http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
우덕균(Duk-Kyun woo),임채덕(Chaedeok Lim),김흥남(Heung-Nam Kim) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.2Ⅱ
한국전자통신연구원(ETRI)에서 개발한 임베디드리눅스인 Qplus[1]의 개발환경은 타겟 설정 도구인 타겟 빌더[2]와 통합개발환경인 Esto[3]를 포함한다. 타겟 빌더는 타겟에 설치될 응용, 라이브러리 등에 대해서 패키지 형태로 관리하고 있다. 개발자가 Esto를 사용하여 개발된 응용 프로그램을 타겟 빌더의 패키지로 추가하기 위해서는 패키지 명세 구문을 익혀서 수작업으로 패키지를 작성해야 한다. 이와 같은 과정은 개발자에게 프로그램 개발 이외의 오버헤드를 제공하기 때문에 전체적인 개발시간이 길어질 수 있다. 본 연구에서는 이와 같은 문제를 해결하기 위하여 타겟 빌더의 패키지를 자동으로 생성하는 도구를 개발하였다. 본 도구는 Eclipse[4] 기반으로 개발되었으며, 개발중인 Eclipse 기반의 Esto와 타겟 빌더와 연동되어 개발자에게 사용하기 편리한 통함 Qplus 개발환경을 제공하여, Qplus 기반의 임베디드 시스템 개발 시간을 단축시킬 수 있을 것으로 기대한다.
방전 전류를 고려한 헬스케어 웨어러블 디바이스 배터리 잔존 용량 예측
이선우(Sun-Woo Lee),우덕균(Duk-Kyun Woo),마평수(Pyeong Soo Mah) 대한전자공학회 2018 대한전자공학회 학술대회 Vol.2018 No.6
In recent years, the use of wearable devices has been expanding in medical services such as heart disease and hypertension as well as health care including blood pressure and weight management. Wearable devices attached to human body receive bio-signals. Therefore miniaturization and accurate battery life time estimation are needed. However, the conventional method of predicting the battery usage time causes an error because the characteristics of the battery are not considered. In this paper, based on the fact that there is a difference between the remaining capacity of the actual battery and the capacity available in the device according to the discharge current, the time to the rated voltage of the battery according to the discharge current is obtained. our research will contribute to accurate prediction of battery usage time.
이선우(Sun-Woo Lee),우덕균(Duk-Kyun Woo),마평수(Pyeong-Soo Mah) 대한전자공학회 2019 전자공학회논문지 Vol.56 No.6
본 연구에서는 Segment 단위 PPG신호를 기반으로 Hybrid KNN Random Forest를 적용하여 정확도가 향상된 본인인식 방법을 제안한다. 본인 인식의 정확도를 높이기 위해서는 PPG 데이터를 각 Segment 단위로 나누는 과정이 중요하다. 각 Segment를 나누기 위해 PPG데이터에서 한 Segment안에 Peak, Qnset, Dicrotic notch의 데이터가 들어갈 수 있도록 Segment를 설정하였다. 각 Segment 간의 데이터의 일관성을 위해 정규화와 interpolation을 이용하여 데이터를 전처리 하였다. 전처리 된 PPG 데이터를 기반으로 SD1과 SD2의 비율을 이용한 포앙카레 그래프, 데이터의 순간 주파수 성분을 추출하는 대칭 구조를 갖는 고차의 미분에너지 함수를 이용하였다. 포앙카레 그래프와 순간주파수를 특징으로 하여 KNN, Random Forest, Hybrid KNN Random Forest 모델을 이용하여 본인인식을 진행 하였다. KNN의 경우 78%, Random Forest의 경우 95%, Hybrid KNN Random Forest의 경우 96%의 정확도를 보였다. A study regarding personal authentication based on segmented PPG has been conducted using Hybrid KNN Random Forest algorithm. It is important to divide the PPG data into segments to authenticate the person. When PPG data is divided into segments, each segment is set so that Peak, Qnet, and Dicrotic notch data can be contained in one segment. For the consistency of the data between each segment, the data were preprocessed using normalization and interpolation. Using the preprocessed PPG data, we used a instantaneous frequency based on symmertric higher order differential energy operator and poincare plot using the ratio of SD1 and SD2. Then, the extracted features are used as input variables for machine learning technique such as KNN, Random Forest, Hybrid KNN Random Forest. The accuracy of the algorithms is 78%, 95%, 96% respectively.
