• 한국전자파학회:학술대회논문집
• /
• 한국전자파학회 2001년도 종합학술발표회 논문집 Vol.11 No.1
• /
• pp.267-271
• /
• 2001

다이오드의 소신호 및 대신호 파라미터 추출은 DC 해석, 외부 기생 소자 추출, 마지막으로 5-파라미터에 의한 내부소자 추출로 이루어진다. DC IV-곡선과 S-파라미터의 curve-fitting으로 내부 파라미터를 구하였고 외부 기생소자는 바이어스에 따라 변하지 성질을 이용하였다. 사용된 소자는 Schottky diode는 SIEMENS사의 BAS125를, Varactor diode는 SONY사의 1t362를, PIN diode는 Hitachi사의 HVM14S를 모델로 사용하였다. 실측을 위해 사용된 소자는 각각 HP사의 HSMS-2822, SONY사의 1t362, HP사의 HSMP-3834을 이용하여 측정하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2015년도 하계학술대회
• /
• pp.457-459
• /
• 2015

본 논문에서는 원의 호 곡선에 따라 배치된 다중 RGB 카메라 영상으로 생성한 깊이 지도를 정렬하는 방법을 제안한다. 원의 호 곡선에 따라 배치된 카메라는 각 카메라의 광축이 한 점으로 만나서 수렴하는 형태가 이상적이다. 그러나 카메라 파라미터를 살펴보면 광축이 서로 수렴하지 않는다. 또한 카메라 파라미터는 오차가 존재하고 내부 파라미터도 서로 다르기 때문에 각 카메라 영상들은 수평과 수직 오차가 발생한다. 이와 같은 문제점을 해결하기 위해 첫 번째로 광축이 한 점으로 수렴하기 위해서 카메라 외부 파라미터를 보정하여 깊이 영상 정렬을 하였다. 두 번째로 내부 파라미터를 수정하여 각 깊이 영상들의 수평과 수직 오차를 감소시켰다. 일반적으로 정렬된 깊이 지도를 얻기 위해서는 초기 RGB 카메라 영상으로 정렬을 수행하고 그 결과 영상으로 깊이 영상을 생성한다. 하지만 RGB 영상으로 카메라의 회전과 위치를 보정하여 정렬하면 카메라 위치 변화에 따른 깊이 지도 변화값 적용이 복잡해 진다. 즉 정렬 계산 과정에서 소수점 단위 값이 사라지기에 최종 깊이 지도의 값에 영향을 미친다. 그래서 RGB 영상으로 깊이 지도를 생성하고 그것을 처음 RGB 카메라 파라미터로 워핑(warping)하였다. 그리고 워핑된 깊이 지도 값을 가지고 정렬을 수행하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 추계학술대회
• /
• pp.135-136
• /
• 2018

배터리의 내부 파라미터는 외부환경 및 동작 영역에 따라 가변적인 특성이 존재한다. 이에 따라 배터리 모델의 추정성능이 결정된다. 본 논문에서는 두 개의 RC-ladder 전기적 등가회로 모델링을 이용하여 휴지구간, 방전구간 및 휴지구간에서 방정식 기반으로 추출한 파라미터의 비교 분석을 실시하고, 등가회로 모델기반으로 검증을 실시하였다.

• 한국전자파학회:학술대회논문집
• /
• 한국전자파학회 2001년도 종합학술발표회 논문집 Vol.11 No.1
• /
• pp.262-266
• /
• 2001

본 논문에서는 Excelics사의 EFA240D 모델을 이용하여 파라미터를 추출하였고, 파라미터 중 내부소자들은 ADS(Advanced Design System)의 SDD(Symbolically Defined Device)를 이용하여 정의하였다. 또한 내부소자들을 내부전압이 아닌 외부전압으로 정의하는 방법과 채널 전류를 DC와 AC로 나누어 모델링하는 방법을 제시하였다.

• 한국전자파학회논문지
• /
• 제11권6호
• /
• pp.876-885
• /
• 2000

추가적인 DC 측정이나 반복 계산법 또는 최적화 방법에 의존하지 않고도, 정상적인 바이어스(Normal activebias) 조건에서 측정하 S-파라미터로부터 MESFET과 HEMT의 외부 기생 저항을 간단히 구할 수 있는 방법이 제시되었다. 이를 위해서 zero 바이어스 조건에서 측정한 Z-파라미터로부터 Rs와 Rd의 차이를 구할수 있다는 사실이 이용된다. 측정한 S-파라미터로부터 외부 기생 인덕터와 캐패시터의 효과를 제거하면, 내부 소자와 외부 기생 저항을 포함한 새로운 소자를 정의할 수 있다. 내부 소자의 Y-파라미터인 Yint,11과 Yint,12의 실수부 값이 이론적으로 0이라는 사실을 이용하여 S-, Y-, Z-파라미터 행렬간의 상화관계를 이용하여 기생 저항 값을 쉽게계산할수 있다. 제시된 방법으로 기생 저항들을 구하고, 이 결과를 이용하여 내부 소자 등가회로를 구한 후에 40GHz까지 S-파라미터를 계산한 결과, 측정된 S-파라미터와 잘 일치하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.360-363
• /
• 2018

