LED 매트릭스를 사용하는 차량용 헤드램프에서 LED의 디지털 제어는 I2C, SPI 등의 저가격 저속 직렬 버스를 사용하여 왔으나 헤드램프의 해상도가 증가하면서 LED 제어를 위해 전송해야 하는 데이터의 양이 너무 많아 제어 버스의 전송 능력을 초과하게 된다. 본 논문에서는 새로운 차량용 LED 매트릭스 헤드램프 제어 프로토콜인 HLCP(Headlamp LED Control Protocol)을 제안한다. 제안하는 프로토콜은 많은 LED를 하나의 명령어로 제어하는 명령어를 사용하여 I2C 버스를 거의 그대로 사용하면서도 훨씬 많은 LED를 제어할 수 있다. 제안하는 프로토콜을 수행하는 컨트롤러를 Verilog HDL로 구현 및 검증하였으며 시뮬레이션 결과 LED 매트릭스 헤드램프를 I2C나 SPI보다 효율적으로 제어할 수 있음을 확인하였다.

분산혼잡제어는 높은 밀도의 차량 네트워크에서 채널 혼잡을 완화하고, 통신 성능을 개선하는 기술이다. 기존 분산혼잡제어 기술은 quality of service(QoS) 요구사항을 고려하지 않은 채 채널 혼잡을 줄이는 방향으로 동작한다. 이러한 분산혼잡제어 알고리즘 설계는 과도한 DCC 동작으로 인하여 다른 QoS를 저하시킬 수 있다. 이와 같은 문제를 해결하기 위해 심층강화학습 기반 QoS 적응형 DCC 알고리즘을 제안한다. 시뮬레이션은 준 실환경 시뮬레이터를 기반으로 동적인 차량 밀도를 생성하여 평가하였으며, 시뮬레이션 결과 기존 DCC 알고리즘 보다 목표 QoS에 더 근접한 결과를 확인하였다.

본 연구에서는 기존 상보성 금속 산화막 반도체 공정을 활용하여 제작된 실리콘 나노시트(SiNS) 피드백 전계효과 트랜지스터(FBFET)의 준비휘발성 메모리 특성을 분석하였다. 과노광공정을 이용하여 형성된 SiNS 채널층의 폭은 180 nm이고 높이는 70 nm이었다. 양성 피드백 루프를 기반으로 동작하는 SiNS FBFET의 낮은 문턱전압이하 기울기는 1.1 mV/dec, ON/OFF 전류비는 2.4×10⁷이었다. 또한 SiNS FBFET는 50 초 동안 상태를 유지하는 메모리 특성을 보여 준휘발성메모리 소자로 활용 가능성을 제시하였다.

In this paper, we propose an alternative analysis to regulate DC motors using a PID controller with a gain scaling factor. We start by providing a systematic design method for selecting the PID gains of our proposed controller by seeing the effect of ϵ on damping ratio, overshoot and settling time from the frequency response analysis. With the help of matlab (simulink), We proceed to show that the proposed controller provides robust stability against system parameter uncertainty and the effect of the gain scaling factor on steady-state error. The validity of our control method along with the analysis is verified with the simulation results.

본 논문에서는 3D NAND Flash memory의 O/N/O(Oxide/Nitride/Oxide) 구조와 blocking oxide를 ferroelectric material로 대체한 O/N/F(Oxide/Nitride/Ferroelectric) 구조의 current path를 분석했다. O/N/O 구조는 V_read가 인가되면 neighboring cell의 E-field로 인해 current path가 channel 후면에 형성된다. 반면 O/N/F 구조는 ferroelectric material의 polarization으로 인해 electron이 channel 전면으로 이동하여 current path가 전면에 형성된다. 또한 channel thickness와 channel length에 따른 소자 특성을 분석했다. 분석 결과 O/N/F 구조의 전면 electron current density 증가는 O/N/O 구조보다 2.8배 더 높았고 O/N/F 구조의 전면 electron current density 비율이 17.7% 높았다. 따라서 O/N/O 구조보다 O/N/F 구조에서 전면 current path가 더 효과적으로 형성된다.

본 논문에서는 인셋(inset) 급전 구조의 사각형 패치 안테나를 이용하여, 2중 대역 안테나를 구현하는 방법을 제안하고자 한다. 제안하는 방법은 인셋 급전을 위해 패치 안테나 안으로 파고 들어간 슬롯의 길이를 다르게 한, 비대칭(asymmetric) 인셋 구조를 이용하여, 간단히 이중 대역 안테나를 설계하는 방법이다. 제안한 방법의 검증을 위해, 1.57GHz의 GPS와 2.4GHz WiFi 대역 지원하는 이중 대역 인셋 패치 안테나를 두께 1mm의 FR4 유전체 기판에 설계하고, 제작하였다. 제작한 안테나의 측정 결과 -10 dB 이하의 반사손실을 만족하는 주파수 대역은 1.55~1.57 GHz 및 2.41~2.45 GHz로 이중 대역 특성을 갖는 것을 확인하였다. 제안한 방법을 사용하면, 인셋 급전을 이용하는 이중 대역 안테나를 간단히 구현할 수 있으며, 다양한 응용 분야에 활용이 가능할 것으로 기대된다.

