Datasets:

elisha0904
/

retrieval_152

Dataset card Data Studio Files Files and versions Community

Subset (4)

ED · 7.48k rows

Split (3)

train · 4.49k rows

add_info dict	context stringlengths 135 14.6k	question stringlengths 11 514	answer stringlengths 1 404
{ "answer_type": "절차(방법)형", "context_id": "82ea89fe-2643-4929-9797-95483af6fe4e", "field": "인공물", "question_id": "f02ede73-3e1d-4901-b9a4-7658d06542f1" }	<h1>III. 모의실험</h1><p>앞에서 제안한 방법을 다른 닭 영상에 적용하여 모의 실험을 수행하였다. 그림 19 (a)는 동일한 알고리즘을 새로운 닭의 형광영상에 적용하여 얻은 결과영상이다. 그림 19 (b)는 반사영상으로부터 얻은 분류결과이다. 그림 19 (c)는 그림 19 (a)의 형광영상의 분류결과와 그림 19 (b)의 반사영상의 분류결과를 융합한 결과이며, 그림 19 (d)는 종양부위를 표시한 실제 닭 사진이다. 그림 19 (d)와 그림 19 (a)\(\sim\)(c) 사이에 닭의 윤곽에 발생하는 차이는 측정위치가 일치하지 않기 때문이다. 위에서 사용된 두 개의 닭을 포함하여 보유하고 있는 7개의 초분광 영상에 본 논문의 방법을 적용하여 표 2의 실험결과를 얻었다. 표에서 오인식은 정상을 종양으로 오인식한 경우를 말한다. 모의실험에서 \( 75.8 \% \)의 검출율과 \( 20.7 \% \)의 오인식율을 보여주었으며 기존의 방법(검출율: \( 75.6 \% \), 오인식율: \( 29.3 \% \) )보다 오인식율이 적음을 확인 하였다.</p><table border><caption>표 2. 검출 결과</caption><tbody><tr><td>Image No.</td><td>종양 개수</td><td>검출 개수</td><td>오인식 개수</td><td>누락 개수</td></tr><tr><td>1</td><td>3</td><td>3</td><td>1</td><td>0</td></tr><tr><td>2</td><td>5</td><td>2</td><td>2</td><td>2</td></tr><tr><td>3</td><td>2</td><td>1</td><td>0</td><td>1</td></tr><tr><td>4</td><td>3</td><td>2</td><td>0</td><td>1</td></tr><tr><td>5</td><td>2</td><td>1</td><td>1</td><td>1</td></tr><tr><td>6</td><td>2</td><td>2</td><td>0</td><td>0</td></tr><tr><td>7</td><td>12</td><td>11</td><td>2</td><td>1</td></tr><tr><td>Total</td><td>29</td><td>22(75.8\(\%\))</td><td>6(20.7\(\%\))</td><td>7(24.2\(\%\))</td></tr></tbody></table>	어떻게 오인식이 발생하는거야?	정상을 종양으로 오인식한 경우
{ "answer_type": "표정답추출형", "context_id": "412fcc3a-5eb7-4b92-ac20-06da0f0b55a3", "field": "인공물", "question_id": "d988f0ff-8f34-45af-a815-e8ea59d0d0a4" }	<h3>나. 밴드 선택</h3> <p>본 논문에서는 초분광 반사영상에서 종양인식에 적합한 밴드를 선택하여 주성분 분석의 입력으로 함으로써 종양인식에 효과적인 특징을 추출한다.</p> <p>종양인식에 적합한 밴드는 다음과 같은 조건을 고려한다. 112 개의 밴드를 갖고 있는 반사영상에서 k 번째 밴드를 제외시킴으로써 111개의 밴드를 갖게 되는 새로운 초분광 영상을 생성한다. 원 데이터와 새로운 데이터에 각각 주성분 분석을 적용하여 \( 2 \sim 8 \) 번째 주성분 영상이 확보하는 정보량의 비중을 계산한다. 이때 새로운 데이터로부터 구한 정보량의 비중이 원 데이터로부터 구한 수치보다 작으면 k번째 밴드는 종양인식에 적합한 밴드라 확정한다.</p> <p>그림 11은 이러한 밴드가 존재함을 보여주고 있으며, 효과적인 특징 추출을 위한 밴드 선택 알고리즘은 다음과 같다.</p> <ol type=1 start=1><li>학습데이터로부터 얻어지는 공분산 행렬 \( \Sigma_{X} \) 로부터 고유값 \( \lambda_{1}, \lambda_{2}, \cdots, \lambda_{112} \) 를 계산한다. \( \sum_{j=2}^{8} \lambda_{j} / \sum_{j=1}^{112} \lambda_{j} \) 보다 작은 문턱치 \( T \) 를 설정한다.</li> <li>\( \Sigma_{X} \) 의 \( k \) 행과 \( k \) 열을 제거하여 \( \widehat{\Sigma}_{X} \) 획득한다. \( \hat{\Sigma}_{X} \) 로부터 고유값 \( \hat{\lambda}_{1}, \hat{\lambda}_{2}, \cdots, \hat{\lambda}_{111} \) 계산하고 \( \sum_{i=2}^{8} \hat{\lambda}_{i} / \sum_{i=1}^{111} \hat{\lambda}_{i}<T \) 이면 k 번째 밴드를 선택한다.</li> <li>k 값을 [1, 112] 범위 내에서 차례로 변경하면서 단계 (2)를 반복하여 밴드를 선택한다. k 가 112 보다 크면 알고리즘을 종료한다.</li></ol> <p>위의 알고리즘에서 문턱치 \( T \) 는 선택되는 밴드 개수를 조절한다. 실제로 위의 알고리즘으로 선택한 밴드가 주성분의 방향을 종양인식에 적합한 방향으로 회전시켰음을 보여주기 위하여 그림 9 의 반사영상에서 정상과 종양부분의 일부를 선택하여 학습데이터를 만들었다. 전체 밴드와 \( 1 \sim 38 \) 번째 밴드를 각각 선택하여 정상부분 학습데이터로 구한 주성분 방향과 정상과 종양부분을 혼합한 학습데이터로 구한 주성분 방향이 이루는 각도를 표로 작성하였다. 표 1에서 보면 정상부분 학습데이터를 종양부분의 학습데이터와 혼합했을 때, \( 1 \sim 38 \) 번째 밴드에서 주성분의 회전 각도는 전체 밴드에서 주성분이 회전한 각도보다 크다. 이는 주성분 분석에서 outlier에 의한 주성분 방향의 회전이 특징 추출이 가능케 함을 설명한다. 그림 12 와 13은 모든 밴드, \( 1 \sim 38 \) 번째 밴드를 선택하여 주성분 분석을 진행하여 얻어진 \( 1 \sim 8 \) 번째 주성분 영상이다. 그림에서 보면 \( 1 \sim 38 \) 번째 밴드에 주성분 분석을 적용한 후 얻어진 주성분 영상에서 5,6번째 주성분 영상은 종양부분이 아주 선명하게 나타나있다. 이는 밴드 선택 방법으로 효과적인 특징을 추출할 수 있음을 말해준다.</p> <table border><caption>표 1. 종양부분 데이터에 의해 주성분이 회전한 각도 (단위: \(\mathrm{degree}\))</caption> <tbody><tr><td></td><td>전체 밴드 선택</td><td>1\(\sim\)38번째 밴드 선택</td></tr><tr><td>2번째 주성분</td><td>0.84</td><td>6.07</td></tr><tr><td>3번째 주성분</td><td>0.58</td><td>6.18</td></tr><tr><td>4번째 주성분</td><td>0.95</td><td>2.11</td></tr><tr><td>5번째 주성분</td><td>1.84</td><td>4.11</td></tr><tr><td>6번째 주성분</td><td>5.77</td><td>89.88</td></tr><tr><td>7번째 주성분</td><td>5.07</td><td>89.88</td></tr><tr><td>8번째 주성분</td><td>14.44</td><td>14.85</td></tr></tbody></table> <h3>다. 투영 축 선택</h3> <p>반사영상 분석에서는 주성분 분석후의 몇 개의 주성분 영상을 특징으로 선택하여 분석을 진행한다. 특징의 개수를 늘리면 그만큼 관련정보가 많아져 보다 정확한 식별을 할 수 있다. 그러나 위의 밴드 선택에서 알 수 있다시피 주성분 분석 후 얻어지는 주성분 영상에서 영상분류에 적합한 성분영상은 두 개 좌우이다. 본 논문에서는 특징의 개수를 늘리는 방법으로 주성분 분석과 비슷한 원리로 초분광 영상을 영상분류에 적합한 여러개의 축에 투영하여 영상분류에서 특징으로 사용되는 새로운 특징영상을 얻는 방법을 제안한다.</p> <p>\( X_{1}, X_{2} \) 를 학습데이터로 선정된 초분광 반사영상이라 할 때, 주성분 분석은 \( Y_{1}=W_{1}^{T} X_{1}, Y_{2}=W_{2}^{T} X_{2} \)와 같다.</p> <p>여기서 \( W_{1}=\left[u_{1}\|\cdots\| u_{n}\right] \) 이고, \( W_{2}=\left[v_{1}\|\cdots\| v_{n}\right] \)이다. 주성분 분석의 결과 \( Y_{1} \) 에서 \( i, j \) 번째 주성분, \( Y_{2} \) 에서 \( k, l \) 번째 주성분이 초분광 영상분류를 위한 효과적인 특징이라 하고, \( n \)-차원 열벡터 \( u_{i, j} \) 와 \( v_{k, l} \) 가 이루는 각도 \( \theta=\arccos \left(\frac{u_{i, j} \cdot v_{k, l}}{\left\\|u_{i, j}\right\\|\left\\|v_{k, l}\right\\|}\right) \) 가 충분히 크면 데이터를 \( u_{i}, u_{j}, v_{k}, v_{l} \) 축에 투영하는 방법으로 초분광 반사영상 분류의 효과적인 특징으로 되는 네 개의 특징 영상을 얻을 수 있다. 같은 방법으로 다른 한 학습데이터가 입력될 때 그에 대응하는 투영 축을 선택할 수 있다. 이것을 다음과 같은 선형변환으로 표시할 수 있다.</p> <p>\( Y=A^{T} X, \quad A=\left[u_{i}\left\|u_{j}\right\| v_{k}\left\|v_{l}\right\| \cdots\right] \)<caption>(7)</caption></p> <p>위의 선형변환에서 변환 행렬 A의 각각의 열벡터는 학습과정에서 학습데이터로 선정된 여러 개의 초분광 반사영상을 밴드 선택 방법으로 주성분 분석을 진행한 후 얻어지는 성분영상을 관찰하는 방법으로 확정할 수 있다. 또는 학습과정에서 학습데이터로 선정된 하나의 초분광 반사영상의 밴드 선택 과정에서 문턱치 T를 변화하는 방법으로 선택된 밴드 영상에 주성분 분석을 적용한 후 얻어지는 주성분 영상을 관찰하는 방법으로 확정할 수 있다.</p> <p>투영 축 선택 방법에 근거하여 얻어진 선형변환 행렬 A와 식 (7)에 근거하여 초분광 반사영상의 특징영상을 획득할 수 있다. 그림 14는 투영 축 선택 방법으로 획득한 8 개의 특징영상이다. 그림 14 와 그림 12,13 을 비교하여 보면 투영 축 선택 알고리즘을 이용하여 획득한 특징영상은 초분광 반사영상 분류의 효과적인 특징임을 알 수 있다.</p> <p>그림 15 는 그림 13 에서 5,6 번째 주성분 영상을 특징으로 하여 분류한 결과영상이다. 그림 16은 그림 14의 특징영상을 특징으로 하여 분할-합병 클러스터링방법으로 분류한 결과영상이다. 두 분류결과를 비교하여 보면, 투영 축 선택 알고리즘을 적용함으로써 종양인식에 적합한 더욱 많은 특징이 분류에 참가하여 정상부분을 종양부분으로 오인식하는 결과가 적어졌음을 알 수 있다.</p> <h2>3. 영상 융합</h2> <p>형광영상과 반사영상으로부터 얻은 분류결과는 정상을 종양으로, 또는 종양을 정상으로 판단하는 오인식 부분을 포함한다. 본 논문에서는 이러한 오인식 부분을 제거하기 위해, 분류결과의 영상 융합을 통해 종양 특정 영역을 분류한다.</p> <p>본 논문에서는 형광영상과 반사영상 분류결과에 화소/결정 수준의 융합방법을 적용하였다. 화소/결정 수준의 융합은 형광영상이 반사영상보다 세밀한 분류가 이루어질 수 있다는 점을 이용한 방법으로서 형광영상 결정 영역의 단위면적에 포함된 반사영상 분류결과의 화소수가 임계값보다 크면 종양이라 판단한다. 형광영상의 결정 영역은 분류결과에 \( 9 \times 9 \) 크기의 Median Filter를 적용하여 잡음을 제거한 후, Morphology 기법으로 후처리하여 얻었다. 그림 17은 위의 융합방법으로 그림 8과 그림 16 을 융합한 결과영상이며, 그림 18은 종양부위를 표시한 실제 닭 사진이다.</p>	전체 밴드 선택을 볼 때 4번째 주성분의 값은 얼마인가?	0.95
{ "answer_type": "표정답추출형", "context_id": "5cbfe06b-8202-483a-a8e4-63e5647b682e", "field": "인공물", "question_id": "69bbe5ac-93fb-4a8a-b4e1-5fb63d44fcac" }	<p>편파식별도 값이 낮은 안테나는 편파가 수시로 변하는 이동무선 통신환경에서 편파 다이버시티 수신법을 사용하였을 때 효율적인 수신이 가능하다. 따라서 본 제안된 안테나는 편파 다이버시티의 효과를 개선하고, 수신 성능을 향상시키는 데에 활용될 수 있다.</p> <p>위와 같은 파라미터 분석을 각각 수행한 결과, 최적화된 안테나의 설계변수의 값들이 표 1 과 같이 도출되었다. 그림 7은 표 1과 같이 최적화 된 설계변수를 바탕으로 제작된 안테나 시제품 사진이다. 캐비티 구조를 포함하는 도체 위로 두 개의 유전체를 적층하였다. 첫 번째 유전체는 FR4기판 \( (1 \mathrm{~mm}) \) 에 제작되었으며 윗면에는 마이크로스트립 급전선이 위치한다. 두 번째 유전체는 FR4 기판(3 \( \mathrm{mm} \) )에 제작되었으며, 윗면에는 슬롯이 식각된 사각 패치가 인쇄되어 있다.</p> <table border><caption>표 1. 제안된 안테나의 최적화된 설계변수</caption> <tbody><tr><td>설계변수</td><td>\( L_{c} \)</td><td>\( W_{c} \)</td><td>\( L_{a} \)</td></tr><tr><td>값 \( (\mathrm{mm}) \)</td><td>19</td><td>53</td><td>3</td></tr><tr><td>설계변수</td><td>\( H_{c} \)</td><td>\( P_{L} \)</td><td>\( P_{w} \)</td></tr><tr><td>값 \( (\mathrm{mm}) \)</td><td>8.5</td><td>33</td><td>12</td></tr><tr><td>설계변수</td><td>\( S_{L 1} \)</td><td>\( S_{L 2} \)</td><td>\( \theta \)</td></tr><tr><td>값 \( (\mathrm{mm}) \)</td><td>5</td><td>10</td><td>\( 30^{\circ} \)</td></tr></tbody></table> <p>그림 8은 모의실험 결과와 제작된 안테나의 반사손실 측정값을 나타낸다. 측정된 안테나의 반사손실은 시뮬레이션 결과와 유사한 값을 가지며, \( 10 \mathrm{~dB} \) 반사손실 대역폭은 \( 5,030 \mathrm{MHz}(3.02 \sim 8.05 \mathrm{GHz}) \)이며, 중심주파수 \( 5.05 \mathrm{GHz} \)에서 비 대역폭 \( 90.9 \% \) 을 가진다.</p> <p>그림 9는 실제 제작된 제안된 안테나의 측정한 안테나의 방사특성을 나타낸다. 모의실험 및 측정을 통해 얻은 이득값을 \( \mathrm{xz}, \mathrm{yz} \) 면으로 각각 나누어서 비교하였다. 방사패턴은 \( +z \) 방향으로 지향성을 나타내고 있으며, 최대이득은 \( 6.59 \mathrm{GHz} \) 에서 \( 7.38 \mathrm{dBi} \) 이며, 최소이득은 \( 7.21 \mathrm{GHz} \) 에서 \( 2.41 \mathrm{dBi} \) 이다. 또한, 평균 전후방비(front to back ratio)는 \( 15.05 \mathrm{~dB} \) 의 값을 갖는다.</p> <p>그림 11은 3 차원 안테나 측정시스템을 이용하여 무반향 챔버에서 측정된 안테나의 이득과 효율이다. 측정된 최대이득은 \( 7.38 \mathrm{dBi} \) 이며 최소이득은 \( 2.41 \mathrm{dBi} \) 이다. 또한, 최대효율은 \( 84.8 \% \), 최소효율은 \( 68.2 \% \) 를 가지며 평균 \( 77.6 \% \) 로 대체적으로 높은 값을 갖는 것을 확인할 수 있다.</p>	논문에서 제안된 안테나의 \( L_{c} \) 값은 몇인가?	19
{ "answer_type": "표정답추출형", "context_id": "fa4f42d2-e037-498e-a0a6-f9174c19ba63", "field": "인공물", "question_id": "ec517416-923c-46e6-a670-093fae83a00d" }	<h1>Ⅱ. 안테나 설계</h1> <h2>2-1 톱날형 평면 모노폴 안테나 구조</h2> <p>매우 간단한 구조와 제작의 용이성으로 인해 현재도 많이 사용되고 있는 모노폴 안테나는 전체적인 길이가 공진 주파수 파장의 약 \( \lambda / 4 \)인 공진형 안테나이다. 따라서 크기는 1/2 파장의 다이폴 안테나보다는 작지만 임피던스 대역폭어 매우 좁다는 단점을 가지고 있다. 이러한 기존의 모노폴의 단점을 개선하기 위해 선형 모노폴 안테나인 경우는 안테나에 사용된 도체의 지름을 증가시키는 방법, 안테나 선단에 스파이럴 또는 원판과 같은 부하를 장착하는 방법과 안테나 부분을 원추형으로 만드는 방법 등을 사용하였다. 그러나 이와 같은 방법들은 소형화되고 있는 이동통신 시스템에 부착하기에는 부피가 커지는 문제점이 있다. 최근에는 모노폴 안테나 부분을 사각형, 삼각형, 원형, 타원형 등과 같은 모양으로 평면화시켜 광대역 특성을 얻는 동시에 안테나의 부피를 작게 하는 연구가 활발히 진행되고 있다. 본 논문에서는 평면형 모노폴 안테나의 대역폭 특성을 개선하기 위한 방법으로 그림 1과 같이 역삼각형 모양을 톱날형으로 변형시킨 안테나를 연구하고자한다.</p> <p>그림 1의 위에 있는 역 삼각형 모양은 탑 로딩역할을 함으로써 안테나 길이를 줄이는 역할을 하게된다. 그리고 두 삼각형 사이에서의 커패시턴스 성분으로 안테나 임피던스의 주파수 변화를 작게 하여 광대역 임피던스 특성을 이룰 수 있게 된다.</p> <p>따라서 이 구조는 일반적으로 평면 삼각형 모노폴 안테나에서 변보다는 꼭지점에 급전을 하여 대역폭을 넓히는 방법과 안테나 끝단에 부하를 장착시키는 방법을 동시에 적용하여 대역폭 특성을 개선하는 방법이다.</p> <p>또한, 안테나 뒷면은 급전부까지는 도체 부분을 남겨 안테나의 급전선인 마이크로스트립 선로 접지로 사용하였다. 그리고 급전선과 접지면이 만나는 지점에서 안테나부의 이면인 접지면의 일정 면적을 제거하여 급전선과 안테나를 직접 정합시키는 구조를 갖도록 하였다.</p> <h2>2-2 파라미터 변화에 대한 특성 변화</h2> <p>제안된 구조의 주요 설계 변수는 표 1에 나타내었다. 그림 1에 나타낸 안테나의 설계 변수들 가운데 안테나의 전체 높이를 결정하는 것은 \( h_{1} \)으로 \( 800 \mathrm{~MHz} \) 대역에서도 안테나를 쓰기 위해서 \( 60.5 \mathrm{~mm} \)를 초기 값을 결정하였다. 이 길이는 \( 800 \mathrm{~MHz} \)를 기준으로 일반적인 1/4 파장 안테나 길이인 약 \( 93.8 \mathrm{~cm} \)보다 1/3 줄어든 길이이다. 그리고 안테나의 급전선은 \( 50 ~\Omega \) 마이크로스트립 선로를 이용하였다. 톱날형 평면 모노폴 안테나 구조의 각 치수에 대한 최적화된 파라미터 값은 표 1과 같다.</p> <table border><caption>표 1. 제안한 안테나에 대한 파라미터 수치</caption> <tbody><tr><td>Parameter</td><td>Value\( (\mathrm{mm}) \)</td><td>Parameter</td><td>Value\( (\mathrm{mm}) \)</td></tr><tr><td>\( w_{1} \)</td><td>\( 80 \)</td><td>\( h_{2} \)</td><td>\( 37 \)</td></tr><tr><td>\( w_{2} \)</td><td>\( 23 \)</td><td>\( h_{g} \)</td><td>\( 5 \)</td></tr><tr><td>\( w_{3} \)</td><td>\( 20 \)</td><td>\( T \)</td><td>\( 3.2 \)</td></tr><tr><td>\( h_{1} \)</td><td>\( 60.5 \)</td><td>\( L \)</td><td>\( 95 \)</td></tr></tbody></table> <p>표 1과 같은 여러 설계 변수가 안테나 반사 손실에 비치는 영향을 알아보기 위하여, 설계 변수에 따른 특성변화를 그림 2에 나타내었다.</p> <p>각 파라미터 영향을 연구하기 위해 상용화 툴인 CST사의 Microwave studio를 이용하여 시뮬레이션 결과를 고찰하였다.</p> <p>그림 2(a)는 \( w_{2} \)의 변화에 대한 반사손실 변화를 그린 것이다. \( w_{2} \)는 톱 로딩한 역 삼각형의 밑면으로 이 길이가 변화함에 따라 고주파 대역의 특성이 많이 변화함을 알 수 있다. 특히, 이 부분은 안테나의 전체 길이를 줄이는 데 큰 역할을 함과 동시에 대역폭에도 민감하게 영향을 주는 것을 알 수 있다.</p> <p>그림 2(b)의 각도 변화에 따른 반사 손실특성을 보면 각도가 커질수록 저주파특성이 우세하고 각도가 줄어들수록 고주파 특성이 두드러지는데 각도가 \( 45^{\circ} \)일 경우 즉, \( w_{1} \) 길이가 \( 80 \mathrm{~mm} \)일 때 주파수 특성이 좋아지면서 임피던스 특성이 \( 50 ~\Omega \)에 가장 근접하면서 대역폭이 넓어지는 것으로 나타났다.</p> <p>그림 2(c) 접지면의 요철 부분의 폭\( \left(w_{3}\right) \) 변화에 따른 특성을 시뮬레이션한 결과를 나타냈다. 시물레이션 조건은 모든 파라미터는 최적의 값으로 고정시킨 상태에서 폭\( \left(w_{3}\right) \)를 변화시킨 것이다. 폭이 넓어질수록 낮은 주파수 대역에 영향을 주며, 폭이 좁아지더라도 대역폭에는 크게 영향을 주지는 않았다.</p> <p>그림 2(d) 접지면의 요철 부분의 길이를 나타내는 \( h_{g} \)에 따른 반사손실 특성 변화를 시물레이션한 결과이다. \( h_{g} \)의 작은 변화에 반사 손실이 많이 변화함을 알 수 있다. \( h_{g} \)의 변화에 따라 낮은 주파수 대역에서는 작은 임피던스 변화가 있지만 고주파 대역에서는 많은 변화가 생긴다. 이를 적절히 이용하면 안테나와 \( 50 ~\Omega \) 급전선과 간단한 구조로 직접 매칭을 이룰 수 있고 그 특성도 광대역이 된다. 특히 이 파라미터를 통해 안테나 설계할 때 커패시턴스 또는 인덕턴스 하게 정합에서 벗어난 것을 보상해 줄 수 있다.</p> <p>그림 3은 단일 역삼각형 모노폴 안테나(RTMA: Reverse Triangular Monopole Antenna)와 톱날형 모노폴 안테나(STMA)와의 계산치 결과를 비교해 보면, 먼저 RTMA는 \( 0.5 \mathrm{~GHz} \)부터 \( 2.5 \mathrm{~GHz} \)까지 계산된 결과는 VSWR \( \leq 2 \)에서 주파수 대역이 \( 0.98 \mathrm{~GHz} \sim 1.54 \mathrm{~GHz} \)로 중심 주파수 \( 1.26 \mathrm{~GHz} \)을 기준으로 \( 44 \% \)의 대역폭을 가진다. 기본적인 모노폴 안테나보다 넓은 주파수 대역을 보인다. 단일 역삼각형 모노폴에 탑 로딩 역할을 하는 로드를 추가하면 두 번 공진이 일어나 대역폭이 증가하게 된다. STMA는 주파수 대역이 \( 0.77 \mathrm{~GHz} \sim 1.98 \mathrm{~GHz} \)으로 중심 주파수 \( 1.375 \mathrm{~GHz} \)를 기준으로 대역폭이 \( 88 \% \)이다. 제안된 구조의 안테나는 단순한 역삼각형 모델보다 중심 주파수는 거의 변화지 않았고, 주파수 대역폭은 \( 88 \% \)로 대역폭 확장 효과가 우수함을 알 수 있다. 이와 같은 시뮬레이션 결과를 보면 본 논문에서 제안한 광대역 특성을 얻기 위한 임피던스 정합 방법의 효과는 뛰어나다고 할 수 있다.</p>	표 1. 제안한 안테나에 대한 파라미터 수치에서 \( w_{3} \) 은 어떤 Value\( (\mathrm{mm}) \) 값을 갖는가?	\( 20 \)
{ "answer_type": "절차(방법)형", "context_id": "165c177c-c063-4e63-952e-8fbd927fac18", "field": "인공물", "question_id": "3872d754-adce-4f58-b301-c8ba92d818b4" }	<h1>IV. 실 험</h1><p>다음의 표 1은 ISCAS85 C17 benchmark 예제에 대해 repair를 수행한 결과이다. C17의 NAND2 6개중 2개의 셀에서 오류가 발생했다고 가정하고 같은 배선 수정 방법으로 repair를 수행한 결과 이며, programmable한 Via Patterned Gate Array (VPGA)에 비해 \( 1 / 4 \)의 면적으로 repair가 가능하다.</p><table border><caption>표 1. 면적 결과 : VPGA vs. SCMR</caption><tbody><tr><td rowspan="2">항목</td><td rowspan="2">Cell area (\(\mathrm{um}^{2}\))</td><td colspan="2"># of via</td></tr><tr><td>In logic</td><td>In spare cell</td></tr><tr><td>SC2MR</td><td>39.92</td><td>16</td><td>53</td></tr><tr><td>VPGA</td><td>159.67 (400\(\%\))</td><td>16</td><td>35 (66\(\%\))</td></tr></tbody></table><p>표 2는 일반 회로에 대하여 각각 특정 repair를 수행한 결과이다. el은 ISCAS89 S27 benchmark 예제에 대해 repair를 수행한 결과이다. 5개의 입력 신호가 S27 회로 2개에 각각 연결되어 있고, 2개의 S27 회로 중 하나에서 오류가 발생하였다고 가정하였다. 예제 e2와 e3는 각 회로에 saturation 회로를 추가한 것이고, e4는 회로의 출력단에 특정 gate를 추가한 것이다. S_A 예제는 FSM예제에서 state변경에 따른 repair결과이다. Standard metal 방법은 1 via layer만을 수정하여 재배선을 수행하는 방법으로 2 metal layer를 수정하는 배선 수정 방법에 비해 mask변경이 적지만 배선길이가 16배 더 길게 필요하다.</p><p>그림 9는 e1 예제에 대해 SC2MR 방식과 standard metal 방식을 비교한 것이다. 그립 9 (b)에서 격자로 배열되어 있는 배선이 standard metal을 구현하기 위해 미리 배치되어 있는 배선이며, 격자 배선의 위와 아래에 배치된 회로가 예비회로이다. 그림 9 (b)의 예비 회로는 격자 구조 밑으로 배치될 수 있으나 보기 편하도록 그림에서는 격자의 위 아래로 배치하였다.</p><p>Standard metal 방법은 1 via layer만을 수정하여 재배선을 수행하는 방법으로, 2 metal layer를 수정하는 배선 수정 방법에 비해, mask변경이 적지만 배선길이가 이 예제에서는 16배 더 길게 필요하다.</p><p>표 3은 회로의 verilog code에서 조건식을 일부 변경한 회로의 예시이다. 표 3의 값은 Sample A, B, C에 대해 각각 verilog code내 조건 식에서 새로운 조건을 추가한 회로 변경을 하였으며, 각 예제에 대해 회로를 \( 8 / 12 / 16 \) 개로 회로 분할한 후에 repair한 결과이다. SC_size는 repair시에 필요한 예비 회로의 면적을, reduce는 회로 분할 없이 전체 회로를 repair 했을 때 필요한 예비 회로 면적 대비 회로 분할 이후 repair할 때 예비 회로의 면적이 줄어든 비를 나타낸 것이다. 저비용 repair를 위해 min-cut 회로 분할을 사용할 경우 표 3의 3개 예제에 대해 사용해야 할 spare cell을 최대 \( 80 \% \)까지 줄일 수 있었다.</p><table border><caption>표 3. Repair 결과 : Min-cut 회로분할</caption><tbody><tr><td></td><td></td><td>Non partition</td><td>Partition 8</td><td>Partition 12</td><td>Partition 16</td></tr><tr><td rowspan="2">S_A</td><td>Spare cell size</td><td>106111</td><td>69187</td><td>69187</td><td>66193</td></tr><tr><td>Reduce</td><td></td><td>34.80 \(\%\)</td><td>34.80 \(\%\)</td><td>37.62 \(\%\)</td></tr><tr><td rowspan="2">S_B</td><td>Spare cell size</td><td>445740</td><td>158002</td><td>111101</td><td>87484</td></tr><tr><td>Reduce</td><td></td><td>64.55 \(\%\)</td><td>75.07 \(\%\)</td><td>80.37 \(\%\)</td></tr><tr><td rowspan="2">S_C</td><td>Spare cell size</td><td>352592</td><td>268431</td><td>268431</td><td>268431</td></tr><tr><td>Reduce</td><td></td><td>23.87 \(\%\)</td><td>23.87 \(\%\)</td><td>23.87 \(\%\)</td></tr></tbody></table>	C17은 어떠한 가정을 통해 repair를 수행한 결과인가?	NAND2 6개중 2개의 셀에서 오류가 발생했다고 가정하고 같은 배선 수정 방법으로 repair를 수행
{ "answer_type": "절차(방법)형", "context_id": "1a891102-0de8-4e65-8b57-02627e39f05e", "field": "인공물", "question_id": "fd5b378e-7299-4f66-9a14-38208ee7f1c9" }	<h1>II. 근사3차원 커패시턴스 추출</h1> <p>다층 IC 배선 구조는 본질적으로 불규칙한 구조를 갖는다. 즉, 그림 1에서 보듯이 회로 블록 사이를 연결하는 배선은 동일한 층 내에서조차 직선의 형태를 띠지 않으며 배선 사이의 거리도 불규칙하다. 또한 다층 배선 구조의 경우 비아 등과 같은 불연속 구간을 가지거나 층간 커플링을 최소화하기 위해 서로 직교하는 배선 구조를 갖으므로 본질적으로 2차원 방법을 적용하여 커패시턴스를 추출하는 것은 불가능하다. 그러나 배선이 불연속한 구간을 만날 때마다 구간을 나누어서 각 구간의 커패시턴스를 구하고 이들 각 부분의 커패시턴스를 합침으로써 주된 배선의 커패시턴스를 구할 수 있다. 특히 나누어진 각 부분의 커패시턴스는 2차원 커패시턴스 방법을 사용하므로 신속하게 구할 수 있다. 동일한 층에서의 불규칙한 구조에 대한 근사적 3차원 커패시턴스 추출 방법과 다층 배선 구조에 대한 근사적 3차원 커패시턴스 추출 방법을 아래에서 자세히 서술한다.</p> <h2>1. 단일 층에서의 근사적 3차원 커패시턴스 추출 방법</h2> <p>단일 층에서의 불규칙 배선구조를 그림 2에서 나타내었다. 그림 2에서 보듯이 배선은 비직선 구조를 갖으며 배선 사이의 거리도 다르므로 직접적으로 2차원 커패시턴스 추출 방법을 사용할 수 없다. 현재 까지는 이러한 경우 3차원 field-solver를 사용하여 구하거나 수치적인 방법을 사용하여 구하였다. 그러나 대규모의 시스템에 적용하기에는 많은 계산 시간과 비용을 요구한다. 따라서 그림 2와 같이 밴드 같은 불연속하는 곳이 나타날 때마다 그 부분을 나누고 나누어진 부분의 커패시턴스는 MOM(method of moment)을 사용한 2D 시뮬레이션을 사용하여 파라미터를 추출할 수 있다. 위에서 서술한 내용은 다음과 같은 식으로 나타낼 수 있다. 즉, 전송선의 총 파라미터 값은 다음과 같이 각각의 부분의 파라미터들의 값을 더한 것이다.</p> <p>\( C_{i i}^{j}=\sum_{k=1}^{n}\left(C_{i i^{\prime}}^{j}\right)_{k} \)<caption>(1)</caption></p> <p>여기서 아래 첨자 \( k \)는 \( k \)번째 나누어진 배선의 부분을 가리키며, \( n \)은 나누어진 부분의 수로서 전송선의 구조에 따라 변한다. 또한 각각의 나누어진 부분의 커패시턴스는 노드 어드미턴스 행렬(node admittance matrix)과 유사한 방법으로 2단자 네트워크 커패시턴스 개념, 즉 단락회로 커패시턴스(short circuit capacitance) 추출 방법을 사용하여 쉅게 추출할 수 있다. 단락 회로 커패시턴스와 일반적인 커패시턴스는 다음과 같은 관계를 갖는다.</p> <p>\( C_{\text {sii }}=\sum_{j=1}^{n} C_{i j} \)<caption>(2)</caption></p> <p>\( C_{s i j}=-C_{i j} \)<caption>(3)</caption></p> <p>단락 회로의 커패시턴스를 구하기 위한 2 단자 네트워크 시스템은 수학적으로 다음과 같이 나타낼 수 있다.</p> <p>\( V_{i}=V \quad \) if \( \quad i \in A \)<caption>(4)</caption></p> <p>\( V_{i}=0 \quad \) if \( \quad i \notin A \)<caption>(4)</caption></p> <p>여기서 \( A \)는 활성 노드의 집합이다. 그러면 전압이 인가된 노드 집합 \( x \in A \) (하나의 노드)와 전압이 인가되지 않은 노드 집합 \( y \notin A \) (활성 노드를 제외한 나머지 노드) 사이의 2 단자 커패시턴스는 다음과 같다. 즉,</p> <p>\( C_{2-\text { port }}=\sum_{i=A} \frac{Q_{i}}{V} \)<caption>(6)</caption></p> <p>그러므로, 독립적인 노드 집합을 사용하여 2 단자 네트워크 계산을 반복하여 수행하면 \( n \)단자 네트워크에 대한 커패시턴스를 쉽게 구할 수 있다. 이것을 이용하여 몇 개의 독립적인 노드에 대한 커패시턴스를 대수적으로 처리함으로써 셀프 커패시턴스와 커플링 커패시턴스를 추출할 수 있다. 그림 2와 같은 불규칙한 배선구조에 대하여 근사 3차원 커패시턴스 추출 방법에 의해 구한 커패시턴스를 표 1에서 나타내었다. 또한 그림 3과 같은 좀더 복잡한 구조에 대해 구한 커패시턴스와 3차원 field-solver를 사용하여 구한 커패시턴스를 표 2에서 비교하였다. 표2 에서 보듯이 동일한 층에 대 한 근사 3차원 커패시턴스 추출 방법이 3차원 field-solver 방법을 사용하여 추출한 커패시턴스와 오차범위 \( 5 \% \) 내에서 잘 일치함을 알 수 있다.</p> <table border><caption>Title</caption> <tbody><tr><td>\( C_{i j} \)</td><td>K=1</td><td>K=2</td><td>K=3</td><td>K=4</td><td>K=5</td><td>K=6</td><td>K=7</td><td>K=8</td><td>K=9</td><td>\( \sum_{k=1}^{9} C_{i j}^{k} \) \( [f F] \)</td></tr><tr><td>C10</td><td>10.50</td><td>20.00</td><td>52.50</td><td>33.60</td><td>20.70</td><td>20.70</td><td>20.70</td><td>49.60</td><td>25.30</td><td>253.60</td></tr><tr><td>C20</td><td>13.90</td><td>24.30</td><td>32.70</td><td>30.90</td><td>19.10</td><td>19.00</td><td>19.10</td><td>30.10</td><td>23.20</td><td>212.30</td></tr><tr><td>C30</td><td>7.98</td><td>20.80</td><td>30.90</td><td>30.10</td><td>19.80</td><td>18.20</td><td>19.80</td><td>30.80</td><td>21.40</td><td>199.78</td></tr><tr><td>C40</td><td>13.90</td><td>24.30</td><td>33.50</td><td>43.00</td><td>30.20</td><td>30.10</td><td>30.20</td><td>33.50</td><td>23.20</td><td>261.90</td></tr><tr><td>C50</td><td>10.50</td><td>20.00</td><td>36.50</td><td>35.70</td><td>20.00</td><td>21.70</td><td>20.00</td><td>36.50</td><td>25.30</td><td>226.20</td></tr><tr><td>C12</td><td>0.833</td><td>3.850</td><td>0.974</td><td>4.960</td><td>3.050</td><td>3.050</td><td>3.050</td><td>5.730</td><td>0.142</td><td>25.639</td></tr><tr><td>C13</td><td>0.024</td><td>0.054</td><td>0.079</td><td>0.223</td><td>0.149</td><td>0.137</td><td>0.149</td><td>0.223</td><td>0.055</td><td>1.093</td></tr><tr><td>C14</td><td>0.016</td><td>0.016</td><td>0.053</td><td>0.104</td><td>0.030</td><td>0.064</td><td>0.030</td><td>0.104</td><td>0.037</td><td>0.453</td></tr><tr><td>C15</td><td>0.008</td><td>0.012</td><td>0.026</td><td>0.036</td><td>0.019</td><td>0.022</td><td>0.019</td><td>0.036</td><td>0.018</td><td>0.194</td></tr><tr><td>C23</td><td>2.300</td><td>0.896</td><td>4.960</td><td>4.910</td><td>3.050</td><td>3.020</td><td>3.050</td><td>4.910</td><td>3.430</td><td>30.526</td></tr><tr><td>C24</td><td>0.074</td><td>0.025</td><td>0.241</td><td>0.223</td><td>0.045</td><td>0.137</td><td>0.045</td><td>0.223</td><td>0.167</td><td>1.179</td></tr><tr><td>C25</td><td>0.016</td><td>0.016</td><td>0.053</td><td>0.048</td><td>0.025</td><td>0.029</td><td>0.025</td><td>0.018</td><td>0.037</td><td>0.296</td></tr><tr><td>C34</td><td>2.300</td><td>0.896</td><td>4.960</td><td>5.730</td><td>0.887</td><td>3.820</td><td>0.887</td><td>4.960</td><td>3.430</td><td>27.870</td></tr><tr><td>C35</td><td>0.024</td><td>0.054</td><td>0.079</td><td>0.079</td><td>0.050</td><td>0.049</td><td>0.050</td><td>0.079</td><td>0.055</td><td>0.519</td></tr><tr><td>C45</td><td>0.833</td><td>3.850</td><td>0.205</td><td>0.974</td><td>3.850</td><td>0.896</td><td>3.850</td><td>0.204</td><td>0.142</td><td>14.804</td></tr></tbody></table>	단일 층에서의 불규칙 배선구조에서 파라미터는 어떻게 추출하는가?	불연속하는 곳이 나타날 때마다 그 부분을 나누고 나누어진 부분의 커패시턴스는 MOM(method of moment)을 사용한 2D 시뮬레이션을 사용하여 파라미터를 추출
{ "answer_type": "절차(방법)형", "context_id": "a4cf8986-55c2-4f8f-9c31-a16df5e3b079", "field": "인공물", "question_id": "f4b545cd-1a20-46d2-abcc-5d7405a718d9" }	<h1>IV. 실험 결과</h1> <p>실험을 위해 MPEG 영상 중 FHD(Full HD) 해상도의 Cactus, Toys and calendar, Traffic, Flag shoot, Park Scene, BQ terrace 와 HD 해상도의 Big Ship, City, Night, Stockholm 영상에서 30 프레임만을 사용하였다. 그리고 FHD 해상도의 촬영 영상으로 15 프레임의 City_inha, Leaf_inha, Night_inha1, Night_inha2 영상을 사용하였다. 촬영 영상은 삼성 카메라 NX 1의 연사기능 \( (15 \mathrm{~Hz}) \) 을 이용하여 원본 데이터를 획득하였다. 실험에 사용한 4 가지의 촬영 영상들은 그림 5에서 볼 수 있다.</p> <p>실험에 사용한 동영상 코덱 표준 참고 코드로서 H.264는 JM_9.0을 사용하였고 HEVC는 기정 저지연(Low Delay, 이하 LD)과 임의 접근(Random Access, 이하, RA) 구성을 사용하였다. 인코더 주요 설정 값은 표 1 과 같이 설정하였다. LSD 설정에 대해 SD 과정에서는 \( M=2, \sigma_{1}=1.5, \sigma_{2}=3 \)으로 설정하고 이득 모델에 대해서는 \( \lambda=3 \)으로 설정하였다. LSD 설정 과정이후, 정성적인 평가와 정량적인 평가를 통해 제안 기법을 동영상 코덱 적용 전 전처리로 적용한 결과의 PVC 효과를 확인하였다.</p> <h2>4.1. 주관적 평가</h2> <p>제안 기법의 주관적 관점의 동영상 압축 효율을 확인하기 위해 주관적 시각 테스트 중 하나인 \( \mathrm{ACJ} \) (Adjectival Categorical Judgment) 기반의 테스트를 진행하였다.</p> <table border><caption>표 1. 인코더 설정</caption> <tbody><tr><td></td><td>H.264</td><td>HEVC(LD)</td><td>HEVC(RA)</td></tr><tr><td>부호화 구조</td><td>IPPP</td><td>GPB 구조</td><td>Clean RA</td></tr><tr><td>I 프레임 주기</td><td>1번째 만</td><td>1번째 만</td><td>8</td></tr><tr><td>QP</td><td>24, 28, 32, 36</td><td>24, 28, 32, 36</td><td>24, 28, 32, 36</td></tr><tr><td>움직임 추정 과정</td><td>EPZS</td><td>TZ search</td><td>TZ search</td></tr><tr><td>탐색 범위</td><td>32</td><td>64</td><td>64</td></tr><tr><td>참조 프레임 수</td><td>2</td><td>4</td><td>3, 4</td></tr><tr><td>비율 조절</td><td>미적용</td><td>미적용</td><td>미적용</td></tr><tr><td>엔트로피 부호화</td><td>CABAC</td><td>CABAC</td><td>CABAC</td></tr><tr><td>RD 최적화</td><td>미적용</td><td>기정 값</td><td>기정 값</td></tr></tbody></table> <p>ACJ 방법은 실험 참가자들에게 참조 영상과 실험 영상을 동시에 보여주며 두 영상의 화질을 주관적으로 평가하는 방법이다. 전처리 미적용 영상과 적용 후 영상을 동일 QP 값에서 코덱을 적용한 결과를 비교하여 두 영상의 차이가 느껴지는지를 확인하였다. 시청 환경은 표 2 와 같이 설정하였다.</p> <p>QP 값이 24일 경우 시각적 차이 유무는 그림 6,7에서 확인 할 수 있다. 정지 영상일 경우 제안 기법을 적용한 결과에서 고주파 영역 억제로 인한 에지나 텍스쳐 영역에서 차이가 발생한다. 하지만 표 2 와 같은 시청 환경에서 동영상으로 확인 할 경우 정지 영상에서 인지되었던 시각적 차이는 제거된다.</p> <h2>4.2. 객관적 평가</h2> <p>정량적인 화질 비교를 위해 객관적 왜곡 측정으로 MS-SSIM(Multiple Scale-Structural Similarity)를 사용하였다. 전처리 없이 일반적인 코덱 적용 결과와 전처리로 제안 기법 이후에 코덱 적용 결과에 대하여 4가지 QP값에 대한 평균값으로 MS-mathrmSSIM 와 데이터 량을 표 3, 4,5와 같이 비교하였다. MS-SSIM은 모든 프레임들의 평균값이고 데이터 변화량은 식 (13)과 같이 계산한다.</p> <p>\( \triangle \) Bitrate \( =\frac{\text { Bitrate }_{c o n}-\text { Bitrate }_{\text {pro }}}{\text { Bitrate }_{\text {pro }}} \times 100 \)<caption>(13)</caption></p> <p>\( \triangle \) Bitrate 는 데이터 변화량, Bitrate \( p_{p r o} \) 는 전처리 적용된 영상에 대하여 인코딩 후 데이터 량, Bitrate \( c_{c o n} \) 은 전처리 없이 일반적인 인코더 적용 후 데이터 량을 의미한다.</p> <p>표 3,4,5에서 일반적인 코덱 결과와 제안 기법의 MS-SSIM 평균 값을 비교하면 H.264의 경우 0.0018 ,HEVC(LD)의 경우 0.0017, HEVC(RA)의 경우 0.0016 차이가 있다. 데이터 감소량을 비교하면 일반적인 코덱 결과와 제안 기법의 평균 데이터 감소량은 H.264의 경우 \( 13.23 \%\), ,HEVC(LD)의 경우 \( 12.04 \%\) HEVC(RA)의 경우 \( 9.39 \% \)이다. 이는 제안 기법을 코덱 전처리로 적용하면 비슷한 화질에서 데이터 감소 효과가 있음을 의미한다.</p>	본 논문은 건의한 방법의 자의적인 시각의 동영상 압축 효율을 검토하기 위해서 어떻게 하였는가?	주관적 시각 테스트 중 하나인 \( \mathrm{ACJ} \) (Adjectival Categorical Judgment) 기반의 테스트를 진행
