• 전자공학회논문지
• /
• 제51권11호
• /
• pp.33-39
• /
• 2014

본 논문에서는 다중 사용자 다중 안테나 하향링크 시스템에서 maximal ratio transmission (MRT) 기법 사용 시, 에너지 효율을 최대화하는 최적의 송신 안테나 수에 대해 알아본다. Full channel state information at the transmitter (CSIT) 환경에서 평균 채널 이득, 각 단말 간 채널 독립성, 평균 path loss를 사용하여 최적화 식을 근사하고 편미분을 이용하여 closed form으로 최적의 송신 안테나 수를 구한다. 또한 limited feedback 환경에서는 동일한 방법으로 근사한 목적함수에 대하여 bisection method를 이용하여 최적의 송신 안테나 수를 찾는다. 모의실험 결과를 통해, 구해진 최적의 송신안테나 수가 exhaustive search로 찾은 최적의 송신안테나 수에 비해 오차가 크지 않음을 확인하고, 단말의 피드백 비트 수가 최적의 송신 안테나 수에 미치는 영향을 분석한다.

• 한국정보통신학회논문지
• /
• 제11권11호
• /
• pp.2021-2026
• /
• 2007

본 논문에서는 다중객체 인식 시스템과 같은 저용량 데이터전송의 저전력 무선센서네트워크 분야에 적용 가능한 새로운 펄스 방식의 저 속도 무선 비동기식 UWB(Wireless Asynchronous Ultra-Wide band) 시스템을 제안하고 이를 설계 및 구현한다. 특히, 펄스방식의 저전력 UWB시스템을 구현하기 위해서 전형적인 통신시스템의 수신기 구조인 RF단의 믹서, 상관기와 A/D 변환기를 없애고 최대한 단순화된 구조의 무선 비동기 방식의 UWB 송수신기를 설계하였다. 또한, 설계된 무선 비동기식 UWB 시스템의 테스트베드를 구현하였고, 구현된 무선 비동기식 UWB 시스템의 응용 시스템 예로 홈 내 또는 강의실과 같은 곳에서 하나의 송신 무선 비동기식 UWB 송신기 측에서 10 m 거리 범위 내에 있는 다수의 수신 무선 비동기식 UWB 측으로 동시에 그림이나 글을 전송할 수 있는 1:N HD(Half Duplex) 방식의 저전력 무선 캔버스(CANVAS) 시스템을 실제 구현하였다. 이를 통해, 제안된 무선 비동기식 UWB 시스템은 LOS(Line of Sight) 채널상태의 전송거리 10m에서 안정적으로 최대 115kbps 급의 전송속도가 지원 가능함을 확인하였다.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.408-415
• /
• 2022

본 논문에서는 효율적인 feature map 추출 네트워크를 이용한 2D 이미지에서의 3D 포인트 클라우드 재구축 기법을 제안한다. 본 논문에서 제안한 기법의 독창성은 다음과 같다. 첫 번째로, 메모리 측면에서 기존 기법보다 약 27% 더 효율적인 새로운 feature map 추출 네트워크를 사용한다. 제안하는 네트워크는 딥러닝 네트워크의 중간까지 크기 축소를 수행하지 않아, 3D 포인트 클라우드 재구축에 필요한 중요한 정보가 유실되지 않았다. 축소되지 않은 이미지 크기로 인해 발생하는 메모리 증가 문제는 채널의 개수를 줄이고 딥러닝 네트워크의 깊이를 얕게 효율적으로 구성하여 해결하였다. 두 번째로, 2D 이미지의 고해상도 feature를 보존하여 정확도를 기존 기법보다 향상시킬 수 있도록 하였다. 축소되지 않은 이미지로부터 추출한 feature map은 기존의 방법보다 자세한 정보가 담겨있어 3D 포인트 클라우드의 재구축 정확도를 향상시킬 수 있다. 세 번째로, 촬영 정보를 필요로 하지 않는 divergence loss를 사용한다. 2D 이미지뿐만 아니라 촬영 각도가 학습에 필요하다는 사항은 그만큼 데이터셋이 자세한 정보를 담고 있어야 하며 데이터셋의 구축을 어렵게 만드는 단점이다. 본 논문에서는 추가적인 촬영 정보 없이 무작위성을 통해 정보의 다양성을 늘려 3D 포인트 클라우드의 재구축 정확도가 높아질 수 있도록 하였다. 제안하는 기법의 성능을 객관적으로 평가하기 위해 ShapeNet 데이터셋을 이용하여 비교 논문들과 같은 방법으로 실험한 결과, 본 논문에서 제안하는 기법의 CD 값이 5.87, EMD 값이 5.81 FLOPs 값이 2.9G로 산출되었다. 한편, CD, EMD 수치가 낮을수록, 재구축한 3D 포인트 클라우드가 원본에 근접하는 정확도가 향상된 결과를 나타낸다. 또한, FLOPs 수치가 낮을수록 딥러닝 네트워크에 필요한 메모리가 적게 소요되는 결과를 나타낸다. 따라서, 제안하는 기법의 CD, EMD, FLOPs 성능평가 결과가 다른 논문의 기법들보다 메모리 측면에서 약 27%, 정확도 측면에서 약 6.3% 향상된 결과를 나타내어 객관적인 성능이 입증되었다.