무인 항공기(UAV) 지원 중계는 분포가 쉽고 통신 채널이 양호하며, 이동성이 뛰어나 기존 지상 중계에 비해 높은 무선 연결성을 가질 수 있다. 본 논문에서는 무선 주파수(RF) 대역을 활용하여 소스로부터 에너지를 수확하고 테라헤르츠(THz) 대역을 활용하여 2차 송신기와 해당 수신기 간에 정보를 전송할 수 있는 UAV 지원 중계 네트워크를 설계한다. 그 후, 릴레이 채널 용량을 최대화하는 UAV의 최적 위치를 결정하기 위한 최적화 문제의 해를 유도하고, 유도된 해를 활용하여 두 가지 UAV 궤적(직선 궤적과 타원 궤적)을 설계하는 알고리즘을 제안한다. 시뮬레이션 결과, 제안된 알고리즘은 UAV 직선 궤도가 수확된 에너지 및 채널 용량 측면에서 더 나은 시스템 성능을 제공할 수 있음을 보여준다.

본 연구에서는 더블게이트 실리콘 나노시트 (SiNS) 피드백 전계효과 트랜지스터(FBFET)의 전기적 특성에 열처리가 미치는 영향을 분석하였다. 1000 초 동안 바이어스 스트레스를 인가했을 때 더블게이트 SiNS FBFET는 inversion layer의 전자에 의한 계면 트랩의 증가로 인해 채널 모드와 무관하게 negative bias stress 보다는 positive bias stress의 영향을 더 많이 받았다. 300 ℃에서 10 분 동안 열처리를 진행한 이후 소자는 원래의 특성을 완전히 회복하였으며 다시 1000 초 동안 바이어스 스트레스를 인가해도 특성이 변하지 않았다.

본 논문에서는 reconfigurable intelligent surface(RIS)의 능동소자를 활성화하는 기법을 제안한다. 최근 RIS는 무선 통신 시스템에서 통신 커버리지와 주파수 효율을 향상기키는 기술로 주목받고 있다. RIS는 수신받는 신호의 위상과 진폭을 조절할 수 있는 기술로 도심과 같이 장애물이 많은 지역에 활용하면 더 좋은 통신 성능을 보장할 수 있다. 하지만 RIS에 의해 신호는 두 번의 페이딩을 겪게 되고 이에 따라 통신 성능의 저하가 발생한다. 최근 이러한 문제를 해결하기 위해 능동 반사 소자를 활용한 RIS가 연구되고 있다. 하지만 RIS 전체를 능동 반사 소자로 활용하게 되면 에너지 소비량이 증가하게 된다. 이에 본 논문에서는 RIS 반사 소자 중 일부만 능동 반사 소자로 활용하는 시스템을 제안하고 활성화되는 능동 반사 소자를 선택하는 기법에 대해 제안한다.

The Modular Multilevel Converter (MMC) has emerged as a key component in HVDC systems due to its ability to efficiently transmit large amounts of power over long distances. In such systems, accurate estimation of the MMC capacitor voltage is of utmost importance for ensuring optimal system performance, stability, and reliability. Traditional methods for voltage estimation may face limitations in accuracy and robustness, prompting the need for innovative approaches. In this paper, we propose a novel distributed neural network observer specifically designed for MMC capacitor voltage estimation. Our observer harnesses the power of a multi-layer neural network architecture, which enables the observer to learn and adapt to the complex dynamics of the MMC system. By utilizing a distributed approach, we deploy multiple observers, each with its own set of neural network layers, to collectively estimate the capacitor voltage. This distributed configuration enhances the accuracy and robustness of the voltage estimation process. A crucial aspect of our observer's performance lies in the meticulous initialization of random weights within the neural network. This initialization process ensures that the observer starts with a solid foundation for efficient learning and accurate voltage estimation. The observer iteratively updates its weights based on the observed voltage and current values, continuously improving its estimation accuracy over time. The validity of proposed algorithm is verified by the result of estimated voltage at each observer in capacitor of MMC.

In an era marked by the increasing use of drones and the growing demand for indoor surveillance, the development of a robust application for detecting and tracking both drones and humans within indoor spaces becomes imperative. This study presents an innovative application that uses FMCW radar to detect human and drone motions from the cloud point. At the outset, the DBSCAN (Density-based Spatial Clustering of Applications with Noise) algorithm is utilized to categorize cloud points into distinct groups, each representing the objects present in the tracking area. Notably, this algorithm demonstrates remarkable efficiency, particularly in clustering drone point clouds, achieving an impressive accuracy of up to 92.8%. Subsequently, the clusters are discerned and classified into either humans or drones by employing a deep learning model. A trio of models, including Deep Neural Network (DNN), Residual Network (ResNet), and Long Short-Term Memory (LSTM), are applied, and the outcomes reveal that the ResNet model achieves the highest accuracy. It attains an impressive 98.62% accuracy for identifying drone clusters and a noteworthy 96.75% accuracy for human clusters.

태양광 패널의 큰 기생 커패시턴스에 기인하는 과도한 누설 전류를 피하기 위한 단상 태양광 인버터 중에 부스트 컨버터와 하프브리지 인버터를 종속적으로 결합하는 방식은 가장 단순하면서 누설 전류가 가장 작다. 하지만 직류단 전압이 높아 스위칭 소자의 정격 전압이 높고 스위칭 손실이 크다. 본 논문은 부스트 컨버터를 제거하는 대신에 하프브리지 인버터의 출력 측에 2개의 양방향 스위치를 추가함으로써 벅부스트 인버터로 동작할 수 있는 새로운 회로 토폴로지를 제안한다. 고전압 직류단을 거치는 두 단계의 전력 변환을 한 단계로 줄인 덕분에 전력 손실을 절감할 수 있으며 비용 및 누설 전류는 증가하지 않는다. 제안된 회로 토폴로지의 타당성은 컴퓨터 시뮬레이션 및 전력 손실 계산을 통해 검증한다.