{ "answer_type": "표정답추출형", "context_id": "0f36233b-5c07-4b74-95ba-c32bb9ecb295", "field": "인공물", "question_id": "d119fcce-9f42-462c-a676-85d89ddeec17" }	<h2>3. 외란관측기 설계</h2> <p>식 (1)로부터 출력의 전달함수 식을 구해보면 다음과 같이 쓸 수 있다.</p> <p>\( V_{c}=\frac{1}{s^{2} L C+1} V_{a}+\frac{-s L}{s^{2} L C+1} I_{L} \)<caption>(5)</caption></p> <p>따라서 그림 2에서와 같은 외란 관측기 설계 기법을 적용하기 위해 본 논문에서는 \( -s L \cdot I_{L} \)을 그림 2의 외란 \( d \)로 생각하고 외란 관측기를 설계한다. 식 (5)에서 부하전류 \( I_{L} \)의 변화량과 외란 \( d \)가 비례하기 때문에 순간적으로 부하가 걸리는 스텝 부하에 경우 본 논문에서 제안하는 방법이 효과적일 것으로 예상할 수 있다.</p> <p>일반적으로 인버터는 펄스 변조에 따라 PWM(Pulse Width Modulation)과 PAM(Pulse Amplitude Modulation)으로 분류된다. 본 논문에서는 일반적으로 사용되는 PWM 방식을 이용하여 시뮬레이션을 하도록 한다. 이 때 PWM의 전달함수를 1이라 가정한다면 시스템의 공칭 전달함수 \( P_{n}(s) \)는 다음 식과 같다.</p> <p>\( \frac{V_{c}(s)}{V_{a}(s)}=\frac{1}{s^{2} L C+1} \)<caption>(6)</caption></p> <p>따라서 그림 3과 같이 외란 관측기를 구성 할 수 있다. 그림3은 Matlab Simulink로 작성한 시스템 구성도이다.</p> <h2>4. 시뮬레이션</h2> <p>제안된 제어 방법의 타당성 및 성능을 확인하기 위해 컴퓨터 모의실험을 실시하였다. 이 때 사용된 파라미터 값은 아래 표 1과 같다.</p> <p>모의실험은 개루프 시스템에 대한 결과 (그림 4, 5)와 PI-제어기를 사용할 때 (그림 6, 7), 그리고 논문에서 제안하는 제어기를 사용할 때 (그림 8, 9)에 대해 출력을 비교한다. 두 번째 그림은 정확한 비교를 위해 과도 현상 부분을 확대한 그림이다.</p> <p>개루프 시스템의 경우 제어기를 사용하지 않을 때 무부하 상태에서 부하가 갑자기 인가되면 (0.02초) 전압 및 전류의 파형이 심하게 일그러짐을 확인할 수 있다. (그림 4,5)</p> <table border><caption>표 1. 모의실험 파라미터</caption> <tbody><tr><td rowspan=2>LC 필터</td><td>\( \mathrm{L}=2 \mathrm{mH} \)</td></tr><tr><td>\( \mathrm{C}=10 \mathrm{\mu F} \)</td></tr><tr><td>DC 전압</td><td>\( V_{d c}=200 \mathrm{~V} \)</td></tr><tr><td>스탭부하</td><td>\( R=30 \Omega \)</td></tr><tr><td>출력 전압, 주파수</td><td>\( V_{c}=110 \mathrm{~V}, f=60 \mathrm{~Hz} \)</td></tr><tr><td>스위칭 주파수</td><td>\( f_{s w}=20 \mathrm{kHz} \)</td></tr><tr><td rowspan=2>PI-제어기</td><td>P gain = 50</td></tr><tr><td>I gain = 10</td></tr><tr><td rowspan=2>저주파통과필터 (Butterworth filter)</td><td>차수 = 5</td></tr><tr><td>차단주파수 \( 30000 \mathrm{rad} / \mathrm{s} \)</td></tr></tbody></table> <p>한편 PI-제어기를 사용하는 경우 그림 6과 7에서 확인하듯이 전압 및 전류 파형의 변화량이 감소하게 된다.</p> <p>추가로 논문에서 제안하는 방법으로 외란 관측기를 추가적으로 설계하면 앞 절에서 예상한 대로 P-제어기 단독으로 사용한 경우에 비해 과도현상이 상당히 개선됨을 확인할 수 있다. (그림 8, 9)</p>	표 1. 모의실험 파라미터에서 LC필터의 L 값은 뭐야?	\( \mathrm{L}=2 \mathrm{mH} \)
{ "answer_type": "정답경계추출형", "context_id": "cbf5530a-395e-42fb-9eec-cccd8bbf95a6", "field": "인공물", "question_id": "33b2e822-b08f-4ee4-8928-40c003909401" }	<h1>요 약</h1><p>본 논문은 전류 센싱 FET가 내장되어 있고 온-저항이 낮으며 고전류 구동이 가능한 트렌치 게이트 고 전력 MOSFET를 제안하고 전기적 특성을 분석하였다. 트렌치 게이트 전력 소자는 트렌치 폭 \( 0.6 \mu \mathrm{mm} \), 셀 피치 \( 3.0 \mu \mathrm{mm} \)로 제작하였으며 내장된 전류 센싱 FET는 주 전력 MOSFET와 같은 구조이다. 트렌치 게이트 MOSFET의 집적도와 신뢰성을 향상시키기 위하여 자체 정렬 트렌치 식각 기술과 수소 어닐링 기술을 적용하였다. 또한, 문턱전압을 낮게 유지하고 게이트 산화막의 신뢰성을 증가시키기 위하여 열 산화막과 CVD 산화막을 결합한 적층 게이트 산화막 구조를 적용하였다. 실험결과 고밀도 트렌치 게이트 소자의 온-저항은 \( 24 \mathrm{~m} \Omega \), 항복 전압은 \( 100 \mathrm{~V} \)로 측정되었다. 측정한 전류 센싱 비율은 약 70 정도이며 게이트 전압변화에 대한 전류 센싱 변화율은 약 \( 5.6 \% \) 이하로 나타났다.</p>	내장된 전류 센싱 FET는 어떤 것과 같은 구조야?	주 전력 MOSFET
{ "answer_type": "Yes/No 단문형", "context_id": "6e486f94-b89f-4b4e-b987-9555c12a0f73", "field": "인공물", "question_id": "0ff10255-7ed3-4604-8e25-9b9d3526bd8c" }	<h1>IV. 결 론</h1><p>본 논문은 전류 센싱 FET가 내장된 모터 구동용 \( 100 \mathrm{~V} / 200 \mathrm{~A} \) 급 고 전력 트렌치 게이트 MOSFET를 제작하고 전기적 특성을 분석하였다. 트렌치 게이트 MOSFET의 셀 피치를 줄여 집적도를 높이기 위하여 TEOS 스페이서를 이용한 자체 정렬 트렌치 식각 기술을 적용하였고, 트렌치 모서리 부분의 전계분포의 과밀화에 의한 소자 특성 열화를 완화시키고 소자의 신뢰성을 증가시키기 위하여 수소 어닐링공정을 진행하여 트렌치 모서리 부분을 라운딩하였다. 또한, 게이트 산화막의 누설전류를 줄이고 장기적 신뢰성을 향상시키기 위하여 적층 구조의 산화막을 성장하였다. 실험 결과 스위칭 MOSFET의 온-저항은 \( 24 \mathrm{~m} \)\( \Omega \), 항복전압은 약 \( 105 \mathrm{~V} \)로 온-저항 및 누설 전류 특성이 양호하였으며, 전류 센싱 비율은 약 70으로 측정되었다. 게이트 인가 전압 변화에 따른 센싱 비율 변화는 \( 5.6 \% \) 이하로 나타나, 본 연구의 전류 센싱 고밀도 트렌치 게이트 MOSFET는 모터 구동 및 자동차 분야에 광법위하게 적용될 수 있는 것으로 사료된다.</p>	MOSFET는 셀 피치가 증가하면 집적도가 낮아져?	YES
{ "answer_type": "정답경계추출형", "context_id": "b85010c1-a1d1-457c-86a4-986af747ca3a", "field": "인공물", "question_id": "d29ce37b-7f7e-46c7-a7ee-a2a61c3df68f" }	<h1>II. 소자 구조 및 제작</h1><p>대 전류 트렌치 게이트 MOSFET를 제작하기 위하여 고 농도로 도핑된 \( \mathrm{n}+ \) 웨이퍼 위에 \( 10~ \mu \mathrm{m} \) 두께의 \( \mathrm{n}^{-}\)형 에피층 (epi layer)이 성장된 기판을 사용하였다. 그림 1과 같이 \( \mathrm{n}^{+}/ \mathrm{n}^{-}\mathrm{epi} \) 기판에 \( \mathrm{p} \)-body 영역을 형성하기 위하여 붕소 이온(\( 2.5 \mathrm{E} 13 / \mathrm{cm}^{2} \))을 이온 주입 공정을 진행하였다. 다음으로 트렌치 식각 공정을 수행하였으며, 트렌치식각 구조의 aspect ratio를 높여 트렌치 게이트 MOSFET의 셀 피치를 줄여 집적도를 높이기 위하여 그림 1(b)와 같이 식각 마스크 역할을 하는 TEOS (Tetra-Ethyl-Ortho-Silicate) 스페이서 산화막을 증착하고 건식 식각을 실시하였다. 이어서 트렌치 식각 후 트렌치 모서리 부분의 전장과밀 (field crowding) 현상으로 인한 소자 파괴 및 신뢰성 저하를 방지하기 위하여 수소 어닐링 공정을 진행하여 트렌치 식각면의 모서리 부분을 rounding 하였다. 또한, 형성된 트렌치 표면의 불순물과 결정 결함을 제거하기 위하여 희생 산화막을 성장하고 습식 식각으로 제거하는 공정을 진행하였다. 희생 산화막 제거 후 게이트 산화막 성장은 일반적인 트렌치 게이트 MOSFET의 취약점인 트렌치 코너 부분의 게이트 산화막 thinning 현상으로 게이트 산화막의 높은 누설 전류, 낮은 항복전압 및 장기적 신뢰성 저하 등의 문제점을 개선하기 위하여 열 산화막 (\(200\)\(\overset{\circ}{A}\))과 LPCVD (Low Pressure Chemical Vapor Deposition) 공정으로 고온 산화막을 증착하여 적층 구조의 게이트 절연막을 형성하였다. 다음으로 LPCVD 방법에 의하여 다결정 실리콘 증착하고 열 도핑 공정으로 \( \mathrm{n}^{+} \) 도핑된 다결정 실리콘으로 게이트 전극을 형성하였다. 표면의 단차를 줄이기 위하여 etch-back 평탄화 공정을 수행하였다.</p><p>그림 2는 \( \mathrm{p} \)-body 형성 후 트렌치 식각과 게이트 전극을 형성 및 평탄화 공정을 진행한 소자의 단면 구조사진이다. 그림 2에서 보는 바와 같이 폭 \( 0.6 ~\mu \mathrm{m} \), 깊이 \( 1.65 ~\mu \mathrm{m} \)로 트렌치 구조를 형성하였다. 게이트 전극 형성 후 비소 이온 (\( 5.0 \mathrm{E} 15 / \mathrm{cm}^{2}\))을 이온 주입하여 \( \mathrm{n}^{+} \) 소스를 형성하였다. \( \mathrm{P}^{+} \) body 접합을 형성하기 위하여 붕소 이온 (\( 3.0 \mathrm{E} 15 / \mathrm{cm}^{2} \))을 주입하였으며, \( \mathrm{p}^{+} \) body 접합을 TEOS 산화막을 이용하여 \( \mathrm{n}^{+} \) 소스와 자체 정렬 방법으로 형성하여 집적도를 높였다. 마지막으로 전면과 후면에 금속 전극을 증착하여 소스 및 드레인 전극을 형성하였다.</p><p>그림 3은 대 전류 구동이 가능한 트렌치 게이트 MOSFET의 간략화된 layout으로 그림 3(a)는 3개의 전극으로 구성된 기존의 일반적인 전력소자이며, 그림 3(b)는 본 논문에서 구현한 전류 센싱 FET가 내장된 트렌치 게이트 MOSFET이다. 본 연구에서 구현한 전류 센싱 트렌치 게이트 전력 소자는 기존 전력 MOSFET와 달리 4개의 전극, 즉 게이트, 드레인, 소스1, 소스2로 구성되어 있다. 소스1은 주 스위칭 MOSFET의 소스이며 소스2는 주 스위칭 MOSFET의 구동 전류를 센싱할 수 있는 센싱 FET의 소스 전극이다. 셀 내에서 스위칭 MOSFET의 동작온도 등의 변화에 의한 구동 전류 변화를 정확히 감지하기 위해서는 전류 센싱 FET가 셀 중심에 위치하는 것이 가장 이상적인 위치이나 패키징 과정의 멀티플 와이어 연결에 문제가 발생하므로 그림 3(b)와 같이 측면에 배치하였으며, 전류 센싱 FET는 추가되는 마스크 단계없이 공정을 단순화하기 위하여 주 스위칭 MOSFET과 설계 치수 및 동일한 구조로 동일 칩상에 구현하였다.</p><p>전술한 바와 같이 본 연구의 전류 센싱 트렌치 게이트 MOSFET는 전류 센싱 FET의 소스를 포함하여 4개의 전극으로 구성되며 pin 구성도 및 동작상 등가회로는 그림 4와 같다.</p>	트렌치 식각 후 소자 파괴 및 신뢰성 저하는 왜 일어나는가?	트렌치 모서리 부분의 전장과밀 (field crowding) 현상
{ "answer_type": "정답경계추출형", "context_id": "32335a71-eb84-4b36-af10-cb2d00bbad4c", "field": "인공물", "question_id": "f03d4893-1ffa-45a8-b5b2-ab32574f91a1" }	<h1>I. 서론</h1><p>최근 트렌치 게이트 MOSFET는 낮은 온-저항 특성을 장점으로 저 전력소모와 높은 에너지 변환 효율이 요구되는 DC-DC 변환기, 자동차 제어 장치 및 각종 전원장치 등의 고 전력 시스템에 광범위하게 응용되고 있는 반도체 전력소자이다. 특히, 전류 센싱 트렌치 게이트 MOSFET는 전력전자 회로에서 부가적인 저항 없이 부하 전류를 효과적으로 감지할 수 있는 전력반도체 소자이다. 부하 전류 센싱 기능은 모터 제어, 통신회로 및 전력 관리 회로 등 정밀한 closed-loop 제어가 요구되는 시스템에서 매우 중요한 요소이다. 정밀한 전류 감지 기능을 통하여 전력소자의 구동 전류뿐만 아니라 모터의 torque, DC-DC 변환기의 효율 및 진단 등의 중요한 순간적인 정보를 얻을 수 있다. 위와 같이 전류 센싱 기능은 지능형 전력회로에서 제어 및 보호 회로에 필수적인 요소로 기존의 전류 센싱 방법은 전력소자의 구동 전류 경로에 분류 저항을 추가하여 전류를 감지하는 장법을 사용하였다. 부가적인 분류 저항에 의한 전류 센싱 방법은 추가 저항에서 발생하는 전력소모가 큰 단점이 있으나, 전류 센싱 FET가 내장된 트렌치 게이트 전력 MOSFET는 부가적인 분류 저항 없이 구현할 수 있어 저 전력소모와 부가적인 부품 없이 회로 구현이 가능한 장점이 있다.</p><p>본 연구에서는 \( 100 \mathrm{~V} / 200 \mathrm{~A} \) 급 전류 센싱 FET가 내장된 고 집적도 트렌치 게이트 전력 MOSFET를 제안하고 전기적 특성을 분석하였다. 고 집적도를 실현하기 위하여 측벽 스페이서(side-wall spacer)를 이용한 자체 정렬 트렌치 식각 기술을 적용 하였고, 트렌치 식각 과정에서 발생하는 트렌치 모서리 부분의 전계분포의 과밀화를 완화시켜 소자의 신뢰성을 증가시키기 위하여 수소 어닐링(hydrogen annealing) 공정을 진행하여 트렌치 모서리 부분을 라운딩(rounding)하였다. 실험 결과 온-저항 및 누설 전류 특성이 양호하였으며, 전류 센싱 비율은 약 70으로 측정되었다.</p>	트렌치 게이트 MOSFET은 무슨 특성이 장점이야?	낮은 온-저항 특성
{ "answer_type": "정답경계추출형", "context_id": "bc33226e-2aed-4473-9fd9-e044f096a890", "field": "인공물", "question_id": "50aa55ab-f319-4f6e-8422-bbdedae23266" }	<h1>II. 저온유동성 시험장치 구현</h1><h2>1. 통합형 연료히터</h2><p>디젤엔진 시동에 있어 경유의 유동성을 향상 시키기 위한 역할을 수행하는 것이 블록히터이며, 핵심부품으로 플라스틱 몸체(Plastic Body), 하측 플레이트(Lower plate), 상측플레이트(Upper plate), 정지기(Stopper), PTC 및 고정나사, 바이메탈 등으로 구성된다. 그림 1은 블록히터 구성도를 나타낸다.</p><p>상용디젤 차량 및 S.U.V(Sport Utility Vehicle) 차량용에는 65Watt정도의 발열량을 지닌 P.T.C 4개를주로 사용하고, 고압펌프의 정격유량은 \( 60 \mathrm{L} / \mathrm{Min} \) 정도이다. 공급전원은 \( 12 \mathrm{V} \) 로 응용차, SUV 및 적재중량이 \( 0.5 \) 돈 소형화물 차량용 엔진에 적용하고 있다.</p><p>그림 2에서 통합 연료히터장치는 연료필터 여과재로부터 분리된 물이 필터 아래 부분에 일정량 이상 채워지면 모아둔 수분이 다시 고압펌프 방향으로 유입될 수 있다. 이를 방지하기 위하여 수분이 일정량이상 일 경우 수분을 배출하라는 신호를 감지하여주는 물센서(water sensor)가 연료필터 아래 부분에 장착되어 있다. 이때 히터 내 세라믹 P.T.C는 온도가 상승함에 따라서 저항이 정(正)으로 상승하는 특성을 이용하여 전류를 제어하는 레지스터 역할을 한다.즉 어느 온도 이상 도달하면 저항이 커지며 전류를 차단한다</p><h2>2. 저온유동시험장치 구현</h2><p>저온유동성 시험 장치는 경유자동차 CRDI 연료분사장치를 기반으로 연료 탱크내 연료펌프 공급압력을 유지하고 연료이송 중 간섭이 없도록 실차 연료호스와 동일한 직경으로 구현한다. 실차 연료필터 전후단과 연료탱크 회수라인에 T-Type 열전대를 각각 구성하고, 연료필터 전후에 \( 0^{\sim} \mathrm{MPa} \pm 1 \% \) 압력계를 설치한다. 또한 실차 고압펌프로 유입되는 연료량과 연료탱크로 회수되는 연료량을 측정할 수 있는 유량계와연료탱크 내의 연료 온도를 측정할 수 있도록 \( \mathrm{T} \)-Type 열전대를 구성한다. 열전대를 구성한다. 설치된 압력과 유량센서는 데이터수집장치(DAQ)에 신호전달이 가능하도록1~5 V 출력범위로 송신한다. 그림 3은 저온유동성 시험장치 하드웨어 구성도를 나타낸다.</p><p>\( Q_{\text {Theflouing amount }}=f(p)+g(r) \)<caption>(1)</caption></p><p>식(1)에서 \( f(p) \) 는 경유의 압력이고, \( g(r) \) 은 관로저항의 직경함수를 나타년다. 이때 통합연료히터의 전력측정은 전원공급 장치에서 인가되는 \( 13 \mathrm{V} \) 전원이 블록히터에 입출력되는 전류 및 소모전압 정보를 제어장치에 전송함으로써통합히터의 전류, 전압 및 전력량을 알 수 있다.</p><p>그림 8은 에어 배출 및 시험유체 제거 알고리즘을 나타낸다. 연료필터 내부의 공기는 진공탈포기(진공펌프)를 이용하여 제거한다. 진공펌프의 탈포기능은 연료필터 내부의 잔류공기를 제거하고, 석션(suction)기능은 경유 또는 등유교체시 관로상의 시험유 제거를 위함이며, 부압기능은 부압조건의 시험시 연료이동을 위한 부압펌프로 동작한다.</p><p>B. 부압 구조(negative pressure structure)</p><p>시험유체(경유, 등유)를 설정압력과 설정유량으로 통과시켜 챔버의 탱크와 필터에 채운 후 유체 흐름을 차단하고,설정시간 동안 설정온도로 냉각한 후 시험 조건에 따른 부압 환경 조건을 형성한다. 그림 9는 부압구조 알고리즘을나타낸다.</p><p>그림 10 은 진공펌프를 이용하여 부압을 생성하는 알고리즘이다. 부압조건은 압력센서에서 감지되는 변화를 읽어 진공펌프를 PID(proportional integral and derivative) 제어하여 일정한 압력을 유지시킨다.</p><p>PID제어는 제어변수와 기준입력사이의 오차를 근거하여계토의 출력이 기준조건을 유지하도록 하는 귀환제어를 말한다.</p>	디젤엔진 시동에서 경유의 유동성을 향상시키는 역할을 하는 것은 뭐야?	블록히터
{ "answer_type": "Yes/No 단문형", "context_id": "d8c881a5-8e83-404f-bd95-90a6815eeeae", "field": "인공물", "question_id": "3abc9d99-26f0-4243-9e4b-42109e5cf666" }	<h1>III. 실험결과</h1><p>A. 저온유동성 시혐장치의 유동성 평가</p><p>저온유동성시험 장치의 히터성능은 상온, \( -20 \) 및 -\( 30^{\circ} \mathrm{C} \) 에서 시험한다. 시험에 사용한 연료필터의 유효면적은 \( 52,54,56,58,60, 61 \) 을 사용하고, 분리형과 통합형 연료필터를 26회 시험한다. 이를 통해 저온시동성 및 주행성평가 결과의 상관성을 확인하고,연료필터 유효면적 변화에 따른 저온유동성을 평가한다. 이때 측정점 선정, 안정화 절차를 통해 그림 5처럼 시험방법 알고리즘을 개발한다.</p><p>그림 11 은 \( -20^{\circ} \mathrm{C} \) 와 \( -30^{\circ} \mathrm{C} \) 에서 히터를 \( \mathrm{On} \) 상태로 분리형과 통합형 연료필터의 성능을 비교한 것으로 통합형이 분리형에 비해 성능이 우수함을 나타낸다.</p><p>그림 12 는 \( -20^{\circ} \mathrm{C} \) 와 \( -30^{\circ} \mathrm{C} \) 에서 통합연료히터를 \( \mathrm{On} / \mathrm{Off} \) 시키며 연료 필터의 유효면적별 공급유량(Q)을 시험한 결과를 나타낸다. 유효면적이 작을수록 유동성이 향상되고, 통합형이 분리형에 비해 유동성이 향상됨을 알 수 있다. 이는 또한 히터의 발열량이 상대적으로 크다는 것을 알수 있다.</p><p>그러나 연료필터 \( 61 \mathrm{w} \) 에 비해 \( 60 \mathrm{w} \) 형이 상대적으로 약간우수한 특성이 얻어진다. 표 1은 연료필터 종류별 평균전력량을 나타낸다. 여기서 \( \mathrm{S} \) 사 통합히터 성능이 우수하다.</p><table border><caption>표 1. 연료필터별 전력 비교</caption><tbody><tr><td>종류</td><td>52</td><td>54</td><td>56</td><td>58</td><td>60</td><td>61</td><td>S사</td></tr><tr><td>전력(W)/-20도</td><td>255</td><td>249</td><td>251</td><td>250</td><td>251</td><td>251</td><td>217</td></tr><tr><td>전력(W)/-30도</td><td>255</td><td>257</td><td>256</td><td>256</td><td>258</td><td>256</td><td>220</td></tr></tbody></table><p>\( -30^{\circ} \mathrm{C} \) 에서 각 필터별 압력차는 그다지 차이가 나지 않았으나, 상대적으로 \( -20^{\circ} \mathrm{C} \) 에서 히터를 Off하였을 경우압력차가 많이 변동되고 있음을 알 수 있다.</p><p>그림 14는 통합형과 분리형의 성능을 비교한 결과로 가로축은 온도변화이고 세로축은 발열량을 나타낸다. 따라서 \( -40^{\circ} \mathrm{C} \) 이하에서 통합형의 발열량이 크게 나타남을 알 수있고, 이는 분리형보다 통합형이 유량의 흐름을 신속하게함으로써 점화 능력이 향상됨을 알 수 있다.</p><p>B. 저온유동성 시험장치의 시동성 평가</p><p>그림 15 는 \( -30^{\circ} \mathrm{C} \)에서 분리형과 통합형 연료히터의 시동성을 비교한 결과를 나타낸다. 통합형이 분리형에 비해 저온시동성이 우수함을 알 수 있고, 시동시간이 \( 23 \% \) 향상됨을 알 수 있다.</p><p>그림 16 은 \( +25 \sim-30^{\circ} \mathrm{C} \) 사이 온도별 히터를 \( \mathrm{On} / \mathrm{Off} \) 시키며 시동시간을 비교한 그림이다. 초기 \( +25 \) " \( \mathrm{C} \) 에서 시동시간 \( 1.6 \) 초, \( -20 \) " 0 에서 히터를 \( \mathrm{On} \) 시키고 시동시간은 \( 1.8 \) 초이고 Off 상태에서는 \( 2.9 \) 초 걸린다. 마지막으로 \( -30^{\circ} \mathrm{C} \) 에서 히터를 \( \mathrm{On} / \mathrm{Off} \) 시키며 걸린 시간은 각각 \( 3.5 \) 초와 \( 3.9 \) 초이다.</p><p>그림 17은 주행성평가에서 유량과 압력변화를 나타낸다. 가로축은 \( +25^{\sim}-30^{\circ} \mathrm{C} \) 사이 온도변화 세로축은 공급유량(상위선)과 압력차(하위선)를 나타낸다.온도가 저하될 수록 연료히터의 작동으로 연료필터전후에서 유량은 감소하고 압력차는 커짐을 알 수 있고, 통합형 연료히터가 분리형에 비해 저온성능이19% 정도 향상됨을 알 수 있다.</p><p>그림 18 은 CRDI-8 디젤엔진 차량을 이용하여 주위온도 \( -8 \sim-13.8^{\circ} \mathrm{C} \) 에서 12시간 운전하며, Keyon,시동시작, 필터전단 유량 및 반환유량, 히터전압 및필터후단 압력을 시험 측정한 결과이다. S사에서 개발한 통합형연료히터의 경우 우수한 특성을 나타낸다. 실제 통합히터의 문제점은 생산공정과정에서 바이메탈의 내부 구조, 알루미늄 플레이트의 전도율 및PTC 소자의 불량으로 인한 경우가 존재할 수 있다.</p>	본문에 소개된 시험 결과에 따르면, 유효면적이 작을수록 유동성이 감소돼?	NO
{ "answer_type": "정답경계추출형", "context_id": "41faa98e-7039-4b2f-87db-f51eae665f2b", "field": "인공물", "question_id": "0673c02c-6725-4a8d-a0db-32d18ac9f3c9" }	<h1>요 약</h1><p>본 연구에서는 저온유동성 성능검사 시스템 구현을 통해 디젤 차량용 통합형 연료히터의 성능을 평가한다. 저온유동성 시험장치에서 \( +20^{\sim}-30^{\circ} \mathrm{C} \) 은 온도범위에 따라 분리형과 통합형 연료히터 성능을 비교하고, 필터 전후에따라 유압과 시동시간, 히터의 소모전력을 측정한다. 이때 다양한 종류의 필터면적을 사용함으로써 통합형 연료히터와 분리형을 비교한 결과 시동 시간이 \( 23 \% \) 향상되었고, 저온시동성능은 \( 19 \% \) 정도 항상된다.</p><h1>I. 서론</h1><p>디젤엔진은 내연기관의 일종으로 연소방식에 따라 직접분사식과 간접분사식으로 분류한다. 직접분사식은 연료를 실린더 내에 직접 분사하여 연소시키며,간접분사식은 직접분사식에 별도의 부연소실로 분사하여 연소시키는 방식이다. 직접분사식 디젤엔진은 연소시 소음이 간접분사식에 비해 크지만 연비 면에서는 매우 뛰어나 경제적인 이점을 가지므로 현재 많은 디젤자동차가 채택하고 있다</p><p>직접분사식 디젤엔진으로 CRDI (common rail directinjection(커먼레일) 엔진을 사용하며, 정밀 전자제어가 가능한 압축장치(압축 어큐뮬레이터, 레일)와 응답성이 뛰어난 연료 직접분사장치(인젝터)를 이용하여 운전 상태에 맞게 연료를 분사해주는 디젤엔진이다</p><p>디젤엔진은 겨울철 저온환경의 영향으로 엔진이 냉각될 경우, 최초 시동점화가 원만하지 못한 관계로 시동성이 떨어진다. 디젤엔진의 연료인 경유는 일정한 온도 이하로 내려가면 파라핀과 같은 반고체 상태인 왁싱(Waxing)물질을 형성하여, 엔진시동이 잘 걸리지 않게 하는 원인이 되고 있다. 이와 같은 시동성 불량 해소를 위해 시동전 연소실 내부의 공기온도를 점화에 유리한 온도까지 빠른 시간 안에 도달될수 있도록 보조하는 별도의 보조 장치를 널리 채택하고 있는데, 이것을 블록히터라 한다</p><p>본 연구에서는 히터의 안정성 견고성 및 열효율을 향상시키기 위해 센서와 히터가 결합된 블록히터와 연료필터를 통합한 통합연료히터 및 저온유동성 시험장치를 구현한다. 저온 유동성 시험용 Jig와 엔진의조건을 동기화하고, 통합연료히터에서 사용하는 PTC소자와 바이메탈의 특성에 따라 점화성능을 평가한다. 또한 경유자동차 저온유동성 및 주행성평가용 지그제작을 통하여 평가알고리즘 및 지표개발을 통해연료유동성과 실차 시동성과의 상관성을 분석한다.</p>	디젤엔진에서 엔진의 냉각이 발생할 경우 왜 시동성이 감소해?	최초 시동점화가 원만하지 못한 관계로
{ "answer_type": "Yes/No 단문형", "context_id": "cb10b32c-c2e3-437a-8ae5-d4c3fcd7b082", "field": "인공물", "question_id": "9c6338af-2238-4cfa-b1cf-10bc5086e326" }	<h1>Ⅳ. 결론</h1><p>통합형 연료히터의 저온유동성 시험장치를 구현하였다.이때 경유를 설정압력과 설정유량으로 통과시켜 챔버의 탱크와 필터에 채운 후 유체 흐름을 차단하고, 설정시간 동안설정온도로 냉각한 후, \( +20-30^{\circ} \mathrm{C} \) 에서 조건에 따른 정압 및 부정압 시험을 실시하였다.</p><ul><li>연료필터의 유효면적은 52, 54, 56, 58, 60 및 61을 사용하고, 통합연료히터를 On/Off시키며, 분리형과통합형 연료필터의 유효면적별 공급유량(Q)을 26회 시험한 결과 통합형이 분리형에 비해 유동성이향상되고, 히터의 발열량이 상대적으로 크다는 것을 알 수 있었다.</li></ul><p>저온유동성 시험장치의 시동성 평가결과 통합형이분리형에 비해 저온시동성이 우수함을 알 수 있고,시동 시간이 \( 23 \% \) 향상됨을 알 수 있다. 또한 주행성평가에서 유량과 압력변화는 온도가 저하될수록 연료히터의 작동으로 연료필터 전후에서 유량은 감소하고압력차는 커짐을 알 수 있고, 통합형 연료히터가 분리형에 비해 서온성능이 \( 19 \% \) 정도 항상됨을 나타내었다.</p>	구현된 통합형 연료히터 시험장치는 고온유동성인가?	NO
{ "answer_type": "표정답추출형", "context_id": "b20ce352-fb38-4bc6-9fa1-2dcb3fc792e2", "field": "인공물", "question_id": "dd54433e-f5fd-4d1e-8016-7e7ca23d8344" }	<h1>Ⅳ. 실험 및 고찰</h1> <h2>1. 실험</h2> <p>본 논문-에서 제안하는 방법에 대한 검증으로 Pentium-III, \( 256 \mathrm{Mb} \) 환경에서 \( 320(240 \) 크기를 갖는 영상의 100 프레임을 프로그램 Visual C++6.0 을 이용하여 실험하였다.</p> <p> <그림 6 >은 실험에 사용된 \( 320 \times 240 \) 크기를 갖는 영상을 보여주고 있다. (a)는 입력 컬러 영상이며, (b)는 그레이 영상으로 변환된 영상이다.</p> <p>움직임 추정할 때, 기존의 방법에는 \( 16 \times 16 \) 크기의 블록에 대하여 탐색 범위를 \( [-16,16] \) 으로 하였지만, 제안한 방법은 \( 16 \times 16 \) 크기에 대응하여, 저주푸수 대역부분의 블록을 \( 2 \times 2 \) 크기로 놓았으며, 참조 프레임은 현재 프레임의 바로 이전 영상으로 하였다.<그림 8>의 (a)는 참조 프레임이며,<그림 8>의 (b)는 현재 프레임 이다.</p> <p> <그림 9>이전 영상과 현재 영상에서의 후보 영역을 추출하는 화면이며, 현재 영역에서 움직임이 발생한 영역과 가장 비슷한 프레임을 영상에서 찾는 과정으로, 추정된 정보를 현재 프레임에서 예측하여 예측 오차만을 부호화하게 된다.</p> <p> <표 1>은 기존의 움직임 추정 방법과 제안한 움직임 추정 방법의 프레임당 평균 MAD 의 비고이다. 공간 영역 방법은 일반적인 공간영역에서 움직임 추정이고, 직접 방법은 웨이블릿 변환영역에서 두 프레임간에 공간 영역 방식의 움직임 추정을 하는 것이다. 여기에서 기존의 방법과 비교하기 위해 100 프레임의 영상을 사용 하였다. 또한 대표적인 영상인 Foreman과 Carphone의 동영상과도 비교해 보았다. 결과적으로 평균 MAD 는 직접 방법보다 제안된 방법이 \( 0.1486 \) 낮은 값을 얻을 수 있으며, Foreman은 0.8552, Carphone은 0.576의 낮은 값을 얻을 수 있었다.</p> <p> <표 2>는 실제로 물체의 움직임을 추적하는 데 소요 되는 처리 내용으로 그레이 영상 변화, 웨이블릿 변환, 후보 영역 설정, 움직임 벡터 계산이다. 본 시스템에서는 초당 3.7 프레임을 처리할 수 있다.</p> <table border><caption>프레임당 처리 시간</caption> <tbody><tr><td>처리 내용</td><td>기존 방법</td><td>처리 시간</td><td>프레임당 처리 시간</td></tr><tr><td>그레이 영상 변화</td><td>0.33</td><td>0.33</td><td>0.33/100 = 0.OO33</td></tr><tr><td>웨이브릿 변환</td><td>0.54</td><td>0.54</td><td>0.54/100 = 0.0054</td></tr><tr><td>후보 영역 설정</td><td>0.53</td><td>0.19</td><td>0.19/100 = 0.0019</td></tr><tr><td>움직임 벡터 계산</td><td>1.59</td><td>0.42</td><td>0.42/100 = 0.042</td></tr></tbody></table> <p> <표 3>은 영상에서의 변이, 변이와 회전, 회전이 발생했을 때, 제안된 알고리즘과 공간적인 방법의 검출 성공과 검출 실패율을 비교 평가한 결과이다.</p> <table border><caption>실험 결과의 비교</caption> <tbody><tr><td rowspan=2>영상의 변화</td><td rowspan=2>전체 영상수</td><td colspan=2>제안된 알고리즘</td><td colspan=2>공간적인 방법</td></tr><tr><td>검출 성공</td><td>검출 실패</td><td>검출 성공</td><td>검출 실패</td></tr><tr><td>변이</td><td>50</td><td>48</td><td>2</td><td>43</td><td>7</td></tr><tr><td>변이와 회전</td><td>25</td><td>20</td><td>5</td><td>19</td><td>6</td></tr><tr><td>회전</td><td>25</td><td>18</td><td>7</td><td>18</td><td>7</td></tr><tr><td colspan=2>백분율(%)</td><td>86.0</td><td>14.0</td><td>80.0</td><td>20.0</td></tr></tbody></table> <p> <그림 \( 10>\) 은 움직임 벡터 계산이 끝난 뒤에 웨이블릿 역변환하여 저주파수 성분에서 정해진 부분을 계속 복원하면, 객체를 추출 할 수 있다. 여기에서 히스토그램을 사용하여 객체를 완전하게 추출할 수 있다.</p>	실험 결과의 비교의 표에서 전체 영상수가 많은 것의 영상의 변화는 무엇일까요?	변이
{ "answer_type": "정답경계추출형", "context_id": "63b7f8d6-d480-4e50-bcb1-04b0babcfcf1", "field": "인공물", "question_id": "21b478d6-2695-4d1b-9d4c-20f740d27881" }	<h2>4. 멀티 블록 방식의 딥러닝 구조</h2><p>제안하는 멀티 블록 방식의 딥러닝 구조는 전체얼굴 이미지용 모델, 4등분 이미지용 모델, 2등분이미지용 모델 총 3가지로 구성되어있다. 여기서 2등분 이미지용 모델은 앞서 설명한 2개의 블록이 같이 특징 수치가 임계값을 넘게 되는 경우에 이어진 2개의 블록을 합칠 때 사용되는 모델이다.</p><p>각 모델은 기본적으로 Convolution 층, Sub sampling 층, Fully-connected 및 Drop out층, Softmax층의 조합이며 각기 다른 조합으로 구성되어 있다. 전체 얼굴 이미지용 모델은 표 1과 같이 입력 이미지가 \(448\times 448\)의 이미지로 변환되어 입력되며 총 20단계로 구성되어 있다. 4등분 이미지용 모델은 표 2와 같이 입력 이미지가 \(320\times 320\)의 이미지로 변환되어 입력되며 총 18단계로 구성되어 있다. 4등분 이미지용 모델은 표 3과 같이 입력 이미지가 \(128\times 128\)의 이미지로 변환되어 입력되며 총 18단계로 구성되어있다.</p><table border><caption>표 1. 전체 얼굴 이미지용 딥러닝 구조</caption><tbody><tr><td>No</td><td>Type</td><td>Filters</td><td>Size/Stride</td><td>Output</td></tr><tr><td>1</td><td>Conv</td><td>64</td><td>\( 3 \times 3 / 1 \)</td><td>\( 448 \times 448 \)</td></tr><tr><td>2</td><td>Conv</td><td>64</td><td>\( 3 \times 3 / 1 \)</td><td>\( 448 \times 448 \)</td></tr><tr><td>3</td><td>Conv</td><td>64</td><td>\( 3 \times 3 / 1 \)</td><td>\( 448 \times 448 \)</td></tr><tr><td>4</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 224 \times 224 \)</td></tr><tr><td>5</td><td>Conv</td><td>128</td><td>\( 3 \times 3 / 1 \)</td><td>\( 224 \times 224 \)</td></tr><tr><td>6</td><td>Conv</td><td>128</td><td>\( 3 \times 3 / 1 \)</td><td>\( 224 \times 224 \)</td></tr><tr><td>7</td><td>Conv</td><td>128</td><td>\( 3 \times 3 / 1 \)</td><td>\( 224 \times 224 \)</td></tr><tr><td>8</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 112 \times 112 \)</td></tr><tr><td>9</td><td>Conv</td><td>256</td><td>\( 3 \times 3 / 1 \)</td><td>\( 112 \times 112 \)</td></tr><tr><td>10</td><td>Conv</td><td>256</td><td>\( 3 \times 3 / 1 \)</td><td>\( 112 \times 112 \)</td></tr><tr><td>11</td><td>Conv</td><td>256</td><td>\( 3 \times 3 / 1 \)</td><td>\( 112 \times 112 \)</td></tr><tr><td>12</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 56 \times 56 \)</td></tr><tr><td>13</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 56 \times 56 \)</td></tr><tr><td>14</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 56 \times 56 \)</td></tr><tr><td>15</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 28 \times 28 \)</td></tr><tr><td>16</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 14 \times 14 \)</td></tr><tr><td>17</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 14 \times 14 \)</td></tr><tr><td>18</td><td>FC</td><td></td><td></td><td>1040</td></tr><tr><td>19</td><td>Drop</td><td></td><td></td><td>1040</td></tr><tr><td>20</td><td>SM</td><td></td><td></td><td></td></tr></tbody></table><table border><caption>표 2. 2등분 이미지용 딥러닝 구조</caption><tbody><tr><td>No</td><td>Type</td><td>Filters</td><td>Size/Stride</td><td>Output</td></tr><tr><td>1</td><td>Conv</td><td>64</td><td>\( 3 \times 3 / 1 \)</td><td>\( 320 \times 320 \)</td></tr><tr><td>2</td><td>Conv</td><td>64</td><td>\( 3 \times 3 / 1 \)</td><td>\( 320 \times 320 \)</td></tr><tr><td>3</td><td>Max</td><td></td><td>\( 2 \times 2 / 2 \)</td><td>\( 160 \times 160 \)</td></tr><tr><td>4</td><td>Conv</td><td>128</td><td>\( 3 \times 3 / 1 \)</td><td>\( 160 \times 160 \)</td></tr><tr><td>5</td><td>Conv</td><td>128</td><td>\( 3 \times 3 / 1 \)</td><td>\( 160 \times 160 \)</td></tr><tr><td>6</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 80 \times 80 \)</td></tr><tr><td>7</td><td>Conv</td><td>256</td><td>\( 3 \times 3 / 1 \)</td><td>\( 80 \times 80 \)</td></tr><tr><td>8</td><td>Conv</td><td>256</td><td>\( 3 \times 3 / 1 \)</td><td>\( 80 \times 80 \)</td></tr><tr><td>9</td><td>Conv</td><td>256</td><td>\( 3 \times 3 / 1 \)</td><td>\( 80 \times 80 \)</td></tr><tr><td>10</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 40 \times 40 \)</td></tr><tr><td>11</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 20 \times 20 \)</td></tr><tr><td>12</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 20 \times 20 \)</td></tr><tr><td>13</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 10 \times 10 \)</td></tr><tr><td>14</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 10 \times 10 \)</td></tr><tr><td>15</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 10 \times 10 \)</td></tr><tr><td>16</td><td>Fc</td><td></td><td></td><td>1040</td></tr><tr><td>17</td><td>Drop</td><td></td><td></td><td>1040</td></tr><tr><td>18</td><td>SM</td><td></td><td></td><td></td></tr></tbody></table><table border><caption>표 3. 4등분 이미지용 딥러닝 구조</caption><tbody><tr><td>No</td><td>Type</td><td>Filters</td><td>Size/Stride</td><td>Output</td></tr><tr><td>1</td><td>Conv</td><td>64</td><td>\( 3 \times 3 / 1 \)</td><td>\( 128 \times 128 \)</td></tr><tr><td>2</td><td>Conv</td><td>64</td><td>\( 3 \times 3 / 1 \)</td><td>\( 128 \times 128 \)</td></tr><tr><td>3</td><td>Max</td><td></td><td>\( 2 \times 2 / 2 \)</td><td>\( 64 \times 64 \)</td></tr><tr><td>4</td><td>Conv</td><td>128</td><td>\( 3 \times 3 / 1 \)</td><td>\( 64 \times 64 \)</td></tr><tr><td>5</td><td>Conv</td><td>128</td><td>\( 3 \times 3 / 1 \)</td><td>\( 64 \times 64 \)</td></tr><tr><td>6</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 32 \times 32 \)</td></tr><tr><td>7</td><td>Conv</td><td>256</td><td>\( 3 \times 3 / 1 \)</td><td>\( 32 \times 32 \)</td></tr><tr><td>8</td><td>Conv</td><td>256</td><td>\( 3 \times 3 / 1 \)</td><td>\( 32 \times 32 \)</td></tr><tr><td>9</td><td>Conv</td><td>256</td><td>\( 3 \times 3 / 1 \)</td><td>\( 32 \times 32 \)</td></tr><tr><td>10</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 16 \times 16 \)</td></tr><tr><td>11</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 16 \times 16 \)</td></tr><tr><td>12</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 16 \times 16 \)</td></tr><tr><td>13</td><td>Max</td><td></td><td>\( 2\times 2 / 2 \)</td><td>\( 8 \times 8 \)</td></tr><tr><td>14</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 8 \times 8 \)</td></tr><tr><td>15</td><td>Conv</td><td>512</td><td>\( 3 \times 3 / 1 \)</td><td>\( 8 \times 8 \)</td></tr><tr><td>16</td><td>Fc</td><td></td><td></td><td>1040</td></tr><tr><td>17</td><td>Drop</td><td></td><td></td><td>1040</td></tr><tr><td>18</td><td>SM</td><td></td><td></td><td></td></tr></tbody></table><p>Convolution 층은 그림 8과 같이 입력 영상 또는 이전 층의 특징 영상을 여러 특징 필터와 Convolution 연산하여 특징 영상을 얻어 내는 층이다. 식 (2)는Convolution 연산을 나타낸다. 특징 추출 필터는 얼굴의 특징을 부각 시키는 역할을 한다. 특징 추출 필터의 필터 계수는 처음에만 랜덤값으로 지정되며 이후, Softmax 끝단에서부터 역전파하여 학습을 통해 불꽃 검출의 에러율이 가장 적은 최적의 필터 계수로 바뀌게 된다.</p><p>\( e_{\text {processed }}=\sum_{n=0}^{n=2} \sum_{m=0}^{m=2}\left(a_{n m} \times b_{n m}\right) \)<caption>(2)</caption></p><p>Sub sampling 층은 그림 9와 같이 Convolution층을 통해 추출된 특징 영상의 특징들 중에서 최적의 특징들만 선별하여 특징 영상의 크기를 감소시키는 과정이다. 이 과정은 추출된 특징 이미지에 불필요한 특징 데이터가 많아 최적의 특징데이터를 추출함과 동시에 연산 속도를 높이기 위하여 크기를 축소하는 역할을 한다. 본 논문에서는 식 (3)과 같이 max sub sampling을 사용하였으며, 추출된 특징 이미지의 \(2 \times 2\) 영역에서 가장 큰 값을 추출하게 된다</p><p>\(b_{00}=\operatorname{Max} \left(a_{00}, a_{01}, a_{10}, a_{11}\right) \\b_{01}=\operatorname{Max}\left(a_{02}, a_{03}, a_{12}, a_{13}\right) \\b_{10}=\operatorname{Max}\left(a_{20}, a_{21}, a_{30}, a_{31}\right) \\b_{11}=\operatorname{Max}\left(a_{22}, a_{23}, a_{32}, a_{33}\right) \)<caption>(3)</caption></p><p>Fully-connected 및 Drop out 층은 그림 10과 같이 Convolution 층과 Sub-sampling 층을 반복하여 추출된 최종 특징 데이터들을 일렬로 연결하여 특징 벡터로 변환하는 과정이다. 즉, convolution 연산 후 모든 추출 특징을 연결하여 최종 특징 벡터를 생성하는 역할을 하게 된다. 또한, Drop out을 통해 일부 특징 벡터의 값을 0으로 만들어 딥러닝학습의 Over Fitting을 줄이게 된다.</p><p>Softmax(NN) 층에서는 앞서 추출된 특징벡터를 분류기의 입력으로 넣어 영상의 클래스를 분별하여 인식한다. Drop out까지 진행된 \(N\)개의 특징 벡터를 신경망의 입력으로 넣고 신경망 출력층의 노드 수를 학습시키는 클래스의 수로 설정하게 된다.</p>	각 모델의 층 중에서 입력 영상 혹은 그 전의 층의 특징 영상을 특징 필터와 Convolution 연산하여 특징 영상을 얻어내는 층은 무엇인가?	Convolution 층
