pISSN : 1226 - 4717 / eISSN : 2287 - 3880
발행기관 : 한국통신학회
  한국통신학회 논문지는 1976년부터 발행되고 있으며, 정보통신 분야에서 가장 오래된 역사를 가지고 있는 국문/영문 혼용 논문지입니다. 정보, 통신, 네트워크 및 융합 기술에 관련된 주제를 다루는 전문 학술지로 정보, 통신, 네트워크 및 융합 기술에 관련된 새로운 개념, 이론, 기술과 응용까지 논문에서 다루는 주제에 따라 일반논문(Part A (AI for ICT Applications), Part B (Communications Systems), Part C (Networks and Computings), Part D (Services Applications and Emerging Topics), Part E (ICT Convergence), Part F (System Implementation)), 특집논문으로 분류하여 연간 400여 편의 논문이 발행되고 있습니다.
Indexed in    

우수논문   (49권 3호, 3월  2024)

클라우드-RSU-차량 아키텍처에서 에너지 지연 균형을 위한 동적 로드밸런싱 알고리즘

최평준  윤필도  곽정호

레벨 4 이상의 첨단 자율주행 서비스는 운전자의 지속적인 개입을 필요로 하지 않으며 차량이 자율적으로 다양한 주행 시나리오에 대응할 수 있도록 한다. V2X 통신을 활용한 On Board Unit (OBU), Road Side Units (RSU) 및 클라우드 인프라와 같은 Vehicle Edge Computing (VEC) 구성 요소의 통합을 통해 각 구성 요소에 산재된 네트워킹 자원과 컴퓨팅 자원을 효율적으로 사용하여 차량의 사물 인식, 의...

낮은 복잡도의 극 부호 신뢰 전파 복호 조기 종료 판별기

이충수  백성열  박찬수  오왕록

극 부호 (polar codes) 복호 기법 중 하나로 신뢰 전파 복호 기법 (belief propagation decoding)이 제안되었으며 연속 제거 복호 기법 (successive cancellation decoding) 대비 지연시간이 짧은 장점이 있으나 계산 복잡도가높은 단점이 있다. 이를 보완하기 위해 조기 종료 신뢰 전파 복호 기법이 제안되었으나 조기 종료 여부를 판별하는 데 추가적인 복잡도가 요구된다. 본 논문에서는 극 부호의 ...

최근 발간 목록   (49권 4호, 4월  2024)

