경우, 평판 전극의 크기(\\(\\mathrm{mm}\\))에서 가장 큰 값을 가진 항목이 어떤 것이지", "가장 적은 값의 평판 전극의 크기(\\(\\mathrm{mm}\\)) 항목은 무엇일까?", "표에서 가장 적은 값의 평판 전극의 크기(\\(\\mathrm{mm}\\)) 항목은 뭐지", "평판 전극의 두께(\\(\\mathrm{mm}\\))는 얼마니?", "표에 따르면 평판 전극의 두께(\\(\\mathrm{mm}\\))는 어느 정도지", "전극 간 간격과 구 전극의 직경 크기가 가진 같은 값 중에 큰 값은 뭐야?", "표에 의하면 전극 간 간격과 구 전극의 직경 크기가 가진 같은 값 중에 큰 수치가 뭐지" ]
546b5f43-b466-4b38-b6b8-342bd9e5ce92	인공물ED	롤피치 제한 조건에 강인한 가중 최소자승법 기반 마그네토미터 캘리브레이션 기법	<h1>3. 실 험</h1><p>검증 실험에는 6축 관성센서와 3 축 마그네토미터를 포함하는 GY-87 IMMU센서모듈이 사용되었으며, 아두이노 우노 (Arduino UNO)를 이용하여 센서 측정값을 PC로 진송하였다. 3차원 자세 추정 성능을 비교하기 위한 참조값(reference)으로는 광학식 모션 캡쳐 시스템인 Optitrack Flex 13을 사용하였다. GY-87 센서 모듈, 아두이노 우노와 광반사마커(optical marker)를 모두 동일 좌표계에 위치시키기 위해 육면체 플라스틱 상자를 사용하였다.</p><p>제안하는 캘리브레이션 기법의 성능을 검증하기 위해 오차 파라미터 추정용 데이터와 캘리브레이션 이후의 성능을 확인하기 위한 2가지 자세 추정 비교 실험 데이터를 수집하였다. 다양한 자기 왜곡 환경에서의 성능 비교를 위해 2가지 자세 추정 비교 실험 데이터에 각각 다른 임의의 왜곡을 추가적으로 가하였다.</p><p>마그네토미터 오차 파라미터 추정용 데이터는 매틀랩을 통해 생성된 시뮬레이선 데이터를 사용하였다. 이때 GY-87 의 마그네토미터에 해당하는 잡음이 데이터에 추가되었다. 또한 항체의 기울기가 제한적인 상황에서의 성능 파악을 위해 기울기가 \( 0^{\circ} \), \( 5^{\circ}\), \(10^{\circ} \) 일 때의 \( Z \) 축을 중심으로 한 회전 데이터를 사용하였다. 이 때, 센서의 셈플링률이 \( 100 \mathrm{Hz} \)이며 물체의 1회전당 1분이 걸린다는 가정 하에 총 18000 개 \( (=6000 \times 3) \) 의 데이터를 사용하였다. 2가지 자세 추정 비교 실험 데이터는 다음과 같이 수집하였다.</p><p>· Test 1: 약 1분간 센서를 무작위로 회전시켰다. 또한, 실험 데이터에 아래와 같은 웨곡을 추가직으로 가하였다.</p><p>\( \mathbf{C}_{1}=\left[\begin{array}{ccc}1.14 & 0.13 & -0.17 \\ 0.19 & 1.16 & -0.24 \\ -0.19 & -0.17 & 1.09\end{array}\right], \quad \mathbf{b}_{1}=\left[\begin{array}{c}-0.20 \\ -0.14 \\ 0.20\end{array}\right] \)<caption>(19)</caption></p><p>· Test 2: 센서를 임의의3차원 자세로 설정 후 \( 3 \sim 5\) 초간 정적 상태를 유지하는 것을 약 1 분간 반복하였다. 또한, 실험 데이터에 아래와 같은 왜곡을 추가적으로 가하였다.</p><p>\( \mathbf{C}_{2}=\left[\begin{array}{ccc}1.07 & 0.05 & -0.13 \\ 0.05 & 0.91 & 0.07 \\ -0.15 & 0.10 & 1.32\end{array}\right], \quad \mathbf{b}_{2}=\left[\begin{array}{c}0.05 \\ -0.19 \\ -0.10\end{array}\right] \)<caption>(20)</caption></p><p>식 (19)와 (20)에서 \( \mathbf{C}_{1 \sim 2} \) 와 \( \mathbf{b}_{1 \sim 2} \) 는 각각 식 (1)의 \( \mathbf{C} \) 와 \( \mathbf{b} \) 에 해당하며, \( \mathbf{b} \) 성분의 단위는 [Gauss]이다.</p><p>제안하는 마그네토미터 캘리브레이션 기법(이하 Proposed)의 성능을 비교검증하기 위해 타원체 피팅 방식 기반으로 하며 선형 최소자승법 (linear least squares)을 사용한 기법 (이하 LLS), 비선형 최소자승법(nonlinear least squares)을 사용한 기법(이하 NLS) 과 2 단계 알고리즘을 시용한 캘리브레이션 기법 (이하 Two-step)의 결과를 비교하였다. 3차원 자세 추정 비교를 위해 쿼터니언(quaternion)을 기반으로 하는 자세 추정 알고리즘을 사용하였다.</p>	[ "GY-87 IMMU센서모듈은 3 축 마그네토미터 외에 무엇을 포함하고 있는가?", "검증 실험에는 6축 관성센서와 3 축 마그네토미터를 포함하는 무엇이 사용되었는가?", "센서 측정값을 PC로 전송할 때 무엇을 사용하였는가?", "무엇을 센서 측정값을 PC로 전송할 때 이용했지?", "아두이노 우노 (Arduino UNO)를 이용하여 센서 측정값을 어디로 전송했는가?", "Arduino UNO를 사용하여 센서 측정값을 어디로 전송했는가?", "6축 관성센서와 무엇이 GY-87 IMMU센서모듈을 구성하고 있는가?", "GY-87 IMMU센서모듈에는 3축 관성센서와 6축 마그네토미터가 포함되어 있는가?", "PC로 전송된 것은 어떤 값인가?", "어떤 값이 PC로 전송되었지?", "센서 측정값을 PC로 전송하는 것에 아두이노 우노를 이용하였는가?", "6축 관성센서는 아두이노 우노에 포함되는가?", "아두이노 우노에 6축 관성센서는 포함되는가?", "GY-87 IMMU센서모듈은 이번 검증 실험에서 제외되었는가?", "아두이노 우노 (Arduino UNO)는 6축 관성센서와 3축 마그네토미터를 포함하는가?", "광학식 모션 캡쳐 시스템인 Optitrack Flex 13을 3차원 자세 추정 성능을 비교하기 위한 무엇으로 사용하였는가?", "참조값으로 광학식 모션 캡쳐 시스템인 Optitrack Flex 13을 사용한 이유는 무엇을 비교하기 위함인가?", "3차원 자세 추정 성능을 어떻게 하기 위해 Optitrack Flex 13을 사용하였는가?", "Optitrack Flex 13은 광학식 모션 캡쳐 시스템인가?", "3차원 자세 추정 성능을 비교하기 위한 참조값으로 아두이노 우노를 이용하였는가?", "육면체 플라스틱 상자를 사용한 이유는 모두 동일 좌표계에 위치시키기 위함인가?", "광학식 모션 캡쳐 시스템을 통해 3차원 자세 추정 성능을 비교하려 하였는가?", "Optitrack Flex 13을 사용한 이유는 3차원 자세 추정 성능을 출력하기 위함인가?", "GY-87 센서 모듈, 아두이노 우노와 무엇을 모두 동일 좌표계에 위치시키기 위해 육면체 플라스틱 상자를 사용하였나?", "아두이노 우노와 광반사마커 외에 또 무엇을 동일 좌표계에 위치시키려 하였는가?", "GY-87 센서 모듈, 아두이노 우노와 광반사마커를 모두 동일 좌표계에 위치시키기 위해 무엇을 사용하였는가?", "사용한 플라스틱 상자는 어떤 모양이었는가?", "이용한 플라스틱 상자는 무슨 모양이야?", "센서를 임의의3차원 자세로 설정 후 \\( 3 \\sim 5\\) 초간 정적 상태를 유지하는 것을 1회만 실험하였는가?", "\\( \\mathbf{b} \\) 성분의 단위는 무엇인가?", "\\( \\mathbf{b} \\) 성분의 단위는 뭐야?", "육면체 플라스틱 상자를 사용하였어도 동일 좌표계에 GY-87 센서 모듈는 없었는가?", "플라스틱 상자는 삼각체였는가?", "3차원 자세 추정 성능을 비교하기 위해 사용한 광학식 모션 캡쳐 시스템의 이름은 무엇인가?", "GY-87 센서 모듈, 아두이노 우노와 광반사마커(optical marker)를 모두 동일 좌표계에 위치시키기 위해 상자는 실리콘으로 제작되었는가?", "무슨 기법의 성능을 검증하려 하였는가?", "제안하는 캘리브레이션 기법의 성능을 검증하기 위해 수집한 데이터는 무엇인가?", "Optitrack Flex 13은 3차원 자세 추정 성능을 비교하기 위한 참조값이 될 수 있는가?", "캘리브레이션 이후의 성능을 확인하기 위해 수집한 데이터는 무엇인가?", "캘리브레이션 이후의 성능을 확인하기 위해 몇가지 자세 추정 비교 실험 데이터가 필요했는가?", "캘리브레이션 기법의 성능을 검증하기 위해 2가지 자세 추정 비교 실험 데이터를 수집하였는가?", "2가지 자세 추정 비교 실험 데이터는 캘리브레이션 기법의 성능을 검증하기 위해 필요했는가?", "2가지 자세 추정 비교 실험 데이터에 각각 다른 임의의 왜곡을 추가한 것은 다양한 어떤 환경에서의 성능 비교를 위한 것이었나?", "다양한 자기 왜곡 환경에서의 성능 비교를 위해 어디에 각각 다른 임의의 왜곡을 추가하였는가?", "다양한 자기 왜곡 환경에서의 성능 비교를 위해 2가지 자세 추정 비교 실험 데이터에 똑같은 임의 왜곡을 추가하였는가?", "매틀랩을 통해 생성된 시뮬레이선 데이터를 사용한 것은 무엇인가?", "마그네토미터 오차 파라미터 추정용 데이터는 무엇을 통해 생성된 시뮬레이선 데이터를 사용하였는가?", "매틀랩을 통해 무엇이 생성되었는가?", "무엇이 매틀랩을 통해 생겨났지?", "어떤 것의 마그네토미터에 해당하는 잡음이 데이터에 추가되었는가?", "데이터에 추가된 잡음은 GY-87 의 무엇에 해당하는가?", "GY-87 의 마그네토미터에 해당하는 잡음은 데이터에 어떻게 되었는가?", "잡음은 데이터에서 삭제되었는가?", "항체의 무엇이 제한적인 상황에서의 성능을 파악하려 하였는가?", "기울기가 \\( 0^{\\circ} \\), \\( 5^{\\circ}\\), \\(10^{\\circ} \\) 일 때의 \\( Z \\) 축을 중심으로 한 무엇을 사용하였는가?", "기울기가 \\( 0^{\\circ} \\), \\( 5^{\\circ}\\), \\(10^{\\circ} \\) 일 때의 \\( Z \\) 축을 중심으로 한 회전 데이터를 사용한 것은 항체의 기울기가 무제한인 상황에서의 성능을 파악하기 위해서인가?", "항체의 기울기가 제한적인 상황에서의 성능 파악을 위해 기울기가 \\( 100^{\\circ} \\), \\( 50^{\\circ}\\), \\(10^{\\circ} \\) 일 때의 \\( Z \\) 축을 중심으로 한 회전 데이터를 사용하였는가?", "물체의 1회전당 몇 분이 걸린다는 가정 하에 총 18000 개 \\( (=6000 \\times 3) \\) 의 데이터를 사용하였는가?", "센서의 무엇이 \\( 100 \\mathrm{Hz} \\) 이었는가?", "센서의 무엇이 \\( 100 \\mathrm{Hz} \\) 였어?", "센서의 셈플링률이 \\( 100 \\mathrm{Hz} \\)이며 물체의 1회전당 1분이 걸린다는 가정 하에 총 몇 개의 데이터를 사용하였는가?", "약 1분간 센서를 정해진 순서대로 회전시켰는가?", "약 1분간 센서를 무작위로 어떻게 하였는가?", "동일 좌표계에 위치시켜야 했던 것은 GY-87 센서 모듈, 광반사마커, 그리고 또 무엇이었는가?", "센서를 어떤 자세로 설정하였는가?", "센서를 임의의3차원 자세로 설정 후 \\( 3 \\sim 5\\) 초간 어떤 상태를 유지하였는가?", "임의의3차원 자세를 \\( 30 \\sim 50\\) 초간 정적 상태를 유지하였는가?", "정적 상태는 얼마동안 유지하였는가?", "육면체 상자의 소재는 뭐지?", "육면체 상자의 소재는 무엇이지?", "어떤 기법의 성능을 비교검증 하려고 하였는가?", "GY-87 센서 모듈, 아두이노 우노와 광반사마커(optical marker)는 각각의 좌표계에 위치해야했는가?", "LLS, NLS과 무엇을 사용한 Two-step의 결과를 비교하였는가?", "쿼터니언을 기반으로 하는 자세 추정 알고리즘은 아직 개발 단계인가?", "자세 추정 알고리즘을 사용한 이유는 2차원 자세 추정 비교를 위한 것인가?", "3차원 자세 추정 비교를 위해 무엇을 기반으로 하는 알고리즘을 사용하였는가?", "3차원 자세 추정 합성을 위해 쿼터니언을 사용하였는가?", "무엇을 위해 쿼터니언을 기반으로 하는 자세 추정 알고리즘을 사용하였는가?", "3차원 자세 추정 비교를 위해 쿼터니언을 기반으로 하는 무엇을 사용하였는가?", "잡음은 GY-87 의 마그네토미터에 해당되는가?", "데이터에 추가된 잡음은 GY-87 의 시뮬레이터에 해당하는가?", "항체의 기울기가 제한적인 상황에서의 성능 파악을 위해 기울기가 \\( 0^{\\circ} \\), \\( 5^{\\circ}\\), \\(10^{\\circ} \\) 일 때의 데이터를 사용하였는가?", "물체의 1회전당 1분이 걸린다는 가정 하에 총 60개의 데이터를 사용하였는가?", "약 1분간 센서를 어떻게 회전시켰는가?", "센서의 셈플링률이 \\( 10 \\mathrm{Hz} \\)인가?", "물체의 1회전당 1초가 걸린다는 가정 하에 총 18000 개 \\( (=6000 \\times 3) \\) 의 데이터를 사용하였는가?", "실험 데이터에 가해진 추가적 왜곡은 없었는가?", "제안하는 마그네토미터 캘리브레이션 기법의 성능을 비교검증하기 위해 어떤 방식을 기반으로 하였는가?", "선형 최소자승법과 2단계 알고리즘을 사용한 캘리브레이션 기법 외에 비교에 사용된 것은 무엇인가?", "오차 파라미터 추정용 데이터로는 캘리브레이션 기법의 성능을 검증하지 못했는가?", "마그네토미터 오차 파라미터 추정용 데이터는 매틀랩을 통해 생성된 시뮬레이선 데이터를 제외시켰는가?", "GY-87 의 마그네토미터에 해당하는 잡음을 어디에 추가하였는가?", "각각 다른 임의의 왜곡을 추가적으로 가한 것은 동일한 환경에서의 실험을 위해서였는가?", "본 실험 데이터에다가 다양한 자기 왜곡 환경에서의 성능을 비교하기 위해서 임의로 무엇을 추가하였는가?", "항체의 기울기가 제한되어 있을 경우의 성능을 파악하기 위해서 사용한 것은 무슨 축을 중심으로 회전한 데이터인가?", "본 실험에서는 한 가지 자세 추정을 비교한 결과 데이터를 수집한 것인가?", "임의의 3차원 자세로 센서를 설정한 뒤에 \\( 3 \\sim 5\\) 초간 정적 상태를 유지하는 패턴을 약 1 분동안 어떻게 하였는가?", "추가적으로 발생한 왜곡을 실험 데이터로부터 제거하였는가?", "약 1분간 센서를 규칙적으로 회전시킨 실험이 Test 1인가?" ]
2884ef74-e992-4112-8519-bb018ed1eb39	인공물ED	롤피치 제한 조건에 강인한 가중 최소자승법 기반 마그네토미터 캘리브레이션 기법	<h1>1. 서 론</h1><p>3 축 마그네토미터(magnetometer)는 지구 자기장의 크기와 방향을 측정하는 센서로서, 센서 부착 시스템에 방위각(yaw)을 제공한다. 일반적으로는 가속도계와 자이로스코프를 지칭하는 관성센서와 마그네토미터를 결합하여 IMMU(inertial and magnetic measurement unit)를 구성하므로써 3 차원 자세를 추정하고 있다</p><p>IMMU 센서는 제조 및 운용 과정에서 오차가 발생할 수 있으므로, 자세 추정의 정확성을 높이기 위해서는 캘리브레이션 (calibration) 과정이 필요하다. 그 중에서도 마그네토미터는 가속도계나 자이로스코프에 비해 주변환경의 영향을 크게 받는다. 이는 주변에서 흔히 볼 수 있는 금속, 자석 그리고 전자제품 등이 자기장을 발생 또는 왜곡시키며, 마그네토미터 신호에 영향을 미치기 때문이다. 따라서, 마그네토미터에 대한 캘리브레이션 과정은 정확한 자세 추정을 위해 반드시 필요한 선행과정이다.</p><p>캘리브레이션의 대상이 되는 마그네토미터 오차는 두 가지로 분류할 수 있는데, 센서 자체가 갖는 오차와 주변환경에 의해 발생하는 오차이다. 센서 자체가 갖는 오차는 민감도, 비직교성 그리고 오프셋 등이 있으며, 출고전 공장 캘리브레이션의 대상이 된다. 반면 마그네토미터 주변의 자기환경에 의해 발생하는 오차는 강성 왜곡과 약성 왜곡이 있다. 강성 왜곡은 센서 프레임에 부착된 hard-iron이 일정한 자기장을 발생시켜 측정값을 증감시키고, 이는 오프셋과 같은 형태의 오차이다. 약성 왜곡은 센서 프레임에 부착된 soft-iron에 의해 주변 자기장을 왜곡시키며 스스로 자기장을 발생시키진 않는다. 따라서 이들 왜곡은 센서의 장착위치에 따라 변하므로 공장 캘리브레이션의 대상이 될 수 없음은 물론, 장착위치가 변화되거나 주변 물체가 변화된 경우 새롭게 캘리브레이션되어야 한다.</p><p>마그네토미터를 통한 자세 추정 정확성을 높이기 위해 다양한 캘리브레이션 기법들이 연구되었으며, 가장 보편적인 방식으로 스윙법 (swing method)을 들 수 있다. 이는 마그네토미터가 부착된 시스템을 회전 테이블에 장착하여 회전시킨 후 센서값을 수집하고 이를 바탕으로 보정하는 방식으로 주변 물체나 환경의 변화에 의해 발생하는 자기 왜곡에 대해 다루기 어려운 단점이 있다. 그럼에도 불구하고, 방식의 간편성으로 인해 여전히 차량, 항공기, 헬리콥터 등 항체용 마그네토미터 캘리브레이션의 표준으로 사용되고 있다.</p><p>최근 주목받는 마그네토미터 캘리브레이선 기법으로는 타원체 피팅 (ellipsoid fitting)을 통한 방식이 있다. 타원체 피팅 방식은 3축 마그네토미터를 3 차원 공간상에서 회전시키며 센서값을 수집하여 출력하면, 일정한 지구 자기장에 대한 측정의 경우 원점을 중심으로 하는 구 형태를 가져야 하지반, 마그네토 미터 오차로 인해 Fig. 1(c)와 같이 중심이 편향된 타원체 형태를 가지는 특성을 이용하는 방식이다. 이 때 타원체 방정식의 계수는 마그네토미터 오차 성분든로 이루이진 함수이므로, 일반적으로 최소자승법 (least square method)을 이용하여 계수를 추정하고 이를 통한 캘리브레이션을 수행하게 된다. 구체적인 함수해법으로는 선형 최소자승법(linear least square), 비선형 최소자승법(nonlinear least square), 2단계 알고리즘(two-step algorithm), 확장 칼만 필터(extended Kalman filter) 그리고 최대가능도법(maximum likelihood estimation) 등이 적용된 바 있다. 선형 최소자승법은 선형기법으로서 비반복적 방식에 따른 계산효율성은 물론 비선형기법들이 가지고 있는 초기값 문제가 없다는 장점을 지니고 있다. 하지만, 평면 데이터에 대해서는 해가 존재하지 않으며, 평면에 가까운 데이터 대해서도 해의 오류가 크게 발생하는 문제를 지니고 있다. 이에 비해, 비선형 최소자승법과 2단계 알고리즘은 평면에 가까운 데이터에서도 해의 정확도가 상당히 유지되는 등 강인성(robustness)이 뛰어나지만, 비선형적인 방법으로 파라미터를 추정하기 때문에 오차 성분에 따라 초기값 문제가 발생할 수 있다.</p><p>기존의 타원체 피팅방식 캘리브레이션 기법들은 모두 충분한 3차원 센서 데이터, 즉 3차원 공간상에서 전(全) 방향으로 충분히 회전하여 얻은 데이터를 사용하는 것을 전제조건으로 하여 완전한 타원체를 형성하고 이를 통한 해법별 캘리브레이션 성능을 검증하여 왔다. 하지만 실제 차량, 선박 그리고 항공기 등의 캘리브레이션 조건에서는 이들 항체를 3 차원 공간상에서 회전시켜 데이터를 수집한다는 것은 매우 어려운 일이다. 따라서, 캘리브레이션용 데이터의 수집에 있어, 회전테이블을 통한 \( 360^{\circ} \) 방위각 (yaw) 회진과는 달리, 항체의 롤·피치(roll and pitch)는 작은 범위 (예를 들면 \( 10^{\circ} \) 이내)로 제한된다. 롤·피치 제한각도는 모션 플랫폼에 자유도를 부여하는 다중 액추에이터의 스트로크 (stroke)길이 등에 의해 결정된다. 따라서, 실제 운용조건을 고려한다면, 마그네토미터 캘리브레이션 기법은 항체의 롤피치가 제한적인 조건에서도 강인해야 한다.</p><p>본 논문에서는 항체의 롤·피치 각도가 제한적인 조건에서도 우수한 캘리브레이선 성능을 갖도록 하기 위해 선형 가중 최소자승법(weighted least square)을 이용한 마그네토미터 캘리브레이션 기법을 제안한다. 제안된 기법은 선형적인 방법으로 오차 파라미터를 추정하므로 초기값 설정이 필요하지 않다. 제안된 기법을 검증하기 위해 다양한 자기 왜곡 환경에서의 3 차원 자세 추정 결과를 제시한다.</p>	[ "본 논문에서 제안하는 기법은 비선형적인 방법을 따르지?", "지구 자기장의 크기와 방향을 측정하는 센서의 이름이 뭐니?", "자세 추정의 정확성을 높이기 위해 어떤 과정이 필요하니?", "IMMU를 구성하는 세 가지 결합 요소는 뭐니?", "마그네토미터보다 가속도계가 주변환경에 의해 받는 영향이 크지?", "마그네토미터의 오차를 두 가지로 분류하면 어떻게 돼?", "마그네토미터 주변의 자기환경에 의해 발생하는 오차는 어떤 것들이 있어?", "마그네토미터 주변의 자기환경에 의해 발생하는 오차 중, 오프셋과 같은 형태의 오차는 뭐야?", "마그네토미터에서 자기장을 발생시켜 측정값을 증감시키는 게 뭐야?", "약성 왜곡에서 soft-iron은 스스로 자기장을 발생시키지?", "hard-iron과 soft-iron은 모두 스스로 자기장을 발생시킬 수 있지?", "마그네토미터의 센서 장착 위치가 변화해도 캘리브레이션은 새롭게 진행할 필요가 없지?", "마그네토미터 캘리브레이션 기법 중, 가장 보편적인 방식이 뭐니?", "마그네토미터 캘리브레이션 기법 중, 스윙법의 단점이 뭐니?", "마그네토미터 캘리브레이션 기법 중, 스윙법은 어떻게 캘리브레이션을 진행하니?", "차량, 항공기, 헬리콥터 등 항체용 마그네토미터 캘리브레이션의 표준으로 사용되고 있는 기법의 이름이 뭐니?", "마그네토미터의 캘리브레이션 기법 중, 스윙법이 여러 곳에서 캘리브레이션의 표준으로 사용되고 있는 이유가 뭐야?", "타원체 피팅 기법에서 계수 추정을 할 때 어떤 방법을 사용해?", "타워체 피팅 기법에서, 타원체 방정식의 계수는 어떤 성분들로 이루어진 함수니?", "캘리브레이션을 진행할 때 선형 최소자승법이 가진 장점이 뭐니?", "본문에서는 타원체 피팅 시 캘리브레이션을 수행할 때 구체적인 함수해법으로 어떤 것들을 예시로 들고 있니?", "마그네토미터에 대한 캘리브레이션 과정이 필요한 이유가 뭐야?", "비선형 최소자승법과 2단계 알고리즘은 평면에 가까운 데이터에서는 해의 정확도가 현저히 떨어지지?", "타원체 피팅 기법에서 선형 최소자승법이 가지고 있는 문제가 무엇인가요?", "마그네토미터의 오차들은 어떤 위치에 따라 변화해?", "기존 타원체 피팅방식 캘리브레이션 기법들은 어떤 걸 전제로 완전한 타원체를 형성했니?", "본 논문에서 제안하는 바가 뭐니?" ]
75fa51dc-e9cd-4e01-aec2-96b3384643be	인공물ED	롤피치 제한 조건에 강인한 가중 최소자승법 기반 마그네토미터 캘리브레이션 기법	<h1>4. 결과 및 고찰</h1><p>Table 1은 Test 1에 따른 3차원 자세 추정 RMSE(root mean square error) 결과이며, Fig. 3은 Test 1 에서의 자세 추정 결과의 일부를 발췌한 그래프이다. Test 1 에서 캘리브레이션 이전의 데이터를 사용한 자세 추정 결과 평균 RMSE 값이 \( 11.45^{\circ} \)로 추정 정확성이 크게 떨이졌다. 또한 LLS의 경우 캘리브레이션 과정을 거쳤음에도 불구하고 평균 RMSE값이 \( 12.64^{\circ} \) 로 오히려 오차가 증가하였다. 이러한 결과는 LLS가 평면에 가까운 데이터를 사용할 경우 정확한 파라미터를 구하지 못하여 나타나는 현상이다. 이에 비해 NLS와 Two-step은 평균 RMSE값이 각각 \( 1.93^{\circ} \)와 \( 2.01^{\circ} \)로 캘리브레이션 이전과 비교하여 오차가 약 \( 9^{\circ} \) 이상 감소하였다. 여기서, NLS와 Two-step의 평균 RMSE값은 비슷하지만, 마그네토미터의 영향을 가장 크게 받는 yaw 추정 정확성은 NLS가 Two-step보다 더 높았다 (yaw 추정 RMSE: NLS \( 2.38^{\circ} \) Two-step \( 3.28^{\circ} \) ). 제안기법의 경우 평균 RMSE값이 \( 1.47^{\circ} \) 로 다른 캘리브레이션 기법들에 비해 가장 우수한 자세 추정 성능을 보였다.</p><p>Table 2는 Test 2에 따른 3차원 자세 추정 RMSE 결과이며, Fig. 4 는 Test 2 에서의 3 차원 자세 추정 결과의 일부를 발췌한 그래프이다. Test 2 에서도 캘리브레이션 이전의 데이터를 사용한 자세 추정 결과 평균 RMSE값이 \( 9.43^{\circ} \) 로 추정 정확성이 크게 떨어졌다. LLS는 평균 RMSE값이 \( 7.94^{\circ} \) 로 Test 1 과는 다르게 오차가 감소하였으나 여전히 다른 기법들과 비교하여 자세 추정 정확성이 낮았다. NLS와 Two-step은 LLS에 비해 자세 추정 성능이 우수하였다(자세 추정 RMSE 평균: NLS \( 2.29^{\circ} \)/ Two-step \( 2.98^{\circ} \) ). 하지만, Two-step의 경우 yaw 추정 RMSE값이 \( 5.59^{\circ} \)로 NLS \( 2.32^{\circ} \) 에 비해 다소 떨어지는 성능을 보였다. 제안기법의 경우 Test 1 의 결과와 마찬가지로 평균 RMSE값이 \( 1.75^{\circ} \) 로 다른 캘리브레이션 기법들에 비교하여 자세 추정 정확성이 가장 높았다.</p><p>LLS는 선형 최소자승법을 기반으로 하므로 비선형 최소자승법의 반복기법시 요구되는 초기값 설정이 필요없다는 장점을 가지고 있다. 하지만 Test 1 과 2 의 결과에서 볼 수 있듯, 평면에 가까운 데이터에서는 파라미터 추정 성능이 크게 저하되이 캘리브레이선 수행이전에 비해 오히려 자세 추정 정확성이 떨어지거나 큰 차이를 보이지 않을 수 있다.</p><p>NLS 와 Two-step은 모두 비선형 최소자승법을 기반으로 하고 있으며, 평면에 가까운 데이터에서도 안정적인 성능을 보였다. 하지만 비선형 최소자승법은 오차 성분에 따라 초기값 문제가 발생하며, 이로 인해 정확한 해를 찾지 못하여 캘리브레이션 성능이 저하될 수 있다는 단점이 있다. 또한, 자기장 측정 단위에 따라 식 (1)의 \( \mathbf{C} \) 와 \( \mathbf{b} \) 의 해당하는 오차 비중을 적절하게 맞춰 주는 과정을 필요로 한다.</p><p>제안하는 선형 가중 최소자승법은 선형 기법이므로 LLS와 마찬가지로 초기값 설정이 불필요하며 계산효율성이 뛰어난 장점을 지니면서도, 데이터에 따른 신뢰도(즉, 가중치)를 다르게 설정하여 평면에 가까운 데이터에서도 안정적인 성능을 보였다.</p>	[ "Two-step의 경우 yaw 추정 RMSE값이 \\( 5.59^{\\circ} \\)로 NLS \\( 2.32^{\\circ} \\) 에 비해 성능이 더 좋았는가?", "자세 추정 RMSE 평균의 Two-step 값은 얼마인가?", "NLS와 Two-step은 LLS에 비해 무엇이 더 좋았는가?", "NLS와 Two-step은 LLS에 비해 자세 추정 성능이 우수하다는 것을 어떤 값을 보고 알 수 있었나?", "\\( 2.98^{\\circ} \\) 는 NLS의 값인가?", "자세 추정 RMSE 평균의 NLS 값은 \\( 2.98^{\\circ} \\) 였는가?", "Two-step의 경우 yaw 추정 RMSE값이 무엇에 비해 다소 떨어지는 성능을 보였는가?", "NLS와 Two-step은 LLS에 비해 자세 추정 성능이 더 나았는가?", "yaw 추정 RMSE값이 NLS는 얼마였는가?", "NLS와 Two-step은 LLS와 비교할 수 없었나?", "Two-step의 경우 yaw 추정 RMSE값이 얼마였는가?", "Test 1 에서의 자세 추정 결과의 일부를 발췌한 그래프는 무엇인가?", "캘리브레이션 이전의 데이터를 사용한 자세 추정 결과 어떤 값이 크게 감소했는가?", "Table 1은 Test 1에 따른 3차원 자세 추정 RMSE(root mean square error)의 어떤 값인가?", "Test 1에 따른 자세 추정 RMSE(root mean square error) 결과는 2차원적인가?", "자세 추정 결과 평균 RMSE 값이 \\( 11.45^{\\circ} \\)로 추정 정확성이 크게 감소한 것은 무엇을 기준으로 그 이전의 데이터를 사용했기 때문인가?", "Table 1은 몇차원 자세 추정 RMSE(root mean square error) 결과인가?", "Test 1에 따른 3차원 자세 추정 RMSE(root mean square error) 결과는 어디에 나타나있는가?", "Test 1 의 추정 정확성이 좋지 않은 이유는 캘리브레이션 이전의 무엇을 사용했기 때문인가?", "Test 1 에서의 자세 추정 결과의 일부를 발췌한 그래프는 본 논문에 나와있지 않은가?", "캘리브레이션 이전의 데이터를 어떤 값을 구하는 데에 사용하였는가?", "캘리브레이션 이전의 데이터를 사용한 자세 추정 결과 평균 RMSE 값은 얼마인가?", "캘리브레이션 이전의 데이터를 사용했더니 추정 정확성을 신뢰할 수가 없었는가?", "Fig. 3은 Test 1 에서의 자세 추정 결과의 일부를 발췌한 무엇인가?", "어떤 데이터를 사용하는 지가 자세 추정 결과 평균 RMSE 값에 영향을 미치는가?", "Fig. 3은 Test 1 에서의 자세 추정 결과의 무엇을 발췌한 것인가?", "자세 추정 결과 평균 RMSE 값이 \\( 11.45^{\\circ} \\)로 추정 정확성이 크게 떨이진 이유는 캘리브레이션 이후의 데이터를 사용했기 때문인가?", "Fig. 3은 Test 1 에서의 어떤 결과인가?", "3차원 자세 추정 RMSE(root mean square error) 결과를 알기 위해서 Table 1을 보면 되는가?", "캘리브레이션 이전의 데이터를 사용한 자세 추정 결과 평균 RMSE 값이 무엇을 신뢰할 수 없게 만들었는가?", "LLS의 경우 캘리브레이션 과정이 긍정적 결과를 보여주었는가?", "캘리브레이션 과정을 거쳤음에도 불구하고 평균 RMSE값이 \\( 12.64^{\\circ} \\) 로 오히려 오차가 증가한 것은 무엇인가?", "LLS의 경우 무엇이 오차가 증가하였는가?", "자세 추정 결과 평균 RMSE 값이 \\( 11.45^{\\circ} \\)인 것은 추정 정확성이 낮다고 볼 수 있는가?", "LLS의 경우 캘리브레이션 과정을 거치지 않았는가?", "LLS의 경우 캘리브레이션 과정을 거쳤음에도 불구하고 무엇이 증가하였는가?", "LLS의 경우에도 무슨 과정을 거쳤는가?", "자세 추정 결과 평균 RMSE 값이 \\( 1.45^{\\circ} \\)로 나왔는가?", "LLS의 경우 평균 RMSE값이 얼마인가?", "평균 RMSE값이 \\( 12.64^{\\circ} \\) 로 오차가 더 감소하였는가?", "값이 \\( 12.64^{\\circ} \\)인 것은 자세 추정 결과인가?", "다른 캘리브레이션 기법들은 평균 RMSE값이 \\( 1.47^{\\circ} \\) 보다 안 좋았는가?", "평균 RMSE값이 작을수록 우수한 자세 추정 성능을 보여주는가?", "제안기법의 경우 평균 RMSE값이 다른 캘리브레이션 기법들의 평균 RMSE값 보다 작았는가?", "캘리브레이션 기법들은 평균 RMSE값이 \\( 1.47^{\\circ} \\) 보다 컸는가?", "Test 2 에서도 무엇 이전의 데이터를 사용한 값이 정확하지 않았는가?", "Test 2 에서도 캘리브레이션 이전의 데이터를 사용한 자세 추정 결과 평균 RMSE값은 얼마였는가?", "평균 RMSE값이 \\( 9.43^{\\circ} \\) 인 것은 무엇이 크게 감소한다고 볼 수 있는가?", "캘리브레이션 이전의 데이터를 사용한 자세 추정 결과 평균 RMSE값이 \\( 9.43^{\\circ} \\)이면 이 추정을 신뢰할 수 없는가?", "평균 RMSE값이 \\( 9.43^{\\circ} \\) 인 것은 Test 2인가?", "평균 RMSE값이 \\( 9.43^{\\circ} \\) 로 도출된 이유는 캘리브레이션 이후의 데이터를 사용했기 때문인가?", "LLS는 어떤 값이 \\( 7.94^{\\circ} \\) 로 결과가 나왔는가?", "LLS는 평균 RMSE값이 \\( 7.94^{\\circ} \\) 로 무엇과 달랐는가?", "오차가 감소하였으나 여전히 다른 기법들과 비교하여 자세 추정 무엇이 낮았는가?", "LLS는 평균 RMSE값이 \\( 7.94^{\\circ} \\) 로 Test 1 과는 다르게 오차가 감소하였으나 무엇과 비교하였을 때 여전히 자세 추정 정확성이 낮았는가?", "LLS는 평균 RMSE값이 \\( 7.94^{\\circ} \\) 로 Test 1 과 같이 오차가 증가하였는가?", "LLS는 평균 RMSE값이 \\( 7.94^{\\circ} \\) 로 나왔는가?", "LLS는 평균 RMSE값이 오차가 감소하였는가?", "LLS는 평균 RMSE값이 \\( 7.94^{\\circ} \\) 로 Test 1 과는 다르게 오차가 감소하여서 추정 정확성이 높았는가?", "자세 추정 정확성이 낮은 이유는 오차가 증가했기 때문인가?", "Test 1 은 오차가 증가하였다고 추론할 수 있는가?", "NLS와 Two-step은 무엇에 비해 자세 추정 성능이 우수하였는가?", "LLS에 비해 자세 추정 성능이 우수한 것은 어떤 것들인가?", "자세 추정 RMSE 평균의 NLS 값은 얼마인가?", "Table 1은 Test 1에 따른 무슨 결과인가?", "캘리브레이션 과정을 거쳤음에도 오차가 증가한 것은 평균 RMSE값이 \\( 12.64^{\\circ} \\)이기 때문인가?", "캘리브레이션 과정이 평균 RMSE값에 좋은 영향을 주지 못했는가?", "이러한 결과는 무엇이 평면에 가까운 데이터를 사용할 경우 정확한 파라미터를 구하지 못하여 나타나는 현상인가?", "이러한 결과는 LLS가 어디에 가까운 데이터를 사용할 경우 정확한 파라미터를 구하지 못하여 나타나는 현상인가?", "LLS가 평면에 가까운 데이터를 사용할 경우 정확한 무엇을 구하지 못하여 나타나는 현상인가?", "이러한 결과는 LLS가 평면에 가까운 데이터를 사용하지 못할 때 나타나는 현상인가?", "LLS가 평면에 가까운 데이터를 사용할 경우 정확한 파라미터를 구할 수 있는가?", "평균 RMSE값이 \\( 2.38^{\\circ} \\) 이었는가?", "yaw 추정 정확성은 무엇이 Two-step보다 더 높았는가?", "어떤 것들의 평균 RMSE값은 비슷한가?", "yaw 추정 정확성은 Two-step이 NLS보다 더 높았는가?", "yaw 추정 정확성 무엇의 영향을 가장 크게 받는가?", "yaw 추정 RMSE의 Two-step 값은 \\( 3.28^{\\circ} \\)인가?", "정확한 파라미터를 구하지 못하는 이유는 LLS가 평면에 가까운 데이터를 사용하기 때문인가?", "yaw 추정 정확성에서 차이가 난 이유는 마그네토미터의 영향 때문인가?", "제안기법의 경우 평균 RMSE값은 얼마인가?", "마그네토미터의 영향을 가장 크게 받는 것은 무엇인가?", "제안기법의 경우 평균 RMSE값이 \\( 1.47^{\\circ} \\) 로 다른 어떤 기법보다 우수했는가?", "yaw 추정 RMSE의 NLS 값은 구할 수 없었는가?", "제안기법의 경우 어떤 값이 \\( 1.47^{\\circ} \\)가 도출되었는가?", "NLS와 Two-step의 평균 RMSE값은 완전한 차이를 보였는가?", "NLS 값은 얼마인가?", "yaw 추정 RMSE의 Two-step 값은 얼마인가?", "제안기법의 경우 평균 RMSE값이 \\( 1.47^{\\circ} \\) 로 다른 캘리브레이션 기법들에 비해 가장 좋았는가?", "제안기법의 무엇이 가장 우수하였는가?", "제안기법이 다른 캘리브레이션 기법들에 비해 우수한 것은 평균 RMSE값이 \\( 1.47^{\\circ} \\) 로 나타났기 때문인가?", "Fig. 4 는 Test 2 에서의 3 차원 자세 추정 결과의 일부를 발췌한 무엇인가?", "Test 2 에서의 3 차원 자세 추정 결과의 일부를 발췌한 그래프는 Table 2인가?", "가장 우수한 자세 추정 성능은 제안기법을 사용했을 경우인가?", "Table 2는 Test 2에 따른 무엇의 결과인가?", "Test 2에 따른 3차원 자세 추정 RMSE 결과를 알고 싶다면 Table 2를 보면 되는가?", "LLS는 평균 RMSE값이 \\( 7.94^{\\circ} \\) 로 Test 1 과는 다르게 무엇이 감소하였는가?", "LLS는 평균 RMSE값이 얼마로 나왔는가?", "평균 RMSE값이 \\( 7.94^{\\circ} \\) 로 나온 것은 무엇인가?", "yaw 추정 RMSE값으로 둘의 무엇을 비교하였는가?", "Two-step의 경우 yaw 추정 RMSE값이 \\( 2.32^{\\circ} \\)였는가?", "yaw 추정 RMSE값이 작을수록 더 좋은 성능이라고 말할 수 있는가?", "yaw 추정 RMSE값으로 성능을 비교할 수 있는가?", "평균 RMSE값이 \\( 1.75^{\\circ} \\) 인 것은 어떤 기법인가?", "yaw 추정 RMSE값이 \\( 5.59^{\\circ} \\)인 것은 NLS인가?", "yaw 추정 RMSE값은 적을수록 더 좋은가?", "제안기법의 경우 평균 RMSE값이 얼마였는가?", "자세 추정 정확성을 비교하기 위해 제안기법과 다른 무엇을 비교하였는가?", "제안기법의 경우 다른 캘리브레이션 기법들에 비교하여 자세 추정 정확성이 더 좋았는가?", "제안기법의 경우 평균 RMSE값이 Test 1 의 무엇과 마찬가지였는가?", "제안기법은 다른 캘리브레이션 기법들에 비해 무엇이 가장 높았는가?", "평균 RMSE값으로 자세 추정 정확성의 우위를 파악할 수 있는가?", "제안기법의 경우 평균 RMSE값이 \\( 1.75^{\\circ} \\) 였는가?", "반복기법시 요구되는 초기값 설정이 필요한 것은 무엇인가?", "비선형 최소자승법의 반복기법시에는 무엇이 요구되는가?", "LLS는 무엇을 기반으로 하는가?", "제안기법의 경우 Test 1 의 결과와 달랐는가?", "제안기법은 평균 RMSE값이 다른 캘리브레이션 기법들의 그 값에 비해 낮았다고 볼 수 있는가?", "선형 최소자승법을 기반으로 하는 것은 무엇인가?", "비선형 최소자승법의 반복기법시 요구되는 초기값 설정은 단점인가?", "파라미터 추정 성능이 크게 저하되는 것은 어디에 가까운 데이터일 때인가?", "초기값 설정이 필요한 것은 장점인가?", "LLS는 선형 최소자승법을 기반으로 하므로 가지는 장점이 있는가?", "초기값 설정이 필요없다는 것은 무엇이 되는가?", "평면에 가까운 데이터는 무엇에 비해 오히려 자세 추정 정확성이 떨어지거나 큰 차이를 보이지 않을 수 있는가?", "평면에 가까운 데이터에서는 캘리브레이선 수행이전에 비해 무엇이 떨어지거나 차이가 없는가?", "LLS는 비선형 최소자승법을 기반으로 하는가?", "평면에 가까운 데이터에서는 무엇이 크게 저하되는가?", "비선형 최소자승법의 단점은 무엇이 필요한 것인가?", "비선형 최소자승법의 반복기법시 초기값 설정은 필요없는가?", "평면에 가까운 데이터에서는 파라미터 추정 성능이 크게 저하된다는 것을 무엇을 보고 알 수 있었나?", "LLS가 가지는 장점은 무엇인가?", "평면에 가까운 데이터에서는 파라미터 추정 성능이 어떻게 되는가?", "NLS 와 Two-step은 어디에 가까운 데이터에서 안정적인 성능을 보였는가?", "평면에 가까운 데이터에서는 파라미터 추정 성능이 크게 저하되이 캘리브레이선 수행이전에 비해 오히려 자세 추정 정확성이 떨어지거나 무엇이 별로 없을 수 있는가?", "평면에 가까운 데이터에서도 안정적인 성능을 보인 것은 무엇인가?", "평면에 가까운 데이터에서도 안정적인 성능을 보인 것은 무엇을 기반으로 하기 때문인가?", "Two-step은 선형 최소자승법을 기반으로 하는가?", "평면에 가까운 데이터에서는 파라미터 추정 성능이 크게 저하되이 캘리브레이선 수행이전에 비해 오히려 자세 추정 정확성이 떨어지거나 큰 차이를 보일 가능성이 높은가?", "NLS만 비선형 최소자승법을 기반으로 하는가?", "평면에 가까운 데이터에서 무엇을 보였는가?", "Test 1 과 2 의 결과에서 아무 공통점을 찾지 못했는가?", "비선형 최소자승법을 기반으로 하는 것은 NLS 와 Two-step 모두인가?", "평면에 가까운 데이터에서는 파라미터 추정 성능이 크게 올라가는가?", "파라미터 추정 성능이 크게 저하되는 것은 평면에 가까운 데이터인가?", "파라미터 추정 성능이 크게 저하되면 캘리브레이선 수행이전에 비해 오히려 자세 추정 정확성은 상승하는가?", "NLS 와 Two-step은 모두 무엇을 기반으로 하는가?", "비선형 최소자승법을 기반으로 하면 안정적인 성능을 보여줄 수가 없는가?", "평면에 가까운 데이터에서 불안정한 성능을 보였는가?", "비선형 최소자승법의 장점이 캘리브레이션 성능이 높다는 것인가?", "선형 가중 최소자승법은 장점이 여러 개인가?", "비선형 최소자승법은 오차 성분에 따라 무엇이 문제가 되는가?", "비선형 최소자승법은 오차 성분에 따라 초기값 문제가 발생하여 정확한 무엇을 찾지 못할 수 있는가?", "정확한 해를 찾지 못하여 무엇이 저하될 수 있는가?", "비선형 최소자승법은 캘리브레이션 성능이 저하될 수 있다는 무엇을 갖고 있는가?", "정확한 해를 찾지 못하는 이유가 초기값 문제 때문인가?", "캘리브레이션 성능이 저하될 수도 있는 것은 정확한 해를 찾지 못하기 때문인가?", "캘리브레이션 성능이 저하될 수 있다는 것은 단점인가?", "초기값 문제가 결국 캘리브레이션 성능을 저하시키는가?", "정확한 해를 찾아야 캘리브레이션 성능을 상승시킬 수 있는가?", "(1)의 \\( \\mathbf{C} \\) 와 \\( \\mathbf{b} \\) 의 해당하는 오차 비중을 크게 차이나게 두어야 하는가?", "식 (1)의 \\( \\mathbf{C} \\) 와 \\( \\mathbf{b} \\) 의 해당하는 무엇을 적절히 맞춰야하는가?", "오차 비중을 적절하게 맞춰 주는 과정은 자기장 측정 단위에 따라야 하는가?", "오차 비중을 적절하게 맞춰 주는 과정은 생략해도 되는가?", "제안하는 선형 가중 최소자승법은 무엇인가?", "제안하는 선형 가중 최소자승법은 선형 기법이므로 무엇과 마찬가지로 초기값 설정이 불필요한가?", "선형 기법은 무엇이 필요하지 않은가?", "데이터에 따른 무엇을 다르게 설정하여 평면에 가까운 데이터에서도 안정적인 성능을 보였는가?", "데이터에 따른 신뢰도(즉, 가중치)를 다르게 설정하여 어디에 가까운 데이터에서도 꾸준한 성능을 보여주었는가?", "제안하는 선형 가중 최소자승법은 선형 기법이므로 LLS와 마찬가지로 초기값 설정이 필요한가?", "선형 가중 최소자승법은 초기값 설정이 필요한가?", "제안하는 선형 가중 최소자승법은 데이터에 따른 신뢰도(즉, 가중치)를 같게 설정해야하는가?", "제안하는 선형 가중 최소자승법은 평면에 가까운 데이터에서 가장 큰 단점을 보이는가?", "데이터에 따른 신뢰도(즉, 가중치)를 다르게 설정하여 평면에 가까운 데이터에서도 안정적인 성능을 보이는 것은 비선형 가중 최소자승법인가?", "비선형 최소자승법은 모든 초기값 문제를 지울 수 있는가?", "오차 성분에 따라 초기값 문제가 발생하는 것은 선형 최소자승법인가?", "무슨 측정 단위에 따라 식 (1)의 \\( \\mathbf{C} \\) 와 \\( \\mathbf{b} \\) 의 해당하는 오차 비중을 적절하게 맞춰 주는 과정이 필요한가?", "제안하는 선형 가중 최소자승법은 초기값 설정이 불필요하고 무엇이 뛰어난 장점이 있는가?", "오차 성분에 따라 초기값 문제가 발생하는 것은 무엇인가?", "비선형 최소자승법은 무엇에 따라 초기값 문제가 발생하는가?", "선형 기법은 계산효율성이 많이 떨어지는가?", "자기장 측정 단위에 따라 식 (1)의 \\( \\mathbf{C} \\) 와 \\( \\mathbf{b} \\) 의 해당하는 오차 비중을 적절하게 맞춰 주는 무엇을 거쳐야 하는가?" ]
9234e308-9698-40e4-a606-206f8551c9b6	인공물ED	롤피치 제한 조건에 강인한 가중 최소자승법 기반 마그네토미터 캘리브레이션 기법	<h1>5. 결 론</h1><p>본 논문에서는 마그네토미터가 부착된 항체의 롤·피치가 제한적인 경우에도 우수한 캘리브레이션 성능을 갖도록 하기 위해 타원체 피팅 방식을 기반으로 하며 선형 가중 최소자승법을 사용한 마그네토미터 캘리브레이션 기법을 제안하였다.</p><p>검증실험결과, 제안기법이 다른 캘리브레이션 기법들과 비교하여 우수한 3 차원 자세 추정 성능을 보였다. 평균 자세 추정 RMSE는 Test 1의 경우 NLS \( 1.93^{\circ} \), Two-step \( 2.01^{\circ} \), LLS \( 12.64^{\circ} \), 제안기법 \( 1.47^{\circ} \) 였으며, Test 2의 경우 NLS \( 2.29^{\circ} \), Two-step \( 2.98^{\circ} \), LLS \( 7.94^{\circ} \), 제안기법 \( 1.75^{\circ} \) 로 제안기법의 자세 추정 성능이 두번째로 우수한 성능을 보이는 NLS에 비교하여 약 \( 0.5^{\circ} \) 이상 우수하였다. 제안기법과 NLS의 성능 차이가 매우 크다고 볼 수는 없으나, 제안기법이 선형적이며 초기값 문제 또한 발생하지 않는다는 장점을 가지고 있다는 점을 고려한다면 보다 우수한 캘리브레이션 기법이라고 할 수 있을 것이다.</p><p>제안하는 기법은 다양한 자기 왜곡 환경에서 평면에 가까운 데이터를 사용하는 경우에도 우수한 성능을 보였다. 이에 따라 제안기법은 차량, 선박 또는 항공기와 같이 항체의 롤·피치가 제한된 현실직 조건에서 효율적이고 강인한 마그네토미터 캘리브레이션 기법으로 활용될 수 있다.</p>	[ "항체에 무엇이 부착되었어?", "우수한 캘리브레이션 성능을 갖도록 하기 위해 어떤 방식을 기반으로 마그네토미터 캘리브레이션 기법을 제안하였어?", "평균 자세 추정 RMSE는 Test 1의 경우 어떻게 되니?", "NLS는 제안기법의 자세 추정 성능이 몇 번째로 우수한 성능을 보이니?", "제안기법의 장점은 무엇이야?", "제안기법은 우수한 캘리브레이션 기법이라고 할 수 있니?", "Test 2의 경우 제안기법의 NLS와 비교했을 때 얼마 이상 우수함을 확인하였어?", "제안기법은 제한되고 현실적 조건에서 비효율적이니?", "Test 2의 경우 Two-step의 수치는 얼마야?", "차량, 선박 또는 항공기와 같이 항체의 롤·피치가 제한된 현실적 조건에서 효율적이고 강인한 마그네토미터 캘리브레이션 기법으로 활용될 수 있는 기법은 무엇이니?", "제안하는 기법은 다양한 자기 왜곡 환경에서 평면에 가까운 데이터를 사용할 때도 우수한 성능을 보이니?" ]