{ "answer_type": "Yes/No 단문형", "context_id": "5b38d126-b55e-4b50-bf9f-ddd51d6caa95", "field": "인공물", "question_id": "746f72b0-f8f6-49e0-b799-ad496026e175" }	<h2>4. 실험</h2><h3>가. 실험 방법</h3><p>본 실험에 사용된 하드웨어는 Intel(R) Core(TM)i5-3570 \( 3.40 \mathrm{GHz} \) CPU 프로세서, RAM \( 16 \mathrm{GB} \), NVIDIA GeForce GTX 1080 (V-RAM \( 8 \mathrm{GB} \)) GPU등으로 구성 되어있다. 또한 Windows 10 Pro \( 64 \mathrm{bit} \) 운영체제와 PyCham 개발도구 환경에서 수행하였고, Python 및 Tensorflow 라이브러리를 사용하여 실험하였다.</p><p>본 논문에서 제안하는 멀티 블록 방식의 딥러닝구조 검증에 사용된 데이터베이스로는 CAS-PEAL 데이터베이스를 사용하였다. 그림 11과 같이 CAS-PEAL 데이터베이스의 학습 데이터는 1040명의 클래스로 구성되어 있고 각 클래스 당 1장씩 총 1040장의 이미지로 구성되어 있다. 딥러닝 학습에는 많은 학습 데이터가 필요하기 때문에 각 클래스 당 20장씩 학습 데이터에 조명, 잡음을 더한 데이터를추가하였다. 한편, 인식 데이터는 액세서리(Accessory), 나이 변화(Age), 배경(Background), 거리(Distance), 표정(Expression), 조명(Light) 등의 총 6개 subset으로 구성되어 있다. 액세서리 subset은 440명의 클래스로 구성되어 있고 각 클래스 당 약 6장씩 총 2,610장의 이미지로 구성되어 있다. 나이 변화 subset은 66명의 클래스로 구성되어 있고 각 클래스 당 1장씩 총 66장의 이미지로 구성되어 있다. 배경 subset은 297명의 클래스로 구성되어 있고 각 클래스 당 약 2장씩 총 651장의 이미지로 구성되어있다. 거리 subset은 296명의 클래스로 구성되어 있고 각 클래스 당 약 1장씩 총 325장의 이미지로 구성되어 있다. 표정 subset은 377명의 클래스로 구성되어 있고 각 클래스 당 약 5장씩 총 1,883장의 이미지로 구성되어 있다. 조명 subset은 294명의 클래스로 구성되어 있고 각 클래스 당 약 8장씩 총2,450장의 이미지로 구성되어 있다.</p><p>한편, 본 논문에서 제안하는 멀티 블록 방식의 딥러닝 구조와 비교한 딥러닝 구조로는 기존에 얼굴인식에 많이 쓰였던 VGGNet 구조를 선택하였다.</p><h3>나. 실험 결과</h3><p>표 4는 VGGNet과 제안하는 딥러닝 구조의 비교실험결과를 나타내고 그림 12는 그에 따른 그래프를 나타낸다. 액세서리 Subset에서는 VGGNet의 경우 \(91.2 \%\)의 얼굴 인식률을 나타내고 제안하는 딥러닝 구조의 경우 \(94.4 \%\)의 얼굴 인식률을 나타낸다. 나이 변화 Subset에서는 VGGNet의 경우 \(97.4 \%\)의 얼굴 인식률을 나타내고 제안하는 딥러닝구조의 경우 \(100 \%\)의 얼굴 인식률을 나타낸다. 배경 Subset에서는 VGGNet의 경우 \(99.5 \%\)의 얼굴인식률을 나타내고 제안하는 딥러닝 구조의 경우 \(100 \%\)의 얼굴 인식률을 나타낸다. 거리 Subset에서는 VGGNet의 경우 \(99.6 \%\)의 얼굴 인식률을 나타내고 제안하는 딥러닝 구조의 경우 \(100 \%\)의 얼굴 인식률을 나타낸다. 표정 Subset에서는 VGGNet의 경우 \(99.4 \%\)의 얼굴 인식률을 나타내고 제안하는 딥러닝 구조의 경우 \(100 \%\)의 얼굴 인식률을 나타낸다. 조명 Subset에서는 VGGNet의 경우 \(62.2 \%\)의얼굴 인식률을 나타내고 제안하는 딥러닝 구조의 경우 \(68.5 \%\)의 얼굴 인식률을 나타낸다. 평균적으로 얼굴 인식률이 VGGNet과 비교하여 약 \(2.3 \%\) 증가되어서 제안하는 딥러닝 구조의 얼굴 인식률이 더우수함을 증명한다.</p><table border><caption>표 4. VGGNet과 제안된 딥러닝 구조의 얼굴 인식률 비교</caption><tbody><tr><td>Subset</td><td>VGGNet</td><td>Proposed Deep Learning Structure</td></tr><tr><td>Accessory</td><td>91.2</td><td>94.4</td></tr><tr><td>Age</td><td>97.4</td><td>100</td></tr><tr><td>Background</td><td>99.5</td><td>100</td></tr><tr><td>Distance</td><td>99.6</td><td>100</td></tr><tr><td>Expression</td><td>99.4</td><td>100</td></tr><tr><td>Light</td><td>62.2</td><td>68.5</td></tr></tbody></table>	액세서리 subset은 66명의 클래스로 구성되어 있나요?	NO
{ "answer_type": "Yes/No 단문형", "context_id": "bf155585-5123-4b42-9103-df15aeafa6c7", "field": "인공물", "question_id": "d5e5910b-071c-4aae-80c2-96b022e2d07f" }	<h2>2. 입력된 이미지의 멀티 블록화</h2><p>기존의 얼굴 인식은 입력된 얼굴 이미지의 전체를 활용하게 된다. 얼굴 이미지 전체를 얼굴 인식에 활용할 경우 조명, 액세서리 등의 얼굴 인식을 방해하는 요소가 포함되기 때문에 간혹 미흡한 인식 결과를 나타내게 된다. 이러한 단점을 해결하기 위해 본 논문에서는 얼굴 이미지를 멀티 블록화하여 얼굴 인식에 방해가 되는 요소를 제거한 효율적인 블록만을 얼굴인식에 활용하게 된다.</p><p>멀티 블록화는 여러 경우의 수로 블록화 할 수있다. 블록이 너무 작을 경우는 블록에 대한 특징이 적어 학습 및 인식에 오류가 생기게 된다. 한편, 블록이 너무 클 경우는 얼굴 인식에 방해가 되는 요소가 블록에 많이 포함되어 있어 향상된 결과를 도출하기가 어렵다. 따라서 본 논문에서는 실험을 통해 얼굴 인식률이 가장 높았던 최적의 블록화를 설정하였으며, 그림 5와 같이 4등분으로 멀티 블록화를 수행한다.</p><h2>3. 특징 수치 분석을 통한 멀티 블록 선정</h2><p>앞서 입력된 이미지의 멀티 블록화 과정을 통하여 그림 7.(a)의 전체 이미지 영역을 4등분한 블록들에 대하여 특징 수치 분석을 수행한다. 특징 수치 분석은 그림 6과 같이 \(3 \times 3\)의 필터링을 통하여 수행되며, 식 (1)과 같이 중앙 픽셀과 주변 픽셀과의 차이에 절대값을 적용한 다음 그 값들을 모두 더하여 특징 수치를 구하게 된다. 전체 이미지에 대하여 필터링을 각 블록 별로 수행하여 특징 수치들을 모두 더하게 되며 그림 7.(b)와 같이 최종적인 특징수치를 각 블록 별로 구할 수 있게 된다. 다음에 그림 7.(c)와 같이 특징 수치가 설정된 임계값을 초과한 블록 중 가장 큰 블록을 선정하게 된다. 임계값은 얼굴 인식에 방해가 되는 요소가 포함된 블록을 제거하는 척도이기 때문에, 실험을 통해 얼굴 인식률이 가장 높았던 임계값으로 선정하였다</p><p>Feature Number \( =\sum_{n=1}^{8}\left\|\left(a-b_{n}\right)\right\| \)<caption>(1)</caption></p><p>한편, 무조건 4등분된 하나의 블록만을 선정하는것은 아니며, 앞의 그림 3과 같이 대체적으로 1번~4번 블록으로 나누었을 경우에 특징 수치 분석을하게 되면 1, 2번 또는 3, 4번처럼 붙어있는 2개의 블록이 같이 특징 수치가 임계값을 넘게 된다. 이경우 이어진 2개의 블록을 합친 블록을 선정하게된다. 따라서 그림 4의 블록 학습 모델의 수는 전체얼굴 이미지, 1~4번 블록 학습 모델, 1번과 2번을 합친 블록, 3번과 4번을 합친 블록 등의 총 7개의 학습 모델로 구성된다.</p><p>그림 7의 각 블록 별로 표시된 특징 수치 예시를 보면 대체적으로 얼굴 이미지는 눈, 코, 입 등의 특징들이 부각되는 부분이 많기 때문에 특징 수치가 높게 나온다. 따라서 평범한 조명이나 액세서리가 착용되지 않은 블록은 특징 수치가 높게 나온다. 반면, 어두운 조명이나 액세서리가 착용된 블록은 특징 수치가 낮게 나온다. 그 이유는 어두운 조명, 마스크, 모자, 선글라스 등은 대체적으로 픽셀값이 일정함에 있다.</p><p>결과적으로 특징 수치 분석을 통한 멀티 블록 선정은 특징이 없는 블록은 버리고 특징이 많이 부각되는 블록만을 선정하여 얼굴 인식에 방해가 되는 요소를 사전에 제거하는 역할을 하게 되어 얼굴 인식률 향상에 기여하게 된다.</p>	본 논문에서는 얼굴 이미지를 단일 블록으로 인식하여 전체 이미지를 받아들이는 방식을 추구하고 있지?	NO
{ "answer_type": "정답경계추출형", "context_id": "172eb0bc-1d06-4310-bc6a-ff2200b57b0b", "field": "인공물", "question_id": "782ae58f-f7b7-42e1-928f-0dfa3fbb9807" }	<h1>Ⅱ. 본론</h1><h2>1. 제안하는 멀티 블록 방식의 딥러닝 구조의 개요</h2><p>그림 2와 같이 기존의 얼굴인식에 사용되는 CNN의 기본 구조는 얼굴 이미지 전체를 입력으로 넣게된다. Convolution 층은 입력 영상 또는 이전 층의 특징 영상을 여러 특징 필터와 Convolution 연산하여 특징 영상을 얻어 내는 층이다. Sub sampling층은 Convolution 층을 통해 추출된 특징 영상의 특징들 중에서 최적의 특징들만 선별하여 특징 영상의 크기를 감소시키는 과정이다. Fully connected층은 Convolution 층과 Sub sampling 층을 반복하여 추출된 최종 특징 데이터들을 일렬로 연결하여 특징 벡터로 변환하는 과정이다. Softmax 층에서는 앞서 추출된 특징 벡터를 분류기의 입력으로 넣어 영상의 클래스를 분별하여 인식한다. Softmax 층에서 쓰는 분류기는 대부분 NN(Neural Network)을 사용한다. Convolution 층의 특징 필터 계수들과 NN의 가중치들은 역전파 알고리즘을 사용하여 학습된다. 역전파 알고리즘은 목표값과 출력값의 오차를 구조의 역방향으로 입력하여 가중치를 수정하며, 학습이 진행될수록 오차를 감소시켜 원하는 결과가 출력되도록 하는 학습 알고리즘이다.</p><p>본 논문에서 제안하는 멀티 블록 방식의 딥러닝학습 구조는 얼굴 이미지 전체만 학습하는 기존 얼굴인식 CNN의 기본 구조에 그림 3과 같이 멀티 블록화한 이미지까지 학습시키는 딥러닝 모델이 추가된다. 멀티 블록 방식의 딥러닝 학습 구조는 입력된 이미지의 멀티 블록화, 각각의 멀티 블록 딥러닝 모델 학습으로 이루어진다. 첫 번째로 입력된 이미지의 멀티 블록화는 입력된 이미지를 4등분하여 멀티 블록화 시킨다. 두 번째로 각각의 멀티 블록 딥러닝 모델 학습은 전체 이미지와 4등분된 멀티 블록들의 이미지가 크기가 다르기 때문에 각각 다른 딥러닝 모델로의 학습을 수행한다. 위 과정을 모두 수행하면 얼굴 전체 이미지와 각 멀티 블록들의 딥러닝 모델들이 전부 학습되어 인식단계에서 사용이 가능하다.</p><p>본 논문에서 제안하는 멀티 블록 방식의 딥러닝인식 구조는 그림 4와 같으며 입력된 이미지의 멀티 블록화, 특징 수치분석을 통한 멀티 블록 선정, 선정된 멀티 블록의 딥러닝 수행 등의 3가지 과정으로 구성된다. 첫 번째로 입력된 이미지의 멀티블록화는 입력된 이미지를 4등분하여 멀티 블록화시킨다. 두 번째로 특징 수치분석을 통한 멀티 블록 선정에서는 4등분된 멀티 블록들에 각각 특징수치 분석을 수행하여 각 블록들의 특징 수치를 확인하고 인식에 쓰일 블록들을 선정한다. 세 번째로 선정된 멀티 블록으로 딥러닝 수행은 선정된 멀티블록 부위가 학습되어진 딥러닝 모델에 인식을 수행하여 얼굴 인식의 결과를 도출한다. 특징 수치분석에 의해 특징 수치가 높은 효율적인 블록만을 인식하기 때문에 제안하는 딥러닝 인식 구조는 기존의 딥러닝 구조보다 향상된 결과를 나타낸다.</p><p></p>	기존의 얼굴인식에 사용되는 CNN의 기본구조는 어떤 방식으로 작동해?	얼굴 이미지 전체를 입력으로 넣게된다
{ "answer_type": "절차(방법)형", "context_id": "3e1f6af6-8b41-4bf2-8f31-1dcaca364e04", "field": "인공물", "question_id": "6202f719-ea53-42c1-9b23-230e92718374" }	<h1>요 약</h1><p>본 논문에서는 얼굴 인식률 향상을 위한 멀티 블록 방식의 딥러닝 구조를 제안한다. 제안하는 딥러닝의 인식 구조는 입력된 이미지의 멀티 블록화, 특징 수치 분석을 통한 멀티 블록 선정, 선정된 멀티 블록의 딥러닝 수행 등의 3가지 과정으로 구성된다. 첫 번째로 입력된 이미지의 멀티 블록화는 입력된 이미지를 4등분하여 멀티 블록화 시킨다. 두 번째로 특징 수치분석을 통한 멀티 블록 선정에서는 4등분된 멀티 블록들의 특징 수치를 확인하고 특징이 많이 부각되는 블록만을 선정하여 얼굴 인식에 방해가 되는 요소를 사전에 제거한 블록들을 선정한다. 세 번째로 선정된 멀티 블록으로 딥러닝 수행은 선정된 멀티 블록 부위가 학습되어진 딥러닝 모델에 인식을 수행하여 특징 수치가 높은 효율적인 블록으로 얼굴 인식의 결과를 도출한다. 제안된 딥러닝 구조의 성능을 평가하기 위하여 CAS-PEAL 얼굴 데이터베이스를 사용하여 실험 하였다. 실험 결과,제안하는 멀티 블록 방식의 딥러닝 구조가 기존의 딥러닝 구조보다 평균 약 \(2.3\%\) 향상된 얼굴 인식률을 나타내어 그 효용성이 입증됨을 확인하였다.</p>	멀티 블록 방식의 딥러닝 구조는 어떻게 구성 되어 있는가?	입력된 이미지의 멀티 블록화, 특징 수치 분석을 통한 멀티 블록 선정, 선정된 멀티 블록의 딥러닝 수행
{ "answer_type": "절차(방법)형", "context_id": "e61f7f23-ca21-41cc-a2d6-ad6af03e788b", "field": "인공물", "question_id": "05a51400-81fd-43f6-a304-423bb6b6ab82" }	<h1>Ⅲ. 결론</h1><p>본 논문에서는 얼굴 인식률 향상을 위한 멀티 블록 방식의 딥러닝 구조를 제안하였다. 멀티 블록방식의 딥러닝 구조는 특징 수치 분석을 통해 특징이 없는 블록은 버리고 특징이 많이 부각되는 블록만을 선정하여 얼굴 인식에 방해가 되는 요소를 사전에 제거하는 역할을 하게 되어 얼굴 인식률 향상에 기여하는 요소로 작용하였다. 제안된 멀티 블록방식의 딥러닝 구조의 성능을 평가하기 위하여 CAS-PEAL 얼굴 데이터베이스를 사용하여 실험하였다. 실험 결과, 평균 약 \(2.3 \%\)의 얼굴 인식률이 향상됨을 확인하였다.</p>	멀티 블록 방식의 딥러닝 구조를 통해 어떻게 하고자 하였는가?	얼굴 인식률 향상
{ "answer_type": "정답경계추출형", "context_id": "ea39628c-c319-45ae-95bc-b0360f4ea794", "field": "인공물", "question_id": "2bb2a61d-cab4-4315-92ac-5712a4356ef3" }	<h1>I. 서론</h1><p>기존의 기계학습 모델은 간단한 문제에는 좋은 성능을 보이지만 복잡한 문제에 대해서는 성능이 급격하게 저하되는 문제점이 있었다. 따라서 이러한 기술적 한계를 극복할 수 있는 모델 및 학습방법론이 개발되었는데, 딥러닝(deep learning)이 대표적인 예이다.</p><p>현재 딥러닝 기법은 여러 분야에서 활용되고 있으며, 특히 얼굴 인식 분야에서 CNN(ConvolutionNeural Network) 기법이 대표적으로 많이 사용되고 있다. CNN 기법은 얼굴 이미지를 학습할 경우에, 얼굴 이미지 전체를 학습에 사용한다. 즉, 학습되는 사람의 전체적인 얼굴 특징들이 함축된 특징벡터를 학습하게 된다. 마찬가지로, 인식 단계에서도 얼굴 이미지 전체를 사용하고 있다. 그러나 얼굴 이미지 전체를 사용하는 CNN 기법은 조명, 모자, 안경, 선글라스, 액세서리 등을 착용한 사람에 대한 얼굴 인식에 많은 문제점을 나타내고 있다. 이러한 기존의 인식 방법은 본래 학습되었던 액세서리가 미 착용된 얼굴과 액세서리가 착용된 얼굴과 많이 다르기 때문에 얼굴 인식에 많은 오차가 생기기 마련이다.</p><p>따라서 본 논문에서는 이러한 단점을 보완하기 위하여 얼굴 인식률 향상을 위한 멀티 블록 방식의 딥러닝 구조를 제안하다. 얼굴 전체 이미지의 학습뿐만 아니라, 얼굴 이미지를 블록화하여 각 블록들의 얼굴 특징들을 학습시킨 후에 인식 단계에서는 필요한 블록만을 사용하여 얼굴 인식을 수행한다.</p><p>그림 1은 본 논문에서 제안하는 멀티 블록 방식의 딥러닝 인식 순서도이며, 입력된 이미지의 멀티블록화, 특징 수치분석을 통한 멀티 블록 선정, 선정된 멀티 블록의 딥러닝 수행 등의 3가지 과정으로 구성된다. 첫 번째로 입력된 이미지의 멀티 블록화는 입력된 이미지를 4등분하여 멀티 블록화 시킨다. 두 번째로 특징 수치분석을 통한 멀티 블록선정에서는 4등분된 멀티 블록들에 각각 특징 수치분석을 수행하여 각 블록들의 특징 수치를 확인하고 인식에 쓰일 블록들을 선정한다. 세 번째로 선정된 멀티 블록의 딥러닝 수행은 선정된 멀티 블록부분이 학습되어진 딥러닝 모델에 인식을 수행하여 향상된 얼굴 인식의 결과를 도출한다.</p><p></p>	CNN 기법이 학습할 때 사용하는 전체적인 얼굴 특징들이 함축된 이것은 무엇일까?	특징벡터
{ "answer_type": "절차(방법)형", "context_id": "c7a4c1dc-3922-4901-9598-9dbbf4408174", "field": "인공물", "question_id": "97ed631a-594a-400f-ad63-f0083f64acc6" }	<p>이동물체는 주기적으로 특수하게 코드화 된 신호를 인공위성으로부터 받아, 이를 처리하여 시각과 위치 정보를 추출한다. 인공위성 신호는 미국 국방부로부터 무료로 제공되어 브로드캐스트 되기 때문에 모든 GPS 수신기가 동시에 수신할 수 있다. 따라서, 현재의 실제 위치를 파악한 이동물체는 무선통신 에이전트를 통하여 데이터베이스 관리시스템 (DBMS)에 이를 전송할 수 있다.</p> <p>시스템이 사용하는 에이전트의 수가 r이라면 한 순간에 동시에 통신 할 수 있는 이동물체의 수는 r로 제한 된다. 그리고 DBMS에 도착한 정보는 저장장치에 트랜잭션으로 보관되며, DBMS는 트랜잭션을 하나씩 차례로 가져다가 수행한다. DBMS는 갱신 작업을 하기 위하여 반드시 보조기억장치를 접근해야 하기 때문에, 갱신 작업은 비교적 긴 시간을 필요로 한다.</p> <p>(그림 1)에 보이는 FTPN은 이러한 이동물체 데이터베이스 시스템을 표현하는 모형을 보인 것으로, 그림에 보이는 원과 사각형을 각각 플레이스와 트랜지션이라고 일컫는다. 이 모형은 이동물체와 GPS 수신기, 통신서비스, 데이터베이스 관리 시스템 등 세부분으로 구성되며, 각각의 하는 일은 바로 위에서 언급한 바와 같다. 각 플레이스와 트랜지션, 그리고 간선에 대한 설명은 각각<표 1>,<표 2>그리고<표 3>에 요약된 바와 같다. (그림 1)에 보이는 페트리 넷의 초기 마킹, M0은 다음과 같다:</p> <p>\( \mathrm{M}_{0}\left(\mathrm{P}_{1}\right)=\mathrm{M}_{0}\left(\mathrm{P}_{8}\right)=\sum M=n \) 이동물체 = \{mid \( \mathrm{mid}=1 \),\( 2, \cdots, \mathrm{n}\} \)</p> <p>\( \mathrm{M}_{0}\left(\mathrm{P}_{3}\right)=\sum G=n \mathrm{GPS} \) 수신장치 \( =\{ \) gid \( \mid \) gid \( =1,2, \cdots ,\mathrm{n}\} \)</p> <p>\( \mathrm{M}_{0}\left(\mathrm{P}_{6}\right)=\sum R=r \text { 무선 에이전트 }=\{\text { wid } \mid \text { wid }=1,2, \cdots, r \} \)</p> <p>\( \mathrm{M}_{0}\left(\mathrm{P}_{10}\right)=\sum K=\mathrm{DBMS} \) 의 \( k \) 처리장치 \( =\{\mathrm{pid} \mid \mathrm{pid}=1,2 , \cdots, \mathrm{k}\} \)</p> <p>나머지 플레이스 \( \mathrm{P}_{\mathrm{i}} \) 에 대해서는 \( \mathrm{M}_{0}\left(\mathrm{P}_{\mathrm{i}}\right)=\boldsymbol{\Phi} \).</p> <table border><caption>표 2. 트랜지션 설명</caption> <tbody><tr><td>트랜지션</td><td>역할</td></tr><tr><td>t1</td><td>이동물체가 현재의 실제 위치와 시각을 얻는 작업.</td></tr><tr><td>t2</td><td>GPS 수신기가 현재의 실제 위치와 시각의 신 호를 위성으로부터 수신하는 작업</td></tr><tr><td>t3</td><td>이동물체가 갱신 정책을 적용하여 갱선을 해야 하는지 판단하는 작업</td></tr><tr><td>t4</td><td>이동물채가 t3의 반대 경우를 판단함.</td></tr><tr><td>t5</td><td>무선통신 에이전트가 갱신 메시지를 전달함</td></tr><tr><td>t6</td><td>이동물체가 데이터베이스 갱신 트랜잭션을 생 성하는 작업</td></tr><tr><td>t7</td><td>데이터베이스 처리 장치가 갱신 작업을 수행</td></tr><tr><td>t8</td><td>이동통신 에이전트가 리턴 정보를 전송함</td></tr></tbody></table> <table border><caption>표 3. 간선과 간선의 레이블 설명</caption> <tbody><tr><td>간선</td><td>레이블과 설명</td></tr><tr><td>\( \mathrm{a}_{1} \)</td><td>\( \langle \) mid, th \( \rangle \), mid는 이동물체의고유번호, th는 한계값</td></tr><tr><td>\( \mathrm{a}_{2} \)</td><td>\( \langle \) gid, gcl, gct \( \rangle \), gid는 GPS 수신기 고유번호, gel은 현재의실재위치, get는 현재 시각</td></tr><tr><td>\( \mathrm{a}_{3} \)</td><td>\( \langle \) mid, mcl, mct, th \( \rangle \). 고유번호 mid인 이동물체가 현재 위치와 시각(mel, met), 그리고 한계값(th)을 가지고 있음.</td></tr><tr><td>\( \mathrm{a}_{3}, \mathrm{d}_{1} \)</td><td>d1은 갱신정책을 적용하여 갱신여부를 판단하는 작업소요시간</td></tr><tr><td>\( \mathrm{a}_{3}, \mathrm{d}_{2} \)</td><td>d2는 무선통신에이전트의 통신에 소요되는 시간.</td></tr><tr><td>\( \mathrm{a}_{4} \)</td><td>\( \langle \) db, mid \( \rangle \), db는 이동물체 mid의 정보를 다루는 데이 터베이스.</td></tr><tr><td>\( \langle \mathrm{a}_{4}, \mathrm{d}_{3}\rangle \)</td><td>\( \langle \) db,mid,mcl, mct,th \( \rangle \),이동물체 mid, 관련정보, 한계값,물체의 정보를 관리하는 데이터베이스 db</td></tr><tr><td>\( \mathrm{a}_{4}, \mathrm{d}_{1} \)</td><td>d1은 갱신 정책에 따라 갱신을 하지 않아도 됨을 판단하는데걸리는 시간</td></tr><tr><td>\( \mathrm{a}_{4}, \mathrm{d}_{3} \)</td><td>d3는 하나의 이동물체가 데이터베이스 갱신을 일회하는 데소요되는 시간</td></tr><tr><td>\( \mathrm{a}_{5} \)</td></td><td>\( \langle \) mid, mreinfo \( \rangle \), mreinfo는 이동물체로 리턴되는 정보</td></tr><tr><td>\( \mathrm{a}_{5}, \mathrm{d}_{3} \)</td><td>d3는 데이터베이스 db가 하나의 트랜잭션 처리에 소요되는 시간.</td></tr><tr><td>\( \langle \) wid \( \rangle \)</td><td>wid는 무선통신 에이전트의 고유번호</td></tr><tr><td>\( \langle \) wid \( \rangle \),\( \mathrm{d}_{2} \)</td><td>d2는 갱신메시지를 전송하기 위하여 소요되는 통신시간</td></tr><tr><td>\( \langle \) wid \( \rangle \),\( \mathrm{d}_{4} \)</td><td>d4는 리턴 정보를 전송하기 위하여 소요되는 통신시간</td></tr><tr><td>\( \langle \) pid \( \rangle \)</td><td>pid는 DBMS 처리장치의 고유번호</td></tr><tr><td>\( \langle \) pid \( \rangle \),\( \mathrm{d}_{3} \)</td><td>d3는 처리장치 pid의 갱신작업에 소요되는 시간</td></tr></tbody></table>	데이터베이스 관리시스템에 실시간 위치가 파악된 이동물체를 어떻게 전송할 수 있는가?	무선통신 에이전트를 통하여
{ "answer_type": "정답경계추출형", "context_id": "73157899-e395-4dfc-806e-e04e2660efd0", "field": "인공물", "question_id": "0f9f641e-c0c8-417c-b485-235668c756cc" }	<h1>Ⅲ. 안테나 제작 및 측정</h1><p>표 1 에서 보이고 있는 최적의 안테나 설계 변수값에 따라 안테나를 제작하였으며, 그림 8 은 제작된 안테나를 나타낸다.</p><p>안테나는 유전율이 4.4이고, 높이가 \( 0.8 \mathrm{~mm} \) 인 FR-4 기판을 사용하였고, 전체 크기는 상용 단말기의 그라운드 크기와 비슷한 \( 45 \times 90 \mathrm{~mm} \) 로 제작되었다. 급전은 마이크로스트립 선로에 \( 50 ~ \mathrm{ohm} \) SMA 커넥터를 이용하였다. 제작된 안테나의 반사 손실 시뮬레이션 결과와 함께 측정 결과를 그림 9 에 나타내었다. 측정은 Anritsh사의 Vector Network Analyzer 3739D를 이용하였으며, 측정 결과 \( -10 \mathrm{~dB} \) 반사 손실 대역 폭은 \( 2.2 \sim 6 . ~ \mathrm{GHz} \) (약 \( 3.8 ~ \mathrm{GHz} \)) 이다.</p><p>제작된 안테나의 대역폭은 측정 결과, 국내 wibro 대역 (\( 2,300 \sim 2,390 ~ \mathrm{MHz} \)) 과 WLAN 대역(IEEE 802.11b/g/n: \( 2,400 \sim 2,480 ~ \mathrm{MHz} \), IEEE 802.11a : \( 5150 \sim 5,825 ~ \mathrm{MHz}) \) 그리고 국외 Mobile Wimax 대역(802.16e: \( 2,500 \sim 2,690 ~ \mathrm{MHz} \), \( 3,400 \sim 3,600 ~ \mathrm{MHz} \)) 을 모두 포함한다.</p><p>그림 10 은 각 통신 대역의 중심 주파수에서 제작된 안테나의 \( \mathrm{XY} \) 평면, \( \mathrm{YZ} \) 평면, 그리고 \( \mathrm{XY} \) 평면 상의 총 이득 패턴(E total)을 측정한 결과를 보여주고 있다. 측정은 충북 오창읍 충북 테크노파크 소재의 (주)맥테크놀로지 사의 전자파 무반사실에서 측정하였다. 이 그림 10 에서 보듯이 모든 대역에서 전 방향성 특성을 가지는 것을 확인할 수 있다. 표 2 에서는 각 대역별로 측정된 안테나의 효율과 평균 이득 그리고 최대 이득 값을 보여주고 있다. 제작된 안테나는 전 대역에서 평균 이득 \( -2.22 \sim-1.25 ~ \mathrm{dBi} \), 최대 이득 \( 2.86 \sim 4.01 ~ \mathrm{dBi} \) 의 이득을 가짐을 알 수 있다. 표 2 에서 보듯이 \( 3,500 ~ \mathrm{MHz} \) 대역의 효율이 나머지 대역에 비해서 낮게 나왔는데, \( 3 ~ \mathrm{GHz} \) 대역은 안테나 자체에서의 임피던스 매칭이 아닌 그라운드 스텝에 의해 매칭되었기 때문이라고 판단된다.</p><table border><caption>표 2. 제작된 안테나의 이득 측정 결과</caption><tbody><tr><td>Freq.[\( \mathrm{MHz} \)]</td><td>Eff[\( \% \)]</td><td>Avg.[\( \mathrm{dBi} \)]</td><td>Peak[\( \mathrm{dBi} \)]</td></tr><tr><td>2,345</td><td>75.02</td><td>\( - \)1.25</td><td>4.01</td></tr><tr><td>2,450</td><td>75.84</td><td>\( - \)1.2</td><td>3.52</td></tr><tr><td>2,600</td><td>74.42</td><td>\( - \)1.28</td><td>3.1</td></tr><tr><td>3,500</td><td>59.99</td><td>\( - \)2.22</td><td>2.86</td></tr><tr><td>5,200</td><td>70.93</td><td>\( - \)1.49</td><td>3.62</td></tr></tbody></table>	제작한 안테나의 유전율은 어떤 값을 갖나요?	4.4
{ "answer_type": "다지선다형", "context_id": "86fe4aad-e521-49fe-bfed-0777771c8f1d", "field": "인공물", "question_id": "7b5229c9-3b86-4ed5-8825-83b4a4ae5d55" }	<h1>II. 안테나 구성 및 설계</h1><p>제안된 안테나의 구조는 그림 1 과 같다. 안테나 설계에 사용된 기판은 유전율 4.4를 가지고 두께가 \( 0.8 \mathrm{~mm} \) 인 FR-4 기판이며, 실제 단말기 사이즈를 고려하여 \( 45 \mathrm{~mm} \times 90 \mathrm{~mm} \) 크기의 기판을 이용하여 설계하였다. 급전은 마이크로스트립 선로를 이용하여 급전하였다. 그림 1 는 제안된 안테나의 전체 구조를 보여주고, 그림 1(b)와 1 (c)는 각각 제안된 안테나의 윗 면과 아랫 면을 보여준다. 그림 1(b)와 1 (c)에서 보듯이 모노폴 안테나는 기판의 윗 면에 위치하고, 기생 소자와 그라운드는 기판의 아랫 면에 위치한다. 그리고 기생 소자와 그라운드를 연결하는 미앤더 선로가 위치하는데, 이 얇은 미앤더 선로를 통해 그라운드로 전류가 흐르게 된다.</p><p>이를 통해 전자기 소스인 전류가 그라운드에 흐르면서 방사체 역할을 하게 되고, 이 전류의 변화가 안테나의 공진 주파수, 그리고 대역폭의 변화를 가져온다. 또한, 모노폴 안테나의 우측 아랫 면에 위치한 그라운드 스텝 변화를 통해 특정 대역의 대역폭을 개선할 수 있다. 따라서 본 안테나 설계에서는 기본 모노폴 안테나와 기생 소자간의 영향, 기생 소자와 그라운드를 연결한 미앤더 선로의 길이, 그리고 그라운드 스텝 변화에 따라 각각 특성을 확인하고 최적의 변수 값을 제시하였다.</p><h2>2-1 기본 모노폴 안테나와 기생 소자에 따른 변화</h2><p>그림 2에서는 기생 소자가 없는 상태에서 사각 모노폴 안테나의 구조 및 변수를 나타내었다. 안테나는 \( 50 ~ \mathrm{ohm} \) 마이크로스트립 선로를 통해 급전되며 (선로폭: \( 1.5 \mathrm{~mm} \)) \( \mathrm{L} = 8.5 \mathrm{~mm}, \mathrm{W} = 6 \mathrm{~mm}, \mathrm{Gap} = 2 \mathrm{~mm} \) 의 값을 이용하여 설계하였고, 시뮬레이션한 반사 손실 결과를 그림 3 에 나타내었다.</p><p>그림 3 에서 나타낸 것처럼 기준 안테나의 중심 주 파수는 \( 5 ~ \mathrm{GHz} \) 이고 \( -10 \mathrm{~dB} \) 대역폭은 \( 3.8 \sim 6.7 ~ \mathrm{GHz} \), 약 \( 2.9 ~ \mathrm{GHz} \) 의 대역폭을 가진다. 기준 안테나보다 낮은 주파수에서의 동작을 위하여 기생 소자를 추가하여 실험하였다. 기생 소자는 모노폴 안테나를 기준으로 왼쪽 하단(그라운드와 동일한 평면)에 위치시켰다. 기준 모노폴 안테나에서 기생 소자를 추가한 모습을 그림 4에 나타내었다.</p><p>그림 4에서 기생 소자의 크기는 \( 6 \mathrm{~mm} \times 8.5 \mathrm{~mm} \) 이고, 선로의 길이 변화에 따른 반사 손실 변화를 실험하기 위하여 기생 소자와 안테나의 \( \mathrm{y} \) 축으로의 간격은 임의로 \( 0.5 \mathrm{~mm} \) 로 고정하였다. 그리고 기생 소자와 그라운드는 폭 \( 0.2 \mathrm{~mm} \) 인 얇은 선로를 이용하여 연결하였으며, 선로를 통하여 높은 인덕턴스 값의 발생과 동시에 그라운드로의 전류 흐름을 유도한다. 이 얇은 선로의 길이 변화에 따른 반사 손실 변화를 확인하였으며, 선로 길이가 \( 11 \mathrm{~mm} \) 일 때 주파수 \( 2.45 ~ \mathrm{GHz} \) 에서의 안테나의 전류 분포를 그림 5 에 나타내었다.</p><p>그림 5 는 미앤더 선로의 길이 변화에 따른 반사 손실을 보여주고 있다.</p><p>그림 5 에서 보듯이 미앤더 선로가 아닌 일직선(턴 수 0 , 길이 \( 2 \mathrm{~mm} \)) 으로 연결했을 때부터 미앤더 턴 수를 4회, 길이 \( 14 \mathrm{~mm} \) 까지 늘려가면서 안테나의 반사 손실을 확인하였는데, 그 결과 미앤더 턴 수(길이)가 증가할수록 동작 주파수가 낮아짐과 동시에 \( 4 \sim 5 ~ \mathrm{GHz} \) 대역의 반사 손실 특성 또한, 개선되는 것을 확인하였다.</p><h2>2-2 그라운드 스텝 효과에 의한 반사 손실 특성 개선</h2><p>그림 5 의 그래프에서 \( 2 ~ \mathrm{GHz} \) 대역과 \( 4 \sim 5 ~ \mathrm{GHz} \) 대역에서는 \( -10 \mathrm{~dB} \) 이하의 반사 손실 값을 가지나 \( 3 ~ \mathrm{GHz} \) 대역에서의 반사 손실 특성은 \( -10 \mathrm{~dB} \) 이하로 충분히 확보되지 않은 상태이다. \( 3 ~ \mathrm{GHz} \) 대역에서의 안정적인 대역폭 확보와 전체적으로 광대역 특성을 얻기 위해 그라운드 스텝 효과를 추가하였고, 그라운드 스텝까지 추가된 안테나의 구조를 그림 6에 나타내었다. 그라운드 스텝은 기준 안테나의 오른쪽 하단에 계단형 모양으로 위치시켰다. 안테나와 스텝의 \( \mathrm{y} \) 축으로의 간격은 \( 0.5 \mathrm{~mm} \) 로 고정한 상태에서 그림 1(c)의 그라운드 스텝 높이 변수 \( \mathrm{Step\_h} \)의 값을 변화시키면서 반사 손실 특성을 확인하였다.</p><p>그라운드 스텝 높이 변화에 따른 반사 손실 변화를 그림 7에 나타내었다. 그라운드 스텝을 추가함으로써, 그라운드를 따라 흐르는 전류의 경로와 길이를 조절함에 따라 좋은 임피던스 매칭 효과를 가져온다.</p><p>그림 1(c)의 그라운드 스텝 높이 변수 \( \mathrm{Step\_h} \)의 값을 변화시키면서 반사 손실 특성을 확인한 결과, 스텝 높이가 커질수록 \( 3 ~ \mathrm{GHz} \) 대역의 반사 손실 특성이 개선됨을 보여주었다. 하지만 \( 4.5 \mathrm{~mm} \) 이상으로 커지게 되면 \( 5 ~ \mathrm{GHz} \) 이상에서는 대역폭 확보가 되지 않음을 확인하였고, 보다 넓은 광대역 특성을 얻기 위해서는 그라운드 스텝 높이와 함께 앞에서 설명한 기생 소자와 그라운드를 연결한 미앤더 선로의 길이를 조절하여 최적의 결과를 가져오는 변수를 선택해야 한다.</p><p>표 1 에서는 시뮬레이션을 통해 얻은 최적 값에 따른 설계 변수의 값을 제시하였다. 사각 모노폴 안테나와 기생 소자의 크기는 동일하며, 안테나 소자의 급전부와 하단 그라운드의 \( \mathrm{X} \) 축 간격(gap)과 기생 소자와 그라운드 사이 간격 역시 동일하다. 변수 \( \mathrm{a}, \mathrm{b}, \mathrm{c} \) 의 값을 고정한 상태에서 턴 수를 맞추고, \( \mathrm{c} \) 값을 조절하면서 가장 넓은 대역폭을 갖는 설계 변수를 선택할 수 있다.</p><table border><caption>표 1. 최적화된 안테나 설계 변수</caption><tr><td>Parameter</td><td>Value(\( \mathrm{mm} \))</td><td>Parameter</td><td>Value(\( \mathrm{mm} \))</td></tr><tr><td>\( \mathrm{L} \)</td><td>8.5</td><td>\( \mathrm{c} \)</td><td>1.3</td></tr><tr><td>\( \mathrm{W} \)</td><td>6</td><td>\( \mathrm{d} \)</td><td>0.8</td></tr><tr><td>\( \mathrm{a} \)</td><td>1.5</td><td>\( \mathrm{e} \)</td><td>0.7</td></tr><tr><td>\( \mathrm{b} \)</td><td>0.9</td><td>\( \mathrm{Step\_h} \)</td><td>3.5 \( \mathrm{mm} \)</td></tr></tbody></table>	50 ohm 마이크로스트립 선로를 통해서 안테나 급전이 될 때 선로폭은 얼마이지?	\( 1.5 \mathrm{~mm} \)