본 논문에서는 사용자의 개입없이 고해상도 위성 영상을 활용하여 정밀한 토지피복분류를 위해 U-Net 네트워크 모델에 SPADE 구조를 결합한 SSResUNet 모델을 제안한다. 제안하는 네트워크는 위성 영상의 공간적 특성을 보존하여 복잡도가 높은 환경에서도 강인한 분류모델이라는 장점이 있다. 다목적실용위성 3A 영상을 통해 학습한 결과 기존 U-Net, U-Net++ 대비 뛰어난 결과를 보였으며 평균 IoU 76.10, Dice 86.22의 성능을 도출하였다.

본 논문에서는 StyleGAN Encoder를 활용한 표정 이미지 생성에서의 연령 왜곡을 감소시키는 방법을 제안한다. 표정 이미지 생성 과정은 StyleGAN Encoder를 사용하여 얼굴 이미지를 생성하고, SVM을 이용하여 학습된 boundary를 잠재 벡터에 적용하여 표정을 변화시킨다. 그러나 웃는 표정의 boundary를 학습할 때 표정 변화에 따른 연령 왜곡이 발생한다. 웃는 표정에 대한 SVM 학습에서 생성된 smile boundary는 표정 변화로 인해 생긴 주름이 학습 요소로 포함되어 있으며 연령에 대한 특성도 함께 학습된 것으로 판단한다. 이를 해결하기 위해, 제안된 방법에서는 smile boundary와 age boundary의 상관계수를 계산하고, 이를 이용하여 smile boundary에서 age boundary를 상관계수에 비례하여 조절하는 방식을 도입한다. 제안된 방법의 효과를 확인하기 위해 공개된 표준 얼굴 데이터셋인 FFHQ 데이터셋을 사용하고 FID score를 측정하여 실험한 결과는 다음과 같다. Smile 이미지에서는 기존 방법에 비하여, Ground Truth와 제안된 방법으로 생성된 smile 이미지의 FID score가 약 0.46 향상되었다. 또한, Smile 이미지에서 기존 방법에 비하여, StyleGAN Encoder로 생성된 이미지와 제안된 방법으로 생성된 smile 이미지의 FID score가 약 1.031 향상되었다. Non-smile 이미지에서는 기존 방법에 비하여, Ground Truth와 본 논문에서 제안된 방법으로 생성된 non-smile 이미지의 FID score가 약 2.25 향상되었다. 또한, Non-smile 이미지에서 기존 방법에 비하여, StyleGAN Encoder로 생성된 이미지와 제안된 방법으로 생성된 non-smile 이미지의 FID score가 약 약 1.908 향상됨을 확인하였다. 한편, 각 생성된 표정 이미지의 연령을 추정하여 StyleGAN Encoder로 생성된 이미지의 추정된 연령과 MSE를 측정한 결과, 기존방법 대비 제안하는 방법이 smile 이미지에서 약 1.5, non-smile 이미지에서 약 1.63의 성능 향상되어 제안한 방법에 대한 성능의 효율성이 입증되었다.

피치 혹은 기본 주파수는 음성 신호의 주요 특성 인자이며 음성 부호화, 음성인식, 화자인식 등의 다양한 음성 관련 응용에 활용된다. 본 논문에서는 기본 주파수의 역수인 음성의 피치 주기를 추정하기 위해서 음성 신호의 변곡점을 이용한다. 변곡점은 국소적인 최대값, 최소값 혹은 신호의 기울기가 변하는 지점으로 정의된다. 음성 신호는 저역통과 필터로 먼저 전처리되어 고주파 성분이 제거된다. 이를 통해 불필요한 변곡점들이 제거되며, 피치 주기 추정에 유용한 국소적인 최대값만을 변곡점 검출법을 이용하여 추출한다. 얻어진 변곡점 간의 시간 간격을 측정하여 피치 주기를 추정하며, 그 역수로 기본 주파수 추정치를 얻는다. 기존의 피치 추정 방법은 음성이 국소적으로 시불변이라는 가정하에 음성을 블록 단위로 처리하여 블록당 피치 주기를 구하지만, 제안된 방법은 음성을 샘플 단위로 처리하여 변곡점을 검출하며, 그 결과 피치 주기를 시간 경과에 따라 얻게 되어 음성의 시변성이 반영된 기본 주파수 추정치를 얻는다. 컴퓨터 모의실험으로 기본 주파수 추정기로서 제안된 방법의 유용성을 볼 수 있다.

본 논문에서는 AC 리플이 리튬 이온 배터리의 수명에 미치는 영향을 실험적으로 분석한다. 에너지 저장 시스템(ESS)의 이용 효율을 높이기 위해 양방향 전력변환시스템(PCS)이 사용되며, 계통 연계 시 구조상 계통 주파수의 2배의 주파수를 갖는 전류 리플이 배터리에 인가되게 된다. 따라서, AC 리플이 Li-ion 배터리의 노화에 미치는 영향에 대해 분석하기 위해 DC 및 DC+AC 리플 사양의 충/방전 프로파일을 적용하여 노화 실험이 수행되었다. 실험 결과를 바탕으로 직류 내부 저항(DCIR), 증분 용량(IC), 표면 온도를 분석하였다. 결과적으로 AC 리플이 노화에 직접적으로 영향을 미치지 않으며 특정 주기 이 후 배터리 노화가 둔화되는 것을 확인하였다. 이러한 결과는 AC 리플이 발생하는 어플리케이션에서 전류 리플을 줄이기 위해 적용된 필터를 개선하는 데 도움이 될 수 있다.