f56401c2-143e-41aa-ab7d-e6cffa3a7cf6	인공물ED	롤피치 제한 조건에 강인한 가중 최소자승법 기반 마그네토미터 캘리브레이션 기법	<h1>2. 마그네토미터 캘리브레이션 기법</h1><h2>2.1 선형 가중 최소자승법</h2><p>3축 마그네토미터의 측정 모델링은 다음과 같다.</p><p>\( \mathbf{s}=\mathbf{C h}+\mathbf{b}+\mathbf{n} \)<caption>(1)</caption></p><p>여기서, \( \mathbf{s}=\left[\begin{array}{lll}s_{x} & s_{y} & s_{z}\end{array}\right]^{T} \) 는 센서 측정값; \( \mathrm{h} \) 는 지구 자기장 벡터; \( \mathrm{C} \)는 민감도, 비직교성 그리고 약성 왜곡에 해당하는 행렬; \( \mathrm{b} \) 는 오프셋과 강성 왜곡에 해당하는 벡터; 그리고 \( \mathbf{n} \) 은 센서 측정 잡음 벡터이다.</p><p>식 (1)을 제곱하면 아래와 같이 \( s_{x}, s_{y}, s_{z} \) 에 대한 타원체 방정식으로 정리할 수 있다.</p><p>\( p_{1} s_{x}^{2}+p_{2} s_{y}^{2}+p_{3} s_{z}^{2}+2 p_{4} s_{x} s_{y}+2 p_{5} s_{x} s_{z} \) \( +2 p_{6} s_{y} s_{z}+p_{7} s_{x}+p_{8} s_{y}+p_{9} s_{z}+p_{10}=0 \)<caption>(2)</caption></p><p>여기서, \( p_{1} \sim p_{10} \) 은 \( \mathrm{C} \) 와 \( \mathrm{b} \) 의 성분들의 함수로 표현되는 파라미터들(parameters)이다. 따라서, 이들을 추정함으로써 마그네토미터를 캘리브레이션할 수 있다. 하지만 최소자승법을 이용하여 식 (2)의 파라미터를 구할 경우 모두 0이 나오는 자명해(trivial solution)가 구해진다. 이와 같은 경우를 피하기 위해서 참고 문헌에서는 Rosin이 제안한 \( p_{10}=1 \) 이라는 설정을 통해 평준화 해서 최소 자승법을 수행하고 있다. 하지만 \( p_{10} \) 은 바이이스 성분에 따라 크게 바뀔 수 있는 값으로 강성 왜곡 성분이 클 경우에 타원체 피팅 성능이 떨어질 수 있다. 이에 비해 \( p_{1} \) 은 \( \mathrm{C} \) 행렬 성분으로만 이루어진 함수로서 \( p_{10} \)에 비해 주변 환경 변화에 영향을 크게 받지 않는다. 이러한 특성을 고려하여 \( p_{1}=1 \) 이라는 조건을 사용하여 식(2)를 다음과 같이 정리하였다.</p><p>\( \begin{aligned}-s_{x}^{2}=& p_{2} s_{y}^{2}+p_{3} s_{z}^{2}+2 p_{4} s_{x} s_{y}+2 p_{5} s_{x} s_{z} \\ &+2 p_{6} s_{y} s_{z}+p_{7} s_{x}+p_{8} s_{y}+p_{9} s_{z}+p_{10} \end{aligned} \)<caption>(3)</caption></p><p>3 차원 데이터를 충분히 획득할 수 있다면 기존의 선형 최소 자승법을 이용하여 식 (3)의 파라미터를 구하여도 문제가 발생하지 않는다. 하지만 차량 또는 선박과 같이 롤과 피치에 해당하는 움직임이 제한적인 상황에서는 측정 잡음으로 인해 파라미터 추정 성능이 크게 저하될 수 있다. 따라서, 롤피치가 제한된 조건하에서 측정 잡음에 의한 성능 저하 문제를 보완하기 위헤, 본 논문은 선형 가중 최소자승법(linear weighted least square method)을 제안하며, 가중치를 구하는 식은 다음과 같다.</p><p>\( w_{i}=1 /\left\|\left(\frac{1}{2 j+1} \sum_{k=i-j}^{i+j} a_{k}\right)-a_{i}\right\| \)<caption>(4)</caption></p><p>여기서, \( w_{i} \) 는 \( i \) 번째 데이터의 가중치이며, \( a\left(=s_{x}+s_{y}+s_{z}\right) \) 는 센서 각 축의 데이터의 합을 나타낸다. 가중치를 구하는데 있어 각 축의 데이터의 합을 사용한 이유는 모든 축 데이터에 측정 잡음이 존재하기 때문이다. \( j \) 는 \( a \) 의 평균값을 구할 범위를 결정하는 설정값으로, 범위내에 데이터의 측정 잡음이 충분히 정규 분포를 따를 수 있도록 하는 적절한 값을 설정해야 한다. 또한 \( a \) 가 선형이라는 가정이 필요하므로 범위를 너무 넓게 설정하면 파라미터 추정 성능이 저하될 수 있다.</p><p>일반적으로 가중 최소자승법을 사용할 때 가중치는 오차의 제곱에 반비례하도록 설정한다. 하지만 오차의 제곱을 사용하여 가중치를 설정하게 되면 파라미터를 추정하는데 있어서 오차가 매우 작은 특정 데이터에 대한 의존도가 급격히 높아 질 수 있다. 이러한 현상이 발생하지 않도록 식 (4)에서 가중치는 오차의 제곱이 아닌 오차의 절대값에 반비례하도록 설정하였다.</p><p>\( p_{2} \sim p_{10} \) 으로 이루이진 \( 9 \times 1 \) 백터를 \( \mathrm{p} \) 라고 할 때, 선형 가중 최소자승법을 이용하여 식 (3)의 파라미터들을 구하는 식은 다음과 같다.</p><p>\( \mathbf{p}=\left(\mathbf{M}^{T} \mathbf{W} \mathbf{M}\right)^{-1} \mathbf{M}^{T} \mathbf{W} \mathbf{y} \)<caption>(5)</caption></p><p>여기서 \( \mathbf{p}=\left[\begin{array}{lllllllll}p_{2} & p_{3} & p_{4} & p_{5} & p_{6} & p_{7} & p_{8} & p_{9} & p_{10}\end{array}\right]^{T} \)<caption>(6)</caption></p><p>\( \mathbf{W}=\left[\begin{array}{cccc}w_{1} & 0 & \cdots & 0 \\ 0 & w_{2} & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ 0 & 0 & \cdots & w_{n}\end{array}\right] \)<caption>(7)</caption></p><p>\( \mathbf{M}=\left[\begin{array}{ccccccccc}s_{y 1}^{2} & s_{z 1}^{2} & 2 s_{x 1} s_{y 1} & 2 s_{x 1} s_{z 1} & 2 s_{y t} s_{z 1} & s_{x 1} & s_{y 1} & s_{z 1} & 1 \\ s_{y 2}^{2} & s_{z 2}^{2} & 2 s_{x 2} s_{y 2} & 2 s_{x 2} s_{z 2} & 2 s_{y 2} s_{z 2} & s_{x 2} & s_{y 2} & s_{z 2} & 1 \\ & & & \vdots & & & \\ s_{y n}^{2} & s_{\nu n}^{2} & 2 s_{y n} s_{y n} & 2 s_{y n} s_{\eta n} & 2 s_{y n} s_{n n} & s_{y n} & s_{y n} & s_{z n} & 1\end{array}\right] \)<caption>(8)</caption></p><p>\( \mathbf{y}=\left[\begin{array}{llllll}-s_{x 1}^{2} -s_{x 2}^{2} \cdots \cdots -s_{x n}^{2}\end{array}\right]^{T} \)<caption>(9)</caption>이다.</p>	[ "식 (2)처럼 식 (1)을 제곱하면 타원체 방정식을 \\( s_{x}, s_{y}, s_{z} \\) 에 대한 식으로 정리할 수 있는가?", "\\( \\mathbf{s}=\\left[\\begin{array}{lll}s_{x} & s_{y} & s_{z}\\end{array}\\right]^{T} \\) 는 센서를 측정한 값을 나타내는가?", "\\( \\mathbf{s}=\\mathbf{C h}+\\mathbf{b}+\\mathbf{n} \\) 이 식에서 지구 자기장 벡터가 \\( \\mathrm{h} \\) 로 표현되었는가?", "trivial solution이 구해지는 것을 방지하기 위해 \\( p_{10}=1 \\)로 설정했는가?", "식 (4)에서 \\( j \\) 는 \\( a \\) 의 평균값을 계산할 범위를 정하는 설정값인가?", "식 (2)에서 \\(2 p_{4} s_{x} s_{y}\\)는 바이어스의 구성 성분에 따라 값이 바뀔 수도 있는가?", "\\( \\begin{aligned}-s_{x}^{2}=& p_{2} s_{y}^{2}+p_{3} s_{z}^{2}+2 p_{4} s_{x} s_{y}+2 p_{5} s_{x} s_{z} \\\\ &+2 p_{6} s_{y} s_{z}+p_{7} s_{x}+p_{8} s_{y}+p_{9} s_{z}+p_{10} \\end{aligned} \\) 에서 \\( \\mathrm{p} \\)는 민감도를 의미하는가?", "\\( \\mathbf{s}=\\mathbf{C h}+\\mathbf{b}+\\mathbf{n} \\)는 3축 마그네토미터의 측정 모델링을 나타낸 것인가?", "\\( \\mathbf{s}=\\mathbf{C h}+\\mathbf{b}+\\mathbf{n} \\)에서 \\( \\mathrm{b} \\)는 약성 왜곡에 해당하는 행렬인가?", "식 (1)에서 \\( \\mathrm{C} \\)는 민감도를 의미하는가?", "\\( \\mathrm{C} \\)는 \\( \\mathbf{s}=\\mathbf{C h}+\\mathbf{b}+\\mathbf{n} \\)에서 비직교성에 해당하는 행렬을 나타내는가?", "\\( \\mathbf{p}=\\left(\\mathbf{M}^{T} \\mathbf{W} \\mathbf{M}\\right)^{-1} \\mathbf{M}^{T} \\mathbf{W} \\mathbf{y} \\)에서 \\( \\mathrm{p} \\) 는 강성 왜곡 벡터인가?", "자명해가 나오는 것을 피하기 위해 Rosin이 제안한 최소 자승법을 이용하고 있는가?", "악성 왜곡 성분이 크면 타원체의 피팅 성능이 감소하는가?", "\\( \\mathbf{s}=\\mathbf{C h}+\\mathbf{b}+\\mathbf{n} \\) 에서 \\(\\mathbf{C} \\)를 제곱해 타원체 방정식으로 정리할 수 있는가?", "파라미터 추정 성능이 \\( w_{i}=1 /\\left\|\\left(\\frac{1}{2 j+1} \\sum_{k=i-j}^{i+j} a_{k}\\right)-a_{i}\\right\| \\) 에서 \\(j \\)의 범위를 줄이면 저하될 수 있는가?", "식 (2)의 파라미터를 최소자승법을 이용해 계산할 경우 모두 0이 나오는가?", "\\( p_{1} s_{x}^{2}+p_{2} s_{y}^{2}+p_{3} s_{z}^{2}+2 p_{4} s_{x} s_{y}+2 p_{5} s_{x} s_{z} \\) \\( +2 p_{6} s_{y} s_{z}+p_{7} s_{x}+p_{8} s_{y}+p_{9} s_{z}+p_{10}=0 \\)에서 \\( p_{10}=1 \\) 이라는 설정은 Rose가 제안했는가?", "파라미터는 3 차원 데이터를 충분히 획득하지 못한 상태에서 선형 최소 자승법을 이용해 구할 수 있는가?", "\\( a \\) 는 \\( w_{i}=1 /\\left\|\\left(\\frac{1}{2 j+1} \\sum_{k=i-j}^{i+j} a_{k}\\right)-a_{i}\\right\| \\)에서 선형으로 가정되어야 하는가?", "가중치를 정할 때 오차의 세제곱을 이용하면 오차가 아주 적게 나타나는 특정 데이터에 대한 의존도가 엄청 높아질 수도 있는가?", "측정 잡음으로 인해 차량과 선박의 경우 파라미터 추정 성능이 대폭 감소하게 되는가?", "강성 왜곡 성분이 클 경우, 바이이스 성분에 따라 \\( p_{10} \\) 은 타원체 피팅 성능이 떨어질 수 있는가?", "\\( \\mathbf{p}=\\left(\\mathbf{M}^{T} \\mathbf{W} \\mathbf{M}\\right)^{-1} \\mathbf{M}^{T} \\mathbf{W} \\mathbf{y} \\)에서 \\( \\mathbf{y}\\)는 \\(\\left[\\begin{array}{llllll}-s_{x 1}^{2} -s_{x 2}^{2} \\cdots \\cdots -s_{x n}^{2}\\end{array}\\right]^{T} \\) 를 나타내는가?", "식 (8)에서 \\( \\mathbf{M}\\)은 악성 왜곡 행렬에 해당하는가?", "측정 잡음이 식 (4)의 \\( j \\) 에서 카이제곱 분포를 따를 수 있도록 값을 정해야 하는가?", "가중 최소자승법을 쓸 때는 보통 오차의 제곱에 비례하도록 오차를 설정하는가?", "\\( \\mathbf{s}=\\mathbf{C h}+\\mathbf{b}+\\mathbf{n} \\)를 세제곱하면 \\( p_{1} s_{x}^{2}+p_{2} s_{y}^{2}+p_{3} s_{z}^{2}+2 p_{4} s_{x} s_{y}+2 p_{5} s_{x} s_{z} \\) \\( +2 p_{6} s_{y} s_{z}+p_{7} s_{x}+p_{8} s_{y}+p_{9} s_{z}+p_{10}=0 \\) 이와 같은 식으로 정리 가능한가?", "\\( \\mathrm{T} \\)는 \\( \\mathbf{p}=\\left(\\mathbf{M}^{T} \\mathbf{W} \\mathbf{M}\\right)^{-1} \\mathbf{M}^{T} \\mathbf{W} \\mathbf{y} \\) 에서 센서 측정값을 나타내는가?", "식(2)에서 \\( p_{1} s_{x}^{2}\\) 는 센서 측정값에 해당하는가?", "\\( p_{1} \\sim p_{10} \\) 값을 통해 마그네토미터를 교정할 수 있는가?", "\\( w_{i}=1 /\\left\|\\left(\\frac{1}{2 j+1} \\sum_{k=i-j}^{i+j} a_{k}\\right)-a_{i}\\right\| \\)은 오차의 제곱에 반비례하도록 가중치가 설정되었나?", "식 (3)의 파라미터를 선형 가중 최소자승법을 이용해 구하는 식이 \\( \\mathbf{p}=\\left(\\mathbf{M}^{T} \\mathbf{W} \\mathbf{M}\\right)^{-1} \\mathbf{M}^{T} \\mathbf{W} \\mathbf{y} \\) 인가?", "\\( w_{i}=1 /\\left\|\\left(\\frac{1}{2 j+1} \\sum_{k=i-j}^{i+j} a_{k}\\right)-a_{i}\\right\| \\)에서 \\( j \\) 는 측정 잡음이 포아송 분포를 따르도록 설정해야 하는가?", "파라미터 값이 모두 0이나오는 해를 trivial solution이라고 하는가?", "\\( \\mathrm{C} \\)는 \\( \\mathbf{s}=\\mathbf{C h}+\\mathbf{b}+\\mathbf{n} \\)에서 오프셋 벡터로 표현되는가?", "\\( w_{i}=1 /\\left\|\\left(\\frac{1}{2 j+1} \\sum_{k=i-j}^{i+j} a_{k}\\right)-a_{i}\\right\| \\) 에서 \\( w_{i} \\) 는 \\( i \\) 번째 데이터의 가중치를 나타내는가?", "식 (5)에서 \\( \\mathbf{p}\\)는 \\( \\mathbf{p}=\\left[\\begin{array}{lllllllll}p_{2} & p_{3} & p_{4} & p_{5} & p_{6} & p_{7} & p_{8} & p_{9} & p_{10}\\end{array}\\right]^{T} \\) 처럼 표현할 수 있는가?", "\\( \\mathbf{s}=\\mathbf{C h}+\\mathbf{b}+\\mathbf{n} \\)를 제곱하면 \\(\\mathbf{C}\\), \\(\\mathbf{h}\\), \\(\\mathbf{b}\\), \\(\\mathbf{n}\\)를 타원체 방정식으로 표현할 수 있는가?", "식 (1)에서 \\( \\mathrm{s} \\) 는 오프셋 벡터인가?", "본 논문에서 제안한 linear weighted least square method를 통해 식 (4)에서 가중치를 계산할 수 있는가?", "\\( \\mathrm{p} \\)는 9열 1행의 행렬로 나타낼 수 있는가?", "\\( \\mathbf{y}=\\left[\\begin{array}{llllll}-s_{x 1}^{2} -s_{x 2}^{2} \\cdots \\cdots -s_{x n}^{2}\\end{array}\\right]^{T} \\) 는 센서에 대한 민감도를 나타내는 행렬인가?", "\\( p_{1} s_{x}^{2}+p_{2} s_{y}^{2}+p_{3} s_{z}^{2}+2 p_{4} s_{x} s_{y}+2 p_{5} s_{x} s_{z} \\) \\( +2 p_{6} s_{y} s_{z}+p_{7} s_{x}+p_{8} s_{y}+p_{9} s_{z}+p_{10}=0 \\) 에서 센서 측정값을 구할 수 있는가?", "\\( \\mathbf{s}=\\mathbf{C h}+\\mathbf{b}+\\mathbf{n} \\)를 이용해 본 논문에서는 선형 가중 최소자승법을 제안하고 있는가?", "파라미터 추정 성능의 감소는 움직임이 자유로운 상황에서 발생하는가?", "\\( p_{10}=1 \\) 이라는 조건을 사용해 식(3)과 같이 표현할 수 있는가?", "식 (5)에서 \\( \\mathbf{W} \\) 는 센서 측정 잡음 벡터인가?", "식 (8)에서 \\( \\mathbf{M}\\)의 2행 2열 값이 \\(2 s_{x 2} s_{z 2}\\)임을 확인할 수 있는가?", "\\( p_{1} s_{x}^{2}+p_{2} s_{y}^{2}+p_{3} s_{z}^{2}+2 p_{4} s_{x} s_{y}+2 p_{5} s_{x} s_{z} \\) \\( +2 p_{6} s_{y} s_{z}+p_{7} s_{x}+p_{8} s_{y}+p_{9} s_{z}+p_{10}=0 \\) 는 \\( s_{x}, s_{y}, s_{z} \\) 는 구체 방정식으로 정리된 식인가?", "\\( \\mathrm{C} \\) 행렬 성분으로만 이루어진 함수인 \\( p_{1} \\) 은 \\( p_{10} \\)보다 주변 환경 변화에 큰 영향을 받는가?", "\\( \\mathbf{s}=\\left[\\begin{array}{lll}s_{x} & s_{y} & s_{z}\\end{array}\\right]^{T} \\)를 이용해 지구 자기장 벡터값을 계산할 수 있는가?", "본 논문에서는 가중치를 구하기 위해 \\( \\mathbf{p}=\\left(\\mathbf{M}^{T} \\mathbf{W} \\mathbf{M}\\right)^{-1} \\mathbf{M}^{T} \\mathbf{W} \\mathbf{y} \\)라는 식을 이용했는가?", "\\( w_{i}=1 /\\left\|\\left(\\frac{1}{2 j+1} \\sum_{k=i-j}^{i+j} a_{k}\\right)-a_{i}\\right\| \\)에서 \\( a\\)는 각 축 센서의 데이터 합을 의미하는가?", "파라미터를 추정할 때, 오차가 매우 작은 특정 데이터에 대한 의존가 높아지는 현상을 방지하기 위해 오차가 절대값에 반비례하도록 해야 하는가?", "각 축의 데이터의 합을 이용해 가중치를 계산하는 이유는 측정 잡음이 모든 축 데이터에 있기 때문인가?", "\\( p_{1} s_{x}^{2}+p_{2} s_{y}^{2}+p_{3} s_{z}^{2}+2 p_{4} s_{x} s_{y}+2 p_{5} s_{x} s_{z} \\) \\( +2 p_{6} s_{y} s_{z}+p_{7} s_{x}+p_{8} s_{y}+p_{9} s_{z}+p_{10}=0 \\) 에서 \\( p_{1} \\) 은 \\( \\mathrm{C} \\) 행렬 성분으로만 구성된 함수를 의미하는가?", "\\( w_{i}=1 /\\left\|\\left(\\frac{1}{2 j+1} \\sum_{k=i-j}^{i+j} a_{k}\\right)-a_{i}\\right\| \\)에서 \\(a\\)는 \\( s_{x}, s_{y}, s_{z} \\) 의 합을 나타내는가?", "식 (1)에서 \\( \\mathrm{h} \\) 는 위성 자기장 벡터를 의미하는가?", "기존의 선형 최소 자승법을 통해 3 차원 데이터를 충분히 얻은 경우엔 식 (3)의 parameters를 구해도 괜찮은가?", "\\( \\mathbf{p}\\)의 1행 9열 값은 \\(p_{10}\\)인가?", "\\( p_{1} s_{x}^{2}+p_{2} s_{y}^{2}+p_{3} s_{z}^{2}+2 p_{4} s_{x} s_{y}+2 p_{5} s_{x} s_{z} \\) \\( +2 p_{6} s_{y} s_{z}+p_{7} s_{x}+p_{8} s_{y}+p_{9} s_{z}+p_{10}=0 \\) 의 \\( p_{1} \\sim p_{10} \\) 를 parameters라고 하는가?" ]
16c3dc2f-009a-40d0-9e03-02b957d30ec6	인공물ED	통합연료필터의 저온유동성 시험장치 핵심기술개발	<h1>요 약</h1><p>본 연구에서는 저온유동성 성능검사 시스템 구현을 통해 디젤 차량용 통합형 연료필터의 성능을 평가한다. 저온유동성시험 장치의 시험조건은 경유(또는 등유)를 사용하고, 상온, \( -20 \) 밎 \( -30^{\circ} \mathrm{C} \) 에서 경유공급압력 \( 3.4 \)\( \mathrm{kgf} / \mathrm{cm}^{2} \), 연로공급람 \( 60 \mathrm{l} / \mathrm{H} \), 설정전류 \( 30 \mathrm{~A} \) 밎 전압은 \( 13 \mathrm{Vdc} \) 를 사용한다. 시료시험으로 통합필터를 지그에 장착하고, 경유(또는 등유)를 일정압력과 유량으로 설정하여 챔버 탱크와 필터에 채운 후, 설정시간 동안 설정온도로 냉각한 후, 필터 전후에 따라 유압과 시동시간, 히터의 소모전류 및 전력을 측정한다.</p><h1>Ⅰ. 서론</h1><p>디젤엔진 연료인 경유는 겨울철 저온환경의 영향으로 시동성이 떨어진다. 경유 특성은 일정한 온도 이하로 내려가면 파라핀과 같은 반고체 상태인 왁싱(Waxing) 물질을 형성하여, 엔진시동이 잘 걸리지 않게 하는 원인이 되고 있다. 이와 같은 시동성 불량해소를 위해 시동전 연소실 내부의 공기온도를 점화에 유리한 온도까지 빠른 시간 안에 도달될 수 있도록 보조하는 별도의 보조 장치를 널리 채택하고 있는데, 이것을 블록히터라 한다.</p><p>블록히터와 연료필터를 통합한 통합연료필터 (ass' \( y \) unified filter)는 저온에서 전기적 특성, 유량 및 점화능력 등의 성능평가가 중요하다. 이러한 성능평가를 위해 본 연구에서 저온유동성 시험장치 핵심기술을 개발한다. 저온 유동성 시험용 지그(Jig)와 엔진의 조건을 동기화하고, 통합연료히터에서 사용하는 PTC소자와 바이메탈의 특성에 따라 점화성능을 평가한다. 또한 경유자동차 저온유동성 및 주행성평가를 통해 지표를 개발하고, 연료유동성과 실차 시동성과의 상관성을 분석한다.</p>	[ "저온유동성시험 장치의 시험조건으로 부합하지 않는 것은 무엇인가?", "저온유동성 성능 검사의 절차는 어떻게 되는가?", "어떻게 저온유동성 성능 검사를 실시해?", "저온유동성 성능검사를 할 때 정해진 압력과 유량으로 맞춰진 경유는 어디에 채워야 하는가?", "저온유동성시험을 실시할 때 정해둔 시간 동안 설정 온도를 가열해야하는가?", "저온유동성 성능검사를 실시할 때 어떤 값을 재는가?", "경유가 완전한 고체 상태를 띄지 않게 될 때 만들어내는 물질은 무엇인가?", "추운 겨울철 자동차의 시동이 걸리지 않는 것을 해결하기 위해 만들어진 것은 무엇인가?", "블록히터는 시동을 걸기 전에 연소실 안의 기체의 온도를 올리는데 많은 시간이 걸리는가?", "경유가 고체도 액체도 아닌 중간의 상태가 되는 것은 엔진시동과 아무 관계가 없는가?", "불을 붙이는 기능을 평가하기 위해서는 어떤 특성을 따라야 하는가?", "연료필터와 시동 불량해소를 위해 선택된 보조 장치가 통합되어 만들어진 것은 무엇인가?", "통합연료필터는 높은 온도에서 기능의 값을 매기는게 중요한가?", "저온유동성시험 장치에 사용해야하는 기름은 무엇인가?", "정해진 온도보다 더 떨어지게 되면 경유는 어떤 상태가 되는가?", "겨울철 차가운 기온의 영향으로 기동성이 낮은 연료는 무엇인가?" ]
f5ac3762-c964-4bd0-aa19-a30ce290145c	인공물ED	통합연료필터의 저온유동성 시험장치 핵심기술개발	<h1>III. 실험 결과</h1><p>A. 저온유동성 시험장치의 성능 평가</p><p>저온유동성시험 장치의 시험조건은 등유 및 경유를 사용하고, 상온, \( -20 \) 및 \( -30^{\circ} \mathrm{C} \) 에서 유동율 60 \( l / H \), 설정전류 및 전압은 각각 \( 30 A \) 와 \( 13 V_{d c} \) 를 사용한다. 시험에 사용한 연료필터의 유효면적은 \( 52,54,56,58,60 \) 및 \(61\) 을 사용하고, 분리형파 틍합형 연료필터를 \(26\) 회 시험한다. 이를 통해 저온시동성 및 주행성평가 결과의 상관성을 확인하고, 연료필터 유효면적 변화에 따른 저온유동성을 평가한다. 이때 측정점선정, 안정화 절차를 통해 그림 \(5\) 처럼 시험방법 알고리즘을 개발한다. 표 \(1\)은 \( -20^{\circ} \mathrm{C} \) 와 \( -30^{\prime} \mathrm{C} \) 에서 측정한 각사의 연료필터 평균전력량을 나타낸다. S 사 통합히터 성능이 우수하다.</p><table border><caption>표 1. 연료필터별 전력 비교</caption><tbody><tr><td>종류</td><td>52</td><td>54</td><td>56</td><td>58</td><td>60</td><td>61</td><td>S사</td></tr><tr><td>전력 \( (W) /-20^{\circ} \mathrm{C} \)</td><td>255</td><td>249</td><td>251</td><td>250</td><td>251</td><td>251</td><td>217</td></tr><tr><td>전력 \( (W) /-30^{\circ} \mathrm{C} \)</td><td>255</td><td>257</td><td>256</td><td>256</td><td>258</td><td>256</td><td>220</td></tr></tbody></table><p>표 \(2\) 는 MD 사와 UFI 사 제품을 \( -20^{\circ} \mathrm{C} \) 에서 등유와경유를 사용할 때, 전기량 및 통합연료필터 전후단의 온도차를 측정한 것이다. 이때 MD사 경유를 사용할때, soaking \(5\) 시간에 필터 터짐이 \(382\) 초 걸렸다.</p><p>그림 11 은 표 2에서 (1) 경유공급압력 \( 3.4 \mathrm{kgf} / \mathrm{cm}^{2} \), 연료공급량 \( 60 \mathrm{l} / \mathrm{H} \), 인가전압, \( 13 V_{d c} \) 에서 최대전류 \( 20.26 \mathrm{~A} \) 및 최대소비전력 \( 263.9 \mathrm{~W} \) 인 블록히터에 대해 바이메탈을 \( \mathrm{On} \) 시키고, 시간변화에 따른 전류 및 전력의 변화를 나타낸다. 세로축은 온도와 전력, 가로축은 시간변화이다.</p><p>그림 12는 표 2의 (2)에서 동일한 동작조건으로 최대전류 \( 18.28 \mathrm{~A} \), 최대소비전력이 \( 238 \mathrm{~W} \) 및 바이메탈 \( \mathrm{On} \) 인 통합연료필터의 특성으로 세로의 좌측은 온도변화이고 우축은 유량을 나타내며, 가로축은 시간의변화를 나타낸다.</p><p>그림 13은 표 2의 (3)에서 바이메달을 Off시킨 동작 조건에서 최대전류 \( 20.4 \mathrm{~A} \) 및 최데소비전력이 \( 265.8 \) W인 통합연료필터의 특성이다.</p><p>그림 \(13\) 세로의 좌측은 온도변화이고 우축은 유량을 나타내며, 가로축은 시간의 변화를 나타낸다. 필터의터짐 동작시간을 측정할 수 있다. 이때 필터가 터지는 시간은 \(380\) 초 정도된다.</p><p>그림 14는 표2의 (4)에서 바이메탈 Off시키고 히터에만 전원을 연결하고, 최대전류 최대 소모전력이 \( 241 \mathrm{~W} \) 인 샘플의 필터 동작특성을 나타낸다. 필터의터짐 동작시간이 \(540\) 초 걸리며, 그림 13에 비해 많이 지연되어 나타난다.</p><p>그림 11, 그림 12 및 그림 13을 비교하면 바이메탈을 ON/OFF 시킨 상태에서 소비전류, 소비전력량에 따라 필터의 터짐특성이 달라지며, 필터 입구부측과 출구부측의 온도차도 다양하게 달라짐을 알 수 있다.</p><p>그림 15 는 \( -20^{\circ} C \) 챔버에서 온도변화에 따른 출구온도, 소비전류 및 출구유량의 변화를 나타낸다. 세로축은 각각 온도와 유량, 가로축은 시간을 나타낸다.</p><p>그림 16 은 표 1 의 S 사 제품으로 경유를 사용하고, \( -23^{\circ} \mathrm{C} \) 에서 연료필터의 특성을 실험한 결과이다.</p><p>그림 16 에서 S 사 통합연료필터는 전원 인가후 \(90\) 초시점에서 필터구동(터짐)이 일어난다.</p><p>그림 17은 CRDI용 디젤엔진 차량을 이용하여 주위 온도 \( -8^{\sim}-13.8^{\circ} \mathrm{C} \) 에서 \(12\) 시간 운전하며, 시동시작,필터전단 유량 및 반환유량, 히터전압 및 필터후단압력을 시험 측정한 결과이다. S사에서 개발한 통합형연료히터의 우수한 특성을 이용하여 실험한다.지금까지 통합연료필터를 시험하기 위한 저온유동성 시험장치를 개발하고, 이를 통하여 통합히터 동작의정상유무를 분석하는데 사용하였다. 시험시료의 분석을 통해 통합연료필터의 문제점은 블록히터의 생산공정 과정에서 바이메탈의 내부 구조, 알루미늄 플레이트의 전도율 및 PTC 소자의 불량으로 인한 경우가 존재함을 시험장치를 통해서 발견할 수 있다.</p>	[ "저온유동성시험 장치의 시험조건으로 무엇을 사용하였는가?", "상온, -20−20 및 -30^{\\circ} \\mathrm{C}−30 ∘ C 에서 유동율 60 l / Hl/H에서 사용되는 설정전류 및 전압은 몇인가?", "시험에 사용한 연료필터의 유효면적 총 몇인가?", "분리형파 틍합형 연료필터를 총 몇 회 시험하였는가?", "총 몇 회 분리형파 틍합적인 연료필터를 시험했지?", "위 실험을 통하여 어떤 것을 평가할 수 있었는가?", "어떤 것을 위 실험을 통해 평가할 수 있었지?", "유효면적 52,54,56,58,60 및 6161 을 사용하고, 분리형파 틍합형 연료필터를 \\(26\\) 회 시험한 결과 어떤 것을 확인하였는가?", "어떤 것을 그림 5처럼 시험 방법 알고리즘 개발을 위해 이용하였는가?", "어떤 것을 그림 5처럼 시험 방법 알고리즘 개발을 위해 이용하였지", "MD 사와 UFI 사 제품을 -20^{\\circ} \\mathrm{C}−20 ∘ C 에서 등유와경유를 사용할 때 어떤 것을 측정하였는가?", "어떤 회사의 성능이 우수한가?", "전기량 및 통합연료필터 전후단의 온도차를 측정하기 위해 무엇을 사용하였는가?", "표 11은 -20^{\\circ} \\mathrm{C}−20 ∘ C 와 -30^{\\prime} \\mathrm{C}−30 ′ C 에서 측정한 것은 어떤 것을 나타내는가?", "시간변화에 따른 전류 및 전력의 변화를 나타내기 위해 해야되는 과정은?", "y축은 온도와 전력일때 x축은 무엇인가?", "어떠한 결과가 MD사 소유를 사용할 때 도출됐는가?", "어떠한 결과가 MD사 소유를 사용할 때 도출됐을까", "soaking \\(5\\) 시간에 필터 터짐이 \\(382\\) 초라는 결과를 도출하기 위해 어떤 회사의 경유를 사용하여야 되나?", "세로축이 나타내는 것은 무엇인가?", "가로축은 어떤 변화를 나타내는가?", "세로의 좌측에서는 무슨 변화를 나타내는가?", "그림 13은 표 2의 (3)에서 바이메달을 Off시킨 동작 조건 어떤 특성인가?", "세로의 좌측은 온도변화이고 우축은 유량을 가로축은 시간의 변화를 나타낼 때 어떤 것을 측정을 하는가?", "그림 14는 표2의 (4)에서 바이메탈 Off시키고 어떠한 동작을 취하는가?", "최대전류 최대 소모전력은 몇 W인가?", "필터의터짐 동작시간은 얼마나 걸리는가?", "바이메탈을 ON/OFF 시킨 상태에서는 어떠한 결과를 알 수 있었는가?", "그림 15 는 -20^{\\circ} C−20 ∘ C 챔버에서 어떤 변화를 나타내었는가?", "출구온도, 소비전류 및 출구유량의 변화를 나타내기 위한 온도 변화는 몇도인가?", "어떤 회사의 제품을 사용할 때 −23 ∘ C 에서 연료필터의 특성을 실험한 결과를 나타내는가?", "어떤 사건 이후 90 초시점에서 필터구동(터짐)이 일어났는가?", "CRDI용 디젤엔진 차량을 이용하여 12 시간 운전하기 위해 주위 온도는 어느정도인가?", "어떤 것의 특성을 이용하여 S사의 개발 제품을 실험하였는가?", "통합연료필터를 시험하기 위해 어떤 것을 개발하였는가?", "통합연료필터를 시험하기 위한 저온유동성 시험장치를 개발한 뒤 무엇을 위해 사용하였는가?", "시험시료의 분석을 통해 나온 결과는 어떤 것을 통해 발견하였는가?", "전력 \\( (W) /-20^{\\circ} \\mathrm{C} \\)에서의 52의 값은 얼마인가?", "전력 \\( (W) /-20^{\\circ} \\mathrm{C} \\)에서의 54의 값은 얼마인가?", "전력 \\( (W) /-20^{\\circ} \\mathrm{C} \\)에서의 56의 값은 얼마인가?", "전력 \\( (W) /-30^{\\circ} \\mathrm{C} \\)에서의 S사의 값은 얼마인가?", "전력 \\( (W) /-30^{\\circ} \\mathrm{C} \\)에서의 61의 값은 얼마인가?", "전력 \\( (W) /-20^{\\circ} \\mathrm{C} \\)에서의 58의 값은 얼마인가?", "전력 \\( (W) /-30^{\\circ} \\mathrm{C} \\)에서의 58의 값은 얼마인가?", "전력 \\( (W) /-20^{\\circ} \\mathrm{C} \\)에서의 S사의 값은 얼마인가?", "전력 \\( (W) /-20^{\\circ} \\mathrm{C} \\)에서의 61의 값은 얼마인가?", "전력 \\( (W) /-30^{\\circ} \\mathrm{C} \\)에서의 54의 값은 얼마인가?", "전력 \\( (W) /-30^{\\circ} \\mathrm{C} \\)에서의 56의 값은 얼마인가?", "전력 \\( (W) /-30^{\\circ} \\mathrm{C} \\)에서의 60의 값은 얼마인가?", "우축에서 나타내고 있는 것은 무엇인가??", "필터의터짐 동작시간을 측정할 수 있는데 필터의 터지는 시간은 몇 초인가?", "그림 16 은 표 1 의 S 사 제품으로 경유를 사용할 때 어떤 결과를 나타내는가?", "S 사 통합연료필터는 전원 인가후 몇초 뒤에 필터구동(터짐)이 일어났는가?", "디젤엔진 차량을 이용하여 주위 온도 -8^{\\sim}-13.8^{\\circ} \\mathrm{C}−8 ∼ −13.8 ∘ C 에서 몇시간 동안 운전을 하는가?", "그림 17에서는 무엇을 측정하였는가?", "전력 \\( (W) /-20^{\\circ} \\mathrm{C} \\)에서의 60의 값은 얼마인가?", "전력 \\( (W) /-30^{\\circ} \\mathrm{C} \\)에서의 52의 값은 얼마인가?", "표 2에서 나타내고 있는 특성은 어떤 것인가?" ]
5cb1d6dc-4e3f-40d6-98f9-dcbc849906d4	인공물ED	통합연료필터의 저온유동성 시험장치 핵심기술개발	<h1>Ⅳ. 결론</h1><p>통합형 연료필터의 저온유동성 시험장치를 구현하였다. 저온유동성시험 장치의 시험조건은 등유(또는 경유)를 사용하고, 상온, \( -20 \) 및 \( -30^{\circ} \mathrm{C} \) 에서 유동율 \( 60 \mathrm{l} / \mathrm{H} \), 설정전류 및 전압은 각각 \( 30 A \) 와 \( 13 V_{d c} \) 를 사용한다.</p><p>통합연료필터 시험동작으로 통합히터를 지그에 장착하고,경유(또는 등유)를 일정압력과 유량으로 설정하여 챔버의 탱크와 필터에 채운 후, 설정시간 동안 설정온도로 냉각한 후, \( +20-30^{\circ} \mathrm{C} \) 에서 조건에 따른 정압 및 부정압 시험을 실시하였다.</p><p>다양한 연료필터의 유효면적\((52, 54, 56, 58, 60 \) 및 \( 61, S \) 사) 제품을 사용하여 소비전류와 소비전력를 비교 측정하고, 블록히터에서 바이메달을 ON/OFF 시키며 통합형 연료필터의 유효면적별 공급유량(Q)올 \(26\) 회 시험하였다.</p><p>그 결과 저온유동성 시험장치에서 시험한 시료의 시동성 평가는 실제 자동차의 주행성평가에 적용한 결과 성능평가 장치로서의 의미가 큼을 발견하였다. 따라서 저온에서 디젤엔진의 연료필터에 공급되는 유량과 압력변화는 연료히터의 작동에 따라, 온도가 저하될수록 연료필터 전후에서 유량은 감소하고 압력차는 커짐을 알 수 있고, 반대로 블록히터에 의해 온도가 올라갈수록 흐르는 유량과 압력이 원활하여 저온시동성이 향상됨을 알 수 있었다.</p>	[ "본 연구에서는 다양한 연료필터의 유효면적 제품의 어떤 값을 비교하였을까?", "블록히터에서 바이메달을 ON/OFF 시키면서 측정한 값은 무엇인가?", "온도가 내려갈수록 연료필터 전후에서 유량과 압력차가 모두 증가할까?", "저온유동성 시험장치에서 시험한 시료의 시동성 평가는 성능평가 장치로서 유의미한가?", "통합연료필터 시험동작에서 최하온도는 \\(-30^{\\circ} \\mathrm{C} \\)였을까?", "통합연료필터 시험동작에서 통합히터를 장착한 곳은 어디인가?", "저온유동성시험 장치의 시험조건 중 설정전류는 얼마인가?", "통합연료필터의 시험동작은 어떤 방식으로 진행되는가?", "실제 자동차의 주행성평가에 적용했을 때 성능평가 장치로서의 의미를 가지는 평가는 무엇인가?", "저온유동성시험 장치의 시험 시 온도는 어떻게 설정하였는가?", "블록히터에 의해 온도가 올라가면 저온시동성이 향상되는 이유는 무엇일까?" ]
9b5a8b25-e55b-4a88-9174-660df1eae024	인공물ED	토큰키와 해쉬함수를 이용한 RFID 인증 프로토콜 설계	<h2>3. 도청 공격(Eavesdropping Attack)에 대한 반응</h2><p>도청 공격은 첫 번째 제안하는 인증과 같이 리더와 태그사이에서 발생하는 통신 정보를 해석하여 그 정보를 획득하는 공격방법이다. 도청 공격은 리더와 태그사이의 정보를 습득하는 것으로 시작 한다. 그리고 습득한 정보를 기반으로 태그나 리더로 둔갑하여 네트워크에 참여하는 공격방법이기 때문에 다른 공격방법 보다 응답시간이 짧다. 그림 7에서 기존의 해쉬-락 인증 방법의 재생공격에 대한 응답은 4.7[Sec]이며 이 결과는 도청공격에 취약하다는 것을 보여준다. 하지만 두 번째로 제안하는 인증 방법의 응답은 0.2[Sec]로 도청 공격에 강하다는 것을 보여준다. 두 번째 인증 방법은 첫 번째 인증 방법과 같이 내부에서 생성되는 키를 가지고 암호화한 토큰키를 사용한다. 이 키를 알지 못하는 공격자는 통신 정보를 획득 할 수 없기 때문에 도청 공격에 강하다.</p><table border><caption>표 4. 도청 공격에 대한 결과</caption><tbody><tr><td></td><td>해쉬-락 기법</td><td>제안하는 인증기법</td><td>차이</td></tr><tr><td>응답시간</td><td>4.7Sec</td><td>0.2Sec</td><td>4.5Sec</td></tr></tbody></table><h2>4. 효율성 분석</h2><p>시뮬레이션에서 통신 환경은 기본적인 RFID 시스템 환경이며 공격자가 통신에 간섭하는 가운데 기존의 해쉬-락 인증 방법과 제안하는 인증 방법을 사용하여 전송량과 지연시간을 비교하였다.</p><p>그림 8은 기존의 해쉬-락 인증 방법과 제안하는 인증 방법의 전송량을 비교한 것이다. 기존의 해쉬-락의 평균 전송량은 \( 45,000[\mathrm{bit} / \mathrm{sec}] \) 이고, 제안하는 인증 방법은 \( 30,000[\mathrm{bit} / \mathrm{sec}] \)로 차이가 \( 15,000[\mathrm{bit} / \mathrm{sec}] \)가 나는 것으로 측정되었다.</p><p>공격자가 도청공격을 할 경우 기존의 해쉬-락 인증 방법은 공격자를 태그나 리더로 인식하여 공격자가 전송한 정보에 응답을 하기 때문에 리더와 태그 사이의 전송량이 높게 측정되었다. 하지만 기존의 인증방법은 리더나 태그는 공격자가 전송한 정보에 대한 인증이 이루어지지 않았기 때문에 공격자가 리더와 태그사이의 통신에 참여 할 수 없게 된 것이다. 다시 말하면 제안한 인증 방법은 공격자를 제외한 인증을 받은 리더와 태그 사이에 이루어진 통신량이 측정이 된 것이며, 기존의 해쉬-락 인증 방법은 인증을 받은 리더와 태그 그리고 공격자의 통신량이 모두 측정이 된 것이다. 이 차이는 공격자가 통신에 참여를 못하였다는 것을 의미하며, 그 의미는 태그나 리더의 정보 유출을 막았다고 볼 수 있다. 공격자가 보낸 정보를 처리하지 않아 태그와 리더는 원활한 통신을 할 수 있다는 것을 그림 \( 5.9 \) 의 지연시간 비교를 통해서도 알 수 있다.</p><p>그림 9 는 기존의 해쉬-락 인증 방법과 제안하는 인증 방법의 지연시간을 비교한 것이다. 기존의 해쉬-락 인증 방법의 평균 지연시간은 0.009[Sec]이고, 제안하는 인증 방법의 평균 지연시간은 0.006[Sec]이다. 지연시간의 차이가 생기는 이유는 공격 정보를 전송하여 생기는 통신 지연시간으로 기존의 해쉬-락 인증 방법보다 제안하는 인증 방법이 공격에 취약하지 않기 때문에 통신의 지연시간이 감소한 것을 알 수 있다. 또한 두 개의 결과 값으로 제안하는 방식이 기존의 인증 방식보다 보다 안전하다는 것을 입증하게 된다. 공격자가 전송하는 데이터는 인증이 되지 않는 데이터이므로 리더와 태그는 그에 대한 응답을 전혀 하지 않으며 그로 인해 공격자의 공격으로 인해 생기는 딜레이가 점점 줄어들어 태그와 리더간의 통신이 공격자의 간섭이 없이 통신을 할 수 있다는 것을 보여준다.</p>	[ "도청 공격에 대한 응답 시간이 짧은 기법은 뭐야 ?", "도청공격에 대한 응답시간이 길어서 도청에 취약한 기법은 뭐야 ?", "표에서 도청 공격에 대한 해쉬-락 기법과 제안하는 인증기법은 무엇에 대한 차이를 보이나?", "표에서 도청 공격에 대래 제안하는 인증기법과 해쉬-락 기법의 응답속도 차이와 근접한 값의 응답속도를 가지는 기법은 뭐야?", "도청은 정보를 획득하기 위해 어떻게 동작하나?", "도청 공격은 응답시간을 줄이기 위해 어떻게 공격하나?", "도청 공격에 강한 인증 방법은 어떻게 도청 공격을 방어하나?", "도청 공격을 당할 경우 해쉬-락 인증 방법은 어떻게 대응하는가?", "표에서 도청 공격에 두가지 기법의 차이값 보다 더 많이 적은 응답속도를 가지는 기법은 ?", "공격자의 공격으로 인한 지연시간을 줄여 방해 없는 통신을 위해 어떻게 하는가?" ]
38ac71b3-0691-428a-a61e-7607c4fba3d7	인공물ED	토큰키와 해쉬함수를 이용한 RFID 인증 프로토콜 설계	<h1>VI. 결과 분석</h1> <h2>1. 재생 공격(Replay Attack)에 대한 반응</h2> <p>재생 공격은 첫 번째 제안하는 인증과 같이 리더와 태그사이에 발생하는 통신 정보를 획득하여 그대로 다시 전송하는 공격방법이다. 그림 5에서 재생 공격에 대한 응답을 보면 기존의 해쉬-락 인증 방법은 37[Sec]로 재생 공격에 취약하다는 것을 보여준다. 하지만 두 번째로 제안하는 인증 방법의 응답은 3[Sec]로 재생 공격에 강하다는 것을 보여준다.</p> <p>다시 정리하면 재생공격에 대한 응답은 기존의 해쉬-락 인증 방법이 37[Sec], 첫 번째 제안하는 인증 방법이 27[Sec], 두 번째 로 제안하는 인증 방법이 3[Sec]이다. 기존의 해쉬-락 인증 방법의 경우 리더와 태그사이에 발생하는 통신 정보는 아무런 암호화 과정도 없고, 이를 다시 전송하더라도 리더나 태그는 공격자라는 것을 확인할 방법이 없다. 그리고 첫 번째로 제안하는 인증 방법은 매번 접속할 때 사용되는 토큰키가 똑같기 때문에 공격자 토큰키를 그대로 재생하여 사용한다면 기존의 해쉬-락 인증 방법과 같이 리더나 태그는 공격자라는 것을 확인할 방법이 없다. 하지만 두 번째로 제안하는 인증 방법은 랜덤함수를 사용한다는 특성을 가지고 있다. 랜덤함수는 매번 접속할 때 사용되는 토큰 키가 변한다는 성질을 부여한다. 이는 토큰키가 일회성의 특성을 가지고 있기 때문에 한번 사용된 키는 재생하여 다시 사용할 수 없게 된다. 그러므로 다른 인증방법과 달리 재생 공격에 응답을 하지 않게 되는 장점을 가지고 있다.</p> <table border><caption>표 2. 재생 공격에 대한 결과</caption> <tbody><tr><td></td><td>해쉬-락 기법</td><td>제안하는 인증기법</td><td>차이</td></tr><tr><td>응답시간</td><td>37Sec</td><td>3Sec</td><td>34Sec</td></tr></tbody></table> <h2>2. 서비스 거부 공격(Denial of Service Attack)에 대한 반응</h2> <p>서비스 거부 공격은 첫 번째 제안하는 인증 방법과 같은 공격방법이다. 그림 6 에서 서비스 거부 공격에 대한 응답을 보면 기존의 해쉬-락 인증 방법은 37[Sec]로 서비스 거부 공격에 취약하다는 것을 보여준다. 하지만 두 번째로 제안하는 인증 방법의 응답은 3[Sec]로 서비스 거부 공격에 강하다는 것을 보여준다. 이는 두 번째로 제안하는 인증 방법이 첫 번째와 동일하게 토큰키를 사용하기 때문에 토큰키가 없는 공격자가 접근 요청을 하더라도 리더나 태그는 그 요청을 받아들이지 않게 된다. 그러므로 공격자의 접속요청에 의해 태그의 제한적 환경요소는 소모되지 않게 되어 공격에 의한 유지 보수 비용이 증가하지 않게 된다.</p>	[ "첫번째 재생공격 제안방법은 어떠한 절차로 공격자라는 것을 확인할 수 없어?", "해쉬-락 기법의 재생공격은 응답시간이 몇초야?", "해쉬-락 기법의 재생공격은 몇 초의 응답시간을 가지지?", "제안하는 랜덤함수를 사용하는 인증방법은 재생 공격에 응답을 하지 않게 되는 장점을 가지기 위해 어떤 방식을 사용했어?", "제안하는 인증기법과 해쉬-락 기법중 응답시간이 긴 것은 뭐야?", "해쉬-락 기법과 제안하는 인증기법의 응답시간중 짧은 것은 어떤거야?", "재생공격의 응답시간이 3Sec인 것은 어떤 것일까?", "재생공격에서 해쉬-락 기법과 제안하는 인증기법의 응답시간 차이는 얼마야?", "재생공격의 응답시간이 37Sec인 것은 어떤것야?", "재생공격의 응답시간은 어떤 것이 37Sec일까?", "재생공격에서 제안하는 인증기법의 응답시간은 얼마야?", "응답시간은 재생공격에서 제안하는 인증기법의 경우 얼마지?", "재생공격방법은 어떻게 이루어져?", "어떻게 재생공격방법이 이루어지지?", "재생 공격의 인증방법은 어떻게 이루어졌어?" ]
