• 한국항공우주학회지
• /
• 제42권4호
• /
• pp.326-335
• /
• 2014

터보블로워는 상대적으로 적은 체적유량에서 높은 압력이 요구되는 곳에 사용되는 대표적인 유체기계로서 다양한 산업에 응용되어 사용된다. 본 연구에서는 고속으로 회전하는 소형 2단 터보블로워의 정압상승 메커니즘을 이해하기위해, 1단 임펠러 영역과 터보블로워 전체 영역에 대해서 상용툴인 ANSYS 14.5를 이용하여 CFD해석을 수행하였다. CFD 해석과정에는 역압력 구배에 의한 유동박리 예측에 적합한 k-${\omega}$ SST 난류 모델을 적용하였다. 터보블로워의 전산해석 결과는 KS B 6311 및 KS A 0612에 따른 성능시험방법을 통하여 해석기법이 타당함을 검증하였다. CFD 해석결과 터보블로워의 압력상승은 선형적으로 나타나지 않으며, 안내깃에서의 손실과 케이싱과 임펠러 간극에서 손실이 발생하는 것으로 분석되었다. 소형 2단 터보블로워를 공력성능을 예측하기 위해서는 전체 유동영역에 대한 전산 해석이 필요하며, 실험과 전산해석의 오차에 대해 고려된 전산해석 결과가 선정되어야 한다.

• 한국음향학회지
• /
• 제24권8호
• /
• pp.498-504
• /
• 2005

교육 및 연구 목적을 위하여 개발된 한국어 음성인식 플랫폼인 ECHOS를 소개한다. 음성인식을 위한 기본 모듈을 제공하는 BCHOS는 이해하기 쉽고 간단한 객체지향 구조를 가지며, 표준 템플릿 라이브러리 (STL)를 이용한 C++ 언어로 구현되었다. 입력은 8또는 16 kHz로 샘플링된 디지털 음성 데이터이며. 출력은 1-beat 인식결과, N-best 인식결과 및 word graph이다. ECHOS는 MFCC와 PLP 특징추출, HMM에 기반한 음향모델, n-gram 언어모델, 유한상태망 (FSN)과 렉시컬트리를 지원하는 탐색알고리듬으로 구성되며, 고립단어인식으로부터 대어휘 연속음성인식에 이르는 다양한 태스크를 처리할 수 있다. 플랫폼의 동작을 검증하기 위하여 ECHOS와 hidden Markov model toolkit (HTK)의 성능을 비교한다. ECHOS는 FSN 명령어 인식 태스크에서 HTK와 거의 비슷한 인식률을 나타내고 인식시간은 객체지향 구현 때문에 약 2배 정도 증가한다. 8000단어 연속음성인식에서는 HTK와 달리 렉시컬트리 탐색 알고리듬을 사용함으로써 단어오류율은 $40\%$ 증가하나 인식시간은 0.5배로 감소한다.

• 한국음향학회지
• /
• 제18권6호
• /
• pp.49-56
• /
• 1999

결정 트리 기반 상태 공유 방법은 HMM을 사용하는 많은 연속 음성 인식 시스템에서 강인하고 정확한 문맥 종속 음향 모델링 뿐만 아니라 훈련 중에는 나타나지 않은 모델들의 합성을 위하여 널리 사용되고 있다. 음성 결정 트리를 구성하기 위한 표준적인 방법은 단일 가우시안 트라이폰 모델을 이용한 1계층 프루닝 만을 사용하고 있다. 본 논문에서는 더욱 정교한 음향 모델링을 통하여 인식 성능 향상을 도모하기 위하여 새로운 2가지 접근 방법 즉, 2계층 결정 트리와 복수 혼합 결정 트리를 제안한다. 2계층 결정 트리는 상태 공유와 혼합 가중치 공유를 위하여 2계층 프루닝을 수행하며, 두 번째 계층을 사용하여 공유 상태들도 음성 문맥의 유사도에 따라서 서로 다른 가중치들을 사용할 수 있다. 두 번째 제안된 방법 에서는 훈련 과정 즉, 혼합 분할 및 재추정 과정과 함께 음성 결정 트리가 계속 갱신되어 진다. 복수 혼합 결정 트리를 구성하기 위하여 단일 가우시안 뿐만 아니라 복수 혼합 가우시안 모델이 함께 사용된다. 제안된 방법들을 이용하여 BN-96과 WSJ5k 데이터를 사용한 연속 음성 인식 실험을 수행한 결과, 표준 결정 트리를 사용한 시스템과 비교하여 공유 상태의 개수를 비슷하게 유지하면서 단어 오인식률을 줄일 수 있었다.

