• 한국정보통신학회논문지
• /
• 제24권5호
• /
• pp.646-654
• /
• 2020

이 논문은 강수의 공간분포를 측정할 수 있는 전자파 기반 센서를 개발하는 것이며, 악천후 관측의 핵심인 강우, 강설, 바람장을 동시 측정할 수 있는 전파강수계(EWRG, Electromagnetic Wave Rain Gauge)에 관한 것이다. 본 연구를 통해 LFM 방식의 송수신 신호를 이론적으로 분석하였다. 또한 전파강수계 송수신기를 개발하기 위해서 LFM 송수신기 설계 및 모의실험을 수행하였다. 본 논문은 소형 HMIC(Hybrid Microwave Integrated Circuit)를 사용하여 K-BAND 펄스 구동 형 6W SSPA(Solid State Power Amplifiers) 송수신기 개발을 하였다. 65도의 고온의 환경에서 1%의 짧은 Duty를 가지는 6W 이상의 출력파워, 5dB이하의 수신 NF(Noise Figure)를 가지고 있다. 제작된 모듈은 파형발생부가 내장되어 LFM과 Square Pulse파형을 방출하며 수신부는 40dB이상의 수신 이득을 가진다. 이 논문에서 개발된 송수신기는 다른 소형 기상 레이더에 적용할 수 있다.

• 한국정보전자통신기술학회논문지
• /
• 제14권1호
• /
• pp.22-28
• /
• 2021

화학공정, 기계공정, 발전소와 같은 다변량 공정은 여러 설비들이 복잡하게 연결되어 운영되기 때문에 특정 시스템에 고장이 발생하면 전체 공정에 치명적인 영향을 미칠 수 있다. 또한, 공정 데이터는 불안정한 환경에서 계측되므로, 데이터에 이상치가 포함될 가능성이 크다. 따라서 계측된 데이터의 이상치를 제거하고 시스템의 고장을 사전에 탐지할 수 있는 모니터링 기술이 필수적이다. 본 논문에서는 여러 종류의 공정에서 고장탐지를 수행하기 위해 다이나믹 공정과 다변량 공정 모델에서 생성된 데이터를 이용하였다. 다이나믹 공정은 자기회귀 특성을 가지는 공정을 모델링한 것이고 다변량 공정은 특정 센서의 고장이 발생했을 때 상황을 묘사한 공정이다. 본 논문에서는 두 공정에서 생성된 데이터에 마할라노비스 거리를 이용하여 데이터에 포함된 이상치를 제거한 후, 독립성분분석을 적용하여 고장탐지를 수행하였다. 제안된 방법의 성능 비교를 위해 기존의 단일모델 ICA와 성능을 비교하였다. 실험결과, 제안된 방법이 기존의 ICA 보다 다이나믹 공정의 바이어스 데이터의 경우에 0.84%p, 드리프트 데이터의 경우 6.82%p 성능이 개선되었다. 다변량 공정의 경우 3.78%p 성능이 개선되었으므로, 제안된 방법이 우수한 고장탐지 성능을 보였다.

• 한국방사선학회논문지
• /
• 제15권4호
• /
• pp.409-414
• /
• 2021

감마카메라에서 영상을 획득하기 위해서 직선성 보정을 시행해야 한다. 이를 위해서 섬광체와 감마선이 상호작용한 위치에 대한 정확한 위치 지정을 위해 직선성 맵을 활용하여 디지털 좌표를 획득한다. 본 연구에서는 직선성 맵을 사용하지 않고 순람표와 최대우도함수를 사용하여 왜곡되지 않은 영상을 획득함과 동시에 디지털 좌표를 획득하는 방법을 개발하였다. DETECT2000 시뮬레이션을 통해 소형의 감마카메라를 구성하여 제시된 방법에 대해 검증을 실시하였다. GAGG 섬광체와 SiPM 광센서를 사용하여 감마카메라를 구성하였고, 섬광체의 중심에서 감마선 반응을 일으켜 SiPM에서 획득한 신호의 비율을 사용하여 순람표를 작성하였다. 작성된 순람표와 최대우도함수를 통해 감마선 반응에 의해 획득한 신호의 위치를 디지털 좌표로 획득하여 영상을 구성하였다. 그 결과 일반적으로 획득되는 영상에 비해 직선성이 유지되었으며, 감마선 반응을 발생시킨 위치의 정확도가 우수하였으며, 위치 간 간격이 일정하게 나타났다. 시뮬레이션을 통해 획득한 순람표는 신호의 비율을 사용하여 작성되므로 이를 실험에 직접 활용할 수 있어, 직선성 맵을 작성하지 않고 편리하게 직선성이 보정된 디지털 좌표로 신호의 위치를 획득할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.141-148
• /
• 2022