추정거리의 구간을 활용한 RSSI 핑거프린팅 기반의 실내 위치인식 알고리즘 
배종현  백호기
실내 무선 네트워크에서의 위치인식 문제는 RSSI(Received Signal Strength Indicator) 핑거프린팅 기법을 활용한 연구가 활발하게 이루어져 왔다. 본 논문에서는 RSSI 핑거프린팅에 기반한 두 가지 위치인식 알고리즘으로 최대우도(ML, Maximum Likelihood) 알고리즘, 유효영역 최대우도(VAML, Valid Area Maximum Likelihood) 알고리즘을 제시하고 핵심 파라미터를 제시한다. VAML 알고리즘의 주요 파라미터들이 추정위치의 정확도에 미치는영향을 확인하기 위해, 센서노드가 RSSI를 측정하는 횟수, 참조노드의 수, RSSI 값으로 계산한 추정거리의 범위등 주요 파라미터의 값에 차이를 주고 시뮬레이션을 수행하여 성능을 비교하였다. 마지막으로, 제시한 두 알고리즘과 wKNN(weighted KNN) 알고리즘의 추정위치 정확도와 시간 복잡도를 비교하여 VAML 알고리즘이 wKNN 알고리즘과 ML 알고리즘에 비해 좋은 성능을 보임을 검증하였다.
손 동작 인식을 위한 소프트 웨어러블 장갑의 센서 캘리브레이션과 노이즈 처리 기술 개발 
이강호  김진형  헤라르도 사카레로  원윤재
다양한 원인에 의하여 신체의 운동 기능을 담당하는 중추신경계 또는 말초신경계가 손상되어 사지 마비를 갖게된 환자들의 삶의 질 향상과 생활 자립 및 보조를 위한 연구들이 진행되고 있고, 그 방법으로 외골격 또는 소프트로봇의 연구가 진행되고 있다. 본 연구팀은 사지마비 환자의 손 움직임을 보조하는 소프트로봇 개발 과정에서손의 움직임과 자세를 측정할 수 있도록 하기 위하여 실리콘과 액체금속 기반의 스트레인 센서를 이용하여 손의움직임을 측정할 수 있는 웨어러블 장갑을 개발하고자 하였다. 환자들마다 서로 다른 손의 크기와 움직임의 형태를 정확하고 원활하게 측정하고 인식할 수 있도록 하기 위하여 비교적 낮은 성능의 MCU (Microcontroller unit) 에서도 동작할 수 있는 효과적인 캘리브레이션 방법을 고안하였고, 손 인식 과정에서의 오동작 또는 불필요한 인식 결과가 나타나는 것을 줄이기 위하여 신호의 노이즈를 감쇠시키는 방법을 고안하여 적용하였다. 본 연구팀이개발한 웨어러블 장갑을 이용한 손의 자세 및 움직임을 측정하는 기술은 실제 사지마비 환자에게 적용되었을 때소프트로봇의 동작 효과를 측정하거나, 소프트로봇의 작동을 모니터링하고 조정할 수 있는 과정에 효과적으로 사용될 것으로 기대되며, 나아가 손뿐만 아니라, 팔, 다리 등 다른 신체 부위에도 적용할 수 있으며, 소프트로봇의성능을 평가하는 평가 기술로도 활용될 수 있을 것으로 기대한다.
이산 웨이블릿 변환 기반의 대역 에너지를 활용한 음향 신호의 이상 탐지 
최은혜  박형곤
산업 현장에서 기계 설비의 이상 상태를 감지하고 모니터링하는 것은 중요하다. 음향 신호 기반의 설비 고장감지 기술은 기존의 이미지/영상 기반이나 기타 별도 센서 기반의 이상 감지 기술에 비해 저비용으로 고장 감지를수행할 수 있다는 장점이 있다. 하지만 센서로부터 수집된 대량의 음향 신호를 활용하기 위해서는 집약적인 신호처리와 학습을 위해 많은 컴퓨팅 자원을 필요로 한다. 따라서 컴퓨팅 자원을 효율적으로 사용한 음향 신호 기반이상 탐지 시스템에 대한 고려가 필요하다. 본 논문에서는 이산 웨이블릿 변환을 활용하여 음향 신호의 대역 에너지를 추출하는 방법과 이를 활용한 경량 이상 탐지 모델로 구성된 시스템을 제안한다. 이산 웨이블릿 변환 기반의대역 에너지는 음향 신호의 특징을 효과적으로 압축하여 데이터 전처리 시간을 감소시키며 경량화된 이상 탐지모델을 구축할 수 있음을 실험을 통해 검증하였다.
Deep Learning-Based Approaches for Nucleus Segmentation 
Duy Cuong Bui  Myungsik Yoo
The accurate identification of cell nuclei is a critical aspect of various analyses, given that human cells, numbering around 30 trillion, contain DNA as their genetic code. In this research paper, we provide a comprehensive overview of deep learning-based techniques for nucleus segmentation. We have replicated and assessed the state-of-the-art methods using datasets like FCN, SegNet, U-net, and DoubleU-net, with a focus on the Data Science Bowl 2018 dataset comprising 670 training data folders and 65 testing data folders. Our experimental findings reveal that DoubleU-Net surpasses U-Net and other baseline models, yielding more precise segmentation masks. This promising outcome suggests that DoubleU-Net could serve as a robust model for addressing various challenges in medical image segmentation.
