압축 센싱의 성능 향상을 위한 가변 블록 크기 기술

함우규,구자성,안창범,박호종,Ham, Woo-Gyu,Ku, Jaseong,Ahn, Chang-Beom,Park, Hochong 대한전자공학회 2013 전자공학회논문지 Vol.50 No.6

기존의 블록 기반 압축 센싱은 고정 블록 크기를 사용하여 신호를 복원하며, 영역별 신호의 특성에 적합한 블록 크기를 사용하지 못하여 복원 성능이 저하된다. 본 논문에서는 이 문제를 해결하기 위하여 블록 기반 압축 센싱에서 신호의 특성에 따라 블록 크기를 가변적으로 결정하여 복원 신호의 품질을 향상시키는 가변 블록 크기 기술을 제안한다. 제안한 방법은 여러 블록 크기로 신호를 복원하고, 프레임별로 각 복원한 신호의 자기 상관도를 측정하여 신호의 특성을 확인하고, 프레임의 블록 크기를 결정한다. 동일한 측정 데이터에 대하여 제안한 가변 블록 크기 방법이 기존의 고정 블록 크기 방법에 비하여 향상된 품질의 신호를 복원하는 것을 확인하였다. The conventional block-based compressed sensing uses a fixed block size for signal reconstruction, and the reconstructed signal is degraded because the block size suitable to the signal characteristics is not used. To solve this problem, in this paper, a variable block size method for compressed sensing is proposed that estimates the signal characteristics and selects a proper block size for each frame, thereby improving the quality of the reconstructed signal. The proposed method reconstructs the signal with different block sizes, analyzes the signal characteristics using correlation coefficients for each frame, and select the block size for the frame. It is confirmed that, with the same acquired data, the proposed method reconstructs the signal of higher quality than the conventional fixed block size method.

압축 센싱의 성능 향상을 위한 가변 블록 크기 기술

함우규(Woo-Gyu Ham),구자성(Jaseong Ku),안창범(Chang-Beom Ahn),박호종(Hochong Park) 대한전자공학회 2013 전자공학회논문지 Vol.50 No.4

기존의 블록 기반 압축 센싱은 고정 블록 크기를 사용하여 신호를 복원하며, 영역별 신호의 특성에 적합한 블록 크기를 사용하지 못하여 복원 성능이 저하된다. 본 논문에서는 이 문제를 해결하기 위하여 블록 기반 압축 센싱에서 신호의 특성에 따라 블록 크기를 가변적으로 결정하여 복원 신호의 품질을 향상시키는 가변 블록 크기 기술을 제안한다. 제안한 방법은 여러 블록 크기로 신호를 복원하고, 프레임별로 각 복원한 신호의 자기 상관도를 측정하여 신호의 특성을 확인하고, 프레임의 블록 크기를 결정한다. 동일한 측정 데이터에 대하여 제안한 가변 블록 크기 방법이 기존의 고정 블록 크기 방법에 비하여 향상된 품질의 신호를 복원하는 것을 확인하였다. The conventional block-based compressed sensing uses a fixed block size for signal reconstruction, and the reconstructed signal is degraded because the block size suitable to the signal characteristics is not used. To solve this problem, in this paper, a variable block size method for compressed sensing is proposed that estimates the signal characteristics and selects a proper block size for each frame, thereby improving the quality of the reconstructed signal. The proposed method reconstructs the signal with different block sizes, analyzes the signal characteristics using correlation coefficients for each frame, and select the block size for the frame. It is confirmed that, with the same acquired data, the proposed method reconstructs the signal of higher quality than the conventional fixed block size method.

