Earticle

This paper presents an adaptive recursive least squares algorithm (ARLS) for detecting voltage sag and voltage swell events in power systems. Different methods have been developed to detect voltage sag and voltage swell. Some of them use window techniques, which are too slow when voltage sag or swell mitigation is required. Others depend on the extraction of a single non-stationary sinusoidal signal out of a given multi-components input signal, and therefore they don’t consider the harmonic components in calculating the voltage root mean square value (rms). The method, proposed in this paper, is capable of estimating the voltage rms taking into account all harmonic components. The method is tested by applying it to different, simulated signals using ATP program, and compared with voltage sag detection algorithms.

K-nearest neighbour is one of the most widely used algorithms for indoor positioning systems. However, the error for each estimated position notably varies depending on the K value used for the algorithm. Therefore, if K is a fixed value, the estimation error for the positions cannot be further reduced. In this Letter, I propose an algorithm that adapts the K value for each position by analysing the correlation between the K value and the received WiFi signal strength. The proposed algorithm provides an improvement above 30% on the positioning accuracy compared to the algorithm with fixed K value.

IoT 서비스는 경량 디바이스 발전으로 그 범위가 계속 확대되고 있으며, 이에 따라 네트워크의 혼잡성은 크게 증가하고 있다. IoT 네트워크 환경에서 CoAP를 위한 기존 혼잡 제어 메커니즘은 동적 네트워크 조건에 대한 적응력이 부족하다. 본 연구에서는 IoT 서비스 환경의 네트워크 환경의 네트워크 혼잡 문제를 해결하기 위해 적응 형 신경망 기반 혼잡 제어(ANN-CoCC) 알고리즘을 제안한다. 정적 매개변수나 휴리스틱 규칙에 의존하는 기존의 혼잡 제어 방식과 달리 ANN-CoCC는 머신러닝 모델을 적용하여 실시간 네트워크 상태에 따라 재전송 시간 초과 (RTO), RTT 분산, 혼잡 윈도우와 같은 주요 전송 매개변수를 동적으로 최적화한다. 다양한 패킷 손실률과 노드 밀도에서 실험 평가를 수행한 결과, 본 연구에서 제안하는 알고리즘은 CoCoA+, BDP-CoAP, pCoCoA과 같은 기존 방식과 비교했을 때 처리량을 30% 이상 향상시키며, 지연 시간 감소, 패킷 손실을 최소화하는 것으로 확인되 었다.

The scope of IoT services continues to expand with the development of lightweight devices, and network congestion is increasing significantly. In this study, we propose an adaptive neural network-based congestion control (ANN-CoCC) algorithm to solve the network congestion problem in the network environment of IoT service environments. Unlike existing congestion control methods that rely on static parameters or heuristic rules, ANN-CoCC applies a machine learning model to dynamically optimize key transmission parameters such as retransmission timeout (RTO), RTT distribution, and congestion window according to real-time network conditions. The experimental evaluation results under various packet loss rates and node densities show that the proposed algorithm improves throughput by more than 30%, reduces delay, and minimizes packet loss compared to existing methods such as CoCoA+, BDP-CoAP, and pCoCoA.

본 논문은 계산량이 인 새로운 형태의 QRD-LS 적응 알고리즘을 제안한다. 제안한 알고리즘의 주요 사항은 입력벡터의 단위벡터 계산이 Given Rotation 과정에서 이루어짐에 근거하고 있다. 알고리즘의 성능 평가는 FIR 시스템 식별 문제를 컴퓨터 시뮬레이션을 통하여 수행하였다. 이 알고리즘은 시뮬레이션의 결과 좋은 성능을 나타내었다. 그리고 이론적으로 평균 측면에서 알고리즘이 최적 계수 벡터에 수렴함을 보였다

This paper proposes a new QRD-LS adaptive algorithm with computational complexity of . The main idea of proposed algorithm(D-QR-RLS) is based on the fact that the computation for the unit vector of is made from the process during Givens Rotation. The performance of the algorithm is evaluated through computer simulation of FIR system identification problem. As verified by simulation results, this algorithm exhibits a good performance. And, we can see the proposed algorithm converges to optimal coefficient vector theoretically.

본 논문은 적외선 열영상에서 영상의 밝기와 대비 변화에 따라 적응적으로 화염 후보 영역을 검출하기 위한 적응 문턱치를 제안한다. 현장에 사용 되고 있는 화재 검출 시스템은 카메라의 설치 장소에 따라 얻어지는 영상의 밝기나 대비의 변화가 발생 하여고정된 문턱치를 적용하는 화재 검출 알고리즘의 성능이 변화하게 되므로 환경에 적응적인 문턱치가 필요하다. 제안하는 적응 문턱치를 이용한 화염 검출 알고리즘은 화염의 특성인 온도와 동적임 특성을 분석하여 화염을 검출 한다. 실험을 위해 고정 문턱치를이용한 화염 검출 알고리즘과 비교 하였으며 제안된 적응 문턱치를 이용한 화염 검출 알고리즘은 화염 검출률 91.42%이며 고정문턱치를 적용 하였을 때 보다 오검출률을 약 20%가 감소한다. 그리고 영상의 밝기와 대비 변화에 의한 검출 결과가 일정함을 보여준다.

