• 융합정보논문지
• /
• 제10권7호
• /
• pp.33-40
• /
• 2020

본 논문은 기존 강화학습 기반 수중통신 예약방식에서 성능 저하 요인 중 하나인 긴 학습 시간을 단축시킴으로써 에너지 소모를 감소시킬 수 있는 향상된 채널 접속 기법을 제안한다. 수중 무선 네트워크에서 노드 간 거리를 추정하여 이를 바탕으로 기존 강화 학습 기반 채널 접속 방법의 학습 범위의 최대, 최소치를 결정한다. 이는 기존 강화학습의 학습 범위를 줄일 수 있다. 수중 무선 네트워크 환경의 특성에 따른 거리 추정값의 오차를 고려하여 NAV 학습 범위를 고려하며, 이를 적용하기 위해 인위적으로 간섭의 크기를 변경시켜가며 학습 진행률에 대한 성능 테스트를 진행하였다. 실험 결과 기존 방법 대비 제안된 AQ-NAV 방안의 경우, 20-40회 학습에서도 360개의 학습 배열 중 평균 340-350개 이상의 학습 배열이 학습이 진행되었고 50회 이상 학습에서는 모든 학습 배열에 대하여 학습이 진행되었다. 반면, 기존 연구의 경우 학습이 120회 이상 진행되어도 360개의 배열 중 300-320개의 배열에 대한 학습이 진행되었다. 실험에서는 기존 대비 적은 횟수의 시도로 학습이 가능함을 보여준다. AQ-NAV가 수중 무선 네트워크에 적용될 경우 에너지 소비 절감을 통해 기존의 방안의 문제점을 완화하고 네트워크 성능 향상을 이룰 것으로 예상된다.

• 한국인터넷방송통신학회논문지
• /
• 제15권3호
• /
• pp.99-105
• /
• 2015

본 논문에서는 nonconstant modulus 신호를 대상으로 채널의 찌그러짐에 의한 부호간 간섭을 보상하기 위한 MMA (Multiple Modulus Algorithm) 적응 등화기를 가변 적응 스텝 크기를 적용하지 않고 2단의 직렬 연결 형태로 구현하여 수렴 속도를 개선할 수 있는 mMMA (modified MMA)에 대하여 다룬다. 적응 등화기는 유한 차수의 탭 지연선에 의한 단일 디지털 필터로 구현되므로, 논문에서는 이를 2단의 직렬 연결 필터로 구현한 후 각 단에서는 MMA와 동일한 알고리즘으로 오차 신호를 얻은 후 필터 계수를 갱신하게 된다. 따라서 첫단에는 빠른 수렴 속도를 결정하며, 두 번째단에서는 첫단의 출력에 포함되어 있는 잔류 isi양을 최소화시키도록 탭 계수를 갱신한다. 이때 1단 시스템과 2단 시스템은 동일한 차수의 필터가 되도록 조정하면서 적응 등화 성능을 비교하였으며, 성능 비교를 위한 지수로는 등화기 출력 신호 성상도, 수렴 특성을 나타내는 잔류 isi, 최대 찌그러짐과 MSE, 채널의 신호대 잡음비에 따른 SER을 사용하였다. 시뮬레이션 결과 2단의 FIR 구조를 갖는 mMMA가 1단의 기존 MMA보다 등화 잡음에 의한 성상도를 제외한 모든 성능 지수에서 우월하며, 수렴 속도는 1.5~1.8배 정도 개선됨을 확인하였다.

• 한국통신학회논문지
• /
• 제30권12C호
• /
• pp.1133-1143
• /
• 2005

본 논문에서는 다중경로 채널 환경의 초광대역 (Ultra Wide Band; UWB) 시스템에서 고속 고신뢰의 동기획득을 위한 향상된 두 단계 신호 탐색 기법인 TSS-LS(Two-Step Search scheme with the Linear search based Second step) 를 제안한다. 제안된 TSS-LS는 기존에 본 저자들이 제안하였던 TSS-BS (Two-Step Search scheme with the Bit reversal search based Second step)와 견줄만한 매우 빠른 동기획득 성능을 달성할 수 있도록 Single-Dwell 연속 동기탐색 기법에 기초하고 있으며 두 개의 다른 임계값과 탐색창을 적용한다. 반면, 제안된 TSS-LS는 UWB 시스템에서 통기획득의 고신뢰성을 보장하기 위해 두번째 단계에서 Bit Reversal 탐색 알고리즘을 사용하는 TSS-BS와는 달리 Linear 탐색 알고리즘을 적용하게 된다. IEEE 802.15.3a의 UWB 다중경로 채별 환경에서의 모의실험 결과, 일반적인 탐색 기법보다 본 논문에서 제안된 두 단계 탐색 기법의 정규화된 평균 동기획득 소요 시간이 큰 폭으로 향상됨을 확인할 수 있었다. 특히, 신호 동기획득 과정과 연동된 비트오율 성능 평가에서 제안된 TSS-LS 기법의 경우 높은 신호대 잡음비에 대해 이상적인 성능에 필적하는 매우 우수한 성능을 보임을 확인할 수 있었다.