최근 들어 강화 학습은 심층 신경망 기술과 결합되어 바둑, 체스와 같은 보드 게임, Atari, StartCraft와 같은 컴퓨터 게임, 로봇 물체 조작 작업 등과 같은 다양한 분야에서 매우 놀라운 성공을 거두었다. 하지만 이러한 심층 강화 학습은 행동, 상태, 정책 등을 모두 벡터 형태로 표현한다. 따라서 기존의 심층 강화 학습은 학습된 정책의 해석 가능성과 일반성에 제한이 있고, 도메인 지식을 학습에 효과적으로 활용하기도 어렵다는 한계성이 있다. 이러한 한계점들을 해결하기 위해 제안된 새로운 관계형 강화 학습 프레임워크인 dNL-RRL은 센서 입력 데이터와 행동 실행 제어는 기존의 심층 강화 학습과 마찬가지로 벡터 표현을 이용하지만, 행동, 상태, 그리고 학습된 정책은 모두 논리 서술자와 규칙들로 나타내는 관계형 표현을 이용한다. 본 논문에서는 dNL-RRL 관계형 강화 학습 프레임워크를 이용하여 제조 환경 내에서 운송용 모바일 로봇을 위한 행동 정책 학습을 수행하는 효과적인 방법을 제시한다. 특히 본 연구에서는 관계형 강화 학습의 효율성을 높이기 위해, 인간 전문가의 사전 도메인 지식을 활용하는 방안들을 제안한다. 여러 가지 실험들을 통해, 본 논문에서 제안하는 도메인 지식을 활용한 관계형 강화 학습 프레임워크의 성능 개선 효과를 입증한다.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.541-548
• /
• 2021

최근 농업, 산림관리, 해안환경 모니터링 등 다양한 분야에서 다분광 카메라의 활용, 특히 드론에 탑재되어 활용되는 사례가 증대되고 있다. 산출되는 다분광 영상은 위치정보를 위해 주로 드론에 탑재된 GPS (Global Positioning System)나 IMU (Inertial Measurement Unit) 센서를 이용해 지리참조(georeferencing)되는데, 보다 높은 정확도를 위해서는 직접 측량한 지상 기준점을 이용하기도 한다. 하지만, 직접 측량에 드는 비용 및 시간으로 인해 또는 직접 접근이 어려운 지역에 대해서는 지상 참조값을 활용하지 않고 지리참조를 수행해야하는 경우가 자주 발생하게 된다. 본 연구는 지상기준점이 가용하지 않은 경우에 다분광카메라로부터의 영상의 지리참조 정밀도를 향상시키기 위해 같이 탑재된 고해상도 RGB카메라의 영상을 활용하는 방안에 대하여 연구한다. 드론 영상은 우선 번들조정을 통해 카메라의 외부표정 요소를 추정하였고, 이를 지상 기준점을 이용한 경우의 외부표정 및 위치결과와 비교하였다. 실험결과, 고해상도 영상을 포함하여 번들조정을 하게 될 경우, 다분광 카메라 영상을 단독으로 활용할 때보다, 다분광 카메라 영상의 지리참조 오차가 비약적으로 감소하였음을 확인하였다. 추가로 한 지상 지점에서 드론으로의 방향각을 추정할 때의 오차를 분석한 결과, 마찬가지로 고해상도 RGB영상을 포함하여 번들조정하게 되면 기존의 방향각 오차가 한 단위이상 감소하는 것으로 나타났다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권5호
• /
• pp.63-71
• /
• 2021