임의의 그래프신호를 위한 고속 샘플링 집합 선택 알고리즘

김윤학(Yoon-Hak Kim) 한국전자통신학회 2020 한국전자통신학회 논문지 Vol.15 No.6

임의의 그래프 신호를 복원하기 위해 그래프상의 일부 노드로 구성된 샘플링 집합내의 노드들의 신호값만을 사용하게 되는 경우, 이를 위한 최적의 샘플링 집합 선택 문제에 대해 연구한다. 고도의 계산량을 요구하는 고유값 분해 (eigen decomposition)를 사용하지 않고, 노드를 선택하는 과정에서의 신호 변화값의 차이를 비용함수로 제시한다. 구체적으로, 기존 방식의 비용함수인 신호 복원오차를 최소화하는 대신에 본 연구에서는 신호 변화값의 차이를 비용함수로 채택하여 이를 최소화하는 간단하고 고속의 탐욕 (greedy) 샘플링 집합 선택 알고리즘을 제안한다. 기존의 고속알고리즘과 성능평가 비교를 위해 다양한 그래프 신호에 대한 폭넓은 실험을 진행하여, 기존 방식 대비 신호복원 성능감소를 약 7% 이내로 유지하면서 실행시간을 10배이상으로 단축하였음을 보인다. We address the sampling set selection problem for arbitrary graph signals such that the original graph signal is reconstructed from the signal values on the nodes in the sampling set. We introduce a variation difference as a new indirect metric that measures the error of signal variations caused by sampling process without resorting to the eigen-decomposition which requires a huge computational cost. Instead of directly minimizing the reconstruction error, we propose a simple and fast greedy selection algorithm that minimizes the variation difference at each iteration and justify the proposed reasoning by showing that the principle used in the proposed process is similar to that in the previous novel technique. We run experiments to show that the proposed method yields a competitive reconstruction performance with a substantially reduced complexity for various graphs as compared with the previous selection methods.

교란 방어를 위하여 히스테리시스가 시리얼로 제어되는 가변 비교기 회로

김영기,Kim, Young-Gi 한국전기전자학회 2012 전기전자학회논문지 Vol.16 No.1

본 논문에서는 통신, 탐지 및 제어를 위한 원신호의 크기가 시간적으로 변화하고 또한 간섭 잡음의 역할을 하는 교란 신호의 크기도 시간적으로 변화하는 현대전의 상황에서 교란 간섭 신호와 원 신호를 구분하여 원 신호를 디지털신호로 복원하는 확률을 높이기 위하여 본 논문에서는 피드백의 경로에 있는 MOSFET의 실효적인 면적을 디지털 제어 신호로 변경하여 피드백 전류 신호양의 조절하고 히스테리시스의 크기를 조절할 수 있는 IC 회로를 제안하여 설계, 제작 후 측정 및 분석하였다. 병렬 디지털 제어신호에 의한 히스테리시스가 설계 시 예측한 만큼 제어됨을 0.35m-CMOS 공정의 IC 회로를 제작하고 측정하여 증명하였으며 이를 직렬 디지털 제어신호를 제어하기 위한 회로를 설계하여 모의 실험하였다. 또한 교란신호의 크기에 따란 적합한 피드백을 제공하기 위한 제어신호를 모의실험으로 제시하였다. In order to overcome jamming, a hysteresis tunable monolithic comparator circuit based on a 0.35 ${\mu}m$ CMOS process is suggested, designed, fabricated, measured and analyzed in this paper. To tune the threshold voltage of the hysteresis in the comparator circuit, two external digital bits are used with supply voltage of 3.3V. An improved variable hysteresis comparator circuit controlled by serial digital bits is suggested, designed and simulated to overcome jamming in modern warfare.

딥러닝 기반 레이더-통신 중첩 신호 분리 기술

이시호,정석현,정재연,남해운 한국통신학회 2024 韓國通信學會論文誌 Vol.49 No.5

무선 통신 기술의 발전으로 인해 신호 간의 간섭이 일어나고 있으며, 이는 통신의 품질과 신뢰성에 부정적인영향을 미친다. 이와 같은 문제를 해결하기 위해 주파수 필터링, 공간적 분리와 같은 신호처리 알고리즘이 개발되었지만, 주파수가 완전히 중첩된 환경에서는 성능이 크게 저하된다. 본 논문에서는 이와 같은 문제를 해결하기 위해 딥러닝 모델인 U-Net을 활용하여 중첩된 신호를 분리하고 원본 신호를 복원시키는 방법을 제안한다. 1차원의I/Q 데이터를 STFT 알고리즘을 적용하여 2차원의 시간-주파수 이미지로 변환시켰고, U-Net 모델을 적용하여 중첩된 신호를 분리하였다. 통신 신호를 복원하는 것을 목표로 하였으며, -29dB ~ 0dB의 SIR에서 BPSK 신호의BER이   이하로 보장되었다. The advancement of wireless communication technology has led to increased signal interference between signals, negatively affecting the quality and reliability of communication. To address such issues, signal processing algorithms like frequency filtering and spatial separation have been developed, yet their performance significantly degrades in environments with completely overlapping frequencies. This paper proposes a method using the deep learning model U-Net to separate overlapping signals and restore the original signals. 1D I/Q data was transformed into 2D time-frequency images through the application of the STFT algorithm, and the U-Net model was employed to segregate the overlapping signals. The goal was to restore the communication signal, and a BER of   or less was guaranteed for the BPSK signal at a SIR of -29 dB to 0 dB.

