http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
초고속 광통신을 위한 고성능 저면적 Iterative BCH 복호기 구조
최대현(Dae-Hyun Choi),이한호(Hanho Lee) 대한전자공학회 2019 전자공학회논문지 Vol.56 No.1
본 논문은 100Gbps 이상의 데이터 처리율을 갖는 차세대 광통신 시스템을 위한 20% 오버헤드 기반 반복적인 Bose-Chaudhuri-Hocquenghem (BCH) 부호와 고성능 Iterative BCH (I-BCH) 복호기 구조의 설계 방법을 제안한다. 제안된 I-BCH 구조는 고속 데이터 처리율뿐만 아니라 뛰어난 오류정정능력을 보여준다. 제안된 I-BCH 복호기는 메모리 기반의 인터리빙 기술을 적용하였으며 7번의 반복 복호시 10<SUP>-15</SUP> post-FEC Bit Error Rate (BER) 기준 10.25 dB의 Net Coding Gain (NCG) 성능을 제공한다. 제안된 고성능 I-BCH 복호기의 구조는 90-nm CMOS 공정을 사용하여 합성되었으며, 성능 분석 결과 2-병렬 구조로 설계하였을 때 430 MHz의 동작 속도와 165 Gbps의 데이터 처리율을 갖는다. 따라서 제안한 구조는 100Gbps 이상의 데이터 처리율을 갖는 차세대 BCH 기반 순방향 오류정정 구조에 적용하여 사용할 수 있다. This paper shows a 20% overhead-based iterative Bose-Chaudhuri-hocquenghem (BCH) code and a high-performance iterative BCH (I-BCH) decoder architecture for next generation optical communication systems with data rates of 100 Gbps or higher. The proposed I-BCH decoder architecture shows high error correction capability as well as high data throughput. The proposed 7-iterative I-BCH decoder adopts a memory-based interleaving technique and provides a net coding gain (NCG) performance of 10.25 dB based on 10<SUP>-15</SUP> post-FEC Bit Error Rate (BER) in 7 iterative decoding. The proposed high-performance I-BCH decoder architecture is synthesized using a 90-nm CMOS process. The performance of the proposed I-BCH decoder is 430 MHz and data rate of 165 Gbps in case of two parallel designs. Therefore, the proposed architecture can be applied to the next generation BCH-based forward error correction architecture with data throughput rate of 100Gbps or more.
머신러닝 기반의 에너지 데이터와 개인정보 침해에 대한 상관관계 분석
최예진(Yejin Choi),이상윤(Sangyoon Lee),최대현(Dae-Hyun Choi) 대한전기학회 2023 대한전기학회 학술대회 논문집 Vol.2023 No.4
본 논문에서는 스마트 미터를 통해 측정되는 에너지 데이터와 그에 따른 이용자들의 행동 패턴 데이터를 이용하여 이용자의 개인정보가 침해될 수 있음을 확인하는 분석을 제시하였다. 특정 공간에서 사용되는 다수 이용자의 에너지 데이터를 통하여 공간의 상주인원 유무에 대한 높은 정확도를 보이는 예측 기법을 제시하였고, 개별 사용자의 에너지 사용량 데이터를 이용하여 특정시간대에서의 특정 사용자의 상주유무에 대해서도 높은 정확도를 보이는 예측 기법을 제시하였다. 제안한 데이터 기반의 예측 모델링은 기존 연구들에서 사용된 6가지의 머신러닝 기법들을 통해서 정확도가 분석되었다. 실제 사용되어지고 있는 연구실 환경에서 수집된 2달 동안의 에너지 데이터와 사용자의 행동패턴 데이터를 이용하여 시뮬레이션 분석을 진행하였고, 사용된 기법 중 인공신경망을 기반으로 한 예측의 정확도가 제일 높았던 것을 확인할 수 있었다.