{ "answer_type": "정답경계추출형", "context_id": "a8cfe0c2-078d-4c07-9c3e-7f8373f98c50", "field": "인공물", "question_id": "266b87cd-0885-420f-a1e7-99cf01f1deb1" }	<h1>II. 안드로이드 부팅 및 CPU주파수 정책 분석</h1><h2>1. 안드로이드 부팅 분석</h2><h3>가. 부트 프로세스 분석 방안</h3><p>멀티코어 환경에서의 성능 향상 방법은 어떠한 작업단위에 병렬 기법을 적용하는 것이 대표적으로 쓰레드, fork()함수를 통한 프로세스 복사 등이 있다. 병렬기법은 프로세스 내의 연산 영역을 독립적으로 분할하여 각 코어에서 동시연산을 수행하는 것으로, 반복된 연산 영역이 많은 프로그램에 적용할 경우에 효율성이 높다. 만약 부팅 과정 중 특정 프로세스에 연산이 많아지게 되면 전체 부팅 시간에 영향을 주게 된다. 이러한 프로세스에 병렬 기법의 적용을 통해 전체 부팅시간의 감소 효과를 볼 수 있다. 따라서 병렬 처리가 가능한 구간이나 프로세스를 먼저 선정하는 것이 필요하다.</p><p>부트 프로세스의 분석은 그림1과 같이 먼저 멀티 코어기반의 임베디드 보드에 부트 프로세스 분석 도구를 이식 한 후 부팅을 시작한다. 부팅 중에는 분석 도구에 의하여 활성중인 프로세스들의 정보들을 모으고 있으며, 부팅이 완료 된 후엔 모은 데이터들을 raw 데이터로 저장한다. 이 raw데이터는 PC 환경으로 옮겨진 후 분석 도구의 시각화 기능을 사용하여 이미지 파일로 만드는 과정을 거친다. 그 후 이미지파일을 통해 병렬 처리가 가능한 구간이나 프로세스를 선정하는 과정을 거친다.</p><p>이 분석 방안에서는 Bootchart라는 도구를 사용한다. Bootchart는 GNU/리눅스 등의 OS의 부트 프로세스의 성능 분석 및 시각화를 위한 도구로서 부팅과정 중 소요된 자원 활용 및 프로세스 정보를 수집하는 데이터 로거 유틸리티와 시스템 자원 활용에 대한 정보를 PNG, SVG 등과 같은 그림 파일형태로 제공해주는 시각화 유털리티를 포함하고 있다. Bootchart의 데이터 로거는 init프로세스 대신 실행되며 백그라운드에서 동작하여 proc 파일 시스템에 있는 CPU 통계, CPU I/O 와 Idle 시간, 디스크 활용, 모든 활성 프로세스 관련 정보 등을 주기적인 간격으로 샘플링 하는 프로파일러이다. 샘플링을 거쳐 얻게 된 미 가공 데이터는 Bootchart에 포함된 시각화 유틸리티를 사용하여 부팅 로그 정보 이미지 파일로 형성하는데 아래 그림2와 같은 차트 및 그래프 형태의 3가지 구성요소로 표현된다.</p><p>그림2의 ①은 해당 부팅 구간의 CPU 상태로 CPU 사용량(푸른색)와 I/O (붉은색), Idle을 나타내고 있고, ②는 해당 부팅 구간에서의 디스크 사용량에 대한 정보를 나타넨다. 마지막 ③은 부팅 시 모든 활성 프로세스의 관련 정보와 해당 프로세스의 사용량을 나타낸다.</p><h3>나. 안드로이드 부트 프로세스 분석</h3><p>병렬 처리 구간이나 프로세스를 선정하기 위해 듀얼 코어 S5PV310과 쿼드 코어 Exynos4412에 Bootchart를 적용하여 그림 3 와 같은 결과를 얻었다.</p><p>Bootchart의 결과를 보면 두 보드의 부팅 흐름이 비슷한 양상을 보이고 있고, 공통적으로 Zygote라는 프로세스에서 CPU의 사용량이 많다는 것을 알 수 있었다. Zygote 프로세스는 전체 부팅 시간 중 평균 \( 25^\sim 26 \% \) 정도를 차지하고 있다.</p><p>Zygote프로세스는 안드로이드 어플리케이션을 빠르게 구동하기 위해서 미리 fork되어있는 프로세스로 시스템에서 exec() 호출을 통해 특정 어플리케이션을 실행하고자 하기 전까지는 중립적인 상태를 유지한다. Zygote프로세스는 그림 4 와 같이 네 가지의 기능들로 구성되어 있으며 각각의 기능에 따른 함수들이 구현되어 있다. Socket Binding은 새로운 어플리케이션의 실행 요청을 수신하는데 쓸 소켓을 바인딩 한다. Preload는 어플리케이션 프레임워크에 포함된 클래스와 자원을 메모리에 적재시킨다. System Server는 Package Manager Service, Activity Manager Service, Location Manager Service등과 같은 자바 시스템 서비스들을 실행한다. 마지막으로 Loop는 새로운 안드로이드 어플리케이션의 생성 요청을 받으면 이를 처리한다.</p><p>이 내부 함수들의 시간 측정 결과 preload()에서 \( 77.85 \% \sim 85.70 \% \) 로 가장 높은 비율을 차지한다는 것을 알 수 있었다. Preload()는 세부적으로 frameworks /base/preload-classes에 담겨있는 약 2300 여 가지의 클래스들을 적재하는 preloadClasses()와 문자열, 레이아웃, 색, 이미지, 사운드 등의 리소스들을 적재하는 preloadResource()를 차례대로 호출한다. 따라서 클래스들과 리소스를 적재하는 내용이 많을수록 시간이 비례하게 증가한다.</p>	그림2와 같은 차트 및 그래프에서 3가지 구성요소로 표현이 되는데 ③이 나타내는 것은 무엇인가?	부팅 시 모든 활성 프로세스의 관련 정보와 해당 프로세스의 사용량
{ "answer_type": "정답경계추출형", "context_id": "b11b5651-37d6-4adc-90af-f7f7b8850ad3", "field": "인공물", "question_id": "98310124-58a9-41c4-997e-7cc72ead764e" }	<h2>2. CPU주파수 정책 분석</h2><h3>가. 임베디드 기기의 성능과 저 전력 기법</h3><p>임베디드 기기나 데스크 탑 프로세서의 클럭 주파수는 시스템의 성능에 매우 많은 영향을 차지하고 있다. 주파수가 높을수록 성능이 증가하지만 전력소모 또한 증가하기 때문에 임베디드 기기에서는 항상 높은 성능만을 내기엔 어려움이 있다. 따라서 이러한 문제를 해결하기 위한 대표적인 저 전력 기법으로 DVFS(Dynamic Voltage and Frequency Scaling)가 있다. 이 기법은 프로세서의 클럭 주파수와 전압을 조정함으로써 열과 에너지 사용량을 줄이는 방식이다.</p><p>리눅스에서는 DVFS가 적용된 모듈인 CPUfreq governor가 쓰이고 있다. 이 모듈은 리눅스 2.6 버전 이후부터 내장되어 사용되고 있으며 리눅스 커널 내에 CPU의 부하에 따라 주파수를 동적으로 할당하여 전력 효율을 올린다. CPUfreq governor는 아래 그림5 와 같이 크게 3 부분으로 나눌 수 있다.</p><p>CPU-specific driver는 CPU의 주파수를 직접 제어하고, CPUfreq module은 CPU-specific driver와 CPUfreq governor사이를 연결하며 독립적으로 동작 해주도록 지원한다. CPUfreq governor는 CPUfreq module을 통해 CPU 주파수를 현재 상황에서 얼마큼 주파수를 변경할지에 대한 정책을 가지고 있다. 리눅스에서는 다양한 정책을 구현하여 사용자의 요구에 따라 사용할 수 있도록 지원한다. 일반적으로 6 가지의 정책을 사용하며 그 내용은 다음 표1과 같다.</p><p><table border><caption>표 1. CPUfreq governor 정책의 종류</caption><tbody><tr><td>정책</td><td>특징</td></tr><tr><td>performance</td><td>최대 주파수로 동작</td></tr><tr><td>on-demand (default)</td><td>부하에 따라 주파수 변경 - 임계치 ⭡ : 최대 - 임계치 ⭣ : 단계별 하향</td></tr><tr><td>interactive</td><td>on-demand 개선 정책 고정 시간에 따라 부하 판단</td></tr><tr><td>conservative</td><td>on-demand 변형 정책 - 임계치 ⭡ : 단계별 상향 . 임계치 ⭣ : 단계별 하향</td></tr><tr><td>powersave</td><td>최소 주파수로 동작</td></tr><tr><td>userspace</td><td>user영역의 프로그램에 의해 사용자 가 임의로 조정 가능</td></tr></tbody></table></p><h3>나. 안드로이드 부팅 시 CPU 주파수 변화</h3><p>안드로이드는 리눅스의 CPUfreq governor가 기본적으로 on-demand정책을 사용하고 있기 때문에 안드로이드 또한 이 방식으로 동작한다. 부팅 중 on-demand정책을 사용한 CPU 주파수 수치 흐름을 측정해본 결과 아래 그림6과 같은 그래프로 표현되었다.</p><p>CPU 부하가 많을 경우 주파수가 높은 반면 CPU 부하가 적을 경우 주파수가 낮아지게 되는 지그재그 형태를 보였으나 평균값을 비교하였을 땐 부팅 시작부터 종료 시점까지 점차 주파수가 내려가는 것을 확인할 수 있었다. 이러한 현상의 이유는 그림 4 의 Bootchart에서 CPU의 I/O시간이나 idle시간이 많아 짐에 따라 CPU 부하가 없기 때문에 on-demand 정책 특성상 주파수가 내려간다고 볼 수 있다. 따라서 CPU 부하 측정치가 상향 임계점을 넘어가기 전까지 낮은 주파수로 동작하기 때문에 부팅속도에 영향을 준다.</p>	리눅스에서는 DVFS가 적용된 모듈인 무엇이 쓰이는가?	CPUfreq governor
{ "answer_type": "정답경계추출형", "context_id": "71f392d8-512b-4beb-bea0-0ba6eb455f1e", "field": "인공물", "question_id": "02a44427-e887-4cc1-a734-29a10bec5bff" }	<h1>Ⅳ. 실험 및 고찰</h1><h2>1. 실험 환경</h2><p>실험 환경은 (주)삼성전자 듀얼 코어 S5PV310과 (주)삼성전자 쿼드 코어 Exynos4412를 탑재한 보드를 사용하였다.</p><h2>2. 부팅 시간 측정</h2><p>실험에 사용한 두 보드에 충 4 가지 방법(기본 부팅, Zygote프로세스만 병렬처리 했을 경우, CPU 주파수 정책만 변경했을 경우, 두 가지 방법을 모두 사용했을 경우)을 5 번에 걸쳐 부팅 시간을 측정하였다.</p><p>듀얼 코어의 경우 Zygote 병렬 처리만 적용하였을 경우 약 \( 17.65 \%, \) CPU 주파수 정책을 변경했을 경우 \( 10.08 \% \), 둘 다 적용했을 경우 \( 20.71 \% \) 의 성능 향상을 보였다. 쿼드 코어는 Zygote 병렬 처리만 적용하였을 경우 약 \( 10.52 \%, \) CPU 주파수 정책을 변경했을 경우 \( 22.11 \% \), 둘 다 적용했을 경우 \( 31.34 \% \) 의 성능 향상을 보였다. Zygote의 병렬처리의 경우 두 보드의 안드로이드 버전이 다르기 때문에 성능 향상이 다르게 나타나고 있고 CPU 주파수 정책 부분은 각 코어의 CPU 주파수 수치를 최대로 증가시키기 때문에 듀얼 코어보다 퀴드 코어에서 약 2 배 이상의 성능향상 결과를 얻었다.</p><h1>V. 결론</h1><p>본 논문에서는 멀티코어 기반의 임베디드 시스템에서 안드로이드 부팅 속도 향상방법을 제안하였다. 듀얼 코어와 쿼드 코어 보드에 제안 방법을 적용한 결과 각각 \( 20.71 \%, 31.34 \% \) 의 성능향상을 보였다. 측정된 부팅 시간을 보면 제안 방법을 독립적으로 적용한 부팅 시간의 합이 두 가지 방법을 모두 적용했을 때의 부팅 시간과 비슷하다는 것을 알 수 있다. 이 결과는 하나의 적용방식이 다른 적용방식에 영향을 주지 않고 독립적으로 적용되었다는 것을 입증한다.</p><p>제안하는 부팅 속도 향상 방법은 안드로이드 버전에 상관없이 적용이 가능한 기술이며 적용범위에 비해 높은 성능향상을 가져오고 있다. 나아가 이 방법 은 시스템 전체를 기준으로 본다면 극히 일부분에 불과하다. 따라서 안드로이드 시스템 측면뿐만 아니라 기존 기술에 적용되어 왔던 최적화가 함께 이루어진다면 더 빠른 속도 향상을 가져올 것이다.</p>	듀얼코어에서 Zygote 병렬처리만 적용했을 때 약 몇 %의 성능 향상을 보였나요?	약 \( 17.65 \%, \)
{ "answer_type": "정답경계추출형", "context_id": "5f107ccd-05f4-4c44-9822-bf1605878356", "field": "인공물", "question_id": "d99fadcc-d17f-4f31-83df-91626abe2404" }	<h1>III. 본 논문의 병렬 기법 적용 및 CPU주파수 정책</h1><h2>1. 병렬 기법 적용</h2><p>Preload함수의 앞서 설명한 대로 preloadClasses() 함수와 preloadResource() 함수를 차례대로 호출하는 구조를 가지고 있다. 이 두 가지의 함수 흐름에 병렬 기법을 적용하는 방법으로 fork()와 thread가 있다. Zygote는 자바 언어로 만들어져 있기 때문에 사용하기엔 간편하나 자바 특성상 가상 머신에서 동작을 하기 때문에 실행 환경이 가볍지 않다는 단점이 있다. 따라서 오버혜드를 줄이기 위해 JNI를 사용하여 fork()함수를 호출하는 방법을 구현하고 이를 Zygote 프로세스에서 사용하도록 하였다.</p><p>그림7과 같이 preload의 preloadResource()는 부모 프로세스의 pid를 가지고 있어 기본적인 preload의 호출 구조와 동일하다. preloadClasses()의 경우 자식 프로세스에서 동작하기 위해 fork()를 호출해야 한다. 하지만 fork()는 따로 C라이브러리에만 존재하고 따로 선언이 되어 있지 않기 때문에 안드로이드 빌드 전 JNI NativeMethods 구조체에 호출하려는 callfork와 C라이브러리의 fork()를 연결시켜야 한다. 연결이 등록되면 callfork와 연결된 fork()가 호출되어 자식 프로세스를 생성하고 이 프로세스에서 preloadClasses()를 처리하게 된다.</p><h2>2. CPU주파수 정책</h2><p>기존 정책의 속도 저하 현상을 해결하기 위하여 기존 on-demand방식을 최대 성능의 정책인 performance와 on-demand를 혼합한 형태로 변경하였다. 변경된 정책의 흐름은 그림8과 같다.</p><p>보드가 부팅을 시작한 뒤 CPUfreq governor의 정책은 맨 처음 performance로 설정된다. 그 후 부팅완료 후에는 사용자영역에서 CPU 주파수 정책을 기존의 on-demand로 변경하게 된다. CPUfreq governor의 정책은 커널 빌드 시에 고정되고 커널영역에서 관여하기 때문에 사용자영역에서 접근하기 위해 system call을 사용해야 한다. 따라서 그림8의 1~2 번과 같이 CPUfreq governor의 on-demand정책에 performance의 부분을 추가 하고 정책의 변경을 위해 사용자영역의 governor_change()와 커널영역의 gov_syscall()을 생성해주었다.</p>	preload의 preloadResource()는 무엇을 가지고 있나요?	pid
{ "answer_type": "Yes/No 단문형", "context_id": "07d83315-edd1-4b63-82c2-89641ab6a83c", "field": "인공물", "question_id": "569ed7ab-b88d-4925-83fe-b4e92d274156" }	<h1>요 약</h1><p>현재 임베디드 기기는 멀티코어로 급성장하고 있으며 빠른 부팅 속도를 요구하고 있다. 하지만 기존의 부팅 기술은 하나의 코어만을 사용하고 있다. 따라서 본 논문에서는 분석 도구를 통해 안드로이드 부트 프로세스를 분석 후, CPU 연산이 많은 곳에 병렬 기법을 적용하는 방법과 멀티 코어의 성능을 최대로 끌어내기 위해 CPU 주파수 정책을 변경함으로써 멀티코어 기반에서 안드로이드 부팅 속도 향상 방법에 대해 제안한다. 본 논문의 제안 방법을 듀얼 코어 S5PV310과 쿼드 코어 Exynos4412에 각각 적용시킨 뒤 부팅 완료 시간을 측정하였으며 기존의 방법과 제안 방법의 시간을 비교한 결과 듀얼코어와 쿼드코어에서 각각 약 \( 20.71 \% \), 약 \( 31.34 \% \) 의 속도 성능향상을 가져왔다.</p>	임베디드는 느린 속도를 요구하고 있나요?	NO
{ "answer_type": "정답경계추출형", "context_id": "af046bac-f40b-4eba-b38d-3ea0a0ec3f39", "field": "인공물", "question_id": "baa3a840-489a-4581-96db-7b7344f6ff83" }	<h1>I. 서론</h1><p>스마트 폰과 스마트 TV, 디지털 카메라, 내비게이션, 차량용 블랙박스 등과 같은 다양한 임베디드기기는 우리의 실생활에서 흔히 접할 수 있을 정도로 범용화 되어있고 생활하는데 없어서는 안될 만큼 현대인의 필수품으로 자리 잡고 있다. 이렿게 매년 임베디드기기 시장이 증가 될수록 기기 안에 탑재되는 소프트웨어는 요구사항이 많아짐에 따라 규모가 점점 커지고 있으며 이에 따라 프로세서가 처리할 내용도 많아지고 있다. 이 때문에 처음 시스템을 초기화 하는 과정인 부팅작업 또한 늘어나고 있는 실정이다. 이러한 임베디드기기의 부팅 속도의 지연현상은 항상 이슈로 부각되어 왔고 부팅지연 문제를 해결하기 위한 최적화 기술은 제품의 경쟁력을 강화하는 중요한 요소로 자리매김하고 있다. 이러한 최적화 기술은 해를 거듭 할수록 발전하고 있지만 대부분 리눅스 환경을 기준으로 적용된 기술이 주를 이루고 있으며, 최근 몇 년 전부터 사용량이 급격하게 증가한 안드로이드 환경에서 적용된 사항은 아직 미흡한 형태이다. 또한, 현재 출시되고 있는 임베디드기기에서는 대부분 멀티 코어 아키텍처를 채택하였지만 순차적인 부팅 흐름의 한계에 부딪혀 싱글 코어와 동일한 수준으로 부팅을 수행하고 있다.</p><p>본 논문에서는 기존 기술에서 고려하지 않았던 멀티 코어환경에서 안드로이드의 부팅 속도 향상 방법에 대해 제안한다. 제안방법은 기존 부트 프로세스를 분석한 뒤 속도 저하 요인을 찾고 해당 프로세스에 병렬 기법을 적용하는 방법과 기존의 CPU 주파수 정책을 변경하는 방법으로 구분된다.</p>	본 논문에서는 스마트 폰과 스마트 TV, 디지털 카메라, 내비게이션, 차량용 블랙박스 등과 같은 어떤 기기에 대해 연구하고자 하는가?	임베디드기기
{ "answer_type": "다지선다형", "context_id": "7347ec00-825e-4f5a-b270-5d056a140db8", "field": "인공물", "question_id": "d7af5447-5bae-4974-b2d2-0fcc19f53286" }	<h1>3. 실험 및 고찰</h1><h2>3.1 실험</h2><p>구현한 시스템은 다양한 액화가스 저장탱크 중에서도 \( \mathrm{LCO}_{2} \) 탱크에 적용하여 가능성(feasibility)을 검증하였다. 실험에 사용한 저장탱크는 용량 \( 16,179 l \) 및 내경 \( 1,920 \mathrm{mm} \)이고, 의 밀도는 \( 1.03 \mathrm{g} / l \) 이다. Table 1은 수주밀리미터 단위의 \( \mathrm{LCO}_{2} \) 액면 높이 대비 기존 저장 탱크 공급업체에서 제공하는 참조 데이터와 측정 데이터를 비고한 것이다. 측정 데이터는 실제적으로 \( 100\mathrm{mm}\mathrm{H}_{2} \mathrm{O} \) 간격으로 측정을 수행하였으며, 200회 측정 후 상위 \( 25 \% \)와 하위 \( 25 \% \)데이터 값을 제거하고 나머지 100회 데이터의 평균값으로 구한 것이다.</p><h2>3.2 결과 및 고찰</h2><p>측정한 결과 탱크 공급업체에서 제공하는 표준 데이터와 거의 유사한 특성을 보였고, 오차 범위 \( 0.03 \% \) 내의 높은 정확도와 신뢰성을 가짐을 확인하였다. 다음 결과로 산업용 가스저장 탱크를 모니터링하기 위한 제어시스템으로 적용 가능할 것으로 판단되며, 향후 인터넷 통신을 통한 주요 모니터링 시스템 및 모바일 시스템과의 연동이 가능할 것으로 예상된다.</p>	높은 정확도와 신뢰성을 가짐을 확인한 오차 범위는 몇 퍼센트지?	\( 0.03 \% \)
{ "answer_type": "정답경계추출형", "context_id": "7847cb9f-5bbc-48c2-90d8-4e7a83189576", "field": "인공물", "question_id": "ac787ac4-1fd2-4c6b-aba9-3169f20cc26a" }	<h1>1. 서 론</h1><p>IoT기술, 유·무선 통신 및 데이터처리 기술 등의 발달은 온라인 정보통신 기술이 오프라인 산업 현장에 적용되는 혁신적 변화를 가져왔다. 오프라인 산업 생산 시설에 통신 기술을 적용하고 스마트 플랫폼을 기반으로 IoT 융합 기술을 산업현장에 적용하면서 산업인터넷 (Industrial Internet)이란 기술 분야가 등장였으며, 산업인터넷 컨소시엄이 구축되면서 적용 범위가 점차 확대되고 있다. 또한, 스마트 공장과 예측수리가 가능한 스마트 시스템은 제조 라인의 생산력 및 편의성, 안전성을 극대화 할 수 있는데 관련 스마트 융합 기술들을 오프라인 제조공장인 산업 현장에 적용하면서 장치산업에 다양한 변화와 혁신을 가져왔다.</p><p>여기서 다루게 될 특수가스 분야 또한 최근까지 반도체 산업 및 디스플레이 산업, ICT 융합 전자 산업 등 관련 분야의 지속적인 성장에 의해 수요가 증가하고 있는 실정이며, 현 산업 기술 수준에 맞춰 설비의 업그레이드를 요구하고 있다. 특히, 액화가스 저장용기인 탱크의 경우 취급 중에 발생할 수 있는 안전사고로 인해 인적이 드문 곳에 설치되고 있는 상황이며, 액화가스 저장탱크에 부착된 아날로그 방식의 압력계와 액면계는 측정 정확도가 높은 고가의 장비임에도 작업자의 상태 및 숙련도에 따라 부정확한 가스 잔량 측정이 이루어지는 경우가 많았다.</p><p>본 논문에서는 무선 센서 네트워크 기술을 사용하여 산업현장 위험지역에서 작업자들의 안전을 확보하고, 실시간 모니터링을 통해 작업의 효율 및 작업자의 편의를 높이기 위한 시스템을 제안하고자 한다. 구현할 시스템은 산업용 액화가스 저장용 탱크에 부착할 센서부와 송신 모듈 및 수신 모듈로 구성된다. 여기서 센서부는 정밀한 측정을 위해 차압센서를 사용하고 탱크 외부에 설치된 송신 모듈로 데이터가 수집되도록 한다. 수집된 데이터는 무선통신 방식으로 송신 모듈에서 수신 모듈로 데이터가 전달이 되고 네트워크 연결에 의해 모니터링 시스템으로 전송되도록 한다, 최종적으로는 인터넷 통신을 통해서 공급자가 어디에서든 데이터 정보에 대한 모니터링이 가능하도록 구축하는데, Fig. 1은 잔존 가스량을 모니터링하기 위한 시스템의 전체 개략도를 보여준다.</p>	산업인터넷 (Industrial Internet)의 적용 범위는 무엇이 구축되면서 확대되었지?	산업인터넷 컨소시엄
{ "answer_type": "Yes/No 단문형", "context_id": "97ac7ce3-6582-4c48-8b1b-f000f45b896d", "field": "인공물", "question_id": "7ea22c32-9c54-4c71-a986-431338dd564d" }	<h1>4. 결 론</h1><p>오늘날 IoT기술, 유·무선 통신 및 데이터처리 기술 등의 발달은 오프라인 산업 현장에도 혁신적 변화를 가져왔다. 특히 스마트 공장과 예측수리가 가능한 스마트시스템은 제조 라인의 생산력 및 편의성, 안전성을 극대화하고 관련 스마트 융합 기술들을 제조공장에 적용하면서 다양한 장치산업에 변화와 혁신을 가져왔다.</p><p>본 논문 내용은 최근까지 반도체 산업 및 디스플레이 산업, ICT 융합 전자 산업 등 관련 분야의 지속적인 성장에 의해 수요가 증가하고 있는 특수가스 분야에서 액화가스 저장 탱크를 모니터링 하기 위한 기술에 관한 것이다. 취급 중에 발생할 수 있는 안전사고로 인해 인적이 드문 곳에 설치되고 있는 상황이며, 가스저장 탱크에 부착된 아날로그 방식의 압력계와 액면계는 측정 정확도가 높은 고가의 장비임에도 작업자의 상태 및 숙련도에 따라 부정확한 가스 잔량 측정이 이루어지는 경우가 많았다. 따라서 무선 센서 네트워크 기술을 사용하여 실시간 모니터링을 수행하기 위한 시스템을 제안하였고, 액화가스 저장용 탱크에 부착할 센서부와 송신 모듈 및 수신 모듈로 구성된 시스템을 구현 하였다.</p><p>본 시스템은 다양한 액화가스 저장탱크 중에서도 \( \mathrm{LCO}_{2} \) 탱크에 적용하여 가능성을 검증하였는데, 실험에 사용한 저장 탱크는 용량 \( 16,179 l \) 및 내경 \( 1,920 \mathrm{mm} \)이고, 의 밀도는 \( 1.03 \mathrm{g} / l \) 이였다. 이렇게 측정된 데이터는 기존 저장 탱크 공급업체에서 제공하는 수주밀리미터로 표기된 \( \mathrm{CO}_{2} \) 액면 높이 대비 가스 잔량에 대한 참조 데이터와 비교하여 적용 가능성을 평가하였다. 실험한 결과 탱크 공급업체에서 제공하는 표준 데이터와 거의 유사한 특성을 보였고, 오차 범위 \( 0.03 \% \) 내의 높은 정확도와 신뢰성을 가짐을 확인하였다.</p><p>여기에 확보된 데이터는 RF 무선 통신을 통해 수신 모듈로 전송하고, 네트워크로 연결된 수신 모듈을 통해 공급자가 인터넷 통신으로 어디서든 데이터 정보에 대한 모니터링 가능함을 확인하였다.</p>	오늘날 IoT기술, 유·무선 통신 및 데이터처리 기술 등의 발달은 오프라인 산업 현장에도 혁신적 변화를 가져왔습니까?	YES
{ "answer_type": "표정답추출형", "context_id": "e3211bf5-d482-4b04-9efe-b2bbd9d17fb2", "field": "인공물", "question_id": "8e1ae942-a5c5-4161-b198-ef61c656e3a6" }	<h1>Ⅲ. 실험 및 고찰</h1> <h2>1. Verilog-HDL 시뮬레이션</h2> <p>이 절에서는 제안된 구조를 HDL로 시뮬레이션하여 구조의 효과를 검증한다. H.264의 디블로킹 필터에 들어오는 입력데이터는 integer transform과 quantization 블록을 거쳐서 들어오게 된다. \( \mathrm{bS}=4 \)모드에서의 필터링 실험을 위하여 식 (1)조건식의 파라미터 \( \alpha \)와 \( \beta \)를 알아야한다. \( \alpha \)와 \( \beta \)는 표준안에서 정의된 임계값으로서, 다음과 같이 결정된다.</p> <p>\( \alpha(x)=0.8\left(2^{\frac{x}{6}}-1\right)\)<caption>(15)</caption></p> <p>\( \beta(x)=0.5 x-7 \)<caption>(16)</caption></p> <p>식 (15)와 (16)의 \(\mathrm{x}\)값은 각각 IndexA와 IndexB로 나타내며, 다음과 같이 구한다.</p> <p>IndexA \( =\mathrm{Min}(\mathrm{Max}(0, \mathrm{QP}+ \)Offset \( \mathrm{A}), 51)\)<caption>(17)</caption></p> <p>IndexB \( =\mathrm{Min}(\mathrm{Max}(0, \mathrm{QP}+ \)OffsetB \( ), 51)\)<caption>(18)</caption></p> <p>식 (17)과 (18)에서 사용되는 QP(quantization parameter)값은 quantization 블록에서 이미 구한 값이다. IndexA와 IndexB에 의해 결정되는 \( \alpha \)와 \( \beta \)를 Index 별로 유도하여 표로 나타내면 표 1 과 같다.</p> <p>또한 \( \mathrm{bS}=1 / 2 / 3 \)모드에서의 필터링 실험을 위하여 식 (10)과 (14)조건식의 파라미터 \( c_{1} \)과 \( c_{0} \)를 알아야한다. 먼저 \( c_{1} \)은 IndexA와 \( \mathrm{bS} \)값으로 결정되며 표 2와 같다. \( c_{0} \)파라미터는 \( c_{1} \)의 값을 근거로 하여 결정되는데 \(\mathrm{MB}\)이 luma Block이면 다음 조건에 따라 달라진다.</p> <p>\( \left\|p_{2}-p_{0}\right\|<\beta \\ \left\|q_{2}-q_{0}\right\|<\beta \)<caption>(19)</caption></p> <p>조건이 하나라도 참이면 \( c_{0} \)는 \( c_{1} \)에 1 을 더하고 둘다 참이면 2 를 더한다. 둘 다 거짓이면 \( c_{0}=c_{1} \)이 된다. \( \mathrm{MB} \)이 chroma 블록이면 \( c_{0}=c_{1}+1 \)이 된다.</p> <p>HDL시뮬레이션에 앞서 제안된 구조와 기본구조의 덧셈연산의 수를 비교해 보면 다음과 같다. 비교된 기존 구조는 \( \mathrm{bS} 4 \)필터는 식 (2)와 (3)을 직접 구현하는 경우이며, bS \( 1 / 2 / 3 \)필터는 식 (8)과 (9)를 직접 구현한 경우이다. 제안 구조는 기존 구조와 비교하여 표 3 과 같은 덧셈 연산의 감소를 달성하였다.</p> <p>표 3 은 이론적인 제안구조의 덧셈연산 감소이다. 따라서 그림 2 와 3 의 제안구조를 Verilog- HDL코딩하여 기존 구조와 비교한 결과를 표 4에 나타냈다.</p> <p>표 4는 제어 및 모드결정을 제외한 순수 필터부분의 HDL코딩 결과이다. Xilinx ISE 7.1i를 사용하여 합성하였고 Mentor Graphics사의 modelSim을 이용하여 시뮬레이션 하였다.</p> <p>표 4 에서 보듯이 디블로킹 필터에 대한 제안 구조의 코딩 결과 \( 24.9 \% \)의 게이트 카운트 감소효과를 얻을 수 있었다.</p> <p>디블로킹 필터는 필터회로와 제어 및 모드결정 (Control & mode select)회로로 구성되었으므로 전체 디블로킹 필터를 HDL로 코딩하여 제안구조의 게이트 카운트률 비교해보기로 한다. 그림 4는 디블로킹 필터의 HDL코딩을 위한 블록도이다. 제어 및 모드결정 블록은 조건에 따라 \( \mathrm{bS} \)의 값을 결정하는 블록이다. 또한 \( \mathrm{MB} \)단위로 입력된 데이터들의 해더를 분석하고 필터링에 필요한 \( \mathrm{p} \)배열과 \( \mathrm{q} \)배열을 재배열하여 다음 필터링에 사용 할 수 있도록 한다. 즉 수직 경계를 필터링 한 후 결과 값을 Memory 블록에 저장하고 있다가 수평 경계 필터링 할 때 사용되도록 제어한다.</p> <p>실험을 위한 데이터의 흐름은 그림 5와 같이 구성하였다. 즉, 그림 5에서 보듯이 8 개의 입력이 한 번에 필 터부에 들어가서 필터링 되고 필터의 출력 중 다음연산에 필요한 4 개의 출력은 피드백 되어 다시 필터로 들어가고 다른 4 개의 출력은 나중에 수평 경계 필터에 사용되기 위해 메모리에 저장된다. 메모리에 256 개의 데이터가 저장되면 수평방향 필터링이 시작되고 수평방향 필터링된 값은 최종 출력으로 나간다.</p> <p>제어 및 모드결정을 포함한 디블로킹 필터 전체의 HDL코딩 결과는 다음 표 5 와 같다.</p> <p>표 5 에서 보듯이 제어 및 모드결정을 포함한 전체 디블로킹 펄터에 대한 제안 구조의 코딩 결과 \( 19.5 \% \)의 게이트 카운트 감소효과를 달성할 수 있었다</p> <p>검증을 위한 입력신호로서 Foreman(CIF)의 영상을 사용하였고 입력값을 8 비트 2진수로 변화하여 입력하였다. 4 개의 입력이 들어갈 때 마다 헤더 정보가 함께 들어가게 되고 출력은 첫 입력이 들어가고 나서 256 클럭 후에 출력이 나온다.</p> <p>그림 6은 modelSim을 사용한 출력 타이밍도이다. 제안구조는 MUX와 DEMEX를 사용하기 때문에 메인 클럭을 분주하여 2개의 클럭를 사용하며 클럭 generator를 이용하여 만들어 사용하였다.</p> <h2>2. FPGA 구현</h2> <p>이 절에서는 실제 FPGA Device에 설계된 디블로킹 필터를 합성하여 구현하여 제안 구조의 효율성을 비교한다. 구현에 사용된 Device는 Xilinx사의 spartan2 xc2s200을 사용하였다. Xilinx ISE 7.1i은 기본적으로 XST(Xilinx synthesis technology)라는 synthesis program을 사용한다. 시뮬레이션용 RTL 코드를 FPGA 구현용 코드로 수정하여 게이트 카운트를 비교한 결과를 표 6과 7에 나타냈다.</p> <p>FPGA 게이트 카운트의 결과도 Verilog-HDL의 게이트 카운트와 유사한 결과를 얻었다. 즉, 기존구조와 비교하여 \( 19.4 \% \) 의 감소 효과를 얻었다.</p> <p>마지막 실험으로써 FPGA에서의 소자사용 수를 비교해보면 다음과 같다. logic cell의 세부 항목인 Slice Flip Flops과 4 input LUTs의 사용 수를 기존 구조와 비교한 결과를 표 8 에 나타냈다.</p> <table border><caption>표 8. 제안된 디블로킹 필터의 FPGA Device 소자 사용수</caption> <tbody><tr><td>구분</td><td>Logic Utilization</td><td>Used</td><td>Available</td><td>Utilization</td></tr><tr><td rowspan=2>기존 구조</td><td>Sice Fip Flops</td><td>529</td><td>4,704</td><td>\(11\%\)</td></tr><tr><td>4 input LUTs</td><td>818</td><td>4,704</td><td>\(17\%\)</td></tr><tr><td rowspan=2>제안 구조</td><td>Slice Fip Flops</td><td>469</td><td>4,704</td><td>\(9\%\)</td></tr><tr><td>4 input LUTs</td><td>731</td><td>4,704</td><td>\(15\%\)</td></tr></tbody></table>	본문의 표 8에서 기존 구조 Sice Fip Flops의 Used값은 얼마야?	529
{ "answer_type": "정답경계추출형", "context_id": "2cdcefa4-1757-40ef-9a43-146ca62b3cc6", "field": "인공물", "question_id": "6fe2a484-9cb3-418d-84ce-f170e77a381c" }	<h1>요 약</h1><p>전기 임피던스 단층촬영 기법은 대상체 표면의 전극들을 통해 주입시킨 전류 데이터와 이에 유기되는 측정 전압 데이터를 기반으로 내부의 도전율 분포를 가시화하는 기법이다. 이 논문에서는 완전전극 모델을 사용한 해석적방법의 해법을 유도하고 전압을 계산하였다. 그리고 기존의 수치적 해법인 유한 요소법과 경계 요소법을 사용하여 전압 데이터를 또한 계산하였다. 배경이 균질한 경우와 비균질한 경우에 대해 각 정문제 해법의 해를 실험 데이터와 비교하였다. 그리고 평균 제곱근 오차를 계산하여 정문제 해법들의 오차를 비교분석하였다.</p><h1>I. 서론</h1><p>전기 임피던스 단층촬영 기법(electrical impedancetomography, EIT)은 관심 대상체의 표면에 일정한 간격으로 부착된 전극들을 통해 일련의 전기적 신호(전류)를 인가하면 대상체 내부에 유기되는 전압 신호를 전극들을 통해 측정하며, 이들 주입 전류와 측정 전압 데이터를 기반으로 내부의 도전율 분포를 영상으로 가시화하는 기법이다. EIT는 비파괴 방식의 단층촬영 기법들 중의 하나로서, 인체에 무해하고 하드웨어 설계비용이 낮으며, 특히 순간 해상도가 상대적으로 우수하다. 그러므로 이상(two-phase) 유동 공정이나 인체의 흉부 등을 모니터링하기에 적합하므로, 산업 공정과 지질학 및 의공학 등 여러 분야에서 모니터링 도구로 주목받고 있다. EIT는 일반적으로 정문제(forward problem)와 역문제(inverse problem)로 구분된다. 정문제는 대상체 내부의 도전율 분포를 가정한 후, 전극들을 통해 전류 신호를 인가했을 때 내부에 유기되는 전압 데이터를 계산하는 과정을 말한다. 그리고 역문제는 주입전류와 측정 전압을 기반으로, 계산 전압과 측정 전압과의 차이를 최소화하면서 내부의 도전율 분포를 추정하고 이를 영상으로 가사화하는 과정이다.</p><p>위에 언급된 역문제 과정에서, 전압 측정 시 EIT시스템의 측정 오차가 최소라고 가정했을 때, 균질의 또는 비균질의 도전율 분포를 실제에 근접하게 추정한다는 것은 계산 전압을 보다 정확하게 계산해야 한다는 것을 의미한다. 그리고 보다 정확한 계산 전압데이터를 얻으려면 보다 정밀한 정문제의 해법(solver)이 필요하다. 그러므로 이 논문에서는 EIT 정문제의 해법에 대해서만 서술하고자 한다. 지금까지 여러 방법들을 이용한 다양한 정문제 해법들이 개발되었다. 예를 들어, 해석적 방법 그리고 유한 요소법(finite element method)과 유한 차분법(finite difference method)과 경계요소법(boundary element method) 및 무요소법(meshless method)과 같은 수치적 방법 등이다. 그리고 정문제의 전극 모델에는 갭(gap) 모델과 션트(shunt) 모델 및 완전전극 모델 등이 있으며, 그중에서 완전전극 모델이 실험 데이터와의 오차가 가장 낮다. 그러므로 이 논문에서는 완전전극모델을 이용한 정문제만을 다루고, EIT에서 주로 사용되고 있는 방법인, 해석적 방법과 유한 요소법 및 경계 요소법에 관해 좀 더 상세히 다루고자 한다.</p><p>우선 해석적 방법에서는 2차원 원형 구조에서 주로갭 모델을 사용하고 변수 분리법을 이용하여 정문제의 해를 계산하였다. 이 논문에서는 푸리에 급수를 이용하여 완전전극 모델의 정문제 해법을 유도하고, 배경이 균질한 경우에 대해 비교분석할 때 기준으로 삼고자 한다. 한편 3차원의 mammography 구조에서 완전전극 모델을 이용한 해석적 방법은 참고문헌에 서술되어 있다. 그리고 유한 요소법에서는 도메인을 유한개의 아주 작은 원소(element)들로 세분화한 메시(mesh)를 사용하고 완전전극 모델의 정문제해법이 제안되었다. 그리고 경계 요소법에서는 관심 도메인의 경계면에서 전극과 갭 상의 세그먼트(segment)와 표적이 있는 경우에는 표적의 경계면 상의 세그먼트를 추가로 설정해 줌으로써 정문제 해법을 구할 수 있다 따라서 이 논문에서는 이들 세 가지 정문제 해법들과 팬텀 실험에 대해 상세히 서술하고, 배경이 균질한 경우와 비균질한 경우에 대해 RMSE(root meansquare error)를 계산하여 각 해법들의 성능을 비교분석하였다.</p>	EIT의 약자의 뜻은 무엇인가?	electrical impedancetomography
{ "answer_type": "정답경계추출형", "context_id": "26dc89a7-9c5b-4c60-ab57-3089f4de745f", "field": "인공물", "question_id": "351f773a-d435-4a18-85f1-c1083b94e26d" }	<h1>III. 실험 및 비교분석</h1><h2>1. EIT 실험</h2><p>그림 4는 실험에서 사용된 EIT 측정 시스템이다.그림 4(a)는 반지름이 \( 4 \mathrm{~cm} \)인 테스트용 팬텀으로, 높이가 \( 20 \mathrm{~cm} \)이고 폭이 \( 0.6 \mathrm{~cm} \)인 32 개의 전극이 팬텀 주위에 일정한 간격으로 부착되어 있다. 이 실험에서는 편의상 32개의 전극에서 하나씩 걸러 16개의 전극만을 EIT 시스템에 연결하여 사용한다. 그림 4(b)는 Agilent \( 4284 \mathrm{~A} \) LCR 미터로 전류를 주입시키기 위해 사용되고, 그림 4(c)는 Agilent \( 34970 \mathrm{~A} \) 멀터미터로 각 전극에서의 전압을 측정하기 위해 사용된다. 우선, 실온의 수돗물을 팬텀의 전극 높이 \( (20 \mathrm{~cm}) \) 까지 채운 후, \( 10 \mathrm{~mA} \) 의 전류를 인접 주입방법으로 전극들에 인가한다. 그리고 이에 유기되는 전압을 각전극을 통해 측정한다. 이 때 사용된 수돗물의 도전율 값은 대략 \( 83.6 \times 10^{-6} \mathrm{~S} / \mathrm{cm} \) 이다. 이 실험에서는 두 가지의 시나리오를 설정하고 데이터를 측정하였다. 첫 번째는 배경의 도전율이 균질한 경우로, 수돗물만 채워져 있는 경우이고, 두 번째는 팬텀의 도전율이 비균질한 경우로, 반지름이 \( 1 \mathrm{~cm} \) 인 아크릴 봉이 가운데에 하나 존재하는 경우이다.</p><h3>2. 비교분석</h3><p>이 절에서는 실험 데이터와 각 정문제 해법의 해를 비교분석하고자 한다. 이에 따라 각 정문제 해법의해를 구하기 위해 테스트 팬텀과 동일한 구조로 가상팬텀을 구성하고 시뮬레이션 하였다. 우선, 각 정문제 해법에 대해 설정된 공통 사항들은 다음과 같다. 관심 도메인을 반경이 \( 4 \mathrm{~cm} \) 이고 높이 가 \( 20 \mathrm{~cm} \) 인 원통형으로 간주하였다. 그리고 폭이 \( 0.6 \mathrm{~cm} \) 이고 높이가 \( 20 \mathrm{~cm} \) 인 16 개의 전극들이 가상 팬텀의 경계면에 일정한 간격으로 부착되어 있다고 가정하였다. 그리고 배경의 도전율 값은 수돗물의 도전율과 유사하게 \( 83.6 \times 10^{-5} \mathrm{~S} / \mathrm{cm} \) 로 설정하였고, 표적의 도전율 값은 \( 3 \times 10^{-10} \mathrm{~s} / \mathrm{cm} \) 이고 그 모양은 반경이 \( 1 \mathrm{~cm} \) 인 원통형으로 가정하였다. 그리고 접촉저항은 \( 0.005 \mathrm{Scm}^{2} \) 로 설정하고 모든 전극에서의 접촉저항은 동일하다고 가정하였다. 그리고 각 전극을 통해 인접주입방식으로 크기가 \( 10 \mathrm{~mA} \) 인 전류를 인가하고, 전극에 유도되는 전압을 계산하였다.</p><p>다음으로, 해석적 방법에서 필요한 사항은 다음과같다. 푸리에 급수의 개수는 \( N_{a}=8192 \) 로 춤분히 크게 설정하였다. 배경이 균질한 경우에는 완전전극 모델을 사용하여 전압을 계산하였고, 배경이 비균질한 경우에는 갭 모델을 개선한 ave-gap 모델을 사용하여 전압을 계산하였다. 왜냐하면 해석적 방법에서 비균질인 경우에는 완전전극 모델의 전압을 계산할 수가 없기 때문이다. 그리고 유한 요소법에서는 \( N_{b}=5761 \) 의 노드 개수와 11264개의 원소 개수를 갖는 조밀한 메시를 사용하여 전압을 계산하였다. 그리고 경계 요소법에서는 각 전극과 갭 상의 세그먼트의 개수를 각각 50으로 설정하였으므로, 전체 전극 상의 세그먼트 개수는 \( M_{E}=800 \) 이고 전체 갭 상의 세그먼트 개수는 \( M_{G}=800 \) 으로 설정하여 배경이 균질 한 경우의 전압을 계산하였다. 그리고 표적 경계면상의 세그먼트의 개수는 \( M_{C}=200 \) 로 설정하여 배경이 비균질한 경우의 전압을 계산하였다.</p><p>\( L=16 \) 개의 전극에 인접 전류 주입방법을 적용하는 경우에는 16개의 전류패턴에 대한 전압 데이터가 측정이 되는데, 그 중 첫 번째 패턴에 대한 전압 데이터를 그림 5에 도시하였다. 이는 첫 번째 전류패턴에서 전극 1과 전극 2를 각각 소스(source)와 싱크 \( (\operatorname{sink}) \) 로 사용하여 전류를 주입시키고 모든 전극에서 전압을 측정한 후에 식 (5)의 제약조건을 직용한 결과이다. 그림 \( 5(\mathrm{a}) \) 는 배경이 균질한 경우이고 그림 \( 5(\mathrm{~b}) \) 는 배경이 비균질한 경우이다. 실험 데이터 \( \left(\mathrm{V}_{\text {exp }}\right) \) 는 \( \rightarrow \)-로, 유한 요소법에 의한 전압 데이터 \( \left(V_{\text {tem }}\right) \) 는 \( \Theta \) 로, 경계 요소법에 의한 전압 데이터 \( \left(\mathrm{V}_{\text {bem }}\right) \) 는 \( \square \) 로, 해석적 방법에 의한 전압 데이터 \( \left(\mathrm{V}_{\text {ana }}\right) \) 는 \( - \) 로 각각 표시하였다.</p><p>그림 5에서 보는 바와 같이, 전극 1과 전극 2에서의 전압값을 제외하고는 대체적으로 모든 해법들의 전압 데이터들이 각 전극에서 서로 비슷하게 나타나고 있다. 그리고 배경이 균질한 경우와 비균질한 경우에 대한 전압 데이터를 비교해 보면 이 또한 전압값들이 서로 유사하다. 이는 인접 주입방법의 특성때문이다. 즉, 이 방법은 경계면에서 특히 소스와 싱크에 해당되는 전극에서 감도가 아주 우수한 반면에, 도메인의 중앙에서 감도가 가장 낮기 때문이다. 그러므로 첫 번째 전류패턴에서는 전극 1과 전극 2에서 각각 가장 큰 값과 가장 작은 값을, 나머지 전극에서는 비슷한 값들을 나타낸다. 그리고 균질한 경우와 비균질한 경우에 서로 유사한 전압 그래프를 보인다.</p><p>그림 6은 각 주입패턴에 따른 RMSE(root meansquare error)를 보여주고 있다. 그림 6(a)는 배경이균질한 경우로 \( V_{\mathrm{ann}} \) 를 기준으로 하여 각 해법들의 RMSE를 계산한 결과이고, 그림 \( 6(\mathrm{~b}) \) 는 배경이 비균질한 경우로 \( \mathrm{V}_{\text {bern }} \) 을 기준으로 계산한 RMSE 그래프이다. 여기서 비균질의 경우에 경계 요소법을 기준으로 삼은 이유는 두 가지다. 첫 번째는 해석적 방법에 사용된 ave-gap 모델은 정확도가 다소 떨어지기 때문이고, 두 번째는 균질의 경우에서 경계 요소법의 해법의 RMSE가 가장 낮은 오차를 보이고 있기 때문이다. 추가로, 각 해법에 대한 전체 RMSE는 표 1에나타내었다. 그림 6과 표 1의 RMSE에서 알 수 있는 바와 같이, 배경이 균질한 경우에 해석적 방법의 해와 경계요소법의 해와의 오차가 가장 낮고, 다음으로 실험데이터와의 오차가 약간 크며, 유한 요소법의 해와의 오차가 가장 크게 나타나고 있다. 유한 요소법에서 도메인 내부를 더 세분화하여 원소의 개수를 증가시킨다면 해법의 정확도가 향상될 것으로 사료된다. 하지만 그만큼 계산시간은 더 증가하게 된다. 그리고 각 해법의 그래프가 패턴에 따라 일정하게 나타나는 이유는 모든 전극에서의 접촉저항을 동일한 값으로 설정했기 때문이다. 그리고 실험 데이터에서 오차가 다소 큰 이유는 사용된 팬텀의 노화로 인하여 각 전극에서의 접촉저항이 서로 다르고, 측정과정에서 측정오차가 비교적 높게 나타난 것으로 사료된다.</p><p></p><p>도메인 내부를 더 세분화하여 원소의 개수를 증가시킨다면 해법의 정확도가 향상될 것으로 사료된다. 하지만 그만큼 계산시간은 더 증가하게 된다. 그리고각 해법의 그래프가 패턴에 따라 일정하게 나타나는 이유는 모든 전극에서의 접촉저항을 동일한 값으로 설정했기 때문이다. 그리고 실험 데이터에서 오차가 다소 큰 이유는 사용된 팬텀의 노화로 인하여 각 전극에서의 접촉저항이 서로 다르고, 측정과정에서 측정오차가 비교적 높게 나타난 것으로 사료된다.</p>	그림 4는 실험에서 측정 시스템은 뭐야?	EIT 측정 시스템