6975203a-7e26-40b9-9e9d-f8a4ae3777c8	인공물ED	열가소성 폴리우레탄과 벅-부스트 컴버터를 이용한 마이크로 에너지 포집시스템 설계	<h1>2. TPU를 활용한 환경발전 시스템 구현</h1> <h2>2.1 열가소성 폴리우레탄의 분극 및 발전 시험</h2> <p>본 논문에서 적용한 TPU에 압전특성을 부여하기 위해 분극(Poling)과정을 거치게 되는데, 분극이란 TPU의 도메인을 일정한 방향으로 배향시키는 과정이며, 인가 전압(전계), 온도, 분극 시간과 같은 분극조건에 따라 분극 상황이 달라 진다. 즉, 분극조건과 출력특성에 대한 실험적 분석과 시행착오가 필요하다. 본 논문에서는 최적 분극조건을 찾기 위해 그림 1과 같은 분극장치와 TPU 재료를 마련하여 실험 특성을 도출하였다. TPU는 \( 155\left[{ }^{\circ} \mathrm{C}\right]^{2} 160\left[{ }^{\circ} \mathrm{C}\right] \)에서 성형하여 신발 장착을 고려한 표 1에 제시한 크기로 제작하였으며, 양 면에는 도전성 점착제가 도포된 구리 테이프 전극과 리드선을 설치하여 분극시나 발전시 모두에 사용될 수 있도록 하여 공정을 간략하게 하였다. 그림 1(b)에 나타낸 가변 직류 전원을 이용한 \( 255~[\mathrm{V} / \mathrm{mm}] \)의 전계를 발생하여 TPU를 분극하였다.</p> <p>표 1에서 알 수 있듯이 전계인가(분극) 시간은 총 120분으로서, 분극용 직류전원 및 가열판(Hot plate) 전원을 동시에 인가하여 전계 및 \( 100\left[{ }^{\circ} \mathrm{C}\right] \) 온도를 100분간 유지하고 100분 경과 후 부터는 가열판 전원을 차단하여 자연 냉각을 통해 상온에 이르게 되며 햑 20분이 경과한 이 시썸에 분극용 직류전원을 추가로 차단하였다. 이는, 100분 경과 후 분극용 직류전원과 가열판 전원을 동시에 차단하는 것 보다 가열 상태의 분극 배열을 상온으로 냉각 될 때 까지 유지하게 되어 분극효과가 높아지도록 하기 위함이다. 분극이 완료된 TPU의 최대 출력점을 알아보기 위해 그림 2와 같이 쇼트키 다이오드와 커패시터로 구성된 정류회로를 부하저항과 연결한 시험회로를 구성하고 이를 신발의 미드솔과 인솔 사이에 설치한 TPU에 연결하여 실험하였으며, \( 65 \mathrm{kg} \)의 남자가 인솔하부 TPU장착 신발을 착용하여 서 있는 일정압력 상태에서 오실로스코프로 파형을 측정하여 그 평균값을 그림 3에 나타내었다. 즉, 건장한 남자의 몸무게로 가해지는 일정압력상 태에서 부하저항 \( R_{L} \)에 대한 정류된 출력전압 측정값과 그때의 연산된 출력전력값을 그래프로 나타내었다. 부하저항은 \( 40[\mathrm{k} \Omega]^{\sim} 130[\mathrm{M} \Omega] \) 범위에서 변화시켰으며, 부하저항이 \( 60[\mathrm{k} \) \( \Omega \) ] 이하에서는 출력전압과 전력이 모두 0이고 약 \( 80[\mathrm{k} \Omega] \) ]일 때의 \( 1.13[\mathrm{V}] \)에서 출발하여 전압이 증가하며 \( 30[\mathrm{M} \Omega] \)이상 부터는 \( 5.3[\mathrm{V}] \)의 일정한 전압을 출력한다. 이 데이터로부터 약 \( 200[\mathrm{k} \Omega] \)의 부하저항에서 \( 2.15[\mathrm{V}] \)의 출력전압 및 \( 23.1[\mu W] \)의 최대 전력을 얻었으며, 이 때 TPU는 이 부하저항과 같은 내부저항을 가짐을 알 수 있다. 즉, TPU에서 최대 전력을 추출하기 위해서는 부하저항이 전원의 내부저항과 같아야 하기 때문이다.</p> <table border><caption>표 \(1\) 분극 조건과 TPU 규격</caption> <tbody><tr><td>분극 조건</td><td>값</td><td>TPU 규격</td><td>값</td></tr><tr><td>인가 전압</td><td>DC \( 510~[\mathrm{V}] \)</td><td>길이</td><td>\( 90~[\mathrm{mm}] \)</td></tr><tr><td>가열 온도</td><td>\( 100~\left[{ }^{\circ} \mathrm{C}\right] \)</td><td>폭</td><td>\( 55~[\mathrm{mm}] \)</td></tr><tr><td>분극 시간</td><td>120 [\(\mathrm{min}.\)]</td><td>두께</td><td>\( 2~[\mathrm{mm}] \)</td></tr><tr><td>전계</td><td>\( 255~[\mathrm{V} / \mathrm{mm}] \)</td><td>전극 길이</td><td>\( 90~[\mathrm{mm}] \)</td></tr><tr><td></td><td></td><td>전극 폭</td><td>\( 50~[\mathrm{mm}] \)</td></tr><tr><td>인솔 두께</td><td>\( 4~[\mathrm{mm}] \)</td><td>전극 두께</td><td>\( 0.07~[\mathrm{mm}] \)</td></tr></tbody></table> <p>그림 4는 인솔을 제거하고 미드솔 상단에 직접 TPU를 장착하여 실험한 TPU 출력특성을 나타낸다. 부하저항은 \( 40[\mathrm{k} \Omega]^{\sim} 130[\mathrm{M} \Omega] \) 범위에서 변화시켰으며, 총 34개의 데이터를 측정하여 출력전압 및 전력의 그래프로 나타내었다. 그림 4에서 알 수 있듯이 부하저항이 \( 40[\mathrm{k} \Omega] \)에서 출력전압과 전력이 각각 \( 2.3[\mathrm{V}] \)와 \( 132.3[\mu \mathrm{W}] \) 이며, 이후 부하저항이 증가하여 \(20[\mathrm{M}\Omega]\)이 될 때부터 약 \( 16[\mathrm{V}] \)의 일정한 전압을 출력한다. 또한, 약 \( 200[\mathrm{k} \Omega] \)의 부하저항에서 \( 7.3[\mathrm{V}] \)의 출력전압 및 \( 266.6[\mu \mathrm{W}] \)의 최대 전력을 얻었으며, 이 경우에도 TPU의 내부저항값이 \(200[\mathrm{k}\Omega]\)임을 알 수 있다. TPU 상부에 인솔을 설치한 경우와 제거한 경우를 비교해 볼 때, 압력을 더 받는 인솔을 베거한 경우가 훨씬 큰 출력전압 및 전력을 발생함을 알 수 있는데, 최대 출력점에서 \( 3.4 \)배의 출력전압과 \( 11.5 \)배의 전력을 얻을 수 있었다. 따라서, 인솔 두께의 적절한 설계를 통한 압력의 조절을 통해 TPU의 출력조절도 가능할 것으로 판단된다. 그림 3\(^{\sim} \) 그림 4에서 설명한 두 가지 실험 데이터는 신발을 착용한 상태로 서서 일정한 압력을 가하는 상태에서 구한 데이터이나, 실제 보행시에도 지속적으로 전력이 출력되므로, TPU를 이용한 에너지 포집시스템의 구현 가능성을 확인할 수 있다.</p> <p>그림 5는 인솔을 설치한 상태에서 약 2초 주기로 부드럽게 한쪽발로 제자리 걸음 했을 때의 TPU 출력전압 파형(시간축: 1 초/div., 전압축: \( 2 \mathrm{V} / \mathrm{div} \).)이며, \(200[\mathrm{k} \Omega] \)의 부하저항을 연결하여 최대 출력점 상태에서 실험한 결과이다. 부드럽게 착지하여 압력이 가해지는 시간에서의 출력전압 피크값이 그림 3의 데이터와 마찬가지로 약 \( 2.15[\mathrm{V}] \)가 되며, 서있는 경우와 큰 차이가 없으나 뒷축을 지면에서 때었을 때의 전압파형 진폭보다는 커짐을 알 수 있다. 그림 6은 인솔을 제거한 상태에서 그림 5와 유사한 제자리 걸음 조건시의 TPU 출력전압 파형(시간축: 1 초/div., 전압축: \( 5 \mathrm{V} / \mathrm{div} \)) 이며, \(200[\mathrm{k} \Omega] \)의 부하저항을 연결하여 최대 출력점 상태에서 실험한 결과이다. 뒷축이 지면에 닿아서 TPU에 압력이 가해지는 시간 동안 약 \( 7.3[\mathrm{V}] \)의 출력전압 피크값이 나타나며 지면에서 뒷축이 떨어져서 압력이 가해지지 않는 경우의 출력전압보다 그 크기 차이가 확연해지며 또한, 인솔을 장착한 그림 5의 결과에 비해 그 차이 정도가 커짐을 알 수 있다. 따라서, 앞서 언급했듯이 인솔을 제거하여 TPU에 직접 족부의 압력이 가해지는 경우가 훨씬 더 출력전압이 증가하게 되며, 최대 출력점에서의 출력전력도 증가하게 된다. 상기의 결과로부터, 시스템 구현의 목표가 원하는 특정 출력전압이든 최대 전력 점이든 관계없이 신발 인솔의 두께 조절을 통해 그 최적값에 해당하는 부하저항의 값을 실험적으로 찾아낼 수 있다.</p>	[ "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 분극 시간의 값은 무엇이야?", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 인가 전압의 값은 무엇인가?", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 가열 온도의 값은 무엇이지?", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 전계의 값은 뭐지?", "전계의 값은 본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 무엇일까", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 인솔 두께의 값은 뭐야?", "인솔 두께의 값은 본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 어떤 수치가 되지", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 길이의 값은 뭘까?", "길이의 값은 본문의 표 \\(1\\) 분극 조건과 TPU 규격에 보면 얼마지", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 폭의 값은 무엇으로 나타내?", "폭의 값은 표 \\(1\\) 분극 조건과 TPU 규격에 따르면 어떤 값이니", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 두께의 값은 무엇으로 나타내지?", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 전극 길이의 값은 무엇으로 나타낼까?", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 전극 폭의 값은 무엇으로 나타낼 수 있어?", "본문의 표 \\(1\\) 분극 조건과 TPU 규격에서 전극 두께의 값은 무엇으로 나타낼 수 있지?" ]
93f5ec55-e29b-4328-9926-f076e883e770	인공물ED	열가소성 폴리우레탄과 벅-부스트 컴버터를 이용한 마이크로 에너지 포집시스템 설계	<h1>3. 실험결과 및 검토</h1> <p>본 논문의 실험을 위해 표 1의 제원으로 제작된 TPU는 신발의 압력구조상 뒤축 부분에서 가장 높은 전압이 출력되므로 신발 뒤축 미드솔 상부에 장착하여 기본적인 발전시험과 충전시험 및 축적된 에너지를 이용한 LED 점등시험을 행하고, 이를 통해 설계/제작한 TPU 및 벅-부스트 컨버터가 마이크로 에너지 포집시스템에 적용될 수 있음을 확인한다. 그림 2의 TPU 출력 정류회로와 그림 7의 벅-부스트 컨버터 회로를 기초로 그림 9와 같은 실험 시스템 회로를 구성하였다. 또한 충전된 에너지로부터 ATtiny13V 원칩 마이크로컨트롤러와 부스트 LED 구동 회로의 동작을 통해 신발외부의 LED를 0.5초 주기로 점멸시키도록 프로그래밍 하여 충전된 에너지의 실제 활용을 모색하였으며, 그림 10에 그 회로도를 나타내었다. 그림 11은 설계,제작된 전체 시스템의 외관을 나타내며 회로부와 시스템 장착 신발을 나타낸다. 그림 3의 TPU 출력특성 곡선에서 나타난 최대 출력을 얻기 위해 컨버터 입력저항을 식 (3)에 대입하여 이 값에 해당하는 듀티비와 스위칭 주파수 및 인덕턴스 값을 구할 수 있는 데, 듀티비와 스위칭 주파수가 고정된 상용 저전력 클럭 오실레이터(OV-7604-C7)를 사용하였으므로 실제 컨버터 입력 저항을 결정하는 것은 인덕턴스 값이다. 또한, 회로손실을 줄이기 위해 게이트 구동회로 없이 직접 오실게이터 출력을 스위치의 게이트 신호로 사용하였으며, 오실레이터 공급전원 범위는 \( 1.2^{2} 5.5[\mathrm{V}] \)이므로 그림 3에 제시된 TPU의 출력전압 범위는 물론 그림 4에 제시된 최대 출력점의 발생전압값에 대해서도 오실레이터 자체의 로딩효과를 고려한다면 그 동작에는 별 무리없이 적정하다.</p> <p>따라서, 벅-부스트 컨버터 회로 스위치의 게이트 구동회로의 단순성과 비용 및 회로손실 저합을 위해 그림 7의 회로구조를 그림 9의 회로구조로 변환하여 적용하였으며, 실험회로의 전체적인 회로 파라미터를 표 2에 나타내었다. 본 실험의 고정된 듀티비 값이 약 \( 0.5 \)이고 축전지의 전압은 \( 3.6[\mathrm{V}] \)이므로 벅-부스트 컨버터가 불연속 모드로 동작하기위한 입력전압의 최대값은 식 (5)로 부터 \( 3.6[\mathrm{V}] \)가 되는데, 오실레이터와 스위치 및 인덕터의 회로손실, 그리고 최대전 력 전달을 감안한다면 항상 \( 3.6[\mathrm{V}] \) 이하에서 동작하므로 컨버터는 불연속모드로 동작하게 된다.</p> <table border><caption>표 \(2\) 회로 파라미터 및 규격</caption> <tbody><tr><td>파라미터</td><td>값 또는 규격</td><td>비고</td></tr><tr><td>\( f_{S W} \)</td><td>\( 32.768~[\mathrm{kHz}] \)</td><td>스위칭 주파수</td></tr><tr><td>\(D\)</td><td>\(0.5\)</td><td>듀티비</td></tr><tr><td>\(L\)</td><td>\( 40[\mathrm{mH}] \)</td><td>인덕턴스</td></tr><tr><td>\(S\)</td><td>\( 30[\mathrm{V}] / 270[\mathrm{mA}] \)]</td><td>MOSFET</td></tr><tr><td>\(C\)</td><td>\( 10[\mu \mathrm{F}] \)</td><td>칩탄탈</td></tr><tr><td>Diode</td><td>\( 30[\mathrm{V}] / 200[\mathrm{mA}] \)</td><td>Schottky</td></tr><tr><td>배터리</td><td>\( 3.6[\mathrm{V}] / 100[\mathrm{mAh}] \)</td><td>NiMH</td></tr></tbody></table> <p>그림 12는 그림 9의 실험회로에 사용된 스위치인 MOSFET \( S \)의 동작파형을 나타내며, TPU에 일정한 압력이 주어져서 약 \( 2[\mathrm{V}] \)의 출력이 발생된 상태이다. 상단 파형은 오실레이터에서 듀티비 \(0.5\)로 발생되는 게이트 구동신호 \( \left(v_{G S}\right) \)이며, 하단 파형은 스위치의 드레인-소스 \( \left(v_{D S}\right) \) 파형이다. TPU 출력전압 \( 2[\mathrm{V}] \) 는 그림 4에 나타낸 TPU 출력시험 그래프에서 \( 40[\mathrm{k} \Omega] \)의 부하보다 조금 더 큰 부하가 걸린 상태의 전압을 의미하며, 최대 출력점과는 차이가 있다. 이는 컨버터에 적용한 인덕터 \( L \) 값은 식 (3)으로 정의되는 컨버터 입력저항을 최대 출력값으로 만드는 값이 아니고, 또한 오실레이터 및 파형측정 오실로스코프의 부하효과로 인해 부가적인 부하가 걸리기 때문이다. 즉, 최대출력을 얻기 위한 입력저항 산출에 적용되는 \( L \) 값과 컨버터의 불연속 모드는 상충하는 관계이므로 회로동작 범위내에서 현실적으로 적용가능한 값을 선택하였기 때문이다. 이 문제는 듀티비와 주파수 조정이 가능한 저전력 오실레이터를 적용할 수 있으면 가능하다. 그림 13은 회로에 적용한 인덕터와 쇼트키 다이오드 양단의 전압(상단)과 확대한 파형(하단)을 나타낸다. 그림 8에 제시한 벅-부스트 컨버터의 이론적 동작 파형과 실제 회로구현시의 실험파형과는 조금 차이가 있는데, 특히 스위치 오프후 인덕터와 다이오드 및 스위치의 전류가 영이 되는 불연속 동작구간에서 스위치와 다이오드의 기생 커패 시턴스 성분으로 인해 공진을 발생하게 되어 지속적으로 진동을 유발하므로 이 구간의 전압파형은 일관된 형태를 얻기 어렵다. 그림 13 상단의 첫 번째 파형은 인덕터 전압 \( \left(v_{L}\right) \)을, 두 번째는 다이오드 파형 \( \left(v_{D}\right) \)를 나타내는데 스위치 오프 시간 동안 공진에 기인한 진동파형을 확인할 수 있으나, 충전 전류가 축전지에 공급되어 \( v_{D} \)가 영이되는 구간도 지속적으로 발생하고 있으므로 충전에는 큰 문제가 없다. 그림 14는 축전지를 제거한 상태의 컨버터 출력전압(부동전압)을 나타내며, 약 \( 8.3[\mathrm{V}] \)의 평균값에서 스위칭 주파수와 동기된 맥동을 보인다. 이는, 벅-부스터 컨버터가 불연속 모드로 동작하여 입력전압 대비 약 4배 이상 증폭되었음을 나타내며 \( 3.6[\mathrm{V}] \) 축전지에 인가되어 충전동작을 수행하게 된다. 본 논문의 실험결과, 회로의 각부에 흐르는 전류값은 \( \mu \mathrm{A} \) 단위의 미소전류이므로 그 측정에 어려움이 있어 측정파형을 제시 하지 않았다. 그림 15는 본 시스템의 축전지 충전상태를 나타내며, 초기전압이 \(3.09[\mathrm{V}]\)인 NiMH 축전지를 사용하여 TPU를 장착한 신발을 착용한 상태에서 충전특성을 확인하였다. 충전전압은 5분 간격으로 측정하였으며 초기 10분간 은 \( 3.35[\mathrm{V}] \)로 증가했다가 110분이 경과한 시점에서 \( 3.6[\mathrm{V}] \)로, 125 분 경과후 부터 15 분간 \( 3.61[\mathrm{V}] \)에 수렴하였다. 따라서, 하루 중 신발착용 시간을 감안하다면 간헐적인 LED 구동을 위한 전력은 충분하다고 판단된다.</p>	[ "본문의 표 \\(2\\) 회로 파라미터 및 규격에서 \\(S\\)의 값은 얼마인가?", "본문의 표 \\(2\\) 회로 파라미터 및 규격에서 \\(L\\)의 값은 얼마니?", "본문의 표 \\(2\\) 회로 파라미터 및 규격에서 Diode의 값은 얼마 정도야?", "Diode의 규격은 표를 보면 무엇이지?", "본문의 표 \\(2\\) 회로 파라미터 및 규격에서 \\(C\\)의 값은 얼마일까?", "본문의 표 \\(2\\) 회로 파라미터 및 규격에서 \\( f_{S W} \\)의 값은 얼마야?", "\\(C\\)의 규격은 표의 내용을 보면 무엇인가", "본문의 표 \\(2\\) 회로 파라미터 및 규격에서 \\(D\\)의 값은 얼마지?", "본문의 표 \\(2\\) 회로 파라미터 및 규격에서 배터리의 값은 얼마 정도지?", "본문의 표 \\(2\\)에서 배터리의 규격은 뭐야?", "배터리의 규격은 표에 보면 뭐지", "본문의 표 \\(2\\)에서 \\(L\\)의 규격은 무엇인가?", "본문의 표 \\(2\\)에서 \\(S\\)의 규격은 뭘까?", "\\(S\\)의 규격은 표에서 무엇이지", "본문의 표 \\(2\\)에서 \\(D\\)의 규격은 무엇이지?", "본문의 표 \\(2\\)에서 \\( f_{S W} \\)의 규격은 무엇으로 보여?" ]
3fc04b13-c391-4e58-966b-9116b17ec105	인공물ED	서해 천해환경에서의 중주파수 해저면 반사손실 측정	<h1>Ⅳ. 해저면 반사손실 결과</h1> <p>Fig. 3은 주파수 및 수평입사각에 따른 해저면 반사손실 실측 결과와 단일 경계면에서의 레일리 반사 계수 모델 결과의 비교를 보여준다. 레일리 반사계수 모델은 수층의 음속 및 밀도와 해저면의 음속, 밀도, 감쇠계수를 입력인자로 갖는다.</p> <p>해저면의 음속 및 감쇠계수는 Jackson과 Richardson에 나와있는 회귀곡선으로 계산된 수치를 사용하였다.</p> <p>\( v_{p}=-0.0024324 M_{z}+1.0091,5.3 \leq M_{z}<9 \),<caption>(3)</caption></p> <p>\( k=0.20098 M_{z}^{2}-2.5228 M_{z}+8.0399 \), \( 4.5 \leq M_{z}<6.0 \),<caption>(4)</caption></p> <p>여기서 \( M_{z}, v_{p}, k \)는 각각 평균 입자크기, 해수와 퇴적층의 음속비, 감쇠율이다. 퇴적물을 이용하여 직접 측정한 물리적 특성을 모델에 입력하는 것이 정확하지만, 아쉽게도 본 연구에서는 측정상의 어려움 등으로 인해 측정을 못하였으므로 퇴적물의 평균 입자 크기로부터 유추된 음속과 감쇠계수를 사용하였다. 예측된 해저면의 음속은 \( 1456 \mathrm{~m} / \mathrm{s} \), 감쇠계수는 \( 0.15 \)\( \mathrm{dB} / \mathrm{m} / \mathrm{kH} \mathrm{z} \) 로 퇴적층의 음속이 해수의 음속보다 느린 물렁한 해저면으로 예측되었다. 밀도는 \( 1610 \mathrm{~kg} / \mathrm{m}^{3} \)으로 측정 결과를 이용하여 예측한 결과, 전반적으로 모든 수평입사각에서 반사손실 모델 결과가 실측치에 비해 비교적 높은 준위를 나타내었다. 모델결과에서는 약 \( 10^{\circ} \) 이내의 낮은 수평입사각에서 해저면의 음속이 해수면 음속보다 작아 해저면 반사손실이 급격히 증가하는 현상을 보이지만, 실측 반사손실에서는 그 수평입사각 범위에 해당하는 자료의 부 족으로 인해 확인이 불가능하였다.</p> <p>\( 5.9 \phi \)의 평균입자 크기를 이용하여 계산된 해저면의 물성을 바탕으로 예측된 해저면 반사손실 결과와 실제 측정 결과의 오차는 실험 해역의 표층 퇴적물 분석표(Table 1)에서 충분히 예측할 수 있다. 즉, 실험 해역의 평균 입자는 \( 5.9 \phi \)지만 표준편차가 약 \( 4.3 \phi \)로써, 이번 공동 실험에서 조사한 15 개의 정점 중에서 가장 높게 나타났으며, 실험 해역을 제외한 나머지 정점에서는 평균 입자에 대한 표준편차가 약 \( 1.9 \phi \) 였다. 따라서 실험 해역의 평균입자 크기를 대표값으로 해저면의 물성을 계산하는 것은 이러한 오차를 유발하고 있다고 판단되며, 본 연구에서는 실측된 해저면 반사손실을 토대로 유전자 알고리즘을 이용하여 해저면의 물성 역추정을 시도하였다. 유전자 알고리즘의 파라미터 중 재생산과 교배 확률은 일반적으로 알려진 값들을 사용하였지만, 돌연변이확률은 \( 0.5 \) 라는 다소 높은 값을 선정하였다. 이 값이 증가하면 활발한 전역 탐색이 가능하지만 수렴성이 떨어지게 된다. 하지만 유전자 알고리즘의 세대가 진행될수록 돌연변이 범위를 감소시키는 알고리즘을 적용하여 두 가지 장점을 모두 적용하였다. Table 2는 유전자 알고리즘의 초기 설정값을 보여주며, Table3 은 지음향 인자의 역산 범위를 나타낸다. 각각의 역산 범위는 실험 해역의 평균입자에 따른 표준편차를 고려하여 비교적 광범위하게 설정하였다. 역산 결과 해저면의 음속은 \( 1534.7 \pm 6.0 \mathrm{~m} / \mathrm{s} \), 밀도는 \( 1750 \pm 51 \) \( \mathrm{kg} / \mathrm{m}^{3} \)에서 실측값과 가장 일치하는 경향을 보였다. 역산된 해저면의 음속을 기준으로 회귀곡선에 대입 한 결과 약 \( 4 \phi \)의 평균입자 크기가 예측되었다. 역산 된 감쇠계수는 역산 범위내의 최대값으로 수렴하였고, 이를 검증하기 위해 감쇠계수의 범위를 변경시켜 가며 역산을 실시하였으나 감쇠계수는 항상 최대 값으로 역산되었다. 일반적으로 감쇠계수는 임계각 주변에서의 반사손실에 가장 민감하게 반응하는데 역산에 이용된 측정 결과는 임계각 부근의 자료가 부족하여 이에 대한 정확한 역산이 이루어지지 않은 것으로 판단된다. 이와 같은 이유로 감쇠계수는 역산된 음속으로 도출한 평균 입자크기를 이용하여 \( 0.4 \mathrm{~dB} / \mathrm{m} / \mathrm{kH} \mathrm{k} \)로 가정하였다. 밀도의 경우, 역산 결과는 실측치에 비해 약 \( 9 \% \) 증가한 것을 알 수 있다. 실험해역의 해저면 밀도는 약 \( 1610 \mathrm{~kg} / \mathrm{m}^{3} \) 인 것으로 보고되었으나 아쉽게도 오차 범위에 대한 정보를 획득 하지 못하였고 따라서 역산된 해저면 밀도인 \( 1750 \pm \) \( 51 \mathrm{~kg} / \mathrm{m}^{3} \)와 직접적인 비교는 어려웠다. 하지만 Jackson 과 Richardson에서 제시된 결과로부터 음속비 \( 1.04 \)에 대한 해저면 밀도는 \( 1704 \mathrm{~kg} / \mathrm{m}^{3} \) 로 본 역산 결과와 일치하고, 약 \( 1600-1900 \mathrm{~kg} / \mathrm{m}^{3} \)의 범위에서 넓게 분포함을 알 수 있다. 따라서 본 논문에서도 역산 결과인 \( 1750 \pm 51 \mathrm{~kg} / \mathrm{m}^{3} \)을 실험해역의 해저면 밀도로 고려하였다.</p> <table border><caption>Table 2. Genetic Algorithm parameters used to estimate the geoacoustic parameters.</caption> <tbody><tr><td>Generation</td><td>1000</td></tr><tr><td>Popsize</td><td>30</td></tr><tr><td>Parallel run</td><td>100</td></tr><tr><td>Reproduction coefficient</td><td>1.7</td></tr><tr><td>Crossover probability</td><td>0.9</td></tr><tr><td>Mutation probability</td><td>0.5</td></tr></tbody></table>	[ "본문의 Table 2. Genetic Algorithm parameters used to estimate the geoacoustic parameters에서 Popsize의 값은 얼마일까?", "본문의 Table 2. Genetic Algorithm parameters used to estimate the geoacoustic parameters에서 Generation의 값은 얼마인가?", "본문의 Table 2. Genetic Algorithm parameters used to estimate the geoacoustic parameters에서 Parallel run의 값은 얼마야?", "본문의 Table 2. Genetic Algorithm parameters used to estimate the geoacoustic parameters에서 Reproduction coefficient의 값은 얼마지?", "본문의 Table 2. Genetic Algorithm parameters used to estimate the geoacoustic parameters에서 Crossover probability의 값은 어느 정도야?", "본문의 Table 2에서 값이 1000인 항목은 무엇인가?", "값이 1000인 항목은 표2에서 뭐지", "본문의 Table 2에서 값이 30인 항목은 무엇이지?", "값이 30인 항목은 표2에서 어떤 것이지", "본문의 Table 2에서 값이 100인 항목은 뭐야?", "값이 100인 항목은 표2에서 무엇이지", "본문의 Table 2에서 값이 1.7인 항목은 뭘까?", "값이 1.7인 항목은 표2에서 무엇이지", "본문의 Table 2에서 값이 0.9인 항목은 뭐가 있지?", "값이 0.9인 항목은 표2에서 무엇이야", "본문의 Table 2에서 값이 0.5인 항목은 뭐가 있는가?", "값이 0.5인 항목은 표2에 의하면 뭐지", "본문의 Table 2. Genetic Algorithm parameters used to estimate the geoacoustic parameters에서 Mutation probability의 값은 어느 정도지?" ]
53e90109-2b0c-4444-8e54-5f6e8e6ebac8	인공물ED	재가중치 \(\ell_1\)-최소화를 통한 밀리미터파(W밴드) 전방 관측초해상도 레이다 영상 기법	<h1>Ⅳ. 모의실험 결과</h1> <p>본 논문에서는 모의실험의 실용성을 위해 실제 주력전차의 산란점 모델을 사용한다. 이 산란점 모델은 전차를 반사율을 가진 몇 개의 산란점들로 근사화하여 표현한 것으로 역 합성 개구 레이다.(Inverse Synthetic Aperture RadarISAR) 방식을 통해 영상을 얻은 후 CLEAN 알고리즘을<table border><tbody><tr><td>파라미터</td><td>값</td></tr><tr><td>Height of the radar \( h \)</td><td>50 m</td></tr><tr><td>\( \theta_{a} \)</td><td>\( 3.58^{\circ} \)</td></tr><tr><td>\( Q_{a} \)</td><td>\( -5^{\circ} \sim+5^{\circ} \)</td></tr><tr><td>Velocity of radar \( V \)</td><td>\( 200 \mathrm{~m} / \mathrm{s} \)</td></tr><tr><td>Sampling frequency \( f_{o} \)</td><td>\( 10 \mathrm{MHz} \)</td></tr><tr><td>Pulse repetition interval</td><td>\( 1 \mathrm{~ms} \)</td></tr><tr><td>Pulse width</td><td>\( 0.5 \mathrm{~ms} \)</td></tr><tr><td>Bandwidth</td><td>\( 300 \mathrm{MHz} \)</td></tr><tr><td>The number of fast-time samples \( F \)</td><td>13</td></tr><tr><td>The number of slow-time samples \( S \)</td><td>111</td></tr><tr><td>The number of gris in direction of range \( R \)</td><td>26</td></tr><tr><td>The number of gris in direction of azimuth \( P \)</td><td>111</td></tr></tbody></table> <통해 산란점 추출을 수행하였다. 약 30 개의 산란점으로나타내었고, 이러한 전차가 스캔 영역에 2개가 존재한다고 가정하였다. 모의실험을 위해 사용된 샘플링 주파수\( f_{8} \) 는 최대 비트 주파수의 두 배가 되도록 설정하였다. 즉,\( f_{s}=10 \times 10^{6} \geqq 2 f_{b, \max }=2 \times K \frac{2 R_{\text {max }}}{c} \cong 8 \times 10^{6} \)과 같이 설정하였다.</p> <p>하나의 탱크로 부터 얻은 산란점을 3 차원 상에서 나타낸 것으로, 그 중심이 \( (0,0,1.5 \mathrm{~m}) \) 가 되도록 위치시킨 것이다. 여기서 원의 어두운 정도가 곧 그 산란체의 반사율을 의미한다. 즉, 반사를 강하게 하는 산란점일수록 더 어둡다. 포신이 항하는 방향이 \( y \) 축이며, 그에 수직한 축이 \( x \) 축, 높이는 \( z \) 축으로 나타내었다. 약 \( 3 \mathrm{~m} \) 의높이를 가지는 것을 확인할 수 있다.</p> <p>2 개의 전차에 해당하는 산란점을 스캔영역에 나타냈다. 그림이 나타네는 거리 및 수직거리 방항(방위각 방항)의 범위가 곧 스캔 영역이며, 바닥에 표적 이 존제한다고 가정한 상태로 이미징이 수행되기 때문에2 차원에 정사영된 상태로 나타나게 된다. 따라서 같은 전차라고 할지라도 산란점의 분포가 존재하는 방위각에 따라서 다르다. 2개의 전차는 방위각 기준으로 각각 약 \( -3^{\circ} \) 와\( 2^{\circ} \) 를 중심으로, 거리방향으로는 모두 \( 805 \mathrm{~m} \) 떨어진 곳에배치되었다. 본 논문에서는 스캔은 좌에서 우로 한 번 일어나도록 가정하였고, 기계적 조향을 통해 안테나 중심이항하는 방위각이 \( -5^{\circ} \) 에서 \( +5^{\circ} \) 까지 변하도록 하였다.</p> <p>모의실험에서 사용된 단일 실 개구 안테나의빔 패턴이다. \( 3 \mathrm{~dB} \) 빔 폭이 \( 1.4^{\circ} \) 이며, 가우시안 분포의 모양과 비슷하게 설계된 패턴이다.</p> <p>잡음이 존재하는 상황에서도 제안하는 기법이 제대로동작하는지 검증하기 위해 가우시안 랜덤 잡음을 도입하였다. 본 논문에서는 신호 대 잡음비가 \( 30 \mathrm{~dB}, 10 \mathrm{~dB} \) 가되도록 하는 측정 잡음을 추가하여 해당하는 두 상황에대해서 기존에 쓰이는 \( \mathrm{OMP} \) 알고리즘 및 합성 개구 레이다와 제안하는 기법으로 얻은 그림 비교, 제시한다. 합성개구 레이다의 신호처리는 거리 방향으로는 기존에 널리알려진 정합 필터를 사용하였으며, 거리 방향의 해상도는이론적인 해상도 \( \left(=\frac{c}{2 B}=0.5 \mathrm{~m}\right. \), 여기서 \( B \) 는 송신 신호의 대역폭)와 같게 나타나는 것을 확인할 수 있으며, 수직-거리 방향으로는 정합필터가 사용되어서 표적이 0도에존재하는 것이 아니라면 빔 폭보다는 좁은 해상도를 가지도록 압축이 일어난다. 이 해상도는 표적이 90 도일 때가장 좋게 나타나고, 이 때 측방 관측 합성 개구 레이다의분해능과 일치하게 나타난다. 즉, 논문의 상횡에서는 표적이 존재하는 위치에 따라서 수직-거리 방향의 분해능이 달라지는 현상이 나타난다.</p> <p>먼저, \( 30 \mathrm{~dB} \) 랜덤 잡음이 존재할 때의 측정 데이터 \( z \)를 거리와 방위각의 평면에서 나타내면 시각적 편이를 위해 절대값으로 나타냈다. 고속 푸리이변환을 통해 거리 압축을 1 차적으로 한 상태이며, 내역폭에 의해 븐해능은 약 \( 0.5 \mathrm{~m} \) 인 상태이다. 수직거리 방향은방위각의 방향으로 나타내었으며, 아무런 압축과정을 거치지 않았으므로 산란점을 중심으로 실 개구 안테나 빔패턴이 콘볼루션 된 상태로 펴져 있는 것을 확인할 수 있다. 그림 6은 이런 측정 데이터에 합성개구 레이다 기법을 적용한 결과이다. 거리 방항으로 헤상도는 증가하지않지만, 방위각이 \( 0^{\circ} \) 가 아닌 곳에 표적들이 존재하기 때문에 수직거리 방향으로도 압축이 된 것을 확인할 수 있 다. 하지만 표적의 위치가 수직거리 방향으로 \( 0^{\circ} \) 에서 멀어질수록 해상도가 떨어지는 것을 확인할 수 있다. 따라서 합성개구 레이다 방식은 전방지상을 이미징하는 데에안정적이지 못해 적합하지 않음을 알 수 있다. 압축 감지 문제로 접근한 결과이다. \( \mathrm{OMP} \) 알고리즘 결과에서는 실제 산란점이 존재하지 않는 데에도값이 존재하여 표적의 위치 및 산란점의 반사율을 제대로 복원하지 못했음을 알 수 있다. 반면에 \( \ell_{1} \)-최소화 기법,재가중치 \( \ell_{1} \) 최소화한 결과, 산란점의위치 및 반사율을 실제에 가깝게 복원했음을 알 수 있다.특히, 수직거리 방향과 더불어 거리 방향으로도 점으로위치를 찾음을 통해 초해상도 이미지를 얻었음을 확인한수 있다. 볼록 프로.그래밍 문제를 풀기 위해서 본 논문에서는 \( \mathrm{CVX}^{} \) 를 사용하였다.</p> <p>좀 더 강한 잡음이 고려된 측정 데이터 및 이미징 결과 합성 개구 레이다는matched filtering을 수행했으므로 \( 30 \mathrm{~dB} \) 결 과에서 해상도에는 변화 없이 노이즈만 더욱 추가된 결과를 보였다. 잡음이 강하게 존재할 때 \( \mathrm{OMP} \) 에서는 여러 개의 산란점을하나로 대표하는 동작이 일어나면서 실제 표적의 산란점보다 더 적은 개수의 산란점을 나타낸다. 이런 동작은 산란점의 정확한 위치와 터불어 반사율도 제대로 찾지 못하는 결과를 초래한다. 반면, \( \ell_{1} \)-최소화 기법을 사용한결과는 비교적 산란점의 위치 및 반사율을 실제에 가깝게 찾아내는 것을 알 수 있다. 여기서 더 나아가 재가중치를 적용하면 주변에 학한 반사율로 나타내어진 산란점들은 값이 점점 작아지면서 실제 반사율분포에 더욱 가깝게복원한다.</p> <p>이론적으로 합성 개구 레이다 기법은 거리방향과 이동방향이 같아지는 방위각이 \( 0^{\circ} \) 인 위치에선 수직-거리방향분해가 불가하다. 이를 확인하기 위해 두 개의 전차 중 \( 2^{\circ} \)의 위치헤 있던 전차를 \( 0^{\circ} \) 가 중심이 되도록 위치를 변경하여 모의실험하였다.</p> <p>반사율 분포를 나타냈으며 \( 10 \mathrm{~dB} \) 잡음이존재하는 상횡만 고려하였다. 결과를 통해 합성 개구 레이다 기법은 \( 0^{\circ} \) 에서는 수직분해능이 전혀 없어서 퍼진 정도가 안테나의 빔 폭과 같게 나타났다. 반면에,방위각 방향으로는 레이다가 이동하는 방향이 방위각 방항과 수직하기 매문에, 측방 관측을 통한 일반적인 합성개구 레이다 처리 결과와는 달리 방위각 방향 해상도가좋지 않음을 확인할 수 있다. 즉, 수직-거리 방향 0도 부근에 표적이 존재할 때는 안테나의 빔 폭 만큼 퍼지는 것을 확인할 수 있다. 본 논문의 모의실험에서는 빔 폭이 비교적 얇은 \( 3 \mathrm{~dB} \) 빔 푹이 \( 1.4^{\circ} \) 인 빔을 사용하기 때문에,이득이 거의 없음에도 불구하고, 다소 분해능이 좋게 보이는 경향이 있다. 반면 제안하는 기법인 재가중치 \( \ell_{1} \) 기법을 적용한 결과, 그림 18 에서는 \( 0^{\circ} \) 에 존재하는 표적의위치 및 반사율을 실제 산란점의 분포에 가깝게 복원했음을 확인할 수 있다.</p>	[ "이론적으로 합성 개구 레이다 기법은 방위각이 \\( 0^{\\circ} \\) 인 위치에선 수직-거리방향분해가 불가한데 이것을 확인하기 위해 어떻게 실험을 해야 하는가?", "파라미터 중 Pulse width는 얼마인가?", "파라미터 중 \\( 300 \\mathrm{MHz} \\) 값을 가지는 것은 무엇인가?" ]
910a3661-e3fb-4acc-9c8b-d10fe33400d0	인공물ED	리눅스 OS를 이용한 ARM CPU 기반 독립형 영상처리모듈 개발	<h1>Ⅱ. Hardware Platform</h1> <p>본 논문에서 사용된 독립형 영상처리모듈은 Strong-Arm CPU를 사용하고 있으며 주된 하드웨어 사양은</p> <p>다음과 같으며,<그림 1>에 독립형 영상처리모듈의 하드웨어 구성도롤 보여주고 있다.</p> <ul> <li>SA-1110 206MHz 32bit RISC</li> <li>32MB SDRAM, 16MB Flash</li> <li>Ethernet Controller, RS 232C</li> <li>8 IN/16 OUT ITO, VGA Adaptor, Video decoder</li></ul> <p> <그림 2>는 실물 사진으로 이 보드의 크기는 \( 8 \mathrm{cm} \) \( \times 13 \mathrm{cm} \) 이다. 이 모델은 Intel 데모(demo) 보드인 Assabet기를 기반으로 하여 만들어졌다. 대부분의 임베디드 장비는 호스트에서 개발된 응용 프로그램을 전송하기 위해서 통신 채널을 가지고 있다. 독립형 영상처리모듈은 호스트 컴퓨터와 응용 프로그램 및 데이터의 전송을 위해 RS-232C와 Ethernet을 사용했다.</p> <p>RS-232C는 메모리에 있는 부트로더가 수행 시 host PC와의 인터페이스 역할을 한다. 즉, RS-232C를 통하여 커널 이미지와 램 디스크 이미지등을 메모리에 올려 놓거나 메모리에 올려진 이미지들을 flash 메모리에 쓰는 역할을 수행하게 하였다. Ethernet은 부트로더가 커널 이미지와 같은 데이터를 tftp를 이용하여 전송받을 때, 리눅스 커널이 실행이 된 후 사용된다.</p> <table border><caption>표 1. 플래시 메모리 어드레스 map</caption> <tbody><tr><td>size</td><td>offset</td><td>narme</td></tr><tr><td>0x40000</td><td>Ox00000000</td><td>bootloader</td></tr><tr><td>0xC0000</td><td>0x00040000</td><td>kernel Image</td></tr><tr><td>0x300000</td><td>Ox00010000</td><td>Ramdisk Image</td></tr><tr><td>0xC00000</td><td>0x00400000</td><td>User Space</td></tr></tbody></table> <p>Flash 메모리는 비휘발성 메모리로 보조기억장치로서 사용된다. 부트로더, 커널이미지, 램 디스크 이미지 및 파일 시스템 모듈을 이용하여 리눅스에 필요한 라이브러리들과 설정파일들을 저장하는데 사용하였으며, 그 구성은<표 1>과 같다.</p>	[ "표 1. 플래시 메모리 어드레스 map에서 size가 0xC0000 이면 offset 은 뭐야?", "표 1. 플래시 메모리 어드레스 map 에서 size가 0xC00000 일 때의 narme는 뭐야?", "표 1. 플래시 메모리 어드레스 map 에서 size가 0x300000 일 때의 narme는 뭐야?", "표 1. 플래시 메모리 어드레스 map에서 size가 0x300000 이면 offset 은 뭐야?", "표 1. 플래시 메모리 어드레스 map에서 size가 0x40000 이면 offset 은 뭐야?" ]
