• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 제36회 하계학술대회 논문집 B
• /
• pp.1231-1233
• /
• 2005

다수본의 고온초전도테이프로 구성되는 전력케이블에서 발생되는 교류손실은 초전도전력케이블의 효율을 저하시킨 뿐만 아니라 냉동기비용 증가 및 시스템 사이즈의 증가를 초래하여 기존 케이블(구리도체)과의 가격경쟁에서 경제성을 저하시키는 주된 요인으로 작용하기 때문에 이의 상용화에 앞서 교류손실에 대한 정확한 규명이 되어야 한다. 그러나 다수본으로 구성되는 초전도케이블의 교류손실은 상이한 임계전류, 상이한 전류분포 및 인접한 테이프에 흐르는 위상이 상이한 전류 및 전압리드의 형상 통의 영향 때문에 매우 복잡하다. 이와 같은 교류손실 평가와 관련된 문제들을 규명하기 위해 실제 전력케이블을 모의한 단척 모델케이블을 제작하여 이에 대한 교류손실 평가기술을 개발하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (3)
• /
• pp.564-566
• /
• 2000

망을 통해 동일한 데이터를 다수의 고객에게 전송하는 파일 전송 서비스, 뉴스 서비스, 인터넷 방송 서비스들이 증가함에 따라 멀티캐스트를 이용한 효율적인 데이터 전송에 대한 요구가 증가하고 있다. 신뢰적인 멀티캐스트 프로토콜을 송신자로부터 손실된 패킷을 복구하거나 이웃한 지역의 응답자에게 복구 패킷을 요청함으로써 손실 복구를 수행한다. 본 논문에서는 신뢰적 멀티캐스트를 제공하기 위해 손실이 발생하였을 경우 손실 회복에 사용할 수 있는 다중 응답자를 이용한 손실 복구 기법을 제안한다. 이 기법은 LSM[1] 모델을 기반으로, 다수의 요청 패킷에 대해 동적으로 응답자의 수를 증가시켜 다중 응답자들이 손실 복구를 수행하도록 함으로써 손실 복구 시간을 감소시킨다. 제안한 방식의 성능은 시뮬레이션을 통해 증명한다.

• 한국전자통신학회논문지
• /
• 제14권3호
• /
• pp.483-488
• /
• 2019

국제 표준으로 사용되고 있는 지구-우주 통신 링크의 전파 예측 모델을 사용하여 통신 경로의 총 손실을 계산하고 분석하였다. 총 손실의 계산에 사용되는 각 파라미터(강우, 신틸레이션, 대기 가스, 구름에 의한 감쇠)에 대한 ITU-R의 표준 정의 및 적용 범위를 분석하였다. 각 파라미터별 표준 모델과 ITU-R에서 제공하는 통계 데이터를 사용하여 총 손실을 계산하였고, 그 결과를 검증 사례 데이터를 사용하여 분석하였다. 국내에서 측정된 장기간의 지역 강우 감쇠 통계 데이터를 사용하여 강우 손실을 계산하고, ITU-R 권고서의 강우율 지도를 사용한 계산 결과와 비교하였다. 강우 손실 계산에서는 천리안 위성의 L-대역과 Ka-대역에 대한 신호 측정 데이터를 사용하였다. 0.01%-0.1%의 범위에서 ITU-R의 모델에 의한 감쇠보다 지역 측정 데이터를 사용 했을 때 더 큰 감쇠 기울기를 갖는 것을 확인하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2014년도 추계학술대회 논문집
• /
• pp.23-24
• /
• 2014

본 논문은 전압원 인버터를 모델 예측 제어 (Model Predictive Control)를 하는데 있어 스위칭 손실을 줄이기 위한 제로 벡터 (zero-vector) 선택 방법을 제안한다. 기존의 전압원 인버터의 모델 예측 제어는 제로 벡터의 중복을 선택하는 방법이 제시되지 않아, 이에 대한 연구가 필요하다. 본 논문에서는 제로 벡터의 중복을 선택하는 방법으로 스위칭 손실을 줄이기 위한 제로 시퀀스 전압을 생성하고, 생성된 제로 시퀀스 전압의 부호를 통해 제로 벡터의 중복을 선택하였다. 따라서 전류의 품질은 그대로 유지시키는 동시에 스위칭 손실을 감소시킬 수 있다. 이를 시뮬레이션으로 검증하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.224-227
• /
• 2022