• 한국음향학회지
• /
• 제39권5호
• /
• pp.497-504
• /
• 2020

화자 검증에서 화자 임베딩 구축은 중요한 이슈이다. 일반적으로, 화자 임베딩 인코딩을 위해 자기주의 메커니즘이 적용되어졌다. 이전의 연구는 마지막 풀링 계층과 같은 높은 수준의 계층에서 자기 주의를 학습시키는 데 중점을 두었다. 이 경우, 화자 임베딩 인코딩 시 낮은 수준의 계층의 영향이 감소한다는 단점이 있다. 본 연구에서는 잔차 네트워크를 사용하여 Masked Cross Self-Attentive Encoding(MCSAE)를 제안한다. 이는 높은 수준 및 낮은 수준 계층의 특징 학습에 중점을 둔다. 다중 계층 집합을 기반으로 각 잔차 계층의 출력 특징들이 MCSAE에 사용된다. MCSAE에서 교차 자기 주의 모듈에 의해 각 입력 특징의 상호 의존성이 학습된다. 또한 랜덤 마스킹 정규화 모듈은 오버 피팅 문제를 방지하기 위해 적용된다. MCSAE는 화자 정보를 나타내는 프레임의 가중치를 향상시킨다. 그런 다음 출력 특징들이 합쳐져 화자 임베딩으로 인코딩된다. 따라서 MCSAE를 사용하여 보다 유용한 화자 임베딩이 인코딩된다. 실험 결과, VoxCeleb1 평가 데이터 세트를 사용하여 2.63 %의 동일 오류율를 보였다. 이는 이전의 자기 주의 인코딩 및 다른 최신 방법들과 비교하여 성능이 향상되었다.

• 한국음향학회지
• /
• 제39권5호
• /
• pp.441-446
• /
• 2020

본 논문은 심층 신경망을 이용한 화자 인증(Speaker Verification, SV) 시스템에서, 심층 신경망 내부에 존재하는 각 특징 지도(Feature Map)들의 분별력을 강화하기 위해 기존 특징 지도 스케일링(Feature Map Scaling, FMS) 기법을 확장한 α-FMS 기법을 제안한다. 기존의 FMS 기법은 특징 지도로부터 스케일 벡터를 구한 뒤, 이를 특징 지도에 더하거나 곱하거나 혹은 두 방식을 차례로 적용한다. 하지만 FMS 기법은 동일한 스케일 벡터를 덧셈과 곱셈 연산에 중복으로 사용할 뿐만 아니라, 스케일 벡터 자체도 sigmoid 비선형 활성 함수를 이용하여 계산되기 때문에 덧셈을 수행할 경우 그 값의 범위가 제한된다는 한계가 존재한다. 본 연구에서는 이러한 한계점을 극복하기 위해 별도의 α라는 학습 파라미터를 특징 지도에 원소 단위로 더한 뒤, 스케일 벡터를 곱하는 방식으로 α-FMS 기법을 설계하였다. 이 때, 제안한 α-FMS 기법은 스칼라 α를 학습하여 특징 지도의 모든 필터에 동일 값을 적용하는 방식과 벡터 α를 학습하여 특징 지도의 각 필터에 서로 다른 값을 적용하는 방식을 각각 적용 후 그 성능을 비교하였다. 두 방식의 α-FMS 모두 심층 심경망 내부의 잔차 연결이 적용된 각 블록 뒤에 적용하였다. 제안한 기법들의 유효성을 검증하기 위해 RawNet2 학습세트를 이용하여 학습시킨 뒤, VoxCeleb1 평가세트를 이용하여 성능을 평가한 결과, 각각 동일 오류율 2.47 %, 2.31 %를 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제15권3호
• /
• pp.65-72
• /
• 2010

