http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Chao Sun(손초),Jeongpyo Lee(이정표),Kyung-Eun Park(박경은),Shangyi Yang(양상의),Youngok Kim(김영억) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
In this paper, we propose a localization scheme for multiple device-free targets in wireless sensor network. The ellipse model of wireless link is utilized to create different weights for meshes in monitoring area. By setting a threshold for the weights of meshes and using the density-based spatial clustering of applications with noise (DBSCAN) algorithm, different shapes of mesh clusters that represent each target can be obtained. The proposed scheme was compared with the conventional k-means algorithm in solving the clustering problem for the meshes clusters representing three different targets. According to the simulation results, the proposed scheme outperforms the k-means scheme.
단일 24GHz FMCW 레이더 및 2D CNN을 이용하여 학습되지 않은 요구조자의 자세 추정 기법
장경석,주준호,손초,김영억 한국재난정보학회 2023 한국재난정보학회 논문집 Vol.19 No.4
연구 목적: 본 연구에서는 단일 24GHz FMCW레이더를 사용하여 수집된 적은 양의 학습데이터로 학습된 AI 모델을 사용하여 학습되지 않은 사람의 3가지 자세를 구분하고자 한다. 연구 방법: 실내에서 학습 대상자들의 3가지 자세(서기, 앉기, 눕기)에 대한 FFT데이터를 수집하여 2D 이미지로 변환시킨 후 제안하는 2D CNN 모델로 학습시켜 학습에 사용되지 않은 새로운 대상자들의 자세를 잘 구분할 수 있는지 실험을 통해 정확도를 분석하였다. 연구 결과: 제안하는 기법을 통해 3가지 자세의 평균 정확도가 89.99%임을 보였고, 기존의 1D CNN이나 SVM 보다 성능이 향상되었다. 결론: 실내에서 재난이 발생하는 경우 단일 FMCW 레이더와 AI 기법을 통해 요구조자의 자세를 추정하고자 하였으며, 학습되지 않은 대상자의 자세도 높은 정확도로 추정이 가능함을 실험을 통해 확인하였다. Purpose: In this study, We aim to estimate a untrained person's three postures using a 2D CNN model which is trained with minimal FFT data collected by a 24GHz FMCW radar. Method: In an indoor space, we collected FFT data for three distinct postures (standing, sitting, and lying) from three different individuals. To apply this data to a 2D CNN model, we first converted the collected data into 2D images. These images were then trained using the 2D CNN model to recognize the distinct features of each posture. Following the training, we evaluated the model's accuracy in differentiating the posture features across various individuals. Result: According to the experimental results, the average accuracy of the proposed scheme for the three postures was shown to be a 89.99% and it outperforms the conventional 1D CNN and the SVM schemes. Conclusion: In this study, we aim to estimate any person's three postures using a 2D CNN model and a 24GHz FMCW radar for disastrous situations in indoor. it is shown that the different posture of any persons can be accurately estimated even though his or her data is not used for training the AI model.
이정표(Jeongpyo Lee),박경은(Kyung-Eun Park),손초(Chao Sun),양상의(Shangyi Yang),김영억(Youngok Kim) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.11
본 논문에서는 스마트폰에 내장된 가속도, 자이로, 지자기 센서가 결합된 IMU 센서를 사용하여 실내에서의 향상된 방향 추정에 대한 연구결과를 소개하고자 한다. 일반적으로 방향 추정은 지자기 센서를 통해 비교적 쉽게 할 수가 있으나, 실내에서는 지자기장의 교란이 심하기 때문에 지자기 센서 만으로는 방향을 추정하는 것이 어렵다. 따라서 본 논문에서는 IMU 센서로 수집되는 가속도, 자이로, 지자기 데이터를 활용하여 지자기 교란의 정도를 판단하여 스마트폰 방향 추정의 정확도를 향상시키는 방법을 제시하고자 하였다.