드론 자율비행 기술 중 장애물 회피는 드론이나 주변 환경의 손상을 방지하고 위험을 예방할 수 있도록 하는 매우 중요한 기술이다. LiDAR 센서 기반 장애물 회피방식은 비교적 높은 정확도를 보여 최근 연구에서 많이 활용되고 있지만, 단가가 높고 시각 정보에 대한 처리 능력이 제한적인 단점이 있다. 따라서 본 논문은 단가가 상대적으로 저렴하고 시각 정보를 이용한 확장성이 높은 카메라 기반 PPO(Proximal Policy Optimization) 강화학습을 이용한 드론의 장애물 회피 알고리즘을 제안한다. 3차원 공간상의 학습환경에서 드론, 장애물, 목표지점 등을 무작위로 위치시키고, 가상 카메라를 이용하여 전면에 설치된 스테레오 카메라를 통해 스테레오 영상정보를 얻은 다음 YOLOv4Tiny 객체검출을 수행한다. 그리고 난 후 스테레오 카메라의 삼각측량법을 통해 드론과 검출된 객체간의 거리를 측정한다. 이 거리를 기반으로 장애물 유무를 판단하고, 만약 장애물이면 패널티를 책정하고 목표지점이면 보상을 부여한다. 본 방법을 실험한 결과 카메라 기반 장애물 회피 알고리즘은 LiDAR 기반 장애물 회피 알고리즘과 비교하여 충분히 비슷한 수준의 높은 정확도와 평균 목표지점 도달시간을 보여 활용 가능성이 높음을 알 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제24권1호
• /
• pp.39-55
• /
• 2022

본 연구는 경주 중·저준위 지하 처분환경에서의 사일로 콘크리트의 음향방출(AE) 신호 감쇠계수(α)를 결정하기 위해 신호감쇠 실험을 수행하였다. 활용된 시료들은 경주 중·저준위 처분장 사일로에 사용된 콘크리트 배합비로 제작하였으며 28일간 수중 양생 후 처분환경에 맞도록 온도 및 포화유무에 따라 추가적으로 노출시켰다. 처분조건 별 각 3개씩의 공시체에 대하여 신호전달거리에 따른 AE 신호를 측정한 결과, 초기구간에서는 포화콘크리트의 AE 진폭과 절대에너지가 건조콘크리트의 경우보다 더 높게 나타났지만, α는 포화콘크리트의 경우가 더 높게 산정되었다. 또한, 포화유무와 상관없이 온도가 증가함에 따라 α는 감소하는 경향을 보였다. α는 온도조건보다는 포화유무에 따른 영향이 큰 것으로 분석되었으며, 이는 콘크리트 처분구조물의 감쇠신호 측정 시 포화여부를 고려한 판단이 중요하다는 것을 의미한다. 처분환경에서의 콘크리트 α는 균열이 발생한 위치에서의 실제 AE 특성 파라미터 값을 추정함으로써 경주 중·저준위 처분환경에서 사일로 콘크리트의 건전성을 예측하고 센서의 최적 배치를 결정하는 데 도움이 될 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.851-861
• /
• 2022

본 연구는 전산유체역학(computational fluid dynamics, CFD) 모델을 이용하여 도시 지역에서 수목이 PM_2.5 저감에 미치는 영향을 조사하였다. 현실적인 수치 모의를 위해, 기상청에서 현업으로 운영 중인 국지예보시스템(LDAPS)이 예측한 기상 자료를 CFD 모델의 초기·경계 자료로 사용하였다. CFD 모델 성능 검증은 연구 대상지 내에 구축된 6개의 센서에서 측정한 PM_2.5 농도를 이용하였다. 본 연구에서는 수목이 PM_2.5 농도 분포에 미치는 영향을 분석하기 위하여, 수목이 식재 되지 않았다고 가정한 경우, 수목이 식재되어 있지만 바람에 대한 항력 효과만 존재한다고 가정한 경우, 수목의 항력 효과와 침적 효과가 모두 존재한다고 가정한 경우에 대한 수치 실험을 수행하였다. 분석대상 기간 동안 PM_2.5 저감 효과가 뚜렷하게 나타난 세 가지 영역 중 군부대 내의 PM_2.5 평균 농도를 비교한 결과, 수목이 식재되지 않은 경우는 12.8 ㎍ m^-3, 수목의 항력 효과만 고려한 경우는 12.5 ㎍ m^-3이 나타났고, 수목의 항력 효과와 침적 효과가 모두 고려한 경우는 6.8 ㎍ m^-3가 나타났다. 수목에 의한 건성 침적이 PM_2.5 농도를 감소시키는 효과가 있는 것으로 확인되었다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.597-608
• /
• 2022