본 논문에서는 FMCW 레이다 기반의 포인트 클라우드와 LSTM을 이용한 자동 핸드 제스처 영역 추출 및 인식 기법을 제안한다. 제안한 기법은 기존의 방식과 다른 다음과 같은 독창성이 있다. 첫 번째, 기존의 range-doppler 등의 2D 이미지를 입력 벡터로 하는 방식과 다르게 시계열 형태의 포인트 클라우드 입력 벡터는 레이다 전방에서 발생하는 시간에 따른 움직임을 좌표계 형태로 인식할 수 있는 직관적인 입력 데이터이다. 두 번째, 입력 벡터의 크기가 작기 때문에 인식에 쓰이는 딥러닝 모델도 가볍게 설계할 수 있다. 제안하는 기법의 수행 과정은 다음과 같다. FMCW 레이다로 측정된 거리, 속도, 각도 정보를 활용해 x, y, z 좌표 형식과 도플러 속도 정보를 포함한 포인트 클라우드를 활용한다. 제스처 영역은 속도 정보를 통해 얻어진 도플러 포인트를 이용하여 제스처의 시작과 끝 지점을 파악해 자동으로 핸드 제스처 영역을 추출하게 된다. 추출된 제스처 영역의 시점에 해당하는 시계열 형태의 포인트 클라우드는 최종적으로 본 논문에서 사용한 LSTM 딥러닝 모델의 학습 및 인식에 활용되게 된다. 제안하는 기법의 객관적인 신뢰성을 평가하기 위해 다른 딥러닝 모델들과 MAE를 산출하는 실험과 기존 기법들과 인식률을 산출하는 실험을 수행하여 비교하였다. 실험 결과, 시계열 형태의 포인트 클라우드 입력 벡터 + LSTM 딥러닝 모델의 MAE 값이 0.262, 인식률이 97.5%로 산출되었다. MAE는 낮을수록, 인식률은 높을수록 우수한 결과를 나타내므로 본 논문에서 제안한 기법의 효율성이 입증되었다.

영상처리는 현재 다양한 분야에서 활용되고 있다. 그중 자율주행 자동차, 의료 영상처리, 로봇 제어 등은 빠른 영상처리 응답 속도가 필요하다. 이를 충족하기 위해 실시간 처리를 위한 하드웨어 설계가 활발히 연구되고 있다. 하드웨어 처리 속도는 입력 영상의 크기 외에도, 이미지에서 라인과 프레임을 구분하는 비활성화 영상 공백 구간의 크기에 영향을 받는다. 본 논문에서는 비활성화 영상 공백 구간과 밀접한 관련이 있는 라인메모리 유형에 따라 세 가지 스케일러 구조를 설계한다. 이 구조들은 Verilog 표준 언어를 사용하여 하드웨어로 설계되고, Xilinx Vivado 2023.1을 이용하여 field programmable gate array 환경에서 논리회로로 합성된다. 합성된 결과는 실시간 처리할 수 있는 표준 이미지 크기를 비교하면서 프레임 레이트 분석에 사용된다.

본 논문에서는 차량 어플리케이션에서 디지털 센서 데이터를 직렬 전송하는 기술 표준인 SAE J2716 SENT(Single Edge Nibble Transmission) 프로토콜을 소개하고 분석하였다. SENT는 하나의 데이터 프레임으로 고속 센서 데이터와 저속 센서 데이터를 함께 전송할 수 있으며 고속 채널 3개 모드, 저속 채널 3개 모드, 총 6개의 전송 모드를 가지고 있다. 본 논문에서는 SENT 프로토콜의 6개 모드를 모두 지원하는 SENT 컨트롤러를 Verilog HDL로 설계하고 FPGA로 구현하였으며 오실로스코프와 PC로 동작을 검증하였다.

본 연구에서는 액정에 인가되는 전압을 조절하여 편광을 조절할 수 있는 액정 기반 편광 조절 기술을 폐쇄회로 텔레비전(CCTV)에 적용하여 사용자가 원하는 각도의 편광만을 투과시킬 수 있는 시스템을 제안한다. 기존의 편광필름이 적용된 CCTV는 역광 보정 기능에 치중되어 있기 때문에 편광을 제어할 수 없어 수면에서 반사된 빛이나 차량에서 반사된 하이라이트가 피사체 식별을 방해한다. 그러나 Vertical Alignment 모드를 사용하면 전기적으로 편광을 조절할 수 있기 때문에 사용자가 원하는 각도의 편광만 투과시켜 반사되는 하이라이트를 제거할 수 있다. 이 기술을 사용하여 얻은 이미지들은 컴퓨터 소프트웨어에 의해 최적의 이미지로 도출하였다. 편광 각도와 투과율, 편광 속도를 전기적으로 제어할 수 있는 액정 편광 패널을 편광 폐쇄회로 텔레비전에 적용하여 기존 CCTV에서의 피사체 식별을 개선하였다.

