id
stringlengths 36
57
| type
stringclasses 4
values | title
stringlengths 0
159
| context
stringlengths 121
17.2k
| questions
listlengths 1
584
|
|---|---|---|---|---|
c6a2c9f9-76a6-463d-bd13-08ddc9d190d6
|
인공물ED
|
임베디드 시스템을 이용한 LED 비디오 프로세서 설계
|
<h2>2.2 Memory Controller부</h2><p>Memory Controller는 다양한 타입의 메모리 구성을 지원하며, Memory Controller는 4 개의 SDRAM Partition과, SRAM, SSRAM, Flash, ROM, SROM과 6 개의 Static Chip Select를 가지고 있으며 2개의 PCMCIA혹은 Compact Flash Slot로 구성한다.</p><h2>2.3 SDRAM의 인터페이스</h2><p>그림 4는 PXAZ70과 SDRAM간의 인터페이스의 블록도를 나타냈으며, PXA270은 SDRAM 을 사용하였으며, SDRAM 사용을 하기 위해서 인터페이스는 레지스터를 셋팅 (setting)하여 SDRAM의 속도와 타입 등 설계한다.</p><p>SDRAM과 인터페이스 할 수 있도록 CAS, RAS, CLK 등이 따로 구성되어 있으며, 초기 셋팅 후 CLK, RAS, CAS 신호가 발생된다. 또 PXA270에서는 \( 16 \mathrm{MBit} \) X 4Bank X 16Bit SDRAM 4개를 Data Bus를 사용하여 전체의 구성은 \( 128 \mathrm{MB} \) 로 구성하였다.</p><p>임베디드 시스템의 소프트웨어는 OS와, 응용 소프트웨어로 구성되며 OS로는 RTOS와 Windows CE 및 Embedded Linux가 있고 응용소프트웨어는 각 분야와 용도에 따라 구성하고 설계하였다.</p><h1>III. 동영상 프로세서 LED 전광판 설계</h1><p>하드웨어부는 임베임베니드 시스템은 이용한 LED 전광판은 임베디드 시스템부, 비디오처리장치, LED 디스플레이부로 구성된 하드웨어부와 운영체제인 Windows CE와 LED전광판을 구동하기 위해 운용 소프트웨이로 분류된다.</p><p>디드 시스템에서 출력되는 24Bit의 디지털영상을 LED 디스플레이 시스템에 전송하여 동영상을 표출할 수 있도록 하여 영상데이더를 처리하는 비디오 프로세서를 설계하였고 문자, 그래픽, 동영상 등을 LED 디스플레이 시스템에 표출할 수 있도록 하기위해 Window CE 기반 응용 프로그램으로 구성하였다.</p><p>그림 5 에서는 임베디드 LED 디스플레이 시스템의 블록도를 나타냈다.</p><h2>3.1 비디오 처리장치</h2><p>비디오 프로세서는 임베디드 시스템의 LCD port에서 출력되는 \( 24 \mathrm{Bit} \) 영상데이터를 일시적으로 저장할 수 있는 비디오 메모리로 처리하고, 메모리에 저장된 영상데이터를 LED 디스플레이 패널에 전송하여 문자나 그래픽과 동영상 등을 효과적으로 표출할 수 있도록 LED 디스플레이 패널을 제어하도록 신호를 발생하는 장치이다.</p><p>비디오 프로세서는 비디오와 LPM 제어신호 발생기와 데이터 변환기로 구성한다.</p><p>LPM 제어신호 발생기는 비디오 제어신호 발생기에서 전송되어온 클럭 및 제어신호를 제공받아, 비디오 메모리로부터 전송된 영상데이터를 LPM에 영상데이터를 포맷하여 변환하는 데이터를 제어하는 역할과 LPM 모듈에 최적으로 전송할 수 있는 각종 제어신호를 발생하게 된다.</p><p>이 장치는 LPM 모듈의 듀티 사이클에 따라서 변화하며, 듀티 사이클(duty cycle)은 1/16을 이용하며, 데이터 입력방식은 3 비는 병렬/직렬 데이터 포맷format) 방식으로 변환하여 출력하게 한다.</p><p>비디오메모리는 임베디드 시스템의 LCD port에서 출력되는 \( 24 \mathrm{Bit} \) 영상데이티를 저장할 수 있는 기억장치이머, 저장방식은 임베디드 시스템에서 출력되는 짝수 프레임의 영상데이터를 저장한 때 홀수 프레임의 영상데이터를 LED 디스플레이패널에 전송하고, 반대로 홀수 프레임의 영상데이터를 저장할 때 짝수 프레임의 영상데이터를 LED 디스플레이 패널에 전송하여, 플리커링(flickering)현상을 줄이기 휘도특성을 높일 수 있도록 설계하였다.</p>
|
[
"Memory Controller는 몇 개의 Static Chip Select를 가지고 있나요?",
"Memory Controller는 다양한 타입의 메모리 구성을 지원하며, 몇 개의 SDRAM Partition를 가지고 있나요?",
"다양한 타입의 메모리 구성을 지원하며, Memory Controller는 4 개의 SDRAM Partition과, SRAM, SSRAM, Flash, ROM, SROM과 6 개의 Static Chip Select를 가지고 있는 것은 뭐야?",
"그림 4는 PXAZ70과 SDRAM간의 무엇을 나타낸거야?",
"SDRAM과 인터페이스 할 수 있도록 따로 구성되어 있는 것은?",
"PXA270에서는 \\( 16 \\mathrm{MBit} \\) X 4Bank X 16Bit SDRAM 몇 개를 Data Bus를 사용하여 전체의 구성은 \\( 128 \\mathrm{MB} \\) 로 구성하였나요?",
"무슨 시스템의 소프트웨어는 OS와, 응용 소프트웨어로 구성되어있나요?",
"임베디드 시스템의 소프트웨어는 OS와, 응용 소프트웨어로 구성되며 OS로는 RTOS와 Windows CE 및 무엇이 있나요?",
"디드 시스템에서 출력되는 몇 Bit의 디지털영상을 LED 디스플레이 시스템에 전송하여 동영상을 표출할 수 있도록 하여 영상데이더를 처리하는 비디오 프로세서를 설계하였나요?",
"하드웨어부는 임베임베니드 시스템은 이용한 LED 전광판의 운영체제에 해당하는 것은?",
"그림 5 에서는 임베디드 LED 디스플레이 시스템의 무엇을 나타낸거야?",
"비디오 프로세서는 비디오와 LPM 제어신호 발생기와 무엇으로 구성하나요?",
"PM 제어신호 발생기는 어떤 역할을 하나요?",
"이 장치는 LPM 모듈의 듀티 사이클에 따라서 변화하며, 듀티 사이클(duty cycle)은 얼마를 이용하나요?",
"홀수 프레임의 영상데이터를 저장할 때 짝수 프레임의 영상데이터를 어디에 전송하나요?",
"PXA270에서는 \\( 16 \\mathrm{MBit} \\) X 4Bank X 16Bit SDRAM 4개를 Data Bus를 사용하여 전체의 구성은 몇 MB로 구성하였나요?",
"디드 시스템에서 출력되는 24Bit의 디지털영상을 Window CE 기반 응용 프로그램으로 구성한 이유는 무엇인가요?",
"비디오와 LPM 제어신호 발생기와 데이터 변환기로 구성되어있는 것은 무엇이야?",
"LPM 제어신호 발생기는 어디에서 전송되어온 클럭 및 제어신호를 제공받았나요?",
"LPM 제어신호 발생기의 데이터 입력방식은 3 비는 병렬/직렬 데이터 어떤 방식으로 변환하여 출력하나요?",
"LPM 제어신호 발생기는 비디오 제어신호 발생기에서 전송되어온 클럭 및 제어신호를 제공받아, 어디에서부터 전송된 영상데이터를 LPM에 영상데이터를 포맷하여 변환하는 데이터를 제어하는 역할을 하나요?",
"LPM 제어신호 발생기는 LPM 모듈의 무엇에 따라서 변화하나요?"
] |
897d9929-d157-4b5d-90ce-e0b7e28c2eeb
|
인공물ED
|
임베디드 시스템을 이용한 LED 비디오 프로세서 설계
|
<h2>3.2 LED Display Panel</h2><p>LPM 모듈은 Red, Green, Blue 색의 LED를 한 픽셀로 구성 하고 이 픽셀을 \( 16 \times 16 \) 의 matrix모양으로 표시부와 구동용의 드라이버 회로로 구성 된 영상표시장치를 나타냈다.</p><p>LED의 구동 방식에서 정적인 드라이브 방식은 주로 옥외용 LED 영상표시 시스템에서 사용하는 방식이며, LED 모듈의 픽셀이 \( 16 \times 16 \) 으로 구성되었을 때 16 개의 라인 중 에서 한 라인씩을 주사하여 점등하는 라인의 점등 주기가 1/16 인 구동 드라이버를 사용하였다.</p><p>그림 6에서는 LPM 1/16 구동 드라이버 블록도선를 나타냈으며, 여기서 표시부는 \( 16 \times 16 \) 의 LED 픽셀로, LED 의 휘도특성은 광도를 3,500 칸델라(candela) 이상으로 설계하였다.</p><p>듀티 사이클(duty cycle)을 1/8 로 구성하여 표시부의 LED 가 가로로 16 개의 라인으로 설계하였으며, 이 중 1, 8 번째 라인 2, 9 번째 라인 등의 순서로 맨 마지막은 7, 16 라인을 순차적으로 주사하면서 LED 에 점등하는 방식으로, LPM 1/8 구동 드라이버의 블록선도를 그림 7에 구성하였다.</p><p>LPM 구동 드라이버의 동작방식은 각각의 3 비트 병렬/직렬로 구성된 Red, Green, Blue 영상데이터를 입력받아 쉬프트(shift) 클럭에 의해 Red, Green, Blue 각각에 해당되는 1,633 비트로 구성된 쉬프트 레지스터(register)로 이동 되며 이 레지스터에 저장된 영상데이터는 데이터 래치(latch) 스트로브(strobe) 신호에 의해 데이터 래치버퍼(latch buffer)에 병렬로 저장된다.</p><p>데이터 래치 버퍼에 저장된 각각의 Red, Green, Blue 영상 데이터는 밝기 조정을 위한 3 비트의 Bright Data와 PWCLK의 클럭신호에 의해 16,777,216 의 칼라를 재현할 수 있도록 정 전류 구동드라이버로 제어되도록 설계하였다.</p><h1>IV. 설계 검증 및 제작</h1><p>본 논문에서 구현한 임베디드 프로세서를 이용한 소형 동영상 LED 전광판은 문자나 그래픽 같은 매우 간단한 메시지만올 표출하고 있는 소형 LED 전광판에 동영상을 표출할 수 있도록 임베디드 시스템을 접목한 동영상 LED 전광판을 구현하였다.</p><p>그림 8에 나타난 임베디드 시스템의 설계와 제작에서 CPU 는 Intel Bulverde PXA270 \( 520 \mathrm{MHz} \) 을 사용하여 시스템 제어와 16,777,216 컬러의 동영상 표출을 하였으며, 저장장치는 \( 128 \mathrm{Mbyte} \) SDRAM K4S281632C와 32MByte E28F128J3A-150 Flash 메모리를 이용함으로써 용량이 큰 영상데이터를 저장할 수 있도록 설계하였다.</p><p>USB 를 통해 \( 12 \mathrm{Mbps} \) 속도로 업(up)로드가 가능하도록 구성하여, 기존의 전송장치인 RS-232 인터페이스 대신 LAN 인터페이스로 CS8900A-CQ3 를 사용함으로써 \( 10 \mathrm{Mb} / \mathrm{sec} \) 의 전송속도로 데이터를 전송할 수 있도록 하였다.</p>
|
[
"다음 중 LPM 모듈을 구성하는 LED 색으로 옳은 것은?",
"LED의 구동 방식에서 정적인 드라이브 방식은 주로 어떤 시스템에서 사용해?",
"본 논문의 그림 6은 어떤 것의 블록도선을 나타내고 있어?",
"LED 모듈의 픽셀이 \\( 16 \\times 16 \\) 으로 구성되었을 때 구동 드라이버의 점등 주기는 얼마였어?",
"본 논문에서 제작한 표시부의 LED는 가로로 몇 개의 라인으로 설계되었어?",
"LED 점등 시 16개의 라인 중 1번째 라인이 점등될 때 몇 번째 라인도 함께 점등돼?",
"LED 점등 시 16개의 라인 중 2번째 라인이 점등될 때 몇 번째 라인도 함께 점등돼?",
"LPM 구동 드라이버에서 RGB 영상 데이터는 각각 몇 비트의 병렬/직렬로 구성되었어?",
"LPM 구동 드라이버에서 쉬프트 레지스터에 저장된 영상 데이터는 어떤 신호에 의해 래치버퍼로 저장되니?",
"데이터 래치 버퍼에 저장된 영상 데이터는 몇 개의 칼라가 전류 구동드라이버로 제어되도록 설계되었니?",
"LPM 구동 드라이버에서 쉬프트 레지스터에 저장된 영상 데이터는 어디에 병렬로 저장되니?",
"LPM 모듈은 어떤 matrix 모양으로 영상표시장치를 나타내니?",
"본 논문의 그림 6에 나타나는 표시부의 LED 픽셀 크기는 얼마야?",
"LED 의 휘도특성은 광도를 몇 칸델라 이상으로 설계했니?",
"LPM 구동 드라이버에서 RGB 영상 데이터를 입력 받아 무엇에 의해 쉬프트 레지스터로 이동하니?",
"LPM 구동 드라이버에서 RGB 영상 데이터를 입력 받아 이동하는 쉬프트 레지스터는 몇 비트로 구성되어 있어?",
"본 연구에서 임베디드 시스템을 설계하고 제작할 때 CPU는 무엇을 사용했어?",
"패널 설계 시 듀티 사이클은 얼마로 구성되었니?",
"본 연구에서 제안하는 LED 전광판은 USB를 통해 얼마의 속도로 업로드 가능하도록 구성되어 있어?"
] |
904e1ab3-aec3-4626-a240-6601be7c917a
|
인공물ED
|
임베디드 시스템을 이용한 LED 비디오 프로세서 설계
|
<p>OrCAD 9.1 버전을 이용하여 6-Layer로 설계하였으며, 그림 9 에 제작한 비디오 프로세서를 나타냈다.</p><p>그림 10 은 비디오 제어신호와 LPM 제어신호 발생기의 시뮬레이션 파형 결과를 보여주고 있다.</p><p>제안된 회로의 설계검증과 성능분석으로 LPM 모듈은 \( 128 \mathrm{~mm} \times 128 \mathrm{~mm} \) 크기로 전류 구동드라이버인 PD0948 IC를 사용하여 듀티사이클 1/12로 설계, 제작하여 휘도를 \( 5,000 \mathrm{~cd} / \mathrm{m} 2 \) 이상 표현하여 확인하였다.</p><p>운영체제로는 기존의 데스크 탑 사용자들에 임베디드 환경에서도 동일하게 사용할 수 있도록 Windows CE 를 사용하였으며, 응용 소프트웨어로는 감마 보정, 밝기, 색 대비 조정, 인터넷에 의한 표출 영상 변환 및 저장 기능의 소프트웨어를 구성하였다.</p><p>또한 비디오프로세서의 제어신호 발생기와 데이터 변환부로 분류하여 설계하였으며, Tool은 ALTERA사의 MAX+PLUSII \( 10.1 \) 버전이며, 로직설계는 Primitive Cell과 VHDL을 혼합하여 제작하였으며, 사용한 디바이스는 EPM7128ACT100-10을 이용하였다.</p><h1>V. 결 론</h1><p>본 논문에서는 임베디드 시스템을 이용한 비디오 프로세서의 설계로 PXA255 기반의 소형 LED 전광판의 비디오 출력지원이 최대 \( 680 \times 480 \) 에 \( 16 \mathrm{Bit} \) 까지만 지원을 하여 완벽한 Full Color를 구현할 수 없었던 것을 비디오 출력지원기능이 항상된 24Bit PXA270을 이용하여 임베디드 시스템을 이용한 소형 동영상 LED전광판을 구현하였다.</p><p>임베디드 시스템에서 출력되는 24Bit의 디지털 영상 데이터를 임베디드 시스템과 동기 시켜 LED 디스플레이 시스템에 전송하여 기존의 개발된 시스템에서 \( 16 \mathrm{Bit} \) 신호변환 하던 것을 \( 24 \mathrm{Bit} \) 로 변환하여 동영상을 표출할 수 있도록 영상데이터를 처리할 수 있는 비디오 프로세서를 설계하고 확인하였다. 문자, 그래픽, 동영상 등을 LED디스플레이 시스템에 표출할 수 있도록 Windows CE를 기반으로 응용 프로그램을 설계하였다. 응용 프로그램은 감마보정, 밝기, 색 대비소정, 스케줄 기능, 인터넷에 의한 표출영상 변환 및 저장장치를 내장하여 설계, 제작하고 확인할 수 있다.</p>
|
[
"비디오 프로세서는 무엇을 이용해 6-Layer로 만들었는가?",
"LPM 모듈의 크기는 어느 정도인가?",
"비디오 프로세서의 응용 소프트웨어는 어떤 기능을 갖춘 소프트웨어를 사용하였는가?",
"비디오 프로세서의 운영체제로 Windows CE를 사용한 이유는 무엇인가?",
"제작된 LPM 모듈의 휘도는 무엇인가?",
"LPM 모듈은 무엇을 사용해서 만들어 졌는가?",
"PD0948 IC는 무엇이지?",
"LPM 모듈은 어떻게 제작되었는가?",
"비디오 프로세서의 운영체제로는 무엇을 사용하였는가?",
"비디오 프로세서의 툴로는 ALTERA사의 무엇을 사용했는가?",
"비디오 프로세서의 로직설계는 무엇을 사용하여 설계하였는가?",
"임베디드 시스템을 이용하여 설계된 비디오 프로세서는 무엇을 기반으로 소형 LED 전광판을 제작하였는가?",
"24Bit PXA270는 무엇이 향상된 것이지?",
"임베디드 시스템을 이용한 소형 동영상 LED전광판은 무엇을 사용하여 만들어 냈는가?",
"비디오 프로세서의 툴은 어느 회사의 MAX+PLUSII \\( 10.1 \\) 버전을 사용했는가?",
"Windows CE를 기반으로 응용 프로그램을 설계하면 무엇을 LED디스플레이 시스템에 표출할 수 있는가?",
"비디오 출력지원이 최대 \\( 680 \\times 480 \\) 에 \\( 16 \\mathrm{Bit} \\) 까지만 지원하는 PXA255 기반의 소형 LED 전광판의 문제는 무엇인가?",
"Primitive Cell과 VHDL을 혼합하여 제작할시 사용한 디바이스는 무엇이지?",
"Windows CE를 기반으로 응용 프로그램을 설계한 이유는 무엇인가?",
"그림 10 은 비디오 제어신호와 LPM 제어신호 발생기의 무엇을 보여 주는가?",
"그림 10에서는 무엇을 나타내는가?"
] |
3787edf9-0b9f-4098-903d-0d035336a38c
|
인공물ED
|
스마트 팩토리 구축을 위한 임베디드 보드 개발
|
<h1>요 약</h1><p>본 논문에서는 스마트 팩토리 구축을 위한 임베디드 보드의 개발을 제안한다. 제안하는 스마트 팩도리 구축을 위한 임베디드 보드는 메인모듈, ADC 모듈, I / O 모듈로 구성된다. 메인모듈은 주 연산장치로써 임베더드 보드를 구동하는 운영체제가 포팅되어서 외부장치와 산업용 프로토콜을 이용하여 통신할 수 있는 통신부를 탑재하고 있다. ADC 모듈은 필드에 설치되어 있는 센서들의 전기적신호를 디지털로 변환하여 메인모듈로 전달하는 역할을 한다. I / O 모듈은 필드기기의 상태, 경보, 가동명령 등을 전달하기 위하여 외부의 노이즈로부터 차단하기 위한 절연회로를 탑재한 디지털 입출력 모듈이다. 제안된 스마트 팩토리 구축을 위한 임베디드 보드의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과, 프로토콜의 연동개수는 5개, 하드웨어의 클록 동기화 속도는 \( 10 \mathrm{us} \), 배터리로 구동되는 보드의 동작시간은 8시간 이상으로서 세계최고 수준과 동일한 결과를 산출하였다.</p>
|
[
"임베디드 보드의 개발은 왜 할까?",
"스마트 팩도리 구축을 위해 메인모듈, ADC 모듈, I / O 모듈로 구성되는 것은 무엇이지?",
"스마트 팩도리 구축을 위한 임베디드 보드에는 어떤 모듈들로 구성이 될까?",
"주 연산장치로써 임베더드 보드를 구동하는 운영체제가 포팅되어 있는 모듈은 ADC 모듈일까?",
"산업용 프로토콜을 이용하여 통신할 수 있는 통신부를 탑재하고 있는 모듈은 무엇이야?",
"임베더드 보드의 통신부는 어떻게 외부장치와 산업용 프로토콜을 이용하여 통신할 수 있는가?",
"I / O 모듈은 어떤 회로를 탑재하고 있을까?",
"I / O 모듈이 외부의 노이즈로부터 차단하기 위한 절연 회로를 탑재한 이유는 무엇인가?",
"오직 메인모듈와 ADC 모듈로만 스마트 팩도리 구축을 위한 임베디드 보드가 이루어져 있는가?",
"필드에 부착되어 있는 센서들의 전기적신호를 ADC 모듈은 디지털로 바뀌어 어디에 전해주는가?",
"필드에 부착된 센서들의 전기적신호를 메인모듈로 디지털로 변환하여 전해주는 모듈은 I / O 모듈인가?",
"필드에 부착되어 있는 센서들이 보내는 전기적신호를 ADC 모듈은 어떻게 메인모듈로 전하는가?",
"외부의 노이즈를 차단하기 위한 절연회로를 필드기기의 여러 정보를 전하기 위해 부착한 디지털 입출력 모듈은 무엇일까?"
] |
d60043ad-e680-4fa4-be43-d62ba21a1626
|
인공물ED
|
스마트 팩토리 구축을 위한 임베디드 보드 개발
|
<h1>Ⅰ. 서론</h1><p>제조공정을 갖춘 산업환경에서는 각 공정별로 설치되어 있는 PLC 등의 필드디바이스의 가동상태, 이상유무, 장비가 동작하고 있는 주변의 환경요인(온도, 습도, 입자의 수등)을 파악하는 것이 대단히 중요하다. 디바이스간에 정보를 수시로 교환하여 장비의 이상상태를 수시로 체크하고 공정이 올바르게 진행되기 위해서 확인해야 하는 수많은 변화 요인들을 실시간으로 모니터링하고 감시하기 위해서는 디바이스간의 실시간 데이터 교환 메커니즘이 필수로 선행되야 하고 각 제조사별로 표준의 프로토콜 규격을 준수하여 인터페이스를 해야 하는 상황임에도 불구하고 현재 대부분의 산업공장에서 이기종간의 인터페이스가 올바르게 되지 않아 전체 시스템 관리에 난항을 겪고 있다. 또한, 대전력을 사용하는 전동기, 인버터, 드라이브키트 등의 산업용 기기가 발생하는 유도 자기장이 컨트롤러의 통신성능에 영향을 주는 간헐적 발생 노이즈가 공정률에 영향을 주기도 하고 기기의 오작동을 야기하기도 한다. 따라서 본 눈문에서는 표준 프로토콜인 OPC UA 를 기본으로 탑재하고, 통신 및 신호 송수신장치에 별도로 전원을 구성하고 광커플러 등과 같은 절연소자를 대부분 채용하고 대용량배터리를 탑재하여 범 통신성, 항노이즈성, 무전원성을 동시에 갖추도록 하는 임베디드 보드 개발을 목표로 한다.</p>
|
[
"현재 대부분의 산업공장에서 전체 시스템 관리에 난항을 겪고 있는 이유는 무엇인가?",
"수많은 변화 요인들을 실시간으로 모니터링하고 감시하기 위해서는 무엇이 필수로 선행되어야 할까?",
"장비의 이상상태를 수시로 체크하고 공정이 올바르게 진행되기 위해서는 어떻게 해야 할까?",
"제조공정을 갖춘 산업환경에서는 PLC 등 필드디바이스의 무엇을 파악하고 있어야 할까?",
"PLC는 무엇인가?",
"OPC UA는 표준 프로토콜일까?",
"산업용 기기가 발생하는 유도 자기장은 어디에 영향을 줄까?",
"산업용 기기가 발생하는 유도 자기장이 컨트롤러의 통신성능에 영향을 주는 간헐적 발생 노이즈는 어디에 영향을 끼칠까?",
"광커플러는 절연소자의 한 종류이니?",
"대용량배터리를 탑재하는 임베디드 보드는 무엇을 갖추도록 개발을 목표로 할까?"
] |
9c1e2311-529f-42f5-ad2d-48f1cab85a4a
|
인공물ED
|
스마트 팩토리 구축을 위한 임베디드 보드 개발
|
<h1>Ⅱ. 본론</h1><h2>1. 스마트 팩토리 구축을 위한 임베디드 보드</h2><p>스마트 팩토리 구축을 위한 임베디드 보드의 블록도는, 메인 모듈, ADC 모듈,I / O 모듈 및 그 외 기본적인 주변회로 등으로 구성된다. 운영체제를 저장하고 있는 SD 메모리, 디버깅 및 플래시 메모리 프로그램을 위한 JTAG, RS485, CAN, RS232, ethernet, WIFI 등과 같은 산업용 고속 네트워크 환경을 구현하기 위한 통신모듈 등이 포함되어 있다. 장비에 전원이 인가되면 플래시 메모리에 저장되어 있는 리눅스 운영체제가 SDRAM으로 복사되어 운영체제가 구동되고 구동된 운영체제는 사전에 정의되어 있는 스크립트에 의해 산업용 스마트 팩토리용 임베디드 보드 역할을 수행한다.</p><h2>2. 메인 모듈</h2><h3>2.1. 프로세서부</h3><p>프로세서부는 그림 1 과 같이 ARM Cortex-A9 CPU를 사용하여 저전력에 안정적으로 동작하고 속도에 최적화 되어 있는 하드 매크로 시스템을 통하여 강력한 고성능의 시스템 구현을 가능하게 하였다. 512MB DDR SDRAM을 주 메모리로 설계하였고, OS 탑재를 위하여 \( 4 \mathrm{~GB} \) eMMC flash 메모리를 별도로 구성하였다. 내부에 \( 32 \mathrm{~KB} \) EEPROM을 탑재하여 주 연산의 속도를 강화하였으며, 리눅스 3.12 .10의 최신 버전을 탑재하여 디바이스 드라이버 및 각종 메모리 관리, 스케쥴 관리 등에 최적화되도록 설계하였다.</p><h3>2.2. 통신부</h3><p>통신부는 그림 2 와 같이 산업 현상에서 사용되는 다양한 장비들의 통신 모듈을 통합하여 지정된 서버로 전송하기 위한 디바이스의 역할을 수행하기 위하여 TSN 기반 Gigabit Ethernet을 채용하였다. 또한 RS232(D-sub 9pin Male), RS422, RS485를 보드 내에 설계하여 다양한 인터페이스 장치와 호환되도록 하였으며, 산업용 온도 사양 \( \left(-40^{\circ} \mathrm{C} \sim+85^{\circ} \mathrm{C}\right) \) 에 동작할 수 있도록 내구성을 고려하였다. 한편, 외부에서 보드의 상태등을 점검할 수 있도록 하기 위하여 강력한 통신 상태 점검 기능인 debugging mode, ezManager, TELNET을 구현하였다. 다양한 유동 IP 환경에서 사용 가능하도록 DHCP, PPPoE 등을 지원하며 다양한 호스트 연결모드 지원하기 위해 TCP 서버, TCP 클라이언트, UDP를 구현하였다.</p><h3>2.3 전원부</h3><p>전원부는 그림 3과 같이 임베디드 보드에 안정적인 전원을 공급하기 위하여 소스 전원이 제거되는 상황에도 최대 8시간 이상의 동작성을 보장하기 위하여 리튬이온 배터리를 내장하였다. 다른 배터리에 비해 리튬이온이 보다 안정적인 성능을 보장하므로 리튬이온 배터리를 채택하였으며 자주 발생되는 산업현장의 정전상태와 무관하도록 장비의 상태정보를 서버로 전송하기 위해 사용하였다. 소스 전원이 연결되었을 때에는 배터리가 자동으로 충전되며 이를 위해 과 충방전 보호회로를 탑재하였으며 전원부에서 공급되는 전원은 필드디바이스 및 통신특성에 맞게 \( 24 \mathrm{~V}, 5 \mathrm{~V}, 3.3 \mathrm{~V} \) 를 공급한다.</p><h2>3. ADC 모듈</h2><p>ADC모듈은 그림 4 와 같이 모듈은 필드에 설치된 각종 센서 및 디바이스로부터 프로토콜을 통하여 정보를 교환하는 방식이 아닌 전기적인 신호로 정보를 교환하는 방식의 모듈이다. 따라서 ADC 모듈은 센서의 입력을 위한 ADC 회로와 센서 및 장비에 출력을 보내기 위한 DAC회로, 그리고 신호를 처리하는 신호처리부로 구분되어 있다. 신호의 입력 및 출력부에는 외부의 노이즈로부터 절연하기 위해 광 커플러, 쇼트키 다이오드 등을 사용하였다. 전류의 입력을 받는 부분에 쇼트키 다이오드를 사용하는 이유는 일반 정류용 다이오드보다 순방향 바이어스에 의한 전압강하가 적다는 특성을 이용한 것이다. 일반 다이오드의 경우 반도체 고유 득성에 의해 \( 0.7 \mathrm{~V} \sim 1 \mathrm{~V} \) 의 전압강하가 생기는 반면 쇼트키 다이오드는 \( 0.4 \mathrm{~V} \) 정도로 일반 다이오드에 비해 낮으므로 낮은 전압 및 대 전류를 정류하는 경우에 일반 다이오드보다 유리하다. 또한 쇼트키 다이오드는 패스트 스위칭(fast switching) 특성이 강하며 금속과 반도체로 구성되어 있어, 소수 캐리어에 의한 축적이 적어 고속으로 정류가 강한 특성이 있다.</p><h2>6. I/O 모듈</h2><p>I/O 모듈은 그림 5 와 같이 장비의 운전상태, 이상 신호, 계량기/유량계 등과 관련한 펄스(pulse) 입력 등을 수신하기 위한 입력회로에는 외부 노이즈로 부터의 간섭을 최소화하기 위하여 각 입력포트에는 포토커플러를 설계하였다. 총 8핀의 입력회로를 구성하여 메인모듈로 해당 포트의 상태를 전달한다. 반면에 출력회로에는 장비의 운전/정지 명령을 전달하고 MCC(Motor Control Center) 등의 제어반에 가동신호를 송출하기 위한 디지털 출력회로를 내장하였다. 외부 장비로부터 역으로 흘러들어 오는 고전류 및 전압에 대응하기 위하여 릴레이를 사용하여 회로를 보호하고 최대 \( 1,500 \mathrm{~V} \) 의 서지전압으로부터 보호할 수 있는 고성능 릴레이를 채용하였다. 출력회로는 메인모듈로부터 신호를 수신하여 이를 디지털 신호로 변환하는 기능을 수행하고 그 명령을 장비로 전달하는 역할을 한다.</p><h2>4. 임베디드 보드의 PCB 보드 설계 및 제작</h2><p>그림 6 은 임베디드 보드의 PCB 이미지를, 그림 7은 임베디드 보드의 전체조립 이미지를 나타내고 있다.</p><h2>7. 성능 실험</h2><h3>가. 실험 방법</h3><p>본 논문에서 제안한 스마트 팩토리 구축을 위한 프로토콜의 성능을 펑가하기 위하여, 공인인증기관에서 그림 8과 같이 테스트 환경을 구축하여 실험하였다.</p><h3>나. 실험 결과</h3><p>실험 결과, 표 1 과 같이 스마트 팩토리 구축을 위한 임베디드 보드가 연동할 수 있는 프로토콜은 총5개, 임베디드 보드간에 하드웨어의 클록 동기화를 수행하는 시간은 \( 10 \mathrm{us} \), 소스 전원을 제거하고 배터리로 동작하는 임베디드 보드의 동작시간은 8시간 이상임을 확인하였다. 따라서 세계최고 수준과 동일한 결과를 산출하였기 때문에 그 효용성이 입증되었다.</p><table border><caption>표 1. 공인시험성적서 결과</caption><tbody><tr><td>Evaluation ltem (Performance Specifications)</td><td>Unit</td><td>World Best Record (Racord/Nation)</td><td>Evaluation Result</td></tr><tr><td>Interacing Protocol</td><td>ca</td><td>5/Taiwan</td><td>5</td></tr><tr><td>Hardwarc clock synchronization time</td><td>us</td><td>10us/Gemmanv</td><td>10</td></tr><tr><td>Oparation time via battery</td><td>hr</td><td>no record</td><td>8</td></tr></tbody></table>
|
[
"메인 모듈로부터 신호를 수신해서 디지털 신호로 바꾸고 그 명령을 장비로 전달하는 것이 뭐야?",
"I/O 모듈의 입력회로에 외부노이즈로부터의 간섭을 최소화하기위해 입력포트에 설계한것은 무엇일까?",
"본 실험에서 대만이 가장 좋은 기록을 나타낸 평가 항목은 뭐야?",
"본 실험에서 Oparation time via battery 항목을 측정할 때 단위는 뭐야?",
"본 실험에서 Gemmanv가 가장 좋은 기록을 낸 항목은 뭐야?",
"본 실험에서 Gemmanv가 Hardwarc clock synchronization time 항목에서 얼마의 기록을 냈니?",
"본 실험에서 대만이 interacing protocol에서 낸 기록은 얼마야?",
"본 실험에서 Interacing Protocol 측정시 가장 좋은 기록은 낸 나라는 어디야?"
] |
c2a9f4b8-4369-434c-9392-0d6cf60219e2
|
인공물ED
|
스마트 팩토리 구축을 위한 임베디드 보드 개발
|
<h1>Ⅲ. 결론</h1><p>본 논문에서는 스마트 팩토리 구축을 위한 임베디드 보드의 개발을 제안하였다. 제안하는 스마트 팩토리 구축을 위한 임베디드 보드는 메인모듈, ADC모듈, I / O 모듈로 구성되었다. 제안된 스마트 팩토리 구축을 위한 임베디드 보드의 효율을 판단하기 위하여 공인시험기관에서 실험한 결과, 임베디드 보드가 연동할 수 있는 프로토콜은 총 5개, 임베디드 보드간에 하드웨어의 클록 동기화를 수행 하는 시간은 \( 10 \mathrm{us} \), 소스 전원을 제거하고 배터리로 동작하는 임베디드 보드의 동작시간은 8시간 이상 의 결과가 산출되어 그 효용성이 입증되었다. 향후 연구과제는 프로토콜 및 시간적 동기화를 위하여 사용자가 설비 및 장비에 관한 에너지 관리를 직접 수행할 수 있는 모니터링 및 관리 소프트웨어를 임베디드 보드내에 탑재하여 그 범용성을 확장하는 통합적인 연구가 필요하다고 사료된다.</p>
|
[
"제안하는 스마트 팩토리 구축을 위한 임베디드 보드는 어떤 것들로 구성되어 있지?",
"제안하는 스마트 팩토리 구축을 위한 임베디드 보드는 구성이 어떻게 돼?",
"메인모듈, ADC모듈, I / O 모듈로 구성되어 있으며 스마트 팩토리 구축을 위해 개발한 것은 뭐지?",
"스마트 팩토리 구축을 위한 임베디드 보드의 효율을 판단하기 위하여 공인시험기관에서 실험한 결과로 임베디드 보드가 연동할 수 있는 프로토콜은 총 몇개지?",
"메인모듈, ADC모듈, I / O 모듈로 구성된 임베디드 보드는 무엇을 구축하기 위한것이지?",
"제안된 스마트 팩토리 구축을 위한 임베디드 보드의 효율을 판단하기 위하여 공인시험기관에서 실험한 결과로 임베디드 보드의 동작시간은 몇시간 이상의 결과가 산출되어 그 효용성이 입증되었지?",
"스마트 팩토리 구축을 위한 임베디드 보드의 효율을 판단하기 위하여 공인시험기관에서 실험한 결과로 임베디드 보드간에 하드웨어의 클록 동기화를 수행 하는 시간은 얼마지?"
] |
f3864083-2478-46ea-abd9-72771bfbd2e0
|
인공물ED
|
유한요소해석법을 이용한 \(2-2\)형 압전복합재료 초음파 트랜스듀서의 설계 및 압전특성
|
<table border><caption>표 2. PZT-5A와 Epofix의 재료특성</caption><tbody><tr><td>Material</td><td>Material property</td><td>Value</td></tr><tr><td rowspan=15>PZT (PZT-5A)</td><td>\( c^{C, E}{ }_{11}\left(10^{10} \mathrm{~N} / \mathrm{m}^{2}\right) \)</td><td>12.10</td></tr><tr><td>\( c^{C, E}{ }_{12}\left(10^{10} \mathrm{~N} / \mathrm{m}^{2}\right) \)</td><td>7.54</td></tr><tr><td>\( c^{C, E}{ }_{13}\left(10^{10} \mathrm{~N} / \mathrm{m}^{2}\right) \)</td><td>7.52</td></tr><tr><td>\( c^{C, E}{ }_{33}\left(10^{10} \mathrm{~N} / \mathrm{m}^{2}\right) \)</td><td>11.10</td></tr><tr><td>\( s^{C, E}{ }_{11}\left(10^{-12} \mathrm{m}^{2}/\mathrm{~N}\right) \)</td><td>16.40</td></tr><tr><td>\( s^{C, E}{ }_{12}\left(10^{-12} \mathrm{m}^{2}/\mathrm{~N}\right) \)</td><td>-5.74</td></tr><tr><td>\( s^{C, E}{ }_{13}\left(10^{-12} \mathrm{m}^{2}/\mathrm{~N}\right) \)</td><td>-7.22</td></tr><tr><td>\( s^{C, E}{ }_{33}\left(10^{-12} \mathrm{m}^{2}/\mathrm{~N}\right) \)</td><td>18.80</td></tr><tr><td>\( e_{33}\left(\mathrm{C} / \mathrm{m}^{2}\right) \)</td><td>15.80</td></tr><tr><td>\( e_{31}\left(\mathrm{C} / \mathrm{m}^{2}\right) \)</td><td>-5.40</td></tr><tr><td>\( d_{31}\left(10^{-12} \mathrm{C} / \mathrm{N}\right) \)</td><td>-171</td></tr><tr><td>\( d_{33}\left(10^{-12} \mathrm{C} / \mathrm{N}\right) \)</td><td>488</td></tr><tr><td>\( \varepsilon^{C,S}_{33} / \varepsilon_{0} \)</td><td>830</td></tr><tr><td>\( \varepsilon^{C,S}_{33} / \varepsilon_{0} \)</td><td>2,091</td></tr><tr><td>density \( \left(\rho^{C}, \mathrm{kg} / \mathrm{m}^{3}\right) \)</td><td>7,747</td></tr><tr><td rowspan=6>Epofix</td><td>\( c^{P}_{11}\left(10^{10} \mathrm{~N} / \mathrm{m}^{2}\right) \)</td><td>0.69</td></tr><tr><td>\( c^{P}_{12}\left(10^{10} \mathrm{~N} / \mathrm{m}^{2}\right) \)</td><td>0.46</td></tr><tr><td>\( S^{P}_{11}\left(10^{-10} \mathrm{~m}^{2} / \mathrm{N}\right) \)</td><td>3.15</td></tr><tr><td>\( S^{P}_{12}\left(10^{-10} \mathrm{~m}^{2} / \mathrm{N}\right) \)</td><td>-1.27</td></tr><tr><td>\( \varepsilon_{r}^{P} \)</td><td>4.1</td></tr><tr><td>density \( \left(\rho^{P}, \mathrm{kg} / \mathrm{m}^{3}\right) \)</td><td>1,107</td></tr></tbody></table><p>PZT 부피분율이 0.2 와 0.4 의 경우 \( 1.5 \mathrm{NH} \). \( 2.5 \mathrm{VHz} \) 범위에서 2개의 공진 피크가 나타나는 현상을 보였다. 이는 압전복합재료 외부에서 가해진 응력 중 많은 부분이 PZT보다 폭이 넓은 고분자 상에 가해져 압전전하상수 \( d_{33} \) 의 값이 감소하여 발생되는 현상이다. 이러한 현상들은 압전복합재료 제작시 PZT 상과 고분자 상의 폭을 적절히 조절하여 개선할 수 있다.</p><p>Fig. 5는 2-2형 압전복합재료 초음파 트랜스듀서의 PZT 부피분율 변화에 따른 밀도와 음향 임피던스 및 두께방향 전기기계결합계수의 유한요소 해석 결과를 나타내었다. 압전복합재료의 밀도와 음향 임피던스는 고분자재료의 밀도에 비해 PZT의 밀도가 매우 높은 값을 가지므로 PZT 부피분율이 증가함에 따라 밀도는 선형적으로 증가하였다. 음속과 밀도의 곱으로 표현되는 압전복합재료의 음향 임피던스는 밀도의 증가로 인하여 선형적으로 증가하는 것을 알 수 있으며, 두께방향 전기기계결합계수는 그림에서 보는 바와 같이 PZT 부피분율이 0.6 인 경우 가장 높게 나타났으며 그 이상에서는 고분자 상에 의한 PZT 상의 클램핑 (clamping) 효과에 의하여 두께방향 전기기계결합계수가 급격하게 감소하는 것을 확인할 수 있었다. 이러한 현상은 일반적인 압전재료의 종횡비가 0.4~0.6 인 경우 전기기계결합 계수와 공진모드의 명확성이 가장 우수하다는 선행의 연구결과와 잘 일치한다.</p>
|
[
"\\( 1.5 \\mathrm{NH} \\). \\( 2.5 \\mathrm{VHz} \\) 범위에서 공진 피크가 어떤 과정으로 나타나는가?",
"PZT 부피분율이 어떻게 하여 증가함에 따라 밀도가 선형적으로 증가하는가?",
"Value가 18.80의 값을 가지는 물질은 무엇인가?",
"Material 중 Value의 최고값은 어떤 물질에 해당하는가?",
"본 표는 각 Material 별로 무엇에 대한 Value를 보여주는가?",
"\\( c^{C, E}{ }_{33}\\left(10^{10} \\mathrm{~N} / \\mathrm{m}^{2}\\right) \\)는 어떤 물질에 해당하는가?",
"PZT 중에서 Value가 가장 큰 Material property는 무엇인가?",
"\\( \\varepsilon_{r}^{P} \\)의 Material property을 가지는 물질은 무엇인가?",
"Epofix의 밀도의 값은 몇인가?",
"표에 근거하여 \\( c^{C, E}{ }_{11}\\left(10^{10} \\mathrm{~N} / \\mathrm{m}^{2}\\right) \\)에 대한 Value로 12.10인 물질은 무엇인가?",
"표에 근거하여 Material 중에서 평균 Value가 높은 것은 무엇인가?",
"Value 가 가장 큰 값은 몇인가?"
] |
49e20b09-a789-43bc-877a-cef27dc28104
|
인공물ED
|
휴대용 PCS 단말기를 위한 선형 전력증폭기 모듈의 구현
|
<h1>II. PCS 전력증폭기 사양과 소자 모델링</h1><h2>3-1 전력증폭기 사양 및 능동 소자 선택</h2><p>국내에서는 \( 1750 \sim 1780 \mathrm{MHz} \) 사용 주파수 대역의 PCS-CDMA 방식을 사용할 계획이며 이를 위한 전력증폭기 모듈의 사양은 표 1 과 같다. 제한된 영역에서 시속 \( 30 \mathrm{~km} \) 미만의 보행자를 위한 저속 보행자용(low-tier) 과 넓은 영역에서 고속으로 이동하는 이동체의 통화 지원을 위한 고속 이동용(high-tier) 의 2가지 종류의 모듈이 각각 필요하다. 전력증폭기의 구현을 위해서는 먼저 시스템의 요구 사항을 확인하고 이를 만족시키기 위한 적절한 능동 소자의 선택이 중요하다. PCS 휴대전화기용 전력증폭기 모듈의 구현을 위해 HBT나 HEMT에 비해 선형성은 떨어지는 단점이 있으나 비교적 저렴한 가격과 대량 생산을 위한 소자 수급이 용이한 고출력, 고효율 및 저왜곡 특성을 가진 OKI사의 MESFET(KGF-1284, KGF-1313, KGF-1606)을 선택하였다.</p><h2>3-2 MESFET의 대신호 등가모형 추출</h2><p>선택한 능동 소자들을 이용하여 전력증폭기를 비선형 회로 해석 방법으로 설계하기 위해서는 그림 3과 같은 소자의 대신호 등가모형이 필요하다. 대신호 등가모형 추출은 먼저 소신호 등가모형을 구한 후 전류-전압 \( (\mathrm{I} - \mathrm{V}) \) 특성과 같은 비선형 요소를 포함하는 형태로 완성한다. 소신호 파라미터의 추출에는 100 지점 정도의 바이어스에 따른 소신호 산란 계수의 측정과 이의 근사화 및 바이어스 함수로의 표현이 필요하다. 특히 MES-FET의 가장 중요한 비선형 성분인 채널 전류의 올바른 측정과 모델링이 전력증폭기의 비선형 특성 예측을 위해 필수적이다. MESFET의 채널 전류는 바이어스 조건에 따라 다른 주파수 분산 특성(frequency dispersion characteristics)을 가지게 되어 각기 다른 \( \mathrm{I}-\mathrm{V} \) 특성을 보이므로 여러 동작점 바이어스 상태에서의 펄스 \( \mathrm{I}-\mathrm{V} \) 특성을 측정하고 이를 이용하여 모델링하여야 한다. 본 연구에서는 동작점 바이어스 하에서의 펄스 \( \mathrm{I}-\mathrm{V} \)를 측정하고, 이를 채널전류식의 고차 미분항들이 불연속점을 가지지 않으면서 핀치-오프 및 포화 특성을 포함하는 전체 \( \mathrm{I}-\mathrm{V} \) 특성을 정확히 표현하는 식 1 의 표현식을 사용하여 채널 전류를 동작 바이어스에 관한 함수로 모델링하였다.</p><p>\( I_{d s R F}=\beta\left[u+\ln \left(e^{u}+e^{-u}\right)\right] \tanh \left(\alpha v_{d s}\right) \)<caption>(1)</caption></p><p>\( V_{p}=V_{p o}+\gamma_{v_{d s},} \quad d=\left(\frac{v_{b}-v_{g s}}{V_{p}}\right) \)</p><p>\( u=A(1-\mathrm{d})-C \)</p><p>\( v_{b}=v_{b o}+v_{b 1} * V_{d s o} \quad A=A_{o}+A_{l *} * V_{d s o} \)</p><p>\( \gamma=\gamma_{o}+\gamma_{1} * V_{d s o} \quad \beta=\beta_{0}+\beta_{1} * V_{\mathrm{p}^{c} 0} \)</p><p>\( \alpha=\alpha_{o}+\alpha_{1} * V_{d s o}+\alpha_{2} * V_{g k} \)</p><p>이러한 방법으로 모듈 구현에 사용되는 OKI사 KGF-1284, KGF-1313 및 KGF-1606의 대신호 등가모형을 모두 직접 추출하여 전력증폭기 모듈의 설계에 사용하였다.</p>
|
[
"국내에서는 어떠한 이유로 OKI사의 제품을 선택하였는가?"
] |
f36536a7-d7a8-442d-a775-4d127b11272a
|
인공물ED
|
휴대용 PCS 단말기를 위한 선형 전력증폭기 모듈의 구현
|
<h1>Ⅳ. 전력증폭기 모듈의 설계와 제작</h1><p>추출한 대신호 등가모형과 초고주파 CAD인 HP -EEsof사의 MDS를 이용하여 사양에 맞는 최적의 바이어스 및 입출력 정합 임피던스를 구하였다. 입출력 2 차 고조파 임피던스 조정을 통해 휴대 단말기용 선형 전력증폭기 모듈을 설계하였다. 설계된 전력증폭기는 그림 4와 같이 2단으로 간단히 구성되었다. 저속 보행자용 전력증폭기 모듈은 K-GF-1284와 KGF-1313으로 구현하였으며, 고속 이동용 전력증폭기 모듈은 더 많은 출력 전력을 요구하므로 KGF-1284와 KGF-1606을 사용하여 구현하였다. 입력 임피던스는 이득 정합, 출력 임피던스는 전력 정합 지점을 초기치로 하고, HB 방법을 이용하여 얻고자 하는 증폭 특성을 얻을 수 있는 최적 입출력 임피던스를 구하였다. 선형성 및 출력 전력 특성에 영향을 주는 출력 부하선은 일반적으로 최대 전력을 얻을 수 있는 전력 부하선 보다 낮은 부하 저항 값을 가지게 된다. 게이트 바이어스는 휴대단말기용 전력증폭기의 중요 고려 사항인 대기 전류 (idle current)를 줄이기 위해 가능한 낮게 유지하면서 원하는 선형특성을 얻을 수 있게 선택하였다. 최적 입출력 임피던스는 증폭기의 이득 특성보다는 왜곡이나 출력 전력 및 효율 특성에 중점을 두어 추출하였고 구하여진 임피던스를 정합하기 위해 수동 소자를 사용하였다. 여기에 사용되는 수동 소자들의 특성은 일반적으로 \( 1 \sim2 \mathrm{GHz} \) 주파수 대역에서부터 주파수에 따라 변하므로 이의 모델링이 필수적이며, 회로망 분석기로 측정하여 모델링하였다. 회로는 입력단의 VSWR 특성과 모듈 동작의 안정성을 확보하기 위해 게이트단에 병럴로 저항을 사용하였으며 게이트 바이어스는 수 \( \mathrm{k} \Omega \)의 저항을 통해 공급하고 드레인 바이어스는 \( 1/4 \lambda \) 전송 선로를 통해 선형성 및 효율을 개선시키면서 동작 주파수에서 바이어스 회로가 개방 회로로 보이게 설계하였다. 전력증폭기 모듈의 설계 결과는 표 2에 요약하였다.</p><table border><caption>표 2. PCS 휴대단말기용 전력증폭기의 특성 요약</caption><tbody><tr><td colspan=5>PCS-CDMA 방식 전력증폭기 모듈 특성</td></tr><tr><td>Frequency</td><td colspan=4>\( 1750 \sim 1780 \mathrm{MHz} \)</td></tr><tr><td></td><td colspan=2>설계 결과</td><td colspan=2>측정 결과</td></tr><tr><td>용도</td><td>저속 보행자용</td><td>고속 이동용</td><td>저속 보행자용</td><td>고속 이동용</td></tr><tr><td>사용소자</td><td>MESFET</td><td>MESFET</td><td>MESFET</td><td>MESFET</td></tr><tr><td>Output power</td><td>\( 23 \mathrm{dBm} \)</td><td>\( 27 \mathrm{dBm} \)</td><td>\( 23.2 \mathrm{dBm} \)</td><td>\( 27.2 \mathrm{dBm} \)</td></tr><tr><td>Gain</td><td>\( 22 \mathrm{dB} \)</td><td>\( 22 \mathrm{dB} \)</td><td>\( 22.2 \mathrm{dB} \)</td><td>\( 21.3 \mathrm{dB} \)</td></tr><tr><td>Input VSWR</td><td>\(<2: 1 \)</td><td>\(<2: 1 \)</td><td>\(<2: 1 \)</td><td>\(<2.5: 1 \)</td></tr><tr><td>Efficiencey</td><td>\( 35 \%(23 \mathrm{dBm}) \)</td><td>\( 32 \%(27 \mathrm{dBm}) \)</td><td>\( 34 \%(23.2 \mathrm{dBm}) \)</td><td>\( 33 \%(27.2 \mathrm{dBm}) \)</td></tr><tr><td>harmonics @ \( 2 \mathrm{f}_{0}, 3 \mathrm{f}_{0} \)</td><td>\(<-30 \mathrm{dBc} \)</td><td>\(<-30 \mathrm{dBc} \)</td><td>\(<-30 \mathrm{dBc} \)</td><td>\(<-26 \mathrm{dBc} \)</td></tr><tr><td>\( \mathrm{IMD}_{3} \)</td><td>\( -30 \mathrm{dBc} \)</td><td>\( -30 \mathrm{dBc} \)</td><td>\( -31 \mathrm{dBc} \)</td><td>\( -31 \mathrm{dBc} \)</td></tr><tr><td>대기전류</td><td>\( 105 \mathrm{~mA} \)</td><td>\( 160 \mathrm{~mA} \)</td><td>\(<110 \mathrm{~mA} \)</td><td>\(<150 \mathrm{~mA} \)</td></tr><tr><td>동작 바이어스</td><td>\( 3.6 \mathrm{~V} \)</td><td>\( 4.2 \mathrm{~V} \)</td><td>\( 3.6 \mathrm{~V} \)</td><td>\( 4.2 \mathrm{~V} \)</td></tr><tr><td>크기</td><td>\( 1 \times 1 \mathrm{~cm} \)</td><td>\( 1.1 \times 1.6 \mathrm{~cm} \)</td><td>\( 1 \times 1 \mathrm{~cm} \)</td><td>\( 1.1 \times 1.6 \mathrm{~cm} \)</td></tr></tbody></table><p>그림 5는 제작 완성한 전력증폭기의 사진이다. 모듈의 제작은 절연성 기판 상에 증착(sputtering) 또는 인쇄 방법(screen printing)에 의해서 도체 배선을 완성하였다. 기판으로는 이동 통신용으로 흔히 사용되는 에폭시 및 테플론 기판에 비해 유전율이 크고 물리적 강도가 우수한 유전율 9.8, 두께 \( 25 \mathrm{mil} \), 순도 \( 96 \% \)의 알루미나 기판을 사용하였다. 집중 소자로는 1005 형태의 칩형 부품을 사용하여 표면 실장 방식으로 장착 하였다.</p>
|
[
"표 2. PCS 휴대단말기용 전력증폭기의 특성 요약에서 설계 결과 Gain은 몇인가?",
"설계 결과에서 저속 보행자용의 Output power는 얼마인가?",
"설계 결과에서 고속 이동용의 사용소자는 무엇인가?",
"Frequency의 수는 얼마인가?",
"Input VSWR을 볼 때 설계 결과의 저속 보행자용에서 얼마가 나왔는가?",
"Efficiencey가 가장 높은 것의 수는 얼마인가?",
"고속 이동용은 측정 결과에서 동작 바이어스의 수가 얼마로 나오는가?",
"측정 결과에서 저속 보행자용의 대기전류는 몇인가?",
"측정 결과에서 어떤 용도의 크기가 더 큰가?",
"사양에 맞는 가장 알맞은 바이어스와 입출력 정합 임피던스를 찾기 위해 어떻게 하였는가?",
"표 2. PCS 휴대단말기용 전력증폭기의 특성 요약에서 어느 용도가 크기가 \\( 1.1 \\times 1.6 \\mathrm{~cm} \\)인가?",
"휴대단말기용 전력증폭기의 주된 고려할 요소인 대기 전류를 낮추기 위해서 게이트 바이어스를 어떻게 하였는가?"
] |
e147be9b-1261-446a-9ecd-a0125ee1190a
|
인공물ED
|
광대역 시스템을 위한 저전력 시그마-델타 변조기
|
<h1>II. 본론</h1><h2>1. 시스템 아키텍쳐</h2><p>제안하는 \( 10 \mathrm{bit} 20 \mathrm{MHz} \) 시그마-델타 모듈레이터의 세부 구조는 그림 2와 같으며 3차 필터와 \(3\mathrm{bit}\) 양자화 회로 및 두 개의 current-steering DAC으로 구성되어 있다. 증폭기의 안정도 향상 및 주파수 응답 속도를 향상시키기 위해 feed-forward compensation을 채택하였고 따라서 가산기가 필요하다. Feed-forward 방식의 증폭기 안정화는 높은 선형성과 GBW (Gain-Bandwidth-Product)를 가짐으로써 기존의 안정화 기법에 비해 저전력을 실현하기에 용이한 장점이 있다.</p><p>3차 필터가 본 논문에서 사용되었으며 이는 전력 소모량 감소 및 시스템의 저복잡도를 위함이다. 비록 더 높은 차수의 필터는 향상된 roll-off 및 시스템 성능을 보여줄 수 있으나 요구되는 전력 소모량이 매우 크게 상승된다. 또한 루프의 지연시간으로 인해 시스템 안정도를 실현하기가 용이하지 않다. 시스템 분석을 통한 결과에 따르면 3차 필터 구조는 \( 10 \mathrm{bit} \)ENOB 를 실현하기 위해 충분한 것을 확인하였다. 뿐만 아니라 저역 통과 시그마-델타 모듈레이터는 일반적으로 홀수 차수의 필터 구조를 채택하며 이는 주파수 응답의 평탄도를 위함이다.</p><p>본 논문의 시그마-델타 모듈레이터는 두 개의 궤환(feedback)을 가지고 있으며 이는 DAC로 구현된다. 입력단으로 인가되는 main DAC 는 이산 시간 신호의 양자화 회로 출력과 연속시간 신호의 입력 신호의 interface를 위함이다. 시그마-델타 모듈레이터의 최대 샘플링 시간은 양자화 지연 시간에 좌우되며 고속의 DAC을 통해 클록 주기보다 작은 지연시간을 실현할 수 있다.</p><p>시그마-델타 모듈레이터의 고해상도 실현을 위해 DAC의 선형성은 매우 중요하다. 이는 DAC의 비선형성은 부궤환(negative feedback)을 통해 shaping되지 않기 때문이다. 따라서 회로 설계 단계에서 fast-path DAC와 오버 샘플링 비율, 그리고 out-of-band 증폭이득의 trade-off를 적절히 조절해서 이상적인 접점을 실현해야 한다.</p><h2>2. 시스템 시뮬레이션</h2><p>그림 3은 Matlab 환경에서 시스템 구조 검증을 위한 시스템 셋업을 나타낸다. Summing 증폭기는 덧셈기(Adder)로 대체되었으며 \(3\mathrm{bit}\)의 양자화 블록은 아날로그 입력 신호를 디지털 현태의 신호로 변환시켜 주는 역할을 한다. 시스템 클록의 지터 성분 역시 포함되어 SNDR의 지터에 의한 영향을 파악할 수 있게 하였다.</p><p>\( 20 \mathrm{MHz} \)의 입력 주파수, \( 500 \mathrm{MHz} \)의 샘플링 주파수, out-of-band 증폭 이득이 2.8인 경우의 잡음 전달함수(Noise Transfer Function) 및 동적범위 (Dynamic Range)는 그림 4와 같다. 그림 5에서 보이는 바와 같이 입력 주파수가 \( 7.1 \mathrm{MHz} \) 인 경우 시스템 SNR 은 \( 70.6 \mathrm{~dB} \) 를 나타낸다.</p>
|
[
"증폭기의 안정도 향상 및 주파수 응답 속도를 향상시키기 위해 feed-forward compensation을 채택하였고 따라서 가산기가 필요한가?",
"제안하는 10bit20MHz 시그마-델타 모듈레이터의 3차 필터와 3bit 양자화 회로 및 두 개의 current-steering DAC으로 구성되어 있나?",
"Feed-forward 방식의 증폭기 안정화는 높은 선형성과 GBW (Gain-Bandwidth-Product)를 가짐으로써 기존의 안정화 기법에 비해 저전력을 실현하기에 용이한 장점이 있나?",
"루프의 지연시간으로 인해 시스템 안정도를 실현하기가 용이한가?",
"시스템 분석을 통한 결과에 따르면 3차 필터 구조는 10bitENOB 를 실현하기 위해 충분한 것을 확인하였나?",
"3차 필터가 본 논문에서 사용되었으며 이는 전력 소모량 감소 및 시스템의 저복잡도를 위함인가?",
"저역 통과 시그마-델타 모듈레이터는 일반적으로 홀수 차수의 필터 구조를 채택하며 이는 주파수 응답의 평탄도를 위함인가?",
"본 논문의 시그마-델타 모듈레이터는 두 개의 궤환(feedback)을 가지고 있으며 이는 DAC로 구현되는가?",
"입력단으로 인가되는 main DAC 는 이산 시간 신호의 양자화 회로 출력과 연속시간 신호의 입력 신호의 interface를 위함인가?",
"시그마-델타 모듈레이터의 최대 샘플링 시간은 양자화 지연 시간에 좌우되며 고속의 DAC을 통해 클록 주기보다 작은 지연시간을 실현할 수 있나?",
"DAC의 비선형성은 부궤환(negative feedback)을 통해 shaping되지 않기 때문인가?",
"Summing 증폭기는 덧셈기(Adder)로 대체되었으며 3bit의 양자화 블록은 아날로그 입력 신호를 디지털 현태의 신호로 변환시켜 주는 역할을 하는가?",
"시그마-델타 모듈레이터의 고해상도 실현을 위해 DAC의 선형성은 매우 중요한가?",
"시스템 클록의 지터 성분 역시 포함되어 SNDR의 지터에 의한 영향을 파악할 수 있게 하였나?",
"회로 설계 단계에서 fast-path DAC와 오버 샘플링 비율, 그리고 out-of-band 증폭이득의 trade-off를 적절히 조절해서 이상적인 접점을 실현해야 하는가?",
"더 높은 차수의 필터는 향상된 roll-off 및 시스템 성능을 보여줄 수 있으나 요구되는 전력 소모량이 매우 크게 상승되는가?"
] |
88ee47d7-e051-4595-acaf-b09c50e1ca4a
|
인공물ED
|
광대역 시스템을 위한 저전력 시그마-델타 변조기
|
<h2>3. 제안하는 ADC의 주요 회로 설계 기법</h2><h3>가. 3 차 능동 저역통과 필터</h3><p>그림 6과 같이 3차 저역통과 필터는 하나의 Biquad회로와 lossy-integrator로 이루어져 있다. 홀수의 차수를 가지는 필터는 베이스밴드에서 리플을 최소화할 수 있고 필터의 낮은 \( \mathrm{Q} \) factor는 출력 신호의 ringing을 최소화한다. 본 논문에서 설계된 필터의 \( \mathrm{Q} \) factor는 4의 값을 가진다.</p><p>Spectre 시뮬레이션 결과 설계된 필터는 \( 30.8 \mathrm{uV} \) 의 Input-referred 노이즈와 \( 600 \mathrm{mVp-p} \) 의 two-tone 입력 신호 인가시에 \( 82 \mathrm{dBc} \) 의 in-band IM3를 보여준다. 사용된 연산 증폭기는 \( 60.8 \mathrm{dB} \) 의 증폭 이득 및 \( 4.7 \mathrm{MHz} \) 의 주극점(dominant pole)을 보인다.</p><h3>나. 가산기 (Adder)</h3><p>시그마-델타 모듈레이터의 입력과 출력 사이에 propagation delay는 1 sampling period가 필요하다. 가산기(그림 7)의 setting-time과 propagation delay는 안정도 측면에서 매우 중요한 요소로 고려된다. 반면 가산기의 잡음 및 선형성은 시그마-델타 모듈레티어의 루프에 의해 shaping됨으로 이전의 저역통과 필터에 비해 비교적 성능이 완화될 수 있다. 그림 8 의 \( \mathrm{MN}_{\mathrm{B}} \) 트랜지스터는 비교 기에서의 kick-back 잡음과 입력신호 커플링을 줄이기 위하여 사용되었다. 광대역 동작 및 짧은 propagation delay를 위해 1-stage의 간단한 회로가 사용되었다. Fast-path current steering DAC의 출력은 DAC2- 와 DAC2+ 노드에 연결이 된다. \( \mathrm{R}_{\mathrm{LP} 1}, \mathrm{R}_{\mathrm{LP} 2}, \mathrm{R}_{\mathrm{BP}} \) 저항값은 다음의 공식으로부터 계산될 수 있다.</p><p>\( H=\beta_{1} H_{\text {biquad,BP }}+H_{\text {biquad,LP }}\left(\beta_{2}+\beta_{3} H_{\text {lossy }}\right) \)<caption>(1)</caption></p><p>\( \beta_{1}=R_{F} / R_{B P}, \beta_{2}=R_{F} / R_{L P 1}, \beta_{3}=R_{F} / R_{L P 2} \)<caption>(2)</caption></p><p>\( \beta_{1}, \beta_{2}, \beta_{3} \) 의 경우에는 Matlab을 통해서 계산되었고, 각각 1.164,3.193, 그리고 0.838 의 값을 가진다. 이 값들은 정확히 세팅될 필요는 없지만 ADC 설계시 이들의 값에 따른 시스템의 영향력은 고려되어야 한다. 예를 들어 \( \beta_{3} \) 를 증가시킬 경우, 베이스밴드의 루프 이득을 증가시키지만, GBW 의 값은 감소시킨다.</p><p>플래쉬 타입의 양자화 회로는 비교적 단순한 구조로 궤환이 필요하지 않아 빠른 sampling rate를 달성하기에 적합하다. \(3\mathrm{bit}\) 양자화 회로는 비교기, latch, 그리고 D-flipflop으로 구성(그림 9)되어 있다.</p><p>8개의 resistor ladder들로 구성된 bias generator는 비교기의 reference 값을 만들어낸다. 그림 10 은 비교기의 회로도를 나타낸다. \( \mathrm{M}_{1} \) 은 pre-amplifier 로서 신호가 latch되기 전 충분한 증폭 이득을 공급하기 위하여 사용되었다. Cross-coupled 정궤환은 latch로써 사용되었다.</p><h3>라. Current-steering DAC</h3><p>Current-steering DAC은 높은 정확성과 낮은 전력 소모로 인해 선택되었다(그림 11). 또한 궤환 신호를 전류로 인가할 경우 별도의 가산기 회로를 필요로 하지 않기 때문에 전력 소모를 더욱 절감시킬 수 있다. 출력단에 연결되어 있는 신호에 따라서 DAC 의 정확성이 영향을 받을 수 있다. 이에 따른 영향력을 최소화하고 출력 임피던스의 증가를 위해 cascode구조의 회로가 쓰였다. Main DAC과 fast-path DAC 의 전류값은 가산기의 입력 저항 및 가산기로 입력되는 전압의 크기에 따라 계산되었으며 각각 \( 42.857 \mathrm{uA} \) 와 \( 7.541 \mathrm{uA} \) 의 값을 사용하였다.</p><p>Glicth cancellation을 위해 \( \mathrm{M}_{\mathrm{G}} \) 트 랜지스터가 추가로 삽입되었다. Glitch의 경우 입력 차동 증폭기의 Cgd로 인해 입력 전압의 transition이 생길 경우 기생 커패시터가 충전된 전하를 방출하면서 발생하는데 cross-couple된 \( \mathrm{M}_{\mathrm{G}} \) 트랜지스터를 통해 이러한 glitch의 감쇄가 이루어진다.</p>
|
[
"본 논문에서 설계된 필터의 Q factor는 4의 값을 가지는가?",
"출력단에 연결되어 있는 신호에 따라서 DAC 의 정확성이 영향을 받을 수 있나?",
"홀수의 차수를 가지는 필터는 베이스밴드에서 리플을 최소화할 수 있고 필터의 낮은 Q factor는 출력 신호의 ringing을 최소화 하는가?",
"사용된 연산 증폭기는 60.8dB 의 증폭 이득 및 4.7MHz 의 주극점(dominant pole)을 보이는가?",
"Fast-path current steering DAC의 출력은 DAC2- 와 DAC2+ 노드에 연결이 되는가?",
"광대역 동작 및 짧은 propagation delay를 위해 1-stage의 간단한 회로가 사용되었나?",
"시그마-델타 모듈레이터의 입력과 출력 사이에 propagation delay는 1 sampling period가 필요한가?",
"3차 저역통과 필터는 하나의 Biquad회로와 lossy-integrator로 이루어져 있나?",
"본 논문에서 설계된 필터의 Q factor는 2의 값을 가지는가?",
"Current-steering DAC은 높은 정확성과 낮은 전력 소모로 인해 선택되었나?",
"가산기의 setting-time과 propagation delay는 안정도 측면에서 매우 중요한 요소로 고려되는가?",
"궤환 신호를 전류로 인가할 경우 별도의 가산기 회로를 필요로 하지 않기 때문에 전력 소모를 더욱 절감시킬 수 있나?",
"3bit 양자화 회로는 비교기, latch, 그리고 D-flipflop으로 구성되어 있나?",
"가산기의 잡음 및 선형성은 시그마-델타 모듈레티어의 루프에 의해 shaping됨으로 이전의 저역통과 필터에 비해 비교적 성능이 완화될 수 있나?",
"플래쉬 타입의 양자화 회로는 비교적 단순한 구조로 궤환이 필요하지 않아 빠른 sampling rate를 달성하기에 적합한가?",
"M 1은 pre-amplifier 로서 신호가 latch되기 전 충분한 증폭 이득을 공급하기 위하여 사용되었나?",
"8개의 resistor ladder들로 구성된 bias generator는 비교기의 reference 값을 만들어내는가?",
"β3를 증가시킬 경우, 베이스밴드의 루프 이득을 증가시키지만, GBW 의 값은 감소시키는가?",
"Main DAC과 fast-path DAC 의 전류값은 가산기의 입력 저항 및 가산기로 입력되는 전압의 크기에 따라 계산되었나?"
] |
d345a02e-ee7e-4756-9f0d-63e8f27caa0d
|
인공물ED
|
광대역 시스템을 위한 저전력 시그마-델타 변조기
|
<h2>3. 제안하는 ADC 의 주요 성능 측정 및 분석</h2><p>제안하는 ADC는 \(0.18-\mathrm{um}\) CMOS 공정을 통해 설계가 되었으며 spectre 시뮬레이션을 통해 주요 성능의 측정 및 검증이 이루어졌다. 그림 12 는 glitch cancellation회로를 삽입한 전후의ADC 출력 transient waveform 결과를 나타낸다. \( \mathrm{M}_{\mathrm{G}} \) 트랜지스터를 통한 glitch 감소 효과를 볼 수 있다. 그림 13 에서 보이는 바와 같이 peak SNDR은 \( 65.9 \mathrm{dB} \) 이다. 입력 신호가 - \( 3.9 \mathrm{dBFS} \) 일 때 측정된 값이며 입력 신호의 주파수는 \( 7.1 \mathrm{MHz} \) 이다. \( \mathrm{HD} 3 \) 는 \(74.8\mathrm{dB}\)를 나타낸다. Matlab 시스템 시뮬레이션을 통한 결과는 \( 70.8 \mathrm{dB} \) 를 나타내었으며 이는 spectre 시뮬레이션 결과보다 \( 4 \mathrm{dB} \) 정도 높은 수치이다. 이러한 성능 차이는 feed-forward 계수 \( \left(\beta_{1}, \beta_{2}, \beta_{3}\right) \) 값의 차이와 기타 2 차 특성에서 나온 것으로 보인다. 제안된 시그마-델타 모듈레이터의 동적 범위 및 성능 요약은 그림 14 와 표 1 에서 찾을 수 있다. 본 논문에서 고안된 ADC의 전체 전력 소모는 \( 32.65 \mathrm{mW} \) 이다. 이 중 \( 13.21 \mathrm{mW} \) 는 3차 능동 필터, \( 10.01 \mathrm{mW} \) 는 가산기, \( 8.16 \mathrm{mW} \) 는 양자화 회로, \( 1.27 \mathrm{mW} \) 는 DAC 에서 소모되었다. 전체 시스템의 Figure-of-Merit(FOM)는 \( 508 \mathrm{fJ} / \mathrm{bit} \) 이며 이는 다음 공식을 이용하여 계산되었다.</p><p>FOM \( =\frac{\text { Power }}{2^{\text {ENOB }}\left(2 f_{\text {Bandwidth }}\right)} \)<caption>(3)</caption></p><h1>Ⅲ 결론</h1><p>본 논문에서는 feed-forward compensation을 이용한 3 차 연속시간 저역통과 시그마-델타 모듈 레이터를 제안한다. 제안하는 ADC 는 \( 0.18 \mathrm{um} \) CMOS technology로 설계가 이루어졌으며 \( 1.8 \mathrm{V} \) 의 전원에서 \( 20 \mathrm{MHz} \) 의 대역폭, 그리고 \( 32.65 \mathrm{mW} \) 의 전력 소모를 나타낸다. 기존의 ADC 와 비교하였을 때, 본 논문에서 제시한 ADC 의 전력 소모량은 매우 향상된 수준을 보여준다. \(3\mathrm{bit}\) 플래쉬 타입의 양자화 회로를 사용하여 고속의 아날로그 디지털 변환 및 저전력을 실현하였다. 고안된 current-steering DAC 은 시스템 안정도 향상 및 glitch cancellation을 위해 사용되었다. Peak SNDR 은 \( 65.9 \mathrm{dB} \) 를 나타내였으며 SFDR 및 DR 은 각각 \( 74.8 \mathrm{dB} \) 와 \( 62 \mathrm{dB} \) 이다. 본 논문에서 제시한 ADC 의 성능과 전력 소모는 scaled CMOS 공정을 사용한다면 더욱 향상될 수 있다.</p>
|
[
"ADC는 무엇으로 설계되었는가?",
"그림 12는 무슨 결과를 나타내는가?",
"주요 성능의 측정 및 검증은 무엇으로 진행하였는가?",
"\\( \\mathrm{HD} 3 \\) 는무엇을 나타내는가?",
"peak SNDR은 얼마인가?",
"주파수가 \\( 7.1 \\mathrm{MHz} \\) 일때 입력신호는 얼마인가?",
"glitch 감소 효과는 무엇을 통해 알수있는가?",
"무엇을 삽입 하여 결과를 나타 내었는가?",
"입력 신호가 - \\( 3.9 \\mathrm{dBFS} \\)일때 주파수는 얼마인가?",
"spectre 시뮬레이션 결과 \\( 66.8 \\mathrm{dB} \\) 정도 나왔는가?",
"(74.8\\mathrm{dB}\\)를 나타낸는것은 무엇인가?",
"그림 14 와 표 1 에서 알수있는 내용은 무엇인가?",
"성능차이가 나는 이유는 무엇인가?",
"\\( 13.21 \\mathrm{mW} \\) 는 어디서 소모되었는가?",
"Matlab 시스템 시뮬레이션은 spectre 시뮬레이션 보다 얼마나 높은 수치를 보였는가?",
"\\( 70.8 \\mathrm{dB} \\) 은 무엇을통해 나온 값인가?",
"ADC의 전체 전력 소모는 얼마인가?",
"\\( 10.01 \\mathrm{mW} \\) 는 어디서 소모되었는가?",
"Figure-of-Merit는 무슨공식을 이용하여 계산 하였는가?",
"논문에서 이용한것은 무엇인가?",
"\\( 1.8 \\mathrm{V} \\) 의 전원에서 대역폭은 얼마인가?",
"FOM는 무엇인가?",
"\\( 8.16 \\mathrm{mW} \\) 는 어디서 소모되었는가",
"논문에서 제안한것은 무엇인가?",
"\\( 1.8 \\mathrm{V} \\) 의 전원에서 전력소모는 얼마인가?",
"제안하는 ADC 는 어떻게 설계되었는가?",
"\\( 1.27 \\mathrm{mW} \\) 는 어디서 소모되었는가?",
"제시한 ADC는 기존보다 무엇이 향상되었는가?",
"전력소모를 더욱 향상 시킬 방법은 무엇인가?",
"양자화 회로는 무슨 타입인가?",
"current-steering DAC은 어디에 사용되었는가?",
"Peak SNDR은 무엇을 나타냇는가?",
"SFDR 은 얼마인가?",
"DR 은 얼마인가?",
"고속의 아날로그 디지털 변환 및 저전력을 실현한것은 무엇인가?"
] |
ac1c01a7-9ffe-46da-953e-ab84fc8c5ace
|
인공물ED
|
광대역 시스템을 위한 저전력 시그마-델타 변조기
|
<h1>요 약</h1><p>본 논문에서는 \( 20 \mathrm{MHz} \) 대역폭, 저잡음, 저전력의 3차 저역 통과 시그마-델타 모듈레이터를 개발한다. 본 시스템의 대역폭은 LTE 및 그 외 다른 광대역 무선통신 표준을 만족할 수 있다. Feed-forward 구조의 3차 저역 통과 필터를 통해 저전력 및 저복잡도를 실현한다. 개발된 시스템은 빠른 데이터 변환을 실현하기 위해 3bit-flash 타입의 양자화 회로를 사용하였다. Current-steering DAC의 경우 추가적인 회로 없이 높은 정확도와 낮은 전력 소모의 이유로 고안되었다. DAC의 입력 전압이 변할 경우 생기는 glitch들을 없애기 위해 cross-coupled 트랜시스터를 사용하여 glitch 상쇄(cancellation)를 실현하였다. 개발된 시스템은 \( 32.65 \mathrm{~mW} \)의 저전력 구현과 함께 \( 65.9 \mathrm{~dB} \) 의 peak SNDR, \( 20 \mathrm{MHz} \)의 대역폭을 실현한다. \( 600 \mathrm{mVp}-\mathrm{p} \) 의 입력 two-tone 신호 입력 인가후의 IM3는 \( 69 \mathrm{dBc} \) 를 실현하였으며 TSMC의 0.18-um CMOS 공정을 이용하여 설계되었다.</p><h1>Ⅰ. 서론</h1><p>무선 통신의 발전과 함께 소비자의 데이터 요구량은 갈수록 증가하고 있으며, 이에 따라 빠른 데이터 전송률과 함께 높은 수준의 주파수 효율성이 현대의 송수신 시스템 및 회로에 요구되고 있다. 뿐만 아니라 최근 Software-Defined Radio (SDR) 기술은 단일 하드웨어 플랫폼을 통해 다양한 무선 통신 시스템을 소프트웨어적인 재구성을 통해 실현을 목표로 하고 있으며 이를 위해 넓은 대역폭의 Zero-IF 방식의 수신기 및 아날로그-디지털 변환기가 필수적이다. 그렇지만 수십 \( \mathrm{MHz} \)의 대역폭을 실현하면서 시스템 레벨에서의 부하를 줄이는 저전력, 고해상도를 가지는 ADC는 그 실현이 용이하지 않다.</p><p>본 논문은 광대역 시스템 및 SDR 에서 요구하는 대역폭 규격을 만족하면서 고해상도 저전력을 실현하는 아날로그-디지털 변환기의 구현을 저비용의 \(0.18-\mathrm{um}\) CMOS 공정을 통해 실현함을 목적으로 한다. 이를 위해 비교적 간단한 구조의 3차 저역 통과 시그마-델타 모듈레이터 구조를 채택하였다. 그림 1은 본 논문에서 제안하는 ADC 의 시스템 레벨에서의 블록도를 나타낸다. 연속시간 (continuous-time)의 시그마-델타 ADC 는 loop-filter가 주파수 중복 방지 필터(anti-alias filter)의 역할을 동시에 하므로, 추가적인 필터를 필요로 하지 않는 장점이 있다. 피드백 안정성을 확보하기 위해 feed-forward 방식의 보정 기능이 사용되었다. Feed-forward 구조는 in-band peaking으로 인해 블록커 신호에 의해 좀 더 쉽게 포화(saturation)될 수 있는 단점은 있으나 높은 정확도와 낮은 전력 소모를 위해 사용되었다.</p>
|
[
"Feed-forward 구조의 단점은 무엇인가?",
"Current-steering DAC가 고안된 이유는 무엇인가?",
"DAV 입력 전압의 변화로 생기는 glitch를 상쇄시키기 위해 사용한 방법은 무엇인가?",
"glitch는 DAC의 입력 전압의 변화로 생기는가?",
"feed-forward 방식의 보정 기능의 효과는 무엇인가?",
"SDR 기술의 실현을 위해 필수적인 요소는 무엇이 있는가?",
"연속시간 (continuous-time)의 시그마-델타 ADC가 추가적인 필터를 필요로 하지 않는 이유는 무엇인가?",
"Feed-forward 구조의 단점에도 불구하고 해당 구조를 사용한 이유는 무엇인가?",
"본 논문에서 빠른 데이터 변환을 위해 시스템 개발에 사용된 회로는 무엇인가?",
"연속시간 (continuous-time)의 시그마-델타 ADC의 장점은 무엇인가?",
"3차 저역 통과 시그마-델타 모듈레이터 구조는 비교적 복잡한 구조인가?"
] |
abf41544-88f7-4288-9440-57de12a68503
|
인공물ED
|
Air puff에 의한 각막 변형의 주파수 영역 분석
|
<h1>II. Air puff에 의한 스펙트럼 분석</h1><h2>1. Air puff 영상</h2><p>그림 1은 air puff 후 각막의 변형을 OCT(optical coherence tomography) 동영상으로 촬영한 것으로 일정한 시간 간격으로 정지 영상으로 캡처한 영상들의 모음이다. 각 그림의 위쪽은 각막이 얇고 튀어나 오는 질병인 원추 각막(keratoconus), 아래쪽은 정상인의 각막이다. Air puff가 시작되면 각막이 쑥 들어갔다가 다시 제 모양으로 돌아온다. 구체적으로 air puff 후 둘 다 안으로 눌린 다음에 상하로 출렁이는 모습을 보이고 있다. 이 상하로 출렁이는 진동의 주파수를 알 수 있다면 진단에 효과적인 수단이 될 수 있다. 즉, 이 주파수가 각막의 생역학적 성질을 나타낼 수 있다. 그림 1 의 각 프레임의 크기는 \( 720 \times 480 \) 이고 프레임의 우측 하단에는 캡처된 시간이 표시되어있다. 첫 번째 프레임은 \( 31.373 \mathrm{~ms} \) 이고 마지막 프레임은 \( 11.679 \mathrm{~ms} \) 이다. 총 205 프레임을 얻었고 그림 1 은 19 프레임마다 캡처된 영상을 보여주고 있다. Air puff의 압력은 \( 40 \mathrm{mmHg} \) 이다.</p><p>정지 영상에서 볼 수 있는 환자와 정상인의 각막의 특징은 우선 정상인의 경우 각막의 두께가 환자의 것보다 두꺼운 것을 알 수 있다. Air puff 시 동영상에서 보이는 상하의 출렁거림은 환자의 경우가 심하며 높은 상하 진폭을 보여주었다. Air puff로 인한 각막의 변형의 단계는 다음과 같다. 들어오는(ingoing) 단계, 진동(oscillation) 단계, 밖으로 나가는(outgoing) 단계로 나눌 수 있다. 동영상으로부터 시간에 따른 각막 상하 진동의 프로파일 데이터를 추출하고 곡선 정합을 통하여 진동 데이터를 얻는다. 이후 진동 스펙트럼을 구하는 과정을 다음 절에 제시한다.</p><h2>2. 스펙트럼 분석 절차</h2><p>각막 상하 진동 스펙트럼 분석을 위한 흐름도를 그림 2에 나타내었다. 우선 각 이미지 프레임에서 각막 에지 검출을 위해 Canny 에지 검출 방법을 이용한다. 에지 검출 후 연결되지 않은 얼룩(blot)이나 글리치(glitch) 잡음은 일 반적인 Canny 방법으로는 제거가 쉽지 않다. 여기서는 영상의 형태학적 처리를 이용하여 opening과 미디언 필터링을 수행하여 글리치를 제거하였다. 진동 스펙트럼을 구하기 위해 이진 프로파일 영상에 대해 곡선 정합을 수행하고 이진 영상과의 차를 구하면 최종적인 진동 프로파일이 생성된다. 이후 FFT를 통해 스펙트럼을 구한다. FFT로부터 구한 주파수는 정현파 기저 함수에 기반한 분해이므로 시간 영역에서 국소적인 신호의 특징을 내포하기 힘들다. 이의 보완을 위하여 진동 프로파일을 가지고 Hilbert- Huang 변환을 통해 고유 모드 함수로 분해한다.</p><h2>3. FFT 실험 및 분석</h2><p>동영상에서 각막이 속한 사각형 영역에 대하여 주어진 분석 절차를 이용하였다. 위 사각 영역의 좌 상단 좌표는 \( (\mathrm{x}, \mathrm{y})=(88,80) \) 이고 우 하단 좌표는 \( (\mathrm{x} \), \( \mathrm{y})=(613,207) \) 이다. 아래 사각 영역의 좌 상단 좌표는 \( (\mathrm{x}, \mathrm{y})=(88,304) \) 이고 우 하단 좌표는 \( (\mathrm{x}, \mathrm{y})=(613 , 431)\)이다. 그림 3은 세 번의 air puff에 대하여 Canny 에지 검출을 한 후 각막의 궤적을 나타낸다.</p><p>그림 3의 글리치는 이진 영상화 과정의 잡음으로 opening 과 미디언 필터링으로 제거하면 그림 4 와 같이 잡음이 제거된 각막의 이진 영상을 얻을 수 있다. 그림 4 에서 에지가 3 줄로 나타나지만 평균을 취하여 각막의 상하 위치로 사용하였다. 이러한 방법으로 구한 시간에 따른 각막의 상하 진동 프로파일은 그림 5와 같다. 환자의 각막 운동은 실선이고 정상인의 각막 운동은 일점쇄선이다. 다음 단계로 스펙트럼을 구하기 위한 진동 프로파일 생성을 위해 각 각막 운동 데이터에 대해 곡선 정합을 하였다. 정합으로 6 차 다항식을 이용하였고 이 결과가 그림 5의 점선으로 나타내었다.</p><p>그림 6은 이진 프로파일에서 정합된 곡선과의 차이를 구한 최종적인 진동 프로파일이다. 실선은 환자이고 점선은 정상인을 나타낸다. 이산 신호 \( x[n] \) 의 전력</p><p>\( P \) 를 \( P=\frac{1}{N} \sum_{n=0}^{N-1} x^{2}[n] \) 로 정의했을 때, 환자의 에지 프로파일의 전력은 1.628, 정상인의 에지 프로파일의 전력은 0.4583이다. 이것으로 미루어 보아 환자의 상하 진동의 전력이 정상인에 비해 약 3.6 배 큰 것으로 매우 큰 차이를 보이고 있음을 알 수 있다.</p><p>진동 프로파일을 FFT 변환 후 크기 스펙트럼을 그림 7에 나타내었다. 그림 7의 스펙트럼 그래프는 \( \mathrm{f}=0 \)인 축으로 좌우 대칭으로 나타내며 실선은 환자, 점선은 정상인이다. 주파수의 범위는 첫 번째 영상이 \( 11.679 \mathrm{~ms} \), 마지막 영상이 \( 31.373 \mathrm{~ms} \), 영상의 프레임 수가 205 개이므로 freq \( =1 /((31.373 \mathrm{e}-3-11.679 \mathrm{e}-3) / 205) / 2 =5204.6 \mathrm{~Hz} \) 이다. 전반적으로 환자의 스펙트럼의 크기가</p><p>정상인의 경우에 비해 높게 나타났다. 그림 7 (a)의 스펙트럼을 정규화한 것이 그림 7 (b)이다. 그림 7(b)의 중심부를 확대하면 그림 8과 같다. 그림 8 에서 좌측으로부터 첫 번째 피크점은 저주파로써 그림 5의 정합된 곡선의 주파수로 생각된다. 그림 8에서 좌측으로부터 실선의 세 번째 피크점은 환자에게만 나타나는 피크점으로 환자와 정상인을 구별해 주는 피크점으로 볼 수 있다. 이때의 진동 주파수는 \( 479.2 \mathrm{~Hz} \) 로써 air puff로 인한 환자 각막 진동의 고유 주파수로 볼 수 있을 것이다. 또한 정상인의 경우 약 \( 702.8 \mathrm{~Hz} \) 에서 고유한 주파수를 볼 수 있다. 이는 각막의 두께가 두꺼운 정상인의 경우 각막의 단단함이 크므로 높은 진동수를 가지는 것으로 생각된다.</p><p>비정상성을 가지는 신호의 스펙트럼을 보기 위하여 스펙트로그램을 구하였다. 그림 9 (a)는 정상인의 경우의 스펙트로그램이다. 어두운 값일수록 큰 값을 나타내며 가로축은 대역폭을 1 로 정규화한 것이다. 그림9 (a)에서 정규화된 주파수 0.092에서 강한 스펙트럼 지속되는 것을 볼 수 있다. 또한 정상인의 경우인 그림 9 (b)에서는 0.13근처에서 간헐적으로 강한 스펙트럼을 확인할 수 있다. 이는 그림 8 에서 환자와 정상인의 고유 주파수와 유사하며 동영상을 통해서도 이 두 곳을 확인할 수 있다.</p>
|
[
"스펙트럼을 구하기 위한 진동 프로파일 생성을 위한 전 단계로 무엇이 필요한가?",
"상하 진동의 전력은 환자와 정상인 사이에 매우 큰 차이를 보이는가?",
"그림 8에서 환자와 정상인을 구별해 주는 피크점은 무엇인가?",
"그림 9 (a)의 스펙트로그램에서 어두운 값일 수록 작은 값을 나타내는가?",
"그림 9 (b)에서 정상인의 경우 몇 근처에서 간헐적으로 강한 스펙트럼을 확인할 수 있는가?",
"비정상성을 가지는 신호의 스펙트럼을 보기 위해 먼저 구해야 할 절차는 무엇인가?",
"그림 6의 최종적인 진동 프로파일은 어떤 차이를 구한 진동 프로파일인가?",
"첫 번째 영상에서 주파수의 범위는 어떻게 되는가?",
"마지막 영상에서 주파수의 범위는 어떻게 되는가?",
"일정한 시간 간격으로 정지 영상으로 캡처한 영상들의 모음을 얻기 위해서는 어떤 절차를 거쳐야 하는가?",
"air puff 후 각막이 상하로 출렁이기 전 어떤 모습을 보이는가?",
"정상인의 각막은 각막이 얇고 튀어나와 있는가?",
"정상인의 각막의 특징으로서 알맞은 것은?",
"각막 에지 검출을 위한 방법으로 어떤 방법이 있는가?",
"각막의 생역학적 성질은 어떤 주파수를 통해 알 수 있는가?",
"Air puff 시 높은 상하 진폭을 보여주는 각막은 어떤 이의 것인가?",
"Canny 에지 검출 방법은 각막 에지 검출법 중의 하나인가?",
"Canny 에지 검출 방법으로 연결되지 않은 얼룩(blot)이나 글리치(glitch) 잡음을 제거하기 쉬운가?",
"영상의 형태학적 처리를 이용하여 opening과 미디언 필터링을 수행하면 글리치를 제거할 수 있는가?",
"최종적인 진동 프로파일을 생성하기 위해서는 어떤 절차를 거쳐야 하는가?",
"스펙트럼을 구하기 위해서는 어떤 방법을 거쳐야 하는가?",
"정현파 기저 함수에 기반한 분해는 어떤 것으로부터 구한 주파수인가?",
"FFT로부터 구한 주파수는 어떤 단점을 지니고 있는가?",
"FFT를 통해 구한 스펙트럼을 보완하기 위해서 어떤 절차를 거쳐야 하는가?",
"FFT로부터 구한 주파수의 단점을 보완하기 위해서 거쳐야 할 변환으로 알맞은 것은?",
"FFT로부터 구한 주파수에는 보완해야 할 단점이 없는가?",
"잡음이 제거된 각막의 이진 영상을 얻기 위해서 거쳐야 할 단계는?",
"이진 영상화 과정을 거치면 어떤 현상이 나타나게 되는가?",
"정상인의 각막 운동은 실선인가?",
"일점쇄선의 각막 운동은 환자의 각막 운동인가?",
"스펙트럼을 구하기 위해서는 어떤 것을 생성해야 하는가?",
"정상인의 에지 프로파일의 전력은 1.628 인가?",
"그림 6에서 실선은 정산인을 점선은 환자를 나타내는가?",
"정상인의 에지 프로파일의 전력으로 알맞은 것은?",
"환자의 상하 진동의 전력은 정상인에 비해 약 몇 배 큰 가?",
"환자의 상하 진동의 전력은 정상인에 비해 약 3.6 배 낮은가?",
"진동 프로파일을 그림에 나타내기 위해서는 크기 스펙트럼을 어떤 변환 절차에 거쳐야 하는가?",
"그림 7의 스펙트럼 그래프에서 실선은 어떤 이의 것인가?",
"정상인에 비해 환자의 스펙트럼 크기는 어떻게 나타나는가?",
"air puff로 인한 환자 각막 진동의 고유 주파수는?",
"정상인의 각막 진동 고유 주파수는?",
"높은 진동수를 가지면 각막의 두께가 두꺼운가?",
"높은 진동수를 가지면 어떤 각막을 가지고 있다는 것을 의미하는가?",
"air puff로 인한 환자 각막 진동의 고유 주파수로 알맞은 것은?",
"각막 진동의 고유 주파수는 어떤 절차로 인해서 볼 수 있는가?",
"스펙트로그램을 통해 어떤 신호를 가지는 스펙트럼을 볼 수 있는가?",
"스펙트로그램을 통하여 비정상성을 가지는 신호의 스펙트럼을 알아볼 수 있는가?",
"그림 5의 정합된 곡선의 주파수는 그림 8의 좌측으로부터 몇 번째 피크점인가?",
"그림 9 (a)의 스펙트로그램에서 큰 값일수록 어떤 특징을 가지고 있는가?",
"각막 상하 진동의 프로파일 데이터를 추출하고 데이터를 얻기 위해서 거쳐야 하는 단계는 무엇인가?",
"Air puff로 인한 각막의 변형 단계 중 들어오는 단계와 밖으로 나가는 단계 사이에 위치한 것은?",
"Canny 에지 검출을 한 후 각막의 궤적을 나타내는 그림은?"