본 논문에서는 계층적 RNN의 성능 향상을 위하여 강화학습을 통한 계층적 RNN 내 파라미터를 효율적으로 찾는 방법을 제안한다. 계층적 RNN 내 임의의 파라미터에서 학습을 진행하고 얻는 분류 정확도를 보상으로 하여 간소화된 강화학습 네트워크에서 보상을 최대화하도록 강화학습 내부 파라미터를 수정한다. 기존의 강화학습을 통한 내부 구조를 찾는 네트워크는 많은 자원과 시간을 소모하므로 이를 해결하기 위해 간소화된 강화학습 구조를 적용하였고 이를 통해 적은 컴퓨터 자원에서 학습속도를 증가시킬 수 있었다. 간소화된 강화학습을 통해 계층적 RNN의 파라미터를 수정하고 이를 행동 인식 데이터 세트에 적용한 결과 기존 알고리즘 대비 높은 성능을 얻을 수 있었다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 추계학술대회
• /
• pp.150-151
• /
• 2019

리튬 이온 배터리가 전기 자동차 및 다양한 어플리케이션에 적용됨에 따라 폐배터리의 수요 또한 증가하고 있다. 내부 화학적 상태가 상이한 배터리의 전기적 특성실험을 통해 파라미터를 선정할 수 있으며 전기적 특성 실험 전 후의 시간차에 따른 파라미터 변화를 반영하는 것이 필수적이다. 제조 공정과정의 파라미터의 측정값과 특성실험 후의 파라미터 재측정값을 비교함으로써 이를 3-D Kmeans Clustering 알고리즘에 반영하여 더욱 정밀한 셀 선별을 실시하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 추계학술대회
• /
• pp.121-122
• /
• 2018

리튬 인산철(LFP, $LiFePo_4$) 배터리의 경우 다른 종류의 배터리에 비해 내부 파라미터가 비선형적인 단점이 있다. 일반적인 배터리 등가회로 모델을 적용 시, 비선형성으로 인해 추정 성능이 감소한다. 배터리 등가회로 모델을 기반인 확장 칼만 필터(EKF, Extended Kalman Filter)를 통해 SOC (State of Charge) 추정 시 추정성능이 감소할 수 있다. 따라서 본 논문은 LFP 배터리의 SOC 추정 성능 향상을 위해 실시간 파라미터 관측기를 통한 배터리 등가회로 모델을 기반으로 EKF의 내부 파라미터를 분석하고 이에 따른 차등 모델을 제안한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권4호
• /
• pp.358-368
• /
• 2001

셀프 캘리브레이션은 영상 시퀀스에 대한 특징점 정합 결과를 이용하여 카메라 내부 파라미터를 계산하는 기법이다. 이는 임의로 움직이는 카메라를 이용하여 얻은 영상 시퀀스를 이용하여 유클리디안 복원을 수행하는데 응용될 수 있다. 안정적인 3차원 복원결과를 얻기 위하여 본 논문에서는 두 가지 제약 조건을 사용한다(카메라 내부 파라미터의 개수에 대한 제약 조건과 복원할 장면의 기하학적 구조를 이용한 제약 조건). 카메라 내부 파라미터에 대한 제약 조건은 카메라의 하드웨어적인 특성을 반영하며 이러한 제약 조건을 적용함으로써 셀프 캘리브레이션 중 비선형 최적화 과정의 수렴도를 높일 수 있다. 또, 기하학적 제약 조건은 대상 장면의 직각 구조를 이용하여 이에 대한 조건을 분석하여 제약 조건에 대한 수식을 유도한 다음 이를 최적화 과정에 포함시킨다. 합성 영상과 다양한 종류의 실제 영상에 대한 실험을 통하여 본 논문에서 제안된 방법을 이용하면 개선된 유클리디안 복원 결과를 얻을 수 있음을 보인다.

• 정보처리학회논문지B
• /
• 제10B권5호
• /
• pp.515-520
• /
• 2003

본 논문에서는 2장의 영상으로부터 카메라 내부 파라미터를 추출하는 교정 방법을 제시한다. 카메라 교정은 2차원 영상으로부터 3차원 정보를 얻기 위해서는 필수 불가결한 기술이다. 기존의 많은 연구들이 수행되어 왔는데, 영상내에 체크 패턴을 포함한 3장의 영상을 이용하는 방법과 연속된 3장의 영상으로부터 Kruppa 방정식을 풀어 카메라 교정하는 방법이 대표적인 예가 되겠다. 본 논문에서는 인간이 만든 조형물에서 쉽게 발견할 수 있는 기하학적인 정보를 이용하여 보다 쉽고 빠르게 내부 파라미터를 추출한다. 이러한 내부 파라미터는 소실점들로부터 추정되며 대응되는 2장의 영상에서 대응점들로부터 외부 파라미터를 추출할 수 있다. 이렇게 교정된 내부, 외부 파라미터를 이용하여 사영 행렬을 유도하고, 유도된 사영행렬로 3차원 정보를 얻게 되고 3차원 재구성을 구현하게 된다.