Cold Restart를 이용한 웨어러블 디바이스의 초저전력 핵심 기술
김선태(Seon-Tae Kim),박형준(Hyoung Jun Park),박호준(Ho-Jun Park),우덕균(Duk-Kyun Woo) 대한전자공학회 2017 전자공학회논문지 Vol.54 No.4
헬스케어 및 의료분야를 위한 배터리 기반 웨어러블 디바이스가 많이 제품화되고 있으나, 효과적인 전력 관리 미흡으로 자주 충전해야 하는 사용자의 불편함이 존재한다. 본 연구에서는 HW에서 제공하는 전력 관리 회로도를 효과적으로 활용할 수 있는 Tickless 기반 운영체제 및 전력 관리 알고리즘을 제시하고, 보드 레벨에서 최소 전력을 소모하는 Cold Restart 기법을 제안한다. 제안된 기법의 운영체제는 기존 운영체제에 비해 웨어러블 디바이스의 응용을 모델링한 4가지 시나리오에서 2배에서 최대 33배의 전력 소모 절감을 가져왔다. There are many battery-based wearable devices for healthcare and medical applications, but there is a user"s inconvenience to charge battery frequently due to insufficient power management. In this paper, we propose a tickless-based operating system and power management algorithm that can effectively utilize the power management provided by HW, and propose a cold restart method that consumes the minimum power at the board level. The operating system of the proposed technique has reduced the power consumption from 2 times to 33 times in the four scenarios modeling the wearable device application compared to the existing operating system.
QplusME/Esto를 이용한 H.264 디코더의 함수별 전력 측정
채송아(Song-Ah Chae),김두현(Doo-Hyun Kim),임채덕(Chae-Duk Iim),우덕균(Duk-Kyun Woo),정창희(Chang-hee Jung) 한국정보과학회 2006 한국정보과학회 학술발표논문집 Vol.33 No.1
본 논문에서는 임베디드 리눅스와 그에 따른 통합 개발 환경인 QpusME/Esto에서 제공하는 전력소모량 분석도구를 이용하여 H.264 디코더의 함수별 전력 소모량을 측정하여 공개함으로써 향후 연구에 기반 정보로 사용하도록 한다. 또한 이를 이용하여 MacroBlock 디코딩시, 전력을 줄일 수 있는 다양한 방법 중 하나의 예를 제시하고 그 실험 결과를 제시한다.
On-Chip SRAM을 이용한 임베디드 시스템 메모리 계층 최적화 (pp.102-110)
김정원(Jungwon Kim),김승균(Seungkyun Kim),이재진(Jaejin Lee),정창희(Changhee Jung),우덕균(Duk-Kyun Woo) 한국정보과학회 2009 정보과학회논문지 : 시스템 및 이론 Vol.36 No.2
컴퓨터 시스템 분야의 대표적인 문제 중 하나는 메모리의 처리 속도가 CPU의 처리 속도보다 매우 느리기 때문에 생기는 CPU 휴면 시간의 증가, 즉 메모리 장벽 문제이다. CPU와 메모리의 속도 차이를 줄이기 위해서는 레지스터, 캐시 메모리, 메인 메모리, 디스크로 대표되는 메모리 계층을 이용하여 자주 쓰이는 데이터를 메모리 계층 상위, 즉 CPU 가까이 위치시켜야 한다. 본 논문에서는 On-Chip SRAM을 이용한 임베디드 시스템 메모리 계층 최적화 기법을 리눅스 기반 시스템에서 최초로 제안한다. 본 기법은 시스템의 가상 메모리를 이용하여 프로그래머가 원하는 코드나 데이터를 On-Chip SRAM에 적재한다. 제안된 기법의 실험 결과 총 9개의 어플리케이션에 대하여 최대 35%, 평균 14%의 시스템 성능 향상과 최대 40% 평균 15%의 에너지 소비 감소를 보였다. The memory wall is the growing disparity of speed between CPU and memory outside the CPU chip. An economical solution is a memory hierarchy organized into several levels, such as processor registers, cache, main memory, disk storage. We introduce a novel memory hierarchy optimization technique in Linux based embedded systems using on-chip SRAM for the first time. The optimization technique allocates On-Chip SRAM to the code/data that selected by programmers by using virtual memory systems. Experiments performed with nine applications indicate that the runtime improvements can be achieved by up to 35%, with an average of 14%, and the energy consumption can be reduced by up to 40%, with an average of 15%.