가중치를 갖는 그래프신호를 위한 샘플링 집합 선택 알고리즘

김윤학 한국전자통신학회 2022 한국전자통신학회 논문지 Vol.17 No.1

그래프신호가 각각의 가중치를 갖고 발생하는 경우 그래프상의 최적의 샘플링 노드집합을 선택하는 탐욕알고리즘에 대해 연구한다. 이를 위해 가중치를 반영한 복원오차를 비용함수로 사용하고 여기에 QR 분해를 적용하여 단순한 형태로 전개한다. 이렇게 도출된 가중치 복원오차를 최소화하기 위해 다양한 수학적 증명을 통해 반복적으로 노드를 선택할 수 있는 수학적 결과식을 유도한다. 이러한 결과식에 기반하여, 노드를 선택하는 샘플링 집합 선택알고리즘을 제안한다. 성능평가를 위해 다양한 그래프에서 발생하는 가중치를 갖는 그래프신호에 적용하여 기존 샘플링 선택 기술대비, 복잡도를 유지하면서 가중치 신호의 복원성능이 우수함을 보인다.

다상분해 신호의 주파수 대역 압축법과 FPGA 회로 설계

박영석 에스케이텔레콤 (주) 2008 Telecommunications Review Vol.18 No.5

The polyphase-decomposed signals lead to expand the frequency band by including more high frequencies causing from decimation for down sampling than original signal. This property brings about the significant limitations in the structure or the performance of digital polyphase signal processing systems. Many portion of these problems can be overcame by using perfect band compression and decompression method. This paper describes clearly a iterative perfect band compression and reconstruction algorithm for polyphase component signals, and its FPGA design and implementation results using Matlab Simulink modeling approach. Then its effectiveness is showed through the design verification and the experimental results. 다상분해신호는 원신호를 다운샘플링을 위해 데시메이션(decimation)하기 때문에 원신호에 비해 많은 고주파 성분을 포함하여 주파수 대역이 확장되는 경향이 있다. 이러한 성질은 다상분해신호의 활용, 즉 디지털 신호처리 시스템의 구조나 성능에 상당한 제약을 초래한다. 이러한 문제는 완전대역압축-복원(perfect band compression and decompression) 방법을 사용함으로써 상당 부분 극복할 수 있다. 본 연구에서는 다상분해신호에 대한 완전 대역압축 및 복원의 반복적 알고리즘(iterative algorithm)을 명확히 제시하고, Matlab의 Simulink 모델링을 사용하여 FPGA 회로로 설계ㆍ구현하고 실험을 통하여 그 유효성을 확인한다.

다상분해신호에 대한 처리 지연 시간을 개선한 정규형 주파수 대역 압축 알고리즘과 FPGA 회로 설계

박영석 에스케이텔레콤 (주) 2012 Telecommunications Review Vol.22 No.2

In digital signal processing, the signal polyphase-decomposition method is very important in multirate system applications. The polyphase-decomposed signals lead to expand the frequency band by including higher frequencies causing from decimation for down sampling than original signal. This property brings about the significant limitations in the structure or the performance of digital polyphase signal processing systems. Many portion of these problems can be overcome by using perfect band compression and decompression method. Previous iterative perfect band compression and reconstruction algorithm for polyphase component signals has such drawbacks that it requires complex circuit structures and its processing time enlarges in proprotion to iteration times of algorithmm. In order to overcome the drawbacks, this paper proposes a improved iterative perfect band compression and reconstruction theory and algorithm for polyphase component signals, and describes its FPGA circuit design and implementation results using Matlab Simulink modeling approach. Then its effectiveness is showed through the design verification and the experimental results. 디지털 신호처리에 있어서 신호의 다상분해 기술은 멀티레이트 시스템 응용에 있어서 매우 중요하다. 다상분해신호는 원신호를 다운샘플링을 위해 데시메이션(decimation)하기 때문에 원신호에 비해 많은 고주파 성분을 포함하여주파수 대역이 확장되는 경향이 있다. 이러한 성질은 다상분해신호의 활용, 즉 디지털 신호처리 시스템의 구조나 성능에 상당한 제약을 초래한다. 이러한 문제는 완전대역압축-복원(perfect band compression and decompression) 방법을 사용함으로써 상당 부분 극복할 수 있다. 다상분해신호에 대한 기존의 완전 대역압축 및 복원의 반복적 알고리즘(iterative algorithm)은 회로의 구조가 복잡하고 반복 횟수에 비례하여 처리시간이 커지는 단점을 가지고 있다. 본 연구에서는 이러한 문제를 해결하는 개선된대역압축 및 복원 이론과 알고리즘을 제시하고, Matlab의 Simulink 모델링을 사용하여 FPGA 회로로 설계·구현하고 실험을 통하여 그 유효성을 확인한다.

