http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Ka 대역 위성방송 서비스를 위한 DVB-S2/SVC 전송방법에 관한 연구
이규진(Lee Kyu-Jin),손원(Sohn Won),이계산(Lee Kye-San),이인기(Lee In-Ki),장대익(Chang Dae-Ik) 한국방송·미디어공학회 2008 한국방송공학회 학술발표대회 논문집 Vol.2008 No.-
이 논문에서는 MPEG-4 SVC 신호를 DVB-S2 전송시스템에 적용하여 Ka대역 위성방송서비스를 제공하는 전송 방안에 대한 연구를 하였다. SVC신호는 계층 수를 2개로 제한하였으며, 이러한 다계층 신호를 DVB-S2 전송시스템에 적용하기 위하여, 성상도상에서 각 계층의 신호를 동기적으로 합치는 Hierarchical 변조방식과 각 계층의 전송스트림을 RF 주파수 상에서 비동기적으로 합치는 방식인 Layered 변조방식을 사용하였다. 각 전송방안에서 변조방식과 채널 부호율을 결합 소스/채널 부호화 방안에 따라 변화시켜 최적의 전송기법을 도출하였다.
전송 거리 및 입사각에 따른 가시광 통신 시스템 성능 분석에 관한 고찰
김균탁,한두희,이계산,이규진,Kim, Gyun-Tak,Han, Doo-Hee,Lee, Kye-San,Lee, Kyu-Jin 중소기업융합학회 2014 융합정보논문지 Vol.4 No.4
본 논문에서는 가시광 통신 에서 시스템 성능에 주된 영향을 주는 요인들에 대해 분석하였다. 일반적으로 발표된 논문들은 가시광 통신 시스템의 전송속도, 전송거리의 증가, 변조 기법을 통한 성능향상 등에 초점을 맞춰 연구가 진행 되고 있다. 이에, 자세한 가시광 통신 시스템 환경을 분석하기 위해 통신 성능에 주된 영향을 주는 통신거리 및 입사각에 따른 성능 분석을 진행하였으며, 모의실험을 통해 성능 감쇄 정도를 확인하였으며, 향후 연구방향에 대해 고찰 하였다. In this paper, we analyzed the main factors that affect the performance in Visible Light Communication (VLC) system. Generally, published papers of VLC system have been studies to focus on increased data rates, transmission distance and modulation scheme. Therefore, in order to analyze detailed environment for VLC system, we was performed to analyze the performance of a major impact on the VLC system according to communication distance and the angle of incidence. The computer simulation results show that the performance attenuation was confirmed.
Multi-Block SDM을 이용한 OFDM 시스템에 관한 연구
이규진,김지성,김남일,이계산,Lee, Kyu-Jin,Kim, Ji-Sung,Kim, Nam-Il,Lee, Kye-San 한국ITS학회 2008 한국ITS학회논문지 Vol.7 No.5
최근 무선통신의 발달로 인하여 음성 서비스 이외의 동영상, 인터넷 서비스와 같은 보다 큰 전송률을 요구하는 다양한 서비스 요구가 급속도로 높아지고 있다. 고속 전송률 서비스를 낮은 가격으로 많은 사용자에게 제공하기 위해 제한된 통신자원을 이용하여 보다 많은 데이터를 전송할 수 있는 물리계층 기술이 필요하게 되어 직교 주파수 다중 방식인 OFDM(Orthogonal Frequency Division Multiplexing)과 다수의 송 수신 안테나를 이용하는MIMO(Multiple Input Multiple Output)시스템을 사용하게 되었다. MIMO 기술 중 Spatial Multiplexing은 전송용량 이득은 가질 수 있지만, 다수의 안테나로 인한 상관으로 인해 Diversity gain을 얻지 못하는 단점을 가지고 있다. 본 논문에서는 차세대 전송기술로 부각되고 있는 고속의 무선 데이터 전송기술 내에서, MIMO-OFDM 시스템인 SDM방식에서 Diversity gain을 얻고자 제안된 Multi-Block을 이용한 SDM의 성능에 대해 알아보고, 앞으로의 연구 방향에 대해 설명하고자 한다. Improving the transmission rates of multi-media delivery, such as moving pictures and internet services, has become increasingly important in modern society. To satisfy such high data rate requirements, the MIMO technique, which has the capacity to transmit large amounts of data using limited frequency resources, was developed. The Space Division Multiplexing (SDM) system is one of the MIMO techniques to be able to improve the transmission capacity. However, it is unable to achieve diversity gain because of interference due to the use of multiple antennas. In this paper, an SDM system that utilizes a Multi-Block method as an advanced transmission technique in a wireless communication system to obtain diversity gain is proposed and discussed fur the performance of the proposed system.
YOLO 네트워크를 활용한 전이학습 기반 객체 탐지 알고리즘
이동구,선영규,김수현,심이삭,이계산,송명남,김진영,Lee, Donggu,Sun, Young-Ghyu,Kim, Soo-Hyun,Sim, Issac,Lee, Kye-San,Song, Myoung-Nam,Kim, Jin-Young 한국인터넷방송통신학회 2020 한국인터넷방송통신학회 논문지 Vol.20 No.1
딥 러닝 기반 객체 탐지 및 영상처리 분야에서 모델의 인식률과 정확도를 보장하기 위해 다량의 데이터 확보는 필수적이다. 본 논문에서는 학습데이터가 적은 경우에도 인공지능 모델의 높은 성능을 도출하기 위해 전이학습 기반 객체탐지 알고리즘을 제안한다. 본 논문에서는 객체탐지를 위해 사전 학습된 Resnet-50 네트워크와 YOLO(You Only Look Once) 네트워크를 결합한 전이학습 네트워크를 구성하였다. 구성된 전이학습 네트워크는 Leeds Sports Pose 데이터셋의 일부를 활용하여 이미지에서 가장 넓은 영역을 차지하고 있는 사람을 탐지하는 네트워크로 학습을 진행하였다. 실험결과는 탐지율 84%, 탐지 정확도 97%를 기록하였다. To guarantee AI model's prominent recognition rate and recognition precision, obtaining the large number of data is essential. In this paper, we propose transfer learning-based object detection algorithm for maintaining outstanding performance even when the volume of training data is small. Also, we proposed a tranfer learning network combining Resnet-50 and YOLO(You Only Look Once) network. The transfer learning network uses the Leeds Sports Pose dataset to train the network that detects the person who occupies the largest part of each images. Simulation results yield to detection rate as 84% and detection precision as 97%.