{ "answer_type": "정답경계추출형", "context_id": "062831ad-b682-4588-b01d-b48d4563b464", "field": "인공물", "question_id": "ae5882c0-4279-437f-a2ed-0b9b4f8e1b5d" }	<h1>II. 정문제 해법</h1><h2>1. 정문제</h2><p>EIT 정문제에서 내부의 도전율 분포와 전압과의 물리적 관계는 적절한 경계조건을 갖는 편미분방정식으로 기술되는데, 수학적으로 다음과 같이 표현된다. 즉, 관심 대상체 \( \Omega \) 의 내부에 임의의 도전율 분포 \( \sigma \)가 주어지고 도메인의 표면 \( S \) 에 부착된 전극 \( \epsilon_{l} \) 을 통해 전류 \( I_{l} \) 을 주입시키면, 내부에 유기되는 전기 퍼텐셜 (potential) \( u \) 를 계산활 수 있다. 이는 다음과 같이완전전극 모델의 노이만(Neumann) 형의 경계조건을 갖는 라플라스 방정식으로 기술된다.</p><p>\( \nabla \cdot \sigma(p) \nabla u(p)=0, p=(x, y) \) in \( \Omega \)<caption>(1)</caption></p><p>\( u(p)+z_{l} \sigma(p) \frac{\partial u(p)}{\partial \nu}=U_{l} \) on \( e_{l}, l=1,2, \ldots, L \)<caption>(2)</caption></p><p>\( \int_{\epsilon_{i}} \sigma(p) \frac{\partial u(p)}{\partial \nu} d S=I_{l} \) on \( \epsilon_{l}, l=1,2, \ldots, L \)<caption>(3)</caption></p><p>\( \sigma(p) \frac{\partial u(p)}{\partial \nu}=0 \) on \( S \backslash \bigcup_{l=1}^{L} e_{l} \)<caption>(4)</caption></p><p>여기서 \( z_{l} \) 은 \( l \) 번째 전극 \( e_{l} \) 의 접촉저항이고, \( \nu \) 는 단위법선벡터이고, \( U \), 는 \( l \) 번째 전극 \( e_{1} \) 에서의 전압이고, \( L \)은 전체 전극의 수이다. 부가적으로, 전류와 전압에 대해 다음과 같은 두 가지 제약조건이 필요하다. 이는 각각 해의 존재성과 유일성에 해당되는 조건이다.</p><p>\( \sum_{l=1}^{L} I_{l}=0, \quad \sum_{l=1}^{L} U_{l}=0 \)<caption>(5)</caption></p><p>다음 절에서는 해석적 방법과 수치적 방법 등을 이용한 정문제 해법에 대해서 기술하고자 한다. 이 논문에서는 관심 도메인을 주로 널리 사용되고 있는 \( 2 \mathrm{D} \) 원형 도메인으로 가정하고 정문제의 해를 구하고자 한다.</p><h2>2. 해석적 방법에 의한 해법</h2><p>그림 1 의 \( 2 \mathrm{D} \) 원형 도메인에서 \( l \) 번쪠 전극 \( e_{l} \) 은 반지름 \( r_{0} \) 와 각도 \( \theta \) 의 함수로 표현될 수 있다. 즉, 여기서 \( r_{0} \) 는 원형 도메인의 반경이고, \( \theta_{l} \) 은 \( l \) 번째 전극의 중심각도이며, \( f \) 는 다음과 같이 정의된다.</p><p>\( e_{l}=\left\{\left(r_{0}, \theta\right) \mid \theta_{l}-\frac{f \delta \theta}{2} \leq \theta \leq \theta_{l}+\frac{f \delta \theta}{2}\right\} \)<caption>(6)</caption></p><p>\( f \equiv \frac{\theta_{\epsilon_{i}}}{\delta \theta}(0 \leq f \leq 1) \)<caption>(7)</caption></p><p>여기서 \( \theta_{e_{i}} \) 은 l번째 전극의 전체각도이고 \( \delta \theta \) 는 도메인을 전극의 개수로 나눈 각, 즉, \( \delta \theta \equiv 2 \pi / L \) 이다.</p><p>해석적 방법에서 정문제의 해를 구하려면 내부의전기 퍼텐셜 \( u \) 와 전극에서의 전압 \( U \),에 대해 이산화를 해야 한다. 먼저 내부의 전기 퍼텐셜 \( u \) 는 다음과 같이 표현할 수 있다.</p><p>\( u(p)=u(r, \theta)=\sum_{n=1}^{\infty} a_{n} o_{n}(r, \theta) \approx \sum_{n=1}^{N_{n}} a_{n} o_{n}(r, \theta) \)<caption>(8)</caption></p><p>여기서 \( r \) 은 \( 0 \leq r \leq r_{0} \) 이고, \( a_{n} \) 는 이산화된 전압값이고, \( N_{a} \) 은 푸리에 급수의 개수이며, \( O_{n}(r, \theta) \) 는 다음과 같이 표현되는 기저함수이다.</p><p>\( \phi_{n}(r, \theta)=\left\{\begin{array}{l}r^{n} \cos (n \theta), n=1,2, \ldots . N_{a} / 2 \\ r^{\left(n-N_{e} / 2\right)} \sin \left(\left(n-N_{a} / 2\right) \theta\right), n=N_{a} / 2+1, \ldots . N_{a}\end{array}\right. \)<caption>(9)</caption></p><p>그런데 기저함수에서 \( N_{a} \) 가 커질수록 기저함수는 크게 증가하게 된다. 이렇게 되면, 정문제에서 시스템 행렬이 특이(singular) 행렬이 되어 해를 구할 수 없게 된다. 그러므로 이런 문제를 해결하기 위해 반지름 매핑(mapping)을 한다. 즉, 반지름에 대한 정규화(normalization)를 해 줌으로써 기저함수가 커지는 것을 해결할 수 있다..</p><p>\( 0 \leq r \leq r_{0} \rightarrow 0 \leq \hat{r} \leq 1 \)<caption>(10)</caption></p><p>여기서 \( \hat{r}=r / r_{0} \) 이다. 따라서 식 (1) ～ 식 (4)에 대해 반지름 매핑을 하면 다음과 같이 단위 원형 도메인 \( \hat{\Omega} \) 에서의 정문제로 바꿀 수 있다.</p><p>\( \hat{\nabla} \cdot \sigma(\hat{r}, \theta) \hat{\nabla} u(\hat{r}, \theta)=0 \) in \( \hat{\Omega} \)<caption>(11)</caption></p><p>\( u(\hat{r}, \theta)+\hat{z}_{l} \sigma(\hat{r}, \theta) \frac{\partial u(\hat{r}, \theta)}{\partial \hat{r}}=U_{l} \) on \( \hat{e}_{l} \)<caption>(12)</caption></p><p>\( \int_{\dot{e}_{1}} \sigma(\hat{r}, \theta) \frac{\partial u(\hat{r}, \theta)}{\partial \hat{r}} d \hat{S}=I_{l} \) on \( \hat{e}_{l} \)<caption>(13)</caption></p><p>\( \sigma(\hat{r}, \theta) \frac{\partial u(\hat{r}, \theta)}{\partial \hat{r}}=0 \) on \( \hat{S} \backslash \bigcup_{l=1}^{L} \hat{e}_{l} \)<caption>(14)</caption></p><p>여기서 \( r^{\prime} \)는 정규화된 도메인의 파라미터를 의미하고, \( \hat{z}_{l}=z_{l} / r_{0} \) 이다. 그리고 식 (9)의 기저함수 또한 반지름매핑을 한 후, 위의 관계식들에 적용시키면 정문제의 해를 구할 수 있다.</p><p>그리고 전극에서의 전압 \( U \) 는 다음과 같이 표현할수 있다.</p><p>\( U \approx U^{h}=\sum_{l=1}^{L-1} \beta_{l} F_{l} \)<caption>(15)</caption></p><p>여기서 \( \quad F_{1}=[1,-1,0, \ldots, 0]^{T}, \quad F_{2}=[1,0,-1,0, \ldots, 0]^{T} \in \mathbb{R}^{L} \) 등이고 \( \beta \),은 추후 결정되는 계수이다. 이 벡터들은 식(5)의 전압에 대한 제약조건을 충족시키기 위해 사용되었다.</p><p>따라서 식 (8)과 식 (15)를 완전전극 모델의 변분해법(variational formulation)[6]에 대입하고 정리하면, 다음과 같은 행렬 형태의 선형 방정식을 얻을 수 있다.</p><p>\( A b=f \)<caption>(16)</caption></p><p>여기서 \( A \) 는 시스템 행렬, \( b \) 는 해 벡터, \( f \) 는 데이터 벡터이다. 각 변수에 대한 정의는 다음과 같다.</p><p>\( b=[\alpha, \beta]^{T} \)<caption>(17)</caption></p><p>\( \alpha=\left[\alpha_{1}, \alpha_{2}, \ldots, \alpha_{N}\right]^{T} \in \mathbb{R}^{N_{6}} \)<caption>(18)</caption></p><p>\( \beta=\left[\beta_{1}, \beta_{2}, \ldots, \beta_{L-1}\right]^{T} \in \mathbb{R}^{L-1} \)<caption>(19)</caption></p><p>\( f=[0, \bar{I}]^{T} \)<caption>(20)</caption></p><p>\( 0=[0,0, \ldots, 0]^{T} \in \mathbb{R}^{N} \)<caption>(21)</caption></p><p>\( \bar{I}=\left[I_{1}-I_{2}, I_{1}-I_{3}, \ldots, I_{1}-I_{L}\right]^{T} \in \mathbb{R}^{L-1} \)<caption>(22)</caption></p><p>\( A=\left[\begin{array}{cc}B & C F \\ (C F)^{T} & F^{T} D F\end{array}\right] \in \mathbb{R}^{\left(N_{c}+L-1\right) \times\left(N_{a}+L-1\right)} \)<caption>(23)</caption></p><p>\( \begin{aligned} B_{n, m}=& \int_{\bar{\imath}} \sigma \nabla \hat{O}_{n} \cdot \nabla \hat{O}_{m} d \hat{p}+\sum_{l=1}^{L} \frac{1}{\hat{z}_{l}} \int_{\hat{\theta}_{i}} \hat{O}_{n} \hat{O}_{m} d \hat{S} \\ & n, m=1,2, \ldots, N_{a} \end{aligned} \)<caption>(24)</caption></p><p>\( C_{n, l}=-\frac{1}{\hat{z}_{l}} \int_{\hat{\varepsilon}_{i}} \hat{O}_{n} d \hat{S}, n=1,2, \ldots, N_{a}, l=1,2, \ldots, L \)<caption>(25)</caption></p><p>\( F=\left[\begin{array}{cccc}1 & 1 & \cdots & 1 \\ -1 & 0 & \cdots & 0 \\ 0 & -1 & \cdots & 0 \\ 0 & 0 & \cdots & 0 \\ \vdots & \vdots & \ddots & 0 \\ 0 & 0 & \cdots & -1\end{array}\right] \in \mathbb{R}^{L \times(L-1)} \)<caption>(26)</caption></p><p>\( D\left(\mid \hat{e}_{l} / \hat{z}_{l}\right)=\operatorname{diag}\left[\left\|\hat{e}_{1}\right\| / \hat{z}_{1},\left\|\hat{e}_{2}\right\| / \hat{z}_{2}, \ldots, \mid \hat{e}_{L} / / \hat{z}_{L}\right] \)<caption>(27)</caption></p><p>여기서 \( \left\|\hat{e}_{l}\right\| \) 는 단위 원형 도메인에서 \( l \) 번쪠 전극 \( \hat{e}_{l} \) 의 면적이다.</p>	본문에서 \( L \)이 의미하는 것은 뭐지?	전체 전극의 수
{ "answer_type": "정답경계추출형", "context_id": "78ef6614-b076-4a2c-91aa-71e610ad6438", "field": "인공물", "question_id": "6e0d65bd-0c00-4564-8baf-d838c149d4a8" }	<h1>2. 광 전류센서 설계 및 제작</h1><h2>2.1 광 전류센서 원리</h2><p>광 전류센서는 Faraday 자기광학효과를 이용한 것으로 전류에 의해 발생된 자계 중에서 Faraday 소자를 선형편광 된 레이저 광이 통과할 때 자계세기에 따라 회전된 각도를 검출하여 전류를 측정하는 원리이다. 측정 전류의 크기에 비례하는 편광 회전각은 출력 단에 검광기(analyzer)를 설치하여 이를 통과한 레이저 광신호의 크기변화로부터 측정할 수 있다. 전류의 크기는 Faraday 효과에 의하여 Faraday 회전각 형태로 변환되므로 \( \rho \)를 측정하여 전류 값을 측정할 수 있다.</p><p>여기서 각 파라미터의 정의는 아래와 같다.</p><ul><li>\( \theta=VHL \cos \phi \)</li><li>\( V \) : Verdet 상수</li><li>\( L \) : 광로 길이</li><li>\( H \) : 자계</li><li>\( \phi: \) 광과 자계가 이루는 각</li></ul><p>Fig. 1 과 같은 광학적 기능을 달성한 광 전류센서의 구조는 Fig. 2와 같다. 그림 광 경로상에서 손실이 없다고 가정하면 편광기를 통해 나오는 광 출력(\(Ps\))은 다음과 같이 주어진다.</p><p>\( \mathrm{P}_{\mathrm{s}}=\mathrm{P}_{\mathrm{in}} \sin ^{2}(\theta+\pi / 4)=(1 / 2) \mathrm{P}_{\mathrm{in}}(1+\sin (2 \theta)) \)<caption>(1)</caption></p><p>광검출기(PD)를 통해 전기 신호로 변환되어 자계의 세기(\(H\))에 비례하는 출력 전압을 연산하게 된다. 광 검출기 출력 전압 \(Vs\)는 광출력 \(Ps\)에 비례하며 다음과 같이 된다.</p><p>\( \mathrm{V}_{\mathrm{s}}=\left(\mathrm{KP}_{\text {in }}(1+\sin (2 \theta))\right. \)<caption>(2)</caption></p><p>여기서 \( K \)는 광 검출기 광전 변환 계수이다. 만일 \( \theta \)가 매우 작을 경우에는 출력 전압은 회전각 \( (\theta) \)에 비례 하게 된다. 따라서 \( \theta=\mathrm{VHL} \cos \emptyset \)의 관계를 가지므로 출력 전압 \( (Vs) \)은 인가 자계의 세기 \( H) \)와 비례하게 된다. 한편 피 측정 자계를 교류 자계로 한정시키면 한 개의 광 출력만을 사용하여 광 신호-전기 신호 변환한 후, 전자회로에 의해 교류 성분과 직류 성분을 분리하여 신호처리과정을 거치면 자계의 세기 \( (H) \)에 비례하는 출력전압을 얻을 수 있다.</p><p>하지만 본 논문에서는 직류 자계를 측정하는 것이 목적이며 아래 광 검출기 출력 두 개의 성분이 모두 직류성분이기 때문에 분리하기 힘들다</p><p>\( \mathrm{V}_{\mathrm{s}}=\mathrm{KP}_{\mathrm{in}}+\mathrm{KP}_{\mathrm{in}} \sin (2 \theta) \)<caption>(3)</caption></p><p>식3에서 두 번째 항은 첫째 항에 비해 매우 작은 신호이며 증폭이 필요하다. \(Vs\) 신호를 그대로 증폭하면 첫째 항 성분에 의해 증폭범위가 제한된다. 본 논문에서는 첫째 항 신호를 제거하거나 줄여서 증폭하고 그림 2와 같이 광원출력 일부를 출력을 광 커플러(optical coupler)로 나누어 일부 광 출력을 광검출기를 나온 전기신호를 통해 기준 신호 \( \left(\mathrm{V}_{\mathrm{ref}}\right. \) 로)로 활용하였다. 즉 최종출력은 \( \mathrm{V}_{\mathrm{s}} \)와 \( \mathrm{V}_{\mathrm{ref}} \)를 차동 증폭하는 방식을 도입하여 식(3)의 첫 번째 항 성분을 제거 혹은 줄여서 증폭하는 방법을 도입하였다.</p><h2>2.2 광 전류센서 설계 및 제작</h2><p>Fig. 3은 제작된 광 전류센서 사진이다. 광케이블 두 가닥 중 한 가닥은 센서 부에 광을 보내는 송신용으로, 나머지 한 가닥은 신호 광 검출기(photo detector)로 광을 내보내는 수신용으로 사용된다. 사용한 광섬유는 코어 반경이 \( 62.5 \mathrm{um} \) 인 다중모드 광섬유 이다. 광원은 \( 850 \mathrm{nm} \) 빅셀 광원을 이용하였다.</p><p>센서부에서 나오는 광 출력을 Ps 광섬유로부터 나온 광 출력은 전기 신호로 변환되어 자계의 세기 \((H) \)에 비례하는 출력이 나온다.</p><p>Table 1은 광 전류센서 제작에 사용된 부품의 재질과 기능을 나타내고 있다. Faraday 소자로 선택된 RIG는 Verdet 상수가 크고 온도 안정성이 우수한 새로운 재료인 강자성체 YIG 계열의 희토류 첨가 (BiGdY)3Fe5O12로 구성된 현존하는 Faraday 소자 중 가장 열에 안정적인 특성을 가지고 있는 것으로 알려져 있다.</p><p>Figure 4는 두 개의 광 검출기로부터 받은 신호를 차동 증폭 및 신호처리 위한 회로도이다.</p><p>Figure 5는 제작된 소자의 특성을 평가하기 위한 장치도이다.</p><p>본 논문에서는 직류 \( 200 \mathrm{A} \)까지 인가할 수 있는 Regulated DC power supply(BRP-5100)을 이용하여 제작한 광 전류센서 특성을 측정하였다. 인가전류에 대한 최종 출력 전압 \( \left(\mathrm{V}_{\mathrm{o}}\right) \) 을 Table 2에 나타나 있다. 인가전류 \( 0(\mathrm{A}) \)부터 \( 200(\mathrm{A}) \)까지 범위에서 \( 15(\mathrm{A}) \) 간격으로 인가 전류와 출력전압 관계는 Figure 5로부터 알 수 있듯이 선형적인 관계를 보인다.</p><p>인가전류(\(x\))와 출력 출력전압(\(y\))의 관계는 다음과 같은 다항식으로 주어진다.</p><p>\( y=-2.8081 x^{2}+177.15 x-413.99 \)<caption>(4)</caption></p><p>Table 2 는 식 (2)를 이용하여 광 검출기 신호와 인가관계식을 이용하여 산출하여 신호 처리부가 표시하는 전류 값을 비교한 결과를 보여주고 있다. 최대오차는 \( 1 \% \) 이내임을 알 수 있다.</p>	Faraday 자기광학효과를 이용한 것으로 전류에 의해 발생된 자계 중에서 Faraday 소자를 선형편광 된 레이저 광이 통과할 때 자계세기에 따라 회전된 각도를 검출하여 전류를 측정하는 원리는 무엇인가요?	광 전류센서
{ "answer_type": "정답경계추출형", "context_id": "48b70ede-1f21-49f3-9caf-1cb9b09cffd3", "field": "인공물", "question_id": "817ec8ba-33e4-4b55-bfa0-a0a4c184cd81" }	<h1>1. 서 론</h1><p>특고압 직류전송(HVDC)방식은 1998년도에 국내에서 제주도와 내륙간 \( 300 \mathrm{MW} \)용량으로 \( 100 \mathrm{km} \) 구간에 해저케이블 형태로 최초로 상업운전이 시작된 이후에 최근에 HVDC 송전 케이블의 유전체 손실이 거의 없고, 부하전류추종 특성이 우수한 장점을 살려 국내외 도서지역의 전력전송 수단으로 많은 관심과 연구가 진행되고 있으며, 전력전송에 따른 시스템 보호와 운영을 위해 필수적으로 수반되는 전류/전압 측정을 위한 센서의 특고압 직류(HVDC) 전력전송에서 적용을 위해서는 특고압 교류 전력(HVAC) 전송방식에 비해 극복되어야 할 기술의 난제가 남겨져 있다. 특고압 교류전력(HVAC) 전류측정 방식은 변압기 원리를 이용하는 방식이 상용화 되어 있다. 권선 비에 해당되는 정격전류 및 전압으로 강하는 방식을 채택하기 때문에 대전류, 특고압 선로에서 요구되는 특고압 절연 문제와 전류/변압 비 문제는 크게 대두되지 않고 널리 활용되고 있다.</p><p>특고압 직류(HVDC) 전력전송방식에서는 교류(AC)전류/전압 측정에 사용되는 변류기(CT)와 변성기(PT)를 동일하게 적용할 수 없기 때문에 새로운 대안을 찾아야 하는데, 자기효과 홀소자 센서에 의한 전류측정 방식을 고려할 수 있다. 자기효과 홀소자 센서는 전류자기장에 의한 홀 효과(Hall effct)를 이용한 전류측정 방식으로 직류 및 교류 전류측정에 공통적으로 활용될 수 있으나, 측정원리상 외부에서 별도의 홀 소자에 전류공급이 필요하여 특고압 송전선로 특성상 홀 센서 전원 공급에 대한 특별한 고려가 필요하다. 또한 자기 코어의 포화특성에 의해 측정전류의 선형화가 어렵고 대용량 전력장치에서 온도에 의한 측정오차의 증가와 자화 오차 등은 전력장치의 파손과 손실에 직접적인 영향을 가져오는 온도의 안정성과, 외부자기장과 간섭에 강인한 선형화 특성이 우수한 자기코어 소재와 형상 기술의 난점을 극복해야 한다. 한번 광섬유의 자기광학효과를 이용한 전류전정방식이 있으나 광섬유의 자기광학효과가 작아 센서의 부피가 매우 크다는 단점이 있다. 한편 자기 광학효과가 우수한 Bulk 소자를 이용한 광 전류센서에 대한 연구도 다수 진행되었으나 주로 교류 전류 측정에 적용되어 왔다.</p><p>HVDC 적용을 위해서 선결되어야 할 또 다른 기술적 과제는 전류 센서의 소신호 회로에서 특고압 선로에서 공통적으로 요구되는 고절연체 설계의 고절연체 신뢰도에 문제가 대두된다. 그러나 광 센서는 비접촉 방식으로 전압, 전류를 계측할 수 있어서 특고압 선로에서 요구되는 뇌 서지 절연에 대한 신뢰도를 전혀 떨어뜨리지 않고 계측할 수 있다. 이러한 광 전류측정센서는 전력산업설비에서 적용될 뿐만이 아니라 폭발 등의 위험 요소가 많은 철광화학 등 산업설비 안전 및 장치보호 분야에서도 널리 활용되고 있다.</p><p>본 논문에서는 높은 자기광학특성을 가지는 RIG를 이용하여 직류 전류를 측정할 수 있음을 제안하고 실험으로 그 가능성을 타진하였다. 물론 RIG의 자기광학효과를 이용하여 교류 전류를 측정하는 방식은 이미 알려져 있지만 직류 전류에 적용한 사례는 알려져 있지 않다. 이 방식으로 직류와 교류 측정방식에서 광학적 방식은 유사하나 신호를 처리하는 방식에서 약간 차이가 있다. 교류 전류 측정 시 광 검출기 출력의 직류와 교류를 필터를 통해서 쉽게 분리가 가능하며 미소한 교류 신호를 증폭하여 원하는 전류 값을 찾을 수 있다. 하지만 직류 전류 측정 시 외부 전류가 가해지만 광 검출기 출력은 직류출력에 약간의 직류 값이 더해지는 출력이 나오는 형태가 된다. 즉 직류 전압에 직류가 더해져서 미소한 변화를 증폭할 수 없는 문제를 가진다. 본 논문에서는 전류를 인가하기 전의 광 검출기 출력과 전류를 가한 후 광 검출기 출력의 차이를 증폭하는 방식으로 신호처리 후 전류를 산출하는 방식을 도입하였다.</p>	본 논문에서는 어떤 방식으로 전류를 산출하는가?	광 검출기 출력의 차이를 증폭하는 방식
{ "answer_type": "정답경계추출형", "context_id": "d636a1e9-2906-4715-8f59-67ef9e306ca0", "field": "인공물", "question_id": "c4d03e6d-3ab6-4fa7-b4fe-ac21963805c0" }	<h1>Ⅳ. 결론 및 향후 과제</h1><p>이 논문에서는, 2차원 원형 도메인에서 완전전극모델을 이용한 해석적 방법의 정문제 해법을 유도하였다. 그리고 배경이 균질인 경우와 비균질인 경우에 대해 해석적 방법과 유한 요소법과 경계 요소법의 전압 데이터와 팬텀 실험의 전압 데이터를 비교분석하였다. RMSE(root mean square error)의 비교 결과,완전전극 모델의 해석적 방법과 경계 요소법이 가장 우수하였고 유한 요소법은 다소 정확도가 떨어졌다. 그리고 실험 데이터의 오차가 다소 크게 나타났다.이는 팬텀의 노화와 EIT 시스템의 측정오차가 비교적 높게 측정된 것으로 사료된다. 따라서 정문제의 해법들과 실험 데이터의 폭넓은 비교분석을 통해,EIT 측정 시스템의 데이터 보정 및 측정오차를 줄일수 있는 방법을 강구하는 연구를 이 논문의 향후 과제로 하고자 한다.</p>	RMSE(root mean square error)의 비교 결과 유한 요소법의 정확도가 다소 떨어진 원인은 무엇인가?	팬텀의 노화와 EIT 시스템의 측정오차가 비교적 높게 측정된 것으로 사료
{ "answer_type": "정답경계추출형", "context_id": "d4398144-373d-4054-9512-a5e26ae8f803", "field": "인공물", "question_id": "e489d917-8457-4196-92d7-cb95164c0cc1" }	<h1>3. 결과 및 고찰</h1><h2>3.1 CR-39 및 몬테칼로 시뮬레이션에서 결정된 선형에너지스펙트럼</h2><p>Fig. 4는 \( 500 \mathrm{MeV} / \mathrm{u} \) \( \mathrm{Fe} \) 이온을 조사한 후 화학적인 에칭을 거친 다음 확대 촬영된 CR-39 고체비적검출기의 디지털 영상과 이를 Image J로 분석한 것이다. 화학적으로 확대 에칭된 트랙의 크기와 수는 Image J에서 자동적으로 분류하여 계수하였다. LET가 높은 방사선일수로 검출기 표면에 손상을 크게 주게 되므로 촬영된 디지털 영상에서 직경이 큰 트랙으로 검출되며, LET가 낮은 방사선은 작은 직경의 트랙으로 검출된다. 트랙의 크기에 따른 트랙의 수를 측정하여 파고스펙트럼을 결정할 수 있다. Fig. 5는 CR-39 고체비적검출기에 측정된 트랙의 크기와 트랙의 그기별 계수치를 나타낸 파고 스펙트럼이다. 조사된 \( \mathrm{Fe} \) 이온이 단일 에너지이므로 약 \( 280 \mathrm{keV} / \mathrm{um} \) 부근에서 피크를 보이고 있다. 이때 에칭률 \( (\mathrm{F}) \)은 측정된 파고스펙트럼으로부터 Somogy 식으로 결정할 수 있다.</p><p>\( F=\frac{d^{3} N}{d A d \Omega d L E T}=\left(2 \pi A \cos ^{2} \delta_{c u t}\right)^{1} \frac{d N}{d L E T} \)<caption>(1)</caption></p><p>여기서, \( \mathrm{A} \) 는 CR-39 검출기에서의 트랙을 스캔한 면직이며, \( \mathrm{dN} \) 은 검출된 트랙의 수, \( \delta_{\mathrm{cut}} \) 은 형성된 트랙의 파여진 각도로 검출기의 검출효율을 결정해준다. 또한 선량은 결정된 에칭률\( (\mathrm{F}) \)과 파고스펙트럼으로부터 다음 식으로 결정할 수 있다.</p><p>Dose \( =4 \pi \times 1.6 \times 10^{9} \times L E T \times F \)<caption>(2)</caption></p><p>또한 측정된 파고 스펙트럼으로부터 frequency-mean lineal energy \( \left(\overline{y_{F}}\right) \), dose-mean lineal energy \( \left(\overline{y_{D}}\right) \) 및 ICRP 103에 근거하여 평균 선질계수(beam quality factor) Q값을 다음 식으로 결정할 수 있다.</p><p>\( \overline{y_{F}}=\frac{\sum_{i=1}^{n} y_{i} N_{i}}{\sum_{i=1}^{n} N_{i}} \)<caption>(3)</caption></p><p>\( \overline{y_{D}}=\frac{\sum_{i=1}^{n} y_{i}^{2} N_{i}}{\sum_{i=1}^{n} y_{i} N_{i}} \)<caption>(4)</caption></p><p>\( \mathrm{Q}=\frac{\sum_{\mathrm{i}=1}^{n} \mathrm{Q}\left(\mathrm{y}_{\mathrm{i}}\right) \mathrm{N}_{\mathrm{i}}}{\sum_{\mathrm{i}=1}^{\mathrm{n}} \mathrm{y}_{\mathrm{i}} \mathrm{N}_{\mathrm{i}}} \)<caption>(5)</caption></p><p>여기서, \( \mathrm{y}_{\mathrm{i}} \) 는 \( \mathrm{i} \) 채널의 선형에너지이며, \( \mathrm{N}_{\mathrm{i}} \) 는 \( \mathrm{i} \) 채널의 계수값, \( \mathrm{Q}_{i} \)는 \( \mathrm{i} \) 채널에 해당되는 방사선의 선질계수 (radiation quality factor)이다.</p><p>Fig. 6(a) 는 측정된 트랙의 분포로부터 결정된 교정 방사선의 선형에너지 스펙트럼 (lineal energy spectrum) 이며, Fig. 6(b)는 바이너리 필터에 따른 선형에너지 스펙트럼을 몬테칸로 시뮬레이션으로 계산한 결과이다. Fig. 6 에서 보는 바와 같이 바이너리 필터를 사용하지 않았을 때와 \( 30.5 \mathrm{~mm} \) 바이너리 필터를 사용하였을 때 CR-39로 결정된 선형에너지 스펙트럼이 몬테칸로 시뮬레이션 결과와 매우 유사한 결과를 보임을 확인할 수 있다. 이때 \( 500 \mathrm{MeV} / \mathrm{u} \) \(\mathrm{Fe} \) 이온의 \( \overline{y_{D}}=283.3 \mathrm{keV} / \mathrm{um} \), 선질계수 \( \mathrm{Q} \)는< \( 16.3 \) 이었으며, \( 30.5 \mathrm{~mm} \) 바이너리 필터를 사용하였을 때 \( \overline{y_{D}}= \) \( 325.0 \mathrm{keV} / \mathrm{um} \), 선질계수 \( \mathrm{Q} \) 는 \( 15.1 \) 이었다.</p><h2>\( 3.2 \) 조직등가비례계수로 측정한 \( 500 \mathrm{MeV} / \mathrm{u} \) \(\mathrm{Fe} \) ion의 선형에너지 스펙트럼</h2><p>Fig. 7은 조직등가비례계수기로 측정한 \( 500 \mathrm{MeV} / \mathrm{u} \) \(\mathrm{Fe} \) 이온에 대하여 바이너리 필터를 사용하지 않았을 때의 선형에너지 스펙트럼이다. 이 스펙트럼은 Fig. 6(a)에서 CR-39 고체비적검출기로 측정한 선형에너지스펙트럼과 매우 유사한 모양을 보이며, 계산된 dose-mean lineal energy, \( \overline{y_{D}}=278.2 \mathrm{keV} / \mathrm{um} \) 로 CR-39 에서 측정된 결과와 유사한 의미 있는 결과를 확인하였다.</p>	화학적으로 확대 에칭된 트랙의 크기와 수는 어떤것에서 자동적으로 분류하여 계수하였니?	Image J
{ "answer_type": "정답경계추출형", "context_id": "2dc1a046-983f-457f-b600-fbc1c9139e65", "field": "인공물", "question_id": "182e735e-51f5-44b9-8efe-126676a9c448" }	<h1>2. 연구 방법</h1><h2>2.1 고체비적검출기와 화학적 에칭조건</h2><p>수동형 검출기로 CR-39 \( \left(\mathrm{C}_{12} \mathrm{H}_{18} \mathrm{O}_{7}\right. \), Baryotrak Lot. 130131-25) 고체비적 검출기를 사용하였다. 실험에 사용된 CR-39 검출기의 크기는 가로 \( 7 \mathrm{ cm} \), 세로 \( 2 \mathrm{~cm} \), 두께 \( 0.9 \mathrm{~cm} \) 이었으며, 선정된 CR-39검출기에 대하여 일본 중입자가속기연구소(HIMAC; Heavy Ion Medical Accelerator)에서 \( 500 \mathrm{MeV} / \mathrm{u} \) \( \mathrm{Fe} \) 이온을 조사한 후 측정된 파고스펙트럼으로부터 입사 방사선에 대한 LET 교정을 시행하였다. Fig. 1은 일본 중입자가속기연구소의 \( \mathrm{Fe} \) 이온 조사 시스템의 사진이다. 알루미늄 윈도우를 통하여 조사된 \( \mathrm{Fe} \) 이온은 \( 1.6 \mathrm{~mm} \mathrm{~Pb} \) 필터, \( 0.215 \mathrm{~mm} \mathrm{Ta} \) 필터 및 바이너리 필터를 거쳐 CR-39 검출기에 조사되며, 바이너리 필터(binary filter)의 두께를 조절하여 입사 \( \mathrm{Fe} \) 이온의 에너지를 조정할 수 있다. 본 연구에 교정에 사용된 \( \mathrm{Fe} \) 이온의 선속은 170 particles \( / \mathrm{cm}^{2} \)-\(\mathrm{s} \) 이었으며, 바이너리 필터가 없을 때와 \( 30.5 \mathrm{~mm} \) 바이너리 필터를 사용하였을 때 LET 교정을 시행하였다.</p><p>고체비적검출기는 고 LET 방사선에 의해 손상된 검출기 표면의 트랙을 계수함으로써 방사선을 측정하는 검출기이다. 방사선에 의해 발생된 트랙의 크기가 너무 작기 때문에 적절한 화학적 에칭을 통하여 트랙의 크기를 확대하고, 확대된 트랙을 현미경으로 관찰하여 트랙의 크기와 단위면적당 트랙의 수를 파악함으로써 방사선량을 평가할 수 있다. 이때 에칭 조건에 따라 방사선량 측정의 차이가 발생할 수 있으며, 본 연구에서는 일본 우주항공연구개발기구 (JAXA; Japan Aerospace Exploration Agency) 에서 제시한 표준 에칭 조건을 사용하였다. \( 500 \mathrm{MeV} / \)\( \mathrm{u} \) \(\mathrm{Fe} \) 이온이 조사된 CR-39 고체비적검출기는 \( 7.0 \mathrm{~N} \) 농도의 수산화나트름 수용액에서 \( 70^{\circ} \mathrm{C} \)로 19시간 에칭한 후 후지 디지털 현미경을 시용하여 형성된 트랙의 디지털영상을 확대 촬영하고, 촬영된 영상은 미국 국립보건원(NIH; National Institute of Health)의 Image J (ver. 1.48)을 이용하여 분석하였다. Fig. 2는 에칭된 CR-39고체비적 검출기의 트랙을 촬영하고, 촬영된 영상을 해석하는 절차를 보여주고 있다. 배경과 방사선에 의해 형성된 트랙을 분리하기 위하여 역치값을 설정한 후 노이즈를 감산하여 트랙의 모양과 크기를 Image J에서 분류하였다. 분류된 트랙의 크기와 계수치로 파고스펙트럼을 측정하였으며, 측정된 파고스펙트럼으로부터 \( 500 \mathrm{MeV} / \mathrm{u} \) \(\mathrm{Fe} \) 이온의 LET 교정을 시행하였다.</p><h2>2.2 몬테칼로 시뮬레이션 및 조직등가비례계수기를 이용한 교차실험</h2><p>측정 결과의 신뢰도를 평가하기 위하여 Geant 4 (ver. 10.1.1)를 이용하여 몬테칼로 시뮬레이션을 시행하였으며, 이울러 한국천문연구원(KASI; Korea Astronomy and Space Science Institute)의 조직등가비례계수기(TEPC; tissue equivalent proportional counter)를 활용하여 교정결과를 교차 평가하였다. 조직등가비례 계수기는 직접적으로 방사선의 LET 스펙트럼을 측정하여 인체 등가선량을 결정할 수 있는 능동형 방사선 계측기로서 한국표준과학연구원(KRISS; Korea Research Institute of Standards and Science)에서 Cf-252에 대하여 교정을 시행하였다.</p><p>Geant 4(ver. 10.1.1) 시뮬레이션시 QGSP BIC HP 물리 모델을 사용하였으며, GPS General Particle Source) 모듈을 사용하여 \( \mathrm{Fe} \) 이온입자가 생성되도록 하였고, 각 실험조건에 대하여 각각 \( 10^{6} \)개의 입자를 생성하도록 하였다. Fig. 3은 몬테칼로 시뮬레이션을 위해 코딩된 중이온 가속기연구소의 \( \mathrm{Fe} \) 이온 조사장치의 기하하적 조건이다. 가속기에서 가속된 \( 500 \mathrm{MeV} / \mathrm{u} \) \(\mathrm{Fe} \) 이 온은 \( \mathrm{Al} \) 윈도우를 통하여 조사된 이후 \( 1.6 \mathrm{~mm} \mathrm{~Pb} \) 필터와 \( 0.215 \mathrm{mm} \) \(\mathrm{Ta} \) 필터를 거친 후 약 \( 6 \mathrm{~m} \) 거리를 지나 고체비직검출기에 조사된다. 이때 바이너리 필터의 두께를 선텍하여 입사 방사선의 LET를 조절한다. 본 연구에서는 바이너리 필터가 없을 때와 \( 30.5 \mathrm{~mm} \)의 물 등가 폴리에털렌 바이너리 필터를 사용하였을 경우에 대하여 몬테칸로 시뮬레이션을 시행하고, 계산된 결과를 CR-39 검출기로 측정한 결과와 비교 평가하였다.</p>	선정된 CR-39검출기에 대하여 일본 어떤곳에서 500MEV/u Fe 이온을 조사 한 후 측정된 파고스펙트럼으로 부터 입사 방사선에 대한 LET 교정을 시행하였니?	중입자가속기연구소
{ "answer_type": "Yes/No 단문형", "context_id": "e2d08a1d-120c-4362-a1e2-1a95df80e318", "field": "인공물", "question_id": "c3a5482e-cf3f-46c0-b775-29e63627f4d6" }	<h1>3. 결 론</h1><p>본 논문에서는 HVDC 적용을 위한 Faraday 효과를 이용한 광전류센서를 제작하고 가능성을 확인하였다. Faraday 효과를 이용한 AC 전류 측정 사례는 보고되었지만 DC 전류 측정 사례는 처음보고 되는 사례라는 점에서 의미가 있다고 사료된다. 검광 방식은 기본 직류 광 성분에 추가로 변화된 직류 성분이 발생하므로 신호처리에서 기준신호와 차동 증폭으로 피 측정전류를 산출하여 계산함으로써 전류를 측정할 수 있는 방식이다. 실험 결과 제안된 방식으로 전류 \(0 \sim 200 \mathrm{A}\)까지 측정 가능함을 알 수 있었다.</p><p>본 논문을 통하여 DC 광 전류센서가 정상 동작하는 것을 확인하였지만, 그 특성이 광섬유 구부림에 의한 손실에 민감하게 작용하는 하는 만큼 이에 대한 보완이 향후 보완되어야 할 것으로 생각된다. 물론 본 논문에서는 장기간 신뢰특성을 분석하기 위한 반복 실험은 수행하지는 못하였다. 제안된 센서는 주위 온도 변화에 따라 출력광의 흔들림이나 소자의 특성이 온도에 따라 바꿜 수 있는 문제 등을 개선하여 추후 상용화 단계수준의 센서를 개발할 계획이다.</p>	Faraday 효과를 이용한 AC 전류 측정 사례는 보고 된적 있어?	YES
{ "answer_type": "다지선다형", "context_id": "6c696f9c-a1f2-44b5-bbd3-0ecf5daed3f0", "field": "인공물", "question_id": "dc8471c3-3788-478a-a5af-66b44d935c62" }	<h1>4. 결 론</h1><p>본 연구에서는 수동형 방사선검출기로 흔히 사용되는 CR-39 고체비적검출기를 활용하여 고 LET 방사선의 등가선량을 평가하기 위하여 \( 500 \mathrm{MeV} / \mathrm{u} \) \(\mathrm{Fe} \) 이온에 대한 CR-39 검출기의 교정을 시행하였다. CR-39의 교정 실험 결과를 몬테칸로 시뮬레이션을 이용한 계산치 및 표준 조직등가비례계수기로 측정한 측정치와 비교한 결과 고 LET 방사선 모니터링에서 CR-39 고체비적검출기의 유용성을 확인할 수 있었다. 향후 다양한 고 LET 방사선에 대한 교정을 추가한다면 보다 더 복잡한 방사선 혼합장에서의 선량 평가에 충분히 활용할 수 있을 것으로 사려된다.</p>	본 연구에서 어떤 이온에 대한 CR-39 검출기 교정을 수행했어?	\( 500 \mathrm{MeV} / \mathrm{u} \) \(\mathrm{Fe} \)
{ "answer_type": "정답경계추출형", "context_id": "ea5825b9-8c19-4416-add1-24f596ee79cd", "field": "인공물", "question_id": "54bfa3f4-cd2e-48d7-88e6-5c051be47225" }	<h1>1. 서 론</h1><p>방사선이 인체에 미치는 영향은 선량뿐만 아니라 방사선의 선에너지전이 (LET; lineal energy transfer)에 크게 의존하기 때문에 국제방사선방호위원회 (ICRP; International Commission on Radiological Protection)에서는 피폭 방사선의 LET 에 따른 방사선하중계수를 적용한 등가선량 개넘을 도입하여 인체의 방사선 방호에 활용하고 있다. 특히 원자력발진소의 원자로 부근이나 우주 공간에서는 X선이나 감마선이 주로 존재하는 지상에 비하여 고LET 방사선이 다수 존재하기 때문에 인체에 더 큰 생물학적 영향을 끼칠 수 있다. 이처럼 고LET 방사선이 혼합된 방사선장에서 등가선량 측정의 목적으로 열형광선량계, 고체비적검출기 등의 수동형 검출기와 조직등가비례계수기 등의 능동형 검출기들이 이용되고 있다. 능동형 검출기들은 실시간으로 등가선량을 평가할 수 있는 반면, 가격이 고가이므로 일반 적인 개인 푀폭선량 평가에는 수동형 검출기들이 주로 사용된다.</p><p>본 연구에서는 대표적인 수동형 검출기인 CR-39 고체비적 검출기(SSNTD; solid state nuclear track detector)를 사용하여 고LET 방사선 측정을 위한 기초 연구를 수행하였다. CR-39 고체비적 검출기는 방사선에 의헤 검출기 표면에 나타난 트랙을 측정하여 등가선량을 측정하는 검출기로서 인체조직과 구성 성분이 유사하여 인체 훕수선량을 직접 평가할 수 있고, 경량, 소형으로 가격이 저렴할 뿐만 아니라 전원이 불필요한 장점을 가진다. 반면 측정된 결과를 실시간으로 확인할 수 없고, 후처리 과정에 따라 측정 결과의 오차가 나타날 수 있다. 또한 검출기 표면에 나타난 트랙을 측정하여 선량을 평가하기 때문에 저LET 방사선 측정에 적합하지 않아서 \( 10 \mathrm{keV} / \mathrm{um} \) 이상의 방사선 측정에 주로 응용되고 있으며, 라돈 선량에 흔히 사용되고 있다. 본 연구에서는 다양한 방사선이 존재하는 혼합장에서 고 LET 방사선에 대하여CR-39 고체비적검출기를 활용하여 등가선량을 평가하기 위해 일본 중이온가속기 연구소의 \( 500 \mathrm{MeV} / \)\( \mathrm{u} \) \(\mathrm{Fe} \) 이온에 대하여 교정을 시행하고, 그 결과를 검증하여 활용 가능성을 살펴보았다.</p>	특히 원자력발진소의 원자로 부근이나 우주 공간에서는 X선이나 ( )이 주로 존재하는 지상에 비하여 고LET 방사선이 다수 존재하기 때문에 인체에 더 큰 생물학적 영향을 끼칠 수 있다. 앞 문장의 괄호안에 들어갈 알맞은 단어는 무엇인가?	감마선