] |
3739e269-87cf-4795-be03-a93ec40b075c
|
인공물ED
|
Air puff에 의한 각막 변형의 주파수 영역 분석
|
<h1>III 결론</h1><p>본 논문에서는 녹내장이나 라식의 진단을 위하여 사용되는 안압계의 air puff에 의한 각막의 변형을 주파수 영역에서 분석하였다. 초고속 air puff 동영상으로부터 에지 검출 및 전처리를 통하여 이진 영상을 구하고 각막 중심부의 상하 움직임에 대한 진동 주파수를 FFT를 통하여 분석하였다. 환자와 정상인의 진동 고유 주퐈수는 각각 \( 479.2 \mathrm{~Hz} \) 와 \( 702.8 \mathrm{~Hz} \) 를 얻었다. 정상인의 경우 각막의 단단한 정도가 크므로 좀 더 높은 고유 진동 주파수를 가지는 것으로 판단되었다. 또한 Hilbert-Huang 변환을 이용하여 시간 영역의 고유 모드 함수로 분해하고 FFT의 결과와 고유 주파수가 유사함을 확인하였다. 또한 고유 진동수가 포함된 환자와 정상인의 두 번째 고유 모드 함수의 전력비가 6.01배의 차이가 나는 것을 확인하였다.</p>
|
[
"초고속 air puff 동영상으로부터 에지 검출 및 전처리를 통하여 어떤 영상을 구했어?",
"초고속 air puff 동영상으로부터 어떤 과정을 통해 이진 영상을 구했어?",
"Hilbert-Huang 변환을 이용하여 시간 영역의 무엇으로 분해하였어?",
"고유 진동수가 포함된 환자와 정상인의 두 번째 고유 모드 함수의 전력비는 몇 배 차이가 나는 걸로 확인되었어?",
"안압계의 사용용도가 뭐야?",
"안압계의 air puff에 의한 각막의 변형을 어느 영역에서 분석하였어?",
"안압계의 무엇에 의한 각막의 변형을 주파수 영역에서 분석하였어?",
"어떤 동영상으로부터 에지 검출을 했어?",
"초고속 air puff 동영상으로부터 어떤 조작을 통해 이진 영상을 구했어?",
"각막 중심부의 상하 움직임에 대한 진동 주파수는 어떤 것을 통하여 분석했어?",
"FFT를 통해 각막 중심부의 상하 움직임에 대한 무엇을 분석했어?",
"각막 중심부의 좌우 움직임에 대한 진동 주파수를 FFT를 통해 분석한 게 맞아?",
"각막 테두리의 상하 움직임에 대한 진동 주파수를 FFT를 통해 분석했어?",
"FFT를 통해 어느 부분의 상하 움직임에 대한 진동 주파수를 분석했어?",
"환자와 정상인의 진동 고유 주파수라고 얻은 결과값이 뭐야?",
"정상인이 환자에 비해 좀 더 높은 고유 진동 주파수를 가지는 원인이 뭐야?",
"정상인의 진동 고유 주파수가 환자보다 높아?",
"환자의 진동 고유 주파수가 정상인보다 높아?",
"정상인의 경우 각막이 덜 단단하기 때문에 좀 더 높은 고유 진동 주파수를 가지는 것으로 볼 수 있는 게 맞아?",
"정상인이 환자보다 각막의 단단한 정도가 크기 때문에 알 수 있게 된 사실이 뭐야?",
"환자의 경우 각막의 단단한 정도가 덜하므로 좀 더 높은 고유 진동 주파수를 가지는 것으로 판단할 수 있어?",
"환자의 경우 각막의 단단한 정도가 덜하므로 좀 더 낮은 고유 진동 주파수를 가지는 것으로 판단할 수 있어?",
"정상인의 경우 각막의 단단한 정도가 덜하므로 좀 더 작은 고유 진동 주파수를 가지는 것으로 판단되었어?",
"어떤 변환을 이용해서 시간 영역의 고유 모드 함수로 분해하고 FFT의 결과와 고유 주파수가 유사함을 확인하였어?",
"Hilbert-Huang 변환을 이용하여 어느 영역의 고유 모드 함수로 분해하였어?",
"Hilbert-Huang 변환을 이용하여 시간 영역의 고유 모드 함수로 분해할 수 있어?",
"Hilbert-Huang 변환을 이용하여 시간 영역의 고유 모드 함수로 분해한 뒤 고유 주파수와 무엇이 유사함을 알게 되었어?",
"Hilbert-Huang 변환을 이용하여 시간 영역의 고유 모드 함수로 분해하고 FFT의 결과와 고유 주파수가 상이함을 확인하였어?",
"Hilbert-Huang 변환을 이용하여 시간 영역의 고유 모드 함수로 분해하고 FFT 결과와 무엇이 유사함을 확인하였어?",
"고유 진동수가 포함된 환자와 정상인의 첫 번째 고유 모드 함수의 전력비가 6.01배의 차이가 났어?",
"고유 진동수가 포함된 환자와 정상인의 어떤 함수의 전력비가 6.01배 차이가 났어?",
"어떤 것이 포함된 환자와 정상인을 비교했어?",
"초고속 air puff 동영상으로부터 이진 영상을 구하고 각막 중심부의 상하 움직임에 대한 진동주파수를 분석하여 사람의 진동 고유 주파수를 구할 수 있어?",
"환자의 진동 고유 주파수는 얼마로 구해졌어?",
"고유 진동수가 포함된 환자와 정상인의 두 번째 고유 모드 함수의 무엇이 6.01배 차이가 났어?",
"고유 진동수가 포함되지 않은 환자와 정상인의 두 번째 고유 모드 함수의 전력비가 6.01배의 차이가 나는 것을 확인할 수 있었어?",
"녹내장이나 라식의 진단을 위해 사용되는 안압계의 air puff에 의한 무엇을 주파수 영역에서 분석하였어?",
"정상인의 진동 고유 주파수는 얼마라고 얻어졌어?",
"FFT를 통해 각막 중심부의 어느 방향의 움직임에 대한 진동 주파수를 분석했어?",
"초고속 air puff 동영상으로부터 검출한 게 뭐야?",
"정상인의 경우 각막의 단단한 정도가 크므로 좀 더 낮은 고유 진동 주파수를 가지는 게 맞아?",
"본 논문에서 분석한 내용이 뭐야?",
"초저속 air puff 동영상으로부터 에지 검출을 했어?"
] |
47f8b79c-c066-4646-a59d-5dc79583eeaa
|
인공물ED
|
Air puff에 의한 각막 변형의 주파수 영역 분석
|
<h2>4. Hilbert-Huang 변한 분석</h2><p>Hilbert-Huang 변환(HHT)은 비록 실험을 기반으로 적응적, 수치 해석적인 접근방법을 사용하여 데이터를 분석하는 방법이지만 비선형, 비정상성(non-stationary), 불규칙 신호의 시간, 주파수 분석에 유용한 것으로 알려져 있다. HHT 는 EMD(empirical mode decomposition)과 HSA(Hilbert spectral analysis)로 구성된다. EMD 방법을 이용하여 복잡한 신호를 유한 요소로 분해할 수 있다. 즉 고유 모드 함수들의 모임 형태로 분해 가능하다. 이 분해는 데이터의 국소 영역 시간을 기반으로 하기 때문에 비선형, 비정상성을 가지는 데이터를 다룰 수 있다. HSA는 IMF의 순간 주파수 데이터를 시간에 따른 가변 함수로 표현할 수 있으므로 신호에 내재된 구조를 식별할 수 있다. 각막의 진동은 시간의 흐름에 국소적이고 비정상성을 가지는 경우 일반적인 스펙트럼 감지만으로는 한계가 있다.</p><p>EMD 방법은 주어진 데이터 \( x(t) \) 를 IMF 함수들로 분해한다. IMF의 조건은</p><ol type=a start=1><li>각 데이터 집합은 극대값과 영점 통과점의 개수가같거나 1 차이여야 한다.</li><li>임의의 점에서 국소 최대값으로 구한 포락선과 국소 최소점으로 구한 포락선의 평균값은 0이다.</li></ol><p>IMF 는 단순 진동 모드를 나타낸다. IMF를 추출하는 다음의 과정을 체질(sifting)이라 한다.</p><ol type=a start=1><li>데이터의 국소 최대값을 구한다.</li><li>모든 국소 최대값을 3차 스플라인으로 연결하여 위쪽 포락선을 구한다.</li><li>국소 최소값에 대해서도 동일한 연산으로 아래 포락선을 구한다.</li></ol><p>위와 아래 포락선의 평균값은 \( m_{1} \) 이면 첫 번째 사전 IMF 함수 \( h_{1} \) 은 \[ x(t)-m_{1}=h_{1} \]<caption>(1)</caption>이러한 과정을 \( k \) 번 반복하여 첫 번째 IMF 함수 \( c_{1} \)을 얻는다. \( k \) 값은 정지기준으로 판단한다.</p><p>\( h_{1(k-1)}-m_{1 k}=h_{1 k} \)<caption>(2)</caption></p><p>\( c_{1}=h_{1 k} \)<caption>(3)</caption></p><p>이후 \( x(t)-c_{1}=r_{1} \) 으로 나머지 \( r_{1} \) 을 구한다. 이러한 과정이 반복되면\[ r_{n-1}-c_{n}=r_{n} \]<caption>(4)</caption>을 얻고 최종 나머지는 \( r_{n} \) 이 된다. 따라서 \( x(t) \) 는 \( n \)개의 IMF\(\left(c_{1}, \cdots, c_{n}\right) \) 로 분해되며 다음과 같이 표현된다.</p><p>\( x(t)=\sum_{j=1}^{n} c_{j}+r_{n} \)<caption>(5)</caption></p><p>순간 주파수를 구하기 위하여 Hilbert 변환을 이용한다. 즉 \( L^{p} \) 에 속한 유한한 신호 \( x(t) \) 의 복소 공액 신호 \( \hat{x}(t) \) 로 정의된 Hilbert 신호는 다음과 같다.</p><p>\( \hat{x}(t)=\frac{1}{\pi} P V \int_{-\infty}^{\infty} \frac{x(\tau)}{t-\tau} d \tau \)<caption>(6)</caption></p><p>여기서 \( P V \) 는 Cauchy 값이다.</p><p>HHT로 구한 고유 모드 함수(IMF)는 Hilbert 변환과 해석함수 \( x(t)+j \hat{x}(t) \) 를 사용하여 나타낼 수 있다.</p><p>\( x(t)=\operatorname{Re}\left\{\sum_{i=1}^{n} a_{i}(t) e^{j \int \omega_{i}(t) d t}\right\} \)<caption>(7)</caption></p><p>여기서 \( R e \) 는 실수부를 나타내고 \( a_{i}(t) \) 는 IMF 해석 함수의 크기로\[ a_{i}(t)=\sqrt{x_{i}^{2}(t)+\widehat{x_{i}^{2}}(t)} \]<caption>(8)</caption>이고 \( x_{i}(t) \) 는 분해된 IMF신호이다. IMF 해석 신호의 위상은 \[ \phi_{i}(t)=\arctan \left[\hat{x_{i}}(t) / x_{i}(t)\right] \]<caption>(9)</caption>이고 순간 각주파수는 \[ w_{i}(t)=d \phi_{i}(t) / d t \]<caption>(10)</caption>이다. Fourier 표현은 크기와 주파수가 상수 형태로 고정된다. 그러나 IMF는 신호를 가변 시간 크기와 순간 주파수들의 선형 결합 형태로 나타낼 수 있으므로 일반화된 Fourier 표현으로 간주된다. 따라서 비정상성, 시변, 비선형 신호에 대한 표현 방법이 더욱 확장된 것으로 볼 수 있다.</p><p>Hilbert-Huang 변환을 이용하여 고유 모드 함수로 분해한 것이 그림 10 이다. 그림 10 (a) 는 환자에 대한 고유 모드 함수들로 진동 신호를 국소적인 주파수 대역으로 분해한 것이다 위로부터 고주파 대역에서 저주파 대역의 고유 모드 함수 신호로 분해되었다. 그림 10 (b)는 정상인에 대한 고유 모드 함수 분해이다. 식(7)에서 \( n=6 \) 으로 \( i \) 가 증가함에 따라 주파수가 감소한다. \( i=2 \) 일 때 즉, 그림 10 의 위로부터 두 번째 고유 모드 함수에 대해 FFT 변환으로 스펙트럼을 구한것이 그림 11 이다. 이 환자와 정상인의 스펙트럼을 살펴보면 고유 진동 주파수 대역임을 알 수 있다.</p><p>그림 11 (a)에서 환자의 고유 진동 주파수는 약 \( 476.6 \mathrm{~Hz} \) 이고 정상인의 고유 주파수는 \( 707.9 \mathrm{~Hz} \) 로 앞서 구한 \( 479.2 \mathrm{~Hz} \) 와 \( 702.8 \mathrm{~Hz} \) 에 근접한 값을 보이고 있다. 그림 11 (b)에서 정상인의 경우 \( 453.7 \mathrm{~Hz} \) 정도의 주파수가 검출되었으나 환자의 주파수인 \( 476.6 \mathrm{~Hz} \) 와는 차이를 보이고 있다.</p><p>표 1 은 환자와 정상인의 고유 모드 함수들에 대한 전력 및 전력비를 구한 것이다. \( i=1,3 \) 일 때 전력비는 1 에 근접한 값으로 환자와 정상인이 유사하다. \( i=4,5,6 \) 일 때 저주파 성분으로 각막의 고유 진동수와는 거의 무관하다고 볼 수 있으므로 전력비 무시할 수 있다. \( i=2 \) 일 때 환자와 정상인의 전력을 비교하면</p><p>환자의 경우 1.634, 정상인의 경우 0.272로 환자가 6배 정도의 큼을 알 수 있다. 이는 3절에서 구한 각막 진동 파형의 전력의 비가 3.6임을 고려하면 훨씬 더 환자와 정상인을 구분시키는 수치이다. 즉 \( i=2 \) 일 때 고유 모드 신호 전력비가 환자와 정상인을 구분하는 기준으로 사용될 수 있다.</p><table border><caption>표 1. 환자와 정상인의 전력 및 전력</caption><tbody><tr><td></td><td>\(i=1\)</td><td>\(i=2\)</td><td>\(i=3\)</td><td>\(i=4\)</td><td>\(i=5\)</td><td>\(i=6\)</td></tr><tr><td>환자</td><td>0.094</td><td>1.634</td><td>0.239</td><td>0.273</td><td>0.082</td><td>0.0248</td></tr><tr><td>정상인</td><td>0.121</td><td>0.272</td><td>0.157</td><td>0.082</td><td>0.006</td><td>\( 2.9 e^{-4} \)</td></tr><tr><td>전력비</td><td>0.777</td><td>6.01</td><td>1.53</td><td>3.30</td><td>12.3</td><td>84.3</td></tr></tbody></table>
|
[
"전력비가 1에 가깝다는 것은 무엇을 의미하는가?",
"복잡한 신호를 유한 요소로 분해할 수 있는 것은 어떤 방법인가?",
"HHT 는무엇과 무엇으로 구성되어 있는가?",
"HHT는 어떻게 구성되어 있는가?",
"EMD 방법으로 복잡한 신호를 분해할 때 데이터의 국소 영역 시간을 기반으로 하기 때문에 비선형, 비정상성을 가지는 데이터를 다룰 수 있어?",
"EMD 방법은 주어진 데이터를 IMF 함수들로 분해하는데 이때 IMF를 추출하는 과정을 무엇이라고 하는가?",
"Hilbert-Huang 변환(HHT)은 어떤 접근방법을 사용하여 데이터를 분석하는 방법인가?",
"EMD 방법은 주어진 데이터를 IMF 함수들로 분해하는데 IMF가 나타내는 것은 무엇인가?",
"EMD 방법은 데이터를 IMF 함수들로 분해하는데 이때 IMF의 조건으로 임의의 점에서 국소 최대값으로 구한 포락선과 국소 최소점으로 구한 포락선의 평균값은 1이야?",
"EMD 방법은 주어진 데이터를 IMF 함수들로 분해하는 것으로 이때 IMF의 조건으로 각 데이터 집합은 극대값과 영점 통과점의 개수가 얼마여야 하는가?",
"IMF의 순간 주파수 데이터를 시간에 따른 가변 함수로 표현할 수 있는 것은 무엇인가?",
"EMD 방법으로 복잡한 신호를 고유 모드 함수들의 모임 형태로 분해 가능하며 이 분해는 무엇을 기반으로 하는가?",
"Hilbert-Huang 변환(HHT)은 어디에 유용한 방식인가?",
"Hilbert-Huang 변환(HHT)은 무엇에 유용한 방식인가?",
"표1은 환자와 정상인의 전력 및 전력비를 구한 것으로 전력비가 가장 높은 것은 \\(i\\)가 얼마일때인가?",
"표1에서 \\(i=3\\)일때 환자의 전력은 0.239 일 때 정상인의 전력은 어떻게 되는가?",
"표1은 환자와 정상인의 전력및 전력비를 구한것으로 \\(i=1\\)에서 전력비는 얼마인가?",
"표1을 바탕으로 \\(i=2\\)일때 환자와 정상인의 전력비는 어느 쪽이 더 큰가?",
"\\(i=1\\)일 때 환자의 전력은 무엇인가?",
"환자의 전력이 가장 낮을 때 정상인의 전력은 얼마인가?"
] |
9acb9c95-d2f3-43bf-8eec-3e8881b76a7c
|
인공물ED
|
Air puff에 의한 각막 변형의 주파수 영역 분석
|
<h1>I. 서론</h1><p>안압 (IOP, intraocular pressure)의 측정은 녹내장이나 라식 수술 등의 안과학 분야에서 진단에 매우 중요한 요소이다. 안압을 측정하기 위해서는 각막(눈의 가장 앞쪽, 투명한 볼록한 막)에 air puff(바람을 훅 하고 부는 것)를 불어서 압력을 측정한다. 최근 들어 각막의 생역학적 성질(biomechanical property)을 in vivo로 측정하는 방법들이 제시되고 있다. 예를 들어 샤임플러그(Schiempflug) 카메라, 초고속 카메라, 안압계(ocular tonometry)를 조합하여 각막에 air puff를 쏘면서 각막이 어떤 모양으로 변하는지 촬영하는 장비가 나와 사용되고 있다. 최근 들어 안과 분야의 라식 수술전, 라식 수술 후에 이 장비를 이용하여 진단 파라미터를 측정한다. 진단 파라미터로써 일반적으로 각막의 두께나 곡면도, 각막이 눌렸을 때의 깊이, 길이, 속도 등을 사용해 왔다.</p><p>이와 관련하여 Kling 등은 시간에 따른 각막 변형을 정점의 만곡 정도의 최대치 및 시간에 따른 내부 및 외부 방향의 변형 대칭성을 측정하였다. 또한 Dorronsoro 등은 air puff에 의한 각막의 변형을 OCT(optical coherence tomography)의 동적 측정에 의해 관찰하였다. 이들은 각막의 증가되는 변형의 유지시간, 속도와 재생시간을 측정하였고 또한 최대 변형의 크기, 지름, 체적 등을 구하였다. Kurita 등은 고속의 카메라와 air puff 시스템을 결합하여 각막의 표면을 추적하였다. 이를 통하여 특정한 air puff 압력에 대해 각막의 이동 변위를 측정하여 안압을 측정하였다. Kim 등은 녹내장의 진단을 위한 IOP의 측정에 휸대 가능한 공기 압력 센서를 제작하였다. Bhatt 등은 패턴이 새겨진 플랩의 변화를 영상 처리를 이용하여 감지하였다. Nishiyama 등은 사람 눈에 대한 선형 동적 모델을 제시하고 air puff로 인한 눈의 변형 변위를 분석하였다.</p><p>지금까지 제시된 기존의 방법들은 공간상의 각막 변형의 변위를 측정하는 것이었다. 한편 피부의 진동을 측정하여 신체 기관의 이상을 감지하는 연구가 진행되어왔다. Nikooyan 등은 달리기 시에 지면으로부터의 반발력과 피부 진동으로 인한 근육의 피로도 영향을 연구하였다. 여기서 피부 조직의 부드러움과 딱딱함의 정도에 따라 진동의 정도가 다르게 나타나며 달리기로 인한 피로도의 증가에 따라 진동수가 증가함을 질량과 스프링 댐퍼 진동 모델과 실험으로 보였다.</p><p>본 논문에서는 air puff 후 각막의 중심부 주변의 변위에 대한 진동 주파수를 측정함으로써 환자와 정상인을 구별하고자 한다. 먼저 시간에 따른 각막 상하 진동 프로파일 데이터를 추출하기 위하여 동영상으로부터 영상 처리를 통하여 잡음 제거를 통하여 이진영상을 구한다. 이후 각막 변형에 대한 곡선 정합(curve fitting)을 이용하면 진동 데이터를 얻을 수 있다. 이 신호를 Fourier 변환을 하여 스펙트럼 정보를 얻는다. 실험 결과 비정상인과 정상인의 각막의 진동 주파수 차이를 보였으며 정상인의 경우 단단함(stiffness)으로 인한 강한 고주파 성분을 볼 수 있다.</p><p>스펙트럼 분석에서 신호가 비정상성과 국부성을 가지는 신호의 경우 Fourier 변환만으로는 시간 영역 신호의 특징 추출이 용이하지 않다. 이러한 신호의 특징 파악을 위해서 Hilbert-Huang 변환 (HHT) 을 이용하였다. HHT는 생의학, 신경학, 지진학, 해양학, 시스템 식별, 결함 검사, 음성 인식, 환경학, 재정학 등 응용 분야가 급격히 증대되고 있다. HHT는 EMD(empirical mode decomposition)과 HSA(Hilbert spectral analysis)로 구성된다. EMD 방법을 이용하여 복잡한 신호를 고유 모드 함수(IMF)로 분해함으로써 데이터의 국소적, 비선형, 비정상성을 가지는 데이터를 추출하였다. 고유 모드 함수의 스펙트럼 분석 및 전력비를 구하여 환자와 정상인의 차이를 확인하였다.</p><p>본 논문의 구성은 다음과 같다. 본문에서 air puff 영상 및 스펙트럼 분석 절차를 제시하고 FFT를 통하여 각막에 대한 고유 진동 주파수를 분석하고 Hilbert-Huang 변환을 통하여 신호를 분해하고 전력비를 비교하였다. III장에 결론을 적었다.</p>
|
[
"HHT는 어디에서 응용돼?",
"본 논문에서는 어떻게 환자와 정상인을 구분하였어?",
"Nishiyama는 사람의 눈에 대해서 어떻게 연구했어?",
"사람의 눈에 대해서 Nishiyama가 어떻게 분석했지?",
"안압은 어느 분야에서 매우 중요한 요소인가?",
"어느 부문에서 안압이 매우 중요한 요소일까?",
"Nikooyan가 분석한 것은 무엇인가요?",
"Kurita는 어떻게 각막의 표면을 추적하였어?",
"안과 분야에서 언제 이러한 장비를 사용하는가?",
"각막의 생역학적 성질을 in vivo로 측정을 어떻게 하였는가?",
"Dorronsoro는 무엇을 동적 계측을 이용하여 관찰했어?",
"진단 파라미터로 무엇을 사용하는가?",
"Dorronsoro는 어떻게 관찰했어?",
"Kling은 무엇을 측정했어?",
"Kurita는 무엇을 확인했어?",
"Kurita는 어떻게 안압을 측정했어?",
"Bhatt은 무엇을 이용했어?",
"안압은 어떻게 측정해?",
"어떻게 안압을 측량하나요?",
"HHT는 무엇으로 구성되나요?",
"무엇으로 HHT가 조직되었지?",
"진동 데이터는 어떻게 얻어?",
"본 논문에 제시된 방법은 무엇을 측정하는거야?",
"Nikooyan은 실험으로 무엇을 증명해 보였어?",
"Kim 등은 무엇을 만들었어?"
] |
83f97408-5598-4a2e-8f8d-cf0673973f01
|
인공물ED
|
Air puff에 의한 각막 변형의 주파수 영역 분석
|
<h1>요 약</h1><p>안압의 측정은 각막에 air puff 후 각막의 변형 즉, 각막의 두께나 변위 등 생역학적 성질을 관찰함으로써 이루어진다. 본 논문에서는 녹내장이나 라식의 진단을 위하여 사용되는 안압계의 air puff에 의한 각막의 변형을 주파수 영역에서 분석하였다. Air puff 후 각막의 중심부 주변의 변위에 대한 진동 주파수를 측정함으로써 환자와 정상인을 구별한다. 동영상으로부터 이진 영상을 구하고, 상하 변위 데이터와 곡선 정합의 차를 구하여 시간에 따른 각막 상하 진동 프로파일 데이터를 추출하였다. Fourier 변환으로 비정상인의 진동 주파수는 \( 479.2 \mathrm{~Hz} \) 를 얻었고 정상인의 경우 단단함으로 인하여 \( 702.8 \mathrm{~Hz} \) 의 고주파 성분을 볼 수 있었다. 또한 Hilbert-Huang 변환의 EMD 방법을 이용, 고유 모드 함수로 분해하여 국소적, 비선형, 비정상성을 가지는 데이터를 얻고 주파수와 전력을 분석하였다. 마지막으로 특정 고유 모드 함수에 대한 환자와 정상인의 전력비가 6 배 이상 차이가 나는 것을 확인하였다.</p>
|
[
"Fourier 변환으로 측정한 정상인의 진동 주파수는 몇 Hz야?",
"고유 모드 함수로 분해하여 국소적, 비선형, 비정상성을 가지는 데이터를 얻고 주파수와 전력을 분석하는 방법이 뭐야?",
"환자와 정상인을 구별하기 위해 Air puff 후 각막의 중심부 주변 변위의 무엇을 측정해?",
"Fourier 변환으로 측정한 비정상인의 진동 주파수는 얼마야?",
"정상인의 진동 주파수 \\( 702.8 \\mathrm{~Hz} \\) 에서 고주파 성분이 측정 돼?",
"특정 고유 모드 함수에 대한 환자와 정상인의 전력비는 몇 배 정도 차이가 나?",
"안압을 측정할 때 각막의 어떠한 성질을 관찰해?"
] |
270c37ea-ab6f-46c9-a5d2-6f339eda2d4d
|
인공물ED
|
차세대 리소그래피 빛샘 발생을 위한 플라스마 집속장치의 아르곤 아크 플라스마의 방출 스펙트럼 진단
|
<h1>Ⅲ. 실험 결과</h1><p>실험은 본 연구진의 선행된 결과를 바탕으로 다이오드 챔버의 집속 최적점인 \( \mathrm{Ar} \) 압력 \( 330 ~ \mathrm{mTorr} \)에서 진단을 실시하였다. 인가전압은 \( 2 ~ \mathrm{kV}, 2.5 ~ \mathrm{kV}, 3 ~ \mathrm{kV}, 3.5 ~ \mathrm{kV} \)으로 변화를 주었으며 외부 트리거 신호인 \( 15 ~ \mathrm{kV}, 10 ~ \mathrm{Hz} \)를 인가하였다.</p><p>이극챔버는 순수한 \( \mathrm{Ar} \) 기체를 채웠으며 각 입력전압에 대해 플라스마의 전자온도와 이온밀도를 측정하였다. 입력 전압 \( 3 ~ \mathrm{kV} \)일 때 방출 스펙트럼 데이터는 그림 5에 나타내었다. 전자온도를 계산하기 위해서는 현재 시스템이 국소적인 열적평형 상태에 있다는 가정이 필요하다. 위 식(1)을 통해 다음 식(2)으로 표현할 수 있다.</p><table border><caption>표 1. 입력 전압 \( 3 ~ \mathrm{kV} \), 다이오드 챔버 압력 \( 330 ~ \mathrm{mTorr} \) 에서 측정한 \( \mathrm{Ar} \) 플라스마의 분광 데이터.</caption><tbody><tr><td>구 분</td><td>wavelength (\( \mathrm{nm} \))</td><td>intensity (\( \mathrm{a.u.} \))</td><td>frequency (\( \mathrm{Hz} \))</td><td>gu</td><td>Aik (\( 10^{8} \mathrm{sec^{-1}} \))</td><td>Eu (\( \mathrm{eV} \))</td><td>\( \ln \left[\frac{I}{\nu A_{i k} g_{u}}\right] \)</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{I} \)</td><td>464.21</td><td>2562.59</td><td>\( 6.46 \mathrm{E}+14 \)</td><td>5</td><td>0.001</td><td>14.51</td><td>-39.38</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{I} \)</td><td>568.19</td><td>20181.32</td><td>\( 5.29 \mathrm{E}+14 \)</td><td>7</td><td>0.0021</td><td>14.31</td><td>-40.46</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{I} \)</td><td>568.37</td><td>2484.59</td><td>\( 5.27 \mathrm{E}+14 \)</td><td>5</td><td>0.0021</td><td>14.31</td><td>-39.95</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{I} \)</td><td>653.81</td><td>1841.59</td><td>\( 4.57 \mathrm{E}+14 \)</td><td>7</td><td>0.0011</td><td>13.95</td><td>-39.79</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{I} \)</td><td>659.61</td><td>2001.59</td><td>\( 4.57 \mathrm{E}+14 \)</td><td>5</td><td>0.0024</td><td>13.94</td><td>-40.15</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{II} \)</td><td>399.48</td><td>1850.59</td><td>\( 7.49 \mathrm{E}+14 \)</td><td>2</td><td>1.6</td><td>22.22</td><td>-46.31</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{II} \)</td><td>465.79</td><td>2155.59</td><td>\( 6.45 \mathrm{E}+14 \)</td><td>2</td><td>0.81</td><td>18.45</td><td>-45.33</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{II} \)</td><td>410.39</td><td>1898.52</td><td>\( 7.31 \mathrm{E}+14 \)</td><td>6</td><td>1.2</td><td>20.98</td><td>-47.07</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{II} \)</td><td>500.93</td><td>5165.31</td><td>\( 5.99 \mathrm{E}+14 \)</td><td>6</td><td>0.147</td><td>17.91</td><td>-43.77</td></tr></tbody></table><p>\[ \ln \left(\frac{I}{\nu_{u l} A_{u l} g_{u}}\right)=-\frac{E_{u}}{k T_{e}}+\ln \left(\frac{h n}{4 \pi Z}\right) \]<caption>(2)</caption></p><p>식(2)의 \( \ln \left(\frac{I}{\nu_{u l} A_{u l} g_{u}}\right) \)과 들뜬 에너지 \( E_{u} \) 사이의 선형 그래프를 이용하여 기울기 값을 계산하면 전자온도 \( k T_{e} \)를 알 수 있다.</p><p>표 1에 나타낸 \( \mathrm{Ar} ~ \mathrm{I} \)과 \( \mathrm{Ar} ~ \mathrm{II} \)의 분광 정보를 이용해서 \( \ln \left(\frac{I}{\nu_{u l} A_{u l} g_{u}}\right) \)과 각 파장대에 따른 들든 에너지 \( E_{u} \)에 대한 그래프를 얻는다. 그리고 선형 조정법 (linear fitting) 과정을 거쳐 그래프의 기울기 값을 얻어 역수를 취해주면 \( \mathrm{Ar} \) 플라스마의 전자온도가 된다. 이 과정을 거쳐 얻은 그래프는 입력 전압 \( 3 ~ \mathrm{kV} \)일 경우 그림 6과 같다. 선형조정법에 의한 기울기의 절대값은 0.93이며 이것의 역수는 전자온도 값이 된다. \( \mathrm{kT} \)는 \( 1.076 ~ \mathrm{eV} \)로 계산되며 켈빈(Kelvin) 단위로 환산하면 \( 12471 \mathrm{~K} \)로 표현된다. 각 입력 전압에 대한 전자온도 그래프는 그림 7에 표현 하였다. 전압이 \( 2.5 ~ \mathrm{kV} \)와 \( 3 ~ \mathrm{kV} \)에서 \( 1.07 ~ \mathrm{eV} \)로 전자온도가 동일하게 나왔고 \( 3.5 ~ \mathrm{kV} \)에서 \( 0.99 ~ \mathrm{eV} \)로 가장 낮은 수치를 보였다. 국소적인 열적평형 상태에 있다고 가정하였으므로 \( \mathrm{Ar} \) 플라스마의 전자온도와 이온온도는 국소적으로 같다. 이 정보를 이용하여 사하 방정식으로 이온 밀도를 계산하였다.</p><p>사하 방정식은 다음 수식(3)과 같이 표기할 수 있다.</p><p>\[ \frac{N_{i}^{2}}{N}=2.4 \times 10^{15} \times T^{\frac{3}{2}}[K] \times e^{-\frac{E[e V]}{k T_{e}[e V]}} \\ N_{i}=N_{e} \]<caption>(3)</caption></p><p>이 방정식에서 \( \mathrm{E} \)는 이온화 에너지에 해당된다. 본 실험에서는 \( \mathrm{Ar} ~ \mathrm{I} \)과 \( \mathrm{Ar} ~ \mathrm{II} \)를 측정하였으므로 각각의 이온화 에너지인 \( 15.69 ~ \mathrm{eV} \)와 \( 27.63 ~ \mathrm{eV} \)의 값을 이용하였다. 위에서 얻은 온도 정보와 \( 330 ~ \mathrm{mTorr} \) 일때 \( \mathrm{Ar} \) 중성기체의 밀도 \( \mathrm{N}=1.16 \times 10^{16} / \mathrm{cc} \)를 대입하여 풀면 \( \mathrm{Ar} ~ \mathrm{I} \)과 \( \mathrm{Ar} ~ \mathrm{II} \)의 이온밀도를 각각 계산할 수 있다. 각 입력 전압에 따른 이온밀도는 그림 8로 나타내었다. \( 2.5 ~ \mathrm{kV} \)와 \( 3 ~ \mathrm{kV} \)에서 \( \mathrm{Ar} \mathrm{I} \) 및 \( \mathrm{II} \)의 이온밀도가 가장 높았으며 각각 \( 4.1 \times 10^{15} / \mathrm{cc} \) 및 \( 1.6 \times 10^{13} / \mathrm{cc} \)으로 계산되었다. 대체적으로 \( \mathrm{Ar} ~ \mathrm{I} \)과 \( \mathrm{Ar} ~ \mathrm{II} \)의 이온밀도 \( N_{i} \)는 각각 \( \sim 10^{15} / \mathrm{cc} \) 및 \( 10^{13} / \mathrm{cc} \)의 값으로 나왔다. 이온화율 \( \delta \)는 평균적으로 각각 \( 27 \% \) 및 \( 0.06 \% \)로 \( \mathrm{Ar} \mathrm{I} \)의 이온화율이 높은 것으로 나타났다.</p><p>본 연구에서 가정했던 국소적인 열적 평형상태를 만족시키는 임계 전자밀도 (criterion electron density) \( \mathrm{N}_{e}^{*} \)는 다음 수식 (4)으로 표현할 수 있다.</p><p>\[ N_{e}^{*} \geq 7 \times 10^{18} \frac{z^{7}}{n^{17 / 2}}\left(\frac{k T_{e}}{z^{2} E}\right)^{1 / 2} \]<caption>(4)</caption></p><p>\( z \)는 유효전하수 (number of effective charges), \( n \)은 주 양자수 (principal quantum number), \( E \)는 \( \mathrm{Ar} \)의 이온화 에너지에 해당된다. 위에서 얻은 전자온도 를 대입하여 \( \mathrm{Ar} ~ \mathrm{I} \)과 \( \mathrm{Ar} ~ \mathrm{II} \)의 임계 전자밀도 범위를 구할 수 있다.</p><p>\( \mathrm{Ar} ~ \mathrm{I} \)과 \( \mathrm{Ar} ~ \mathrm{II} \)의 플라스마 밀도는 입력전압에 따라 표 2에 나타난 임계전자밀도 \( \left(\mathrm{N}_{\mathrm{e}}\right) \)의 최소값보다 훨씬 큰 값이므로 국소적인 열적 평형상태를 충분히 만족한다고 볼 수 있다.</p><table border><caption>표 2. 각 전압에 따른 \( \mathrm{Ar} ~ \mathrm{I} \) 및 \( \mathrm{II} \) 의 임계전자밀도</caption><tbody><tr><td rowspan=2>전압 (\( \mathrm{kV} \))</td><td colspan=2>임계전자 밀도의 최소값 (\( / \mathrm{cc} \))</td></tr><tr><td>\( \mathrm{Ar} ~ \mathrm{I} \)</td><td>\( \mathrm{Ar} ~ \mathrm{II} \)</td></tr><tr><td>2</td><td>\( 3.94 \mathrm{E}+12 \)</td><td>\( 2.97 \mathrm{E}+12 \)</td></tr><tr><td>2.5</td><td>\( 4.06 \mathrm{E}+12 \)</td><td>\( 3.05 \mathrm{E}+12 \)/td></tr><tr><td>3.0</td><td>\( 4.06 \mathrm{E}+12 \)</td><td>\( 3.05 \mathrm{E}+12 \)/td></tr><tr><td>3.5</td><td>\( 3.89 \mathrm{E}+12 \)</td><td>\( 2.93 \mathrm{E}+12 \)</td></tr></tbody></table>
|
[
"intensity의 값이 20181.32인 항목의 frequency는 얼마야?",
"\\( \\mathrm{Ar} ~ \\mathrm{I} \\)의 wavelength 값은 얼마야?",
"wavelength가 300보다 크고 400보다 작은 항목의 frequency 는 어떤 값을 가져?",
"Aik가 1.6인 항목의 ln값은 얼마야?",
"\\( \\mathrm{Ar} ~ \\mathrm{I} \\)과 \\( \\mathrm{Ar} ~ \\mathrm{II} \\)의 이온밀도를 어떻게 연산할 수 있어?",
"전압이 \\( 2\\mathrm{kV} \\)일 때, \\( \\mathrm{Ar} ~ \\mathrm{I} \\)은 얼마의 값을 가져?",
"전자온도 \\( k T_{e} \\)를 어떻게 알아낼 수 있어?",
"사하 방정식은 어떻게 표기할 수 있어?",
"임계 전자밀도는 어떻게 표현할 수 있어?",
"Eu값이 0.09보다 크고 0.2보다 작은 항목의 gu값은 얼마야?",
"\\( \\mathrm{Ar} ~ \\mathrm{I} \\)가 \\( 4.06 \\mathrm{E}+12 \\)의 값을 가질 때, 전압은 몇 이야?",
"전압이 2.5, 3.0일 경우 \\( \\mathrm{Ar} ~ \\mathrm{II} \\)은 각각 어떤 값을 가져?",
"\\( 2.93 \\mathrm{E}+12 \\)의 \\( \\mathrm{Ar} ~ \\mathrm{II} \\)값을 가지는 경우는 전압이 얼마 일 때야?",
"전압이 3.0보다 크고 4.1보다 작은 경우의 \\( \\mathrm{Ar} ~ \\mathrm{I} \\)의 값은 얼마야?",
"gu값이 6이고 Aik값이 1.2인 항목의 Eu 값은 얼마야?",
"식(2)는 어떻게 표현할 수 있어?",
"어떻게 식(2는 나타날 수 있지?"
] |
9bbecd2f-11d5-4242-a9da-8b7774b6a878
|
인공물ED
|
다채널 직접 디지털 합성을 이용한 레이더 반사 신호 모의 장치
|
<h1>Ⅲ. 설계 및 제작</h1><h2>3-1 구성</h2><p>RSSE는 아날로그부와 디지털부로 구성되며, 외부로부터 기준 주파수 신호를 입력받고 레이더 통제 컴퓨터의 제어 명령 및 표적 생성 시나리오에 따라 모의 표적 및 재밍 신호를 생성하여 신호 처리기에 전송한다. 이러한 기능을 수행하기 위해 RSSE는 제어 및 연동 모듈, 신호 발생 모듈 및 신호 합산 모듈과 전원 모듈들로 구성되며(그림 2), 각각의 모듈들에 대한 기능은 다음과 같다.</p><p>제어 및 연동 모듈은 RSSE의 동작을 제어한다. 레이더 통제 컴퓨터로부터 각 작업 싸이클마다 동작모드에 맞는 제어 정보와 데이터를 수신하고, 레이더 통제 컴퓨터로부터 수신한 명령 동기 신호에 따라 RSSE 각 모듈에 대한 제어 정보를 생성하여 제어한다. 또한, RSSE를 구성하는 각 모듈들의 상태 정보를 실시간으로 모니터링하고 수집하여 레이더 통제 컴퓨터로 고장탐지 정보를 제공하는 역할을 담당하도록 구성되었다.</p><p>신호 발생 모듈은 제어 및 연동 모듈로부터 제어 정보를 받아 표적 반사 신호, 유도탄 응답 신호, 거리 기만 재밍 신호, 속도 기만 재밍 신호 또는 수동 재밍 신호(PT 파형)를 생성하고, 생성 신호의 이득을 조절한다. 신호 발생 모듈은 다양한 형태의 반사 신호들을 시나리오에 따라 생성하여야 하고, 신호의 세기 및 위상정보를 변경할 수 있어야 하기 때문에 메모리를 이용한 파형 생성 또는 디지털 상향 변환 방식에 비해 하드웨어 구조와 화장성 측면에서 장점을 갖는 디지털 직접 합성 방식을 적용하였다. 여러가지 파형 생성 방식의 특징을 비교한 결과는 표 2와 같다.</p><p>또한, 신호 생성 모듈은 합 채널 신호뿐만 아니라 모노 펄스 신호(차채널 신호) 및 SLB 채널 신호들을 하나의 표적에 대해 동시에 모사해야 하기 때문에 하드웨어 구조의 복잡도 관점에서 직접 디지털 합성 방식을 이용하는 것이 유리하다.</p><p>신호 합산 모듈은 신호 발생 모듈과 잡음 발생 모듈에서 생성한 4채널의 신호들(합채널, 두 개의 차채널 및 \( \mathrm{SLB} \) 채널)을 전력 합산하여 출력한다. 즉, 하나 안테나 빔 내에 3개의 표적 신호를 모사하여야 하므로 다음과 같은 방법으로 신호들을 합하게 된다.</p><p>합채널 신호=\( \sum_{n=1}^{4} \) (신호 생성 모듈 #n의 합채널 신호)<caption>(1)</caption></p><p>3개의 표적 신호는 각각 3개의 신호 생성 모듈에서 생성되고 \( (n=1\sim 3)\), 4번째 합 채널 신호는 잡음 생성 모듈에서 생성된 잡음 신호가 식 (1)과 같은 개념으로 전력 합산되어 하나의 합 채널 신호를 생성하게 된다. 모노 펄스 성능을 시험하기 위한 두 개의 차채널 신호(방위각, 고각) 및 부엽 채널 신호 역시 위와 같은 동일한 방법으로 생성된 후 전력 합산된다.</p><p>기준 신호 분배 모듈은 RSSE를 구성하는 각 모듈들의 동작 동기 및 MC-DDS의 시스템 클럭을 생성하고 공급한다. 기준 신호는 내장된 OCXO 또는 외부로부터 공금받을 수 있으며, DDS 제어기인 FPGA의 동작 클럭 및 DDS의 시스템 클럭의 기준으로 사용된다. 특히 DDS의 시스템 클럭은 외부로부터 높은 주파수의 클릭을 받아 사용하거나 낮은 주파수의 클럭을 내장된 위상 잠금 루프(PLL)를 이용하여 높은 주파수로 변환한 후 사용할 수 있다. 내장된 위상 잠금 루프를 이용하는 경우, 내장된 VCO를 이용하게 되고, 루프 대역폭에 따른 전형적인 위상 잡음 특성을 갖게 된다. 따라서 내장된 위상잠금 루프를 통한 시스템 클럭을 사용할 것인지, 외부의 주파수 체배기를 이용하여 생성된 시스템 클럭을 이용할 것인지에 대한 trade-off가 요구된다. 이 trade-off의 판단 기준으로 DDS 출력에서의 CW 신호에 대한 위상 잡음을 측정하여 낮은 위상 잡음 특성을 갖는 시스템 클럭을 생성방법을 선택하였다.</p><p>잡음은 기존의 레이더 반사 신호 모사 방법에서 고려되지 않았지만, 잡음을 이용한 레이뎌 시스템의 보정과 재밍 신호의 모사를 위해 본 연구에서 주요하게 고려하였다. 잡음을 이용한 레이더 시스템의 보정은 특히 신호 처리기의 입력 동적 영역 중 최저 레벨(lower limit)에 대해 중요한 의미를 가진다. 신호처리기의 입력 동적 영역은 잡음 수준에서부터 왜곡 없이 신호 처리가 가능한 최대 신호 세기까지의 영역으로 정의되며, 입력되는 잡음이 일정 수준을 유지하여야 신호 처리기 입력단의 ADC 손실을 유지, 궁극적으로는 신호 처리기 손실을 일정하게 유지하게 된다. 잡음 생성 모듈에서 생성되는 잡음은 수신기에서 출력되는 잡음 수준과 동일한 값이며, 잡음의 형태를 수동 재밍 신호를 생성할 수 있도록 구성하였다.</p><p>전원 모듈은 RSSE의 동작에 요구되는 각종 DC 전원들을 생성하도록 구성되었으며, AC-DC 변환 모듈, DC-DC 변환모듈로 되어 있다. 그림 2는 MC-DDS를 이용한 RSSE의 구성을 나타낸다.</p><table border><caption>표 2. 파형 생성 방식 비교</caption><tbody><tr><td></td><td>신호 크기 조정</td><td>위상 조정</td><td>하드웨어 구조</td><td>확장성</td></tr><tr><td>메모리-DAC 방식</td><td>외부 DCA</td><td>위상값이 다른 메모리 사용</td><td>메모리 블록 사용, 하드웨어 상대적 복잡</td><td>채널수에 따라 동일 하드웨어 증가</td></tr><tr><td>디지털 상향 변환 방식</td><td>외부 DCA / 내장된 DAC</td><td>외부 위상변위기</td><td>하드웨어 상대적 복잡</td><td>채널수에 따라 동일 하드웨어 증가</td></tr><tr><td>직접 디지털 합성 방식</td><td>외부 DCA / 내장된 DAC</td><td>외부 위상변위기/ 내장된 위상 레지스터</td><td>다중 채널 DDS 이용 4채널까지 하나의 칩으로 구현 가능</td><td>다중 채널 DDS 이용 손쉽게 확장 가능</td></tr><tr><td>위상천이 방식</td><td>외부 DCA</td><td>외부 위상변위기</td><td>하드웨어 상대적 단순, 신호혼합기 이용 L0신호 추가 필요</td><td>채널수에 따라 동일 하드웨어 증가</td></tr></tbody></table>
|
[
"기준 신호 분배 모듈이 담당하는 역할은 어떻게 되는가?",
"RSSE는 어떻게 하여 신호 처리기에 전송하는가?",
"RSSE는 어떻게 구성되는가?",
"어떻게 RSSE가 조직되지?",
"제어 및 연동 모듈은 어떻게 하여 고장탐지 정보를 제공하는가?",
"하드웨어 구조와 화장성 측면에서 우수성을 보이는 것은 어떤 방법인가?",
"신호 발생 모듈이 담당하는 역할은 어떻게 되는가?",
"DDS의 시스템 클럭은 어떻게 하여 저주파수를 고주파수로 변환할 수 있는가?",
"생성된 잡음을 어떻게 구성하였는가?",
"어떤 방법에서 잡음을 감안하지 않았는가?",
"전원 모듈은 어떻게 구성되어 있는가?",
"만들어진 모의표적과 재밍 신호를 전송하기 위해 RSSE는 어떻게 구성되는가?",
"신호처리기의 입력 동적 영역은 어떻게 정의되는가?",
"제어 및 연동 모듈의 역할은 어떻게 되는가?",
"신호 합산 모듈은 어떻게 신호를 출력하는가?",
"신호 발생 모듈에 사용되는 것은 어떤 방법인가?",
"다중 채널 DDS 이용 4채널까지 하나의 칩으로 구현 가능한 방식은 무엇인가?",
"위상천이 방식의 확장성은 어떻게 나타나는가?",
"위상값이 다른 메모리 사용하는 방식은 무엇인가?",
"다중 채널 DDS 이용 손쉽게 확장 가능한 확장성을 갖는 방식은 무엇인가?",
"메모리-DAC 방식은 어떤 하드웨어 구조를 갖는가?"
] |
cf1caa89-730c-4dfe-afef-831b81ff7f42
|
인공물ED
|
다채널 직접 디지털 합성을 이용한 레이더 반사 신호 모의 장치
|
<h1>Ⅱ. 요구 성능 및 기능</h1><p>레이더의 잡음 배경에서 표적 탐지/추적 성능 분석 및 재밍, 간섭과 같은 비균질 환경에서의 탐지 및 추적 성능을 확인하고 평가하기 위한 RSSE의 요구 성능 및 기능을 정의한다. RSSE에서 모사되는 신호는 크게 표적 반사 신호와 재밍 및 클러터를 포함한 간섭 신호로 나눌 수 있으며, 레이더에서 사용되는 실제 파형(탐지 파형, 추적 파형, 탐지/정밀추적 파형 등)과 동일한 성능을 갖는 파형들을 시스템 시나리오(표적 궤적 및 빔 스케줄링, 시험 환경 등)에 따라 연동하여 생성한다. 표적의 반사 신호는 레이더에서 사용되는 파형들의 replica로 정의할 수 있으며, RSSE에서 모사되는 파형들로는 거리분해능이 우수하고 표적의 탐지 목적으로 사용되는 선형 주파수 변조(LFM: Linear Frequency Modulation) 신호와 모호함수의 특성이 표적의 도플러에 민감하여 표적의 도플러 주파수를 정확히 추정할 수 있는 위상 코드 변조(PCM: Phase-Coded Modulation) 신호 및 표적의 탐지 및 정밀 추적이 가능한 펄스 열(pulse train) 신호가 있다. 또한, RSSE는 유도탄 응답 신호를 펄스 형태로 모사한다. RSSE는 표적, 유도탄 신호를 모사할 뿐 아니라, 수동, 능동 재밍 신호(passive \& active jamming signal)와 클러터 신호등과 같은 외부 간섭 신호들을 모사할 수 있으며, 레이더의 재밍에 대한 대전자전(ECCM: Electronic Counter-Counter Measure) 능력을 평가하는데 사용할 수 있다.</p><p>RSSE는 앞서 언급한 바와 같이, 레이더의 실제 환경과 유사한 신호들을 모사하여 생성하는 기능을 갖도록 요구되며, 아래와 같은 반사 신호들을 시스템의 제어 명령에 따라 생성한다.</p><ul><li>표적 반사 신호 및 유도탄 응답 신호</li><li>거리/속도 기만 재밍 신호</li><li>능동 잡음 및 수동 재밍 신호</li><li>수신기 잡음</li></ul><p>표적 반사 신호는 표적 이동 궤적에 따른 거리와 레이더 반사 단면적(RCS: Radar Cross Section)에 의해 신호의 세기가 제어될 수 있어야 하며, 레이더의 동적 영역(dynamic range)내 존재하도록 설정된다. 또한, 표적이 이동하기 때문에 도플러 성분을 표적 속도에 따라 모사할 수 있는 기능을 보유한다. 레이더의 대전자전 능력을 분석하기 위해 표적 반사 신호와 동일한 전기적 특성을 갖는 거리 및 속도 기만 재밍 신호를 모사할 수 있어야 하며, 동시에 잡음 재밍도 생성할 수 있는 기능을 갖도록 구성된다. 앞서 언급된 다양한 환경 신호를 생성하기 위한 RSSE의 주요 요구 성능은 시스템 요구 사항을 기반으로 아래와 같이 도출되었다.</p><ol type=1 start=1><li>최대 동작 주기 : 동작 주기는 시스템의 최대 동작 주기에 동기되어 신호를 생성한다.</li><li>출력 신호의 동작주파수: 신호 처리기의 중심 주퐈수인 \( 60 \mathrm{MHz} \)를 만족한다.</li><li>모사 신호들의 전기적 특성 : 신호 처리기에서 처리되는 신호들의 동작 주기, 펄스폭, 펄스 반복 주파수(PRF) 및 레이더 대역폭 등을 만족하도록 모사하도록 생성되어야 한다.</li><li>생성된 모사 신호는 거리에 따른 신호 세기 변화 및 속도를 모사하기 위해 표 1의 주요 요구성능을 만족한다.</li></ol><p>RSSE는 수신기와 신호 처리 기간 전기적 인터페이스 조건(신호 크기, 잡음 및 입출력 저항 등)을 모사하기 위해, 생성된 신호의 세기 및 잡음 수준을 제어 명령에 따라 조정할 수 있어야 한다. 모사 표적의 거리 및 RCS에 따른 신호 크기 변화를 반영하기 위해 \( 1 \mathrm{dB} \) 단위로 최대 \( 100 \mathrm{dB} \)의 신호 크기 조정 범위를 가져야 한다. 그림 1은 등속도로 접근하는 RCS\( 2 \mathrm{m} 2 \) 표적의 궤적과 거리에 따른 신호 크기 변화의 예를 보여준다. RSSE는 표적의 추적 성능을 시험하기 위해 합 채널에 대한 두 개의 차 채널(방위각, 고각) 신호를 동시에 생성할 수 있어야 하며, 이렇게 생성된 신호는 모노 펄스 처리를 통해 레이더의 신호 처리 성능 분석에 적용하게 된다. 모노 펄스 오차 신호는 합 채널에 대한 차 채널의 신호 크기 비로 정의되며, 하드웨어에 의한 진폭 및 위상 변화가 포함되면 표적의 모노 펄스 오차 신호는 에러를 갖게 된다. 따라서 RSSE에 생성되는 합 채널과 차 채널 신호는 이러한 하드웨어적인 에러 요인들을 제거할 수 있는 기능을 보유하도록 설계되어야 하고, 신호 처리 결과로부터 표 1에 제시된 합 채널에 대한 차 채널의 진폭 및 위상 조정 단위를 이용하여 보정된 모노 펄스 신호를 모사하게 된다.</p><table border><caption>표 1. 주요 요구 성능</caption><tbody><tr><td colspan=2>전기적 특성</td><td>요구 성능</td></tr><tr><td colspan=2>신호 크기 조정 범위 조정/간격</td><td>\( 105\mathrm{dB} \) /\( 1\mathrm{dB} \)</td></tr><tr><td colspan=2>신호 On/off 억제(펄스 억압) 수준</td><td>\( 80\mathrm{dB} \) 이상</td></tr><tr><td rowspan=2>도플러 주파수 조정 범위</td><td>LFM</td><td>\( \mathrm{fc} \pm 350 \mathrm{kHz} \)</td></tr><tr><td>PCM, PT</td><td>\( \mathrm{fc} \pm 545 \mathrm{kHz} \)</td></tr><tr><td rowspan=2>합 채널에 대한 차 채널 (방위각, 고각) 진폭/ 위상 조정 단위</td><td>진폭</td><td>\( 0.5 \mathrm{~dB} \) 이하</td></tr><tr><td>위상</td><td>\( 5.625 \)도\( \pm 11.25 \)도</td></tr></tbody></table>
|
[
"레이더의 신호 처리 성능 분석에서 신호 On/off 의 펄스를 억제 또는 억압하는 수준에서 요구되어지는 성능의 기준은 얼마야?",
"본 논문의 레이더의 신호 처리 성능 분석에서 방위각, 고각을 포함한 합 채널에 대한 차 채널 안에서 요구되어지는 진폭 기준은 얼마 이하야?",
"레이더의 신호 처리를 할때 중요하게 요구되어지는 성능으로 방위각, 고각의 위상 범위는 얼마야?",
"본 논문의 레이더의 신호 처리 주요 요구 성능에서 PCM, PT의 경우에 도플러 주파수 조정 범위는 얼마로 요구돼?",
"레이더의 신호 처리의 주요 요구 성능에서 LFM의 경우에 도플러 주파수 조정범위는 얼마야?",
"레이더의 신호 처리 성능 분석을 위한 주요 요구 성능에서 합 채널에 대한 차 채널의 어떤 요인을 측정해?",
"레이더의 신호 처리 성능 분석에서 신호 크기 조정하는 범위를 조절할때의 요구 성능의 기준은 얼마야?"
] |
9643f59d-897d-4a6f-b190-fff35ec9416f
|
인공물ED
|
분산센서망에서 표적을 탐지한 센서의 기하학적 구조를 이용한 표적위치 추정
|
<h1>II. 분산센서망 기반의 표적탐지</h1><p>그림 1은 해안 수중감시를 위하여 설치된 분산센서망에서 능동소나 시스템을 이용하여 표적을 탐지하는상황을 설명하고 있다. 음원은 탐지신호를 송출하고, 표적에 반사되어 오는 탐지신호를 분산센서망을 구성하는센서들이 수신하여 표적을 탐지한다. 분산센서망의 센서는 수신한 탐지신호의 상호상관 값을 구한 후, 상호상관 값을 주어진 문턱값(threshold)과 비교하여 표적의 존재 유무를 결정 한다. 그리고 센서는 표적의 존재 유무에 대한 탐지 결과를 데이터처리 센터에 전송하며,표적이 존재하면 “1”을 전송하고, 표적이 존재하지 않는 경우 “0”을 전송한다. 이와 같은 상황에서 센서는 1비트의 이진신호만을 전송하게 되고 매우 적은 통신용량이 요구된다.</p><p>음원에서 송출된 탐지신호가 표적인 잠수함에 반사되어 분산센서망의 센서로 전파되는 과정을 그림 2에서설명하고 있다. 분산센서망은 N개의 탐지만 가능한간단한 구조의 센서들로 구성되어 있으며, 음원에서 송출되는 탐지신호는 무지향성(omni-directional) 신호이다. 음원에서 송출된 표적 탐지신호는 분산센서망의 센서와 표적으로 전파 된다. 수중표적인 잠수함에 도달한 탐지신호는 잠수함의 표면에서 반사되어 수중으로 전파하게 된다. 잠수함에서 반사된 반사신호는 탐지신호와는 달리 지향성 신호가 되며, 작은 빔 폭을 가지고 특정 방향으로 전파하게 된다. 반사파의 전파 방향은 음원위치, 잠수함의 위치, 잠수함의 자세각 등에 의해서 결정되며, 그림 2는 이러한 상황을 설명하고 있다.</p><p>음원에서 송출된 탐지신호가 분산센서망의 센서로 직접 전파되어 센서에 도달한 신호는 전파 거리가 짧기 때문에 표적에서 반사되어 센서에 도달한 신호보다 크기가 크며, 센서에 도달하는 시간이 빠르다. 분산센서망의 센서는 음원으로부터 직접 도달한 신호에 의해서 활성화 된다. 센서가 활성화가 된 후에 표적에서 반사된 신호가 도달하게 되며, 센서는 주어진 데이터 윈도우 안에서 상관기를 이용하여 표적 반사신호에 대한 상호상관 값을 구함으로써 표적을 탐지한다. 여기서 데이터 윈도우의 크기는 분산센서망이 감시하고자 하는 최대감시영역의 크기에 따라 결정된다. 센서의 상호상관 값이 주어진 문턱값 보다 큰 경우는 표적이 탐지되었다고 선언되며 \(z_{n}=1\)로 설정하고, 상호상관 값이 주어진 문턱값보다 작은 경우는 표적이 탐지되지 않았다고 선언되고 \(z_{n}=0\)으로 설정한다. 여기서 \(z_{n}\) 은 \(n\)번째 센서의탐지결과를 저장하는 변수이다. 그림 1에서처럼 표적반사신호는 좁은 빔 폭을 가지는 지향성 신호이기 때문에, 분산센서망에 도달한 반사신호의 빔 폭 영역에 존재하는 센서들에 의해서 표적이 탐지된다. 표적탐지 확률은 다음과 같이 나타낼 수 있다.</p><p>\( P_{D, n}=p\left(z_{n}=1\right)=\exp \left(-\frac{\Gamma_{t h}}{1+S N R_{n}}\right) \)<caption>(1)</caption></p><ul><li>\( \left(x_{s}, y_{s}\right) \): 음원의 위치 좌표</li><li>\( \left(x_{t}, y_{t}\right) \): 표적의 위치 좌표</li><li>\( \left(x_{n}, y_{n}\right) \): 분산센서망의 n번째 센서의 위치 좌표</li><li>\( \psi_{s, t} \): 음원과 표적이 이루는 각</li><li>\( \theta_{t} \): 표적의 자세각</li><li>\( \psi_{n} \): n번째 센서와 표적이 이루는 각</li><li>\( \alpha \): 잠수함에 반사되는 신호의 각</li><li>\( s(t) \): 음원에서 송출되는 표적 탐지신호</li></ul><p>여기서,\( S N R_{n} \) 은 n번째 센서의 반사신호에 대한 신호대잡음비이고, \( \Gamma_{t h} \) 는 탐지 문턱값이다.</p><p>탐지 문턱값 \( \Gamma_{t h} \) 가 주어지면, 오경보 확률은 다음과 같이 계산할 수 있다.</p><p>\( P_{f a}=\exp \left(-\Gamma_{t h}\right) \)<caption>(2)</caption></p><p>신호대잡음비 \( S N R_{n} \) 은 신호 전파거리, 잠수함과 센서가 이루는 각, 신호 반사각의 함수이며 다음과 같다.</p><p>\( S N R_{n}=c_{0} f_{1}\left(r_{n}\right) f_{2}\left(\psi_{n}, \alpha\right) \)<caption>(3)</caption></p><p>여기서 \(c_{0}\) 는 상수이다.</p><p>식 (3)의 \( f_{1}\left(r_{n}\right) \)은 탐지신호의 전파거리에 따른 \( S N R_{n} \)의 크기를 나타내는 함수이며, 표적과 센서사이 의 거리에 반비례한다. 따라서 \( f_{1}\left(r_{n}\right) \) 은 다음과 같다.</p><p>\( f_{1}\left(r_{n}\right)=r_{n}^{-1} \)<caption>(4)</caption></p><p>여기서,</p><p>\( r_{n}=\sqrt{\left(x_{s}-x_{t}\right)^{2}+\left(y_{s}-y_{t}\right)^{2}}+\sqrt{\left(x_{n}-x_{t}\right)^{2}+\left(y_{n}-y_{t}\right)^{2}} \)<caption>(5)</caption></p><p>그리고 식 (3)의 \( f_{2}\left(\psi_{n}, \alpha\right) \) 는 \( \psi_{n} \) 과 \( \alpha \) 의 함수이며, 다음과 같이 Butterworth 필터로 모델링된다.</p><p>\( f_{2}\left(\psi_{n}, \alpha\right)=\frac{1}{1+\left(\frac{\psi_{n}-\alpha}{W}\right)^{2 K}} \)<caption>(6)</caption></p><p>여기서 \( W \) 는 \( 3 \mathrm{~dB} \) 대역푹이며, \( K \) 는 필터 차수이다. 그리고 \( \psi_{n} \)는 다음과 같이 주어진다.</p><p>\( \psi_{n}=\operatorname{atan}\left(-\frac{x_{n}-x_{t}}{y_{n}-y_{t}}\right), \quad \forall n \)<caption>(7)</caption></p><p>식 (3)을 (1)에 대입하면 다음과 같다.</p><p>\( P_{D, n}=\exp \left(-\frac{\Gamma_{t h}}{1+c_{0} f_{1}\left(r_{n}\right) f_{2}\left(\psi_{n}, \alpha\right)}\right) \)<caption>(8)</caption></p><p>\( n \) 번째 센서의 탐지결과를 나타내는 \( z_{n} \) 은 이진랜덤 변수(binary random variable)이며, \( z_{n} \) 에 대한 확률질량 함수(probability mass function)는 식 (8)을 이용하여 다음과 같이 표현할 수 있다.</p><p>\( p\left(z_{n}=1\right)=P_{D, n}, \quad p\left(z_{n}=0\right)=1-P_{D, n} \)<caption>(9)</caption></p>
|
[
"표적의 탐지에서는 센서의 상호상관 값이 제일 중요한가?",
"센서가 감지한 신호가 잠수함에 도달할 때 어디에서 반사되는가?",
"데이터처리 센터에 \"1\"이 전송되었을 경우 매우 많은 통신 용량이 요구되는가?",
"분산센서망은 복잡한 구조의 센서들로 이루어지는가?",
"음원으로 부터 나와 분산센서망의 센서로 직접 전파된 신호는 전파 거리가 긴가?",
"센서 작동 후 표적에서 반사되어 도달한 신호에 대하여 상호상관 값을 구함으로써 표적을 감지하는 도구는 무엇인가?",
"그림2에서 설명하고 있는 상황은 무엇인가?",
"음원에서 송출된 탐지신호가 분산센서망으로 직접 전파되었을 때, 이는 표적에서 반사되어 도달한 신호와 비교하여 크기가 어떠한가?",
"데이터 윈도우의 크기는 무엇에 따라 결정되는가?",
"표적이 존재하지 않는다면 탐지 결과는 \"1\"이 나오는가?",
"센서가 표적을 탐지하여 결과를 전송할 때 사용되는 신호는 무엇인가?",
"그림 1이 분산센서망에서 표적을 탐지하고 있는 이유는 무엇인가?",
"음원이 표적을 겨눌 때, 이용되는 것은 무엇인가?",
"그림 1에서 이용되고 있는 시스템은 무엇인가?",
"표적의 자세각을 나타내는 기호는 \\( \\psi_{n} \\)인가?",
"신호 전파 거리와 크기는 반비례 관계에 있는가?",
"표적을 탐지하는 확률은 어떻게 계산할 수 있는가?",
"분산센서망의 센서는 음원으로부터 도달한 신호에 의해 꺼지는가?",
"( S N R_{n}=c_{0} f_{1}\\left(r_{n}\\right) f_{2}\\left(\\psi_{n}, \\alpha\\right) \\)에서 \\(c_{0}\\)는 무엇인가?",
"\\( f_{2}\\left(\\psi_{n}, \\alpha\\right)=\\frac{1}{1+\\left(\\frac{\\psi_{n}-\\alpha}{W}\\right)^{2 K}} \\)에서 \\( W \\)는 무엇을 의미하는가?",
"\\( z_{n} \\) 에 대한 확률질량 함수(probability mass function)는 어떻게 표현되는가?",
"탐지 문턱값이 주어지면 계산가능한 것은 무엇인가?",
"그림 1에서 표적반사신호는 넓은 빔 폭을 가지는 신호인가?",
"\\( P_{D, n}=p\\left(z_{n}=1\\right)=\\exp \\left(-\\frac{\\Gamma_{t h}}{1+S N R_{n}}\\right) \\) 에서 \\( S N R_{n} \\)가 의미하는 것은 무엇인가?",
"탐지 문턱값이 주어졌을 때, 오경보 확률을 계산하는 방법은 무엇인가?",
"\\( S N R_{n}=c_{0} f_{1}\\left(r_{n}\\right) f_{2}\\left(\\psi_{n}, \\alpha\\right) \\)는 어떠한 필터로 모델링 되는가?",
"\\(z_{n}=1\\)로 설정될 때는 언제인가?"
] |
cc540d13-91bd-4e8b-b969-fd3006b10891
|
인공물ED
|
분산센서망에서 표적을 탐지한 센서의 기하학적 구조를 이용한 표적위치 추정
|
<h1>I. 서 론</h1><p>현대 해전에서 전개될 네트워크 중심 작전(NetworkCentric Warfare)에서는 적의 수중 침투 및 공격에 효과적으로 대항하기 위하여 광해역 수중감시체계를 확립하는 것이 필요하며, 광해역 수중감시체계 구축을 위하여 분산센서망을 사용하게 된다. 현대 해전에 중요한 잠수함 기술이 발전함에 따라, 기존의 수중감시 체계로는 전장에서 수중 침투 및 공격에 대항하는 것이 점점 어려워지고 있다. 이를 극복하기 위하여 수중감시체계는 다양한 센서를 감시해역에 분산 설치하고, 수중 통신을 통해 센서 네트워크를 구성하는 분산 센서망을 사용하는 것으로 발전하고 있다. 무선통신 능력을 갖추고 신호처리 프로세서가 내장된 소형의 저 저력 소모센서 디바이스가 등장함에 따라, 이러한 세서들을 통신망으로 연결한 분산센서망을 기반으로 하는 표적의 탐지 및 위치추정 기법들 활발히 연구되고 있다.</p><p>분산센서망을 구성하는 센서들은 일반적으로 제한된 배터리 전원과 통신 대역폭을 사용한다. 따라서 분산센서망의 센서단에 해당하는 센서는 제한된 전원 수명을 가지며 수집된 데이터 교환을 위한 통신채널 용량과데이터 처리를 위한 연산 용량에 많은 제한을 받게 된다. 이러한 분산센서망의 제한점을 고려하는 분산탐지(distributed detection) 기법들에 대한 연구가 활발히 진행되고 있다.</p><p>능동소나 분야에서 Zhou 등은 표적의 탐지만 가능한 간단한 구조의 센서들로 구성된 분산센서망을 기반으로하고, 표적을 탐지한 센서들의 위치를 라인피팅(linefitting)하여 표적의 위치를 추정하는 기법을 제안하였다. Zhou의 표적위치 추정기법은 음파전달 모델에 대한 파라미터들을 추정할 필요가 없고, 연산량이 적으며, 데이터처리 센터는 적은 량의 데이터만 수집하여도 된다는 장점을 가지고 있다. 그러나 Zhou의 기법은 표적의 위치추정오차가 크다는 단점을 가지고 있다.</p><p>Ryu는 Zhou의 위치추정기법의 추정오차를 줄이기위하여 Zhou의 위치추정기법을 수정하였다. Ryu는 센서 신호의 상호상관 값을 반영하는 표적 위치추정 식을 유도하고, 이 식을 Zhou의 기법에 적용함으로써 새로운표적 위치추정기법을 제안하였다. Ryu가 제안한 기법은 Zhou의 기법에 비해 표적의 위치추정오차가 개선되었지만, 추정오차가 여전히 커서 추정성능의 향상이 필요하다.</p><p>본 논문에서는 Zhou 기법과 Ryu가 제안한 수정된 Zhou 기법보다 추정오차를 줄일 수 있는 위치추정기법을 제안한다. 수정된 Zhou기법에서는 표적을 탐지한 센서의 상호상관 값을 반영하여 표적의 위치를 추정하지만, 본 논문에서는 표적을 탐지한 센서들의 상호상관값뿐만 아니라 기하학적 정보를 반영하여 표적의 위치를 추정함으로써 표적의 위치추정오차를 줄일 수 있도록 한다. 본 논문에서는 표적을 탐지한 센서들의 기하학적 정보를 표적의 위치추정에 반영할 수 있는 방안을 제안하고, 컴퓨터 시뮬레이션을 통하여 제안한 방안의 성능을 확인한다.</p><p>본 논문의 II장에서 분산센서망 환경에서 능동소나를 이용하여 표적을 탐지하는 상황을 설명하고, 음원에서 송출하는 표적 탐지신호의 전파모델을 설명한다. III장에서는 Zhou의 표적 위치추정기법과 수정된 Zhou 기법을 설명하고, 이 기법들보다 추정성능이 향상된 표적위치추적기법을 제안한다. IV장에서 Zhou 기법, 수정된Zhou 기법, 제안한 기법의 표적위치 추정성능을 컴퓨터시뮬레이션을 통하여 확인한다. 마지막으로 V장에서 결론을 맺는다.</p>
|
[
"네트워크 중심 작전에서 광해역 수중감시체계 구축을 위해서 무엇을 사용해야하나요?",
"전장에서 수중 침투 및 공격에 대항하는 것이 어려운 것을 극복하기 위해 수중감시체계는 어떻게 하였나요?",
"무선통신 능력을 갖추고 신호처리 프로세서가 내장된 무슨 장치로 인해 수중 표적의 탐지 및 위치추정 기법들이 활발이 연구되고 있나요?",
"분산센서망의 센서단에 해당하는 센서는 왜 제한된 전원 수명을 가지나요?",
"분산센서망을 구성하는 센서들은 보통 무엇을 사용하나요?",
"다음 중 Zhou의 표적위치 추정기법의 단점은 무엇인가요?",
"본 논문에서 사용한 기법에서 표적을 탐지한 센서들의 위치를 어떻게 하여 위치를 추정하나요?",
"Ryu는 Zhou의 위치추정기법을 어떻게 수정하였나요?",
"네트워크 중심 작전에서 광해역 수중감시체계 구축을 위하여 분산센서망을 사용하나요?",
"기존의 수중감시 체계로는 전장에서 수중 침투 및 공격에 대항하는 것이 어려운 이유는 중요한 잠수함 기술이 발전하기 때문인가요?",
"본 논문에서는 무엇을 반영하여 표적의 위치추정오차를 어떻게 더 줄였나요?",
"네트워크 중심 작전에서는 광해역 수중감시체계를 확립하는 것이 필요한가요?",
"분산센서망을 구성하는 센서들은 보통 무한한 배터리 전원을 사용하나요?",
"네트워크 중심 작전에서 광해역 수중감시체계를 확립하는 것이 왜 필요한가요?",
"현대 해전에서 전개될 작전은 무엇인가요?",
"Ryu는 왜 Zhou의 위치추정기법을 수정하였나요?",
"기존의 수중감시 체계를 극복하기 위해 수중감시체계는 다양한 센서를 감시해역에 집중 설치하나요?",
"소형의 저 저력 소모센서 디바이스에는 신호처리 프로세서가 내장되어 있나요?",
"소형의 저 저력 소모센서 디바이스에는 무선통신 능력이 있나요?",
"분산센서망의 제한점을 극복하기 위해 무슨 기법이 연구되고 있나요?",
"분산센서망의 센서단에 해당하는 센서는 제한이 없는 전원 수명을 가지나요?",
"분산센서망을 구성하는 센서들은 보통 제한된 통신 대역폭을 사용하나요?",
"Zhou의 표적위치 추정기법은 모델에 대한 파라미터들을 추정해야하나요?",
"Zhou의 기법은 표적의 위치추정오차가 작나요?",
"Zhou의 위치추정기법을 수정한 사람은 Ryu인가요?",
"Zhou의 표적위치 추정기법은 많은 양의 데이터를 수집해야하나요?",
"Zhou의 표적위치 추정기법은 연산량이 많나요?",
"Ryu가 수정한 Zhou의 기법은 추정오차가 작나요?",
"라인피팅은 표적을 탐지한 센서들의 위치를 추정할때 사용하나요?",
"분산센서망의 센서단에 해당하는 센서의 수명과 용량의 제한점을 극복하기 위해 분산탐지기법이 연구되고 있나요?",
"센서 신호의 상호상관 값을 반영하는 표적 위치추정 식을 유도한 사람은 Ryu인가요?",
"본 논문에서 제안한 위치추정기법은 수정된 Zhou기법보다 위치추정오차가 작나요?"
] |
e918c0ca-12a5-4347-b75c-217d09016896
|
인공물ED
|
분산센서망에서 표적을 탐지한 센서의 기하학적 구조를 이용한 표적위치 추정
|
<h1>요 약</h1><p>해안 수중 감시를 위하여 분산센서망를 해안에 설치하고, 이를 이용하여 표적을 탐지하고 표적의 위치를 추정하는 연구가 많이 이루어지고 있다. Zhou 등은 표적 탐지만 가능한 간단한 구조의 센서들로 구성된 분산센서망에서 표적을 탐지한 센서들의 위치 정보를 활용하여 표적의 위치를 추정하는 기법을 제안하였다. Zhou 등이 제안한 기법은 다른 기존의 기법에 비해 표적탐지 신호의 전파모델에 대한 파라미터들을 별도로 추정할 필요가 없고, 연산량이 적으며, 분산센서망에서 적은 량의 데이터만 송수신하여도 된다. 그러나 Zhou 기법은 표적의 위치 추정오차가 크다. Ryu는 추정오차를 줄이기 위하여 Zhou 기법을 수정하였다. 수정된 Zhou 기법은 Zhou 기법보다 추정성능이 향상되었지만, 여전히 비교적 큰 추정오차를 가지고 있다. 본 논문에서는 수정된 Zhou 기법으로 구한 표적의 방위각을 나타내는 직선과 표적을 탐지한 센서들과의 기하학적 구조를 고려한 표적위치 추정기법을 제안하였으며, 수정된 Zhou 기법에 기반을 두고 있다. 제안한 기법의 표적위치 추정성능이 Zhou 기법과 수정된 Zhou 기법 보다 향상되었음을 컴퓨터 시뮬레이션을 통하여 확인하였다.</p>
|
[
"추정오차를 줄이기 위하여 Zhou 기법을 수정한 사람은 누구인가요?",
"본 연구에서는 무엇을 이용하여 표적을 탐지하고 표적의 위치를 추정하는 연구를 하고 있나요?",
"분산센서망에서 표적을 탐지한 센서들의 위치 정보를 활용하여 표적의 위치를 추정하는 기법을 제안한 사람은 누구인가요?",
"Zhou가 제안한 기법중에서 표적 탐지만 가능한 간단한 구조의 센서들로 구성된 장치는 무엇인가요?",
"Zhou가 제안한 기법은 기존의 기법에 비해 무엇을 할 필요가 없나요?",
"Zhou가 제안한 기법에서 다른 기존의 기법에 비해 다른점으로 무엇이 있나요?",
"Zhou 기법은 무슨 오차가 큰가요?",
"본 논문에서는 수정된 Zhou 기법으로 구한 무엇을 고려한 표적위치 추정기법을 제안하였나요?",
"해안에 분산센서망을 설치한 것은 해안 수중 감시 때문인가요?",
"Zhou가 제안한 기법을 사용할 때는 표적탐지 신호의 전파모델에 대한 파라미터들을 추정해야하나요?",
"Zhou가 제안한 기법은 연산량이 많나요?",
"본 논문에서 표적의 방위각을 나타내는 직선을 무엇으로 구하였나요?",
"Ryu은 추정오차를 줄이기 위해 Zhou 기법을 수정하였나요?",
"Zhou가 사용한 분산센서망은 표적 탐지만 가능한 간단한 구조의 센서들로 구성되어있나요?",
"Ryu에 의해 수정된 Zhou 기법은 추정오차가 없어졌나요?",
"본 논문에서 기반으로 두고 있는 Zhou 기법은 수정된 것인가요?",
"Zhou가 제안한 기법은 분산센서망에서 많은 량의 데이터를 송수신해야하나요?",
"Zhou 기법은 표적으 위치 추정오차가 작은가요?",
"해안에 분산센서망를 왜 설치하나요?",
"논문에서는 제안한 기법의 표적위치 추정성능이 Zhou 기법보다 향상되었음을 무엇을 통해 확인하였나요?"
] |
b8c9e898-adb3-495b-8d24-28b7df3661d0
|
인공물ED
|
분산센서망에서 표적을 탐지한 센서의 기하학적 구조를 이용한 표적위치 추정
|
<h1>IV. 시뮬레이션</h1><p>III장에서 언급한 표적위치 추정기법들의 성능을 비교하기 위하여 컴퓨터 시뮬레이션을 수행하였다. 시뮬레이션을 위한 분산센서망은 가로 및 세로가 각각 \( 2200 \mathrm{~m} \) 와 \( 500 \mathrm{~m} \) 인 직사각형 센서필드로 설정하였으며, 분산센서망을 구성하는 센서들은 센서필드 영역인 \( \{(x, y) \mid-200 \leq x \leq 2200,0 \leq y \leq 500\} \) 에 가로 및 세로 간격이 \( 100 \mathrm{~m} \) 로 균일하게 배치하였다. 표적은 \( \left(x_{t}=1000, y_{t}=1000\right) \) 에 위치시켰으며, 두 음원은 \( (0,0) \) 과 \( (2000,0) \) 에 위치시컸다. 반사신호 전파 모델 의 Butterworth 필터의 차수는 \( K=4 \) 로 설정하였으며, Butterworth 필터의 \( 3 \mathrm{~dB} \) 대역폭은 \( W=5 \pi / 180 \) 로 설정하였다. 센서의 신호대잡음비를 표시하는 식 (3)의 상수 \( \left(c_{0}=r_{r e f} S \mathrm{NR}\right) \) 는 \( r_{r e f}=2000, \mathrm{SNR}=20 \mathrm{~dB} \) 로 설정하였다. 센서가 표적을 잘못 탐지하는 오경보율은 \( P_{f a}=0.01 \) 로 설정하고, 표적의 자세각은 \( \phi_{t}=0 \) 으로 설정하였다 \( { } \). 그리고 식 (26)의 표적을 탐지한 센서의 가중치를 구하기 위하여 \( r_{a} \) 와 \( r_{q} \) 는 \( r_{a}=r_{q}=0.5 \) 로 설정하였다</p><p>설정된 시뮬레이션 환경에서 3가지 표적위치 추정기법을 이용하여 표적의 위치를 추정하였다. 그림 5는 3가지 추정기법의 표적위치 추정 결과를 보여 주고 있다. 그림 5에서 제안한 기법이 Zhou 기법과 수정된Zhou 기법에 비해 표적위치 추정성능이 상대적으로 우수함을 확인할 수 있다.</p><p>제안한 기법의 성능이 Zhou 기법과 수정된 Zhou 기법에 비해 얼마나 향상되었는지 정량적으로 평가하기위하여 100번의 몬테칼로 시뮬레이션을 수행하였다. 표적 추정치의 x좌표 위치오차, y좌표 위치오차, 거리오차에 대한 RMSE(Root Mean Square Error) 값을 몬테칼로 시뮬레이션 결과로부터 구하였다. 표적 추정치에 대한 대한 x좌표 위치오차 \( \operatorname{RMSE}\left(R M S E_{x}\right) \), y좌표 위치오차 \( \operatorname{RMSE}\left(R M S E_{y}\right) \), 거리오차 \( \operatorname{RMSE}\left(R M S E_{r}\right) \),는 식(31)과 같이 정의하였다.</p><p>\( \begin{aligned} R M S E_{x} &=\sqrt{E\left[\left(\widehat{x_{t}}-x_{t}\right)^{2}\right]} \\ R M S E_{y} &=\sqrt{E\left[\left(\hat{y_{t}}-y_{t}\right)^{2}\right]} \\ R M S E_{r} &=\sqrt{E\left[\left(\widehat{x_{t}}-x_{t}\right)^{2}+\left(\widehat{y_{t}}-y_{t}\right)^{2}\right]} \end{aligned} \)<caption>(31)</caption></p><p>여기서 \( \left(x_{t}, y_{t}\right) \) 는 표적의 실제 위치이고 \( \left(\widehat{x_{t}}, \widehat{y_{t}}\right) \) 는 표적의 위치 추정치이며, \( E[\cdot] \) 는 평균을 의미한다. 몬테칼로 시뮬레이션에 의해서 구한 \( x \) 좌표 위치오차, \( y \) 좌표 위치오차, 거리오차에 대한 \( \mathrm{RMSE} \) 가 표 1 에 보여지고 있다. 제안한 기법의 \( R M S E_{r} \) 이 Zhou 기법 보다 \( 50 \% \) 감소되었으며, 수정된 Zhou 기법보다 \( 18 \% \) 감소됨을 표 1 에서 확인할 수 있다.</p><table border><caption>표 1. 표적위치 추정 기법들의 성능 비교</caption><tbody><tr><td>기법/RMSE</td><td>\( R M S E_{x} \)</td><td>\( R M S E_{y} \)</td><td>\( R M S E_{r} \)</td></tr><tr><td>Zhou 기법</td><td>\(103.36\)</td><td>\(190.71\)</td><td>\(216.91\)</td></tr><tr><td>수정된 Zhou 기법</td><td>\(55.43\)</td><td>\(120.73\)</td><td>\(132.84\)</td></tr><tr><td>제안한 기법</td><td>\(36.56\)</td><td>\(102.56\)</td><td>\(108.88\)</td></tr></tbody></table>
|
[
"직사각형 센서필드의 가로 설정값은 얼마인가?",
"표적위치 추정기법들의 성능 비교를 위해 활용한 방법은 무엇인가?",
"두 음원을 위치시킨 좌표는 무엇인가?",
"센서에 0.01값으로 설정된 것은 어떤 항목인가?",
"(3)번 식은 센서의 어떤 비율을 의미하는가?",
"컴퓨터 시뮬레이션에서는 총 몇 가지 추정기법이 사용되었나?",
"그림 5에 나타난 내용은 다음 중 표적 위치의 무엇을 의미하는가?",
"Zhou 기법이나 수정된 Zhou 기법보다 추정 성능이 더 훌륭한 것으로 판단되는 기법은 무엇인가?",
"몬테칼로 시뮬레이션을 도입한 이유는 무엇인가?",
"다음 중 몬테칼로 시뮬레이션 결과로 알 수 있는 것은 무엇인가?",
"31번 식에는 무엇에 대한 y좌표의 거리오차 RMSE값이 나타나있어?",
"표적의 실제 위치 좌표는 무엇인가?",
"표1에 나타난 결과는 어떤 시뮬레이션을 작동한 것인가?",
"센서필드 영역에 센서들은 세로 간격을 얼마로 배치하였나?",
"몬테칼로 시뮬레이션 수행 횟수는 몇 회인가?",
"표적을 위치시킨 곳은 어디인가?",
"표 1에서 36.56은 어느 추정기법의 성능을 나타내는 값이야?",
"표적위치 추정 기법들의 성능을 비교한 표에서 132.84는 어느 기법의 결과값이야?",
"Zhou기법 사용 시, 성능이 가장 우수한 것은 수치가 얼마인가?",
"추정 기법들의 성능을 비교했을 때, 결과값이 102.56으로 나온 기법은 이름이 뭐야?",
"Zhou 기법을 적용했을 때, 결과 중 최고값은 얼마야?",
"수정된 Zhou 기법을 적용했을 때, 결과값이 132.84로 나온 RMSE는 뭐야?",
"제안한 기법을 썼을 때, 결과값이 108.88로 나온 RMSE는 뭐야?",
"표1의 내용은 표적위치 추정 기법들의 무엇을 비교한 것인가?"