고정자 권선단락은 미세한 턴이 단락되어 급격히 고장이 심각해짐에 따라 ITSC의 진단이 중요시되고 있다. 그러나, 3상 유도전동기의 노이즈 및 손실등과 유사한 특징을 가짐에 따라 ITSC진단에 많은 어려움이 있다. 이를 효율적으로 진단하기 위해서 인공지능 기법으로 연구되고 있으나, 현장에서는 모델기반 기법이 두루 활용되고 있음에 따라 모델기반 기법에 대한 진단 성능개선 연구가 필요한 실정이다. 이에 본 논문에서는 회전하고 있는 자속에 변화를 무시하며, 전류 성분만을 이용할 수 있도록 Clarke변환 방법을 응용하여 진단방법을 제안하였다. 이에 30분간의 정상 및 ITSC 상태의 측정 결과, 정상상태를 ITSC 상태로 오인식하는 경우 0.2[%], ITSC상태를 정상상태로 오거부하는 경우 0.26[%]로 효율적인 진단 방법임을 실험을 통해 알 수 있었다.

본 논문에서는 경량화된 CNN(Convolutional Neural Network)을 사용하여 CAN(Controller Area Network) 버스 상의 공격을 탐지하는 효율적인 알고리즘을 제안하고, 이를 기반으로 하는 IDS(Intrusion Detection System)를 FPGA로 설계, 구현 및 검증하였다. 제안한 IDS는 기존의 CNN 기반 IDS에 비해 CAN 버스 상의 공격을 프레임 단위로 탐지할 수 있어서 정확하고 신속한 대응이 가능하다. 또한 제안한 IDS는 기존의 CNN 기반 IDS에 비해 컨볼루션 레이어를 하나만 사용하기 때문에 하드웨어를 크게 줄일 수 있다. 시뮬레이션 및 구현 결과는 제안된 IDS가 CAN 버스 상의 다양한 공격을 효과적으로 탐지한다는 것을 보여준다.

본 논문에서는 차량 내 네트워크에서 즉각적인 공격 탐지를 위해 프레임 피처 삽입이 적용된 슬라이딩 윈도우 기법을 제안한다. 이 방법은 현재 프레임의 공격 여부에 따라 라벨링을 진행하기 때문에 공격 탐지의 실시간성을 보장할 수 있다. 또한 이 방법이 CNN 연산에서 현재 프레임에 대한 가중치를 주어 성능을 향상시킬 수 있음을 실험을 통해 확인하였다. 제안하는 모델은 경량화된 LeNet-5 구조 기반으로 설계되었으며 DoS 공격 탐지 성능에서 100%를 달성하였다. 또한 기존 연구의 모델들과 복잡성을 비교했을 때 제안하는 모델이 ECU와 같이 리소스가 제한된 장치에 더 적합함을 확인하였다.

퓨삿학습(few-shot learning)은 사전에 확보한 관련 지식과 소규모의 학습데이터를 이용하여 학습데이터의 부족으로 인한 어려움을 해결할 수 있는 가능성을 제시해주어 최근 많은 주목을 받고 있다. 본 논문에서는 퓨삿학습의 개념과 주요 접근방법을 빠르게 파악할 수 있도록 데이터 증강, 임베딩과 측도학습, 메타학습의 세 관점에서 최신연구동향을 설명한다. 또한 퓨샷학습을 적용하려는 연구자들에게 도움을 제공할 수 있도록 주요 벤치마크 데이터셋에 대하여 간략하게 소개하였다. 퓨삿학습은 이미지 분석과 자연어 처리 등 다양한 분야에서 활용되고 있으나, 본 논문은 이미지 처리를 위한 퓨삿학습의 접근법에 집중하였다.

인터넷의 발전에 따라 개인정보를 활용한 온라인 상호작용이 활발해지며 개인정보를 보호하는 것이 중요해졌다. 허가되지 않은 접근으로부터 발생한 개인정보 침해는 개인에게 정신적, 재산적 피해를 불러올 수 있으며, 침해 피해자의 주변인을 대상으로 한 사회적 공격도 가능하다. 이러한 공격으로부터 개인정보를 보호하기 위해 블록체인을 활용한 보안 기법이 활발히 연구되고 있다. 본 논문에서는 블록체인을 인터넷으로 제공하는 BaaS(Blockchain as a Service) 환경에서 개인정보 보호를 위해 미들웨어와 IAM(Identity and Access Management) 서비스를 활용한 시스템을 제안했다. 미들웨어는 IAM 역할 및 정책이 적용된 서버에서 운영되며 사용자를 인증하고, 접근 권한을 파악하여 정상 사용자인 경우에만 클라우드에 존재하는 블록체인 데이터에 접근할 수 있도록 접근 제어를 수행한다. 또한, 제안한 개인정보 보호 기법이 시스템에 주는 영향을 파악하기 위해 세 가지 시나리오를 가정하여 소요 시간과 사용자 수별 응답 시간을 측정하고, 제안 기법과 블록체인을 활용한 개인정보 보호 관련 연구를 아이디어, 블록체인 유형, 인증, 기밀성 등과 같은 보안 특성 기준으로 비교한다.

본 연구에서는 4H-SiC Epi Surface에 Nitrogen implantation 공정이 깊은준위결함과 lifetime에 미치는 영향을 비교분석하였다. Deep Level Transient Spectroscopy (DLTS)와 Time Resolved Photoluminescence (TR-PL)을 사용하여 깊은준위결함과 carrier lifetime을 측정하였다. As-grown SBD에서는 0.16 eV, 0.67 eV, 1.54 eV 에너지 준위와 implantation SBD의 경우 0.15 eV 준위에서의 결함을 측정되었으며, 이는 nitrogen implantation으로 불순물이 titanium 및 carbon vacancy를 대체됨으로 lifetime killer로 알려진 Z_1/2, EH_6/7 준위 결함은 감소하였다.