{ "answer_type": "표정답추출형", "context_id": "71f48fdf-ae65-4444-99fe-faeb8618e593", "field": "인공물", "question_id": "27e8b5d8-e655-48ba-8ed5-6f7cecf6f3cd" }	<h1>2. 본 론</h1> <p>LED를 포함한 전자소자에서 정확하게 열 저항을 측정하는 것은 패키지소자의 열 특성 평가에 있어 가장 중요한 요소이다. 열 저항은 패키지 내부의 반도체 접합부에서 열을 외부로 방출시키는 열전달 능력을 나타낸다. 고출력 LED를 포함한 반도체 소자의 열 저항은 식 (1)과 같이 정의할 수 있다.</p> <p>\( R_{\theta J X}=\frac{T_{J}-T_{X}}{P_{H}} \)<caption>(1)</caption></p> <p>여기서 \( \mathrm{T}_{\mathrm{J}} \)는 안정 상태의 접합부분의 온도를 나타내며, \( \mathrm{T}_{\mathrm{X}} \)는 외부 온도, 그리고 \( \mathrm{P}_{\mathrm{H}} \)는 LED PKG에 인가되는 전기적 에너지를 나타낸다. 따라서 열 저항 \( R_{\ominus j x} \)는 접합온도와 외부에서의 온도차와 인가되어지는 전기적 에너지의 비율을 나타내며 단위는 \( { }^{\circ} \mathrm{C} / \mathrm{W} \) 이다.</p> <p>따라서 안정상태의 접합부분의 온도 \( \mathrm{T}_{\mathrm{J}} \)는 식(2)와 같이 정의할 수 있으며 단위는 \( { }^{\circ} \mathrm{C} \)이다.</p> <p>\( T_{J}=T_{J O}+\Delta T_{J} \)<caption>(2)</caption></p> <p>여기서 \( \mathrm{T}_{\mathrm{JO}} \)는 LED PKG에 전기적 에너지를 인가하기 전의 접합온도를 나타내고, 인가된 전기적 에너지에 의해 변화된 접합부분의 온도를 \( \triangle \mathrm{T}_{\mathrm{J}} \) 로 나타내며, 단위는 \( { }^{\circ} \mathrm{C} \)로 나타 낸다.</p> <p>열천이 방법에서는 온도 감응 계수를 사용하여 LED에 전기적 에너지가 인가되는 동안 접합온도의 변화를 식(3)과 같이 측정할 수 있다.</p> <p>\( \triangle T_{J}=K \times \triangle T S P \)<caption>(3)</caption></p> <p>\( \triangle \mathrm{TSP} \)는 순방향 전압차이를 나타내며 \( \mathrm{K} \)는 순방향 전압과 소자의 온도에 따른 일정한 비례관계의 기울기를 나타내며 단위는 \( { }^{\circ} \mathrm{C} / \mathrm{mV} \)이다.</p> <p>\( I_{F}=I_{S}\left[\exp \left(q V_{F} / \mathrm{k} T_{J}\right)-1\right] \)<caption>(4)</caption></p> <p>LED는 p−n 접합 다이오드로서 순바이어스 전압과 접합 온도 사이에는 위와 같은 공식이 성립된다. 여기서, \( \mathrm{I}_{S} \)는 역방향 포화전류, \( \mathrm{q} \)는 전하량, \( \mathrm{V}_{\mathrm{F}} \)는 순방향 전압, \( \mathrm{k} \)는 플랑크 상수, \( \mathrm{I}_{\mathrm{F}} \)는 순방향 전류이다. \( \mathrm{V}_{\mathrm{F}} \)가 \( 0.1 \mathrm{~V} \)보다 클 때 식 (4)의 -1은 무시되고 다음과 같은 식을 유도 할 수 있다.</p> <p>\( V_{F} / T_{J}=k / q \cdot \ln \left(I_{F} / I_{S}\right) \)<caption>(5)</caption></p> <p>이 식으로부터 이상적인 \( \mathrm{p}^{-\mathrm{n}} \) 접합에서 일정한 순방향 전류(감지전류)를 인가하였을 때, 순방향 전압과 접합온도 사이에 일정한 비례 관계가 존재함을 알 수 있다.</p> <p>따라서 접합온도의 측정은 열 저항을 구함에 있어서 제일 중요한 요소가 되며 다음과 같은 방법으로 계산할 수 있다.</p> <p>\( T_{J}=T_{J O}+\left(V_{M i}-V_{M}\right)+\left\|\frac{T_{\text {high }}-T_{\text {low }}}{V_{\text {low }}-V_{\text {high }}}\right\| \)<caption>(6)</caption></p> <p>그림 1은 식 (6)의 접합온도와 순바이어스 전압의 기울기 \( \left(\frac{T_{\text {high }}-T_{\text {low }}}{V_{\text {low }}-V_{\text {high }}}\right) \) 와 전류 구동 방법에 대한 내용이다. 구동전류는 \( 10 \mathrm{~s} \) 동안 \( 350 \mathrm{~mA} \)를 인가하였으며 감지전류는 \( 4 \mathrm{~ms} \) 동안 \( 1 \mathrm{~mA} \)를 인가하여 감지전류를 바탕으로 접합온도 변화를 확인할 수 있었다.</p> <p>그림 2는 실험에 사용된 LED 패키지 모듈로서 \( 25 \mathrm{~mm} \times 25 \mathrm{~mm} \) (가로×세로)의 PCB 구성하였으며 형태와 재질에 변화를 주었다. 표1은 각 샘플의 PCB 재질 및 Via-hole 구성을 나타낸다. 샘플 3~6에 형성된 Via-hole의 \( \mathrm{Cu} \)의 두께는 \( 0.35 \mu \mathrm{m} \)으로 \( \mathrm{Cu} \)의 양은 일정하게 설계 하였다.</p> <table border><caption>표 1 사용된 PCB 재질 및 Via-hole 구성</caption> <tbody><tr><td>구 분</td><td>재 질</td><td>Viahole</td></tr><tr><td>Sample 1</td><td>Metal</td><td>없음</td></tr><tr><td>Sample 2</td><td>FR4</td><td>없음</td></tr><tr><td>Sample 3</td><td>FR4</td><td>0.3\( \mathrm{mm} \), 24개</td></tr><tr><td>Sample 4</td><td>FR4</td><td>0.6\( \mathrm{mm} \), 12개</td></tr><tr><td>Sample 5</td><td>FR4</td><td>0.9\( \mathrm{mm} \), 8개</td></tr><tr><td>Sample 6</td><td>FR4</td><td>1.2\( \mathrm{mm} \), 6개</td></tr></tbody></table> <p>KEITHLEY 2430 Power Source Meter 및 온도챔버를 이용하여 전기적 특성을 분석하였으며 이를 통해 접합온도 및 열 저항을 계산하였다. 또한 적분구(PMS-50)를 사용하여 광학적 특성을 분석 하였다.</p>	표에서 다층 프린트 배선기판의 2층 이상의 도체층간을 접속하는 쓰루 홀이며, 다층을 관통하지 않는 홀을 의미하는 것은 뭐야?	Viahole
{ "answer_type": "표정답추출형", "context_id": "faf6c149-48f8-43da-a4f0-f640766218b5", "field": "인공물", "question_id": "66e0fef3-899c-4318-ac4b-13ce9659a96f" }	<h3>다. 피크 전류 구간의 모델링</h3> <p>본 논문에서는 peak threshold를 \( 40 \mathrm{~mA} \), peak duration을 \( 1 \mu \mathrm{sec} \)로 각각 선정하여 모델링을 진행하였으며, 시스템 설계 기준에 따라 변경될 수 있다. 그림 5는 LSB 쓰기 동작에서의 전류 파형을 일부 발췌한 것으로 위의 피크 전류 모델링에 따라 피크 전류 구간을 정의할 수 있다.</p> <p>앞선 피크 전류 구간을 기준으로 각각의 낸드 동작이 모델링되는 경우, 동작 시간(\( T_{op}\))은 다음과 같은 수식 (2)로 표현되며 그림 6은 LSB 쓰기 명령에 대해 이를 도식화한 것이다.</p> <p>\( \begin{aligned} T_{o p} &=T_{\text {non peck zone }}+T_{\text {peck zone }} \\ &=t_{n p 20}+t_{pz0}+t_{n p z 1}+\cdots+t_{pz,n-1}+t_{n p z, n} \end{aligned} \)\( =\sum_{i=0}^{n}\left(t_{n p z, i}\right)+\sum_{i=0}^{n-1}\left(t_{p z, i}\right) \)<caption>(2)</caption></p> <table border><caption>표 1. 낸드 명령별 피크 구간 비율</caption> <tbody><tr><td colspan = "3">낸드 명령</td><td>Top(\( \mu \mathrm{s} \))</td><td>Tnpz(\( \mu \mathrm{s} \))</td><td>Tpz(\( \mu \mathrm{s} \))</td><td>Rpz(\(\%\))</td></tr><tr><td colspan = "3">지우기</td><td>3222.16</td><td>3197.68</td><td>24.48</td><td>0.76</td></tr><tr><td rowspan = "2">쓰기</td><td colspan = "2">LSB</td><td>456.96</td><td>432.48</td><td>24.48</td><td>5.36</td></tr><tr><td colspan = "2">MSB</td><td>2069.28</td><td>1989.76</td><td>79.52</td><td>3.84</td></tr><tr><td rowspan = "4">읽기</td><td rowspan = "2">LSB</td><td>‘00’</td><td>36.80</td><td>36.80</td><td>0.00</td><td>0.00</td></tr><tr><td>‘FF’</td><td>68.72</td><td>44.40</td><td>24.32</td><td>35.39</td></tr><tr><td rowspan = "2">MSB</td><td>‘00’</td><td>53.28</td><td>53.28</td><td>0.00</td><td>0.00</td></tr><tr><td>‘FF’</td><td>56.16</td><td>45.28</td><td>10.88</td><td>19.37</td></tr></tbody></table>	낸드 명령별 피크 구간 비율에서 Tpz(\( \mu \mathrm{s} \)) 쓰기 MSB 값은 얼마인가?	79.52
{ "answer_type": "절차(방법)형", "context_id": "bcfba8b2-7dd8-4049-b84d-6bb3c6f5380a", "field": "인공물", "question_id": "12aaee75-76d2-45f7-9dfa-4c5e5ae12917" }	<h3>2.2.2. TSV의 계면 특성</h3><p>Fig. 5는 TSV를 Mil-std-833A 기준으로 열충격 1,000 사이클로 실험한 후의 비아 단면이다. 시험결과 열충격 후에 계면 분리는 \(\mathrm{Cu}\)와 \(\mathrm{Si}\) 웨이퍼의 CTE 차이로 인해, TSV 입구부분과 얇은 \(\mathrm{Ti}\)/\(\mathrm{Cu}\) 씨드층에 가까운 벽의 접촉면에서 발생되었다[CTE: \(\mathrm{Cu}\)=16.5\(\times\)\(10^{-6}\), \(\mathrm{Si}\)\(=2.6×10^{-6}\)].</p><p>이때 발생되는 계면분리는 식(1), 식(2)와 같이 열부하(Thermal Load)에 조건에 따른 에너지 해방율(EnergyRelease Rate, ERR)에 의해서 결정된다. 여기서 E는Young’s modulus, \(\Delta\)\(\alpha\)는 CTE mismatch, \(\Delta\)\(T\)는 thermal load,Df는 TSV 직경, \(v\)는 Poisson’s ratio를 나타낸다</p><p>Cooling: \( G_{s s}=\frac{E(\Delta \alpha \Delta T)^{2} D_{f}}{4(1-v)} \)<caption>(1)</caption></p><p>Heating: \( G_{s s}=\frac{E(\Delta \alpha \Delta T)^{2} D_{f}(1-v)}{8(1-v)} \)<caption>(2)</caption></p><p>같은 열부하 조건이라면, ERR은 cooling 구간이 heating구간보다 약 35\(\%\)가 높은 값을 갖는데, 이는 TSV에 발생되는 계면분리가 cooling 구간에서 더 많이 발생될 수 있다는 것을 의미한다.</p><p>Fig. 6는 열충격 4,500사이클 후에 TSV 벽면에 발생한 crack으로, 이는 \(\mathrm{SiO_{2}}\)에서 성장하고, 여러 개의 작은 crack들이 결합한 긴 군집(cohesive) crack이 \(\mathrm{Si}\) 웨이퍼에 반원형태로 나타났다. 이때 군집 crack이 발생되는 곳에서는 계면 crack이 발생되지 않는다는 것을 알 수 있으며, 이는한 곳에 crack가 발생되면, 그곳에서 응력이 완화되어, 2차적인 응력에 의한 crack은 발생되지 않는 것을 의미한다. 즉 crack과 군집 crack은 동시에 한곳에서 발생되지 않는다는 것을 알 수 있다.</p><h3>2.2.3. TSV의 annealing 특성</h3><p>Annealing은 TSV에 남아있는 잔류응력을 제거와 metallurgy를 향상시키기 위해 주로 사용되는 방법으로 알려져 있다. Fig. 7은 410\( { }^{\circ} \mathrm{C} \), 30분 annealing 후의 FIB(FocusIon Beam) 이미지이며, annealing 결과로 입자 크기와 분포가 변하였음을 알 수 있다.</p><p>Annealing 후에는 annealing 전과 다르게 벽쪽은 작은입자가 사라졌고, TSV의 중간과 밑부분에서 입자가 성장하였다. 입자성장은 TSV 안쪽 경계면에서 시작되고 있으며, 성장방향은 전반적으로 랜덤하게 분포되어 있다.일반적으로 가장 큰 입자는 TSV 바닥에 존재하고,annealing 후에 TSV의 입구 쪽과 벽면에서 보이드가 간헐적으로 발견되었다. 이는 annealing 전 작은 입자가 성장하면서, 입자들 사이의 경계면에서 발생된 것이다.Annealing에 의한 입자성장은 항복강도(yield strength, 탄성변형이 일어나는 한계응력)를 낮출 수 있다. 결과적으로 annealing 공정을 통해 \(\mathrm{Cu}\)의 입자 구조를 안정화시켜열응력에 의해 TSV가 돌출되는 현상을 최소로 할 수 있고, 만약 최소 돌출부분이 발생하면 CMP공정을 통해서제거하면 된다.</p><h3>2.2.4. TSV의 충전재료에 따른 특성</h3><p>Table 1은 열충격 조건 하에서 \(\mathrm{Al}\), \(\mathrm{Cu}\), \(\mathrm{Ni}\), \(\mathrm{W}\)이 TSV 소재로서 활용 시, 특성을 분석한 내용이다. 낮은 Young’smodulus, CET 특성을 갖는 재료가 좋은 충전재료라 할수 있지만, 일반적인 금속은 Young’s modulus가 높다면,CET는 낮은 특성을 가지고 있다.</p><p>Al은 가장 낮은 Young’s modulus를 가지고 있고, 텅스텐(\(\mathrm{W}\))이 가장 낮은 CTE 값 을 나타낸다. \(\mathrm{Cu}\)의 경우 텅스텐보다 CTE는 높지만, 소성변형에 대한 특성은 더 좋아 crack 발생 및 crack이 퍼져 나가는 에너지를 더 흡수하여,TSV 소재로서 특성이 더 좋은 것으로 알려져 있다.</p><table border><caption>Table 1. Thermo-mechanical properties of Al, Cu, Ni, W, Si</caption><tbody><tr><td>Material</td><td>CTE(ppm/\( { }^{\circ} \mathrm{C} \))</td><td>Young's Modulus(GPa)</td><td>Poisson's Ratio</td></tr><tr><td>Al</td><td>20</td><td>70</td><td>0.35</td></tr><tr><td>Cu</td><td>17</td><td>110</td><td>0.35</td></tr><tr><td>Ni</td><td>13</td><td>207</td><td>0.31</td></tr><tr><td>W</td><td>4.4</td><td>400</td><td>0.28</td></tr><tr><td>Si</td><td>2.3</td><td>130</td><td>0.28</td></tr></tbody></table>	열출격 후에 어떻게 나타났어?	TSV 벽면에 발생한 crack으로, 이는 \(\mathrm{SiO_{2}}\)에서 성장하고, 여러 개의 작은 crack들이 결합한 긴 군집(cohesive) crack이 \(\mathrm{Si}\) 웨이퍼에 반원형태
{ "answer_type": "절차(방법)형", "context_id": "cbe736c2-e26f-482b-9e92-d1b220f86d5d", "field": "인공물", "question_id": "04034106-3daf-4ec9-99ec-931d724a5253" }	<h2>2.3. TSV의 전기적특성</h2> <h3>2.3.1. TSV의 전기적 소자값 특성</h3> <p>TSV의 전기적 소자값은 T형 등가회로를 기준으로 직렬 저항(R), 직렬 인덕턴스(L), 병렬 컨덕턴스(G), 병렬 캐패시턴스(C)로 구성된다. 이같은 소자값은 TSV에서 전기적 특성을 의미하는 S-파라미터를 바탕으로 식(3)을 통해, 임피던스를 나타내는 Z-파라미터로 변환 후 추출할수 있다. 일반적으로 이같은 측정값은 미지의 저항체의 양단에 전류를 흘리고, 그 양단에서 전압을 측정하여 전기적 측정 값을 분석하는 방법인 4 point probe 측정법이많이 사용되고 있다.</p> <p>\( \left[\begin{array}{l}Z_{11} Z_{12} \\ Z_{21} Z_{22}\end{array}\right]=\left[\begin{array}{l}Z_{0} \frac{\left(1+S_{11}\right)\left(1-S_{22}\right)+S_{12} S_{21}}{\left(1-S_{11}\right)\left(1-S_{22}\right)-S_{12} S_{21}} Z_{0} \frac{2 S_{12}}{\left(1-S_{11}\right)\left(1-S_{22}\right)-S_{12} S_{21}} \\ Z_{0} \frac{2 S_{21}}{\left(1-S_{11}\right)\left(1-S_{22}\right)-S_{12} S_{21}} Z_{0} \frac{\left(1-S_{11}\right)\left(1+S_{22}\right)+S_{12} S_{21}}{\left(1-S_{11}\right)\left(1-S_{22}\right)-S_{12} S_{21}}\end{array}\right] \)<caption>(3)</caption></p> <p>재질에 따른 저항을 나타내는 시트저항 \( \left(\mathrm{R}_{\text {sh }}\right) \) 은 \( \mathrm{Cu} \) 의 경 우 \( 35.5 \mathrm{~m} \Omega / \mathrm{sq}} \) 값을 가지며, TSV 저항, 인덕턴스, 캐패 시턴스의 경우 Table 2 와 같이 비아의 크기에 따라 각각 다른 값을 가진다. TSV의 크기가 작어질수록 비아를 만 드는 방법과 관계없이 저항, 인덕턴스, 캐패시턴스 값은 작아지는 경향을 보여주고 있다. TSV의 신호선으로써의 륵성을 나타내는 특성임피던스 \( \left(Z_{0}\right) \) 의 경우 주파수 \( 1 \mathrm{~Hz} \) \( 10 \mathrm{GHz} \) 범 위에서 \( 50 \Omega \) 값을 갖는 것으로 측정 빛 보고되 었다.</p> <h3>2.3.2. TSV 의 EM 에 의한 절연파괴 특성</h3> <p>전기적 에너지의 흐름에 반응하여, TSV을 충전하고 있는 금속원자가 절연막을 통해 점진적으로 이동하는 것을의미하는 EM(Electro- migration)은 TSV와 실리콘 웨이퍼사이에 존재하는 절연층 파괴를 가져와 결과적으로 전기적 회로에 신뢰성 문제를 야기한다. 이에 대해 시뮬레이션부터 측정실험까지 다양한 연구결과가 발표되고 있다. 일반적으로 EM 분석은 Fig. 8과 같이 누설전류 (leakage current) 측정을 통해 분석되고 있다.</p> <p>열충격 조건에서 누설전류에 의한 절연막 파괴는 일정시간동안 누설전류가 흐르지 않다가 갑자기 전류가 급증하여 절연막을 파괴한다. 이 같은 누설전류 거동은 TSV의 \(\mathrm{Cu}\) 이온이 계면에서 drift 하여 발생하는 것으로 발표되고 있다.</p> <p>\(\mathrm{Cu}\) 이온 drift에 의한 절연막 파괴 메커니즘은 Fig. 9와같다. 1단계(a)로 절연막 내에 crack이 없을 경우, 열충격에 의한 지속적인 열에너지를 주입하면, 2단계(b)로 \(\mathrm{Cu}\)이온들이 TSV의 절연막 내부로 침투하고, 침투된 \(\mathrm{Cu}\) 이온이 전자를 잡아(trap) 전체적인 유전율이 변하게 되다. 3단계(c)로 지속적으로 유입된 \(\mathrm{Cu}\) 이온이 쌓이면 절연막파괴모드가 나타나 누설전류가 흐르면서 내부 crack이 발생한다.</p> <p>열충격 사이클에서 TSV 내의 \(\mathrm{Cu}\) 이온 drift에 따른 유전율 변화는 상호 캐패시턴스를 측정을 통해 알 수 있다. 측정결과 1,000 사이클에서 상호 케패시턴스는 유전율변화로 인해 0.42 \(\mathrm{pF}\)에서 0.25 \(\mathrm{pF}\)으로 감소되었다. 즉 \(\mathrm{Cu}\)는 유전체 안으로 빠르게 확산하는 특징을 가지고 있으며, 열충격 실험과 같은 가혹한 환경에서는 이온의 확산속도가 더욱 빨라짐을 알 수 있다.</p> <p>TSV는 단층으로 사용되기 보다는 시스템에 사용되는칩의 용도에 따라 다양한 형태로 변형되어 사용된다. 이에따라 TSV의 전기적 특성에 영향을 줄 수 있는 변수인적층, 형태, 높이에 따른 구조를 1 \(\mathrm{Hz}\)~10 \(\mathrm{GHz}\) 주파수 대역을 기준으로 TSV의 전기적 특성을 분석하였다.</p> <p>분석결과, 60 \(\mathrm{\mu}\mathrm{m}\)\(\times\)30 \(\mathrm{\mu}\mathrm{m}\) 원통형 TSV가 5층 적층인 경우, 5~6 \(\mathrm{GHz}\)의 주파수 범위에서 신호감쇠가 증가되기 시작했으며, 높이의 경우 480 \(\mathrm{\mu}\mathrm{m}\) 이상에서는 주파수 4 \(\mathrm{GHz}\)부터 특성이 감쇠되기 시작하였다. 이때 TSV는 원통형이나 직사각형 형상이 타원형이나 삼각기둥 형상보다 더좋은 신호 특성을 보여 주었다.</p>	TSV의 전기적 소자값은 어떻게 추출할수 있을까?	식(3)을 통해, 임피던스를 나타내는 Z-파라미터로 변환 후 추출
{ "answer_type": "Yes/No 단문형", "context_id": "496d1a72-1d26-4f80-b441-aca545e7d144", "field": "인공물", "question_id": "ca895d67-887c-4e65-ae17-99aadf58ba97" }	<h2>4. 로드셀 보상방법과 신호정합</h2><h3>가. 로드셀 오차</h3><p>로드셀의 오차는 구성 요소간의 연관성에 의해 오차가 발생하며 이에 대한 보상은 무척 까다롭고 제조업체의 노하우이며 제조사 별로 로드셀 오차에 대해서 보상을 실시한 후 성능확인을 실시하고 있다. 이에 대한 변수는 온도와 하중에 따라 발생하는데 온도의 경우 로드셀에서 가장 보상하기 어렵다. 그 이유는 OIML(국제법정계량기구)국제 기준에서 일반적으로 \( -10^{\circ} \mathrm{C} \) 에서 \( 40^{\circ} \mathrm{C} \) 의 범위 내에서 성능 보상을 권고한바 로드셀의 온도를 변화시켜 보상을 실시하고 영향을 주는 인자들은 로드셀 바의 탄성계수, 스트레인게이지 감도, 게이지율, 팽창계수 등이 있는데 반드시 보상을 하여야만 하는 오차로서는 아래의 다섯 가지가 있다.</p><p>브리지의 초기 불균형, 온도변화에 따른 영점이동, 온도변화에 따른 구간의 이동, 하중과 로드셀 출력사이의 직선성과 히스테리시스, 크립브리지가 초기 불균형에 대한 보상을 실시하지 않으면 신호정합에 문제가 발생되고 온도변화 및 구간이동에 대한 보상을 하지 않을 시에는 온도에 따라서 영점 값 불안정 및 무게 값이 정확히 표시되지 않기에 반드시 보상을 실시하여야만 하는 로드셀 오차이다. 이 중에서 크립이 가장 예측도 힘들고 발생한 오차에 대해서 보상도 가장 어렵다. 크립의 경우 지금까지 제조사에서 예측이 불가능해서 대부분 로드셀을 완성 후에 직접하중을 가해서 합격, 불합격 판정을 하고 있지만 일단 성능미비의 경우 전부 폐기 하여야 하는 실정이지만 예측 및 보상방법이 없어서 제조사에서는 보상방법을 찾기 위해 노력을 하고 있지만 현재 실용적이며 개별보상 가능한 방법이 없다.</p><h3>나. 로드셀 보상회로</h3><p>스트레인 게이지식 로드셀 기본회로는 휘스톤브리지회로를 사용하지만 실제로는 여러 종류의 오차가발생하기 때문에 오차를 보상하기 위해서 그림 6과같은 매우 복잡화한 보상회로를 사용하고 있다. 그림 6을 보면 보상회로는 다수의 저항으로 구성되어 있다. 이것은 로드셀에서 발생한 오차를 보상하기 위한 회로이며 R1, R2, R3, R4 의 경우는 스트례인 게이지이며 나머지 저항은 출력 감도보상, 온도보상등올 하기위한 저항이다. 간단하게 스트레인 게이지를 제외한 나머지 저항의 역할을 설명하면 R5, R11은출력전압의 온도보상용 저항이다. 온도에 따른 출력전압을 기본으로 해서 로드셀 바의 탄성계수는 알루미늄의 경우 \( -0.07[\% / \mathrm{C}] \) 의 스트레인 게이지율의 변화가 있다. 로드셀 출력전압에 포함되어있는 온도에 따른 오차요인을 보상하는 경우에 R5에 온도에 따라 저항값이 변화하는 소자를 접속한다. 로드셀 바의 영율과 스트레인 게이지율은 온도특성에 따른 출력변화량에 상당한분의 전류를 조정한다. 온도감지 저항소자는 보통 순수한 니켈이나 동과같이 정(+)방향의 온도계수를 갖고 있는 것을 사용하며 R11 은 고정저항으로 R5 의 직선성 조정을 처리할 경우에 사용한다. R10과 R12는 출력전압의 비직선을 보징하는 저항이다.</p><p>대용량의 계량시스템에서는 칼람형의 로드셀을 사용하고 있지만 힘에 따라 로드셀 바의 단면적 변화가있기 때문에 직선성 오차가 발생한다. 따라서 별도로 로드셀의 스트레인을 감지하는 소자를 부착해서 브리지회로 전류를 자동적으로 조정해서 로드셀 출력전압의 직선화의 보상을 한다. R10 은 반도체 게이지에서사용하는 것이 일반적이다. R12 는 고정저항으로 R10 을 직선화하기 위한 조정을 할 경우 사용한다. R8은 영점 조정을 하는 저항이다. 게이지 4장은 약간의 오차로 영점 값 출력이 불 균일 하게 되는데 이때 조정을하는 저항이다. R9는 온도에 따라서 변화하는 영점을보상하는 저항이며 R8 은 출력감도의 조정저항이며 R7은 입력저항 조정용의 저항이다.</p><h3>다. 로드셀 출력과 연산증폭기 입력신호 정합</h3><p>일반적으로 로드셀 출력은 로드셀 설계시에 여러요소를 고려해서 정격출력을 \( 1 \sim 3[\mathrm{rV} / \mathrm{V}] \) 정도로 설계한다. 다만 반도체 게이지를 사용하면 수십 배 이상으로 출력이 크다. 로드셀 신호는 아주 미약한 신호출력으로 인해서 사람이 읽을 수 있는 숫자로 표현하는 것은 불가능하다. 따라서 로드셀 신호를 받아서 신호를 증폭하는 회로가 1차적으로 필요하며 아날로그 신호를 디지털 신호로 변환하기 위한 신호정합 회로기술이 필요하다. 우선 로드셀 출력신호를 받아서 A/D변환하기 위한 증폭회로에는 전자저울의 정밀도에 따라서 차이가 있지만 주로 계측용 Op-Amp를 사용하고 있다. 그림 7에서와 같이 휘스톤브리지회로에서 나온 로드셀 출력이 Op-Amp 의 입력 단으로 구성되어진다. 로드셀 바에 스트레인 게이지를 접착(그림의 \( \mathrm{R}+\Delta \mathrm{R} \) (2장), \( \mathrm{R}-\Delta \mathrm{R}(2 \) 장 ))을 한 후에는 큐어링과정을 실시한 후 다음 공정에서 휘스톤브리지를 구성하기 위해서 copper wire를 사용하여 배선을 실시한다. 또한 추가 검토할 사항은 보통 로드셀과 Op-Amp를 연결하면 원하는 출력값이 나오지 않는데 그 이유는 휘스톤브리지로 구성되었기에 이를 테브난방정식으로 보면 Sig+, Sig-는 테브난 전압과 스트레인 게이지가 1/2저항으로 형성되기 때문에 A/D변환기 입력범위에 맞는 증폭도를 계산할때에는 주의를 기울여야 한다.</p><p>위의 그림 8과 9에 그 관계를 표시하였다. 로드셀출력 및 Op-Amp 입력단 관계를 보면 테브난전압[VTH+], [VTH-]는 그림 10의 실험과 같이 출력이 동일하게 2.5V가 된다. 따라서 Op-Amp의 반전, 비반전 단자에 접속되는 저항값은 1/2로 줄어든 R/2의 값으로 연결되는데 R/2은 로드셀에 스트레인 게이지 저항값이 \( 1000 \Omega \)이 접착되어 있다면 \( 500 \Omega \)으로 입력이되는 것이다. 그리고 로드셀 출력을 증폭하기 위해서 Op-Amp를 사용했다면 회로해석은 아래와 같이 된다. Op-Amp의 입력임피던스는 로드셀 회로구성 및증폭을 결정할 경우에도 관계가 있다.</p><p>로드셀을 테브난 방정식에 의해 정리를 하면 \( \mathrm{R}_{1}=\mathrm{R}_{2} \)이고 그리고 \( \mathrm{R}_{3}=\mathrm{R}_{4} \)와 같다고 하면 증폭된 출력은 \( \mathrm{Vo}_{0}[(\mathrm{Sig}+)-(\mathrm{Sig}-)] * \frac{R_{4}}{R_{2}} \) 로 되는데 로드셀의 스트레인게이지 4장의 저항값이 \( 1000 \Omega \) 이고 로드셀 정격출력이 \( 10[\mathrm{mV} / \mathrm{V}] \) 의 로드셀에 \( 5 \mathrm{~V} \) 전원을 접속하고 정격 하중을 가하면 로드셀 바는 스트레인의 상승, 하강으로 \( \Delta R=10 \) 이 변하였다고 하면 로드셀 출럭은 그림 11과 같이 출력 \( \mathrm{VSig} \) 은 \( 50 \mathrm{mV} \) 가 얻어질 것이다. Op-Amp의 출력 \( \mathrm{VSig}-50 \mathrm{mV} \) 를 A/D변환기 입력 범위에 정합하게 하기 위해서는 로드셀에 하중을 가하면 로드셀 최대 출력 \( 50 \mathrm{mV} \) 를 Op-Amp 에 입력 한 후 \( 0 \sim 5 \mathrm{~V} \) A/D변환기 입력범위에 맞게 신호를 정합하기 위해서 증폭도 100이 필요하다.</p><p>그림 10 에서 \( \mathrm{R}_{1}=\mathrm{R}_{2} \) 가 \( 1 \mathrm{k} \Omega \) 그리고 \( \mathrm{R}_{3}=\mathrm{R}_{4} \) 는 \( 100 \mathrm{k} \Omega \)으로 연결하면 증폭이 100배로 되어 \( 5 \mathrm{~V} \)출력이 나올 것이라고 예상하지만 결과는 다르게 나올 것이다. 그림 10에서 점선으로 표시된 부분은 테브난 정리에 의해 회로해석을 한 것으로 100배의 증폭을 하기위해서 \( \mathrm{R}_{3}=\mathrm{R}_{4} \) 는 \( 150 \mathrm{k} \Omega \) 이 필요하다. 추가로 주의할 내용은 Op-Amp 입력단 Sig-(반전단자)는 Vcom이 불안정하면 신호증폭시 출력변동이 생길 수 있고 비직선의 원인이 될 수 있다. 그래서 전자저울회로에서는 Op-Amp의 Sig+(비반전 단자)를 안정되게 하기 위해서아날로그 회로에 공급하는 전압에서 분압을 시킨 후피드백(feed-back)을 시켜서 나온 출력을 아날로그신호 증폭부의 Vcom으로 사용하고 있다.</p>	로드셀의 오차에 대한 보상은 쉬워?	NO
{ "answer_type": "표정답추출형", "context_id": "85f33461-382f-44b1-98b7-ba089f205bab", "field": "인공물", "question_id": "68091471-0e34-40b8-b849-cbc9d36cfc6d" }	<h1>II. 실 험</h1> <h2>1. U.V. 레이져 세팅</h2> <p>본 연구에 이용된 레이져는 E사의 \( 50 \mathrm{~mm} \) 초점 렌즈를 갖는 \( 355 \mathrm{~nm} \) 파장의 이용하는 DYP 레이져로 주요 사양은 아래 표1과 같다.</p> <table border><caption>표 1. U.V. 레이져의 주요사양</caption> <tbody><tr><td>lASER TYPE</td><td>- Diode-pumped YAG</td></tr><tr><td>Wavelength</td><td>- \( 355 \mathrm{~nm} \)</td></tr><tr><td>Spot size</td><td>- \( 10 \sim 12 \mu \mathrm{m} \)</td></tr><tr><td>R measurement</td><td>-\( 0 \sim 100 \mathrm{M\Omega} \) -basic accuracy \( 0.02 \% \)</td></tr><tr><td>Matrix card</td><td>Lelvin matrix, 24 point</td></tr><tr><td>Step & Repeat handler system</td><td>-\( 6^{\prime \prime} \times 6^{\prime \prime} \) travel -\( 1\mu \mathrm{m} \) resolution -automatic \( \theta \) stage, \( +4 \)</td></tr></tbody></table> <p>자외선 레이져를 이용한 백금박막의 저항체 가공은 항온항습 \( \left(25^{\circ} \mathrm{C}, \mathrm{RH} 45 \%\right) \)이 유지되는 공간에서 최대한 균일한 온도가 유지되는 조건으로 이루어졌다. 백금은 온도센서에 지수 이용되는 물질로 온도에 상당히 민감하여 레이져 가공 시 작은 온도 편차도 가공된 저항체의 오차로 존재하게 된다.</p> <h2>2. 백금박막의 증착 및 저항체 제작</h2> <p>\( 99.99 \% \) 고순도 백금타겟을 사용하여 표 2와 같이 백금박막을 증착시켰다.</p> <table border><caption>표 2. 백금박막 증착조건</caption> <tbody><tr><td>Deposited films</td><td>Pt thin films</td></tr><tr><td>Target</td><td>Pt \( (99.99 \%) \)\( \left(4^{\prime \prime}\right. \) diameter)</td></tr><tr><td>Gas flow rate</td><td>\(80\mathrm{sccm}\)</td></tr><tr><td>Base pressure</td><td>\( 7.5 \times 10^{-7} \)\(\mathrm{torr}\)</td></tr><tr><td>Working pressure</td><td>\(5\mathrm{mtorr}\)</td></tr><tr><td>Power</td><td>\(300\mathrm{W}\)</td></tr></tbody></table> <p>본 연구에 이용된 DC magnetron 스퍼터는 \( 2^{\prime \prime} \times 2^{\prime \prime} \) 기판이 동시에 24장 장착될 수 있는 batch-type으로 양산 생산이 가능한 시스템이 다. \( 2^{\prime \prime} \times 2^{\prime \prime} \) 기판내 증착 박막의 평탄도 (uniformity)는 \( \pm 0.5 \% \) 이내이며 기판의 cooling이 가능하고 모든 시스템의 구동이 프로그램화되어 자동으로 동작하게 된다. 기판의 loading과 unloading을 제외한 모든 기능이 자동화 되어있고 전체 한공정을 처리하는데 대략 5시간 정도 소요되게 된다. 박막 증착에 이용되는 기판의 거칠기(roughness)는 \( 3000 \mathring{A}\) 정도 이며 소자 제작후, 쉬운 기판 커팅을 위해 \( 4 \times 24 \) 로 scribing된 \( 96 \% \) 의 알루미나 기판을 이용하였다.</p> <p>그림 1은 사진공정기술로 제작된 백금박막 저항체 사진을 보여주고 있다. \( 2^{\prime \prime} \times 2^{\prime \prime} \) 세라믹 기판에 제작된 저항체는 \( 4 \times 24 \) 로 총 96개가 형성 되어 있으며 레이져 가공을 통해 일정한 저항값으로 \( \left(0^{\circ} \mathrm{C}, 100 \Omega\right) \) 맞추기 위해 link-cut과 final-cut이 가능한 구조로 설계 및 제작되어있다. link-cut과 final-cut을 이용하여 최대 \( 45 \% \)의 저항을 상승시킬 수 있어 박막의 증착 및 저항체 형성에서 발생할 수 있는 각종 저항편차 문제를 해결할 수 있으며 레이져 성능만 충분하다면 \( 100 \% \) 가까운 수율을 올릴 수 있도록 설계되어 있다.</p>	스폿 사이즈의 사양은 표 1.에서 어떻게 보여지고 있어?	- \( 10 \sim 12 \mu \mathrm{m} \)
{ "answer_type": "표정답추출형", "context_id": "52b6c911-79d7-4619-8756-2a3ce1db3f5b", "field": "인공물", "question_id": "f8425d1e-93c8-43a0-83a0-49fd357b9b1b" }	<h1>3. 사례연구 결과</h1> <p>그림 3은 K-factor를 측정한 값으로 \( 1[\mathrm{~mA}] \)의 감지전류 인가 시 접합온도에 따른 전압 값을 나타낸다. 온도범위는 \( 25 \sim 85{ }^{\circ} \mathrm{C} \)에서 \( 15{ }^{\circ} \mathrm{C} \) 간격으로 측정하였으며, 온도 변화에 따른 전압의 변화 K-factor인 \( \triangle \mathrm{T} / \triangle \mathrm{V} \)로 표 2에서 보는바와 같이 약 480정도의 상수 값을 확인할 수 있었다.</p> <table border><caption>표 2 온도변화에 따른 전압 변화율 K-factor</caption> <tbody><tr><td>구분</td><td>\( \triangle \mathrm{T} \)</td><td>\( \triangle V \)</td><td>K-factor</td></tr><tr><td>Sample 1</td><td>60</td><td>0.124594</td><td>481.5641</td></tr><tr><td>Sample 2</td><td>60</td><td>0.120592</td><td>497.5454</td></tr><tr><td>Sample 3</td><td>60</td><td>0.123524</td><td>485.7356</td></tr><tr><td>Sample 4</td><td>60</td><td>0.124833</td><td>480.6421</td></tr><tr><td>Sample 5</td><td>60</td><td>0.125561</td><td>477.8554</td></tr><tr><td>Sample 6</td><td>60</td><td>0.125374</td><td>478.5681</td></tr></tbody></table> <p>그림 4는 그림 1의 (B)와 같이 구동전류 \( 350 \mathrm{~mA} \)를 \( 10 \mathrm{~s} \) 인가하며 순간적으로 \( 4 \mathrm{~ms} \) 동안 감지전류 \( 1 \mathrm{~mA} \)를 인가하였을 때의 전압 값을 측정한 것이다. 샘플 1에서 전압감소가 가장 적었으며 샘플 2에서 전압감소가 가장 큰 것을 확인하였다. 그림 4의 전압 차와 표 1의 K-factor의 곱으로 LED 패키지의 접합온도 변화량을 확인할 수 있었으며 식(2)에서 보는바와 같이 LED 패키지의 초기온도를 더할 경우 그림 5에서 보는바와 같이 접합온도를 확인할 수 있었다.</p> <p>접합온도는 그림 5에서 보는바와 같이 샘플 1에서는 \( 48.9{ }^{\circ} \mathrm{C} \)로 가장 낮았으며 샘플 2는 \( 86.3{ }^{\circ} \mathrm{C} \) 가장 높았다. Via-hole이 형성된 것 중에는 샘플 4의 접합온도가 가장 낮았으며, 샘플 1과는 \( 7.4{ }^{\circ} \mathrm{C} \) 높았고 샘플 2와는 \( 29.9{ }^{\circ} \mathrm{C} \) 낮은 차이를 보였다.</p> <p>그림 6은 각 샘플의 열 저항을 나타낸 것으로 샘플 1은 \( 26.2{ }^{\circ} \mathrm{C} / \mathrm{W} \)로 가장 낮게 나왔고 샘플 2에서 \( 69.3{ }^{\circ} \mathrm{C} / \mathrm{W} \)로 가장 높게 나왔다. 이는 PCB 재질에 의한 차이로 McPCB를 사용함으로써 LED 패키지에서 생성되는 열이 PCB를 통해 열전달이 원활이 이루어짐으로써 열전도도가 낮은 FR4 PCB 보다 성능이 우수한 것을 확인 할 수 있었다. 더욱이 FR4 PCB에 Via-hole을 형성함으로써 LED 칩으로부터의 열이 Via-hole을 통하여 HeatSink에 열이 직접 전달되어 열 저항을 크게 낮출 수 있었고 Via-hole \( 0.6 \mathrm{~mm} \)에서 그 성능이 가장 우수하였다.</p> <p>실제 Via-hole 형성을 통해 접합온도의 변화를 바탕으로 광특성에 대한 변화를 확인하기 위해 그림 7에서 보는바와 같이 각 샘플의 광속유지율을 측정하였다. McPCB와 Via-hole이 형성된 FR4PCB의 광속저하율은 크게 차이가 발생하지 않았으나 FR4 재질인 Sample 2의 광속 감소율은 매우 높았다. 따라서 LED 패키지의 Via-hole을 형성을 통해 방열성능이 향상되어 열 저항이 감소되고 결론적으로 광속유지율에도 영향을 주어 성능 향상에 큰 역할을 함을 알 수 있었다.</p>	표 2에서 샘플 1의 전압 변화율은 얼마인가?	481.5641
{ "answer_type": "정답경계추출형", "context_id": "1bf9ee09-3279-4631-9f8b-9dfaf00e3e6c", "field": "인공물", "question_id": "f052cbf3-809d-42ed-a0b3-681e3e902d80" }	<h1>II. 스트레인 게이지식 로드셀</h1><p>디지털중량제어기 및 전자저울용 센서로 사용하고 있는 스트레인 게이지식 로드셀은 물건의 무게 즉 하중을 전기신호로 변환하는 트랜스듀서이다. 전기적으로 물건의 무게를 검출하는 방법으로는 마그네틱을이용하는 자기식, 스트레인 게이지식, 음파식, 진동식 그리고 정전용량식 등이 있는데 대부분 스트레인게이지를 사용한 트랜스듀서를 로드셀이라고 부르고 있다. 이러한 로드셀의 특징으로는 비교적 소형으로 가벼워서 조립성이 좋고, 센서성능은 최대가 \( 1 / 10,000 \) 정도이며 구조가 간단하며 경시변화가 적다. 또한 정격하중이 수 그램으로부터 수백 킬로그램으로 사용범위가 넓다. 이러한 이유로 해서 스트레인 게이지식로드셀이 많이 이용되고 있다.</p><h2>1. 스트레인 게이지 원리</h2><p>일반적인 표준 스트레인 게이지의 저항값은 \( 120 \Omega \) 에서 \( 1000 \Omega \)이며 저항값은 용도에 따라 따르게 선택하는데 전력소모를 줄이기 위해서는 \( 1000 \Omega \) 의 게이지를 많이 사용하며 일반적인 표준 로드셀은 대부분 \( 350 \Omega \) 게이지를 사용하고 있다. 스트레인 게이지에 요구하는 특성은 온도와 시간에 의한 저항값이 변화가 생기는 것은 좋지않다. 그래서 대부분 합금재질을 이용하여 호일을 제작하고 그 후 저항값의 변화를 주지 않기 위해서 열처리를 실시하는데 콘스탄탄 호일의 경우에는 열처리하면 \( 300^{\circ} \mathrm{C} \) 까지 안정되게 사용할 수 있는 합금재질이기 때문에 전자저울용 로드셀에 많이 사용하고 있다. 그림 1은 로드셀 바에 스트레인 게이지를 부착한 모습과 힘을 가하였을 때 로드셀 바가 휘어지는 모습을 나타내고 있다. 스트레인 게이지(strain gauge)는 금속이나 반도체에 응력을 가할 때 발생하는 변형으로 인해 그 저항값이 변화하는 성질을 이용한다. 저항 값을(R), 저항선의비 저항을 \( (\rho) \), 단면적 \( (\mathrm{A}) \), 길이 \( (\mathrm{L}) \) 인 금속 도선의 저항은 식(1)과 같이 표현한다.</p><p>\( R=\rho \frac{L}{A} \)<caption>(1)</caption></p><h2>2. 스트레인 게이지 구조</h2><p>로드셀에 사용하는 게이지는 와이어 게이지, 박막게이지 또는 호일 게이지(foil gauge)가 사용된다. 그림 3을 보면 게이지의 구조를 알 수 있는데 호일 게이지의 경우는 구리와 니켈합금으로 되어있고 보통 5 \( \sim 10 \mu \) 정도로 얇게 만든 후에 베이스에 폴리미드라고 하는것을 접착제로 접착한 후 노광 및 에칭과정을 거친 후 스트레인 게이지가 완성이 된다. 로드셀은 알루미늄재질의 바를 가공한 후 스트레인 게이지를 4장을 접착하는 곳은 스트레인이 가장 많이 발생하는 곳에 게이지를 접착해서 스트레인을 효율적으로 검출한다. 스트레인 게이지 저항값 변화는 스트레인과 직접적인 관계가 있어서 아래 식(2) 와 같이 성립한다.</p><p>\( \frac{\Delta R}{R}=K * \epsilon \)<caption>(2)</caption></p><p>여기에서</p><ul><li>\( R: \) 스트레인 발생 전 저항 값 \( \Omega \),</li><li>\( \Delta R \) : 하중이 작용하였을 때 저항 값 변화량 \( \mathrm{Q} \),</li><li>\( K: \) 비례정수 (게이지 율 약 2),</li><li>\( \epsilon \) : 스트레인 \( (\Delta L / L)\left[10^{-6}\right] \).</li></ul><h2>3. 스트레인 게이지식 로드셀의 측정</h2><p>로드셀에 힘을 가하면 접착되어진 게이지 저항값이 변화한다. 저항값 변화는 힘과 비례하게 나타나고게이지의 저항값 변화는 대단히 작기 때문에 일반적으로 그림 5와 같은 휘스톤브리지회로로 로드셀에 배선을 한다. 휘스톤브리지는 미세한 저항값 변화를 검출하기 위한 전기회로로 스트레인에 의한 저항값 변화도이러한 회로를 이용하여 변환하고 있다. 휘스톤브리지는 4개의 저항변화 조합으로 되어있으며 R1, R2, R3, R4가 의 게이지가 그림과 같이 접착되어 하중(힘)을 가하기 전의 출력과 전압은 전류흐름에 따라 식(3)과같이 나타낸다.</p><p>Vout \( =\frac{R_{1} R_{3}-R_{2} R_{4}}{\left(R_{1}+R_{2}\right)\left(R_{3}+R_{4}\right)} \) Vin<caption>(3)</caption></p><p>여기서 Vout: 로드셀 출력전압, Vin: 로드셀 구동 전압.</p><p>브리지 4변에 접착된 게이지가 스트레인을 받으면각 변 R1, R2, R3, R4가 가 각각 미세변화를 해서 \( +\Delta R_{1},-\Delta R_{2},+\Delta R_{3},-\Delta R_{4} \) 의 스트레인이 발생하였다고 하면 출력 전압은 식(4)와 같이 된다.</p><p>\( \begin{aligned} \Delta \text { Vout }=&\left\{\frac{R_{1} R_{2}}{\left(R_{1}+R_{2}\right)^{2}}\left(\frac{\Delta R_{1}}{R_{1}}+\frac{\Delta R_{2}}{R_{2}}\right)\right\} \text { Vin } \\ &+\left\{\frac{R_{3} R_{4}}{\left(R_{3}+R_{4}\right)^{2}}\left(\frac{\Delta R_{3}}{R_{3}}+\frac{\Delta R_{4}}{R_{4}}\right)\right\} \text { Vin } \end{aligned} \)<caption>(4)</caption></p><p>여기서 \( R_{1}=R_{Z}=R_{3}=R_{4}=R \) 의 관계의 경우</p><p>\( \Delta \) Vout \( =\frac{\Delta R}{R} \) Vin<caption>(5)</caption></p><p>식(2)에서 \( \frac{\Delta R}{R}=K * \epsilon \) 의 관계가 성립되어서</p><p>\( \Delta \) Vout \( =K * \mathrm{e} * \epsilon \)<caption>(6)</caption></p><p>식(6)으로 나타나기에 출력전압( \( \Delta \mathrm{Vout}) \)은 스트레인(e)에 비례하는 것을 알 수 있다.</p>	스트레인 게이지식 로드셀은 어떤 역할을 수행하는 트랜스듀서야?	물건의 무게 즉 하중을 전기신호로 변환하는 트랜스듀서이다.
