http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
실시간 환경에서 가용 대역폭과 거리를 고려한 개선된 Kademlia 프로토콜
박재완 ( Jae-wan Park ),맹주현 ( Ju-hyun Maeng ),이동혁 ( Dong-hyuk Lee ),조인휘 ( In-whee Joe ) 한국정보처리학회 2019 한국정보처리학회 학술대회논문집 Vol.26 No.1
분산 해시 테이블은 {Key-Value} 형태의 해시 테이블을 시스템 내 노드들이 나누어 가지는 분산 시스템이다. 분산 해시 테이블 중 Kademlia는 Binary Tree 구조를 통해 노드 확장성을 가지고 XOR Metric을 이용하여 빠른 노드 탐색으로 다양한 분야에서 활용되고 있다. 하지만 노드 탐색 시 실제 상황을 배제하고 논리적인 거리만을 고려하여 라우팅 경로를 설정한다는 문제점을 가진다. 본 연구에서는 이 문제를 해결하기 위해 노드 탐색 시 노드 간의 대역폭과 물리적 거리를 고려하여 라우팅 테이블을 생성하는 Kademlia의 효율적인 노드 탐색 기법을 제안한다. 기존의 Kademlia와 유사한 수치의 Lookup Success Ratio와 Lookup Overhead Rates를 보이지만, End-to-End Delay가 감소한 것을 시뮬레이션을 통해 확인하였다.
자원 효율성 향상을 위하여 Feedback Controller를 적용한 CAN 전송 시스템의 데이터 흐름 제어
오승훈(Oh Seung Hoon),맹주현(Maeng Ju Hyun) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
기존 CAN 통신은 분산처리 방식의 여러 산업분야에서 활용되어 왔지만, 최근에는 중앙 집중 방식으로 로봇과 다양한 센서 사이의 통신 시스템에서 많이 사용되고 있다. 이러한 중앙 집중 방식은 대량 데이터의 전송 시 발생하는 병목현상으로 자원의 효율적 사용이 쉽지 않다. 이러한 문제점의 개선을 위하여 병목현상을 최소화하고, 자원을 효율적으로 사용할 수 있도록 하는 Load Balancing 기법에 대한 연구가 필요하다. 본 논문에서는 대량 데이터를 처리할 수 있는 중앙 집중 방식의 데이터 우선순위 처리 기법을 제안한다. 또한, Feedback Controller를 사용하여서 통신 흐름을 제어하며, 실험을 통하여 자원 효율성에 대해 측정하고 분석한다.
위치 측위 향상을 위한 KNN과 Local Map Classification 및 Bayes Filter를 사용한 실내 위치 인식 시스템
오승훈(Seung-Hoon Oh),맹주현(Ju-Hyun Maeng) 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.6
본 논문에서는 위치 측위의 정확도를 높일 수 있는 방안으로 KNN(K-Nearest Neighbor)과 Local Map Classification 및 Bayes Filter를 융합한 기법을 제안한다. 먼저 이 기법은 Local Map Classification이 실제 지도를 여러 개의 Cluster로 나누고, 다음으로 KNN으로 Cluster들을 분류한다. 그리고 Bayes Filter가 획득한 각 Cluster의 확률을 통하여 Posterior Probability을 계산한다. 이 Posterior Probability으로 로봇이 위치한 Cluster를 검색한다. 성능 평가를 위하여 KNN과 Local Map Classification 및 Bayes Filter을 적용하여서 얻은 위치 측위의 결과를 분석하였다. 분석 결과로 RSSI 신호가 변하더라도 위치 정보는 한 Cluster에 고정되면서 위치 측위의 정확도가 높아진다는 사실을 확인하였다. In this paper, we propose a method that combines KNN(K-Nearest Neighbor), Local Map Classification and Bayes Filter as a way to increase the accuracy of location positioning. First, in this technique, Local Map Classification divides the actual map into several clusters, and then classifies the clusters by KNN. And posterior probability is calculated through the probability of each cluster acquired by Bayes Filter. With this posterior probability, the cluster where the robot is located is searched. For performance evaluation, the results of location positioning obtained by applying KNN, Local Map Classification, and Bayes Filter were analyzed. As a result of the analysis, it was confirmed that even if the RSSI signal changes, the location information is fixed to one cluster, and the accuracy of location positioning increases.
스마트 홈 환경에서 IoT 장치의 보안 강화를 위한 Hyperledger Fabric 기반 Architecture
박지호 ( Ji-ho Park ),맹주현 ( Ju-hyun Maeng ),조인휘 ( In-whee Joe ) 한국정보처리학회 2021 한국정보처리학회 학술대회논문집 Vol.28 No.1
최근, 다양한 정보의 수집 및 처리가 필요한 스마트 홈, 의료, 교통, 제조 등 여러 산업 분야에서 IoT(Internet of Things)가 많이 활용되고 있다. 특히 스마트 홈 환경에서 IoT 장치로 수집되는 정보는 민감한 개인 정보를 포함할 수 있기 때문에 특정 그룹이나 개인만이 해당 정보에 접근할 수 있도록 관리할 필요가 있다. 또한, IoT 환경에서 Blockchain 기반으로 데이터의 신뢰성을 확보하는 분산 저장소의 경우, 지연 시간의 증가 문제가 발생될 수 있기 때문에 실시간 데이터 수집에 대한 처리 속도를 향상할 방안이 필요하다. 본 논문에서는 사용자와 IoT 장치 간 생성한 그룹 ID 로 해당그룹에 대한 접근 권한을 관리하고, Hyperledger Fabric 과 별도의 데이터베이스 운용으로 실시간성, 신뢰성을 향상할 수 있는 Hyperledger Fabric 기반 스마트 홈 Architecture 를 제안한다. 이 Architecture는 IoT 장치가 사용되는 다양한 환경에서 보안성, 실시간성, 신뢰성을 향상할 수 있을 것이다.
모바일 로봇을 위한 KNN과 Local Map Classification을 통한 실내 위치 인식 시스템
오승훈(Oh Seung Hoon),황치환(Hwang Chi Hwan),맹주현(Maeng Ju Hyun) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
최근 사람의 일을 대신해 주는 서비스 로봇의 등장으로 실내 로봇 서비스의 관심도가 높아지면서 모바일 로봇에 대한 연구가 많이 진행되고 있다.[1]실내 로봇 서비스를 안정적으로 제공하기 위해서는 서비스 제공 주체인 로봇은 실시간 위치 정보를 알아야 한다. 이 위치 정보는 AP로부터의 RSSI(Received Signal Strength Indicator) 신호로 파악 가능하다. RSSI 신호의 세기가 변하면, 실제 거리와 예측하는 거리 사이의 오차가 발생될 수 있다. 이러한 문제를 개선하기 위하여 RSSI 신호의 세기가 변하더라도 거리의 오차를 고정시킬 수 있는 방안에 대한 연구가 필요하다. 본 논문은 거리 오차의 변동성을 줄이기 위해서 Local Map Classification과 KNN(K-Nearest Neighbor) Algorithm을 연동하는 기법을 제안한다. 실험으로 Local Map Classification을 적용하여 얻은 위치 측위 결과를 분석하였다. 이 결과로 앞서 말한 거리 오차의 변동성을 줄이기 위해서 Local Map Classification을 적용하면, 위치 정보를 한 지점에 고정할 수 있다는 사실을 확인하였다.