This paper proposed an adaptive threshold method for detecting flame candidate regions in a infrared image and it adaptsaccording to the contrast and intensity changes in the image. Conventional flame detection systems uses fixed thresholdmethod since surveillance environment does not change, once the system installed. But it needs a adaptive threshold methodas requirements of surveillance system has changed. The proposed adaptive threshold algorithm uses the dynamic behaviorof flame as featured parameter. The test result is analysed by comparing test result of proposed adaptive threshold algorithmand conventional fixed threshold method. The analysed data shows, the proposed method has 91.42% of correct detectionrate and false detection is reduced by 20% comparing to the conventional method.

본 논문에서는 IEEE802.15.4a 기술표준 기반의 UWB 실내 위치 인식 시스템의 다수 태그 수용을 위한 비동기식 알고리즘을 제안한다. 다수의 태그를 운용하기 위한 기존의 연구에서는 CSMA-CA, TDMA와 같은 방식들을 사용하여 임의 접근으로 인한 신호의 충돌을 회피하였다. 이러한 방식들은 구현을 위하여 모든 구성 요소들에 정교한 동기화를 요구한다. 또한 관측 영역 내에서 태그의 수에 관계없이 동일한 시간을 소모한다는 점에서 시간을 낭비하게 된다는 단점이 있다. 본 논문에서는 동기화방식에 비하여서 상대적으로 간단하게 구현이 가능한 비동기식 방식을 사용하며 태그의 수량에 따라 가변적으로 동작하여 시간의 낭비를 줄일 수 있는 알고리즘을 제안한다.

Previous studies for operating multi-tags to avoid the collision of the signals generally used CSMA-CA or TDMA. However, these methods require precise synchronization for implementation of all components. Moreover, there exists a drawback that these methods obligate equal time consumption regardless of the number of tags in the observation area. In this paper, we propose an asynchronous method that uses a master anchor to control multi-tag operation. The propsoed system can be more easily implemented than the synchronous systems. The proposed system operates adaptively according to the number of tags, which reduces time loss.

전기를 이용한 신 교통 시스템인 무인궤도차량은 도심교통 완화, 관광지 교통지원, 공항 및 고속철도와 거점지역을 연결하는 목적을 가지고 있다. 무인궤도차량의 무인 운용에 따른 안전성과 신뢰성 보장을 위해 안전장치의 개발을 필요로 하고 있다. UWB 레이더는 낮은 전력소모와 낮은 간섭 및 높은 정밀도의 장점을 가지고 있어 무인궤도차량에 적합한 시스템이다. 본 논문에서는 무인궤도차량의 안전한 운행을 위한 필수 요소인 레이더에 적합하고, 다양한 잡음환경에서 개선된 성능을 보이는 적응형 CFAR 알고리즘을 제안하였다. 제안된 CFAR 알고리즘은 Mean Level 계열의 CFAR 알고리즘에 비하여 균질한 잡음상황과 다중표적상황에서 개선된 성능을 보였으며, 기존의 VI-CFAR 이 가진 다중 표적 상황에서 성능저하를 개선하였다.

Personal Rapid Transit(PRT) is a new unmanned transportation system using electricity. The purpose of the PRT is relieving the congestion of city traffic and connecting between inner city and airport, high-speed railroad. PRT requires to develop devices for the guarantee of safety and reliability. PRT as the mean of rail transportaion must be equipped with control system for front rail sensing. Ultra Wide Band(UWB) radar system is suitable for PRT’s detection because it has the advantage of low power consumption, low interference and high resolution. In this paper, an improved adaptive Constant False Alarm Rate(CFAR) algorithm is proposed and studied in various noise environments. The proposed algorithm improves performance in various noise environments compared to the Mean Level CFAR algorithms and other adaptive CFAR algorithms.