] |
427756db-f44e-472a-9108-a1e6721c7b38
|
인공물ED
|
분산센서망에서 표적을 탐지한 센서의 기하학적 구조를 이용한 표적위치 추정
|
<h1>V. 결 론</h1><p>Zhou의 표적위치 추정기법은 기존의 다른 기법에 비해 표적 탐지신호의 전파전달 모델에 대한 파라미터들을 추정할 필요가 없으며, 연산량이 적고, 분산센서망에서 탐지된 센서들만 이용하기 때문에 데이터처리 센터는 적은 량의 데이터만 수집하여도 된다는 장점을 가지고 있다. 그러나 Zhou 기법은 표적의 위치 추정오차가 크다는 단점을 가지고 있으며, 이러한 단점을 개선하기위하여 Zhou 기법이 수정되었다. 그러나 수정된 Zhou기법의 추정오차도 상당히 크며 성능 개선이 필요하다. 본 논문에서는 수정된 Zhou 기법으로 구한 표적의 방위각을 나타내는 직선과 표적을 탐지한 센서들과의 거리 정보를 고려하여 표적위치 추정기법을 제안하였으며, Zhou 기법의 장점을 그대로 유지한다. 제안한 기법의 표적위치 추정성능이 Zhou 기법과 수정된 Zhou 기법 보다 향상됨을 컴퓨터 시뮬레이션을 통하여 확인하였다.</p>
|
[
"Zhou의 표적위치 추정기법의 연산량은 많아?",
"표적 탐지신호의 전파전달 모델에 대한 파라미터을 추정할 필요 없는 표적 위치 추정기법은 뭐야?",
"Zhou의 표적위치 추정기법이 적은 량의 데이터만 수집할 수 있는 이유는 뭐야?",
"Zhou 기법은 표적의 위치 추정오차가 작아?",
"본 논문에서 제안한 표적위치 추정기법이 표적위치를 추정할 때 사용하는 정보는 뭐야?",
"수정된 Zhou 기법의 추정오차도 큰 값을 가져?",
"본 논문에서 제안한 기법의 성능을 무엇을 통해 확인했어?"
] |
e7239db6-9ac9-4d91-84cd-3e7d68efa307
|
인공물ED
|
분산센서망에서 표적을 탐지한 센서의 기하학적 구조를 이용한 표적위치 추정
|
<h2>1. Zhou의 표적 위치추정기법</h2><p>1개의 음원을 사용하는 경우 표적의 방위각만을 추정할 수 있지만, 2개의 음원을 사용하면 표적의 위치를 추정할 수 있다. 그림 4는 2개의 음원을 사용하여 표적의 위치를 추정하는 개념을 보여주고 있다. 그림 4에서 첫 번째 음원에서 송출한 탐지신호가 표적에 반사되어 센서 필드에 도달하였을 때, 표적을 탐지한 센서들은 * 모양의 센서들이며, 이 센서들과 최소 거리가 되는 직선을 식 (10)을 이용하여 찾을 수 있다. 그리고 두번째 음원에 의해서 표적을 탐지한 센서들은 △ 모양의센서들이며, 이 센서들과 최소 거리가 되는 다른 하나의 직선을 찾을 수 있다. 이 두 직선의 교점이 표적의위치 추정치가 된다. 첫 번째 음원에 의해서 구한 표적의 방위각 \(\beta^{(1)}\)과 표적을 탐지한 센서들의 중심 위치\( \left(x_{0}^{(1)}, y_{0}^{(1)}\right) \)을 이용하여 구한 직선상에 표적의 위치\( \left(x_{t}, y_{t}\right) \)가 존재한다. 그러므로 \( \left(x_{t}, y_{t}\right) \)는 다음과 같이나타낼 수 있다.</p><p>\( \left(x_{t}-x_{0}^{(1)}\right)=-\left(y_{t}-y_{0}^{(1)}\right) \tan \beta^{(1)} \)<caption>(16)</caption></p><p>그리고 두 번째 음원에 의해서 구한 표적의 방위각과 표적을 탐지한 센서들의 중심 위치를 \( \beta^{(2)} \)와 \( \left(x_{0}^{(2)}, y_{0}^{(2)}\right) \)라 하면, 표적의 위치 \( \left(x_{t}, y_{t}\right) \)는 다음과 같이 나타낼 수 있다.</p><p>\( \left(x_{t}-x_{0}^{(2)}\right)=-\left(y_{t}-y_{0}^{(2)}\right) \tan \beta^{(2)} \)<caption>(17)</caption></p><p>식 (16)과 (17)의 \( \left(x_{t}, y_{t}\right) \) 에 대한 해를 구함으로씨 표적의 위치를 추정할 수 있으며, 해는 다음과 같다.</p><p>\( \left[\begin{array}{l}x_{t} \\ y_{t}\end{array}\right]=\left[\begin{array}{ll}1 & \tan \beta^{(1)} \\ 1 & \tan \beta^{(2)}\end{array}\right]^{-1}\left[\begin{array}{l}x_{0}^{(1)}+y_{0}^{(1)} \tan \beta^{(1)} \\ x_{0}^{(2)}+y_{0}^{(2)} \tan \beta^{(2)}\end{array}\right] \)<caption>(18)</caption></p><h2>2. 수정된 Zhou의 표적 위치추정기법</h2><p>Ryu는 Zhou 기법의 표적 위치추정 성능을 향상시키기 위하여, 센서의 상호상관 값 크기를 고려함으로써식 (12)의 총 제곱 거리를 다음과 같이 수정하였다.</p><p>\( f\left(x_{0}, y_{0}, \beta\right)=\sum_{m=1}^{M} a_{m}\left[\left(y_{0}-y_{m}\right) \sin \beta+\left(x_{0}-x_{m}\right) \cos \beta\right]^{2} \)<caption>(19)</caption></p><p>여기서 \( a_{m}=p_{m} / \sum_{m=1}^{M} p_{m} \) 이며, \( p_{m} \) 은 \( m \) 번째 센서에서 표적 탐지를 위해서 구하는 상호상관 값의 크기이다. 식 (19)로부터 표적의 방위각 \( \beta \) 를 구하는 식을 다음과 같이 얻을 수 있다.</p><p>\( \tan (2 \beta)=\frac{2 \sum_{m=1}^{M} a_{m}\left(x_{0}-x_{m}\right)\left(y_{0}-y_{m}\right)}{\sum_{m=1}^{M} a_{m}\left[\left(x_{0}-x_{m}\right)^{2}-\left(y_{0}-y_{m}\right)^{2}\right]} \)<caption>(20)</caption></p><p>식 (20)의 미지수 \( x_{0}, y_{0} \) 는 센서의 상호상관 값 크기 를 고려하여 다음과 같이 센서들의 중심위치로 선택 한다.</p><p>\( x_{0}=\sum_{m=1}^{M} a_{m} x_{m}, \quad y_{0}=\sum_{m=1}^{M} a_{m} y_{m} \)<caption>(21)</caption></p><p>표적의 위치를 추정하기 위하여, 첫 번째 음원에 의한 센서 탐지결과로부터 식 (20)와 (21)을 이용하여 \( \left(x_{0}^{(1)}, y_{0}^{(1)}\right) \) 와 \( \beta^{(1)} \) 을 구한다. 그리고 두번째 음원에 의한 센서 탐지결과로부터 \( \left(x_{0}^{(2)}, y_{0}^{(2)}\right) \) 와 \( \beta^{(2)} \) 을 구한다. \( \left(x_{0}^{(1)}, y_{0}^{(1)}\right), \beta^{(1)},\left(x_{0}^{(2)}, y_{0}^{(2)}\right), \beta^{(2)} \) 을 식 (18)에 대입하여 연립방정식의 해를 구하면, 표적의 위치를 추정할 수 있다.</p><h2>3. 제안한 표적 위치추정기법</h2><p>제안한 표적 위치추정기법은 추정성능을 향상하기 위하여 수정된 Zhou 기법으로 구한 직선과 표적을 탐지한 센서들 간의 기하학적 구조를 이용한다. 직선과표적을 탐지한 센서들 간의 거리에 따른 센서의 가중치를 구하고, 이 가중치를 반영하여 새로운 직선을 구함으로써 추정오차를 줄인다. 직선에서 가까운 거리에 존재하는 센서 일수록 가중치를 크게 부여하여 직선을 구하는데 상대적으로 많이 기여하도록 한다.</p><p>표적을 탐지한 센서들에 식 (20)과 (21)을 적용하여 표적의 방위각 추정치 \( \hat{\beta} \) 및 센서들의 중심 추정치 \( \left(\hat{x}_{0}, \hat{y}_{0}\right) \) 을 구한다. 이것을 이용하여 직선 \( L \) 을 다음과 같이 구할수 있다.</p><p>\( L:\left(x-\hat{x}_{0}\right)=-\left(y-\hat{y}_{0}\right) \tan \hat{\beta} \)<caption>(22)</caption></p><p>직선 \( L \) 과 표적을 탐지한 \( m \) 번째 센서 간의 거리를 \( d_{m} \) 이라 하면, \( d_{m} \) 은 다음같이 구할 수 있다.</p><p>\( d_{m}=\left|\left(\hat{y}_{0}-y_{m}\right) \sin \hat{\beta}+\left(\hat{x}_{0}-x_{m}\right) \cos \hat{\beta}\right| \), \( m=1,2, \cdots, M \)<caption>(23)</caption></p><p>\( \left\{d_{m}, m=1,2, \cdots M\right\} \) 중에서 직선 \( L \) 과 가장 멀리 떨어진 거리 \( \left(d_{m}\right. \) 의 최대값 \( ) \) 를 \( D \) 로 정의한다. 그리고 \( D \) 에서 \( d_{m} \) 를 뺀 값을 \( g_{m} \) 이라 하고, 다음과 같이 구한다.</p><p>\( g_{m}=D-d_{m}, m=1,2, \cdots, M \)<caption>(24)</caption></p><p>표적을 탐지한 \( m \) 번째 센서의 거리 가중치를 \( q_{m} \) 이 라고 하고, \( g_{m} \) 을 이용하여 다음과 같이 정의한다.</p><p>\( q_{m}=\frac{g_{m}}{\sum_{i=1}^{M} g_{i}}, \quad m=1,2, \cdots, M \)<caption>(25)</caption></p><p>식 (19)에서 확인할 수 있는 바와 같이 수정된 Zhou 기법에서는 센서의 상호상관 값의 크기를 반영한 센서 가중치 \( a \) 를 사용하였다. 식 (25)에서 정의한 센서 거리 가중치 \( q \) 를 반영하기 위하여, 제안한 기법에서는 \( a \) 와 \( q \) 를 융합한 융합 가중치 \( w \) 를 다음과 같이 정의한다.</p><p>\( w_{m}=r_{a} a_{m}+r_{q} q_{m}, \quad m=1,2, \cdots, M \)<caption>(26)</caption></p><p>여기서 \( r_{a} \) 와 \( r_{q} \) 는 \( a_{m} \) 과 \( q_{m} \) 이 \( w_{m} \) 에 반영되는 비율을 나타내며, \( 0 \leq r_{a}, r_{q} \leq 1, r_{a}+r_{q}=1 \) 을 만족시키는 범위에서 선정한다. 센서의 융합 가중치 \( w \) 를 이용하여 식 (12)의 총 제곱 거리를 다음과 같이 수정한다.</p><p>\( f\left(x_{0}, y_{0}, \beta\right)=\sum_{m=1}^{M} w_{m}\left[\left(y_{0}-y_{m}\right) \sin \beta+\left(x_{0}-x_{m}\right) \cos \beta\right]^{2} \)<caption>(27)</caption></p><p>그리고 \( \partial f\left(x_{0}, y_{0}, \beta\right) / \partial \beta=0 \) 하면 다음과 같다.</p><p>\( \begin{aligned} \frac{\partial f}{\partial \beta}=& 2\left(\cos ^{2} \beta-\sin ^{2} \beta\right) \sum_{m=1}^{M} w_{m}\left(x_{0}-x_{m}\right)\left(y_{0}-y_{m}\right) \\ &-2 \sin \beta \cos \beta \sum_{m=1}^{M} w_{m}\left[\left(x_{0}-x_{m}\right)^{2}-\left(y_{0}-y_{m}\right)^{2}\right] \\=& 0 \end{aligned} \)<caption>(28)</caption></p><p>식 (28)을 이항정리하면, 표적의 방위각 \( \beta \) 를 구하는 식을 다음과 같이 얻을 수 있다.</p><p>\( \tan (2 \beta)=\frac{2 \sum_{m=1}^{M} w_{m}\left(x_{0}-x_{m}\right)\left(y_{0}-y_{m}\right)}{\sum_{m=1}^{M} w_{m}\left[\left(x_{0}-x_{m}\right)^{2}-\left(y_{0}-y_{m}\right)^{2}\right]} \)<caption>(29)</caption></p><p>식 (29)의 \( x_{0}, y_{0} \) 는 융합 가중치 \( w_{m} \) 을 고려하여 다음과 같이 선택한다.</p><p>\( x_{0}=\sum_{m=1}^{M} w_{m} x_{m}, \quad y_{0}=\sum_{m=1}^{M} w_{m} y_{m} \)<caption>(30)</caption></p><p>2개의 음원을 사용하여 표적을 탐지한 후, 센서 탐지 결과로부터 식 (29)와 (30)을 이용하여 \( \left(x_{0}^{(1)}, y_{0}^{(1)}\right) \), \( \beta^{(1)} \) 및 \( \left(x_{0}^{(2)}, y_{0}^{(2)}\right), \beta^{(2)} \) 를 구한다. \( \left(x_{0}^{(1)}, y_{0}^{(1)}\right), \beta^{(1)} \), \( \left(x_{0}^{(2)}, y_{0}^{(2)}\right), \beta^{(2)} \) 을 식 (18)에 대입하여 연립 방정식의 해를 구하면, 표적의 위치를 추정할 수 있다.</p>
|
[
"\\( \\tan (2 \\beta)=\\frac{2 \\sum_{m=1}^{M} a_{m}\\left(x_{0}-x_{m}\\right)\\left(y_{0}-y_{m}\\right)}{\\sum_{m=1}^{M} a_{m}\\left[\\left(x_{0}-x_{m}\\right)^{2}-\\left(y_{0}-y_{m}\\right)^{2}\\right]} \\)에서 미지수 \\( x_{0}, y_{0} \\) 는 센서의 상호상관 값 크기를 고려하지 않아도 될까?",
"\\( \\tan (2 \\beta)=\\frac{2 \\sum_{m=1}^{M} a_{m}\\left(x_{0}-x_{m}\\right)\\left(y_{0}-y_{m}\\right)}{\\sum_{m=1}^{M} a_{m}\\left[\\left(x_{0}-x_{m}\\right)^{2}-\\left(y_{0}-y_{m}\\right)^{2}\\right]} \\)<caption>(20)</caption> 에서 \\( x_{0}, y_{0} \\)는 미지수가 아니지?",
"식 (20)과 (21)로부터 \\( \\left(x_{0}^{(1)}, y_{0}^{(1)}\\right) \\) 와 \\( \\beta^{(1)} \\)의 값을 구한 이유는 뭐야?",
"\\( \\beta^{(2)} \\)로 표현된 표적의 방위각은 무엇에 의해 측정되었어?",
"\\( f\\left(x_{0}, y_{0}, \\beta\\right)=\\sum_{m=1}^{M} a_{m}\\left[\\left(y_{0}-y_{m}\\right) \\sin \\beta+\\left(x_{0}-x_{m}\\right) \\cos \\beta\\right]^{2} \\)에서 보면, 수정된 Zhou 기법에서는 어떤 센서 가중치를 사용하였을까?",
"* 모양의 센서들과 최소 거리가 되는 직선, 그리고 △ 모양의 센서들과 최소 거리가 되는 직선 사이의 교점은 무엇이 되나요?",
"어떻게 구한 직선 위에 표적의 위치\\( \\left(x_{t}, y_{t}\\right) \\)가 존재함을 구할 수 있었나요?",
"\\( \\tan (2 \\beta)=\\frac{2 \\sum_{m=1}^{M} a_{m}\\left(x_{0}-x_{m}\\right)\\left(y_{0}-y_{m}\\right)}{\\sum_{m=1}^{M} a_{m}\\left[\\left(x_{0}-x_{m}\\right)^{2}-\\left(y_{0}-y_{m}\\right)^{2}\\right]} \\)라는 식으로부터 표적에 관한 어떤 값을 구할 수 있나요?",
"표적의 위치 \\( \\left(x_{t}, y_{t}\\right) \\)를 나타내는 식으로 올바른 것은 뭐야?",
"\\( \\left(x_{0}^{(1)}, y_{0}^{(1)}\\right), \\beta^{(1)},\\left(x_{0}^{(2)}, y_{0}^{(2)}\\right), \\beta^{(2)} \\)을 어떻게 하면 표적의 위치를 예측할 수 있어?",
"\\(\\left[\\begin{array}{ll}1 & \\tan \\beta^{(1)} \\\\ 1 & \\tan \\beta^{(2)}\\end{array}\\right]^{-1}\\left[\\begin{array}{l}x_{0}^{(1)}+y_{0}^{(1)} \\tan \\beta^{(1)} \\\\ x_{0}^{(2)}+y_{0}^{(2)} \\tan \\beta^{(2)}\\end{array}\\right]\\)의 해로 나타나는 표적의 위치를 어떻게 추정했어?",
"표적을 감지한 센서들을 어떻게 하여 방위각 추정치를 비롯한 센서의 중심 추정치를 계산할 수 있었나요?",
"\\( d_{m}=\\left|\\left(\\hat{y}_{0}-y_{m}\\right) \\sin \\hat{\\beta}+\\left(\\hat{x}_{0}-x_{m}\\right) \\cos \\hat{\\beta}\\right| \\) 식에서,\\( m\\)은 어떤 값에 해당하나요?",
"\\( L:\\left(x-\\hat{x}_{0}\\right)=-\\left(y-\\hat{y}_{0}\\right) \\tan \\hat{\\beta} \\)임을 무엇을 이용해 구할 수 있었나요?",
"어떤 센서에 큰 가중치를 부여해 직선을 구할 때 높은 기여도를 가지도록 조절해주었나요?",
"무슨 센서인 경우에 가중치를 크게 주면 직선을 구함에 있어 많은 기여도를 확보하는가?",
"\\( a \\) 와 \\( q \\)를 반영한 융합 가중치 \\( w \\)를 \\( w_{m}=r_{a} a_{m}+r_{q} q_{m}\\)로 정의한 이유는 무엇인가요?",
"\\( x_{0}=\\sum_{m=1}^{M} a_{m} x_{m}, \\quad y_{0}=\\sum_{m=1}^{M} a_{m} y_{m} \\)으로 나타나는 센서들의 중심위치는 센서의 무엇을 고려한 값인가요?",
"직선과 센서들 사이의 거리에 대한 센서의 가중치를 구한 후에 어떻게 하여 추정 오차를 줄일 수 있었어?",
"직선과표적을 탐지한 센서들 간의 거리에서 추정 오차를 어떻게 줄일 수 있어?",
"\\( d_{m} \\) 의 최대값을 어떤 기호로 표현했나요?",
"\\( r_{a} \\) 와 \\( r_{q} \\)는 어떤 범위를 만족하는 값에 한해 선정했나요?",
"식 (12)의 총 제곱거리를 어떻게 식 27의 \\( f\\left(x_{0}, y_{0}, \\beta\\right)처럼 수정할 수 있었나요?",
"표적의 방위각을 구하기 위해 식 (28)에 적용한 정리는 무엇인가요?",
"2개의 음원을 사용하는 경우에 표적의 방위각을 추정할 수 있지?",
"1개 음원을 쓰는 경우 표적 방위각만 추정 가능하지?",
"송출한 탐지신호가 표적에 반사되어 센서 필드에 도달했을 때의 표적을 탐지한 센서들은 어떤 모양일까?",
"그림 4를 통하여 볼 때, 첫 번째 음원에서 내보낸 탐지 신호가 표적 대상에 반사됨에 따라 센서 필드에 닿았을 때 그 표적을 탐지한 센서들의 모양은 어떠한가?",
"Ryu는 왜 센서의 상호상관 값 크기를 생각해서 (12)의 총 제곱 거리를 수정했을까?",
"식 (12)에서 나타내는 총 제곱 거리를 수정할 때 센서의 상호 상관 값 크기를 고려하였는데 그 이유는 무엇이야?",
"1개의 음원을 사용하는 경우와 달리, 2개의 음원을 사용하면 무엇을 추정할 수 있지?",
"2개 음원을 쓰면 추정할 수 있는 것이 뭐야?",
"표적 위치추정기법은 어떤 목적으로 Zhou 기법으로 활용한 직선과 표적을 탐지한 센서들 간의 기하학적 구조를 이용한 것일까?",
"본문에서 제안하는 표적 위치 추정 기법은 수정된 Zhou 기법으로 기하학적 구조를 활용하는데 그 목적은 무엇인가?",
"\\( \\tan (2 \\beta)=\\frac{2 \\sum_{m=1}^{M} w_{m}\\left(x_{0}-x_{m}\\right)\\left(y_{0}-y_{m}\\right)}{\\sum_{m=1}^{M} w_{m}\\left[\\left(x_{0}-x_{m}\\right)^{2}-\\left(y_{0}-y_{m}\\right)^{2}\\right]} \\)에 적용하는 \\( x_{0}, y_{0} \\) 는 무엇을 고려해 선택되었나요?",
"식 (29)와 (30)을 사용해 센서 탐지 결과를 반영한 \\( \\left(x_{0}^{(1)}, y_{0}^{(1)}\\right) \\), \\( \\beta^{(1)} \\), \\( \\left(x_{0}^{(2)}, y_{0}^{(2)}\\right), \\beta^{(2)} \\)를 언제 구했나요?",
"\\( f\\left(x_{0}, y_{0}, \\beta\\right)=\\sum_{m=1}^{M} a_{m}\\left[\\left(y_{0}-y_{m}\\right) \\sin \\beta+\\left(x_{0}-x_{m}\\right) \\cos \\beta\\right]^{2} \\)에서 \\( p_{m} \\)의 의미는 뭘까?",
" \\( a_{m}=p_{m} / \\sum_{m=1}^{M} p_{m} \\) 식에서 \\( p_{m} \\)은 어느 순서 센서에 표정 탐지를 위해 구하는 상호 상관 값의 크기인가?",
"△ 모양의 센서들은 몇 번째 음원에서 표적을 탐지한 센서들일까?",
"몇 번째의 음원에서 표적을 탐지한 센서 모양이 △ 모양이었는가?"
] |
239c2d98-675b-4b67-b555-5367598d6b32
|
인공물ED
|
사용자와 실시간으로 감성적 소통이 가능한 한국어 챗봇 시스템 개발
|
<h1>3. 결과 및 고찰</h1><h2>3.1 실험 환경 구성</h2><p>개발한 시스템을 공인 평가 방식으로 실험을 진행하기 위해, 평가 주제는 감성 대화 생성으로 정하고, 입력은 사용자가 입력한 문장으로 정하고, 출력은 사용자의 입력 문장에 대응하여 챗봇 엔진이 생성한 문장이 된다.</p><p>평가 방법으로는 메신저에서 대화하는 상황을 가정하여 사용자와 챗봇과 일대일로 대화를 진행한다. 20대 대학생 및 대학원생으로 구성된 30명의 사용자를 대상으로 일상 대화에서 특정 주제의 대화를 진행하고 챗봇이 입력 대화에 대한 출력 대화를 사용자에게 보인다. 사용자에게 보이는 방법은 문장으로 모니터에 출력하는 방법과 스피커를 통해 해당 문장을 음성 합성으로 재생하는 방법이 동시에 진행된다. 이에 대해 사용자가 챗봇의 생성 문장의 적합성과 구체성을 정량적으로 평가하고, MOS 기법으로 정량적으로 평가한다.</p><p>평가 환경으로는 실험에 쓰일 시스템은 챗봇 엔진이 적용된 웹 기반 메신저 기반 시스템으로, 현재 업무에 사용되는 사무용 PC에서 다수가 사용하는 웹 브라우저를 하나 선정하여 실험을 진행한다. 이 PC는 문장을 입력하기 위해 키보드나 마우스가 필요하고, 화면의 UI를 보기 위해 모니터가 필요하고, 음성을 재생하기 위해서 스피커가 있거나 연결되어 있어야 한다. 따라서 실험에 큰 제약은 없지만, 실험의 일관성과 안정성을 고려하여 지리적으로 정해진 조용한 사무실에서 사용자가 실험에 지장이 없는 환경을 구성하여 평가를 진행한다.</p><p>실험에 쓰이는 챗봇 서버용 컴퓨터의 사양은 CPU는 AMD Ryzen Threadripper 2950X 16-Core Processor, RAM은 \(96\mathrm{GB}\), SSD는 \(500\mathrm{GB}\), HDD는 \(4\mathrm{TB}\), GPU는 NVIDIA TITAN RTX GDDR6 \(24\mathrm{GB}\), OS는 Ubuntu 16.04.6 LTS(4.15.0-142-generic), DBMS는 MySQL 5.7.33로 구성하여 진행한다.</p><p>시험 목적을 위해 검증 지표를 매기자면, 메신저에서 사용자와 챗봇이 일대일로 대화하는 상황을 가정하고 실험을 진행함. 30명 이상의 사용자는 특정 주제의 대화를 진행하고, 챗봇은 사용자의 입력 문장에 대한 반응을 사용자에게 모니터로 문장으로 출력하거나 스피커를 통해서 문장을 들려준다. 여기서 문장 생성은 챗봇 모델을 이용하고, 음성 재생은 감성 음성 합성 모델을 이용한다. 이에 대해 사용자가 챗봇의 생성 문장의 적합한 정도(적합성)와 자연스러움 정도(구체성) 평가하고, 챗봇의 감성 음성 합성의 수준을 평균 여론 점수로 정량적으로 평가한다.</p><p>이에 따르는 시험 절차로, 사무실 환경의 실험장에는 사용자는 안내자와 기록자와 대동한다. 안내자는 사용자에게 실험에 관해 설명하고, 사용자가 아래 절차를 진행하도록 안내한다. 기록자는 실험 절차와 결과를 기록한다. 안내자는 사용자 PC의 웹 메신저 UI에서 사용자 번호를 “입장하기” 버튼을 누른다. 그 뒤 사용자는 UI에서 대화 문장을 입력한다. 그러면 챗봇은 입력된 문장에 대해 생성된 문장을 출력하고, 문장에 대응되는 음성 파일을 재생한다. 사용자는 챗봇의 문장과 음성에 대해 점수를 매긴다. 위의 절차 2, 3, 4를 나머지 6회를 반복하여 총 7회를 진행한다. 총 7회를 마치면 UI의 "테스트 종료" 버튼을 누르고 실험을 종료한다. 이 절차는 아래의 표와 같이 다시 정리한다.</p><p>다시 정리하자면 검증 대상 기능 또는 연동 프로그램으로써 웹 메신저는 시험 환경의 "감성 대화 생성용 PC"에서 사용되고, 크롬 웹 브라우저로 시험 환경의 "메인 서버"의 웹 클라이언트 주소로 접속하여 검증을 진행한다. 시험 조건으로 사용자 수는 30명이고, 사용자의 대화 총 횟수는 7회이다. 시험 도구는 웹 메신저 서버, 웹 메신저 클라이언트, 챗봇 엔진 서버 그리고 음성 합성 서버를 구동하기 위한 메인 서버는 웹 메신저 클라이언트에 접근할 웹 브라우저가 탑재된 감성 대화 생성용 사용자 PC이다.</p><p>판단기준을 정의하면, SSA 지표에 따르면, 문장마다 적합성과 구체성은 이진수로 표현되어 해당 사항에 만족하면 1이고, 불만족 시 0으로 판단한다. 따라서 사용자마다 적합성과 구체성의 평균을 구할 수 있고, 최종적으로 모든 사용자 30명에 대해서 평균을 구할 수 있다. MOS 지표 수치는 1에서 5의 정수로 존재하여, 불만족 할수록 1에 가깝고, 만족할수록 5에 가까워지는 지표이다. 따라서 사용자마다 음성 합성으로 생성된 음성에 대한 품질을 성능 평가한다. 최종적으로 판단을 위해서 모든 사용자 30명에 대해서 7회의 문장의 MOS 수치를 모두 선택하여 평균을 계산한다.</p>
|
[
"본 논문에서 개발한 시스템에서 입력은 개발자가 입력한 문장으로 정하나요?",
"본 논문의 평가 방법은 어떻게 진행되나요?",
"평가에 쓰일 PC에 필요한 장치들이 아닌것은?",
"본 논문에서 실험에 쓰일 컴퓨터의 RAM은 무엇인가요?",
"본 논문에서 실험에 쓰이는 컴퓨터 사양의 CPU는 무엇인가요?",
"본 논문에서 실험에 사용되는 SSD는 얼마인가요?",
"본 논문에서 실험에 사용되는 GPU는 무엇인가요?",
"본 논문에서 실험에 사용되는 OS는 뭐야?",
"본 논문에서 실행하는 실험에서 DBMS는 무엇으로 구성될까요?",
"본 논문에서 실행되는 실험에서 메신저로 챗봇이 사용자와 일대일로 대화하나요?",
"본 논문에서 실험에 참가하는 사용자는 누구와 대동하나요?",
"본 논문에서 챗봇에 관한 실험 실행시, 사용자에게 실험에 관해 설명하고 안내하는 역할을 하는 사람은 누구인가요?",
"본 논문에서 수행하는 실험에서 실험 절차와 결과를 기록하는 역할은 누가하나요?",
"본 논문에서 실행되는 실험에서 안내자가 입장하기 버튼을 누른 후 절차 2, 3, 4를 몇번 반복하나요?",
"본 논문에서 검증 대상 기능 또는 연동 프로그램으로 사용하는 웹 메신저는 무엇을 사용하나요?",
"SSA 지표에 따른 판단기준에서 적합성과 구체성을 만족하면 이진수로 무엇인가요?",
"SSA 지표에 따른 판단기준에서 적합성과 구체성을 만족하면 0으로 판단하나요?",
"SSA 지표에 따른 판단기준에서 적합성과 구체성을 불만족하면 이진수로 무엇인가요?",
"SSA 지표에 따른 판단기준에서 적합성과 구체성을 불만족한다고 판단시 1로 표현하나요?",
"MOS 지표 수치는 점수로 어떻게 표현되나요?",
"MOS 지표 수치에서 불만족 할수록 5에 가까워지나요?",
"MOS 지표 수치에서 만족할수록 1에 가까워지나요?",
"본 논문에서 사용한 MOS 지표 수치에서 6이상 숫자가 존재하나요?",
"본 논문에서 실험에 참가한 사용자들의 MOS 지표 수치로 최종적인 판단은 어떻게 하나요?",
"본 논문의 평가방법에서 참여하는 구성원들은 나이가 무엇인가요?",
"본 논문에서 평가에 참여하는 인원은 몇명인가요?",
"본 논문에서 평가할때 사용자들에게 대화를 보여주는 방법은 어떻게 진행되나요?",
"본 논문에서 평가할 때 사용자들은 챗봇이 생성하는 문장의 어떤 요소를 평가하나요?",
"본 논문에서 실행하는 실험에서 사용하는 HDD는 얼마인가요?",
"본 논문에서 사용되어지는 MOS 지표 수치는 소수로도 표현되나요?",
"본 논문에서 챗봇이 생성한 문장을 평가할 때 사용자들은 어떤 기법으로 평가하나요?",
"본 논문에서 평가 주제는 무엇인가요?"
] |
4742d9e4-38fb-4887-95cd-b3e9b2747186
|
인공물ED
|
사용자와 실시간으로 감성적 소통이 가능한 한국어 챗봇 시스템 개발
|
<h1>4. 결 론</h1><p>우리는 추가적인 대화 데이터를 확보하고, 설계된 Transformer를 기반으로 이를 추가 학습하여 생성 품질 개선 및 성능 고도화를 진행했다. 이후 연구된 챗봇 모듈들을 최적화하고 모듈의 통합을 진행해서 사용자의 입력 문장에 대해 대응할 수 있는 통합 대화 생성 시스템을 구현하고, 이러한 입력이 변화에 따라 대응하는 문장을 생성하는지에 대한 실험을 진행했다. 이 과정에서 서로 다른 문장 간의 간섭을 고려하여 응답을 출력하는 시스템을 구축했다.</p><p>이어서 통합 대화 생성 시스템을 실제 상황에 적용하여 평가했다. 평가 방식은 최근 연구 동향을 고려해서, 최신 Conversational A 모델 Evaluation metric 경향을 반영한 SSA(sensibleness and specificity) 및 MOS를 공인 평가를 통해 검증했다. 이를 통해 성능 향상 및 이에 대한 성능 분석을 수행했다.</p><p>향후에는 앞서 연구 결과물을 모듈 단위로 통합을 진행하고, 통합된 모듈의 최적화를 진행할 예정이다. 최적화된 모듈을 Docker container를 통해 Containerize하고, 통신 기반의 통합 시스템을 구축한다. RASA 기반 retrieval 답변 선택 모델과 기존 GPT2 기반 생성 모델을 ELECTRA 기반의 scoring 모델을 활용해 최종 답변을 선택하는 형태로 앙상블 할 수 있다.</p><p>대화 생성 시, Pre-trained Transformer의 사전 학습 데이터 또는 Fine-tuning 데이터에 Offensive Data가 존재할 가능성이 있기 때문에, 생성시 발생할 수 있는 Toxic \(\&\) Biased Data 문제를 해결하기 위해 Bad Word Filtering 및 scoring 등의 방법으로 해당 문제점을 보완할 계획이다.</p><p>다만 관련 연구는 주로 영어 기반으로 진행되어, Beam Search, Stochastic Sampling 기반의 다양한 디코딩 알고리즘에 대해 한국어 기반 감성 챗봇에 가장 적절한 디코딩 메서드를 조사하여 분석할 예정이다.</p>
|
[
"통합 대화 생성 시스템 구현과 실험을 통해 어떠한 시스템을 구축했는가?",
"추가 데이터와 Transformer을 기반으로 생성 품질 개선 및 성능 고도화를 진행에 성공하였는가?",
"검증에 사용된 평가 방식은 무엇인가?",
"무엇이 검증에 이용된 평가 방법일까?",
"실험을 통해 서로 다른 문장 간의 간섭을 고려하여 응답을 출력하는 시스템 형성에 성공하였는가?",
"챗봇 모듈들의 최적화와 모듈 통합을 통해 어떠한 시스템을 구현하였는가?",
"통합 대화 시스템은 어떠한 기능을 보유하였는가?",
"어떠한 기능을 통합 대화 시스템이 소유했지",
"대화 생성 시 발생할 수 있는 문제 해결을 위해 어떠한 방법을 도입할 것인가?",
"추가 대화 데이터 확보에 성공하였는가?",
"추가 대화 데이터 확보가 가능했어?",
"본 연구는 영어를 기반으로 진행된 것이 맞니?",
"영어를 바탕으로 본 연구가 진행된 것이 맞지",
"본 연구를 어떠한 언어를 기반으로 하였는가?",
"어떠한 언제를 토대로 본 연구가 진행되지",
"본 연구의 향후 계획은 무엇이니?",
"무엇이 본 연구의 향후 계획일까",
"평가 방식으로 활용된 SSA은 뭐의 줄임말이야",
"평가 방식으로 활용된 SSA는 무엇의 약자일까",
"평가 방식 확립에 최근 연구 경향이 고려되었는가?",
"본 연구는 한국어를 기반으로 진행된 것이니?",
"본 연구는 한국어를 기반으로 시행된 것이니?"
] |
60617533-0ed4-4f59-9c5c-ddd731487bb9
|
인공물ED
|
사용자와 실시간으로 감성적 소통이 가능한 한국어 챗봇 시스템 개발
|
<h1>1. 서 론</h1><p>로봇이 자연어를 이해하고, 감성적인 대화를 할 수 있도록 구현하기 위해서는 많은 주제와 방법이 존재한다. 예를 들어 얼굴 인식을 통해 사람의 감정을 읽는 기술을 개발하거나, 실시간으로 사용자의 심리 및 감정상태를 인식하는 기술을 개발하거나, 비언어적 대상으로부터 음향 인식이 가능한 기술을 개발하는 등 여러 방법이 존재할 것이다. 우리는 그 중에서 사용자와 실시간으로 감성적 소통이 가능한 챗봇 시스템을 개발하는 것을 주 목표로 삼아 연구를 진행 중이다.</p><p>챗봇 시스템에 대해 우리는 여러 연구를 진행했다. 각 문제의 목적에 맞도록 방향을 진행하며 연구하거나, 연구 동향에 따라 방향을 조정하며 연구하는 등, 여러 단계를 거쳐 연구를 진행했고, 이것을 단계를 나누어 보면 크게 3단계로 볼 수 있다. 아래에는 그 단계마다 어느 주제를 두고 연구를 완료했는지 설명한다. 1단계에서는 구축된 데이터셋 기반으로 MTGRU(Multiple Time-scale Gated Recurrent Units)을 활용하여 인공지능 챗봇을 위한 프로토타입 시스템을 개발했다.</p><p>해당 연구에서는 딥러닝 모델 중 하나인 Seq2Seq(sequence to sequence)을 활용하여 대화 로봇을 설계했다. seq2seq의 대표적인 구조는 encoder 부분에서 입력 응답을 받아 하나의 hidden code값으로 표현을 해주고 decoder영역에서는 hidden code값과 start tag를 받아 가장 적합한 결과 단어들을 추출해 주는 방식이다. 여기서 train과 test의 모델이 각각 다르게 나타나는데, train의 경우에는 decoder의 output과는 별개로 훈련 셋이 input으로 들어가는데 반해 test 모델의 경우에는 coder의 output이 다시 decoder의 다음 셀의 input으로 들어간다. 기존의 seq2seq기법에서 Attention 메커니즘을 적용한 딥러닝 모델을 활용하면 Back-Propagation을 통해 스스로 중요한 특징 값들을 학습한다. 또한 Auto encoder모델을 통해 학습한 state를 이용하여 향상된 성능으로 대화 문장을 생성할 수 있다. 문장내 문맥 이해에 효과적인 MTGRU를 기반으로 Seq2Seq 모델을 새롭게 개발하여 인공지능 챗봇 시스템 구현의 활용 가능성에 대해 연구했다.</p><p>2단계에서는 사용자의 단편적인 텍스트 문장 입력 외에도 화자의 표정, 음성의 세기, 분위기 등이 포함된 특징 값들을 딥러닝 기법으로 분석하여 같은 문장이 들어오더라도 단순히 평면적인 대화가 아니라 입체적인 대화 문장 생성 기법을 연구했다.</p><p>사람의 대화는 현재의 한 문장만 보고 어떤 의미인지 알 수 없고, 앞의 내용들을 알아야 이해할 수 있는 내용들이 많다. 대화의 맥락을 이해하기 위해 필요한 Long term memory를 활용하여 대화를 생성할 수 있는 새로운 방법에 대해 연구했다. Long term memory로는 Differential Neural Computer(DNC) 혹은 Memory network와 Seq2Seq 모델과의 결합 모델 생성 가능성을 검증하고, 현재 진행 중인 대화, 상황만 생각하는 것이 아니라 앞서 있었던 상황들을 같이 고려하여 문맥 상황에 맞는 대화를 할 수 있는 대화 로봇 구현을 연구했다.</p><p>3단계에서는 사용자의 감성 상태에 따라 적합한 대화를 생성할 수 있는 새로운 방법에 대해 연구했다. 감성에 따른 대화 생성을 위해 고려하고 있는 DNN 모델은 Conditioned Variational LSTM auto-encoder(CVAE)이며, 이번 단계에 개발된 Long term 메모리와 Seq2Seq 모델에서 LSTM Auto encoder 부분을 CVAE로 대체하여, 감성에 대해 적절한 추론 및 학습, 그리고 적합한 대화를 생성하는 새로운 모델을 연구했다. CVAE를 적용해서 특징 값들에 대해 encoder와 decoder사이의 숨겨진 차원 z를 감성에 따라 효율적으로 관리할 수 있다. 이를 통해 여러 가지의 감성 특징 값을 변수로 받아 encoder단에서 사용자의 정확한 감정을 분석/구분하고, Long term 메모리에 저장된 이전 대화 정보를 함께 고려하여 decoder단에서 사용자의 감성에 따른 합리적인 대응 문장을 생성할 수 있게 했다.</p><p>위와 같이 이전에 3단계를 거친 연구를 통해, 이번에 새로운 단계로 도약하고자 한다. 지난 연구를 통해 얻어진 결과와 연구 동향을 통해서 우리는 목표를 위해 모든 결과를 모아 돌파구를 마련할 수 있는가를 고민했다. 이번 4단계에서는 앞서 연구된 개별 모듈의 통합과 통합된 모듈의 최적화를 진행한다. 음성에서 얻은 감성 정보 데이터를 통합한 대화 생성 시스템을 구현하고, 이러한 입력이 변화에 따라 상응하는 문장을 생성하는지에 대한 테스트를 진행한다. 이 과정에서 서로 다른 데이터 간의 간섭을 고려하며 통합된 응답을 출력하는 시스템을 구축한다.</p><p>훈련된 모델을 실제 상황에 적용하여 평가한다. 평가 방법은 최근 연구 동향에 따라, 최신 Conversational AI 모델 Evaluation metric 경향을 반영하여 SSA(sensibleness and specificity) 및 MOS(mean opinion score)를 지표로 정하여 공인 평가를 통해 검증한다. 이를 통해 성능 향상 및 이에 대한 성능 분석을 수행한다. 또한 추가적인 대화 데이터를 확보하고, Transformer 기반으로 설계된 모델에 이것을 추가 학습하여 문장 생성 품질 개선 및 성능 고도화를 진행한다.</p>
|
[
"로봇이 이성적인 대화를 할 수 있도록 구현하기 위해서는 많은 주제와 방법이 존재하나요?",
"챗봇 시스템 단계는 크게 몇 단계로 볼 수 있나요?",
"챗봇 시스템 1단계에서는 MTGRU을 활용하여 인공지능 챗봇을 위한 프로토타입 시스템을 개발했나요?",
"해당 연구에서는 무엇을 활용하여 대화 로봇을 설계했나요?",
"해당 연구에서는 딥러닝 모델 중 하나인 Seq2Seq을 활용하여 대화 로봇을 설계했나요?",
"챗봇 시스템 1단계에서는 무엇을 활용하여 프로토타입 시스템을 개발했나요?",
"seq2seq의 대표적인 구조는 encoder 부분에서 입력 응답을 받아 하나의 hidden code값으로 표현을 해주나요?",
"decoder영역에서는 hidden code값과 start tag를 받아 가장 적합한 결과 단어들을 추출해 주는 방식인가요?",
"train과 test의 모델이 각각 다르게 나타나나요?",
"train 모델은 훈련 셋이 input으로 들어가나요?",
"2단계에서는 입체적인 대화가 아니라 평면적인 대화 문장 생성 기법을 연구했나요?",
"test 모델은 coder의 output이 다시 decoder의 다음 셀의 input으로 들어가나요?"
] |
8fa0475a-80b5-4405-81a5-bc9442bb5c00
|
인공물ED
|
사용자와 실시간으로 감성적 소통이 가능한 한국어 챗봇 시스템 개발
|
<h2>3.2 실험 결과</h2><p>실험에 쓰이는 모델을 학습 한 이후 자동화로 성능을 검증하기 위해서 BLEU를 이용했다. BLEU 기준으로 타 언어 모델에 비해서 현저히 낮은 점수를 볼 수 있는데, 이 원인에 대해서는 여러 이유가 있다. 먼저 BLEU는 자동 번역에서 원 언어와 번역된 언어의 연관성을 보기 위해 자동화된 평가 방식으로, 입력 문장과 출력 문장이 한 쌍으로 묶여있다. 따라서 우리의 모델은 감성 대화 생성 모델로 반복적인 출력을 의도적으로 피하도록 구현했다. 또한 문맥을 이해하기 위해서 현재 입력 문장 뿐만 아니라, 이전 입력 문장도 반영해서 출력 문장에 영향을 준다. 따라서 같은 문장이 입력되어도 이전에 문장에 따라 다른 출력 문장이 나올 경우가 다수이다. 대신 BLEU 지표는 자동화를 통해 성능을 볼 수 있다는 점에서 이용해서 분석했다. 따라서 이 실험의 주 지표는 피실험자를 모집해서 MOS와 SSA 지표로 분석하는 것이 가장 적절하다고 생각한다.</p><p>실험 동안 피실험자가 입력하고 문장과 챗봇이 출력한 문장 그리고 피실험자가 매긴 점수를 기록하는 평가 설문지를 준비해서 모두 기록하도록 한다. 또한 실험을 분석하기 위해서 스프레드시트로 전산화하고 누락되거나 오타가 없도록 다시 검증을 완료한다. 이를 기반으로 모집된 30명에 피실험자에게 대해 실험을 진행한 결과를 얻어, 각 피실험자가 매긴 점수를 평균을 내어 MO 기준으로 평균 4.6의 score를 얻었다. 또한 적합성과 구체성에 대한 평균 기준으로는 평균 0.6857의 score를 얻었다. 따라서 우리가 기대했던 성능을 만족스럽게 달성할 수 있었다.</p><p>높은 MOS score를 얻은 실험과 낮은 MOS score를 얻은 실험을 비교해보면, 아래 대화문과 같이 볼 수 있다. 높은 MOS 점수는 받은 대화문을 보면 우리가 모델에 의도한 대로 single-turn 기준으로 현재 입력 문장에 대해서 적절한 반응을 보이지만, 또한 multi-turn 기준으로 이전 입력 문장을 고려해서 연관된 문장을 챗봇이 출력하도록 구현해서 마치 이전 문맥을 고려해서 대화를 진행하는 것처럼 보인다.</p><p>반대로 낮은 MOS score를 얻은 대화문을 아래 표와 같이 표시했다. 이 표의 대화를 보면 무엇을 할 것인가를 묻는 말에 이전에 대화했던 음식에 관한 내용을 고려해서 엉뚱하게 음식 고민을 한다는 출력 문장을 생성한 것처럼, 입력 문장에 대해서 multi-turn 기준으로 이전 문맥을 고려해서 오히려 역효과를 얻은 것을 볼 수 있다.</p><p>대화의 턴은 총 7개로 모든 피실험자의 각 차례에 대한 MOS와 SSA 성능을 평균해서 아래 표와 같이 표현했다. 특이한 점수 영역이 보이는데 처음 3턴 이후로 Sensibleness와 MOS 기준으로 점수가 크게 떨어지는 것을 볼 수 있다. 이 현상은 기본적으로 챗봇 모델에 학습된 데이터셋과 학습 방법에 영향을 받은 것으로 추정된다. 실험에 전반적으로 반복적인 패턴이 관측되는데, 첫번째 문장은 상담을 시작하는 듯한 문구를 보이고, 두번째 문장은 상담 주제를 정하고 그에 대한 방향을 제시하거나 해소 방법을 찾아보는 등 문구를 보이고, 마지막으로 세번째 문장은 상담을 마치듯이 인사 문구나 또는 피실험자에게 긍정적인 문구를 주는 등 상담을 종료하기 위한 문구를 보인다. 따라서 보통 3문장으로 주어진 입력에 대해서 상담을 진행하는 모습을 보인다.</p>
|
[
"이 실험의 주된 지표는 피실험자를 모아 무슨 지표를 분석하는 것이 가장 적합했는가?",
"실험에서 피실험자가 입력하고 문장과 챗봇이 출력한 문장, 피실험자가 입력한 점수를 기록하는 평가 설문지를 필요한 부분만 기록했는가?",
"자동 번역에서 원래의 언어와 번역된 언어의 싱관을 보기 위해 자동화된 평가 방식인 것은 무엇인가?",
"실험 모델에서 전의 입력 문장은 출력 문장에 영향을 끼치지 않는가?",
"처음 3턴 이후로 Sensibleness와 MOS 기준으로 점수가 크게 떨어지는데, 챗봇 모델에 학습된 데이터셋과 학습 방법에 영향을 받은 것으로 볼 수 있는가?",
"몇 턴 이후로 Sensibleness와 MOS 기준으로 점수가 크게 낮아지는가?",
"높은 MOS 점수의 대화문에서, 이전 문맥을 계산하지 못하고 대화를 진행하는 것처럼 나타나는가?",
"낮은 MOS score를 얻은 대화문에서 전의 문맥을 계산한 대화가 가능한가?",
"실험의 세번째 문장은 상담을 끝내듯 인사 문구나 또는 피실험자에게 긍정적인 내용을 주고 있는가?",
"실험에서 사용된 모델을 습득한 이후 자동화로 성능을 입증하기 위해 사용한 것은 무엇인가?",
"높은 MOS 점수는 대화문에서 우리가 모델에 계획한 single-turn 기준으로 현재 입력 문장에 적절한 반응을 보이는가?",
"실험에 전체적으로 나타나는 되풀이되는 패턴은 어떤 패턴으로 관측되는가?",
"논문에서 제안한 대화의 턴은 총 몇 개인가?",
"실험을 해석하기 위해서 어떤 도구를 사용해서 전산화 했는가?",
"실험 모델은 감성 대화 생성 모델로 되풀이 되는 출력을 비켜가도록 구현했는가?",
"실험 모델은 동일한 문장이 입력되어도 전의 문장에 따라 다른 출력 문장이 나올 경우가 많은가?",
"BLEU는 입력 문장과 출력 문장이 두 쌍으로 힙쳐져 있는가?"
] |
d6bcb845-b8c5-4a1d-abf9-d118db1a8ff9
|
인공물ED
|
사용자와 실시간으로 감성적 소통이 가능한 한국어 챗봇 시스템 개발
|
<h1>2. 연구 방법</h1><h2>2.1 개발 내용 및 범위</h2><p>챗봇 시스템을 실제 사용자가 사용하는 환경을 구성하기 위해서 인스턴트 메신저 형태로 구현을 한다. NodeJS 언어 기반으로 웹브라우저에서 메신저 형태로 문장을 입력해서 대화를 진행할 수 있는 환경을 구성했다. 그래서 사용자는 키보드를 통해 대화 문장을 입력하고, 챗봇은 사용자의 입력에 대응하여 적절한 문장을 생성하여 출력할 수 있다. 또한 Text-to-speech 기능을 이용해서 챗봇이 출력한 문장을 음성 합성을 통해 음성 파일을 생성 및 재생하여, 사용자에게 챗봇이 출력한 말을 들려줄 수 있다. 또한 추후 실험을 위해서 참가자 번호를 구분할 수 있는 기능을 추가했다. 이 기능은 참가자 번호에 숫자를 입력하고 버튼을 눌러 실험 시 참가자 마다 구분할 수 있도록 한다. 또한 UI 상에서 보이는 부분 외로, 챗봇과의 통신 부분도 구현하고, 실험 시 대화 문장을 데이터베이스에 저장할 수 있도록 로깅 기능을 추가한다. 따라서 최종적으로 사용에 문제가 없도록 여러 번의 검증과 수정 작업을 거쳐, 실험에 사용할 수 있을 정도의 완성도를 구현했다.</p><p>모듈 통합 외에도 기존 개발된 대화 생성 모델인 Transformer 기반의 감정 정보를 활용한 한국어 대화 시스템 고도화를 진행한다. 감정 인식을 위한 데이터는 크롤링이 불가능하기 때문에 직접 제작해야하는 희소성이 있는 데이터셋이다. AIHub에서 현재 구축 중인 감성 대화 말뭉치를 활용해 추가적인 학습을 진행했다.</p><p>감성 대화 말뭉치는 크라우드소싱 수행으로 코퍼스 약 27만 문장 및 사용자 감정 정보와 Persona 정보가 제공되어 위 데이터셋이 공개된 대로 감성 챗봇 또는 감성 대화 엔진 구현에 적극 활용해서 개발된 Transformer 기반 모델을 고도화 시킨다.</p><p>기존의 관련된 연구를 조사한 결과 embedding 방식을 이용한 관련 연구가 존재한다. 한 예시로 EmpTransfo는 대화 생성 시, 감성 정보 및 라벨을 추가적으로 활용해서 Transformer의 segment embedding과 유사한 방식으로 감성 임베딩 혹은 관련 feature를 input할 수 있는 special token을 정의해 해당 정보를 토큰 디코딩 시 반영한다. 때문에 단일 입력 문장에 대한 상태를 반영해서 보다 친화적인 문장을 생성할 수 있다.</p><p>다른 예시로는 TransferTransfo 모델은 두 사람의 대화로 구성된 Persona-Chat 데이터셋을 이용하여, 대화 상태 embedding과 위치 embedding을 특징을 추출하는데 사용해서, 일회성 문장 단위가 아닌 복수의 문장으로 구성된 대화식으로 문장을 생성할 수 있도록 구현한다. 이는 챗봇 또는 사용자의 사전 정보를 활용한 대화를 생성할 수 있는 모델을 학습시킬 수 있다.</p><p>위와 같은 사례에 영감을 얻어 개발된 최종 챗봇에 대한 정량적 평가 및 정성적 평가를 수행한다. 먼저 Quantitative test(automatic evaluation)를 수행하고 정성적 평가로써 MOS 기준으로 목표는 3.8 이상 또는 SSA 지표를 통해 평가한다. 추가적으로 자연어 처리 Quantitative metric중 하나인 BLEU Score 기법을 활용하고, Quantitative test를 위해서 연구원의 자체 평가 대신 외부 평가 업체를 통해 공인 평가를 진행해서 위의 성능을 공적으로 검증한다.</p>
|
[
"챗봇은 사용자의 입력에 대응해 적절한 문장을 생성하여 출력할 수 있습니까?",
"TransferTransfo 모델이 기존의 대화 생성 모델과 다른 점은 무엇입니까?",
"TransferTransfo 모델은 일회성 문장 단위의 대화만 생설할 수 있습니까?",
"개발된 최종 챗봇에 대한 평가는 어떻게 진행됩니까?",
"챗봇은 참가자 번호를 구분할 수 있습니까?",
"챗봇 시스템을 인스턴트 메신저 형태로 구현하기 위해 사용되는 언어는 무엇입니까?",
"감정 인식을 위한 데이터는 크롤링이 가능합니까?",
"embedding 방식을 이용한 대화생성모델의 특징은 무엇입니까?",
"사용자에게 챗봇이 출력한 말을 들려줄 수 있습니까?",
"개발된 챗봇에 대한 평가를 위해 사용되는 기법은 무엇입니까?",
"embedding 방식의 대화 생성 모델이 문장을 생성하는 절차는 무엇입니까?",
"Quantitative test를 위해서 연구원의 자체 평가를 진행합니까?"
] |
9f400eb5-59fd-4974-91cb-cdcc5a1fab0e
|
인공물ED
|
난청인의 주파수 선택도 둔화현상이 음질에 미치는 영향 평가
|
<h1>5. 실험 결과</h1> <h2>5.1 PESQ 평가 실험 결과</h2> <p>표 1은 백색(white) 잡음에서의 실험 결과의 평균 PESQ 수치이고 표 2는 배블(babble) 잡음에서의 실험결과의 평균 PESQ 수치이다. 그림 7은 2음절 한국어 단어 36개의 평균 PESQ 값을 나타낸 그림이다. 각각의 단어들은 잡음이 없는 상황, \(0 \mathrm{dB}\) SNR인 상황, \(-3 \mathrm{dB}\) SNR인 상황으로 나누어지며 ERB*3, 20차수 LPC, ERB*6, 12차수 LPC 알고리즘을 통과 시킨 후 노이즈가 없는 상황에는 원음과 비교를 하고 노이즈 상황에서는 노이즈와 원음을 섞은 음과의 비교를 통해 평균 PESQ 값을 계산하였다. 그림 7의 (a)는 백색(white)잡음에서의 상황이며 (b)는 배블(babble)잡음에서의 상황이다.</p> <caption>표 1 백색(white) 잡음에서의 평균 PESQ</caption> <caption>표 2 배블(babble) 잡음에서의 평균 PESQ</caption> <p>본 연구에서는 난청인의 넓어진 청각필터를 표현하기 위한 방법으로 LPC와 청각필터의 ERB를 제시 하였는데 이를 비교하기 위해서 ERB*3, ERB*6에 각각 대응하는 LPC의 차수를 20개와 12개로 제시한다.</p> <p>먼저 잡음이 없는 상황에서 평균 PESQ값을 살펴보면 ERB의 경우 ERB*3의 값이 ERB*6의 값보다 높게 나왔음을 알 수 있다. 이는 청각 필터가 넓어질수록 음성의 품질이 떨어짐을 의미한다. 따라서 청각 필터의 ERB를 이용한 알고리즘은 난청인의 넓어진 청각 필터를 표현 할 수 있다 고 말할 수 있다. 이는 잡음상황에서도 마찬가지이다. 두 알고리즘을 비교하는 관점에서 보면 LPC를 이용한 알고리즘의 경우 모든 상황에서PESQ값이 ERB를 이용한 알고리즘보다 낮게 나온 것을 볼 수 있다. 이는 LPC 알고리즘이 스펙트럼을 뭉갤 때 선형적인 특성을 따른 것에 기인한 결과로 보여 진다. 앞에서 설명한 청각 필터의 특성상 청각필터는 비선형적인 특성을 가지고 있는데 ERB를 이용한 알고리즘의 경우 이러한 청각필터의 특성을 잘 따랐기 때문에 PESQ값이 높게 나왔지만, LPC의 경우는 그렇지 않기 때문에 상대적으로 PESQ값이 낮게 나온 것이다. 이는 난청인의 주파수 선택도 둔화 현상을 표현하기 위해서는 청각필터와 그것의 ERB를 이용한 알고리즘이 더 나은 결과를 가져온다는 것을 의미하며 이는 아래의 LLR의 결과에서도 마찬가지로 나타난다.</p> <h2>5.2 LLR 평가 실험 결과</h2> <p>표 3은 백색(white) 잡음에서의 실험 결과의 평균 LLR 수치이고 표 4는 배블 (babble) 잡음에서의 실험결과의 평균 LLR 수치이다. 그림 8은 2음절 한국어 단어 36개의 평균 LLR 값을 나타낸 그림이다. 각각의 단어들은 잡음이 없는 상황, \(0 \mathrm{dB}\) SNR인 상황, \(-3 \mathrm{dB}\) SNR인 상황으로 나누어지며 ERB*3, 20 차수 LPC, ERB* 6, 12차수 LPC알고리즘을 통과 시킨 후 노이즈가 없는 상황에는 원음과 비교를 하고 노이즈 상황에서는 노이즈와 원음을 섞은 음과의 비교를 통해 평균 LLR 값을 계산하였다. 그림 8의 (a)는 백색(white)잡음에서의 상황이며 (b)는 배블(babble)잡음에서의 상황이다.</p> <caption>표 3 백색 (white) 잡음에서의 평균 LLR</caption> <caption>표 4 배블(babble) 잡음에서의 평균 LLR</caption> <table border><tbody><tr><td></td><td>ERB3</td><td>20LPC</td><td>ERB6</td><td>12LPC</td></tr><tr><td>No noise</td><td>0.7668</td><td>0.1281</td><td>0.7313</td><td>0.0946</td></tr><tr><td>\(O\mathrm{dB}\)</td><td>0.6160</td><td>0.0711</td><td>0.6309</td><td>0.0579</td></tr><tr><td>\(-3\mathrm{dB}\)</td><td>0.6176</td><td>0.0702</td><td>0.6297</td><td>0.0573</td></tr></tbody></table> <p>LLR값은 0 에 가까울수록 왜곡이 적음을 의미한다. 그림을 살펴보면 PESQ값과는 반대의 결과가 나온 것을 볼 수 있다. ERB를 이용한 알고리즘의 경우 높은 PESQ값 즉, 음질이 좋음에도 불구하고 원음과의 왜곡이 심하다는 결과를 보이고 있고 LPC의 경우 낮은 PESQ값에도 불구하고 원음과의 왜곡의 거의 없다는 결과를 보이고 있다. 이는 LLR이 단순히 선형적으로 원음과 비교음의 차이를 계산하기 때문에 생기는 결과이다. 반면에 PESQ의 경우 인간의 청각특성을 반영하여 원음과 비교음의 인지 차이를 계산하므로 LLR과는 반대의 결과가 나온 것이다. 따라서 LLR의 결과역시 난청인의 주파수 선택도 둔화현상을 표현하기 위해서는 비선형적인 청각필터의 특성을 이용한 ERB알고리즘이 더 나은 결과를 가져온다는 것을 의미한다.</p>
|
[
"평균 PESQ 값은 어떤 과정을 거쳐 계산될 수 있는가?",
"어떤 과정을 평균 PESQ 값이 거쳐 계산되는가?",
"본 연구에서 난청인의 넓어진 청각필터를 표현하기 위해 어떤 과정을 거쳤는가?",
"난청인의 넓어진 청각필터를 표현하기 위해 어떤 방법을 활용했는가?",
"표 4에서, 20LPC 중 가장 작은 평균 LLR 수치를 갖는 상황은 무엇인가?",
"어떤 상황이 표 4에서 20LPC 중 가장 작은 평균 LLR 수치를 지니나요?",
"표 4에서, 평균 LLR 수치가 0.7668에 해당하는 알고리즘은 무엇인가?",
"표 4에서, ERB6에서 가장 높은 평균 LLR 수치를 갖는 것은 어떤 경우인가?",
"표 4에서, (-3\\mathrm{dB}\\)중 소수점 네 번째 자리수가 3에 해당하는 평균 LLR 수치를 가지는 알고리즘은 무엇인가?",
"표 4에서, 노이즈가 없는 상황에서 평균 PESQ 값이 0.7668에 해당하는 알고리즘은 무엇인가?",
"평균 PESQ 값이 표 4에서 노이즈가 없는 상황의 0.7668를 해당하게 해주는 알고리즘은 무엇인가?",
"배블 잡음 실험 결과의 평균을 나타낸 표에서 가장 높은 \\(-3\\mathrm{dB}\\) 값을 가진 항목은 무엇인가요?",
"표 3에서 제시된 ERB3의 \\(-3\\mathrm{dB}\\) 평균값은 무엇인가요?",
"표 3에서, \\(O\\mathrm{dB}\\)에서 가장 큰 평균 LLR 수치를 갖는 알고리즘은 무엇인가?",
"표 3에서 가장 큰 평균 LLR 수치를 갖는 \\(O\\mathrm{dB}\\) 경우의 알고리즘은 무엇인가?",
"표 3에서, No noise에서의 가장 작은 수치의 평균 LLR에 해당하는 청각필터를 표현하는 방법은 무엇인가?",
"어떤 방법이 표 3에서 No noise의 가장 작은 수치의 LLR값을 나타내는가?",
"배블 잡음 실험결과의 평균을 나탄난 표 \\(-3\\mathrm{dB}\\)항목에서 가장 낮은 값을 가진 항목은 무엇인가?",
"가장 낮은 \\(-3\\mathrm{dB}\\)의 값을 가진 배블 잡음 평균 표의 항목은 무엇인가?",
"표 3에서, 평균 LLR 수치가 1.3074에 해당하는 청각 필터를 표현하기 위한 방법은 무엇인가?",
"표 3에서 평균 LLR 수치가 1.3074일 때 알고리즘의 방법은 무엇인가?"
] |
e7cd7aed-e888-4302-9ead-c10a47fa87fb
|
인공물ED
|
모바일 환경에서의 H.264/AVC를 위한 인트라 예측기의 구현 및 검증
|
<h1>Ⅲ. 인트라 추정기의 구조</h1> <p>본 논문에서 제안된 인트라 예측기의 구조는 H.264의 전체 모듈 구성을 할 때 인트라 예측과 인터 예측이 동시에 수행되므로 인터 예측기와 수행 성능을 맞추는 방향으로 설계되었다. 본 논문이 참조한 [5]의 인터 예측기의 성능은 하나의 매크로블록 당 7,146 클록에 \( 15.99 \mathrm{~ns} \)의 최장 지연시간을 가진다. 그림 1에서 보듯 인터 예측은 인트라 예측보다 복잡도가 높다. 그러므로 본 논문에서의 인트라 예측기는 속도의 성능 보다는 하드웨어의 크기를 줄이고 또한 그에 따른 전력 소모를 줄이는데 목표를 두고 구현되었다.</p> <h2>1. 내부 메모리</h2> <p>매크로 블록 당 많은 모드를 처리하고 빠른 수행 시간을 위해서는 내부 메모리의 크기를 적절하게 책정하는 것이 무엇보다 필요하다. 본 논문에서는 매크로블록 단위로 데이터를 내부 메모리에 저장하여 처리하는 방식으로 부호화의 효율을 높였다.</p> <h3>1.1. 수평 버퍼& 수직 버퍼</h3> <p>수평 버퍼 (Row buffer)는 매크로 블록을 코딩할 때 수평으로 참조되는 데이터들을 저장하기 위한 메모리이고, 수직 버퍼 (Column buffer)는 수직으로 참조되는 데이터들을 저장하기 위한 메모리이다. 수평 버퍼의 구성은 그림 6과 같이 한 라인의 크기를 가지고 수직 버퍼의 구성은 매크로 블록의 수직 크기만큼의 크기를 가진다. 두 경우 모두 하나의 매크로 블록의 부호화가 완료 될 때 마다 데이터를 덮어쓰는 형식으로 업데이트 된다.</p> <h3>1.2 에지 버퍼</h3> <p>수평 버펴와 수직 버퍼를 위와 같은 방법으로 업데이트 할 경우에는 하단의 매크로 블록을 처리할 때 필요 한 에지 부분의 참조 데이터가 손실된다. 그림 7과 같이 손실을 막기 위해 각 버퍼들을 업데이트하기 전에 에지 버퍼 (Edge buffer)에 코딩된 우측 하단의 데이터 를 저장시킨다.</p> <h3>1.3 블록 참조 레지스터</h3> <p>\( 4 \times 4 \) 블록을 코딩하기 위해서는 매 블록마다 13개의 주변 픽셀들을 필요로 한다. 이 데이터들을 레지스터화 시켜 \( 4 \times 4 \) 블록의 처리를 고속화 하였다.</p> <h3>1.4 내부 메모리의 전체 크기</h3> <p>위에서 열거한 메모리 외에도 매크로 블록 크기의 차분 영상과 코딩된 영상을 저장하는 메모리와 예측 모드를 계산하기 위해 쓰이는 전 모드 메모리가 내부 메모리로 쓰여졌다. 인트라 예측기 모듈을 계산 하는데 사용된 총 메모리 크기는 좌측 하단의 표 2와 같다.</p> <table border><caption>표 2. 전체 내부 메모리 크기</caption> <tbody><tr><td></td><td>SIZE</td><td>TOTAL</td></tr><tr><td>Reconstruct</td><td>\( 16 \times 16 \times 8 \) bit</td><td>2048 bit</td></tr><tr><td>Residue</td><td>\( 16 \times 16 \times 9 b i t \)</td><td>2304 bit</td></tr><tr><td>Original</td><td>\( 16 \times 16 \times 8 b i t \)</td><td>2048 bit</td></tr><tr><td>Row Buffer</td><td>\( 16 \times 11 \times 8 \) bit</td><td>1408 bit</td></tr><tr><td>Column Buffer</td><td>\( 16 \times 8 b i t \)</td><td>128 bit</td></tr><tr><td>Edge Buffer</td><td>\( 22 \times 8 \) bit</td><td>176 bit</td></tr><tr><td>Mode data</td><td>\( (4 \mathrm{x} 4 \mathrm{x} 4 \mathrm{bit})+ \) \( (11 \times 4 \mathrm{x} 4 \mathrm{bit})+(4 \mathrm{x} 4 \mathrm{bit}) \)</td><td>256 bit</td></tr><tr><td>TOTAL</td><td colspan=6>8,624 bit</td></tr></tbody></table>
|
[
"Reconstruct와 메모리 크기가 같은 것은 어떤거지?",
"표를 참조할 때 Reconstruct와 메모리 크기가 같은 것은 무엇이지",
"Reconstruct의 메모리 크기는 얼마야?",
"\\( 16 \\times 16 \\times 9 b i t \\)의 메모리 크기를 가진 것은 무엇인가?",
"표2의 내용상 \\( 16 \\times 16 \\times 9 b i t \\)의 메모리 크기를 가진 것은 어떤 것이지",
"Row Buffer가 가지는 메모리 크기는 얼마야?",
"표의 내용을 보면 Row Buffer가 가지는 메모리 크기는 무엇인가",
"최소 크기의 메모리를 가진 것은 어떤걸까?",
"최소 크기의 메모리를 가진 것은 표의 내용중 무엇일까",
"세번째로 적은 메모리 크기는 얼마니?",
"Original 메모리의 1/8 크기를 가진 것은 무엇이니?",
"시스템 총 메모리 크기는 얼마일까?",
"176 bit의 메모리 크기를 가지는 것은 어떤 구성요소야?",
"두번째로 큰 메모리 크기 값을 가진 것은 무엇일까?",
"표에서 두번째로 큰 메모리 크기 값을 가진 것은 뭐지"
] |
797acf6b-0e65-4fe4-bc2a-4330eab6eed6
|
인공물ED
|
모바일 환경에서의 H.264/AVC를 위한 인트라 예측기의 구현 및 검증
|
<h1>Ⅱ. 인트라 예측기의 알고리즘</h1> <p>인트라 예측은 현재 슬라이스의 공간적 중복성을 제거하기 위하여 부호화된 이전 매크로블록의 픽셀 값을 참조하여 가장 유사한 매크로블록을 생성하는 것이다. 인트라 예측은 휘도 늘록의 인트라 4 화소X4화소 단위 예측과 16 화소X16화소 단위의 예측 그리고 채도 블록의 8화소X8화소 예측으로 나누어진다.</p> <p>H.264에서는 수직, 수평, 평균값만을 이용하는 다른 코덱과는 달리 다양한 방향의 모드를 가지고 있어서 좀 더 차분영상의 값을 작게 할 수 있는 예측값을 산출한다. 그림 2에서 보듯 다양한 인트라 예측 모드로 예측을 수행했을 때 회색에 가까운 값들이 나오는데 이는 차분 영상이 0에 가깝다는 것을 나타낸다. 이는 영상의 공간주파수가 낮아져서 변환이 용이한 형태가 된다.</p> <p>본 장에서는 위에서 언급한 모드에 따른 알고리즘에 대하여 알아보고 모드를 결정하는 방법에 대하여 설명 한다.</p> <h2>1. 인트라 예측 모드</h2> <p>H.264/AVC 인트라 예측에서 휘도 \( 4 \times 4 \) 노드는 그림 3과 같이 주변의 이미 코딩된 픽셀들을 이용해서 8가지 의 방향으로 예측을 한다. 주변의 코딩된 픽셀의 평균 값을 내는 DC 모드까지 합쳐서 총 9가지의 모드로 결정을 한다.</p> <p>또한, 휘도 인트라 예측에는 \( 16 \times 16 \)으로 매크로 블록 전체를 코딩하는 방법이 있다. 이 방법은 구름 한 점 없는 푸른 하늘같은 공간적 색의 유사도가 높은 영상이나 영상의 크기가 큰 영상에서 주로 선택 된다. 휘도 \( 16 \times 16 \) 모드에는 4가지가 있는데 방법은 그림4 와 같다.</p> <h2>2.모드 결정</h2> <p>H.264 JVT(Joint Video Team) 표준화 활동에서 규격서의 작성이 진행되는 동시에 독일의 연구기관 HHI (Heinrich-Hertz-Institute)를 중심으로 참조 소프트웨어의 개발이 진행되었다. 이것을 JM (Joint Model) 이라고 불리는데 이 모델은 인트라와 인더 예측에 대하여 고화질 모도(High Complexity)와 고속 모드(Low Complexity)라는 두 가지 판정 모드로 구성되어 있다. 인트라 예측의 경우 최적의 모드를 결정하기 위한 비용 산출 식은 각 경우에 따라 다음과 같다.</p> <p>\( \operatorname{Cost}_{h}=S S D+\lambda_{\text {mode }} \cdot \) GenBit<caption>(1)</caption></p> <p>Cost \( _{l}=S A(T) D+Q P 2 \) Quant \( (Q P) \times \) Header Bit<caption>(2)</caption></p> <p> <ul> <li>\( \operatorname{Cost}_{h} \) : 고화질 모드의 비용함수</li> <li>\( \operatorname{Cost}_{l} \) : 고속 모드의 비용함수</li> <li>\( \lambda_{\text {morie }} \) : 모드판정에 대한 라그랑제 승수</li> <li>GenBit: 매크로블록을 해당 부호모드로 부호화시 발생비트</li> <li>\( Q P 2 Q u a n t(Q P) \) :양자화 파라미터를 이용한 양자화 스케일의 변환값</li> <li>HeaderBit:헤더비드 부눈을 비용으로 고려한 값</li></ul></p> <p>\( S A D=\sum_{i, j}|\operatorname{Diff}(i, j)| \)<caption>(3)</caption></p> <p>\( S S D=\sum_{i=}[s(i, j)-c(i, j)]^{2} \)<caption>(4)</caption></p> <p>\( S A T D=\left(\sum_{i, j}|\operatorname{Diff} T(i, j)|\right) / 2 \)<caption>(5)</caption></p> <p> <ul> <li>\( \operatorname{Diff}(i, j)=\operatorname{Original}(i, j)-\operatorname{Prediction}(i, j) \)</li> <li>\( s(i, j)= \) OrigianlBlock</li> <li>\( c(i, j)= \) ReconstructBlock</li> <li>Diff T \( =\left(H^{*}\right. \) Diff \( \left.^{*} H\right) / 2 \)</li> <li>\( H= \) Hadamard Transform Coefficient \( { }^{[2]} \)</li></ul></p> <p>고화질 모드로 예측이 이루어졌을 경우 일반적으로 고속모드보다 부호화 효율이 \( 10 \% \) 전후 높다고 알려져 있다. 하지만 제곱 연산과 같은 복잡도가 높은 연산식 을 포함하고 있기 때문에 모든 픽셀의 예측 연산을 수행했을 시에 실시간 처리가 어렵다는 단점이 있다. 반면에 고속 모드는 덧셈, 뺄셈과 절대값 연산만을 이용 하기 때문에 고화질 모드보다 복잡도가 낮아 하드웨어 구현에 더 적합하다.</p> <p>고속 모드에서는 SAD (Sum of Absolute Difference) 혹은 SATD (Sum of Absolute Transformed Difference)를 이용해 비용을 산출한다. 이때, SATD 보다 SAD를 사용했을 때 계산이 단순해지지만 실험적으로 PSNR이 \( 0.3 \mathrm{~dB} \)정도 낮다고 알려져 있다. 본 논문에서는 작은 면적과 저전력의 코아 설계를 위해 고속 모드의 SAD 연산을 이용한 구조로 설계를 하였다.</p> <h2>3. 인트라 모드 예측</h2> <p>전술한대로 H.264는 다른 코덱보다 많은 인트라 모드를 가지고 있다. 인트라 모드가 많으면 많을수록 차분 영상은 0에 더 가깝게 나오겠지만 디코더에 알릴 모드의 정보를 나타내는 비트수는 늘어나게 되는데 이것은 인접하고 있는 \( 4 \times 4 \) 블록의 모드 간에 존재하는 서로 유사성을 이용하여 줄일 수 있다.</p> <p>그림 5의 예에서 현재 블록의 상단 블록 A가 1 번 수평 모드로 선택이 되었고, 좌측의 블록 B가 2번 DC 모드로 선택이 되었다고 가정하면 두 모드 중의 더 작은 모드인 1번 수평(horizontal) 모드가 현재의 가장 가능성 있는 모드(most probable mode)라고 구정한다. 현재의 블록 E가 1 번 수평 모드로 결정 되었다면 예측 모드 플래그(prev_intra4x4_pred_mode)는 true가 되고 더 이상의 코드 정보는 보내지 않는다. 만약에 1번 코드가 아닌 다른 모드로 결정 되었다면 위 신호는 false가 되고 예측 모드의 부호화 데이터(rem_intra_4x4_pred_ mode)를 보내게 된다. 표 1에서 보듯 이 신호는 3-bit 의 신호로 예측한 모드 보다 작으면 선택된 모드가 그대로 입력되고 크다면 선택된 모드에 1을 뺀 값이 새로 부호화 되어 전송이 된다.</p> <table border><caption>표 1. 예측 모드의 선택(가장 가능성 있는 모드 =1)</caption> <tbody><tr><td>selected model</td><td>prev_intra</td><td>rem_intra</td></tr><tr><td>0 (vertical)</td><td>false</td><td>000</td></tr><tr><td>1 (horizontal)</td><td>true</td><td>X</td></tr><tr><td>2 (DC)</td><td>false</td><td>001</td></tr><tr><td>3 (DDL)</td><td>false</td><td>010</td></tr><tr><td>4 (DDR)</td><td>false</td><td>011</td></tr><tr><td>5 (VR)</td><td>false</td><td>100</td></tr><tr><td>6 (HD)</td><td>false</td><td>101</td></tr><tr><td>7 (VL)</td><td>false</td><td>110</td></tr><tr><td>8 (HU)</td><td>false</td><td>111</td></tr></tbody></table> <h2>4. 인트라 평면 예측</h2> <p>휘도 \( 16 \times 16 \) 평면 예측 (3번 모드)은 식 \( 4 \sim 9 \)에서 보듯 복잡한 계산이 요구된다.</p> <p>\[ \mathrm{P}[y, x]=\operatorname{Cip}((a+b \cdot(x-7)+c \cdot(y-7)+16) \gg 5) \] (한 매크로블록 \( x, y \) 좌표에서의 픽셀값)<caption>(6)</caption></p> <p>\( a=16 \cdot(p[-1,15]+p[15,-1] \)<caption>(7)</caption></p> <p>\( b=(5 \cdot H+32) \gg 6 \)<caption>(8)</caption></p> <p>\( c=(5 \cdot V+32) \gg 6 \)<caption>(9)</caption></p> <p>\( H=\sum_{x}^{7}\left(x^{\prime}+1\right) \cdot\left(p\left[-1,8+x^{\prime}\right]-p\left[-1,6-x^{\prime}\right]\right) \)<caption>(10)</caption></p> <p>\( V=\sum_{y^{\prime}}^{7}\left(y^{\prime}+1\right) \cdot\left(p\left[-1,8+y^{\prime}\right]-p\left[-1,6-y^{\prime}\right]\right) \)<caption>(11)</caption></p> <p>휘도 \( 16 \times 16 \) mode 3의 예측값을 구하기 위해서는 곱셈 2번 덧셈 3번 쉬프트 1번을 요구한지만 중복되는 연 산이 있으므로 다음과 같은 방법으로 계산을 간략화 할 수 있다.</p> <p>\( A_{00}=a+b \times(-7)+c \times(-7)+16 \) \( \mathrm{P}[0,0]=\operatorname{Clip}\left(A_{00}>>5\right) \) \( A_{01}=A_{00}+b \) \( \mathrm{P}[0,1]=\operatorname{Clip}\left(A_{01} \gg>5\right) \)<caption>(12)</caption></p> <p>\( B_{00}=A_{00}+c \) \( \mathrm{P}[1,0]=\operatorname{Clip}\left(B_{00} \gg 5\right) \) \( B_{01}=B_{00}+b \) \( \mathrm{P}[1,1]=\operatorname{Clip}\left(B_{01} \gg 5\right) \)<caption>(13)</caption></p> <p>휘도 \( 16 \times 16 \) 평면 예측 모드에서 이렇게 변환된 방법으로 연산을 수행한다면 곱셈 2번 덧셈 3번의 계산이 덧셈 1번만으로 계산을 끝낼 수가 있다. 이것은 연산량이 줄어들었기 때문에 수행시간을 줄이는 것과 추가적인 연산기를 두지 않아도 되기 때문에 하드웨어 설계에 적합한 계산 방식이다.</p>
|
[
"예측 모드의 선택표에서 선택값 0(vertical)의 prev_intra값은 무엇이야?",
"선택값 0(vertical)의 prev_intra값은 예측 모드 선택표에서 어떤 값이지?",
"예측 모드의 선택표에서 6 (HD)의 prev_intra는 무엇이지?",
"selected model 4 (DDR)의 prev_intra는 어떤거야?",
"표1에 나타낸 예측 모드의 선택표에서 5 (VR)의 prev_intra은 무엇이지?",
"사실값prev_intra을 나타낸 선택적 모델은 표1에서 어떤거야?",
"표1에서 1 (horizontal)선택값의 prev_intra는 뭐야?",
"예측 모드의 선택을 나타낸 표1에서 2(DC)의 prev_intra는 무엇이야?",
"2 (DC)의 rem_intra값은 예측 모드의 선택표에서 얼마야?",
"6 (HD) rem_intra는 예측 모드의 선택을 나타낸 표1에서 무엇으로 표기 됐어?",
"selected model 5(VR)의 rem_intra는 얼마야?",
"선택값 4 (DDR)의 rem_intra값은 예측 모드의 선택표에서 무엇이야?",
"예측 모드의 선택을 나타낸 표1에서 2(DC)의rem_intra값은 뭐지?",
"표1에서 8 (HU)선택값의 prev_intra는 무엇이지?",
"selected model 0 (vertical)의 rem_intra값은 무엇이야?",
"7 (VL)의 rem_intra는 예측 모드의 선택표에서 어떤거야?",
"예측 모드의 선택표에서 선택값 8 (HU)의 rem_intra값은 무엇이지?",
"예측 모드의 선택표에서 선택값 7 (VL)의 prev_intra값은 무엇이야?"
] |
e4485499-3988-4eb1-8fe4-a72e61ecfac4
|
인공물ED
|
\(0.18 \mathrm{\mu m}\) CMOS 공정을 이용한 저 전력 \(1 \mathrm{Ms/s} 12-\mathrm{bit} 2\) 단계 저항 열 방식 DAC
|
<h1>III. 실험 결과</h1> <p>이 칩은 1Poly 6Metal layer로 0.18\(\mathrm{\mu}\mathrm{m}\) CMOS 공정에서 제작 되었다. 그림 9는 칩 레이아웃을 보여주고 있으며, 실제 크기는 560 \(\mathrm{\mu}\mathrm{m}\) \(\times\) 760 \(\mathrm{\mu}\mathrm{m}\) 이다.</p> <p>그림 10은 측정을 위한 테스트 보드를 나타낸다. 테스트 보드는 4층 구조로 FR-4 재질을 사용 하였으며 50\(\mathrm{ohm}\) 임피던스 매칭을 하였으며, Clock 신호와 아날로그 신호의 간섭을 방지하기 위해 서로 다른 층에 배선을 하였다.</p> <p>그림 11은 출력 버퍼의 Transient 시뮬레이션 결과를보여준다. RMS 전류소비 값은 차동 출력 전압 스윙이 1.6 \(V_{p-p}\) 일 때 1.8 \(\mathrm{V}\) 공급 전압으로부터 200 \(\mathrm{\mu}\mathrm{A}\)이다.</p> <p>그림 12 (a)와 (b)는 출력 버퍼 이득과 위상 응답의simulation 결과 보여준다. DC이득은 95\(\mathrm{dB}\)이고 이득이 1일 때 대역폭은 200\(\mathrm{MHz}\)이다.</p> <p>그림 13은 출력버퍼의 고속 푸리에 변환 (FastFourier transform: FFT) simulation 결과를 나타낸다. 입력 주파수가 100\(\mathrm{kHz}\)일 때 출력버퍼의 동적 동작범위(Spurious Free Dynamic Range: SFDR)는 90\(\mathrm{dB}\)이다.</p> <p>그림 14 (a)와 (b)는 각각의 sine과 ramp input을 위한 12-\(\mathrm{bit}\) 두 단계 저항 열 DAC의 top-level simulation결과를 나타낸다. 그림 14(b)에서 디지털 입력은 모두‘0’ 에서 모두 ‘1’로 sweep 하고 차동 출력전압을 취하였다.</p> <p>그림 15는 500 \(\mathrm{kHz}\)의 single-tone이 적용될 때 DACoutput의 spectrum을 나타내었다. Transistor-levelsimulation에서 SFDR과 SNDR는 각각 87\(\mathrm{dB}\)과 68.5\(\mathrm{dB}\)이다.</p> <p>그림 16은 DAC의 측정 환경을 보여주고 있다. 디지털 입력는 NI PXI-6552 Module로부터 적용 되었고, DAC output는 Labview에서 데이터를 분석하기 위해서 NI PXI-5122를 사용하여 출력 데이터를 획득하였다.그림 17은 DAC의 측정된 FFT 결과를 나타내었다.측정된 SFDR는 71.15\(\mathrm{dB}\)이며, Data는 65\(\mathrm{k}\)를 취득하여 Hanning windowing을 사용하여 FFT를 진행 하였다. FFT는 결과는 측정된 DAC Output를 Labview FFT프로그램을 사용하여 결과를 구하였다.</p> <p>그림 18은 샘플링 주파수에 따른 측정된 DAC의SFDR 과 SNDR 값을 보여준다. 샘플링 주파수가 10\(\mathrm{kHz}\) 이하에서는 SFDR이 70\(\mathrm{dB}\) 이상의 값이 측정 되었으며, SNDR은 60\(\mathrm{dB}\) 이상의 값이 측정 되었다.</p> <p>그림 19 (a)와 (b)는 측정된 DAC의 INL, DNL 결과를 각각 보여주고 있다. 그림 19 (a)로부터 INL은 –0.91 \(\mathrm{LSB}\)∼+ 0.91 \(\mathrm{LSB}\)임을 알 수 있으며, 그림 19 (b)로부터 DNL은 –0.4 \(\mathrm{LSB}\)∼+0.1 \(\mathrm{LSB}\) 임을 알 수 있다.INL, DNL의 측정결과가 +/- 1\(\mathrm{LSB}\) 안으로 측정 되었다. 이는 DAC가 출력이 흔들림 없이 잘 출력 되고있음 확인 할 수 있다.</p> <p>(1)에서 정의된 FoM (Figure of Merit)를 기존 DAC들과의 성능을 비교하였다. DAC 성능은 면적 (A),DAC 분해능 (N), 변환 시간 (TS)에 의해 곱해진 전력소모 (P)로 표현될 수 있다.</p> <p>FoM \( =\frac{T_{S} \cdot P}{\left(\frac{N}{D A C}\right)\left(\frac{D A C s}{m m^{2}}\right)}=\frac{p J}{\frac{b}{m^{2}}} \)<caption>(1)</caption></p> <p>그림 20은 기존 참고 문헌들과 설계한 DAC 성능을 FoM 기준으로 비교 하였다. 그래프에서 세로축은 로그함수이고, 비트면적 밀도에 따라 pJ로 표현 되었다. 본논문에서 설계한 DAC의 경우 참고 문헌들 보다 전력소모가 작아서 더 작은 FoM을 가짐을 알 수 있다.</p> <p>Table 1은 2단계 저항 열 구조의 DAC 측정된 결과를 요약한다.</p> <table border><caption>표 1. DAC의 성능 요약</caption> <tbody><tr><td>Technology</td><td>0.18-μm CMOS</td></tr><tr><td>Supply Voltage</td><td>1.8 V</td></tr><tr><td>Resolution</td><td>12 Bit</td></tr><tr><td>SFDR</td><td>71 dB</td></tr><tr><td>INL</td><td>-0.91 LSB∼+0.91 LSB</td></tr><tr><td>DNL</td><td>-0.45 LSB∼+0.11 LSB</td></tr><tr><td>Die Area</td><td>0.76 mm x 0.56 mm</td></tr><tr><td>Maximum Clock Speed</td><td>1 MHz</td></tr><tr><td>Current Consumption</td><td>1.088 mA</td></tr><tr><td>Power Down Current</td><td>37.19 nA</td></tr></tbody></table>
|
[
"표 1.에서 0.76 mm x 0.56 mm라는 값은 DAC의 어떤 성능을 나타내는 값이지?",
"본 연구에서 DAC output은 어떤 방법을 통해서 Labview에서 데이터를 분석했어?",
"표 1. DAC의 성능 요약 중 Technology 값은 어떻게 나타나있지?",
"표 1.에서 DAC의 SFDR값을 얼마로 나타나고 있어?",
"본 연구에서 FFT를 진행 할 때 어떤 방법을 취했어?",
"표 1. DAC의 성능 요약 중에서 공급 전압은 몇 V이지?",
"표 1. DAC의 성능 요약에서 12 Bit라는 값은 무엇을 나타내는 값이지?"