역 RZ 부호로 코딩된 하향신호의 재변조를 이용하여 수신단에서 필터의 대역폭을 줄이기 위하여 상향신호가 저속인 비대칭 2.5Gbps/622Mbps 수동 광가입자 망을 제안한다. 하향 데이터의 형태에 따른 재변조한 상향신호의 평균오차율을 이론적으로 분석하고, 매트랩을 이용한 시뮬레이션을 통하여 최적 임계치에 의한 수신감도를 분석한다. 수신신호의 평균오차율을 $10^{-12}$미만으로 얻기 위해서는 수신전력이 약 -26dBm 이상 요구되며, 임계치의 최적치는 0.33으로 설정이가능하여 임계치가 0.5인 종래의 수신기를 사용하는 경우보다 수신감도가약 3dB 개선되는 것을 알 수 있다. 제안 시스템은 임계치의 제어가 불필요하고, 광 네트워크 유니트에서 광원 및 광선로 단국장치에서 제어회로를 제거할 수 있어, 비대칭 쌍방향 데이터 전송에 유용한 방식임을 알 수 있다.

• 대한전자공학회논문지SD
• /
• 제39권11호
• /
• pp.14-23
• /
• 2002

본 논문에서는 SOVA(Soft Output Viterbi Algorithm)를 이용한 터보 복호기의 최적화된 설계를 위하여 두 가지 방법을 적용하고 검증하였다. 첫 번째 방법은 생존 경로를 찾기 위한 역추적9trace back) 회로와 2단 SOVA의 가중치 인자(weighting factor)를 찾기 위한 2단 역추적 회로를 동시에 적용시키는 것이다. 이 방법을 적용할 경우 두 단계의 기능을 동시에 수행하도록 하여 레지스터 교환 방식 혹은 역추적 회로만을 적용한 SOVA 디코더보다 속도와 면적의 효율성을 높일 수 있다. 두 번째 방법은 비례 축소 인자만을 적용한 SOVA 디코더보다 속도와 면적의 효율성을 높일 수 있다. 두 번째 방법은 비례 축소 인자(scalling factor)를 적용하여 디코더의 수행 시 발생된 왜곡을 보상하는 것이다. 이 방법을 부호율 1/3, 256 비트의 프레임 사이즈를 가지는 8-state SOVA 디코더에 적용하여 0.25에서 0.33사이의 비례 축소 인자 값을 얻을 수 있었다. 이에 따라 10E-4의 BER(에러율)에서 비례 축소인자가 없는 시스템에 비해 2dB의 SNR(신호 대 잡음비) 성능 향상이 있었다. 이렇게 제시된 방법을 바탕으로 Xillinx XCV 1000E FPGA를 이용하여 검증한 결과 256비트 프레임 사이즈의 경우 최대 33.6MHz 주파수에서 동작하였으며, 845 클럭의 지연속도를 가지고 175K개의 케이트 수를 가지는 단일 칩으로 동작을 검증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제20권2호
• /
• pp.99-112
• /
• 2015