GPGPU를 사용한 다상분해 주파수 대역압축 및 복원기의 병렬화

송재민(Jae-Min Song),정용배(Yong-Bae Jung),박영석(Young-Seak Park) 한국지능시스템학회 2018 한국지능시스템학회논문지 Vol.28 No.3

본 논문에서는 2차원 다상분해 영상신호의 주파수 대역 압축 및 복원 알고리즘을 PC기반에서 GPGPU를 사용하여 병렬구조로 설계하고, CPU, OpenCL(Open Computing Language) 그리고 CUDA(Compute Unified Device Architecture)로 구현하였다. 그리고 여러 고해상도 영상을 사용한 실험을 통해서 병렬화에 따른 처리 성능을 비교하였다. 그 결과 각각의 해상도에서 CPU 처리 속도 대비 OpenCL은 480~3800배, CUDA는 700~5000배 성능 향상을 보였다. CPU의 경우 해상도가 증가함에 따라 처리 시간이 지연되었으나, 병렬 처리 기반의 OpenCL과 CUDA는 본 실험 영상의 해상도 증가에 따른 처리시간 지연이 발생하지 않았고, OpenCL보다 CUDA가 더 효과적인 것을 확인하였다. In this paper, CPU, OpenCL (Open Computing Language) and CUDA (Compute Unified Device Architecture) algorithms are implemented by designing a frequency band compression and decompression algorithm of two-dimensional polyphase decomposed image signal in parallel structure using PC based GPGPU. Then, through experiments using various high resolution images. the processing performance by parallelization was compared. As a result, with each resolution, OpenCL gained 480 to 3800 times and CUDA increased 700 to 5000 times compared with CPU processing speed. In the case of CPU algorithm, the processing time was delayed as the resolution increased, but the processing time of OpenCL and CUDA algorithms did not cause delay in processing time accompanying the increase in the resolution of this experimental image data, and We confirmed that CUDA is more effective than OpenCL.

센싱 및 계측 기술에서의 혁신: 지구물리 탐사를 위한 압축센싱 및 초고해상도 기술

공승현 ( Seung Hyun Kong ),한승준 ( Seung Jun Han ) 한국지구물리·물리탐사학회 2011 지구물리와 물리탐사 Vol.14 No.4

탐사 시스템을 포함하여 대부분의 센싱 및 계측 시스템은 중요한 정보를 놓치지 않기 위하여 필요한 정보 보다 높은 샘플주기로 정보를 수집 한다. 이는 경우에 따라 센싱 및 계측 시스템이 비효율적일 수 있음을 의미한다. 본 논문에서는 적은 샘플자료로부터 높은 정밀도의 정보 취득에 관한 새로운 두 가지 연구분야를 소개하고자 한다. 하나는 가능한 적은 샘플로 원래의 정보를 복원하는 압축센싱(Compressed Sensing)기술이며, 또 다른 하나는 이미 얻어진 한정된 샘플로부터 높은 해상도의 정보를 추정하는 초고해상도(Super-Resolution)기술이다. 본 논문에서는 압축센싱 기술의 기본이론과 복원기술에 대해 설명하고, 탐사분야의 적용 사례, 초고해상도 기술의 배경 및 최근의 기술인 FRI (Finite Rate of Innovation) 개념과 LIMS (Least-squares based Iterative Multipath Super-resolution)기술의 적용사례를 소개한다. 결론으로는 이러한 새로운 기술들이 지구물리 탐사분야에 어떻게 활용될 수 있는지 논의한다. Most sensing and instrumentation systems should have very higher sampling rate than required data rate not to miss important information. This means that the system can be inefficient in some cases. This paper introduces two new research areas about information acquisition with high accuracy from less number of sampled data. One is Compressed Sensing technology (which obtains original information with as little samples as possible) and the other is Super-Resolution technology (which gains very high-resolution information from restrictively sampled data). This paper explains fundamental theories and reconstruction algorithms of compressed sensing technology and describes several applications to geophysical exploration. In addition, this paper explains the fundamentals of super-resolution technology and introduces recent research results and its applications, e.g. FRI (Finite Rate of Innovation) and LIMS (Least-squares based Iterative Multipath Super-resolution). In conclusion, this paper discusses how these technologies can be used in geophysical exploration systems.