] |
4713f1b1-693c-4016-b57e-7abb463e66fc
|
인공물ED
|
발진기의 성능평가를 위한 지그 회로의 개발
|
<h1>Ⅲ. 실험결과</h1><p>그림 1 의 VCXO 출력측에 그림 7과 계측기를 연결함으로써 안정한 발진성능을 평가할 수 있다. 그림 8은 반경 \( 0.8 \phi \) 인 \( \mathrm{HFF} \) 소자를 \( 3^{\circ} 00^{\prime} 00^{\prime \prime} \pm 1,2^{\circ} 58^{\prime} 30^{\prime \prime} \pm 1^{\prime} \) 및 \( 2^{\circ} \) \( 56^{\prime} 00^{\prime \prime} \pm 30^{\prime \prime} \) 등 다양한 각도를 실험한 결과이다.</p><p>온도에 따른 주파수 변화는 \( 10^{\circ} \mathrm{C} \) 이하에서 지속적으로 감소하고, \( +40^{\circ} \mathrm{C} \) 이상에서 지속적으로 증가하여 상온에서는 양호하나 극한온도에서는 불안한 특성을 갖는다. 에칭이 끝난 HFF 소자에서 주파수 \( (f) \) 에 대한 발진 특성은 \( 178 \mathrm{MHz} \) 에서 최대 형성 전압이 다른 모드의 전압에 비해 \( 6 \mathrm{~dB} \) 이상이 되괴, 실제 규격 \( 3 \mathrm{~dB} \) 이상의 양호한 특성을 갖고 있으며, 기생 발진이 나타난다.</p><p>그림 9는 제어전압을 \( 0 \sim 3.3 \mathrm{~V} \) 까지 \( 0.8 \mathrm{~V} \) 스텝으로 가변하면서 축정한 발진부 리액턴스를 나타낸다.</p><p>그림 10은 제어전압에 대한 가변용량 \( 2.5 \sim 9.0 \mathrm{pF} \)까지 특성변화를 보인다.</p><p>그림 11은 제어전압에 대한 가변용량이 수정축에 대하여는 부하용량으로 보이므로 이때 주파수에 대한 인덕턴스 변화를 나타낸다.</p><p>그림 12 는 \( 180 \mathrm{MHz} \)에서 VCXO 출력파형을 나타낸다. 여기서 신호의 상승시간은 \( 345 \mathrm{ps} \)이고, 하강시간은 \( 312 \mathrm{ps} \)로서 비율이 설계규격 \( 2 \mathrm{~ns} \) 이하의 특성을 얻는다. 또한 듀티사이클(duty cycle)은 \( 49.99 \% \) 이고 주파수 안정도면에서 우수한 특성을 얻는다.</p><p>그림 13은 VCXO의 위상잡음과 지터특성으로 주파수 구간에 따라 잡음의 존재를 확인할 수 있다.</p><p>그림 14 는 \( -40^{\circ} \mathrm{C} \sim 85^{\circ} \mathrm{C} \)범위에서 온도대 주파수 편이 특성을 나타낸다. 온도 곡선변화폭은 \( 20 \mathrm{PPM} \) 이내로 상온에서뿐만 아니라 낮은 온도와 높은 온도에서도 좋은 특성을 나타낸다.</p><p>신뢰성 시험은 환경변화에 대한 주파수의 변화를 관찰함으로서 제품의 결함 여부를 판단하고, 내구성에 대한 수명 시험은 \( 85^{\circ} \mathrm{C} \) 고온 챔버(Chamber)에서 30일 동안 노화에 대한 주파수 변화를 실험한다. 표 1은 목표 수준에 대한 실험 결과를 요약한 것이다.</p><table border><caption>표 1. 측정결과</caption><tbody><tr><td>평가항목</td><td>목표수준</td><td>측정결과</td></tr><tr><td>주파수 범위</td><td>Max \( 180 \mathrm{MHz} \)</td><td>\( 180 \mathrm{MHz} \)</td></tr><tr><td>공급전압</td><td>\( 3.3 \mathrm{~V} \)</td><td>\( 3.3 \mathrm{~V} \)</td></tr><tr><td>변동범위</td><td>\( 75 \mathrm{PPM} \)</td><td>\( 78 \mathrm{PPM} \)</td></tr><tr><td>동작온도</td><td>\( -40^{\circ} \mathrm{C} \sim 85^{\circ} \mathrm{C} \)</td><td>\( -40^{\circ} \mathrm{C} \sim 85^{\circ} \mathrm{C} \)</td></tr><tr><td>시작시간</td><td>\( 10 \mathrm{~ms} \)</td><td>\( 6 \mathrm{~ms} \)</td></tr><tr><td>Jitter</td><td>Max \( 10 \mathrm{ps} \)</td><td>\( 60 \mathrm{fs} \)</td></tr><tr><td>상승/하강시간</td><td>\( 10 \mathrm{ns} \)</td><td>\( 345 / 312 \mathrm{ps} \)</td></tr><tr><td>전류소모</td><td>\( 80 \mathrm{~mA} \)</td><td>\( 68 \mathrm{~mA} \)</td></tr><tr><td>위상잡음</td><td>\( -95 \mathrm{dBc} / \mathrm{Hz} \)</td><td>\( -101 \mathrm{dBc} / \mathrm{Hz} \)</td></tr></tbody></table>
|
[
"신뢰성 시험은 환경변화에 대한 무엇의 변화를 관찰하는 것이야?",
"온도 곡선변화폭은 몇 이내로 상온에서 뿐만 아니라 낮은 온도와 높은 온도에서도 좋은 특성을 나타내었어?",
"신뢰성 시험의 실험 절차는 어떻게 되니?",
"그림 14 는 몇 도 범위에서 온도대 주파수 편이 특성을 나타내었어?",
"온도에 따른 주파수 변화는 몇 도 이하에서 지속적으로 감소하니?",
"온도에 따른 주파수는 어떻게 변화를 보이니?",
"그림 8은 어떤 결과를 보여주니?",
"온도에 따른 주파수 변화는 상온과 극한온도에서 어떤 특성을 갖니?",
"그림 1 에서 보여주는 것은 무엇이야?",
"그림 9는 무엇을 나타내고 있어?",
"비율은 어떤 특성이 있니?",
"제어전압에 대한 가변용량 \\( 2.5 \\sim 9.0 \\mathrm{pF} \\) 까지 특성변화를 보인 그림은 무엇이야?",
"듀티사이클은 몇 퍼센트이니?",
"그림 13은 VCXO의 위상잡음과 지터특성으로 주파수 구간에 따라 무엇의 존재를 확인할 수 있어?",
"그림 12 에서 나타내는 것은 무엇이야?",
"주파수 \\( (f) \\) 에 대한 발진 특성이 \\( 178 \\mathrm{MHz} \\) 에서 최대 형성 전압이 다른 모드의 전압에 비해 \\( 6 \\mathrm{~dB} \\) 이상이 되는 것은 어느 소자를 말하니?",
"주파수에 대한 인덕턴스 변화를 나타낸 그림은 무엇이야?",
"내구성에 대한 수명 시험은 \\( 85^{\\circ} \\mathrm{C} \\) 고온 챔버(Chamber)에서 몇 일 동안 노화에 대한 주파수 변화를 실험하였어?",
"공급전압은 목표수준과 측정결과 모두 얼마로 같니?",
"신뢰성 시험에서 주파수의 변화를 관찰함으로서 무엇을 판단할 수 있어?",
"표 1은 무엇의 결과를 나타낸 것이야?",
"변동범위가 \\( 75 \\mathrm{PPM} \\)인 목표수준이 측정결과는 얼마가 되었어?",
"표 1에서 동작온도는 몇 도로 일정하니?",
"Jitter의 측정결과는 얼마니?",
"목표수준이 \\( 10 \\mathrm{ns} \\)인 상승/하강시간의 측정결과 값은 얼마야?",
"목표수준 \\( 10 \\mathrm{~ms} \\) 인 시작시간은 측정결과 값이 얼마가 되었어?",
"평가항목 중 위상잡음은 목표수준과 측정결과 중 어떤 값이 더 낮게 나왔어?",
"측정결과 \\( 68 \\mathrm{~mA} \\) 인 전류소모 항목의 목표수준값은 얼마야?"
] |
67ae8156-8ebf-4319-acf5-38dd935330dd
|
인공물ED
|
유전자알고리즘을 이용한 FBAR RF 대역통과여파기 설계기법
|
<table border><caption>표 1. 기존의 방법으로 구해진 AlN 두께, 공진 기 면적과 이에 대응하는 BVD 모델 값</caption> <tbody><tr><td></td><td>FBAR1</td><td>RBA2</td><td>FBAR3</td><td>FBAR4</td><td>FBA5</td><td>FBAR6</td><td>FBAR7</td></tr><tr><td>AIN두께 (\( \mu m \))</td><td>1.3126</td><td>1.2536</td><td>1.3126</td><td>1.2536</td><td>1.3126</td><td>1.2536</td><td>1.3126</td></tr><tr><td>면적 (\( \mu m \times \mu m \))</td><td>220x220</td><td>110x110</td><td>220x220</td><td>110x110</td><td>220x220</td><td>110x110</td><td>220x220</td></tr><tr><td>\( C_{0}[\mathrm{pF}] \)</td><td>1.972</td><td>0.506</td><td>1.972</td><td>0.506</td><td>1.972</td><td>0.506</td><td>1.972</td></tr><tr><td>\( C_{m}[\mathrm{fF}] \)</td><td>90.774</td><td>22.761</td><td>90.774</td><td>22.761</td><td>90.774</td><td>22.761</td><td>90.774</td></tr><tr><td>\( L_{m}\)[\(\mu\mathrm{H}] \)</td><td>0.760</td><td>0.290</td><td>0.760</td><td>0.290</td><td>0.760</td><td>0.290</td><td>0.760</td></tr></tbody></table> <table border><caption>표 2. GA를 이용하여 최적화 된 AlN두께, 공 진기 면적와 이에 대응하는 BVD 모델 값</caption> <tbody><tr><td></td><td>FBAR1</td><td>FBAR2</td><td>FBAR3</td><td>FBAR4</td><td>FBAB5</td><td>FBAR6</td><td>FBAR7</td></tr><tr><td>AIN두께 (\( \mu m \))</td><td>1.315</td><td>1.250</td><td>1.312</td><td>1.250</td><td>1.312</td><td>1.250</td><td>1.315</td></tr><tr><td>면적 (\( \mu m \times \mu m \))</td><td>118.7 x118.7</td><td>124.2 x124.2</td><td>216.4 x216.4</td><td>98.6 x98.6</td><td>216.4 x216.4</td><td>124.2 x124.2</td><td>118.7 x118.7</td></tr><tr><td>\( C_{0}[\mathrm{pF}] \)</td><td>0.574</td><td>0.646</td><td>1.909</td><td>0.407</td><td>1.909</td><td>0646</td><td>0.574</td></tr><tr><td>\( C_{m}[\mathrm{fF}] \)</td><td>26.363</td><td>28.963</td><td>87.632</td><td>18.289</td><td>87.632</td><td>28.963</td><td>26.363</td></tr><tr><td>\( L_{m}\)[\(\mu\mathrm{H}] \)</td><td>0.262</td><td>0.227</td><td>0.079</td><td>0.359</td><td>0.079</td><td>0.227</td><td>0.262</td></tr></tbody></table> <p> <표 1>은 기존의 방법으로 구현한 대역통과여파기의 각 FBAR공진기 압전물질 두께와 면적을 나타낸다. 압전물질의 두께는 직렬/병렬 FBAR가 각각 \( 1.96 \mathrm{GHz} \)에서 직렬/병렬 공진을 나타내는 두께로 IV.1에서 구한 결과와 같다. 한편 직렬공진기와 병렬공진기의 면적은 두 공진기의 면적비를 1: 1부터 1: 2까지 변화시켜가며 US-PCS 대역통과여파기 특성과 유사한 응답을 나타낼 때의 값으로 정하였다. 이 때 직렬 FBAR는 직렬 FBAR끼리, 병렬 FBAR는 병렬FBAR끼리 동일한 면적을 가진다고 가정하였다. 이렇게 얻어진 두께, 면적과 물질 상수 값으로부터 식 (3)을 이용하여 BVD모델 값을 구하였다. 저항 값 \( \left(R_{m}\right) \)은 식 (3)에서 보는 바와 같이 공진 주파수에서의 임피던스 위상변화 기울기로부터 구할 수 있는 공진기의 품질계수와 반비례관계에 있는데, 손실이 없는 공진기의 경우, 각 공진 주파수에서 위상변화는 무한대이므로, 품질계수 \( \mathrm{Q} \)는 무한대가 된다. 따라서 BVD 모델의 저항 성분은 모두 0이 된다.<표 2>는 본 논문에서 제안된 유전자 알고리즘을 통해 최적화 된 각 공진기의 압전 물질 두께와 공진기 면적을 나타낸다. 마찬가지로 각각의 두께, 면적, 물질 상수로부터 식 (3)을 이용하여 BVD모델 값을 구하였다.</p> <p> <그림 4(a)>과<그림 4(b)>는 각각<표 1>에 주어진 구조를 갖는 직렬/병렬 공진기의 임피던스 특성과 유전자 알고리즘을 이용하여 최적화한 직렬/병렬 공진기의 임피던스 특성을 나타낸다.<표 1>에 주어진 구조의 경우 정확하게 \( 1.96 \mathrm{GHz} \)에서 각각 직렬/병렬 공진을 나타내지만, 제안된 방법으로 최적화 된 구조는 공진주파수가 약간 이동하였음을 볼 수 있다. 또한 각 경우의 직렬/병렬 공진기에 대한 BVD 등가모델의 임피던스 특성도 함께 나타내었다. 식 (2)의 임피던스 특성식을 이용한 경우와 BVD모델을 이용한 경우 모두 공진 주피수 특성은 정확히 일치하지만, 임피던스 크기는 차이가 있다. 이러한 오차는 공진기에 대한 해석적 임피던스 특성 식을 3개의 소자로 이루어진 집중소자의 임피던스 특성으로 근사하면서 발생한 오차이다.<그림 4(c)>와<그림 4(d)>는<표 1>에 제시된 구조를 갖는 여파기와 제안된 유전자알고리즘을 이용하여 최적화된 구조의 여파기 응답 및 각 경우의 BVD 등가모델을 이용하여 구한 여파기의 \( S_{21}, S_{11} \)특성이다.<표 1>에 제시된 구조의 여파기 응답은 통과대역 내에서 심한 리플로 인해 \( 45.4 \mathrm{MHz} \)의 \( 3 \mathrm{~dB} \) 대역폭을 갖으며, \( \mathrm{S}_{11} \)크기는 \( -6.85 \mathrm{~dB} \)로 크게 나타났다. 저지대역에서의 감쇠는 \( -53.7 \mathrm{~dB} \)로 양호하지만 이 여파기는 통과대역특성을 개선시킬 필요가 있다. 제안된 방법을 이용하여 최적화된 구조의 대역통과 여파기는 \( 1960 \mathrm{MHz} \)중심주파수에 대해 \( 56.1 \mathrm{MHz} \)의 대역폭을 갖으며, 통과대역내의 리플크기는 최대 \( 0.44 \mathrm{~dB} \)로 평탄한 응답특성을 갖고 저지대역에서의 감쇠는 \( 38.8 \mathrm{~dB} \), 통과대역내의 \( \mathrm{S}_{11} \)크기는 -10.15dB로 US-PCS 수신 대역통과 여파기 특성을 만족시켰다. 저지대역의 감쇠가 눞아지는 대신 통과대역의 대역폭, 리플크기, \( S_{11} \)크기 등이 개선되었음을 볼 수 있다. 각각의 경우에 대해 BVD 등가 모델을 이용하여 구한 여파기 특성은 공진기의 임피던스 특성식을 이용하여 구한 여파기 특성과 차이를 나타냈다. 이것도 임피던스 식을 BVD 등가모델로 근사하면서 생긴 오차이다.</p> <p>따라서 본 논문에서 제안된 방법을 사용함으로써 원하는 여파기 응답을 갖도록 사다리형 여파기의 각 FBAR 구조를 최적화 할 수 있고, 공진기 임피던스 특성을 근사함으로써 발생하는 오차를 줄일 수 있음을 알 수 있다.</p>
|
[
"표의 FBAR4에서 22.761 값을 가지는 특성 항목은 뭐야?",
"표에서 면적이 가장 적은 FBAR의 AIN두께는 얼마야?",
"\\( C_{0}[\\mathrm{pF}] \\) 값이 1.972일 때 \\( C_{m}[\\mathrm{fF}] \\) 값은 뭐야?",
"표에서 \\( C_{0}[\\mathrm{pF}] \\)에서 최소값은 뭐야?",
"표에서 면적의 값과 반비례하는 값은 항목은 ?",
"표에서 가장 큰 면적 값은 얼마야?",
"표에서 가장 큰 값의 AIN두께는 얼마야?",
"표에서 AIN두께가 FBAR1와 같은 FBAR은 뭐야 ?",
"FBAR1의 \\( C_{0}[\\mathrm{pF}] \\) 값과 차이가 가장 적은 값을 가진 FBAR은 뭐야?",
"\\( C_{0}[\\mathrm{pF}] \\)의 FBAR4일 때 값은 뭐야?",
"\\( C_{m}[\\mathrm{fF}] \\)값이 가장 클때 \\( L_{m}\\)[\\(\\mu\\mathrm{H}] \\) 값은 얼마야?",
"\\( L_{m}\\)[\\(\\mu\\mathrm{H}] \\) 값이 0.262일 때 \\( C_{0}[\\mathrm{pF}] \\) 값은 뭐야?",
"\\( L_{m}\\)[\\(\\mu\\mathrm{H}] \\) 값이 최소일 때 AIN 두께는 얼마야?",
"표에서 AIN두께가 가장 작은 값은 얼마야?",
"표에서 가장 큰 \\( C_{m}[\\mathrm{fF}] \\)값을 가지는 FBAR의 AIN두께는 얼마야?",
"표에서 \\( C_{m}[\\mathrm{fF}] \\)값이 가장 적을 때 면적은 얼마야?",
"가장 적은 면적을 가진 FBAR의 \\( C_{0}[\\mathrm{pF}] \\)값은 얼마야?",
"FBAR2의 \\( C_{0}[\\mathrm{pF}] \\)와 같은 값을 가진 FBAR은 뭐야?",
"가장 적은 \\( C_{0}[\\mathrm{pF}] \\)의 면적은 얼마야?",
"\\( L_{m}\\)[\\(\\mu\\mathrm{H}] \\) 값이 0.262일 때 \\( C_{0}[\\mathrm{pF}] \\) 값은 뭐야?",
"표에서 면적이 216.4 x216.4일 때 \\( C_{m}[\\mathrm{fF}] \\) 값은 뭐야?",
"FBAR4에서 \\( L_{m}\\)[\\(\\mu\\mathrm{H}] \\) 값은 뭐야?",
"표에서 면적이 220x220일 때 \\( L_{m}\\)[\\(\\mu\\mathrm{H}] \\) 값은 뭐야?",
"표에서 FBAR2의 \\( L_{m}\\)[\\(\\mu\\mathrm{H}] \\) 값과 같은 값을 가진 FBAR은 뭐야?",
"\\( L_{m}\\)[\\(\\mu\\mathrm{H}] \\) 값이 0.262일 때 \\( C_{0}[\\mathrm{pF}] \\) 값은 뭐야?",
"표에서 \\( L_{m}\\)[\\(\\mu\\mathrm{H}] \\)의 값이 가장 적은 FBAR 중 가장 높은 번호를 가진 FBAR는 뭐야?"
] |
ddc495d2-d469-4f7b-8c4a-d135e66b6e41
|
인공물ED
|
수용액 환경에서 수은 측정을 위한 로다민 기반의 광섬유 센서 개발
|
<h1>4. 결 론</h1><p>수중환경 속 수은을 검출하기 위한 센서 개발을 목적으로, 로다민 유도체 기반의 광섬유 센서를 제작 하였다. 로다민 염료를 이용하여 유도체를 합성하고, 졸겔법으로 시편에 고정시켜 수은 감지부를 제작하였으며, 최적의 유도체 합성 조건과 졸겔 제작 비율을 도출하였다. 제작된 수은 감지부의 성능을 평가하기 위해 농도가 다른 수은 용액에서 나타나는 광학적 특성을 측정하여 농도와 흡광 강도 사이의 관계를 분석하였다. 합성한 로다민 유도체는 다른 중금속에 비해 수은에 대하여 2배 이상의 반응성을 보였다. 수은의 농도에 따라 수은 감지부의 발색 정도 차이를 광섬유 센서로 측정한 결과, \( 525 \sim 535 \mathrm{nm} \) 사이에서 최대 흡광 강도가 측정되었고, UV-Spectrophotometer로 측정한 수은에 대해 합성된 유도체 용액의 범위와 매우 유사함을 확인하였다. 측정 결과 분석을 통해 수은 농도와 흡광 강도 사이에 2 차 함수의 상관관계를 확인하였다. 연구 결과, 수중에서 환경오염 물질인 수은의 농도를 측정 하는 센서로서 광섬유 센서의 가능성을 확인 하였다. 추후 연구로 광섬유 센서 구조에 감지부를 결합한 센서 개발을 진행할 예정이다.</p>
|
[
"로다민 유도체 기반의 광섬유 센서를 제작한 이유는 무엇을 검출하기 위함인가?",
"어디에 있는 수은을 검출하기 위한 센서 개발을 목적으로 센서를 제작하였나?",
"어떤 염료를 이용하여 유도체를 합성하였는가?",
"로다민 염료를 이용하여 무엇을 합성하였는가?",
"졸겔법을 이용하여 수은 감지부를 제작할 때 어디에 고정시켰는가?",
"졸겔법으로 시편에 고정시킴으로써 어느 부분을 만들었는가?",
"수중환경 속 수은을 검출하기 위한 센서 개발을 목적으로 어떤 기반의 광섬유 센서를 만들었는가?",
"수중환경 속 수은을 검출하기 위한 무엇을 개발하기 위해 제작하였나?",
"어떤 방법으로 시편에 고정시켜 수은 감지부를 제작하였는가?",
"본 논문에서 제작한 광섬유 센서는 무엇을 도출하였는가?",
"제작된 수은 감지부의 성능을 평가하기 위해 사용한 수은 용액의 어떤 값을 다르게 설정하였는가?",
"본 논문에서는 로다민 유도체를 기반으로 하여 무엇을 만들었는가?",
"다른 중금속에 비해 수은에 대해 곱절로 높은 반응성을 보인 것은 무엇인가?",
"농도와 흡광 강도 사이의 관계를 살펴본 이유는 제작된 수은 감지부의 성능을 평가하기 위해서인가?",
"수은의 농도에 따라서 수은 감지부의 어떤 것이 정도의 차이를 보이는가?",
"농도가 다른 수은 용액에서 나타나는 광학적 특성을 측정한 것은 제작된 수은 감지부의 무엇을 평가하기 위함인가?",
"합성한 로다민 유도체는 다른 어떤 물질에 비해 수은에 대한 2배 이상의 반응성을 나타냈는가?",
"농도가 다른 수은 용액에서 나타나는 광학적 특성을 측정함으로써 파악할 수 있는 관계는 무엇과 무엇인가?",
"합성한 로다민 유도체 유난히 큰 반응을 나타낸 중금속의 종류는 무엇인가?",
"졸겔법을 사용하여 시편에 유동적인 수은 감지부를 만들었는가?",
"제작된 수은 감지부의 성능 평가를 위해 이것의 농도를 달리하면 광학적으로 차이점이 발생하는데, 이것은 무엇인가?",
"본 실험에서는 수은의 농도에 따른 수은 감지부의 발색 정도의 차이를 측정하기 위해 무엇을 사용하였는가?",
"수은의 농도에 따라 수은 감지부의 발색 정도 차이를 광섬유 센서로 측정한 결과에 따라 \\( 525 \\sim 535 \\mathrm{nm} \\) 사이를 무엇이라고 말할 수 있는가?",
"\\( 525 \\sim 555 \\mathrm{nm} \\) 사이를 최대 흡광 강도라고 말할 수 있는가?",
"본 실험에서 수은에 대해 합성된 유도체 용액의 범위를 측정하는 데에 사용한 것은 무엇인가?",
"수은 용액이 각각 농도가 다를 때 나타나는 것은 어떤 특성인가?",
"광섬유 센서로 측정한 결과와 UV-Spectrophotometer로 측정한 결과는 서로 값이 어땠는가?",
"측정 결과 분석을 통해 흡광 강도와 무슨 농도를 분석해보았나?",
"UV-Spectrophotometer로 측정한 수은에 대해 합성된 유도체 용액의 범위는 \\( 525 \\sim 535 \\mathrm{nm} \\)와 비슷하였나?",
"수은은 수중에서 환경오염 물질이라 말할 수 있는가?",
"측정 결과를 분석하였더니 수은 농도와 흡광 강도 사이에는 어떤 관계가 있다는 것을 파악하였나?",
"추후에 연구될 광섬유 센서는 추가적으로 무엇이 결합될 예정인가?",
"다음 연구에서 광섬유 센서 구조를 보다 더 개발해보기로 결정한 이유는 이번 연구에서 무엇을 보았기 때문이라고 할 수 있는가?",
"광섬유 센서를 통해 수은의 농도를 측정할 수 있는가?",
"추후 광섬유 센서 구조를 더 개발하는 이유는 이미 앞선 연구에서 가능성을 보았기 때문인가?",
"본 연구를 통해 수은 농도 측정을 위한 무엇의 가능성을 보았는가?",
"추후 연구에서는 감지부를 무엇과 결합할 예정인가?",
"측정 결과 수은 농도와 2 차 함수의 상관관계를 가지는 것은 무엇인가?",
"광섬유 센서를 통해 수은의 농도를 낮출 수 있는가?",
"이번 연구에서 광섬유 센서의 가능성을 확인하였기에 구조 변형은불필요한가?"
] |
c11cd20a-f906-46e0-a3e8-07528547d3f4
|
인공물ED
|
수용액 환경에서 수은 측정을 위한 로다민 기반의 광섬유 센서 개발
|
<h1>3. 결과 및 고찰</h1><h2>3.1 수은 감지부 특성</h2><p>로다민 유도체 합성을 위하여 최적의 합성조건을 얻기 위하여 다양한 합성조건에 따른 수득률을 평가하였다. 합성 조건으로 환류온도, 환류시간, acetonitrile 용매의 첨가량, 용매에서 합성물의 재결정 작용시간을 사용하였고 실험에서 적용한 합성조건의 조합은 Table 1 에 나타난 바와 같다. 5 가지 합성 조건 중에서 \( 70^{\circ} \mathrm{C} \) 의 환류온도, 21 시간의 환류 시간, \( 25 \mathrm{ml} \) 의 용매 첨가, 30 분의 재결정 시간을 가진 경우 에 \( 96.7 \% \) 로 가장 높은 수득률을 얻었다. 유도체 합성과정 후에 FT-IR을 이용하여 각 조건에 대해 합성된 유도체의 구조가 문헌에서 제시하고 있는 구조와 유사한지 분석 하였으며, 그 결과 실험번호 5 유도체가 가장 유사한 구조를 가지는 것을 확인하였다.</p><p>각 조건에서 얻은 로다민 유도체의 수은에 대한 반응성을 평가하기 위해, 수은이 포함된 용액에 각각 첨가하였다. 수은이 포함된 용액은 로다민 유도체를 첨가하자 무색에서 분홍색으로 색 변화가 나타났고, 유도체의 합성 조건에 따라 용액의 색은 옅은 분홍색에서 진한 분홍색까지 색의 차이를 보였다. Fig. 4는 UV-spectrophotometer (UV-2450, SHIMADZU)로 각 용액의 흡광 강도를 측정한 결과를 나타낸다. 수은 용액에 대해 실험번호 5 유도체가 다른 조건의 유도체보다 약 2 배 이상의 반응성을 확인하였다.</p><table border><caption>Table1. Synthesis condition of Rhodamine derivative</caption><tbody><tr><td>Test number</td><td>1</td><td>2</td><td>3</td><td>4</td><td>5</td></tr><tr><td>Reflux temperature \( \left({ }^{0} \mathrm{C}\right) \)</td><td>50</td><td>70</td><td>50</td><td>60</td><td>70</td></tr><tr><td>Reflux time (\(\mathrm{hr}\))</td><td>17</td><td>17</td><td>21</td><td>21</td><td>21</td></tr><tr><td>Additional solvent amount (\(\mathrm{ml}\))</td><td>35</td><td>35</td><td>25</td><td>15</td><td>25</td></tr><tr><td>Recrystallization time (min)</td><td>30</td><td>25</td><td>30</td><td>30</td><td>30</td></tr><tr><td>Yield (\(\%\))</td><td>67.1</td><td>69.3</td><td>48.3</td><td>57.2</td><td>96.7</td></tr></tbody></table><p>따라서 로다민 유도체 합성을 위한 합성 조건으로 실험 번호 5 가 가장 적합하다고 판단하여, 이후의 실험을 위한 로다민 유도체로 사용하였다.</p><p>로다민 유도체의 수은에 대한 선택적 반응성을 확인하기 위해, 합성된 유도체가 포함된 용액에 \( \mathrm{Hg}^{2+}, \mathrm{Li}^{+}, \mathrm{K}^{+}, \mathrm{Mg}^{2+}, \mathrm{Zn}^{2+} \), \( \mathrm{Mn}^{2+} \) 를 각각 첨가하여 흡광 강도를 측정하여 비교 하였다. 각 용액은 UV-Spectrophotometer를 이용하여 측정하였다. Fig. 5에 나타난 바와 같이 로다민 유도체는 수은 이온이 첨가된 경우에 다른 중금속이 첨가된 경우에 비해 약 2 배 이상 높은 흡광 강도를 보였다. 이는 합성된 로다민 유도체를 수은 이온의 검출에 사용할 수 있음을 나타낸다.</p><p>로다민 유도체를 이용하여 졸겔법으로 수은 감지부를 제작 하였을 때 수은이온과의 반응성을 육안으로 관찰하여 광섬유 센서의 감지부로 사용될 수 있는지 확인하였다. 제작된 감지부를 수은 이온의 농도가 \( 1,10,50,100,200 \mathrm{ppm} \) 인 용액에 넣어 발색 정도의 차이를 확인 하였다. Fig. 6 은 감지시편이 수은 용액과 접촉한 뒤 나타나는 발색 결과를 보여준다. 높은 수은 농도에 접촉한 시편일수록 낮은 수은 농도에 접촉한 시편에 비해 더 진한 분홍빛을 발하였다. 즉, 감지부의 발색 정도에 대한 광학적 특성의 변화 정보를 가지고 있을 경우 수중에서 수은 이온의 농도를 측정할 수 있음을 나타낸다.</p><h2>3.2 광섬유 센서 측정</h2><p>수은 감지부의 성능을 평가하기 위해 농도에 따른 발색 정도의 차이를 광섬유 센서로 측정하였다. 수은 용액의 농도에 따라 감지부의 발색이 충분히 일어난 후 측정 하였으며, 430\(\sim\) 650 \(\mathrm{nm}\)를 기준으로 흡광 강도와 \( 525 \mathrm{~nm} \) 를 기준으로 한 각 농도에서의 최대 흡광 강도를 분석하였다.</p><p>Fig. 7을 보면 흡광도의 최대 흡광 강도는 \( 525 \sim 535 \mathrm{~nm} \) 파장 사이에서 형성 되었고, 각 농도에 대해 흡광도의 파장에 대한 형상이 유사한 것으로 나타났음을 확인할 수 있다. 1 \( \mathrm{ppm} \) 과 10 \( \mathrm{ppm} \) 의 경우, 최대 흡광 강도는 각각 0.0026, 0.0037 로 측정되었고, \( 480\sim580 \mathrm{~nm} \) 파장에서 평균 0.0007 의 근소한 차이를 보이며 나머지 파장에서는 매우 유사하게 측정되었다. \( 50 \mathrm{ppm} \) 에서의 최대 흡광 강도는 0.012로 \( 10 \mathrm{ppm} \) 과 확연하게 큰 폭으로 흡광 강도가 증가한다. 또한 \( 100 \mathrm{ppm} \) 에서는 최대 흡광 강도 0.019, 200 \( \mathrm{ppm} \) 에서는 최대 흡광 강도 0.029 로 약 0.01 의 차이를 보인다.</p><p>\( 525 \mathrm{~nm} \) 파장을 기준으로 수은 감지부의 최대 흡광 강도를 측정한 결과, Fig. 8에서 볼 수 있듯이 2차 방정식의 포물선 형상을 띠었다. 다양한 농도에 대한 최대 흡광 강도 사이의 관계는 2 차 함수의 상관관계를 보인다. 수은의 농도가 증가 할수록 흡광 강도가 증가하는 것을 보아 농도에 따라 흡광 강도의 차이가 확인된다. 따라서 제작된 감지부를 이용하여 수은의 농도를 추측하는 것이 가능하다.</p>
|
[
"테이블 1의 Additional solvent amount에 실험 번호 4번의 값은 무엇이야?",
"로다민 유도체 합성을 위하여 어떤 평가를 했어?",
"실험에서 적용한 합성조건의 조합은 어디에서 볼 수 있어?",
"흡광도의 최대 흡광 강도는 어떻게 나타났어?",
"최대 흡광 강도는 얼마로 확인되나요?",
"합성 조건으로는 무엇을 사용했어?",
"무엇을 합성 조건으로 이용했나요?",
"테이블 1에서 Reflux temperature의 실험 번호 5번 값은 어떻게 나오는가?",
"테이블 1에서 Reflux time 의 실험 번호 3번 결과는 뭐가 나와?",
"테이블 1에서 Reflux temperature의 실험 번호 1번 값은 뭐야?",
"본 실험을 통해 얻은 로다민 유도체의 수은에 대한 반응성을 알아보고자 어디에 투여했어?",
"로다민 유도체를 수은이 들어있는 용액에 첨가하자 무색에서 어떤 색으로 바뀌었다고 하는가?",
"로다민 유도체 합심 조건으로 무엇이 적절하다고 하는가?",
"로다민 유도체의 수은에 대한 선택적 반응성을 확인하기 위해 무엇을 통해 측정했어?",
"로다민 유도체는 수은 이온이 투여된 경우에 다른 중금속이 투여된것보다 약 4 배 이상 높은 흡광 강도를 띄는가?",
"로다민 유도체를 통해서 무엇으로 수은 감지부를 만들었다고 하는가?",
"수은 감지부의 기능을 알아보고자 무엇으로 계량했어?",
"525 nm 파장을 기준점으로 해서 수은 감지부의 최대 흡광 강도를 계량한 결과 어떻게 보인다고 하는가?",
"1 \\( \\mathrm{ppm} \\) 과 10 \\( \\mathrm{ppm} \\) 의 조건에서, 최대 흡광 강도는 어떻게 나온다고 하는가?"
] |
6148ddfe-18bc-409b-b6d5-1e26f3695567
|
인공물ED
|
수용액 환경에서 수은 측정을 위한 로다민 기반의 광섬유 센서 개발
|
<h1>2. 연구 방법</h1><p>수중의 수은 이온 검출을 위한 광섬유 센서 연구는 유도체 합성과정, 수은 감지부 제작과정, 광섬유 센서 측정과정으로 구성된다. 유도체 합성과 감지부 제작에 사용된 모든 시약 및 용액은 Sigma Aldrich 사에서 구매 하였으며, 별도의 정제 없이 사용하였다.</p><p>수은 이온에 반응하는 로다민 유도체 합성과정은 참고 논문에 근거하여 수행하였고, Fig.1에 실험과정을 제시 하였다. 유도체의 합성을 위하여 Rhodamine 6G 염료 958 \(\mathrm{g}\) (2 \(\mathrm{mmol}\))을 \( 70^{\circ} \mathrm{C} \) 뜨거운 에탄올 \( 20 \mathrm{ml} \) 에 녹인 뒤 Ethylene diamine \( 0.67 \mathrm{ml} \) \( (10 \mathrm{mmol}) \) 을 추가하여 혼합물의 형광이 사라질 때까지 약 20 시간 이상 환류시킨다. 상온으로 식힌 혼합물을 여과시켜 침전물을 수집한 뒤, 차가운 에탄올로 세척하여 불순물을 제거한다. 침전물을 모아 Acetonitrile 용매에 넣어 재결정을 형성하도록 하여 수은 감지 물질인 합성 유도체 N-(Rhodamine 6G)-lactam ethylene diamine 을 만든다. 유도체의 합성 조건을 얻기 위하여 환류 온도, 환류시간, 용매첨가량, 재결정 시간 등 합성 조건을 달리하여 최적의 유도체 합성 조건을 도출하였다.</p><p>수은 감지물질인 로다민 유도체로 광섬유 센서의 감지부를 제작하기 위하여 정형화된 졸겔법을 이용하였다. 졸겔 법에서 전구체 물질로 TMOS (Tetramethyl Orthosilicate) 를 사용하였고, 용매로는 코팅 중에 증발이 천천히 일어 나도록 증류수를 가수 분해제로 사용하였으며, MTMS (Trimethoxy Methylsilane)를 사용하여 로다민 유도체와 실리카(silica) 사이에서 화학 결합의 접착성을 향상시켰다. 또한 용액을 균일하게 혼합하기 위해 에탄올을 첨가하였다. 졸겔법에서 용액의 조성은 \(\mathrm{TMOS : MTMS} :\mathrm{H}_{2} \mathrm{O}: \mathrm{EtOH}=24 \mathrm{ml}: 6 \mathrm{ml}: 7.5 \mathrm{ml}: 30 \mathrm{ml} \) 으로 설정하였다. 조제된 용액에 합성된 유도체를 첨가하여 2 시간 동안 교반시킨 후, 코팅장치(dip-coater)를 이용하여 투명한 유리시편에 유도체를 코팅하여 광섬유 센서의 수은 감지부를 제작하였다.</p><p>수은 이온 측정을 위한 광섬유 센서는 광원, 수은 감지부, 플라스틱 광섬유(GH 4001, Mitsubishi Rayon), 와이 커플러(Y-coupler), 분광계(QE65000, Ocean Optics)로 구성되며, Fig. 3에 나타내었다. 광원으로 안정적인 할로겐(DH-2000-BAL, Ocean Optics) 를 사용하였다. 광원에서 방출된 빛은 플라스틱 광섬유를 통하여 수용액에 담긴 시편을 투과하고, 거울을 통해 반사되어 분광계로 전송되고 컴퓨터에 데이터로 저장된다. 광섬유 센서를 이용한 수은 이온 측정 중 주변 환경의 영향을 받지 않도록 암실상태를 구성하였다.</p>
|
[
"졸겔 법에서 사용된 전구체 물질은 무엇인가?",
"어떤 전구체 물질이 졸겔 법에서 이용되었지",
"졸겔법에서 용액 조성은 어떻게 설정하였는가?",
"졸겔법에서 용액 조성은 어떻게 정해졌어",
"최적의 유도체 합성조건은 어떻게 도출하였는가?",
"어떻게 최적의 유도체 합성조건을 계산했어",
"수은 감지물질인 로다민 유도체로 광섬유 센서의 감지부를 제작하기 위하여 어떤방식을 이용하였는가?",
"수중의 수은 이온 검출을 위한 광섬유 센서 연구는 어떤 과정으로 구성되는가?",
"로다민 유도체로 광섬유 센서의 감지부를 제작하기 위한 방법은 무엇인가?",
"광섬유 센서를 이용한 수은 이온 측정이 주변환경에 영향을 받지 않기 위한 방법은 무엇인가?",
"유도체 합성과 감지부 제작에 사용된 모든 시약 및 용액은 어덯게 설정되었나?",
"수은 이온에 반응하는 로다민 유도체 합성과정은 어떻게 되는가?",
"합성된 유도체의 불순물은 어떻게 제거하는가?",
"어떻게 합성된 유도체의 불순물을 제거해",
"수은 이온 측정을 위한 광섬유 센서는 어떻게 구성되었나?",
"수은 이온 측정을 위한 광섬유 센서는 어떻게 조직되지",
"광원에서 방출된 빛은 어떻게 데이타로 저장되는가?",
"광원에서 방출된 빛은 어떤 방법으로 데이타로 저장되는가"
] |
dd15105a-c975-4330-b650-4e6b966dce80
|
인공물ED
|
수용액 환경에서 수은 측정을 위한 로다민 기반의 광섬유 센서 개발
|
<h1>1. 서 론</h1><p>최근 화학센서의 소형화 및 기능화를 갖춘 센서에 대한 연구가 활발하게 이루어지고 있다. 이에 따라 분석물의 감지 능력에 대한 선택적 상호인식작용을 이용하여 광 신호로 분석되는 광화학적 센서가 각광받고 있다. 광화학 센서의 개발은 다양한 전공분야에서 활용되어지고 있다. 중금속에 의한 환경오염 문제가 심각해지면서 금속 이온을 검출하기 위한 광화학센서 개발 연구도 여러 차례 진행되고 있다.</p><p>수은은 인체에 유해한 중금속으로, 체내에 유입될 경우 인간의 뇌, 중추신경, 신장, 간 등에 치명적이며, 운동장애와 언어장애 및 마비 증세를 일으킨다. 수은에 의한 위해를 사전에 예방하기 위하여, 수중에 용해된 수은의 실시간 감지가 매우 중요시되고 있다.</p><p>수은 이온의 검출을 위하여 전압 전류법, 원자 흡수 분광법과 같은 여러 가지 기술이 개발되었지만, 측정을 위한 전처리 과정이 복잡하고 정교한 분석 기술이 요구되기 때문에, 현장에서 실시간으로 감시가 불가능하다는 단점을 가진다. 반면에 수은 감지 물질의 광학적 특성을 이용하는 광섬유 센서는 현장에서 실시간 검출이 가능하고, 조작이 간단하며, 감도가 높다. 또한 감지물질의 반응속도가 빠르기 때문에 순간 측정이 가능하며, 공간에 구애 받지 않는 이점으로 인해 실질적 측면에서 매우 유용한 것으로 알려져 있다.</p><p>수은을 검출하기 위해 사용되는 여러 물질 중 로다민(Rhodamine) 유도체는 Noelting과 Dziewonsky에 의해 1905년 처음 연구되었다. 로다민 유도체는 높은 광 감응적 특성을 가지고 있어 다양한 이온들을 검출하는데 많이 사용되고 있다. 로다민 유도체의 고분자를 이용한 금속 감지 센서는 분석하고자 하는 금속 이온과 결합하게 되면 Spirolactam 구조의 개환(ring-opening)에 의해 무색에서 분홍색으로 색의 변화와 강한 형광을 나타낸다. 로다민 유도체는 형광특성을 이용하여 생물학적 측면 및 수중의 여러 중금속을 검출하기 위한 형광 화학센서 분야와, 흡수 스펙트럼을 측정하여 분석 이온의 농도를 정량하기 위한 광화학 센서 분야에서 연구되고 있다.</p><p>본 연구에서는 로다민 유도체를 이용하여 수중환경의 수은 검출을 위한 광섬유 센서를 제작하고, 수은의 농도에 따른 흡광 강도 변화를 측정분석하여 센서의 성능을 평가하였다.</p>
|
[
"광화학 센서란 무엇인가?",
"무엇이 광화학 센서일까?",
"수은을 검출하기 위한 기술엔 어떤것들이 있는가?",
"수은을 검출하기 위해 어떤 기술이 있어?",
"수은 검출에 사용되는 유도체는 무엇인가?",
"어떤 유도체가 수은 검출에 사용되지?",
"로다민 유도체가 다양한 이온 검출에 많이 사용되고 있는 이유는 무엇인가?",
"로다민 유도체는 형광특성은 어떤 분야에서 연구되고 있는가?",
"로다민 유도체는 형광특성을 어떤 분야에서 조사하지",
"분석하고자 하는 금속 이온과 결합하면 무색에서 분홍색으로 색의 변화와 강한 형광을 나타내는 감지센서는 무엇인가?",
"로다민 유도체의 고분자를 이용한 금속 감지 센서가 무색에서 분홍색으로 변화하는 것은 무엇때문인가?",
"중금속에 의한 환경오염 문제를 해결하기 위해 연구 개발 중인 공화학센서는 무엇인가?",
"수은이 인체에 미치는 영향은 무엇인가?",
"어떤 영향을 수은의 인체에 미치니?",
"수은 이온의 검출을 위하여 개발된 기술은 어떤 단점을 가지고 있는가?",
"광섬유 센서는 어떤 장점이 있는가?",
"어떤 장점이 광섬유 센서에게 존재하지?",
"광섬유 센서의 감지물질에 대한 반응 속도가 빠르므로 얻는 장점은 무엇인가?"
] |
44bf526c-2d2a-4c9c-873e-5aebefd22126
|
인공물ED
|
위성통신 시스템용 위상 고정 루프 주파수 합성기의 위상 잡음 예측 모델
|
<h2>4-2 주파수 합성기 제작 및 위상 잡음 측정</h2> <p>주파수 합성기는 표 \(1\)과 같은 파라미터를 사용하여 설계 제작하였다. \( 200 \mathrm{kHz} \) 주파수 선택과 S 대역 출력 주파수를 갖는 주파수 합성기는 \( 10 \mathrm{MHz} \) TCXO(Temperature Controlled Crystal Oscillator) 또는 OCXO(Oven Controlled Crystal Oscillator) 기준 주파수 신호 발진기를 사용한다.</p> <p>기준 신호 발진기와 전압 제어 발진기의 위상 잡음 특성은 곡선 접합(curve fitting)을 사용하여 식 (\(4\))의 주파수 기울기 특성을 갖는 위상 잡음 성분으로 모델링한다. 그림 \(6\)과 그림 \(7\)은 이와 같이 모델링된 기준 신호 발진기와 전압 제어 발진기 위상 잡음 성분과 위상 잡음 성분들의 계수를 나타내고 있다. 따라서, 위상 잡음 전압 성분은 그림 \(6\)과 그림 \(7\)의 \( N_{r e f}(f) \) 와 \( N_{V C O}(f) \) 로 나타낼 수 있다.</p> <table border><caption>표 1. 주파수 합성기의 설계 파라미터</caption> <tbody><tr><td>Parameter</td><td>Value</td></tr><tr><td>Output frequency</td><td>\( 2.5 \mathrm{GHz} \)</td></tr><tr><td>Comparator operating frequency</td><td>\( 200 \mathrm{kHz} \)</td></tr><tr><td>VCO gain</td><td>\( 68.4 \mathrm{MHz} / \mathrm{V} \)</td></tr><tr><td>Phase - Frequency comparator gain</td><td>\( 1 \mathrm{mA} \)</td></tr><tr><td>Phase margin</td><td>\( 55^{\circ} \)</td></tr><tr><td>Reference frequency</td><td>\( 10 \mathrm{MHz} \)</td></tr><tr><td>TCXO / OCXO</td><td>Custom</td></tr><tr><td>VCO</td><td>Murata</td></tr><tr><td>Phase - Frequency comparator noise</td><td>\( -210 \mathrm{dBc} / \mathrm{Hz} \)</td></tr><tr><td>Loop bandwidth</td><td>\( 5 \mathrm{kHz}, 10 \mathrm{kHz} \)</td></tr></tbody></table> <p>분주기의 위상 잡음 모델은 식 (\(5\))와 사용하는 위상 - 주파수 PLL의 분주기 특성으로부터 적합한 계수를 사용하여 잡음 전압 크기를 모델링한다. 또한, 저역 통과 필터의 잡음 성분 잡음 \( N_{R_{1}}(f), N_{R_{2}}(f) \) 성분들은 저항 \( R_{1} \) 와 \( R_{2} \) 로부터 발생하는 잡음이 전압 제어 발진기로 전달되는 잡음 전달 특성 식 (\(15\))와 (\(16\))을 이용하여 발생되는 위상 잡음 크기를 구하는 식 (\(11\))을 적용하여 모델링한다. 따라서, 주파수 합성기의 잡음을 포함한 주파수 합성기의 위상 잡음은 식 (\(2\))를 이용하여 다음과 같이 표현할 수 있다.</p> <p>\( S_{\phi, F S}(f)=10 \log \left[\left|N_{r e f}(f) \cdot G_{c}(f) \cdot \frac{N}{R}\right|^{2}\right. +\left|N_{V C O}(f) \cdot \frac{1}{1+G_{o}(f)}\right|^{2}+\left|N_{R_{1}}(f)\right|^{2}+\left|N_{R_{2}}(f)\right|^{2} \left.+\mid\left\{N_{D d}(f)+N_{D N}(f)+N_{D R}(f)\right\} \cdot G_{c}(f) \cdot M^{2}\right] \)<caption>(18)</caption></p> <p>여기서, \( N_{p d}(f) \) 는 식 (\(8\))로부터 위상 비교기에서 발생하는 위상 잡음 크기를 나타낸 것으로, 설계하는 표 \(1\)의 주파수 합성기 출력 주파수 신호와 비교기의 동작 주파수 그리고 비교기의 성능 지수 FOM 값을 사용한다.</p> <p>그림 \(8\)은 저역 통과 필터(LPF)를 구성하는 저항 성분 영향을 고려하지 않을 경우와 분주기 잡음을 모델링하지 않았을 경우, 그리고, 식 (\(18\))을 적용하여 위상 잡음을 예측한 경우의 위상 잡음 특성을 나타내고 있다. 그림으로부터 저역 통과 필터를 구성하는 저항의 잡음을 고려하지 않을 경우에는 오프셋 주파수가 높은 영역에서 차이가 발생하며, 주파수 분주기를 고려하지 않은 경우에는 중간 오프셋 주파수 영역에서 위상 잡음의 차이가 발생함을 알 수 있다. 따라서, 식 (\(18\))을 적용하여 보다 더 정확하게 주파수 합성기의 위상 잡음스펙트럼 분포 특성을 예측할 수 있음을 알 수 있다.</p> <p>그림 \(9\)는 설계 제작된 주파수 합성기의 위상 잡음을 측정한 결과이며, 그림 \(10\) 은 측정된 주파수 합성기의 위상 잡음과 주파수 합성기 위상 잡음 예측 모델 식 (\(18\))에 의한 결과를 비교한 것이다.</p> <p>그림 \(10\)으로부터 측정된 위상 잡음과 식 (\(18\))으로부터 예측한 데이터가 일치하고 있음을 알 수 있다. 루프 대역폭 \( 5 \mathrm{kHz} \) 를 갖는 주파수 합성기의 측정 위상 잡음은 예측 데이터와 \( 1 \mathrm{kHz} \sim 10 \mathrm{kHz} \) 오프셋 주파수 영역에서 측정 범위 오차 \( 2 \mathrm{dB} \) 이내의 일치성을 보이며, \( 10 \mathrm{kHz} \) 대역폭에 대한 합성기의 위상 잡음 특성 또한 \( 1 \sim 2 \mathrm{dB} \) 이내의 오차 범위내에서 계산한 결과와 일치하고 있다.</p>
|
[
"다음 표 1 주파수 합성기의 설계 파라미터에서 파라미터 Reference frequency가 갖는 Value값은 뭐야?",
"주파수 합성기는 어떻게 설계 제작되었어?",
"어떻게 주파수 합성기가 설계되었지",
"표 1에서 Comparator operating frequency의 Value 값은 뭐야?",
"표 1에서 Comparator operating frequency의 Value 수치가 뭐지",
"파라미터 Phase - Frequency comparator noise는 표 1. 주파수 합성기의 설계 파라미터에서 Value가 무엇이라고 설명해?",
"표 1의 값들 중에서 Phase margin는 Value가 어떻게 돼?",
"표 1의 값들 중에서 Phase margin는 Value는 어때",
"표 1에서 Output frequency의 값은 뭐야?",
"무엇이 표 1에서 Output frequency의 값이지",
"다음 표 1에서 파라미터 Phase - Frequency comparator gain는 어떤 Value값을 나타내?",
"표 1에서 Value가 Custom인 파라미터는 뭐야?",
"표 1에서 Value가 Custom인 파라미터가 뭐지",
"표 1에서는 VCO gain의 Value값이 무엇이라고 설명해?",
"표 1에서는 VCO gain의 Value값은 어떻게 되",
"분주기의 위상 잡음 모델은 어떻게 잡음 전압 크기를 모델링해?",
"주파수 합성기의 설계 파라미터를 타나내는 표 1을 참고했을 때 Loop bandwidth 파라미터의 경우 Value값이 무엇이야?",
"표 1. 주파수 합성기의 설계 파라미터에서 Value가 Murata을 나타낼 때 파라미터는 무엇이야?"
] |
bc86048a-81eb-438c-a505-15bff0566bb0
|
인공물ED
|
실시간 물체 검출을 위한 고효율 Viola-Jones 검출 프레임워크
|
<h1>Ⅱ. Vlola-Jones 검출기 관련 연구</h1><h2>1. 기존 물체 검출기의 한계점</h2><p>iola-Jones 알고리즘에서 사용하는 Haar-likefeature의 overcomplete set은 임의의 비율로 정교하게 샘플링된 위치를 가진 특징들을 제공하기 때문에 풍부한 특징 표현법이며, 특징 계산 속도가 굉장히 빠른 특징을 갖고 있다.</p><p>서브윈도우 크기에 따른 Haar-like feature의 overcomplete set의 수는 그림 1의 수식으로 계산할수 있다. 그러나 Haar-like feature는 경계선 정보만을 이용하기 때문에 성능 향상에 한계가 있다.</p><p>또 다른 한계점은 정규화이다. Haar-like feature는정규화가 필수적인데, 기존의 분산정규화를 이용하면 영상의 밝기 변화가 작은 영역에서 오검출이 증가하게 되며, 정규화를 위해 별도의 적분영상을 더 생성해야하기 때문에 처리 속도에 적지 않은 영향을 미치게 된다. 이를 개선하기 위해 현재까지 연구된Viola-Jones 물체 검출기 관련 연구 주제는 크게 속도 또는 검출성능 향상의 두 가지로 볼 수 있다.</p><h2>2. 검출성능 항상을 위한 기존 연구</h2><p>Lienhart와 Maydt 는 Viola와 Jones가 제안한 4가지 종류의 Haar-like feature를 확장하여 회전된 특징 등이 추가된 14개의 Haar-like feature 집합을 소개하였다. 이 새로운 특징 집합은 기존의 간단한 4개의 특징에 비해 표현이 훨씬 풍부하다. 적용 결과 이특징들로 학습된 검출기는 동일한 DR일 때 10\(\%\) 낮아진 FPR을 보였다.</p><p>akeshi Mita et al. 는 Joint Haar-like feature를 제안하였다. 이 논문에서 제안하는 특징은 여러Haar-like feature들의 동시 발생을 기반으로 하며 구조적으로 유사한 것으로 판명된 동시발생은 효율적인 분류기를 만드는 것을 가능하게 해준다고 밝히고 있다. 얼굴 검출기는 기존의 Adaboost 알고리즘을 기반으로 Joint Haar-like feature의 stagewise selection에의해 학습된다. 이 특징을 적용한 실험 결과 JointHaar-like feature는 매우 빠르게 계산될 수 있으며 잡음이나 조명의 변화에도 강인하다고 밝혔다.</p><p>다음으로 Ramirez와 Fuentes 는 AsymmetricTotally Corrective Boosting이라는 알고리즘을 제안하였다. 이 boosting 알고리즘은 Viola와 Jones의 검출 프레임워크와 두 가지 방면에서 다른 알고리즘인데, 첫 번째는 대칭적인 loss가 아닌 비대칭적인 loss에 대해 최적화한 것이고, 두 번째는 일반적인 boosting 알고리즘에서 사용하는 stagewise 최적화와 대조해서 totally corrective 방식으로 업데이트 되도록보다 효율적인 boosting을 설계한 것이다. 또한 제안하는 부스팅 알고리즘은 기존의 boosting과는 다르게 캐스케이드를 학습하는 동안 분류에 무관한 약분류기를 제거하는 de-select가 가능하다. 이 연구의 실험은 얼굴과 보행자 검출을 통해 입증하였으며, 실험 결과개선된 검출 성능과 학습된 강분류기에 있는 약분류기의 개수가 더욱 적어진 것을 보였다.</p><p>일반적으로 검출성능 향상을 위한 기존의 연구들은 보통 학습이나 분류 시 연산량이 많아져 기존보다는 느린 속도로 동작하는 결과를 얻었다. 이를 개선하기위해 속도 향상을 위한 연구나 속도와 검출성능 향상 모두를 고려한 연구를 다음 절에서 보여준다.</p><h2>3. 속도 향상을 위한 기존 연구</h2><p>속도 향상을 위한 기존의 연구는 크게 학습과 분류시 속도를 개선하기 위한 연구로 나뉜다. 분류 시 속도 향상을 위해서는 일반적으로 스캔 방식을 변경하거나 계산 방식을 바꾸어 연산량을 줄이는 방법이 연구되었다.</p><p>Park과 Hwang 이 제안한 Haar-like feature 정규화는 기존의 분산 정규화 대신 수식 (1)과 같이 평균 정규화를 사용하여 픽셀 제곱의 적분 이미지를 생성하는 연산을 제거하여 계산량을 줄이고 속도를 개선하였다. 평균 정규화는 영상의 밝기 변화에 대해서 강건한 성능을 보여 속도뿐만 아니라 검출 성능도 개선되었다.</p><p>\( H F_{u}=\frac{1}{u} H F=\frac{\sum_{i} r_{i} w_{i}}{\sum_{x, y \in w i n d o w} i(x, y)} \)<caption>(1)</caption></p><p>다음으로 학습 시 속도 개선을 위해 PSO기반의Adaboost (PSOAdaboost)가 Mohemmed et al.에의해 제안되었다. ExAdaboost로 학습할 때보다PSOAdaboost가 약 19배 빠른 연구결과를 얻었으며 평균 DR과 평균 FPR에서도 더 좋은 결과를 얻었다</p><p>An과 Kim은 연속적인 비디오 프레임에서 사람을 검출 및 추적하기 위해 스캔 방식을 가우시안 군집 최적화(GPSO)를 사용하여 변경하였다. [7]은 [6]과는 다르게 학습 시 속도 개선이 아니라 분류 시 속도개선을 위해 PSO를 적용한 점이 다른데, 슬라이딩윈도우 스캔에 비해 서브윈도우의 수를 극적으로 감소시켰다.</p><p>Kim과 Lee는 얼굴검출기의 성능을 높이기 위해 멀티코어의 이점과 색상 정보를 활용하였다. 스캔영역을 줄이기 위해 피부색 이외의 영역은 배경으로 가정하였고, 병렬처리를 위해 알고리즘을 기능별로 분할하여 독립적으로 동작되도록 설계하였다.Cortex-A9 멀티코어가 내장된 SoC에서 실험 결과알고리즘을 분할하기 전에 비해 약 1.8배 빠른 검출결과를 나타내었다.</p>
|
[
"Haar-likefeature의 무엇이 임의이 비율로 정교하게 샘플링된 위치를 가진 특징을 제공하나요?",
"Haar-like feature는 왜 성능 향상에 한계가 있어?",
"Lienhart와 Maydt 가 제안한 특징으로 학습된 검출기는 DR이 동일할 때 FPR이 얼마나 낮아졌어?",
"Haar-likefeature은 특징 계산 속도가 빠르나요?",
"Haar-like feature에서 기존의 분산정규화를 했을 때 어떤 영역에서 오검출이 늘어나나요?",
"akeshi Mita et al.가 제안한 것이 뭐야?",
"누가 Joint Haar-like feature을 제안했어?",
"Lienhart와 Maydt는 Haar-like feature 집합을 몇 개 소개했어?",
"akeshi Mita et al.의 논문에서는 얼굴 검출기는 어떤 알고리즘을 기반으로 학습하나요?",
"Ramirez와 Fuentes 가 제안한 알고리즘이 뭐야?",
"AsymmetricTotally Corrective Boosting 알고리즘을 누가 제안했나요?",
"주로 검출성능을 향상시키는 연구들은 기존보다 느리게 작동하나요?",
"AsymmetricTotally Corrective Boosting 알고리즘이 Viola와 Jones의 검출 프레임워크와 다른 점 두개는 뭐야?",
"속도 향상을 위한 기존의 연구를 두 가지로 분류하면 무엇인가요?",
"cascade를 학습하는 동안 분류에 관련 없는 약분류기를 제거하는 게 뭐야?",
"Park과 Hwang 이 제안한 정규화 방식은 무엇인가요?",
"Haar-like feature 정규화는 누가 제안했어?",
"An과 Kim은 스캔 방식을 무엇을 이용해 바꿨나요?",
"Kim과 Lee가 제안한 방법을 사용했을 때는 기존 방법보다 대략 몇 배 빨라졌나요?",
"PSOAdaboost을 사용할 때가 ExAdaboost로 학습할 때보다 대략 몇 배 빨랐나요?",
"PSO기반의Adaboost는 학습의 속도를 빠르게 해줄 수 있나요?",
"PSOAdaboost는 누가 제안했어?",
"Kim과 Lee는 얼굴검출기의 성능을 향상시키기 위해 어떤 정보를 사용했어?"
] |
7c54520e-8958-4a8c-b57c-6f5a67bc363f
|
인공물ED
|
실시간 물체 검출을 위한 고효율 Viola-Jones 검출 프레임워크
|
<h1>Ⅲ 본 논문의 개선된 Viola-Jones 물체 검출기</h1><p>그림 2는 각각의 방법으로 학습한 검출기이다. 그림 2 (a)는 Adaboost 학습 방법으로 학습한 결과이며 검출기가 하나의 스테이지로 구성되어 있다. 그림 2 (b)는 기존의 Viola-Jones 검출기 학습 알고리즘으로 학습한 결과이며 cascade 형태로 구성되어 있다. 그림 2 (c)는 제안하는 방법으로 학습한 검출기의 예인데, 그림 2 (b)와 마찬가지로 cascade로 구성되어 있지만 하나의 스테이지가 더 적은 약분류기로 구성되어 있어서 리젝션 횟수가 더 많다는 특징이 있다. 본 논문에서는 그림 2 (c)와 같은 검출기를 학습하기 위한 알고리즘을 제안한다.</p><p>본 논문에서 제안하는 방법은 네거티브 샘플의 평가 기준 변경, 빠른 리젝션을 위한 Adaboost의 종료조건 변경과 학습 시 발견된 가장 높은 효율의 스테이지를 선택하기 위한 세대수 학습 구조의 세 가지로 나눌 수 있다.</p><h2>1. 네거티브 샘플의 평가 기준 변경</h2><p>기존의 Viola-Jones 물체 검출 알고리즘에서는 네거티브 샘플을 random하게 선택하여 이에 종속된 Adaboost 학습을 한다. Random하게 선택된 네거티브 샘플들이기 때문에 만약 현재 남아있는 서브윈도우 중에서 분류에 특징이 많이 필요한 샘플이 다수 선택되면 최종적으로 만들어진 검출기의 연산량이 많아져 비효율적일 수 있다. 또한 각 스테이지의 FPR을 계산하는데 있어서 random하게 선택된 네거티브 샘플들로 평가하게 되면, 선택된 샘플에 종속적으로 FPR이 결정되기 때문에 전체를 대상으로 평가했을 때와 비교해서 판이하게 다른 결과를 얻을 수도 있다. 실제로 본 연구에서는 기존 학습 결과를 테스트해보았고, 표 1과 같이 초기 스테이지의 성능에 따라 평균계산횟수가 2.20배 차이나고 검출기의 속도는 최대 2.09배까지 차이나는 것을 확인하였다.</p><table border><caption>표 1. MIT-CMU 테스트 집합에 대한 Viola-Jones 검출기 테스트 결과</caption><tbody><tr><td>학습 횟수</td><td>1</td><td>2</td><td>3</td></tr><tr><td>FPR</td><td>\( 5.60 e-07 \)</td><td>\( 1.85 e-06 \)</td><td>\( 2.84 e-06 \)</td></tr><tr><td>평균 계산 횟수</td><td>3.85</td><td>6.29</td><td>8.48</td></tr><tr><td>평균 계산 속도</td><td>83.54\(\mathrm{ms}\)</td><td>121.47\(\mathrm{ms}\)</td><td>174.98\(\mathrm{ms}\)</td></tr></tbody></table><p>따라서 random하게 네거티브 샘플을 선택하되, 검출할 물체가 포함되지 않은 영상 집합에 대해 각 스테이지의 FPR과 효율을 측정하도록 변경하였다.</p><h2>2. Adaboost 종료조건 변경</h2><p>기존의 학습 알고리즘에서는 스테이지당 목표 FPR인 \(f\)가 입력 파라미터로 들어가서 수식 (2)와 같이 이전 스테이지보다 \(f\)만큼 더 filter out 능력이 좋아져야만 하나의 스테이지 학습이 종료되었다. 이렇게 되면 빠른 리젝션을 하지 못해 비효율적인 분류기가 생성될 여지가 있다.</p><p>\( F[n-1]^{*} f>F[n] \)<caption>(2)</caption></p><p>\( F[n-1]>F[n] \)<caption>(3)</caption></p><p>따라서 선택된 약분류기의 수와 상관없이 효율이 가장 좋을 때 빠르게 리젝션 할 수 있도록 수식 (3)을 사용하였다. 조건을 수식 (3)으로 변경하여 학습하면 스테이지가 매우 많아지게 되는데, cascade 구조에서는 스테이지가 많아질수록 최종 DR이 떨어지게 된다. 따라서 filter out 임계값(\(threshold_{filterout}\))을 정의해서 그 임계값 전까지만 (3)의 조건을 사용하도록 설계하였다. 최종적으로 변경된 Adaboost 종료조건은 그림 3과 같다.</p>3. 세대수 학습 구조</h2><p>각 스테이지 학습 중 random하게 선택된 네거티브 샘플에 따라 초기 스테이지의 학습 결과가 달라질 수 있다. 초기 스테이지에서 가장 많은 FPR의 감소를 보이기 때문에 이 부분의 결과가 전체적인 학습 속도에 큰 영향을 미치게 된다.</p><p>\(\frac{1-F P R}{Number\ of\ Weak\ classifier\ in\ Stage}\)<caption>(4)</caption></p><p>따라서 학습 중 발견한 가장 좋은 효율의 스테이지를 선택하기 위해 퍼셉트론의 포켓 알고리즘과 같이 세대(epoch)를 두었다. 즉, 각 세대 중 최고의 효율을 발휘하는 스테이지를 선택하고 몇 번의 세대가 진행되는 동안 변화가 없으면 현재 스테이지의 학습을 마치도록 변경하였다. 효율 계산을 위해 수식 (4)를 사용하였으며 변경된 학습 구조는 그림 4와 같다.</p>
|
[
"이 논문에서는 어떤 방법을 제안하고 있어?",
"이 논문에서 제안하는 방법으로 학습하는 검출기는 어떤 특징이 있어?",
"이 논문에서 제안하는 방법으로 학습한 검출기는 기존의 Viola-Jones 알고리즘으로 학습한 검출기와 어떤 공통점이 있어?",
"Adaboost 학습 방법으로 학습한 검출기는 하나의 스테이지로 구성돼?",
"기존의 Viola-Jones 검출기 학습 알고리즘으로 학습한 검출기는 어떤 형태로 구성되어 있어?",
"기존의 Viola-Jones 알고리즘으로 학습한 검출기와, 이 논문에서 제안하는 방법으로 학습한 검출기는, 둘 다 cascade 형태로 구성돼?",
"이 논문에서 제안하는 방법으로 학습한 검출기가, 기존의 Viola-Jones 알고리즘으로 학습한 검출기보다 리젝션 횟수가 더 적어?",
"이 논문에서 제안하는 방법으로 학습한 검출기는 기존의 Viola-Jones 알고리즘으로 학습한 검출기에서보다 하나의 스테이지가 더 적은 약분류기로 구성되어 있어?",
"기존의 Viola-Jones 물체 검출 알고리즘에서는 네거티브 샘플을 무작위로 선택해?",
"기존의 Viola-Jones 알고리즘으로 학습한 검출기는 cascade 형태인가?",
"세대수 학습 구조를 왜 적용하나요?",
"Adaboost의 종료조건을 변경하는 목적이 뭐야?",
"네거티브 샘플을 무작위하게 선택할 경우 연산량 측면에서 효율적이야?",
"네거티브 샘플을 random하게 선택한다면, 어떤 경우에 검출기의 연산량이 많아져 비효율적일 수 있어?",
"기존의 Viola-Jones 물체 검출 알고리즘은 검출기의 연산량이 많아져 비효율적일 수 있어?",
"기존의 Viola-Jones 알고리즘이 비효율적일 수 있는 이유는 네거티브 샘플을 random하게 선택하기 때문이야?",
"기존의 Viola-Jones 물체 검출 알고리즘에는 Adaboost 학습 과정이 포함돼?",
"MIT-CMU 테스트 집합에 대한 Viola-Jones 검출기 테스트 결과에서, 학습 횟수가 3일 때 평균 계산 횟수는 얼마야?",
"각 스테이지의 FPR을 계산하는 데 있어서 네거티브 샘플을 random하게 선택할 경우, 계산된 FPR이 전체를 대상으로 평가했을 때와 거의 일치해?",
"최종적으로 만들어진 검출기의 연산량이 많으면 비효율적이야?",
"MIT-CMU 테스트 집합에 대한 Viola-Jones 검출기 테스트 결과에서, 평균 계산 속도가 121.47 \\( \\mathrm{ms} \\)가 나온 건 학습 횟수가 몇 번일 때야?",
"기존 학습 결과는 초기 스테이지의 성능에 따라 평균 계산 횟수가 2배 이상 차이가 나?",
"기존 학습 결과는 초기 스테이지의 성능이 달라도 검출기의 속도는 일정해?",
"기존 학습 결과를 테스트해 본 결과, 평균 계산 횟수와 검출기의 속도에 영향을 미치는 요인은 뭐야?",
"이 논문에서는 네거티브 샘플의 평가 기준을 어떻게 변경했어?",
"변경한 방법에서는 네거티브 샘플을 random하게 선택하지 않아?",
"변경한 방법에서는 검출할 물체가 포함된 영상 집합에 대해 각 스테이지의 FPR과 효율을 측정해?",
"FPR은 선택된 네거티브 샘플에 종속적으로 결정돼?",
"변경한 방법에서는 각 스테이지의 FPR과 효율을 어떤 영상 집합에서 측정해?",
"기존의 학습 알고리즘에서는 하나의 스테이지 학습이 종료되려면 어떤 조건이 필요했어?",
"기존의 학습 알고리즘에서 스테이지당 목표 FPR을 입력 파라미터로 사용함으로써 비효율적인 분류기가 왜 생성될 수 있어?",
"빠른 리젝션은 분류기의 효율성을 높이는 데 도움이 돼?",
"\\( f \\)는 무엇을 뜻하는 변수야?",
"기존의 학습 알고리즘에서는 하나의 스테이지 학습이 종료되려면 이전 스테이지보다 \\( f \\)만큼 더 filter out 능력이 좋아져야 해?",
"기존의 학습 알고리즘에서 하나의 스테이지 학습이 종료되었다면, 그 스테이지는 이전 스테이지보다 filter out 능력이 낮아?",
"선택된 약분류기의 수와 상관없이 효율이 가장 좋을 때 빠르게 리젝션 할 수 있도록 사용한 수식이 뭐야?",
"수식 \\( F[n-1]^{*} f>F[n] \\)을 사용했을 때의 문제점이 뭐야?",
"기존의 학습 알고리즘에서는 스테이지당 목표 FPR이 어떤 파라미터로 들어갔어?",
"cascade 구조에 대해, 조건을 수식 \\( F[n-1]>F[n] \\)으로 변경하면 최종 DR은 떨어져?",
"수식 \\( F[n-1]>F[n] \\)을 사용한 이유는 뭐야?",
"조건을 \\( F[n-1]>F[n] \\)으로 변경하여 학습하면 스테이지 수는 어떻게 돼?",
"cascade 구조에서는 스테이지가 많아지면 최종 DR은 어떻게 돼?",
"조건을 \\( F[n-1]>F[n] \\)로 변경하여 학습하면 생기는 문제점을 해결하기 위해서 어떻게 했어?",
"filter out 임계값을 넘어가면 수식 \\( F[n-1]>F[n] \\)의 조건을 사용하지 않아?",
"\\(threshold_{filterout}\\)은 무엇을 가리키는 값이야?",
"수식 \\( F[n-1]>F[n] \\)을 사용하면 선택된 약분류기의 수가 많을 때에만 효율적이야?",
"기존의 Viola-Jones 검출기 학습 알고리즘으로 학습한 검출기는 스테이지가 많아질수록 최종 DR이 떨어져?",
"초기 스테이지의 학습 결과는 각 스테이지 학습 중 random하게 선택된 네거티브 샘플에 따라 달라질 수 있어?",
"초기 스테이지의 결과가 전체적인 학습 속도에 왜 큰 영향을 미쳐?",
"학습 중 발견한 가장 좋은 스테이지를 선택하기 위해 도입한 개념이 뭐야?",
"세대(epoch)를 두는 알고리즘의 예시가 뭐야?",
"MIT-CMU 테스트 집합에 대한 Viola-Jones 검출기 테스트 결과에서, 학습 횟수가 3일 때 FPR은 얼마나 돼?",
"MIT-CMU 테스트 집합에 대한 Viola-Jones 검출기 테스트 결과에서, 평균 계산 횟수가 가장 많은 검출기는 학습 횟수가 얼마야?",
"표 1에서, 평균 계산 횟수가 6.29일 때 평균 계산 속도는 얼마야?",
"변경된 Adaboost 종료조건은 각 세대 중 최고의 효율을 발휘하는 스테이지를 선택하고 몇 번의 세대가 진행되는 동안 변화 없으면 현재 스테이지의 학습을 끝내나요?",
"각 세대 중 최고의 효율을 발휘하는 스테이지를 선택하기 위해서 수식 \\(\\frac{1-F P R}{Number\\ of\\ Weak\\ classifier\\ in\\ Stage}\\)를 사용했어?",
"스테이지의 효율 계산은 어떻게 했어?",
"초기 스테이지의 결과는 전체적인 학습 속도에 큰 영향을 미쳐?",
"어떤 스테이지에서 FPR이 가장 많이 감소해?",
"학습 중 발견한 가장 좋은 효율의 스테이지를 선택하기 위해 어떤 방법을 썼어?"
] |
e4ca7344-d51c-4a21-9257-af0bda4c6e53
|
인공물ED
|
실시간 물체 검출을 위한 고효율 Viola-Jones 검출 프레임워크
|
<h1>Ⅰ. 서론</h1><p>일반적으로 물체인식이란 실세계의 장면을 제약이 없는 상태로 촬영된 영상 안에서 어떤 물체가 영상 내에 존재하는지, 혹은 어떤 장면인지를 특정 명칭으로 컴퓨터가 인식하는 것이다. 물체의 인식은 보통 물체 검출 단계를 포함하는 개념으로 알려져 있다가, 최근 들어 물체 검출의 중요성이 커지면서 검출과 인식이 서로 독립적인 분야로 연구되고 있다</p><p>PC의 발전에 의해 대량의 데이터를 고속으로 처리하는 것이 가능해 졌으며, 또한 기계 학습 분야에서 연구된 학습방법이 물체인식에 적용될 수 있게 되었기 때문에 많은 물체인식 방법이 제안되었다. 일반적인 기술을 예로 들면, 특징 부분에서 에지 검출, 코너 검출, Haar-like feature, HoG, LBP등이 있고 학습 방법으로는 PCA, 인공 신경망(ANN), 서포트 벡터 머신(SVM), Adaboost, 액티브 러닝 등으로 다양하다.</p><p>이 중 Viola-Jones 물체 검출 프레임워크는 실시간으로 높은 물체 검출률을 달성하기 위해 제안된 최초의 물체 검출 프레임워크이다. 보행자나 얼굴,차량, 번호판, 손 등을 검출하기 위한 응용 사례가 있으며 적용 결과 이 프레임워크는 다른 검출 알고리즘에 비해 검출 속도도 빠르면서 검출률도 비슷하거나 우수한 것으로 알려졌다. Viola-Jones 알고리즘의 핵심은 초기에 정한 수천 개에서 수만 개정도의 포지티브 샘플들의 패턴과 그 외의 모든 패턴을 구분하는 것으로 볼 수 있다. 그 외의 모든 패턴의 개수는 그레이스케일 영상의 서브윈도우에서 가로, 세로의 길이에 따라 \( 2^{8WH} \)개가 존재하므로 가능한 모든 패턴을 학습 시 모두 고려한다면 천문학적인 계산량이 필요하다. 따라서 가능한 모든 패턴 대신 네거티브 샘플 집합을 사용하여 학습하고, 실제 테스트하는 환경에서 오검출하는 패턴들을 추가하여 재학습하는 방식으로 검출기를 개선한다. 즉 일정 검출률(Detection rate, 이하 DR)을 달성한 상태에서 오검출률(False Positive Rate, 이하 FPR)을 최대한 낮게 학습하는 것이 관건이다.</p><p>기존의 Viola-Jones 물체 검출 프레임워크는 적분 이미지를 사용하여 Haar-like feature를 빠르게 계산할 수 있고 빠른 리젝션을 위해 cascade 형태로 학습한다. 다만, Haar-like feature set은 경계선의 명암 차이만을 특징으로 사용하므로 다양한 패턴의 영상에서는 오인식할 확률이 높아지는 단점이있다. 따라서 검출성능을 더욱 높이려는 연구를 하면서 불가피하게 연산량이 늘어나게 되었고 이를 적용하면서도 속도를 향상시킬 수 있는 연구가 필요하게 되었다.</p><p>본 연구에서는 Viola-Jones 물체 검출 프레임워크를 개선하여 동일한 학습 데이터로 더 빠른 검출기를 학습하는 알고리즘을 제안한다.</p>
|
[
"실세계의 장면을 제약이 없는 상태로 촬영된 영상 안에서 어떤 물체가 영상 내에 존재하는지, 혹은 어떤 장면인지를 특정 명칭으로 컴퓨터가 인식하는 것이 뭐야?",
"최근 물체 검출의 중요성이 커지면서 무엇과 무엇이 서로 독립적인 분야로 연구되고 있어?",
"한 기계 학습 분야에서 연구된 학 방법의 종류는 무엇이 있는가?",
"Viola-Jones 물체 검출 프레임워크의 응용 사례는 어떤 것들이있어?",
"Viola-Jones 물체 검출 프레임워크는 다른 검출 알고리즘에 비해 검출 속도도 빠른가?",
"Viola-Jones 알고리즘의 핵심은 뭐야?",
"Viola-Jones 알고리즘은 무엇을 최대한 낮게 학습하는 것이 관건이야?",
"물체인식은 영상 안에서 실세계의 장면을 제약이 없는 상태에서 어떤 장면, 물체가 영상 내의 유무들을 어떻게 인식하는 것인가?",
"대량의 데이터 처리가 가능하게 된 것은 PC의 발전에 의한 것인데 이로 인해 많은 물체인식 방법이 기계학급 분야에서 어떻게 할 수 있게 되었는가?",
"기계 학습 분야에 적용된 많은 물체인식 방법의 기술들을 실제 예를 들자면 특징 부분에서 사용되는 방법들은 어떻게 되는가?",
"물체인식에 사용되는 학습 방법들은 어떻게 되는가?",
"기존의 Viola-Jones 물체 검출 프레임워크는 무엇을 사용하여 Haar-like feature를 빠르게 계산해?",
"물체 검출 단계만 포함하던 물체 인식이 최근 중요성이 부각되면서 어떻게 독립적으로 나뉘어 연구되어 있는가?",
"실세계의 장면을 제약이 없는 상태로 촬영된 영상 안에서 어떤 물체가 영상 내에 존재하는지, 혹은 어떤 장면인지를 특정 명칭으로 컴퓨터가 인식하는 것을 물체인식이라고 하는가?",
"실시간으로 높은 물체 검출률을 달성하기 위해 제안된 최초의 물체 검출 프레임워크는 무엇인가?",
"무엇의 발전으로 대량의 데이터를 고속으로 처리가 가능해졌어?",
"물체인식을 통해 특정 명칭을 무엇이 인식하는가?"
] |
36c316e4-0282-4531-a604-b9057a5fc266
|
인공물ED
|
실시간 물체 검출을 위한 고효율 Viola-Jones 검출 프레임워크
|
<h1>Ⅳ. 실험 및 고찰</h1><p>기존의 다양한 응용 중 얼굴 검출을 바탕으로 실험하였다. LFW (Labeled Faces in the Wild) 얼굴 데이터베이스에서 정렬된 데이터를 이용하여 직접 제작한 10,806개의 얼굴 샘플과 random하게 촬영된 2,050장의 NFIS (Non-face image set)를 학습 데이터로 사용하였다. 기존의 Viola-Jones 얼굴 검출기의 연구 결과를 토대로 scale factor와 \(d\), \(f\)는 각각 1.25,0.99, 0.3으로 두고 학습하였고, 특징의 정규화는 [2]의방법을 사용하였다. 기존의 방법과 본 논문에서 제안한 방법을 적용하여 학습한 결과 ROC curves는 그림6과 같았으며, 본 논문에서 제안하는 검출기로 검출한 결과는 그림 5와 같다. 검출 성능에는 거의 영향을 주지 않았지만 고효율의 스테이지를 선택하였기때문에 더 낮은 FPR에서 약간 더 좋은 DR을 보인것을 알 수 있다.</p><p>그림 7을 보면 스테이지별 수렴 속도가 기존보다 느린데, 이는 본 논문의 방법에서 각 스테이지별 조건을 충족하기 쉽게 했기 때문이다. 표 2를 보면 본연구의 방법으로 학습한 검출기의 스테이지별 약분류기 수가 더 적다는 것을 알 수 있다.</p><p>두 검출기 사이의 성능 비교를 위해 약분류기별로 FPR을 살펴보면 평균적으로 서브윈도우당 특징 계산횟수가 줄어든 것을 알 수 있다. 그림 8은 약분류기별 FPR을 보여주는 그래프인데 기존의 방법에 비해더 적은 특징만 계산하고 빠르게 리젝션하는 것을 알수 있다. 한편, 검출기는 평균 계산횟수(\( n c_{m} \))를 수식으로 계산할 수 있다. 즉, \( n_{x} \) 가 스테이지 의 약분류기 수이고\( f_{x-1} \) 이 스테이지 \( x-1 \)에서의 FPR이라면 수식 (5)와 같이 표현된다.</p><p>\( n c_{m}=\sum_{x=1}^{N} n_{x} f_{x-1}, f_{0}=1 \)<caption>(5)</caption></p><p>따라서 그림 8의 그래프 면적을 수식 (5)를 통해 계산하면 평균 계산 횟수를 구할 수 있게 되므로 줄어든 계산 횟수를 수치적으로 계산할 수 있는데, 기존 방법의 평균 계산횟수는 3.85였으며 본 논문의 방법은 1.75로 기존에 비해 45.5\(\%\)로 줄어들었다.</p><p>MIT-CMU 테스트 집합을 기준으로 이전의 검출성능과 이후의 검출 성능을 85\(\%\) 전후로 거의 동일하게 맞춘 뒤 결과를 측정하였다. 표 1과 표 3에서 얻은 데이터를 바탕으로 각각 가장 좋은 결과일 때를 비교했을 때 약 58.5\(\%\) 검출 속도가 향상된 것을 알 수 있다. 검출 속도의 개선정도는 사용하는 특징의 계산량과 테스트 영상에 따라 다르게 측정되겠지만, 기본적으로 계산량이 증가하면 실제 검출 속도 향상 폭은 더욱 증가할 것이다.</p><p></p><p></p><table border><caption>표 2. 기존의 방법과 본 논문의 학습 결과 비교</caption><tbody><tr><td></td><td colspan="2">기존의 방법</td><td colspan="2">본 논문의 방법</td></tr><tr><td></td><td>FPR</td><td>\( N_{w c} \)</td><td>FPR</td><td>\( N_{w c} \)</td></tr><tr><td>stage1</td><td>0.086021</td><td>2</td><td>0.0139901</td><td>1</td></tr><tr><td>stage2</td><td>0.023486</td><td>8</td><td>0.030257</td><td>2</td></tr><tr><td>stage3</td><td>0.007253</td><td>14</td><td>0.015886</td><td>3</td></tr><tr><td>stage4</td><td>0.002726</td><td>21</td><td>0.010729</td><td>3</td></tr><tr><td>stage5</td><td>0.001114</td><td>29</td><td>0.008003</td><td>3</td></tr><tr><td>stage6</td><td>0.000403</td><td>36</td><td>0.002392</td><td>22</td></tr><tr><td>stage7</td><td>0.000150</td><td>37</td><td>0.000635</td><td>34</td></tr><tr><td>...</td><td>...</td><td>...</td><td>...</td><td>...</td></tr></tbody></table><table border><caption>표 3. MIT-CMU 테스트 집합에 대한 제안하는 검출기테스트 결과</caption><tbody><tr><td>학습 횟수</td><td>1</td><td>2</td><td>3</td></tr><tr><td>FPR</td><td>9.91\(\mathrm{e}\)-08</td><td>3.30\(\mathrm{e}\)-08</td><td>6.70\(\mathrm{e}\)-08</td></tr><tr><td>평균 계산 횟수</td><td>1.76</td><td>1.75</td><td>1.75</td></tr><tr><td>평균 계산 속도</td><td>49.85\(\mathrm{ms}\)</td><td>49.43\(\mathrm{ms}\)</td><td>48.83\(\mathrm{ms}\)</td></tr></tbody></table><p>본 연구의 결과는 기존의 연구와 독립적이기 때문에 다른 연구결과를 접목하면 보다 큰 성능향상이 가능할 것으로 보인다. 예를 들어 다른 특징을 사용하여 인식 성능을 높이거나 스캔 방식을 변경해서 속도를 더욱 향상시킬 수 있다.</p>
|
[
"얼굴 데이터 베이스는 어디서 얻었나요?",
"적중확률 대 오경보확률의 그래프를 어떤 방법으로 도출해냈나요?",
"검출 성능에 거의 영향을 주지 않았지만 고효율 스테이지를 선택하면 더 낮은 FDR에서 약간 더 좋은 DR을 보인것을 알 수 있니?",
"표2를 보면 알 수 있는 것은 무엇인가요?",
"그림 7에서 수렴 속도가 기존 보다 느린 이유는 무엇인가요?",
"\\( n_{x} \\) 가 스테이지 의 약분류기 수이고\\( f_{x-1} \\) 이 스테이지 \\( x-1 \\)에서의 FPR인 수식 \\( n c_{m}=\\sum_{x=1}^{N} n_{x} f_{x-1}, f_{0}=1 \\)로 알 수 있는 특징은 무엇인가요?",
"MIT-CMU 테스트 집합을 기준으로 이전 검출 성능과 이후 검출 성능을 동일하게 한 뒤 측정하였니?",
"scale factor와 dd, ff는 각각 1.25,0.99, 0.3으로 두고 학습한 근거는 무엇인가요?",
"두 검출기 사이의 성능 비교를 위해 Weak Classifier별로 FRR을 살펴본걸로 알 수 있는 특징은 무엇입니까?",
"검출 속도의 개선정도는 사용하는 특징의 계산량과 테스트 영상, 계산량이 증가하면 실제 검출 속도 향상 폭은 더욱 증가하니?",
"MIT-CMU 테스트 집합에 대한 제안하는 검출기테스트 결과 표에서 평균 계산 속도가 가장 느린 시점의 FPR은 얼마인가요?",
"표 2에서 보길 FRR의 수치는 stage7에서 어떤 값을 가지니?",
"MIT-CMU 테스트 집합을 기존의 방법을 본 논문의 방법과 FRR을 비교 했을때 가장 큰 차이를 보이는 stage는 몇인가요?",
"본 논문의 방법에서 stage6의 FRR은 몇인가요?",
"표 3. MIT-CMU 테스트 집합에 대한 제안하는 검출기테스트 결과에서 학습 횟수 3회에서 평균 계산속도는 얼마나 나오나요?",
"표 2의 stage5에서 기존의 방법의 \\( N_{w c} \\)는 얼마인가요?",
"표 2. 기존의 방법과 본 논문의 학습 결과 비교에서 기존 방법 수치가 가장 크게나온 시점은 언제인가요?",
"학습 횟수가 3회일 때 평균계산 횟수는 얼마일까?",
"기존의 방법과 본 논문의 학습 결과 비교에서 기존의 방법의 FPR 값 중 stage1은 몇인가요?",
"표 2. 기존의 방법과 본 논문의 학습 결과 비교에서 본 논문 방법의 stage1에서 FPR의 수치는 몇인가요?",
"Viola-Jones 얼굴 검출기의 연구 결과를 토대로 scale factor와 \\(d\\), \\(f\\)는 각각 1.25, 0.3으로 두고 학습하였니?"
