• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10c
• /
• pp.411-413
• /
• 1999

본 논문에선느 ATM 통신망을 위한 여러 ATM 스위치 모델들 중에서, 내부적으로 블록킹(blocking)이 없고 입출력 단에 각각 버퍼가 할당되어 있는 입출력 버퍼형 교환기에 대하여 연구하였다. 기존에서 스위치 스피드-업(Switch Speed-up) 기법하에서 주로 연구가 이루어졌다. 따라서, 본 논문에서는 유니폼 트래픽하에서 Output-port Expansion 기법을 사용한 귀환.손실 모드 및 하이브리드 모드하에서의 셀 손실률을 비교 분석하였다. Output-port Expansion 기법은, 한 타임 슬롯동안에 입력포트 당 하나의 셀만 교환되며, 만약 하나 이상의 셀들이 같은 출력포트로 향하면, 최대 교환되는 셀 수를 K(Output-port Expansion Ratio)개로 제한하는 방식이다. 유니폼 트래픽(uniform random traffic) 하에서 각 모드에 따른 셀 손실률을 비교 분석한 결과, 로드 0.9를 기점으로, 0.9이하의 로드에서는 하이브리드 모드가, 0.9이상의 로드에서는 손실모드가 가장 낮은 셀 손실률을 보인다.

• Proceedings of the KIPE Conference
• /
• 2009.11a
• /
• pp.152-154
• /
• 2009

태양광발전 시스템에서 사용되는 컨버터는 기존의 입출력 관계로 모델링할 수 없다. 이는 태양광 전지를 컨버터의 입력단으로 사용하여, 모델의 입력 전류와 전압이 수시로 변동하기 때문이다. 이런 오류가 있는 방법으로 모델링하여 설계한 제어기가 좋은 성능을 내기는 어렵다. 본 논문에서는 기존의 입출력 관계를 반대로 한 벅 컨버터의 새로운 모델을 제시한다. 모델링은 상태공간평균화 방법(State-Space Averaging Method)을 사용하였다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.2031-2032
• /
• 2006

고압 배전선로를 전력선통신망으로 활용하기 위하여는 고압 배전선로에 대한 입력 임피던스에 대한 정확한 이론적 고찰과 실선로에서의 측정을 통한 검증이 요구된다. 본 논문에서는 고압 배전선로용 신호결합장치의 등가회로를 바탕으로 고압 전력선통신시스템의 입출력 모뎀을 제안한다. 제안된 시스템입출력 모델을 바탕으로 고압 배전선로의 고주파(2-30MHz) 대역의 입력 임피던스를 계산한다. 고압 배전선로 통신 입출력 모델에서 지면의 유전상수, 전력선의 길이, 지면의 도전율에 따른 배전선로 입력 임피던스의 이론적 분석과 실 선로에서의 입력 임피던스 측정 결과를 소개한다.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.406-407
• /
• 2007

에너지 관리시스템(EMS)은 전력계통 제어용 종합 자동화 설비로서 전력계통 운영의 효율성과 전력공급의 신뢰도 향상을 위해 운용되고 있다. EMS의 중요한 기능중 하나는 일련의 계통해석 애플리케이션들을 통해 전력계통의 상태를 해석하여 안전도를 감시하고 평가하는 것이다. 이러한 계통해석 애플리케이션들은 상호간에 데이터의 일관성을 유지하기 위해 하나의 동일한 전력계통모델을 사용하여야 하며, 주어진 시간에서 여러 개의 독립적인 기능이 순차적으로 실행하여 계통의 상태정보를 실시간으로 제공해야 하므로 데이터의 입출력이 매우 빠르게 이뤄질 수 있어야 한다. 따라서 이러한 실시간 애플리케이션이 요구하는 신뢰성과 성능을 만족하기 위해서는 공통 네트워크 모델 기반의 데이터베이스와 그에 맞게 애플리케이션을 위한 데이터 입출력 구조나 기능을 설계하여야 한다. 본 논문은 전력IT 국가전략과제로 개발 진행 중인 한국형 EMS(이하 K-EMS)의 계통해석 애플리케이션을 위한 데이터베이스의 구조와 애플리케이션을 구성하는 세부기능들의 구조를 이러한 관점에서 기술하고자 한다.

• ICROS
• /
• v.18 no.3
• /
• pp.37-42
• /
• 2012

이번 편에서는 첫 번째 편에서 소개된 블랙박스 모델을 결정하는 기법 중의 하나인 매개변수 시스템 식별법을 소개한다. 이 기법은 식별하고자 하는 대상 시스템에 대하여 매개변수들로 표현되는 여러 가지 후보 모델들을 선정한 후 확정된 입출력 데이터와 추정 알고리즘을 적용하고 여러 가지 검증과정을 통하여 실제 시스템의 데이터에 가장 가까운 특성을 보이는 모델을 선정하는 방법이다. 이를 위해서 본 편에서는 선형-시불변 시스템의 블랙박스 식별에서 종종 사용되는 여러 가지 모델구조들을 소개한다.