• 한국의학물리학회지:의학물리
• /
• 제14권4호
• /
• pp.211-217
• /
• 2003

주성분분석은 잘 알려진 데이터 분석 방법으로써 높은 차원의 데이터를 낮은 차원의 데이터로 표현하는데 효과적이어서 얼굴인식, 데이터 압축 등에 이용되고 있다. 주성분분석을 하게 되면 원 데이터의 공분산 행렬로부터 정규직교한 고유벡터와 해당하는 고유치를 얻게 되고 그 중 큰 값을 가지는 고유벡터 들을 선택하여 선형 변환함으로써 데이터의 차원을 줄일 수 있게 된다. 망막에 빛 자극이 인가되면 시세포 층에서 전기신호로 변환된 후 복잡한 신경회로를 거쳐 최종적으로 신경절세포 층에서 활동전위의 형태로 출력되게 된다. 본 연구에서는 다채널전극을 사용하여 여러 개 망막 신경절세포로부터 유래되는 활동전위를 기록한 후 개개의 신호를 구분하는 과정을 거치고, 이어서 그 신호를 만들어 내는 각 뉴론들끼리의 시간적, 공간적 흥분발사 패턴을 이해함으로써 궁극적으로 시각정보 인코딩 기전을 밝히려는 연구 목표하에 그 첫 단계로서 망막 신경절세포의 활동전위를 기록한 후 분류하는 과정을 성공적으로 수행하였기에 그 내용을 서술하고자 한다. 망막에서 기록되는 신경절세포 활동전위는 불규칙하고 확률적이기 때문에 주성분분석을 통하여 그 유형을 분류할 수 있었다. 토끼 눈으로부터 망막을 박리하여 망막조각을 얻은 후 신경절세포 층이 전극표면을 향하도록 전극에 부착하였다. 8${\times}$8의 microelectrode array (MEA)를 전극으로 사용하였고, 증폭기는 MEA 60 system을 사용하여 신경절세포 활동전위를 기록하였다. 활동전위 기록 후 파형 분류를 하였다. 잡음이 섞여있는 기록으로부터 신호를 검출하기 위하여, 잡음역치($\pm$3$\sigma$)를 설정하였다. 역치를 넘는 파형 만을 획득한 후 주성분분석을 통해 각 파형의 첫 번째 주성분, 두 번째 주성분을 계산하여 2차원 평면에 투사함으로써 몇 개의 의미있는 클러스터를 얻었다. 이 클러스터는 곧 각 신경절세포에서 유래되는 파형을 반영하므로 주성분분석을 통하여 망막 신경절세포의 활동전위를 각 세포별로 분류할 수 있음을 확인하였다.

• 지구물리와물리탐사
• /
• 제11권1호
• /
• pp.26-33
• /
• 2008

큰 입사각을 가진 탄성파 반사법과 굴절법 자료의 분석은 지각 규모의 구조 연구에서 중요한 역할을 한다. 그러나, 관측된 자료로부터 적합한 속도 구조 모델을 바로 얻는 것은 상당히 어려운 일이며, 지각 구조 분석은 본질적으로 비선형 문제이기 때문에 구조 모델을 단계적으로 향상 시켜야만 한다. 광각 지각 구조 모델링에는 위상식별과 시행착오 전진 모델링과 같은 몇 가지 주관적인 과정들이 있다. 광각 자료 분석에서 이러한 주관적인 과정들은 결과 모델들의 유일성과 신뢰성을 감소시키기 때문에, 분석절차에서 주관성을 감소시키는 것이 중요하다. 이러한 관점에서, 우리는 지각 구조 모델의 개발에 사용될 PASTEUP과 MODELING이라는 2개의 소프트웨어를 설명하고 있다. PASETUP은 기록 단면도의 도시, 광각 탄성파 자료 분석 그리고 위상 피킹을 쉽게 해주는 대화식 응용프로그램이다. PASETUP은 신호대잡음 비를 향상시키고 위상식별을 도와주는 분석 기능과 다양한 필터를 갖추고 있다. MODELLING은 속도모델의 편집과 파선 모델링을 위한 대화식 응용프로그램이다. MODELING에 의해 계산된 주행시간은 PASTEUP에서 관찰된 파형과 바로 비교될 수 있다. 이것은 지각구조 분석에서 가장 주관적인 과정 중 하나인 주행시간 피킹이 필요 없기 때문에 지각 구조 모델링에서 주관성을 감소시킨다. MODELING은 편집 가능한 층서구조 모델을 다중 채널 탄성파(MCS) 반사파 자료의 시간 단면도와 비교할 수 있는 왕복 주시로 변환할 수 있다. 반사파 자료와 광각 자료의 구조 모델 사이의 직접 비교는 모델에 좀 더 신뢰성을 부여한다. 게다가 PASTEUP과 MODELING 둘다 큰 자료를 다루기에 효과적인 도구이다. 이 소프트웨어들은 광각 탄성파 자료를 이용한 좀 더 그럴듯한 지각-규모의 구조 모델을 개발하는데 도움을 준다.