a5db32e9-8de5-47fe-bb49-540c0af317c0	인공물ED	리눅스 OS를 이용한 ARM CPU 기반 독립형 영상처리모듈 개발	<h1>Ⅳ. Vision Application의 구현</h1> <p>Vision Application의 구현은 크게 두 개의 부분으로 나누어서 구현하였다. 디바이스 드라이버와 통신을 하여 해당 이미지 데이터를 얻거나 영상을 제어하는 부분과 입력받은 데이터를 처리하여 화면에 출력하는 부분으로 나누었다. 디바이스 드라이버에 대한 액세스는 유닉스 파일 인터페이스로 구성된다.</p> <p>이미지 버퍼 및 영상의 제어는 system call인 read를 통해 이루어지고 그 파일에 대한 제어는 fcntl이나 ioctl등을 통해서 이루어진다. 여기서 사용되는 영상처리 모듈에서는 매 초마다 odd field 및 even field에 해당하는 인터럽트를 합쳐 60번이 발생하여 초당 30프레임을 만든다. 이렇게 생성된 영상 데이터를 매번 read 함수를 호출하여 구현한다는 것은 간접비용이 크다. 이러한 간접비용을 줄이기 위해서 Mermory Mapped I/O를 이용하여 영상 데이터를 직접 접근할 수 있게 구현하였다. Memory Mapping된 영역은 이제 커널과 사용자 프로세스가 이 영역을 공유하게 된다.</p> <p>리눅스를 기반으로 해서 만들어진 몇 종류의 이미지 캡쳐 드라이버는 사용자 프로세스에게 인터럽트기간에 이미지를 받았는지에 대한 여부가 없어서 응용 프로그램이 이를 폴링하는 경우가 있었다. 이러한 경우는 이미지를 정확히 받을 수 있는 인터페이스를 제공하지 못한다. 간단한 이미지 디스플레이에는 적합할지 모르나 영상처리 모듈에서는 적합하지 못하였다. 본 개발에 있어서 응용프로그램은 디바이스 드라이버가 인터럽트 루틴이 끝나는 시점에서 발생시켜주는 시그널을 받을 수 있게 하였다. 즉, POSIX 기반의 sigaction() 함수를 이용하여 인터럽트 핸들러가 이미지에 대한 영상처리를 수행하게 하였다.</p> <p>화면에 출력하는 부분은 두 가지로 개발을 했다. GUI를 사용하지 않고 8bit grayscale 모드에서 수행되는 것과 다른 하나는 GUI를 사용하여 16bit 모드에서 수행되는 것이다. 두 가지 모두 프레임버퍼를 이용하였다. 8bit모드에서는 \( 640 \times 480 \)의 이미지를 보여주는데 좋은 성능을 보였지만 16 bit모드에서는 만족할 만한 성능을 보여주지 못했다.</p> <p>산업용 영상처리를 위해서 간단한 영상 알고리즘을 적용시켜 보았다. Thresholding은 하드웨어 로직으로 구현이 되어 있어서, 별도의 소프트웨어 구현을 필요로 하지 않으며, 상대적으로 고속처리가 가능하였다. 따라서, 비교적 상당한 처리시간이 요구되는 Edge Detection과 Image Enhancement 알고리듬을 적용하여 개발된 독립형 영상처리 모듈의 성능을 측정하였다.</p> <p>Edge detection은 물체의 테두리를 찾는 것으로써 사용된 operator는 Robert operator이다. Robert operator는 convolution mask를 사용하여 edge를 얻는 방식이다. Robert operator를 이용한 공식은 식 (1)과 같다.</p> <p>\( G(r, c)=\|G x\|+\|G y\| \)<caption>(1)</caption></p> <p>여기서,</p> <p>\( G x=I(r, c)-I(r-1, c-1) \)<caption>(2)</caption></p> <p>\( G y=I(r, c-1)-I(r-1, c) \)<caption>(3)</caption></p> <ul> <li>\( I(r, c) \) : 원본 이미지의 Intensity</li> <li>\( \mathrm{G}(\mathrm{r}, \mathrm{c}) \) : 원본 이미지에 대한 gradient를 적용한 값</li> <li>\( \mathrm{r} :\) row</li> <li>\( \mathrm{c} :\) column</li></ul> <p>\( G_{x} \)와 \( G_{y} \)는<그림 5>의 마스크로 표현될 수 있다.</p> <p>그림 6>은 카메라로부터 실시간으로 얻은 원본 이미지이고<그림 7>은 원본 이마지를 Edge Detection한 결과 화면이다.<그림 7>은 명확한 윤곽선을 찾기위해서 먼저 임의의 threshold level을 128로 적용을 한 후, Edge Detcction을 적용한 것으로, 두 물체의 윤곽선이 명확하게 구분되어진 것을 볼 수 있다.</p> <p>Image Enhancement중에서 sharpening은 High Frequency Emphasis Filter를 이용하여 구현하였다. High Frequency Emphasis Filter는 주위의 저주파 성분은 차단하고 고주파 성분을 부각시키는 필터링으로 영상에서의 윤곽선은 조금 더 명확하게 하는 효과를 준다. 고주파 성분을 부각시키기 위한 방법으로 Homomonphic Filtering방법이 있으나, 이것은 부동 소수점 연산을 필요로 하는바, SA-1110은 부동소수점 연산을 위한 FPU가 없어서 이를 대신하는 에뮬레이터를 사용하므로 Homomorphic Filtering 방법은 독립형 영상처리 모듈에는 적합하지 않다. 따라서 많은 부동소수점 연산은 성능을 저하시키므로, Image Sharpening 방법으로 공간 도메인에서 필터를 이용하여 일괄적으로 처리하는 방식을 이용하였는바, 여기에서 사용된 필터는<그림 8>과 같다.</p> <p> <그림 9>는 카메라로부터의 입력을 High Frecuency emphasis Filter을 적용하여 나온 실행 결과이다. 원본 이미지인<그림 6>과 비교하여 보았을 때, 좀 더 뚜렷한 화면을 얻을 수 있다.</p> <p>마지막으로 독립형 영상처리모듈의 계산성능을 알아보기 위하여, 위에서 언급한 Edge Detection과 Image Sharpening 않고리듬은 독립형 영상처리모듈과 2종의 PC(MMX \(166 \mathrm{MHz}\)와 Pentium Ⅱ \(350\mathrm{MHz}\))에서 각각 수행하여 그 실행시간을 비교하였다. 테스트에서 사용된 이미지 데이터의 크기는 \( 640 \times 480 \)이고 한 pixel에 대한</p> <table border><caption>표 2. Edge detection과 Image sharpening 동안 경과 시간/caption> <tbody><tr><td rowspan=2>종류/시간</td><td colspan=3>Edge Detection</td><td colspan=3>Imagc Sharpening</td></tr><tr><td>MMX \(166\mathrm{MHz}\))</td><td>SA-1110 \(206\mathrm{MHz}\))</td><td>P Ⅱ \(350\mathrm{MHz}\))</td><td>MMX \(166\mathrm{MHz}\))</td><td>SA-1110 \(206\mathrm{MHz}\))</td><td>P Ⅱ \(350\mathrm{MHz}\))</td></tr><tr><td>실행시간</td><td>\(76\mathrm{ms}\)</td><td>\(41\mathrm{ms}\)</td><td>\(18\mathrm{ms}\)</td><td>\(132\mathrm{ms}\)</td><td>\(50\mathrm{ms}\)</td><td>\(35\mathrm{ms}\)</td></tr></tbody></table> <p>Intensity Resolution은 8bit이었다. 각각의 알고리듬에 대한 실행시간을 해당 하드웨어 시스템마다 30회 반복측정하여 평균시간을 구한 것을<표 2>에서 보여주고 있다. 예상한 바와 같이, Edge Detection과 Image Sharpening 알고리듬의 두 경우 모두, 실행시간이 Pentium Ⅱ에서 가장 빠르게 나타났고, 그 다음으로 독립형 영상처리 모듈, MMX \( 166 \mathrm{MHz} \) 순서로 나타났다. 본 실험을 통하여, StrongArm CPU를 사용한 독립형 영상처리 모듈은 단순한 영상처리 알고리듬을 적용하는 경우에, \( 100 \mathrm{ms} \) 샘플링타임을 적용하는 것이 적당함을 확인하였다.</p>	[ "Edge detection과 Image sharpening 동안 경과 시간을 나타낸표에서 Edge Detection MMX \\(166\\mathrm{MHz}\\))의 실행시간은 얼마야?", "Edge DetectionP Ⅱ \\(350\\mathrm{MHz}\\))의 실행시간은 표2에서 얼마지?", "표2에서 Edge Detection SA-1110 \\(206\\mathrm{MHz}\\))의 실행시간은 얼마야?", "표3에서 Imagc Sharpening의 SA-1110 \\(206\\mathrm{MHz}\\))의 실행시간은 뭐지?", "Imagc Sharpening의 MMX \\(166\\mathrm{MHz}\\))의 실행시간은 뭐야?", "Edge detection과 Image sharpening 동안 경과 시간을 타나낸 표2에서 P Ⅱ \\(350\\mathrm{MHz}\\))의 실행 시간은 얼마지?" ]
5752e4bb-30dd-482e-aa31-5096ee4808bf	인공물ED	USN 센서노드용 \(5.0\mathrm{GHz}\) 광대역 RF 주파수합성기의 구현	<h1>III. 주파수합성기 회로의 설계</h1><p>본 연구에서는 발진 주파수 범위를 줄이고 효율적인 I-Q 신호 생성을 위하여 860 및 \( 900 \mathrm{MHz} \) 대역은 실제 사용 주파수보다 4배, \( 2.4 \mathrm{GHz} \) 대역은 실제 사용 주파수보다 2배의 주파수로 동작하는 \( 3.4 \sim 5.0 \mathrm{GHz} \) 광대역(UWB; Ultra Wide Band)의 분수형(fractional)-N RF PLL 주파수합성기를 \( 0.18 \mu \mathrm{m} \) CMOS 기술을 이용하여 설계하였다. 두 개 이상의 서로 다른 대역의 주파수를 수용하기 위해서는 주파수합성기 내에서 여러 개의 각기 다른 VCO를 사용하는 것이 일반적인 방법이나, 본 연구에서는 칩의 면적과 전력소모를 줄이기 위하여 한개의 광대역 VCO를 사용하여 3개의 주파수 대역을 포함하는 광대역 PLL 구조를 선택하였다. 이를 위하여 고속 특성을 갖는 동시에 넓은 범위에서 주파수 튜닝이 가능한 VCO 회로를 채택하였으며, 고속 동작이 가능하고 잡음 특성이 우수한 PLL 공통 회로 및 주파수 분주기(frequency divider) 회로를 채택하였다. 그림 3은 본 연구에서 설계한 한 개의 VCO로 동작하는 광대역 주파수합성기 회로의 구조를 나타낸 블록도로서 기본적으로는 분수형-N PLL의 기본 구조인 PFD(phase frequency detector), CP(charge pump), LPF(low pass filter), VCO(voltage controlled oscillator), \( 1/8 \) 프리스케일러(prescaler), \( 1/64 \sim 1/126 \) 분수형-N 분주기, 분수형-N 분주기를 제어하기 위한 \( \Sigma-\Delta \) 모듈레이터로 구성된다. VCO 오른쪽의 \( 1/4 \) 및 \( 1/2 \) 분주기는 860 및 \( 900 \mathrm{MHz} \) 대역과 \( 2.4 \mathrm{GHz} \) 대역에 대하여 전체 발진주파수 범위를 줄이고 각각의 I-Q 신호를 만들기 위한 주파수 하향 변환기이다.</p><h2>1. VCO</h2><p>RF PLL에서 우수한 속도 및 잡음 특성을 얻기 위해서는 무엇보다도 먼저 VCO의 설계가 최적화되어야 한다. 그 중에서도 특히 860 및 \( 900 \mathrm{MHz} \) 대역과 \( 2.4 \mathrm{GHz} \) 대역을 동시에 포함하기 위하여 VCO의 주파수 튜닝 범위가 \( 3473 \sim 4967 \mathrm{MHz} \)(\( 1494 \mathrm{MH,z} \) 구간, 중심주파수 대비 \( 35.4 \% \))로 매우 넓어야 한다. 그런데 LC 발진기의 특성 상 하나의 VCO를 이용하여 넓은 튜닝 범위를 확보하기가 어려우므로 VCO 설계 측면에서 상당한 어려움이 있다. 그림 4는 본 연구에서 사용한 VCO의 회로도이며 고속, 위상잡음 특성이 우수한 N-P MOS 코어형 구조를 갖는 LC 탱크 회로를 채택하였다. 광대역의 주파수 튜닝 특성을 얻기 위하여 넓은 범위의 커패시턴스 변화가 가능한 바렉터(varactor) 회로 채용과 함께 4비트 제어신호에 의하여 12단계의 광범위로 커패시턴스 변환이 가능한 캡-뱅크(cap.-bank)를 병렬로 연결하였다. 또한 전원 잡음 특성 및 PSRR(power supply rejection ratio) 특성을 개선하기 위하여 VCO 모듈은 전원을 VDD로부터 직접 공급하지 않고 \( 1.6 \mathrm{V} \) 상전원(voltage regulator)을 통하여 공급하게 하였다. 이 상전원에는 제어 스위치를 설치하여 시스템 대기 상태에서는 VCO에 공급되는 전원을 차단함으로써 VCO의 발진을 정지시켜서 주파수합성기 모듈에서 발생하는 전력소모를 최대한 줄여서 전체 USN 시스템의 전력소모를 줄이는 구조로 설계하였다.</p><h2>2. 프리스케일러</h2><p>VCO에서 발생하는 주파수는 PLL 전체 회로로 볼 때 가장 속도가 빠르므로 그 다음 단에 배치되는 주파수분주기인 프리스케일러 역시 높은 동작속도를 요한다. 본 연구에서는 그림 5와 같이 단순하면서도 빠른 동작이 가능한 3개의 \( 1/2 \) 분주기를 직렬 연결하여 \( 1/8 \) 프리스케일러를 구성하였다. 모의실험 결과 이 회로는 \( 5.5 \mathrm{GHz} \) 이상의 주파수에서도 동작하는 매우 빠른 특성을 보여 주었다.</p><h2>3. N-분주기</h2><p>프리스케일러로부터 출력된 신호의 주파수를 기준클록인 \( 6 \mathrm{MHz} \)와 일치시키기 위하여 신호를 \( 64 \sim 126 \) 구간에서 정수로 분주할 수 있는 분주기를 설계하였다. \( 1/64 \)는 \( 1/2 \)분주기를 6개 직렬로 연결하여 구현하였으며, 여기에 다시 \( 1/2 \)분주기를 6개 직렬로 연결한 다음 외부에서 6비트 신호를 이용하여 제어함으로서 \( 1/64 \sim 1/126 \) 분주를 실현하였다.</p><h2>4. \( \Sigma-\Delta \) 모듈레이터 분수형 분주기</h2><p>주파수합성기의 분주비를 소수점 아래까지의 값으로 생성하고 분수형 스퍼를 억제하기 위하여 18비트 제어신호에 의하여 동작하는 \( \Sigma-\Delta \) 모듈레이터를 설계하였다. 표 1은 분수형-N 분주기에 의한 주파수 생성계획을 나타낸 것이다.</p><table border><caption>표 1. PLL 주파수 생성 계획</caption><tbody><tr><td>Fpll\( (\mathrm{MHz}) \)</td><td>Fvco\( (\mathrm{MHz}) \)</td><td>N</td><td>Fractional</td><td>Err.\( (\mathrm{Hz}) \)</td></tr><tr><td>\( 868.3000031 \)</td><td>\( 3473.2000122 \)</td><td>\( 72 \)</td><td>\( 0.3583336 \)</td><td>\( 3.1 \)</td></tr><tr><td>\( 906.0000000 \)</td><td>\( 3624.0000000 \)</td><td>\( 75 \)</td><td>\( 0.5000000 \)</td><td>\( 0 \)</td></tr><tr><td>\( 908.0000153 \)</td><td>\( 3632.0000610 \)</td><td>\( 75 \)</td><td>\( 0.6666679 \)</td><td>\( 30.5 \)</td></tr><tr><td>\( 910.0000305 \)</td><td>\( 3640.0001220 \)</td><td>\( 75 \)</td><td>\( 0.8333359 \)</td><td>\( 61.0 \)</td></tr><tr><td>\( \vdots \)</td><td>\( \vdots \)</td><td>\( \vdots \)</td><td>\( \vdots \)</td><td>\( \vdots \)</td></tr><tr><td>\( 922.0000305 \)</td><td>\( 3688.0001220 \)</td><td>\( 76 \)</td><td>\( 0.8333359 \)</td><td>\( 61.0 \)</td></tr><tr><td>\( 924.0000000 \)</td><td>\( 3696.0000000 \)</td><td>\( 76 \)</td><td>\( 1.0000000 \)</td><td>\( 0 \)</td></tr><tr><td>\( 2404.9999695 \)</td><td>\( 4809.9999390 \)</td><td>\( 100 \)</td><td>\( 0.2083321 \)</td><td>\( -61.0 \)</td></tr><tr><td>\( 2410.0000305 \)</td><td>\( 4820.0000610 \)</td><td>\( 100 \)</td><td>\( 0.4166679 \)</td><td>\( 61.0 \)</td></tr><tr><td>\( 2415.0000000 \)</td><td>\( 4830.0000000 \)</td><td>\( 100 \)</td><td>\( 0.6250000 \)</td><td>\( 0 \)</td></tr><tr><td>\( \vdots \)</td><td>\( \vdots \)</td><td></td><td>\( \vdots \)</td><td>\( \vdots \)</td></tr><tr><td>\( 2475.0000000 \)</td><td>\( 4950.0000000 \)</td><td>\( 102 \)</td><td>\( 0.1250000 \)</td><td>\( 0 \)</td></tr><tr><td>\( 2479.0000305 \)</td><td>\( 4959.9999390 \)</td><td>\( 102 \)</td><td>\( 0.3333321 \)</td><td>\( -61.0 \)</td></tr></tbody></table><h2>5. PLL 공통 회로</h2><p>설계된 회로도에 대하여 \( 0.18 \mu \mathrm{m} \) 2-poly 6-metal CMOS 아날로그 기술을 이용하여 레이아웃 설계를 하였다. 그림 6은 설계한 광대역 방식 회로의 칩 도면으로서 I/O 패드(pad)를 포함한 크기는 \( 1.1 * 0.7 \mathrm{mm}^{2} \)이고, 패드를 제외하면 \( 1.0 * 0.4 \mathrm{mm}^{2} \)이다. 센서노드 SoC를 위한 실용화 설계 시에는 패드 등 불필요한 면적을 줄여서 IP화함으로써, 면적을 현재의 \( 2/3 \) 이하로 줄일 수 있을 것으로 예상된다. 그림에서 왼쪽 부분은 Verilog로 설계되어 합성된 \( \Sigma-\Delta \) 모듈레이터이고, 중간 부분은 각종 분주기이며, 오른쪽은 LC를 포함한 VCO에 해당한다. 협대역 방식 회로의 칩 도면도 캡-뱅크와 분주기를 제외한 나머지는 광대역 방식과 동일하다.</p><p>본 설계에서는 단일 칩 구성을 위하여 특별한 회로 및 레이아웃 설계 방법을 적용하였다. 즉, 회로는 잡음 방지를 위하여 차동(differential)회로 구조를 기본적으로 적용하였으며, 각 블록에는 가드링(guard ring)을 설치하여 물리적으로 완전 분리하였다. 그밖에 두 회로의 전원(VDD) 및 접지(ground) 패드도 완전 분리하였다.</p>	[ "본문에서 고속 특성을 갖는 동시에 넓은 범위에서 주파수 튜닝이 가능한 무엇을 사용했습니까?", "VCO의 주파수 튜닝 범위는 무엇입니까?", "RF PLL에서 우수한 속도 및 잡음 특성을 얻기 위해서는 어떻게 해야합니까?", "VCO에서 주파수분주기는 무엇입니까?", "본문에서 고속 동작이 가능하고 잡음 특성이 우수한 무엇을 사용하였습니까?", "VCO의 주파수 튜닝 범위가 어떻게 이루어지고 있어?", "프리스케일러로부터 출력된 신호의 주파수를 기준클록인 몇 주파수와 일치시켜야 합니까?", "프리스케일러로부터 출력된 신호의 주파수를 기준클록은 얼마입니까?", "회로는 잡음 방지를 위하여 차동회로 구조를 기본적으로 적용하고 각 블록에는 가드링을 설치하여 물리적으로 완전 분리하고 두 회로의 전원 및 접지 패드도 완전 분리한 설계는 어떻게 적용한거야?", "프리스케일러로부터 출력된 신호의 주파수를 기준클록인 \\( 6 \\mathrm{MHz} \\)와 일치시키기 위하여 신호를 몇 구간으로 설계했습니까?", "프리스케일러로부터 출력된 신호의 주파수를 기준클록인 \\( 6 \\mathrm{MHz} \\)와 일치시키기 위한 신호범위는 얼마 입니까?", "표 1. PLL 주파수 생성 계획에서 N,72일 때, Fvco\\( (\\mathrm{MHz}) \\)의 값은 무엇입니까?", "표 1. PLL 주파수 생성 계획에서 Err.\\( (\\mathrm{Hz}) \\)의 값이 \\( 3.1 \\)일때, N의 값은 얼마 입니까?", "표 1. PLL 주파수 생성 계획에서 N,72일 때, Err.\\( (\\mathrm{Hz}) \\)의 결과 값은 어떤가요?", "표 1. PLL 주파수 생성 계획에서 N,72일 때, Fractional의 값은 무엇입니까?", "표 1. PLL 주파수 생성 계획에서 Err.\\( (\\mathrm{Hz}) \\)의 값이 \\( 0 \\)이고 Fractional의 값이 \\( 0.6250000 \\)일 때 , Fpll\\( (\\mathrm{MHz}) \\)의 값은 얼마 입니까?", "표 1. PLL 주파수 생성 계획에서 Fpll\\( (\\mathrm{MHz}) \\)의 값이 \\( 868.3000031 \\)일 때, N의 값은 얼마 입니까?", "표 1. PLL 주파수 생성 계획에서 Err.\\( (\\mathrm{Hz}) \\)의 값이 \\( 30.5 \\)일때, N의 값은 얼마 입니까?", "표 1. PLL 주파수 생성 계획에서 Fpll\\( (\\mathrm{MHz}) \\)의 값이 \\( 868.3000031 \\)일 때, Fractional의 결과값은 어때?", "표 1. PLL 주파수 생성 계획에서 Err.\\( (\\mathrm{Hz}) \\)의 값이 \\( 0 \\)이고 Fractional의 값이 \\( 1.0000000 \\)이면 , Fpll\\( (\\mathrm{MHz}) \\)의 값은 무엇 일까요?", "표 1. PLL 주파수 생성 계획에서 Err.\\( (\\mathrm{Hz}) \\)의 값이 \\( 0 \\)이고 Fractional의 값이 \\( 0.6250000 \\)일 때 , N의 값은 무엇이니?", "표 1. PLL 주파수 생성 계획에서 N,72일 때, Fpll\\( (\\mathrm{MHz}) \\)의 값은 무엇입니까?" ]
b7ab0ccc-5db4-4b53-be16-4ad86adacbcc	인공물ED	USN 센서노드용 \(5.0\mathrm{GHz}\) 광대역 RF 주파수합성기의 구현	<h1>VI. 측정 결과</h1><p>그림 7은 본 논문에서 구현한 주파수합성기의 성능을 테스트하기 위해 제작한 테스트 보드로서 오른쪽은 본 연구에 의한 주파수합성기 칩이며, 왼쪽은 채널 제어 등 주파수합성기의 동작 제어를 위한 CPU 칩이다.</p><p>그림 8은 캡-뱅크 및 제어전압에 따른 VCO 발진주파수를 측정한 것이다. \( 3388 \sim 4988 \mathrm{MHz} \)(중심 주파수 대비 \( 38.2 \% \))의 튜닝 범위를 가지므로 실제 동작영역인 \( 3473 \sim 4967 \mathrm{MHz} \)(중심 주파수 대비 \( 35.4 \% \))에 비해 낮은 주파수 영역은 \( 84 \mathrm{MHz} \), 높은 주파수 영역은 \( 21 \mathrm{MHz} \)의 여유가 있다. VCO의 주파수 영역은 만족되었으나 실제 USN 칩 제작 시 공정변화 등을 고려하면 높은 주파수 영역의 여유를 좀 더 크게 갖고 갈 필요가 있다. VCO는 평균 \( 100 \mathrm{MHz/V} \)의 주파수 이득을 갖는다.</p><p>그림 9는 분할비가 101.4583(출력 주파수 \( 4870 \mathrm{GHz} \))로 설정되었을 때의 스퍼 잡음을 측정한 결과이다. 문제가 될 만한 특정 스퍼는 발생하지 않았으며, \( 6 \mathrm{MHz} \) 기본 스퍼에 해당하는 잡음은 \( -48.43 \mathrm{dB} \)로 비교적 양호한 결과가 나타났다. 그러나 스퍼 특성과 채널 간의 잡음 특성을 좀 더 개선하기 위해서는 기준 주파수를 현재의 \( 6 \mathrm{MHz} \)에서 \( 12 \mathrm{MHz} \)로 2배 올리는 것이 바람직할 것으로 보인다. 그림 10은 같은 조건의 PLL 동작 상태에서 VCO의 위상잡음을 측정한 결과이다. 위상잡음 특성 역시 \( 1 \mathrm{MHz} \) 오프셋(offset)에서 \( -95.59 \mathrm{dBc/Hz} \), \( 2 \mathrm{MHz} \) 오프셋에서 \( -101.44 \mathrm{dBc/Hz} \)로서 비교적 양호한 특성을 보였으나 단일 주파수만 생성하는 일반적인 협대역 주파수합성기에 비해서는 높게 나타났다. 이는 LC VCO를 광대역으로 동작시키기 위하여 캡-뱅크를 통하여 커패시턴스를 광범위하게 변화시켰기 때문에 VCO의 Q 값(quality factor)이 낮아져서 나타나는 현상으로 분석되며, VCO를 구성하는 L과 C의 크기 비를 최적화한다면 좀 더 좋은 위상잡음 특성을 얻을 수 있을 것으로 본다. 그밖에 측정 시 보드 상의 CPU와 같은 다른 소자로부터 오는 잡음, 공급된 전원전압에 의해 비롯된 잡음이나 필터를 구성하기 위한 외부 수동소자에 의한 잡음 등 다양한 외부 환경에 의해서 나타나는 잡음을 최적화한다면 더 좋은 동작 특성을 얻을 수 있을 것으로 본다. 표 2는 PLL 설계에 사용된 각종 변수 및 주요 측정 결과이다.</p><table border><caption>표 2. PLL 회로의 성능 변수</caption><tbody><tr><td>Reference frequency</td><td>\( 6 \mathrm{MHz} \)</td></tr><tr><td>Loop bandwidth</td><td>\( 300 \mathrm{KHz} \)</td></tr><tr><td>N division ratio</td><td>\( 72 \), \( 75 \), \( 76 \), \( 100 \), \( 101 \), \( 102 \)</td></tr><tr><td>VCO gain</td><td>\( 146 \mathrm{MHz/V} \)</td></tr><tr><td>Phase noise</td><td>\( -95.59 \mathrm{dBc/Hz} \)@\( 1 \mathrm{M} \) \( -101.44 \mathrm{dBc/Hz} \)@\( 2 \mathrm{M} \)</td></tr><tr><td>Spurious tone</td><td>\( -48.43 \mathrm{dB} \)</td></tr></tbody></table>	[ "좋은 위상잡음 특성을 얻으려면 어떻게 해야 하는가?", "그림 7은 본 논문에서 무엇을 테스트하기 위해 만들어낸 테스트 보드니?", "CPU 칩은 왜 만들었어?", "채널 제어 등 주파수합성기의 동작 제어를 위한 본 논문에서 만든 것은 무엇이지?", "그림 8은 캡-뱅크 및 제어전압에 적합한 무엇을 계측하여 나타낸 것인가?", "VCO 발진주파수의 실제 동작영역은 얼마야?", "VCO 발진주파수의 실제 동작영역인 \\( 3473 \\sim 4967 \\mathrm{MHz} \\)에 비해 낮은 주파수 영역은 얼마나 여유가 있어?", "VCO 발진주파수의 높은 주파수 영역은 실제 동작영역인 \\( 3473 \\sim 4967 \\mathrm{MHz} \\)에 비해 얼마나 여유 있는가?", "CO의 주파수 영역은 실제 USN 칩 제작 시 공정변화 등을 고려하여 어떻게 해야 하나?", "VCO의 주파수 영역은 무엇 때문에 높은 주파수 영역의 여유를 크게 잡아야 하니?", "그림 9는 분할비가 얼마일때의 스퍼 잡음을 측정한 거야?", "VCO는 평균 \\( 100 \\mathrm{MHz/V} \\)의 무엇을 가지는가?", "그림 9는 출력 주파수 \\( 4870 \\mathrm{GHz} \\)로 설정되었을 때의 무엇을 측정한 거야?", "\\( 6 \\mathrm{MHz} \\) 기본 스퍼에 해당하는 잡음은 얼마인가?", "그림 10은 같은 조건의 PLL 동작 상태에서 무엇을 측정한거야?", "VCO 발진주파수는 \\( 몇 \\mathrm{MHz} \\)의 튜닝 범위를 가지니?", "그림 10 은어떤 상태에서 VCO의 위상잡음을 측정한 결과인가?", "위상잡음 특성은 \\( 1 \\mathrm{MHz} \\) 오프셋(offset)에서 얼마야?", "위상잡음 특성이 \\( -101.44 \\mathrm{dBc/Hz} \\)로서 비교적 양호한 특성 나타난 것은 언제야?", "위상잡음 특성은 단일 주파수만 생성하는 일반적인 무슨 주파수합성기에 비해서는 높게 나타났는가?", "LC VCO를 광대역으로 동작시키기 위하여 어떻게 했어?", "LC VCO를 어떻게 하려고 캡-뱅크를 통하여 커패시턴스를 광범위하게 변화시켰니?", "VCO를 구성하는 L과 C의 크기 비를 최적화한다면 어떻게 되는가?", "표 2는 PLL 회로의 무엇을 나타낸 것이지?", "표2에서 Reference frequency는 몇 \\( \\mathrm{MHz} \\)이지?", "VCO gain은 표2에서 얼마이지?", "표 2.에서 나타난 Loop bandwidth는 몇 \\( \\mathrm{KHz} \\)이지?", "표 2. PLL 회로의 성능 변수에서 Spurious tone은 얼마야?", "주파수합성기의 성능을 시험하기 위해 어떤 것을 만들었는가?", "무엇에 맞는 VCO 발진주파수를 계측하여 그림 8에서 나타냈는가?", "VCO는 얼마의 주파수 이득을 가져?", "기본 스퍼는 몇 \\( \\mathrm{MHz} \\)인가?", "스퍼 특성과 채널 간의 잡음 특성을 좀 더 개선하기 위해서는 기준 주파수를 몇배 올려야 하지?", "일반적인 협대역 주파수합성기는 어떤 주파수만 생성하는가?", "왜 기준 주파수를 현재의 \\( 6 \\mathrm{MHz} \\)에서 \\( 12 \\mathrm{MHz} \\)로 2배 올리는 것이 바람직할 것으로 보이지?" ]
73b358dc-8d36-4c80-bdd0-4021ddfef904	인공물ED	PCA 기반 LDA 혼합 알고리즘을 이용한 실시간 얼굴인식 시스템 구현	<h1>Ⅳ. 실험 결과</h1> <p>제안한 시스템의 인식 성능 비교를 위해 자체적으로 제작한 DAUface 데이터베이스를 이용하여 실험을 하였다. DAUface 데이터베이스는 일정한 환경에서 다양한 포즈로 검출된 얼굴 영상으로써 \( 64 \times 64 \) 크기의 총100 개(20명×5개)로 구성되어 있다. 그림 3은 DAUface 데이터베이스의 영상을 보여주고 있다. 대부분의 영상에서 얼굴이 중앙에 위치하고 있으며, 전체의 \( 90 \% \) 이상 얼굴이 포함되어 있다.</p> <p>그림 4 의 특징값 차는 DAUface 데이터베이스에서 구해진 특징값들의 평균값에서 입력 영상 특징값과의 거리를 구한 결과이고, 표 1 은 DAUface 데이터베이스 중 에서 10 명의 영상(50개)은 training set으로, 나머지 10 명의 영상(50개)은 test set으로 하여 특징값 차를 계산 해본 결과를 나타내었다. 그림 4 와 표 1 의 값들을 보면 얼굴과 비얼굴 간의 값의 차이가 크다는 것을 알 수 있다. 얼굴 영상에 대해 특징값 차가 작고, 비얼굴 영상에 대해서는 특징값 차가 크게 나타난다.</p> <p>다음으로 실시간 얼굴 인식 시스템의 성능을 평가하기 위해서 DAUface 데이터베이스 전체를 인식을 위한 training set으로 하여 실험을 하였다. 먼저 PC Camera 로 입력 받은 영상에서 후보 영역이 검출 되면 이를 정규화 하여 PLMA에 적용한다. 이 과정에서 LDA 고유 벡터의 전치행렬 \( \left(W_{L}^{T}\right) \) 과 PCA 의 새로운 고유벡터 전치 행렬 \( \left(W_{P C A}^{T}\right) \) 을 곱하여 구한 전체 선형 변환 행렬은 실제 영상에 대한 가중치 벡터 값을 가지게 된다. 이 가중치 벡터 값이 입력 영상에 대한 고유값이 된다. 그림 5가 위해서 DAUface 데이터베이스 전체를 인식을 위한 training set으로 하여 실험을 하였다. 먼저 PC Camera 로 입력 받은 영상에서 후보 영역이 검출 되면 이를 정 규화 하여 PLMA에 적용한다. 이 과정에서 LDA 고유 벡터의 전치행렬 \( \left(W_{L}^{T}\right) \) 과 \( \mathrm{PCA} \) 의 새로운 고유벡터 전치 행렬 \( \left(W_{P C A}^{T}\right) \) 을 곱하여 구한 전체 선형 변환 행렬은 실 세 영상애 대한 가중치 벡터 값을 가지게 된다. 이 가중 치 벡터 값이 입럭 영상에 대한 고유값이 된다. 그림 5은 DAUface 데이터베이스를 이용하여 획득한 선형 변환 행렬의 열벡터 즉 고유 얼굴을 보여주고 있다.</p> <p>최종적으로 DAUface 데이터베이스의 영상과 가장 가까운 영상의 이름을 실시간으로 모니터에 출력하게 된다. 그림 6은 DAUface 데이터베이스의 영상들과 비교한 인식 결과를 출력한 그림이다. 그림 6 의 결과에서 오른쪽 부분은 추출된 얼굴 영상들이고, 인식된 이름 옆 숫자는 DAUface 데이터베이스에 저장된 영상 파일 \( \mathrm{K} 001 . \mathrm{bmp} \sim \mathrm{K} 100 . \mathrm{bmp} \) 중 가장 유사한 영상에 해당하는 파일의 숫자이다. 현재 정면 얼굴의 인식 성능은 우수하나, \( 45^{\circ} \) 정도의 측면 얼굴 영상에 대한 인식률이 정면 얼굴 보다 인식률이 떨어진다. 다양한 포즈의 측면 얼굴 영상에 대한 인식률 향상을 위한 새로운 기법을 연구하고 있다.</p> <table border><caption>표 2. DAUface 데이터베이스를 사용하여 구한 인식률 비교</caption> <tbody><tr><td></td><td>right</td><td>false</td><td>reject</td></tr><tr><td>PCA</td><td>0.874</td><td>0.056</td><td>0.070</td></tr><tr><td>ICA</td><td>0.900</td><td>0.047</td><td>0.053</td></tr><tr><td>LDA</td><td>0.947</td><td>0.032</td><td>0.021</td></tr><tr><td>PLMA</td><td>0.974</td><td>0.900</td><td>0.026</td></tr></tbody></table> <p>표 2 는 DAUface 데이터베이스를 가지고 Nearest Neighbor 방법을 적용하여 얻은 인식 결과를 PCA, ICA 그리고 LDA 방법과 비교 평가하였다.</p> <p>표 2의 결과를 보면, 제안한 방법인 PLMA는 PCA를 적용하여 구한 특징 벡터보다 클래스의 최적 분류의 견지에 있어서 더욱 적합함을 확인할 수 있었다. 뿐만 아니라 LDA와 ICA보다 인식률 면에서 많이 향상됨을 알 수 있다. 또한 PLMA을 적용하여 구한 \( \frac{W^{T} S_{B} W}{W^{T} S_{11} W} \) 의 값은 \( 9.85 \times 10^{18} \) 익ㄱ \( \mathrm{LDA} \) 에 대한 \( \frac{W^{T} S_{B} W}{W^{T} S_{U} W} \) 의 값은 \( 4.37 \times 10^{17} \) 로써 클래스 간 분리에 제안 방법이 우수하여 더 나은 인식률을 기대할 수 있었다.</p>	[ "표2에서 PCA의 인식률이 가장 낮은 것의 항목은 뭐지?", "표2에서 reject의 값이 가장 작을 때 얼마입니까?", "표2에서 LDA의 결과 값이 가장 작을 때 어떤 값이야?", "표2에서 right의 값이 가장 클 때, 어떤 항목을 나타냅니까?", "표2에서 reject의 인식률이 가장 높은 것은 어떤 값을 가지니?", "표2에서 right의 결과가 0.900일 때 항목은 무엇일까?", "표2를 보면 PLMA이 false일 때 결과는 어때?", "표2에서 LDA과 PLMA의 false값을 비교하면 무엇이 더 작나요?" ]
abfaa15b-6180-4bb9-a09d-f787975b0940	인공물ED	전류 모드 다치 논리 CMOS 회로를 이용한 전가산기 설계	<h1>III. 시뮬레이션 결과 및 비교</h1> <h2>1. 모의실험 결과 및 배치설계</h2> <p>본 논문은 \( 0.25 \mu \mathrm{m}\) CMOS 기술을 사용하여 HSPICE로 시뮬레이션 하였다. 시뮬레이션에 시용한 모델 파라미터는 Level 28 공정 파라미터를 사용하였고 공급 전원은 \( 2.5 \mathrm{~V} \) 로 하였다. 시뮬레이션 결과를 얻기 위해 전류 출력에는 \( 10 \mathrm{k} \Omega \) 의 저항을, 전압 출력에는 \( 300 \mathrm{fF} \) 의 콘덴서를 연결하였다.</p> <p>그림 7은 전류 모드 4치 논리 전가산기의 시뮬레이션 결과이다. 그림 7의 (a)는 전가산기의 입력 신호를 나타낸다. 입력 신호는 가산을 수행하기 위한 두 개의 입력 신호와 전단의 자리 올림수인 캐리 신호가 합하여 0 에서 최대 \( 70 \mu \mathrm{A} \) 까지의 전류가 입력된다. 전가산기의 합(SUM) 출력은 입력 신호에 따라 0 에서 \( 30 \mu \mathrm{A} \) 까지의 출력 전류 레벨을 갖게 되며 입력 전류가 \( 40 \mu \mathrm{A} \) 를 초과하게 되면 \( 10 \mu \mathrm{A} \) 의 캐리 신호가 발생하게 된다. 그림 7의 (b)와 (c)는 합 출력과 캐리 출력 신호를 나타 낸다.</p> <p>본 논문에서 제안한 전가산기 회로를 \( \mathrm{IC} \) 로 제작하기 위하여 Cadence의 Virtuso를 사용하여 배치설계(layout) 하였다. 그림 8은 전류 모드 4치 논리 전가산기의 배치설계이다.</p> <h2>2. 비고 및 분석</h2> <p>Current에 의해 설계된 다치 논리 회로들과 본 논문에서 설계한 회로들을 표 3 에서 비교하였다. 본 논문에서 설계한 회로는 Current의 회로와 동일한 동작을 하면서도 복호기의 경우 \( 23.5 \% \), 전가산기의 경우 \( 48.3 \% \) 의 소자수 감소를 이루어 효율적임을 알 수 있다.</p> <p>표 4 는 본 논문의 전가산기와 2치 논리 전가산기의 비교 결과이다. 설계한 전가산기는 전압 모드 2치 논리 전가산기와 비교하여 전체 연결 노드 수가 \( 56.5 \% \) 감소 하였고 트랜지스터의 수는 \( 60.5 \% \) 감소하여 전체 면적이 감소하였다. 제안한 전가산기는 낮은 공급 전원에서 안정적으로 동작하였고 사용되는 트랜지스터의 수와 연결노드의 수를 감소시킴으로써 전체 면적의 감소를 가져왔다 또한 전달 지연에 있어서도 \( 1.5 \mathrm{~ns} \) 로 2치 논리 전가산기에 비하여 \( 21.0 \% \) 감소된 특성을 나타내었다. 그러나 전력 소모는 2치 논리 전가산기에 비해 \( 60.7 \% \) 큰 것을 알 수 있다. 이것은 4치 논리를 적용함으로써 발생하는 잡음 여유의 감소와 전류 모드 회로의 작은임계 전류를 생성하기 위해 커진 트랜지스터의 폭(W) 과 길이 L로 인해 발생하는 캐패시터 성분의 증가에 의한 것이다. 또한 전류 모드 회로에서 발생하는 고정 전류(static current)로 인해 전력 소모가 증가하였다. 따라서 전력 소모는 앞으로 전류 모드 CMOS 다치 논리 회로가 해결해야 할 가장 중요한 문제이다.</p> <table border><caption>표 4. 전가산기 비교</caption> <tbody><tr><td></td><td>2치 논리 전가산기</td><td>제안된 전가산기</td></tr><tr><td>트랜지스터 수</td><td>38</td><td>15</td></tr><tr><td>연결 노드 수</td><td>23</td><td>10</td></tr><tr><td>평균전력소보\( (\mathrm{mW}) \)</td><td>0.28</td><td>0.45</td></tr><tr><td>전파지연\( (\mathrm{ns}) \)</td><td>1.9</td><td>1.5</td></tr><tr><td>CMOS 기술\( (\mu \mathrm{m}) \)</td><td>0.25</td><td>0.25</td></tr><tr><td>공급전압\( (\mathrm{V}) \)</td><td>2.5</td><td>2.5</td></tr></tbody></table>	[ "2치 논리 전가산기는 얼마의 연결 노드 수를 가지고 있을까?", "어떤 전가산기가 더 적은 수의 트랜지스터를 가지나?", "연결 노드 수가 10인 전가산기는 어떤 전가산기일까?", "최고치의 연결 노드 수는 어떤 전가산기가 가지고 있니?", "어떤 전가산기 연결 노드 수가 최저치야?", "2치 논리 전가산기는 평균 얼마의 전력\\( (\\mathrm{mW}) \\)소모를 하나?", "평균적으로 0.45 \\( \\mathrm{mW} \\)의 전력소모를 하는 전가산기는 무엇이니?", "가장 많이 전력 소모를 하는 전가산기는 어떤 것일까?", "전력 소모를 가장 적게 하는 전가산기는 어떤거니?", "2치 논리 전가산기의 전파지연\\( (\\mathrm{ns}) \\) 시간은 얼마지?", "어떤 전가산기의 전파지연\\( (\\mathrm{ns}) \\) 시간이 1.5인가?", "전파지연\\( (\\mathrm{ns}) \\) 시간이 가장 긴 전가산기는 무엇이니?", "어떤 전가산기가 전파지연\\( (\\mathrm{ns}) \\) 시간이 더 짧을까?", "전가산기에 사용된 CMOS 기술은 얼마 크기의 \\( \\mu \\mathrm{m} \\) 기술인가?", "두 종류의 전가산기는 공통적으로 얼마의 공급전압\\((\\mathrm{V})\\)을 사용할까?", "IC 회로를 전가산기에 적용하기 위해 어떻게 설계하였나?", "2치 논리 전가산기는 얼마의 트랜지스터 수를 가지고 있나?", "15의 트랜지스터 수를 가지고 있는 전가산기는 뭐야?", "트랜지스터 수가 더 많이 필요한 전가산기는 어떤거야?" ]
3e645e4c-bc5c-406e-9df4-1ef072a90f4f	인공물ED	전류 모드 다치 논리 CMOS 회로를 이용한 전가산기 설계	<h1>ㅍ. 전류 모드 4치 논리 전가산기의 설계</h1> <h2>1. 전류 모드 2치- 4치 논리 변환 부호기</h2> <p>부호기(encoder)는 전압모드 2 치 논리 신호를 전류 모드의 4치 논리 신호로 변환하는 회로이다. 그림 1은 Current가 설계한 부호기이다. 이 부호기의 PMOS인 M1과 NMOS인 M2는 임계 전류를 생성하며 생성된 임계 전류는 단위 전류 I를 복제하고 M4는 임계 전류의 두 배인 2I를 복제한다. 복제된 전류는 M5와 M6을 통해 출력에 전달되며 두 트랜지스터를 통과한 전류의 합이 출력 전류 IO이다. M5와 M6은 2 논리 입력 신호 \( 2^{0} \) 과 \( 2^{1} \) 에 의해서 스위칭 동작을 하게 된다. 입력 신호에 대한 출력 전류 IO의 관계를 표 1 에 보였다. 본 논문에서 설계한 4 치 논리 전가산기를 2 치 논리에 적 용할 때에는 그림 1에 보인 Current가 설계한 부호기 사용하면 된다.</p> <h2>2. 전류 모드 4치- 2치 논리 변환 복호기</h2> <p>복호기(decoder)는 전류 모드 4치 논리 신호를 2치 논리로 변화하여 주는 4 치-2치 논리 변환 회로이다. 복호기는 전류 모드 4치 논리 회로의 출력단에 사용되며 전류 모드의 출력 신호를 2 치 논리 시스템에서 사용 할 수 있도록 한다. 그림 2에 보인 Current가 설계한 복호기는 전류 비교기 부분과 CMOS 논리 회로 부분 으로 나누어지며 그 구성이 복잡하고 17개의 트랜지스터를 사용하고 있다. 그림 3은 본 논문에서 설계한 복호기이다. 본 논문에서 설계한 복호기는: Current의 회로와 같이 전류 비교기 형식을 취하고 있지만 CMOS 논리 회로를 제거하여 트랜지스터 수와 전달 지연을 감소시켰다. 복호기의 동작은 PMOS인 M2와 NMOS인 M1을 통해 단위 전류 I를 생성하고 M3, M4, M5에 의해 0.5I, 2I, 1.5I인 임계 전류를 각각 복제한다. M8, M9 는 M7을 통해 입력된 입력 전류 \( \mathrm{I}_{\text {in }} \) 을 그대로 복제하여 임계 전류와 비교한다. 임계 전류의 설정은 잡음 여유를 고려하여 0.5I, 2I, 1.5I로 각각 \( 0.5 \mathrm{I} \) 만큼의 여유를 두었다. 표 2에 복호기의 입력 전류에 대한 출력 신호를 나타낸다</p> <table border><caption>표 2. 전류-모드 4치 논리 입력 전류에 대한 복호기의 출력 전류</caption> <tbody><tr><td rowspan=2>입력 전류 \( \left(I_{i n}\right) \)</td><td colspan=2>출력 신호</td></tr><tr><td>\( 2^{1} \)</td><td>\( 2^{0} \)</td></tr><tr><td>\( I_{i n}<0.5 I \)</td><td>0</td><td>0</td></tr><tr><td>\( 0.5 I \leq I_{i n}<1.5 I \)</td><td>0</td><td>1</td></tr><tr><td>\( 1.5 I \leq I_{i n}<2.5 I \)</td><td>1</td><td>0</td></tr><tr><td>\( 2.5 I \leq I_{\text {in }} \)</td><td>1</td><td>1</td></tr></tbody></table> <h2>3. 전류 모드 4치 논리 전가산기</h2> <p>전류 모드 4치 논리 CMOS 회로는 디지털 신호 처리와 연산을 보다 효율적으로 처리할 수 있다. 전류 모드 4치 논리 전가산기는 이러한 연산 회로 중 가장 기본적인 회로이다. 본 논문에서는 15개의 트랜지스터를 사용하여 전가산기를 구현하였다.</p> <p>전류 모드 4치 논리 전가산기는 두 개의 4치 입력 신호 A와 B 그리고 캐리 입력 \( \mathrm{C}_{\mathrm{i}} \) 를 하나의 입력 단자를 통해 입력 받고 입력 신호에 대한 연산 결과를 SUM과 CARRY의 두 출력 단자를 통해 출력한다. 입 력 전류가 0 에서 \( 30 \mu \mathrm{A} \) 까지 일 때 출력 SUM은 입력 전류값과 같은 값을 출력한다. 그러나 입력 전류가 40 \( \mu \mathrm{A} \) 이상이 되면 4치 논리의 자리 올림수인 CARRY가 발생하게 된다. 입력 단자에 입력 될 수 있는 최대 전류는 4치 입력 신호 A와 B가 가질 수 있는 각각의 최대 전류 \( 30 \mu \mathrm{A} \) 와 전단의 자리 올림수인 캐리 신호 \( \mathrm{C}_{\mathrm{i}} \)가 존재할 때의 전류 값 \( 10 \mu \mathrm{A} \)를 합하여 최대 \( 70 \mu \mathrm{A} \)가 된다. 이 때의 출력은 \( 40 \mu \mathrm{A} \)에서 발생하는 CARRY 신호 \( 10 \mu \mathrm{A} \) 와 SUM 신호 \( 30 \mu \mathrm{A} \)가 출력된다.</p> <p>본 논문에서 제안한 전류 모드 4치 논리 전가산기와의 비교를 위해 Current의 전류 모드 4치 논리 전가산기를 그림 4에 보인다. 그림에서 보여지는 바와 같이 Current의 전가산기는 총 29개의 트랜지스터를 사용하며, 여러 가지 필요한 신호를 발생시키기 위하여 동일한 형태의 회로를 반복하여 사용하고 있다. 그림 5는 본 논문에서 제안한 전류 모드 4치 논리 전가산기이다. NMOS인 M1과 M3 그리고 M10은 전류 미러 회로로써 입력 전류 \( \mathrm{I}_{\mathrm{in}} \) 을 복제하고 M4와 M5는 전류원으로 단위 전류 \( \mathrm{I}(10 \mu \mathrm{A}) \) 를 생성한다. M2 와 M8은 전류원을 통해 단위 전류의 4배인 4I의 전류를 복제하고 \( \mathrm{M} 6 \) 은 I를 복제한다. M2와 MB는 전류 비고기로 동작하여 입력 전류 \( \mathrm{I}_{\mathrm{in}} \) 과 M2의 임계 전류 4I를 서로 비교하여 M7과 M9의 스위칭 동작을 제어한다. M13은 M12에 흐르는 전류를 복제하여 연산 결과인 SUM을 출력한다. 전 가산기의 동작을 보면 입력 전류 \( \mathrm{I}_{\text {in }} \) 이 4I보다 작은 값 일 때 출력 CARRY는 \( \mathrm{OA} \)가 되고, 입력 전류 \( \mathrm{I}_{\text {in }} \) 이 SUM으로 출력된다. 입력 전류가 \( 4 \mathrm{II} \) 보다 큰 경우 CARRY에 출력되고 입력 전류에서 \( 4 \mathrm{II} \) 를 제외한 나머지 전류가 SUM이 된다. 즉 출력 전류 \( \mathrm{SUM}=\mathrm{I}_{\text {in }}-4 \mathrm{I} \) 가 된다. M11은 다이오드로써 역전류 방지와 M8과 M12 사이의 상호 전기적인 영향을 없애기 위한 완충 역할을 하게 된다. 따라서 Current의 전가산기와 동일한 동작을 하면서도 소자수와 면적면에서 우수한 성능을 보인다.</p> <h2>4. 전류 모드 4치 논리 전류 버퍼</h2> <p>그림 6은 본 논문에서 제안한 전류 모드 4치 논리 전류 버퍼이다. 4치 논리 전류 버퍼는 회로의 동작 중에 변형된 전류 신호를 각각의 논리 레벨에 맞는 정확한 신호로 변환한다. 4치 논리 전류 버퍼의 동작은 입력 전류를 전류원을 통해 만들어진 임계 전류와 비교기를 통해 비고하여 각각의 논리 레벨을 측정하고 측정된 레벨을 4치 논리에 맞는 정확한 전류 레벨로 변환하여 출력한다. 정확한 전류 레벨를 생성하기 위해 4치 논리 전류 버퍼의 출력은 단위 전류를 생성하는 세개의 전류원으로 구성되며 각각의 비교기 출력에 의해 버퍼의 출력 전류값을 결정한다. M2와 M11은 전류원으로 단위 전류 I값을 생성하고 NMOS인 M12, M13, M14는 임계 전류 2.51와 1.51, 0.51를 생성한다. 각각의 임계 전류는 4치 논리 전류 레벨보다 0.51의 차를 갖게 되는데 이것은 잡음 여류를 유지하기 위한 것이다. M9와 M10은 전류 미러로써 입력 전류를 복제하여 PMOS인 M1, M3, M4, M5를 통해 복제된 입력 전류 \( \mathrm{I}_{\mathrm{in}} \) 가 흐르게 한다. 각각의 입력 전류는 임계 전류와 비교되어 그 출력이 M15, M16, M17인 NMOS의 스위칭 동작을 제어하여 M6, M7, M8에서 각각 생성되는 단위 전류 I 가 출력에 전달되도록 한다.</p>	[ "본문의 표 2. 전류-모드 4치 논리 입력 전류에 대한 복호기의 출력 전류에서 \\( 2^{1} \\)일 때 \\( I_{i n}<0.5 I \\)의 값은 얼마야?", "본문의 표 2. 전류-모드 4치 논리 입력 전류에 대한 복호기의 출력 전류에서 \\( 2^{0} \\)일 때 \\( I_{i n}<0.5 I \\)의 값은 얼마니?", "본문의 표 2. 전류-모드 4치 논리 입력 전류에 대한 복호기의 출력 전류에서 \\( 2^{0} \\)일 때 \\( 0.5 I \\leq I_{i n}<1.5 I \\)의 값은 얼마인가?", "본문의 표 2. 전류-모드 4치 논리 입력 전류에 대한 복호기의 출력 전류에서 \\( 2^{1} \\)일 때 \\( 0.5 I \\leq I_{i n}<1.5 I \\)의 값은 얼마지?", "본문의 표 2. 전류-모드 4치 논리 입력 전류에 대한 복호기의 출력 전류에서 \\( 2^{1} \\)일 때 \\( 1.5 I \\leq I_{i n}<2.5 I \\)의 값은 얼마일까?", "본문의 표 2. 전류-모드 4치 논리 입력 전류에 대한 복호기의 출력 전류에서 \\( 2^{0} \\)일 때 \\( 1.5 I \\leq I_{i n}<2.5 I \\)의 값은 얼마의 값이야?", "본문의 표 2. 전류-모드 4치 논리 입력 전류에 대한 복호기의 출력 전류에서 \\( 2^{1} \\)일 때 \\( 2.5 I \\leq I_{\\text {in }} \\)의 값은 얼마의 값인가?", "본문의 표 2. 전류-모드 4치 논리 입력 전류에 대한 복호기의 출력 전류에서 \\( 2^{0} \\)일 때 \\( 2.5 I \\leq I_{\\text {in }} \\)의 값은 얼마의 값이지?" ]