] |
427ef13c-99e1-4abf-a357-cca4c5bdfa3c
|
인공물ED
|
실시간 물체 검출을 위한 고효율 Viola-Jones 검출 프레임워크
|
<h1>요 약</h1><p>본 연구에서는 기존의 Viola-Jones 검출 프레임워크를 개선하여 하나의 특징 당 더 높은 효율을 가지며 검출대상이 아닌 서브 윈도우들을 더 빠르게 제거하는 개선된 학습 알고리즘을 제안한다. 학습의 결과로 생성된 물체 검출기는 서브윈도우를 특정 임계값까지 빠르게 제거하기 때문에 서브윈도우당 계산수가 줄어든다. 기존의Viola-Jones 물체 검출기와 동일한 프레임워크이므로 검출 성능에는 영향을 주지 않는다. MIT-CMU 테스트 집합에 대해서 서브윈도우당 특징 계산 횟수를 측정하였으며 기존 계산 횟수의 45.5\(\%\)로 줄어들어 검출 속도가 약58.5\(\%\) 향상됨을 확인하였다.</p>
|
[
"개선된 학습 알고리즘은 기존의 무엇을 개선했어?",
"개선된 학습 알고리즘의 특징이 뭐야?",
"무엇이 개선된 학습 알고리즘의 특성이지?",
"학습의 결과로 생성되는 것은 무엇이야?",
"무엇이 학습의 결과로 생겨나지?",
"학습의 결과로 생성된 물체 검출기의 특징은 뭐야?",
"무엇이 학습의 결과로 생성된 물체 감소기 특징이지?",
"물체 검출기는 서브윈도우를 특정 임계값까지 느리게 제거하기 때문에 서비윈도우당 계산수가 줄어들어?",
"서비윈도우당 특징 게산 횟수를 측정한 대상은 뭐야?",
"MIT-CMU 테스트 집합에 대해서 서브윈도우당 특징 계산 횟수를 측정하였을 때 기존의 계산 횟수보다 얼마나 감소했어?",
"서브윈도우를 특정 임계값까지 빠르게 제거하면 어떤 결과가 나타나?",
"검출기의 프렘이워크가 변하면 검출 성능에 영향을 준다고 해석하는 것이 옳아?",
"MIT-CMU 테스트 집합에 대해서 계산 횟수가 줄어들면 검출 속도는 향상돼?"
] |
32f17551-ce7a-48e6-8045-5db3e7f699ef
|
인공물ED
|
실시간 물체 검출을 위한 고효율 Viola-Jones 검출 프레임워크
|
<h1>Ⅴ. 결론</h1><p>본 논문에서는 빠른 리젝션과 고효율 특징 선택을이용한 빠른 Viola-Jones 물체 검출기를 제안하였다. 네거티브 샘플을 random하게 선택하여 각 스테이지를 학습할 때 생기는 문제점을 해결하기 위해 FPR을평가하는 기준을 변경하였고 세대수 개념을 도입한 학습 구조를 제시하였다. 그리고 가장 좋은 효율의 스테이지를 선택하도록 Adaboost 종료 조건을 변경하였다.</p><p>성능 비교를 위해 기존의 방법과 본 논문에서 제안하는 방법에 대해 각각 얼굴 데이터로 학습하였고, MIT-CMU 테스트 집합을 기준으로 학습 결과를 얻었다. 본 논문에서 제안하는 방법을 적용한 결과 검출 성능에는 영향을 주지 않았으며, 가장 좋은 결과를 기준으로 비교했을 때 서브윈도우당 평균 계산 횟수가 45.5\(\%\)로 감소하였고 검출 속도는 약 58.5\(\%\) 향상되었다.</p><p></p><p></p>
|
[
"논문에서는 무엇을 평가하는 기준을 바꿨나요?",
"negative 샘플을 랜덤하게 선택하여 각 스테이지를 학습할 때 생기는 문제점을 해결하기 위해 무엇을 했나요?",
"논문에서는 고효율 특징 선택과 빠른 리젝션을 이용한 무엇을 제안했어?",
"가장 효율이 좋은 스테이지를 선택하게 하기 위해 무엇을 변경했어?",
"학습은 어떤 데이터로 실시했나요?",
"어떤 데이터로 학습이 시행되었지",
"학습 결과는 무엇을 기준으로 얻었나요?",
"무엇을 기준으로 학습 결과가 획득되었지",
"네거티브 샘플을 random하게 선택하여 각 스테이지를 학습할 때 생기는 문제점을 해결하기 위해 학습구조에 어떤 개념을 도입시켰어?",
"논문에서 제안하는 방법을 적용했을 때 검출 속도는 최대 얼마 향상되었나요?",
"가장 결과가 좋았을 대 서브윈도우 당 계산 횟수의 평균은 얼마로 감소했어?"
] |
e00f443e-02dc-4932-b5ef-8dd0d437681e
|
인공물ED
|
지상파 TV 방송의 디지털 전환에 따른 전계 강도 예측에 대한 연구
|
<h1>II. 전파 모델 및 수신 전계 강도</h1><h2>2-1 전파 모델 개요</h2><p>ITU-R P. 시리즈에서는 서비스 대역마다 적절한 전자파의 전파 모델을 제시하고 있다. 본 논문에서는 해당 주파수 및 서비스 용도에 적절한 ITU-R 권고 P.1546을 적용하였다. 이 권고서는 지상 서비스의 점-대-지역 전파 특성 예측 방법에 관한 것으로 적용 대상은 주파수 \( 30 \sim 3,000 \mathrm{MHz} \), 거리 \( 1 \sim 1,000 \)\( \mathrm{km} \) (육상 경로, 해상 경로 또는 육상 지상의 혼합 경로), 유효 송신 고도 \( 3,000 \mathrm{~m} \) 이하이다. 제시된 전계 강도 곡선은 \( 1 \mathrm{~kW} \) ERP 방사 시, 수신 고도 \( 10 \mathrm{~m} \) 지점에서의 전계 강도, 주파수 \( 100,600,2,000 \mathrm{MHz} \), 경로는 육상 및 해상(cold/warm), 시간율은 \( 1 \%, 10 \% \), \( 50 \% \) 가 적용된다. 또한, 적용하고자 하는 주파수, 시간율, 송신 안테나 높이가 주어진 곡선 그래프와 일치하지 않는 경우, 보간법과 외삽법을 이용하여 전계 강도를 산출한다. 뿐만 아니라 송신 안테나 높이,수신 안테나 높이 등에 대해서도 전계 강도 보정을 할 수 있도록 되어 있다.</p><p>그림 1은 하나의 예로 ITU-R 권고 P.1546에 제시된 장소율 \( 50 \% \), 시간율 \( 50 \% \), 주파수 \( 600 \mathrm{MHz} \) 에 대한 전계 강도 특성 곡선을 보여 주며, 표 1은 관련 변수의 적용 한계를 나타낸다. 이러한 전파 모델을 이용하여 VHF 대역의 레이더 간섭에 의한 양립성 분석에 적용한 연구 결과가 제시된 바가 있다.</p><table border><caption>표 1. ITU-R 권고 P.1546 모델의 변수</caption><tbody><tr><td>변수</td><td>정의</td><td>한계</td></tr><tr><td>\( f(\mathrm{MHz}) \)</td><td>동작 주파수</td><td>\(30\sim 3,000 \mathrm{MHz}\)</td></tr><tr><td>\( d(\mathrm{km}) \)</td><td>경로 길이</td><td>\( 1 \sim 1,000 \mathrm{~km} \)</td></tr><tr><td>p(\(\%\))</td><td>퍼센트 시간(부록 1-8)</td><td>\( 1 \sim 50 \% \)</td></tr><tr><td>\( h_{1}(\mathrm{~m}) \)</td><td>송신/기지 안테나 높이, 한계</td><td>육상:상한 \( 3,000 \mathrm{~m} \), 하한 없음 해상: \( 1 \sim 3,000 \mathrm{~m} \)</td></tr><tr><td>\( h_{2}(\mathrm{~m}) \)</td><td>지상 송신기 안테나 높이, 한계</td><td>지역의 클러터(clutter) 높이보다 커야 함</td></tr><tr><td>\( h_{b}(\mathrm{~m}) \)</td><td>\( 0.2 d \sim d(\mathrm{~km}) \)내에 지형 평균 높이 위의 기지 안테나 높이 (단, \( d<15 \mathrm{~km} \), 지형정보 가능 경우)</td><td>제한은 없으며, 단지 \( d<15 \mathrm{~km} \) 육상 경로 한함</td></tr><tr><td>송신기 주변 클러터 높이</td><td>송신기 주변의 상대적 클러터 높이</td><td>없음</td></tr><tr><td>R(m)</td><td>수신기 주변의 상대적 클러터 높이</td><td>없음</td></tr><tr><td>\( \theta_{\text {toa }} \)(도)</td><td>지형 정화(clearance) 각</td><td>\( 0.55 \sim 40 \)도</td></tr><tr><td>\( \theta_{e f f}, \theta_{e f f 1} \),\( \theta_{e f f 2} \)(도)</td><td>송신기/기지 유효 지형 정화 각</td><td>양(+)의 값</td></tr></tbody></table>
|
[
"P.1546는 어느 통신 규약에서 권고한거지?",
"본 논문에서 언급하는 국제 무선 통신 표준은 서비스 대역 마다 어떤 것을 제시하니?",
"권고서에 따르면, 유효 송신 고도는 몇 미터 이하이니?",
"적용하고자 하는 주파수, 시간율, 송신 안테나 높이가 주어진 곡선 그래프와 일치하지 않으면 어떻게 전계 강도를 산출하니?",
"본 논문에서는 어떤 전자모델을 사용했어?",
"본문에서 언급한 ITU-R 권고서는 어떤 방법에 관해 기술하고 있니?",
"ITU-R 권고 P.1546 모델에서 경로 길이를 뜻하는 변수는 뭐야?",
"ITU-R 권고 P.1546 모델에서 수신기 주변 클러터 높이를 뜻하는 변수는 뭐야?",
"ITU-R 권고 P.1546 모델에서 동작 주파수를 뜻하는 변수는 뭐야?",
"ITU-R 권고 P.1546 모델에서 퍼센트 시간을 뜻하는 변수는 뭐야?"
] |
3aa7d061-d297-4f24-8fac-65f512ce702b
|
인공물ED
|
지상파 TV 방송의 디지털 전환에 따른 전계 강도 예측에 대한 연구
|
<h1>IV. 수치 계산 및 고찰</h1><p>ITU-R 권고 P.1546 모델을 이용하여 수신 한계 레벨 및 전계 강도 계산을 위해 필요한 시스템의 변수 값은 편의상 표 3 과 같이 하였다. 수신 전계 강도 한계에 따른 시골 지역의 육상 경로 거리를 게산하기 위해 시간 확률 및 공간 확률은 각각 \( 50 \% \), 그리고 기타는 표 3 과 같이 가정하였다.</p><table border><caption>표 3. 수치 계산을 위한 시스템 변수</caption><tbody><tr><td>항 목</td><td>선정 값</td><td>비고</td></tr><tr><td>주파수</td><td>\( 600 \mathrm{MHz} \)</td><td>ATV 및 DTV의 채널 중심 주파수</td></tr><tr><td>DTV</td><td>8_VSB</td><td>ATSc</td></tr><tr><td rowspan=2>송신기 출력</td><td>ATV: \( 1, 10 \mathrm{kW} \)</td><td>첨두 전력</td></tr><tr><td>DTV: \( 1,10 \mathrm{kW} \)</td><td>평균 전력으로 ATSC 8_VSB 증폭기의 PAR (peak-to-arerage ratio): \( 6.5 \sim 7.0 \mathrm{~dB} \)</td></tr><tr><td>수신기 안테나 높이</td><td>\( h_{2}=10 \mathrm{~m} \)</td><td>ATV 및 DTV의 송신기와 수신기의 안테나 이득 및 손실은 동일</td></tr><tr><td rowspan=2>수신 한계 전계 강도</td><td>\( E_{P_{\mathrm{r}-t h}}(\mathrm{ATV})=64 \mathrm{~dB}(\mu \mathrm{V} / \mathrm{m}) \)</td><td>표 2의 대역 V: 간섭이 있는 경우</td></tr><tr><td>\( E_{P_{r-t h}}(\mathrm{DTV})=33.4 \mathrm{~dB}(\mu \mathrm{V} / \mathrm{m}) \)</td><td>식 (6)으로 계산</td></tr><tr><td>채널 대역폭</td><td>\( B(\mathrm{~Hz})=6 \times 10^{6} \)</td><td>ATV 및 DTV 채널 대역폭은 동일</td></tr><tr><td>잡음 지수</td><td>\( N F(\mathrm{~dB})=2.0 \)</td><td></td></tr><tr><td>신호 대 잡음 비</td><td>\( S / N(\mathrm{~dB})=14.9 \)</td><td>@ 시정한계 (TOV), \( S E R=1.93 \times 10^{-4} \)</td></tr><tr><td>안테나 이득</td><td>\( G_{t}(\mathrm{dBi})=20.0 \), \( G_{t}(\mathrm{dBi})=10.0 \)</td><td></td></tr><tr><td>삽입 손실</td><td>\( L_{t}=L_{r}(\mathrm{~dB})=0.0 \)</td><td>편의상 가정</td></tr></tbody></table><p>먼저 ATV와 DTV의 수신 한계 거리를 보이기 위해 그림 7은 송신 안테나 높이에 따라 ATV 및 DTV의 출력에 대해 산출된 수신 한계 거리의 개관을 나타내었다. 가로축은 TV 수신 거리의 한계를 나타내며, 세로축은 식 (6)으로 결정되는 TV의 수신 한계 전계 강도 값과 표 3 의 변수와 식 (8)로 계산되는 EP.1546 을 구해 나타낸 값이다. 또한, EP.1546 값은 송신 안테나 높이의 함수로 전파 거리가 변화됨을 보여 준다.</p><p>그림 8은 그림 7을 보다 상세히 나타낸 것이며, 이를 표 4 에 정리하였다. 여기서 ATV 및 DTV 의 전력은 각각 첨두 전력 및 평균 전력을 의미하며, 결과에서 알 수 있듯이 주어진 동일한 송신 출력에 대해 ATV 의 수신 거리가 DTV 보다 더 짧음을 보여 준다.</p><table border><caption>표 4. 계산된 수신 한계 거리</caption><tbody><tr><td rowspan=2>\( h_{1}(\mathrm{~m}) \)</td><td colspan=2>ATV 한계 수신 거리\( (\mathrm{km}) \)</td><td colspan=2>DTV 한계 수신 거리\( (\mathrm{km}) \)</td></tr><tr><td>출력 \(1 \mathrm{km} \)</td><td>출력 \(10 \mathrm{km} \)</td><td>출력 \(1 \mathrm{km} \)</td><td>출력 \(10 \mathrm{km} \)</td></tr><tr><td>10</td><td>11.1</td><td>18.0</td><td>58.6</td><td>113.1</td></tr><tr><td>20</td><td>15.1</td><td>24.5</td><td>70.5</td><td>120.1</td></tr><tr><td>37.5</td><td>20.1</td><td>32.0</td><td>80.5</td><td>127.7</td></tr><tr><td>75</td><td>27.5</td><td>41.8</td><td>92.0</td><td>138.4</td></tr><tr><td>150</td><td>37.2</td><td>53.0</td><td>105.6</td><td>152.4</td></tr><tr><td>300</td><td>49.4</td><td>66.6</td><td>123.0</td><td>170.9</td></tr></tbody></table><p>다음은 ATV 및 DTV의 송신 전력 기준을 동일하게 한 경우, 그림 9는 그림 7과 동일한 조건에서 단지 DTV의 송신 출력의 변화에 대해서만 수신 한계 거리를 나타내었다. DTV 의 평균 출력은 \( 5 \sim 200 \mathrm{~W} \) 로 변화하며, 출력이 증가할수록 수신 한계 거리도 증가함을 알 수 있다. 한 예로 송신 안테나의 높이가 \(300\mathrm{~m}\), 그리고 평균 전력이 100,200\(\mathrm{~W} \)인 경우, DTV 수신 한계 거리는 송신소로부터 각각 약 90,99\(\mathrm{~km} \)가 됨을 보여 준다.</p><p>끝으로 식 (9)를 이용하여 ATV와 DTV가 동등한 수준의 서비스가 제공되는 경우 즉, 동일한 수신 한계 거리를 주도록 살펴보았다. 그림 7 및 8로부터 알 수 있듯이 동일한 출력 및 송신 안테나 높이에 대해 ATV 의 수신 거리가 DTV보다 짧다. 따라서 양 TV가 동일한 거리의 서비스가 되도록 DTV 송신 출력, \( P_{t}(\mathrm{DTV}) \) 을 계산하면 표 5 와 같이 ATV 의 첨두 전력이 \( 1,10 \mathrm{~kW} \) 경우에 대해 \( P_{t}(\mathrm{DTV}) \) 의 평균 전력은 각각 \( 0.87,8.7 \mathrm{~W} \) 가 되었다.</p><table border><caption>표 5. 동등한 수준의 서비스를 위한 ATV 출력에 대한 DTV 출력 비교</caption><tbody><tr><td rowspan=3>동등한 수준의 서비스 \( \Delta E_{P .1546}(\mathrm{~dB})=0 \)</td><td>ATV 출력 (첨두 전력)</td><td>DTV 출력 (평균 전력)</td></tr><tr><td>\( 1 \mathrm{~kW} \)</td><td>\( 0.87 \mathrm{~W} \)</td></tr><tr><td>\( 10 \mathrm{~kW} \)</td><td>\( 8.7 \mathrm{~W} \)</td></tr></tbody></table><p>표 5 의 결과에 대한 의미를 살펴보면 양 TV 의 송신기 출력에 대한 직접적인 비교는 한계가 있다. 왜냐하면 ATV의 증폭기는 신호의 특성상 아날로그 입력에 대한 첨두 전력을 요구하는 반면, DTV의 증폭기는 디지털 입력 신호의 디지털 변조로 평균 전력 또는 PAR(첨두-대-평균 비)로 표현되는 것이 일반적이기 때문이다. 또한, 앞의 수치 계산 조건에서 공간 확률을 \( 50 \% \)에서 상향 조정을 하게 되면 DTV의 수신 한계 거리는 더 줄어들게 되며, 이는 곧 DTV 송신기의 출력을 더 높여야 함을 의미한다. 따라서 표 5 의 제시된 DTV 출력 값보다 더 증가할 것으로 예측된다.</p>
|
[
"ATV 및 DTV의 채널 중심 주파수는 얼마야?",
"ATV 출력이 \\( 1 \\mathrm{~kW} \\)인 경우 DTV 의 평균 전력은 몇 \\( \\mathrm{~W} \\)이지?",
"이전의 수치 계산 조건에서 공간 확률을 \\( 50 \\% \\) 상향 조정을 하면 어떻게 되지?",
"수신 한계 레벨 및 전계 강도 계산은 무엇으로 하였나?",
"무엇에 따른 시골 지역의 육상 경로 거리를 게산하기 위해 시간 및 공간 확률을 각각 \\( 50 \\% \\)로 가정하였는가?",
"DTV 송신기 출력은 몇인가?",
"표3은 무엇을 위한 시스템 변수를 나타내는가?",
"수신 전계 강도 한계에 따른 시골 지역의 육상 경로 거리를 게산하기 위해 시간 및 공간 확률을 각각 몇 \\(\\% \\)로 설정하였는가?",
"DTV 송신 출력은 무엇인가?",
"DTV 의 출력이 증가할수록 무엇도 증가하나?",
"ATV 의 첨두 전력이 \\( 1,10 \\mathrm{~kW} \\) 경우에 대해 \\( P_{t}(\\mathrm{DTV}) \\) 을 계산하면 \\( P_{t}(\\mathrm{DTV}) \\) 의 평균 전력은 각각 얼마인가?",
"DTV의 증폭기는 어떤 것의 디지털 변조를 이용하는가?",
"그림 9에서 DTV 의 평균 출력은 몇인가?",
"DTV의 증폭기는 평균전력 또는 무엇으로 표현되는가?",
"EP.1546 값을 통해 무엇이 변화되었음을 알 수 있는가?",
"\\( h_{1}\\)이 \\(\\mathrm{300m}\\)이고 DTV 한계 수신 거리 출력이 \\(1 \\mathrm{km} \\)인 경우 수신 한계 거리는 몇이지?",
"EP.1546 값은 무엇인가?",
"DTV 한계 수신 거리 출력이 \\(1 \\mathrm{km} \\)이고 \\( h_{1}\\)이 \\(\\mathrm{ 20m}\\)인 경우 수신 한계 거리는 몇이지?",
"DTV 출력이 \\( 8.7 \\mathrm{~W} \\)이면 ATV 출력은 몇 \\( \\mathrm{~kW} \\)이야?",
"DTV의 평균 전력이 \\( 0.87 \\mathrm{~W} \\)이려면 ATV 의 첨두 전력은 몇이여야 하지?",
"표 5는 ATV 출력에 대한 무엇을 나타내는가?",
"동등한 수준의 서비스를 나타내는 수식은 무엇인가?",
"ATV의 증폭기는 신호의 특성상 무엇에 대한 첨두 전력을 요구하지?",
"DTV의 수신 한계 거리가 더 줄어들게 되는 것은 무엇을 의미하는가?",
"ATV 한계 수신 거리 출력이 \\(10 \\mathrm{km} \\)이고 계산된 수신 한계 거리가 53일때 \\( h_{1}\\) 은 얼마인가?",
"ATV 한계 수신 거리 출력이 \\(1 \\mathrm{km} \\)이고 수신기 안테나 높이가 75m일때 수신 한계 거리는 얼마인가?",
"ATV의 증폭기는 아날로그 입력에 대해 무엇을 요구하지?",
"P.1546 모델은 어디에서 권고하였지?",
"표 3. 수치 계산을 위한 시스템 변수에서 ATV 수신 한계 전계 강도는 어떻게 나타내는가?",
"\\( h_{1}\\)이 10m이고 ATV 한계 수신 거리 출력이 \\(1 \\mathrm{km} \\)일때 수신 한계 거리는 얼마인가?",
"신호 대 잡음 비를 나타내는 수식은 무엇인가?",
"표3에서 \\( N F(\\mathrm{~dB})=2.0 \\)는 무엇을 나타내는가?",
"표 3. 수치 계산을 위한 시스템 변수에서 삽입 손실은 어떻게 나타내는가?",
"수치 계산을 위한 시스템 변수의 표에서 채널 대역폭을 나타내는 선정 값은 뭐야?"
] |
08cf7be4-9861-44d0-a73f-0c7a3a106280
|
인공물ED
|
지상파 TV 방송의 디지털 전환에 따른 전계 강도 예측에 대한 연구
|
<h2>\( 2-3 \) 수신 전계 강도</h2><p>그림 2 는 전형적인 ATSC(DTV) 및 NTSC(ATV) 의 규격을 만족하는 TV 스펙트럼을 보여주며, 대역폭은 \( 6 \mathrm{MHz} \) 로 동일하다. 현재 한국의 ATV는 NTSC, 그리고 DTV는 ATSC 규격을 준수한다.</p><p>먼저 ATV의 수신 한계 레벨은 ITU-R 권고 BT. 417-5 에 근거하여 간섭이 있는 경우와 없는 경우에 대해 표 2 와 같이 제시하고 있다. 이는 간섭을 보호하기 위한 적절한 평균 전계 강도를 의미하며, 모든 값들은 지상 \( 10 \mathrm{~m} \) 의 높이에서 전계 강도를 언급하였다.</p><table border><caption>표 2. 아날로그 영상 품질 보증하는 평균 전계 강도</caption><tbody><tr><td>대역 명칭</td><td>Ⅰ</td><td>Ⅲ</td><td>Ⅳ</td><td>V</td><td rowspan=2>비고</td></tr><tr><td>주파수 대역 (\(\mathrm{MHz}\)</td><td>41~68</td><td>162~230</td><td>470~582</td><td>582~960</td></tr><tr><td rowspan=2>전계 강도\( (\mathrm{dB}(\mu \mathrm{V} / \mathrm{m})) \)</td><td>+46</td><td>+49</td><td>+58</td><td>+64</td><td>간섭 유</td></tr><tr><td>+40</td><td>+43</td><td>+52</td><td>+58</td><td>간섭 무</td></tr></tbody></table><p>다음은 DTV 수신 시스템의 수신 신호에 대해 살펴보자. 그림 3 에서와 같이 TV 송신소에서 송출된신호는 TV 수신기가 있는 위치까지의 거리 및 전파환경에 따라 수신 신호의 변화가 있으며, 수신 신호의 레벨 \( P_{r}(\mathrm{dBm}) \) 은 다음과 같이 표현된다.</p><p>\( P_{r}=P_{t}+G_{t}+G_{r}-L_{t}-L_{r}-L_{p} \)<caption>(4)</caption></p><p>여기서 \( P_{t} \) 는 \( \mathrm{TV} \) 송신소 송신기의 전력 \( (\mathrm{dBm}), G_{t} \) 는 송신기 안테나 이득 \( (\mathrm{dBi}), G_{r} \) 는 수신기 안테나 이득 \( (\mathrm{dBi}), L_{t} \) 는 송신기에서 삽입 손실 \( (\mathrm{dB}), L_{r} \) 는 수신기의 삽입 손실 \( (\mathrm{dB}), L_{p} \) 는 송신소와 수신기 안테나 사이의 전파 경로 손실 \( (\mathrm{dB}) \) 이다.</p><p>TV 수신기의 수신 감도를 정의하기 위해 어떤 비트 오율 \( B E R=10^{-y} \) 을 갖는 신호 대 잡음 비, S/N 에서 DTV 수신기의 감도는 상온에서 다음과 같이 주어진다.</p><p>\( P_{r-t h}(\mathrm{dBm})=-174+10 \log _{10}(B)+N F+S / N \)<caption>(5)</caption></p><p>여기서 \( k\left(=1.38 \times 10^{-23} \mathrm{~J} / \mathrm{K}\right) \) 는 Boltzmann의 상수, T는 Kelvin 온도, B는 수신기 대역폭 \( (\mathrm{Hz})\), NF는 수신기 잡음 지수 \( (\mathrm{dB})\), S/N는 일반적으로 선정된 변조 방식의 함수이며, ATSC에서는 SER(segmentation error rate: 분할 오율)을 \( 1.93 \times 10^{-4} \) 기준으로 하였으며, 이는 초당 2.5 분할 오류가 있을 때이다. 이때 측정된 S/N 은 \( 14.9 \mathrm{~dB} \) 가 되며, 이 값을 시정 한계(Threshold of Visibility: TOV)라 정의한다.</p><p>DTV 수신 한계 레벨의 전계 강도, \( E_{P_{r-t h}}(\mathrm{~dB}(\mu \mathrm{V} \) \( / \mathrm{m})) \) 는 전력 \( (\mathrm{dBm}) \) 과의 변환 관계로부터 수신 안테나 이득, \( G_{r} \) 및 수신기의 삽입 손실, \( L_{r} \) 을 고려하면 다음과 같이 표현된다.</p><p>\( \begin{aligned} E_{P_{r-t h}}=& P_{r-t h}(\mathrm{dBm})+20 \log f_{M H z} \\ &+77.2(\mathrm{~dB})-G_{r}(\mathrm{~dB})+L_{r} \end{aligned} \)<caption>(6)</caption></p><p>여기서 \( f_{M H z} \) 는 송신기의 중심 주파수 \( (\mathrm{MHz}) \) 이다.</p><p>한편, 본 논문의 시뮬레이션에서 사용한 전파 손실 모델은 ITU-R 권고 P.1546의 전계 곡선들인데, 이들은 \( 1.0 \mathrm{~kW} \) 유효 방사 전력(ERP)에 대한 전계 강도 값 \( (\mathrm{dB}(\mu \mathrm{V} / \mathrm{m})) \) 이다. \( 1 \mathrm{~kW}\) ERP 는 62.1 EIRP 에 해당하므로 따라서 전파 손실, \( L_{p}(\mathrm{~dB}) \) 는 ITU-R 권고 P.1546에서 \( 1 \mathrm{~kW}\) ERP 에 대한 전계 강도, \( E_{p .1546}(\mathrm{~dB} \) \( (\mu \mathrm{V} / \mathrm{m})) \) 로부터 다음과 같이 계산된다.</p><p>\( E_{P_{r-t h}}=E_{p .1546}+P_{t}+G_{t}-L_{t}-62.1 \)<caption>(8)</caption></p><p>여기서 62.1 의 물리적 의미는 \( 1 \mathrm{~kW}\) ERP 의 dBm 단위로 환산한 결과와 동일하며, 만약 송신 전력 dBm과 송신 안테나 이득 dBi 의 합이 이 값과 동일하다면 결국 수신 전계 강도는 바로 ITU-R 권고 P.1546 의 전계 강도 곡선의 값에서 송신기의 삽입 손실을 감해 주면 구할 수 있다.</p>
|
[
"한국의 ATV는 어떤 규격을 준수하니?",
"한국의 DTV가 준수하는 규격은 뭐야?",
"그림 2의 TV 스펙트럼은 어떤 규격을 만족하니?",
"BT.417-5은 어떤 통신규약에서 권고하고 있는 거야?",
"그림 2에 나타난 TV 스펙트럼의 대역폭은 어느정도야?",
"평균 전계 강도를 나타낼 때, 지상 몇 m의 높이에서의 전계 강도를 언급했어?",
"수신 신호의 레벨 식에 따르면, \\( G_{t} \\)가 의미하는 바가 뭐야?",
"주파수 대역이 162~230으로 주어지고 간섭이 존재하지 않을 때 전계 강도 값은 얼마야?",
"수신 신호의 레벨 식에 따르면, \\( L_{p} \\) 는 어떤 값을 나타내?",
"수신 신호의 레벨 식에서 \\( P_{t} \\)는 무엇을 의미하니?",
"주파수 대역이 470~582이고 간섭이 있을 때 전계 강도는 어떤 값을 가지니?",
"주파수 대역이 41~68이고 간섭이 존재할 때 전계 강도는 얼마야?",
"간섭이 없고 주파수 대역이 41~68일 때 전계 강도는 얼마야?",
"전계 강도는 주파수 대역이 162~230일 때 간섭이 있는 경우 얼마야?",
"본 연구의 계산식에서 볼츠만 상수는 어떤 값으로 계산했어?",
"주파수 대역이 470~582이고 간섭이 없을 때 전계 강도 값은 얼마로 나타나니?",
"간섭이 없을 때 41~68\\(\\mathrm{MHz}\\) 대역에서 평균 전계 강도는 얼마야?",
"간섭이 존재하지 않는 경우, 162~230\\(\\mathrm{MHz}\\) 대역에서 평균 전계 강도는 얼마야?",
"간섭이 존재하는 경우, 162~230\\(\\mathrm{MHz}\\) 대역에서 나타나는 평균 전계 강도는 얼마야?",
"41~68\\(\\mathrm{MHz}\\) 대역에서 간섭이 존재할 때 평균 전계 강도는 얼마야?"
] |
1c370be5-b5c7-48ca-871a-d8e0ba64c918
|
인공물ED
|
디스플레이용 점착제의 개발 동향
|
<h1>3.결 론</h1><p>디스플레이 점착제의 시장은 디스플레이 시장과 마찬가지로 매년 증가하는 추세를 보일 것이다. 디스플레이가 평판 디스플레이에서 다양한 형태의 차세대 디스플레이로 변화하는 추세이며, 새로운 디스플레이의 개발에 있어서 핵심요소인 광학용 점. 접착소재 또한 중요성이 키질 것이다. 하지만 점착소재의 해외 의존도가 높아 디스플레이 시장의 변화 속도에 맞는 소재 부품의 개발에 대한 필요성이 시급할 것으로 예상된다.</p>
|
[
"디스플레이 점착제 시장은 향후 어떤 추세를 가지게 될것 같나요?",
"우리나라 점착소재 시장의 문제점은 무엇인가요?",
"어떤 것이 우리나라 점착소재 시장의 문제점을 가지고 있얼까",
"현재 디스플레이는 어떠한 형태의 디스플레이로 변화하고 있나요?",
"우리나라 디스플레이 개발이 필요한 이유는 무엇인가요?",
"무엇이 우리나라 디스플레이 개발의 이유지"
] |
5f6b3f41-f799-48db-9eb7-1a253be921e8
|
인공물ED
|
PTP Management Node 기반 시각동기 오류 검출 및 대응 시스템
|
<p>가. 시각동기 오류 검출 실험</p><p>매니지먼트 노드 기반의 시각동기 오류 검출 알고리즘의 동작 증명을 위해 그림 3과 같이 PTR 를 통한 시간동기가 유지되는 분산 네트워크 시스템을 구성하였고, 시각동기 마스터 클락이 정기적으로 보내는 시각동기 신호에 오프셋 오류를 발생시킨 경우 이를 매니지먼트 장치가 제대로 검출할 수있는지 확인하는 실험을 진행하여 그림 4 와 같은 결과를 얻었다. 그림 4(a)상의 슬레이브 클락 교정정보에서 확인할 수 있듯이 마스터 클락 fault 상황시 \( 10 \mathrm{us} \) 의 시각 오프셋 오차가 발생하도록 설계하였으며, 시각동기 마스터 클락 오류 상황에서 그림4(b)와 같이 매니지먼트 노드가 마스터 시각동기 오류 상황을 성공적으로 검출해 넨 것을 확인할 수 있다. 이로써 매니지먼트 노드를 기반으로 한 오류검출 시스템이 실제 시각동기 네트워그상에서도 동 작함을 증명하였다.</p><p>나. 시각동기 오류 대응 실험</p><p>본 논문에서 제안한 시각동기 오류 대응 알고리즘의 성능 분석을 위해 시각동기 오류가 발생한 시점으로부터 시간에 따라 각 장치의 시각이 기준시각에서 벗어나는 정도를 관측하는 실험을 진행하였으며, 그 결과를 그림 5 상에 나타내었다. 각 장치에서 추출한 1-PPS 신호를 오실로스코프 상에 연결하여 측정하였으며, 해당 그림 상에서 노랑색 선은 Master clock을 나타내고, 보라색 선은 대응 알고리즘이 적용된 Slave clock, 파랑색 선은 일반 Slave clock상에서 측정된 1-PPS 를 나타넨다. 그림 5a 는 시각동기가 정상적으로 진행 될 경우의 1-PPS 측정 결과를 보여주고, 그림 5(b) 는 마스터 지각동기 신호를 제거한 뒤 40 초가 경과하였을 경우의 1-PPS를 보여준다. 자체 시각오류 대응 알고리즘이 적용된 경우 40 초 까지 1us 이하의 시각 정밀도를 유지하지만 그렇지 않은 경우 기준시각에서 더 멀어진 것을 확인할 수 있다.</p><h1>III. 결론</h1><p>본 논문에서 제안한 PTP Management 장치 기반 시각동기 오류 검출 및 대응 시스템은 분산 네트워크의 시각 동기 안정성을 향상시켜주는 시스템으로, 정밀 시각동기의 유지가 필요한 분야로의 응용이 가능할 것으로 기대된다. 특히, 제어 및 보 호를 위해 기기 간 정밀 시각동기가 요구되는 미래의 디지털 전력 계통 환경은 다양한 시각동기 오류 상황에 대응할 수 있는 시스템이 필수적으로 적용되어야 한다. 제안한 시스템은 Master failure 검출 뿐 아니라, Slave의 1us 이하 자체 시각 보정 능력 을 향상시킴으로써, 디지털 전력 계통 환경에 유용 한 시각동기 시스템을 제공할 수 있을 것으로 기대 된다.</p><p>추후에는 Master/Slave failure 시에도 더욱 정밀 하게 자체 및 협조기반으로 시각을 보정할 수 있는 방안을 연구하여 더욱 안정적으로 기기 간 정밀 시 각 동기를 유지할 수 있는 시스템에 대한 연구를 진행하고자 한다.</p>
|
[
"매니지먼트 노드 기반의 시각동기 오류 검출 알고리즘의 동작 증명을 위해 어떤 네트워크 시스템을 구축했어?",
"마스터 클락 fault 상황시 어떤 일이 발생하도록 실험을 설계했어?",
"마스터 클락 fault 상황시 \\( 10 \\mathrm{us} \\) 의 시각 오프셋 오차가 발생하도록 설계되었음을 어떤 정보를 보고 알 수 있어?",
"본 실험에서 PTR을 통한 시간동기가 유지되는 분산 네트워크 시스템을 구성한 이유가 뭐야?",
"매니지먼트 장치가 어떠한 경우에 검출가능성을 측정하기 위해서 실험을 진행했어?",
"실험을 진행해 본 결과로 매니지먼트 노드를 기반으로 한 오류검출 시스템이 실제 상황에서도 동작함을 증명해냈어?",
"각 장치에서 추출한 신호를 측정하기 위해 어떤 계측장비를 사용했어?",
"각 장치에서 어떤 신호를 추출하여 오실로스코프로 연결했어?",
"실험결과로 제시된 그림 상에서 파란색 선이 나타내는 정보가 뭐야?",
"실험결과로 제시된 그림 상에서 노란색 선이 나타내는 정보가 뭐야?",
"자체 시각오류 대응 알고리즘이 적용되지 않은 경우에는 어떤 실험 결과가 나왔어?",
"실험결과로 제시된 그림 상에서 보라색 선이 나타내는 정보가 뭐야?",
"본 논문에서 제안한 PTP Management 장치 기반 시각동기 오류 검출 및 대응 시스템은 어떤 기능을 가진 시스템이야?",
"본 논문에서 제안한 시스템은 어떤 능력들을 향상시켰어?",
"본 논문에서 제안한 시각동기 오류 대응 알고리즘의 성능 분석을 위해 어떤 수치를 관측하는 실험을 진행했어?",
"본 실험에서 결과를 보이는 방법으로 그래프 색에 따른 신호 도식화를 선택했어?",
"시각오류 대응 알고리즘을 사용하는 경우에 시각 정밀도를 얼마나 유지해?",
"시각오류 대응 알고리즘을 사용하는 경우 시각 정밀도를 얼마나 그대로 사용하는가?",
"시각동기 오류 발생 이후 시간에 따른 장치시각이 기준시각에 비하여 달라지는 정도를 왜 관측했어?"
] |
f528edfe-47eb-43f4-bd80-9233beabf004
|
인공물ED
|
PTP Management Node 기반 시각동기 오류 검출 및 대응 시스템
|
<h1>요 약</h1><p>본 논문은 PTP(Precision Time Protocol) management node 기반 시각동기 오류 검출 및 대응 시스템을 제안하였다. 기존 IIEEE 1588 PTP시각동기 표군에서 제시되지 않은 새로운 시각농기 마스터 failure 검출 빗 대응 방법을 제안하여 시각농기가 적용된 분산 네트워크 시스뎀의 안정성과 신뢰도를 제고하고, EVM(Evaluation Module)으로 구성된 시각농기 네트워크 보의고장 실험을 통해 본 논문에서 제안한 시스템이 실제 마스터 클락 상에 발생한 시각오류를 검출하고 대응이 가능함을 증명하였나. 본 논문에서 도입한 매니지먼트 장치를 중심으로 기존 슬레이브 장치들의 협조아래 마스티 장치의 시각징보 오류를 검촐하고, 대응하는 새로운 시스템 구조를 도출하였고, EVM 기기로 구성된 시각동기 네트워크 모의 고장 실험을 통해 본 논문에서 제안한 시스템의 시각농기 오류 대응에 따른 징빈 시각농기 유지 기능의 타당성을 입증하였다.</p><h1>I. 서론</h1><p>고정밀한 동작을 요구하는 실시간 분산 네트워크시스템 상에선 기기 간의 시각 동기 오차로 인해 데이터 상에 발생한 왜곡이 시스템 제어 및 보호 알고리즘 상에 오작동을 야기할 수 있다. 따라서, 분산 네트워크상에 구성된 시스템의 안정성 과 신뢰도를 위해 시스템을 구성하는 기기 간의 시각동기가 보장되는 것은 필수적이라 할 수 있다.</p><p>시각동기의 목적은 GPS(Global Positioning System)와 같은 정밀한 시각 동기원에서 전달된 신뢰성 높은 시각정보를 이더넷과 같은 패킷 망을 통해 연결된 시스템 장치들 상에 제공하여 GPS에 준한 시간동기를 구축하는 것이다. 이더넷망 상에 시각동기를 구현하기 위한 대표적인 방식으로는 NTP (NetworkTime Protocol)와 PTP(Precision Time Protocol) 가있고, 이를 통해 구성된 시스템 상의 제어 및 보호를 보장해주기 위하여 IEEE 1588 PTP와 같은 표준이 제안되었으며, 전력 시스템의 경우 IEC61850과 같은 시각동기 표준을 기반으로 원격 시스템 상의시각동기 장치 구성 및 요구 성능을 제안하고 있다.</p><p>해당 표준에는 시각동기 정밀도 및 성능에 관한 규격과 시각동기용 통신 데이터 규격이 정해져 있어 이를 바탕으로 시스템 상의 시각 동기를 구성할 수 있으며,BMCA(Best Master Clock Algorithm)를 사용하여 시각동기 오류상황을 검출하고 대응하는 방안이 제시되어 있다. 하지만 BMCA의 경우 시각동기 마스터의 완전한 탈락 상황에 대비한 것으로써 기존의 마스터 장치를 대체할 다른 마스터장치를 요구로 하며, GPS 교란이나 마스터 장치의 고장으로 인한 시각동기 마스터 장치 오류 검출 및 대응방법은 제안되어있지 않다.</p><p>그러므로, 기존의 시각동기 표준 방식만을 바탕으로 구성된 분산 네트워크 시스템의 경우 상기 서술한 마스터 장치 오류 상황을 검출하고, 대응할 수 없기 때문에 기기들의 정밀한 동작을 확실하게 보장할 수 없게 된다. 마스터 장치의 시각정보 신뢰도를 보장하기 위한 방법으로 복수의 마스터에서 오는 정보 중 양호한 정보를 선택해 시각동기를 유지하는 방식이 제안되었지만, 시각동기에 필요한 트래픽이 두 배로 증가하고 통신망을 복수로 구성해야한다는 구조상 단점이 존재한다.</p><p>따라서, 본 논문에선 GPS교란이나 고장으로 인한 마스터 장치의 시각 동기 오류 상황을 검출하고, 그에 대응해 전체 시스템의 시각동기를 효과적으로 유지할 수 있는 방법으로 매니지먼트 장치 기반의 시각동기 마스터 오류 검출 및 대응 방법을 제안하고, 고장 모의 실험을 통해 실제 사용가능성을 검증하여 본 논문을 통해 제안된 방법이 현재 시각동기 표준상의 부족한 부분을 보완할 수 있음을 보였다.</p>
|
[
"PTP를 활용하면 이더넷망 상에 시각동기를 구현할 수 있어?",
"본 논문에서 일컫는 EVM은 무엇의 약자니?",
"NTP를 활용하면 이더넷망 상에 시각동기를 구현할 수 있어?",
"복수의 마스터에서 오는 정보 중 양호한 정보를 선택해 시각동기를 유지할 때 통신망은 단수로 구성해야 해?",
"본 논문에서 예시로 든 정밀한 시각 동기원은 뭐야?",
"본 논문에서 예시로 든 정밀한 시각 동기원은 무엇인가?",
"복수의 마스터에서 오는 정보 중 양호한 정보를 선택해 시각동기를 유지하면 트래픽은 몇 배로 증가해?",
"본 논문에서는 마스터 장치의 시각 동기 오류 상황의 원인으로 어떤 예시를 들고 있니?",
"실시간 분산 네트워크시스템에서는 동작의 정밀도는 무관해?"
] |
152f587c-e95c-456b-acca-d6b6d8b3d591
|
인공물ED
|
PTP Management Node 기반 시각동기 오류 검출 및 대응 시스템
|
<h1>II. 본론</h1><h2>2.1 매니지먼트 장치 기반 시각동기 오류 검출 및 대응 시스템</h2><p>본 논문에서 제안하는 매니지먼트 장치 기반 마스터 시각동기 오류 검출 및 대응 시스템의 구성은 다음의 그림 1 과 같다.</p><p>기존의 시각동기 네트워크 구성인 마스터-슬레이브 장치 구성에 마스터 장치 오류 검춘 및 대응부가 포함된 시각동기 매니지먼트 장치가 추가되어 시각동기 장치 간 시각교정정보 공유를 통한 마스터 장치 시각동기 오류검출 및 매니지먼트 장치중심의 시각동기 오류 대응 기능을 구현하였다. 마스터 클락 시각동기 오류를 검출하기 위해 시각동 기 매니지먼트 장치가 일차적으로 시각동기메세지의 신뢰도를 계산하고, 시각동기 메시지의 시각동기 신뢰도 상에 이상이 존재할 시 장치 간 시각교정정보 공유를 통해 최종적으로 마스터 시각동기 메시지의 오류를 판정할 수 있는 구조를 도출하였고, 매니지먼트 장치 상에 포함된 자가시각표정 알고리즘 및 마스터 대체기능을 기반으로 마스터 오류 대응기능을 구현하여 시스템 상의 시각동기를 장시간 유지할 수 있는 새로운 시각동기 보호 방법을 제안한다.</p><p>본 논문에서 제안하는 매니지먼트 장치와 슬레이브 클락 협조 기반 시각동기 마스터 오류 검춘 및 대응 알고리즘의 자세한 흐름도는 그림 2 와 같다.PTP(Precision Time Protocol) 시각동기가 수행된 이후 설정된 시간 내에 매니지먼트 장치가 마스터장치로부터 시각동기 신호를 반은 경우 다음의 두단계를 거처 현제 시각동기 정보의 신뢰도를 평가하다. 첫 번째 시가정보 검증은 수식 (1)과 같이 매니지먼트 노드상의 이전 시각표정정보와 현재 신호를 바탕으로 매니지먼트 장치 상의 VCR (VarianceChange Rate)을 구한 뒤, 이를 threshold와 비표하여 동기 신호의 적절성을 판단한다.</p><p>\( \operatorname{VCR}(t)=\frac{\sum_{k=t-N+1}^{t}(\text { time }(k)-\operatorname{offset}(k))^{2}}{\sum_{k=t-N}^{t-1}(\operatorname{time}(k)-\operatorname{offset}(k))^{2}} \)<caption>(1)</caption></p><p>일차 검증의 결과 설정된 threshold를 넘지 않을경우 Master 장치상의 시각교정정보가 정상이라고 판단하여 정상적인 시각동기를 진행하며 자신의 시각교정정보를 기록한 뒤 다음 시각동기 신호 수신 대기 상태로 들어간다. 하지만 일차 검증값이 설정된 threshold를 넘을 경우 Test 1 Error로 판정하여 슬레이브 장치로부터 시각교정정보를 수집한 뒤 두 번째 시각정보 검증에 들어간다. 두 번째 시각정보 검증은 식 (2)와 같이 슬레이브 장치들의 평균적인 VCR 을 구한 뒤, 이를 threshold와 비교하여 이루어진다.</p><p>Meanslave \( V C R(t)=\frac{1}{M} \sum_{n=1}^{M} \) Slave \( _{n} V C R(t) \)<caption>(2)</caption></p><p>이차 검증의 결과 이상이 없을 경우 매니지먼트 장치의 이상으로 판단하여 마스터 장치 시각정보를 사용한 시각동기화를 지속한다. 하지만 이차 검증의 결과 값이Threshold를 넘을 경우 마스터 장치 상에 오류가 발생했다고 판정하여 시각동기 오류 대응 프로세스를 수행한다.</p><p>오류 검출 과정을 통해 마스터 시각오류로 판정되거나 마스터 장치로부터 설정된 기간 이내 Sync메시지를 반지 못했을 경우 매니지먼트 장치는 일차적으로 대체 가능한 다른 마스터의 존재 유무를 찾으며, 존재할 경우 BMCA 를 통해 시각동기 마스터를 재설정하는 기존 시각오류대응 프로세스를 수행한다. 만일 대체 가능한 다른 시각동기 마스터가 존재하지 않을 경우 본 논문에서 제안한 방식인 매니지먼트 장치 기반의 마스터 시각 오류 대응이수행된다. 이 때, 매니지먼트 장치는 이전 시각교정 데이터를 기반으로 한 자가시각교정 알고리즘을 통해 클락 특성을 자체적으로 보정하는 과정을 수 행하고, 오류가 발생한 시각동기 마스터를 대체하는 새로운 시각동기 마스터로써 기능하여 새로운 시각정보를 주기적으로 슬레이브 장치에 전달하여 전체 분산 네트워크 시스템 상의 시각 동기를 유지 하게 된다.</p><p>본 논문에선 이와 같이 마스터 클락 오류를 검출 하고 대응하는 새로운 시각동기 보호 시스템을 도출하였고,</p><h2>2.2 시각동기 오류검출 및 대응 시뮬레이션</h2><p>본 논문에선 이와 같이 마스터 클락 오류를 검출하고 대응하는 새로운 시각동기 보호 시스템을 도출하였고, 본 논문을 통해 제안한 매니지먼트 노드 기반 마스터 클락 시각동기 오류 검출 및 대응 시스템이 실제 시각동기 네트워크 상에 적용 가능한지 검증 하기 위해 그림 3 과 같이 EVM(EVmk2h)을 사용한 LAN 기반 분산 네트워크 시스템을 구성하였고, 시 각동기 오류 검춘 실험과 시각동기 오류 대응 실험을 수행하여 본 논문에서 제안한 개념인 매니지먼트 노드 기반의 마스터 시각동기 오류 검출 밋 대 응이 실제 분산 네트워크 시스템 상에서도 제대로 동작함을 보였다.</p>
|
[
"매니지먼트 장치 기반 마스터 시각동기 오류 검출 및 대응 시스템은 기존의 시각동기 네트워크 구성인 마스터-슬레이브 장치 구성에 무엇이 추가된 것인가?",
"마스터 클락 시각동기 오류를 검출하기 위해서는 먼저 시각동기 매니지먼트 장치가 일차적으로 시각동기메세지의 신뢰도를 계산하는가?",
"마스터 클락 오류를 검출하고 대응하는 어떠한 새로운 시스템을 도출하였는가?",
"일차 검증의 결과 설정된 threshold를 넘지 않을경우 Master 장치상의 시각교정정보가 비정상이라고 판단하는가?",
"이차 검증의 결과 값이Threshold를 넘을 경우 마스터 장치 상에 오류가 발생했다고 판정하고 어떤 프로세스를 수행하는가?",
"두 번째 시각정보 검증은 슬레이브 장치들의 평균적인 VCR 을 구한 뒤 이루어지는가?",
"이차 검증의 결과 값이 Threshold를 넘을 경우 매니지먼트 장치의 이상으로 판단하는가?",
"이차 검증의 결과 이상이 없을 경우 매니지먼트 장치의 이상으로 판단하는가?",
"일차 검증값이 설정된 threshold를 넘을 경우 Test 1 Error로 판정하는가?"
] |
440c30a5-94d9-42cb-8a67-87a40b1596e5
|
인공물ED
|
임의 주기를 가지는 실시간 멀티 태스크를 위한 체크포인트 구간 최적화
|
<h1>2. 모델링</h1> <h2>2.1 실시간 멀티 태스크</h2> <p>먼저 본 논문에서 정의하고 사용할 매개 변수를 요약하면 다음 표와 같다.</p> <table border><caption>표 1 논문에서 정의된 매개 변수 요약.</caption> <tbody><tr><td>Notation</td><td>Description</td></tr><tr><td>\( \mathrm{e}_{\mathrm{i,j}} \)</td><td>태스크 \( \mathrm{T}_{\mathrm{i}} \)의 \( \mathrm{j} \) 번째 job \( \mathrm{J}_{\mathrm{i,j}} \)의 실제 실행시간</td></tr><tr><td>\( \mathrm{p}_{\mathrm{k}} \)</td><td>태스크 \( \mathrm{T}_{\mathrm{k}} \)의 주기</td></tr><tr><td>\( \mathrm{p}_{\mathrm{i}} \)</td><td>구간 \( \Delta_{\mathrm{i}} \)에서 과도 고장이 발생하지 않을 확률</td></tr><tr><td>\( \mathrm{q}_{\mathrm{i}} \)</td><td>구간 \( \Delta_{\mathrm{i}} \)에서 과도 고장이 한 번 이상 발생할 확률</td></tr><tr><td>\( \mathrm{l}_{\mathrm{i}, \mathrm{j}} \)</td><td>Job \( \mathrm{J}_{\mathrm{i,j}} \)에서 재수행되는 구간 횟수</td></tr><tr><td>\( \mathrm{L}_{\mathrm{i}} \)</td><td>태스크 \( \mathrm{T}_{\mathrm{i}} \)의 재수행 벡터 \( \mathrm{L}_{\mathrm{i}}=[\mathrm{l}_{\mathrm{i}, 1} \mathrm{~l}_{\mathrm{i}, 2} ~\ldots ~1_{\mathrm{i}, \mathrm{vi}}] \)</td></tr><tr><td>\( \Psi_{\mathrm{ij}}(\mathrm{l}_{\mathrm{i}, \mathrm{j}}) \)</td><td>\( \mathrm{l}_{\mathrm{i}, \mathrm{j}} \)번의 재수행 구간을 가진 \( \mathrm{J}_{\mathrm{i}, \mathrm{j}} \)의 실행이 끝날 확률</td></tr><tr><td>\( \Psi_{\mathrm{i}}(\mathrm{L}_{\mathrm{i}}) \)</td><td>재수행 벡터 \( \mathrm{L}_{\mathrm{i}} \)를 가진 태스크 \( \mathrm{T}_{\mathrm{i}} \)의 모든 job의 실행이 끝날 확률</td></tr><tr><td>\( \mathrm{d}_{\mathrm{i}, \mathrm{j}} \)</td><td>Job \( \mathrm{J}_{\mathrm{i,j}} \)가 준수해야 할 절대 데드라인</td></tr><tr><td>\( \mathrm{d}_{\mathrm{i}, \mathrm{j}}^{\mathrm{e}} \)</td><td>\( \mathrm{J}_{\mathrm{i,j}} \)가 실제 만족시켜야 할 상대적인 데드라인</td></tr><tr><td>\( \mathrm{\sigma}_{\mathrm{i}, \mathrm{j}}(0) \)</td><td>스케줄링 시점 0부터 \( \mathrm{j} \)번째 절대 데드라인까지측정한 태스크 \( \mathrm{T}_ \mathrm{{i}} \)의 누적 여유시간</td></tr><tr><td>\( \mathrm{s}_{\mathrm{i}, \mathrm{j}} \)</td><td>\( \mathrm{T}_ \mathrm{{i}} \)의 \( \mathrm{j} \)번째 주기에서 측정한 여유시간</td></tr><tr><td>\( \phi_{\mathrm{i}}(\mathrm{t}) \)</td><td>시각 \( \mathrm{t} \) 이후에 실행이 시작되는 태스크 \( \mathrm{T}_ \mathrm{{i}} \)의 job 중 최소 release 시각과 \( \mathrm{t} \)와의 시간차이</td></tr><tr><td>\( \Gamma(\mathrm{L}_{1}, \ldots, \mathrm{L}_{\mathrm{m}}) \)</td><td>재수행 벡터가 \( \mathrm{L}_{1}, \ldots, \mathrm{L}_{\mathrm{m}} \)으로 주어질 때 전체 태스크 \( \mathrm{T} \)에 대한 RM 스케줄링 결과가 유효한지를 나타내는 함수</td></tr><tr><td>\( \Psi(\mathrm{L}_{1}, \ldots, \mathrm{L}_{\mathrm{m}}) \)</td><td>재수행 벡터가 \( \mathrm{L}_{1}, \ldots, \mathrm{L}_{\mathrm{m}} \)으로 주어질 때 모든 태스크의 job들이 [0, H] 동안 실행을 끝낼 확률</td></tr><tr><td>\( \mathrm{P}(\mathrm{T}, \mathrm{H}) \)</td><td>멀티 태스크 T의 모든 job이 시간 구간 \( [0, \mathrm{H}] \)에서 실행을 끝낼 확률</td></tr></tbody></table> <p>본 논문에서는 태스크들이 RM(Rate Monotonic) 알고리듬에 따라서 스케줄링 된다고 설정한다. RM 알고리듬은 대표적인 고정 우선순위(fixed priority) 주기 스케줄링 기법 중 하나로서 태스크의 우선순위가 데드라인에 반비례한다. 따라서 가장 짧은 데드라인을 가진 태스크의 우선순위가 가장 높고, 가장 긴 데드라인을 가진 태스크의 우선순위가 가장 낮다.</p> <p>실시간 시스템은 단일 프로세서에서 \( m \)개의 주기적 멀티 태스크 \( \mathrm{T}=\left\{\mathrm{T}_{1}, \mathrm{~T}_{2}, \ldots, \mathrm{T}_{\mathrm{m}}\right\} \)을 실행한다\( (\mathrm{m} \geq 1) \). 태스크 \( \mathrm{T}_{\mathrm{i}} \)는 \( \mathrm{T}_{\mathrm{i}}=\left(\mathrm{p}_{\mathrm{i}}, \mathrm{e}_{\mathrm{i}}\right) \)로 표시한다. \( \mathrm{p}_{\mathrm{i}} \)는 \( \mathrm{T}_{\mathrm{i}} \)의 주기, \( \mathrm{e}_{\mathrm{i}} \)는 태스크의 실행 시간이다. 본 논문에서는 각 태스크의 데드라인이 태스크 주기와 동일하다고 가정하고 \( \mathrm{T}_{1}, \mathrm{~T}_{2}, \ldots, \mathrm{T}_{\mathrm{m}} \)이 우선순위에 따라서 열거되었다고 정한다. 즉 \( \mathrm{p}_{1}<\mathrm{p}_{2}<\cdots<\mathrm{p}_{\mathrm{m}} \)이다. 또한 \( \mathrm{T}_{\mathrm{i}}=\left\{\mathrm{T}_{1}, \mathrm{~T}_{2}, \ldots, \mathrm{T}_{\mathrm{i}}\right\} \)이라 정의한다.</p> <p>모든 주기 \( \mathrm{p}_{1}, \mathrm{p}_{2}, \ldots, \mathrm{p}_{\mathrm{m}} \)의 최소공배수를 \( \mathrm{H} \)라고 하고 \( \mathrm{T} \)의 hyper-period라고 부른다. RM 알고리듬은 주기 스케줄링이므로 RM 알고리듬의 결과는 hyper-period \( \mathrm{H} \)마다 동일한 패턴을 반복한다. 따라서 최초 스케줄링 시작 시각 0에서 \( \mathrm{H} \)까지의 시간 구간만 고려하면 모든 구간에서 문제를 푼 것과 동일하다. 본 논문에서도 \( [0, \mathrm{H}] \) 시간 구간만을 다룬다.</p> <p>각 태스크는 매 주기마다 자신의 태스크 job(또는 instance)을 한 번씩 실행해야 한다. 태스크의 특정 주기에서 실행되는 job을 표기하기 위해서 매개 변수 \( \mathrm{J}_{\mathrm{i}, \mathrm{j}} \)를 도입한다. \( \mathrm{J}_{\mathrm{i}, \mathrm{j}} \)는 태스크 \( \mathrm{T}_{\mathrm{i}} \)의 \( \mathrm{j} \)번째 주기에서 실행되는 job을 가리킨다. \( \mathrm{v}_{\mathrm{i}}=\mathrm{H} / \mathrm{p}_{\mathrm{i}} \)라 하면 \( \mathrm{T}_{\mathrm{i}} \)는 시간 구간 \( [0, \mathrm{H}] \)에서 \( \mathrm{J}_{\mathrm{i}, 1}, \mathrm{~J}_{\mathrm{i}, 2}, \ldots, \mathrm{J}_{\mathrm{i}, \mathrm{vi}} \) 등 총 \( \mathrm{v}_{\mathrm{i}} \)개의 job을 가진다.</p>
|
[
"매개변수 \\( \\mathrm{e}_{\\mathrm{i,j}} \\)는 태스크 \\( \\mathrm{T}_{\\mathrm{i}} \\)의 몇 번째 job \\( \\mathrm{J}_{\\mathrm{i,j}} \\)의 실제 실행시간을 나타내는가?",
"매개변수 \\( \\mathrm{p}_{\\mathrm{k}} \\)는 무엇의 주기를 표시하나?",
"매개변수 \\( \\mathrm{p}_{\\mathrm{i}} \\) 어떤 확률인가?",
"\\( \\mathrm{q}_{\\mathrm{i}} \\)는 구간 \\( \\Delta_{\\mathrm{i}} \\)에서 과도 고장이 몇 번 이상 발생할 확률이야?",
"표에서 횟수를 나타내는 매개변수는 뭐야?",
"매개변수 \\( \\mathrm{L}_{\\mathrm{i}} \\)는 어떤 값으로 표현되는가?",
"\\( \\Psi_{\\mathrm{ij}}(\\mathrm{l}_{\\mathrm{i}, \\mathrm{j}}) \\)는 어떤 매개변수 실행이 끝날 확률일까?",
"재수행 벡터 \\( \\mathrm{L}_{\\mathrm{i}} \\)를 가진 태스크 \\( \\mathrm{T}_{\\mathrm{i}} \\)의 모든 job의 실행이 끝날 확률을 의미하는 매개변수는 무엇인가?",
"\\( \\mathrm{d}_{\\mathrm{i}, \\mathrm{j}} \\)는 어떤 매개변수가 준수해야 할 절대 데드라인을 의미하니?",
"\\( \\mathrm{d}_{\\mathrm{i}, \\mathrm{j}}^{\\mathrm{e}} \\)는 무엇을 의미해?",
"매개변수 \\( \\mathrm{\\sigma}_{\\mathrm{i}, \\mathrm{j}}(0) \\)는 어떤 태스크와 관계있나?",
"\\( \\mathrm{s}_{\\mathrm{i}, \\mathrm{j}} \\)는 \\( \\mathrm{T}_ \\mathrm{{i}} \\)의 몇 번째 주기에서 측정한 여유시간일까?",
"\\( \\mathrm{P}(\\mathrm{T}, \\mathrm{H}) \\)는 무엇이 시간 구간 \\( [0, \\mathrm{H}] \\)에서 실행을 끝낼 확률일까?",
"\\( \\Psi(\\mathrm{L}_{1}, \\ldots, \\mathrm{L}_{\\mathrm{m}}) \\)는 재수행 벡터가 \\( \\mathrm{L}_{1}, \\ldots, \\mathrm{L}_{\\mathrm{m}} \\)으로 주어질 때 모든 태스크의 job들이 얼마 동안 실행을 끝낼 확률이니?",
"매개변수 \\( \\phi_{\\mathrm{i}}(\\mathrm{t}) \\)는 어떤 시간차이를 의미하니?",
"\\( \\Gamma(\\mathrm{L}_{1}, \\ldots, \\mathrm{L}_{\\mathrm{m}}) \\)는 어떤 함수니?",
"매개변수 \\( \\mathrm{e}_{\\mathrm{i,j}} \\)는 무엇을 의미하는가?",
"매개변수 \\( \\mathrm{e}_{\\mathrm{i,j}} \\)의 뜻이 뭐지"
] |
479519fb-d008-4803-9385-96beacd31c20
|
인공물ED
|
동기 정류기를 이용한 태양광 모듈용 플라이백 인버터 소프트 스위칭 제어 기법
|
<h1>2. 공진 전압 스파이크 분석</h1><p>주스위치 양단의 전압 크기에 따른 스위치 제어를 하기 위하여 능동 클램프가 동작하지 않을 때의 주스위치의 전압 스파이크 크기 분석이 필요하다. 식 (1)과 같이 그 크기는 입출력 전압과 1차 측 첨두치 전류, 그리고 주스위치 양단의 누설 인덕턴스 성분의 제곱근에 비례하고 기생 커패시턴스 성분의 제곱근에 반비례한다.</p><p>\( v_{S_{p_{-}{spike }}}=v_{in}+\frac{V_{grid\_P }}{n}+i_{\text {pri\_p, } \max } \sqrt{\frac{L_{l k}}{C_{\text {oss\_eq }}}}|\sin \theta| \)<caption>(1)</caption></p><p>1 차측 전류 \( i_{pri_{-}peak_{-}max} \)는 그림 3과 같이 계통 주기 내에서 주스위치에 불연속 전류 모드 (Discontinuous Current Mode: DCM)로 톱니파 전류가 흐를 때, 피크 전류 중 최대값이며 \(i\)번째 피크 전류는 식 (2)와 같이 나타낼 수 있다.</p><p>\( i_{p r i-p, i}=\frac{v_{i n}}{L_{m}} t_{o n, i} \)<caption>(2)</caption></p><p>각각의 피크 전류를 계산하는 것은 복잡하기 때문에 최대 듀티 일 때의 값, 즉 계통 반주기 내 피크 전류의 최대값을 구하고 식 (1)과 같이 그 값을 기준으로 정현파 형태로 만들어 준다. 최대 피크전류의 값은 다음의식 (3)과 같다. \( D_{m} \)은 최대 듀티, \( T_{s w} \)는 스위칭 주기이다.</p><p>\( i_{p r i_{-} p, \max }=\frac{v_{i n} D_{m} T_{s w}}{L_{m}} \)<caption>(3)</caption></p><p>주스위치 양단의 등가 커패시턴스는 식 (4)와 주스위치, 능동클램프 스위치, 동기 스위치의 기생 커패시터 그리고 능동 클램프 커패시터의 직병렬 커패시턴스의 합으로 나타낼 수 있다.</p><p>\( C_{oss_{eq} }=C_{\text {oss }}^{S p}+\frac{C_{\text {oss }}^{S a} C_{a}}{C_{\text {oss }}^{S a}+C_{a}}+n^{2} C_{\text {oss }}^{S R} \)<caption>(4)</caption></p>
|
[
"능동 클램프가 동작하지 않을때의 주 스위치의 전압 스파이크 크기는 인덕턴스와 커패시터에 어떠한 관계가 있는가?",
"최대 듀티일 때의 값을 구한후 어떤 파형을 만들수 있는가?",
"피크 전류 중 최대값으로 흐르고 톱니파 전류가 흐를때, 주 스위치는 어떤 모드인가?"
] |
6bbee21d-efc2-4207-b36b-4f7393925f3b
|
인공물ED
|
On-chip 발룬을 포함한 2.45GHz대역 RFID용 LNA-Mixer설계
|
<h1>4. Mixer 설계</h1> <p>Mixer설계를 직접 변환 방식으로 설계할 경우 MOS에서 생성되는 고유잡음인 flicker noise특성이 주요 고려사항이 된다. Flicker Noise의 주요 원인은 mixer의 switching단과 bias current이다. Mixer에서 RF단의 bias current의 증가는 높은 이득과 향상된 선형성을 보장하지만 이로 인해 LO switching current가 증가함으로써 voltage headroom 문제를 야기한다. LO switching단에서 생성되는 Flicker Noise를 줄이기 위해서는 LO swing폭이 크고, 트랜지스터의 width가 넓어져야 한다. 하지만 트랜지스터의 크기가 커지면서 기생 커패시턴스의 효과도 같이 커지고 이는 \( 1 / \mathrm{f} \) noise의 증가로 이어지므로 LO단에서 사용되는 트랜지스터의 기생 커패시턴스 \( (\mathrm{Cp}) \) 를 상쇄시킬 수 있는 방법이 요구된다. 또한 noise 전류는 bias 전류에 비례하고 mixer의 flicker noise는 switching단의 영향을 많이 받으므로 switching단의 bias current를 줄여야 할 필요가 있다.</p> <p>이를 해결하기 위해 본 논문에서는 CMOS를 이용한 current bleeding 기법을 이용하여 Low IF를 사용하는 직접변환 방식의 이중평형 Mixer를 설계하였다. 그림 6은 제안된 Current Bleeding기법이 적용된 회로를 나타내고 있다. M7과 M8로 구성된 current bleeding circuit은 voltage headroom문제를 완화시키므로 load 저항인 R4 와 R5를 증가시켜 Mixer의 높은 이득을 얻을 수 있도록 한다. 또한 트랜스 컨덕턴스단인 RF단의 M1과 M2의 bias current를 LO switching단을 거치지 않고 높일 수 있으므로 역시 Mixer의 이득을 높일 수 있다. 그리고 R2와 R3는 M7과 M8의 전류를 조절하기 위한 저항이며, R1은 회로의 안정화를 위한 저항이다. Mixer의 flicker noise를 줄이기 위해 М3〜M6의 크기가 커짐으로 인해 회로에서 영향이 커진 M3~M6의 기생 커패시터의 영향을 줄이기 위해 L1을 연결하였다.</p> <p>Cadence Spectre를 이용하여 설계하였으며 공정은 TSMC 0.18um공정을 적용하였다. 그림 7에서 제안된 구조의 DSB noise특성을 log scale로 나타내었다. 제안된 구조에서 IF frequency가 \( 510 \mathrm{kHz} \) 이상일 때 Noise Figure는 \( 10.8 \mathrm{~dB} \) 이하를 나타내었다. 그림 8은 LO power에 따른 Mixer의 이득을 도시한 그래프이며 LO Power에 따른 고른 이득 특성을 보이고 있음을 확인 할 수 있다. 그림 9는 LO 입력이 \( 0 \mathrm{dBm} \) 이고 \( \mathrm{RF} \) 입력이 \( -40 \mathrm{dBm} \) 일 때 \( \mathrm{RF} \) 주파수의 변화에 따른 변환 이득을 나타낸 그래프이다. \( \mathrm{RF} \) 입력 주파수가 \( 2 \sim 3 \mathrm{GHz} \) 의 범위 내에서 \( 10 \mathrm{~dB} \) 이상의 이득을 갖는 것을 확인 할 수 있다. 설계한 Mixer의 특성을 표 4에 정리하였다.</p> <table border><caption>표 4 Mixer의 모의실험 결과</caption> <tbody><tr><td>항 목</td><td>단위</td><td>모의실험 결과</td></tr><tr><td>RF frequency</td><td>\( \mathrm{GHz} \)</td><td>2.45</td></tr><tr><td>IF frequency</td><td>\( \mathrm{kHz} \)</td><td>100</td></tr><tr><td>Conversion Gain</td><td>\( \mathrm{dB} \)</td><td>11</td></tr><tr><td>DSB Noise figure</td><td>\( \mathrm{dB} \)</td><td>\( 10.8 @ 510 \mathrm{kHz} \)</td></tr><tr><td>Power consumption</td><td>\( \mathrm{mW} \)</td><td>7.7</td></tr></tbody></table>
|
[
"표4에서 Conversion Gain행 중에서 단위 열에 해당하는 값이 뭐야?",
"표4에서 단위 \\( \\mathrm{GHz} \\)는 어떤 항목에 해당돼?",
"표4에서 RF frequency\t의 모의 실험 결과 값이 몇이야?",
"표4에서 Power consumption의 단위가 뭐지?",
"표4에서 frequency항목들 중에서 모의 실험 결과 열에 대한 값이 더 큰 항목이 뭐야?",
"표4에서 IF frequency은 어떤 이름을 가진 열에 속해?",
"표4에서 100을 포함하는 열의 이름이 뭐야?",
"표4에서 11는 어떤 이름의 행에 포함돼?",
"표4에서 모의실험 결과 중 IF frequency\t항목에 속하는 결과값이 뭐지?",
"표4에서 DSB Noise figure의 결과 값은 몇이야?",
"표4에서 모의실험 결과가 100인 항목은 무슨 항목이야?",
"표4에서 \\( \\mathrm{dB} \\)단위를 갖는 noise와 관련된 항목의 결과 값이 얼마야?",
"표4에서 Conversion Gain의 모의실험 결과 열에 대한 값 보다 3.3 작은 결과값의 행의 이름이 뭐야?"
] |
b754885b-7ae3-4c0a-b80d-bbec4d659d05
|
인공물ED
|
On-chip 발룬을 포함한 2.45GHz대역 RFID용 LNA-Mixer설계
|
<h1>7. 결 론</h1> <p>본 논문에서는 TSMC 0.18um 공정을 이용하여 \( 2.45 \mathrm{GHz} \) 대역 RFID 리더에 적용 가능한 LNA-Mixer를 설계하였다. 전력 소모를 줄이기 위해 PCSNIM방법을 이용하여 LNA를 설계하였고, 저주파 잡음특성 향상을 위해 Current Bleeding 방법과 인덕터를 연결하는 방법을 사용하여 Mixer를 설계한 후 두 소자를 Active Balun을 통해 연결하여 LNA-Mixer를 설계하였다. 설계한 LNA-Mixer의 이득은 \( \mathrm{RF} \) 주파수가 \( 2.45 \mathrm{GHz}, \mathrm{IF} \) 가 \( 100 \mathrm{kHz} \) 일 때 약 \( 22 \mathrm{~dB} \) 이며 \( \mathrm{NF} \) 는 \( 8.5 \mathrm{~dB} \) 를 나타내었고 이때 삽입손실은 \( -14.6 \mathrm{~dB}, P 1 \mathrm{~dB} \) 는 \( -25 \mathrm{dBm} \) 이다. Chip 제작을 위해 TSMC 0.18um 공정을 사용하여 레이아 웃 하였으며 chip의 크기는 \( 2.5 \mathrm{~mm} \mathrm{X} 1.0 \mathrm{~mm} \) 이다.</p> <p>본 논문의 결과를 활용하여 \( 2.45 \mathrm{GHz} \) RFID 트랜시버 설계에 적용 가능할 것으로 사료된다.</p> <table border><caption>표 6 LNA-Mixer의 설계 결과</caption> <tbody><tr><td>항 목</td><td>단위</td><td>모의실험 결과</td></tr><tr><td>Center frequency</td><td>\( \mathrm{GHz} \)</td><td>2.45</td></tr><tr><td>Supply</td><td>\( V \)</td><td>1.8</td></tr><tr><td>Gain</td><td>\( \mathrm{dB} \)</td><td>22</td></tr><tr><td>S11</td><td>\( \mathrm{dB} \)</td><td>-14.6</td></tr><tr><td>P1dB</td><td>\( \mathrm{dBm} \)</td><td>-25</td></tr><tr><td>NF</td><td>\( \mathrm{dB} \)</td><td>\( 8.5 \mathrm{~dB} @ 100 \mathrm{kHz} \)</td></tr><tr><td>Process</td><td>-</td><td>TSMC 0.18um</td></tr><tr><td>Chip size</td><td>\( m m^{2} \)</td><td>\( 2.5 \times 1.0 \)</td></tr><tr><td>Power Consumption</td><td>\( \mathrm{mW} \)</td><td>23</td></tr></tbody></table>
|
[
"표 6 LNA-Mixer의 설계 결과에서 Gain의 단위는 무엇인가?",
"표 6 LNA-Mixer의 설계 결과에서 Center frequency의 단위는 무엇인가?",
"표 6 LNA-Mixer의 설계 결과에서 P1dB의 단위는 무엇인가?",
"표 6 LNA-Mixer의 설계 결과에서 S11의 단위는 무엇인가?",
"표 6 LNA-Mixer의 설계 결과에서 Chip size의 단위는 무엇인가?",
"표 6 LNA-Mixer의 설계 결과에서 NF의 단위는 무엇인가?",
"표 6 LNA-Mixer의 설계 결과에서 Supply의 단위는 무엇인가?",
"표 6 LNA-Mixer의 설계 결과에서 Center frequency의 모의실험 결과값은 얼마인가?",
"표 6 LNA-Mixer의 설계 결과에서 Gain의 모의실험 결과값은 얼마인가?",
"표 6 LNA-Mixer의 설계 결과에서 Supply의 모의실험 결과값은 얼마인가?",
"표 6 LNA-Mixer의 설계 결과에서 S11의 모의실험 결과값은 얼마인가?",
"표 6 LNA-Mixer의 설계 결과에서 NF의 모의실험 결과값은 얼마인가?",
"표 6 LNA-Mixer의 설계 결과에서 Chip size의 모의실험 결과값은 얼마인가?",
"표 6 LNA-Mixer의 설계 결과에서 Process의 모의실험 결과값은 얼마인가?",
"표 6 LNA-Mixer의 설계 결과에서 Power Consumption의 모의실험 결과값은 얼마인가?",
"표 6 LNA-Mixer의 설계 결과에서 P1dB의 모의실험 결과값은 얼마인가?",
"표 6 LNA-Mixer의 설계 결과에서 Power Consumption의 단위는 무엇인가?"
] |
fc363619-6dfb-4f8b-b6b9-c512b8b86cf7
|
인공물ED
|
On-chip 발룬을 포함한 2.45GHz대역 RFID용 LNA-Mixer설계
|
<h1>3. LNA 설계</h1> <p>본 논문에서는 일정한 전력 소모를 유지하면서 입력 매칭과 노이즈 매칭을 동시에 만족시키는 Power Constrained Simultaneous Noise Input Matching (PCSNIM) 방법을 사용하여 LNA를 설계 하였다. 입력단 매칭회로는 degeneration 인덕터 \( L_{s} \) 와 게이트-소스 간 커패시터 \( C_{e x} \), 게이트 단 인덕터 \( L_{g} \) 로 구성되며 간략한 구조를 그림 2에 나타내었다.</p> <p>그림 3은 그림 2의 소신호 등가회로 이다. 그림 3에서 \( \overline{i_{n d}^{2}} \) 은 channel thermal noise 전류를 나타내며, \( \overline{i_{n g}^{2}} \)는 gate-induced noise 전류를 나타낸다. channel thermal noise 전류와 gate-induced noise 전류의 상관 계수 \( c \) 는 식 (3)으로 표현되며, long channel devices의 경우 j0.395의 값을 갖는다.</p> <p>\( c \equiv \frac{\overline{i_{n g}} \cdot i_{n d}^{*}}{\sqrt{\overline{i_{n g}^{2}}} \cdot \sqrt{\overline{i_{n d}^{2}}}} \)<caption>(3)</caption></p> <p>소신호 등가회로에서 noise parameter를 계산하면 식 (4), (5), (6)과 같으며, 식 (5)에서 \( C_{t}=C_{g s}+C_{e x} \) 이고 다른 변수들은 표 2에 정리하였다.</p> <p>\( R_{n}=\frac{\gamma}{\alpha} \frac{1}{g_{m}} \)<caption>(4)</caption></p> <p>\( Z_{o p t}=\frac{\alpha \sqrt{\frac{\delta}{5 \gamma\left(1-|c|^{2}\right)}}+j\left(\frac{C_{t}}{C_{g s}}+\alpha|c| \sqrt{\frac{\delta}{5 \gamma}}\right)}{w C_{g s}\left\{\frac{\alpha^{2} \delta}{5 \gamma\left(1-|c|^{2}\right)}+\left(\frac{C_{t}}{C_{g s}}+\alpha|c| \sqrt{\frac{\delta}{5 \gamma}}\right)^{2}\right\}}-s L_{s} \)<caption>(5)</caption></p> <p>\( N F_{\min }=1+\frac{2}{\sqrt{5}} \frac{w}{w_{T}} \sqrt{\gamma \delta\left(1-|c|^{2}\right)} \)<caption>(6)</caption></p> <table border><caption>표 2 기호 목록</caption> <tbody><tr><td>symbols</td><td>Definition and Value</td></tr><tr><td>\( C_{g s} \)</td><td>트랜지스터 M1의 게이트-소스 커패시터</td></tr><tr><td>\( g_{m} \)</td><td>트 랜지스터 M1의 transconductance</td></tr><tr><td>\( \omega_{0} \)</td><td>동작 주파수</td></tr><tr><td>\( \omega_{T} \)</td><td>차단 주파수</td></tr><tr><td>\( \delta \)</td><td>long channel devices constant, value=4/3</td></tr><tr><td>\( \gamma \)</td><td>long channel devices constant, value=2/3</td></tr><tr><td>\( \alpha \)</td><td>long channel devices constant, value=1</td></tr></tbody></table> <p>그림 3에서 표현된 입력단에서 바라본 입력 임피던스는 식 (7)로 나타낼 수 있다.</p> <p>\( Z_{i n}=\frac{L_{s}}{C_{g s}} g_{m}+j\left(w L_{s}+w L_{s}-\frac{1}{w C_{g s}}\right) \)<caption>(7)</caption></p> <p>Cascode 구조를 이용한 LNA 설계 시, 입력 매칭과 노이즈 매칭을 동시에 맞추기 위해서는 degeneration 인덕터 \( L_{s} \)를 사용하며 이는 식 (5)에서 실수부를 만들어 주기 위함이다. 그림 2 의 회로도에서 입력 매칭과 노이즈 매칭을 동시에 만족하기 위해서는 식 (8)부터 (11)까지의 4개의 식을 모두 만족시키는 회로를 구성하여야 한다.</p> <p>\( \operatorname{Re}\left[Z_{o p t}\right]=\operatorname{Re}\left[Z_{s}\right] \)<caption>(8)</caption></p> <p>\( \operatorname{Im}\left[Z_{o p t}\right]=\operatorname{Im}\left[Z_{s}\right] \)<caption>(9)</caption></p> <p>\( \operatorname{Im}\left[Z_{i n}\right]=-\operatorname{Im}\left[Z_{s}\right] \)<caption>(10)</caption></p> <p>\( \operatorname{Re}\left[Z_{i n}\right]=\operatorname{Re}\left[Z_{s}\right] \)<caption>(11)</caption></p> <p>PCSNIM 방식의 LNA를 설계하기 위해 먼저 게이트단의 바이어스 전압을 결정해야 한다. 이때 게이트 단의 바이어스 전압은 최대 이득과 NFmin을 고려하여 결정한다. 바이어스 전압이 결정되면 주어진 소비 전력을 만족하는 트랜지스터의 크기를 결정한다. 트랜지스터의 크기가 크면 전력 소비가 커지고, 트랜지스터의 크기가 작으면 전력 소비는 줄어들지만 트랜지스터의 cutoff 주파수인 \( w_{T} \) 가 낮아지므로 적절한 트랜지스터의 크기를 결정하는 것이 중요하다. 다음 단계로 식 (8)과 식 (11)을 동시에 만족시키는 \( C_{e x} \) 와 \( L_{s} \) 를 선택한다. \( L_{s} \) 값이 너무 커지게 되면 \( \mathrm{NFmin} \) 이 커지게 되며, \( C_{e x} \)값이 커지면 이득이 떨어지므로 적절한 \( C_{e x}, L_{s} \) 값이 요구된다. 그 후 식 (7)과 (8)을 만족시키는 매칭 회로를 인덕터 \( L_{g} \) 를 이용하여 구성한다. 입력 단의 회로 구성이 완성되면 최대 이득을 얻기 위한 출력 매칭을 하며, 그 후에는 전체 성능을 고려한 튜닝을 통하여 설계를 마무리한다.</p> <p>전체 회로의 모의실험 결과를 그림 4와 그림 5에 나타내었다. S21은 \( 2.45 \mathrm{GHz} \) 에서 \( 13.37 \mathrm{~dB} \) 이며, S11은 \( -14.94 \mathrm{~dB} \), \( \mathrm{S} 22 \) 는 \( -20.18 \mathrm{~dB} \) 이다. \( \mathrm{NF} \) 는 \( 2.45 \mathrm{GHz} \) 에서 \( 2.15 \mathrm{~dB} \) 이며, 그림 5에서 도시된 것처럼 NFmin에 근접한 값을 얻었다. \( 2.45 \mathrm{GHz} \) 대역 LNA의 모의실험 결과를 표 3 에 정리하였다.</p> <table border><caption>표 3 LNA의 모의실험 결과</caption> <tbody><tr><td>항 목</td><td>단위</td><td>모의실험 결과</td></tr><tr><td>Center frequency</td><td>\( \mathrm{GHz} \)</td><td>2.45</td></tr><tr><td>Gain</td><td>\( \mathrm{dB} \)</td><td>13.37</td></tr><tr><td>S11</td><td>\( \mathrm{dB} \)</td><td>-14.94</td></tr><tr><td>S22</td><td>\( \mathrm{dB} \)</td><td>-20.18</td></tr><tr><td>NF</td><td>\( \mathrm{dB} \)</td><td>2.15</td></tr><tr><td>Power consumption</td><td>\( \mathrm{mW} \)</td><td>9.3</td></tr></tbody></table>
|
[
"표 2에서 long channel devices constant, value=1을 Definition and Value로 하는 symbols은 무엇인가?",
"표 2에서 \\( C_{g s} \\)의 Definition and Value는 무엇인가?",
"표 2에서 \\( g_{m} \\)의 정의와 값은 무엇인가?",
"표 2에서 Definition and Value가 동작 주파수인 심볼은 무엇인가?",
"표 2에서 정의 와 값이 차단 주파수인 심볼은 무엇인가?",
"표 2에서 \\( \\delta \\)의 Definition and Value는 무엇인가?",
"표 3에서 LNA의 모의실험 결과 Gain은 얼마인가?",
"표 3에서 LNA의 모의실험 결과가 -14.94인 항목은 무엇인가?",
"표 3에서 NF의 모의 실험 결과는 무엇인가?",
"표 3에서 모의 실험 결과 값이 -20.18항목은 무엇인가?",
"표 3에서 LNA의 모의실험 결과 Power consumption은 얼마인가?",
"표 3에서 Center frequency의 모의 실험 결과는 무엇인가?",
"표 2에서 long channel devices constant, value=2/3을 정의와 값으로 하는 symbols은 무엇인가?"