이동 객체에 대한 추적 기술은 최근 중요성이 강조되고 있는 동영상 이해에서 가장 핵심적인 기술의 하나라 할 수있다. 하지만, 동영상이 가지는 조명의 불안정, 객체의 크기나 형태 변화, 카메라 움직임, 그리고 중첩 등으로 인해동영상 내의 이동 객체 추적은 많은 어려움을 가지고 있다. 객체 추적의 가장 대표적인 종래의 방법인 칼만 필터와파티클 필터의 문제점을 개선하는 방법으로 스웜 기반의 방법이 제안되어 있으나 동적으로 변화하는 이동 객체의 특징을 반영하는 개선된 알고리즘이 요구된다. 본 논문에서는 이러한 특징을 반영하여 파티클 스웜 최적화 방법에서사용되는 파라미터 중 가중치 값을 동적으로 변화하는 적응적 파라미터 제어 방법을 제안한다. 각 파티클을 특성에따라 3가지 종류로 구분하고 각각 서로 다른 가중치 값을 부여하는 방식으로 객체 추적의 성능을 개선할 수 있다. 제안된 알고리즘의 적용 결과 중첩 또는 예측하기 어려운 움직임 등과 같은 객체의 비선형적인 움직임이 있는 동영상에 대해 기존 파티클 스웜 방식에 비해 현저한 성능 개선을 보이는 것을 확인할 수 있었다.

Moving object tracking techniques can be considered as one of the most essential technique in the video understanding of which the importance is much more emphasized recently. However, irregularity of light condition in the video, variations in shape and size of object, camera motion, and occlusion make it difficult to tracking moving object in the video. Swarm based methods are developed to improve the performance of Kalman filter and particle filter which are known as the most representative conventional methods, but these methods also need to consider dynamic property of moving object. This paper proposes adaptive parameter control method which can dynamically change weight value among parameters in particle swarm optimization. The proposed method classifies each particle to 3 groups, and assigns different weight values to improve object tracking performance. Experimental results show that our scheme shows considerable improvement of performance in tracking objects which have nonlinear movements such as occlusion or unexpected movement.

UTIS(Urban Traffic Information System)는 프로브차량을 활용하여 도시지역의 구간통행시간 정보를 직접 수집하는 방식으로 타 검지체계에 비해 상대적으로 정확한 링크 속도정보를 산출할 수 있다. 하지만, 현재 UTIS에서는 프로브차 량(Probe Vehicle) 및 노변기지국(RSE)의 부족, 시스템 오류 등 다양한 요인에 의해 링크 속도정보의 수집이 누락되는 결측 구간이 발생되고 있다. 본 연구에서는 보다 정확한 여행시간 정보를 제공하기 위한 방안으로 k-NN 알고리즘을 기 반으로 결측속도 정보를 효율적으로 보정할 수 있는 새로운 보정모형을 제안하였다. 제안 모형은 각 후보개체(이력 시 계열 데이터)의 분포 특성에 따라 최근접이웃 개수를 탄력적으로 조정하는 적응형 k-NN 모형이다. 모형 평가 결과, 제 안 모형이 결측정보를 효과적으로 보정‧처리할 수 있는 동시에 ARIMA 등 타 모형에 비해 보정 오차를 크게 감소시킬 수 있는 것으로 분석되었다. 본 연구에서 제안된 결측 보정 모형은 UTIS 중앙교통정보센터에 직접 적용하여 교통정보 서비스 품질을 향상시키데 활용될 계획이다.

UTIS(Urban Traffic Information System) directly collects link travel time in urban area by using probe vehicles. Therefore it can estimate more accurate link travel speed compared to other traffic detection systems. However, UTIS includes some missing data caused by the lack of probe vehicles and RSEs on road network, system failures, and other factors. In this study, we suggest a new model, based on k-NN algorithm, for imputing missing data to provide more accurate travel time information. New imputation model is an adaptive k-NN which can flexibly adjust the number of nearest neighbors(NN) depending on the distribution of candidate objects. The evaluation result indicates that the new model successfully imputed missing speed data and significantly reduced the imputation error as compared with other models(ARIMA and etc). We have a plan to use the new imputation model improving traffic information service by applying UTIS Central Traffic Information Center.

효율적인 빈발 패턴 알고리즘은 연관 규칙 마이닝이나 융복합을 위한 마이닝 과정에서 필수적인 요소이며 많은 활용성을 가지고 있다. 패턴 마이닝을 위한 많은 모델들이 빈발 패턴에 관한 정보를 추출하여 FP-트리를 이용하여 저장하고 있다. 본 논문에서는 항목들의 무게중심을 이용한 새로운 빈발 패턴 알고리즘(CAWFP-Growth)을 제안하여 항목들이 가지는 가중치와 빈도수를 같이 고려하여 항목간의 중심을 계산하여 기존의 FP-Growth 알고리즘의 효율성을 향상시킨다. 제안한 방법은 하향 폐쇄의 성질을 유지하기 위한 기존의 전역적 최대치 가중치 지지도를 필요로 하지 않기 때문에 자연히 빈발 패턴의 탐색시간이 줄어들고 정보의 손실을 줄일 수 있다. 실험결과를 통하여 제안된 알고리즘이 기존의 동적 가중치를 이용하는 다른 방법과 비교해볼 때, 항목들의 무게중심이 빈발패턴의 정확한 정보를 유지하고 FP-트리의 처리 시간을 줄여주기 때문에 제안한 방법의 중요성을 보이고 있다 또한 가상 분산모드에서 맵리듀스 프레임을 기반으로 빅데이터를 모델링하고 향후 완전분산 모드에서 제안한 알고리즘의 모델링이 필요하다.