• Science of Emotion and Sensibility
• /
• v.1 no.1
• /
• pp.25-31
• /
• 1998

컴퓨터 하드웨어 기술과 멀티미디어 기술의 발달로 멀티미디어 입출력 장치를 이용한 고급 인터메이스의 필요성이 대두되었다. 친근감 있는 사용자 인터페이스를 제공하기 위해 실감 있는 얼굴 애니메이션에 대한 요구가 증대되고 있다. 본 논문에서는 사람의 내적 상태를 잘 표현하는 얼굴의 표정을 3차원 모델을 이용하여 애니메이션을 수행한다. 애니메이션에 실재감을 더하기 위해 실제 얼굴 영상을 사용하여 3차원의 얼굴 모델을 변형하고, 여러 방향에서 얻은 얼굴 영상을 이용하여 텍스터 매핑을 한다. 변형된 3차원 모델을 이용하여 얼굴 표정을 애니메이션 하기 위해서 해부학에 기반한 Waters의 근육 모델을 수정하여 사용한다. 그리고, Ekman이 제안한 대표적인 6가지 표정들을 합성한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.66-68
• /
• 2016

무선 통신 시스템에서 장거리 신호송출을 위해 사용하고 있는 고전력 증폭기(HPA, High Power Amplifier)는 증폭기의 비선형성 때문에 송출신호에 왜곡을 야기시키며 이 때문에 선형구간만을 사용하게 되어 그 전력 효율이 떨어지게 된다. 이 비선형 특성을 해결하기 위하여 디지털 사전 왜곡기(DPD, Digital Pre-distorter)를 HPA 의 앞단에 채용하여 송출신호를 선형화 시키고 효율도 높이게 된다. 이 DPD는 대부분 HPA를 특정 모델이라고 가정하고 최적화 알고리즘을 통해 설계되는데 HPA의 모델에 대한 가정이 맞지 않을 경우 설계된 DPD의 성능이 떨어질 수 있다. 따라서 HPA의 모델을 정확하게 아는 것은 DPD 설계에 있어서 중요한 이슈가 된다. 본 논문에서는 실제 상용되는 HPA에 대해 이미 알려진 다양한 HPA의 모델 중에서 가장 적합한 모델을 선정하고 또한 그 모델의 계수를 얻어내는 방법을 소개한다. 이렇게 얻어진 HPA의 모델정보는 최적의 DPD 설계에 사용될 수 있다. 각 HPA 모델에 대한 파라메터를 구함에 있어서 알려진 최적화 방법 이외에 직접 적용이 어려운 경우에는 기존 방식을 수정하고 그 방식을 사용하였다. 실제 HPA 의 입출력 신호를 실시간 수집하고 컴퓨터 모의실험을 수행하여 동일한 HPA 입력 신호에 대해 실제 HPA의 출력과 찾아낸 최적 모델의 출력을 비교 분석함으로써 실제 찾아낸 모델이 가장 정확하게 상용 HPA를 모델링 하고 있음을 확인하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1996.10a
• /
• pp.42-45
• /
• 1996

잔향시간이 긴 실내의 전달함수의 모델링에 있어서 , 일반적인 플 밴드 MA 모델에 기초한 적응 필터를 이용한 경우에는, 많은 필터 차수를 필요로 하고 적응 시간이 길어지는 문제점이 있다. 본 논문에서는 필터 차수를 감소시키고 수렴 특성을 향사시키기 위해서, 각 입출력 신호를 몇 개의 주파수 대역으로 나우어서 각각의 주파수 대역에 대새서 적응 처리 과정을 행하는 서브밴드 MA 모델을 이용한 적응디지털 필터 처리 방법을 제안한다. 컴퓨터 시뮬레이션 서브밴드MA 모델을 이용한 디지털 적응 필터 처리과정의 유효성을 나타냈었다.

• The Journal of the Korea Contents Association
• /
• v.11 no.3
• /
• pp.48-55
• /
• 2011

In this paper, we analyze the input-output characteristics of fuzzy inference systems according to the division of entire input spaces and the fuzzy reasoning methods to identify the fuzzy model for nonlinear process. And fuzzy model is expressed by identifying the structure and parameters of the system by means of input variables, fuzzy partition of input spaces, and consequence polynomial functions. In the premise part of the rules Min-Max method using the minimum and maximum values of input data set and C-Means clustering algorithm forming input data into the hard clusters are used for identification of fuzzy model and membership function is used as a series of triangular membership function. In the consequence part of the rules fuzzy reasoning is conducted by two types of inferences. The identification of the consequence parameters, namely polynomial coefficients, of the rules are carried out by the standard least square method. And lastly, we use gas furnace process which is widely used in nonlinear process and we evaluate the performance for this nonlinear process.

• Journal of Advanced Navigation Technology
• /
• v.23 no.6
• /
• pp.561-569
• /
• 2019

Solar photovoltaic can provide electrical energy with only radiation, and its use is expanding rapidly as a new energy source. This study predicts the short and long-term PV power generation using actual converter output data of photovoltaic system. The prediction algorithm uses multiple linear regression, support vector machine (SVM), and deep learning such as deep neural network (DNN) and long short-term memory (LSTM). In addition, three models are used according to the input and output structure of the weather element. Long-term forecasts are made monthly, seasonally and annually, and short-term forecasts are made for 7 days. As a result, the deep learning network is better in prediction accuracy than multiple linear regression and SVM. In addition, LSTM, which is a better model for time series prediction than DNN, is somewhat superior in terms of prediction accuracy. The experiment results according to the input and output structure appear Model 2 has less error than Model 1, and Model 3 has less error than Model 2.