딥러닝의 발전으로 다양한 컴퓨터 비전 연구를 수행할 수 있게 됐다. 딥러닝은 컴퓨터 비전 연구 중 이미지 처리에서 높은 정확도와 성능을 보여줬다. 하지만 대부분의 이미지 처리 방식은 이미지의 시각 정보만을 이용해 이미지를 처리하는 경우가 대부분이다. 이미지-텍스트 쌍을 활용할 경우 이미지와 관련된 설명, 주석 등의 텍스트 데이터가 이미지 자체에서는 얻기 힘든 추가적인 맥락과 시각 정보를 제공할 수 있다. 본 논문에서는 이미지-텍스트 쌍을 활용하여 이미지와 텍스트를 분석하는 딥러닝 모델 제안한다. 제안 모델은 이미지 정보만을 사용한 딥러닝 모델보다 약 11% 향상된 분류 정확도 결과를 보였다.

본 논문에서는 Partial isolation lateral double diffused metal oxide semiconductor(Pi-LDMOS)의 항복전압에 대해 시뮬레이션을 통해 분석하였다. 항복전압 변화는 Partial buried oxide(P-BOX)의 다양한 파라미터(길이, 두께, 위치)에 따라 조사되었고, 그 메커니즘에 대해 명기하였다. 또한 항복전압과 trade-off 관계에 있는 온저항의 변화를 P-BOX 파라미터 변화에 따라 분석하였고 Figure of merit(FOM)을 계산하여 비교하였다. 제안된 구조에서 L_box=5㎛, t_box=2㎛, L_bc=2㎛일 경우 138V의 가장 높은 항복전압을 나타내었고, L_box=5㎛, t_box=1.6㎛, L_bc=2㎛일 경우 가장 높은 FOM을 나타내었다. 이는 conventional LDMOS 대비 항복전압은 123%, FOM은 3.89배 향상된 수치이다. 따라서 Pi-LDMOS는 높은 항복전압과 FOM을 가져 Power IC의 안정적인 동작범위 향상에 기여할 수 있다.

본 논문에서는 고성능 디지털 위상 고정 루프(DPLL)에 적용 가능한 새로운 잠금 기법을 소개한다. 이 연구는 LC 기반 디지털 제어 발진기(DCO)에서 발생하는 양자화 오류를 줄이기 위해 추가 서모미터 코드를 사용한다. 본 방식은 전체 DCO 코드를 서모미터 방식으로 구현하지 않음에도 불구하고 높은 선형성을 통해 양자화 오류를 감소시킨다. 초기 잠금 단계에서 바이너리 코드를 사용하고, 잠금이 완료되면 서모미터 코드로 전환하여 높은 주파수 대비 선형성과 낮은 지터 특성을 달성한다. 이 접근법은 낮은 DCO 이득(Kdco) 값을 요구하는 응용에서 서모미터 코드만을 사용하는 기존 방식과 비교하여 스위치의 수를 현저히 줄이고 발진기의 면적을 최소화한다. 또한, 지터 특성은 서모미터 코드만을 사용하는 방식과 동일한 수준을 유지한다. SystemVerilog 및 Verilog HDL을 사용한 모델링과 RTL 수준에서의 설계를 통해 이 기법의 효과가 입증되었다.

재난통신에서 직접통화는 매우 중요한 필수 기능이지만 LTE 기반 재난통신에서는 아직 구현되지 못하고 있다. 본 연구에서는 LTE 기반의 국내 재난안전통신망의 단말기가 D2D In-band 단말기로 진화하여 구현할 수 있는 방안을 제시하고, 과도기적으로 현재의 PS-LTE 단말기와 디지털 무전기를 효과적으로 운영하는 방안을 제시한다.

본 논문에서는 315W급 65인치 UHD-TV용 LLC DC to DC 공진 컨버터에 사용되고 있는 Slim형 고주파 변압기의 최적화 설계에 대해서 나타낸다. 또한 본 논문에서는 LLC 공진 변압기의 코어 손실 분석, AC 권선 손실 분석 및 권선 배치 최적화 설계를 통해 Slim형 고주파 변압기의 최적화 설계를 수행한다. 특히 본 논문에서는 이론적으로 해석하여 얻어진 결과를 토대로 고효율 및 Slim형 고주파 변압기는 교류 권선 손실 최소화 및 권선 자동화를 위하여 인터리브 및 수직형 권선 구조로 구성한다. 본 논문 제안한 수직형 권선 구조 방식의 Slim형 고주파 변압기의 1차측 권선은 Litz 권선을 2차 권선은 PCB와 동판 권선을 사용하였다. 최종적으로 Maxwell 2D 및 3D Tool을 이용한 시뮬레이션 결과를 토대로 이론 해석의 정당성을 입증하기 위해서 실험 결과를 통해 본 논문에서 제안한 Slim형 고주파 변압기의 최적화 설계를 수행하였다.

본 논문에서는 DC 계통의 지락고장시 고속 고장진단을 위해 FPGA를 이용한 인공지능기반 고장진단 방법을 제안한다. 인공지능 알고리즘을 고장진단에 적용시 많은 연산량과 대용량의 실시간 데이터 처리가 요구된다. 또한 DC 계통에서의 고장 및 사고는 고장 전류의 빠른 상승률로 인하여 DC 차단기가 고속 차단능력이 필요하다. 인공지능기반 고속 고장진단이 가능한 FPGA를 사용하여 DC 차단기가 더 빠르게 동작함으로써, DC 차단기의 차단용량을 줄일 수 있다. 따라서 본 논문에서는 Matlab Simulink를 이용하여 DC계통의 고장 모의를 통해 고장데이터를 수집하여 지능형 고속 진단 알고리즘 구현하였으며, FPGA에 지능형 고속고장 진단 알고리즘을 적용 및 성능검증을 하였다.