] |
9d716333-fc8d-4754-8632-0556789ae481
|
인공물ED
|
공정 코너별 LVCC 마진 특성을 이용한 전력 소모 개선 Voltage Binning 기법
|
<h1>III. 제안하는 voltage binning 기법</h1><p>VB 기법은 초기 특성평가에 의해 결정된 bin정보를 바탕으로 공급 전압을 설정하며 제품의 성능과 전력 소모는 그 전압에 따라 결정된다. 본 논문에서는 공정 변이로 인한 성능차이를 RO 값을 기준으로 10 개 이상의 bin으로 분류하는 전통적인 VB기법 대비, 동일 bin내에서 상대적으로 전압 마진이 많음에도 불구하고 동일 전압을 공급하여 발생하는 전력 손실을 막고 공정 코너별로 서로 다른 LVCC 마진 분포에 따라 bin을 재분류함으로써 소비 전력을 최적화 하는 기법을 제안한다.</p><h2>1. 공정 코너의 LVCC 마진 편차</h2><p>공정 코너 케이스들은 칩이 정상 동작 가능한 범위 내에서의 극한의 공정 파라미터를 나타내며, 이것은 NMOS/PMOS 의 캐리어 이동도를 기준으로 FF (fast/fast), FS (fast/slow), SF (slow/fast), SS (slow/slow), 그리고 NN (normal/normal) 이렇게 다섯 가지로 구분한다. SoC 제품의 공정 변이로 인한 특성 산포는 공정의 미세화 정도와 공정 파라미터의 안정화 정도에 따라 차이가 발생하며 각 코너 케이스들을 평가함으로써 확인할 수 있다.</p><p>그림 3 과 4 에서 보여주는 bin별 LVCC 분포를 다섯 가지 코너별로 구분해보면 그림 5 와 같이 서로 다른 LVCC 분포 패턴을 확인할 수 있다. 공정 코너별로 bin별 기준전압 대비 LVCC 마진을 분석함으로써 RO 값을 기준으로 동일 bin으로 분류되었지만 코너 케이스의 성능과 누설전류 특성차이에 따라 서로 다른 LVCC 분포를 보인다. 예를 들어, 그림 5에서 BIN7으로 정의된 샘플들 중에는 SF 코너와 FF 코너가 공존하고 있는데, BIN7의 기준전압 대비 SF 코너는 LVCC 마진을 최대한 활용하고 있지만 FF 코너의 경우는 상대적으로 LVCC 마진이 \( 6.25 \% \) 정도 더 있음을 확인할 수 있다. 그러므로 BIN7으로 분류되었지만 FF 공정 코너인 경우는 추가로 공급전압을 더 낮출 수 있다. 그림 6은 모든 FF 코너 샘플들에 대해 코너별 서로 다른 LVCC 마진을 고려하여 LVCC 마진을 최대한 활용하는 방향으로 재분류하여 해당 칩의 공급전압을 낮출 수 있음을 보여준다.</p><table border><caption>표 1. 기호들의 정의</caption><tbody><tr><td>Notation</td><td>Definition</td></tr><tr><td>m</td><td>bin number index (\(m \mathrm{\in}\) {1, 2,\(\cdots\),10})</td></tr><tr><td>\(V_{m}\)</td><td>bin별 기준전압</td></tr><tr><td>K</td><td>코너별로 각 코너가 포함된 bin들의 개수 (\(K \mathrm{\in}\) {\(K_{ss}, K_{sf}, K_{fs}, K_{nn}, K_{ff}\)})</td></tr><tr><td>\(W_i\)</td><td>코너발로 각 bin에서 LVCC마진이 가장 작은 샘플(\(i \mathrm{\in}\) {1, 2,\(\cdots\),K})</td></tr></tbody></table><h2>2. 코너 특성별로 bin을 재분류하는 기법</h2><p>본 논문에서 제안하는 평균 전력 소모 개선 VB 기법은 측정된 LVCC 값을 코너별로 분류하여, 각 bin에서의 기준전압 대비 공정 코너별로 LVCC 마진이 가장 작은 칩들 \( \left(\mathrm{W}_{1}, \cdots, \mathrm{W}_{\mathrm{K}}\right) \) 을 bin별로 찾는 과정과 그 칩들을 기준으로 공정 코너별로 최적화된 bin을 찾는 과정의 2 단계로 구성된다. 그림 7은 이에 대한 순서도이다.</p><p>코너별로 LVCC 마진이 가장 작은 샘플을 찾는 부분은 Control Lot을 통하여 생성된 5 가지 코너 샘플들의 LVCC 를 측정하고, 앞에서 언급한 각 칩들의 RO 값에 따라 bin을 분류 및 각 bin별 공급전압을 할당하여 VB 테이블을 만드는 것이 선행되어야 한다. 그리고 각 코너별로 LVCC 데이터를 분류함으로써 그 코너가 어떤 bin들에 포함되어 있고 각 bin에서 해당 코너의 LVCC 분포 위치가 어디인지 파악한다. 그리고 각 bin별로 기준전압 대비 가장 LVCC 마진이 작은 샘플 \( \left(\mathrm{W}_{\mathrm{i}}\right) \) 을 찾는다. 이 샘플을 만족시키는 기준전압은 이 샘플과 동일 bin으로 분류된 다른 샘플들도 만족시킬 수 있기 때문에 bin을 재분류하기 위한 대표성을 지닌다. FF코너 샘플들의 경우는 그림 5 와 6 에서 볼 수 있듯이 전통적인 VB 기법으로 분류할 때, BIN7, BIN8, BIN9, 그리고 BIN10 에 분포하며 그 중에서 bin별로 기준 전압대비 LVCC 마진이 가장 작은 샘플을 bin별로 1 개씩 총 4 개 (FF 코너의 \(\mathrm{K}_{\mathrm{ff}}\)) 를 찾을 수 있다.</p><p>최적화된 bin을 찾는 부분은 다섯 가지 코너에 대해 각각 K 개만큼 찾은 \( \mathrm{W}_{\mathrm{i}} \) 샘플들을 가지고 각 bin별 기준 전압과 비교하여 전압마진을 최대한 활용할 수 있는 새로운 bin으로 분류한다. RO 값을 기준으로 칩들의 그룹을 구분하는 전통적인 bin분류법에서 이와 같이 코너 정보를 활용하여 보다 정밀하게 bin을 재분류함으로써 다섯 가지 코너별로 새로운 VB 테이블을 완성할 수 있다. 제안한 기법을 적용하기 위해서는 기존의 공정 코너를 고려하지 않는 방식보다 초기 특성 평가 시간이 다소 증가하고, RO정보뿐만 아니라 코너 정보도 추가적으로 Fuse-box에 저장되어야 하기 때문에 Fuse-box 사용 영역이 증가한다. 하지만 이것은 기존 bin분류법보다 모든 칩들의 LVCC마진을 더 효과적으로 활용함으로써 평균 공급 전압을 낮출 수 있어 결과적으로 전력 소모 개선을 기대할 수 있다.</p>
|
[
"bim별 기준전압의 Notation은 무엇이니?",
"표1에서 코너발로 각 bin에서 LVCC마진이 가장 작은 샘플의 Natation은 무엇일까?",
"표1에 등장하는 K의 Definition은 무엇이니?",
"표1에 언급되는 m의 Definition은 뭐야?"
] |
43fa65d2-f3b5-4e92-b882-fff8488a73be
|
인공물ED
|
나노입자 이산화티타늄 전극 기반의 고효율 전기화학형 발광 셀 제작
|
<h1>4. 실험결과 및 고찰</h1> <p>발광 셀 내에서 \( \mathrm{TiO}_{2} \)의 경우 입자의 결정구조, 크기 및 비 표면적 등의 특성이 발광 성능에 크게 영향을 미칠 것으로 판단되나, 아직 최적 조건에 대해서는 명확히 알려져 있지 않다. 그림 4는 졸젤 연소법에 의해 \( 450^{\circ} \mathrm{C} \)와 \( 700^{\circ} \mathrm{C} \) 온도조건에서 제작된 나노 \( \mathrm{TiO}_{2} \) 시료의 XRD 측정 예를 나타낸다. \( 400^{\circ} \mathrm{C} \)에서 \( 700^{\circ} \mathrm{C} \)까지 각각의 열처리 온도에서 얻어진시료에 대한 XRD 분석결과에 의하면, \( 450^{\circ} \mathrm{C} \)에서부터 아나타제 (Anatase) 구조의 \( \mathrm{TiO}_{2} \)가 합성되기 시작하였고, 열처리 온도를 \( 600^{\circ} \mathrm{C} \)까지 증가시키면 결정성이 좋아짐을 피크세기의 증가로부터 확인할 수 있었다. \( 700^{\circ} \mathrm{C} \)에서는 결정이 아나타제에서 루타일 (Rutile) 구조로 변환되는 것을 알 수있었다. 그리고 이러한 결과들은 이전의 실험결과와도 잘 일치하였다.</p> <p>그림 5는 졸젤 연소법에 의해 \( 450^{\circ} \mathrm{C} \) 조건에서 제작된 나노구조 \( \mathrm{TiO}_{2} \) 시료의 SEM 분석결과이다. \( 400-600^{\circ} \mathrm{C} \)의 온도조건에서 제작된 \( \mathrm{TiO}_{2} \)의 경우 \( 15-20 \mathrm{~nm} \) 크기의 고른 입자분포를 가지는 것을 SEM을 통해 확인할 수 있었다. \( 700^{\circ} \mathrm{C} \) 이상에서는 일부 입자가 급격히 성장하면서 \(35\sim200 \mathrm{~nm} \) 크기의 입자가 불균일하게 분포하는 것으로 나타났다.</p> <p>그리고 \( \mathrm{TiO}_{2} \)의 다공성을 평가하기 위해 BET 표면분석을 통하여 시료의 비표면적을 측정하였고, 그 결과를 표 2에나타내었다. 비표면적 측정 결과 \( 450^{\circ} \mathrm{C} \)에서 합성한 시료의경우 \( 386.3 \mathrm{~m}^{2} / \mathrm{g} \)으로 가장 넓은 비표면적을 가지는 것으로나타났다. 열처리 온도가 증가함에 따라 비표면적은 급격히감소하여 \( 600^{\circ} \mathrm{C} \)에서 합성한 시료의 경우 \( 93.7 \mathrm{~m}^{2} / \mathrm{g} \)의 값을가지며, \( 700^{\circ} \mathrm{C} \)에서 합성한 시료는 \( 6.5 \mathrm{~m}^{2} / \mathrm{g} \)로서 급격히 감소하였다. \( 700^{\circ} \mathrm{C} \) 부근에서 입자가 급격히 성장하면서 비표면적이 크게 감소하는 것은 다공질 구조가 소멸되는 것을 나타내며, 그림 4의 XRD 결과에서 결정구조가 루타일 구조로 바뀌는 것과 잘 일치함을 확인할 수 있다. 이상의 결과로부터 본 논문에서는 가장 균일한 입자 크기와 가장 넓은 비표면적을 얻을 수 있었던 \( 450^{\circ} \mathrm{C} \) 열처리 조건에서 얻어진 아나타제 구조의 \( \mathrm{TiO}_{2} \)를 발광 셀용 전극재료로써 사용하였다.</p>
|
[
"열처리 온도가 증가하면 어떻게 되는가?",
"열처리 온도가 증가하면 어떻게 되는가?",
"일부 입자가 급격히 성장하면 어떻게 되는가?",
"어떻게 하면 결정성이 좋아짐을 피크세기의 증가로부터 확인할 수 있는가?",
"그리고 TiO2의 다공성을 평가하기 위해 어떻게 하였는가?",
"비표면적 측정 결과는 어떻게 나타났는가?",
"비표면적 측정 결과 450∘C에서 합성한 시료의 경우 어떻게 나오는가?",
"TiO2 다공성을 평가하기 위해 어떻게 하였는가?",
"나노구조 TiO2 시료의 SEM은 어떻게 제작되었는가?",
"700 ∘C 이상에서는 어떻게 나타나는가?"
] |
e9c3e41c-3299-4ab9-8a67-2e46a24b13c5
|
인공물ED
|
나노입자 이산화티타늄 전극 기반의 고효율 전기화학형 발광 셀 제작
|
<h1>3. 실험 방법</h1> <h2>3.1 발광재료의 합성</h2> <p>발광종인 \( \mathrm{Ru}(\mathrm{bpy})_{3}{ }^{2+} \)는 강한 산화환원력, 가시 광 영역에서의 금속-배위자간 전하이동에 의한 강한 흡수, 그리고 불필요한 광화학 반응이 거의 일어나지 않는 특성들을 지닌다. 더욱이 여기 삼중 항으로부터의 발광으로서 약 \( 610 \mathrm{~nm} \)의 임광을 발하며 기저상태로 천이한다. 본 실험에서는 화학적으로 안정된\( \mathrm{Ru}(\mathrm{bpy})_{3}{ }^{2+} \)를 얻기 위해 \( \mathrm{PF}_{6} ^{-}\)가 카운터 이온으로 사용된 \( \mathrm{Ru}(\mathrm{bpy})_{3}\left(\mathrm{PF}_{6}\right)_{2} \)를 직접 제작하였다. 제작방법을 요약하면 다음과 같다. 먼저 초기 재료로써 시판의\( \mathrm{Ru}(\mathrm{bpy})_{3} \mathrm{Cl}_{2} \cdot 6 \mathrm{H}_{2} \mathrm{O} \)와 \( \mathrm{NH}_{4} \mathrm{PF}_{6} \)를 각각 고순도의 증류수에 용해시킨다. 두 수용액을 실험용 비커에 혼합하고 약 1시간정도 교반시킨다. 두 수용액 간에 반응이 일어나면서 이온교환이 진행되어 \( \mathrm{Ru}(\mathrm{bpy})_{3}\left(\mathrm{PF}_{6}\right)_{2} \)의 침전물이 관찰된다. 수용액을 걸러내고 얻어진 침전물을 한 번 더 증류수 등을 사용하여 재 결정화하고 정제한다. 최종적으로 얻어진 침전물을 건조시키면 \( \mathrm{Ru}(\mathrm{bpy})_{3}\left(\mathrm{PF}_{6}\right)_{2} \)를 얻을 수 있다.</p> <h1>3.2 나노입자 \( \mathrm{TiO}_{2} \) 전극 제작</h1> <p>발광 셀의 고효율화를 위한 다공질 구조의 나노입자 \( \mathrm{TiO}_{2} \) 전극의 제작에는 활성 카본 계열의 재료를 첨가물로 사용한 졸젤 연소법(Sol-gel combustion method)을 도입하였다. 제작방법 및 개념에 대해서는 이전의 연구보고에 상세히 기술되어 있으며, 본 논문에서는 개요만 기술한다. 본 실험에서는 Titanium isopropoxide(Aldrich사)를 초기재료로 하고, 암모니아수를 이용한 졸젤법에 Acetyleneblack(Chevron Phillips Chemical사)을 첨가물로써 사용하였다. 졸젤법은 합성이 상대적으로 고온에서 이루어지기 때문에, 합성된 powder의 결정성이 좋고, Acetylene black이 결정의 성장을 막아 대략 \( 20 \mathrm{~nm} \)이하의 크기의 입자를 얻을 수있으며, 매우 고른 입자의 시료 제작이 가능하다. 표 1에 제작조건을 정리하였다.</p> <table border><caption>표 1 나노입자 \( \mathrm{TiO}_{2} \) 제작 조건</caption> <tbody><tr><td>나노입자 \( \mathrm{TiO}_{2} \) 제작 조건<colspan=4></td></tr><tr><td>Titaium isopropoxide</td><td>\( 7 \mathrm{ml} \)</td><td>Dry temperature</td><td>\( 120^{\circ} \mathrm{C} \)</td></tr><tr><td>Isopropanol</td><td>\( 20 \mathrm{ml} \)</td><td>Dry time</td><td>\( 30 \mathrm{~min} \)</td></tr><tr><td>Acetylene black</td><td>\( 0.4 \mathrm{~g} \)</td><td>Sintering temperature</td><td>\( 450^{\circ} \mathrm{C} \)</td></tr><tr><td>\( \mathrm{NH}_{4} \mathrm{OH} \) Aqueous solution</td><td>\( 15 \mathrm{ml} \)</td><td>Sintering time</td><td>\( 30 \mathrm{~min} \)</td></tr></tbody></table> <p>제작된 \( \mathrm{TiO}_{2} \) 시료는 X-ray Diffractometer( Rigaku.,D-Max 2000 Ultima Plus), Field Emission ScanningElectron Microscope (Hitachi, FE-SEM s-4300)와 BETSurface Area and Prosimetry Analyzer (MicromeriticsInstruments, ASAP 2020) 등을 이용하여 물성을 분석하였다. 그리고 TCO 유리 기판에 도포하기위해서 \( \mathrm{TiO}_{2} \) 페이스트를 필요로 하는데, 페이스트 시료는 \( \mathrm{TiO}_{2} \) 분말 시료와 물,에탄올을 1:1:1의 비율로 섞어 교반시켜 제작하였다.</p> <h2>3.3 셀 제작 및 평가</h2> <p>실험에 사용된 발광 셀의 제작 공정을 그림 3에 나타내었다. 본 실험에서는 TCO 전극으로써 내열성이 우수한 FTO를 사용하였다. 전체적인 셀 제작 방법을 요약하면 다음과같다. 먼저 FTO 유리 기판을 적당한 크기\( (2 \mathrm{~cm} \times 3 \mathrm{~cm}) \)로 잘라서 초음파 세정기와 micro-UV 표면 처리기를 이용하여잘 세정하고, \( 120^{\circ} \mathrm{C} \)에서 건조시켜, 앞서 준비된 \( \mathrm{TiO}_{2} \) 페이스트를 면적 \( 1 \mathrm{~cm}^{2} \)가 되도록 도포한다. 도포 후, \( 450^{\circ} \mathrm{C} \)에서 30분간 소성시키면 두께 \( 10 \mu \mathrm{m} \)의 나노 다공질 구조 \( \mathrm{TiO}_{2} \)/FTO전극이 얻어진다. 상대전극은 FTO 유리 기판을 그대로 사용하였으며, 양 전극간의 갭이 \( 50 \mu \mathrm{m} \)정도 유지되도록 스페이서 (Himilan)를 삽입하고, 전극 간에 발광 전해액을 주입하였다. 이 때 사용된 전해액은 \(\mathrm{Ru}(Ⅱ)\)를 Acetonitrile에 \( 0.16 \mathrm{M} \) 용해시킨 것을 사용하였다. 최종적으로 두 전극을 에폭시 수지로써 봉지하여 셀을 완성하였다. 한편, 비교실험을 위한 종래 방식의 셀 제작에 있어서는, 나노구조 \( \mathrm{TiO}_{2} \) 전극이 없으므로 두 장의 FTO 유리 기판만을 사용하여 고온의 소성처리 없이 제작하였다. 이상의 제작 과정을 거쳐 완성된 셀에 대하여, 분광휘도 분석기(Konica Minolta,CS-2000A), Digital Function Generator(GW Inst다,GFG-8020H), Digital Storage Oscilloscope(GW Instek,GDS-1102)등을 이용한 발광측정 회로를 구성하여, 발광강도 및 광전류-전압 특성 등을 측정 분석하여 셀의 발광성능을 평가하였다.</p>
|
[
"화학적으로 안정된 상태의 \\( \\mathrm{Ru}(\\mathrm{bpy})_{3}{ }^{2+} \\)를 얻기 위해서 본 연구에서는 어떻게 했어?",
"\\( \\mathrm{Ru}(\\mathrm{bpy})_{3}\\left(\\mathrm{PF}_{6}\\right)_{2} \\)를 제작하기 위해서는 시판의 \\( \\mathrm{NH}_{4} \\mathrm{PF}_{6} \\)와 \\( \\mathrm{Ru}(\\mathrm{bpy})_{3} \\mathrm{Cl}_{2} \\cdot 6 \\mathrm{H}_{2} \\mathrm{O} \\)를 각각 어떻게 해야해?",
"Dry time이 30분이 걸리는 \\( \\mathrm{TiO}_{2} \\) 제작 재료는 무엇이야?",
"\\( \\mathrm{TiO}_{2} \\) 제작 시 티타늄 이소프로포산화물의 Dry temperature은 몇 도야?",
"\\( \\mathrm{TiO}_{2} \\) 제작 시 \\( 20 \\mathrm{ml} \\) 용량이 필요한 재료는 뭐야?",
"\\( \\mathrm{TiO}_{2} \\)를 제작할 때, Acetylene black가 요구하는 \\( 450^{\\circ} \\mathrm{C} \\)는 어떤 온도야?",
"나노입자 \\( \\mathrm{TiO}_{2} \\) 제작 시 \\( 15 \\mathrm{ml} \\)의 용량이 요구되는 재료는 무엇이야?",
"Acetylene black은 \\( \\mathrm{TiO}_{2} \\) 제작 시 얼마만큼 사용되어야 해?",
"수용액을 걸러낸 후 취득한 침전물을 정제하고 재결정화하기 위해서는 어떻게 해야해?",
"\\( \\mathrm{TiO}_{2} \\) 전극을 제작하기 위해 본 실험에서는 Aldrich사의 티타늄 이소프로프 산화물을 초기재료로 사용한 후 어떻게 했어?",
"고효율의 발광셀을 위한 다공질 구조의 나노입자 \\( \\mathrm{TiO}_{2} \\) 전극을 제작하기 위해서는 어떻게 해야해?",
"\\( \\mathrm{TiO}_{2} \\)를 제작하기 위해서 티타늄 이소프로포산화물은 얼마만큼 필요해?",
"\\( \\mathrm{NH}_{4} \\mathrm{OH} \\) Aqueous solution의 Sintering time은 몇 분이야?",
"TCO 유리기판에 도포하기 위해 필요한 \\( \\mathrm{TiO}_{2} \\) 페이스트는 어떻게 제작했어?",
"종래의 방식으로 제작된 셀의 발광 성능을 평가하기 위해서는 어떻게 해야해?",
"종래 방식으로 제작된 셀의 발광측정 회로는 어떻게 구성돼?",
"발광 셀을 제작하기 위해서 FTO 유리 기판을 자르고 세정과 건조를 마친 후에 어떻게 해야해?",
"제작이 완료된 \\( \\mathrm{TiO}_{2} \\) 시료의 물성을 분석하기 위해서는 어떻게 해야해?",
"발광 셀 제작의 최종 단계에서 셀을 완성하기 위해서 두 전극을 어떻게 해야해?",
"\\( \\mathrm{TiO}_{2} \\) 페이스트의 도포를 마친 후 두께 \\( 10 \\mu \\mathrm{m} \\)의 \\( \\mathrm{TiO}_{2} \\)/FTO전극을 얻기 위해서는 어떻게 해야해?"
] |
2f29fecd-5680-45e8-bf4a-2af85e43b51f
|
인공물ED
|
3축 힘 센서가 적용된 손목 굽힘 재활로봇 개발
|
<h1>2. 손목굽힘 재활로봇의 설계 및 제작</h1><p>Fig. 1은 제작된 손목굽힘 재활로봇을 나타내고 있고, 본 논문에서 개발한 3축 힘센서와 고속제어장치 등을 이용하여 구성되었으며, 중증뇌졸중환자가 입원 병실에서 누운 채로 손목굽힙 재활운동을 받을 수 있도록 설계 및 제작되었다. 로봇은 로봇몸체(robot body), 손고정대(hand fixing block), 손고정 접착천(hand fixture velcro), 팔고정대(arm fixing block), 팔고정 접착천 (arm fixture velcro), 상하이동지지대(up-down supporter), 손목굽힘모터(rotating motor), 3축 힘센서(three-axis force sensor), 고속제어장치(high-speed controller), 축전지 (battery) 등으로 구성되었다. 로봇몸체는 거동이 어려운 중증뇌졸증환자가 병실에서 손목굽힘 재활운동을 실시할 수 있도록 \( 40 \mathrm{~mm} \times 40 \mathrm{~mm} \) 강성재질 알루미늄 사각봉을 이용하여 몸체크기가 \( 800 \mathrm{~mm} \times 600 \mathrm{~mm} \times 400 \mathrm{~mm} \)가 되도록 제작되었고, 로봇의 모든 부품이 고정되며, 손목굽힘 재활운동 중 흔들림이 없이 안전하게 설계되었다. 손고정대 및 손고정 접착천은 환자의 손을 넣고 안전하게 고정할 수 있도록 설계되었고, 3 축 힘센서와 고정되어 손목굽힘모터의 좌우방향 회전에 따라 손목에 가해지는 회전력을 손목에 전달한다. 팔고정대 및 팔고정 접착천은 손목굽힘 재활운동을 실시하기 위해 환자의 팔이 움직이지 못하도록 고정하는 역할을 하고, 이것은 로봇몸체와 상하이동지지대와 고정되었다. 상하이동지지대는 중증뇌졸중환자가 침대에 누워있는 침대의 높낮이가 다를 수 있으므로 로봇몸체에 높낮이를 조절하여 고정할 수 있도록 설계하였다. 그리고 손목굽힘모터를 고정하고 모터의 축에 연결된 회전블록과 3축 힘센서의 고정부를 고정하였으며, 모터의 회전축과 센서까지의 거리는 \( 78 \mathrm{~mm} \) 이다. 손목굽힘모터(EC-4pole30 \( (200 \mathrm{~W}\)), GP42C(156: 1) 는 손목에 힘을 가해주는 역할을 하고, 상하이동지지대에 고정되었다.</p><p>3 축 힘센서는 본 논문에서 저자의 논문에 따라 제작하였고, 손목재활운동시 손목굽힘모터가 손목에 가해지는 힘 Fz (손바닥을 지면과 수직으로 세운 상태(손고정대에 고정한 상태)에서 손바닥 방향으로 가하는 힘)를 측정하며, 긴급상황발생시 손을 당기거나 밀 때 발생하는 힘 Fx와 손을 수직방향으로 올리거나 내릴 때 발생하는 힘 Fy를 측정한다. 즉, 힘 Fz 은 재활로봇이 손바닥 혹은 손등을 밀을 때 발생되는 힘이고, 힘 Fx는 손을 당기거나 밀을 때 발생되는 힘(손목굽힙력)이며, Fy 는 손을 아래나 위로 움직였을 때 발생되는 힘이다.</p><p>본 논문에서 제작한 3축 힘센서는 본 절의 마지막 부분에 자세히 설명한다. 고속제어장치는 본 논문에서 제작한 것이고, 3축 힘센서로부터 출력되는 힘들을 측정하고, 힘 Fz값에 따라 모터의 좌우회전을 제어하며, 긴급상황이 발생하였을 경우에는 측정되는 힘 Fx와 Fy에 따라 모터를 초기상태로 되돌리는 역할을 한다. 본 논문에서 제작한 고속제어장치는 본 절의 마지막 부분에 자세히 설명한다.</p>
|
[
"손목굽힘 재활로봇은 어떻게 구성되어 있어?",
"Fig. 1에서 보이는 재활로봇은 왜 제작되었어?",
"본 논문에 나온 로봇의 10가지 구성요소가 뭐야?",
"본 논문에서 로봇의 몸체는 어떻게 만들어졌어?",
"왜 본 논문의 로봇은 모든 부품이 고정되어 있니?",
"본 논문의 로봇은 왜 부품 전부가 고정되어 있을까?",
"손고정대 및 손고정 접착천은 어떻게 설계 되었어?",
"손목굽힘 재활운동에 사용되는 로봇의 몸체 크기는 얼마야?",
"3축 힘센서와 손고정 접착천이 고정되었기 때문에 무엇에 따라 회전력을 전달할 수 있나요?",
"본 논문에서 팔고정 접착천과 팔고정대는 어떤 역할을 하나요?",
"왜 상하이동지지대는 높낮이를 조절할 수 있도록 설계되었지?",
"본 논문에서 손목굽힘모터의 역할은 뭐야?",
"손목재활운동을 할 때 3축 힘센서는 어떠한 힘을 측정해?",
"모터의 회전축에서 센서까지는 몇 \\( \\mathrm{~mm} \\)의 거리가 있니?",
"실험에서 힘 Fz는 언제 발생되는 힘인가요?",
"3축 힘센서가 긴급상황이 발생하면 측정하는 힘은 뭐야?",
"본 논문의 손목굽힘모터는 어디에 고정되어 있지?",
"힘 Fx를 다른 말로 표현하면 뭐지?",
"본 논문에서 고속제어장치가 측정하는 힘은 어디로부터 출력되는 것인가?",
"본 논문에서 힘 Fy는 손을 어느 방향으로 움직일 때 발생하는 힘인가요?",
"긴급상황시 고속제어장치의 역할이 뭐야?",
"어떤 역할을 긴급상황시 고속제어장치가 해야하지?"
] |
422f0b89-afe5-4213-9496-a0708b2d56f7
|
인공물ED
|
3축 힘 센서가 적용된 손목 굽힘 재활로봇 개발
|
<h1>1. 서 론</h1><p>중증뇌졸증환자는 전 세게적으로 급속히 증가하는 추세에 있으며, 이들은 손목에 마비증세가 발생하여 재활치료를 받지 않으면 손을 사용할 수 없게 된다. 손목재활운동은 굳어 있는 손목을 유연하게 하는 유연성 재활운동을 실시해야 한다. 손목굽힘 유연성 재활운동은 전문재활치료사가 손바닥을 편 상태에서 통증을 느끼지 않을 정도로 손목을 굽혀 누른 후 잠시 머무르고, 반대 방향으로 손목을 펴 누른 후 잠시 머무르는 방법으로 훈련을 반복한다. 중증뇌졸중환자의 재활치료를 담장하는 전문 재활치료사, 간호사, 전문 재활의사는 급격히 증가하는 중증뇌졸중환자를 감당하기 매우 어려운 실정이다. 이로 인해 중증뇌졸중환자들은 충분한 재활치료를 받을 수 없는 실정이다. 그러므로 안전하고 충분한 환자들의 손목재활운동을 시키기 위한 손목굽힘 재활로봇의 개발이 필요하다.</p><p>Culmer는 2대의 로봇을 이용하여 사람의 상지(손목, 팔, 어깨)를 재활운동할 수 있는 6자유도 재활로봇을 개발하였고, 이 로봇을 이용하여 스스로 움직일 수 있는 경미한 뇌졸중환자가 로봇의 의자에 앉아서 안전하게 상지 재활운동을 수행할 수 있는 제어에 관해 연구하였다. Pan는 경미한 뇌졸중환자가 로봇의 의자에 앚아서 팔꿈치만 재활운동할 수 있는 3자유도 상부재활로봇을 개발하였고, 퍼지이론을 적용하여 안전하게 로봇을 제어하는 것에 관해 연구하였다. Kim은 경미한 뇌졸중환자의 상지 재활운동을 위한 6자유도 재활로봇을 개발하였고, 이 로봇은 환자가 재활로봇의 의자에 앉아 양팔을 로봇에 고정하고 근력을 강화하는 재활운동을 할 수 있도록 설계되었다. Li는 팔을 구부리고 펴는 운동을 할 수 있는 상지 재활로봇을 개발하였고, 이 로봇은 뇌졸중환자가 의자에 앉은 후 팔을 고정대에 고정하고 모터의 축에 부착된 토크센서에 의해 팔을 구부리는 토크를 측정하여 토크 제어를 할 수 있는 간단한 시스템을 연구하였다. 이것은 경미한 뇌졸중환자가 활용할 수 있으나 둥근 막대가 팔의 뒤를 눌러 힘을 가하기 때문에 환자에 고통을 주는 등의 문제짐이 있다. 그리고 기 개발한 재활로봇은 증상이 매우 경미한 경증 손목환자를 위한 손목 및 팔의 재활운동을 위한 것이다. 이들 로봇들은 손목이나 팔꿈치가 설정해 놓은 각도만큼반 회전할 수 있으므로 유연성운동시 전문재활치료사가 훈련하는 것과 같이 손목을 좌우 방향으로 회전시킨 후 통증을 느끼지 않는 범위 내에서 회전력을 3-4 초 동안 유지할 수 없다. 따라서 이 로봇들은 전문재활치료사가 훈련한 것보다 재활치료 효과가 매우 낮다. 그리고 이들 로봇들은 회복이 중간정도 진행된 환자 혹은 스스로 움직일 수 있는 경증손목환자의 재활운동을 시킬 수 있으나 거동이 어려운 중증뇌졸중환자의 손목을 재활치료는 할 수 없다. 또한 기 개발된 힘보강로봇은 환자의 팔이 스스로 움직이거나 식사 등 간단한 일을 하기에 힘이 미약한 환자에게 힘을 보강해줄 수 있는 로봇이다. 스스로 거동이 어려운 중증뇌졸중환자의 재활치료를 위해서는 환자가 병실의 침대에 누워있는 상태에서 전문재활치료사가 재활훈련을 시키는 것과 같은 효과를 낼 수 있는 중증뇌졸중환자를 위한 손목굽힘 재활로봇의 개발이 시급하다. 전문재활치료사가 재활훈련을 시키는 방법과 같은 중증뇌졸중환자를 위한 손목굽힙 재활로봇은 손목을 굽히고 펴는 힙을 측정하고 제어할 수 있도록 특별하게 설계되어야 현다. 이와 같은 손목굽힘 재활로봇은 x, y, z방향의 힘 Fx, Fy, Fz 를 동시에 측정할 수 있는 3축 힘센서가 로봇에 장착되어 손목을 굽히고 편 후 일정한 누르는 힘으로 유지시킬 때 굽힙력을 측정하여 안전하게 제어해야 한다. 또한 손목굽힘 재활운동 중 환자에게 이상이 발생되었을 경우에는 환자의 손이 손목을 굽히고 펴는 방향이 아닌 다른 방향으로 움직이게 될 때 발생되는 힘들을 측정하고, 이를 이용하여 로봇을 정지하고 안전하게 조치할 수 있는 제어를 실시해야 한다. 3축 힘센서는 일반적으로 센서의 크기를 작게 하기 위해 한 몸체로 구성된다. 손목굽힘 재활로봇에 내장되는 3축 힘센서는 크기, 정격용량, 가격 등이 적합해야 할뿐만 아니라 로봇에 부착하기 용이해야 한다. 그러나 현재 개발된 다축 힘센서는 크기, 가격 등의 대부분의 조건이 손목굽힘 재활로봇용으로는 적합하지 않다. 그러므로 스스로 거동할 수 없는 중증뇌졸중환자의 손목을 전문재활치료사가 수행하는 것과 유사하게 손목굽힘 유연성 재활운동을 시킬 수 있는 손목굽힘 재활로봇의 개발이 필요하다.</p><p>따라서 본 논문에서는 스스로 거동할 수 없는 중증뇌졸중환자의 손목재활운동을 위한 손목굽힘 재활로봇을 개발한다. 손목굽힘 재활운동 중 회전력을 축정하기 위한 3축 힘센서를 설계 및 제작하였고, 재활로봇의 본체를 설계 및 제작하였으며, 정상인을 대상으로 손목굽힘 유연성 재활운동을 통해 개발한 손목 굽힘 재활로봇의 특성실험을 실시하였다. 그리고 중증뇌졸중환자의 손목굽힘 유연성 재활운동을 실시하였다.</p>
|
[
"전문재활치료사가 손목굽힘 유연성 재활운동을 하는 절차가 어떻게 되는가?",
"Culmer가 개발한 재활로봇은 4자유도 로봇이다.",
"Pan이 개발한 3자유도 상부재활로봇은 경미한 뇌졸중환자가 손목 팔 어깨 모두를 재활운동할 수 있게 만들어주는가?",
"Culmer는 로봇 1대만으로 사람의 상지를 재활운동할 수 있는 6자유도 재활로봇을 개발하였는가?",
"사람의 상지에 해당하는 것은?",
"Pan이 경미한 뇌졸중환자가 재활운동할 수 있게 만들어주는 3자유도 상부재활로봇을 개발하는데 사용한 이론이 무엇인가?",
"사람의 상지에 해당하는 것은 무엇인가?",
"Li는 양팔을 로봇에 고정하고 근력을 강화하는 재활운동을 할 수 있는 3자유도 로봇을 개발하였는가?",
"Kim은 팔꿈치만 재활운동할 수 있는 3자유도 상부재활로봇을 개발하여 경미한 뇌졸중환자의 재활을 도왔는가?",
"Kim은 3자유도만으로도 재활할 수 있는 상부재활로봇을 개발하였는가?",
"사람의 상지에 해당하는 것은?",
"Pan은 상지 재활운동을 할 수 있는 6자유도 재활로봇을 개발하였는가?",
"본 논문에서의 현재 개발된 다축 힘센서는 대부분의 조건이 손목굽힘 재활로봇용으로 적합한가?",
"손목굽힘 재활로봇에 내장되는 3축 힘센서는 크기, 정격용량, 가격 등이 적합할 것을 제외하고 어떤 조건이 필요한가?",
"손목굽힘 재활운동 중 환자에게 이상이 발생되었을 때에는 환자의 손이 손목을 굽히고 펴는 방향으로 움직일 때 발생되는 힘을 측정하고 제어를 실시해야 하는가?",
"개발한 로봇들은 전문재활치료사가 훈련한 것보다 재활치료효과가 매우 높은가?",
"개발한 로봇들은 전문재활치료사가 훈련하는 것과 같이 회전력을 3-4초 이상 유지할 수 있는가?",
"손목굽힘 재활로봇은 어떤 방법으로 안전하게 제어할 수 있는가?",
"손목굽힘 재활로봇은 3축 힘센서가 로봇에 장착되어 손목을 굽히고 편 후 일정한 힘이 아닌 다양한 힘의 크기로 누를 때에도 안정적으로 제어가능한가?",
"개발된 로봇은 경증손목환자가 간단한 일 뿐만 아니라 복잡한 일을 다 할 수 있게끔 도와줄 수 있는가?",
"손목굽힘 재활로봇에 내장되는 3축 힘센서는 크기와 정격용량만 잘 맞으면 되는가?",
"스스로 거동이 어려운 중증뇌졸중환자의 재활치료를 위해서는 전문재활치료사가 재활훈련을 시키는 것을 제외하고 재활로봇을 이용하여 재활치료를 하기에는 무리가 있는가?",
"Li가 개발한 상지 재활로봇을 어떤 환자를 위한 재활로봇인가?",
"개발된 로봇들은 스스로 움직일 수 있는 경증손목환자의 재활운동을 위해 주로 사용될 수 있는가?",
"3축 힘센서가 한 몸체로 구성되는 이유는 무엇인가?",
"손목굽힘 재활로봇은 x, y 방향의 힘인 Fx, Fy 를 동시에 측정할 수 있는 힘센서가 로봇에 장착되어 있으면 되는가?",
"개발한 로봇은 손목이나 팔꿈치를 원하는 각도만큼 자유롭게 움직일 수 있어 회전력을 유지하기가 쉬운가?",
"개발된 로봇들은 거동이 어려운 중증뇌졸중환자의 손목 치료를 위해 주로 사용이 될 수 있는가?",
"3축 힘센서는 일반적으로 센서의 크기를 작게 하기 위해 최소 두 몸체로 구성되는가?",
"Li가 개발한 상지 재활로봇은 환자에게 고통이 없게끔 설계되어 토크센서로 제어하며 팔의 재활을 돕는가?",
"경증손목환자가 힘보강로봇을 사용할 수 있는 정도는 무엇인가?"
] |
5e861814-2951-44c6-a561-5553fa61bbae
|
인공물ED
|
3축 힘 센서가 적용된 손목 굽힘 재활로봇 개발
|
<h2>3.3 손목굽힘 유연성 재활운동 특성실험</h2><p>중증뇌졸중환자의 굳어있는 손목을 정상인의 손목과 같이 부드럽게 움직일 수 있도록 하기 위해서는 회전방향으로 유연하게 하는 손목굽힘 유연성 재활운동(wrist bending flexibility rehabilitation exercise)을 실시해야 한다. 손목굽힘 유연성 재활운동을 실시하기 위해서는 우선 손목의 반시계방향(오른손을 손바닥방향으로 굽히는 방향)과 시계방향(오른 손을 손등방향으로 펴는 방향)의 힘을 측정해야 하고 그 결과를 운동을 위해 가해야 하는 반시계반향과 시계방향의 기준힘으로 정해야 한다. 기준힘 측정실험은 Fig. 5 에서 나타낸 것과 같이 손과 팔을 각각의 고정대에 고정하고, 접착천을 이용하여 안전하게 고정한 후 고속제어장치를 동작시켜 반시계방향으로 사람이 통증을 느끼기 시작할 때까지 손목을 굽혔으며, 그때의 기준힘 Fz 와 모터의 회전각도를 측정하였다. 그리고 시계방향으로도 같은 방법으로 기준힘 Fz 와 모터의 회전각도를 측정하였다. 기준각도 \( \left(0^{\circ}\right) \)는 로봇에 손을 고정한 상태에서 팔의 축 방향으로 손바닥이 일 직선이 되었을 때로 결정하였다.</p><table border><caption>Table 2. Results of reference force of each man's right hand.</caption><tbody><tr><td></td><td>People</td><td>Ref. force(\(\mathrm{N}\))</td><td>Rotational torque( \( (\mathrm{Nm}) \)</td><td>Angle \( \left(^{\circ}\right) \)</td></tr><tr><td rowspan=2>A</td><td>CCW</td><td>-12.4</td><td>-0.967</td><td>90.24</td></tr><tr><td>CW</td><td>13.6</td><td>1.061</td><td>95.70</td></tr><tr><td rowspan=2>B</td><td>CCW</td><td>-13.9</td><td>-1.084</td><td>89.94</td></tr><tr><td>CW</td><td>15.3</td><td>1.193</td><td>88.23</td></tr><tr><td rowspan=2>C</td><td>CCW</td><td>-12.1</td><td>-0.9444</td><td>92.43</td></tr><tr><td>CW</td><td>21.9</td><td>1.708</td><td>91.44</td></tr><tr><td rowspan=2>D</td><td>CCW</td><td>-15.5</td><td>-1.209</td><td>91.44</td></tr><tr><td>CW</td><td>26.1</td><td>2.036</td><td>96.3</td></tr></tbody></table><p>Fig. 7은 오른손의 기준힘과 회전각도를 그래프로 나타내고 있고, 4 명의 남자 대학생이 실험에 참가하였다. Table 2 는 각사람의 기준힘, 굽힘회전 토그와 회전각도를 나타낸 것이고, 기준힘은 반시계 방향으로는 \( -12.1 \mathrm{~N} \) 에서 \( -15.5 \mathrm{~N} \) 까지 나타났고 시계방향으로는 \( 13.6 \mathrm{~N} \) 에서 \( 26.1 \mathrm{~N} \) 까지 나타났다. 이들 기준힘을 식(1)에 의해 굽힘회전토그로 나타내면 각각 반시계 방향으로는 \( -0.967 \mathrm{Nm} \) 에서 \( -1.209 \mathrm{Nm} \) 까지이고, 시계 방향으로는 \( 1.061 \mathrm{Nm} \) 에서 \( 2.036 \mathrm{Nm} \) 까지이다.</p><p>시계방향의 힘(손목을 뒤로 굽혔을 때 견디는 힘)이 반시계방향의 힘(손목을 앞으로 굽혔을 때 견디는 힘)이 보다 더 큰 것으로 나타났다. 그리고 회전각은 반 시계방향으로는 \( 142.9^{\circ} \) 에서 \( 189.2^{\circ} \) 까지, 시게방향으로는 \( 134.8^{\circ} \) 에서 \( 169.3^{\circ} \) 까지 나타났다. 이와 같이 각 개인의 기준힘과 회전각도가 각각 다르기 때문에 유연성 손목재활운동을 실시하기 전에는 반드시 기준힘 측정실험을 실시해야 한다. 측정된 기준힘들은 손목굽힙 재활운동시 각 사람의 기준힘으로 이용되고 회전각도들은 각 측정된 값에 \( 5^{\circ} \) 를 더하여 3축 힘센서에 문제가 발생하였을 경우 안전 제한 각도로 사용된다. 즉, 3 축 힘센서가 정상적으로 동작혀지 않을 경우는 손목굽힘모터가 최대로 회전할 수 있는 범위 제한을 주어 환자의 안전을 보장하는 것으로 이용된다. 특성 실험 결과, 손목 굽힘 유연성 재활운동을 위한 기준힘과 회전각도 측정을 수행할 수 있음을 확인하였다.</p><p>Fig. 8은 개발한 손목굽힘 재활로봇을 이용한 손목굽힘 유연성 재활운동의 모습을 나타내고 있고, (a)는 손목이 반시계방향으로 회전하는 모습, (b)는 시계방향으로 회전하는 모습을 각각 나타내고 있다. 손목굽힘 유연성 재활운동은 먼저 피시험자의 손목과 팔을 각각의 고정대와 접착천을 이용하여 안전하게 고정한 후 반시계방향과 시계방향의 각각의 기준힘과 회전각도를 측정하여 고속제어장치에 측정한 기준힘을 입력시키고, 기준회전각도는 측정한 회전각도에 \( 5^{\circ} \) 를 더하여 입력시킨다. 그리고 실험을 위한 손고정대 및 손의 초기위치는 피실험자가 침대에 누운 상태에서 손목을 팔의 축과 일직선상으로 놓은 위치이다. 손목굽힘 유연성 재활운동 방법은 손의 초기위치로부터 반시계 방향 기준힘까지 반시계 방향으로 회전시킨 후 기준힘을 기준으로 약 \( 4 \mathrm{~s} \) 정도 유지한다.</p><p>Fig. 9는 손목굽힘 재활로봇을 이용하여 손목굽힘 유연성 재활운동 중 3 개방향의 힘 출력 값을 3 축 힘센서로부터 각각 받은 결과를 그래프로 나타낸 것이다. 피실험자의 기준힘 측정실험을 실시한 결과 반시계방향의 손목굽힘력은 \( 15.1 \mathrm{~N} \) (굽힘 회전토그 \( 1.178 \mathrm{Nm} \) )이었고 회전각은 \( 90.5^{\circ} \) 이었으며, 시계방향의 손목굽힘력은 \( 20.5 \mathrm{~N} \) (굽힙 회전토크 \( 1.599 \mathrm{Nm} \) )이었고 회전각은 \( 89.3^{\circ} \) 이었다.</p><p>따라서 제어장치에 자동으로 기준힘 및 안전 회전각은 반시계방향으로는 각각 \( 15.1 \mathrm{~N} \) 과 \( 95.5^{\circ} \) 로 설정되었고, 시계방향으로는 각각 \( 20.5 \mathrm{~N} \) 과 \( 94.3^{\circ} \) 로 설정되었다. 회전각이 \( 5^{\circ} \) 크게 설정된 것은 본 재활로봇은 설정된 힘까지 반시계방향과 시계방향으로 재활운동을 시키고, 힘을 측정하는 3축 힘센서 등에 문제가 발생되었을 때 모터의 회전각으로 기준힘 측정실험 때 측정된 회전각보다 \( 5^{\circ} \) 이상은 회전할 수 없도록 안전장치 역할을 한다. 추가 회전각을 \( 5^{\circ} \) 로 결정한 것은 손목에 부상이 나타나지 않은 정도로 실험에 의해 결정하였다.</p><p>Fig. 9에서 보는 것과 같이 손목굽힙 유연성 재활운동시 손목굽힘력 Fz는 반시계방향과 시계방향 모두에서 설정한 기준힘까지 가해졌고 기준힘에서 \( 4 \mathrm{~s} \) 정도 잘 유지되었다. 힘 Fz는 반시계방향으로 최대의 힘을 가할 때는 \( 6.9 \mathrm{~N} \) 이내이었고, 시계방향으로 힘을 가할 때는 \( 23.9 \mathrm{~N} \) 이내이었다. 이와 같이 시계방향으로 힘을 가할 때 Fx힘이 크게 발생되는 것은 시계방향으로 회전할 때 손고정대와 손바닥을 손가락 방향으로 밀기 때문이다. 힘 Fy 는 반시개방향으로 최대의 힘을 가할 때는 \( 3.2 \mathrm{~N} \) 이내이었고, 시게방향으로 힘을 가할 때는 \( 7.1 \mathrm{~N} \) 이내이었으며, 이것은 로봇이 힘을 가할 때 기구학적으로 미소하게 y방향으로 밀기 때문이다. 본 연구에서 개발한 손목굽힘 재활로봇을 이용하여 정상인을 대상으로 손목굽힘 유연성 재활운동을 실시한 결과, 안전하게 동작되었으므로 정상인과 같은 방법으로 중증뇌졸중환자에게 적용시키면 안전하게 손목재활운동을 실시할 수 있을 것으로 판단된다.</p>
|
[
"중증뇌졸중환자의 굳어있는 손목을 정상인의 손목과 같이 부드럽게 움직일 수 있도록 하기 위해서 회전방향으로 유연하게 하는 운동이 뭐야?",
"중증뇌졸중환자의 굳어있는 손목을 정상인의 손목과 같이 부드럽게 움직일 수 있도록 하기 위해서는 회전방향으로 유연하게 하는 손목굽힘 유연성 재활운동(wrist bending flexibility rehabilitation exercise)을 실시해야 하는가?",
"손목굽힘 유연성 재활운동을 실시하기 위해서는 어느방향으로 힘을 측정해야해?",
"손목굽힘 유연성 재활운동을 실시하기 위해서는 우선 손목의 반시계방향(오른손을 손바닥방향으로 굽히는 방향)과 시계방향(오른 손을 손등방향으로 펴는 방향)의 힘을 측정해야 하는가?",
"손목굽힘 유연성 재활운동을 실시하기 위해서는 우선 손목의 반시계방향(오른손을 손바닥방향으로 굽히는 방향)과 시계방향(오른 손을 손등방향으로 펴는 방향)의 힘을 측정해야 하고 그 결과를 어떤 기준힘으로 정해야해?",
"손목굽힘 유연성 재활운동을 실시하기 위해서는 우선 손목의 반시계방향(오른손을 손바닥방향으로 굽히는 방향)과 시계방향(오른 손을 손등방향으로 펴는 방향)의 힘을 측정해야 하고 그 결과를 운동을 위해 가해야 하는 반시계반향과 시계방향의 기준힘으로 정하지 않는가?",
"기준힘 측정실험은 Fig. 5 에서 나타낸 것과 같이 손과 팔을 각각의 고정대에 고정하고,무엇을 이용하여 안전하게 고정했어?",
"기준힘 측정실험은 Fig. 5 에서 나타낸 것과 같이 손과 팔을 각각의 고정대에 고정하고, 접착천을 이용하여 안전하게 고정한 후 무엇을 동작시켜 반시계방향으로 사람이 통증을 느끼기 시작할 때까지 손목을 굽혔어?",
"기준힘 측정실험은 Fig. 5 에서 나타낸 것과 같이 손과 팔을 각각의 고정대에 고정하고, 접착천을 이용하여 안전하게 고정한 후 고속제어장치를 동작시켜 반시계방향으로 사람이 통증을 느끼기 시작할 때까지 손목을 굽혔으며, 무엇을 측정하였어?",
"기준각도 \\( \\left(0^{\\circ}\\right) \\)는 로봇에 손을 고정한 상태에서 팔의 축 방향으로 손바닥이 일 직선이 되었을 때로 결정하였는가?",
"기준각도 \\( \\left(0^{\\circ}\\right) \\)는 로봇에 손을 고정한 상태에서 팔의 축 방향으로 어떤 때로 결정하였어?",
"Fig. 7은 어떤것을 그래프로 나타내고 있어?",
"Fig. 7은 오른손의 기준힘과 회전각도를 그래프로 나타내고 있고, 몇명의 남자 대학생이실험에 참가하였어?",
"Table 2 는 무엇들을 나타낸 것이야??",
"Table 2 는 각사람의 기준힘, 굽힘회전 토그와 회전각도를 나타낸 것인가?",
"Table 2 는 각사람의 기준힘, 굽힘회전 토그와 회전각도를 나타낸 것이고, 기준힘은 반시계 방향으로 얼마나 나타났어?",
"Table 2 는 각사람의 기준힘, 굽힘회전 토그와 회전각도를 나타낸 것이고, 기준힘은 반시계 방향으로는 \\( -12.1 \\mathrm{~N} \\) 에서 \\( -15.5 \\mathrm{~N} \\) 까지 나타났고 시계방향으로는 얼마나 나타났어?",
"Table 2 는 각사람의 기준힘, 굽힘회전 토그와 회전각도를 나타낸 것이고, 기준힘은 반시계 방향으로는 \\( -12.1 \\mathrm{~N} \\) 에서 \\( -15.5 \\mathrm{~N} \\) 까지 나타났고 시계방향으로는 \\( 13.6 \\mathrm{~N} \\) 에서 \\( 26.1 \\mathrm{~N} \\) 까지 나타났는가?",
"이들 기준힘을 식(1)에 의해 무엇으로 나타냈어?",
"이들 기준힘을 식(1)에 의해 굽힘회전토그로 나타내면 각각 반시계 방향으로는 얼마 까지야?",
"이들 기준힘을 식(1)에 의해 굽힘회전토그로 나타내면 각각 반시계 방향으로는 \\( -0.967 \\mathrm{Nm} \\) 에서 \\( -1.209 \\mathrm{Nm} \\) 까지이고, 시계 방향으로는 얼마 까지야?",
"이들 기준힘을 식(1)에 의해 굽힘회전토그로 나타냈는가?",
"이들 기준힘을 식(1)에 의해 굽힘회전토그로 나타내면 각각 반시계 방향으로는 \\( -0.967 \\mathrm{Nm} \\) 에서 \\( -1.209 \\mathrm{Nm} \\) 까지인가?",
"이들 기준힘을 식(1)에 의해 굽힘회전토그로 나타내면 각각 반시계 방향으로는 \\( -0.967 \\mathrm{Nm} \\) 에서 \\( -1.209 \\mathrm{Nm} \\) 까지이고, 시계 방향으로는 \\( 1.061 \\mathrm{Nm} \\) 에서 \\( 2.036 \\mathrm{Nm} \\) 까지인가?",
"시계방향의 힘(손목을 뒤로 굽혔을 때 견디는 힘)이 반시계방향의 힘(손목을 앞으로 굽혔을 때 견디는 힘)이 보다 더 큰 것으로 나타났는가?",
"어떤 힘이 반시계방향의 힘(손목을 앞으로 굽혔을 때 견디는 힘)이 보다 더 큰 것으로 나타났어?",
"시계방향의 힘(손목을 뒤로 굽혔을 때 견디는 힘)이 어떤 힘 보다 더 큰 것으로 나타났어?",
"회전각은 반 시계방향으로는 얼마까지 나타났어?",
"시계방향의 힘(손목을 뒤로 굽혔을 때 견디는 힘)이 반시계방향의 힘(손목을 앞으로 굽혔을 때 견디는 힘)이 보다 더 큰 것으로 나타났는데 회전각은 반 시계방향으로는 \\( 142.9^{\\circ} \\) 에서 \\( 189.2^{\\circ} \\) 까지, 시게방향으로는 얼마까지 나타났어?",
"그리고 회전각은 반 시계방향으로는 \\( 142.9^{\\circ} \\) 에서 \\( 189.2^{\\circ} \\) 까지, 시게방향으로는 \\( 134.8^{\\circ} \\) 에서 \\( 169.3^{\\circ} \\) 까지 나타나지 않았는가?",
"이와 같이 각 개인의 기준힘과 회전각도가 각각 다르기 때문에 유연성 손목재활운동을 실시하기 전에는 반드시 기준힘 측정실험을 실시하지 않아야 하는가?",
"이와 같이 각 개인의 무엇이 각각 달라?",
"이와 같이 각 개인의 기준힘과 회전각도가 각각 다르기 때문에 무엇을 하기 전에 반드시 기준힘 측정실험을 실시해야해?",
"이와 같이 각 개인의 기준힘과 회전각도가 각각 다르기 때문에 유연성 손목재활운동을 실시하기 전에는 반드시 무엇을 실시해야해?",
"측정된 기준힘들은 손목굽힙 재활운동시 각 사람의 기준힘으로 이용되고 회전각도들은 각 측정된 값에 \\( 5^{\\circ} \\) 를 더하여 3축 힘센서에 문제가 발생하였을 경우 무엇으로 사용해?",
"측정된 기준힘들은 손목굽힙 재활운동시 각 사람의 기준힘으로 이용되고 회전각도들은 각 측정된 값에 \\( 5^{\\circ} \\) 를 나누어 3축 힘센서에 문제가 발생하였을 경우 안전 제한 각도로 사용되는가?",
"측정된 기준힘들은 손목굽힙 재활운동시 각 사람의 기준힘으로 이용되고 회전각도들은 각 측정된 값에 \\( 5^{\\circ} \\) 를 더하여 3축 힘센서에 문제가 발생하였을 경우 안전 제한 각도로 사용되는가?",
"즉, 3 축 힘센서가 정상적으로 동작혀지 않을 경우는 무엇이 최대로 회전할 수 있는 범위 제한을 주었어?",
"즉, 3 축 힘센서가 정상적으로 동작혀지 않을 경우는 손목굽힘모터가 최대로 회전할 수 있는 범위 제한을 주어 환자의 안전을 보장하지 않는가?",
"특성 실험 결과, 손목 굽힘 유연성 재활운동을 위한 어떤 것과 회전각도 측정을 수행할 수 있음을 확인하였어?",
"특성 실험 결과, 손목 굽힘 유연성 재활운동을 위한 기준힘과 무엇을 확인할 수 있는가?",
"개발한 무엇을 이용한 손목굽힘 유연성 재활운동의 모습을 나타내고 있어?",
"개발한 손목굽힘 재활로봇을 이용한 손목굽힘 유연성 재활운동의 모습을 나타내고 있고, (a)는 어떤 모습을 나타내고 있어?",
"개발한 손목굽힘 재활로봇을 이용한 손목굽힘 유연성 재활운동의 모습을 나타내고 있고, (a)는 손목이 반시계방향으로 회전하는 모습, (b)는 어떤 모습을 각각 나타내고 있어?",
"실험을 위한 손고정대 및 손의 초기위치는 피실험자가 침대에 누운 상태에서 손목을 팔의 축과 수직선상으로 놓은 위치인가?",
"손목굽힘 유연성 재활운동은 먼저 피시험자의 손목과 팔을 각각의 고정대와 접착천을 이용하여 안전하게 고정한 후 반시계방향과 시계방향의 각각의 기준힘과 회전각도를 측정하여 고속제어장치에 측정한 기준힘을 입력시키고, 기준회전각도는 측정한 회전각도에 \\( 5^{\\circ} \\) 를 더하여 입력시키는가?",
"손목굽힘 유연성 재활운동 방법은 손의 초기위치로부터 반시계 방향 기준힘까지 반시계 방향으로 회전시킨 후 기준힘을 기준으로 약 얼마 정도 유지해?",
"손목굽힘 재활로봇을 이용하여 손목굽힘 유연성 재활운동 중 3 개방향의 힘 출력 값을 3 축 힘센서로부터 각각 받은 결과를 그래프로 나타낸 것인가?",
"손목굽힘 재활로봇을 이용하여 어떤 결과를 그래프로 나타낸거야?",
"피실험자의 기준힘 측정실험을 실시한 결과 반시계방향의 손목굽힘력은 얼마인가?",
"피실험자의 기준힘 측정실험을 실시한 결과 반시계방향의 손목굽힘력은 \\( 15.1 \\mathrm{~N} \\) (굽힘 회전토그 \\( 1.178 \\mathrm{Nm} \\) )이었고 회전각은 얼마인가?",
"실험자의 기준힘 측정실험을 실시한 결과 시계방향의 손목굽힘력은 얼마인가?",
"피실험자의 기준힘 측정실험을 실시한 결과 시계방향의 회전각은 얼마인가?",
"따라서 제어장치에 자동으로 기준힘 및 안전 회전각은 얼마로 설정하였는가?",
"따라서 제어장치에 자동으로 기준힘 및 안전 회전각은 시계방향으로 얼마로 설정하였는가?",
"추가 회전각을 \\( 5^{\\circ} \\) 로 결정한 것은 손목에 부상이 나타나지 않은 정도로 실험에 의해 결정하였는가?",
"Fig. 9에서 보는 것과 같이 손목굽힙 유연성 재활운동시 손목굽힘력 Fz는 반시계방향과 시계방향 모두에서 설정한 기준힘까지 가해졌고 기준힘에서 \\( 4 \\mathrm{~s} \\) 정도 잘 유지되었는가?",
"힘 Fz는 반시계방향으로 최대의 힘을 가할 때는 얼마 이내 인가?",
"힘 Fz는 시계방향으로 힘을 가할 때 얼마 이내 인가?",
"시계 방향으로 힘을 가할 때 Fx힘이 크게 발생되는 이유는 무엇인가?",
"왜 시계 방향으로 힘을 가할 때 Fx힘이 크게 발생하지",
"힘 Fy 는 반시개방향으로 최대의 힘을 가할 때는 \\( 3.2 \\mathrm{~N} \\) 이내이었고, 시게방향으로 힘을 가할 때는 \\( 7.1 \\mathrm{~N} \\) 이내인 이유가 무엇인가?",
"본 연구에서 개발한 손목굽힘 재활로봇을 이용하여 정상인을 대상으로 손목굽힘 유연성 재활운동을 실시한 결과, 안전하게 동작되었으므로 정상인과 같은 방법으로 중증뇌졸중환자에게 적용시키면 안전하게 손목재활운동을 실시할 수 있을 것으로 판단되는가?",
"C의 반시계방향의 기준힘은 무엇인가?",
"B의 시계방향의 기준힘은 무엇인가?",
"C의 시계방향 기준힘은 무엇인가?",
"D의 반시계 방향 기준힘은 무엇인가?",
"A의 시계방향 기준힘은 얼마인가?"
] |
3a56a70c-9afc-4034-99bc-74a353685928
|
인공물ED
|
3축 힘 센서가 적용된 손목 굽힘 재활로봇 개발
|
<h1>4. 결 론</h1><p>본 눈문에서는 중증뇌졸중환자가 병실 혹은 가정의 침대에서 누운 채로 손목굽힘 재활운동을 할 수 있는 손목굽힘 재활로봇을 개발하였다. 재활로봇의 핵심부품 중의 하나인 3축 힘센서를 설계 및 제작하였고, 특성실험 결과 센서의 상호간섭오차, 재헌도오차 등이 우수하여 개발한 재활로봇에 사용할 수 있었다. 손목굽힘 유연성 재활운동 특성실험에서는 로봇이 기준힘을 기준으로 반시계방향과 시계방향으로 원활하게 동작되어 손목을 유연하게 하는 운동을 시킬 수 있을 것으로 생각된다. 그리고 개발한 재활로봇을 이용하여 정상인을 대상으로 긴급상황 특성실험을 실시한 결과, 로봇에 고정된 손을 아래방향 (y 방향) 으로 눌렀을 때 로봇의 동작을 정지하고 초기위치로 복귀함을 확인하였다. 그리고 중증뇌졸중환자의 손목굽힘 유연성 재활운동을 실시한 결과, 사용에 안전함을 보였고 손목의 유연성이 증가됨을 확인하였다.</p>
|
[
"손목굽힘 재활로봇은 중증뇌졸중환자가 무엇을 하기 위해 개발되었는가?",
"3축 힘센서는 재활로봇의 핵심부품 중의 하나인가?",
"로봇이 어떤 상황에서 동작을 정지하고 초기위치로 복귀하는가?",
"센서의 어떤 특성이 우수하여 개발한 재활로봇에 사용할 수 있었는가?",
"증뇌졸중환자의 손목굽힘 유연성 재활운동을 실시한 결과 무엇이 증가되었는가?",
"개발한 재활로봇의 긴급상황 특성실험은 누구를 대상으로 실시하였는가?",
"손목의 유연성이 증가된 것을 무엇을 통해 확인하였는가?",
"로봇의 동작을 정지하고 초기위치로 복귀하는 것은 로봇에 고정된 손을 어느 방향으로 눌렀을 때 일어나는가?",
"긴급상황 특성실험을 실시한 결과, 로봇에 고정된 손을 아래방향으로 눌렀을 때 로봇이 어떻게 작동하는가?",
"손목굽힘 유연성 재활운동 특성실험에서 로봇이 어떻게 동작되어 손목을 유연하게 하는 운동을 가능하게 함으로 생각되는가?",
"센서의 상호간섭오차, 재헌도오차 등이 우수함을 어떻게 확인할 수 있었는가?",
"본 논문에서 개발한 손목굽힘 재활로봇은 중증뇌졸중환자가 어떻게 사용하는 것인가?",
"로봇에 고정된 손을 아래방향으로 눌렀을 때 로봇의 동작을 정지하고 초기위치로 복귀함을 어떻게 확인하였는가?",
"로봇이 기준힘을 기준으로 반시계방향과 시계방향으로 원활하게 동작되는 것을 어떻게 확인하였는가?",
"손목굽힘 재활로봇을 중증뇌졸중환자가 사용했을 때 안전함과, 손목의 유연성이 증가됨을 어떻게 확인하였는가?"
] |
ff801f48-aba5-4122-bbf4-08a8dd2671ce
|
인공물ED
|
3축 힘 센서가 적용된 손목 굽힘 재활로봇 개발
|
<h1>3. 손목굽힘 재활로봇의 특성실험 및 고찰</h1><h2>3.1 손목굽힘 재활로봇의 제어특성실험</h2><p>제작한 손목굽힘 재활로봇을 이용하여 중증뇌졸중 환자의 손목굽힘 유연성 재활운동을 전문재활치료사가 실시하는 것과 같이 수행하기 위해서는 손목을 시계방향 혹은 반시계방향으로 기준힘(Fz)까지 회전시키고, 기준힘을 유지하면서 3~5초 머무른 후 초기위치로 복귀하며, 다시 반대방향으로 앞에서와 같은 과정을 반복해야 한다. 손목굽힘 유연성 재활운동 과정중 기준힘을 유지하기 위해서는 페루프제어를 실시해야 한다. 그렇지 않으면 굽힘력이 짐짐 감소하여 전문재활치료사가 재활운동을 시키는 것만큼의 효과를 얻을 수 없다. 사용한 PI제어 식은 다음과 같다.</p><p>\( U(k)=K_{p} e(k)+K_{i} \sum_{k=1}^{n} e(k) \Delta t \)<caption>(2)</caption></p><p>여기서, \( \mathrm{U}(\mathrm{k})\) 는 k번째 제어기 출력(손목굽힘모터 입력 펄스수), \( \mathrm{K}_{\mathrm{p}} \) : 비례상수, \( \mathrm{e}(\mathrm{k}): \mathrm{k} \) 번째 에러(힘 ( Fz 센서의 k번째 출력), \( \mathrm{K}_{\mathrm{i}} \) : 적분상수, \( \mathrm{t}: 1 \) 회 적분시간이다.</p><p>Fig. 4는 손목굽힘 재활로봇의 PI제어의 특성을 나타내고 있고, 제어는 펄스를 모터드라이브에 입력하는 방식은 위치제어이며, Pl제어의 기준힘이 \( 10.0 \mathrm{~N}, 15.0 \mathrm{~N} \) 일 때 수행하였다. 여러 번의 반복실험을 통해 PI 제어 게인을 얻었으며, 비례상수 \( \mathrm{K}_{\mathrm{p}} \) 값은 0.35, 적분상수 \( \mathrm{K}_{\mathrm{i}} \) 값은 0.12 이었다. PI 제어시 도달시간은 \( 1.2 \mathrm{~s} \) 이내이었고, 정상상태오차는 \( \pm 0.1 \mathrm{~N} \) 이었다. 이 결과는 손목 굽힘 재활로봇을 이용하여 손목굽힘 유연성 재활운동시 기준힘을 가한 후 유지시간에서 기준힘을 유지하기 위한 페루프 제어를 실시하는데 활용할 수 있으리라 생각된다.</p><h2>3.2 손목굽힘 재활로봇의 긴급상황응답 특성실험</h2><p>개발한 손목굽힘 재활로봇을 정상인 및 중증뇌졸중환자에게 적용시키기 위해서는 로봇의 긴급상황응답 특성실험을 실시해야 한다. Fig. 5 는 개발한 손목굽힘 재활로봇을 이용한 정상인을 대상으로 긴급상황운동 특성실험하는 모습을 나타내고 있다. 우선 특성실험을 위해 Fig. 5에 나타낸 것과 같이 팔과 손을 각각의 고정대와 접착천을 사용하여 안전하게 고정시킨다.</p><p>손목굽힘 재활로봇을 이용하여 재활운동시 손목에 통증이 발생하는 등의 긴급상황이 발생되었을 경우에는 로봇을 멈추고 손목에 굽힙력을 가하고 있는 방향과 반대방향으로 회전시켜야 한다. 이를 위해서는 긴급상황이 발생하였을 때, 3 축 힘센서로부터 사람의 손으로부터 반응하는 힘을 받아 그 결과를 기준으로 로봇을 제어해야 한다. 그러므로 여러 번의 반복실험을 한 결과, 사람은 긴급상황에서 손을 위쪽 혹은 아래쪽으로 이동시겼고, 그 방향은 y 방향의 힘 Fy이었다. 그래서 본 연구에서는 힘 Fy가 \( 20.0 \mathrm{~N} \) 이상이 발생되었을 경우에는 긴급상황이 발생한 것으로 판단하여 로봇을 정지하고 손목굽힘력을 가하는 방향과 반대방향으로 회전시켜 초기위치로 되돌리도록 하였다.</p><p>Fig. 6은 안전장치의 두 번째 방법으로 손목굽힘 유연성 재활운동 중 손목굽힘 재활로봇의 긴급상황 특성실험을 실시할 때 3축 힘센서의 출력을 나타낸 그래프이다. Fig. 6 에서 보는 것과 같이 17 초 부근에서 손을 아래방향으로 눌렀으므로 Fy값이 \( -34 \mathrm{~N} \)이 발생하였고, 이 지점 이후에 굽힘력 Fz 와 y 방향의 힘 Fy가 급격히 감소하여 \( 0 \mathrm{~N} \) 으로 접근합을 나타내고 있다. 이것은 개발한 손목굽힘 재활로봇이 긴급상황시 안전하게 동작됨을 나타낸다. 따라서 개발한 손목굽힘 재활로봇은 중증뇌졸중환자의 손목굽힘 재활운동을 위한 안전성을 확보한 것으로 판단된다.</p>
|
[
"손목굽힘 유연성 재활운동 과정중 기준힘을 유지하기 위해서 어떻게 해야해?",
"손목굽힘 유연성 재활운동 과정중 기준힘을 지속하기 위해 어떻게 해야하나요?",
"페루프제어를 하면 굽힘력이 짐짐 감소하여 전문재활치료사가 재활운동을 시키는 것만큼의 효과를 얻을 수 있는가?",
"펄스를 모터드라이브에 입력하는 방식은 뭐야?",
"손목굽힘 재활로봇을 이용시 긴급상황이 발생했을때는 어떻게 해야 하는가?",
"긴급상황이 발생한 것으로 판단되는 경우는 어떤 경우인가?",
"개발한 손목굽힘 재활로봇은 중증뇌졸중환자의 손목굽힘 재활운동을 위한 안전성을 확보한 것으로 판단되는가?",
"손목굽힘 재활로봇이 긴급상황시 안전하게 동작되는 걸 어떻게 알아?",
"손목굽힘 재활로봇을 이용하여 힘 \\( 10.0 \\mathrm{~N}, 15.0 \\mathrm{~N} \\)을 가했을때 유지 시간에서 기준힘을 유지하기 위한 값을 무엇인가?"
] |
6f953e96-c037-4424-b0ee-c5e5d8fcd633
|
인공물ED
|
3축 힘 센서가 적용된 손목 굽힘 재활로봇 개발
|
<h2>3.4 뇌졸중환자의 손목굽힘 유연성 재활운동 적용특성 실험</h2><p>본 논문에서 개발한 손목굽힘 재활로봇을 뇌졸중환자에게 적용할 수 있는지를 확인하기 위한 손목굽힘 유연성 재활운동을 실시하였다. 특성실험에 참가한 중증뇌졸중환자는 오른손을 거의 움직일 수 없는 상태였고, 예손재활병원에서 전문재활치료사의 도움을 받아 하루에 30분씩 실시하였다. Fig. 10은 손목굽힘 재활로봇의 이용한 뇌졸중환자의 손목굽힘 유연성 재활운동 특성실험의 흐름도를 나타내고 있다. 개발한 손목굽힘 재활로봇을 이용하여 중증뇌졸중 환자의 손목굽힙 유연성운동을 실시하기 위해서는 무엇보다 중요한 것이 안전이므로 다음과 같은 순서에 의해 실시하였다. 첫째, 손목굽힘 재활로봇의 제어장치를 초기화하고, 3축 힘센서의 동작과 긴급상황 응답기능의 동작을 확인하였다. 둘째, 문제가 없으면 로봇의 동작을 확인하고, 환자를 침대에 눕힌 다음 밸크로를 이용하여 손을 안전하게 고정시킨다. 세째, 로봇을 반시게방향과 시게방향으로 회전시켜 환자의 통증 정도를 파악하여 기준힘과 기준회전각을 정하여 로봇의 제어장치에 입력한다. 네째, 손목굽힘 유연성 재활운동을 30분간 실시한다. 본 특성실험에서는 하루에 30분씩 총 9일 동안 실시하였다.</p><p>Fig. 11은 손목굽힘 재활로봇을 이용하여 뇌졸중환자의 유연성 손목재활운동을 실시하는 사진을 나타내고 있다. Fig. 12와 Table 3은 손목굽힘 재활로봇을 이용하여 뇌졸중환자의 손목굽힘 유연성 재활운동을 9일 동안 실시한 결과를 나타내고 있다. 중증뇌졸중환자의 손목굽힘 유연성 재활운동 결과, 반시계방향의 측정힘과 측정각은 각각 \( 2.2 \mathrm{~N} \) 와 \( 9.45^{\circ} \) 증가하였고, 시계방향의 측정힘과 측정각은 각각 \( 7.0 \mathrm{~N} \) 와 \( 10.80^{\circ} \) 증가하였다.</p><p>이 결과로 볼 때 환자의 손목이 반시계방향보다 시계방향으로 유연성과 굽힘력의 재활정도가 크게 향상된 것으로 판단된다. 이것은 시계방향으로 유연성 재활운동시 통증으로 인해 적게 굽힘력을 가했기 때문이다. 따라서 본 는문에서 개발한 손목굽힘 재활로봇을 증증뇌졸중환자에게 적용할 수 있을 것으로 판단된다. 이를 위해서는 추후 임상실험을 실시해야 한다.</p>
|
[
"중증뇌졸중환자의 손목굽힘 유연성 재활운동 결과, 반시계방향의 측정힘과 측정각은 얼마야?",
"손목굽힘 재활로봇을 이용해서 뇌졸중환자에게 실시한 유연성 재활운동은 어떤 것들이 있어?",
"전문재활치료사의 도움을 받아 예손재활병원에서 하루에 30분씩 실시한 의료기는 뭐야?",
"본 문에서 개발하였다는 손목굽힘 재활로봇은 용도가 뭐야?",
"중증뇌졸중환자에게 손목굽힘 재활로봇을 이용하여 손목굽힙 유연성운동을 실시한 곳은 어디야?",
"뇌졸중환자에게 손목굽힘 유연성 재활운동을 실시하였다는 의료기기가 손목굽힘 재활로봇이 맞아?",
"예손재활병원에서 손목굽힘 재활로봇을 이용하여 특성실험을 하루에 30분씩 몇 일 동안 실시했어?"
] |
4785c0f4-6cad-47c8-9112-f1df533e6f55
|
인공물ED
|
3축 힘 센서가 적용된 손목 굽힘 재활로봇 개발
|
<p>손목굽힘력은 Fig. 1의 하측사진에서 보는 것과 같이 회전모터 중심축으로부터 3 축 힘센서의 고정위치인 \( 78 \mathrm{~mm} \) 지점에서 손바닥에 가해지는 힘을 3 축 힘센서의 Fz 센서가 측정한 힘이다. 따라서 손목을 시계방향과 반시계방향으로 굽히고 펴는 굽힘회전토크 T는 다음 식에 의해 계산된다.</p><p>\( T=l \times F z \)<caption>(1)</caption></p><p>여기서, l은 회전모터 중심축으로부터 3축 힘센서의 고정위치까지의 길이, Fz은 3축 힘센서의 Fz센서의 측정값이다.</p><p>Fig. 2 는 본 논문에서 제작한 3 축 힘센서의 사진이고, 이 센서의 Fx센서, Fy 센서, Fz 센서의 정격힘은 각각 \( 100 \mathrm{~N} \) 이며, 센서 전체의 크기가 \( 38 \mathrm{~mm} \times 38 \mathrm{~mm} \times 12 \mathrm{~mm} \) 이다. 특성실험은 다축 힘 /모멘트센서 교정기에 3축 힘센서를 고정한 후 각 센서의 정격힘을 가하고 고성능측정장치(DMP40)로 측정하는 방법으로 실시하였다. 3 축 힘센서의 각 센서의 정격출력을 검출하기 위해서는 각 센서의 정격힘을 각각 3 번씩 가한 후 측정한 값을 평균하여 구하였고, 재현도오차와 비직선성오차를 구하기 위해 각 센서의 정격힘의 \( 10 \% \) 씩 증가순과 감소순으로 실험을 실시하였으며, 상호간섭오차를 파악하기 위해서는 한 방향의 정격힘을 가한 후 힘을 가하는 방향 이외의 힘센서로부터 출력되는 값들을 측정하였다. 3 축 힘센서의 정격출력, 재헌도오차, 비직선성오차는 Table 1 에 나타낸 것과 같고, 정격출력은 \( 0.5 \mathrm{mV} / \mathrm{V} \) 정도로 나타났으며, 각 센서의 최대 재현도오차와 최대 비직선성오차는 \( 0.03 \% \) 이내이었다. 그리고 3축 힘센서의 최대 상호간섭오차는 \( 0.76 \% \) 이내이었다. 그러므로 제작한 3축 힘센서의 재헌도오차, 비직선성 오차, 상호간섭오차는 이미 판매하고 있는 다축힘센서 의 그것과 비슷한 수준이었고, 이 센서는 손목굽힘 재활로봇에 사용할 수 있을 것으로 판단된다.</p><p>고속제어기는 DSP(Digital Signal Processor)를 이용하여 본 논문에서 제작한 것이고, Fig. 3 의 (a)는 고속제어장치의 블록도, (b)는 제작한 고속제어장치의 사진을 각각 나타내고 있다. 고속제어장치는 DSP(digital signal processor), 증폭기부 (amplifier), 통신부, 전원부, 스위치부 등으로 구성되었고, DSP(TMS320 F2812 (\(32 \mathrm{bit} / 150 \mathrm{MHz} / 150 \mathrm{MIPS} / 150 \mathrm{MMAC})\) 는 \( 128 \mathrm{kword} \) 용량의 플레시 롬 (flash read only memory(ROM)), 1Mword 용량의 렘(random access memory(RAM)), 최고 \( 12.5 \mathrm{Mbps} \) 로 변환 가능 한 AD 컨버터(12-bit ultra-fast analog/digital converter) 등으로 구성되었다. 이것은 전원부로부터 \( 3.3 \mathrm{~V} \) 와 \( 1.8 \mathrm{~V} \) 의 전압을 받아 동작하고, 크리스탈로부터 \( 30 \mathrm{MHz} \) 의 클럭을 받아 내부에서 5배 체배하여 \( 150 \mathrm{MHz} \) 로 동작하며, 내부플래시 롬 혹은 오부 확장램에 저장된 프로그램의 명령에 따라 DSP를 동작시킨다. 스위치의 동작에 따라 3 축 힘센서로부터 출력되는 신호를 증폭시킨 후 이것을 DSP 내부의 AD 컨버터로 받아들이고, 이 신호를 LCD에 나타냄과 동시에 외부 확장램에 저장 및 CAN 통신과 RS232C 통신을 이용하여 컴퓨터 혹은 다른 제어장치에 보낸다. 증폭부는 3 축 힘센서로부터 출력되는 값을 증폭하는 역할을 하며, 통신부는 제어프로그렘을 롬에 다운로드 혹은 컴퓨터와 인터페이스하는 역할을 한다.</p><p>제작된 고속제어장치를 이용하여 3축 힘센서로부터 출력되는 측정값들을 측정하기 위해서는 교정을 실시해야 한다. 교정은 3 축 힘센서와 고속제어장치를 언결한 후 다축 힘/모멘트센서 교정기에 3축 힘센서를 고정하고, 각 센서의 정격힘을 가한 후 고속제어장치의 증폭기를 조절하여 Fx센서, Fy센서, Fz센서는 \( 100.0 \mathrm{~N}( \) 분해능: \( 0.1 \mathrm{~N}) \) 이 되도록 하였다.</p>
|
[
"Fx센서, Fy 센서, Fz 센서의 전체 크기가 몇이야?",
"Fx센서, Fy 센서, Fz 센서의 전체 크기는 얼마니?",
"3 축 힘센서의 각 센서의 정격출력을 검출하기 위해 각 센서의 정격힘을 각각 3 번씩 가한 후 측정한 값을 평균하여 구했니?",
"재현도오차와 비직선성오차를 구하기 위해 어떻게 실험 했어?",
"재현도오차와 비직선성오차를 구하기 위해 각 센서의 정격힘의 \\( 15 \\% \\) 씩 증가순과 감소순으로 실험을 실시한게 맞아?",
"재현도오차와 비직선성오차를 구하기 위해 각 센서의 정격힘의 몇 \\( \\% \\) 씩 증가순과 감소순으로 실험을 실시하였어?",
"각 센서의 정격힘의 \\( 10 \\% \\) 씩 증가순과 감소순으로 실험을 실시한 이유가 뭐야?",
"각 센서의 정격힘의 \\( 10 \\% \\) 씩 증가순과 감소순으로 실험을 실시한게 재현도오차와 비직선성오차를 구하기 위해서야?",
"상호간섭오차를 파악하기 위해서 어떻게 측정했어?",
"3 축 힘센서의 각 센서의 정격출력이 어떤식으로 검출됐어?",
"한 방향의 정격힘을 가한 후 힘을 가하는 방향 이외의 힘센서로부터 출력되는 값들을 측정한 이유가 뭐야?",
"한 방향의 정격힘을 가한 후 힘을 가하는 방향 이외의 힘센서로부터 출력되는 값들을 측정한게 상호간섭오차를 파악하기 위해서야?",
"각 센서의 정격힘을 각각 3 번씩 가한 후 측정한 값을 평균하여 구한 이유가 뭐야?",
"특성실험은 어떻게 실시했어?",
"어떻게 특성실험이 시행됐지?",
"한 방향의 정격힘을 가한 후 힘을 가하는 방향 이외의 힘센서로부터 출력되는 값들을 측정한게 무엇을 파악하기 위해서야?",
"정격출력은 어느정도로 나타났어?",
"어느정도로 정격출력이 드러났지?",
"정격출력은 \\( 0.5 \\mathrm{mV} / \\mathrm{V} \\) 정도로 나타났어?",
"이 센서는 어떤 로봇에 사용할 수 있어?",
"각 센서의 최대 재현도오차와 최대 비직선성오차는 몇 \\(\\% \\) 이내였어?",
"손목굽힘력이 뭐야?",
"무엇이 손목굽힘력이지?",
"Fx센서, Fy 센서, Fz 센서의 정격힘은 몇 \\(\\mathrm{~N} \\) 이야?",
"회전모터 중심축으로부터 3 축 힘센서의 고정위치가 \\( 78 \\mathrm{~mm} \\) 지점이 맞아?",
"회전모터 중심축으로부터 3 축 힘센서의 고정위치인 \\( 78 \\mathrm{~mm} \\) 지점에서 손바닥에 가해지는 힘을 3 축 힘센서의 Fz 센서가 측정한 힘이 손목굽힘력 이야?",
"손목굽힘력은 회전모터 중심축으로부터 3 축 힘센서의 어느 지점에서 손바닥에 가해지는 힘을 3 축 힘센서의 Fz 센서가 측정한 힘이야?",
"Fx센서, Fy 센서, Fz 센서의 정격힘은 각각 \\( 100 \\mathrm{~N} \\) 이니?",
"정격힘은 각각 \\( 100 \\mathrm{~N} \\)이며, 전체의 크기가 \\( 38 \\mathrm{~mm} \\times 38 \\mathrm{~mm} \\times 12 \\mathrm{~mm} \\)인 센서는 무엇들이 있어?",
"I은 무엇을 나타내는 거야?",
"l은 회전모터 중심축으로부터 3축 힘센서의 고정위치까지의 길이가 맞아?",
"재현도오차와 비직선성오차를 구하기 위해 각 센서의 정격힘의 몇\\( \\% \\) 씩 증가순과 감소순으로 실험했어?"