표시점의 위치 및 고도를 표시하기 위한 기준점은 각종 측량에 유용하게 활용되는 장점을 가지고 있다. 그러나 기상 변화 및 지각 변화 등의 이유로 손 망실되는 사례가 급증하고 있으며, 무의미하게 방치되는 기준점이 늘어나고 있는 실정이다. 이에 본 논문에서는 기존 측량기준점의 활용성을 극대화할 뿐만 아니라 기준점 주변의 각종 환경 데이터 수집과 주변 지역의 지각변동 감지 기능 등이 포함된 다목적 전자 측량기준점 시스템모니터링 S/W를 설계 및 구현한다. 제안하는 S/W는 S/W의 재사용성 및 확장성을 충분히 지원할 수 있도록 객체지향 모델링 기법을 이용하여 설계하고 구현한다. 본 S/W에서는 전자측량 기준점 관리자를 위한 GUI 뿐만 아니라, 웹 및 모바일 사용자를 위한 GUI를 지원한다. 제공하는 GUI에서는 전자 측량기준점의 손 망실 예방 및 지각 변동을 감지하기 위해 측위된 위치정보 및 각종 센싱 정보를 데이터베이스에 실시간으로 저장하고 분석할 수 있도록 각종 데이터를 위한 그래프 GUI 지원한다. 아울러 QR-Code 및 RFID 인식 기능도 포함되어 있다. 마지막으로, 자이로센서를 이용한 지각 변화 감지 및 GPS 위치 오차율을 확인하기 위해 성능평가 결과를 제시한다.

• 대한의용생체공학회:의공학회지
• /
• 제19권5호
• /
• pp.469-476
• /
• 1998

초음파, 내시경 등의 NTSC 영상을 PC를 통해 획득하고, 고해상도의 YGA 모니터에 표시할 경우 주사변환 과정을 거치면서 치명적인 영상의 왜곡(tear-drop)이 나타난다. 본 연구에서는 이러한 왜곡을 해소하는 여러 가찌 방법을 살펴보고 실시간으로 왜곡을 보정할 수 있는 하드웨어를 PC상에서 구현하였다. 하드웨어 시스템은 De-Interlace 전용의 소자와 PCI bridge 등을 이용함으로써 고화질의 영상표현과 실시간의 영상전송이 가능하다 구현된 시스템에서 영상의 질은 눈에 띄게 향상되었으며, PC 기반의 시스템으로 구성함으로써 영상의 저장, 전송 및 텍스트의 기록 등 다양한 기능을 쉽게 구현할 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권11호
• /
• pp.593-606
• /
• 2016

컴퓨터 시뮬레이션은 전산유쳬역학, 나노 물리, 계산화학, 구조 동역학, 전산설계 등 여러 계산과학공학 분야에서 시스템의 움직임을 예측하기 위해 널리 사용되고 있다. 하지만 시뮬레이션의 정밀도와 복잡도가 점점 증가함에 따라 시뮬레이션을 수행하는 비용 역시 크게 증가하고 있다. 따라서 시뮬레이션의 수행비용을 줄이는 것은 특히 입력 변수들의 값을 변화시켜가며 시뮬레이션을 반복적으로 수행하는 경우, 시뮬레이션 수행 시간 단축을 위해 매우 중요하다. 본 논문은 어떤 시뮬레이션의 수행이 요청되었을 때, 해당 시뮬레이션을 실제로 수행하지 않고도 기존에 수행된 시뮬레이션의 결과를 저장하여 이전에 획득되거나 혹은 예측된 결과를 반환하는 시스템을 개발한다. 이를 위해 본 논문에서 개발된 시스템은 크게 다음 2가지 기능을 제공한다: (1) 수행이 완료된 시뮬레이션의 결과를 데이터베이스에 저장하는 기능, (2) 사용자가 요청한 시뮬레이션의 결과를 통계적 기계학습 기술을 사용하여 예측하는 기능. 본 논문에서 개발한 예측 시스템의 예측 성능을 실제 유체역학 시뮬레이션 데이터를 사용하여 평가한 결과, 출력변수에 따라 0.9%의 매우 낮은 평균 예측 오차율을 보였다. 본 논문에서 개발한 시스템을 통하여 사용자들은 계산 및 저장 자원에 큰 부하를 주는 시뮬레이션을 실제 수행하지 않고도, 수행을 원하는 시뮬레이션의 결과를 빠르게 예측해 볼 수 있다.