객체 분류는 입력으로 주어진 이미지에 포함된 객체의 종류를 판단하는 기술이다. 대표적인 딥러닝 기반의 객체 분류 방법으로서 Faster R-CNN[2], YOLO[3] 등의 모델이 개발되었으나, 여전히 성능 향상의 여지가 있다. 본 연구에서는 각도 마진 손실 함수를 기존의 몇 가지 객채 분류 모델에 적용하여 성능 향상을 유도한다. 각도 마진 손실 함수는 얼굴 인식 모델인 SphereFace [4]에서 제안한 방법으로, 얼굴 인식과 같이 단일 도메인의 데이터셋을 분류하는 문제를 풀기 위해 제안되었다. 이는 기존 소프트맥스 함수에서 클래스 결정 경계선에 마진을 주는 방식으로 클래스 간의 구분 능력을 향상시킨다. 본 논문은 각도 마진 손실 함수를 CIFAR10, CIFAR100 데이터셋의 분류 문제에 적용하였으며 ResNet, EfficientNet, MobileNet 등의 백본 네트워크로 실험하여 평균적으로 mAP 성능이 향상되는 것을 확인하였다.

• 한국음향학회지
• /
• 제21권8호
• /
• pp.679-685
• /
• 2002

천해에서의 저주파 단상태 잔향음 모델 (L-HYREV: Low-frequency Hanyang univ. Reverberation model)을 개발하였다. 음선이론 (ray-theory)에 기초한 전파모델은 해저 내로 투과되는 음파에 대한 효과를 적절하게 고려할 수 없으므로, 해저 내 상호작용을 계산할 수 있는 전파모델이 필요하다. 따라서 본 논문에서는 RAM(Range dependent Acoustic Model)을 이용해서 전달손실을 계산 후, 다중경로 확장모델 (multi-path expansion model)을 이용해서 산출한 전달손실을 보정하였다. 모델의 검증을 위하여 GSM (generic sonar model) 잔향음 모의 신호 및 실측 잔향음 신호와 비교하였으며, 비교 결과 GSM보다 L-HYREV 모델이 저주파 잔향음 예측에 적합함을 확인할 수 있다.

• 한국정보통신학회논문지
• /
• 제26권5호
• /
• pp.688-693
• /
• 2022

본 논문에서는 5G 이동통신에 활용되고 있는 주파수 대역인 3.7 GHz, 28 GHz에 대한 건물 복도에서 채널 전파 경로손실을 측정하고, CI (Close-In), FI (Floating-Intercept) 채널 모델과 비교·분석하였다. 전파 경로손실 측정을 위해 송신기 (Tx)로부터 수신기 (Rx)를 10 m 씩 이동시키며 측정을 수행하였다. 측정 결과 3.7 GHz, 28 GHz에서의 CI 모델의 PLE (Path Loss Exponent)값은 각각 1.5293, 1.7795이며, 표준편차는 각각 9.1606, 8.5803으로 분석되었다. FI 모델에서 α값은 각각 79.5269, 70.2012, β값은 각각 -0.6082, 1.2517이며, 표준편차는 각각 5.8113, 4.4810으로 분석되었다. CI 모델과 FI 모델을 통한 분석 결과에서 FI 모델의 표준편차가 CI 모델에 비해 적으므로 FI 모델이 실제 측정 결과와 유사함을 알 수 있었다.

• 한국음향학회지
• /
• 제32권2호
• /
• pp.157-166
• /
• 2013

본 논문은 패킷 손실의 영향을 이용한 비 침입적 음질 평가 방법을 제안한다. 패킷 손실은 패킷 기반의 통신 시스템에서 음질을 저하시키는 주된 요소이며 그 영향은 코덱에 내장된 패킷 손실 은닉 알고리듬에 의해 결정된다. 패킷 손실 영향을 반영한 음질평가 시스템을 위해 VoIP 에서 협대역 코덱으로 사용되는 코덱 중 하나인 G.729를 선택하였으며, 음성 특징에 따른 패킷 손실 영향을 구분하기 위해서 G.729 코덱의 음성 파라미터를 이용한 한 음성 특성 분류기를 설계하였다. 이후, 각각의 패킷 특성에 따른 음질 저하의 정도를 수치화하기 위해 원 PESQ-LQ점수와 상관계수를 최대화하는 음질 저하 가중치를 반복적으로 구하였으며, 최종 음질 저하는 가중합으로 구하였다. 그 결과 제안한 모델과 PESQ-LQ의 상관계수는 칩입 모델 에서는 0.8950를, 비 침입 모델 에서는 0.8911의 결과를 나타내었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1996년도 제11회 수중음향학 학술발표회 논문집 11th Underwater Acoustics Symposium Proceedings
• /
• pp.64-68
• /
• 1996