{ "answer_type": "정답경계추출형", "context_id": "fdeab9c0-eb78-4013-bc71-37c48b4064a1", "field": "인공물", "question_id": "cfb410ab-7edd-4fc3-935b-015fd9a0ee57" }	<h1>IV 제안한 크립보상 로드셀</h1><h2>1. 로드셀 크립 보상방법</h2><p>본 논문에서 제안한 크립오차 보상방법은 아래와 같다. 먼저 로드셀 출력을 실측한다. 실측한 데이터를기본으로 보상 파라미터를 결정하기 위해서는 시뮬레이터를 이용한다. 시뮬레이터를 시간에 대해서 구간별로 1차, 2차 및 3차 보상을 실시해서 보상상수(시정수:)와 보상계수를 결정한다. 그 이후 제품 별로 저장된 파라미터를 확인해서 허용범위내로 순수한 무게값을 출력하는 방법이다. 그림 14는 크립특성을 확인하기 위해서 하중을 가한 시작과 종료를 나타낸 그림으로 1차 보상의 구간에서는 아주 짧은시간 대비 급격한 무게 값 변화 후 2차 구간부터는 서서히 변화하다가 3차 구간에서 포화상태를 이루고 있다. 따라서 크립오차 보상도 구간별 변화특성에 맞추어 보상을 실시할 경우 정확한 크립오차를 보상할 수 있다. 그리고 다음으로 보상 수식을 전개하기 위해서 크립 응답특성을 세분해서 나타낸 것이 그림 15이다.</p><p>초기 하중에 대한 값과 크립시험 종료를 그림으로 같이 나타내면 아래와 같이 표현 할 수 있다. 여기서 \( t_{0} \)의 하중에 대한 값은 로드셀에 하중을 가하였을 때의 무게 값을 나타내고 있고 \( 10 \mathrm{~kg} \)의 무게만큼 하중을 가하였다면 \( 10 \mathrm{~kg} \) 을 나타낸다. X축은 시간, Y축은로드셀 출력(무게 값)을 나타나고 있으며 \( \operatorname{Wn} \)는 로드셀에 하중을 가해 종료시간의 값을 나타내고 있고 \( C \) 는 시간에 대한 크립오차를 나타내고 있기에 \( \operatorname{Wn} \)를 수식으로 나타내면 식(8)과 같이 표현할 수 있다.</p><p>\( W h=W_{a} O+C r \)<caption>(8)</caption></p3><p>하중이 제거된 시간부터는 \( e^{0}=1 \) 이기에 시간이 지남에 따라 지수함수형으로 감소한다. 이러한 형태는 전기회로 뿐만 아니라 종소리의 감쇠, 열의 발산, 방사능의 감쇠 뿐만 아니라 매우 기본적인 식이므로 다른 곳에도 활용을 하면 오차보상을 하는데 있어 적절할 것이다. 전기회로에서 보면 \( \mathrm{RC}=\tau[\mathrm{t}] \)는 감쇠곡선을 정하는 중요한 상수인데 이를 시상수라고 한다. 로드셀바의 응답에 대한 반대요소(게이지접착)의 응답도 미분회로의 감쇠곡선과 동일한 응답을 보이고 있다. 식(8)에서 보면 \( \mathrm{Wn} \) 은 초기하중 \( \mathrm{W}_{\mathrm{e}} 0 \) 를 기반으로 크립 반응이 진행된 후 무게 값 이라는 것을 알 수 있다. 그림 15 에서의 \( F(t) \)는 정확한 최종적인 값 \( \Pi \) 이 결정되지 않았기에 \( F(t) \)를 얻기 위해서는 식 \( (9) \)로 대체 될 수 있다.</p><p>\( F(t)=\left(\frac{\prod n}{d}\right) \cdot \tau_{n}(t) \)<caption>(9)</caption></p><p>\( F(t)=F\left(t_{n}\right) \) 이라 하고 \( \mathrm{t}=t_{0}, \mathrm{t}=t_{n} \) 라고 하면 \( \mathrm{W}_{a} \) 는 식 \( (10) \) 과 같이 나타낼 수 있다.</p><p>\( W_{a} 0=W h-F\left(t_{n}\right) \)<caption>(10)</caption></p><p>마지막으로 \( W h \) 의 크립오차 변화량 합계 \( \mathrm{Cr} \) 은 다음의 식으로 결정할 수 있다.</p><p>\( C=\left(\tau_{n}\right) \left(\frac{W h}{d}\right) \)<caption>(11)</caption></p><p>여기서 식 \( (9) \) 와 식(11)에서의 \( \tau_{n} \) 은 크립오차 보상시 로드셀 응답특성에 따라 1차 보상으로 크립오차가 완료 될 수 있는 로드셀도 있는 반면 2차 보상, 3차보상으로 완벽하게 처리될 경우에 있어서의 각각에 대한 시정수 영향의 량을 의미한다. 상기식에 의해 최종적으로 나타난 크립오차 보정식은 식(12)와 같이나타낸다.</p><p>\( W_{b}(n)=W_{a} 0-\left(\tau_{n}\right) \left(\frac{W_{n}}{d}\right) \)<caption>(12)</caption></p><p>그림 16은 스트레인 게이지식의 로드셀 크립커브에 대한 보상 시스템을 나타내고 있는데 하중을 가한 후1차 지연 응답(CR 필터)의 모양으로 무게 값이 서서히 변화해서 최종적으로 포화까지의 움직임을 보상한것으로 이것을 나타낸 것이다.</p><h3>가. 정방향(+) 크립오차</h3><p>그림 17은 지수 감쇠상수로 크립오차 보상이 가능한가를 시뮬레이션 한 그림이며 보상효과를 단순하게하기 위해서 보상계수를 \( -60 \)으로 고정하여 실시한 결과를 나타낸 것이다. 시뮬레이션의 방법은 스트레인 게이지식의 로드셀을 마이크로프로세스로 연산하는 PCB기판에 조립해서 내부 A/D컨버터의 디지털출력을 고분해능으로 한후 PC와 RS-232C 통신포트를 연결해서 데이터를 취득한 후 엑셀 프로그램을 이용해서 시상수를 구한 후원하는 보상계수를 조정해서 1차 보상에 대한 시상수와 조정계수를 적용한 후 2차 보상, 3차 보상 순서로 그래프로 확인하는 방법이다.</p><h3>나. 부방향(-) 크립오차</h3><p>그림 18은 크립 응답특성이 마이너스인 경우의 보상 처리한 시뮬레이션 그림이다. 그림 17과 18에서의시뮬레이션 조건 CP1, CP2, CP3은 크립오차를 입력측에 예상된 값을 감쇠할 경우의 보상계수로서 그림19를 보면 하중을 가한 후 크립오차를 측정한 값인데 종료까지의 시간은 \( 20[\mathrm{~min}] \)으로 되어있고 시작 후의 20분 후 크립오차 양은(3차보상의 경우) 600 눈금이 변하였는데 감쇠를 몇 \(\%\)로 결정할 경우에 \( \mathrm{CP}=\mathrm{Cr} \) * \( \mathrm{Ck} \) (Cr: 크립양, \( \mathrm{Ck} \) : 감쇠랑)으로 결정할 수 있다.</p><h2>2. 로드셀 크립 보상결과</h2><h3>가. 크립오차 보상 후 재현성 검증(1)</h3><p>그림 19는 소프트웨어에 의한 크립오차 보상 후 시간이 경과된 후의 보상된 값이 유효한가를 검증 한것으로 단기간의 크립오차에 대해서 최소 10,000분의 1정도 재현성이 있다는 것을 알 수 있었다. 그림에서 소프트웨어 크립보상 결과를 보면 분해능 \( 1 / 20000 \) 기준에서 시험시간 \( 20[\mathrm{~min}] \) 의 크립오차 변화량이 \( 13 / \) \( 20000=0.065 \%-70.003 \% \) (3차 보상기준)로 정밀하게 크립오차가 보상된 것을 알 수 있다. 그림 20은 그림 19의 로드셀을 1일 경과 후 보정계수의 변화가 있는지를 확인하기 위하여 측정한 결과를 그래프로 나타낸 그림이다.</p><h3>나. 크립오차 보상 후 재현성 검증(2)</h3><p>그림 19와 그림 20의 3차보상에 대한 경시변화는 \( 1 / 20000 \) [눈금]에서 1일 경과 후에 약간의 변동은 있었지만 3차보상 변화만 보았을 \( -0.6 / 20000[ \) 눈금]로 소프트웨어 보상효과에 따른 경시변화는 문제가 없음이 검증되었다.</p><table border><caption>표 1. 프로그램 항목별 설명</caption><tbody><tr><td>순서</td><td>항 목</td></tr><tr><td>1</td><td>프로그램 버전 표시</td></tr><tr><td>2</td><td>제품의 고유 번호 (Serial No)</td></tr><tr><td>3</td><td>크립 test 관련 data 표시란</td></tr><tr><td>4</td><td>영점범위 및 직선성 데이터 확인</td></tr><tr><td>5</td><td>크립 데이터 그래프</td></tr><tr><td>6</td><td>현재 상태 표시</td></tr><tr><td>7</td><td>시작 및 저장</td></tr><tr><td>8</td><td>로드셀 품명 번호</td></tr></tbody></table><h3>다. 정밀디지털저울에 적용된 크립오차 보상</h3><p>크립오차 보상을 제품에 직접 적용하기 위하여 정밀(눈금 당: \( 10 \mathrm{mg}) \)급 전자저울 공정에서 로드셀 출력값을 실측한다. 또한 크립오차를 직접 보상하는 프로그램도 직접 실현해서 로드셀과 결합된 정밀급 전자저울에 개별적으로 보상을 실시하였다. 그림 21은 전용 프로그램을 이용해서 저울을 PC에 연결 후 크립오차를 보상하는 과정이다. 소프트웨어를 구동한 후 저울의 통신단자를 연결 후 분동을 이용하여 하중을 가한 모습이다. 적색 표시는 제품의 정격하중 만큼의 분동을 나타내고 있고 처리는 프로그램을 가동한 후 테스트할 제품의 로드셀 모양을 선택한 후 순서에 따라 크립 응답특성을 체크하기 위해서 하중을 가하고 지정한 시간 후 분동을 내리면 크립오차 보상계수를 계산 후 직접 제품에 보상 파라미터를 저장한다. 프로그램의 전체적인 화면의 구성의 자세한 내용은 그림 22에 나타내었다. 초기의 화면구성은 보상파라미터를 결정하기 위한 크립 시작 값과 크립 종료 값이 중요하기에 화면별로 구분하였고 크립응답 특성을 나타낸 그래프화면도 포함 시켰다.</p><p>보상 프로그램의 시험은 표1 과 같은 순서로 크립오차 실측 후 직접 시상수와 보상계수를 전자저울에 직접 저장 후 종료한다. 로드셀에 대한 크립응답 특성은 각 제조사별로 스트레인 게이지 및 접착본드를 제조사별로 각각 다르게 적용하고 있고 로드셀 바도제조사별로 용도에 적합한 재료를 사용하고 있어서 응답특성은 균일하게 나타나지 않기에 로드셀 출력지연응답에 대한 크립오차 보상도 개별로 보상을 실시 않으면 정밀 급 저울용으로 사용이 불가능해 개별크립오차 보상시스템의 중요성은 매우 크다고 할 수있다.</p>	실측한 데이터를기본으로 보상 파라미터를 결정하기 위해서는 무엇을 이용하는가?	시뮬레이터
{ "answer_type": "정답경계추출형", "context_id": "d874ab58-433b-4ac8-9ae4-3b2e364f43f0", "field": "인공물", "question_id": "47dbcfbb-87b0-4b78-a1ac-c87d29f2cc14" }	<h1>요 약</h1><p>본 논문은 스트레인 게이지(strain gauge)식 로드셀(loadcell)의 대표적인 크립오차(creep error)에 대해서 디지털신호처리방식을 사용한 실용적인 보상법(compensation method)을 제안한다. 신호의 보상방법은 로드셀의 출력응답을 실측해서 보상상수(시정수)와 보상계수를 결정한 후 마이크로프로세서의 내부메모리에 보상상수와 보상계수를 저장한 후 중량값을 디지털로 표시할 시점에 마이크로프로세서에서 연산처리한 크립에러 보상처리값을 로드셀의 출력신호에서 실측한 에러값과 서로 상쇠시키는 보상방법이다. 추가적으로 보상방법을 디지털전자저울에 직접적용 시험하기 위해서 전용의 보상소프트웨어를 제작한 후 디지털전자저울의 크립특성을 실측해서 보상전 정격출력의 크립오차 \( 0.03 \% \) 의 로드셀을 정밀디지털전자 저울의 허용오차 범위인 \( 0.01 \% \sim 0.001 \% \)이상으로 복잡한 연산처리 없이 정확하게 직접 보상처리하는 실용적인 방법을 제안했다.</p><h1>Ⅰ. 서론</h1><p>스트레인 게이지식 로드셀은 금속탄성체를 스프링요소로 하고 스트레인 게이지라고 하는 필름저항을알루미늄탄성체에 접착을 해서 전기적으로 배선을 한후 신호를 출력시켜 디지털표시기와 연결해서 중량값을 표시할 때 사용하는 중량센서이다. 스트레인 게이지식 로드셀을 설계 및 제조 시에 여러가지 오차가 발생하고 있는데 로드셀이 완성후에는 품질보증을 위해서 성능시험을 한다. 이때 크립(creep)오차에 대해서 허용오차를 벗어나면 즉시 폐기해서 다시 생산하여야만 하는 가장 치명적인 오차이다. 크립에 대한 연구는 다른 연구에 비해서 아주 미흡한 상태이다. 그 이유는 로드셀 관련분야에서는 노하우로 구분되어 공개하고 있지 않고 전문가도 없는 상태라 학문적연구가 거의 이루어지고 있지않고 있다. 또한 스트레인 게이지식 로드셀의 특성으로 인해서 완성품이 된 후에는 크립특성을 확인해서 허용오차 범위를 벗어난 로드셀은 크립의 오차보상이 불가능한 센서이며, 현재 로드셀관련 기술수준이 보통급 전자저울에 사용가능한 수준이라서 정밀고급 전자저울의 경우에는 대부분 외국에서 수입하고 있다. 따라서 로드셀에서 대표적인 오차인 크립오차에 대한 보상방법을 제안하였고 정밀디지털전자저울의 오차보상기술발전에 기여를 하고자한다.</p><p>본 논문은 로드셀에 접착하는 스트레인 게이지의 원리, 구조, 그리고 출력신호 회로구성인 휘스톤브리지회로에 대한 내용과 로드셀 신호정합에 대하여 기술하고, 스트레인 게이지식의 로드셀 크립지연 응답특성과 시험방법, 크립오차에 대한 문제점에 대해서 살펴본다. 또한 크립오차 문제점에 대해서 디지털식 보상방법과 실용적인 보상을 적용한 개선결과를 검토하고, 마지막으로 결론 및 향후 연구방향에 대하여 기술한다.</p>	스트레인 게이지식 로드셀에서 알루미늄 탄성체에 접착하는 필름저항을 뭐라고 불러?	스트레인 게이지
{ "answer_type": "정답경계추출형", "context_id": "29bb9c43-665d-47a7-8b9d-5bbe7b53c8e9", "field": "인공물", "question_id": "86c3c559-d6be-4e75-acd5-5b19e8b5b893" }	<h1>V 결 론</h1><p>본 논문에서는 스트레인 게이지식 로드셀의 크립오차에 대해서 실용적 보상법을 제안했다. 크립오차문제점에 대해서 보상식 정립과 디지털방식의 보상소프트웨어로 실현하였고 일부 로드셀에서만 보상이 가능한 방식을 개별보상이 가능한 방식으로 실현되었으며 로드셀 출력의 부(-)방향 크립오차에 대한 보상도 검증을 거쳐 정확하게 보상을 할 수 있는 방법도 완성되었다. 가장 중요한 문제점의 하나였던 크립오차로 인해서 고정밀 전자저울에 사용이 불가능 하였던 로드셀도 제안된 보상법을 적용하여 보상전에 \( \pm 0.03 \% \) 의 크립오차를 최대 \( \pm 0.003 \% \)까지 보상해서 정밀급 전자저울의 로드셀로 사용이 가능하게 되었다.</p>	본 논문에서 말하는 가장 중요한 문제점은 뭐야?	크립오차로 인해서 고정밀 전자저울에 사용이 불가능 하였던 로드셀
{ "answer_type": "표정답추출형", "context_id": "d453cf3b-2d31-4799-975d-c034395def78", "field": "인공물", "question_id": "a226f291-7906-482a-94bf-0077b20e881f" }	<h1>III. 설계 및 제작</h1> <p>안테나 설계는 유전율 4.4, 기판의 두께가 \( 0.8 \mathrm{~mm} \), tangent loss 0.04인 FR4 기판을 사용하였다. 설계된 안테나는 상용 EM simulator인 CST Microwave Studio를 사용하여 최적화하였다.</p> <p>그림 2~4는 각각의 방사 소자 길이에 따른 반사 손실을 계산한 것이다. 그림 2는 Cellular 대역의 방사소자 길이에 따른 반사 손실을 나타낸 것이다. 방사소자의 길이를 변화시킴에 따라 세 가지 대역(Cellular, PCS, Wibro)의 공진 주파수가 모두 조금씩 바껌을 알 수 있다.</p> <table border><caption>표 1. 안테나의 설계 값</caption> <tbody><tr><td></td><td>Cellular</td><td>PCS</td><td>Wibro</td></tr><tr><td>공진 주파수</td><td>\( 854 \mathrm{MHz} \)</td><td>\( 1.8 \mathrm{GHz} \)</td><td>\( 2.35 \mathrm{GHz} \)</td></tr><tr><td>소자 총 길이</td><td>\( 127 \mathrm{~mm} \)</td><td>\( 40\mathrm{~mm} \)</td><td>\( 32 \mathrm{~mm} \)</td></tr><tr><td>선로 폭</td><td>\( 1\mathrm{~mm} \)</td><td>\( 1\mathrm{~mm} \)</td><td>\( 1\mathrm{~mm} \)</td></tr><tr><td>급전선 폭</td><td>\( 2\mathrm{~mm} \)</td><td>\( 2\mathrm{~mm} \)</td><td>\( 2\mathrm{~mm} \)</td></tr></tbody></table> <p>그림 3 은 PCS 대역의 방사 소자 길이에 따른 반사 손실을 나타낸 것으로써 Cellular 대역의 공진 주파수를 제외하고, PCS 및 Wibro 대역의 공진 주파수가 변화함을 알 수 있다. 마지막으로 그림 4는 Wibro 대역의 방사 소자 길이에 따른 반사 손실로써 Cellular 와 PCS 대역의 공진 주파수는 변화가 거의 없고, Wibro 대역에서만 공진 주파수가 변화함을 볼 수 있다. 이러한 특성을 바탕으로 원하는 주파수 대역인 Cellular, PCS 와 Wibro 대역을 동시에 만족하도록 방사 소자의 길이를 조절하여 최적의 안테나를 설계하였다.</p> <p>표 1 은 설계된 안테나의 설계치를 나타낸다. Cellular 대역과 PCS, Wibro에서 공진하는 방사 소자의 길이는 각각 \( 127 \mathrm{~mm}, 40 \mathrm{~mm}, 32 \mathrm{~mm} \) 로써 공진주파수의 \( 0.25 \lambda \), \( 0.24 \lambda, 0.26 \lambda \) 이며, 방사 소자의 폭은 \( 1 \mathrm{~mm} \) 로 하였고, 급전선의 폭은 \( 2 \mathrm{~mm} \) 로 하였다.</p> <p>그림 5 는 제작된 안테나의 사진이다. 제작된 안테나는 벡터 회로망 분석기(Agilent Technologies E5062A \( (300 \mathrm{KHz} \sim 3 \mathrm{GHz}) \) )를 사용하여 반사 손실과 VSWR를 측정하였고, 그림 6과 그림 7에 나타내었다. 제작된 안테나는 \( (824 \sim 894\mathrm{MHz}) \) , \( 1.75 \sim 1.99 \mathrm{GHz} \) 와 \( 2.3 \sim 2.6 \mathrm{GHz} \) 대역에서 \( -7 \mathrm{~dB} \) 이하의 반사 손실과 \( 3 \mathrm{~dB} \) 이하의 VSWR 을 가졌다.</p> <p>그림 8은 제작된 안테나의 방사 패턴 측정 결과를 나타낸 것이다. 측정된 방사 패턴은 모노폴 안테나의 것과 유사하게 무지향적인 특성이 나타났다. 측정된 방사 패턴으로부터 계산된 안테나의 이득은 \( 854 \mathrm{MHz} \) 에서 \( -5.2 \mathrm{dBi}, 1.8 \mathrm{GHz} \) 에서 \( -2 \mathrm{dBi}, 2.35 \mathrm{GHz} \) 에서 \( -0.4 \mathrm{dBi} \) 의 비교적 높은 이득을 가졌다.</p>	표 1에서, 안테나의 설계 값 중 Cellular의 공진 주파수는 얼마인가?	\( 854 \mathrm{MHz} \)
{ "answer_type": "Yes/No 단문형", "context_id": "9ef4b66d-b3ff-4aee-8ca8-ed7386422295", "field": "인공물", "question_id": "cfdf9bb1-8c76-4527-8c45-2d1f5c0723bd" }	<h1>1. 서 론</h1><p>최근 환경문제에 대한 관심이 날로 커저 다양한 환경 센서들의 필요성도 증가하고 있다. 환경 센서는 크게 프로브(Probe)형 센서, lab-on-a chip (LoC)형 센서, 그리고 여러가지 센서가 집적된 복합환경센서 등으로 구분할 수 있다. 프로브형 센서는 하나 또는 여러 개의 프로브로 작동하는 형태의 센서를 말한다. 주로 pH 센서나 금속 이온 센서 등으로 주요 활용 되고 있으며 현장에 적용하기가 용이하다. LoC형 센서는 아직 연구 단계 수준에 있다고 할 수 있으며 주로 총질소 (TN), 총 인 (TP) 검출 센서로 활용하며 검출용 시약과 시료의 반응을 유도하여 검체 합성을 유도하는 원리이다. 상용화의 관점에서 가장 앞서 있는 복합환경센서는 기존의 여러 가지 센서를 하나로 집적시킨 센서를 말하며, 가정, 사무실, 공장 또는 옥외 환경에 대해 온도, 습도, 조도, 자외선 (UV) 지수, 절대 압력, 소음, 가속도를 측정할 수 있는 다양한 기능을 갖추고 있다.</p><p>이렇게 다양한 환경 센서가 개발되어 있지만, 그 중에서도 이온 전극 센서는 가장 중요한 환경센서라고 할 수 있다. 이온 전극 (ion electrode) 또는 이온 선텍성 전극 (ion-selective electrode)이란 분석하고자 하는 용액 중의 특정 이온에 대해 선텍적으로 감응하고 그 농도 (활동도)에 따라 선형적인 전위를 발생시키는 전극으로, 이온 전극의 대표적인 예로 pH 측정용 유리 전극을 들 수 있다. 많은 생화학적 메커니즘이 pH value에 의존하고 있어 환경적 관점에서 pH의 측정은 매우 중요한 주제이기 때문에 유리 전극이나 시약을 이용한 방법이 잘 정립되어 있다. 하지만 유리 전극을 사용한 pH 센서의 경우 외부 충격에 약하고 제조단가가 비싸다는 점과 주기적으로 표준 pH 용액을 사용하여 교정 작업을 거쳐야만 정확한 pH 값을 측정할 수 있으며, 시약을 활용한 측정의 경우 적절한 방법으로 시료를 채취해야 하며 측정한pH 값의 정확도에 제약이 있다는 등의 단점이 존재한다. 따라서 Ion Sensitive Field Effect Transistor (ISFET) 센서, 광섬유 센서 등 다양한 측정 방식의 pH 센서가 연구되어 왔으나 환경 센서에 대한 다양한 요구에 대응하기 위하여 지속적 연구가 필요한 상황이다.</p><p>본 연구에서는 ITO-NP를 인쇄하여 제작한 박막 (film)을 이용한 전기저항 방식의 pH 센서를 제안하였다. ITO-NP 인쇄박막이 액체 센서로 적용하기 적합한 기계적 강도를 가지고 있는지 평가하고, 이 박막을 이용하여 pH 센서를 제작하고 표준pH 용액을 이용하여 센서 응답을 교정하고 이를 임의의 시료의 pH 측정에 적용하여 응용 가능성을 평가하였다.</p>	다양한 측정 방식의 pH 센서가 연구되어 환경 센서에 대한 다양한 요구에도 대응이 가능하여 지속적 연구가 필요없나?	NO
{ "answer_type": "정답경계추출형", "context_id": "680fe5b6-0f87-44dc-81fc-b48a083682ce", "field": "인공물", "question_id": "4f862b1c-55af-43c8-9e39-a4c1ed6cfe22" }	<h1>2. 연구 방법</h1><p>본 실험에서는 센서를 제작하기 위하여 ITO-NP을 사용하여 박막을 제작하였다. 센서 제작은 인쇄전자 (printed electronics) 기법 중에서도 경제적이며 다양한 물질을 이용할 수 있는 장점이 있는Screen Printing기법을 사용하였다. ITO-NP과 바인더를 이용한 paste를 제작하고, 이를 Polyethylene terephthalate (PET) 기판 상에 인쇄하고 열처리를 통하여 바인더를 제거한 후, Ag 전극을 ITO-NP인쇄박막 위에 인쇄하는 방법으로 센서를 제작하였다. 인쇄 전 기판 표면은 DI water에서 약 10 분 동안 초음파 세척하였다. 센서 제작에 사용한 paste는 \( \alpha \)-terpineol과 ethylcellulose를 혼합하여 제작한 유기 바인더와 ITO NP을 0.4:1 비율로 혼합하여 제작하였다.</p><p>Fig. 1(a)는 ITO ethyl cellulose 센서의 검지부이다. 기판의 크기는 \( 20 \times 20 \) \( \mathrm{mm}^{2} \) 의 크기로 절단하여 사용하였고, ITO-NP 인쇄박막은 \( 16 \times 13 \) \( \mathrm{mm}^{2} \) 로 제작하였다. 이때 ITO-NP 인쇄박막의 두께는 \( 30 \pm 2.3 \) \( \mu \mathrm{m} \) 로 Fig.l(b)에서 보인 것처럼 유연한 특징을 가지고 있다. Fig.l(c)는 광학현미경을 통하여 관찰한 ITO-NP 인쇄박막의 모습이다. 인쇄전자 공정의 정밀도는 패턴의 사이즈 대비 인쇄된 박막의 사이즈로 전사율을 평가하여 판단하였다. 참고로 본 실험에서 paste의 점도가 \( 550 \mathrm{dPa} \cdot \mathrm{s} \) 일 때 전사율은 \( 96 \% \) 정도였다. Fig. 1(d)은 제작한 ITO-NP 인쇄박막의 표면을 Scanning Electron Microscope (SEM)로 관찰한 사진이다. 선행 연구를 통하여 기판의 변형이 관찬되지 않는 바인더 제거 공정의 온도 (debinding temperature)는 열처리 펴니스의 설정 온도 기준으로 \( 100^{\circ} \mathrm{C} \) 로 선정하여 진행하였다.</p><p>이는 \( 357 \mathrm{~K}\left(84^{\circ} \mathrm{C}\right) \) 로 알려진 PET의 유리화 온도보다 약간 높은 정도이지만 충분한 바인더 제거를 위하여 선텍하였다. 본 연구에서 사용한 ITO-NP은 입도가 \( 2070 \mathrm{~nm} \) 였고, 열처리 후 넓은 표면적을 갖는 다공성 표면을 형성하는 것을 확인하였다. 제작한 ITO-NP인쇄박막은 센서 응용에 적합한지 판단하기 위하여 기게적 특성과 전기적 특성을 분석하였다. 박막의 기계적 특성은 유연성 기판 위에 제작한 인쇄 박막에 일반적으로 적용되는 굽힘 테스트 (bending test)와 벗겨짐 테스트 (peeling test)를 진행하였고 I-V 측정을 통하여 전기적 특성을 확인하였다. 전기적 특성은 I-V sourcemeter (Keithely 2400)를 사용하여 진행하였다. pH 측정 실험은 먼저 표준pH 용액을 사용하여 정확한 pH value에 따른 ITO-NP인쇄박막의 센서 응답을 측정하고 교정하였다. 또한 표준 pH 용액이 아닌 각각의pH value에 따라 대표적인 시료를 선정하여 같은 방식으로 실험을 진행하였다.</p>	paste의 점도가 \( 550 \mathrm{dPa} \cdot \mathrm{s} \) 일 때 전사율은?	\( 96 \% \) 정도
{ "answer_type": "다지선다형", "context_id": "7a7c31d6-d0f4-4057-9128-fae4542fbb8d", "field": "인공물", "question_id": "7d8ce0b0-1972-4db4-bf0a-db1092f772c1" }	<h1>4. 결 론</h1><p>본 연구에서는 ITO-NP 인쇄박막을 이용하여 pH 센서를 제작하고 그 가능성을 평가해 보았다. 인쇄박막을 액체 검출용 센서로 응용하기 위하여 먼저 기계적 특성과 전기적 특성을 분석하였다. 분석 결과 다른 인쇄박막과 다르게 bending test에 의한 구조적 결함의 증가보다는 microcrack 등의 거시적 결함의 증가가 주로 관찰됨을 알 수 있었다. Ag 전극을 인쇄하여 제작한 pH 센서는 표준 pH 용액을 이용한 교정 결과 최대 \( \pm 0.04 \mathrm{pH} \) \( (0.4 \%) \) 의 오차를 보여 pH 센서로 활용하기 적합한 것을 확인하였다. 또한 임의의 액체에 대해 기존의 측정방법과 비교하여 정확한 pH 센서로 활용하기 위해서 보완할 부분을 검토하고 고찰하였다.</p>	pH 센서를 제작하는데 사용한 전극의 종류는 무엇인가?	Ag 전극
{ "answer_type": "정답경계추출형", "context_id": "30e9559f-edba-4ea4-958c-c134bb44969f", "field": "인공물", "question_id": "0fc959a8-be05-4e6f-9770-4b2c8c98d4cd" }	<h1>3. 결과 및 고찰</h1><p>가장 먼저 제작한 ITO-NP 인쇄박막의 기계적 특성을 조사하였다. Fig. 2 는 bending test 결과이다. Bending test를 진행한 ITO-NP 인쇄박막의 두께는 \( 32 \mu \mathrm{m} \) 였고, bending 반경은 \( 10 \mathrm{~mm} \) 로 고 정하여, 굽힘 횟수는 총 5000 회 실시하였다. ITO-NP 인쇄박막의 저항 측정은 500 회 bending을 1 사이클로 하여 매 사이클 진행 후 저항 변화를 관찰하였다. 실험 결과 초기 1 사이클 진행 후 약 6 배의 큰 폭의 저항 증가를 관찰할 수 있었다. 이후 저항 증가 폭이 약 줄어들어 5000 회 실시 후 저항이 약 \( 110 \mathrm{k} \Omega \) 으로 포화되었다.</p><p>이러한 결과는 종래의 ITO 관련 bending test 보고와 유사한 것으로, Li 등은 sputter로 제작한 얇은 두께의 \( (\mathrm{t}=4.7 \mu \mathrm{m}) \) ITO/PET 박막의 경우에도 테스트 초기에 큰 폭의 저항 증가가 나타나고 이후 저항 증가폭이 감소하는 결과를 보인다고 보고 하였다. 이 연구에서는 초기의 저항 변화를 마이크로 크랙의 발생에 의한 것으로, 즉 박막 내 결함의 증가에 의해 저항이 증가하는 것으로, 설명하고 있다. 하지만 본 연구와는 박막 제작 방법이 달라 본 연구의 경우에도 같은 메커니즘으로 설명할 수 있는지 확인하였다. 먼저 SEM을 이용한 표면의 마이크로 크랙 밀도 변화를 관찰하였다.</p><p>Fig. 3은 본 연구에서 진행한 bending test 전 후 ITO-NP 인쇄박막의 표면 SEM 사진이다. Fig. 3(a), 3(b)는 테스트 전, Fig. 3(c), 3(d)는 테스트 후이다. Fig. 3(a)와 3(b)는 동일 시료 내 다른 위치에서 관찰한 결과이다.</p><p>테스트 전과 후의 마이크로 크랙의 개수와 길이 변화를 살펴보았다. 이때 표면에서 관찰되는 크랙형 결함을 임의로 마이크로 크랙으로 분류하였다. 테스트 전 ITO-NP 인쇄박막의 평균 microcrack 밀도는 \( 0.066\left[\right. \) 개/ \( \left./ \mathrm{m}^{2}\right] \), 단위 면적당 크랙 길이의 합은 \( 2.51 \mathrm{~mm} \) 이고, 테스트 후 평균 microcrack 밀도는 \( 0.109 \) [개 \( / \mu \mathrm{m}^{2} \) ], 단위 면적당 크랙 길이의 합은 \( 3.02 \mathrm{~mm} \) 로 변화하였다. 이러한 결과에 따르면 평균 밀도는 약 \( 69 \% \), 평균 길이는 약 \( 20 \% \) 증가한 것을 알 수 있다. 이 결과를 보면 앞서 언급한 Li 등의 결과와 유사한 결과로 보이지만, 그들의 연구에서는 초기에는 관찰되지 않았던 결함이 실험 후 관찰되었으나 본 연구에서는 초기에도 결함이 관찰되었기 때문에 차이가 있다고 생각한다. 이러한 차이의 원인을 알아보기 위해서 인쇄박막의 구조적 결함의 변화 여부를 조사하였다.</p><p>Fig. 4 는 bending test 전-후 시료의 X-ray diffraction (XRD) 분석 결과이다. Fig. 4(a)는 bending test 전, 4(b)는 bending test 후의 결과이다. Fig. 4(a) 와 4(b) 사이에 XRD의 peak강도나 반치폭 (Full width at half maximum : FWHM)의 유의미한 변화는 관찰되지 않아 ITO-NP 인쇄박막의 경우 XRD FWHM에 영향을 미치는 구조적 결함의 증가는 관찰되지 않았다고 할 수 있다.</p><p>종래의 연구에서는 테스트 전과 비교해서 테스트 후 Slip bands, Lateral crack, microcrack이 형성되었음을 보고하였다. 따라서 bending test시 가해진 응력에 대응하여 발생하는 결함의 형태는 박막의 두께나 제작 방법에 따라 달라진다는 것을 알 수 있었다. 즉 나노 결정을 이용한 박막의 경우에는 sputter 등을 이용한 박막에 비해 결정학적 결함의 증가 보다는 거시적 결함의 증가가 주도적이며 따라서 소자의 성능 변화가 작을 것이란 것을 예측할 수 있었다.</p>	테스트 전과 테스트 후 무엇이 형성되었어?	Slip bands, Lateral crack, microcrack이 형성되었음
{ "answer_type": "표정답추출형", "context_id": "66ef0c84-740c-483e-ac36-e40af9af4037", "field": "인공물", "question_id": "92d9f73b-5015-48c7-a505-f4e5db025999" }	<h1>III. 빔패턴과 SIR</h1> <p>본 연구의 목적은 임의의 빔 패턴이 주어졌을 때 SIR을 계산하여 음향렌즈의 영상품질을 예측하는 것이다. 먼저, 위상배열센서 빔패턴으로 \( \mathrm{SIR} \)을 도출하고 apodization 및 센서간격에 대해 조사한다. 또한 유한요소 방법으로 구한 음향렌즈 시뮬레이션 빔패턴으로 센서간격에 따른 SIR을 계산한다.</p> <h2>1. 센서간격과 SIR</h2> <p>배열센서의 센서간격을 어떻게 설정하느냐에 따라 \( \mathrm{SIR} \)은 변한다. 빔패턴이 \( 3 \mathrm{~dB} \) 일 때의 각도는 \( \alpha_{3 dB} \)이다. 이때 \( L \) 은 \( Nd \) 이다.</p> <p>\( \alpha_{3 d B}=50 \lambda / L \) (degree \( ) \)<caption>\( (16) \)</caption></p> <p>이 각도를 중심각으로 잡았을 때 센서간격을 변화시키면서 센서 간격에 따른 \( \mathrm{SIR} \)의 변화를 살펴본다. 여기서 \( \mathrm{f} \) 는 \( 5 \mathrm{kHz}, N \) 은 64 개, \( h_{\text {out }} \) 은 \( 300 \mathrm{~mm} \) 로 설정하였다. 위상배열센서의 \( \alpha_{3dB} \) 은 \( 0.3008^{\circ} \) 이다. 빔폭의 초기 값, \( \alpha_{i} \) 은 \( 0.15^{\circ} \) 로 설정하였고, 그 값은 표 1과 같다. 이때의 빔패턴은 그림 2-(d)와 같고, \( \mathrm{SIR} \)은 그림 4에서의 rectangular window의 예와 같다. 기본 빔패턴은 빔폭이 좁고 급격히 감소하지만 사이드로브 값이 크다. 따라서 \( \mathrm{SIR} \)이 \( 13 \mathrm{~mm} \)에서 \( 0-10 \mathrm{~dB} \)로 안정이 되지만, \( \mathrm{SIR} \)이 크게 높지 않다. \( \mathrm{SIR} \)은 센서의 간격이 증가할수록 증가하므로, 물리적으로 가능한 센서간격의 법위를 정한 뒤, 그 범위에서 \( \mathrm{SIR} \)이 가장 낮은 위치에서의 센서 간격을 최적의 센서간격으로 선정하는 것이 영상품질향상에 유리하다. 여기서는 \( 13 \mathrm{~mm} \) 이상에서 물리적으로 적정한 선에서 \( \mathrm{SIR} \)이 최고값을 갖는 센서간격을 선정하는 것이 영상품질향상에 도움이 된다.</p> <table border><caption>표 1. SIR 추정을 위한 파라미터</caption> <tbody><tr><td>f</td><td>N</td><td>\( h_{\text {out }} \)</td><td>\( \alpha_{3 d B} \)</td><td>\( \alpha_{i} \)</td></tr><tr><td>\( 5 \mathrm{kHz} \)</td><td>64 개</td><td>\( 300 \mathrm{~mm} \)</td><td>\( 0.3008^{\circ} \)</td><td>\( 0.15^{\circ} \)</td></tr></tbody></table>	표의 SIR 추정을 위한 파라미터 중에서 \( 300 \mathrm{~mm} \) 깂을 가지고 있는 파라미터는 뭥햐?	\( h_{\text {out }} \)
