• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 춘계종합학술대회
• /
• pp.159-162
• /
• 2002

본 논문에서는 능동 소나망의 구성 방법 및 관측 오차에 따른 위치 추정 성능에 대해서 다룬다. 능동소나는 구성 방법에 따라서 크게 Monostatic, Bistatic, Multisatic으로 분류될 수 있으며, 각각의 오차에 대한 특성이 서로 다르다. 본 논문에서는 각 수신기가 거리합 정보와 방위각 정보를 얻을 수 있다는 가정하에 LS를 이용한 Multisatic 소나망 정보의 융합 방법을 제안하였으며, Monostatic, Bistatic 소나망과 비교를 수행하였다. 모의 실험 결과 Multistatic 소나망의 위치 추정 RMSE가 Monostatic, Bistatic 소나망에 비해 약 57％ 우수했다.

• 한국통신학회논문지
• /
• 제37권6A호
• /
• pp.405-419
• /
• 2012

본 논문에서는 다중 릴레이와 다중 사용자가 존재하고, 모든 노드에 다중 안테나가 탑재된 시스템에서 기지국, 릴레이 전처리기 공동 설계 기법을 제안한다. 설계 기준은 릴레이가 각자의 지역 채널 정보만 취할 수 있고, 전체 릴레이 합 전력 제약 환경일 때, 사용자 평균 자승 오류의 합(sum mean square error, SMSE)을 최소화하는 것이다. 한 릴레이의 지역 채널 정보는, 시스템의 모든 첫 번째 홉 및 두 번째 홉 채널 중에서, 그 릴레이 자신이 접속된 채널의 정보로 정의된다. 블록 대각화 전처리기가 연결된 기지국 전처리기 구조를 사용하면, 각 릴레이가 지역 채널 정보만을 활용하여 자신의 전처리기 구조를 결정할 수 있다. 제안 하는 기법은 SMSE 쌍대성을 사용하여 기지국 전처리기와 릴레이 전처리기를 결정하는 1단계 및 사용자 수신 필터를 결정하는 2단계의 순차적 반복을 기반으로 한다. 제안한 기법은 반드시 수렴하며, 이론적으로 이를 검증할 수 있다. 제안하는 기법이 Simple amplify-and-forward(SAF), MMSE 릴레이 및 [1]에서 제안한 방식에 비해서 SMSE 성능, 합 전송률 성능 모두 우월한 것을 확인한다.

• 유체기계공업학회:학술대회논문집
• /
• 유체기계공업학회 2002년도 유체기계 연구개발 발표회 논문집
• /
• pp.378-386
• /
• 2002

Multi-path ultrasonic Sow measurement system uncertainty is determined by assigning an expected error of each component of flow measurement and then defining the total flow measurement uncertainty as square root of the sum of squared values of the individual error. Sources of uncertainty for flow measurement are geometry, transit time and velocity profile integration uncertainty. A theoretical uncertainty model for multi-path ultrasonic transit time flowmeter configured with parallel 5 chords, is derived from and calculated by dry calibration method.

• ETRI Journal
• /
• 제38권3호
• /
• pp.435-443
• /
• 2016

In this paper, an efficient beam tracking algorithm for a regularized zero-forcing (RZF) approach in slowly fading multiple-input and single-output (MISO) broadcast channels is considered. By modifying an RZF equation, an RZF beam tracking algorithm is proposed using matrix perturbation theory. The proposed algorithm utilizes both beams from the previous time step and channel difference (between the previous and current time steps) to calculate the RZF beams. The tracking performance of the proposed algorithm is analyzed in terms of the mean square error (MSE) between a tracking approach and an exact recomputing approach, and in terms of the additional MSE caused by the beam tracking error at the receiver. Numerical results show that the proposed algorithm has almost the same performance as the exact recomputing approach in terms of the sum rate.

• 한국멀티미디어학회논문지
• /
• 제10권11호
• /
• pp.1439-1445
• /
• 2007

본 논문에서는 기존의 PDE방법의 계산량을 줄이고 동시에 동일한 예측화질을 얻기 위해, 초기 매칭블록의 서브블록별 SAD값의 비교를 통한 고속 움직임 예측 알고리즘을 제안한다. 제안한 방법은 최초 매칭 블록의 서브블록별 매칭 에러의 복잡도의 비교를 통해 후보블록들의 매칭순서를 변경하여 불필요한 계산량을 줄이는 방법을 제안한다. 제안한 알고리즘은 예측 화질의 저하 없이 기존의 PDE(partial distortion elimination) 알고리즘을 이용한 전영역 탐색 방법에 비해 45%의 계산량을 줄였으며, MPEG-2 및 MPEG-4 AVC를 이용하는 비디오 압축 응용분야에 유용하게 사용될 수 있을 것이다.

• 대한전자공학회논문지TC
• /
• 제44권7호통권361호
• /
• pp.47-52
• /
• 2007

본 논문은 다중 셀 환경에서 MMSE 수신기를 가지는 MIMO MC-CDMA시스템의 출력 SINR을 점근적으로 분석한다. 단일 셀에서의 점근적 성능 분석이 다중셀 환경으로 확장 적용된다. 점근적 분석을 위한 Haar 유니터리 코드의 사용은 다른 셀로부터의 간섭성분이 대각성분들의 값이 다른 대각행렬로 나타나게 한다. 본 논문에서는 다른 셀의 코드 간섭 성분을 mean square측면에서 간섭의 전력으로 수렴함을 보이고, 셀간 간섭 성분이 주어질 때 점근적으로 특정 SINR값을 찾는다. 다중 셀에서의 거리에 따른 느린 페이딩을 로그노말 분포를 가정하여 구한 이론적인 비트오차 확률과 실험을 비교하여 비슷함을 보이고, 점근적 성능에 의한 데이터 전송 수율의 셀 반경에 따른 성능을 보인다.