] |
dfe9b265-3ddc-4c95-ae0e-8621b4548ad8
|
인공물ED
|
멀티플렉서를 이용한 \(GF(2^m)\)상의 승산기
|
<h1>II. 유한체의 승산 알고리즘</h1> <p>유한체 \( G F\left(p^{m}\right) \) 은 \( p \) 가 소수이고 \( m \) 이 양의 정수인 \( p^{m} \) 개의 원소들을 가지며 \( p \) 개의 원소들을 갖는 기초체 \( G F(p) \) 의 확대체이다. 유한체 \( G F\left(p^{m}\right) \) 는 \( \{0,1,2, \cdots, p-1\} \) 의 원소들로 구성된다. \( G F\left(p^{m}\right) \) 에서 모든 산술 연산은 \( \bmod (p) \) 연산으로 이루어지며, \( G F\left(p^{m}\right) \) 의 0 이 아닌 모든 원소들은 원시 원소 \( \alpha \) 에 의해 생성된다.</p> <p>유한체 \( G F\left(2^{m}\right) \) 상에서 피승산 다항식을 \( A(x) \), 승산 다항식을 \( B(x) \), 원시 기약 다항식을 \( F(x) \) 라 하고, 다음과 같이 전개하여 표현할 수 있다.</p> <p>\( A(x)=a_{m-1} \cdot x^{m-1}+\cdots a_{1} \cdot x+a_{0} \)<caption>(1)</caption></p> <p>\( B(x)=b_{m-1} \cdot x^{m-1}+\cdots b_{1} \cdot x+b_{0} \)<caption>(2)</caption></p> <p>\( F(x)=x^{m}+f_{m-1} \cdot x^{m-1}+\cdots f_{1} \cdot x+f_{0} \)<caption>(3)</caption></p> <p>여기서 \( F(x) \) 는 최고 차수가 \( m \) 이고 계수 \( f_{m}=1 \) 인 모닉 다항식이고, 계수 \( a_{i}, b_{i}, f_{i} \) 는 \( \{0,1\} \) 의 값을 갖는다.</p> <p>그리고 두 다항식 \( A_{m-1}(x) \) 와 \( B_{m-1}(x) \) 는 식 (4), (5)와 같이 표현한다.</p> <caption>\( A_{m-1}(x)=a_{m-2} \cdot x^{m-2}+\cdots a_{1} \cdot x+a_{0} \) 이고 \( A(x)=a_{m-1} \cdot x^{m-1}+A_{m-1}(x) \)<caption>(4)</caption></p> <p>\( B_{m-1}(x)=b_{m-2} \cdot x^{m-2}+\cdots b_{1} \cdot x+b_{0} \) 이고 \( B(x)=b_{m-1} \cdot x^{m-1}+B_{m-1}(x) \)<caption>(5)</caption></p> <p>이다.</p> <p>두 다항식 \( A(x) \) 와 \( B(x) \) 의 승산 알고리즘은 이들 다항식의 계수들을 곱하여 \( \bmod F(x) \) 연산을 수행하므로 구할 수 있다. \( G F\left(2^{n}\right) \) 상에서 \( A(x) \) 와 \( B(x) \) 의 승산은 식 (6)과 같다.</p> <p>\( R=\{A(x) \cdot B(x)\} \bmod F(x) \)<caption>(6)</caption></p></p> <p>여기서 \( P=A(x) \cdot B(x) \) 라 놓으면, \( P \) 는 다음과 같이 전개할 수 있다.</p> <p>\( \begin{aligned} P=& A(x) \cdot B(x) \\=& {\left[a_{m-1} \cdot x^{m-1}+A_{m-1}(x)\right] } \\ & \cdot\left[b_{m-1} \cdot x^{m-1}+B_{m-1}(x)\right] \\=& a_{m-1} \cdot b_{m-1} \cdot x^{2 m-2}+\left[a_{m-1} \cdot B_{m-1}(x)\right.\\ &\left.+A_{m-1}(x) \cdot b_{m-1}\right] \cdot x^{m-1}+A_{m-1}(x) \cdot B_{m-1}(x) \end{aligned} \)<caption>(7)</caption></p> <p>\( P_{m-1}=A_{m-1}(x) \cdot B_{m-1}(x) \) 이라 정의하면,</p> <p>\( P_{j}=A_{j}(x) \cdot B_{j}(x) \)<caption>(8)</caption></p> <p>라 놓을 수 있다.</p> <p>\( P_{j} \) 는 순환 함수로 식 (9)과 같이 표현할 수 있다.</p> <p>\( \begin{aligned} P_{j}=& A_{j}(x) \cdot B_{j}(x) \\=& a_{j-1} \cdot b_{j-1} \cdot x^{2 j-2}+\left[a_{j-1} \cdot B_{j-1}(x)\right.\\ &\left.+b_{j-1} \cdot A_{j-1}(x)\right] \cdot x^{j-1}+A_{j-1}(x) \cdot B_{j-1}(x) \\=& a_{j-1} \cdot b_{j-1} \cdot x^{2 j-2}+\left[a_{j-1} \cdot B_{j-1}(x)\right.\\ &\left.+b_{j-1} \cdot A_{j-1}(x)\right] \cdot x^{j-1}+P_{j-1} \end{aligned} \)<caption>(9)</caption></p> <p>따라서 \( P=\{A(x) \cdot B(x)\} \bmod F(x) \) 는 식 (10)과 같이 표현된다.</p> <p>\( \begin{aligned} P=& \sum_{j=0}^{m-1} a_{j} \cdot b_{j} \cdot x^{2 j} \\ &+\sum_{j=1}^{m-1}\left[a_{j} \cdot B_{j}(x)+b_{j} \cdot A_{j}(x)\right] x^{j} \end{aligned} \)<caption>(10)</caption></p> <p>여기서,</p> <p>\( Z_{j}=a_{j} \cdot B_{j}(x)+b_{j} \cdot A_{j}(x) \)<caption>(11)</caption></p> <p>라 놓으면</p> <p>\( P=\sum_{j=0}^{m=1} a_{j} \cdot b_{j} \cdot x^{2 j}+\sum_{j=1}^{m-1} Z_{j} \cdot x^{j} \)<caption>(12)</caption></p> <p>이다.</p> <p>\( Z_{j} \) 는 표 1 에서 보는 바와 같이 변수 \( a_{j} \) 와 \( b_{j} \) 에 의하여 논리적으로 얻을 수 있다.</p> <p>변수 \( a_{j} \) 와 \( b_{j} \) 가 모두 1 일 때 \( Z_{j} \) 의 값은 \( S_{j} \) 이다. 그때 \( S_{j} \)는 다음 식 (13)에서와 같이 j-1번째에서 구해진다.</p> <p>\( S_{j}=S_{j-1} \oplus a_{j - 1} \cdot x^{j-1} \oplus b_{j - 1} \cdot x^{j-1} \)<caption>(13)</caption></p> <p>여기서 \( \oplus \) 는 modular 연산이다.</p> <p>식 (13)에서 \( G F\left(2^{n}\right) \) 상의 같은 차수의 계수 덧셈은 X-OR 게이트로 연산할 수 있으므르, 그림 1 과 같다.</p> <p>또한 표 1 은 제어 입력 비트 \( a_{j} \) 와 \( b_{j} \) 인 \( 4 \times 1 \) 멀티 플렉서를 이용하여 회로를 구성할 수 있다. 다음절에서 이제까지 전개된 알고리즘을 이용하여 병렬 승산기를 구성한다.</p> <table border><caption>Title</caption> <tbody><tr><td>\( a_{j} \)</td><td>\( b_{j} \)</td><td>\( Z_{j} \)</td></tr><tr><td>0</td><td>0</td><td>0</td></tr><tr><td>0</td><td>1</td><td>\( A_{j}(x) \)</td></tr><tr><td>1</td><td>0</td><td>\( B_{j}(x) \)</td></tr><tr><td>1</td><td>1</td><td>\( A_{j}(x)+B_{j}(x)=S_{j} \)</td></tr></tbody></table>
|
[
"\\( a_{j} \\)와 \\( b_{j} \\)가 0일 때 \\( Z_{j} \\)는 얼마야?",
"\\( Z_{j} \\)가 \\( A_{j}(x) \\)일 때 \\( b_{j} \\)는 어떤 값을 가져?",
"\\( a_{j} \\)가 1이고 \\( b_{j} \\)가 0일 때 \\( Z_{j} \\)는 어떤 값을 가지나?",
"\\( Z_{j} \\)의 항수가 가장 많을 때 \\( a_{j} \\)와 \\( b_{j} \\) 값은 뭐야?",
"다항식 \\( A(x) \\)와 \\( B(x) \\)의 승산 알고리즘 계산을 위해 어떻게 하나?",
"\\( Z_{j} \\)가 \\( A_{j}(x)+B_{j}(x)=S_{j} \\)일 때 \\( a_{j} \\)와 \\( b_{j} \\)가 가지는 값은 얼마인가?"
] |
9e6d2473-9425-49ed-b60c-d52542938ca8
|
인공물ED
|
의료용 무선 중계 시스템용 이중 대역 인체 부착형 안테나 설계
|
<h1>III. 시뮬레이션 및 제작 결과</h1><p>그림 2는 제안된 안테나의 시뮬레이션을 위한 성능 측정 환경을 나타낸다. 제안된 안테나의 실제 사용 환경을 고려하기 위하여 안테나는 \( 270 \times 200 \times 70 \mathrm{mm}^{3}\)인 모의인체(팬텀) 위 \( 5 \mathrm{~mm} \)에 위치시키고, 모의인체의 유전변수에는 FCC의 지침을 따른 표 1의 값을 대입하여 주파수 변화에 따른 안테나 성능 변화를 분석하였다. 제안된 안테나의 설계와 시뮬레이션은 FEM(Finite Element Method) 기반 상용 소프트웨어인 ANSYS사의 HFSS v.14.0.0을 사용하였다.</p><p>그림 3(a)는 제안된 안테나의 반사 손실 시뮬레이션 결과를 나타낸다. 안테나 가까이에 인체가 존재하여도 반사 손실 특성이 매우 둔감한 것을 확인할 수 있다. 이는 MICS 대역에서 제안된 안테나의 영차 공진 주파수가 안테나 주변 매질의 전기적 성질 변화보다는 칩 인덕터의 인덕턴스에 의해 결정되기 때문이며, ISM 대역에서 중앙 접지면이 윗면의 패치와 인체를 격리하는 구조에 기인한 것이다.</p><p>그림 3(b), (c)는 제안된 안테나의 각 동작 주파수에서 유전체 기판에 형성되는 전계 벡터 분포 시뮬레이션 결과를 나타낸 것이다. MICS 대역의 중심 주파수인 \( 403.5 \mathrm{MHz} \)에서는 바닥면의 패치에서 영차 공진이 발생하므로 전계 벡터 분포가 동위상으로 나타나지만, ISM 대역의 중심 주파수인 \( 2,450 \mathrm{MHz} \)에서는 패치 안테나의 기본 동작 모드인 TM10 모드에서 발생하는 \( 180^{\circ} \) 역위상을 확인할 수 있다.</p><table border><caption>표 1. 시뮬레이션에 사용된 모의 인체의 유전변수</caption><tbody><tr><td>Target frequency \( (\mathrm{MHz}) \)</td><td>Relative permittivity \( (\varepsilon_{r}) \)</td><td>Conductivity\( (\sigma) \)</td></tr><tr><td>150</td><td>61.9</td><td>0.80</td></tr><tr><td>300</td><td>58.2</td><td>0.92</td></tr><tr><td>450</td><td>56.7</td><td>0.94</td></tr><tr><td>835</td><td>55.2</td><td>0.97</td></tr><tr><td>900</td><td>55.0</td><td>1.05</td></tr><tr><td>915</td><td>55.0</td><td>1.06</td></tr><tr><td>1,450</td><td>54.0</td><td>1.30</td></tr><tr><td>1,610</td><td>53.8</td><td>1.40</td></tr><tr><td>1,800~2,000</td><td>53.3</td><td>1.52</td></tr><tr><td>2,450</td><td>52.7</td><td>1.95</td></tr><tr><td>3,000</td><td>52.0</td><td>2.73</td></tr></tbody></table><p>그림 4(a)는 제작한 안테나의 사진이며, 그림 4(b)에 안테나의 성능 측정에 이용된 두 종류의 모의 인체가 나타나 있다. 표 1의 \( 450 \mathrm{MHz} \)와 \( 2,450 \mathrm{MHz} \)의 유전 변수값을 갖는 준고체형 모의 인체를 제작하고, SPEAG사의 Torso Phantom V5.1을 이용하여 제안된 안테나의 성능 검증을 진행하였다. 그림 4(c)는 제안된 안테나의 방사 패턴을 측정하기 위하여 구성한 환경으로, 스티로폼(\( \varepsilon_{r}=1 \)) 조각을 이용하여 시뮬레이션과 동일하게 안테나와 모의 인체 간의 이격 거리를 \( 5 \mathrm{mm} \)로 고정하였다.</p>
|
[
"안테나 성능 변화 분석을 위한 절차가 어떻게 되니?",
"안테나 성능 변화 분석을 위한 절차가 뭐지",
"제안된 안테나 성능 검증을 수행하기 위한 방법이 어떻게 되나요?",
"제안된 안테나 방사 패턴 측정을 위한 환경을 구성하기 위한 절차는 어떻게 되니?",
"표 1에서 보여주는 것은 시뮬레이션 수행 시 활용된 무엇이야?",
"Target frequency가 150일 때 Relative permittivity 값은 뭐야?",
"Conductivity 값으로 0.80을 갖는 Target frequency는 뭐니?",
"900의 Conductivity는 어느 정도야?",
"Relative permittivity 값이 55.0인 것은 915 외에 어떤 것이 있니?",
"Relative permittivity가 55.2 이며 Conductivity가 0.97인 것은 어떤 Target frequency니?",
"54.0와 1.30의 값을 갖는 Target frequency는 무엇이니?",
"56.7은 Target frequency가 450인 어떤 값인가?",
"450의 Conductivity 값은 어떻게 돼요?",
"150에서 3,000 사이의 값을 갖는 것은 무엇인가요?",
"Relative permittivity 값으로 53.3을 가지는 것은 어떤 Target frequency인가요?",
"52.7과 1.95의 값을 갖는 Target frequency는 뭐야?",
"1,610의 Conductivity는 얼마야?",
"Target frequency가 3,000일 때 Relative permittivity는 어떻게 되니?",
"Relative permittivity가 58.2인 Target frequency은 무엇이니?"
] |
a0b25850-818f-49a3-9170-4e00c4e12883
|
인공물ED
|
선택적 충전단계절환에 의한 Ni-MH 전지의 계단충전 특성 개선
|
<h1>3. 셀단위 전지의 선택적 충전 전류 절환방식과 균등충전</h1> <p>그림 5는 본 논문에서 제안하는 선택적 충전단계 절환 방법을 나타내고 있다. 직렬 연결된 각 셀단위 전지의 초기상태가 \( \mathrm{B}_{1} >\mathrm{B}_{2} >\mathrm{B}_{3} \)라고 가정하고 제1단계 충전전류 \( 1 \mathrm{C} \)를 충전전류 \( \mathrm{I}_{1} \)로하여 충전을 실시한다. \( \mathrm{T}_{\mathrm{c} 1} \)에서 전지 \( \mathrm{B}_{1} \)은 \( \Delta \mathrm{V}_{1}=0 \)가 되어 가장 먼저 절환되어 제1단계의 충전이 멈추고, 전지 \( \mathrm{B}_{2}, \mathrm{~B}_{3} \)는 계속 \( I_{1} \)으로 충전된다. 이 때 충전단계가 절환된 전지 (지금 설명하고 있는 예에서는 \( \mathrm{B}_{1} \) 전지)는 다음 그림 7에서 설명하는 바이패스 스위치 회로를 이용하여 충전전류가 흐르지 않도록 한다. 전지 \( \mathrm{B}_{2} \)는 \( \mathrm{T}_{\mathrm{c} 2} \)에서 \( \Delta \mathrm{V}_{2}=0 \)이 되어 절환되며, 이후 전지 \( \mathrm{B}_{3} \)만 \( \mathrm{I}_{1} \)으로 계속 충전하다가 \( \mathrm{Tc}_{3} \)에서 전지 \( \mathrm{B}_{3} \)도 절환된다. 모든 직렬 전지가 절환되면 각 전지의 용량 불균등을 해소하기 위하여 균등충전을 실시한 후, 충전전류를 낮추어 모든 전지를 제 2단계 전류 \( \mathrm{I}_{2} \)(\( 0.1 \mathrm{C} \) 충전전류)로 충전하게 된다. 제 2단계와 제 3단계에서도 전지의 절환방법은 앞서 설명한 제1단계와 같은 방법으로 \( \Delta \mathrm{V}=0 \)이 되는 셀전지만을 선택적으로 절환하게 된다</p> <p>그림 6 은 제안된 선택적 절환 방식을 채용하여 충전전류를 절환하고 균등충전을 실시하는 제어흐름도를 나타내고 있다. 각 셀단위 전지의 전압을 검출하여 \( \Delta \mathrm{V}=0 \)이 되는 전지만을 선택적으로 절환시키도록 제어하고 있다.</p> <p>본 논문은 한 개의 정전류 회로를 사용하여 계단 주충전과 선택적 충전단계 절환 및 균등충전을 수행할 수 있도록 하기 위해서 \( \Delta \mathrm{V}=0 \)인 셀전지만 절환시키고 \( \Delta \mathrm{V}=0 \)인 전지에 충전전류를 바이패스(bypass)시킬 수 있는 그림 7과 같은 선택적 충전단계 절환를 위한 바이패스 회로를 구성하였다. 직렬 연결된 모든 전지를 같은 충전전류로 충전하기 위해서는 그림 7의 스위치 \( \mathrm{R} \mathrm{L}_{1} \), \( \mathrm{R} \mathrm{L}_{6} \)을 온(on), \( \mathrm{R} \mathrm{L}_{7} \)을 업(up)시키고 나머지 스위치들은 오프(off)시킨다. 전지 \( \mathrm{B}_{1} \)만을 충전전류로부터 절환하기 위해서는 \( \mathrm{R} \mathrm{L}_{2} \), \( \mathrm{R} \mathrm{L}_{6} \)을 온, 그리고 \( \mathrm{R} \mathrm{L}_{7} \)을 업시킨다. 이와 같은 방법으로 스위치를 동작시키면 전지 \( \mathrm{B}_{1}, \mathrm{~B}_{2} \), \( \mathrm{B}_{3} \)를 각각의 \( \Delta \mathrm{V} \)조건에 따라 선택적으로 절환할 수 있으며, 이 때의 바이패스 회로 스위치 동작은 표1과 같이 정리할 수 있다. 이러한 바이패스 회로는 다음 절에서 설명하는 시분할 균등충전을 위한 보조충전 회로로 사용된다.</p> <p>전지를 계속적으로 충방전함에 따라 전지간에는 잔존용량 불균등과 특정전지의 과충전과 부족충전이 발생하게 되는데 이를 막기 위해 충전시간을 잔존용량에 따라 제어하는 균등충전을 실시하였다. 만약 전지간의 용량이 \( \mathrm{B}_{1} >\mathrm{B}_{2} >\mathrm{B}_{3} \)라고 가정하면, 먼저 \( \mathrm{B}_{3} \) 전지를 예를들어 1분간 충전하고 다음 \( \mathrm{B}_{2} \) 전지와 \( \mathrm{B}_{3} \) 전지를 1분간 충전한 후 \( \mathrm{B}_{1}, \mathrm{~B}_{2}, \mathrm{~B}_{3} \) 모든 전지를 1분간 충전되도록 한다. 이 때 그림 7의 바이패스 스위치회로의 상태는 표 1과 같다. \( \mathrm{B}_{3} \) 전지만을 충전하기 위해서는 \( \mathrm{R} \mathrm{L}_{3} \), \( \mathrm{R} \mathrm{L}_{6} \)을 온, \( \mathrm{R} \mathrm{L}_{7} \)을 업시키고 \( \mathrm{B}_{2} \)와 \( \mathrm{B}_{3} \) 전지를 충전하기 위해서는 \( \mathrm{R} \mathrm{L}_{2} \), \( \mathrm{R} \mathrm{L}_{6} \)을 온, \( \mathrm{R} \mathrm{L}_{7} \)을 업시킨다. 또한, 모든 전지를 충전하기 위해서는 \( \mathrm{R} \mathrm{L}_{1} \), \( \mathrm{R} \mathrm{L}_{6} \)을 온, \( \mathrm{R} \mathrm{L}_{7} \)을 업시키면 된다. 각 전지의 전압이 전체 평균전압의 \( \pm 5 \% \)이내에 들게 되면 균등충전을 중지하고 모든 전지에 대해 계단 주충전을 실시한다.</p> <table border><caption>표 1 바이패스 스위치 회로의 동작상태</caption> <tbody><tr><td>충전전지</td><td>\( \mathrm{R} \mathrm{L}_{1} \)</td><td>\( \mathrm{R} \mathrm{L}_{2} \)</td><td>\( \mathrm{R} \mathrm{L}_{3} \)</td><td>\( \mathrm{R} \mathrm{L}_{4} \)</td><td>\( \mathrm{R} \mathrm{L}_{5} \)</td><td>\( \mathrm{R} \mathrm{L}_{6} \)</td><td>\( \mathrm{R} \mathrm{L}_{7} \)</td></tr><tr><td>\( \mathrm{B}_{1} \)</td><td>on</td><td>off</td><td>off</td><td>on</td><td>off</td><td>off</td><td>up</td></tr><tr><td>\( \mathrm{B}_{2} \)</td><td>off</td><td>on</td><td>off</td><td>off</td><td>on</td><td>off</td><td>up</td></tr><tr><td>\( \mathrm{B}_{3} \)</td><td>off</td><td>off</td><td>on</td><td>off</td><td>off</td><td>on</td><td>up</td></tr><tr><td>\( \mathrm{B}_{1} \), \( \mathrm{B}_{2} \)</td><td>on</td><td>off</td><td>off</td><td>off</td><td>on</td><td>off</td><td>up</td></tr><tr><td>\( \mathrm{B}_{2} \), \( \mathrm{B}_{3} \)</td><td>off</td><td>on</td><td>off</td><td>off</td><td>off</td><td>on</td><td>up</td></tr><tr><td>\( \mathrm{B}_{1} \), \( \mathrm{B}_{3} \)</td><td>on</td><td>off</td><td>off</td><td>off</td><td>off</td><td>on</td><td>down</td></tr><tr><td>\( \mathrm{B}_{1} \), \( \mathrm{B}_{2} \), \( \mathrm{B}_{3} \)</td><td>on</td><td>off</td><td>off</td><td>off</td><td>off</td><td>on</td><td>up</td></tr></tbody></table>
|
[
"표1에서 \\( \\mathrm{B}_{1} \\)에 해당하는 열의 이름이 뭐야?",
"표1에서 \\( \\mathrm{R} \\mathrm{L}_{2} \\) 열 중에서 on 값에 해당하는 행 중에서 전지가 2개인 충전전지 이름이 뭐야?",
"표1에서 down이 속하는 행의 이름은 뭐지?",
"표1에서 down이 속하는 행은 뭐야?",
"표1에서 충전전지 \\( \\mathrm{B}_{1} \\), \\( \\mathrm{B}_{2} \\)행에서 동작이 켜져있는 열의 이름이 뭐지?",
"표1에서 down이 속하는 행 중에서 \\( \\mathrm{R} \\mathrm{L}_{3} \\)가 on인 행의 이름이 뭐야?",
"표1에서 충전전지가 3개 들어가는 \\( \\mathrm{R} \\mathrm{L}_{1} \\) 회로의 동작상태가 뭐야?",
"표1에서 \\( \\mathrm{R} \\mathrm{L}_{5} \\)열의 \\( \\mathrm{B}_{3} \\) 전지의 동작상태는 뭐야?",
"표1에서 동작상태가 up, down으로 나타나는 스위치 회로 이름이 뭐야?",
"표1의 \\( \\mathrm{B}_{3} \\)행에서 \\( \\mathrm{R} \\mathrm{L}_{1} \\) 열에 해당하는 값이 몇이야?"
] |
6a205974-add3-4257-9dcd-a128ca3782e1
|
인공물ED
|
함침된 나노결정립 리본을 이용한 광대역 유도형 결합기 연구
|
<h1>I. 서론</h1><p>재료 및 야금 분야에서는 기존 재료보다 강하고 단단하며 더 높은 온도에서 사용이 가능하면서도 가벼운 재료를 개발하거나 기존 재료의 성능을 향상시키기 위해 여러 가지 새로운 비평형 처리 방법을 개발하였다. 특히 금속을 액체 상태로부터 급속 응고시키게 되면 활성상태의 내부 원자들이 원자 고유의 규칙적인 결정 상태를 형성하는 결정질 금속이 된다는 것에 주목하였다. 이는 물질을 준안정 상태로 변환시키는 방법으로 결정립계의 원자 비율이 원자 층 내부의 원자 비율보다 높거나 같을 때 그 입자 크기를 수 나노미터의 아주 작은 값으로 줄일 수 있었으며, 이를 나노 결정 물질로 언급 하였다. 입자 크기가 10 마이크로미터 이상인 종래의 다결정 물질에 의해 나타나는 특성보다 상당히 우수한 특성을 갖는 것으로 나타나면서 나노결정 물질은 전력 전송에서부터 가전제품에 이르는 분야까지 낮은 코어 손실과 높은 포화 자속밀도를 가지는 자심 연구가 활발하다. 한편 시장에서는 오래 동안 에너지 소비를 줄일 수 있는 우수한 연자성 물질 응용이 요구되어져오고 있다. 자성 제품에서 전자기 변환 시 코어 손실에 의한 에너지 손실은 전 세계 전기 소비량의 \( 3.4 \% \) 에 달하는 것으로 알려져 있다. 변압기 및 모터 제품 중 \( 90 \% \) 이상의 비율을 차지하는 철 및 실리콘 자성 제품은 핵심 소재로서의 자기 성능의 측면에서 한계에 도달하는 것으로 보고 있다. 나노 결정 연자성 합금은 이러한 문제를 해결하기 위해서 등장한 기술로서 고주파 응용을 위해 전력 페라이트 및 무정형 물질을 대체 할 수 있는 것으로 더 잘 알려져 있다.</p><p>나노 결정립 자심은 통상 \( 20 \mu \mathrm{m} \) 내외 두께의 리본이 도넛 모양으로 감겨진 형상을 하며 공통모드 쵸크와 인버터 트랜스용 코어 등으로 적용되고 있다. J. Binkofski는 자성재료의 특성이 전력선 통신 결합기의 성능과 크기에 미치는 영향을 연구하면서 비트로펌(Vitroperm)과 같은 나노결정 자성 물질의 특성을 언급하였고 페라이트 코어에 비해 크기를 9 배 정도 작게 할 수 있음을 보고하였다. T. Filchev 등은 펄스형 전력응용을 위한 고전압 고주파 전력변환기를 위한 연구에서 나노결정립 다중 토로이달 코어를 제안하였다.</p><p>연자성체는 유도형 전력선 통신을 위한 광대역 신호 결합기로 개발되어 적용되고 있다. 주로 도넛형 페라이트 자심을 다수 개 적층한 코어를 사용한다. 그러나 나노결정립 자심의 경우에도 페라이트와 유사한 전자기 특성을 보이지만 투자율이 높으므로 유도형 전력선 통신용 결합기로 적용할 수 있다. 본 논문에서는 비접촉식 전력선 통신의 유도형 결합기로 응용하기 위한 나노 결정립 합금의 특성분석과 투자율 최적화를 위한 열처리 조건을 제시한다. 함침법으로 제작한 나노결정립 자심을 이용하여 유도형 결합기로 구현하였고 이를 전력선 통신에 적용하여 통신성능을 측정하였다.</p>
|
[
"나노 결정립 자심은 통상 20μm 내외 두께의 리본이 도넛 모양으로 감겨진 형상을 하며 공통모드 쵸크와 인버터 트랜스용 코어 등으로 적용되고 있나?",
"재료 및 야금 분야에서는 기존 재료보다 강하고 단단하며 더 높은 온도에서 사용이 가능하면서도 가벼운 재료를 개발하거나 기존 재료의 성능을 향상시키기 위해 여러 가지 새로운 비평형 처리 방법을 개발하였나?",
"입자 크기가 10 마이크로미터 이상인 종래의 다결정 물질에 의해 나타나는 특성보다 상당히 우수한 특성을 갖는 것으로 나타나는가?",
"나노결정 물질은 전력 전송에서부터 가전제품에 이르는 분야까지 낮은 코어 손실과 높은 포화 자속밀도를 가지는 자심 연구가 활발한가?",
"함침법으로 제작한 나노결정립 자심을 이용하여 유도형 결합기로 구현하였고 이를 전력선 통신에 적용하여 통신성능을 측정하였나?",
"J. Binkofski는 페라이트 코어에 비해 크기를 9 배 정도 작게 할 수 있음을 보고하였나?",
"T. Filchev 등은 펄스형 전력응용을 위한 고전압 고주파 전력변환기를 위한 연구에서 나노결정립 다중 토로이달 코어를 제안하였나?",
"나노 결정 연자성 합금은 이러한 문제를 해결하기 위해서 등장한 기술로서 고주파 응용을 위해 전력 페라이트 및 무정형 물질을 대체 할 수 있는 것으로 더 잘 알려져 있나?",
"J. Binkofski는 자성재료의 특성이 전력선 통신 결합기의 성능과 크기에 미치는 영향을 연구하면서 비트로펌(Vitroperm)과 같은 나노결정 자성 물질의 특성을 언급하였나?",
"시장에서는 오래 동안 에너지 소비를 줄일 수 있는 우수한 연자성 물질 응용이 요구되어져오고 있나?",
"금속을 액체 상태로부터 급속 응고시키게 되면 활성상태의 내부 원자들이 원자 고유의 규칙적인 결정 상태를 형성하는 결정질 금속이 된다는 것에 주목하였나?",
"연자성체는 유도형 전력선 통신을 위한 광대역 신호 결합기로 개발되어 적용되고 있다. 주로 도넛형 페라이트 자심을 다수 개 적층한 코어를 사용하는가?",
"변압기 및 모터 제품 중 90% 이상의 비율을 차지하는 철 및 실리콘 자성 제품은 핵심 소재로서의 자기 성능의 측면에서 한계에 도달하는 것으로 보고 있나?",
"나노결정립 자심의 경우에도 페라이트와 유사한 전자기 특성을 보이지만 투자율이 높은가?",
"자성 제품에서 전자기 변환 시 코어 손실에 의한 에너지 손실은 전 세계 전기 소비량의 3.4% 에 달하는 것으로 알려져 있나?",
"본 논문에서는 비접촉식 전력선 통신의 유도형 결합기로 응용하기 위한 나노 결정립 합금의 특성분석과 투자율 최적화를 위한 열처리 조건을 제시하는가?",
"물질을 준안정 상태로 변환시키는 방법으로 결정립계의 원자 비율이 원자 층 내부의 원자 비율보다 높거나 같을 때 그 입자 크기를 수 나노미터의 아주 작은 값으로 줄일 수 있었으며, 이를 나노 결정 물질로 언급 하였나?"
] |
3efaa802-2dd1-4dd7-a78d-8d4d1f0b3390
|
인공물ED
|
함침된 나노결정립 리본을 이용한 광대역 유도형 결합기 연구
|
<h1>III. 결합기 제작과 성능 시험</h1><p>나노결정립 자심은 매우 얇은 스트립을 적당한 폭의 리본 형태로 가공한 것이기 때문에 결합기는 도넛 형태로 제작하는 것이 일반적이다. 결합기의 길이는 자심 폭과 자심의 개수에 의해 결정된다. 본 연구에서는 \( 20 \mathrm{~mm} \) 높이의 나노결정립 리본을 이용하여 도넛형 코어를 제작하였으며 외경은 62 \( \mathrm{mm} \), 내경은 \( 40 \mathrm{~mm} \) 이다. 동일한 외경과 내경을 가지는 자심재료에 대하여 결합기의 길이가 길어지면 자심에 축적되는 자계에너지가 커지기 때문에 결합효율이 높아진다. 그러나 자심의 체적이 커지므로 자체 인덕턴스 값이 올라가게 된다. 인덕턴스는 고주파 제한소자의 특성을 가지므로 주파수가 높아지면 자심의 임피던스가 증가하여 고주파 손실에 의한 신호결합 효율이 제한된다. 그러므로 유도형 광대역 전력선 통신주파수 범위 내에서 삽입 손실이 최소인 코어의 길이를 결정하여야 한다.</p><p>그림 4(a) 은 \( 20 \mathrm{~mm} \) 높이의 나노결정립 코어 3 개를 적층하여 만든 결합기의 단면사진이다. 알루미늄 케이스에 자심을 적층한 후 접착제로 고정하였다. 1회 권선 결합기에 대하여 자심 수에 따른 삽입 손실은 그림 4(b) 와 같다. 통신 주파수 영역에서 최소 삽입손실과 통신대역 상한 주파수인 \( 40 \mathrm{MHz} \) 에서의 삽입손실차이는 자심재료 개수가 증가함에 따라 증가한다. 즉 자심 개수 증가에 따른 인덕턴스의 증가는 고주표 특성을 저하시키는 것이다. 자심이 3개일 경우 광대역 전력선 통신의 대역폭 상한주파수 영역에서 가장 작은 손실을 보인다. 4 개일 경우 손실이 다시 증가하는 것은 자체 인덕턴스 증가에 의한 고주파 손실이 커지기 때문이다. 그러므로 광대역 전력선 통신대역 주파수 영역에서 삽입손실이 최소가 되는 조건으로 자심 3개를 적층한 길이 \( 60 \mathrm{~mm} \) 로 결정하였다.</p><p>\( \mathrm{Fe}\)-계 나노결정립합금은 우수한 자기적 특성과 저 손실을 가지고 있음에도 불구하고, 도넛형 자심을 제조할 경우에는 가능한 한 점적율을 높이기 위하여 최대한의 장력 하에서 스트립형 리본을 감는다. 이때 리본간의 점착도가 증가하여 층간 저항이 감소하므로 고주파 손실이 증가하게 된다. 이러한 손실을 억제하기 위하여 리본 간 절연 피막을 형성 시켜야 한다. 일반적으로 절연 피막을 입히는 방법은 선 도포 후 열처리 방법으로 비정질 리본 상태에서 도넛 형태로 감는 중에 금속 알콕시드 종류의 절연 물질을 도포하여 절연피막을 입히고 열처리하는 졸-겔 방법이 있다. 또 다른 방법은 선 열처리 후 에폭시를 도포하는 방법으로 열처리가 완료된 자심에 절연 피막을 입히는 함침법이다. 본 연구에서는 생산성 향상과 공정의 수월성 측면에서 후자인 함침법을 사용하였다.</p><p>그림 5 는 절연피막 도포를 위한 진공함침 장치의 구성도이다. 진공펌프는 \( 80 \mathrm{~l} / \mathrm{min} \) 용량을 가진 로터리 타입을 사용하였다. 함침공정의 최적화를 위해 \( \mathrm{Fe}\)-계 나노결정립 코어 3개를 금속 케이스에 적층하였으며 에폭시를 이용하여 다양한 시간에서 토로이달 리본의 함침 작업을 수행하였다.</p><p>함침이 완료된 결합기는 비접촉식 결합을 위해서 두 조각으로 절단하여야 한다. 현장에 적용 가능한 절단된 결합기의 삽입손실은 그림 6 과 같다. 함침된 결합기의 삽입손실은 함침하지 않은 결합기에 비해 다소 감소한다. 함침 전 절단된 결합기의 단면은 매우 거칠지만 5 분 이상 함침한 결합기는 절단면이 매끄럽다. 이는 절단면의 상태에 따라 결합면의 밀착정도가 달라지므로 절단면의 거칠기가 결합기의 삽입손실에 영향을 준 것이다. 또한 가장 일반적인 NC-560에폭시를 사용한 경우 함침시간이 길어질수록 절단된 커플러의 삽입손실이 감소하며 함침시간 5 분과 10 분에서는 차이가 없다. NC-420 에폭시를 함침 공정에 사용한 경우 함침시간이 3 분일 때 NC-560 에폭시로 10 분 함침한 경우보다 삽입손실이 작았다. 이는 NC-420에폭시가 NC-560 에폭시보다 점도가 낮기 때문에 함침 시간이 적어 나노결정립 자심에 인가되는 응력이 작어지기 때문이라 사료된다. 따라서 \( \mathrm{Fe} \)-계 나노결정립 자심의 경우 점도가 작은 에폭시일수록 함침 공정에 유리함을 알 수 있다.</p><p>그림 7은 제작된 결합기의 대전류 조건에서 전력선 통신 성능을 측정하기 위한 구성도이다. 전류 가변이 가능한 대전류 실험 장치의 선로에 전력선 모뎀과 결합기를 체결하고 삽입손실과 통신대역폭을 측정할 수 있다.</p><p>그림 8은 선로 전류변화에 대한 결합기의 삽입손실을 보여준다. 간편한 선로 체결을 위해 결합기는 두 조각으로 잘려져 있기 때문에 결합기를 체결하면 두 접촉면 사이에 미세한 공기간극이 존재한다. 공기 간극이 \( 400 \mathrm{um} \) 일 경우 \( 100 \mathrm{~A} \) 까지 전류변화에도 삽입손실은 광대역 통신 대역폭 까지 거의 일정함을 보여준다. 그러므로 나노결정립 결합기는 전류 변동이 많은 선로에도 적용가능하다.</p><p>두 결합기간 통신거리와 인가전류 변화에 대한 전력선 통신 대역폭은 네트워크 대역폭 측정에 유용한 프로그램인 Jperf를 사용하였으며 그림 9 와 같다. 설정 시간 범위 내에서 연속적으로 측정된 결과 값을 시각적으로 보여주므로 대역폭의 변동을 확인하는데도 유용하다.</p><p>통신시험을 수행한 결과는 표 2 와 같다. 통신거리 \( 100 \mathrm{~m} \) 와 \( 200 \mathrm{~m} \) 에 대하여 선로 전류를 0,50 ,100 \(\mathrm{~A} \) 로 가변하였을 때 Jperf를 사용한 통신 대역폭과 ping을 이용한 통신 성공률을 측정하였다. \( 100 \mathrm{~m} \) 선로 길이에서 \( 100 \mathrm{~A} \) 이하의 전류 변동 조건이라면 \( 45 \mathrm{Mbps} \) 의 통신 속도를 보장할 수 있다. \( 200 \mathrm{~m} \) 선로에서도 동일 조건의 전류변동에 대해 통신 속도는 약 \( 8 \mathrm{Mbps} \) 로 측정되었다. 송신패킷에 대한 수신패킷의 정확도에서 패킷손실 없이 \( 100 \% \) 수신됨을 보였다. 전력선 통신에서 유도형 결합기를 적용할 경우 나노결정립 코어의 자속포화가 발생하기 않는 전류조건에서는 선로 전류변동이 통신대역폭에 영향을 미치지 않음을 알 수 있다.</p><table border><caption>표 2. 전류와 통신거리에 따른 전력선통신 성능</caption><tbody><tr><td>Distance</td><td>Current (\(\mathrm{A}\))</td><td>Bandwidth (\(\mathrm{Mbps}\))</td><td>Accuracy (\(\%\))</td><td>ping time (\(\mathrm{ms}\))</td></tr><tr><td rowspan="3">100 (\(\mathrm{m}\))</td><td>0</td><td>45.2</td><td>100</td><td>4</td></tr><tr><td>50</td><td>45.2</td><td>100</td><td>4</td></tr><tr><td>100</td><td>45.8</td><td>100</td><td>4</td></tr><tr><td rowspan="3">200 (\(\mathrm{m}\))</td><td>0</td><td>8.1</td><td>100</td><td>21</td></tr><tr><td>50</td><td>8.1</td><td>100</td><td>16</td></tr><tr><td>100</td><td>8.1</td><td>100</td><td>10</td></tr></tbody></table>
|
[
"매우 얇은 스트립을 어떻게 만든 것이 나노결정립 자심이지?",
"결합기의 길이는 무엇에 의해 결정될까?",
"결합기는 어떤 형태로 만드는 것이 일반적인가?",
"도넛 형태로 만드는 것은 나노결정립 자심인가?",
"동일한 외경과 내경을 가진 자심재료의 결합기의 길이가 길어지면 어떻게 되는가?",
"인덕턴스는 어떤 특성을 가지니?",
"Fe-계 나노결정립합금은 도넛형 자심을 제조할 경우에는 왜 최대한의 장력 하에서 스트립형 리본을 감지?",
"자심 폭과 자심의 개수에 의해 무엇이 결정되니?",
"자심의 체적이 커지면 자체 무엇이 올라 가지?",
"무엇에 대해 결합기의 길이가 길어지면 자심에 축적되는 자계에너지가 커지도 결합효율이 높아질까?",
"무엇이 커지면 자체 인덕턴스 값이 올라가게 되는가?",
"덕턴스가 고주파 제한소자의 특성을 가져서 어떻게 될까?",
"자심에 쌓이는 자계에너지가 커지게 하고 결합효율을 높이려면 어떻게 해야하니?",
"\\( \\mathrm{Fe}\\)-계 나노결정립합금은 무엇을 제작할때 점적율을 높이기 위하여 최대한의 장력 하에서 스트립형 리본을 감는가?",
"졸-겔 방법은 선 도포 후 열처리 방법인가?",
"통신 주파수 영역에서 최소 삽입손실과 통신대역 상한 주파수인 40 \\mathrm{MHz}40MHz 에서의 삽입손실차이는 무엇때문에증가하니?",
"일반적으로 절연 피막을 입히는 방법은 무엇이니?",
"통신 주파수 영역에서 최소 삽입손실과 통신대역 상한 주파수는 얼마인가?",
"자심이 몇 개일 경우 광대역 전력선 통신의 대역폭 상한주파수 영역에서 가장 작은 손실을 보이니?",
"통신 주파수 영역에서 무엇은 자심재료 개수가 증가함에 따라 증가하지?",
"졸-겔 방법은 어떤상태에서 도넛 형태로 감는 도중 금속 알콕시드 종류의 절연 물질을 뿌리고 절연피막을 입혀 열처리하니?",
"비정질 리본 상태에서 도넛 형태로 감는 중에 금속 알콕시드 종류의 절연 물질을 도포하여 절연피막을 입히고 열처리하는 방법은 무엇인가?",
"층간 저항이 감소하므로 고주파 손실이 증가하는 것은 무엇떄문이지?",
"함침법은 무엇인가?",
"우수한 자기적 특성과 저 손실을 가지고 있는 합금은 무엇이지?",
"금속 알콕시드 종류의 절연 물질을 도포하여 절연피막을 입히고 열처리하여 절연 피막을 입히는가?",
"비정질 리본 상태에서 도넛 형태로 감는 중에 어떤 물질을 도포하여 절연피막을 입히고 열처리하는가?",
"인덕턴스가 고주파 손실에 의한 신호결합 효율이 제한되고 나면 어떻게 해야하는가?",
"자심 개수 증가에 따른 인덕턴스의 증가는 무엇을 저하시키지?",
"인덕턴스가 어떻게 해야 자심의 임피던스가 증가하여 고주파 손실에 의한 신호결합 효율이 제한되니?",
"합침법은 어떻게 하지?",
"함침이 완료된 결합기는 비접촉식 결합을 위해서 몇 조각으로 절단하여야 하니?",
"함침 전 잘린 결합기의 단면은 어떤가?",
"함침이 완료된 결합기는 무엇을 위해서 절단하여야 하는가?",
"리본간의 점착도가 증가하면 어떻게 되는가?",
"자심에 축적되는 자계에너지가 커지고 결합효율이 높아지면 어떻게 될까?",
"자심이 3개일 경우 광대역 전력선 통신의 어디에서 가장 작은 손실을 보였니?",
"\\( \\mathrm{Fe}\\)-계 나노결정립합금의 특징은 무엇인가?",
"결합기의 절단면이 매끄러우려면 몇 분 이상 함침해야 하지?",
"NC-560에폭시를 사용한 경우 함침시간이 길어질수록 절단된 커플러의 무엇이 감소하는가?",
"함침시간이 길어질수록 절단된 커플러의 삽입손실이 감소하는 경우는 무엇을 사용해야 하는가?",
"무엇을 함침 공정에 사용한 경우 함침시간이 3 분일 때 NC-560 에폭시로 10 분 함침한 경우보다 삽입손실이 작았는가?",
"NC-420에폭시가 NC-560 에폭시보다 무엇이 낮지?",
"NC-420에폭시가 NC-560 에폭시보다 점도가 낮아서 어떻지?",
"NC-420에폭시는 무슨 이유로 NC-560 에폭시보다 함침 시간이 적어 나노결정립 자심에 인가되는 응력이 작지?",
"\\( \\mathrm{Fe} \\)-계 나노결정립 어떤 에폭시일수록 함침 공정에 유리하지?",
"네트워크 대역폭 측정에 유용한 프로그램은 뭐야?",
"통신거리와 인가전류 변화에 대한 전력선 통신 대역폭은 Jperf를 사용하여 측정하니?",
"통신거리와 인가전류 변화에 대한 전력선 통신 대역폭은 Jperf를 사용하여 측정되는 것이 맞아?",
"전력선 통신에서 유도형 결합기를 적용할 경우 나노결정립 코어의 자속포화가 발생하기 않는 전류조건에서는 선로 전류변동이 무엇에 영향을 안 줄까?",
"어떤 경우 나노결정립 코어의 자속포화가 발생하기 않는 전류조건에서는 선로 전류변동이 통신대역폭에 영향을 미치지 않지?",
"NC-420 에폭시를 함침 공정에 사용한 경우 함침시간이 몇 분일 때 NC-560 에폭시로 10 분 함침한 경우보다 삽입손실이 작았지?",
"선로 전류를 100\\(\\mathrm{~A} \\)가변 할때 \\( 200 \\mathrm{~m} \\) 선로의 통신 속도는 몇이야?",
"\\( 200 \\mathrm{~m} \\) 선로의 전류 변동 조건이 \\( 100 \\mathrm{~A} \\)이면 통신 속도는 몇\\(\\mathrm{Mbps}\\)인가?",
"\\( 200 \\mathrm{~m} \\) 선로의 전류 변동 조건이 \\( 100 \\mathrm{~A} \\)이고 통신 속도가 8.1\\(\\mathrm{Mbps}\\)일때 ping time 은 몇 이지?",
"광대역 전력선 통신의 대역폭 상한주파수 영역에서 자심이 3개이면 큰 손해를 입게 되는가?",
"\\( 100 \\mathrm{~m} \\) 선로의 선로 전류를 50\\(\\mathrm{~A} \\)가변 할때 통신 속도는 몇이야?",
"\\( 200 \\mathrm{~m} \\) 선로 길이에서\\( 100 \\mathrm{~A} \\) 이하의 전류 변동일때 조건송신패킷에 대한 수신패킷의 정확도 몇퍼센트야?",
"함침을 하지 않은 결합기보다 함침된 결합기의 삽입손실은 늘어나는가?",
"점도가 작은 에폭시일수록 \\( \\mathrm{Fe} \\)-계 나노결정립 자심은 함침 공정에서 손해를 입게 되는가?"
] |
4abacff5-b183-4a75-bbf6-d800f2e52263
|
인공물ED
|
함침된 나노결정립 리본을 이용한 광대역 유도형 결합기 연구
|
<h1>II. 자심의 특성분석과 결합기 구현</h1><p>본 논문에서 제안하는 도넛형 나노 결정립 코어는 비접촉 방식으로 통신 선로에 설치되는 결합기의 핵심 구성부품이다. 따라서 안정적인 전력선통신에 필요한 광대역 결합기 개발이 필요하다. 이를 위하여 표 1 과 같이 4 가지 유형의 자심으로 각각의 투자율과 삽입손실을 측정하고 비교분석하였다. A 와 B 는 \( \mathrm{Fe} \) 기반의 나노결정립 유형의 자심 재료이며, C 와 D 는 니켈과 아연이 포함된 페라이트 유형의 자심재료이다.</p><table border><caption>표 1. 샘플 자심의 유형</caption><tbody><tr><td>Sample</td><td>Material</td><td>Main composition</td><td>Dimension \( (\mathrm{mm} 3) \) \( (\mathrm{ID} \times \mathrm{OD} \times \mathrm{H}) \)</td></tr><tr><td>A</td><td>Metal</td><td>\( \mathrm{Fe, Si, B, Nb, Cu} \)</td><td>\( 41 \times 61 \times 20 \)</td></tr><tr><td>B</td><td>Metal</td><td>\( \mathrm{Fe, Si, B, Nb, Cu} \)</td><td>\( 39 \times 63 \times 20 \)</td></tr><tr><td>C</td><td>Ferrite</td><td>\( \mathrm{Fe}, \mathrm{B}, \mathrm{Zr}, \mathrm{Ag} \)</td><td>\( 40 \times 61 \times 13 \)</td></tr><tr><td>D</td><td>Ferrite</td><td>\( \mathrm{CuO}, \mathrm{Fe}_{2} \mathrm{O}_{3}, \mathrm{NiO}, \mathrm{ZnO} \)</td><td>\( 25 \times 51 \times 58 \)</td></tr></tbody></table><p>투자율은 도넛형 자심에 N회 권선 후 측정한 인덕턴스 \( \left(\mathrm{L}_{\text {measured }}\right) \) 를 이용하여 식 (1)로부터 계산한다. 주파수에 따른 인덕턴스 값은 HP 사의 \( 4294 \mathrm{~A} \) 임피던스 분석기를 이용하여 \( 1 \mathrm{kHz} 100 \mathrm{MHz} \) 의 주파수 범위에서 측정하였다.</p><p>\( \mu=\frac{l_{e}}{\mu_{0} A_{e} N^{2}} \times L_{\text {measured }} \)<caption>(1)</caption></p><p>여기서 \( \mu_{0}=4 \pi \times 10^{-7}(H / m), \mathrm{A} \) 는 토로이달 코어의 유효 단면적, N은 권선 수, \( l_{e} \) 는 유효 자계경로 길이이다. 그림 1 은 4 개의 시료에 대한 투자율 그래프이다. 시료 A와 B 는 \( 1 \mathrm{kHz} \) 에서 30,000 에 가까운 높은 투자율을 보인 반면, C와 D는 투자율은 700 정도로 낮지만 \( 1 \mathrm{MHz} \) 이상까지 일정한 투자율을 보인다. 자심의 투자율이 높을수록 내부에 축적되는 자속에너지는 증가하므로 결합기의 신호결합효율을 향상시킬 수 있다.</p><p>그림 2 는 네트워크 분석기로 측정한 4 종류 샘플의 삽입손실이다. 일반적으로 같은 재료라도 부피가 클수록 삽입손실이 작아지는 효과가 있다. 이는 삽입손실이 자심재료의 인덕턴스와 연관된 특성으로 인덕턴스가 자심재료 부피에 비례해서 증가하고 이로 인해 삽입손실이 감소한다. 따라서 본 연구에서는 정확한 비교를 위해 측정된 자심재료의 삽입손실 값에 자심의 부피를 나눈 값으로 나타내었다. 자심은 전형적인 결합기 특성을 나타내고 있지만 주파수 특성이 서로 다름을 알 수 있다. 투자율이 높은 자심의 삽입손실이 넓은 주파수 영역에서 더 작게 나타난다. 광대역 전력선 통신의 주파수 내역이 \( 1-30 \mathrm{MHz} \)이므로 금속계 자심인 나노 결정립 코어가 유도형 결합기에 더 효과적일 것이다.</p><p>연자성 특성이 우수한 나노결정립 합금은 급속냉각장치를 통해 비정질 리본 형태로 제조하고, 이를 일정한 형상 및 크기로 감은 뒤에 열처리 공정을 거치게 된다. 도넛형태로 감긴 비정질 자심재료에 \( 300 \sim 600{ }^{\circ} \mathrm{C} \) 의 온도가 가해져서 1 시간동안 열처리되는 과정에 일어나는 자속밀도 변화는 그림 3 과 같다. 열처리 온도가 증가함에 따라 자속밀도는 증가하다가 \( 500{ }^{\circ} \mathrm{C} \) 이상에서 포화되는데 이는 \( \mathrm{Fe} \) 결정화에 의한 것으로 사료된다. 그러나 투자율은 \( 500{ }^{\circ} \mathrm{C} \) 에서 40,000 이상으로 가장 우수한 자기특성을 나타낸 후 다시 감소한다. 본 연구에서는 \( \mathrm{Fe} \)-계자심 제작의 최적 열처리 조건을 \( 500^{\circ} \mathrm{C} \) 로 설정하였다.</p>
|
[
"일반적으로 같은 재료라도 부피가 클수록 삽입손실이 어떤 변화가 있지?",
"광대역 전력선 통신의 주파수 내역이 \\( 1-30 \\mathrm{MHz} \\)이므로 유도형 결합기에 더 효과적인 금속계 자심은 무엇이지?",
"주파수에 따른 인덕턴스 값은 HP 사의 \\( 4294 \\mathrm{~A} \\) 임피던스 분석기를 이용하여 어떤 주파수 범위에서 측정하였지?",
"식 (1)에서 \\( \\mu_{0}=4 \\pi \\times 10^{-7}(H / m), \\mathrm{A} \\) 는 토로이달 코어의 유효 단면적, N은 권선 수, \\( l_{e} \\)은 무엇이지?",
"자심의 투자율이 높을수록 내부에 축적되는 자속에너지는 증가하므로 결합기의 어떤 것을 향상시킬 수 있지?",
"Sample A의 Main composition은 어떻게 되지?",
"연자성 특성이 우수한 나노결정립 합금은 급속냉각장치를 통해 어떤 형태로 제조하지?",
"Sample C의 Main composition은 어떻게 되지?",
"열처리 온도가 증가함에 따라 자속밀도는 증가하다가 \\( 500{ }^{\\circ} \\mathrm{C} \\) 이상에서 포화되는데 이는 무엇의 결정화에 의한 것이지?",
"Sample D의 Main composition은 어떻게 되지?",
"비접촉 방식으로 통신 선로에 설치되는 결합기의 핵심 구성부품으로 본 논문에서 제안하는 것은 무엇이지?",
"표 1 과 같이 4 가지 유형의 자심을 보면 C 와 D 는 니켈과 아연이 포함된 어떤 유형의 자심재료이지?"
] |
36b4a431-5d87-49c8-82e5-c7280100e375
|
인공물ED
|
함침된 나노결정립 리본을 이용한 광대역 유도형 결합기 연구
|
<h1>요 약</h1><p>페라이트 코어는 연자성 재료로서 유도형 전력선 통신을 위한 결합기 제작에 사용되고 있다. 그러나 전력선 통신환경에 따라 크기를 자유롭게 조절하기 어려운 재료이다. 본 논문에서는 페라이트 보다 투자율이 높은 나노 결정립합금을 이용하여 광대역 전력선 통신용 유도형 결합기 재료로 적용할 수 있음을 보고한다. 나노결정립은 얇은 리본 형태로 제조되므로 토로이달 코어에 감긴 리본의 횟수로 결합기의 크기를 자유롭게 조절할 수 있다. 함침법으로 만든 코어를 이용하여 유도형 결합기를 제작하였고, 이를 비접촉식 전력선 통신용에 적용할 수 있음을 보여주었다. 실험결과 \( 100 \mathrm{~A} \) 이하의 선로 전류변동 조건에서 통신거리 \( 100 \mathrm{~m} \) 까지는 \( 45 \mathrm{Mbps}, 200 \mathrm{~m} \) 까지는 \( 8 \mathrm{Mbps} \) 의 대역폭을 보였으며 수신율은 \( 100 \% \) 이였다.</p>
|
[
"유도형 결합기 제작에 어떤 것으로 코어를 만들어?",
"어떤 것으로 유도형 판단기 제작에 코어를 만들었지",
"페라이트 코어는 어떤 재료야?",
"어떤 재료가 페라이트 코어야",
"페라이트 코어는 유도형 전력 통신을 위한 어떤 것을 제작하는데 사용되?",
"나노 결정립은 무엇의 형태로 제조되?",
"무엇의 형태로 나노 결정립이 만들어질까?",
"나노결정립으로 결합기의 크기를 자유롭게 조절하기 위해 토로이달 코어에 감긴 무엇을 고려해?",
"나노 결정립은 무엇에 감긴 리본의 횟수로 결합기의 크기를 조절해?",
"무엇에 감긴 리본의 횟수로 나노 결정립이 급격하기의 상황을 계속하지",
"함침법으로 코어를 만든 유도형 결합기는 무슨 전력선 통신용으로 적용되?",
"무슨 전력선 통신용이 함침법으로 코어를 만든 유도형 결합기에 응용되지",
"실험 결과에서 100m, 200m는 수신율이 100%야?",
"100m, 200m는 실험 결과에서 수신율이 100%야",
"몇 이하의 선로 전류 변동 조건에서 실험을 진행해?",
"전류 변동 조건에서 몇 이하의 선로 실험을 추진하지",
"페라이트 코어는 어떤 통신을 위한 결합기 제작에 사용되?",
"어떤 통신을 위한 결합기 제작에 페라이트 코어가 사용되지",
"페라이트 코어는 무엇에 따라 크기를 자유롭게 조절하기 어려워?",
"페라이트 코어보다 투자율이 높은 무엇을 이용하여 결합기 제작 재료로 사용해?",
"나노 결정립합금은 페라이트보다 무엇이 높아?",
"페라이트보다 나노 결정립합금은 무엇이 높아",
"함침법을 사용하여 유도형 결합기를 제작하면 비접촉식 전력선 통신용에 사용할 수 있어?"
] |
6425441c-3735-4308-b02a-6f77c26b8e77
|
인공물ED
|
함침된 나노결정립 리본을 이용한 광대역 유도형 결합기 연구
|
<h1>IV. 결론</h1><p>본 논문에서는 나노결정립 합금으로 만든 20 \( \mathrm{mm} \) 폭의 리본을 환형으로 감은 후 진공에서 함침하여 도넛형 자심을 제작하였다. 나노결정립 합금은 높은 투자율을 가지면서 코어에 감는 리본 수에 따라 크기를 자유롭게 조절할 수 있는 특징을 가진다. 최소 삽입손실을 갖는 조건으로 자심 3 개 적층하여 \( 60 \mathrm{~mm} \) 길이의 유도형 결합기를 제작하였다. 제작된 결합기는 전류변동이 있는 환경에서도 일정한 대역폭을 유지하여 유도형 전력선 통신에 적합함을 보였다. 그러므로 광산, 선박, 자동차, 수중, 또는 고전압 송전탑 전력선 통신 등 다양한 유형의 비접촉식 전력선 통신 환경에 유연하게 대처할 수 있으므로 기존의 페라이트 결합기를 대체하여 적용할 수 있을 것으로 기대한다.</p>
|
[
"유도형 결합기의 길이는 뭐야?",
"나노결정립 합금의 특징은 무엇인가요?",
"도넛형 자심을 제작하는데 사용한 물질은 뭐야?",
"제작된 결합기는 전류변동이 있어도 일정한 대역폭을 유지하나요?",
"20 \\( \\mathrm{mm} \\) 폭의 리본은 무엇으로 만들었나요?",
"유도형 결합기를 제작하는데 몇 개의 자심을 적층했어?"
] |
a49e97a5-eff3-40ca-910c-3453d3ded431
|
인공물ED
|
플라즈마 식각공정 시 By-product와 Etchant gas를 이용한 식각 종료점 검출
|
<h1>II. 본론</h1><h2>1. 실험 데이터</h2><p>식각 종료점 검출과 검출에 사용할 모델을 생성하기 위해선 실제 실험을 통한 플라즈마 식각 공정 OES 데이터가 필요하다. 본 연구에서는 Georgia Tech 클린 룸에서 진행된 oxide와 nitride의 doble layer 폴라즈마 식각 공정을 통해 OES 데이터를 취득하였다. 식각 공정은 Plasma-Term RIE 장비를 사용하였으며 측정 장비는 Nanospec Reflectometer를 사용하였다. Double layer 의 구성은 nitride \( 1000 \mathrm{~A} \), oxide \( 7100 \mathrm{~A} \)으로 구성되어 있고 이 중 식각 종료점 검출에는 oxide 의 OES 데이터로 진행하였다. 실험조건의 생성은 실험계획법(Design of Experiment)을 통해 진행되었으며 생성된 20 개의 실험조건들 중 같은 실험조건을 갖는 실험 6 개를 식각 종료점 검출에 사용하였다. 실험 계획법이란 실험에 대한 계획방법으로 직면한 문제를 해결하기 위해 실험을 어떤 방법으로 실시하고, 어뗳게 데이터를 취득하며, 어떠한 통계적 방법으로 정보를 처리해야 최소의 실험횟수로 최대의 정보를 얻을 수 있는가를 계획하는 설계 방법이다. 또한 식각 종료점 검출 및 비교 분석에 사용될 예상 식각 종료점은 실험을 통해 얻은 식각률을 계산하여 산출하였다. 실험계획법에 의해 챙성된 실험조건과 식각률에 의해 계산된 예상 식각 종료점은 [표1]에 나와 있다.</p><table border><caption>표 1. 실험계획법(DOE)에 의한 실험 조건 및 예상 식각 종료점</caption><tbody><tr><td>Meterial</td><td>Power (\(\mathrm{W}\))</td><td>Pressure (mrTor)</td><td>\( C H F_{3} \)(scom)</td><td>Process time (min)</td><td>Predicted Endpoint (sec)</td></tr><tr><td>Qxide</td><td>350</td><td>55</td><td>45</td><td>30</td><td>1600</td></tr></tbody></table><h2>2. 사용 기법</h2><p>OES 데이터를 분석하여 식각 종료점 검출을 위한 단계는 크게 off-line에서의 식각 종료점 예측 모델 생성과정과 확률적인 알고리즘을 동한 식각 종료점 검출, 마지막으로 두 가지 네이터의 식각 종료점을 비교 분석하여 최종 식각 종료점을 결정하는 알고리즘 등 세 가지로 나눌 수 있다. 모델 생성은 OES-SNR, PCA, Polynomial regression 등의 기법을 이용하여 진행했고, 식각 종료점 검출 부분은 HMM 알고리즘을 응용한 eHMM을 통해 진행하였다. 마지막 단계인 두 데이터의 식각 종료점 비교 분석은 각 결과에 가중치를 주고 계산하여 최종 식각 종료점을 결정하는 방식으로 진행하였다.</p><h3>가. OES-SNR</h3><p>OES-SNR 은 OES raw 데이터를 이용해 식각 종료점 검출 모델을 생성하기 위한 첫 번째 단계이다. 기존의 OES 를 통한 식각 종료점 검출은 [표2] 와 같이 플라즈마 식각 공정 중 발생하는 몰질들의 주오거장을 OES 센서를 통해 읽어들여 분석을 진행한다. 그러나 이는 식각 공정 중 발생하는 각종 다른 물질들의 파장도 섞여 있어 식각 종료점 검출 결과에 영향을 미칠 수 있다. 본 연구에서는 OES-SNR 기법을 통해 이를 해결하였다. OES 데이터는 식각 공정의 진행에 따른 파장의 변화를 나타내는 데이터이므로 파장의 변화가 큰 폭으로 이루어지는 지점이 식각 종료점과 연관이 있다고 볼 수 있다. 그레서 전체 파장에서 변화 폭이 큰 파장을 골라내어 식각 종료점 검출에 이용하였다. OES-SNR 기법의 수식은 (1) 과 같다.</p><p>\( O E S-S N R=\Delta mean /s t d \)<caption>(1)</caption></p><p>OES-SNR 기법은 전체 OES raw 데이터를 예상 식각 종료점 이전과 이후로 식각 구간을 나누어 각각의 평균값의 차이를 구하고 이를 전체 OES raw 데이터의 표준 편차로 나누어서 전체 파장 중 가장 변화폭이 큰 파장들을 선택하는 방법이다. 센서를 통해 얻은 OES raw 데이터는 [그림 3]과 같다. OES 데이터에 OES-SNR 과정을 거치게 되면 식각 종료점 이전과 이후의 파장의 변화폭이 큰 주요파장을 검출할 수 있는데, 이 과정을 통해 검출된 파장의 모습을 by-product, etchant 각각 [그림4], [그림5]에 나타내었다.</p>
|
[
"Plasma-Term RIE 장비를 사용하였으며 측정 장비는 Nanospec Reflectometer를 사용한것은 무슨 공정인가?",
"무슨 검출과 검출에 사용할 모델을 생성하기 위해선 실제 실험을 통한 플라즈마 식각 공정 OES 데이터가 필요한가?",
"식각 종료점 검출과 검출에 사용할 모델을 생성하기 위해선 실제 실험을 통한 어떤 데이터가 필요한가?",
"실제 실험을 통한 플라즈마 식각 공정 OES 데이터가 필요한것은 각 종료점 검출과 검출에 사용할 모델을 생성하기 위해서니?",
"본 연구에서는 OES 데이터를 Georgia Tech 클린 룸에서 진행된 oxide와 nitride의 doble layer 폴라즈마 식각 공정을 통해서 취득하였니?",
"본 연구에서는 어디에서 진행된 oxide와 nitride의 doble layer 폴라즈마 식각 공정을 통해 OES 데이터를 취득하였나?",
"본 연구에서는 Georgia Tech 클린 룸에서 진행된 oxide와 nitride의 무엇을 통해 OES 데이터를 취득하였나?",
"본 연구에서는 Georgia Tech 클린 룸에서 진행된 oxide와 nitride의 doble layer 폴라즈마 식각 공정을 통해 무엇을 취득하였나?",
"식각 공정은 Plasma-Term RIE 장비를 사용하였으며 측정 장비 무엇을 사용하였나?",
"Double layer 의 구성은 nitride은 몇\\(\\mathrm{~A} \\)로 구성 되었나?",
"Double layer 의 구성은 nitride \\( 1000 \\mathrm{~A} \\)와 oxide 몇\\( \\mathrm{~A} \\)로 구성되어 있나?",
"이 중 식각 시작점 검출에는 oxide 의 OES 데이터로 진행하였고 Double layer 의 구성은 nitride \\( 1000 \\mathrm{~A} \\), oxide \\( 7100 \\mathrm{~A} \\)으로 구성되어 있니?",
"식각 공정은 어떤 장비를 사용하였나?",
"실험조건의 생성은 어떤 방법을 통해 진행되었나?",
"실험조건의 생성은 실험계획법(Design of Experiment)을 통해 진행되었으며 생성된 20 개의 실험조건들 중 같은 실험조건을 갖는 실험 6 개를 무슨 검출에 사용 하였나?",
"실험조건의 생성된 20 개의 실험조건들 중 다른 실험조건을 갖는 실험 6개를 식각 종료점 검출에 사용하였으며, 생성은 실험계획법(Design of Experiment)을 통해 진행되었니?",
"실험에 대한 계획방법으로 직면한 문제를 해결하기 위해 실험을 어떤 방법으로 실시하고, 어뗳게 데이터를 취득하며, 어떠한 통계적 방법으로 정보를 처리해야 최소의 실험횟수로 최대의 정보를 얻을 수 있는가를 계획하는 설계 방법이 뭐니?",
"실험조건의 생성은 실험계획법(Design of Experiment)을 통해 진행되었으며 생성된 20 개의 실험조건들 중 같은 실험조건을 갖는 실험 몇 개를 식각 종료점 검출에 사용하였나?",
"실험에 대한 계획방법으로 직면한 문제를 해결하기 위해 실험을 어떤 방법으로 실시하는 것은 실험 계획법이니?",
"실험 계획법이란 어뗳게 데이터를 취득하며, 어떠한 통계적 방법으로 정보를 처리해야 최소의 실험횟수로 무엇을 얻을 수 있는가를 계획하는 설계 방법인가?",
"실험 계획법에 관한 설명은 무엇인가?",
"최종 식각 종료점을 결정하는 방식으로 마지막 단계인 두 데이터의 식각 종료점 비교 분석은 각 결과에 가중치를 주고 계산하여 진행하였니?",
"모델을 생성하기 위한 두 번째 단계로 OES-SNR 은 OES raw 데이터를 이용해 식각 종료점 검출이니?",
"OES raw 데이터를 이용해 식각 종료점 검출 모델을 생성하기 위한 첫 번째 단계는 무엇인가?",
"OES-SNR 은 무슨 데이터를 이용해 식각 종료점 검출 모델을 생성하였니?",
"식각 공정 중 발생하는 각종 다른 물질들의 파장도 섞여 있어 식각 종료점 검출 결과에 영향을 미칠 수 있는 것을 해결한 기법은 무엇인가?",
"본 연구에서는 식각 공정 중 발생하는 각종 다른 물질들의 파장도 섞여 있어 식각 종료점 검출 결과에 영향을 미칠 수 것을 OES-SNR 기법을 통해 이를 해결했니?",
"식각 종료점과 연관이 있다고 볼 수 있는 것은 OES 데이터는 식각 공정의 진행에 따른 파장의 변화를 나타내는 데이터이므로 파장의 변화가 큰 폭으로 이루어지는 지점이니?",
"식각 공정 중 발생하는 각종 다른 물질들의 무엇이 섞여 있어 식각 종료점 검출 결과에 영향을 미칠 수 있나?",
"식각 종료점과 데이터이므로 파장의 변화가 큰 폭으로 이루어지는 지점은 연관이 없니?",
"OES 데이터에 관한 설명은 무엇인가?",
"식각 공정의 진행에 따른 파장의 변화를 나타내는 데이터이므로 파장의 변화가 큰 폭으로 이루어지는 지점과 연관이 있다고 볼 수 있는 것은 무엇이니?",
"식각 종료점 검출에 이용한것은 전체 파장에서 어떤 것을 골라내어 식각 종료점 검출에 이용하였나?",
"OES-SNR 기법은 어떤 것인가?",
"전체 OES raw 데이터를 예상 식각 종료점 이전과 이후로 식각 구간을 나누어 각각의 평균값의 차이를 구하고 이를 전체 OES raw 데이터의 표준 편차로 나누어서 전체 파장 중 가장 변화폭이 큰 파장들을 선택하는 방법은 무엇인가?",
"전체 OES raw 데이터의 표준 편차로 나누어서 전체 파장 중 가장 변화폭이 큰 파장들을 선택하는 방법은 OES-SNR 기법이니?",
"OES-SNR 기법 OES raw 데이터의 무엇으로 나누어서 전체 파장 중 가장 변화폭이 큰 파장들을 선택하는 방법이니?",
"그림 3]은 센서를 통해 얻은 무슨 데이터니?",
"검출된 파장의 모습을 [그림4]는 무엇을 나타내었니?",
"표 1. 실험계획법(DOE)에 의한 실험 조건 및 예상 식각 종료점에서<td>Power (\\(\\mathrm{W}\\))</td>와<td>Predicted Endpoint (sec)</td>의<td>Qxide</td>값을 합한 것은<td>Pressure (mrTor)의<td>Qxide</td>값보다 크니?",
"크게 off-line에서의 식각 종료점 예측 모델 생성과정과 확률적인 알고리즘을 동한 식각 종료점 검출, 마지막으로 두 가지 네이터의 식각 종료점을 비교 분석하여 최종 식각 종료점을 결정하는 알고리즘 등 세 가지로 나눌 수 있는 것은 어떤 검출을 위한 단계인가?",
"OES 데이터를 분석하여 식각 종료점 검출을 위한 단계 한가지 중 어디에서 식각 종료점 예측 모델 생성과정을 하는가?",
"OES 데이터를 분석하여 식각 종료점 검출을 위한 단계는 크게 세 가지로 나눌 수 있는데, 그 중 한가지 단계는 무엇인가?",
"on-line에서의 식각 종료점 예측 모델 생성과정은 OES 데이터를 분석하여 식각 종료점 검출을 위한 단계니?",
"PCA, Polynomial regression와 어떤 기법을 이용해 모델 생성이 진행 되었나?",
"모델 생성을 위한 기법 중 사용된 한가지는 무엇인가?",
"OES-SNR, PCA, Polynomial regression 등의 기법을 이용하여 모델생성을 진행했니?",
"HMM을 통해 잔행한 식각 종료점 검출 부분은 HMM 알고리즘을 응용하였니?",
"식각 종료점 검출 부분은 어떤 알고리즘을 응용한 eHMM을 통해 진행하였나?",
"OES 데이터는 어떤 변화를 나타내는 데이터인가?",
"수식은 (1)은 무슨 기법이니?",
"OES 데이터를 분석하여 식각 종료점 검출을 위한 단계에 관한 설명이 맞는 것은 무엇인가?",
"마지막 단계인 무엇으로 각 결과에 가중치를 주고 계산하여 최종 식각 종료점을 결정하는 방식으로 진행하였나?",
"OES 데이터에 어떤 과정을 거치게 되면 식각 종료점 이전과 이후의 파장의 변화폭이 큰 주요파장을 검출할 수 있는가?",
"식각 종료점 검출에 이용한 것은 전체 파장에서 변화 폭이 작은 파장을 골라 사용했니?",
"표 1은 무엇에 의한 실험 조건 및 예상 식각 종료점을 나타 내니?",
"nitride \\( 1000 \\mathrm{~A} \\), oxide \\( 7100 \\mathrm{~A} \\)으로 구성되어 있고 이 중 식각 종료점 검출에는 oxide 의 OES 데이터로 진행한 구성은 무엇인가?",
"표 1. 실험계획법(DOE)에 의한 실험 조건 및 예상 식각 종료점에서 Qxide 값이 350인것 Meterial 중 어떤것 인가?",
"표 1. 실험계획법(DOE)에 의한 실험 조건 및 예상 식각 종료점에서 Pressure (mrTor), \\( C H F_{3} \\)(scom), Process time (min) 중에 Qxide 값이 가장 작은 것은 무엇이니?",
"DOE 실험 조건과 예상 식각 종료점을 정리한 표에서 가장 큰 Qxide 값을 가진 항목은 무엇인가요?"
] |
d59b18db-d52d-4bcd-a5bc-10ea1cf66263
|
인공물ED
|
플라즈마 식각공정 시 By-product와 Etchant gas를 이용한 식각 종료점 검출
|
<h1>III 결론</h1><p>본 연구에서는 by-product와 etchant gas 의 OES 데이터를 함께 분석하여 기존의 식각 종료점 검출 결과에 신뢰성을 추가하는 방법을 제안하였다. Duble layer 플라즈마 식각 공정의 OES 데이터를 취득하여 이를 모델링 알고리즘과 검출 알고리즘을 거쳐 식각 종료점을 검출을 진행하였으며 두 가지 데이터의 식각 종료점의 비교를 통해 최종적인 식각 종료점을 검출하였다. 이러한 식각 종료점 검출 방식은 기존의 by-product만을 이용한 식각 종료점 검출 방식보다 세밀하고 효과적인 검출 결과를 확인 할 수 있었다. 이는 향 후 반도체 공정 산업에서의 정밀제어와 최적화를 위한 연구에 긍정적인 영향을 줄 것으로 예상된다. 또한 집적화와 미세화가 진행 되고 있는 현 반도체 산업의 높은 수율 향상을 위해 앞으로 반도체 공정제어 및 최적화에 대한 연구도 계속적으로 진행 할 것이다.</p>
|
[
"기존의 식각 종료점 검출 결과에 신뢰성을 추가하는 방법을 제안하기 위해 어떤 데이터를 추가하여 분석했나요?",
"식각 종료점 검출을 진행하는 방법은 어떻게 돼?",
"기존에 이용했던 식각 종료점을 검출하는 방식은 어떤 거야?",
"반도체 최적화 및 공정제어에 대한 연구는 왜 계속적으로 진행돼야 하는 걸까?",
"본문에서 식각 종료점 검출을 위해서 데이터의 식각 시작점의 비교를 한거야?",
"본문에서는 식각 종료점 검출 결과의 신뢰성 향상을 위해 etchant gas와 by-product의 OES 데이터를 함께 분석했어?",
"기존에 식각 종료점 검출 방법으로 사용한 by-product가 더 효과적이고 세밀한 검출 결과 확인을 할 수 있지?",
"본문에서는 etchant gas와 by-product의 OES 데이터를 분석 후 어떤 결과의 신뢰성을 추가하려고 한거야?"
] |
209b8080-741e-4958-a6f3-6ded32c2d351
|
인공물ED
|
플라즈마 식각공정 시 By-product와 Etchant gas를 이용한 식각 종료점 검출
|
<h2>3. 결과</h2><p>위의 기법들을 사용해서 두 데이터를 이용한 식각 종료점 검출을 진행하였다. 표1에 있는 동일한 실험조건의 4 가지의 공정들로 검출을 진행 하였고 OES-SNR, PCA, eHMM 방법을 이용해 식각 종료점 검출을 한 결과는 [그림 12 ] 와 같다. 그림은 실험1에 대한 검출결과의 모습으로 by-product와 etchant gas에 대한 PCA 모델과 polynomial regression 의 생성 결과를 확인 할 수 있다. 생성된 모델에 eHMM을 적용하여 식각 종료점을 검출한 결과는 각각 byproduct는 1543 초, etchant gas는 1551 초로 두 데이터 모두 예상 식각종료점인 1600 초에 근사한 결과를 보인 것을 확인 할 수 있다.</p><p>[표3]에는 4 개의 실험에 대한 예상 식각 종료점과 by-product와 etchant gas 의 식각 종료점 검출 결과, 최종 식각 종료점 결정 알고리즘을 통해 결정된 식각 종료점을 비교하여 나타내었다.</p><table border><caption>표 3. 식각 종료점 검출 결과 비교</caption><tbody><tr><td rowspan=2></td><td colspan=4>Endpoint detection result</td></tr><tr><td>Predicted Endpoint (\(\mathrm{sec}\))</td><td>By-product Endpoint (\(\mathrm{sec}\))</td><td>Etchant gas Endpoint (\(\mathrm{sec}\))</td><td>Final Endpoint (\(\mathrm{sec}\))</td></tr><tr><td>Run1</td><td>1600</td><td>1543</td><td>1551</td><td>1545.67</td></tr><tr><td>Run2</td><td>1600</td><td>1543</td><td>1546</td><td>1544.32</td></tr><tr><td>Run3</td><td>1600</td><td>1546</td><td>1547</td><td>1546.33</td></tr><tr><td>Run4</td><td>1600</td><td>1543</td><td>1544</td><td>1543.33</td></tr></tbody></table><p>위 실험들의 예상 식각 종료점을 이용하여 허용 오차범위를 구하면 1440 초 1760 초의 오차 범위가 계산된다. 4 개의 실험에 대한 by-product와 etchant gas 의 식각 종료점은 모두 허용 오차 범위 내에 들기 때문에 가중치를 통해 두 데이터의 최종 식각 종료점을 구해 주었고 식각 종료점 검출 결과는 by-product 와 etchant gas 모두 예상 식각 종료점과 큰 차이를 보이지 않아 성공적인 검출 결과를 나타냈다고 볼 수 있다. 또한 최종 식각 종료점 검출 결과가 소수점 둘째 자리까지 각각 1545.67 초, 1544.32 초, 1546.33초, 1543.33 초로 보다 정밀한 검출이 진행된 것을 확인 할 수 있었다.</p>
|
[
"OES-SNR, PCA, eHMM 방법을 이용해 [그림 12 ]에 결과는 나타낸 검출은 뭐야?",
"식각 종료점 검출은 위의 기법들을 이용해 몇개의 데이터를 이용했어?",
"OES-SNR, PCA, eHMM 방법의 공정으로 어떠한 실험조건으로 검출을 진행했어?",
"표1에 있는 동일한 실험조건으로 4가지의 어떤 방법을 이용해 [그림 12 ]에 결과를 나타냈어?",
"[그림 12 ]에서 생성 결과중에 polynomial regression의 생성결과도 확인할수 있어?",
"식각 종료점 검출을 한 결과는 OES-SNR, PCA, eHMM 방법을 이용했어?",
"그림에서 PCA 모델과 polynomial regression 의 생성 결과는 어떤 것에 대한 거야?",
"[그림 12 ] 와 같이 식각 종료점 검출 한 결과는 OES-SNR, PCA방법외 어떤 방법이 있어?",
"byproduct는 1543 초, etchant gas는 1551 초의 검출결과의 모습은 어떤 것을 적용하여 식각 종료점을 검출한 결과야?",
"eHMM을 적용하여 식각종료점인 1600 초에 근사한 결과를 보인 데이터중 1543 초의 결과를 보인 데이터는 뭐야?",
"식각 종료점을 생성된 모델에 eHMM을 적용하여 검출한 결과에서 데이터 etchant gas는 몇초의 결과를 얻었어?",
"예상 식각종료점인 1600 초에 근사한 결과를 보인 데이터는 byproduct데이터와 어떤 데이터야?",
"실험1에서 by-product와 etchant gas에 대한 polynomial regression의 생성결과와 어떤것의 생성결과야?",
"byproduct와 etchant gas의 식각 종료점 결과 예상은 몇초 예상했어?",
"eHMM을 생성된 모델에 적용하여 예상 식각종료점인 1600 초에 근사한 결과를 보인 byproduct의 결과는 몇초야?",
"Run2의 실험 결과에서 by-product의 식각 종료점 검출 결과는 1543초가 맞아?",
"허용 오차범위를 구하기 위해 위 실험들의 예상 식각 종료점을 이용하면 오차범위가 얼마야?",
"본 글에서 by-product와 etchant gas 의 식각 종료점 검출 결과는 어디에 나타냈어?",
"예상 식각종료점인 1600 초에 근사한 결과를 보인 byproduct와 etchant gas는 어떤 것을 적용하여 식각 종료점을 검출 했어?",
"[표3]에서 by-product의 Run1 실험결과로 식각 종료점 검출 결과 몇초야?",
"by-product의 식각 종료점 검출 결과 4 개의 실험중 식각 종료점이 다른 실험은 뭐야?",
"1440 초 1760 초의 허용 오차 범위의 계산은 어떤 것을 이용했어?",
"by-product와 etchant gas 두 데이터의 최종 식각 종료점은 허용 오차 범위를 초과했어?",
"허용 오차 범위 내에 들기 때문에 가중치를 통해 by-product와 etchant gas의 최종 식각 종료점을 구해 주었고 이를 통해etchant gas의 식각종료점은 몇초였어?",
"소수점 둘째 자리까지 정밀한 검출이 진행으로 확인된 두 데이터는 뭐야?",
"성공적인 검출 결과를 나타낸 by-product와 etchant gas 의 식각 종료점은 모두 허용 오차 식각종료점인 몇초의 근사한 결과를 확인했어?",
"by-product와 etchant gas을 4개의 실험으로 식각 종료점 실험을 진행한 결과는 성공적인 검출 결과를 나타냈다고 볼수 있어?"
] |
fef175e2-be8b-43e7-a9a8-4a56290e22b7
|
인공물ED
|
플라즈마 식각공정 시 By-product와 Etchant gas를 이용한 식각 종료점 검출
|
<h3>나. PCA</h3><p>PCA 는 식각 종료점 검출을 위한 두 번째 단계이다. PCA 란 주성분 분석이라고도 불리며, 다차원의 벡터로 이루어진 복잡한 데이터를 고차원 정보를 유지하면서 저차원으로 차원을 축소하여 간단한 데이터로 변화 시키는 다 변량 데이더 처리 방법 중 하나이다. 다차원 데이터의 차원을 축소하기 위해서 전체 데이터의 특징을 잘 나타내고 있는 주성분 축을 추출해야 하는데 이는 전체 데이터의 고유벡터와 고유 값을 이용해 구할 수 있다. 고유벡터와 고유 값에 대한 수식은 다음과 같다.</p><p>\( \operatorname{Cov}(X) P_{i}=\lambda_{i} P_{i} \)<caption>(2)</caption></p><p>\( P_{i} \) 는 고유 벡터로서 고차원 데이터의의 주요 성분을 포함하고 있는 로딩 벡터로 쓰였고. \( \lambda_{i} \) 는 \( \operatorname{Cov}(X) \) 의 고유 값을 의미한다. 이를 통해 구해진 주성분으로 원본 데이터들과 연산해 다차원 데이터의 차원축소가 가능헤진다. 다 차원 데이터의 차원축소에 대한 예를 [그림6]에 나타내었다.</p><p>OES 데이터는 분석하기 어려운 수십 가지의 파장과 잡음 신호들로 이루어진 매우 복잡한 정보들을 포함하고 있다. 본 연구에서는 OES-SNR 을 통해 선택한 OES 데이터를 PCA 를 이용하여 OES raw 데이터의 고유 값과 고유벡터로 주성분을 찾아내어 다수의 파장을 하나의 파장으로 변환하였다. [그림7]과 [그림8]은 OES-SNR 를 통해 선택된 파장들을 PCA 를 이용하여 차원 축소를 한 결과들을 by-product와 etchant에 대해 서 각각 보여주고 있다. 그림에서 아래쪽의 다수 의 파힝들은 OES-SNR 을 한 결과 선택된 파장 들에 대한 파형이며, 위쪽의 단일 파형은 PCA 를 적용한 후의 파형을 나타낸다. 이 그림들에서 확인할 수 있듯이 PCA 를 적용하게 되면 파장의 변화폭이 확대되어 식각 종료점을 찾는데 보다 큰 도움이 된다.</p><h3>다. Polynomial regression</h3><p>회귀분석은 어떤 관찰된 연속 형 변수들에 대해 독립변수와 종속변수 사이의 상관관계를 나타내는 식을 구하는 기법으로 이렇게 얻어진 식을 모형화하여 측정하는 분석 방법이다. 회귀분석은 시간에 따라 변화하는 데이터나 인과 관계의 모델링 등의 통계적 예측에 이용 될 수 있다. polynomial regression은 다항회귀분석법 이라고도 부르며 일반적인 회귀분석과 마찬가지로 종속 변수 Y와 독립변수 X의 상관관계를 나타내며 이 경우 종속변수가 독립변수의 다항식의 함수로 이루어진 것을 말한다. Polynomial regression을 통해 데이터 사이의 관계가 직선의 관계가 아닌 경우 복잡한 비선형의 관계를 근사적으로 표현 할 수 있다. 본 연구에서는 off-line 상에서의 예측 모델을 생성하기 위해 polynomial regression 으로 by-product와 etchant gas 의 OES 데이터의 모델링을 진행하였다. 두 데이터의 polynomial regression model 의 모습은 [그림9]와 같다.</p>
|
[
"본 연구에서는 OES-SNR 을 통해 선택한 OES 데이터를 PCA 를 이용하여 ( ) 데이터의 고유 값과 고유벡터로 주성분을 찾아내어 다수의 파장을 하나의 파장으로 변환하였다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"회귀분석은 시간에 따라 변화하는 데이터나 인과 관계의 무엇 등의 통계적 예측에 이용 될 수 있는가?",
"PCA 란 주성분 분석이라고도 불리며, 다차원의 벡터로 이루어진 복잡한 데이터를 고차원 정보를 유지하면서 저차원으로 차원을 축소하여 간단한 데이터로 변화 시키는 X 데이터 처리 방법 중 하나이다에서 X는 무엇인가?",
"본 연구에서는 off-line 상에서의 예측 모델을 생성하기 위해 ( )으로 by-product와 etchant gas 의 OES 데이터의 모델링을 진행하였다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"무엇은 어떤 관찰된 연속 형 변수들에 대해 독립변수와 종속변수 사이의 상관관계를 나타내는 식을 구하는 기법으로 이렇게 얻어진 식을 모형화하여 측정하는 분석 방법인가?",
"본 연구에서는 OES-SNR 을 통해 선택한 OES 데이터를 무엇를 이용하여 OES raw 데이터의 고유 값과 고유벡터로 주성분을 찾아내어 다수의 파장을 하나의 파장으로 변환하였는가?",
"본 연구에서는 OES-SNR 을 통해 선택한 OES 데이터를 PCA 를 이용하여 OES raw 데이터의 고유 값과 어떤 벡터로 주성분을 찾아내어 다수의 파장을 하나의 파장으로 변환하였는가?",
"본 연구에서는 OES-SNR 을 통해 선택한 ( ) 데이터를 PCA 를 이용하여 OES raw 데이터의 고유 값과 고유벡터로 주성분을 찾아내어 다수의 파장을 하나의 파장으로 변환하였다. 앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"polynomial regression은 다항회귀분석법 이라고도 부르며 일반적인 회귀분석과 마찬가지로 어떤 변수 Y와 독립변수 X의 상관관계를 나타내며 이 경우 종속변수가 독립변수의 다항식의 함수로 이루어진 것을 말할 수 있는가?",
"OES 데이터는 분석하기 어려운 수십 가지의 어떤신호들로 이루어진 매우 복잡한 정보들을 포함하고 있는가?",
"본 연구에서는 ( ) 상에서의 예측 모델을 생성하기 위해 polynomial regression 으로 by-product와 etchant gas 의 OES 데이터의 모델링을 진행하였다. 앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"무엇은 시간에 따라 변화하는 데이터나 인과 관계의 모델링 등의 통계적 예측에 이용 될 수 있는가?",
"본 연구에서는 off-line 상에서의 예측 모델을 생성하기 위해 polynomial regression 으로 무엇와 etchant gas 의 OES 데이터의 모델링을 진행하였는가?",
"PCA 란 주성분 분석이라고도 불리며, 다차원의 X로 이루어진 것은 무엇인가?",
"polynomial regression은 다항회귀분석법 이라고도 부르며 일반적인 회귀분석과 마찬가지로 종속 변수 Y와 독립변수 X의 상관관계를 나타내며 이 경우 종속변수가 독립변수의 다항식의 무엇으로 이루어진 것을 말하는가?",
"회귀분석은 시간에 따라 변화하는 데이터나 인과 관계의 모델링 등의 어떤 예측에 이용 될 수 있는가?",
"어떤 데이터가 분석하기 어려운 수십 가지의 파장과 잡음 신호들로 이루어진 매우 복잡한 정보들을 포함하고 있는가?",
"OES 데이터는 분석하기 어려운 수십 가지의 파장과 어떤 신호들로 이루어진 매우 복잡한 정보들을 포함하고 있는가?",
"회귀분석은 어떤 관찰된 연속 형 변수들에 대해 어떤 변수와 종속변수 사이의 상관관계를 나타내는 식을 구하는 기법으로 이렇게 얻어진 식을 모형화하여 측정하는 분석 방법인가?",
"PCA 란 주성분 분석이라고도 불리며, 다차원의 벡터로 이루어진 복잡한 무엇를 고차원 정보를 유지하면서 저차원으로 차원을 축소하여 간단한 데이터로 변화 시키는 다 변량 데이더 처리 방법 중 하나인가?",
"무엇은 다항회귀분석법 이라고도 부르며 일반적인 회귀분석과 마찬가지로 종속 변수 Y와 독립변수 X의 상관관계를 나타내며 이 경우 종속변수가 독립변수의 다항식의 함수로 이루어진 것을 말할 수 있는가?",
"회귀분석은 무엇에 따라 변화하는 데이터나 인과 관계의 모델링 등의 통계적 예측에 이용 될 수 있는가?",
"본 연구에서는 off-line 상에서의 예측 모델을 생성하기 위해 polynomial regression 으로 by-product와 무엇의 OES 데이터의 모델링을 진행하였는가?",
"polynomial regression은 다항회귀분석법 이라고도 부르며 일반적인 회귀분석과 마찬가지로 종속 변수 Y와 어떤 변수 X의 상관관계를 나타내며 이 경우 종속변수가 독립변수의 다항식의 함수로 이루어진 것을 말할 수 있는가?",
"회귀분석은 어떤 관찰된 연속 형 변수들에 대해 독립변수와 종속변수 사이의 어떤 관계를 나타내는 식을 구하는 기법으로 이렇게 얻어진 식을 모형화하여 측정하는 분석 방법인가?",
"회귀분석은 어떤 관찰된 연속 형 변수들에 대해 독립변수와 어떤 변수 사이의 상관관계를 나타내는 식을 구하는 기법으로 이렇게 얻어진 식을 모형화하여 측정하는 분석 방법인가?",
"본 연구에서는 무엇을 통해 선택한 OES 데이터를 PCA 를 이용하여 OES raw 데이터의 고유 값과 고유벡터로 주성분을 찾아내어 다수의 파장을 하나의 파장으로 변환하였는가?",
"polynomial regression은 무엇이라고도 부르며 일반적인 회귀분석과 마찬가지로 종속 변수 Y와 독립변수 X의 상관관계를 나타내며 이 경우 종속변수가 독립변수의 다항식의 함수로 이루어진 것을 말할 수 있는가?",
"X 주성분 분석이라고 불리는 것은 무엇인가?",
"본 연구에서는 off-line 상에서의 예측 모델을 생성하기 위해 polynomial regression 으로 by-product와 etchant gas 의 어떤 데이터의 모델링을 진행하였는가?",
"회귀분석은 어떤 관찰된 어떤 형 변수들에 대해 독립변수와 종속변수 사이의 상관관계를 나타내는 식을 구하는 기법으로 이렇게 얻어진 식을 모형화하여 측정하는 분석 방법인가?"