0664a311-6dd2-4fae-b276-6f0bb5d3e06e	인공물ED	LDPC와 BIBD를 이용한 공모된 멀티미디어 핑거프린트의 검출	<table border><caption>표 1. 공모 공격에 대한 검출된 공모자수</caption> <tbody><tr><td></td><td colspan=8>Number of Colluders</td></tr><tr><td>BIBD Cde</td><td>\( 6 \)</td><td>\( 10 \)</td><td>\( 14 \)</td><td>\( 18 \)</td><td>\( 22 \)</td><td>\( 30 \)</td><td>\( 38 \)</td><td>\( 46 \)</td></tr><tr><td>\( \{7,3,2\} \)</td><td>\( 6 \)</td><td>-</td><td>-</td><td>-</td><td>-</td><td>-</td><td>-</td><td>-</td></tr><tr><td>\( \{11,5,2\} \)</td><td>\( 6 \)</td><td>\( 10 \)</td><td>-</td><td>-</td><td>-</td><td>-</td><td>-</td><td>-</td></tr><tr><td>\( \{15,7,3\} \)</td><td>\( 6 \)</td><td>\( 10 \)</td><td>\( 14 \)</td><td>-</td><td>-</td><td>-</td><td>-</td><td>-</td></tr><tr><td>\( \{19,9,4\} \)</td><td>\( 6 \)</td><td>\( 10 \)</td><td>\( 14 \)</td><td>\( 18 \)</td><td>-</td><td>-</td><td>-</td><td>-</td></tr><tr><td>\( \{23,11,5\} \)</td><td>\( 6 \)</td><td>\( 10 \)</td><td>\( 14 \)</td><td>\( 18 \)</td><td>\( 22 \)</td><td>-</td><td>-</td><td>-</td></tr><tr><td>\( \{31,15,7\} \)</td><td>\( 6 \)</td><td>\( 10 \)</td><td>\( 14 \)</td><td>\( 18 \)</td><td>\( 22 \)</td><td>\( 30 \)</td><td>-</td><td>-</td></tr><tr><td>\( \{39,20,9\} \)</td><td>\( 6 \)</td><td>\( 10 \)</td><td>\( 14 \)</td><td>\( 18 \)</td><td>\( 22 \)</td><td>\( 30 \)</td><td>\( 38 \)</td><td>-</td></tr><tr><td>\( \{47,24,11\} \)</td><td>\( 6 \)</td><td>\( 10 \)</td><td>\( 14 \)</td><td>\( 18 \)</td><td>\( 22 \)</td><td>\( 30 \)</td><td>\( 38 \)</td><td>\( 46 \)</td></tr></tbody></table> <table border><caption>표 2. AWGN 변화에 따른 검출된 공모자수</caption> <tbody><tr><td rowspan=2>BIBD코드</td><td colspan=7>AWGN[\( \mathrm{dB} \)]</td></tr><tr><td>\( 4 \)</td><td>\( 2 \)</td><td>\( 0 \)</td><td>\( -1 \)</td><td>\( -2 \)</td><td>\( -3 \)</td><td>\( -4 \)</td></tr><tr><td>\( 7,3,2 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0.2 \)</td><td>\( 3.1 \)</td><td>\( 4.7 \)</td><td>\( 13.7 \)</td></tr><tr><td>\( 11,5,2 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0.7 \)</td><td>\( 3.2 \)</td><td>\( 6.8 \)</td><td>\( 14.4 \)</td></tr><tr><td>\( 15,7,3 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0.9 \)</td><td>\( 3.2 \)</td><td>\( 9.3 \)</td><td>\( 18.7 \)</td></tr><tr><td>\( 19,9,4 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 1.3 \)</td><td>\( 4.3 \)</td><td>\( 11.2 \)</td><td>\( 20.2 \)</td></tr><tr><td>\( 23,11,5 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 1.4 \)</td><td>\( 4.6 \)</td><td>\( 11.6 \)</td><td>\( 21.3 \)</td></tr><tr><td>\( 31,15,7 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 1.4 \)</td><td>\( 4.9 \)</td><td>\( 12.5 \)</td><td>\( 23.9 \)</td></tr><tr><td>\( 39,20,9 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 1.8 \)</td><td>\( 5.4 \)</td><td>\( 13.5 \)</td><td>\( 25.2 \)</td></tr><tr><td>\( 47,24,11 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 0 \)</td><td>\( 2.1 \)</td><td>\( 7.1 \)</td><td>\( 15.9 \)</td><td>\( 25.9 \)</td></tr></tbody></table> <table border><caption>표 3. 홉필드망을 통과한 핑거프린트 코드에서 검출된 공모자수</caption> <tbody><tr><td rowspan=2>BIBD코드</td><td colspan=4>AWGN[\( \mathrm{dB} \)]</td></tr><tr><td>\( -1 \)</td><td>\( -2 \)</td><td>\( -3 \)</td><td>\( -4 \)</td></tr><tr><td>\( 7,3,2 \)</td><td>\( 0.00 \)</td><td>\( 1.55 \)</td><td>\( 4.28 \)</td><td>\( 13.19 \)</td></tr><tr><td>\( 11,5,2 \)</td><td>\( 0.02 \)</td><td>\( 1.60 \)</td><td>\( 6.52 \)</td><td>\( 14.12 \)</td></tr><tr><td>\( 15,7,3 \)</td><td>\( 0.05 \)</td><td>\( 1.62 \)</td><td>\( 8.69 \)</td><td>\( 18.41 \)</td></tr><tr><td>\( 19,9,4 \)</td><td>\( 0.11 \)</td><td>\( 2.16 \)</td><td>\( 10.96 \)</td><td>\( 19.17 \)</td></tr><tr><td>\( 23,11,5 \)</td><td>\( 0.13 \)</td><td>\( 2.37 \)</td><td>\( 11.10 \)</td><td>\( 20.99 \)</td></tr><tr><td>\( 31,15,7 \)</td><td>\( 0.17 \)</td><td>\( 2.49 \)</td><td>\( 11.97 \)</td><td>\( 22.98 \)</td></tr><tr><td>\( 39,20,9 \)</td><td>\( 0.20 \)</td><td>\( 3.58 \)</td><td>\( 12.91 \)</td><td>\( 24.06 \)</td></tr><tr><td>\( 47,24,11 \)</td><td>\( 0.24 \)</td><td>\( 5.80 \)</td><td>\( 15.15 \)</td><td>\( 25.44 \)</td></tr></tbody></table>	[ "표 2에서 AWGN[\\( \\mathrm{dB} \\)]가 -4일 때, 최대 값의 BIBD코드는 뭐야?", "표 1. 공모 공격에 대한 검출된 공모자수에서 BIBD Cde가 \\( \\{7,3,2\\} \\)일 때, 공모자 수는?", "표 2에서 BIBD 코드가 7,3,2 일 때, AWGN[\\( \\mathrm{dB} \\)]이 -1의 값은 얼마인가?", "BIBD 코드가 표 2에서 7,3 3,2 일 때 AWGN[\\( \\mathrm{dB} \\)]의 -1은 얼마로 확인되지?", "표 2에서 AWGN[\\( \\mathrm{dB} \\)] 중 수치가 올라가기 시작한 기준은 무엇입니까?", "표 3에서 AWGN[\\( \\mathrm{dB} \\)]가 11.10의 값을 가지는 BIBD코드는 뭐야?", "AWGN[\\( \\mathrm{dB} \\)]가 11.10일 때 표 3의 BIBD코드는 무슨 값을 갖지?", "표 3에서 AWGN[\\( \\mathrm{dB} \\)]가 -1일 때, 가장 큰 값의 BIBD코드는 무엇입니까?", "AWGN[\\( \\mathrm{dB} \\)]가 -1일 때, 표 3에서 가장 큰 값을 갖는 BIBD코드는 무엇이지?", "표 3. 홉필드망을 통과한 핑거프린트 코드에서 검출된 공모자수에서 20.99는 AWGN[\\( \\mathrm{dB} \\)]의 무슨 값인가요?", "표 1에서 검출된 공모자의 최대 수는 얼마 입니까?", "공모자의 최대 수는 표 1에서 얼마로 확인되지?", "표 2에서 AWGN[\\( \\mathrm{dB} \\)]가 -1일 때, 가장 작은 값의 BIBD코드는 무엇입니까?", "표 2. AWGN 변화에 따른 검출된 공모자수에서 BIBD코드가 \\( 47,24,11 \\)일 때, -3의 값은 뭐야?", "표 3. 홉필드망을 통과한 핑거프린트 코드에서 검출된 공모자수에서 BIBD코드가 7,3,2일 때, AWGN[\\( \\mathrm{dB} \\)]가 -3은 얼마야?", "표 3. 홉필드망을 통과한 핑거프린트 코드에서 검출된 공모자수에서 BIBD코드가19,9,4일 때, AWGN[\\( \\mathrm{dB} \\)]가 -1은 얼마야?", "표 1에서 공모자 수가 30명 일 때, BIBD Cde는 무엇입니까?", "표 1에서 공모자 수 6명 일 때, BIBD Cde는 뭐야?", "공모자 수 6명 일 때 표 1의 BIBD Cde는 무엇을 나타내지?", "표 1. 공모 공격에 대한 검출된 공모자수에서 BIBD Cde가\\( \\{11,5,2\\} \\)일 때, 공모자 수는?" ]
b3a7cd3b-adc4-4905-905c-19a67995ec04	인공물ED	진공 내 상대론적인 영역의 전자빔을 이용한 플라즈마 항적장 가속기 기반 체렌코프 방사를 통한 결맞는 고출력 전자파 발생 기술 연구	<h1>Ⅲ. 전산모사 결과</h1><p>앞 절의 이론적인 모델링과 수치해석분석을 통한 설계를 기반으로 다음과 같은 전산모사 결과를 얻었다.</p><p>그림 4를 통하여 유전체 표면에 surface mode가 발생하여 전자빔과 전자기파가 상호 작용하여 발진 주파수 공진모드가 발생함을 알 수 있다. 그림 5와 그림 6을 통하여 모드경쟁이 없는 오직 \( \mathrm{TM}_{01} \)만 발진하여 \( 0.1 \mathrm{THz} \)의 \( 0.3 \mathrm{GW} \)급의 고출력 전자파를 발생하는 것을 확인하였다.</p><p>위의 전산모사 결과를 바탕으로 다른 전문가 그룹의 관련 분야의 연구 자료들과 비교를 하여 표 1과 같이 정리를 하였다.</p><p>표 1에서 다른 연구 그룹의 연구결과와 비교하여 특별한 차별성을 언급하면 다음과 같다. 이는 대구경 구조\( (D / \lambda=8) \)의 고리모양의 전자빔(hollow e-beam)으로 회로 내에 \( 0.1 \mathrm{THz} \)의 단일 주파수로만 발진하여 모드 경쟁 현상이 없고, 회로 내의 전기장 값이 매우 커서 출력 파워를 기가와트\( (\mathrm{GW}) \)급까지 올릴 수 있다는 것이다.</p><p><table border><caption>표 1. 동작주파수</caption><tbody><tr><td>회로형태</td><td>사양</td><td>특징</td><td>비고</td></tr><tr><td>Fundamental mode, solid e-beam</td><td>\( 0.367 \mathrm{~THz}, 150 \mathrm{~kW}, 60 \mathrm{~ps} \)</td><td>Mode competition</td><td>Ref. [1]</td></tr><tr><td>Fundamental mode, solid e-beam</td><td>\( 7.8 \mathrm{~GHz}, 14.1 \mathrm{~GHz}, 16 \mathrm{~MeV/m} \)</td><td>Tunable</td><td>Ref. (2]</td></tr><tr><td>Fundamental mode, sheet e-beam</td><td>\( 0.17 \mathrm{~THz}, 0.5 \mathrm{~THz}, 0.843 \mathrm{~THz}, 60 \mathrm{~MeV} \)</td><td>Slab-symmetric, mode competition</td><td>Ref. (3]</td></tr><tr><td>Fundamental mode, solid e-beam</td><td>\( 0.422 \mathrm{~THz}, 1.27 \mathrm{~THz}, 1.347 \mathrm{~GeV/m} \)</td><td>Mode competition</td><td>Ref. [4]</td></tr><tr><td>Oversized mode, annular e-beam</td><td>\( 0.1 \mathrm{~THz}, 0.3 \mathrm{~GW}, 20 \mathrm{~ns}, 3.2 \mathrm{~GeV/m} \)</td><td>\( D/ \lambda = 8 \), overmoded w/o mode competition</td><td>본논문</td></tr></tbody></table></p>	[ "Oversized mode, annular e-beam의 특징은 뭐야?", "그림 4를 통해 발진 주파수 공진모드가 발생되는 것을 확인 가능한 방법이 어떻게 되니?", "Tunable의 특징을 갖는 Fundamental mode, solid e-beam 회로형태의 사양은 어떻게 되니?", "Fundamental mode, sheet e-beam의 특징은 무엇이 있니?", "0.1 THz,0.3 GW,20 ns,3.2 GeV/m 사양을 갖는 회로형태는 무엇인가요?", "사양이 \\( 0.367 \\mathrm{~THz}, 150 \\mathrm{~kW}, 60 \\mathrm{~ps} \\)이며 Mode competition 특징을 갖는 것은 어떤 회로형태니?", "0.17 THz,0.5 THz,0.843 THz,60 MeV의 사양을 지닌 회로형태는 무엇인가요?", "사양이 0.367 THz,150 kW,60 ps인 회로형태가 Fundamental mode, solid e-beam의 특징은 뭐야?" ]
e8786563-55fc-40d9-bcc8-ede4e6bb574a	인공물ED	5 GHz 비면허대역 무선랜과의 상호공존을 위한 LTE 시스템의 채널접속방법에 관한 연구	<h1>III. 유럽 LBT 기술기준</h1><table border><caption>표 1. FBE와 LBE 파라메터 값</caption><tbody><tr><td>파라메터</td><td>FBE</td><td>LBE</td></tr><tr><td>CCA</td><td>\( 20 \mathrm{us} \)</td><td>\( 20 \mathrm{us} \)</td></tr><tr><td>최대채 널점유시간(Max. COT)</td><td>\( 10 \mathrm{~ms} \)</td><td>\( 13 \mathrm{~ms} \)</td></tr><tr><td>ECCA\( \times(1, \cdots, q) \)</td><td>-</td><td>CCAx(1,···, g)</td></tr><tr><td>비점유시간 (Idle time)</td><td>Max. COT의 \(5 \% \)이상</td><td>ECCA</td></tr><tr><td>고정프레임시간</td><td>Max. COT + Idle time</td><td>-</td></tr><tr><td rowspan=2>CCA 신호검출 레벨</td><td colspan=2>EIRP\( \geq 23 \mathrm{dBm} \)\[\Rightarrow-73 \mathrm{dBm} / \mathrm{MHz}\]</td></tr><tr><td colspan=2>EIRP \(<23 \mathrm{dBm} \)\( \Rightarrow-73 \mathrm{dBm} / \mathrm{MHz} \)\( +(23 \mathrm{dBm}-\mathrm{EIRP}) / \mathrm{MHz} \)</td></tr></tbody></table><p>캐리어 센싱과 \(4 \mathrm{ms}\) 미만의 최대전송시간 규정만 준수하면 되는 일본의 LBT 기술기준과 다르게 유럽은 FBE와 LBE에 따른 상세 동작방법을 정의하고 있다. 표 1은 참고문헌에 정의되어 있는 LBT 주요 파라메터이다. 두 방식 모두 최소 \(20 \mathrm{us}\)의 Clear Channel Assessment(CCA)로 채널점유상태를 확인한 후 데이터 전송을 하며, 이때 채널점유상태판단기준은 LBE 또는 FBE로 동작하는 무선 기기의 송신 EIRP를 고려하여 결정된다. EIRP가 \(23 \mathrm{dBm}\)이상인 경우, -73 \(\mathrm{dBm/MHz}\) 이상의 신호가 검출되면 채널이 점유된 것으로 판단한다. EIRP가 \(23 \mathrm{dBm}\) 이하인 경우에는 인접 무선기기에 미치는 간섭의 크기가 상대적으로 낮아지므로 CCA 검출 레벨도 송신 EIRP에 비례하여 높아진다. FBE와 LBE 두 방식의 차이점은 다른 무선기기와 상호공존 하는 상황에서 CCA를 통한 채널점유기회에 있다. FBE는 고정 프레임 기간(Fixed Frame Period: FFP)에만 CCA를 수행하.고 채널이 점유되어 있으면 FFP 동안 데이터를 전송할 수 없다. FFP는 최대 \(10 \mathrm{ms}\) 이하의 채널 점유시간(Channel Occupancy Time: COT)과 최대점유구간의 5% 이상의 비점유구간(Idle Period: IP)으로 구성되며, CCA는 IP의 끝부분에 포함되어 있다. LBE는 FBE와 달리 전송이 필요한 시점에 언제든지 CCA를 수행할 수 있다. CCA 결과, 채널이 점유되어 있지 않은 경우 바로 데이터 전송이 가능하다. 그러나 다른 신호가 감지된 경우에는 Extended CCA(ECCA)를 수행하도록 되어 있다. ECCA는 4부터 32 사이의 정수 q를 최대값으로 하는 1부터 q 중 랜덤하게 선택한 값을 CCA(\(20 \mathrm{us}\)) 로 곱한 시간 동안 채널 점유 상태를 확인한다. 이때 q 값은 최대채널점유 시간보다 (13×q)/ \(32 \mathrm{ms}\)이 작도록 설정한다. LBE의 IP는 데이터 전송 후 다음 전송을 위해 선택된 ECCA로 결정된다. 그림 1은 두 개의 무선기기가 동일 채널에서 FBE와 LBE로 동작하는 경우의 예이다.</p><p>두 가지 LBT 방식을 비면허대역 LTE에 적용한다면 구현 및 동작관점과 성능관점에서 검토되어야 할 것이다. LTE의 캐리어 집성을 고려할 때 \(1 \mathrm{ms}\)의 기본 서브프레임 단위로 면허대역과 비면허대역 Cell들이 동기가 이루어져야 한다. 따라서 FBE 기반인 경우, 서브프레임 경계에서만 CCA를 수행하고, CCA 결과에 따라 면허대역에서 비면허대역을 제어할 수 있으므로 상대적으로 간단한 설계가 가능할 수 있다. 반면 LBE는 ECCA 수행에 의해 서브프레임 중간에 채널점유를 위한 신호나 데이터가 전송되어야 하므로 새로운 표준규격 설계가 요구된다. 성능 측면에서는 FBE의 경우, 실제 전송 시간이 짧아도 FFP를 지켜야 하며, 고정된 시점에서만 CCA를 하므로 채널접속 기회를 많이 가지지 못하는 문제가 존재한다. 또한, 한번 데이터를 전송한 LAA가 계속 데이터를 전송하는 경우, 다른 FBE 기반 LAA는 CCA 구간에 계속 채널이 점유되어 데이터 전송 기회를 얻지 못할 수 있다. LBE의 경우, 한번 채널이 점유되면 CCA보다 긴 ECCA가 요구되므로 시스템 전체의 채널이용 효율이 저하될 수 있다.</p>	[ "표 1. FBE와 LBE 파라메터 값에서 FBE의 CCA 값은 얼마야?", "표 1. FBE와 LBE 파라메터 값에서 FBE 방식의 고정프레임시간은 어떻게 나타나있지?", "표 1. FBE와 LBE 파라메터 값에서 LBE의 최대채 널점유시간(Max. COT)은 얼마로 나타나지?", "표 1. FBE와 LBE 파라메터 값 중 CCAx(1,···, g)라는 ECCA\\( \\times(1, \\cdots, q) \\) 값을 가지는 방식은 무엇이지?", "표 1. FBE와 LBE 파라메터 값에서 비점유시간이 Max. COT의 \\(5 \\% \\)이상으로 나타나는 방식은 무엇이지?", "본 논문에서 ECCA가 채널 점유 상태를 확인하는 과정은 어떻게 진행돼?", "CCA를 필요한 시점에 언제든지 수행 할 수 있는 방법이 어떻게 돼?", "CCA를 필요한 시점에 언제든지 수행 할 수 있는 방법은 무엇이지?", "표 1에 나타나 있는 LBT 주요 파라메터는 어떻게 결정되었지?", "표 1에 나타나 있는 LBT 주요 파라메터는 어떤 과정을 통해 결정되었지?" ]
1ae36f2e-645e-4f02-8a31-da809047d9cd	인공물ED	5 GHz 비면허대역 무선랜과의 상호공존을 위한 LTE 시스템의 채널접속방법에 관한 연구	<table border><caption>표 2. 시뮬레이션 파라메터</caption><tbody><tr><td>파라메터</td><td>값</td></tr><tr><td>CCA</td><td>\( 20 \mathrm{us} \)</td></tr><tr><td>C0T</td><td>\( 4 \mathrm{~ms} \)</td></tr><tr><td>q for ECCA</td><td>\(10\)</td></tr><tr><td rowspan=2>비점유시간</td><td>FBE : \( 200 \mathrm{us}(4 \mathrm{~ms} \)의 \( 5 \%) \)</td></tr><tr><td>LBE : 200 us 이하(최대 ECCA 이하)</td></tr><tr><td>FIP 파일크기</td><td>\( 0.5 \) Mbytes</td></tr><tr><td>파일도착율</td><td>\(2.5\)</td></tr></tbody></table><p>그림 3과 4는 시나리오 I 의 결과이다. FBE 만 존재하는 경우, 하나의 무선국이 채널을 점유하면 동일한 Frame Period를 가지는 무선국이 없게 되면 버퍼가 점유되어 있는 기간 동안 독점적으로 데이터 전송이 가능하다. 이 후 Frame Period에 의한 CCA 시점에 따라 순차적으로 각각의 무선국의 데이터 전송이 가능해진다. 따라서 그림 3의 초기 시점에 FBE의 CDF가 수직으로 나타나고, FTT의 CDF 결과가 비교적 선형적으로 나타나는 것을 확인할 수 있다. 반면, LBE의 경우, 정의된 COT=4 m마다 ECCA의 백오프를 수행해야하고, 서로 다른 무선국의 동일한 백오프 카운터 값 선택에 의한 충돌이 발생하여 FBE에 비하여 상대적으로 성능이 열하된다. 평균적인 성능 결과인 그림 4에서도 Throughput과 FTT 모두 FBE가 LBE에 비하여 우수한 결과가 도출되었다. 그림 5,6 은 시나리오 II 의 결과로써 총 6개의 비면허대역 LTE eNodeB가 존재하고, 이 중 FBE와 LBE를 사용하는 비율(F:L)에 따른 분석 결과이다. 시나리오 I과 다르게 동일한(F:L) 조건에서 LBE가 FBE에 비하여 우수한 결과를 보인다. 이것은 FBE의 CCA 구간 동안 LBE로 동작하는 무선국들이 ECCA로 채널을 점유할 수 있으므로 고정된 시점에서만 CCA하는 FBE에 비하여 채널 점유 확률이 높아지기 때문이다. 주목할 점은 LBE 사이 또는 FBE 사이에서는 FBE 무선국 수가 증가할수록 성능이 좋아지고, 그림 7과 같이 전체 시스템 성능도 향상되는 것이다. 이러한 원인은 시나리오 I의 결과로부터 유추가 가능하다. 상대적으로 LBE 무선국 수가 줄어들면 FBE 관점에서는 CCA 결과가 Idle일 확률이 증대되어 FBE 성능이 향상되며, LBE 관점에서는 경쟁되는 다른 LBE 무선국 수가 줄어들어 점유확률을 높이거나, 충돌확률을 줄일 수 있기 때문이다. Wi-Fi와 공존하는 시나리오 III에서는 Wi-Fi도 LBE의 채널접속방식과 유사하므로, 시나리오 II 결과의 경향과 같이 LBE가 FBE에 비하여 우수한 결과를 보인다. 다만 LBE는 고정된 ECCA 구간에서 백오프 카운터 값을 선택하는 반면에, Wi-Fi는 Exponential Back-off로써 최소의 Contention Win-dow(CW)에서 시작하여 전송 충돌이 발생하면 CW를 지수적으로 증가시킨다. 따라서 그림 8과 9의 LBE와 FBE의 기울기가 그림 5와 6의 기울기와 다른 경향을 보이는 것을 확인할 수 있다. 세 가지 시나리오의 시뮬레이션 결과로부터 Wi-Fi와 LTE가 공존하는 상황에서 전체 네트워크 성능을 최대화하려면 비면허대역 LTE를 FBE 방식으로 고려할 수 있으나, LTE의 성능을 최대화하기 위해서는 LBE 방식이 요구되는 것을 확인할 수 있었다. 그러나 실제 환경에서 모든 단말이 기지국(eNodBe)에 의하여 제어되고 스케줄링 되는 LTE 시스템은 하나의 셀 단위로 채널접속을 시도할 가능성이 높으므로, 모든 STA들이 채널접속을 시도하는 Wi-Fi에 비하여 접속에 참여하는 무선국의 수가 상대적으로 작아질 수 있다. 따라서 FBE로 LTE를 운용하더라도 전체 시스템 성능의 개선 효과가 높아지지 않을 수 있으므로 LBE 방식으로 LTE를 운용하는 것이 시스템 및 비면허대역 LTE 성능관점에서 효과적일 것으로 판단된다.</p>	[ "표 2에서 확인할 수 있는 FIP 파일크기는 얼마인가?", "표 2에서 확인되는 CCA의 값은 무엇인가?", "표 2에서 C0T의 값은 얼마인가?", "표 2에 나타나있는 파일도착율은 얼마인가?", "표 2에서 q for ECCA가 갖는 값은 얼마인가?", "표 2에서 LBE의 비점유시간은 얼마인가?", "FBE 의 비점유시간은 얼마인가?" ]
b5f8c04d-bac8-4cd6-91ab-0e3e35cafece	인공물ED	전기자동차 모터 구동 시스템의 전도 방출에 관한 고주파 모델링 연구	<h1>Ⅲ. 모터 구동 시스템의 고주파 등가 회로 모델</h1> <p>본 논문에서는 고주파 노이즈의 근원이 되는 공통 모드 전압을 시스템 레벨로 해석할 수 있는 시뮬레이션 기법을 제시한다. 시뮬레이션으로 사용한 프로그램은 ANSYS사의 Simplorer와 Q3D를 이용하였다. Simplorer의 경우, 전체적인 PWM 모터 구동 회로 구성 및 제어를 위해 사용되었으며, Q3D의 경우 케이블 및 각종 고전압 부품의 기생 성분 해석을 위해 사용되었다.</p> <h2>3-1 MDS의 기본 회로</h2> <p>MDS의 기본 회로는 그림 3과 같다. 일반적으로 MDS의 접지 단자 간에 형성되는 기생 커패시턴스 성분에 의해 시간에 따른 전압 변화 \( (d v / d t) \)가 발생하면 공통 모드 노이즈 전류가 발생한다. 현재 안정적이면서 우수한 동작을 구현하기 위해 사용되는 IG-BT와 같은 고속 스위칭 소자는 전압과 전류의 급격한 변화로 인해 공통 모드 노이즈가 형성된다.</p> <p>이러한 공통 모드 노이즈는 그림 1과 2에서 볼 수 있는 것처럼 다양한 경로를 통해 형성된다. 첫 번째로 모터 내부의 3상축과 모터 하우징 사이의 기생 커패시턴스 성분을 통하여 접지로 흐르는 경로가 있으며, 두 번째로 방사성 노이즈 차단 및 안정적인 파형 전달을 위해 사용되는 모터 3상 차폐 케이블 및 고전압 DC 차폐 케이블 내심과 외심 사이에 기생 커패시턴스 성분이 있다. 또한, 세 번째로 주된 노이즈 원인 IGBT가 탑재된 인버터에서 형성되며, 주된 노이즈 경로는 IGBT 모듈과 방열판 간의 기생 커패시터 성분에 있으며, 마지막으로 배터리 및 고전압 커패시터, 버스바 등을 포함한 고전압 부품의 기생 커패시턴스 성분을 통해 공통 모드 노이즈가 형성된다.</p> <h2>3-2 중요 기생 성분의 고주파 모델링</h2> <p>모터 구동 시스템을 구성하는 모든 고전압 부품은 기생 저항 및 기생 인덕턴스, 기생 커패시턴스가 존재하며, 이는 중요한 노이즈 경로 및 주파수에 따른 임피던스 변동을 통해 전자파 노이즈 원을 발생시키므로 보다 세분화하여 각 기생 성분의 고주파 특성을 분석하였다.</p> <p>고전압 커패시터의 기생 성분 값은 표 1에 나타냈었다. 고전압 커패시터는 X-Cap과 Y-Cap의 조합으로 만들어졌으며, 버스바 구조를 포함하여 표 1의 변수들을 측정과 시뮬레이션을 통해 추출하였다. 실제 자동차에 양산 적용된 샘플을 이용한 것이다.</p> <table border><caption>표 1. 고전압 커패시터 기생 성분 값</caption> <tbody><tr><td>변수(X-Cap)</td><td>값</td><td>변수(Y-Cap)</td><td>값</td></tr><tr><td>\(L_{X}\)</td><td>\( 45.2 \mathrm{nH} \)</td><td>\(L1_{Y}\), \(L2_{Y}\)</td><td>\( 22 \mathrm{nH} \)</td></tr><tr><td>\(C_{X}\)</td><td>\( 454.5 \mu \mathrm{F} \)</td><td>\(C1_{Y}\), \(C2_{Y}\)</td><td>\( 35 \mathrm{nF} \)</td></tr><tr><td>\(R_{X}\)</td><td>\( 10.8 \mathrm{m} \Omega \)</td><td>\(R1_{Y}\), \(R2_{Y}\)</td><td>\( 50 \mathrm{m} \Omega \)</td></tr></tbody></table> <p>게이트 단자의 PWM 신호에 따라 고전압 스위칭이 지속적으로 이루어지는 IGBT의 경우, 많은 열이 발생한다. 이러한 과열로 인한 오동작을 막기 위해 방열판이 필요하며, IGBT와 방열판은 아주 가깝게 위치하게 된다. 따라서 IGBT와 방열판 사이에는 기생 커패시터 성분이 발생하며, 결과적으로 공통 모드 노이즈 경로를 형성한다.</p> <p>IGBT 모듈과 방열판 간의 등가회로를 구성하는 기생 성분의 경우, \( \mathrm{L}_{\mathrm{H}} \)와 \( \mathrm{R}_{\mathrm{H}} \)는 방열판이 접지까지 연결되는 거리경로에 따른 기생 인덕턴스와 기생저항이며, \( \mathrm{L}_{\mathrm{B}} \)와 \( \mathrm{L}_{\mathrm{I}} \)의 경우 IGBT 모듈을 연결하는 각 버스바의 단위면적과 길이에 따른 기생 인덕턴스 성분이다. 마지막으로 \( \mathrm{C1}_{\mathrm{I}} \)와 \( \mathrm{C2}_{\mathrm{I}} \)는 IGBT 모듈의 다이오드 및 FET 면과 방열판 면 사이에 기생 커패시턴스를 나타낸다. IGBT 및 방열판의 기생 성분 값은 표 2에 나타내었다.</p> <p>고전압을 이용하여 구동되는 PWM 모터 구동 시스템의 경우, 고전압 DC를 BMS에서 인버터 단까지 공급하기 위해 케이블이 필요하며, 인버터에서 3상 신호를 모터까지 전달하기 위해 3상 케이블이 필요하다. 케이블의 기생 저항 성분을 표피 효과를 고려하여 구하였으며, 근접한 두 개의 케이블의 상호 인덕턴스와 커패시턴스 성분을 계산하였다.</p> <table border><caption>표 2. IGBT 및 방열판 기생 성분 값</caption> <tbody><tr><td>변수</td><td>값</td><td>변수</td><td>값</td></tr><tr><td>\( L_{H} \)</td><td>\( 5 \mu \mathrm{H} \)</td><td>\( L1_{l} \), \( L2_{l} \), \( L3_{l} \), \( L4_{l} \)</td><td>\( 2 \mathrm{nH} \)</td></tr><tr><td>\( R_{H} \)</td><td>\( 2 \Omega \)</td><td>\( C1_{l} \), \( C2_{l} \)</td><td>\( 280 \mathrm{pF} \)</td></tr><tr><td>\( L1_{B} \), \( L2_{B} \), \( L3_{B} \), \( L4_{B} \)</td><td>\( 2.5 \mathrm{nH} \)</td><td></td><td></td></tr></tbody></table> <p>고전압 부품에 사용되는 케이블의 경우, 매우 높은 전류가 흐르고, 다량의 스위칭 노이즈를 포함하고 있어 방사되는 EMI 노이즈를 막기 위해 주로 차폐 케이블이 사용되고 있다. 모델링 및 측정에 사용된 케이블의 경우 고전압 DC 케이블은 길이가 \( 1 \mathrm{~m} \)이며, 3상 출력 케이블은 \( 0.47 \mathrm{~m} \)이다. 고전압 DC 케이블과 3상 출력 케이블은 그 길이와 두께에 따라 기생 성분이 다르며, 각 기생 성분 값은 표 3에 나타내었다.</p> <table border><caption>표 3. 고전압 DC 케이블 및 3상 케이블 기생 성분 값</caption> <tbody><tr><td>변수</td><td>값</td><td>변수</td><td>값</td></tr><tr><td>\( L1_{DC} \)</td><td>\( 888 \mathrm{~nH} \)</td><td>\( L2_{DC} \), \( L3_{DC} \)</td><td>\( 25 \mathrm{~nH} \)</td></tr><tr><td>\( R_{DC} \)</td><td>\( 100 \mathrm{~m} \Omega \)</td><td>\( C1_{DC} \), \( C2_{DC} \)</td><td>\( 2 \mathrm{~nF} \)</td></tr><tr><td>\( L1_{3Phase} \)</td><td>\( 350 \mathrm{~nH} \)</td><td>\( L2_{3Phase} \), \( L3_{3Phase} \)</td><td>\( 35 \mathrm{~nH} \)</td></tr><tr><td>\( R1_{3Phase} \)</td><td>\( 55 \mathrm{~m} \Omega \)</td><td>\( C1_{3Phase} \), \( C2_{3Phase} \)</td><td>\( 1 \mathrm{~nF} \)</td></tr></tbody></table> <p>PWM 방식의 MDS는 매우 빠른 정류와 높은 스위칭 주파수를 사용하는 것이 특징이다. 이런 이유로 수 \( \mathrm{kHz} \)부터 수십 \( \mathrm{MHz} \)에 이르기까지 고조파 노이즈가 발생하며, 이런 고주파 노이즈 성분을 예측하기 위해서는 정교한 고주파 모터 모델이 필요하다.</p> <p>모터의 경우, 다량의 동심 권선과 고정자 및 모터 하우징 등으로 구성되어 있으며, 여러 가닥으로 이루어진 동심 권선에 의해 기생 인덕턴스 성분\( \left(\mathrm{L}_{\mathrm{M}}\right) \)과 기생 저항 성분 \( \left(\mathrm{R} 1_{\mathrm{M}}\right) \)이 형성된다. 각각의 동선은 여러 가닥이지만 절연처리가 되어 한 묶음 형태로 모터 내부에 실장되며, 이 때 권선 간에 기생 커패시턴스\( \left(\mathrm{Cl}_{\mathrm{M}}\right) \) 성분도 같이 형성된다. 모터의 경우 내부에 3상 버스바와 중성단자가 겹쳐진 형태로 구성되어 있다. 이는 모터 하우징과도 절연체로 근접하게 배치되어 있어 그 면적과 간격에 따라 기생 커패시턴스\( \left(\mathrm{C} 2_{\mathrm{M}}\right) \)와 기생 저항 성분\( \left(\mathrm{R} 2_{\mathrm{M}}\right) \)이 형성된다. 모터 기생 성분 값은 표 4에 나타내었다.</p> <table border><caption>표 4. 구동 모터 기생 성분 값</caption> <tbody><tr><td>변수</td><td>값</td><td>변수</td><td>값</td></tr><tr><td>\( L_{M} \)</td><td>\(5 \mathrm{mH} \)</td><td>\( C2_{M} \)</td><td>\(1.7 \mathrm{nF} \)</td></tr><tr><td>\( C1_{M} \)</td><td>\( 5 \mathrm{pF} \)</td><td>\( R2_{M} \)</td><td>\( 2 \Omega \)</td></tr><tr><td>\( R1_{M} \)</td><td>\( 1 \Omega \)</td><td></td><td></td></tr></tbody></table> <p>이러한 기생 성분을 고려하여 구성된 이상적인 3상 인버터 IGBT 회로와 모터의 고주파 회로 모델을 그림 4에 나타내었다. 특히, 본 논문에서는 모터 내부의 고정자와 회전자 사이의 베어링에 해당하는 부분을 기생 저항 성분\( \left(\mathrm{R} 2_{\mathrm{M}}\right) \)으로 추가하였다.</p>	[ "\\(R1_{Y}\\)이 가지는 저항값은 얼마지?", "인턴턴스 파라이터 중에 값이 더 큰 파라미터는 뭐야?", "저항 파라미터의 값은 얼마인가?", "\\( 280 \\mathrm{pF} \\)의 값을 가지는 파라미터들은 어떤 것이야?", "캐패시턴스 파라미터 중에 어떠 파라미터들이 값이 더 적을까?", "\\( 35 \\mathrm{nF} \\)는 어떤 파라미터들의 값이야?", "가장 큰 인덕턴스 값을 가지는 파라미터는 무엇이니?", "\\(L_{X}\\)는 어떤 값이야?", "저항 파라미터의 값 중에서 크기가 더 적은 값은 얼마야?", "저항 파라미터 중에 어떤 파라미터가 더 큰 값을 가지니?", "어떤 파라미터가 더 적은 저항값[\\(\\Omega \\)]을 가지고 있나?", "\\( 2 \\mathrm{nH} \\)의 값을 가지는 파라미터들은 어떤거야?", "\\( L2_{B} \\)는 어떤 임피던스 값을 가지니?", "최대의 임피던스 값을 가지는 파라미터는 무엇인가?", "어떤 파라미터가 더 적은 캐패시턴스 값을 가지고 있어?", "모터의 임피던스 값은 얼마인가?", "두 번째로 큰 임피던스 값은 얼마지?", "\\( 1 \\Omega \\)의 저항은 어떤 파라미터 값인가?", "가장 큰 저항값의 크기는 얼마니?", "가장 큰 캐패시턴스 값을 가지는 파라미터는 뭐야?", "\\( L3_{3Phase} \\)의 임피던스 값과 차이가 가장 적은 임피던스 값을 가지고 있는 파라미터는 어떤 것들이야?", "\\( C2_{DC} \\)가 가지고 있는 캐패시턴스 값은 얼마인가?", "어떤 파라미터들이 \\( 35 \\mathrm{~nH} \\)의 임피던스 값을 가질까?", "최소치의 캐패시터스 값을 가지는 파리미터는 어떤 것들이야?" ]
2da0a8c5-99bc-47d9-934f-4a3936c0d336	인공물ED	전력선 유도 환경에서의 지면 반사계 영향 분석	<h3>다. 대지저항률에 따른 유도전압의 변화</h3><p>상기의 고정된 파라미터 변수상에서 대지저항률만을 \( 10 \sim 1000[\mathrm{Q} \cdot \mathrm{m}] \) 까지의 범위로 변화될 때의 유도전압의 변화는 그림 5와 같이 나타난다.</p><h3>라. 관측점 좌표(이격거리)에 따른 전압 및 계수효과</h3><p>관측점의 x 좌표 및 y 좌표의 위치 변화에 따른 유도전압의 변화 \( \left(V_{o x}, V_{o y}\right) \) 와 그에 대한 지면 반사가 합성된전압의 계수효과 \( \left(K: K_{0} K_{y}\right) \) 를 그림 6에 표시하였다.</p><p>우선 그림을 살펴보면 x축 방향의 이격거리 변화에 대하여는 \( 200 \mathrm{~m} \)까지 자연스럽게 감소하는 것으로 나타나고 있으며 관측점의 소스 위치에 대한 상대적 높이를 의미하는 y축으로의 이격거리 변화에 대하여는 대략 소소의 높이에 해당하는 위치까지는 유도전압이 올라가지만 그 이후로는 점차 감소하는 것으로 나타나므로 지면반사의 영향력이 지면에서 높아질수록 약화됨을 알 수있다.</p><p>지면반사의 계수 영향력에 있어서는 양축 방향에 있어서 각 이격거리의 변화 양상에 부합되고 있다. x축방향에 있어서는 0.3 정도 범위의 낮은 계수값을 갖고 있으나 높이 변화에 따른 영향에 있어서는 0.4 정도의 레벨로 근접하여 높은 양상을 나타내었다.</p><h3>마. 칼슨에 의한 식과의 비교 관점</h3><p>칼슨식에 의하여 좀더 정확하게 계산된 유도전압의계산 결과에 대하여 지표면 반사의 영향력 관점의 주가되는 y축 방향의 이격거리를 \( x_{0}=1 \) 로 고정한 상태에서 비교하여 살펴보면 그림 7과 같이 된다. 실선이 직접 지면 반사계수를 대입하여 계산된 변화이고 파선이 식(18)에 의한 칼슨 상호인덕턴스 계산식을 적용하여 나온 변화 그래프이다.</p><p>\( M=\left[\begin{array}{l}4.6 \log _{10} \frac{2}{k d}-0.1544+\frac{2 \sqrt{2}}{3} k(h+y) \\ -j\left\{\frac{\pi}{2}-\frac{2 \sqrt{2}}{3} k(h+y)\right\}\end{array}\right] \times 10^{-4} \)</p><p>\( h \) : 소스의 높이 \( [\mathrm{cm}] \)</p>\( y \) : 관측점의 높이 \( [\mathrm{cm}] \)</p>\( d \) : 소스로부터 관측점의 이격거리[cm]</p>\( M \) : 소스와 관측점 객체의 상호인덕턴스 \( [\mathrm{H} / \mathrm{km}] \)</p>\( k: 2 \pi \sqrt{2 f \sigma}(\sigma: \) 대지도전율[CGSemul)</p><p>유도전압에 이격거리 높이 \( 100 \mathrm{~m} \) 까지에서 칼슨에 의한 값과 \( 5 \mathrm{~V} \) 정도 차이가 있기는 하나 반사계수에 의한 지면 높이로부터의 유도전압 영향력 변화가 칼슨식에 의한 변화를 따르고 있음을 알 수 있다.</p>	[ "상기의 고정된 피라미터 변수상에서 대지저항률만의 범위를 어떻게 설정해야 유도전압의 변화가 그림 5와 같이 나타날까?", "관측점의 x 좌표 및 y 좌표의 위치 변화에 따른 유도 전압의 변화를 어떻게 표현했어?", "그림을 보았을 때 x축 방향의 이격거리 변화에 대해서 어떻게 나타나고 있니?", "지면반사의 영향력이 지면에서 높아질수록 약화됨을 어떻게 알 수 있어?", "x축 방향의 계수값은 어떻게 가지고 있어?", "x축 방향의 계수값은 어떻게 산출해", "유도전압의계산 결과를 살펴보았을 때 그림 7과 같이 되려면 y축이 어떻게 되어 있어야 할까?", "실선은 어떻게 변화한 것을 나타내는 거야?", "어떻게 변화한 것을 실선이 드러내는 거야", "칼슨 상호인덕턴스 계산식을 적용한 것은 어떻게 표현했어?", "어떻게 칼슨 상호인덕턴스 계산식을 사용했지", "반사계수에 의한 지면 높이로부터의 유도전압 영향력 변화가 칼슨식에 의한 변화를 따르고 있음을 어떻게 알 수 있어?" ]