본 논문에서는 Robot Operating System(ROS) 기반의 모바일 매니퓰레이터(Manipulator)를 이용한 무인 배송 로봇 시스템을 구현하고 시스템 구현을 위해 사용된 기술에 대해 소개한다. 로봇은 엘리베이터를 이용해 건물 내부에서 자율주행이 가능한 모바일 로봇과 진공 펌프를 부착한 Selective Compliance Assembly Robot Arm(SCARA)-Type의 매니퓰레이터로 구성된다. 로봇은 매니퓰레이터에 부착된 카메라를 이용하여 이미지 분할과 모서리 검출을 통해 배송물을 들어올리기 위한 위치와 자세를 결정할 수 있다. 제안된 시스템은 스마트폰 앱 및 ROS와 연동된 웹서버를 통해 배송 현황을 조회하고 로봇의 실시간 위치를 파악할 수 있도록 사용자 인터페이스를 가지고 있으며, You Only Look Once(YOLO)와 Optical Character Recognition(OCR)을 통해 배송 스테이션에서 배송물과 주소지를 인식한다. 아울러 4층 건물 내부에서 진행한 배송 실험을 통해 시스템의 유효성을 검증하였다.

통신 망의 진화에 따라 대용량 데이터 기반의 안정적인 고속 데이터 연결이 필요한 서비스들이 증가하고 있다. 사용자의 단말로부터 취합된 패킷 데이터의 용량이 증가하면서 코어 네트워크로 전달하는 중간 링크인 백홀 네트워크의 지연에 대한 품질진단의 중요성이 대두되었다. 본 논문에서는 응용서비스 품질에 영향을 미치는 RTT(Round Trip Time) 지연과 성능저하의 원인이 될 수 있는 회선 대역폭(Bandwidth) 및 스위치 내 속도 불일치, 구간별 버퍼(Buffer) 사이즈, 라우팅 정책 등 여러 인자의 진단을 통하여 백홀 네트워크에서 문제를 해결할 수 있는 기법에 관해 실제 사례를 통해 연구를 진행하였다.

본 논문에서는 ESPRIT(estimation of signal parameters via rotational invariance techniques)알고리듬 기반 재구성 가능한 각도 추정기를 제안 및 설계하였다. ESPRIT은 배열 안테나(uniform linear array)의 천이불변(shift invariance) 성질을 이용해 배열 안테나에 도래하는 신호의 도래각을 추정하는 알고리듬이다. 하지만 여전히 ESPRIT 알고리즘은 공분산 행렬, 고윳값 분해 등 높은 복잡도를 가지는 연산을 필요로 하므로 실시간 도래각 추정을 위해 하드웨어 프로세서로 구현이 필요하다. ESPRIT에서 성능은 안테나 개수와 관련이 있으며, 응용에 따라 요구되는 안테나 수는 상이할 수 있다. 이에 본 논문에서는 응용되는 분야에 따라 성능을 높이고 연산 복잡도 문제를 시킬 수 있도록 2 ~ 8개의 가변 안테나 개수를 지원하는 ESPRIT 프로세서를 제안하였다. 또한, 제안된 ESPRIT 프로세서는 MI-ESPRIT 구조를 기반으로 배열 안테나의 다중 불변성을 활용하여 성능을 향상시켰으며, 최소자승법 알고리즘을 간소화 시켜 복잡도를 감소시켰다.

SiC는 고온, 고전압을 비롯한 악조건에서의 내성이 기존 산업분야의 대다수를 점유하고 있는 Silicon에 비해 우수하여 전력반도체 분야에서 Silicon의 위치를 대체하여 가고 있다. 본 논문은 전력 반도체 소자 중 하나인 4H-SiC Planar MOSFET에 알루미늄으로 Gate를 형성하여 다결정 Si 게이트와 대비, 파라미터 값들이 일관성을 갖도록 하였으며, SiC MOSFET의 채널 도핑 농도에 변화를 주어 문턱전압과 항복전압, IV 특성을 연구하였다.

본 논문에서는 원전계 환경에서 위상배열안테나를 고속 보정하는 방법이 제안되었다. 원전계에서 수신된 전력만을 통해 각 안테나 요소를 보정하는 기존 rotating-element electric-field vector (REV) 방법을 간소화 한 최대값 보정 방법과, 각 안테나 요소가 아닌 부배열 단위로 묶어서 보정하는 방법이 제안되었다. PPO 알고리즘을 이용하여 위상배열안테나의 분포에 최적화된 파티셔닝을 찾고, 그에 따른 부배열 단위로 보정하여 기존 방법 대비 더 빠른 보정이 가능한 적응형 최대값 보정 방법이 제안 및 시뮬레이션 검증되었다. 보정이 이루어지는 동안 위상배열안테나의 이득이 더 높을 뿐 아니라, 형성되는 빔 패턴이 기존 방법보다 이상적인 빔 패턴에 더 가깝다.