수중음파전달 모델은 benchmark 시험을 통해 정확도, 적용범위, 계산시간 등의 성능을 평가받는다. 본 논문에서는 analytic 모델, 정상 모드 모델(normal mode model), 포물선 방정식 모델(parabolic equation model), 가우시안 빔 모델(Gaussian beam model), 스펙트럼 모델(spectral model) 등 거리의존 모델에 대해 benchmark 시험을 수행하였으며, benchmark 시험은 다음과 같은 세 가지 거리의존 해양환경으로 나누어 실시했다 : 1) 해수면과 해저면이 Dirichlet 경계조건인 이상 쐐기 문제(ideal wedge problem), 2) 해수면은 앞서 말한 Dirichlet 경계조건이나 해저면은 전달 손실이 있는 손실 통과 해저면 쐐기 문제(penetrable lossy bottom wedge problem), 3) 해수면은 앞서 말한 Dirichlet 경계조건이고 해저면은 Neumann 경계조건으로 서로 평행이면 음파전달 속도가 거리방향 의존인 경우, 경우 1은 anaytic 모델을 사용하고 경우 2는 정상 모드 모델, 포물선 방정식 모델, 스펙트럼 모델을 사용하였으며, 경우 3에 대해서는 가우시안 빔 모델과 포물선 방정식 모델을 사용하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제26권10호
• /
• pp.1143-1155
• /
• 1999

셀룰러 방식의 이동통신 시스템에서 전파의 유효신호 도달범위를 예측하기 위해서는 전파전파 모델을 이용한 예측기법이 주로 사용된다. 그러나, 전파과정에서 주변 지형지물에 의해 발생하는 전파손실은 매우 복잡한 비선형적인 특성을 가지며 수식으로는 정확한 표현이 불가능하다. 본 논문에서는 신경회로망의 함수 근사화 능력을 이용하여 전파손실 예측모델을 생성하는 방법을 제안한다. 즉, 전파손실을 송수신 안테나간의 거리, 송신안테나의 특성, 장애물 투과영향, 회절특성, 도로, 수면에 의한 영향 등과 같은 전파환경 변수들의 함수로 가정하고, 신경회로망 학습을 통하여 함수를 근사화한다. 전파환경 변수들이 신경회로망 입력으로 사용되기 위해서는 3차원 지형도와 벡터지도를 이용하여 전파의 반사, 회절, 산란 등의 물리적인 특성이 고려된 특징 추출을 통해 정량적인 수치들을 계산한다. 이와 같이 얻어진 훈련데이타를 이용한 신경회로망 학습을 통해 전파손실 모델을 완성한다. 이 모델을 이용하여 서울 도심 지역의 실제 서비스 환경에 대한 타 모델과의 비교실험결과를 통해 제안하는 모델의 우수성을 보인다.Abstract In cellular mobile communication systems, wave propagation models are used in most cases to predict cell coverage. The amount of propagation loss induced by the obstacles in the propagation path, however, is a highly non-linear function, which cannot be easily represented mathematically. In this paper, we introduce the method of producing propagation loss prediction models by function approximation using neural networks. In this method, we assume the propagation loss is a function of the relevant parameters such as the distance from the base station antenna, the specification of the transmitter antenna, obstacle profile, diffraction effect, road, and water effect. The values of these parameters are produced from the field measurement data, 3D digital terrain maps, and vector maps as its inputs by a feature extraction process, which takes into account the physical characteristics of electromagnetic waves such as reflection, diffraction and scattering. The values produced are used as the input to the neural network, which are then trained to become the propagation loss prediction model. In the experimental study, we obtain a considerable amount of improvement over COST-231 model in the prediction accuracy using this model.