• 한국통신학회논문지
• /
• 제33권3C호
• /
• pp.271-280
• /
• 2008

M채널 NPR(Near-Perfect Reconstruction) pseudo-QMF(Quadrature Mirror Filter) 뱅크의 설계는 일반적으로 SF(Spectral Factorization) 접근 방식을 혼합하여 많이 사용하며, 분리와 합성 필터들은 프로토타입 저역통과 필터(prototype lowpass filter : p-LPF)를 코사인 변조하여 사용한다. 그러나 이 방식은 $2M^{-th}$ 대역 필터 $G(z)=z^{-(N-1)}H(z^{-1})H(z)$의 SF 방식에 의해 p-LPF H(z)을 설계하기 때문에 p-LPF가 선형위상을 갖지 못할 뿐만 아니라 진폭왜곡이 최적화되지도 않았다. 따라서 대부분의 방법들이 재생 진폭왜곡 보다는 중첩상쇄왜곡을 줄이기 위한 p-LPF 설계를 제안하였다. 본 논문에서는 NPR pseudo-QMF 뱅크 구현에 필요한 p-LPF 설계를 위해 폐쇄형전달함수를 갖는 선형위상의 Maxflat(maximally flat) FIR 필터를 이용하는 새로운 방식을 제안하였다. 또한 폐쇄형주파수함수를 이용하여 $2M^{-th}$ 대역 필터 $G(z)=H^2(z)$로 표현되는 2M개 채널들의 전체진폭응답이 단일응답을 갖도록 p-LPF H(z)을 최적화하는 방법이 제안되었다. 실험 결과 시스템 최대진폭 왜곡이 $3.5{\times}10^{-4}\;({\simeq}-70dB)$보다 적고 각 분리 및 합성 필터들의 저지대역 감쇠가 -100dB 이상의 매우 뛰어난 NPR pseudo-QMF 뱅크 설계가 가능함이 증명되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권12호
• /
• pp.543-548
• /
• 2015

최근 다양한 분야에서 생산되는 데이터의 양이 폭발적으로 증가함에 따라 사용자가 가장 관심 있어 하는 몇 개의 데이터를 검색하는 top-k 질의에 대한 관심이 고조되고 있다. Top-k 질의는 사용자의 점수 함수를 이용하여, 사용자가 원하는 모든 조건을 만족시키는 데이터들 중에서 최상위 (또는 최하위) 점수를 가지는 k개의 데이터를 사용자에게 반환한다. 최근 들어 클라우드 컴퓨팅 서비스의 대중화로 인하여 사용자의 대용량 데이터를 클라우드에 아웃소싱하여 경제적으로 저장 및 관리하는 데이터 아웃소싱이 크게 주목받고 있다. 그러나 데이터 아웃소싱으로 인하여 사용자의 민감한 데이터가 클라우드 서비스 제공자에게 노출될 수 있다는 위험이 존재하며, 이러한 문제를 방지하기 위해서는 사용자의 민감한 데이터를 암호화하여 클라우드에 저장하는 것이 필수적으로 요구된다. 본 논문은 클라우드 컴퓨팅 환경에서 암호화된 데이터에 대한 top-k 질의를 효율적으로 처리하는 알고리즘을 제안한다. 제안되는 알고리즘은 순서보존 암호화 기법을 이용하여, 암호화된 데이터만을 대상으로 top-k 질의 결과에 포함되지 않을 것으로 예상되는 중간 결과들을 클라우드 내에서 미리 제거함으로써 효율적인 top-k 질의 처리가 가능하게 한다. 논문의 실험 결과는 제안된 top-k 질의 처리 알고리즘이 단순 방법과 비교하여 사용자 시스템의 부하를 10배~10000배 줄일 수 있음을 증명한다.