원격탐사 자료는 재난, 농업, 도시계획 및 군사 등 다양한 분야에서 활용되며, 최근 다양한 고해상도 센서에서 취득된 시계열 자료의 활용에 대한 요구가 증대되고 있다. 본 연구에서는 시계열 원격탐사 자료의 활용을 위해 딥러닝 기법을 이용한 영상 매칭 방법을 제안하였다. 본 연구에서 적용한 딥러닝 모델은 영상분할 영역에서 많이 사용되고 있는 HRNet을 기반으로 하였다. 특히, 기본영상과 목표영상 간 상관도 맵을 효과적으로 계산하고, 학습의 효율을 높이기 위하여 denseblock을 추가하였다. 국토지리정보원의 다시기 항공정사영상을 이용하여 제안된 모델의 학습을 수행하였으며, 학습에 사용하지 않은 자료를 이용하여 평가를 하고자 하였다. 딥러닝 모델을 이용한 영상매칭 성능을 평가하기 위해 영상 매칭결과와의 비교평가를 수행하였다. 실험 결과, 제안기법을 통한 영상 매칭률이 80%일 때의 평균 오차는 3화소로 ZNCC에 의한 결과인 25화소에 비해 더 높은 정확도를 보였다. 제안된 기법은 식생의 생장에 따라 영상의 변화가 심한 산지 및 농지 지역에 대해서도 효과적임을 확인하였다. 이를 통해 딥러닝을 이용한 기준영상과 목표영상의 매칭을 수행할 수 있을 것으로 판단되며, 위성영상의 상호좌표등록 및 다시기 영상의 정합 등에 활용할 수 있을 것으로 예상된다.

• 한국산업정보학회논문지
• /
• 제27권4호
• /
• pp.19-27
• /
• 2022

머신러닝(ML, Machine Learning)기반 응용에서의 인식성능은 적용된 모델의 종류와 크기, 학습환경 및 학습에 사용되는 데이터 등 다양한 요인에 따라 결정된다. 특히 학습에 사용되는 데이터가 충분치 않을 경우 인식성능이 저하되거나 과적합(Overfitting)등의 문제가 발생하기도 한다. 이미지 인식을 주요 대상으로 하는 기존 연구들은 학습을 위한 데이터셋이 풍부하고 검증된 데이터셋을 사용하여 학습 및 인식성능을 평가할 수 있다. 하지만 사용된 센서, 인식의 대상, 인식 상황이 다른 특정 응용들의 경우 데이터셋을 직접 구축해야 한다. 이런 경우, ML모델의 성능은 데이터의 양과 품질에 따라 달라진다. 본 논문에서는 이용 가능한 학습용 데이터가 충분치 않은 움직임 인식응용에 효율적으로 사용될 수 있는 비모수 추정 방식의 일종인 커널 밀도 추정 알고리즘을 사용하여 학습용 데이터를 증폭한 후, 사용된 커널의 종류에 따라, 원본 데이터의 수 및 증폭 비율에 따라 증폭된 데이터가 원본 데이터의 특징을 잘 반영하는지 인식 정확도 변화를 토대로 비교 분석한다. 실험결과, 본 연구에서 사용한 움직임 인식응용에서는 좁은 대역폭을 가진 Tophat 커널로 증폭된 데이터셋에서 최대 14.31%의 인식 정확도 향상을 확인하였다.