055a0cdc-f31c-4143-a744-5ff7c60cb1aa	인공물ED	파장 분할 광 네트워크에서 로드 밸런싱 기법을 적용한 라우팅 및 파장할당 알고리즘 연구	<h1>Ⅳ. 시뮬레이션 결과</h1> <p>시뮬레이션은 NSFNet 토폴로지에서 정수해를 갖는 최대 다품종 네트워크 플로어 방법을 이용하여 구하여진 최적의 파장 개수 13 개를 사용하여 정적 모델 환경에서 성능 비교를 수행하였다. 광 경로 설정 요구는 모든 링크간의 요구를 고려하였다. 또한 모든 노드에 파장 변환기능은 없다고 가정하였고 시뮬레이션은<그림 5>에 보여주는 한국 정보통신 대학원에서 개발한 RWA 전문 시뮬레이터인 NONs (Next generation network laboratory Optical Network Simulator)에서 구현하여 성능 측정을 수행 하였다.</p> <p> <그림 6>은 기존의 알고리즘과 제안한 알고리즘을 각각 1000 회 반복하여 그 중 임의로 100 개를 추출한 결과이다. 성능 결과로는 전체 광 경로 설정 요구에 대한 블록킹 확률을 나타낸 것이다.<그림 6(a),(b),(c)>는 각각 로드 밸런싱 알고리즘에 광 경로 선정 순서를 고려하는 오름차순, 내림차순 그리고 1 홉 경로를 제외한 오름차순 순서로 적용한 알고리즘의 성능 결과이다. 모든 그래프에서 \( 4.395 \) 를 나타내는 점선은 기존 레이어드 그래프 알고리즘의 우선 선택 방법에 대한 블록킹 확률이고 실선은 실행횟수에 따라 제안한 알고리즘들의 블록킹 확률을 나타낸 것이다. 기존의 우선선택 방식 알고리즘이 항상 같은 볼록킹 확률 갖는 것에 반해 제안한 알고리즘은 여러 경로들 중 가장 낮은 레이어를 지나는 광 경로를 임의 선택하기 때문에 시뮬레이션 수행 시 마다 블록킹 확률이 조금씩 다르게 나타난다. 그럼에도 불구하고 거의 모든 경우에 기존의 방식보다 낮은 블록킹 확률을 가지고 어떤 경우에는 최적의 해와 같은 블록킹 확률인 \( 0 \% \) 인 경우도 찾는다.</p> <p> < 표 1>은 각각의 알고리즘이 갖는 평균 블록킹 확률과 수행시간을 나타낸 것이다. 로드 발랜싱의 효과는 경로들이 가지는 홉 카운트가 클수록 그리고 후보경로 들이 많을수록 더 크다. 그러므로 알고리즘이 진행됨에 따라 긴 홉 카운트의 광 경로를 가지는 오름차순이 내림차순 보다 로드 발랜싱의 효과가 더 크다. 그럼에도 불구하고 내림차순 정렬방식이 오름차순 정렬방식에 비해 블록킹 확률 관점에서 더 좋은 성능을 보이는 이유는 다음과 같다.</p> <p>내림차순 정렬 방식에서는 긴 홉 카운트를 갖는 광 경로들이 먼저 할당되면서 최단 경로의 사용 확률이 높을 뿐만 아니라 할당된 긴 홉 카운트 경로들 사이의 사용되지 않는 링크들로 짧은 홉 카운트의 광 경로들이 할당되는 효과 또한 얻기 때문이다. 반면에 오름차순 방식에서는 짧은 홉 카운트를 갖는 광 경로들을 미리 고려하기 때문에 이러한 광 경로들이 레이어 간에 촘촘하게 할당 되므로써 뒤에 고려되는 긴 홉 카운트를 갖는 광 경로들이 더 많은 우회 경로를 사용하여야 하고 또 긴 경로들이 사용하고 남은 링크들을 활용할 수 없기 때문에 블록킹 확률이 상대적으로 크다. 1 홉을 제외한 오름차순의 경우 이 둘의 장점을 결합해서 가장 좋은 성능을 나타낸다. 이유는 기본적으로 오름차순 정렬방식 이기 때문에 오름차순이 갖는 로드 밸런싱의 효과를 얻고 동시에 1 홉 경로를 가장 뒤에 고려함으로써 내림차 순에서 고려되는 최단 경로의 사용 효과를 동시에 얻기 때문이다.</p> <p>또한 기존의 알고리즘에 비해<PHASE Ⅰ>에서 설정되지 않는 광 경로 설정 요구의 개수를 최소화 하므로써 규모가 큰 가상의 레이어드 그래프에서 수행되는<PHASE Ⅱ>의 수행 횟수를 줄여 알고리즘의 실행 시간을 향상 시켜 주는 것을 알 수 있었다.</p> <table border><caption>표1. 알고리즘의 성능 평가</caption> <tbody><tr><td rowspan=2></td><td rowspan=2>우선선택 알고리즘</td><td colspan=3>로드 밸런스드 알고리즘</td></tr><tr><td>오름차순</td><td>내림차순</td><td>오름차순 \(-1hop\)</td></tr><tr><td>평균 블록킹 확률 \((\%)\)</td><td>4.395</td><td>2.04</td><td>1.45</td><td>1.09</td></tr><tr><td>평균 수행 시간\( (\mathrm{msec}) \)</td><td>1122</td><td>547</td><td>587</td><td>498</td></tr></tbody></table>	[ "표의 로드 밸런스드 알고리즘에서 평균 블록킹 확률이 최대인 방식은 뭐야?", "평균 블록킹 확률 값이 내림 차순 보다 크고, 평균 수행 시간 값이 내림 차순 보다 적은 값을 가진 로드 밸런스드 알고리즘의 방법은 뭐야?", "평균 블록킹 확률이 1.45인 로드 밸런스드 알고리즘의 방법은 뭐야?", "본문에서 알고리즘 실행을 더 빠르게 하기 위해서 어떻게 실험했나?", "표의 로드 밸런스드 알고리즘에서 평균 수행 시간이 가장 적게 걸리는 방법은 뭐야?", "표에서 평균 블록킹 확률과 평균 수행 시간 값이 가장 높은 알고리즘은 뭐야?", "평균 블록킹 확률과 평균 수행 시간이 가장 낮은 값을 가진 로드 밸런스드 알고리즘의 방식은 뭐야?", "우선선택 알고리즘의 평균 수행 시간 값은 얼마야?", "표의 로드 밸런스드 알고리즘에서 평균 블록킹 확률값이 내림차순 보다 작은 값을 가진 방법은 뭐야?", "표의 로드 밸런스드 알고리즘에서 평균 수행이 가장 느린 방법은 뭐야?" ]
95d4cfee-3f06-4dc2-baf7-619935d7af3c	인공물ED	X밴드용 다이폴 급전 평면배열 안테나 설계 및 제작	<h1>IV. 계산 및 측정 결과</h1> <p>본 논문에서는 FDTD법을 이용하여 \( 10 \mathrm{GHz} \) 의 중심주파수를 갖는 X밴드용 다이폴 급전 평면배열 안테나를 해석하고 제작하였다. 여기서 안테나 설계에 사용한 기판은 두께가 \( 0.635 \mathrm{mm} \) 이고, 유전 상수 \( \varepsilon_{r} \) 이 \( 10.2 \), 손실 탄젠트(loss tangent)는 \(0.003\)인 테프론 기판이다. 해석하고자하는 다이폴 급전 평면배열 안테나의 전체 크기는 \( 30 \mathrm{mm} \times 18 \mathrm{mm} \) 이다. 중심주파수 \( 10 \mathrm{GHz} \) 에서 \( 50 \Omega \) 의 임피던스를 갖는 선로폭은 \( 0.6 \mathrm{mm} \) 를 얻었다. 본 논문에서는 광대역 특성을 갖는 다이폴 급전 평면배열 안테나를 FDTD로 해석하기 위하여 광대역 주파수 스펙트럼을 갖는 가우시안 펄스(gaussian pulse)를 선택하였고, 시간 스텝을 \(20000\)으로 설정하여 해석 영역이 충분히 포함되도록 하였다. 정확한 해석을 위해서 유전체 두께를 \(6\)개의 단위 격자 \( (6 \Delta z) \) 로 설정하였으며, 급전 선로의 길이와 폭을 \( x, y \) 방향으로 분할하였다. 식 (\(5\))에 사용한 공간 분할 간격은 \( \Delta x=\Delta y=0.05 \mathrm{mm}, \Delta z=0.106 \mathrm{mm} \) 이고, 총 격자는 \( x, y, z \) 방향으로 각각 \( 630 \times 410 \times 36 \) 으로 분할하였다.</p> <p>안테나 설계는 야기-우다 안테나 이론을 토대로 다이폴 급전 평면배열 안테나의 초기 설계 파라미터를 설정하였고, 각 파라미터들을 변화시키면서 안테나의 반사손실 특성과 이득을 위주로 최적의 파라미터를 결정하였다. 안테나의 설계 파라미터를 결정하는 순서는 그림 \(2\)에 도시하였다.</p> <p>먼저 사용하고자 하는 기판의 유전율 \( \left(\varepsilon_{r}\right) \) 과 두께(thickness) 그리고 중심주파수 \( \left(f_{0}\right) \) 를 결정하고, \( 50 \Omega \) 의 특성 임피던스를 갖는 선로폭을 계산한다. 두 개의 CPS로 신호를 급전하기 위한 급전부 회로(발룬)를 구성한다. 그림\(1\)에서 두 개의 CPS 사이의 상호 간섭없이 최대로 에너지가 전달되도록 하기 위하여 발룬의 길이는 왼쪽 길이보다 오른쪽의 길이가 \( \lambda_{d} / 2 \) 만큼 길게 한다. 두 개의 CPS 길이는 \( \lambda_{d} / 4 \) 로 하고, \( 50 \Omega \) 의 특성 임피던스를 갖는 CPS 선로폭을 초기 파라미터 값으로 설정하고 최적의 선로폭을 갖도록 선로 폭을 조절한다. 다이폴의 길이를 이용하여 다이폴에서 \( \lambda_{d} / 4 \) 만큼 떨어진 부분에 접지판을 삽입하여 접지판의 길이를 산출한다. 야기-우다 안테나의 이론을 토대로 초기 다이폴의 길이를 계산하고, 다이폴의 길이를 변화시키면서 \( -10 \mathrm{dB} \)를 기준으로 X밴드용 반사손실 특성을 갖는 최적의 다이폴의 길이를 산출한다. 다이폴의 길이를 이용하여 다이폴에서 \( \lambda_{d} / 4 \) 만큼 떨어진 부분에 접지판을 삽입하여 접지판의 길이를 산출한다. 결정된 다이폴 앞부분에 첫번째 도파기와 두 번째 도파기를 삽입하고 그 변화를 고찰한다. 안테나의 설계 제원은 통과대역인 X밴드 내에서 안테나 이득 \( 5 \mathrm{dB} \) 이상과 \( -10 \mathrm{dB} \) 이하의 반사 손실를 고려하여 선정한다.</p> <p>그림 \(2\)의 과정을 통해 산출된 안테나의 설계 제원을 표 \(1\)에 나타내었다. 표 \(1\)의 설계 제원을 토대로 수치해석 방법인 유한차분 시간영역법을 이용한 결과와 제작 결과를 비교 분석하였고, 제작한 다이폴 급전 평면배열 안테나의 복사특성 및 이득, 전후방비등을 고찰하였다.</p> <table border><caption>표 \(1\). 다이폴 급전 평면배열 안테나의 설계 제원</caption> <tbody><tr><td>parameter</td><td>value(mm)</td><td>parameter</td><td>value(mm)</td></tr><tr><td>\( \mathrm{W}_{1} \)</td><td>\(0.6\)</td><td>\( \mathrm{S}_{\mathrm{dir }2} \)</td><td>\(0.7\)</td></tr><tr><td>\( \mathrm{W}_{2} \)</td><td>\(1.2\)</td><td>\( \mathrm{L}_{1} \)</td><td>\(3.3\)</td></tr><tr><td>\( \mathrm{W}_{3} \)</td><td>\(0.6\)</td><td>\( \mathrm{L}_{2} \)</td><td>\(1.8\)</td></tr><tr><td>\( \mathrm{W}_{4} \)</td><td>\(0.6\)</td><td>\( \mathrm{L}_{3} \)</td><td>\(4.7\)</td></tr><tr><td>\( \mathrm{W}_{5} \)</td><td>\(0.6\)</td><td>\( \mathrm{L}_{4} \)</td><td>\(1.8\)</td></tr><tr><td>\( \mathrm{W}_{6} \)</td><td>\(0.3\)</td><td>\( \mathrm{L}_{5} \)</td><td>\(1.5\)</td></tr><tr><td>\( \mathrm{W}_{\mathrm{dri}} \)</td><td>\(0.6\)</td><td>\( \mathrm{L}_{\mathrm{dipole}} \)</td><td>\(8.6\)</td></tr><tr><td>\( \mathrm{W}_{\mathrm{dir}} \)</td><td>\(0.6\)</td><td>\( \mathrm{L}_{\mathrm{dir1}} \)</td><td>\(3.1\)</td></tr><tr><td>\( \mathrm{W}_{\mathrm{dg}} \)</td><td>\(3.6\)</td><td>\( \mathrm{L}_{\mathrm{dir2}} \)</td><td>\(2.6\)</td></tr><tr><td>\( \mathrm{W}_{\mathrm{dir}1} \)</td><td>\(0.7\)</td><td></td><td></td></tr></tbody></table> <p>그림 \(3\)은 표 \(1\)의 설계 제원을 토대로 다이폴 급전 평면배열 안테나의 반사손실 특성을 비교한 것으로써 유한차분 시간영역법으로 시뮬레이션한 값과 측정값을 나타낸 그림이다. 그림 \(3\)의 측정치는 벡터 네트웍 분석기(vector network analyzer) \( 360 \mathrm{B} \) 를 이용하였다. 그림 \(3\)에서 FDTD법에 의해 해석된 다이폴 급전 평면 배열 안테나의 동작 주파수 범위는 \( 7.4 \mathrm{GHz} \sim 12.16 \mathrm{GHz} \) 이고, 제작을 통한 측정 결과는 \( 7.4 \mathrm{GHz} \sim 11.88 \mathrm{GHz} \) 의 동작 주파수 특성을 보였다. 측정결과와 시뮬레이션 결과가 거의 일치함을 알 수 있다.</p> <p>그림 \(2\)의 설계 순서를 이용하여 복사기에 도파기의 수에 따른 안테나의 이득과 반사손실 특성을 표 \(2\)에 나타내었다. 표 \(2\)에 제시된 것처럼, 도파기의 수가 증가할수록 안테나의 이득이 증가하고, 넓은 주파수 대역 특성을 보였다.</p> <p>그림 \(4\)는 표 \(1\)의 설계 제원을 이용하여 제작한 X밴드용 다이폴 급전 평면 배열 안테나를 나타낸 그림이다. 제작한 안테나의 전체 크기는 \( 30 \mathrm{mm} \times 18 \mathrm{mm} \) 이다.</p> <p>그림 \(5\)은 시뮬레이션 결과와 제작한 다이폴 급전 평면 배열 안테나의 복사특성을 비교한 그림이다. 그림 \(5\)(a)와 (b)는 다이폴 급전 평면 배열 안테나의 E 평면 \( \left(\phi=90^{\circ}\right) \) 과 H 평면 \( \left(\theta=90^{\circ}\right) \) 에서의 복사 패턴을 나타낸 그림이다. 안테나 이득은 등방성 안테나를 기준으로 했을 때 최대 \( 4.9 \mathrm{dBi} \) 이고, 전후방비는 \( 16 \mathrm{dB} \) 이상으로 측정 되었다. 반전력 빔폭의 경우, 시뮬레이션 결과는 E 평면에서 \( 100^{\circ}, \mathrm{H} \) 평면에서는 \( 170^{\circ} \) 이고, 측정결과는 E 평면과 H 평면에서 각각 \( 117^{\circ} \) 와 \( 156^{\circ} \) 로 나타났다. 이상의 결과들을 볼 때 설계된 주파수대역에서 약간의 오차는 있지만 시뮬레이션과 측정값들은 비교적 잘 일치한다.</p> <h1>V. 결 론</h1> <p>본 논문에서는 수치해석 방법인 FDTD법을 이용하여 \(3\) 소자를 갖는 X밴드용 다이폴 급전 평면 배열 안테나를 설계하고 제작하였으며, 좀더 용이한 설계를 위해서 안테나의 설계 과정을 제시하였다. 기존의 야기-우다 안테나의 이론을 토대로 안테나의 초기 파라미터값을 설정하였고, 유한차분 시간영역법을 사용하여 양호한 반사손실과 이득특성이 고려된 다이폴 급전 평면 배열 안테나의 설계제원을 산출하였다. 산출된 안테나 설계 제원을 토대로 다이폴 급전 평면배열 안테나를 제작하였고, 측정을 통해 안테나의 복사특성 및 반사손실 특성과 이득 등을 고찰하였다. FDTD 수치해석 법을 이용한 결과, \( 7.4 \mathrm{GHz} \sim 12.16 \mathrm{GHz} \) 의 범위에서 \( -10 \mathrm{dB} \) 이하의 반사손실 특성을 보였고, 제작한 결과 \( 7.4 \mathrm{GHz} \sim 11.88 \mathrm{GHz} \) 사이에서 \( -10 \mathrm{dB} \) 이하의 반사손실을 얻을 수 있어 시뮬레이션 결과와 거의 일치함을 볼 수 있었다. 제작한 안테나 최대 이득은 \( 4.9 \mathrm{dBi} \) 이고 \( 40 \% \) 이상의 넓은 대역폭을 가졌다. 본 논문에서 제시한 설계 절차를 이용한다면 마이크로스트립을 가지고도 넓은 대역폭을 필요로 하는 무선통신 안테나를 쉅게 설계 할 수 있을 것이며, 다이폴 급전 평면 배열 안테나의 배열소자의 수를 증가시킴으로써 원하는 이득의 안테나를 설계할 수 있을 것이다.</p>	[ "최적의 다이폴의 길이를 산출하기 위한 과정은 뭐야?", "value(mm)의 값이 \\(1.2\\)인 파라미터는 무엇이야?", "parameter가 \\( \\mathrm{W}_{1} \\)일 때 value(mm)값은 뭐니?", "최적의 파라미터를 결정하기 위한 과정은 어떻게 되지?", "\\( \\mathrm{L}_{3} \\)의 value는 뭐지?", "value값이 가장 작은 파라미터의 value값은 뭐야?", "value가 가장 큰 파라미터는 무엇이지?", "다이폴 급전 평면배열 안테나의 설계 제원에서 \\( \\mathrm{W}_{5} \\)의 가치는 무엇이야?", "가장 작은 가치 값을 가지는 파라미터의 종류는 무엇이니?", "파라미터의 종류가 \\( \\mathrm{W}_{\\mathrm{dri}} \\)일 때 가치 값은 무엇으로 나타났니?", "\\( \\mathrm{W}_{4} \\)의 value값은 어떻게 나타났어?", "value값은 \\( \\mathrm{W}_{\\mathrm{dg}} \\)에서 무엇으로 나타났어?" ]
fdb2bb05-bfd6-454c-bc6d-639330b77aa1	인공물ED	효율적인 자율주행 군집주행집단 관리를 위한 병합 제어 방안	<h1>Ⅱ. 군집그룹 병합 제어방안</h1><p>군집주행을 위한 군집그룹은 대표차량과 추종차량으로 구성된다. 대표차량은 군집주행시 중앙 시스템과 V2I통신을 통해 연결되어 각종 정보를 수신받고 주행판단을 내리며, 이를 V2V 통신을 통해 추종차량들로 순차적으로 전달하여 군집의 주행을 공유한다. 커넥티드 기반 자율주행 시스템 하에서의 군집주행은 중앙 시스템이 각종 정보를 수집하고 이를 근거하여 주행판단을 내리며 이를 네트워크를 통해 대표차량으로 전달하게 된다.</p><p>대표차량의 정보가 추종차량들로 전달되는 과정에서 물리적인 거리와 처리속도때문에 시간지연이 발생할 수밖에 없고, 군집그룹의 규모가 적정 크기를 넘어가게 되면 이와 같은 시간지연 때문에 정보가 추종차량들에 유효시간 내에 전달되지 못하는 상황이 발생하게 된다. 그러므로 군집그룹의 규모를 적절한 수준으로 제한할 필요가 있다. 본 논문에서는 최대로 가능한 군집그룹의 규모가 고정값으로 제한된다고 가정한다. 제안하는 병합 제어방안은 병합 우선순위의 강도에 따라 제한값을 설정한다. 우선순위의 격차가 클수록 제한값이 작아지는 역의 관계가 성립한다. 군집그룹에 병합을 요청하는 주체는 신규차량과 타 군집그룹 추종차량이 있으며, 제안방안에서는 중앙관리장치의 부하를 줄이는 것을 주 목적으로 하여 신규차량이 타 군집그룹 추종차량보다 우선순위를 높게 설정한다. 타 군집그룹 추종차량의 경우 이미 소속 군집그룹을 통해 하나의 부하를 발생시키지만 신규차량의 경우 군집그룹 하나와 유사한 부하를 발생시키기 때문이다. 병합요청은 개별 차량에서 군집그룹의 대표차량으로 V2V 통신을 통해 이루어지며, 한번에 한 대씩만 요청한다고 가정한다. 병합 제어동작은 대표차량 또는 중앙관리장치에서 이루어진다. 제안하는 병합 제어방안은 군집그룹의 규모가 제한값보다 작을 때는 새로 병합을 요청하는 신규차량과 타 군집그룹 추종차량을 제한없이 수용한다. 군집그룹의 규모가 제한값보다 커지게 되면 우선순위가 높은 신규차량만 수용하며, 규모가 포화된 경우 모든 요청을 거부하게 된다. 제안하는 병합 제어방안의 상세한 알고리즘은 그림 1에 나타나 있다.</p><h1>Ⅲ. 성능분석 모델</h1><p>제안하는 방안의 성능분석을 위한 시스템 모델은 다음과 같다. 하나의 군집그룹이 유지할 수 있는 멤버 차량의 최대값을 \( C \) 로 정의하였다. 신규 차량이 군집그룹에 병합을 요청하는 비율은 \( \lambda_{n} \) 으로, 타 군집그룹의 추종차량이 병합을 요청하는 비율을 \( \lambda_{h} \) 로 정의하고, 각각은 포아송 분포를 따른다고 가정하였다. 또한 최대 수량 \( \mathrm{C} \) 와 우선순위에 따른 제한값의 차이를 0 부터 \( \mathrm{C} \) 사이의 값을 가지는 \( \mathrm{Q} \) 로 정의하였다. 군집그룹의 추종차량이 그룹에 머무르는 시간을 \( T_{g} \) 라고 정의하고, \( T_{g} \) 는 평균 \( \mu_{g}^{-1} \) 의 지수 분포를 가진다고 가정하였다.</p><p>제안하는 병합 제어방안의 성능은 마코프의 생성 및 소멸 과정을 이용하여 분석하였다. 그림 2 과 3에 목표 군집그룹의 상태 천이도와 상태 천이쌍들이 제시되었다. 상태 천이도에서 임의의 상태 \( \mathrm{S} \) 를 다음과 같이 정의하였다. \[ \begin{array}{c} s=(i(s), j(s), k(s)) \\ \text { 단, } i(s) \geq 0, j(s) \geq 0, k(s) \geq 0 . \end{array} \] 여기서 \( j(s) \) 와 \( i(s) \) 는 목표 군집그룹 내의 신규차량 수와 타 군집그룹 추종차량 수이고, \( k(s) \) 는 목표 군집그룹 내의 우선순위를 제공받아 병합요청이 수락된 차량의 수이다. 상태 \( \mathrm{S} \) 에서의 목표 군집그룹의 규모를 \( N(s) \) 로 정의하면, \( N(s)=i(s)+j(s)+k(s) \)가 되며 \( N(s) \leq C \) 를 만족해야 한다.</p><p>군집그룹 추종차량의 분리와 병합은 네종류의 상태 천이쌍을 이용해 모델링하고, \( \mathrm{A} \sim \mathrm{D} \) 를 사용하여 각 상태 천이쌍을 표시하였다. 또한 상태 천이쌍 \( \mathrm{A} \)에서 좌에서 우로 천이하는 경우를 \( \mathrm{A} 1 \), 반대의 경우를 \(\mathrm{A}2\)로 표현하였다. 각 상태 천이쌍 종류는 그림 3 에 나타내었다. 그림에서 \( \mathrm{A} \) 는 신규차량이 군집 그룹에 합류하고 이탈하는 경우를 나타내며, \( \mathrm{B} \) 는 타 군집그룹의 추종차량이 군집그룹에 합류하고 이탈하는 경우를 나타낸다. \( \mathrm{C} \) 는 군집그룹의 규모가 제한값에 도달한 이후 신규차량이 우선순위를 받아 군집그룹에 합류하고 이탈하는 경우를 나타내며, \( \mathrm{D} \) 는 제한값에 도달하기 전에 합류한 신규차량이 이탈하는 경우를 나타낸다.</p><p>상태 \( \mathrm{S} \) 에서의 정상확률을 \( p(s) \) 라고 정의하면 모든 상태에서의 정상확률의 합은 1 이 된다. 본 논문에서는 제안한 군집 병합제어 방안의 성능을 신규차량과 타 군집 추종차량의 병합요청거절 확률을 통해 평가한다. 군집그룹의 규모가 최대치, 즉 \( \mathrm{C} \) 일 때 신규차량의 병합 요청이 있으면 그 병합요청은 거절될 것이다. 따라서, 신규차량 병합요청 거절률 \( P_{R} \) 은 다음과 같은 식으로 표현될 수 있다. \[ \begin{array}{l} P_{R}=\left.\sum_{i=1}^{C-Q} \sum_{j=1}^{Q-Q} p(i, j, Q)\right\|_{i+j=C-Q} \\ +\left.\sum_{i=1}^{C-Q C-Q} \sum_{j=1}^{Q} \sum_{k=0} \frac{k \cdot \mu_{g}}{i \cdot \mu_{g}+k \cdot\left(\mu_{g}+0.5\right)} p(i, j, k)\right\|_{i+j+k=C} \end{array} \]</p><p>군집그룹의 규모가 \( \mathrm{Q} \) 보다 클 때 타 군집 추종차량의 병합 요청이 있으면 그 병합요청은 거절될 것이다. 따라서, 타 군집 추종차량 병합요청 거절률 \( P_{R H} \) 은 다음과 같은 식으로 표현될 수 있다.</p><p>군집그룹의 규모가 \( \mathrm{Q} \) 보다 클 때 타 군집 추종차량의 병합 요청이 있으면 그 병합요청은 거절될 것이다. 따라서, 타 군집 추종차량 병합요청 거절률 \( P_{R H} \) 은 다음과 같은 식으로 표현될 수 있다. \[ P_{R H}=\left.\sum_{i=1}^{C-Q C-Q} \sum_{j=1}^{Q} \sum_{k=0}^{Q} p(i, j, k)\right\|_{i+j+k=C} \]</p><h1>Ⅳ. 성능평가</h1><p>수치해석 예시를 통해 제안하는 군집그룹 병합요청 제어방안의 성능을 도출하였다. 성능평가를 위해, \( \mu_{g}=0.05, C=20 \) 를 사용하였다. 수치해석은 기본적으로 목표 군집그룹에 대한 신규차량 병합요청률을 변화시켜가면서 신규차량 및 타 군집 추종차량의 병합요청 거절률을 도출하였다. 제안하는 방안의 성능을 비교하기 위해 먼저 신규차량에 우선순위를 설정하지 않은 경우와 제안 방안을 비교하고 그 결과를 그림 4 와 5에 나타내었다. 또한 그림 4 와 5에 우선순위의 강도, 즉 \( \mathrm{Q} \) 를 변화시켜가면서 제안 방안의 병합요청 거절률의 변화를 관찰하였다. 그림에서 볼 수 있듯, 우선순위를 설정하지 않은 경우에 비해 제안하는 방안은 타 군집 추종차량의 병합요청 거절률은 높아지지만 그만큼 신규차량의 거절률은 낮아지는 추세를 보였다. 타 군집 추종차량이 병합되는 대신 신규차량이 병합되면 중앙관리시스템 차원에서 계산 부하와 네트워크 트래픽 부하를 모두 감소시킬 수 있다. 이 효과를 표현하기 위해 다음과 같은 환경을 가정하고 성능을 도출하였다. 전체 시스템의 군집 개수를 3개, 개별 차량의 수를 10대라고 하고, 하나의 군집을 관리하기 위한 시스템 부하를 5, 하나의 개별차량을 관리하기 위한 시스템 부하를 3이라고 가정하였다. 그림 4,5 에서 도출한 결과를 활용하여 이 환경에서의 시스템 총 부하를 계산한 결과가 그림 6 에 도시되었다. 그림 6 에서 볼 수 있듯이, \( \mathrm{Q} \) 의 크기가 크면 클수록 시스템 총 부하가 적어지는 결과를 얻을 수 있다. 이와같은 결과로부터 제안한 병합 제어방안이 시스템 차원에서 좋은 성능을 얻음을 확인할 수 있다.</p>	[ "군집주행하는 차량이 각종 정보를 어떻게 수신받나요?", "어떻게 군집주행하는 차량이 각종 정보를 수신받지?", "군집주행하는 대표차량은 추종차량에게 주행판단을 전달할때 어떤 통신을 이용하나요?", "군집그룹은 대표차량만으로 구성되어있나?", "대표차량의 정보가 추종차량들로 전달될때 시간지연이 왜 발생해?", "왜 대표차량의 정보가 추종차량들로 전달될때 시간지연이 발생해?", "군집그룹의 규모를 적절한 수준으로 제한해야하는 이유는 무엇인가요?", "신규차량이 타 군집그룹 추종차량보다 우선순위를 높게 설정하는 이유는 무엇인가?", "병합요청은 한번에 두 대 이상씩 요청한다고 가정하에 이루어지나요?", "군집그룹의 규모가 제한값보다 커지게 되면 우선순위 상관없이 모든 차량을 다 수용하나요?", "군진그룹의 규모가 포화된 경우에도 요청을 수용하나요?", "추종차량 대신 신규차량이 병합되면 야기되는 결과는 무엇인가요?", "성능분석 모델에서 \\( C \\)로 정의되는 것은 무엇을 말해?", "본 연구의 성능분석 모델에서 \\( \\lambda_{n} \\)로 정의되는 값은 무엇이라고 해?", "본 논문의 성능분석 모델에서 \\( T_{g} \\) 에 해당되는 값은 무엇이라고 해?", "임의의 상태 \\( \\mathrm{S} \\)는 어디에서 정의해?", "본 연구의 성능분석 모델에서 \\( \\mathrm{C} \\)는 신규차량에 한해 군집그룹 규모가 제한값에 도달했을때 무엇을 의미해?", "본 논문의 성능분석 모델에서 모든 상태에서의 정상확률 \\( p(s) \\)의 합은 얼마야?", "본 논문의 성능분석 모델에서 \\( j(s) \\) 는 무엇을 정의해?", "본 연구의 성능분석 모델에서 목표 군집그룹 내의 우선순위를 제공받아 병합요청이 수락된 차량의 수는 어떤 약자로 정의해?" ]
b8ddbb74-870b-46b2-9e26-4fbb3915993f	인공물ED	효율적인 자율주행 군집주행집단 관리를 위한 병합 제어 방안	<h1>Ⅴ. 결 론</h1><p>커넥티드 기반 자율주행 시스템에서 중앙 시스템의 부하를 감소시키기 위한 군집주행그룹의 병합 제어방안을 제안하고, 마코프 체인 기반의 분석을 통해 그 성능을 평가하였다. 본 연구의 결과는 커넥티드 자율주행 시스템에서 군집주행을 도입하고 효율적으로 운영하는데 활용될 수 있을 것으로 기대된다.</p>	[ "본 연구의 결과로 기대되는 전망은 무엇인가요?", "무엇이 본 연구의 결과로 무엇이 기대돼?", "본 연구의 커넥티드 기반 자율주행 시스템에서 성능을 어떻게 평가했어?", "커넥티드 기반 자율주행 시스템에서 군집주행그룹의 병합 제어방안을 왜 제안했어?" ]
7b85bb02-6641-4a6b-85ec-d52066b5b2c2	인공물ED	효율적인 자율주행 군집주행집단 관리를 위한 병합 제어 방안	<h1>요약</h1><p>커넥티드 기반 자율주행 시스템에서 차량의 군집주행은 중앙 시스템의 계산량과 네트워크 트래픽 로드를 크게 감소시켜 줄 뿐만 아니라 교통흐름을 개선하는 효과도 얻을 수 있는 효율적인 교통운영모델이다. 효율적인 군집주행집단 관리를 위해서는 군집의 규모를 적절하게 유지하는 것이 중요하며 이를 위한 신규차량 및 타 군집 소속 차량의 효율적인 병합 제어가 필수적이다. 본 연구에서는 군집의 현재 규모와 차량의 우선순위에 따라 병합 요청을 수락 또는 거절하는 병합 제어 방안을 제시한다. 제안하는 방안은 마코프 체인 기반의 수학적 분석모델을 이용해 분석하고 검증하었다. 성능평가 결과 제안한 방안이 중앙 시스템의 부하를 적절하게 잘 관리하는 것을 확인할 수 있었다.</p>	[ "본 연구에서 제시하는 병합 제어 방안은 무엇인가요?", "본 연구에서 성능평가 결과 제안한 방안은 개별 시스템의 부하를 적절히 잘 관리하였다고 할 수 있나요?", "본 연구에서 군집의 현재 규모와 차량의 우선순위에 따라 병합 요청을 수락 또는 거절하는 방안은 마코브 체인 기반의 수학적 분석모델을 이용하여 분석 및 검증하였습니까?", "차량의 군집주행이 효율적 교통운영모델인 이유는 중앙 시스템 계산량과 네트워크 트래픽 로드를 크게 증가시키며, 교통흐름을 개선하는 효과를 얻을 수 있기 때문입니까?", "교통흐름을 개선하는 효과를 얻을 수 있는 차량의 군집주행은 커넥티드 기반 자율주행 시스템입니까?", "본 연구에서 차량의 군집주행은 중앙 시스템의 계산량과 어떤 것을 크게 감소시키나?", "군비의 규모를 적절히 유지하기 위해서는 신규차량 및 타 군집 소속의 차량을 효율적인 개별 제어가 필수적입니까?", "효율적인 군집주행집단 관리를 위해서는 어떤 것을 적절하게 유지하는 것이 핵심인가?" ]
70bef4f5-2c0a-49e1-91a3-b93de05db139	인공물ED	사전보정기법을 사용한 새로운 지상파 DTV 대역외발사강도 측정법	<h1>I. 서론</h1><p>지상파 방송 서비스는 주어진 주파수 자원을 활용하여 다수의 수요자에게 방송정보를 동시에 전송할 수 있는 대표적인 무료 보편적 서비스의 하나로, 최근 대두되고 있는 국가안전망 구축에도 필수적으로 요구되는 분야이다. 우리나라는 2012 년 말부터 고품질 영상방송이 가능한 ATSC 방식의 지상파 디지털 TV(DTV) 서비스를 제공하고 있으며, 우수한 방송환경 구축과 산악이나 건물들로부터의 난시청 현상을 극복하기 위한 다양한 형태의 DTV 방송국 및 송신 시스템 구축이 요구된다.</p><p>DTV 방송 송신기 중요성능의 하나인 대역외발사강도(Out-of-band Emission)는 서비스 필요 주파수대역에 바로 인접하여 발생하는 불요발사 중의 하나로, DTV 방송채널관리 및 방송국 간 신호품질 수준에 결정적인 영향을 미치므로 엄격히 관리되어야 한다.</p><p>외국의 경우, ATSC DTV 방송국의 대역외발사강도 기준은 FCC CFR47 Part73 및 Part74에서 정의하고 있으며, 방송국의 용도에 따라 방송 기간망에 사용되는 \( 10 \mathrm{~W} \) 이상의 대출력 DTV 방송국은 Rigid Mask, Stringent Mask를 사용하며, 소출력중계기의 경우에는 완화된 Simple Mask를 사용하도록 권고하고 있다.</p><p>우리나라는 무선설비규칙 제 21 조(미래창조과학부고시 제2014-92호 지상파DTV용 무선설비)에서 일반 방송국용 및 소출력 DTV 중계기에 대한 대역외발사강도 규정을 의무적으로 준수하도록 규정하고 있으며, 신규방송국의 인·허가와 기존 방송국 정기검사 시 철저한 측정 및 관리를 수행하여 방송품질 확보가 가능하도록 제도화되어 있다.</p><p>방송기간망에 사용되는 Rigid Mask 형태의 DTV 대역외발사강도 기준은 \( -110 \mathrm{dBm} \) 이하의 매우 낮은 전력레벨값로 규정되어 있다. 이 기준값은 고가의 DTV 전용계측기가 아닌 범용 계측기로는 측정이 불가능하므로 방송품질 확보를 위한 인·허가와 검사업무를 효율적으로 실시할 수 없는 상황이다.</p><p>본 연구에서는 값싼 범용 계측기로도 대역외발사강도 측정이 가능한 새로운 측정방법을 제안하였다. 제안방식을 이용하여 \( -110 \mathrm{dBm} \) 이하의 대역외발사강도 측정이 가능한 측정시스템을 개발하였으며, 실제 측정실험을 통하여 그 유효성을 입증하였다.</p>	[ "지상파 방송 서비스를 이용하려면 돈을 내야 하나요?", "DTV 서비스를 제공할 때 DTV 방송국이나 송신 시스템이 구축되어야 할까요?", "서비스 필요 주파수대역에 바로 인접하여 발생하는 불요발사 중의 하나로 DTV 방송채널관리 및 방송국 간 신호품질 수준에 결정적인 영향을 미치는 DTV 방송 송신기 중요성능은 무엇인가요?", "대역외발사강도는 DTV 방송채널관리에 영향을 거의 미치지 않나요?", "해외에서는 \\( 10 \\mathrm{~W} \\) 이상의 대출력 DTV 방송국은 무엇을 사용하도록 권고되나요?", "해외에서 소출력중계기의 경우 무엇을 사용하도록 권고되나요?", "Rigid Mask 형태의 DTV 대역외발사강도는 얼마 이하인가요?", "논문에서 제안하는 방식을 이용하면 DTV 대역외발사강도 기준을 만족하나요?", "Rigid Mask 형태의 DTV 대역외발사강도 기준은 \\( -110 \\mathrm{dBm} \\) 이하인 것은 범용 계측기로 측정이 가능해?", "주어진 주파수 자원을 활용해 여러 수요자에게 방송정보를 동시에 전송할 수 있는 대표적인 무료 보편적 서비스로 국가안전망 구축에도 필수적으로 요구되는 것은 무엇인가요?", "대한민국은 몇 년도부터 고품질 영상방송이 가능한 ATSC 방식의 지상파 디지털 TV 서비스를 제공했나요?", "해외에서는 ATSC DTV 방송국의 대역외발사강도 기준을 무엇에서 정의하고 있나요?", "대한민국에서 일반 방송국용 및 소출력 DTV 중계기에 대한 대역외발사강도 규정이 쓰여 있는 것은 뭐야?" ]
b839fef9-052c-4c9a-87ed-1ac778c07154	인공물ED	사전보정기법을 사용한 새로운 지상파 DTV 대역외발사강도 측정법	<h1>요 약</h1><p>본 연구에서는 우리나라 DTV 방송의 대역외발사강도 기술기준 및 기존 측정방식의 문제점들을 분석하였으며, 지상파 DTV 방송의 대역외발사강도를 효과적으로 측정할 수 있는 방안들을 제안하였다. 고가의 전용 측정장비로만 측정가능한 기존방식에 비해 제안한 방식은 범용장비로도 대역외발사강도를 손쉽게 측정할 수 있으며, 실제 측정 시스템 구현을 통하여 제안한 방식의 유효성을 입증하였다. 본 논문에서 제안된 방식은 경제적이고도 간편하므로 방송장비 이외의 무선 송신장치 특성측정에도 널리 사용될 수 있다.</p>	[ "연구에서는 대한민국의 어떤 방송의 대역외발사강도 기술기준 및 기존 측정방식의 문제점들을 분석하였나요?", "연구에서는 지상파 DTV 방송의 무엇을 효과적으로 측정할 수 있는 방안을 제안했나요?", "기존의 방식은 측정장비가 저렴한 편인가요?", "논문에서 제안한 방식은 대역외발사강도를 측정할 때 기존보다 저렴하게 측정할 수 있나요?", "논문에서 제안한 방식이 방송장비, 무선 송신장치 특성측정에도 사용될 수 있는 이유는 무엇인가요?", "논문에서 제안된 방식은 방송장비에 사용할 수 있나요?" ]
aaa0c17f-8f21-46e1-8d95-b3fcae7bb9fc	인공물ED	사전보정기법을 사용한 새로운 지상파 DTV 대역외발사강도 측정법	<h1>IV. 시험 및 결과분석</h1><p>본 논문에서 제안한 측정방식의 유효성을 확인하기 위하여 하점 KBS DTV 방송보조국(인천시 강화군 소재)에 측정시스템을 구성한 후, 기존방식과 제안방식을 이용하여 대역외발사강도 특성을 측정하였다. 그림 7은 측정시스템 구성도이다.</p><p>먼저 기존 측정방식을 활용한 대역외발사강도 를 측정하였다. 그림 8 은 dummy 안테나 앞단 출력신호의 대역외발사강도 측정결과로서, 계측기의 잡음특성으로 인해 대역외발사강도 특성이 마치 기준에 미달하는 것처럼 보임을 알 수 있다.</p><p>다음으로 감쇠기를 이용하여 채널필터 앞단 및 뒷단에서의 대역외발사강도 신호특성을 측정한 후 제안방식에 따른 채널필터의 특성 보정과정을 이용하여 대역외발사강도 특성을 평가하였다.</p><p>그림 9는 채널필터 앞단에서의 대역외발사강도 특성과 채널필터 주파수응답특성이다.</p><p>표 1 은 실제 측정값으로, 기존방식에 의한 측정값과 제안방식에 의한 보정값을 비교하였으며, 제안방식의 측정값은 채널필터 전단에서의 대역외발사강도 특성을 나타낸다. 표에서 알 수 있는 것처럼 기존방식으로는 피측정 중계기가 부대역 \( \pm 6 \sim \pm 12 \) 의 주파수범위에서 기술기준 권고치에 미달하는 것처럼 평가되지만, 제안방식에 의하면 실제로는 기술기준을 충촉시키고 있음을 알 수 있다. 이는 정해진 측정범위를 측정할 수 없는 기존 측정방식으로는 피측정장비의 특성만족여부를 알 수 없어, 계측기 상으로는 '미달'로 판정된다. 그러나 본 논문의 제안 방식을 사용하면 피측정장비의 기본 성능특성을 프로그램상에서 사전 보정하여 측정하므로 성능을 정확히 측정할 수 있다.</p><p><caption>표 1. 기존방식과 제안방식을 사용한 실험결과 비교</caption>( P : Pass, F: Fail)<table border><tbody><tr><td rowspan=2>Sub- bands</td><td rowspan=2>Required Values (\( \mathrm{dB}_{\mathrm{DT}} \))</td><td colspan=2>Conventional Method</td><td colspan=3>Proposed Method</td></tr><tr><td>Measured Values</td><td>P/F</td><td>Measured Values</td><td>Calibrated Values</td><td>P/F</td></tr><tr><td>1</td><td>-47.0</td><td>-60.24</td><td>P</td><td>-61.6</td><td>-62.2</td><td>P</td></tr><tr><td>2</td><td>-49.9</td><td>-63.85</td><td>P</td><td>-62.9</td><td>-66.9</td><td>P</td></tr><tr><td>3</td><td>-55.6</td><td>-68.25</td><td>P</td><td>-64.1</td><td>-76.4</td><td>P</td></tr><tr><td>4</td><td>-61.4</td><td>-69.72</td><td>P</td><td>-64.3</td><td>-85.8</td><td>P</td></tr><tr><td>5</td><td>-67.1</td><td>-70.19</td><td>P</td><td>-64.9</td><td>-94.9</td><td>P</td></tr><tr><td>6</td><td>-71.9</td><td>-70.45</td><td>F</td><td>-65.5</td><td>-103.6</td><td>P</td></tr><tr><td>7</td><td>-78.6</td><td>-70.95</td><td>F</td><td>-66.0</td><td>-112.1</td><td>P</td></tr><tr><td>8</td><td>-84.4</td><td>-71.03</td><td>F</td><td>-66.3</td><td>-122.0</td><td>P</td></tr><tr><td>9</td><td>-90.1</td><td>-71.19</td><td>F</td><td>-66.4</td><td>-134.2</td><td>P</td></tr><tr><td>10</td><td>-95.9</td><td>-71.29</td><td>F</td><td>-66.3</td><td>-134.3</td><td>P</td></tr><tr><td>11</td><td>-101.6</td><td>-71.37</td><td>F</td><td>-66.6</td><td>-135.9</td><td>P</td></tr><tr><td>12</td><td>-107.4</td><td>-71.40</td><td>F</td><td>-66.8</td><td>-133.9</td><td>P</td></tr><tr><td>-1</td><td>-47.0</td><td>-61.33</td><td>P</td><td>-60.6</td><td>-61.4</td><td>P</td></tr><tr><td>-2</td><td>-49.9</td><td>-67.00</td><td>P</td><td>~62.7</td><td>-69.4</td><td>P</td></tr><tr><td>-3</td><td>-55.6</td><td>-69.90</td><td>P</td><td>-63.7</td><td>-80.6</td><td>P</td></tr><tr><td>-4</td><td>-61.4</td><td>-70.53</td><td>P</td><td>-64.1</td><td>-90.5</td><td>P</td></tr><tr><td>-5</td><td>-67.1</td><td>-70.72</td><td>P</td><td>-64.3</td><td>-99.5</td><td>P</td></tr><tr><td>-6</td><td>-71.9</td><td>-70.83</td><td>F</td><td>-64.8</td><td>-109.1</td><td>P</td></tr><tr><td>-7</td><td>-78.6</td><td>-70.95</td><td>F</td><td>-65.2</td><td>-118.3</td><td>P</td></tr><tr><td>-8</td><td>-84.4</td><td>-71.03</td><td>F</td><td>-65.5</td><td>-132.5</td><td>P</td></tr><tr><td>-9</td><td>-90.1</td><td>-71.19</td><td>F</td><td>-65.6</td><td>-148.1</td><td>P</td></tr><tr><td>-10</td><td>-95.9</td><td>-71.29</td><td>F</td><td>-65.6</td><td>-132.1</td><td>P</td></tr><tr><td>-11</td><td>-101.6</td><td>-71.37</td><td>F</td><td>-66.2</td><td>-134.1</td><td>P</td></tr><tr><td>-12</td><td>-107.4</td><td>-71.40</td><td>F</td><td>-66.3</td><td>-136.8</td><td>P</td></tr></tbody></table></p><p>그림 10은 본 연구에서 제안한 방식 및 개발한 프로그램으로 대역외발사강도 특성을 측정한 결과이다. 그림에서 (1)은 채널필터 특성을, (2)는 우리나라 DTV 대역외발사강도 기준값, (3)은 채널 필터 전단에서 측정한 대역외발사강도값을 나타낸다. (4)는 필터 둿단에서의 대역외발사강도 특성으로 기존에 사용하던 방식이다. 범용 계측 장비의 유한한 동작영역 및 잡음특성 때문에 채널필터에 의한 스퓨리어스 억제효과를 제대로 측정하지 못하고 있음을 알 수 있다. (5)는 본 논문에서 제안한 방식을 사용한 보정값으로, 그림에서 알 수 있는 것처럼 측정대상 중계기는 대역외발사강도 기술기준을 잘 따르고 있음을 알 수 있다. 따라서 기존 방식에서는 측정할 수 없었던 하위 부대역에서의 RF 특성도 제안방식을 사용하면 계측기의 한계성능과 무관하게 더욱 정확하고 신뢰성 있는 측정 결과를 얻을 수 있음을 알 수 있다.</p>	[ "채널필터에 의한 스퓨리어스 억제효과를 제대로 측정하지 못한 이유는 범용 계측 장비의 어떤 특성 때문인가요?", "기존방식과 제안방식을 이용해 측정한 것은 무엇인가?", "대역외발사강도 특성을 평가하기 위해 신호특성 측정 후 제안방식에 따른 채널필터의 어떤 과정을 거쳤나?", "제안 방식 사용시 성능을 정확히 측정하기 위해 피측정장비의 기본 성능특성을 가지고 프로그램상에서 이루어지는 것은 뭐야?", "기존방식에서는 미달하지만 제안방식에서는 충족하는 것은 뭐야?", "기존 방식을 사용했을 때 하위 부대역에서 측정할 수 없었던 것은 무엇일까요?", "대역외발사강도 신호특성을 측정하기 위해 사용한 것은 무엇인가?", "범용 계측 장비의 잡음 특성 때문에 제대로 측정하지 못한 것은 무엇이니?", "채널 필터에 의한 스퓨리어스 억제효과를 제대로 측정하지 못한 것은 범용 계측 장비의 무엇 때문이니?", "Sub- bands가 -6일 때 Proposed Method의 Calibrated Values의 값은 몇인가?", "Sub- bands가 -12일 때 Required Values는 몇이니?", "기존방식과 같이 사용해 실험한 방식은 무엇인가?", "표 1에서 기존방식과 함께 실험에 사용해 대조한 방식은 무엇인가?", "제안방식과 실험을 위해 함께 사용된 방식은 무엇인가?", "Sub- bands가 6일 때 Required Values 값은 어떻게 돼?" ]
