• 한국통신학회논문지
• /
• 제32권9B호
• /
• pp.604-611
• /
• 2007

본 논문에서는 AFH 알고리즘을 사용하는 블루투스로 이루어진 피코넷이 WLAN과 공존할 때 피코넷 패킷 간의 충돌을 다중 경로 페이딩 채널을 고려하여 수학적으로 분석하였다. AFH에 의해 줄어든 블루투스의 홉 수와 패킷 주변의 피코넷의 신호 세기에 따라 패킷의 충돌 확률에 영향을 줄 수 있음을 알 수 있다. 또한 본 논문에서는 AFH이 갖는 한계를 인식하고 이를 극복하고자 AAFH 알고리즘을 제안하였다. AAFH은 계속적인 채널 사용 여부에 따라 채널 상태의 확인 여부(scanning)를 결정하게 되는데 AFH 와 비교했을 때 collision와 waste 양에서 큰 차이를 보이지 않으면서도 채널 scanning 수가 최대 50% 감소하게 되어 블루투스의 에너지 낭비가 줄어들게 됨을 보였다.

• 한국통신학회논문지
• /
• 제33권7B호
• /
• pp.469-476
• /
• 2008

본 논문에서는 AFH (Adaptive Frequency Hopping) 알고리즘을 사용하는 블루투스 (Bluetooth) 로 이루어진 피코넷 (Piconet) 이 WLAN (Wireless Local Area Network) 과 공존할 때 피코넷 패킷간의 충돌과 통합 처리량을 수학적으로 분석하였다. AFH 알고리즘에 의해 줄어든 블루투스의 흡수가 피코넷 간의 패킷 충돌을 증가 시킬 수 있고 통합 처리량에도 영향을 줄 수 있음을 알 수 있다. 또한 다중 경로 페이딩 채널을 고려하여 다수의 피코넷이 패킷을 전송할 때 동일 주파수를 사용하더라도 주변의 피코넷의 신호 세기에 따라 패킷의 충돌 확률에도 영향을 줄 수 있음을 알 수 있다. 본 연구는 블루투스와 WLAN 사용에 있어서 시스템의 파라미터 설정에 참고할 만한 가이드라인이 될 수 있을 것이다.

• 대한전자공학회논문지SP
• /
• 제41권5호
• /
• pp.23-34
• /
• 2004

본 논문에서는 사전학습이 필요 없는 능동 특징점 모델(non-prior training active feature model; NPT AFM) 기반에서 광류(optical flow)를 이용한 객체추적 기술을 제안한다. 제안한 알고리듬은 비정형 객체에 대한 분석[1]에 초점을 두고 있으며, 실시간에서 NPT-AFM을 사용한 강건한 추적을 가능하게 한다. NPT-AFM 알고리듬은 관심 객체의 위치를 파악하는 과정 (localization)과 이전 프레임 정보와 현재 프레임 정보를 이용하여, 객체의 위치를 예측(prediction), 보정(correction)하는 과정으로 나눌 수 있다 위치 파악 과정에서는 움직임 분할(motion segmentation)을 수행한 후 개선된 Shi-Tomasi의 특징점 추적 알고리듬[2]을 사용 하였다. 예측 및 보정 과정에서는 광류 정보를 사용하여 특징점을 추적하고[3] 만약, 특징점이 적절히 추적 되지 않거나 추적에 실패하면 특징점들의 시간(temporal), 공간(spatial)적 정보를 이용하여 예측, 보정하게 된다. 객체의 형태 (shape)대신 특징점을 사용하였으며, 객체를 추적하는 과정에서 특징점들은 능동 특징점 모델(active feature model; AFM)을 위한 학습 집합(training sets)의 요소로 갱신된다. 실험결과, 제안한 NPT-AF% 기반 추적 알고리듬은 실시간에서 비정형 객체를 추적하는데 강건함을 보석준다.