DRAM(Dynamic Random Access Memory) 스케일링 과정에서 발생하는 셀간 거리의 감소에 따라 STI(Shallow Trench Isolation)두께 감소는 문턱이하 누설이 증가되는 패싱워드라인 효과를 유발한다. 인접한 패싱워드라인에 인가된 전압으로 인한 문턱이하누설 전류의 증가는 데이터 보존시간에 영향을 주며, 리프레시의 동작 횟수가 증가되어 DRAM의 소비 전력을 증가시키는 요인이 된다. 본 논문에서는 TCAD Simulation을 통해 패싱워드라인 효과에 대한 원인을 확인한다. 결과적으로, 패싱워드라인 효과가 발생하는 DRAM 동작상황을 확인하고, 이때 패싱워드라인 효과로 인해 전체 누설전류의 원인에 따른 비중이 달라지는 것을 확인하였다. 이를 통해, GIDL(Gate Induced Drain Leakage)에 의한 누설전류뿐만 아니라 문턱이하 누설전류를 고려의 필요성을 확인하며 이에 따른 DRAM 구조의 개선 방향의 지침이 될 수 있다.

본 논문은 NS-3 기반의 5G 시스템 레벨 시뮬레이터를 활용하여 mmWave 대역의 채널 모델을 구현하고, RF 성능 검증을 통해 구현한 모델의 신뢰성과 유효성을 분석한다. mmWave 대역의 RF 성능 검증을 위한 채널 모델은 3GPP TR 38.901에서 정의하는 채널의 특성, 빔포밍, 안테나 구성, 시나리오 등의 파라미터를 고려하여 구성한다. 또한, 시뮬레이션 결과는 3GPP 표준에서 허용하는 범위 내에 있음을 확인하고, REM(Radio Environment Map)을 활용하여 실내 환경 시나리오에서 신뢰성을 증명한다. 따라서 본 연구에서 구현한 채널 모델은 실제 5G 네트워크의 설계 및 구축에 적용이 가능하며, 다양한 파라미터 변경으로 RF 성능을 평가하고 검증하는 방법을 제시한다.

배전계통에 연계되는 분산전원의 수가 증가함에 따라 계통 내 과전압 문제를 일으키지 않고 접속될 수 있는 한계접속용량인 photovoltaic(PV) hosting capacity(HC)를 추정하는 것이 매우 중요해졌다. 이에 본 연구에서는 접속점의 전압을 유지하는 제어를 수행하면서 향상된 hosting capacity를 추정하기 위한 방안을 제안하고 있다. 제안된 방안은 two-stage optimization framework로 구성되며 Stage 1에서 IEEE Std 1547-2018 가이드라인을 이용한 Volt-Var(VV) 및 Volt-Watt(VW) 제어 PV hosting capacity 추정을 수행한다. Stage 2에서는 VV 및 VW의 파라미터를 개선하는 절차를 거쳐 향상된 PV HC 값을 다시 도출해낸다. 제안한 방식의 성능 검증을 위해 IEEE 37-버스 시스템이 OpenDSS를 사용해 테스트되었으며 결과에서 제안된 방식의 적용을 통해 PV hosting capacity가 증가함을 확인하였다.

FlexRay는 차량 내 네트워크(In-Vehicle Network)로 최대 2개의 채널로 각 채널당 최대 10Mbps 전송 속도를 가진다. FlexRay는 TDMA(Time Division Multiple Access)와 FTDMA(Flexible Time division Multiple Access) 방식을 사용하여 효율적으로 데이터를 전송하면서도 실시간 통신을 보장하기 때문에 파워트레인 등 안전성이 필수적인 차량 모듈의 실시간 전자 제어에 사용된다. 본 논문에서는 ISO 17458 표준과 FlexRay 컨소시엄 문서를 바탕으로 FlexRay의 프로토콜(Protocol), 시간 계층(Time Hierarchy), 메시지 프레임(Message Frame), 커뮤니케이션 컨트롤러(Communication Controller), 적합성 시험(Conformance Test)에 대해 자세히 설명한다.

무선센서 네트워크에서 센서 노드간의 통신 연결 실패는 계속된 연결 시도를 유발하여 많은 전력 손실이 발생한다. 본 논문에서는 CH(Cluster Head) 노드와 통신되는 센서 노드 사이의 적정 거리를 제한하여, 2차원 평면상에 적정 크기의 클러스터 그룹이 형성되도록 하였다. 클러스터 크기의 균일화를 위해 최단 거리에 존재하는 센서 노드들이 서로 통신하여 멤버 노드를 구성하고 근접한 노드를 모아서 클러스터가 형성되도록 하였다. 제안한 클러스터 균일화 알고리즘을 기반으로 클러스터링을 위한 최단 거리 기반의 클러스터링 방식에 대한 클러스터 균일화 개선율을 시뮬레이션 결과로 나타내었다. 제안한 방식은 네트워크의 클러스터 균일성을 약 30% 향상시킬 수 있다.

본 논문에서는 차량 전자 시스템에서 소프트 에러와 공통 고장에 대응하기 위해 두 개의 코어를 지연 동작시킨 후 그 결과를 비교하는 D-DCLS(Delayed Dual Core Lock-Step) 프로세서를 설계하였다. D-DCLS는 어느 코어에서 에러가 발생했는지 알 수 없기 때문에 각 코어를 에러가 발생하기 이전 시점으로 되돌려야 하는데 파이프라인 스테이지 상의 모든 중간 계산값을 되돌리기 위해서는 복잡한 하드웨어 수정이 필요하다. 본 논문에서는 이를 쉽게 구현하기 위해 분기 명령어가 실행될 때마다 모든 레지스터 값을 버퍼에 저장해 두었다가 에러가 발생하면 저장된 레지스터 값을 복구한 후 'BX LR' 명령어를 수행하여 해당 분기 시점으로 자동 복구하도록 하였다. 제안하는 D-DCLS 프로세서를 Verilog HDL로 설계하여 에러가 감지되었을 때 자동으로 복구한 후 정상 동작하는 것을 확인하였다.