95024d29-0b66-4895-849f-853be7f7cc62	인공물ED	사전보정기법을 사용한 새로운 지상파 DTV 대역외발사강도 측정법	<h1>V. 결 론</h1><p>본 논문에서는 현행 DTV 대역외발사강도 기술기준 측정시 발생되는 문제점들을 분석하고, 이를 해결하기 위한 새로운 측정방안을 제안하였다. 제안한 방식은 저가의 범용 계측기를 이용하여 \( -110 \mathrm{~dB}_{\mathrm{DTV}} \)이하의 DTV 중계기 대역외발사 강도 측정이 가능한 방식으로, 실제 측정시스템을 구성하여 그 유효성을 입증하였다.</p><p>본 논문에서 제안한 측정방안을 도입할 경우, 현재 1,323 개 DTV 방송국의 준공검사 또는 재허가시 방송국의 허가지연 또는 불합격 등 불합리한 규제가 없어져 정부기관의 신뢰성 향상에 크게 기여할 것으로 예측되며, 매우 간편한 계측기로 측정시스템을 구성할 수 있으므로 산간 등지에 분포한 중계기 특성측정을 매우 효율적으로 실시할 수 있다.</p><p>본 논문에서 제안한 방식은 대역외발사강도 이외의 다른 RF 특성측정 방식으로도 다양하게 응용될 수 있을 것으로 예상된다.</p>	[ "제안한 방식은 저가의 범용 계측기를 몇 이하의 DTV 중계기 대역외발사 강도 측정이 가능한 방식으로 구성하였어?", "제안한 측정방안을 도입할 경우, 정부기관의 신뢰성문제는 해결되지 못하는가?", "정부기관의 신뢰성문제는 제안한 측전방안을 도입할 경우 해결되지 못하나", "지문에서는 어떤 주제에 대한 문제점들을 분석하고 있는가?", "어떤 주제에 대한 문정점들을 지문이 분석하고 있는가", "지문에서 제안한 방식은 대역외발사강도 이외에 어떤 방식으로도 응용가능해?", "제안한 측정방안은 복잡한 계측기로 측정시스템을 구성할 수 있는가?", "현행 DTV 대역외발사강도 기술기준 측정시 발생되는 문제를 해결하기 위해서 이용한 것은 뭐야?", "현행 DTV 대역외발사강도 기술기준 측정시 발생되는 문제를 해결하기 위해서 사용한 것은 뭐야?", "본 논문에서 제안한 측정방안을 도입할 시 효과는 뭐야?", "제한 측정방안을 본 논문에서 도입할 시 효능이 뭐야", "제안한 측정방안을 도입하면 해안지역에 분포한 중계기 특성측정을 효율적으로 실시할 수 있어?" ]
e544e978-e244-41d5-8463-807a95220ffe	인공물ED	사전보정기법을 사용한 새로운 지상파 DTV 대역외발사강도 측정법	<h1>III. 사전보정기법을 사용한 새로운 대역외발사강도 측정방법</h1><p>그림 3 에 표시된 것처럼 대역외발사강도는 \(6 \mathrm{MHz}\)의 ATSC DTV 1 개 채널을 12 개의 \( 500 \mathrm{kHz} \) 부대역(Sub-Bands)으로 나누고, 각각의 \( 500 \mathrm{kHz} \) 측정 대역폭 내의 전력은 \( 10 \mathrm{kHz}\) 의 분해대역폭(RBW) 을 기준으로 측정한 전력을 합하여 산정하며, 희망 채널의 하위인접채널은 -1 ~ -12 번, 상위인접채널은 +1 ~ +12 번으로 부대역 채널번호를 부여한다.</p><p>지금까지 사용되어 온 대역외발사강도 측정방식은 그림 4에 나타낸 채널필터 둿단의 측정점 Q 에서의 신호를 dummy load와 스펙트럼 분석기를 이용하여 측정한다. 일반적인 계측기의 동적 영역(dynamic range)은 일반적으로 \( 70 \mathrm{~dB} \) 정도이므로, \( \pm 1 \sim \pm 6 \) 부대역의 대역외발사강도의 기술 기준 만족여부만 측정 가능하고, \( \pm 7 \sim \pm 12 \) 부대역의 대역외발사강도는 계측기 잡음으로 인하여 측정할 수 없다는 문제점을 지닌다.<p>그러므로 실제 준공검사나 재허가시의 대역외발사강도 측정은 noise floor 이상의 주파수대역까지만 측정하고, 나머지 \( -80 \sim-110 \mathrm{~dB}_{\mathrm{DTV}} \)에 해당하는 주파수 대역은 제조사에서 제공하는 채널필터 특성으로 대신하고 있는 실정이다.</p><p>본 논문에서는 이러한 측정 상의 문제점들을 해결할 수 있는 새로운 대역외발사강도 측정방법 및 시스템 구성방안을 제안하였다.</p><p>제안한 측정방식에서는 그림 4의 채널필터 전단 측정점 P 에서 DTV 신호 전력을 충분히 가변시키며 송신기 자체의 대역외발사특성을 측정하고, 필터제조업체에서 제공되는 필터특성을 이용하거나 네트워크 분석기로 실측한 주파수 응답 특성을 이용하여 전체 DTV 송신시스템의 대역외발사강도 특성을 보정하여 구한다. 즉 전체시스템의 대역외발사강도 \( A_{\text {System }} \) 은, \( A_{\text {System }}\)=\( A_{\text {Before Filter }}+L_{d B}+C F \)<caption>(4)</caption>로 구할 수 있으며, 여기에서 \( A_{\text {Before Filter }}\)는 필터 진단에서 측정한 대역외발사강소특성, \( L_{d B} \) 는 채널필터의 감쇠특성, CF 는 채널필터 보정계수(correction factor)이다.</p><p>\( 500 \mathrm{kHz} \) 부대역 내에서의 필터 감쇠특성은 통상적으로 해당 부대역 중간지점에서의 감쇠값(dB)을 사용한다. 하지만 dB 단위계에서 직선함수로 표현되는 감쇠특성은 실제로는 곡선의 감쇠 특성을 가지므로 대역중간에서의 감쇠값과 부대역 내 평균감쇠값 사이에는 약간의 오차가 발생하므로 이를 보정하여야 한다.</p><p>그림 5에 나타낸 임의의 \( 500 \mathrm{kHz} \) 부대역의 채널 필터 응답특성(dB Scale)은 직선함수이다. 필터감쇠 중간값 \(\mathrm{L}_{\mathrm{dB}} \) 를 \( 0\mathrm{dB} \) 로 가정하고, N 개 지점 (통상 \( N>1000) \) 의 필터 감쇠량을 이용하면 n 지점의 필터 감쇄함수는 식 (5)로 표시할 수 있다.</p><p>\( R_{d B}(n)=\frac{n}{N-1} A_{d B}-\frac{A_{d B}}{2} \)<caption>(5)</caption></p><p>필터의 감쇠량을 선형적으로 나타내면 다음 식과 같다.</p><p>\( P(n)=10^{\frac{R_{d B}(n)}{10}} \)<caption>(6)</caption></p><p>따라서 이 부대역의 평균감쇠량은 다음 식으로 구할 수 있다.</p><p>\( P_{a v g}=\frac{1}{N} \sum_{n} P(n) \)</p><p>\( P_{a v g}(d B)=10 \log \left(P_{a v g}\right) \)<caption>(7)</caption></p><p>예로서, 부대역에서의 감쇠변화량 \( \mathrm{A}_{\mathrm{dB}} \) 가 \( 15 \mathrm{~dB} \)일 경우 평균값 \( \mathrm{P}_{\mathrm{avg}}(\mathrm{dB}) \) 가 중간값 \( \mathrm{L}_{\mathrm{dB}} \) 에 비해 \( 1.99 \mathrm{~dB} \) 낮음을 알 수 있다. 따라서 식 (4)의 \( \mathrm{CF}=-1.99 \mathrm{~dB} \) 를 보정하여야 한다.</p><p>그림 6은 본 논문에서 제안한 \( -110 \mathrm{~dB}{ }_{\mathrm{DTV}} \) 이하의 대역외발사강도 특성 측정 흐름도이다.</p><p>본 연구에서는 필터 전단에서 측정한 RF 특성과 채널필터 주파수 응답특성 및 필터보정계수를 고려하여 DTV 대역외발사강도 특성을 자동으로 평가할 수 있는 평가프로그램도 함께 개발하였다. 개발된 프로그램에는 \( 10 \mathrm{kHz} \) RBW 전력을 \( 500 \mathrm{kHz} \) 부대역 전력으로 변환하는 기능과 \( 500 \mathrm{kHz} \) 부대역별 기울기 보정계수를 구하여 \( 500 \mathrm{kHz} \) 부대역 주파수 응답특성에 반영하는 기능까지 포함되어있어 더욱 정확한 RF 특성 평가가 가능하다. 제안방식은 스펙트럼 분석기의 측정가능전럭 법위 내에서 RF 성능을 측정하므로 기존방식에 비해 정확한 대역외발사특성을 측정 할 수 있으며, 저렴하고 간편한 측정시스템 구축이 가능하여 주로 산악지역에 위치한 지상파 중계시설의 특성측정에 매우 효과적인 방식으로 사용될 수 있다. 또한 본 논문에서 제안한 방식은 대역외발사강도 이외의 다른 RF 특성 측정에도 쉽게 적용할 수 있다.</p>	[ "DTV 대역외발사강도 특성을 자동으로 평가할 수 있는 평가프로그램을 개발하기 위해 고려한 것은 뭐야?", "대역외발사강도는 \\(6 \\mathrm{MHz}\\)의 ATSC DTV 1 개 채널을 어떻게 나누는가?", "대역외발사의 각각의 \\( 500 \\mathrm{kHz} \\) 측정 대역폭 내의 전력은 어떤 기준으로 더하나요?", "대역외발사에서 희망 채널의 하위인접채널은 +1 ~ +12 번, 상위인접채널은 -1 ~ -12 번으로 부대역 채널번호를 부여해?", "대역외발사강도 측정방식에서 채널필터 둿단의 측정점 Q 에서의 신호를 무엇을 이용해서 측정해?", "일반적인 계측기의 동적 영역은 몇 \\( \\mathrm{~dB} \\) 이야?", "대역외발사강도 측정방식에서 \\( \\pm 7 \\sim \\pm 12 \\) 부대역의 대역외발사강도의 기술 기준 만족여부만 측정 가능해?", "실제 준공검사나 재허가시의 대역외발사강도 측정은 어느 정도의 측정이 가능한거야?", "준공검사나 재허가시의 대역외발사강도 측정은 \\( -80 \\sim-110 \\mathrm{~dB}_{\\mathrm{DTV}} \\)에 해당하는 주파수 대역은 무엇으로 대신해?", "개발된 프로그램에서 \\( 10 \\mathrm{kHz} \\) RBW 전력을 무엇으로 변환하는 기능이 있어?", "본 논문에서 제시한 문제점들을 해결하고자 제시한 방법은 뭐야?", "\\( A_{\\text {Before Filter }}\\)는 필터 진단에서 측정한 무엇을 나타내는가?", "\\( -110 \\mathrm{~dB}{ }_{\\mathrm{DTV}} \\) 이하의 대역외발사강도 특성 측정 흐름도를 어디에 나타냈어?", "그림(5) 에서 필터감쇠 중간값 \\(\\mathrm{L}_{\\mathrm{dB}} \\) 를 무엇으로 가정했어?", "\\( P(n)=10^{\\frac{R_{d B}(n)}{10}} \\)은 필터의 감쇠량을 어떻게 나타낸건가?" ]
60f819a8-ce80-4421-ae62-9792d11dd768	인공물ED	사전보정기법을 사용한 새로운 지상파 DTV 대역외발사강도 측정법	<h1>II. DTV 대역외발사강도 기준</h1><p>무선기기, 특히 무선송신기의 중요 특성 중의 하나인 불요발사(Unwanted Emission)는 모든 원하지 않는 성분을 갖는 발사를 총칭하는 용어로서, 측정주파수 대역 및 특성에 따라 대역외 발사와 스퓨리어스 발사 (Spurious Emission)로 구분한다.</p><p>대역외발사특성은 기본파 주위에 인접하여 발생하므로 방송품질에 결정적 영향을 미치는 요인으로, 변조의 결과로써 생기는 필요주파수대역 바로 바깥쪽의 불요발사를 나타낸다. 반면, 스퓨리어스 발사는 필요 주파수대역에서 상당히 이격된 주파수에서의 불요발사로서, 통상적으로 발사 레벨이 정보 전송에 영향을 크게 주지 않으며, 고조파발사, 기생발사, 상호변조발사 등이 있다.</p><p>일반적으로, 대역외발사 영역과 스퓨리어스발사 영역의 경계는 발사의 중심주파수로부터 필요주파수대역(Necessary Bandwidth: NB)의 2.5 배를 기준으로 하며, 이를 그림 1에 나타내었다.</p><p>우리나라의 방송업무용 무선설비는 미래창조과학부고시 제2014-92호「무선선비규칙」(방송표준 방식 및 방송업무용 무선설비의 기술기준)에서 방송매체별로 기술기준을 정하고 있으며, 지상파 DTV 중계기 기술기준은 동 규칙 제 21 조에서 규정하고 있다. 대역외발사강도는 필터 성능에 따른 중계기의 제작비용 및 규모에 큰 영향을 주는 항목으로, 우리나라는 방송국의 출력에 따라 10 Watt 이상의 대출력 송신기는 식 (1)의 Rigid Mask를, 10 Watt 이하의 소출력 송신기는 식 (2)의 Simple Mask 의 감쇠특성을 준용하도록 하고 있다.</p><p>\( A=\left\{\begin{array}{ll}-47 d B \text { below } & \text { Channel edge } \sim 500 \mathrm{kHz} \\ -11.5 \times(\Delta f+3.6) d B & 500 \mathrm{kHz} \sim 6 \mathrm{MHz} \\ -110 \mathrm{~dB} \text { below } & 6 \mathrm{MHz} \sim\end{array}\right. \)<caption>(1)</caption></p><p>\( A=\left\{\begin{array}{ll}-46 d B \text { below } & \text { Channel edge } \sim 500 \mathrm{kHz} \\ -\left[46+\left(\Delta f^{2} / 1.44\right)\right] d B & 500 \mathrm{kHz} \sim 6 \mathrm{MHz} \\ -71 \mathrm{~dB} \text { below } & 6 \mathrm{MHz} \sim\end{array}\right. \)<caption>(2)</caption></p><p>중계기에 의해 발생되는 대역외 간섭전력은 식(3)로 구할 수 있다.</p><p>\( \begin{aligned} P_{I N T}(\mathrm { Watts }) &=P_{E R P} /\left[10^{(110 / 10)}\right] \\ &=P_{E R P} / 10^{11} \end{aligned} \)<caption>(3)</caption></p><p>여기에서 \( \mathrm{P}_{\mathrm{ERP}} \) 는 \( 6 \mathrm{MHz} \) 대역내 신호전력, \( \mathrm{P}_{\mathrm{INT}} \)는 측정대역폭 \( 500 \mathrm{kHz} \) 일 경우의 인접채널간섭전력을 나타낸다. 따라서 DTV 방송국 최대출력이 \(1\mathrm{MW}\)인 경우 인접채널에 대한 최대 간섭전력은 10\(\mu\)Watts 로, 이는 인접채널 \( 500 \mathrm{kHz} \) 대역폭 내의 간섭전력을 10\(\mu\)Watts 이하로 할 수 있는 우수한 감쇄 특성의 채널 필터를 사용하여야함을 의미한다.</p><p>그림 2 는 본 연구에서 연구하고자 하는 대출력 DTV 송신기의 대역외발사강도 특성이다.</p><p>식 (2)에 나타낸 것처럼 \( 10 \mathrm{~W} \) 이하의 소출력 중계기는 요구되는 최저 측정레벨 값이 \( -71 \mathrm{dB}_{\mathrm{DTV}} \) 이므로 일반계측기를 사용하여 손섭게 성능측정 및 평가가 가능하다. 실제로 산업현장에서 많이 사용되는 HP8563E 스폑트럼 분석기는 \( 700 \mathrm{MHz} \) 대역에서 측정대역폭 \( 500 \mathrm{kHz} \) 와 RBW \( 10 \mathrm{kHz} \)로 설정할 경우의 잡음마루(noise floor)가 약 \( -85 \mathrm{dBm} \) 이상이다. 따라서 최저 요구측정레벨이 \( -110 \mathrm{~dB}_{\mathrm{DTV}} \) 인 대출력 중계기의 경우, DTV 전용 계측기(모델명 RFA 300 등, 현재 단종됨)가 아닌 일반 스펙트럼분석기로는 측정이 불가능하다.</p>	[ "무선송신기의 중요 특성 중의 하나로 모든 원하지 않는 성분을 갖는 발사를 총칭하는 용어는 무엇인가?", "불요발사의 측정주파수의 대역 및 특성에 따라 어떤 발사로 구분할 수 있는가?", "무선송신기의 중요 특성 중 하나인 불요발사에서 측정주파수 대역 및 특성과는 별개로 스퓨리어스 발사만 존재하는 것이 옳아?", "기본파 주위 인접하여 발생하며 방송 품질에 결정적 영향을 미치는 요인으로 변조의 결과로써 생긴 필요 주파수대역 바로 바깥쪽 불요발사를 나타내는 것은 무엇인가?", "대역외발사는 기본파 주위에 멀리 떨어져 발생하는 특징인 것이 옳아?", "필요주파수 대역의 바깥쪽에서의 불요발사 특서을 가지는 것이 대역외발사가 옳아?", "필요 주파수대역에서 상당히 이격된 주파수에서의 불요발사의 특징을 가지는 발사는 무엇이야?", "필요 주파수 대역에서 상당히 인접된 주파수에서의 불요발사의 특징을 가진 것이 스퓨리어스 발사가 맞아?", "스퓨리어스 발사가 통상적으로 발사 레벨이 정보 전송 자체에 크게 영향을 주지 않는 특징을 가진 것이 맞아?", "본문에서 소개하는 스퓨리어스 발사 종류로 3가지는 무엇이야?", "대역외발사 영역과 스퓨리어스 발사 영역의 경계를 나타내는 기준은 무엇이야?", "통상적인 대역외발사 영역과 스퓨리어스 발사 영역의 경계는 발사 중심주파수로부터 필요주파수대역의 몇 배를 기준으로하는지에 대해 올바른 것은?", "통상적으로 대역외발사 영역 스퓨리어스 발사의 각 영역의 대한 경계에 대한 기준으로 크게 확립된 것이 없는게 맞아?", "본문에서 우리나라의 방송업무용 무선설비에 대한 망송매체별 기술 기준을 정하고 있는 규칙은 무엇이야?", "본문을 통해 미래창조과학부고시 제2014-92호「무선선비규칙」(방송표준 방식 및 방송업무용 무선설비의 기술기준)에서 방송매체별로 기술기준을 통해서 공중파 DTV 중계 기술기준은 동 규칙 제 21조에 규정된 것이 맞아?", "우리나라의 방송업무용 무선서빌의 경우 방송매체별로 기술기준을 구분없이 규칙을 규정하고 있는 것이 옳아?", "필터 성능에 따라 중계기의 제작비용 및 규모에 큰 영향을 주는 항목은 무엇이야?", "어떤 항목이 필터 성능에 따라 중계기의 제작비용 및 규모에 큰 영향을 줄까?", "대역외발사강도의 경우 중계기의 제작비용 및 규모에 큰 영향을 주는 항목인데 특히 필터 성능에 좌지우지 되는 것이 맞아?", "우리나라는 대역외발사강도 출력 기준에 따라 10 Watt 이상의 대출력 송신기는 Rigid Mask를 따르는데 이를 나타내는 식은 무엇인가?", "대역외발사강도 항목 기준으로 우리나라 방송국을 출력 레벨에 따라 10 Watt 이상인 경우 Rigid Mask 식을 적용하게 되는데 식을 올바르게 표현한것으로 알맞은 것은 무엇인가?", "우리나라 방송국에서는 10 Watt 이하의 소출력 송신기에 대해서는 Simle Mask의 감쇠특성을 따르는데 이를 나타내는 식은 무엇인가?", "우리나라 방송국은 10 Watt 이하의 소출력 송신기는 감쇠특성을 준용가능하도록 Simple Mask의 식을 사용하는데 이를 나타내는 식으로 올바른 것은?", "우리나라 방송국의 경우 출력 레벨의 따라 10 Watt이상인 경우는 Rigid Mask를 10 Watt 이하의 소출력 송신기는 Simple Mask를 따르는 것이 맞아?", "본문에서 중계기에 발생되는 대역외 간섭적력을 나타내기 위한 식은 무엇인가?", "중계기에 의해 발생되는 대역외 간섭전력은 식은 \\( \\begin{aligned} P_{I N T}(\\mathrm { Watts }) &=P_{E R P} /\\left[10^{(110 / 10)}\\right] \\\\ &=P_{E R P} / 10^{11} \\end{aligned} \\) 이와 같이 표현 될 수 있는데 이때 \\( \\mathrm{P}_{\\mathrm{ERP}} \\) 가 나타내는 것은 무엇인가?", "중계기에 의해 발생되는 대역외 간섭전력은 식을 \\( \\begin{aligned} P_{I N T}(\\mathrm { Watts }) &=P_{E R P} /\\left[10^{(110 / 10)}\\right] \\\\ &=P_{E R P} / 10^{11} \\end{aligned} \\) 이와 같이 표현 될 수 있는데 이때 \\( \\mathrm{P}_{\\mathrm{ERP}} \\) 다음과 같이 나타낼수 있으며 \\( \\mathrm{P}_{\\mathrm{ERP}} \\) 는 인접채널간섭전력을 \\( \\mathrm{P}_{\\mathrm{INT}} \\)는 신호전력을 나타내는 것이 옳아?", "중계기에 의해 발생되는 대역외 간섭전력의 식은 \\( \\begin{aligned} P_{I N T}(\\mathrm { Watts }) &=P_{E R P} /\\left[10^{(110 / 10)}\\right] \\\\ &=P_{E R P} / 10^{11} \\end{aligned} \\)과 같이 나타내며 \\( \\mathrm{P}_{\\mathrm{ERP}} \\) 는 신호전력으로 어떤 대역에서 나타내는가?", "중계기에 의해 발생되는 대역외 간섭전력의 식은 \\( \\begin{aligned} P_{I N T}(\\mathrm { Watts }) &=P_{E R P} /\\left[10^{(110 / 10)}\\right] \\\\ &=P_{E R P} / 10^{11} \\end{aligned} \\)과 같이 나타내며 \\( \\mathrm{P}_{\\mathrm{INT}} \\)는 인접채널간섭전력 어떤 측정대역폭에서 나타내는가?", "DTV 방송국의 최대출력이 \\(1\\mathrm{MW}\\)인 경우 인접채널에 대한 간섭전력은 몇 \\(\\mu\\)Watts 인가?", "DTV 방송국 최대출력이 \\(1\\mathrm{MW}\\)인 경우 인접채널에 대한 간섭전력은 10\\(\\mu\\)Watts 인데, 이는 10\\muμWatts 이하로 할 수 있는 우수한 감쇄 특성의 채널 필터를 사용하여야함을 의미하며 이때 인접 채널의 대역폭은 몇 \\( \\mathrm{kHz} \\) 이내여야하는가?", "DTV 방송국 최대출력이 \\(1\\mathrm{MW}\\)인 경우 인접채널에 대한 간섭전력은 10\\(\\mu\\)Watts 인데, 이는 10\\muμWatts 이하로 할 수 있는 우수한 감쇄 특성의 채널 필터를 사용하여야함을 의미하며 이때 인접 채널의 대역폭은 몇 \\(500 \\mathrm{kHz} \\) 이내여야 하는게 맞아?", "인접채널 500 \\mathrm{kHz}500kHz 대역폭 내의 간섭전력을 10\\muμWatts 이하로 할 수 있는 채널 필터는 어떤 특성을 가지고 있는가?", "일반계측기에서 손쉽게 성능측정 및 평가가 가능하려면 최저 측정 레벨 값이 얼마여야하는가?", "\\( 10 \\mathrm{~W} \\) 이하의 소출력 중계기는 요구되는 최저 측정레벨 값이 \\( -61 \\mathrm{dB}_{\\mathrm{DTV}} \\) 이면 일반계측기를 사용해서 비교적 손쉽게 성능측정 및 평가가 가능한 편이 맞아?", "일반계측기를 사용하여 손섭게 성능측정 및 평가가 가능하기 위해 10 W 이하의 소출력 중계기는 요구되는 최저 측정레벨 값으로 올바른 것은 무엇인가?", "산업현장에서 실제로 사용되는 HP8563E 스폑트럼 분석기는 \\( 700 \\mathrm{MHz} \\) 대역에서 측정대역폭 \\( 500 \\mathrm{kHz} \\) 와 RBW \\( 10 \\mathrm{kHz} \\)로 설정할때 측정된 잡음마루의 값은 무엇인가?", "실제 산업현장에 적용되는 HP8563E 스폑트럼 분석기는 \\( 700 \\mathrm{MHz} \\) 대역에서 측정대역폭 \\( 500 \\mathrm{kHz} \\) 와 RBW \\( 10 \\mathrm{kHz} \\)로 설정하며 잡음마루를 측정하는데 측정된 값으로 올바른 것은?", "산업현장에서 HP8563E 스폑트럼 분석기로 잡음마루를 약 \\( -85 \\mathrm{dBm} \\) 이상의 측정 값을 얻었을 때 대역 및 대역폭에 대해 어떻게 설정하였는가?", "산업현장에서 HP8563E 스폑트럼 분석기로 잡음마루를 약 \\( -85 \\mathrm{dBm} \\) 이상의 측정 값을 얻었을 때 \\( 700 \\mathrm{MHz} \\) 대역 내 측정대역폭 \\( 500 \\mathrm{kHz} \\) 와 RBW \\( 10 \\mathrm{kHz} \\)로 설정한 것이 맞아?", "최저 요구측정레벨이 \\( -110 \\mathrm{~dB}_{\\mathrm{DTV}} \\)인 대출력 중계기는 어떤 계측기로 측정되어야 하는가?", "일반 스펙트럼으로 측정이 불가능한 경우는 최저 요구측정레벨이 \\( -110 \\mathrm{~dB}_{\\mathrm{DTV}} \\) 인 대출력 중계기인 것이 맞아?", "소출력 중계기에 요구되는 최저 측정레벨 값은 \\( -71 \\mathrm{dB}_{\\mathrm{DTV}} \\)로 일반 전용 계측기로 측정는데 , 최저 요구측정레벨이 \\( -110 \\mathrm{~dB}_{\\mathrm{DTV}} \\) 인 대출력 중계기도 구분 없이 일반 전용 계측기를 적용 가능한 것이 맞아?" ]
ec1c65ec-ff3f-468f-b06f-f69393e8dc3c	인공물ED	M/W 회선설계 시뮬레이터 개발	<p>전파는 대기 중에서 뿐만 아니라 장비 내에서도 손실이 발생할 수 있는데 대용량 장거리 무선중계 시스팀인 경우 안테나의 높이가 수십미터가 되므로 이로인한 피더손실량을 무시할 수 없다. 몇몇 피더의 \( 100 \mathrm{~m} \)당 전파 손실량을 표 2에 정리하였다.</p> <table border><caption>표 2. 단위길이당 피더에 의한 전파손실</caption> <tbody><tr><td>피더명</td><td>EWP-17</td><td>EWP-37</td><td>EWP-44</td><td>EWP-52</td><td>EWP-63</td><td>EWP-77</td><td>EWP-90</td></tr><tr><td>손실(\( \mathrm{dB} / 100 \mathrm{~m} \))</td><td>1.19</td><td>2.91</td><td>4.0</td><td>3.93</td><td>4.5</td><td>5.8</td><td>10.1</td></tr></tbody></table> <p>브랜칭손실, 필터 삽입손실, 셔큘레이터 손실 등도 장비 내의 전파손실로서 그 합을 결합손실이라 하며 대개 \( 0.4 \)~\( 0.6 \mathrm{~dB} \) 내외이다. 실제로 현장에서 무선국을 설치했을 경우에 예상하지 못했던 손실요소들이 존재함에 따라 이를 보정하기 위해서 \( 2 \mathrm{~dB} \)의 현장보정 손실을 무선회선 설계시 감안한다.</p> <p>위와 같이 전파 신호의 이득과 손실을 계산하여 수신무선국에 도달되는 입력레벨(\( \mathrm{dBm} \))을 알 수 있다. 디지틀 무선 구간의 성능평가는 비트오율(BER)로 행하는데 \( 10^{-3} \) 또는 \( 10^{-6} \) 비트오율을 기준으로 하며 성능평가 기준 비트오율을 만족하도록 하는 한계레벨을 수신한계레벨이라 하고 장비별로 그 값이 다르다. 수신입력레벨이 수신한계레벨보다 낮은 경우 그 장비는 회선품질 목표를 만족시킬 수 없는데 수신입력레벨과 수신한계레벨과의 차이를 플랫페이드 마진이라 하며, 플랫페이드 마진보다 적은 깊이를 갖는 페이딩에 대해서는 무선구간은 정상적으로 동작할 수 있다.</p> <p>페이딩의 원인은 크게 3가지로 나눌 수 있다. 열잡음에 의한 페이딩, 다중경로 전파전파로 인한 심볼간 간섭(inter-symbol interference), 그리고 다른 무선 시스팀으로부터의 간섭에 의한 페이딩으로 분류할 수 있다. 열잡음에 의한 페이딩에 대한 마진을 플랫 페이드 마진이라 하고 다중경로 전파전파로 인한 심볼간 간섭에 의한 페이딩에 대한 마진을 디스퍼스브페이드마진(DFM)이라 하며 다른 무선 시스팀의 간섭에 의한 페이딩에 대한 마진을 인접채널 간섭페이드마진(AIFM)이라 한다. 디지틀 무선 중계 시스팀이 \( 10^{-3} \) 비트오율을 나타내는 경우 즉 회선중단될 경우는 위 3가지 페이딩의 합에 의한 영향이라 말할 수 있고 이에 대한 페이드 마진을 종합페이드마진(CFM)이라 한다. 종합페이드 마진은 다음 식으로 구할 수 있다.</p> <p>\( \begin{aligned} C F M=&-10 \log \left(10^{-\frac{T F M}{10}}+10^{-\frac{D F M}{10}}+10^{-\frac{A I F M}{10}}\right) \\ &[\mathrm{dB}] \end{aligned} \)<caption>(6)</caption></p> <p>여기서 \( {CFM} \)은 종합페이드마진(\( \mathrm{dB} \)), \( {TFM} \)은 플랫페이드마진(\( \mathrm{dB} \)), \( {DFM} \)은 디스퍼시브페이드마진(\( \mathrm{dB} \)), \( {AIFM} \)은 인접채널 페이드마진(\( \mathrm{dB} \))이다.</p> <p>식 (6)에서 구한 종합페이드 마진보다 페이딩의 깊이가 클 경우 회선중단 상태가 되는데 회선중단은 시간율로 표시한다. 주파수, 거리, 지형 기후적 요인 및 송신 수신 안테나 높이 등에 의해 페이딩 발생시간율이 정해지는데 최악월(worst month)에서 페이딩 깊이가 종합페이드마진(\( {CFM} \))을 초과할 시간율은 다음 식으로 추정한다.</p> <p>\( p_{w}=k d^{3.6} f^{0.89}\left(1+\left\|\varepsilon_{p}\right\|\right)^{-1.4} \times 10^{-C F M / 10} ~ \% \)<caption>(7)</caption></p> <p>여기서 \( d \)는 경로거리(\( \mathrm{km} \)), \( f \)는 반송파 주파수(\( \mathrm{GHz} \))이다. 식 (7)에서 \( K \)는 지형 및 기후에 관한 계수로서 경로상 해수면을 포함하지 않고 송수신 안테나 중 낮은 것이 해발고 \( 700 \mathrm{~m} \) 이하일 때는 \( K =10^{(-6.5)} {p_{L}}^{1.5} \)이고 경로상 해수면을 포함하지 않고 송수신 안테나 중 낮은 것이 해발고 \( 700 \mathrm{~m} \) 이상일 때는 \( K=10^{(-7.1)} {p_{L}}^{1.5} \), 전파경로가 강이나 호수인 경우는 \( K=10^{(-5.9)} {p_{L}}^{1.5} \), 전파경로가 바다나 해안가인 경우 \( K=10^{(-5.5)} {p_{L}}^{1.5} \)이다. \( p_{L} \)은 대기의 처음 \( 100 \mathrm{~m} \)까지의 평균 굴절율 변화율이 \( -100 \mathrm{~N}\text{-unit} / \mathrm{km} \) 이하인 시간율로서 우리 나라는 2월에는 1, 5월에는 5, 8월에는 2-5, 11월에는 1을 채택한다. 또 식 (7)에서 \( \varepsilon_{p} \)는 경로 경사도를 나타내는데 다음 식과 같다.</p> <p>\( \left\|\varepsilon_{p}\right\|=\left\|h_{r}-h_{e}\right\| / d \)<caption>(8)</caption></p> <p>여기서 \( h_{e} \)와 \( h_{r} \)은 각각 평균 해수면으로부터의 송수신 안테나 높이(\( \mathrm{m} \))를 나타내고 \( d \)는 경로거리(\( \mathrm{km} \))를 나타낸다. 회선중단시간율 목표가 정해지면 그에 따라 경로길이 및 안테나 높이 및 무선구간 변경 등으로 페이딩이 발생할 시간율을 억제한다.</p>	[ "손실 값이 2.91인 것은 어떤 피더야?", "EWP-17의 손실은 어느 정도니?", "EWP-44의 손실은 몇인가?", "3.93의 손실 값을 가지는 피더는 무엇인가요?", "EWP-63의 손실 값은 얼마니?", "손실 값이 5.8인 것은 어느 피더야?", "EWP-90의 손실 값은 몇인가요?", "표 2에서 EWP-17, EWP-37 등은 무엇을 의미하니?", "표 2에서 1.19, 4.0이 의미하는 것은 무엇의 값이야?", "표 2에서 나타내는 것은 무엇에 의한 전파손실인가요?" ]
9c49d1ad-c04e-4df5-8fff-93989f750515	인공물ED	M/W 회선설계 시뮬레이터 개발	<h1>Ⅳ. M/W 회선설계 시뮬레이터의 계산결과 및 검토</h1> <p>지형단면도 작성 및 전파경로 분석에서 디지틀 지형정보의 정확성은 매우 중요하다. 지형정보의 정확성을 검토하기 위해서 지도에서 수작업으로 추출한 고도와 비교하였다. 대상이 된 주요지점은 산악경로와 지역별로 약 2,000개 지점이고 비교한 결과 표 3과 같이 산악지형에 대해서는 정확성이 높았으나 도시 지역에서는 그 오차가 컸다.</p> <table border><caption>표 3. 지형정보 정확도</caption> <tbody><tr><td></td><td>산악지형</td><td>도시지역</td></tr><tr><td>대상수</td><td>500개</td><td>1,500개</td></tr><tr><td>평균차</td><td>\( 3 \mathrm{~m} \)</td><td>\( 15 \mathrm{~m} \)</td></tr><tr><td>표준편차</td><td>\( 10 \mathrm{~m} \)</td><td>\( 35 \mathrm{~m} \)</td></tr><tr><td>최대차이</td><td>\( \pm 50 \mathrm{~m} \)</td><td>\( \pm 85 \mathrm{~m} \)</td></tr></tbody></table> <p>현재 한국통신에서 운용중인 M/W 대역 대용량 장거리 무선중계 시스팀들 중 5개 구간에 대하여 1994년도 성능감시 자료와 본 시뮬레이터로 행한 계산값과 비교하여 보았다. 5개 무선구간 모두 회선 요구 품질 목표에 맞추어 현재 운용 중인데 지형프로파일 분석결과 모두 가시거리 경로임을 확인하였다. 그림 3은 무선구간 1에 대한 지형프로파일 작성 결과인데 가시경로임을 알 수 있다. 제1차 프레넬 반경을 작도하였는데 그 안에 침투한 장애물이 없으며 또한 반사지점의 특성이 바다이지만 송신지점 부근의 장애물에 의해 반사파가 가로막혀 있음을 확인하였다.</p> <p>페이딩 분석결과를 표 4에 정리하였다. 무선구간 1과 3은 무선경로상에 바다가 있는 구간이다. 표 4에서 5개 무선구간에 대해 비트오율(BER)이 \( 10^{-3} \) 초과한 시간을 비교했는데 계산값보다 실제 측정한 값이 상당히 적게 나타났다. 이는 한국통신에서 운용 중인 5개 무선구간에 대하여 다이버시티 정보와 이퀄라이저 정보를 얻지 못해, 페이딩에 의한 성능 저하에 대처하는 다이버시티와 이퀄라이저에 의한 효과를 시뮬레이션시 고려하지 않아 실측값과 계산값이 많은 차이를 보인 것으로 분석된다. 공간 다이버시티를 사용한 경우, 다이버시티 안테나가 주 안테나와 \( 5 \mathrm{~m} \) 거리로 이격되어 있고 안테나 이득은 같다고 가정했을 경우 BER이 \( 10^{-3} \) 초과할 시간(초)은 표 4의 3번 무선구간에 대해 1,646초로 계산되었다. 다이버시티 안테나의 페이딩에 대한 효과를 첨가하면 시뮬레이션 결과값은 실측치에 상당히 근접할 것으로 예상된다.</p> <p>그림 4는 무선구간 5번에 대한 간섭계산 결과인데 간섭국은 6개이며 총 \( \mathrm{C} / \mathrm{I} \)비가 \( 104 \mathrm{~dB} \)임을 보여준다. 나머지 무선구간의 간섭결과 \( \mathrm{C} / \mathrm{I} \)비가 모두 \( 100 \mathrm{~dB} \) 이상으로 시뮬레이션되었다.</p>	[ "표 3에서 산악지형의 대상수는 얼마인가?", "산악지형의 대상수는 표 3에서 얼마인가", "표 3. 지형정보 정확도에서 도시지역 대상수는 몇개이지?", "몇 개의 도시지역 대상수가 표 3의 지형정보 정확도일까", "표 3. 지형정보 정확도에서 평균차가 15M인 지형은 무엇인가?", "평균차가 표 3의 지형정보 정확도에서 15M인 현황은 무엇일까", "표 3에서 산악지형 평균차는 어떻게 나타나?", "산악지형 평균차는 표 3에서 어떻게 드러나니", "표 3. 지형정보 정확도에서 표준편차가 10m인 지형은 어디야?", "어떤 지형이 표 3명 진현정보 정확도에서 포함되었지", "표 3에서 최대차이가 \\( \\pm 85 \\mathrm{~m} \\)인 지형은 어디인가요?", "최대차이가 표 3에서 어디인기관이 저조 85 모자란 지형일까", "표 3에서 도시지역 표준 편차는 얼마인가?", "도시지역 표준 편차는 곜 3에서 얼마인가", "표 3에서 산악지형의 최대차이는 어떻게 표시되나요?", "산악지형의 최대차이는 표 3에서 어떻게 나타났어" ]
054715bd-9dbd-40dc-9e4f-c89921f8a1e5	인공물ED	3D NAND Flash Memory의 Remnant Polarization(Pr)과 Saturated Polarization(Ps)에 따른 Retention 특성 분석	<h1>II. 본론</h1><p>3D NAND flash의 O/N/F 구조는 TCAD로 설계하였으며 파라미터값과 시뮬레이션 timing diagram은 이전의 논문을 참고하였다.</p><p>그림 1은 \( \mathrm{P}_{\mathrm{r}}\) \(30 \mu \mathrm{C} / \mathrm{cm}^{2} \)에서 \( \mathrm{P}_{\mathrm{s}}\) \(40 \mu \mathrm{C} / \mathrm{cm}^{2} \)와 \(70 \mu \mathrm{C} / \mathrm{cm}^{2} \)의 hysteresis loop이다. 외부 전기장이 가해짐에 따라 polarization값이 증가하고, 일정한 전기장 이상이 되면 polarization 값이 포화된다.</p><p>그림 2는 \( \mathrm{P}_{\mathrm{s}} \)를 가변하여 O/N/F 구조의 WL8에 program pulse를 인가한 이후 측정한 \( I_{d}-V_{d} \)이다. \( \mathrm{P}_{\mathrm{r}} \)은 \( 20 \mathrm{\mu C} / \mathrm{cm}^{2} \)로 고정하고 \( \mathrm{P}_{\mathrm{s}} \)만 가변하여 시뮬레이션 했으며 \( \mathrm{P}_{\mathrm{s}} \)는 클수록 최대 polarization이 커지기 때문에 프로그램 했을 시 \( V_{t h} \)는 \( \mathrm{P}_{\mathrm{s}}\) \(25 \mathrm{\mu C} / \mathrm{cm}^{2} \)에서 \( 3.19 \mathrm{V}\), \(\mathrm{P}_{\mathrm{s}}\) \(70 \mathrm{\mu C} / \mathrm{cm}^{2} \)에서 \( 4.23 \mathrm{V} \)로 약 \( 1.04 \mathrm{V} \) 증가했다.</p><p>그림 3은 \( \mathrm{P}_{\mathrm{s}}\) \(70 \mu \mathrm{C} / \mathrm{cm}^{2} \)에서 \( \mathrm{P}_{\mathrm{r}}\) \(30 \mu \mathrm{C} / \mathrm{cm}^{2} \)와 \(50 \mu \mathrm{C} / \mathrm{cm}^{2} \)의 hysteresis loop이다. 외부전기장이 가해짐에 따라 증가된 polarization값이 전기장을 가하지 않았을 때 polarization값은 0으로 돌아가지 않고 일정한 polarization값을 유지하게 된다.</p><p>그림 4(a)는 프로그램 후 \( 10^{7} \)초 경과 후 \( \mathrm{HfO}_{2} \)의 polarization이다. 프로그램 후 gate에 전압을 인가하지 않았기 때문에 polarization이 유지된다. \( \mathrm{P}_{\mathrm{r}} \)이 클수록 polarization이 커지고 \( \mathrm{P}_{\mathrm{s}} \)는 \( \mathrm{P}_{\mathrm{r}} \)과의 차이가 커질수록 polarization이 작아진다. 그림 4(b)는 \( \mathrm{P}_{\mathrm{s}}\) \(70 \mu \mathrm{C} / \mathrm{cm}^{2} \)에서 \( P_{\mathrm{r}}\) \(5 \mu \mathrm{C} / \mathrm{cm}^{2} \)와 \( 50 \mathrm{\mu C} / \mathrm{cm}^{2} \)의 프로그램 후 nitride에 trap된 전자의 lateral migration을 보여준다. 시뮬레이션 결과로부터 \( \mathrm{P}_{\mathrm{r}}\) \(5 \mathrm{\mu C} / \mathrm{cm}^{2} \)에 비해 \( 50 \mathrm{\mu C} / \mathrm{cm}^{2} \)에서 polarization이 더 커짐에 따라 nitride에 trap된 전자의 lateral charge migration이 적게 발생한다.</p><p>Table 2 는 \( P_{r} P_{s} \) 파라미터 값에 따른 프로그램 후 \( 10^{7} \)초 경과 후 \( \Delta V_{t h} \)이다. \( \mathrm{P}_{\mathrm{r}} \)이 \( \mathrm{P}_{\mathrm{s}} \) 보다 작을 수는 없기 때문에 프로그램이 되지 않는다. \( \mathrm{P}_{\mathrm{r}} \)이 클수록 \( \Delta V_{t h} \)는 작아지고 \( \mathrm{P}_{\mathrm{s}} \)는 클수록 \( \Delta V_{t h} \)는 커진다.</p><table border><caption>표 2. 파라미터 값에 따른 \( \Delta V_{\text {th }} \)</caption><tbody><tr><td>\( \mathrm{P}_{\mathrm{s}} \)\\( \mathrm{P}_{\mathrm{r}} \)</td><td>5</td><td>15</td><td>30</td><td>50</td></tr><tr><td>25</td><td>4.56</td><td>4.01</td><td></td><td></td></tr><tr><td>35</td><td>4.72</td><td>4.12</td><td>3.26</td><td></td></tr><tr><td>50</td><td>4.83</td><td>4.28</td><td>3.38</td><td></td></tr><tr><td>70</td><td>4.91</td><td>4.36</td><td>3.44</td><td>3.37</td></tr></tbody></table><p>그림 5는 ONF구조의 \( \mathrm{P}_{\mathrm{s}}\) \(70 \mu \mathrm{C} / \mathrm{cm}^{2} \)에서 \( \mathrm{P}_{\mathrm{r}}\) \(5 \mu \mathrm{C} / \mathrm{cm}^{2} \)부터 \( 50 \mathrm{\mu C} / \mathrm{cm}^{2} \)까지 가변하여 확인한 WL8의 \( 10^{7} \)초 동안의 \( \Delta V_{t h} \)이다. \( P_{s}\) \(25 \mu \mathrm{C} / \mathrm{cm}^{2} \)에서 \(4.56\mathrm{V}\), \( P_{s}\) \(70 \mu \mathrm{C} / \mathrm{cm}^{2} \)에서 \( 4.91 \mathrm{V} \)로 약 \( 0.35 \mathrm{V} \) 차이가 발생했다. 그림 2에서 나타난 것처럼 프로그램 직후 초기의 \( V_{t h} \)가 \( \mathrm{P}_{\mathrm{s}}\) \(70 \mu \mathrm{C} /\mathrm{cm}^{2} \)에서 더 크기 때문에 오차범위 내로 \( \mathrm{P}_{\mathrm{s}} \)에 의한 retention의 영향은 거의 없는 반면 \( \mathrm{P}_{\mathrm{r}} \)은 프로그램 후 전압이 인가되지 않을 때 polarization이 유지되기 때문에 \( \mathrm{P}_{\mathrm{r}} \)이 클수록 lateral charge migration에 의한 \( \Delta V_{t h} \)는 \( \mathrm{P}_{\mathrm{r}}\) \(5 \mu \mathrm{C} / \mathrm{cm}^{2} \)에서 \( 4.91 \mathrm{V}\), \(\mathrm{P}_{\mathrm{r}}\) \(50 \mu \mathrm{C} / \mathrm{cm}^{2} \)에서 \(3.37\mathrm{V}\)로 약 \( 1.54 \mathrm{V} \) 차이로 줄어들었다.</p>	[ "시뮬레이션을 할 때 \\( \\mathrm{P}_{\\mathrm{r}} \\)과 \\( \\mathrm{P}_{\\mathrm{s}} \\)의 값은 어떻게 설정했나요?", "외부 전기장이 가해진 후 polarization 값이 포화되기까지 어떤 과정이 있는가?", "\\( \\mathrm{P}_{\\mathrm{r}} \\) 값이 30이고, \\( \\mathrm{P}_{\\mathrm{s}} \\) 값이 50일 때, \\( \\Delta V_{\\text {th }} \\)의 값은 얼마인가?", "\\( \\mathrm{P}_{\\mathrm{r}} \\) 값이 5일 때와 15일 때 \\( \\Delta V_{\\text {th }} \\) 의 차이는 \\( \\mathrm{P}_{\\mathrm{s}} \\) 값이 언제일 때 가장 큰가요?", "\\( \\mathrm{P}_{\\mathrm{s}} \\)값이 70일 때, 가장 작은 \\( \\Delta V_{\\text {th }} \\)값을 나오게 하는 파라미터 \\( \\mathrm{P}_{\\mathrm{r}} \\) 값은 얼마인가?", "\\( \\mathrm{P}_{\\mathrm{s}} \\)값이 25이고, \\( \\mathrm{P}_{\\mathrm{r}} \\)값이 15일 때 \\( \\Delta V_{\\text {th }} \\) 값은 무엇인가요?", "\\( \\mathrm{P}_{\\mathrm{r}} \\) 값이 30이고, \\( \\mathrm{P}_{\\mathrm{s}} \\) 값이 35일 때, \\( \\Delta V_{\\text {th }} \\)의 값은 얼마인가?", "\\( \\mathrm{P}_{\\mathrm{s}} \\) 값이 50이고, \\( \\mathrm{P}_{\\mathrm{r}} \\) 값이 5일 때, \\( \\Delta V_{\\text {th }} \\) 값은 얼마인가?", "\\( \\mathrm{P}_{\\mathrm{r}} \\) 값이 15일 때와 30일 때 \\( \\Delta V_{\\text {th }} \\) 의 차이는 \\( \\mathrm{P}_{\\mathrm{s}} \\) 값이 언제일 때 가장 큰가요?", "\\( \\mathrm{P}_{\\mathrm{r}} \\) 값이 15이고, \\( \\mathrm{P}_{\\mathrm{s}} \\) 값이 35일 때, \\( \\Delta V_{\\text {th }} \\)의 값은 얼마인가?", "\\( \\mathrm{P}_{\\mathrm{r}} \\) 값이 5일 때, 가장 큰 \\( \\Delta V_{\\text {th }} \\) 결괏값이 나오는 파라미터 \\( \\mathrm{P}_{\\mathrm{s}} \\) 값은 얼마인가?" ]