Multiple TRM’s Automated Measurement and Calibration Method of AESA Radar System in X-Band 
Byung-jun Park  Jung-il Cho  Jong-hun Jung  Woon-sung Choi
This paper presents an automated measurement and calibration algorithm for multiple Transmitter Receiver Modules (TRMs) in AESA (Active Electronically Scanned-Array) radar system in the X-band. The previously developed Automated Test Equipment (ATE) could only measure one TRM at a time, leading to reduced efficiency due to the need for repeated replacement and testing. Additionally, the previous calibration algorithm did not account for the error rate of the test jig. To address these issues, we simultaneously measured four TRMs to reduce testing time and improved calibration accuracy through a supplementary algorithm. We also added new measurement items such as In/Out delay time, pulse rising/falling time, spurious signals, Look-Up Table (LUT) generation through calibration, power consumption analysis and characteristic conversion results according to ambient temperature changes. A water-cooled chiller provided a uniform temperature environment for multiple TRM measurements and a user-centered GUI facilitated the addition and modification of measurement items. Our approach resulted in a 10.4% reduction in testing time compared to existing equipment and achieved results within ±1dBp-p and within ±5°of phase error through our supplemented phase/amplitude calibration algorithm.
AI 기반 검사장비 교체주기 예측 플랫폼 
강선우  오성현  김정곤
최근 스마트 공장의 증가에 따라, 공정 장비의 노후화와 유지관리 비용이 증가하고 있다. 이로 인해서 생산 장비의 수명을 예측하는 기술의 필요성이 커지고 있다. 자동화 생산 라인의 동작이 잠시 중단되면 큰 비용 손실을초래할 수 있다. 따라서, 장비 상태 모니터링과 실시간 고장 예측 기술이 필수 불가결하다. 장비 고장에 관계없이수리하는 PM(Preventive Maintenance) 방식을 사용하지 않고 오작동 주기를 예측하는 PdM(Predictive Maintenance)으로 생산성을 높일 수 있다. 본 논문에서는 SCU(Shift-by-wire Control Unit) 검사 장비에 적용할AI(Artificial Intelligence) 기반 PdM 기술을 개발하였다. 개발된 플랫폼은 실시간 장비 상태 예측을 수행한다. 장비의 결함을 예측하기 위해 시뮬레이션을 통해 SCU 검사 장비의 전압과 주파수 데이터 셋을 생성했다. 그리고이 데이터를 RNN(Recurrent Neural Network), LSTM(Long Short-Term Memory) 및 GRU(Gated Recurrent Unit)의 세 가지 모델에 적용하고 성능을 비교하였다. 시뮬레이션 결과를 통해 R2-score 0.992의 정확도로 GRU가최적의 예측 속도와 정확도를 달성했다. 이러한 결과를 기반으로, GRU를 이용한 PdM 플랫폼을 개발하였다. 개발된 플랫폼은 실시간으로 입력되는 데이터를 기반으로 하루 주기의 데이터를 예측하는 기능을 갖도록 했다.
이륜차 사고 후속 조치를 위한 딥러닝 플랫폼 구현 
박재한  최문규  권대현  신수용
본 논문은 이륜차 사고 발생시 운전자 안전을 위한 신속한 사고 감지 및 조치 플랫폼을 구현한다. 딥 러닝을사용한 전방 시야 정보 분석과 IMU 센서를 사용한 사고 감지, GPS 기반의 위치 정보를 사용하여 신속한 사고대응을 가능하게하는 플랫폼을 구현이 목적이다. 딥 러닝 기반의 전방 차량 번호판 인식을 통하여 이미지 인식의속도를 개선하였으며, IMU의 기울기 값을 감지하여 이륜 자동차가 정상적으로 운행중인지 감지할 수 있도록 하였다. 또한 GPS의 경우 매초 이륜차의 위치를 파악하여 사고 발생시 운전자의 위치를 빠르게 파악할 수 있도록 한다. 파악된 위치 정보와 전방 시야 정보는 병합 처리되어 무선 통신 모듈을 통해 서버로 전송되며, 사고에 대한초기 대응을 촉진한다. 종합적으로, 이 플랫폼은 이륜차의 사고 감지 및 대응에 중점을 두고 개발되었으며, 성능검증을 통해 그 신뢰성을 입증하였다. 또한, 이 플랫폼의 활용 가능성과 서비스 개발에 대한 전망을 제시한다.