• Journal of Positioning, Navigation, and Timing
• /
• 제7권2호
• /
• pp.53-59
• /
• 2018

This paper proposes a pseudo-random beamforming technique for time-synchronized mobile base stations (BSs) for multi-cell downlink networks which have mobility. The base stations equipped with multi-antennas and mobile stations (MSs) are time-synchronized based on global positioning system (GPS) signals and generate a number of transmit beamforming matrix candidates according to the predetermined pseudo-random pattern. In addition, MSs generate receive beamforming vectors that correspond to the beam index number based on the minimum mean square error (MMSE) using transmit beamforming vectors that make up a number of transmit beamforming matrices and wireless channel matrices from BSs estimated via the reference signals (RS). Afterward, values of received signal-to-interference-plus-noise ratio (SINR) with regard to all transmit beamforming vectors are calculated, and the resulting values are then feedbacked to the BS of the same cells along with the beam index number. Each of the BSs calculates each of the sum-rates of the transmit beamforming matrix candidates based on the feedback information and then transmits the calculated results to the BS coordinator. After this, optimum transmit beamforming matrices, which can maximize a sum-rate of the entire cells, are selected at the BS coordinator and informed to the BSs. Finally, data signals are transmitted using them. The simulation results verified that a sum-rate of the entire cells was improved as the number of transmit beamforming matrix candidates increased. It was also found that if the received SINR values and beam index numbers are feedbacked opportunistically from each of the MSs to the BSs, not only nearly the same performance in sum-rate with that of applying existing feedback techniques could be achieved but also an amount of feedback was significantly reduced.

• 한국통신학회논문지
• /
• 제35권4C호
• /
• pp.321-328
• /
• 2010

본 논문에서는 이동 통신에서 주로 쓰이는 하향/상향링크(downlink/uplink)처럼 상호 간의 상관관계가 존재하는 두 개의 채널에 대한 시뮬레이션 방법을 제안한다. 제안된 방법은 기존 방법의 문제점인 채널 간의 상관관계가 수학적 기준모델과 일치하지 않는 점을 개선한 방법이다. 레일리 페이딩 채널 시뮬레이션 모델은 유한개의 삼각함수의 합을 이용한 SOS(Sum-of-Sinusoids) 방법을 사용하였다. 이 방법은 페이딩 신호의 샘플들을 발생할 때 효율적인 방법으로 알려져 있으며 수학적 기준모델에 대한 정확한 시뮬레이션 결과를 얻을 수 있다. 제안된 모델은 기준모델의 이론적인 상관관계와 시뮬레이터로부터 얻은 채널 간의 상관관계의 오차를 줄이기 위해 MSE를 최소화하는 방식을 이용하면서 평균전력을 이론치와 같게 유지하는 방법이다. 실험결과를 통해 제안한 방법이 기존의 방법보다 기준모델의 수학적 상관관계를 더욱 정확히 모사하는 것을 확인하였다.

• Journal of Biosystems Engineering
• /
• 제23권6호
• /
• pp.571-582
• /
• 1998

The PLS(Partial Least Square) and ANN(Artificial Neural Network) were introduced to develop the soluble solids content prediction model of apples which is followed by making a subsequent selection of photosensor. For the optimal PLS model, number of factors needed for spectrum analysis were increased until the convergence of prediction residual error sum of squares. Analysis has shown that even part of the overall wavelength with no pretreatment may turn out better performing. The best PLS model was found in the 800 to 1,100nm wavelength region without pretreatment of second derivation, having $R^2$=0.9236, bias= -0.0198bx, SEP=0.2527bx for unknown samples. On the other hand, for the ANN model the second derivation led to higher performance. On partial range of 800 to 1,100nm wavelengh region, prediction model with second derivation for unknown samples reached $R^2$=0.9177, SEP=0.2903bx in contrast to $R^2$=0.7507, SEP =0.4622bx without pretreatment.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.134-144
• /
• 2023

Nowadays, Deep Learning (DL) technology is being used in several government departments. South Korea imports a lot of seafood. If the demand for fishery products is not accurately predicted, then there will be a shortage of fishery products and the price of the fishery product may rise sharply. So, South Korea's Ministry of Ocean and Fisheries is attempting to accurately predict seafood imports using deep learning. This paper introduces the solution for the fish import prediction in South Korea using the Long Short-Term Memory (LSTM) method. It was found that there was a huge gap between the sum of consumption and export against the sum of production especially in the case of two species that are Hairtail and Pollock. An import prediction is suggested in this research to fill the gap with some advanced Deep Learning methods. This research focuses on import prediction using Machine Learning (ML) and Deep Learning methods to predict the import amount more precisely. For the prediction, two Deep Learning methods were chosen which are Artificial Neural Network (ANN) and Long Short-Term Memory (LSTM). Moreover, the Machine Learning method was also selected for the comparison between the DL and ML. Root Mean Square Error (RMSE) was selected for the error measurement which shows the difference between the predicted and actual values. The results obtained were compared with the average RMSE scores and in terms of percentage. It was found that the LSTM has the lowest RMSE score which showed the prediction with higher accuracy. Meanwhile, ML's RMSE score was higher which shows lower accuracy in prediction. Moreover, Google Trend Search data was used as a new feature to find its impact on prediction outcomes. It was found that it had a positive impact on results as the RMSE values were lowered, increasing the accuracy of the prediction.