57989798-b325-4042-b8c3-24c35d2dd685	인공물ED	새로운 이중 캐리어 PWM 및 구현 방식	<h1>4. 새로운 이중 캐리어 PWM</h1> <p>그림4(a)와 같이 이중 캐리어 PWM 방식에서 데드타임 확보에 문제가 생기는 원인은 기준전압 \( V_{n j} \)가 삼각파 캐리어의 꼭지점에서 과거값에서 현재값으로 바뀔 때 Q1의 온 시점이 기준전압의 현재값에 의하여 결정되는 반면에 Q4의 오프 시점을 결정하는 데에는 기준전압의 현재값이 반영되어 있지 않기 때문이다. 이 현상은 기준전압이 과거값에서 현재값으로 바뀌는 시점을 캐리어의 꼭지점 이외의 지점으로 바꾸어도 여전히 존재한다. Q1이 오프되고 Q4가 온되는 시점 Q4가 오프되고 Q1이 온되는 시점)을 결정할 때에 기준전압의 과거값 혹은 기준전압의 현재값 만으로 시점 결정을 할 수 있다면 필요한 데드타임 구간을 항상 확보할 수 있을 것이다.</p> <p>문제 해결을 위하여 본 연구에서는 그림 5와 같은 한 쌍의 톱니파 이중 캐리어를 이용한 PWM방식을 제시한다. 그림 5(a)의 기존 이중 캐리어 PWM 파형에서 삼각파의 음의 경사면은 그림5(b)와 같은 톱니파로 바뀌고, 삼각파의 양의 경사면은 그림 5(c)와 같은 톱니파로 바뀐다. 기준 전압이 그림 5(a)의 경우 삼각파의 꼭지점에서 새로운 값으로 바뀐다고 할 때, 그림5(b)의 톱니파와 비교되는 기준전압 \( V_{\text {ref }} \)의 값은 홀수번째 샘플링 주기의 값 \( \left\{V_{r f}(2 n+1), n=0,1, \ldots\right\} \)이고, 짝수번째 샘플링 주기의 값 \( \left\{V_{r e f}(2 n) n=0,1, \ldots\right\} \)은 그림5(c)의 톱니파와 비교된다. 톱니파 캐리어는 이중으로 되어 그림 5(b)의 \( C_{P}^{d o w n} \)과 그림5(c)의 \( C_{P}^{u p} \)은 그림 1회로의 Q1(Q3, Q5)의 온/오프 시점을 결정하는 데에 사용되고 \( C_{N}^{down} \)과 \( C_{N}^{u p} \)은 Q4(Q6, Q2)의 온/오프 시점을 결정하는 데에 사용된다. 따라서 그림5(b)에서 만들어진 스위칭 신호 \( V_{\mathrm{g1}}^{d+\infty \times n} \) 과 \( V_{g 4}^{d o w n} \) 사이에는 데드타임 만큼의 시간 간격이 항상 존재하고, 그림5(c)의 \( V_{g 1}^{u p} \) 과 \( V_{g4}^{up} \)의 경 우도 마찬가지이다. Q1과 Q4의 게이트 구동신호 \( V_{g 1} \)과 \( V_{g 4} \)는 그림5(d)와 같이 'OR' 또는 'AND' 로직을 이용하여 만들어 진다.</p> <p>기준전압이 최대값에 가깝게 증가할 경우 그림4(b)에서 일어나는 데드타임 부족 현상이 그림5의 구간 'C'에서는 일어나지 않는 것을 알 수 있다. 기준전압의 최대값은 \( V_{\max } \)이며, 기준전압이 \( \pm V_{\text {max }} \)와 같아지면 구간 'D'와 같이 과변조가 시작 된다. 그림5(c)와 그림5(d)의 어두운 부분은 기준전압의 크기가 \( \pm V_{\text {max }} \) 를 벗어난 구간으로 스위치가 풀-온 또는 풀-오프되는 과변조 영역이다. 따라서 이 구간에서는 기준전압이 증가하여도 인버터 출력전압은 \( \pm V_{\text {max}} \) 값으로 제한된다.</p> <table border><caption>표 1 최대 출력전압 비교</caption> <tbody><tr><td rowspan=2 colspan=2></td><td colspan=2>순시 최대 출력전압</td></tr><tr><td>삼각파 캐리어 PWM</td><td>이중 캐리어 PWM</td></tr><tr><td rowspan=2>\( i>0 \)</td><td>max.</td><td>\( +V_{d c}-\Delta V_{d} \)</td><td>\( +V_{d c} \)</td></tr><tr><td>min.</td><td>\( -V_{d c} \)</td><td>\( -V_{d c} \)</td></tr><tr><td rowspan=2>\( i<0 \)</td><td>max.</td><td>\( +V_{d c} \)</td><td>\( +V_{d c} \)</td></tr><tr><td>min.</td><td>\( -V_{d c}+\Delta V_{d} \)</td><td>\( -V_{d c} \)</td></tr></tbody></table> <p>표1은 이중 캐리어 PWM 방식과 기존의 삼각파 캐리어 PWM 방식으로 부터 얻어지는 최대출력전압을 비교한 것이다. 삼각파 캐리어 PWM 방식에서는 데드타임의 영향으로 최대전압이 직류링크 전압보다 작아지며, 이 감소분은 전류의 극성과 데드타임의 크기에 따라 달라진다. 이중 캐리어 PWM 방식에서는 데드타임에 관계없이 출력전압의 최대치가 직류링크 전압과 항상 같게 된다.</p>	[ "표 1 최대 출력전압 비교에서 \\( i<0 \\)에서 삼각파 캐리어 PWM은 min에 뭐가 나오는가?", "표 1 최대 출력전압 비교에서 \\( i>0 \\)일 때, 이중 캐리어 PWM는 어떤 경우에 \\( +V_{d c} \\)가 되는가?", "표 1 최대 출력전압 비교에서 \\( i>0 \\)일 때, 삼각파 캐리어 PWM의 MAX는 얼마인가?", "본 논문은 문제를 풀기 위해 어떻게 하는가?", "표 1 최대 출력전압 비교에서 \\( i>0 \\)일 때, 이중 캐리어 PWM의 min는 얼마인가?", "표 1 최대 출력전압 비교에서 \\( i<0 \\)에서 어느 캐리어에서 max 값으로 \\( +V_{d c} \\)을 가지는가?" ]
0966053d-7fc2-4171-97e5-d5888dc85aca	인공물ED	농산물 통합 자가 홍보 시스템의 설계 및 구현	<h1>IV 구현 및 결과</h1><p>본 절에서는 제안하는 시스템을 구현하고, 그 결과를 보인다. 통합관리 서버는 RedHat계열CentOS(5.5)에 구축하였으며, 데이터베이스로는Oracle(11gR2)를 이용하였다. 생산자의 기본정보입력 및 농산물 홍보 컨텐츠 생성 및 등록 기능 제공을 위한 웹 어플리케이션을 위해 Tomcat(7.0)을이용하였다. 또한, 구매자들 간의 구매 촉진을 위한커뮤니티를 웹을 통해 연동할 수 있는 어플리케이션 페이지 구축을 위해 한백전자의 안드로이드 개발 도구를 이용하였으며, 스마트 폰 어플리케이션개발을 위해 이클립스(Indigo)를 이용하였다. 그림2는 제안하는 통합 자가 홍보 시스템의 생산자 등록화면과 시스템 메인 화면이다. 생산자는 그림 2의 생산자 정보 등록 페이지를 통해 자신의 기본 정보를 입력하고, 농산물 관리 기관의 검증 절차를 거쳐 통합관리 서버에 등록되고 고유 생산자 ID를 부여받는다. 또한, 생산자는 그림2의 QR 코드 생산이력 시스템 메인 페이지를 통해언제 어디서나 자신의 생산자 ID로 접근하여 자신이 생산한 농산물에 대한 직접 입력한 이력 정보와 자신만의 홍보 컨텐츠에 접근할 수 있는 QR 코드를 자동 생성할 수 있다. 또한, 그림 2의 메인 페이지에서 보이는 바와 같이, 자신이 현재 생성한 QR코드를 출력할 수 있고, 트위터와 SNS와 같은 소셜 커머스를 통한 직거래 및 공동구매 비즈니스를 구현할 수도 있다. 또한, 자신이 등록한 상품별로 지역별 소비 형태 패턴 분석 자료를 활용할 수 있어, 자신의 농산물 생산 활동을 계획적으로 실행할수 있다.</p><p>그림 3은 제안하는 통합 시스템이 제공하는 QR코드 생성기와 QR 코드 관리 페이지를 통해 생산자가 자신의 농산물에 대해 자신이 직접 홍보 컨텐츠와 이력 정보를 연결할 수 있는 QR 코드를 생성하고 관리하는 내용을 나타낸다. 그림 3에서 생산자는 자신의 홍보 상품을 위해 직접 이력 정보를 입력하고 그에 대한 QR 코드를 생성하고, 생성된 QR 코드는 일관성 있는 관리가 가능하다. 또한, 그림 3에서 보는 바와 같이, 생산자는 자신이 등록한 농산물에 대해 지역별 구매 및 구매자 상품평 보기 메뉴를 통해 보다 체계적이고 과학적으로 구매 패턴을 분석할 수 있으며, 판매경영 분석에 활용할 수 있는 유용한 정보를 가질 수 있다.</p><p>그림 4는 제안하는 시스템과 연동되는 기존 온라인 농산물 쇼핑몰에 등록되어 있는 생산자의 제품 홍보 페이지에 생산자가 생성한 QR 코드가 자동으로 등록되는 것을 나타낸다.</p><p>그림 4에서 보는바와 같이 생산자가 그림 3의 QR코드 자동 생성기를 통해 생산자 이력정보와 자가홍보 컨텐츠에 접근할 수 있는 QR 코드를 생성하면, 제안하는 시스템과 연동되어 기존의 다른 쇼핑몰의 해당 생산자가 등록되어 있는 홍보 페이지에 QR 코드가 자동으로 등록된다.</p><p>따라서 생산자는 자신이 원하는 상품에 대해 제안하는 시스템을 통해 한 번의 홍보 컨텐츠 및 이력정보 입력과 이에 대한 QR코드 자동 생성 작업만으로 많은 쇼핑몰 페이지에 동시에 홍보하는 효과를 얻을 수 있어 효율적인 홍보 활동을 가질 수 있다. 생성된 QR 코드는 구매자들이 스마트폰을 이용하여 간단하게 상품의 이력정보를 조회하기 위한방법을 제공해 준다.</p><p>그림 5는 그림 4에서 생성된 상품에 대해 구매자가 그림 4에 나타난 QR 코드를 스마트폰을 사용하여 스캔하였을 때, 나타나는 화면이다.</p><p>그림 5에서 구매자는 온라인 쇼핑몰에 준비된 검증된생산자의 신뢰성 있는 상품 이력 정보를 확인하기 위해간단히 스마트폰을 이용하여 QR 코드를 읽어 들인다. 또한 구매자는 제안하는 통합 자가 홍보 시스템을 통해검증된 정보를 실시간 확인할 수 있으며, 자신의 SNS를통해 실시간으로 상품평을 생산자에게 전달하여 상호 친밀감 있고 신뢰성 있는 구매 활동을 보장받을 수 있다. 이러한 즉각적인 피드백 정보는 생산자에게 품질 향상에 도움을 줄 수 있으며, 구매자에게는 향상된 품질 개선노력에 대해 확인할 수 있는 방법을 가질 수 있다.</p>	[ "생산자의 기본정보입력 및 농산물 홍보 컨텐츠 생성 및 등록 기능 제공을 위한 웹 어플리케이션을 위해 무엇을 이용했어?", "본문에서 스마트 폰 어플리케이션 개발을 위해 무엇을 이용했어?", "본문에서 데이터베이스로는 무엇을 이용했지?", "데이터베이스로는 본문에서 무엇을 사용했어?", "구매자들 간의 구매 촉진을 위한커뮤니티를 웹을 통해 연동할 수 있는 어플리케이션 페이지 구축을 위해 무엇을 이용했지?", "자신이 등록한 상품 별로 무엇을 활용할 수 있지?", "생산자는 생산자 정보 등록 페이지를 통해 자신의 기본 정보를 입력해서 어떻게 고유 생산자 ID를 부여받지?", "그림 3에서 상품을 홍보하기 위한 정보를 입력해야 하는 자는 누구인가?", "그림 5는 무엇을 나타내기 위해서 보여주는 그림인가?", "그림 3에서 생산자가 상품을 홍보하기 위해 이력 정보를 입력하면, 이에 따라서 생성되는 것은 무엇인가?", "그림 4는 어떤 것을 보여주는 그림인가?", "어떤 것을 그림 4가 보여주지?", "그림 3은 어떤 내용을 보여주기 위한 그림인가?", "생산자가 이력 정보를 입력해 얻은 QR코드로 관리하면 어떤 장점을 가지는가?", "생산자가 판매하려는 상품을 본 절에서 제안하는 시스템을 이용하면 어떤 장점을 가지는가?", "그림 4에서 생산자에 의해 만들어진 QR코드가 홍보 홈페이지에 등록되는 절차는 어떤 방식으로 진행되는가?", "구매자가 상품의 정보를 확인하려고 할 때, 스마트폰을 이용해 무엇을 읽으면 되는가?", "본문에서 통합관리 서버는 어디에 구축했어?", "통합관리 서버는 본문에서 어디에 제작했지?" ]
0082c50d-131e-4e72-aa05-4613659200b2	인공물ED	농산물 통합 자가 홍보 시스템의 설계 및 구현	<h1>II. 관련 연구</h1><p>본 논문에서 제안하는 통합 시스템은 생산자의 통합 등록 관리 정보와 상품 이력정보를 구매자에 게 제공하고 실시간 접근을 위해 QR코드를 사용 한다. QR코드는 스마트폰을 이용한 다양한 QR코드 인식 어플리케이션의 활용으로 현재 실생활에 서 많이 사용되고 있다. 최근, 스마트폰과 QR코드 인식 앱의 사용으로 QR코드를 활용하는 분야가 더욱 확대되고 있으며, 다양한 환경에서 QR코드와 컴퓨팅 시스템과의 융합 연구가 진행되고 있다.</p><p>한 연구에서는 농산물 제조 환경에서 사용될 수있는 QR 코드 기반의 열대 과일 품질 안전 이력시스템에 대해 제안하였다. 이 연구에서는 HACCP, FMECA 등의 기술적 방법과 국가 및 산업 관련 표준을 사용하여 열대 과일 생산과 유통의 관련 요소를 분석 정의함으로써 보다 체계적인 이력관리 시스템을 제안하였다.</p><p>또 다른 QR 코드를 활용한 이력시스템 관련 연구에서는 모바일 기기를 이용한 이력 정보관련 자료의 수집과 자료의 구조 효율성을 높이기 위한 연구가 진행되었다. 이 연구에서는 농업 작업의 각 과정에서 발생되는 이력정보를 QR 코드로 생성하고, 웹서버에 즉각적으로 등록하여 실시간으로 이력 정보를 추적할 수 있는 방법을 제공하였으며,이를 통해 이력 정보의 정확성과 신뢰 및 신속성을 제공하였다.</p><p>최근, 농/수/축산물 유통 분야에서의 상품 이력관리를 위해 첨단 IT기술을 이용하는 연구가 많이 시도되고 있다. 한 연구에서는 IoT (Internet OfThings) 기반의 쇠고기 상품 이력관리 시스템에 대한 연구가 시도되었다. 이 연구에서 쇠고기 상품의 생산, 가공, 마케팅 전체에 관하여 모니터링 및관리를 위한 IoT 기반의 이력관리 시스템을 구축하였다. 이 연구는 기존 시스템의 일관 없는 이력 정보 표현 방법, 이력 정보의 교환 및 공유의 어려움과 표준화되지 않은 데이터 등 문제점을 개선하기위하여 IoT 기술과 RFID, EPC의 표준을 결합한 이력 관리 시스템을 제안하였다.</p><p>또 다른 연구에서 농식품의 이력 정보와 모니터링 정보 및 실제 야채 재배 정보를 EAN, UCC 기술과 유무선 네트워크 기술 등을 통해 통합하여 농산물의 품질 및 이력 정보 등을 웹 기반으로 제공하는 연구가 진행되었다. 또한, 농산물 종자의 생산부터 재배단계, 처리 가공 마케팅 부분까지 상세한 정보를 제공이력 정보 제공 서비스를 구축하기 위해 검증된 IT 분야의 비즈니스 모델 및 방법론의 적용 연구가 진행되었다.</p><p>지금까지의 관련연구는 대부분 농산물의 안전성 확보를 위한 생산 단계에서의 모니터링과 이를 위한 시스템 설계 및 통합 관리에 집중되었다. 그러나 본 연구에서는 생산자 자신이 직접 생산물에 대한 홍보 및 이력관리 정보를 관리할 수 있다는 점에서 차이가 있다</p>	[ "최근 QR코드를 이용하는 분야가 확대되어가는 이유는 무엇인가?", "본 논문에서 건의하는 통합 시스템에 QR코드를 쓰는 이유는 무엇인가?", "QR코드는 스마트폰을 이용한 다양한 QR코드 인식 어플리케이션의 활용으로 현재 실생활에서의 이용은 저조한 상태인가?", "최근 QR코드를 활용하는 분야가 조금씩 저조되고 있는 상태인가?", "한 연구에서 제안한 QR 코드 기반의 열대 과일 품질 안전 이력시스템은 어떤 방식인가?", "최근 QR코드와 컴퓨팅 시스템과의 융합 연구는 아직 진행을 하지 못하고 있는가?", "현재, 농/수/축산물 유통 분야에서의 상품 이력관리를 위해 첨단 IT기술을 이용하는 연구는 아직 진행되지 못하고 있는가?", "본 논문에서 건의하는 통합 시스템은 어떤 코드를 이용하는가?", "IoT (Internet OfThings) 기반의 쇠고기 상품 이력관리 시스템에 대한 연구에서 기존 시스템의 일관 없는 이력 정보 표현 방법, 이력 정보의 교환 및 공유의 어려움과 표준화되지 않은 데이터 등 문제점을 개선하기위하여 어떤 시스템을 건의하였는가?", "본 연구와 관련한 선행연구들과의 차이점은 무엇이 있는가?", "본 논문이 건의한 시스템은 생산자의 통합 등록 관리 정보를 누구에게 주는가?", "대부분 현재까지의 관계된 연구는 주로 어디에 초점을 맞추었는가?", "기존의 다른 연구는 농식품의 이력 정보와 모니터링 정보 및 실제 야채 재배 정보를 어떤 것들을 활용하여 연합시켜 농산물의 품질 및 이력 정보 등을 웹 기반으로 공급하였는가?", "기존의 연구에 있어 농산물의 다양하고 세밀한 정보들을 제공이력 정보 제공 서비스를 만들기 위해 어떤 것을 반영하는 연구가 실행되었는가?", "기존 연구에 있어 EAN, UCC 기술과 유무선 네트워크 기술 등의 도움을 받아 농산물의 품질 및 이력 정보 등을 공급하려고 시행한 연구는 무엇을 토대로 정보를 공급하려고 하는가?" ]
0f5acc3c-8109-40ac-bef4-7a04ce08ee75	인공물ED	농산물 통합 자가 홍보 시스템의 설계 및 구현	<h1>III. 본론</h1><h2>1. 시스템 구조</h2><p>일반적으로, 현재의 생산단계에서 소비자 구매단계에 까지의 농산물 이력정보 제공은 생산자의 참여가 제한되며, 일관적인 관리가 부족한 상태이다. 본 논문에서 제안하는 농산물 통합 자가 홍보 시스템은 생산자가 농산물 온라인 홍보 및 판매 사이트운영 대행을 위한 큰 비용부담이나 까다로운 상품등록 및 관리 행위가 요구되지 않는다. 따라서 전문적인 온라인 농산물 홍보 대행업체를 통한 제품홍보에 부담을 느낄 수 있는 소규모 농산물 생산자에게 도움이 될 수 있다</p><p>또한, 제안하는 시스템은 농산물 생산자에 대한농산물 재배 경력 및 생산자 검증을 위해 공신력있는 지역 또는 중앙 농업 관리 기구 또는 기관과의 인력 정보DB 연계를 통해 진행할 수 있어, 기본적인 생산자 검증의 신뢰성을 확보할 수 있다. 따라서, 생산자는 자신의 농산물에 대해 책임감을 가지고 정직한 정보 입력을 수행할 것을 기대할 수있기 때문에 정보의 신뢰성이 높아질 것이다.</p><p>그림 1은 제안하는 통합 자가 홍보 시스템의 전체적인 구조이다.</p><p>그림 1에서 생산자는 자신의 생산자 정보와 농산물 홍보를 위한 홍보 내용 및 농산물 이력정보를 자유로운 형식과 공인된 자료를 이용하여 직접 통합 관리 시스템의 서버에 등록할 수 있다. 통합 관리 서버는 생산자 검증을 통해 생산자를 등록하고,고유의 ID를 제공한다. 제공된 생산자 ID는 단순히 생산자의 통합 관리 서버 접근을 위한 인식으로만사용하는 것이 아니라 생산자가 홍보를 위해 제공하는 농산물의 홍보 내용 및 이력 정보의 신뢰성 확보를 위한 QR 코드 생성에도 이용된다. 즉, 생산자는 자신의 ID를 이용하면, 제안하는 통합 자가홍보시스템의 QR 코드 자동 생성기에 의해 제공되는 QR 코드 자동 생성 기능을 이용하여 자신이 원하는 농산물을 위한 QR 코드를 빠르고 쉽게 생성할 수 있다.</p><p>이렇게 생성된 QR 코드는 오프라인 매장에서 출하되는 상품에 부착할 수 있는 형태로 출력될 수있으며 있으며, 생산자의 의도에 따라 기존에 운영되는 각종 온라인 쇼핑몰에 등록할 수 있다. 그림1의 쇼핑몰 등록 관리 모듈은 간단한 QR 코드 등록 절차만을 거쳐 검증되고 안전한 생산자 정보와상품 정보를 포함한 정확한 상품 이력 정보를 제공할 수 있다. 소비자는 컴퓨터, 매장 내의 키오스크,스마트폰 등 다양한 멀티미디어 기기를 이용하여신뢰성 있는 생산자 정보와 상품정보 및 이력정보를 실시간으로 쉽게 접근하여 이용할 수 있다. 또한, 생산자가 직접 등록한 형식적이고 기업적이지 않은 자유로운 형태의 상품 홍보물을 접할 수 있어 상품에 대한 친근한 인식을 가질 수 있으며, 상품정보의 신뢰성을 높일 수 있다.</p><h2>2. QR코드 자동 생성</h2><p>본 논문에서 제안하는 농산물 통합 자가 홍보 시스템은 QR 코드를 이용하여 기본적인 검증된 생산자 정보 및 농산물 이력 정보를 제공하며, 보다 자세한 추가 정보를 제공하기 위해 각 상품의 QR코드를 통해 검증된 생산자와 생산자가 생산한 농산물에 대한 대용량의 추가 정보를 제공할 수 있다.</p><p>이를 위해 제안하는 시스템은 자동으로 검증된 생산자 기본 정보를 제공하기 위한 QR 코드 자동생성 기능을 제공한다. 즉, 생산자에게 고유한 QR코드 ID를 발급하여, 이를 데이터베이스에 저장하고 구매자의 요청이 있을 시 ID가 일치하는 데이터를 찾아 정보를 제공한다. 또한 QR 코드를 이용하여 기존의 인터넷 쇼핑몰과의 연동 가능한 웹 어플리케이션 모듈을 통해 빠르고 편리하게 효율적인상품 홍보가 가능하다</p><p>제안하는 시스템은 웹페이지에서 QR코드를 자동생성할 수 있는 기능을 제공하기 위해 QR 코드 라이브러리로써 구글의 오픈 소스인 ZXing을 사용하여 구현하였다. 또한 QR 코드의 여러 표현 방식에서 텍스트 표현방식을 활용하여 텍스트 파싱을 통해 QR 코드를 자동 생성하였으며, 웹에서 다시 역파싱을 통해 QR 코드에 저장된 정보를 제공할 수있다. 이를 위해, QR 코드를 스마트폰에서 일반적으로 사용하는 QR 코드 인식 어플리케이션을 사용하였다.</p>	[ "본 논문에서 제안하는 농산물 통합 자가 홍보 시스템은 생산자가 큰 가격을 부담해야 하는가?", "보통 현재의 생산단계에서 소비자 구매단계에서까지의 농산물 이력정보 제공은 생산자의 참여가 열린 편인가?", "본 논문에서 제시하는 농산물 통합 자가 홍보 시스템은 소규모 농산물 생산자에게는 도움이 될 수 없는가?", "본 논문에서 건의하는 농산물 통합 자가 홍보 시스템은 누구에게 도움이 되는가?", "본 논문이 건의하는 자가 홍보 시스템은 생산자가 이력 정보를 이용할 때 제한된 형식을 제공 받는가?", "통합 관리 서버는 소비자 검증을 통해 소비자를 등록하는가?", "제공된 생산자 ID는 단순히 생산자의 통합 관리 서버 접근을 위한 인식으로만 이용되는가?", "본 논문이 제안하는 통합 자가 홍보 시스템을 소비자는 어떤 매체를 통해 이용할 수 있는가?", "제안하는 시스템은 자동으로 검증된 생산자 기본 정보를 제공하기 위한 QR 코드 자동생성 기능이 제공 가능한가?", "제안하는 시스템은 웹페이지에서 QR코드를 자동생성할 수 있는 기능을 제공하기 위해 어떤 조치를 취했는가?", "본 논문이 건의한 시스템은 공신력있는 지역 또는 중앙 농업 관리 기구 또는 기관과의 인력 정보DB 연계를 통해 무엇을 마련할 수 있는가?", "본 논문에서 제안하는 시스템으로 생성된 QR코드는 출력이 가능한가?", "본 논문에서 건의하는 농산물 통합 자가 홍보 시스템은 기본적인 생산자 검증의 신뢰성을 얻기 힘든 시스템 구조인가?", "본 논문이 건의한 시스템은 무엇인가?", "무슨 시스템을 본 논문에서 제안했어?", "일반적인 농산물 이력정보 제공에 비해 본 논문에서 제안하는 농산물 통합 자가 홍보 시스템이 가지는 장점은 무엇인가?" ]
f17dbd0e-cc35-4ab7-ad41-434b0ea0e468	인공물ED	농산물 통합 자가 홍보 시스템의 설계 및 구현	<h1>V 결 론</h1><p>최근 온라인을 통한 농산물 구매시장의 성장으로인해, 생산자 정보의 정확성과 농산물의 이력 정보에 대한 신뢰성 확보의 문제는 구매자들에게 크게 관심받고 있다. 본 논문에서는 생산자와 농산물 이력 정보를 통합 관리하고 구매자에게 쉽고 빠르게 제공할 수 있는 QR 코드 기반의 농산물 통합 자가홍보 시스템을 설계하고 구현 하였다. 제안하는 시스템은 생산자가 직접 자신의 농산물에 대한 이력정보 및 홍보 컨텐츠를 쉽게 등록하고 효율적으로 홍보할 수 있도록 QR 코드 자동 생성기를 제공한다. 또한, 적은 노력과 비용으로도 다수의 쇼핑몰에쉽고 편리한 상품 홍보를 지원하기 위해 기존 온라인 쇼핑몰과의 연동을 통한 즉각적인 QR 코드 자동 등록 기능을 지원한다. 따라서 제안하는 시스템을 통해 생산자는 자신이 생산한 농산물에 대한 안정성 및 신뢰성을 보다 쉽고 빠르게 확보할 수 있고, 구매자는 다양한 정보기기를 통해 편리하고 정확하게 농산물의 이력을 확인할 수 있다.</p>	[ "농산물 통합 자가홍보 시스템은 어떤 기반으로 만들어졌는가?", "시스템은 생산자의 농산물에 대한 어떤 것을 쉽게 등록할 수 있는가?", "시스템을 통해 생산자는 어떤 것을 빠르게 확보 할 수 있는가?", "적은 노력과 비용으로 상품 홍보를 위해 어떤 기능을 지원하는가?", "농산물 구매시장의 성장은 어디를 통해 이루어졌나?", "구매자는 농산물의 어떤 것을 볼 수 있나?", "QR 코드 자동 등록 기능은 어떻게 많은 쇼핑몰에 상품 홍보를 할 수 있는가?", "농산물 통합 자가홍보 시스템은 생산자와 농산물 이력 정보를 어떻게 관리하는가?", "온라인으로 인해 어떤 것이 규모가 커지게 되었나?", "농산물의 이력 및 생산자 정보의 신뢰성과 정확성은 누가 관심을 갖는가?", "구매자들의 관심을 크게 갖는 것 중 농산물의 이력과 어떤 정보의 정확성이 해당되는가?" ]
0b8200d5-0bda-4b52-aef8-7c46a8ef2a7f	인공물ED	농산물 통합 자가 홍보 시스템의 설계 및 구현	<h1>요 약</h1><p>식품 유통단계에서 농산물의 안전성 확보는 매우 중요하기 때문에, 모든 나라가 이를 위해 다각적인 노련을 기울이고 있다. 최근, 온라인 쇼핑몰을 통한 농산물 판매 시장 규모가 크게 증가함에 따라, 판매되는 농산물의 이력 정보를 소비자에게 정확하고 편리하게 제공할 수 있는 방안이 다양하게 연구되고 있다. 본 논문은 농산물에 대한 통합 자가 홍보 시스템을 설계하고 구현한다. 제안하는 시스템을 통해 생산자는 자신의 생산자 정보와 함께 자신이 생산한 농산물의 이력정보를 직접 제공함으로써, 농산물 이력정보의 안전성을 높일 수 있으며, 소비자는 검증된 생산자로부터 구매한 농산물에 대한 품질의 신뢰성을 확보할 수 있다. 특히, 제안하는 시스템은 홍보를 위한 큰 비용이나 복잡한 절차가 필요하지 않기 때문에, 소규모 농민들에게 편리한 홍보 수단으로 사용될 수 있으며 판매수익 증대에 도움을 줄 수 있다.</p>	[ "제안하는 시스템은 소규모 농민들에게 판매수익 증대에 도움을 줄 수 있을 까요?", "최근 온라인 쇼핑몰을 통한 농산물 판매시장 규모는 작아지고 있나요?" ]
69f9873c-df0e-4557-9bf1-b7e6f0988b6e	인공물ED	바이오센서를 이용한 PC 기반의 휴대용 고속 임피던스 분석기 개발	<h1>3. 시스템 구성 및 소프트웨어</h1><p>본 연구에서 개발한 임피던스 분석 시스템의 블록 다이어그램을 그림 4 에 제시하였다. 시스템의 구성은 자극 전압을 발생하는 신호발생기, 기준 단자의 전압 및 전류 측정 단자의 전류를 얻고 증폭하는 프로그래머블 증폭기, 증폭된 신호를 PC 로 전송하기 위해 디지털 신호로 바꾸는 아날로그_디지털 변환기, 기준 단자의 전압을 가능한 자근 구형파와 유사하게 하기 위한 정전위기, 엘리어싱을 방지하기 위한 저역통과필터, PC 와 직렬통신을 위한 PC 인터페이스, 모든 회로를 제어하고 PC 로 통신을 하기 위한 마이크로프로세서부로 구성된다. 마이크로프로세서는 PIC16F877 을 사용했으며 프로그램의 용이성과 5MIPS 의 처리속도, 단순한 어셈블 언어 등의 장점을 가지고 있기 때문에 구성 회로의 제어용으로 적절하였다. 마이크로프로세서의 한계로 인해 A/D 변환은 \( 40 \mathrm{k} \) sample/s, 양자화율은 \(12\) bit로 구성되었다. 임피던스 측정 주파수 범위를 dc 에서 \( 10 \mathrm{kHz} \) 로 하였으며, PC 와의 통신은 \( 115.2 \mathrm{kbps} \) 의 \( \mathrm{RS}-232 \) 를 이용하였다. 신호발생기에서 발생한 구형파 전압펄스는 정전위기(potentiostat)와 \( 10 \mathrm{kHz} \) 저역통과필터를 거쳐 자극 전극에 인가된다. 기준전극의 전압은 정전위기의 기준신호로 가해지며 또한 voltage follower를 거쳐 A/D 변환 된다. 작업전극으로부터 기록되는 전류신호는 I/V 변환기를 거쳐 A/D 변환된다. PC 에서는 Visual C++ 로 작성된 통신 프로그램을 통해 시스템에서 획득된 전압/전류 신호가 RS232 직렬통신에 통해 파일로 저장되고, 저장된 파일은 Matlab \(6.5\)를 이용해 분석을 하였다. 주파수 분석의 결과는 Wessel diagram으로 표현하였으며, nonlinear least square(NLLS) 법의 curve-fitting을 통해 용액 저항 \( \left(R_{s}\right) \), 분극 저항 \( \left(R_{p}\right) \), 전기 용량 \( \left(C_{d}\right) \)은 계산하였다. Matlab에서의 분석과정은 그림 5 와 같다.</p><h1>4. 결과 및 고찰</h1><p>본 연구에서 구현한 고속 임피던스 분석기는 전체 임피던스 및 모델기반에서 등가회로상의 각 소자별 분석이 가능한 시스템이다. 구현된 PC 기반의 휴대형 고속 임피던스 분석기의 외형 사진과 데이터 획득 소프트웨어의 PC 화면을 그림 \(6\)에 나타내었다. 완전한 휴대형 시스템이 되기 위해서는 \( 4294 \mathrm{A} \) 와 같이 측정, 분석 및 결과 출력이 장비 내에서 모두 이루어져야 하겠 지만 데이터 획득 후 다양한 알고리듬 적용 등 효율적 인 후처리, 시스템의 고속화 및 경량화 등을 위해서 PC 기반의 시스템을 구현하였다. 실제로 전기화학분야 에서 임피던스 분석기로 널리 사용되고 있는 Parstat 2263(Princeton Applied Research, USA)도 PC 기반 시스템으로 다양한 실험 및 분석능력을 제공한다. 그림 \(6\) 에서 (b) 데이터 획득 소프트웨어는 GUI 환경에서 사용자가 자극 신호의 크기 및 폭, 기준 전압 및 전류의 증폭도, 분석 주파수 범위 등을 설정할 수 있으며, 모델기반의 등가회로상 수동소자의 측정치를 출력하도록 구현되었다.</p><p>구현한 시스템의 성능을 평가하기 위해 직렬저항 \( 500 \Omega \) 병렬저항 \( 1 \mathrm{k} \Omega \), 병렬전기용량 \( 1 \mu \mathrm{F} \) 을 연결하여 가상 cell을 구성한 후 임피던스를 측정하여 주파수별 임피던스와 각 소자별 파라미터를 관찰하였다. 구현된 시스템에서 관찰된 각 소자별 파라미터는 기준장비로서 LCR 시험기인 \(3522-50\)과 임피던스 분석기인 \( 4294 \mathrm{A} \) 의 결과와 비교하였다. 우선, 구현된 시스템에서 가해진 자극 선압, 측정 전류 및 관찰된 임피던스 결과는 그림 \(7\)에 도시하였다. 그림 \(7\)의 (a)와 (b)는 자극전압과 측정전류이고, (c)와 (d)는 전압과 전류신호를 푸기에 번환한 결과이며, (e)와 (f)는 푸리에 변환된 전압신호와 전류신호의 비율로서 임피던스를 구한 후 실수부와 허수부를 나타내었다. 임피던스는 주파수가 증가함에 따라 감소하는 것을 볼 수 있으며, 잡음에 의한 요동이 있음을 보여준다. 임피던스의 잡음 성분은 전압신호의 전력밀도가 낮은 고주파수에서 많이 발생하였으며 이는 고주파 성분이 상대적으로 낮아지는 구형파 자극함수의 단점을 보완하기 위해 ensemble 평균으로 임피던스를 구했음에도 불구하고 분모가 매우 작은 값에서 여전히 불안정한 특성이 있음을 보여준다. 리액턴스의 최소치를 가리키는 주파수는 가상 cell의 특성주파수로서 병렬 저항과 함께 전기 용랑을 계산하는데 사용된다.</p><p>구현된 시스템과 기준 장비를 이용하여 측정한 임피던스 결과를 Wessel diagram으로써 비교하였으며, 그 결과를 그림 8 에 나타내었다. 그림 8 의 (a)는 그림 7 에서 계산한 임피던스의 실수부와 허수부를 가로축과 세로축에 도시한 Wessel 다이어그램과 curve-fitting한 결과를 함께 도시하였다. 고주파로 갈수록 주파수별 전류 신호의 전력밀도가 낮아져서 임피던스 분석용 연산과 정에 오차가 커지기 때문에, 임피던스의 분모항인 전류 신호에서 역치 이하의 전력밀도를 가지는 주파수의 신호는 계산에서 제외하였다. 이 때 사용된 역치는 주파수가 \( 10 \mathrm{kHz} \) 이상의 전류 신호 중 최대전력밀도의 \( 50 \% \) 이다. 역치법의 적용에도 불구하고 Wessel 다이어그램은 고주파수로 갈수록 여전히 많은 잡음 성분이 존재하여 퍼진 형태를 보였다. 이것은 불충분한 샘플링율과 양자화율로 인해 전류신호의 변이과정을 충분히 반영하지 못하기 때문에 나타나는 현상이라고 판단된다. Curve-fitting에 의해 잡음성분에 의한 영향을 어느 정도는 감소시키겠지만 이를 보다 근본적으로 개선하기 위해서는 A/D 변환기의 샘플링율과 양자화율의 개선이 따라야 할 것으로 본다. 그림 8 의 (b)는 상용화된 임피던스 분석기인 \(4294A\)를 이용하여 측정한 주파수 별 임피던스와 본 연구에서 사용한 NLLS법을 적용해 curve-fitting한 결과를 나타내었다. 이 시스템의 분석구간이 \( 40 \mathrm{Hz}\sim 110 \mathrm{MHz} \) 이기 때문에 완전한 반원의 Wessel 다이어그램은 아니지만, 잡음이 거의 없는 완만한 곡선을 나타내고 있다. 그림 \(8\) 의 (c)는 구현된 시스템과 \(4294\) A 로부터 측정한 임피던스의 wessel 다이어그램을 curve-fitting 한 후 이론치와 비교하여 나타내었다. \( 4294 \mathrm{A} \) 는 이론치와 거의 일치한 반면 구현된 시스템은 전 주파수 영역에서 다소 차이를 보였는데, 이론치에 비해 실수부는 약간 크고, 허수부는 약간 작음을 관찰 할 수 있었다.</p><p>임피던스를 측정하는 장비는 크게 두 카테고리 즉, LCR 시험기와 임피던스 분석기로 구분된다. 본 연구에서 구현한 임피던스 분석기의 성능을 평가하기 위해서 두 방법의 측정 결과와 비교분석하였다. 표 \(1\) 에 구현된 시스템, LCR 시험기 \(3522-50\) 및 임피던스 분석기 \(4294A\)를 이용하여 \(25\)회 반복 측정한 직렬저항과 병렬저항 그리고 병렬 전기용량의 측정치를 평균과 표준편차로써 제시하였다. LCR 시험기 \( 3522-50 \) 에 의한 셜과는 각 성분별로 분리하여 \( 120 \mathrm{Hz} \)와 \( 1 \mathrm{kHz} \) 에서 관찰한 측정치이며, 임피던스 분석기\( 4294 \mathrm{A} \) 에 의한 결과는 주파수별 임피던스를 curve fit-ting 한 후 관찰한 측정치이다. 구현된 시스템에 의한 측정 결과는 각 저항과 커패시터에 표시된 정격 용량과 다소 차이를 보였으나, 두 기준 장비의 결과와는 \( 5 \% \) 이내의 오차를 보였다. 기존의 분석기기에 비해 구현된 시스템이 정확도는 다소 떨어지지만 측정치의 재현성은 \( 0.5 \% \) 이내의 오차를 보임으로써, 전기화학 전극의 정량적 평가가 가능함을 알 수 있었다. 표 2 는 구현된 시스템과 \( 4294 \mathrm{A} \) 를 분석 시간, 주파수 분석 범위, 그리고 시스템 크기로써 비교하여 제시하였다. 구현된 시스템은 \( 4294 \mathrm{~A} \) 에 비해 \( 1 / 8 \) 정도의 크기로 경량이고, 와버그 현상과 같은 저주파수 분석에 용이하도록 구성되었으며, 저주파수 분석 시간을 고려할 때 분석 시간 또한 상당히 짧음을 알 수 있다. 이는 구현된 시스템이 휴대형 고속 인피던스 분석기에 부함됨을 알 수 있다.</p><p>이상의 결과에서 구현한 휴대형 고속 임피던스 분석기는 추정내상의 주파수별 임피던스뿐만 아니라 모델기반 등가회로 상의 저항과 전기용량을 구하는 알고리즘을 적용하였으며 측정치는 유의한 결과를 가져왔음을 확인하였다. 그러나 본 시스템에서 채택한 \( 40 \mathrm{kHz} \) 의 샘플링율은 낮은 시정수 즉, 높은 주파수를 지닌 신호의 분석에는 어려움이 있으며, \(12\) bit 양자화율은 높은 시정수 즉, 낮은 주파수를 지닌 신호를 획득하기 힘들다는 단점을 지닌다. 또한 자극함수를 구형파를 사용함으로씨 전류 신호의 전력밀도가 \(0\)이 되는 주피수 성분이 존재하고, 고주파수 엉역에서는 입력신호의 주파수 성분의 크기가 작으므로 출력 신호의 크기도 작아서 많은 잡음 성분이 혼입되어 정확한 임피던스를 분석하기 힘들다. 따라서 연속 주파수별 임피던스 빛 전기적 파라미터를 보다 정확히 측정하기 위해서는 좋은 주파수 특성을 지닌 자극 신호의 선별 방안, 샘플링율을 증가시키는 방안, 낮은 출력신호의 증폭도를 조절하여 양자화에 따른 잡음의 유입을 최소화시키는 방안 등이 필요할 것으로 판단된다.</p>	[ "시스템 구성 중 증폭된 신호를 PC 로 전송하기 위해 디지털 신호로 변경하는 것은 무엇인가요?", "저역통과필터는 어떤 역할을 하나요?", "PC 와 직렬통신을 하기 위해 사용한 것은 뭐야?", "마이크로프로세서부는 어떤 역할을 맡나요?", "어떤 역할을 마이크로프세서부가 담당하지?", "마이크로프로세서는 어떤 것을 사용했나요?", "PIC16F877가 구성 회로의 제어용으로 어떠한 장점을 가지고 있나요?", "임피던스 측정 주파수 범위는 얼마로 했나요?", "신호발생기에서 발생한 구형파 전압펄스는 무엇을 거쳐 전극에 인가되나요?", "기준전극의 전압은 무엇으로 변환되나요?", "작업전극으로부터 기록되는 전류신호는 무엇을 거치나요?", "시스템에서 획득된 전압/전류 신호가 파일로 저장되기 위해 사용한 프로그램은 뭐야?", "시스템에서 획득된 전압/전류 신호는 파일로 저장된 후 어떤 프로그램을 통해 분석했나요?", "주파수 분석의 결과는 무엇으로 표현했나요?", "PC 기반의 시스템을 구현한 목적은 무엇인가요?", "본 연구에서 구현한 고속 임피던스 분석기는 어떤 분석 가능한 시스템인가요?", "실제 전기화학 분야에서 사용되는 임피던스 분석기는 PC기반 시스템을 사용하나요?", "데이터 획득 소프트웨어는 사용자가 어떤 요인들을 설정할 수 있나요?", "구현한 시스템의 성능을 평가하기 위해 사용한 직렬저항 값은 뭐야?", "구현된 시스템의 소자별 파라미터는 어떤 기기들의 결과와 비교하였나요?", "임피던스는 주파수가 증가함에 따라 같이 증가하는 경향을 보이나요?", "임피던스의 잡음 성분은 어떤 경우에 많이 발생하였나요?", "리액턴스의 최소치를 가리키는 주파수는 무엇을 계산하는데 사용됬나요?", "고주파로 갈수록 전류 신호의 전력밀도가 감소하나요?", "어떤 주파수 신호를 계산에서 제외했나요?", "역치 이하의 전력밀도를 가지는 주파수의 신호를 계산에서 제외한 이유는 무엇인가?", "사용된 역치의 기준은 무엇인가요?", "역치법을 적용하면 고주파수에서 잡음 성분이 존재하지 않나요?", "역치법을 적용해도 고주파로 갈수록 여전히 많은 잡음 성분이 존재하는 이유는 무엇인가요?", "잡음성분에 의한 영향을 근본적으로 개선하려면 무엇의 개선이 필요한가요?", "Curve-fitting은 잡음성분의 영향을 근본적으로 개선시키나요?", "시스템의 분석구간은 무엇인가요?", "구현된 시스템의 허수부는 어떤 결과를 관찰할 수 있나요?", "LCR 시험기 \\( 3522-50 \\) 에 의한 결과는 어디에서 관찰한 측정치인가요?", "임피던스를 측정하는 장비는 무엇으로 구분되나요?", "임피던스 분석기4294 \\mathrm{A}4294A 에 의한 결과는 어떤 과정 후에 관찰한 결과인가요?", "구현한 휴대형 고속 임피던스 분석기는 어떤 알고리즘을 적용했어?", "실제로 전기화학분야에서 임피던스 분석기로 주로 사용되는 것은 무엇인가요?", "\\( 4294 \\mathrm{A} \\) 는 이론치와 거의 일치한 값을 보였나요?", "구현된 시스템은 전 주파수 영역에서 차이를 보였나요?", "구현된 시스템에 의한 측정 결과는 각 저항과 커패시터에 표시된 정격용량과 비슷했나요?", "구현된 시스템이 기존의 분석기기보다 정확도는 떨어졌나요?", "측정치의 재현성은 \\( 0.5 \\% \\) 이내의 오차를 보였나요?", "구현된 시스템은 \\( 4294 \\mathrm{~A} \\) 에 비해 경량화 되어 있나요?", "구현된 시스템은 어떤 분석에 용이한가요?" ]
a8e3f9f0-ac89-4a7c-9192-c2be1c9b33dc	인공물ED	바이오센서를 이용한 PC 기반의 휴대용 고속 임피던스 분석기 개발	<h1>1. 서 론</h1><p>임피던스 분석기는 피검체의 주파수에 따른 전압과 전류의 관계인 임피던스를 측정하는 장비이다. 전극과정을 분석하기 위하여 \(2\)-전극시스템 또는 \(4\)-전극시스템도 이용되고 있지만 가장 일반적인 측정시스템은 \(3\)-전극시스템이다. 전극표면의 변화를 선택적으로 측정하기 위하여 전극반응이 일어나는 작업전극에 매우 근접하여 기준전극을 배치한다. 기준전극은 전류를 흘리지 않고 전위만을 모니터링하는 목적이며, 자극전극을 통해 전압을 공급한다. 기준전극이 작업전극에 매우 근접하여 위치함으로써 기준전극과 작업전극 사이의 공간에서 일어나는 전기적 파라미터의 변화를 검출하는 것이다. 이러한 목적의 \(3\)-전극시스템은 현재 휴대용 혈당측정기를 비롯하여 다양한 바이오센서에 활용되고 있다.</p><p>\(1970\) 년대 이후로 임피던스 추정에 대한 연구가 보편화되기 시작하면서 전기화학 셀에서 전극계면과정을 이용한 다양한 센서가 개발되었으며, 전극과정의 변화를 분석하기 위한 많은 기법들이 소개되었다. 전극과정에 의한 전극계면의 변화를 분석하는 방법에는 전극계면의 전체적인 임피던스를 분석하는 방법과 모델 기반에서 전극계면의 수동적 전기 파라미터를 분석하는 방법이 있다. 전극계면에는 전기이중충에 의한 전기용량, 전극과 용액사이 계면의 분극 저항, 용역의 저항등에 의해 전기적인 임피던스가 존재한다. 전극반응 과정에서 이들 요소 중 일부 또는 전체가 전극의 표면 상태 및 기질의 농도에 의존적으로 변할 수 있다.</p><p>전기화학분야에서 임피던스 측정법은 전기화학 반응의 메카니즘과 반응속도를 측정하는데 사용되어 왔다. SR785(SRS, USA), 4294A(HP, USA)와 같은 대부분의 상용화된 임피던스 장비는 중량이면서 시스템의 부피가 커서 이동성이 제한되어 실험환경구성이 용이하지 못하며, 교류 주파수를 가변시키면서 임피던스를 분석하는 방식을 사용하여 결과를 도출하는데 많은 시간이 소요되고, 시간에 따라 계면의 임피던스 특성이 변하게 될 경우 장시간의 측정을 통해서는 정확한 값을 관찰 할 수 없는 문제점을 지닌다. 따라서 이러한 문제점을 해결하고 바이오센서용 전극계면 임피던스의 보다 간편한 분석을 위해서는 경량의 휴대형 고속 임피던스 분석기가 요구된다. 지금까지 고속 임피던스 분석기법에 관한 많은 선행연구가 수행되었음에도 불구하고. 자극신호 및 이산적인 주파수 분석에 국한하고 있다.</p><p>황의진 등은 \( 100 \mathrm{kHz} \) 의 전 수파수 범위에서 FFT를 사용하여 전기화화적 임피던스를 측정할 수 있는 시스템을 제작하였다. Sine wave \(15\)개가 홀수 배수로 조화된 유사무작위잡음(pseudo-random noisc) 신호를 자극신호로 가하여 전체 임피던스 및 분극 저항을 구하였으며, lock-in amplificr를 사용하는 상품과 비슷한 성능을 보였다고 발표하였다. A. Searle 등은 시간에 따른 전극과 피부 사이의 임피던스 변화를 관잘하기 위하여 cosine wave의 홀수 배수로 조화된 유사 구형파를 자극 신호로 사용하였다. 유정석 등은 고속전기 화학 임퍼던스 분석기의 개발에 있이 자극함수를 동일한 위상과 진폭을 가지면서 모든 주파수 성분을 포함하는 델타함수에 근사화시키기 위해 측정된 전압과 전류를 이산시간영역에서 미분하여 임피던스를 구하였다. 이러한 방법은 넓은 주파수 영역에서 임피던스를 구할 수는 있지만 아날로그 신호와 이산시간 신호의 미분에는 많은 차이를 보이기 때문에 정확한 결과를 얻는데 한계를 지닌다고 판단된다.</p><p>이상에서 본 바와 같이 전기화학전극의 고속 임피던스 측정을 위해서는 시스템의 사양과 더불어 자극 신호의 선택이 매우 중요하다고 판단된다. 자극신호원은 짧은 시간에 많은 주파수 영역을 포함해야하며, 주파수 영역에서 큰 값을 가져야 하고, 신호 발생이 가능하여야 한다. 자극신호원으로 델타함수, sinc 함수, 구형파 신호, 계단함수, chirp 신호 등을 고려해볼 수 있겠으나 본 연구에서는 주파수 영역에서 큰 값을 보이고 구현이 용이한 구형파가 적절하다고 판단하였다.</p><p>따라서 본 연구에서는 \(3\)-전극시스템으로 사용되는 다양한 바이오센서에 활용이 가능한 PC 기반의 휴대형 전극계면 분석용 고속 임피던스 분석기를 개발하고자 하였다. 이를 위해 PIC16F877 마이크로프로세서를 이용하여 전압제어 전류 측정방식의 시스템을 구현하고, 자극 신호로서 구형파를 사용하여 푸리에 변환에 의한 다중 주파수 임피던스 분석이 가능하며, 전체 주파수별 임피던스 및 모델기반의 등가회로상 각 소자별 분석이 가능한 시스템을 구현하고자 하였다.</p>	[ "전극계면에서 존재하는 임피던스의 원인은 무엇인가?", "가장 일반적인 전극과정 분석시스템은 무엇인가?", "자극신호원은 짧은 시간에 적은 주파수 영역을 포함해야하는가?", "본 연구에서 가장 적절하다고 판단된 자극신호원은 무엇인가?", "바이오센서용 전극계면 임피던스의 보다 간편한 분석을 위해서는 어떤 임피던스 분석기가 요구되는가?", "어떻게 기준전극과 작업전극 사이 공간에서의 전기적 파라미터 변화를 검출할 수 있어?", "어떻게 황의진 등은 전기화학적 임피던스를 측정하는 시스템을 제작했어?", "어떻게 전극표면의 변화를 선택적으로 측정할 수 있어?", "고속 임피던스 측정에서 시스템 사양과 더불어 매우 중요한 선택은 뭐지?", "어떻게 본 연구에서 다중 주파수 임피던스 분석이 가능하고, 각 소자별 분석이 가능한 시스템을 구현했어?", "전극계면에 전기적인 임피던스의 존재원인은 뭐야?", "임피던스 분석기는 피검체의 주파수의 어떤 관계를 측정하는가?", "전기화학전극의 고속 임피던스 측정을 위해 시스템의 사양과 자극 신호의 선택이 중요한가?", "전기화학분야에서 임피던스 측정법은 전기화학 반응의 메카니즘과 전기용량을 측정하는데 사용되어 왔는가?", "A. Searle 등은 어떻게 시간에 따른 임피던스 변화를 관찰했어?" ]
630b6203-27ec-4456-8348-ea6d9836bee9	인공물ED	바이오센서를 이용한 PC 기반의 휴대용 고속 임피던스 분석기 개발	<h1>5. 결 론</h1><p>본 연구에서는 전기화학전극의 고속 임피던스 측정을 위한 휴대형 시스템을 구현하고자 하였다. 이를 위해 자극 신호는 구형파를 사용하였으며, 자극전극, 기준전극, 작업전극을 이용하는 \(3\)-전극시스템에서 자극 전극에 정전압을 가한 후 PC 에서 기준전극과 작업전극으로부터 기록한 전압과 전류 신호를 푸리에 변환하여 시료의 다중수파수 임피던스를 구하였다. 구현된 시스템을 이용하여 가상 셀에서 구한 임피던스의 Wessel 다이어그랜은 고주파 신호에서 많은 잡음의 영향을 받아 분산된 형태를 보였으나 curve-fitting을 통해 등가회로상의 분극 저항, 전기용량 그라고 용액저항을 분석할 수 있었다. 구현한 임피던스 분석기는 기존 장비에 비해 경량이며, 분석시간이 짧을 뿐만 아니라 높은 재현성을 보임으로써 전기화학전극의 정량적인 평가가 가능함을 시사한다.</p>	[ "휴대형 시스템을 구현하기위해 자극 신호는 무엇을 사용하는가?", "구현된 휴대형 시스템의 다중주파수 임피던스는 어떻게 구하였나?", "구현된 시스템의 등가회로상의 분극 저항, 전기용량, 용액저항등을 분석하는데 사용되는 방법은 무엇인가?", "본 연구에서 전기화학전극의 고속 임피던스 측정을 위해 구현된 시스템은 무엇인가?" ]

Subsets and Splits

No community queries yet

The top public SQL queries from the community will appear here once available.