] |
49c29a97-4573-4e42-a23f-9e0762b53060
|
인공물ED
|
플라즈마 식각공정 시 By-product와 Etchant gas를 이용한 식각 종료점 검출
|
<h3>라. eHMM(Expanded Hidden Markov Model)</h3><p>이 기법은 확률적 예측 모델 방법 중 하나인 HMM(Hidden Markov Model) 에 기원한 기법이다. HMM 알고리즘은 관측이 불가능한 과정을 관측이 가능한 다른 과정으로 추정하는 이중 확률처리 모델이다. eHMM은 이런 HMM의 특성 중 Viterbi 알고리즘을 이용해 상태천이 확률 값을 비교하여 식각 종료점을 검출하는 방식을 사용하였다. 이 방식은 예상 식각 종료점을 기준으로 구간을 주식각(Main-etch) 구간의 상태1 구간 (S1)과 과식각(Over-etch) 구간의 상태2(S2) 로 나누어 Markov chain을 구성한다. 구성된 Markov chain에서 시간이 변화함에 따라 각 상태에서의 확률 값을 연속적으로 얻고 이 누적된 확률 값을 비교하여 최종 식각 종료점을 검출하는 방식이다. Viterbi 알고리즘에 의거한 eHMM 알고리즘의 상태천이는 [그림 10 ]과 같다.</p><h3>마. 최종 식각 종료점 결정 알고리즘</h3><p>최종 식각 종료점 검출을 위헤서는 마지막 단계인 모델링 및 검출 과정을 거쳐 구해진 By- product 와 Etchant gas의 식각 종료점을 비교 분석하여 결정하는 과정이 필요하다. 최종식각 종료점 검출을 위해 사용한 방법은 검출 결과가 예상 식각 종료점을 기준으로 혀용 된 오차 범위 안에 포함되었을 때, 두 데이터에 의한 식각 종료점 검출 결과에 가중치를 주어 최종 식각 종료점을 계산하는 방식을 사용하였다. 최종 식각 종료점 결정을 위한 알고리즘의 모식도는 [그림11] 에 나타냈다.</p><p>식각 종료점의 정확한 검출을 위해서는 먼저 식각 종료점의 검출 결과가 신뢰성이 있는 검출 결과 인지를 결정해야 한다. 예상 식각 종료점을 기준으로 etchant gas를 통한 식각 종료점의 검출 결과가 예상 식각 종료점의 허용 오차 범위 \( \pm 10 \% \) 내에 들지 않으면 보다 정확한 데이터인 by - product의 식각 종료점 검출 결과를 최종 검출 결과로 결정하게 된다. etchant gas는 공정의 반응물로써 공정의 결과물인 by-product에 대한 OES 데이터보다 직각 종료점에 그 변화의 폭이 크지 않다는 점을 고려해서 이와 같이 반영하였 으며 허용 오차 범위 \( 10 \% \) 는 반복 실험을 통해 허용 범위 이내에 들지 않는 검출 결과는 공정의 오류발생 지점을 종료점으로 검출한 결과라고 판단하고 이와 같이 결정하였다. 따라서 검출 결과의 판단이 되는 by-product에 의한 식각 종료점 검출결과가 예상 식각 종료점의 오차범위 \( 10 \% \) 내에 들지 않으면 이 검출 결과는 공정오류로 판단하게 된다. 만약 검출결과가 허용 오차 범위내에 있으면 가중치 값을 거친 식각 종료점 값들의 평균에 의해 최종 종료점이 검출된다. 각 종료점에 대한 가중치는 앞에 기술한 내용을 바탕으로 by-product에 의한 식각 종료점이 etchant gas에 의한 식각 종료점보다 2 배의 가중을 취하게끔 설정하였다. 최종 식각 종료점 결정 알고리즘에 대한 수식은 (4) 와 같다.</p><p>\(mean =\frac{\left(2 \times B y_{E P}\right)+\left(1 \times E t_{E P}\right)}{3} \)<caption>(4)</caption></p>
|
[
"모델링 및 검출 과정을 거쳐 구해진 by-product 와 Etchant gas 의 식각 종료점을 비교 분석하여 검출할 수 있는 것은 뭐니?",
"eHMM 기법은 무엇에 기원한 확률적 예측 모델 방법이니?",
"관측이 불가능한 과정을 관척이 가능한 다른 과정으로 추정하는 이중 확률처리 모델은 뭐야?"
] |
b6bc9395-e225-425a-859c-3a1d81cf5a22
|
인공물ED
|
플라즈마 식각공정 시 By-product와 Etchant gas를 이용한 식각 종료점 검출
|
<h1>요 약</h1><p>현제 반도체 제조 공정에서 집적회로의 소자 크기가 점점 작아짐에 따라 플리그마 식각 공정에서의 식각 종료점 검출이 더 어려워지고 있다. 식각 종료점 검출은 위해서는 반도체 장비에 다양한 종류의 센서를 설치하고 이 센서를 통해 데이터를 얻고 분석해야 한다. 기존의 식각 종료점 검출 방식은 주로 By-product의 OES 데이터를 분석하여 진행되었는뎨 본 연구에서는 By-product 와 Etchant gas 의 OES 데이터를 함께 분석하여 식각 종료점 검출 결과에 신뢰성을 더 높이고자 하였다. 또한, 데이터 분석을 위해 OES-SNR, PCA, Polynomial Regression, eHMM 등의 기법들을 사용하여 진행하였다.</p>
|
[
"데이터 분석을 위해 OES-SNR, PCA, Polynomial Regression, ( ) 등의 기법들을 사용하여 진행하였다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"현제 ( ) 제조 공정에서 집적회로의 소자 크기가 점점 작아짐에 따라 플리그마 식각 공정에서의 식각 종료점 검출이 더 어려워지고 있다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"현제 반도체 제조 공정에서 ( )회로의 소자 크기가 점점 작아짐에 따라 플리그마 식각 공정에서의 식각 종료점 검출이 더 어려워지고 있다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"현제 반도체 제조 공정에서 집적회로의 ( ) 크기가 점점 작아짐에 따라 플리그마 식각 공정에서의 식각 종료점 검출이 더 어려워지고 있다. 앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"현제 반도체 제조 공정에서 집적회로의 소자 크기가 점점 작아짐에 따라 플리그마 ( ) 공정에서의 식각 종료점 검출이 더 어려워지고 있다. 앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"( ) 종료점 검출은 위해서는 반도체 장비에 다양한 종류의 센서를 설치하고 이 센서를 통해 데이터를 얻고 분석해야 한다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"식각 종료점 검출은 위해서는 ( ) 장비에 다양한 종류의 센서를 설치하고 이 센서를 통해 데이터를 얻고 분석해야 한다. 앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"기존의 식각 종료점 검출 방식은 주로 ( )의 OES 데이터를 분석하여 진행되었는뎨 본 연구에서는 By-product 와 Etchant gas 의 OES 데이터를 함께 분석하여 식각 종료점 검출 결과에 신뢰성을 더 높이고자 하였다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"기존의 식각 종료점 검출 방식은 주로 By-product의 ( ) 데이터를 분석하여 진행되었는뎨 본 연구에서는 By-product 와 Etchant gas 의 OES 데이터를 함께 분석하여 식각 종료점 검출 결과에 신뢰성을 더 높이고자 하였다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"기존의 식각 종료점 검출 방식은 주로 By-product의 OES 데이터를 분석하여 진행되었는뎨 본 연구에서는 By-product 와 ( ) 의 OES 데이터를 함께 분석하여 식각 종료점 검출 결과에 신뢰성을 더 높이고자 하였다. 앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"데이터 분석을 위해 ( ), PCA, Polynomial Regression, eHMM 등의 기법들을 사용하여 진행하였다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"데이터 분석을 위해 OES-SNR, PCA, ( ), eHMM 등의 기법들을 사용하여 진행하였다.앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?",
"데이터 분석을 위해 OES-SNR, ( ), Polynomial Regression, eHMM 등의 기법들을 사용하여 진행하였나?"
] |
72e590b1-c37b-4c01-9e69-476834585292
|
인공물ED
|
플라즈마 식각공정 시 By-product와 Etchant gas를 이용한 식각 종료점 검출
|
<h1>1. 서론</h1><p>현재 반도체 제조 공정에서 집적회로 소자 크기의 미세화가 진행되면서 소자의 성능향상과 공정조건 최직화를 위해 공정 제어의 중요성이 부각되고 있다. 특히 반도체 공정 중 플리즈마 식각 공정에서 식각 종료가 정확히 되지 않으면 반도체 제품의 성능과 제품수율의 손실을 발 셍하게 되는데 이를 위해서는 정확한 식각 종료점 검출이 필요하다. 식각 종료점 검출이란 식각 공정중 목표물질의 식각 종료시점을 공정 데이터의 분석을 통해 알아보는 방법으로 일반적으로 OPS(Optical Emission Spectroscopy) 라는 센서를 통해 얻은 데이터로 챔버 내부의 상태를 모니터링 하고 분석한다. OES 를 통한 챔버 내부 모니터링 원리는 [그림1]과 같다. 식각 종료점 검출의 연구로 플라즈마 식각 공정의 정밀제어와 최적화가 이루어지면서 과 식각(Over-etch)과 같은 공정오류를 방지할 수 있다. 기존의 OES 데이터롤 통한 식각 종료점 검출 방식은 주로 식각 공정의 부산물이라고 할 수 있는 by-product 의 OES 데이터를 분석하여 검출해왔다. 플라즈마를 이용한 식각 공정에서는 크게 두 가지의 물질이 발생하는데 공정의 반응물인 etchant gas와 공정의 부산물인 by-product 가 바로 그것이다. 일반적인 플라즈마 식각 공정의 모습은 [그림2]와 같다. 본 연구에서는 식각 공정의 부산물인 by-product와 반응물인 etchant gas 의 OES 데이터를 함께 분석하여 식각 종료점 검출을 진행하였다. 두 가지 데이터가 예상 식각 종료점 부근에서 변화하는 데이터를 이용해서 모델을 생성하였고 이를 동해 최종 식각 종로점을 검출하여 최종 식각 종료절 검출을 결정하는 알고리즘을 설계하였다.</p>
|
[
"본 연구에서는 식각 종료점을 검출하기 위해 식각 공정의 부산물인 by-product 와 반응물인 etchant gas 의 OES 데이터를 함께 분석하였니?",
"반도체 제조 공정에서 소자의 성능향상과 공정조건 최적화를 위해 공정 제어의 중요성이 부각되고 있는 이유는 뭐야?",
"기존의 식각 종료점 검출 방식은 무엇을 분석하여 검출해왔니?",
"플라즈마를 이용한 식각 공정에서 발생하는 대표적인 두 가지의 물질은 뭐야?",
"by-product 와 etchant gas 의 OES 데이터를 토대로 무엇을 검출하여 최종 식각 종료점 검출을 결정하는 알고리즘을 설계하였니?"
] |
ee97176d-836d-48aa-8f3f-71e1335d3341
|
인공물ED
|
두 개의 기생 패치를 갖는 고 이득•광대역 SAP 안테나
|
<h1>IV. 안테나의 제작 및 특성 측정</h1> <p>그림 9에 제작된 안테나의 반사 손실을 나타내었다. 임피던스 대역폭 \( (V S W R \leq 2) \) 은 \( 2.488 \sim 2.848 \mathrm{GHz} \) \( (360 \mathrm{MHz}) \) 이며, 공진 주파수가 \( 2.63 \mathrm{GHz} \) 에서 \( 2.704 \mathrm{GHz} \)로 상향되었다. 공진 주파수가 상향된 원인은</p> <p>제작 과정에서 실린더의 외경과 기판의 내경이 정확하게 일치하지 않아 실린더의 외경을 갈아내었다. 그 결과, 모의 실험 결과보다 상향된 공진 주파수가 나타난 것으로 사료된다.</p> <p>그림 10 에 제작된 안테나의 이득과 \( 3 \mathrm{~dB} \) 축비 대역폭을 나타내었다. 축정된 최대 방사 이득은 모의 실험 결과에 비해서 \( 2.1 \mathrm{dBi} \) 감소한 \( 10.5 \mathrm{dBi} \) 를 나타내었다. \( 3 \mathrm{~dB} \) 축비 대역폭은 모의 실험 견과와 비슷한 \( 2.54-2.76 \mathrm{GHz}(220 \mathrm{MHz}) \)를 나타내었다.</p> <p>그림 11은 제작된 안테나의 방사 패턴이다. 제작된 안테나는 \( 2.63 \mathrm{GHz} \) 에서 \( 15.49 \mathrm{~dB} \) 의 FBR 특성을 나타내었으며, HPBW는 \( 45.8^{\circ} \)로 모의 실험 결과와 유사한 결과를 나타내었다.</p> <p>그림 12에 제작된 안테나의 사진을 나타내었으며, 제안된 안테나의 똑성 축정 결과 값을 표 2에 나타내었다.</p> <p>표 2에 나타낸 바와 같이 일반적인 마이크로스트립 안테나에서 발생하는 표면파 성분을 억제하기 위해 사용된 SAP 구조는 수평 및 후방 방향으로 방사 되어지는 전혁을 감소시켜 이즉이 \( 2.82 \mathrm{dBi} \) 증가하였다. 제안된 \( 0.25 \lambda_{0} \)의 간격을 갖는 3 차원 배열 SAP 안테나듸 경우에는 이득이 \( 5.22 \mathrm{dBi} \), 대역폭은 약 \( 106 \mathrm{MHz} \) 증가시킬 수 있음을 확인하였다.</p> <table border><caption>표 1. 제안된 단일 안테나의 설계 파라미터(단위: \(\mathrm{mm}\))</caption> <tbody><tr><td>설계 변수</td><td>a</td><td>b</td><td>d</td><td>\(h_{up}\)</td><td>\(h_{down}\)</td><td>h</td></tr><tr><td>길이\(\mathrm{mm}\)</td><td>29.5</td><td>29</td><td>27.8</td><td>55</td><td>1.6</td><td>20.5</td></tr><tr><td>설계변수</td><td>\(r_{in}\)</td><td>l</td><td>\(h_{g}\)</td><td>w</td><td>nl</td><td>nw</td></tr><tr><td>길이\(\mathrm{mm}\)</td><td>13.4</td><td>3.3</td><td>3</td><td>0.3</td><td>13.6</td><td>5</td></tr></tbody></table> <table border><caption>표 2. 제안된 안테나의 특성</caption> <tbody><tr><td></td><td>Microstrip antenna</td><td>SAP antenna</td><td>Proposed antenna (모의 실험)</td><td>Proposed antenna(측정 결과)</td></tr><tr><td>Gain</td><td>7.38 \(\mathrm{dBi}\)</td><td>10.20 \(\mathrm{dBi}\)</td><td>12.6 \(\mathrm{dBi}\)</td><td>10.5 \(\mathrm{dBi}\)</td></tr><tr><td>Bandwidth</td><td>59 \(\mathrm{MHz}\)</td><td>69 \(\mathrm{MHz}\)</td><td>165\(\mathrm{MHz}\)</td><td>360 \(\mathrm{MHz}\)</td></tr><tr><td>HPBW</td><td>\(92.8^{\circ}\)</td><td>\(60.7^{\circ}\)</td><td>\(41.2^{\circ}\)</td><td>\(45.8^{\circ}\)</td></tr><tr><td>FBR</td><td>17.9 \(\mathrm{dB}\)</td><td>21.7 \(\mathrm{dB}\)</td><td>18.01 \(\mathrm{dB}\)</td><td>15.49 \(\mathrm{dB}\)</td></tr></tbody></table>
|
[
"제안된 단일 안테나의 설계 파라미터를 나타낸 표에서 변수에 따른 가장 짧은 길이 값은 얼마인가?",
"제안된 단일 안테나의 설계 변수 중에 길이가 13.4 \\(\\mathrm{mm}\\)를 가지는 것은 어떤 변수인가?",
"제안된 단일 안테나의 설계 변수 중 어떤 것이 길이 20.5 \\(\\mathrm{mm}\\)를 가지는가?",
"제안된 안테나와 마이크로스트립 안테나를 비교하였을 때 어떤 변수가 \\(106\\mathrm{MHz}\\) 차이가 나는가?",
"제안된 안테나의 특성 중 어떤 특성이 마이크로스트립 안테나에서 가장 큰 값으로 나타나는가?",
"59 \\(\\mathrm{MHz}\\)의 대역폭을 가지는 안테나는 어떤 것인가?",
"안테나 중 10.20 \\(\\mathrm{dBi}\\)의 이득을 가지는 것은 어떤 것인가?",
"어떤 안테나가 10.20 \\(\\mathrm{dbi}\\)의 이득을 지니니?",
"SAP antenna의 HPBW값은 얼마인가?",
"제안된 안테나의 모의 실험에서 FBR값은 얼마인가?",
"제안된 안테나의 모의 실험과 일반 측정 결과를 비교했을 때 어떤 것의 이득이 더 큰가?",
"제안된 안테나의 측정 결과 대역폭 값은 얼마인가?",
"제작된 안테나에서 어떻게 해서 모의 실험 결과보다 상향된 공진 주파수를 가질 수 있었나?",
"제안된 안테나와 마이크로스트립 안테나의 차이가 5.22\\(\\mathrm{dBi}\\)가 나는 것은 어떤 특성인가?",
"제안된 단일 안테나의 설계 파라미터 중에 길이가 가장 긴 설계 변수는 무엇인가?",
"안테나 중에 어떤 것이 가장 높은 이득을 가지는가?",
"어떤 것이 안테나 중에 가장 높은 이득을 지니지?"
] |
f375f7fe-92e2-4948-8cfa-c9195f12fca9
|
인공물ED
|
지능형 변속 시스템을 위한 변속선도 보정기법
|
<h2>2. 변속 선도(Shift Map) 조정</h2> <h3>가. 경사도로 주행시 운전자 의지 반영에 대한 만족도 판정 모듈</h3> <p>앞 절에서 설명한 모듈 1, 2에서 운전 성향과 도로 주행 상태를 고려하여 취한 조치에 대해서 운전자의 만족도를 판정하여 세부 보정을 하고자 설계한 모듈이다.</p> <p>본 모듈의 입출력 관계는<그림 6>과 같이 설계된다. 운전자 만족도 판정 모듈에 사용되는 입력은 이전 모듈의 출력과 운전자의 조작 상태를 파악할 수 있는 스로틀 개도, 브레이크 조작 여부, 가속 저항 등이다.</p> <p>특정 판정 및 조정에 대하여 운전자의 만족도가 높은 경우에는 추후 동일한 상황이 발생할 때, 이전의 판정과 조정에 대한 신뢰도를 부여할 수 있도록 한다. 반면, 운전자의 만족도가 낮은 경우에는 추후 동일한 상황이 발생할 때, 이전의 판정과 조정을 기준으로 미세 조정을 수행하여 신뢰도를 높일 수 있도록 설계하였다.</p> <p>최상의 만족도를 \( S_{d} \), 현재의 만족도를 \( S_{k} \)라고 하면, 다음과 같은 보정식</p> <p>\( \delta=s_{d}-s_{k} \)<caption>(1)</caption></p> <p>에 의하여 미세 조정 값을 산출하여 이후 최종 변속선도 조정 시에 반영한다.</p> <p>본 모듈은 도로 상황과 경사 저항 정도를 고려한 상황에서 감속 의지와 스로틀 조작 그리고 브레이크 조작을 통해 운전자의 만족도를 판정하고 보정할 수 있는 계수를 구하고자하는 모듈로써<그림 7>에서 사용되는 입력변수(이전 모듈의 출력으로 0 또는 1)를 정리하면 다음<표 3>과 같다.</p> <p>모듈의 출력인 \( S_{k \max }, S_{k \min} \)을 결정하여 이후 세부</p> <h3>가. 운전자 운전 성향 및 도로 주행 환경을 고려한 변속선도 조정 계수 결정</h3> <p>본 모듈에서는 이전 단계에서 설계된 세부 모듈의 출력을 이용하여 최종적으로 변속선도 조정 계수를 결정하도록 학습된 모듈이다.</p> <p>최적의 변속선도 조정을 위해서는 어느 한 모듈의 결과를 선택적으로 적용하는 방법보다는 종합적이면서도 상호 보완적인 조정계수를 선택하는 것이 바람직하다. 이에 다음과 같은 수식으로 표현되는 최종 조정 계수를 이용하여 변속선도를 최적의 주행 성능을 제공할 수 있도록 조정할 수 있다.</p> <p>\( M_{P}=\left(D_{A C C}+\delta\right) D_{M}+D_{f}\left(1-D_{M}\right) \)<caption>(2)</caption></p> <p>여기서 \( \delta=s_{d}-s_{k} \)이고 \( D_{A C C} \)는 내리막 주행 시 운전자의 가속의지를 확인하기 위한 변수이다.</p> <p> <그림 8>의 변속선도 이동도에서 점선으로 표시한 부분은 동적 맵의 변화를 표시한 것이다.<식 2>에서 최종 출력인 \( M_{P} \)에 의해 표준 변속선도를 이동시키는 것이다.</p> <table border><caption>표 3. 변수와 의미</caption> <tbody><tr><td>변수</td><td>의미</td></tr><tr><td>D_ACC</td><td>감속의지 정도</td></tr><tr><td>D_M</td><td>도로 상황</td></tr><tr><td>TH_0</td><td>스로틀 조작</td></tr><tr><td>B_sw</td><td>브레이크 스위치</td></tr><tr><td>R_g</td><td>경사 저항</td></tr><tr><td>Shift_com</td><td>지령 변속단</td></tr></tbody></table>
|
[
"표 3. 변수와 의미에서 브레이크 스위치를 뜻하는 것은 어떤 변수인가?",
"표 3. 변수와 의미에서 D_ACC는 무엇을 의미하나?",
"D_M는 어떤 것을 뜻하나?",
"경사 저항은 어느 변수에 해당하는가?",
"어떤 것의 의미가 지령 변속단인가?"
] |
9ec10353-4fd0-4216-884a-dd6cf25a17f8
|
인공물ED
|
안개제거의 깊이 맵 추정을 위한 비선형 모델
|
<h1>III. 실험 및 결과</h1><p>전달량과 대기강도를 추정하면 수식 1을 통해 최종적으로 안개가 제거된 영상을 획득한다. 표 1은 안개영상의 dataset인 PRIDA2와 O-HAZY를 이용하여 제안하는 방법과 영상신호처리 기반의 안개제거 방법 및 딥러닝 기반의 안개제거 방법(DehazeNet)과의 정량적 수치평가를 나타낸다.</p><p>평가 기준으로는 안개제거 영상 품질 평가에 쓰이는 MSE(Mean Square Error), SSIM(Structural Similarity Index), 그리고 TMQI(Tone Mapped Image Quality Index)를 사용하였다. MSE는 원본 영상과 결과 영상 사이의 픽셀 값의 차이를 측정하는 것으로 낮을수록 좋으며, SSIM 및 TMQI는 각각 구조적 유사성과 영상 품질척도를 나타내며 값이 높을수록 좋으며, 제안하는 모델이 대표적인 안개제거 모델과의 비교에서 동등 이상결과를 보여준다.</p><p>그림 4는 정성적 평가를 위해 입력 안개 영상, Zhu가 제안한 선형 모델에 기반한 결과 영상, 제안하는 방법의 결과 영상으로, 전체적으로 안개가 효과적으로 제거될 분만 아니라, Zhu 방법에 비해 색상 표현에서 우수한 것을 알 수 있다.</p><table border><caption>표 1. PRIDA2와 O-HAZY 데이터에 대한 MSE, SSIM, TMQI 결과 수치</caption><tbody><tr><td></td><td colspan=3>PRIDA2</td><td colspan=3>0-HAZY</td></tr><tr><td>Method</td><td>MSE</td><td>SSIM</td><td>TMQI</td><td>MSE</td><td>SSIM</td><td>TMQI</td></tr><tr><td>He</td><td>0.0745</td><td>0.5969</td><td>0.7291</td><td>0.0200</td><td>0.7709</td><td>0.8403</td></tr><tr><td>Tarel</td><td>0.0611</td><td>0.7054</td><td>0.7314</td><td>0.0283</td><td>0.7263</td><td>0.8416</td></tr><tr><td>Zhu</td><td>0.0744</td><td>0.5473</td><td>0.7385</td><td>0.0274</td><td>0.6647</td><td>0.8118</td></tr><tr><td>DehazeNet</td><td>0.0679</td><td>0.6187</td><td>0.7366</td><td>0.0266</td><td>0.6999</td><td>0.8413</td></tr><tr><td>Proposed</td><td>0.0639</td><td>0.06747</td><td>0.7372</td><td>0.0251</td><td>0.7135</td><td>0.8679</td></tr></tbody></table>
|
[
"표 1은 PRIDA2와 어떤 데이터에 관한 것이지?",
"안개영상의 dataset은 무엇인가?",
"안개제거 방법에는 영상신호처리 기반과 어떤 기반의 안개제거 방법이 있지?",
"무엇을 추정하면 수식 1을 통해 최종적으로 안개가 제거된 영상을 얻을 수 있는기?",
"전달량과 대기강도를 통해 무엇을 얻을 수 있는가?",
"PRIDA2와 O-HAZY 데이터에 대한 무엇의 결과 수치를 표1에서 나타냈는가?",
"SSIM의 결과 수치가 Zhu에서<td>0.5473</td>일때는 어떤 데이터에 해당하는가?",
"O-HAZY 데이터에서 TMQI 결과 수치가 0.8679이면 어떤 방법에 해당하니?",
"O-HAZY 데이터에서 SSIM 결과 수치가 0.6647라면, 이는 무슨 방법의 결과야?",
"PRIDA2 데이터에서 MSE와 Tarel일때의 수치는 몇인가?",
"무엇이 Mean Square Error의 약자인가?",
"Structural Similarity Index의 약자는 뭐야?",
"Tone Mapped Image Quality Index의 약자는 무엇이라고 하는가?",
"안개제거 영상 품질 평가에는 MSE, SSIM 그리고 무엇이 있지?",
"원본 영상과 결과 영상 사이의 픽셀 값의 차이를 측정하는 것으로 낮을수록 좋은 안개제거 영상 품질 평가 방법은 무엇이지?",
"구조적 유사성을 나타내고 값이 높을 수록 좋은 안개제거 영상 품질 평가 방법은 무엇이지?",
"무엇이 영상 품질척도를 나타내며 값이 높을수록 좋은가?"
] |
d652a6c3-4b9a-40a5-a136-77c45b44a221
|
인공물ED
|
팔라듐이 코팅된 광섬유 격자를 이용한 절연유속의 용존 수소가스 검출
|
<h1>1. 서 론</h1><p>특고압용 변압기에 전기 절연을 위해 절연유가 사용된다. 변압기의 내부에 이상 현상 즉, 방전, 아킹, 국부과열등이 생기면 접촉한 절연유, 절연지, 프레스보드, 백크라이트 등의 절연재료가 열의 영향을 받아 분해하여 \( \mathrm{CO}_{2}\) , \(\mathrm{CO}\), \(\mathrm{H}_{2}\), \(\mathrm{CH}_{4}\), \(\mathrm{C}_{2} \mathrm{H}_{2} \) 등의 탄화수소가스를 발생하며 이 대부분의 가스들은 절연유에 용해된다. 이러한 가스의 농가가 높아지면 절연유의 절연 특성이 나빠져 변압기의 고장을 발생시킨다. 변압기내의 절연유를 채취하여 가스크마토 그래피 (gas chromatography) 방법으로 가스의 양과 조성에 따라 내부이상의 유무 및 그 정도를 추정할 수 있다. 이러한 변압기의 유중 가스분석 방법은 높은 신뢰성을 제공하지만 측정 분석에 큰 비용과 긴 시간이 필요하다. 한편 여러 가스 중 특히, 수소가스는 다른 가스와 비례하여 증가하는 특성이 있어 수소가스만을 검출하여 절연유내에 가스용해상태를 분석하는데 유용하게 이용된다.</p><p>광섬유형 수소 센서는 전기가 직접 흐를 필요가 없기 때문에 전기 방전에 의한 수소 폭발의 위험이 없고 전자파 장애가 발생하지 않으며 원거리 측정이 가능하여 현존하는 센서의 결점을 해결할 수 있다. 수소 검출 멤브레인으로 팔라듬(Palladium:\(\mathrm{pd}\))은 수소에 대한 선택성이 높아 다양한 형태의 광섬유형 수소센서에 적용 되고 있다.</p><p>본 논문은 절연유속에 용존 수소 농도를 측정하는 방법으로 팔라듐이 코팅된 광섬유 격자를 이용하는 방법을 도입하였다. 대기중의 수소농도를 측정하는 센서로 광섬유 격자를 이용하는 방법은 잘 알려 져 있다. 수소가스가 광섬유 격자위에 코팅된 팔라듐에 침투하면 팔라듐이 팽창하여 광섬유 격자가 늘어나게 된다. 결과적으로 광섬유 격자 간격이 늘어나서 광섬유 격자의 브래그 파장이 장파장으로 이동하는 현상을 이용하여 수소 검출 센서로 활용 가능하다. 본 실험을 통해 감도를 높이는 방법으로 광섬유 클래딩을 식각하여 얇게 하면 팔라듐의 팽창이 광섬유 격자에 더 효과적으로 전달되어 수소노출에 따른 브래그 파장의 이동감도가 높아지는 것을 확인 하였다.</p>
|
[
"전기가 직접 흐를 필요가 없기 때문에 전기 방전에 의한 수소 폭발의 위험이 없으며, 또한 전자파 장애가 발생하지 않으며 원거리 측정이 가능하여 현존하는 센서의 결점을 해결할 수 있는 이 센서의 명칭은 무엇인가?",
"수소 검출 멤브레인으로 팔라듬(Palladium:\\(\\mathrm{pd}\\))은 수소에 대한 선택성이 낮아서, 다양한 형태의 광섬유형 수소센서에 적용되기는 어려운가?",
"광섬유형 수소 센서의 장점은 무엇인가?",
"수소가스가 광섬유 격자위에 코팅된 팔라듐에 침투하면 팔라듐이 팽창하여 광섬유 격자가 늘어나게 되는데, 늘어난 광섬유 격자의 어떠한 현상을 이용하여 수소 검출 센서로 활용하는가?",
"변압기내의 절연유를 채취하여, 가스의 양과 조성에 따라 내부이상의 유무 및 그 정도를 추정하기위해 사용하는 방법은 무엇인가?",
"변압기의 내부에 이상 현상 즉, 방전, 아킹, 국부과열등이 생기면 접촉한 절연유, 절연지, 프레스보드, 백크라이트 등의 절연재료가 열의 영향을 받아 분해하여 발생되는 탄화수소가스는 무엇인가?",
"특고압용 변압기에 전기 절연을 위해 사용되는 것은 무엇인가?",
"변압기의 유중 가스분석 방법의 장점은 무엇인가?",
"무엇이 높아지면 절연유의 절연 특성이 나빠지는가?",
"절연유에 용해된 탄화수소 가스의 농가가 높아져서 절연 특성이 나빠지면, 어떠한 문제가 발생되는가?",
"수소가스만을 검출하여 절연유내에 가스용해상태를 분석하는데 유용하게 사용되는 이유는 수소가스의 어떠한 특징때문인가?",
"여러 가스 중, 특히 절연유내에 가스용해상태를 분석하는데 유용하게 이용되는 가스는 무엇인가?",
"변압기내의 절연유를 채취하여 가스크마토 그래피 (gas chromatography) 방법으로 추정할수 있는 내용은 무엇인가?",
"본문에서 연유속에 용존 수소 농도를 측정하기 위해 사용한 방법은 무엇인가?",
"감도를 높이는 방법으로 광섬유 클래딩을 식각하여 얇게 하면, 팔라듐의 팽창이 광섬유 격자에 더 효과적으로 전달되어지고 수소노출에 따른 어떤 파장의 이동감도가 높아졌는가?",
"본문의 실험을 통하여 감도를 높이는 방법으로 광섬유 클래딩을 식각하여 얇게 하면 팔라듐의 수축이 광섬유 격자에 더 효과적으로 전달되어 수소노출에 따른 브래그 파장의 이동감도가 높아지는 것을 확인 하였는가?",
"이상 현상으로 변압기의 내부에 절연재료가 열의 영향을 받아 분해하여 \\( \\mathrm{CO}_{2}\\) , \\(\\mathrm{CO}\\), \\(\\mathrm{H}_{2}\\), \\(\\mathrm{CH}_{4}\\), \\(\\mathrm{C}_{2} \\mathrm{H}_{2} \\) 등의 탄화수소가스가 생기는데, 이 대부분의 가스들은 절연유에 용해되는게 어려워?",
"유중 가스분석 방법을 사용하는 변압기는 높은 신뢰성과 함께, 큰 비용과 긴 시간이 측정 분석에 소요되는가?"
] |
85f9d0bf-815f-4795-a270-12d8f4f15925
|
인공물ED
|
팔라듐이 코팅된 광섬유 격자를 이용한 절연유속의 용존 수소가스 검출
|
<h1>3. 특성측정 및 분석</h1><p>실험에 사용된 광섬유는 코어지름 \( 8.2 \mu \mathrm{m} \) 이고 클래딩 외경이 \( 125 \mu \mathrm{m} \) 인 통신용 단일모드 광섬유를 사용하였다. 실온에서 브래그 파장은 \( 1550 \mathrm{~nm} \) 근처로 제작하였다. 격자가 새겨진 길이는 \( 10 \mathrm{~mm} \) 이며 한쪽 끝 단을 자른 후 HF와 증류수를 \( 1: 1 \) 로 희석한 용액으로 광섬유 클래딩을 습식식각(wet etching)하였다. 실온에서 식각 속도는 약 \( 0.26 \mu \mathrm{m} / \mathrm{mim} \).으로 나타났다. Fig. 2는 광섬유 식각하기 전 후 클래딩 두께를 비교한 사진이다. 실험에는 식각 전의 클래딩이 \( 125 \mu \mathrm{m} \)인 광섬유 격자와 식각 후 클래딩의 두께가 약 \( 30 \mu \mathrm{m} \)인 두개의 광섬유 격자를 사용하여 그 특성을 비교하였다. 식각된 광섬유 클래딩의 한 쪽 면에 \( \mathrm{Cr} \) \( 2 \mathrm{~nm} \) 와 \( \mathrm{Pd} \) \( 147 \mathrm{~nm} \) 를 증착하였다. Fig. 3은 증착된 Pd 필름의 두께 측정을 위한 Scanning Electron Microscope (SEM) 사진이다.</p><p>제작된 광섬유 격자형 수소센서가 절연유속에 녹아 있는 수소를 검출할 수 있는지 실험으로 확인하기위하여 Fig. 4과 같이 실험장치를 구성하였다. Fig. 4과 같이 절연유에 수소와 질소 혼합가스 (질소 \( 96\%\)+질소 \( 4 \% \) ) 를 주입하면서 시간에 따른 센서의 반응을 검출하였다. 유량계를 통해 주입되는 가스량은 분당 약 \( 0.2 \mathrm{~L} \)가 되도록 주입 속도를 조절하였으며, 핫플레이트(hot plate)로 절연유의 온도를 \( 21^{\circ} \mathrm{C} \) 로 설정하였다. 실험에 사용된 절연유는 동남석유공업(주)의 B10TRAN35 모델이였다.</p><p>수소가스를 절연유에 골고루 빠르게 녹이기 위해 구멍이 여러 개 파인 관을 이용해 절연유 속으로 침투시켰다. 시간이 지나면 절연유속의 수소가 포화 될 때까지 절연유속의 수소공도가 서서히 증가한다. 절연유가 담긴 용기 내부 기압은 대기압상태로 유지되도록 하였다.</p><p>Fig. 5는 클래딩이 \( 30 \mu \mathrm{m} \) 소자를 이용하여 수소 주입하기 시작한 후 시간 경과에 따른 브래그 파장을 광스펙트럼 분석기 (optical spectrum analyzer) 로 측정한 결과이다 \( 21^{\circ} \mathrm{C} \) 에서 수소 주입 후 포화되는 데 까지 4시간 이상 소요됨을 알 수 있다. 시간이 지남에 따라 수소농도가 변압기용 절연유에 포화상태로 되었을 때 브래그 파장은 약 \( 70 \mathrm{~nm} \) 이동하는 것을 알 수 있었다. Fig. 6(a)는 식각을 통해 클래딩 두께가 \( 30 \mu \mathrm{m} \) 소자의 수소주입 전후의 브래그 파장으로 이동 간격은 \( 70 \mathrm{pm} \) 이다. 그림6(b)를 통해서 알 수 있듯이 식각 하지 않은 소자의 경우 브래그 파장 이동은 \( 20 \mathrm{pm} \) 로 식각한 소자의 이동 거리의 \( 1 / 3 \) 이하로 측정되었다. 광섬유 클래딩 식각을 통해 감도를 더 높일 수 있다는 사실을 알 수 있다. 절연유에 녹아 있는 수소 농도가 포화되었을 때 절연유를 채취하여 gas chromatography 장치를 이용하여 수소농도를 측정한 결과 \( 409 \mathrm{ppm} \) 으로 나타났다.</p><p>본 본문으로 알 수 있는 사실은 팔라듐이 코팅된 광섬유격자를 이용한 수소감지기는 대기중이 있는 수소가스뿐 만 아니라 절연유 속에 녹아 있는 수소가스 검출도 가능함을 알 수 확인 할 수 있었다. 광섬유 격자를 이용한 수소 검출의 감도는 여러 변수에 의해 개선될 여지가 있을 것으로 보인다. 팔라듐의 두께와 식각된 광섬유 클래딩의 두께도 중요한 변수로 작용할 것이다. 향후 이러한 소자 구조 변수가 감도에 미치는 영향과 주위 온도가 센서 특성이 미치는 영향 등은 계속 연구할 필요가 있다.</p>
|
[
"절연유에 수소가스를 빠르게 녹이려면 어떻게 해?",
"클래딩이 \\( 30 \\mu \\mathrm{m} \\) 소자를 이용하여 수소 주입한 후, 어떤 장비로 시간에 따른 브래그 파장을 측정할까?",
"\\( 21^{\\circ} \\mathrm{C} \\) 에서 수소 주입 후 포화되는 데 까지 하루 이상 소요될까?",
"Pd 필름 두께 측정을 위해 어떤 현미경을 사용해?",
"수소가스를 절연유에 녹인 후 절연유 용기 내부 기압은 저기압인 상태로 유지가 될까?",
"절연유에 수소가스를 녹인 후에 절연유속의 수소가 포화가 될 때 절연유속의 무엇이 천천히 증가해?",
"식각 전과 후의 특성을 비교하려면, 식각된 광섬유 클래딩의 한 쪽 면에 무엇을 증착해?",
"제작된 광섬유 격자형 수소센서가 절연유 속에 녹아 있는 수소를 검출할 수 있는지 확인하기 위한 방법이 뭘까?",
"식각을 하지 않은 소자의 브래그 파장 이동 거리가 어떻게 돼?",
"시간 경과에 따른 브래그 파장을 광스펙트럼 분석기로 측정하는데, 무엇을 통해 감도를 더 높일 수 있을까?",
"절연유에 녹아 있는 수소 농도가 포화됐을 때 그 절연유를 채취하여 수소농도를 측정하는 장치가 뭐야?",
"유량계로 주입하는 가스량의 주입 속도는 분당 약 \\( 0.5 \\mathrm{~L} \\) 정도야?",
"절연유에 수소가스를 녹인 뒤, 절연유속의 수소가 포화 될 때까지 절연유속의 수소공도가 천천히 감소해?",
"변압기용 절연유에 수소농도가 포화상태일 때 브래그 파장은 얼마정도 이동해?",
"광섬유 클래딩을 습식식각(wet etching) 할 때 HF와 증류수를 \\( 1: 2 \\) 비율로 희석했어?",
"실험에 사용된 절연유의 모델명이 뭐야?",
"식각을 통해 클래딩 두께가 \\( 30 \\mu \\mathrm{m} \\) 소자의 수소주입 전후의 브래그 파장으로 이동한 간격이 얼마일까?",
"식각을 안한 소자의 브래그 파장 이동은 \\( 20 \\mathrm{pm} \\) 로 식각한 소자의 이동 거리의 \\( 1 / 3 \\) 이상으로 측정될 수 있어?",
"식각된 광섬유 클래딩의 두께와 팔라듐의 두께도 수소가스를 검출하는데에 중요한 변수로 작용될까?",
"광섬유격자에 팔라듐을 코팅하여 사용한 수소감지기는 무엇을 검출할 수 있을까?",
"대기중과 절연유 속에 녹아 있는 수소가를 검출할 수 있는 것이 뭘까?"
] |
f6b145f8-1e50-4613-b02b-bf40daab2f1a
|
인공물ED
|
팔라듐이 코팅된 광섬유 격자를 이용한 절연유속의 용존 수소가스 검출
|
<h1>2. 구조 및 동작 원리</h1><p>Fig. 1은 본 논문에서 제안된 절연유속의 수소 농도 측정용 센서구조 이다. 절연유에 용해된 수소 분자가 팔라듐에 노출되면 수소분자는 원자로 분리되어 팔라듐 내부로 침투하게 된다. 수가소 팔라듐에 침투하면 팔라듐의 팽창으로 광섬유도 같이 팽창하고 광섬유 격자의 간격이 변하게 된다. 제안된 센서 소자에서 광섬유 격자 부분의 클래딩 두께는 처음 \( 125 \mu \mathrm{m} \) 인데 이를 식각(etching)하여 클래딩 두께를 줄인다. 광섬유 클래딩을 식각하면 가늘어져 팔라듐의 팽창이 광섬유의 팽창으로 쉽게 전달된다. 광섬유 격자의 간격과 브래그 파장(Bragg wavelength)사이의 관계는 아래 식으로 주어진다.</p><p>\( \lambda_{\mathrm{B}}=2 \mathrm{n}_{\mathrm{eff}} \Lambda \)<caption>(1)</caption></p><p>여기서 \( \mathrm{n}_{\mathrm{eff}} \)는 광섬유의 유효 굴절률, \( \Lambda \)은 광섬유 격자의 간격을 의미한다. 브래그 파장에서 가장 큰 반사를 일으킨다. 광섬유 클래딩을 식각 할 때 주의할 점은 식각 과정에서 클래딩 두께를 지나치게 가늘게 하면 광섬유 모드가 소멸장(evanescent field)에 의해 팔라듐 박막에 의해 흡수된다. 통신용 단일모드 광섬유의 경우 식각 후 클래딩의 두께가 \( 20 \mu \mathrm{m} \) 이하이면 이런 현상이 발생할 수 있다. 그림 1 의 구조에서 \( \mathrm{Cr} \) 층은 광섬유와 팔라듐 사이의 접착력을 높이기 위한 층이며 이며 최소한의 두께로 증착 한다.</p>
|
[
"\\( \\lambda_{\\mathrm{B}}=2 \\mathrm{n}_{\\mathrm{eff}} \\Lambda \\)<caption>(1) 에서 \\( \\mathrm{n}_{\\mathrm{eff}} \\) 는 무엇을 지칭하는가?",
"제시된 센서 소자의 광섬유 격자 부분의 최초의 클래딩 두께는 몇 \\( \\mu \\mathrm{m} \\) 인가?",
"팔라듐에 수소가 침투하면 팔라듐의 팽창으로 광섬유도 팽창하게 되고, 광섬유 격자는 어떻게 되는가?",
"광섬유를 가늘게 만들어 팔라듐의 팽창이 광섬유의 팽창으로 쉽게 전달되도록 하기 위해서는, 광섬유를 어떻게 해야 하는가?",
"수소분자가 무엇에 용해되어 팔라듐에 노출되면 수소분자는 원자로 나뉘어 팔라듐 안으로 침투하는가?",
"통신용 단일모드 광섬유는 식각 후 클래딩의 두께가 몇 \\( \\mu \\mathrm{m} \\)이하이면, 광섬유 모드가 소멸장(evanescent field)에 의해 팔라듐 박막에 의해 흡수되는가?",
"제시된 센서 소자에서 광섬유 격자 부분의 클래딩 두께는 최초에는 \\( 125 \\mu \\mathrm{m} \\)이며, 클래딩 두께를 줄이는 과정을 무엇이라 하는가?",
"\\( \\lambda_{\\mathrm{B}}=2 \\mathrm{n}_{\\mathrm{eff}} \\Lambda \\)<caption>(1)에서 \\( \\Lambda \\)은 무엇을 의미하는가?",
"수소 분자가 절연유에 용해되어 팔라듐에 노출되면 ,수소분자는 무엇으로 분리되어 필라듐의 안쪽으로 침투하는가?",
"광섬유 클래딩 식각 과정에서 클래딩 두께가 너무 가늘면, 소멸장(evanescent field)에 의해 광섬유 모드가 팔라듐 박막에 흡수되는가?",
"본문에서 제시한 절연유속의 수소 농도 측정용 센서구조는 무엇인가?",
"\\( \\lambda_{\\mathrm{B}}=2 \\mathrm{n}_{\\mathrm{eff}} \\Lambda \\)<caption>은 광섬유 격자의 간격과 무엇 사이의 관계에 주어진 식인가?",
"본 논문에서 가장 큰 반사를 일으키는 곳은 어디인가?",
"그림 1의 구조가운데 광섬유와 팔라듐 사이의 접착력을 증가시키기 위한 층은 \\( \\mathrm{Cr} \\)이며, \\( \\mathrm{Cr} \\)층은 어떻게 증착되는가?",
"광섬유 클래딩을 식각 할 경우에 가장 조심해야 할 부분은 무엇인가?"
] |
10477d0c-54cc-42b7-a5df-22b78c682e44
|
인공물ED
|
팔라듐이 코팅된 광섬유 격자를 이용한 절연유속의 용존 수소가스 검출
|
<h1>4. 결 론</h1><p>절연유속에 용해된 수소가스를 검출하는 기술은 고가의 특고압 변압기의 유지 관리에 중요한 기술이다. 본 논문에서는 광섬유 격자를 식각하고 그 위에 팔라듐을 코팅하여 절연유에 용해 된 수소가스 검출이 가능함을 보였다. 팔라듐이 수소를 흡수하면 팽창하는 특성을 이용하여 광섬유 격자의 이동현상을 관측하였다. 광섬유 격자의 클래딩을 식각하여 감도를 높일 수 있음을 확인하였다. 향후 감도를 개선하는 연구와 신뢰성을 분석하는 추가 연구가 필요하겠다.</p>
|
[
"본 논문에서 어떤 물질을 광섬유 격자에 코팅할 때 수소가스 검출이 가능한 것을 알 수 있는가?",
"본 논문에서 광섬유 격자를 식각하고 그 위에 팔라듐을 코팅하면 어떤 가스가 검출될 것인가?",
"팔라듐이 수소를 흡수하면 팽창하는 특성을 이용하면 관찰할 수 있는 현상은 무엇인가?",
"광섬유 격자의 클래딩을 식각하면 감도를 낮출 수 있니?",
"광섬유 격자의 클래딩을 식각할 경우에 감도를 낮추는게 가능하지",
"광섬유 격자를 식각하고 그 위에 팔라듐을 코팅한다면 절연유에 용해된 무슨 가스가 검출되는가?"
] |
beda0861-eb5a-4fa2-9eb5-f99b0f2ea1f7
|
인공물ED
|
택배 자동 분류를 위한 주소영역 검출 알고리즘
|
<h3>3.4.4 검출된 테두리선이 수평으로 놓여 있을 때 주소 영역 추출</h3> <p>후보 라벨 영역이 수평이라고 3.4.2절에서 판단이 내려지면 수평이 아닐 때처럼 최외각 꼭지점을 찾는다. 이렇게 찾아진 4개의 최외각 꼭지점은 바로 택배 라벨의 주소 영역을 둘러싸고 있는 사각형의 4 개의 꼭지점이 된다. 이를 그림 12에 나타내었다.</p> <p>최종적으로 이 사각형 영역과 원 영상과의 논리적 곱을 통하여 택배 라벨의 주소 영역을 추출할 수 있다.</p> <p>그림 13은 제안한 주소 영역 검출 알고리즘의 흐름도이다.</p> <h1>4. 실험 결과</h1> <p>본 연구에서 제안한 전처리 알고리즘과 주소 영역 검출 알고리즘의 성능을 평가하기 위해 실제 시스템에서 획득한 영상을 이용하여 컴퓨터 모의 실험을 행하였다. 사용한 영상은 \( 4096 \times \) 4096의 크기를 가진 영상을 사용하였고, 인텔사의 셀룰론 CPU \( 1 \mathrm{GHz} \) 와 \( 512 \mathrm{MB} \)의 DRAM을 탑재한 개인용 컴퓨터를 사용하여 알고리즘을 수행하였다.</p> <p>획득된 영상에서 최종적으로 검출된 주소 영역은 그림 14에 나타내었다. 그림에서 보는 것처럼 정확히 주소 영역을 검출하는 것을 볼 수 있다. 본 연구에서 제안한 알고리즘의 수행 속도를 알아보기 위하여 전체 알고리즘의 수행 시간을 조사하였다. 본 연구에서 제안한 방법들을 하나씩 추가해 가면서 총 4가지 경우로 나누어 알고리즘을 수행하였고, 각각에 대하여 수행 시간을 조사 하였다. 각각의 경우는 다음과 같으며 본 논문에 서 제안한 방법은 마지막 네 번째 경우이다.</p> <p>1. 첫 번째 경우</p> <p>(1) 관심 영역을 찾지 않고 전체 영상에 대하여 알고리즘 수행</p> <p>(2) 문터치화 과정과 라벨링 과정을 따로 수행</p> <p>(3) 라벨링 수행시 화소 단위로 탐색</p> <p>2. 두 번째 경우</p> <p>(1) 관심영역을 찾아 관심 영역내에서 알고리즘 수행</p> <p>(2) 문턱치화 과정과 라벨링 과정을 따로 수행</p> <p>(3) 라벨링 수행시 화소 단위로 탐색</p> <p>3. 세 번째 경우</p> <p>(1) 관심 영역을 찾아 관심 영역내에서 알 고리즘 수행</p> <p>(2) 문턱치화 과정과 라벨링 과정을 같이 수행</p> <p>(3) 라벨링 수행시 화소 단위로 탐색</p> <p>4. 네 번째 경우</p> <p>(1) 관심 영역을 찾아 관심 영역내에서 알 고리즘 수행</p> <p>(2) 문턱치화 과정과 라벨링 과정을 같이 수행</p> <p>(3) 라벨링 수행시 화소 단위로 탐색하지 않고 수직 방향으로 일정한 간격을 두고 탐색하고, 수평 방향으로는 라벨이 할당된 화소들을 만나면 라벨이 할당된 화소들의 최대 좌표점으로 이동하여 이동된 좌표점부터 다시 탐색을 수행</p> <p>4가지 경우에 대한 결과는 표 1에 나타내었다. 표 1에서 보는 것처럼 관심 영역의 설정, 문턱치 화와 라벨링 과정을 동시에 수행, 그리고 라벨링 수행시 화소 탐색 방법과 같이 제안한 알고리즘의 기술적 내용을 하나씩 추가 할 때마다 수행 시간이 단축됨을 알 수 있다. 시스템에서의 제한 조건은 물체가 \( 1 \sim 2 \mathrm{~m} / \mathrm{sec} \)의 속도로 이동하도록 되 어 있다. 최종적으로 제안한 알고리즘의 수행시간 이 평균 \( 0.186 \mathrm{sec} \), 최소 \( 0.110 \mathrm{sec} \), 및 최대 \( 0.540 \mathrm{sec} \) 로 제안한 알고리즘은 시스템의 제한 조건내에서 충분히 수행될 수 있음을 알 수 있다.</p> <table border><caption>표 1. 각 수행 단계별 알고리즘 수행 시간 (sec.)</caption> <tbody><tr><td>step Test image\Tesr</td><td>First case</td><td>Second case</td><td>Third case</td><td>Fourth case</td></tr><tr><td>Image 1</td><td>3.903</td><td>3.603</td><td>2.877</td><td>0.110</td></tr><tr><td>lmage 2</td><td>4.267</td><td>3.480</td><td>2.823</td><td>0.143</td></tr><tr><td>lmage 3</td><td>5.037</td><td>2.713</td><td>2.393</td><td>0.540</td></tr><tr><td>lmage 4</td><td>3.957</td><td>1.960</td><td>1.463</td><td>0.143</td></tr><tr><td>lmage 5</td><td>3.660</td><td>2.030</td><td>1.643</td><td>0.110</td></tr><tr><td>lmage 6</td><td>4.873</td><td>1.447</td><td>1.170</td><td>0.127</td></tr><tr><td>lmage 7</td><td>4.800</td><td>2.000</td><td>1.720</td><td>0.170</td></tr><tr><td>lmage 8</td><td>4873</td><td>1.227</td><td>1.043</td><td>0.110</td></tr><tr><td>Image 9</td><td>4.687</td><td>1.907</td><td>1.587</td><td>0.220</td></tr><tr><td>Average process time</td><td>4.451</td><td>2.263</td><td>1.858</td><td>0.186</td></tr></tbody></table>
|
[
"First case에서 Image 1의 수행시간은 얼마야?",
"Image 1의 수행시간이 가장 긴 case는 어떤거야?",
"lmage 3에서 두번째로 긴 수행시간을 가진 case는 무엇일까?",
"어떤 image가 2.000의 수행시간을 가지고 있을까?",
"First case에서 가장 긴 수행시간을 가진 이미지는 무엇인가?",
"First case에서 두번째로 적은 수행시간 값을 가진 이미지는 무엇이냐?",
"First case에서 어떤 이미지가 수행시간이 가장 짧을까?",
"Second case에서 수행속도 값이 이미지 6 보다 적은 이미지는 무엇일까?",
"Second case에서 가장 적은 수행속도 값은 얼마니?",
"Second case에서 어떤 이미지가 두번째로 수행속도 값이 크나?",
"Second case에서 최고치의 수행속도는 얼마인가?",
"표 1을 참고하면, Second case에서 최고치의 수행속도는 얼마가 되지",
"어떤 값이 Third case에서 두번째로 큰 수행속도인가?",
"Third case에서 이미지 2의 수행속도 값 보다 더 큰 값을 가진 이미지는 어떤걸까?",
"Third case에서 이미지 8의 수행속도과 차이가 가장 적은 수행속도 크기는 얼마지?",
"Fourth case에서 최대값의 수행속도는 어떤거야?",
"Fourth case에서 가장 많은 개수의 수행속도는 무엇이지?",
"Fourth case에서 이미지 2와 동일한 수행속도 값을 가진 이미지는 어떤거니?",
"Fourth case에서 최대치의 수행속도와 가장 가까운 값은 얼마니?",
"평균 수행 시간이 가장 긴 것은 어떤 case인가?",
"어떤 case가 평균 수행 시간 값이 가장 적을까?",
"평균 수행 시간 값이 1.858인 것은 어떤 csse냐?",
"lmage 2에서 가장 적은 수행시간을 가진 case는 어떤거야?",
"lmage 4의 Third case에서 수행시간은 얼마지?",
"First case에서 이미지 9의 수행시간은 얼마일까?",
"Third case에서 최소치의 수행속도를 가진 이미지는 무엇이냐?"
] |
8925cf2e-66c6-45d8-9b96-f0b11b6b43ba
|
인공물ED
|
작은 크기의 Warp 스케쥴러 기반 SIMT구조 고성능 모바일 GPGPU 설계
|
<h1>II. 작은 크기 Warp Scheduler를 갖는 SIMT 구조</h1><h2>1. Thread 병렬처리 기술</h2><p>프로그램을 thread로 처리하는 경우 process로 처리하는 것보다 병렬처리에 매우 용이하다. Thread는 Process내에서 동작되는 여러 실행의 흐름으로 그림 1 과 같이 Process내의 주소 공간이나 자원(code, data, heap영역)을 thread끼리 공유하면서 실행 된다.</p><p>Multi-Process는 그림 2 와 같이 운영체제로 부터 process마다 독립적인 자원(code, data, heap영역)이 할당되기 때문에 자원의 낭비와 process변경시 Context Switching이라는 오버헤드가 발생하여 실행 시간 지연 부담을 갖는다.</p><p>Thread는 Process에 비하여 적은 수의 명령어를 갖기 때문에 Process보다 많은 수의 thread가 발생하는 단점은 있지만 GPGPU와 같이 다수의 core를 이용하여 thread 병렬처리 수를 높이면 Muli-process가 갖는 단점을 보완하면서 thread 장점을 높일 수 있는 병렬처리 기술이다.</p><h2>2. SIMT구조</h2><p>Multi-thread는 Multi-core를 사용하여 공유자원의 갯수를 늘리게 되면 자원의 효율을 최대로 사용하며 thread와 thread의 전환에 필요한 지연시간이 없기 때문에 속도를 빠르게 할 수 있다.</p><p>GPGPU는 기존의 데이터 병렬처리 개념인 SIMD (Single Instruction Multiple Data)에 Multi-thread의 장점을 활용한 SIMT(Single Instruction Multiple Thread) 기술을 사용한다. 그림 3은 SIMD와 SIMT의 차이를 설명한다. GPGPU의 SIMT는 명령어별로 각각 별도의 데이터를 사용하기 때문에 병렬처리에서 SIMD에 비하여 더욱 성능을 개선할 수 있다.</p><h2>3. Thread단위 Warp Scheduler 설계</h2><p>SIMT구조 GPGPU에서 Multi-thread를 관리하기 위해 Warp Scheduler를 두게 된다. Warp Scheduler는 Instruction Cache, Instruction Fetch, Stream Processor 사이에서 thread간의 자원충돌을 회피하기 위해 중재(arbitration) 역할을 하게 된다.</p><p>Warp Scheduler는 Host CPU로 부터 warp mask, thread mask 정보를 받아 어떤 warp이 활성화 되었는지 확인하고 활성화된 warp은 명령어 페치를 위한 PC(Program Counter)주소를 전달하고 이 주소는 명령어 캐시로 전달되어 실행 명령어를 페치하게 된다.</p><p>이 때, warp scheduler는 여러 개의 thread를 묶음으로 하기 때문에 warp단위 활성화를 찾게 된다. Nvidia사의 GPGPU에서는 Fermi, Kepler 구조 모두 Threads/ Warp \(=32\)로 설계되어 있다.</p><p>Warp size는 idle cycle, coalescing rate, IPC(Instruction Per Cycle)에 영향을 주는 데 선행연구를 보면 그림 4 와 같이 4 개의 benchmark에서 warp size \( =8 \) 이 size \( =64 \) 에 비해 \( 20 \% \) 이상 idle cycle이 개선되는 것을 볼 수 있다.</p><p>본 논문에서는 Threads/ Warp=4로 설계하여 warp size를 작게 하면서도 thread mask에 따라 thread 단위로 개별적 활성화를 통하여 다음과 같이 2 가지 방법으로 GPGPU의 고성능화를 달성하게 된다.</p><ul><li>Pipeline idle cycles을 줄인다.</li><li>Memory latency을 줄인다.</li></ul><h3>1) Pipeline idle cycles을 줄이는 설계</h3><p>Warp기반의 Multi-threading에서는 여러 개의 warp이 동시에 명령어 요청을 하게 되고 warp scheduler는 그중 하나를 선택하여 명령어 페치 유닛에 전달하게 되는데 본 연구에서는 활성화된 Warp들을 라운드 로빈(Round Robin)방식으로 선택한다. 라운드 로빈 방식을 채택한 이유는 어느 한쪽의 Warp만 연속해서 수행하게 될 때 해당 warp에 포함된 thread간에 dependency가 존재할 때 stream process내부 pipeline stall에 의한 idle cycle이 발생한다. 이에 대한 해결방안은 그림 5 와 같이 idle 발생이 감지되면 해당 warp은 비활성화 되고 warp scheduler는 라운드 로빈 방식으로 다음 활성 warp으로 명령어 페치 권한을 넘기게 된다.</p><h3>2) Memory latency을 줄이는 설계</h3><p>메모리 접근 명령어가 처리될 때 캐시 miss시 stream processor의 pipeline stall이 발생하며 이때 miss penalty를 처리하기 위한 cycle수는 경우에 따라 수백 cycle이 될 수 있다. 본 논문에서는 이러한 문제를 작은 크기의 warp scheduling으로 그림 6 과 같이 해결하였다.</p><p>한 warp의 쓰레드중 캐시 miss가 발생하면 데이터가 hit 될 때까지 그 warp은 대기열에 대기하고 다음 wrap 의 메모리 요청을 처리한다. 대기열에는 아직 thread의 miss가 처리되지 않은 warp들이 대기하고 있다. 다른 warp의 명령어를 처리하는 중에 대기하고 있는 warp들을 라운드 로빈 방식으로 해당 warp의 thread가 hit 되었는지 검사한다. Thread의 miss가 모두 처리된 warp은 write back 모듈로 보내진다. 한 Warp에서 Miss가 발생해도 다음 Warp의 명령어를 처리하므로 파이프라인이 정지되지 않고 연속해서 수행될 수 있다. 또한, 긴 싸이클을 소모하는 메모리 접근 지연 시간을 숨길 수 있다. 본 연구의 작은 크기 warp가 달리 큰 크기의 warp인 경우 miss시 대기시간이 길어져 memory latency를 숨기지 못하는 경우가 발생하여 전체적으로 GPGPU의 성능 저하를 막지 못하게 된다.</p>
|
[
"Pipeline idle cycles과 Memory latency을 줄여서 GPGPU의 고성능화를 달성할 수 있는 방법은 무엇인가?",
"한 warp의 쓰레드중 캐시 miss가 발생하면 어떤 방법으로 처리해야 하는가?",
"프로그램을 thread로 처리하는 경우 process로 처리하는 것보다 직렬처리에 매우 용이한가?",
"Multi-thread는 single-core를 사용하여 공유자원의 갯수를 늘리게 되면 자원의 효율을 최대로 사용하며 thread와 thread의 전환에 필요한 지연시간이 없기 때문에 속도를 빠르게 할 수 있는가?",
"Multi-thread는 Multi-core를 사용하여 공유자원의 갯수를 늘리게 되면 자원의 효율을 최대로 사용하며 thread와 thread의 전환에 필요한 지연시간이 없기 때문에 속도를 느리게 할 수 있는가?",
"기존 병렬처리 개념인 SIMD에 Multi-thread의 장점을 활용한 기술은 무엇인가?",
"Multi-Process는 무엇 때문에 자원의 낭비와 process변경시 Context Switching이라는 오버헤드가 발생하는가?",
"어떤 방법을 사용하면 Muli-process가 갖는 단점을 보완하면서 thread 장점을 높일 수 있는가?",
"Thread가 Process에 비하여 적은 수의 명령어를 갖기 때문에 발생하는 단점은 무엇인가?",
"Instruction Cache, Instruction Fetch, Stream Processor 사이에서 thread간의 자원충돌을 회피하기 위해 중재(arbitration) 역할을 하는 것은 무엇인가?",
"Idle cycle, coalescing rate, IPC(Instruction Per Cycle)에 영향을 주는 것은 무엇인가?",
"어느 한쪽의 Warp만 연속해서 수행하게 될 때 해당 warp에 포함된 thread간에 dependency가 존재할 때 stream process내부 pipeline stall에 의한 idle cycle이 발생하기 때문에 채택한 방식은 무엇인가?",
"Warp의 miss가 모두 처리된 thread는 write back 모듈로 보내지는가?",
"Thread의 miss가 모두 처리된 warp이 보내지는 곳은 어디인가?",
"한 Warp에서 Miss가 발생하는 경우 파이프라인을 정지하고 수행하여야 하는가?",
"한 Warp에서 Miss가 발생해도 파이프라인이 정지되지 않고 연속해서 수행될 수 있는 이유는 무엇인가?",
"SIMT구조 GPGPU에서 Multi-thread를 관리하기 위해 두는 것은 무엇인가?",
"Nvidia사의 GPGPU에서 Fermi, Kepler 구조에서 설계된 Threads/ Warp의 값은 얼마인가?",
"메모리 접근 명령어가 처리될 때 캐시 miss시 stream processor의 pipeline stall이 발생되는데 이때 miss penalty를 처리하기 위한 cycle수는 경우에 따라 얼마나 되는가?",
"해당 warp이 비활성화 되고 warp scheduler가 라운드 로빈 방식으로 다음 활성 warp으로 명령어 페치 권한을 넘기게 되는 때는 언제인가?",
"큰 크기의 warp인 경우 miss시 대기시간이 길어짐으로 인해 어떤 경우가 발생하기 때문에 GPGPU의 성능 저하를 막지 못하게 되는가?",
"Multi-thread는 Multi-core를 사용하여 공유자원의 갯수를 늘리게 되는 장점은 무엇인가?",
"Warp Scheduler는 어떤 warp이 활성화 되었는지 확인하기 위해 Host CPU로 부터 어떤 정보를 받는가?",
"Warp기반의 Multi-threading에서 여러 개의 warp이 동시에 명령어 요청을 하고 그중 하나를 선택하여 명령어 페치 유닛에 전달하는 것은 무엇인가?",
"프로그램을 process로 처리하는 경우 thread로 처리하는 것보다 병렬처리에 매우 용이하니?"
] |
ef051a4a-3b3e-4ceb-ad3b-616d7f5eb914
|
인공물ED
|
작은 크기의 Warp 스케쥴러 기반 SIMT구조 고성능 모바일 GPGPU 설계
|
<h1>IV. Conclusion</h1><p>본 논문은 모바일기기에서 그래픽 및 인공지능 처리에 적합한 GPGPU를 설계하였으며 전력소모와 직결되는 하드웨어 크기를 최소화 하기위해 core수를 줄인 구조를 제안하였다. Core수를 줄이고 병렬처리를 강화하기 위해서는 SIMT구조에서 핵심이 되는 warp의 size를 적게 채택하였는데 size가 적으면 동시에 진행되는 thread개수가 적어 병렬처리 성능은 떨어질 수 있다.</p><p>그러나 본 논문에서는 pipeline cycle 지연을 줄이고 memory latency를 줄임으로써 적은 수의 core에 비하여 성능을 높일 수 있어 비교 기술인 Nvidia Tegra K1에 비하여 전력대비 성능이 약 4배 증가하였다.</p>
|
[
"core수를 줄이면 하드웨어 크기를 최소화할 수 있는가?",
"본 논문에서 memory latency를 줄임과 동시에 어떤 지연도 줄였는가?",
"본 논문에서 pipeline cycle 지연과 동시에 함께 감소시킨 것은 무엇인가?",
"본 논문에서는 pipeline cycle 지연을 줄이고 memory latency를 줄임으로써 적은 수의 core에 비하여 무엇을 높였는가?",
"본 논문에서 채택한 비교기술의 이름은?",
"비교 기술인 Nvidia Tegra K1에 비하여 전력대비 성능이 약 4배 어떻게 되었는가?",
"pipeline cycle 지연을 줄이고 memory latency를 줄이면 성능이 높아지는가?",
"비교 기술인 Nvidia Tegra K1은 성능이 본 논문에서의 기술에 비해 전력대비 성능이 뒤쳐졌는가?",
"pipeline cycle 지연과 memory latency를 줄이면 core수가 적어도 성능은 올라가는가?",
"pipeline cycle 지연은 core수와 관계없이 성능을 낮추는가?",
"적은 수의 core에 비하여 성능을 높일 수 있었던 것은 memory latency를 증가시켰기 때문인가?",
"본 논문은 어디에서 그래픽 및 인공지능 처리에 적합한 GPGPU를 설계하였는가?",
"본 논문이 설계한 모바일기기에서 그래픽 및 인공지능 처리에 적합한 기술 이름은 무엇인가?",
"본 논문에서 설계한 GPGPU는 모바일기기에서 어떤 것을 처리하기에 적합한가?",
"하드웨어 크기를 최소화하는 이유는 무엇과 직결되기 때문인가?",
"전력소모와 직접적으로 연관이 있기 때문에 무엇을 최소화하기 위해 노력했는가?",
"하드웨어 크기를 최소화 하기위해 어떤 수를 줄였는가?",
"본 논문은 하드웨어 크기를 줄이기 위해 동시에 무엇을 줄였는가?",
"본 논문이 GPGPU를 설계하였는가?",
"GPGPU는 모바일기기에서 그래픽 및 인공지능 처리에서 허점을 보였는가?",
"GPGPU를 설계한 이유는 모바일기기에서 그래픽 및 인공지능 처리를 더 잘 하기 위함인가?",
"하드웨어 크기에 직접적인 영향을 주는 것은 전력소모인가?",
"전력소모를 감소시키기 위해 core수도 줄인 것인가?",
"core수가 늘어나면 전력소모 발생이 적어지는가?",
"SIMT구조에서 핵심이 되는 warp의 size를 적게 채택한 이유는 core수를 줄이고 무엇을 강화하기 위함인가?",
"warp은 어디에서 핵심이 되는가?",
"본 논문에서는 하드웨어 크기를 최대화 시키는 구조를 제안하였는가?",
"size가 적으면 동시에 진행되는 thread개수가 적어서 병렬처리의 무엇이 오히려 감소하는가?",
"Core수를 줄이고 병렬처리를 강화하기 위해서는 SIMT구조에서 핵심이 되는 무엇의 size를 적게 채택하였는가?",
"전력소모를 줄이기 위해서는 하드웨어를 최대한 크게 만드는 것이 유리한가?",
"병렬처리를 강화하면 성능은 오히려 떨어진다고 볼 수 있는가?",
"Core수를 늘리면 병렬처리의 성능을 더 증가시킬 수 있는가?",
"SIMT구조에서 핵심이 되는 것은 warp의 size인가?",
"SIMT구조에서 핵심이 되는 warp의 size를 적게 채택한 이유가 병렬처리 성능을 감소시키기 위함인가?",
"warp의 size를 적게 채택하면 thread개수도 줄어드는가?",
"Core수를 줄이고 병렬처리를 강화하기 위해서 warp의 size를 최대화하였는가?",
"size가 적으면 동시에 진행되는 thread개수는 늘어나는가?",
"size가 적으면 병렬처리 성능이 올라가는가?",
"warp의 size는 병렬처리 성능에 아무런 영향을 주지 않는가?",
"병렬처리를 강화하려면 warp의 size를 늘리면 되는가?"
] |
e1f40a4b-0524-431d-9ec9-39b4993120f5
|
인공물ED
|
작은 크기의 Warp 스케쥴러 기반 SIMT구조 고성능 모바일 GPGPU 설계
|
<h1>요 약</h1><p>본 논문은 SIMT구조의 GPGPU에서 적은 core수로 고성능을 달성하기 위한 구조를 제안하고 설계하였다. 모바일기기에 적용하기 위한 GPGPU는 소모전력대비 성능을 높이기 위한 구조가 필수적이다. 소모전력을 줄이기 위해서 core수가 줄어든 대신 성능을 높이기 위해 thread를 관리하기 위한 warp scheduler의 size를 4 로 하여 일반적인 GPGPU의 32 보다 크게 줄였다. Warp size를 적게 되면 pipeline의 idle cycle수를 줄일 수 있고 cache 메모리 접근시 miss penalty를 줄이기 위한 memory latency 적용이 효율적이다. 설계된 GPGPU는 부동소수점 연산을 포함하는 테스트 프로그램으로 연산 성능을 측정하고 \(28\mu\mathrm{m}\) CMOS공정으로 소비전력을 측정하여 전력당 성능지수로 \(104.5\mathrm{GFlops/Watt}\)를 얻었다. 본 논문의 결과는 Nvidia의 Tegra K1과 비교하였을 때 약 4 배 우수한 전력당 성능지수를 보였다.</p>
|
[
"모바일기기에 적용하기 위한 GPGPU는 소모전력대비 성능을 높이기 위한 구조가 반드시 필요한가요?",
"\\(28\\mu\\mathrm{m}\\) CMOS공정으로 소비전력을 측정하여 전력당 성능지수로 몇 \\(GFlops/Watt\\)를 얻었는가?",
"GPGPU는 약 몇 배의 우수한 전력당 성능지수를 Tegra K1와의 비교에서 나타냈는가?",
"본문에서 적용된 GPGPU의 크기는 얼마였나요?",
"pipeline의 idle cycle수를 감소시키려면 Warp size를 축소하면 되나요?",
"pipeline의 idle cycle 수가 감소된 원인은 warp size 증가로 인한 것 일까요?",
"본문에서는 core수가 감소하면 소모전력이 비례해서 감소하는 것을 볼 수 있나요?",
"GPGPU의 성능은 warp scheduler의 size를 4로 하였을 때 32와 같아지는 것을 확인했나요?",
"연산의 성능을 부동소수점 연산을 내포하는 테스트 프로그램으로 계측할 수 있나요?"
] |
695a28c9-0ded-4efc-a401-47b50d6a5959
|
인공물ED
|
작은 크기의 Warp 스케쥴러 기반 SIMT구조 고성능 모바일 GPGPU 설계
|
<h1>III. Perpormance Measurement</h1><p>SIMT구조 GPGPU에서 warp size를 작게하여 얻어지는 성능 이득을 입증하고 큰 size의 warp을 갖는 Nvidia사의 GPGPU와 비교하고자 한다. 부동 소수점 연산능력과 소비전력 대비 성능을 기준으로 측정하고 비교한다.</p><h2>1. 부동소수점 연산능력(FLOPS)</h2><p>부동소수점 연산능력은 부동소수점(Floating Point Operation)만으로 구성된 프로그램 실행 시 단위 시간 (sec) 당 수행되는 부동소수점명령어의 연산 Operation 수를 측정하며 파이프라인 클럭 사이클당 연산 Operation수에 실행 주파수를 곱하여 얻는다.</p><p>테스트 프로그램은 표 1 과 같이 get_tid()함수를 이용하여 thread 번호(thread identification : tid)를 초기 주소값으로 받아 Buffer메모리에 있는 값을 ' 1 '씩 증가 하는 과정을 반복하는 부동소수점 덧셈 능력 측정과 Buffer메모리에 있는 값을 '3.0'씩 곱셈 하는 과정을 반복하는 부동소수점 곱셈능력을 측정한다.</p><p>테스트 프로그램을 GPGPU RTL(VerilogHDL)수준 코드로 작성하여 TestDrive Profiling Master에서 시뮬레이션 진행 후 표 2 의 결과를 확인하였다.</p><table border><caption>표 2. 부동소수점 연산능력 측정결과</caption><tbody><tr><td>Measurement Results</td></tr><tr><td><ul><li>Outputs result of an addition(fadd, faddi) or amultiplication (fmul, fmuli ) per clock cycle(Applied pipeline structure)</li><li>One core of GPGPU consists of 16 ALUs, and 16ALUs per clock cycle are simultaneouslycalculated and output.</li><li>When a GPGPU core is operated in \( 500 \mathrm{MHz} \) clock, the floating point addition calculation amount for 1 second. \( =16(\mathrm{ALU}) \times 500 \mathrm{MHz} \) (the number of clock cycle per second \( )=8 \mathrm{G} \) Flops</li></ul></td></tr></tbody></table><h2>2. 소비전력 대비 성능 측정</h2><p>전력은 크게 정적전력(static power)과 동적전력(dynamic power)로 구성된다. 정적전력은 트랜지스터가 switching(turn on or turn off) 동작을 하지 않을 때 여러 경로로 소모되며 대부분은 source-to-drain subthreashold leakage 이다. 또한, diffusion layer와 substrate 사이에서 누설되는 전류가 요인이 된다. 결국, 정적전력은 누설전력(leakage power)이라고 한다.</p><p>동적전력은 회로가 동작할 때 소모되는 전력으로 switching power와 internal power로 구성된다. 회로에서 소모되는 총전력은 위 성분을 합하게 되며 다음과 같은 식 (1)로 계산된다.</p><p>\( P_{\text {total }}=P_{\text {leakage }}+P_{\text {switching }}+P_{\text {internal }} \)<caption>(1)</caption></p><p>소모전력 측정은 GPGPU core의 Verilog HDL 코드를 Synopsys 합성도구툴로 RTL회로 생성하고 생성된 RTL 회로를 Global Foundries의 CMOS \( 28 \mathrm{~nm} \) 공정(GF28SLP)을사용한 ASIC 라이브러리로 변환한뒤 Synopsys 툴을 이용한 측정하였고 표 3과 같은 결과를 얻었다.</p><p>위 결과를 이용하여 소비전력 대비 성능을 계산하면 다음 식(2)와 같다.</p><p>\(GFLOPS/Watt\) \( =8 GFLOPS / 76.5 m W \) \( =104.5 GFLOPS/ Watt\)<caption>(2)</caption></p><h2>3. 모바일 GPGPU 성능 비교</h2><p>Nvidia사는 GPGPU의 근간이 되는 Tesla구조를 기반으로 Kepler, Maxwell 등으로 GPGPU를 발전시켜 가장 고성능의 GPGPU 기술을 선도하고 있다. Nvidia의 GPGPU는 CUDA라고 하는 병렬처리 프로그래밍 플랫폼과 stream processor core 하드웨어 플 랫폼을 기반으로 GPGPU를 설계한다.</p><p>이 가운데 Nvidia의 모바일 GPGPU로 Kepler구조를 기반으로 하는 Tegra K1과 본 논문에서 개발한 GPGPU의 성능을 비교하면 다음 표 4 와 같다.</p><table border><caption>표 4. 전력당 성능 비교</caption><tbody><tr><td>Items</td><td>Tegre K1</td><td>Ours</td></tr><tr><td>Warp Size</td><td>32</td><td>4</td></tr><tr><td>GPU cores</td><td>192</td><td>16</td></tr><tr><td>Process</td><td>28\(\mathrm{~nm}\)</td><td>28\(\mathrm{~nm}\)</td></tr><tr><td>Core Frequency</td><td>2.5\(\mathrm{GHz}\)</td><td>500\(\mathrm{MHz}\)</td></tr><tr><td>FLOPS</td><td>290\(\mathrm{GFlops}\)</td><td>8\(\mathrm{GFlops}\)</td></tr><tr><td>Power</td><td>11\(\mathrm{Watt}\)</td><td>0.765\(\mathrm{mWatt}\)</td></tr><tr><td>Performance Per Watt</td><td>26\(\mathrm{GFlops/W}\)</td><td>104.5\(\mathrm{GFlops/W}\)</td></tr></tbody></table>
|
[
"warp size를 작게하여 얻어지는 SIMT구조 GPGPU의 성능 이득을 입증하기 위해 어떤 기준으로 측정하고 비교했어?",
"warp size를 작게하여 얻어지는 소비전력 대비 성능의 기준을 무엇과 비교 했나요?",
"Nvidia사의 GPGPU의 크기가 큰 warpsize의 부동 소수점 연산능력과 소비전력 대비 성능을 비교 한 것은 어떤 것인가요?",
"실행 주파수를 파이프라인 클럭 사이클당 연산 Operation수에 곱하여 얻는 것은 어떤 것인가요?",
"부동소수점명령어의 연산 Operation 수를 구체적으로 어떻게 측정을 하나요?",
"부동소수점 연산능력 테스트시에 get_tid()함수를 이용하여 초기 주소값으로 받고자 이용하는 것은 어떤 것인가요?",
"warp size를 작게하여 Nvidia사의 GPGPU와 비교를 통해 입증하고자 했던 것은 어떻게 되나요?",
"큰 warp size와 작게한 warp size의 성능을 확인하고자 다른 형태의 GPGPU를 비교 했나요?",
"본 논문에서 warp size의 크기의 비교를 통한 성능을 확인하고자 했던 것은 어떤 구조의 GPGPU인가요?",
"warp size를 크게 하여 SIMT구조 GPGPU의 성능 이득을 입증 하고자 했어?",
"비교를 위한 큰 size의 warp는 어떤 기업의 것인가요?",
"부동소수점 곱셈능력을 측정하기 위해 Buffer메모리에 있는 값을 얼마씩 곱셈하는 과정을 수행하나요?",
"부동소수점 덧셈 능력 측정으로 부동소수점 곱셈능력을 측정하고자 Buffer메모리에 있는 값을 얼마로 정하여 함께 반복 수행을 하나요?",
"부동소수점 곱셈능력을 측정하기 위해 부동소수점 덧셈 능력 측정은 Buffer메모리에 있는 값을 얼마씩 증가해?",
"동적전력과 정적전력으로 구성된 것은 어떤 것인가요?",
"dynamic power와 static power로 구성된 것은 어떤 것일까요?",
"SIMT구조 GPGPU의 성능 이득을 입증하기 위해 어느회사 제품의 GPGPU와 비교 했나요?",
"트랜지스터가 source-to-drain subthreashold leakage로 대부분 구성된 것은 어떤 전력인가요?",
"트랜지스터가 여러 경로로 switching off 상태 일 때 소모되는 전력은 어떤 전력인가요?",
"트랜지스터가 switching 동작을 하지 않을 때에도 여러 경로로 소모되는 전력은 어떤 것인가요?",
"전력은 크게 두가지의 전력으로 구성되는데 두가지 전력은 어떻게 되나요?",
"switching 동작을 하지 않을 때 소모되는 정적전력을 누설전력이라고도 하는가?",
"정전전력은 turn on or turn off 동작을 하지 않는 경우 다방면으로 트랜지스터가 소모되기 때문에 leakage power라고도 불리는가요?",
"switching power와 internal power로 구성된 전력은 정적전력, 동적전력 중 어떤 것인가요?",
"switching 동작을 하지 않을 때 소모되는 전력을 동적전력이라고 하나요?",
"트랜지스터가 switching 동작을 하지 않을 때 다방면으로 소모되는 전력은 정적전력, 동적전력 중에서 동적전력에 해당하나요?",
"회로가 동작할 때 소모되는 전력인 동적전력은 internal power와 어떤것으로 구성되어 있어?",
"회로가 동작할 때 소모되는 전력인 동적전력의 총전력은 구하는 식은 어떻게 되나요?",
"동적전력의 소모전력 측정은 RTL회로 생성을 위해 어떤 코드를 사용했어?",
"동적소모전력의 소비전력 대비 성능을 계산한 수식은 어떻게 되나요?",
"Synopsys 툴을 ASIC 라이브러리로 변환한 뒤에 이를 이용하여 측정한 전력은 어떤 것인가요?",
"P total =P leakage +P switching +P internal 은 어떤 것을 구하기 위한 수식인가요?",
"최근에 개발된 고성능의 GPGPU 기술을 선도하고 있는 기업은 Nvidia사 인가요?",
"Kepler, Maxwell 등을 Tesla구조를 기반으로 Nvidia사에서 발전시킨 건 어떤 기술인가요?",
"Nvidia사는 GPGPU를 설계 할 때 어떤 하드웨어 플랫폼을 기반으로 설계했어?",
"Nvidia의 GPGPU는 stream processor core 하드웨어 플랫폼과 병렬처리 프로그래밍 플랫폼인 Microsoft Ware 로 설계 되었나요?",
"GPGPU를 설계한 Nvidia사는 어떤 플랫폼으로 GPGPU을 설계했나요?",
"Nvidia사 에서는 고성능의 GPGPU를 설계하고자 어떤 플랫폼들을 사용하였나요?",
"switching 동작을 하지 않을 때 트랜지스터가 소모되는 정적전력은 어떤 요인 때문일까요?",
"트랜지스터가 switching 동작을 하지 않을 때에도 여러 경로로 소모되는 정적전력은 다른 말로 어떤 전력이라고도 하나요?",
"시뮬레이션을 진행한 부동소수점 연산능력 측정값은 얼마야?",
"전력당 성능비교에서 Power의 값은 얼마야?"
] |
818fe4b5-d783-44f3-9d94-945c0b332818
|
인공물ED
|
작은 크기의 Warp 스케쥴러 기반 SIMT구조 고성능 모바일 GPGPU 설계
|
<h1>I. 서론</h1><p>GP-GPU(General Purpose computing on Graphic Processing Unit)는 그래픽 처리 용도만이 아닌 CPU 와 같이 범용 연산이 가능한 프로세서 형태로 발전되고 있다. GPGPU는 수백 수천개의 core구조로 되어 있어 \( 4 \sim 16 \) core를 갖는 CPU 에 비하여 병렬처리 연산에 매우 뛰어나 최근 인공지능, 메타버스, 비트코인, 암호화 등에서 활용도가 넓어지고있다. 많은 수의 core를 병렬처리할 수 있는 것은 SIMT(Single Instruction Multiple Thread)기반에서 thread의 병렬실행이 가능하기 때문이다. Thread를 관리할 때 warp이라는 묶음을 단위로 scheduling하여 실행이 되는데 이때, thread 묶음의 크기가 warp size이며 size의 크기에 따라 warp scheduling 및 GPGPU의 성능이 달라진다. Warp size는 응용분야에 따라 장단점이 있지만 일반적으로 크기가 커지면 병렬의 수는 늘어나는 대신 불필요한 대기시간(idle cycle)이 늘어나고 core의 효율성을 떨어뜨릴 수 있다.</p><p>본 논문에서는 모바일 응용을 목적으로 GPGPU를 개발하였기 때문에 하드웨어 효율성을 위해 적은 수의 core를 사용하게 되며 따라서, warp size도 적은 수를 택하여 설계하였다. 작은 크기의 warp scheduler의 장점을 살리기 위해 scheduling 방법과 cache memory access 방법을 이용하여 성능을 최대화 하였다.</p><p>GPGPU 관련하여 가장 선도적인 기술을 보유하고 있는 Nvidia사의 GPGPU는 CUDA core라는 구조를 기반으로 하고 있으며 CUDA core의 warp size는 32 크기를 갖고 있다. 본 논문에서는 Nvidia사의 Tegra K1과 소비전력과 부동소수점 연산능력을 비교 함으로써 설계된 작은 크기의 warp scheduler를 갖는 GPGPU의 성능의 우수함을 입증하였다.</p>
|
[
"GPGPU는 수십 개의 core형태를 이루고 있는가?",
"GP-GPU는 CPU처럼 범용 연산이 가능한 프로세서 형식으로 발전하고 있는가?",
"GPGPU는 직렬처리 연산을 잘하는가?",
"인공지능, 메타버스, 비트코인, 암호화 등에서 널리 쓰이고 있는 기술은 무엇인가?",
"최근 인공지능, 메타버스, 비트코인, 암호화 등에 GPGPU의 활용성이 커지고 있는가?",
"thread의 직렬실행은 SIMT를 기반으로 했는가?",
"어떤 구조에서 대다수의 core를 병렬로 처리할 수 있는가?",
"SIMT의 약자는 Single Instruction Multiple Thread인가?",
"warp이라는 묶음을 단위로 사용하여 Thread를 관리할 때 scheduling하여 실행되는가?",
"warp scheduling 및 GPGPU의 능력은 warp size의 크기에 따라 바뀌는가?",
"병렬 수의 증가는 Warp size의 크기와 반비례하는가?",
"불필요한 대기시간은 Warp size의 크기가 커지면 증가하는가?",
"Warp size가 커지면 idle cycle이 늘어나고 core의 효율성도 증대되는가?",
"GP-GPU는 General Purpose computing on Graphic Processing Unit의 약자인가?",
"CUDA core라는 구조를 기초로한 GPGPU는 Nvidia사에서 만든 것인가?",
"Nvidia사는 GPGPU 와 관련된 선도적인 기술을 소유하고 있는가?",
"Nvidia사의 GPGPU는 CUDA core의 warp size가 5 크기인가?",
"scheduling 방법과 cache memory access 방법을 이용하면 소형의 warp scheduler의 장점을 살릴 수 있는가?",
"GP-GPU는 그래픽을 처리하는 데에만 쓰이는가?",
"Warp size의 크기와 불필요한 idle cycle은 비례하는가?",
"본 논문에서는 하드웨어의 효율성을 위해 많은 수의 core를 이용했는가?",
"CPU는 GP-GPU 에 비하여 병렬처리 연산을 잘하는가?",
"GPGPU는 \\( 4 \\sim 16 \\) core를 갖는가?",
"warp size는 thread 묶음의 크기를 말하는가?",
"본 논문에서는 Nvidia사의 ASUS와 소비전력과 부동소수점 연산능력을 비교했는가?"
] |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.