An efficient frequent pattern algorithm is essential for mining association rules as well as many other mining tasks for convergence with its application spread over a very broad spectrum. Models for mining pattern have been proposed using a FP-tree for storing compressed information about frequent patterns. In this paper, we propose a centroid frequent pattern growth algorithm which we called “CAWFP-Growth” that enhances he FP-Growth algorithm by making the center of weights and frequencies for the itemsets. Because the conventional constraint of maximum weighted support is not necessary to maintain the downward closure property, it is more likely to reduce the search time and the information loss of the frequent patterns. The experimental results show that the proposed algorithm achieves better performance than other algorithms without scarifying the accuracy and increasing the processing time via the centroid of the items. The MapReduce framework model is provided to handle large amounts of data via a pseudo-distributed computing environment. In addition, the modeling of the proposed algorithm is required in the fully distributed mode.

본 논문은 투과성이 좋고 실내 환경에 강건하며, 수십 센티미터(cm) 급의 고정밀 측위가 가능하다는 점에서 주목 받고 있는 IR-UWB(Impulse-Radio Ultra Wideband) 레이더 시스템에서 신호의 특성을 이용한 적응형 다중 목표물 추정 알고리즘을 제안한다. 목표물에 의해 반사되는 신호는 Peak를 갖는 다는 특성으로 다중의 Peak를 추정하는 알고리즘을 제안하였다. 이러한 알고리즘의 성능을 확인하기 위해서 레이더 앞에 다중 목표물을 두고 기존의 기법과 다중 목표물 추정 알고리즘을 비교하였다. 하나의 송신 안테나와 수신안테나로 목표물들의 위치를 실시간으로 추정한다. 기존의 최고 신호 도출 방식에 비해 추정할 수 있는 수가 늘어나고 다중으로 목표물 도출이 가능하다. 기존의 기법은 하나의 목표물만 추정하다보니 평균 제곱 오차가 1이 나오는 반면 다중 목표물 추정 알고리즘은 약 0.05의 결과가 도출된다. 본 논문에서 제시한 기법은 하나의 IR-UWB 모듈 환경에서 다중의 목표물을 추정 및 응용에 적용할 수 있을 것이라 기대된다.

In this paper, we propose an adaptive multi-target estimation algorithm using the characteristics of signals in the IR-UWB(Impulse-Radio Ultra Wideband) radar system, which is attracting attention because it has good transparency, robustness to the indoor environment, and high precision positioning of tens of centimeters. We proposed an algorithm that estimates multiple peaks with the characteristic that the signal reflected by the target has a peak. To verify the performance of these algorithms, multiple targets were placed in front of the radar and the existing technique and the multi - target estimation algorithm were compared. The location of the targets is estimated in real time with one transmitting antenna and one receiving antenna. The number of estimates can be increased compared with the existing peak signal derivation method, and multiple targets can be derived. The conventional technique estimates only one target, which results in a mean square error of 1 while a multi - target estimation algorithm yields a result of about 0.05. The proposed method is expected to be able to apply multiple targets to the estimation and application in one IR-UWB module environment.

분산 스트림 처리 시스템을 위한 고가용성 알고리즘에는 Passive Standby, Active Standby, Upstream Backup 알고리즘 등이 있다. 기존의 고가용성 알고리즘은 복구 시 필요한 데이터의 백업을 위한 bandwidth overhead가 크며 노드의 연산결과를 다수의 downstream 노드들이 공유하며 데이터의 유입률이 폭발적으로 증가하는 경우에 출력 큐의 오버플로우로 인한 데이터의 손실 문제가 발생 할 수 있다. 본 논문은 이러한 문제들을 해결하기 위해 데이터 스트림의 유입량과 노드들의 연산처리율 모니터링을 통해 백업 방법을 유동적으로 변경시키는 적응적 Upstream Backup 알고리즘을 제안한다.

There have been High-Availability algorithms for Distributed Stream Processing System such as Passive Standby, Active Standby and Upstream Backup. Existing High Availability Algorithms have high bandwidth overhead when they backup data needed for restoring from the system failure and data can be lost by overflow of output queue in case of explosive increasing of input data rates. In this paper, we suggest adaptive Upstream Backup algorithm which changes fluidly the way to backup using monitor input rates of data stream and throughput of operation to solve those problems.