{ "answer_type": "정답경계추출형", "context_id": "057a2d4c-2184-4386-9cd4-db6419afb038", "field": "인공물", "question_id": "0010db2c-90b0-4016-af7c-630ede2a0963" }	<h1>III. 결론</h1><p>히터 제작 시뮬레이션 결과 1~2 개의 칩 저항만으로 reaction chamber를 가열하여 PCR을 진행할 수 있고, PCR 에서 필요한 온도 중 가장 높은 온도인 \( 94^{\circ} \mathrm{C} \) 보다 높은 \( 98^{\circ} \mathrm{C} \sim 103^{\circ} \mathrm{C} \) 까지 가열이 가능하여 저항을 히터로 사용 할 수 있다는 결과를 얻었다. 시뮬레이션 결과를 확인하기 위해 저항으로 히터를 만들었고, 서모사이클 실험을 위해 3D 프린터 를 사용하여 쿨링 팬을 이용해 냉각 할 수 있는 구조를 갖는 하우징을 제작했다. 히터는 저항의 개수와 지항 간격의 변화에 따른 히터 효율의 차이를 확인하기 위해 저항 1 개 히터와, 저항 2 개 저항 사이의 간격 \( 1 \mathrm{~mm}, 2 \mathrm{~mm}, 3 \mathrm{~mm} \) 히터를 제작하여 실험을 진행했다. 실험 결과 저항의 개수가 늘어나면 온도 유지가 용이해 온도안정화가 빠르게 이루어지고, 저항 간격이 넓어질수록 온도 분포가 넓어 냉각에 걸리는 시간이 길어젔다. PCR 칩의 온도 분포가 넓어질수록 온도 유지가 용이하지만 냉각에 시간이 오래 걸린다는 것을 알 수 있었다. 이러한 과정을 통해 칩 저항을 사용하여 다른 PCR 히터 보다 저렴하게, 간편하게 PCR 히터를 제작할 수 있다는 것을 입증했다.</p>	서모사이클 실험에 사용된 하우징은 어떤 구조야?	쿨링 팬을 이용해 냉각 할 수 있는 구조
{ "answer_type": "Yes/No 단문형", "context_id": "b76f45e0-6aba-4bc6-acb8-353a46d42bbe", "field": "인공물", "question_id": "cd276c62-256d-4661-af88-3d3bfaa5b881" }	<h1>I. 서론</h1><p>현대사회에서는 운송의 발달로 인하여 전염병의 확산이 빠르게 진행된다. 이로 인해 전염 확산을 막기 위한 초기 대응이 늦어지게 되면 금세 병원균이 펴지게 되어 심각한 문제를 야기하게 된다. 따라서 감염된 병원균이 무엇인지 현장에서 빠르게 밝혀내는 것은 매우 중요하다. 신속한 진단 및 정확한 진단을 위해서는 김사대상으로부터 병원균의 DNA를 얻어 병원균의 종류를 확인해야 하는 데, 보통 김사대상에서 얻을 수 있는 DNA양은 매우 적기 때문에 DNA를 증폭시키는 중합효소연쇄반응 (Polymerase chain reaction, PCR)을 이용한다.</p><p>PCR은 3가지 반응 단계(변성(Denaturation), 결합(Annealing), 신장(Elongation))로 이루어져 있으며, 각각의 반응 단계에 필요한 온도 (\( 94 \sim 95^{\circ} \mathrm{C} \), \( 55 \sim 60^{\circ} \mathrm{C} \), \( 72^{\circ} \mathrm{C} \) )를 빠르게 제어(가열 및 냉각)하여 DNA의 양을 증폭하고 이를 여러번 반복하게 되는데, 이때 사용되는 열제어를 서모사이클(thermocycle)이라고 한다. 일반적인 PCR 기기는 보통 데스크탑 크기 정도로 실험실에 두고 사용할 수밖에 없어, 현장에서 수집한 샘플을 실험실로 이송해야하는 불편함 및 진단 지연이 있다는 단점이 있었다. 최근에는 현장 측정의 필요성에 따라 휴대가 가능한 PCR 기기가 연구되어왔다.</p><p>초기 PCR 기기들은 현장에서 검출하기 위해 장비에서 크기를 줄인 수 있는 부분들을 작게 만들어 휴대성을 증가시키기는 방향으로 연구가 진행되었다. 예를 들면 기존에는 열 용량이 높은 알루미늄 블록을 사용하여 은도를 가열하고, 팬을 사용하여 온도를 냉각시키는 방식을 사용했다. 이를 펠티어 소자로 교체하고 가열과 냉각을 하나의 부품에서 진행하여 부품의 개수를 줄이는 방법 등으로 장비의 크기를 작게 만들었다. 또한 DNA를 Tube에 담아 PCR 을 진행하는 기존의 방식에서, 소량의 DNA를 보관하고 샘플을 가열하는 히티가 집적되어 있는 PCR 칩을 사용하기도 한다. 이때 히터는 반도체 공정 기술을 이용한 금속 박막 저항선을 PCR 칩 표면에 제작하여 기존의 히터 구조체보다 부피를 줄여 전체 PCR 장비의 크기를 줄였다. 그런데 이와 같은 방법들은 서모사이클링만 진행 가능하고, DNA의 양이 얼마나 증폭되었는지 정량적으로 확인하는 것이 볼가능하며, 전기영동법으로 결과를 확인해야 하는 번거로움이 있다. 이러한 점을 개선하기 위해 실시간으로 DNA 의 양이 얼마나 증폭되었는지 확인이 가능한 휴대형 실시간 (Real-time) PCR기기들이 연구되었다. 증폭되는 DNA에 형광체가 붙도록 하고, 증폭하는 과정마다 형광의 세기를 측정하여 DNA 의 양을 정량화 할 수 있는 실시간 PCR 기법은 결과를 확인하는 추가적인 단계가 사라짐으로써 검사에 걸리는 시간 및 노동력이 단축되는 장점을 지닌다. 하지만 실시간 PCR을 진행하기 위해 기존의 휴대용 PCR기기에 광학 측정을 위한 부품이 필요하여 기기 내부 구조가 복잡해지며, 미세 기계 가공 등의 기술이 사용되어 제작비용이 비싸진다는 단점을 갖는다. 이와 같은 기존 문제점들을 해결하기 위해 휴대형 실시간 PCR 에 적합한 PCR 칩을 설계하고, 칩에 사용되는 금속 박막 저항선 대신에 인반 칩 저항을 사용하여 기존보다 저렴하게 PCR 칩 제작이 가능하도록 연구했다. 칩 저항소자로는 전기 회로에서 사용 되는 저항들 중 가열되는 면적과 PCR칩과의 접촉을 고려하여 \( 6 \times 3 \times 2 \mathrm{~mm}^{3} \) 크기의 직사각형 모양을 가진 칩 저항을 선택했다. 제작에 들어가기 전 저항 개수와 저항 사이 거리에 따른 히터의 열 분포를 확인하기 위해 시뮬레이션을 실행하여, 시뮬레이션 결과를 바탕으로 유리로 된 PCR칩에 디자인된 칩 저항 배치를 부착시키는 방안을 연구했다. 온도제어는 마이크로컨트롤러 MCU 를 사용하여 제어하였고, 가격이 저렴하면서 휴대성이 좋은 Arduino를 사용했다. 저항 1 개와 2 개를 사용하여 2개 저항의 경우 사이의 거리를 \( 1 \mathrm{~mm}, 2 \mathrm{~mm} \), \( 3 \mathrm{~mm} \) 차이를 두어 히터를 제작했다. 본 연구는 히터 제작 시뮬레이션에 대한 결과와 실제 히터 제작, 히터 서모사이클링 실험을 통해 저렴한 칩 저항 히터를 제안한다.</p>	전염병의 빠른 확산은 운송의 발달과 연관이 있지?	YES
{ "answer_type": "정답경계추출형", "context_id": "d4226f2c-777e-4bbf-93f5-f0fe8c735bea", "field": "인공물", "question_id": "ecb3f272-410a-4f9f-b084-c4153e29201f" }	<h1>Ⅱ. 본론</h1><h2>1. 디바이스 구성</h2><p>Real-time PCR이 가능한 디바이스를 만들기 위해 PCR 시료가 담길 시험관으로 투명한 유리 PCR 칩을 제작했다 그림 1. \(2.54 \times 2.54 \mathrm{~cm}^{2} \) 유리 기판 내부에 PCR 시료가 담겨질 지름 \( 0.8 \mathrm{~cm} \) 의 둥근 PCR 반응 챔버(reaction chamber)와 시료를 챔버 내부로 주입할 수 있는 주입구를 설계했다. PCR 칩은 레이지를 이용한 유리 가공법을 이용하여 제작했다. 그림 2 에서와 같이, 제작된 PCR 칩은 칩 저 항을 이용한 히터위에 넣어 가열되도록 하였고, 쿨링 팬을 사용하여 빠른 냉각을 할 수 있도록 하는 등 PCR 온도 과정에 맞게 가열 및 냉각하는 과정을 진행하는 서모사이클러 구조를 설게했다. 서모 사이클을 진행하면서 실시간으로 PCR 시료에서 방출되는 형광 신호를 측정할 수 있도록 LED 광원 및 광전자증배관(photomultiplier tube, PMT)이 위 치할 공간을 마련했다. 본 연구에서는 칩 저항을 사용한 히터의 가능성을 확인하고 칩 지항을 사용 한 히터를 최적화하기 위해, 칩 저항, PCR 칩, 그리고 온도를 측정하고 히터에 흐르는 전류를 제어하는 마이크로컨트롤러 회로(MCU)을 사용했다. MCU로는 Arduino Mega2560 모델을 사용하였으며, 히터용 칩 저항은 SR732BTTER412F(KOA speer) 를 사용했다. PCR 칩의 온도를 측정하기 위해, 서모커플 모듈(AD8495, Adafruit)과 K 타입 서모커플 (5TC-KK-K-30-36, 오메가엔지니어링)을 이용했다. 제어부에서 히터의 온도를 PCR 에 사용되는 온도 구간인 \( 94^{\circ} \mathrm{C}\) - \( 60^{\circ} \mathrm{C}\) - \( 72^{\circ} \mathrm{C}\)에 빠르게 도달하게 하고, 각 구간 별로 30 초간 온도를 정밀하게 유지하기 위해, 비례-적분-미분 제어(PID 제어) 방법을 이용 했다. 또한 PCR 칩과 저항 사이 계면의 (PCR 칩 아랫면) 온도와 PCR 칩 유리표면(PCR 칩 윗면) 온도의 평균값을 계산하고, 계산된 평균값을 PCR 샘플의 온도로 추정하여. 이 추정된 온도를 이용해 제어했다.</p><h1>2. 히터</h1><h2>2.1 히터 디자인</h2><p>히터 주변의 온도 분포를 확인하기 위해 유한요소해석 시뮬레이션 프로그램을 사용했다. 시뮬레이션 모델링으로 \( 6 \times 3 \times 2 \mathrm{~mm}^{3} \) 칩 저항 위에 두 겹의 유리로 구성된 PCR 칩을 올리는 모델을 사용하였고, 줄 발열(Joule heating) 시뮬레이션을 진행했다. 저항 1 개를 사용하여 온도 분포를 확인해보았다. 그림 3(a)은 저항 1 개 히터에서의 지항의 위치와 온도 분포를 보여주고 있고, 그림 3(b)은 PCR 칩의 중심을 지나는 단면에서 거리에 따른 PCR 칩 표면의 온도를 보여주는 그래프이다. 그림 3(a)에서 점선으로 표시된 부분은 히터의 위치를 보여준다. 중앙에서 x 축으로 \( 2 \mathrm{~mm} \), 띨어진 곳에서의 온도는 중앙 온도 대비 \( 8^{\circ} \mathrm{C} \) 의 온도차이가 발생해, 중앙에서 조금만 벗어나더라도 온도가 급격히 떨어짐을 확인할 수 있었다. 이렇게 저항 1개를 사용할 때 온도 범위가 좁은걸 보완하기 위해, 저항 2개로 히터를 구성 했다. 그림 3(c) 은 저항 2 개를 \( 1 \mathrm{~mm} \) 간격으로 배치한 히터의 PCR 칩에 대한 온도 분포와 저항의 위치를 보여주고 그림 3(d) 은 (c)에 대한 온도 변화 그래프이다. 히터 중앙의 온도를 \( 97^{\circ} \mathrm{C} \) 로 맞춰 주었을 때 저항의 최고 온도는 \( 98^{\circ} \mathrm{C} \) 까지 오르게 되어 PCR 칩의 reaction chamber에 해당되는 지름 \( 8 \mathrm{~mm} \) 원 의 범위 내에서 \( 97^{\circ} \mathrm{C} \sim 98^{\circ} \mathrm{C} \) 만큼의 온도범위를 볼 수 있다.</p><p>그림 3(e)은 저항 2 개를 \( 2 \mathrm{~mm} \) 간격으로 위치한 히터의 PCR 칩에 대한 온도 분포와 지항의 위치를 보여주고 그림 3(f)은 (e)에 대한 온도 변화 그래프다. 히터 충앙의 온도를 \( 97^{\circ} \mathrm{C} \) 로 맞춰 주었을 때 지항의 최고 온도는 \( 101^{\circ} \mathrm{C} \) 까지 오르게 되어 PCR 칩의 reaction chamber에 해당되는 지름 \( 8 \mathrm{~mm} \) 원 의 범위 내에서 \( 97^{\circ} \mathrm{C} \sim 101^{\circ} \mathrm{C} \) 의 온도범위를 볼 수 있다. 그림 3(g)은 저항 2 개를 \( 3 \mathrm{~mm} \) 간격으로 배치한 히터의 PCR 칩에 대한 온도 분포와 지항의 위치를 보여주고 그림 3(h) 은 (g) 에 대한 온도 변화 그래프다. 히터 중앙의 온도를 \( 97^{\circ} \mathrm{C} \) 로 맞춰주었을 때 저항의 최고 온도는 \( 103^{\circ} \mathrm{C} \) 까지 오르게 되어 PCR 칩의 reaction chamber에 해당되는 지름 \(8 \mathrm{~mm} \) 원의 범위 내에서 \( 97^{\circ} \mathrm{C} \sim 103^{\circ} \mathrm{C} \) 만큼의 온도범위를 볼 수 있다.</p><h2>2.2 히터 제작 방법</h2><p>시뮬레이션 결과를 확인하기 위해, 칩 저항 히터를 실제로 제작하여 성능 평가를 진행했다. 먼저 칩 저항을 고정할 기판으로 유리를 선택했다. 그림 2에서와 같이 증폭된 DNA 양을 실시간으로 측정하기 위해 광학적인 방식을 사용하는데, 이를 위해서는 기판이 투명해야한다. 칩 저항을 유리 기판위에 고정시키기 위해 구리테이프를 사용했다. 구리테이프를 유리에 붙인 후 \( \mathrm{CO}_{2} \) 레이저로 잘라서 그림 4(a)와 같이 저항을 납땜하기 위한 \( 3 \times 4 \mathrm{~mm}^{2} \) 크기의 패드를 만들어준다. 저항 1 개 히터, 저항 2 개 사이간격 \( 1 \mathrm{~mm} \sim 3 \mathrm{~mm} \) 히터 3 가지, 총 4 가지의 히터를 제작했다.</p><h2>2.3 히터 성능 평가</h2><p>시뮬레이션과 비교하기 위해 성능 평가를 진행했 다. 그림 5 와 같이 저항과 PCR 칩 표면에 서모커플을 위치하여 온도를 측정하고 각 서모커플과 닿는 부분에는 서멀컴파운드를 도포했다. 저항 1 개 히터, 저항 2개 히터에 \( 3.8 \mathrm{~A} \) 전류을 공급하여 저항 1 개에서 소모하는 전력이 \( 5.9 \mathrm{~W} \) 로 동일하도록 실험을 진행했다. 그림 6 은 성능 평가에 사용하기위해 제작한 하우징의 디자인 및 실제 사진이며 해당 하우징을 사용하여 히터성능 평가를 진행했다. 하우징의 크기는 \( 91 \times 66 \times 67 \mathrm{~mm}^{3} \) 의 크기를 가지며 FDM 방식의 3D 프린터를 사용하여 제작했다. PCR칩의 빠른 냉각을 위해 쿨링 팬(cooling fan)을 사용하였고, 팬에서 나오는 바람을 사용하였고, 팬에서 나오는 바람을 PCR 칩으로 효율적으로 보내기 위해 내부 구조를 디자인했다.</p>	CR 시료가 담길 시험관으로 투명한 유리 PCR 칩을 제작한 이유는 무엇인가?	Real-time PCR이 가능한 디바이스
{ "answer_type": "Yes/No 단문형", "context_id": "6aad3f30-3496-473a-8694-488a58a3643f", "field": "인공물", "question_id": "ff90f3bf-7b83-4dca-ad9a-318ff114b65c" }	<h2>2.4 PCR 반응 온도 제어</h2><p>PCR 칩의 윗면에서 아랫면 칩의 온도 구배가 선형이라 가정하여 칩의 윗면과 아랫면 온도의 평균을 샘플의 온도로 추정했다. 추정된 온도가 각 구간 별 온도를 유지할 수 있도록 쿨링 팬과 히터 저항의 온도를 제어했다. 서모사이클 중 온도가 상승하는 구간에서는 칩을 더 빠르게 가열하기 위해 히터의 제어 온도를 각 온도스텝을 유지하기 위한 제어 온도보다 높게 설정했다. 추정 온도가 각 온도 스텝보다 \( 2 \% \) 높을 때 히터 제어 온도를 스텝 유지 온도로 변경했다. 또한, 추정 온도가 \( 2 \% \) 오차 범위를 벗어날 경우, 스텝 유지 온도를 \( \pm 5^{\circ} \mathrm{C} \) 범위 값으로 설정하여 추정 온도가 온도 스텝을 유지하도록 했다. 추정 온도가 높을 경우 냉각 시에는 저항의 전류를 차단하고 쿨링 팬을 작동시켜 빠르게 냉각을 시키도록 했다 그림 7(a) 은 실험에 사용된 셋업 사진이며, 그림 7(b), (c), (d), (e) 은 제작된 히터의 시간, 온도 그래프이다. 그림 7(b)은 저항 1 개 히터의 성능 실험 결과를 보여준다. 저항 1 개 히터의 경우, 2 개 저항 히터에 비해 발열체의 개수가 적어 발열량 변화가 컸다. 이로 인해 온도 안정화에 걸리는 시간은 각 step 별로 평균 1 step 10 초, 2 step 10 초, 3 step 24 초로 모든 온도 스텝 구간에서 추정된 온도가 잘 유지되지 않았다. 하지만 냉각시켜야 하는 면적이 적어 냉각 시간이 12 초로 짧다. 그림 7(c), (d), (e)은 2개 저항 사이 간격별 히터 성능 실험 결과를 보여준다. 그림 7(c)는 지항 2개 사이 거리 \( 2 \mathrm{~mm} \) 히터의 테스트 결과다. 각 step 별로 평균 1 step 7 초, 2 step 10 초, 3 step 13 초이다. 냉각 시간은 14 초로 저항 1 개 히터보다 더 넓은 온도 분포를 가져 냉각 시간이 더 길다. 그림 7(d) 는 저항 2 개 사이 거리 \( 2 \mathrm{~mm} \) 히터의 테스트 결과다. (c)보다 온도안정화가 빠르게 이루어지며, 온도 안정화에 걸리는 시간은 각 step 별로 평균 1 step 7 초, 2 step 8초, 3 step 26 초이다. 저항 사이 거리에 따른 온도 분포 확장으로 인해 (c)의 결과 보다 느린 20 초의 냉각 시간을 갖는다. 그림 7(e)는 저항 2 개 사 이 거리 \( 3 \mathrm{~mm} \) 히터의 테스트 결과다. 온도 안정화에 걸리는 시간은 각 step 별로 평균 1 step 7 초, 2 step 12 초, 3 step 1 초이다. 저항 간격에 따른 온도 분포 확장으로 인해 (d)보다 더 긴 32 초의 냉각 시간을 갖는다. 실험 데이터를 토대로 저항 2 개 히터 는 발열체의 개수가 2 개로 늘어 온도 변화가 적었고 저항 1 개 히터 실험 결과에 비해 리플이 적게 발생했다. 또한, 리플이 적어 저항 1개 히터에 비해 각 온도 스텝 별 온도가 일정하게 유지되어 사이클 의 속도도 30초 향상됐다. 그림 7(c), (d), (e)를 비교했을 때 큰 차이가 없어 저항 간의 간격은 사이클에 큰 영향을 주지 않는 것을 알 수 있었다. 시뮬레이션 결과와 성능 실험 결과를 바탕으로, 우리는 저항 2 개 히터의 간격이 \( 1 \mathrm{~mm} \) 인 칩이 가장 효율적임을 알 수 있었다.</p>	그림 7(c)의 냉각시간과 그림 7(d)의 냉각시간은 6초 차이 나지?	YES
{ "answer_type": "다지선다형", "context_id": "90eb323c-55c2-4758-adcd-2f7a23af8cd5", "field": "인공물", "question_id": "e5b34662-5a86-4b45-bc86-2448d3aba147" }	<h1>요 약</h1><p>바이오샘플의 DNA를 대량 증폭할 수 있는 휴대형 실시간 중합효소연쇄반응(Real-time PCR) 기기에서 히터는 PCR 반응 온도를 제어하기 위한 중요한 요소 중의 하나이다. 보통 빠른 히팅을 위해 소형 PCR 칩에 집적화되어 있고, 반도체 공정을 이용하여 박막형테로 제작되어 PCR 칩 제작 단가가 높은 편이다. 따라서 본 연구에서는 값싸고 온도제어를 정확히 할 수 있는 히터로 칩 저항을 사용하는 것을 제안한다. 칩 저항을 사용한 히터는 구조가 단순하고 제작이 섭다는 장점이 있다. \( 2.54 \times 2.54 \mathrm{~cm}^{2} \) 크기의 실시간 PCR 칩 위에 칩 저항을 1 개 또는 2 개를 사용했을 때 온도분포를 시뮬레이션 하였고, 고른 온도 분포를 갖는 PCR 칩을 제작했다. 또한 효율적인 PCR 칩 냉각을 위해 소형 fan이 내장된 하우징을 설계하였고, 3D 프린터로 제작했다. 온도제어는 마이크로프로세서를 이용한 PID)제어법(Proportional-Integral-Differential control)을 적용했다. 온도 상승비와 하강비는 각가 \( 18^{\circ} \mathrm{C} / \mathrm{s}, 3^{\circ} \mathrm{C} / \mathrm{s} \) 이며, 가 PCR 반응 단게의 유지 시간을 30 초로 하였을 때, 한 사이를은 약 2.66 분이 걸렸고, 35 사이클은 약 93 분 내로 진행할 수 있었다.</p>	본 연구에 따르면 PCR 반응 단게의 유지 시간을 30 초로 하였을 때 93분 내로 진행할 수 있는 사이클은 몇 이나 가능하지?	35 사이클
{ "answer_type": "표정답추출형", "context_id": "ceab0a92-cb29-4969-8582-311798469e47", "field": "인공물", "question_id": "9223eace-47dc-43b9-aaaf-0a0c8368d6d3" }	<h1>Ⅱ. RISC 명령어 세트 정의</h1> <p>RISC 프로세서를 설계하는데 있어서 고려해야 할 특징은 명령어 세트의 간소화에 있다. Adiabatic 마이크로프로세서와 CMOS 마이크로프로세서를 간소화된 명령어 세트로 설계률 하였다. 단열회로를 이용한 설계가 CMOS회로 보다 설계가 복잡한 것을 고려하여 구조를 간소화하기 위해 기존의 일반 16-bit RISC 프로세서보다 더 간소화된 명령어 세트를 사용하였다.<그림 1>에서 보면 기존의 RISC 프로세서와 비고해볼 때 명령어 형식의 차이가 있다. 그림 상단의 형식은 기존 MIPS16의 형식을 나타내고 하단의 형식이 새로 설계한 RISC의 명령어 형식이다.</p> <p>연산코드를 불 때 기존의 MIPS16은 5bits를 이루고 있으나 설계한 명령어 형식은 7bits로 설계하였다. 또한 설계한 16-bit RISC Micro-processor는 기존 RISC 프로세서에 비해서 주소지정 방식을 단순화 하였다.</p> <p>복잡도를 낮추면서도 기존의 명령어를 구현하기 위해서 모든 operand의 값을 레지스터로부터 읽어 들이며 Immediate 값은 사용하지 않았다. 또한 operand의 개수에 따라서 명령어를 구분하고 명령어에 따라서 사용되는 모듈을 선택되도록 하였다.</p> <p>전체 명령어중에서 대부분은 Rs(Source register)와 Rt(Target register)의 연산에 의해 연산결과가 Rd(Destination register)에 기억된다. 또한 메모리 접근 명령어인 LW(Load Word), SW(Store Word)등의 명령어는 레지스터로부터 Offset과 Base주소를 가져와 연산을 하도록 설계되었다.</p> <p> <표 1>에서는 구현된 전체 31개의 명령어 세트에 대한 형식과 설명을 나타내었다.</p> <p> <표 2>에서는 Instruction Set Decoding Table을 나타내어 명령어 세트가 연산코드에 따라서 구성된 것을 표시하였다.</p> <table border><caption>표 1. 제안한 명령어 세트와 동작</caption> <tbody><tr><td>Mnermonic</td><td>Instruction</td></tr><tr><td>ADD</td><td>Add Word [ADD Rd, Rs, Rt]; [Rd \( \leftarrow \) Rs + Rt]</td></tr><tr><td>ADDU</td><td>Add Unsinged Word [ADDU Rd, Rs, Rt]; [Rd \( \leftarrow \) Rs + Rt]</td></tr><tr><td>MUIT</td><td>Multiply Word [MUIT Rs, Rt]; [(LO, HI) \( \leftarrow \) Rs x Rt]</td></tr><tr><td>MULTU</td><td>Multiply Unsinged Word [MULTU Rs, Rt]; [(LO, HI) \( \leftarrow \) Rs x Rt]</td></tr><tr><td>SLT</td><td>Set on Less Then (SLT Rd, Rs, Rt]; [Rd \( \leftarrow \) Rs< Rt]</td></tr><tr><td>SLTU</td><td>Set on Less Then Unsinged [SLTU Rd, Rs, Rt]; [Rd \( \leftarrow \) Rs< Rt]</td></tr><tr><td>SUB</td><td>Subtract Word [SUB Rd, Rs, Rt]: [Rd \( \leftarrow \) Rs Rt]</td></tr><tr><td>SUBU</td><td>Subtract Unsigned Word [SUBU Rd, Rs, Rt]; [Rd \( \leftarrow \) Rs Rt]</td></tr><tr><td>BEQ</td><td>Branch on Eaual ※ Rt=(Offset) [BEQ Rs, Rd, Offset]; [if Rs \( \geq \) Rd then Offset]</td></tr><tr><td>BGEZ</td><td>Branch on Greater Then or Eaual to Zero [BGEZ Rs, Offset]; [if Rs \( \geq \) 0 then Offset]</td></tr><tr><td>BGTZ</td><td>Branch on Greater Then Zero ※ Rt=(Offset) [BGTZ Rs, Offset]; [if Rs >0 then Offset]</td></tr><tr><td>BNE</td><td>Branch on Not Equal ※ Rt=(Offset) [BNE Rs, Rd, Offset]; [if Rs \( \neq \) Rd then Offset]</td></tr><tr><td>JR</td><td>Jump Register [JR Rs]; [PC \( \leftarrow \) Rs]</td></tr><tr><td>NOP</td><td>No Operation</td></tr><tr><td>LW</td><td>Load Word ※ rs=(base), rt=(offset) [LW Rd, Offset(base)]; [Rd \( \leftarrow \) memory(Offset+base)]</td></tr><tr><td>SW</td><td>Store Word ※ rs=(base), rt=(offset) [SW Rd, Offset(base)];[memory(Offset+base) \( \leftarrow \) Rd]</td></tr><tr><td>AND</td><td>And [AND Rd, Rs, Rt]; [Rd \( \leftarrow \) Rs AND Rt]</td></tr><tr><td>NOR</td><td>Not Or [NOR Rd, Rs, Rt]; [Rd \( \leftarrow \) Rs NOR Rt]</td></tr><tr><td>OR</td><td>Or [OR Rd, RS, Rt]; [Rd \( \leftarrow \) Rs OR Rt]</td></tr><tr><td>XOR</td><td>Exclusive Or [XOR Rd, Rs, Rt]; [Rd \( \leftarrow \) Rs XOR Rt]</td></tr><tr><td>MOV</td><td>Move [MOV Rd, Rs); [Rd \( \leftarrow \) Rs]</td></tr><tr><td>MFHI</td><td>Move From Hl Register [MFHI Rd]; [Rd \( \leftarrow \) HI]</td></tr><tr><td>MFLO</td><td>Move From LO Register [MFLO Rd]; [Rd \( \leftarrow \) LO]</td></tr><tr><td>MTHI</td><td>Move To HI Register [MTHH Rs]; [HI \( \leftarrow \) RS]</td></tr><tr><td>MTLO</td><td>Move To LO Register [MTLO Rs]; [LO \( \leftarrow \) RS]</td></tr><tr><td>BREAK</td><td>Breakpeoint</td></tr><tr><td>SUL</td><td>Shift Word Left Logical ※ Rs=(sa) [SLL Rd, Rt, sa]; [Rd \( \leftarrow \) Rt<< sa]</td></tr><tr><td>SRA</td><td>Shift Word Right Arithmetic ※ Rs=(sa) [SRA Rd, Rt, sa]; [Rd \( \leftarrow \) Rt >>sa] (Arithmetic)</td></tr><tr><td>ROL</td><td>Rotation Left Rs=(sa), Rt(MSB) = >Rt(LSB) [ROL Rd, Rt, sa]; [Rd \( \leftarrow \) Rt<< sa]</td></tr><tr><td>ROR</td><td>Rotation Right Rs=(sa), Rt(LSB) = >Rt(MSB) [ROR Rd, Rt, sa]; [Rd \( \leftarrow \) Rt >>sa]</td></tr><tr><td>SRL</td><td>Shift Word Right Logical ※ Rs=(sa) [SRL Rd, Rt, sa]; [Rd \( \leftarrow \) Rt >>sa] (Logical)</td></tr></tbody></table>	MUIT라는 명령어의 동작설명은 무엇인가?	Multiply Unsinged Word [MULTU Rs, Rt]; [(LO, HI) \( \leftarrow \) Rs x Rt]
{ "answer_type": "정답경계추출형", "context_id": "2d6694c5-789e-46f3-8541-84ca524df8c7", "field": "인공물", "question_id": "2c52c817-1f65-4f05-83a3-39e437953547" }	<p>다음으로는 pH 센서의 검지부로 사용할 ITO-NP 인쇄박막의 전기적 특성 측정 결과이다. 우선 가장 기본적인 전기적 특성으로 비저항을 측정하였다. \( 20 \mu \mathrm{m} \) 두께의 ITO-NP 인쇄박막을 Hall Effect Measurement System (HMS-5300/ATH55)을 사용하여 측정한 결과 \( \rho=8.35 \Omega \cdot \mathrm{cm} \) 의 결과를 얻었다. 참고로 종래의 연구에서sputter 로 제작한 ITO film의 비저항은 \( 149 \times 10^{-6} \Omega \cdot \mathrm{cm} \)였고, 잉크젯을 이용하여 인쇄하고 \( 400^{\circ} \mathrm{C} \) 에서 열처리한 \( 580 \mathrm{~nm} \) 두께의 ITO-NP 인쇄박막[17]의 경우 \( 3.0 \times 10^{-2} \Omega \cdot \mathrm{cm} \), spin coating을 통하여 제작하고 \( 300^{\circ} \mathrm{C} \) 에서 열처리한 \( \mathrm{ITO}[18] \) 의 비저항은 \( 7.0 \times 10^{-4} \Omega \cdot \mathrm{cm} \) 로 제작 방법 및 열처리 온도에 따라 다양한 비저항 값을 가짐을 알 수 있다. 여기서 전기저항형 센서 응용과 관련해서 고찰해보면, 센서의 저항변화는 박막의 내부저항과 표면저항의 병렬저항으로 주어지므로, 작은 비저항이 센서 응용에 적합한 것은 아니며, 오히려 적절히 큰 내부저항이 표면저항의 변화를 민감히 반영하는 센서 제작에 유리하다는 것을 알 수 있다.</p><p>이렇게 기계적 특성과 전기적 특성을 분석한 ITO-NP 인쇄박막은 Fig. 1(a)에서 보인 바와 같이 양쪽 모퉁이에 \( 3 \times 3 \mathrm{~mm}^{2} \) 크기의 Ag 전극을 형성하여 센서를 제작하고 그 응답 특성을 확인하였다. 가장 먼저 pH 변화에 따른 센서 응답의 변화를 측정하기 위하여 pH 버퍼용액으로 알려진 표준 pH 용액 (pH 3, 5, 7, 9, 11)을 사용하여 각 표준 용액 별 응답 변화를 알아보았다.<p>Fig. 5 는 pH 값 변화에 대한 센서의 응답특성이다. Fig. 5(a)는 pH 에 대한 시간에 따른 동적 응답 특성이다. Fig. 5(a)에서 표준 pH 용액을 투여했을 때 pH 농도에 따라 응답이 안정적으로 증가하는 것을 볼 수 있다. 이 결과를 이용하여 ITO pH 센서의 응답특성을 교정 (calibration) 하였다. Fig. 5(b)는 여러 개의 시료를 이용하여 반복 측정한 pH 별 응답 특성을 정리한 결과이다. 이때 각 시료 간에 관찰되는 오차는 오차 막대로 표시하였다. 낮은 pH 영역에 비하여 높은 pH 영역에서 비교적 큰 오차를 가짐을 알 수 있었다. 이러한 오차는 인쇄 박막의 특성, 즉 사용한 NP의 종류나 입도, 바인더 배합비율, 표면에 잔류하는 바인더의 양 등에 기인하는 것으로 실험을 통하여 확인하였다. 센서 특성의 교정 결과는 3.0 ~ 11.0 pH의 측정 범위에서 실험하여 pH 9에서 최대 \( \pm 0.04 \mathrm{pH}(0.4 \%) \) 의 오차가 관찰되었고, 각각의 응답에서 최대 \( 9 \mathrm{~s} \) 의 응답시간이 관찰되었다.</p><p>제작한 ITO pH 센서의 성능을 기존의 pH 측정 방법과 비교하여 보았다. 본 실험에서는 측정 대상으로 수돗물, 콜라, 오렌지주스, 이온음료 등을 선정하고 비교군으로 (1)선행연구를 통하여 알려진 수치, (2)리트머스 시험지 측정결과, (3)상용 유리 전극 센서 (WGC-24)를 이용하였다. 측정한 결과를 Table 1에 정리하였다. Table 1에서 볼 수 있듯, 콜라, 오렌지주스 등의 음료는 모든 센서가 유사한 결과를 확인하였다. 하지만 수돗물과 이온음료에 대해서는 비교적 큰 오차가 확인되었다. 이러한 결과는 ITO NP인쇄를 위해 혼합한 바인더의 용해작용 때문으로 예상된다. \( \alpha \)-terpineol은 알콜류로 에탄올에 용해되는 것으로 알려져 있고, ethyl cellulose는 수용성이 아닌 무독성 필름 및 증점제로 물로부터 성분을 보호하는 데 사용할 수 있다고 알려져 있으나, 다양한 분자구조를 가질 수 있으며, 특정 수용액 중에서 용해되는 것으로 알려져 있다. 따라서 바인더의 용해작용에 의한 수용액의 pH 변화가 있었을 가능성이 있다. 이를 확인하기 위하여 이온음료 \( (300 \mathrm{ml}) \) 와 오렌지주스 \( (300 \mathrm{ml}) \) 에 각각 ethyl cellulose \( (1 \mathrm{~g}) \) 를 혼합하여 pH value변화를 확인하였다. 이온음료의 경우 혼합 전 3.73 pH 에서 3.54 pH로 \( 5.1 \%\)(0.19 pH) 변화하였고, 오렌지주스의 경우에도 3.87 pH 에서 3.90 pH로 \( 0.78 \%\) 0.03 pH 변화하였다. 이러한 결과를 보면 ITO-NP인쇄 박막을 이용한 pH 센서는 사용하는 액체의 종류에 따른 적절한 바인더 선정 등의 보완이 필요하지만, 임의의 시료에 대해서도 지속적으로 pH 측정이 가능한 전기저항형 pH 센서의 개발이 가능하다는 것을 보여준다.</p>	센서의 저항변화는 작은 비저항과 큰 내부저항 중 표면저항의 변화를 민감히 반영하는 센서제작에 유리한 것은 어떤 것 인가?	큰 내부저항이 표면저항의 변화를 민감히 반영하는 센서 제작에 유리
{ "answer_type": "정답경계추출형", "context_id": "47c88102-761b-4162-8f61-938575be2639", "field": "인공물", "question_id": "e57cd436-19a6-4575-9167-bbc5a80219c2" }	<h1>IV. 측정 및 시뮬레이션 결과</h1><p>그림 12 는 제안된 검출회로에서 worst case인 \( \mathrm{R}_{\mathrm{f}}=1.5 \mathrm{M} \Omega \) 이고 입력이 \( 10 \mathrm{nA} \) 일 때의 입력 기준 전류 잡음 시뮬레이션 결과이다. 시뮬레이션 결과 입력 기준 전류 잡음은 \( 10 \mathrm{~Hz}-6 \mathrm{kHz} \)의 범위에서 \( 0.2 \mathrm{pA} \) 의 RMS(root mean square)값을 가진다. 이는 입력 기준으로 \( 0.5 \% \) 이하의 잡음 성분으로 ADC 과정에서 영향을 주 지 않음을 의미한다.</p><p>그림 13 은 제안한 검출회로에서 \( 100 \mathrm{nA}-1000 \mathrm{nA} \) 의 입력 범위에서 사인파 형태의 입력에 대한 ADC의 출력에 대한 측정 결과이다. 입력 전류는 CNT 센서 대신에 저항을 연결하고 외부에서 전압을 사인파 형태로 인가하여 저항 양단에 걸리는 전압을 변화시키는 방법으로 전류를 변화시켰다. 사인파의 잡음을 고려하여 10회 반복하여 측정하였으며 이러한 ADC의 출력 디지털 데이터를 입출력 식(2)에 의해 전류 값으로 변환할 수 있다. 이러한 방법으로 \( 10 \mathrm{nA}-10 \mu \mathrm{A} \) 까지 신호 검출 회로의 전체 입력 범위에 대해 입력에 따른 출력 결과를 그림 14에 나타내었다.</p><p>제안된 신호 검출회로는 III장에서 언급한 것처럼 CNT 센서의 값 자체보다는 변화량이 중요하기 때문에 회로의 선형성이 중요하다. 그림 15는 전체 입력 범위에 대한 검출회로의 선형성을 나타낸다. 여기서 선형성이란 그림 14 의 측정 결과의 기울기를 의미한다. 이상적인 경우 1 의 기울기 값을 가지며 측정 결과 전체 범위에서 최대 \( 5.3 \% \) 이내의 선형성 오차를 갖으며 저항이 스위칭 되는 구간에서 가장 큰 오차를 발생시킨다. 이는 제안된 검출 회로의 worst case에서 예를 들면 \( 10 \% \)의 전류 변화에 대해 \( 9.47 \% \)로 판별하는 오차를 가져오는 것을 의미한다. 이것은 변화량을 통한 검출 물질의 농도 판별에 있어서 오차로 반영된다.</p><p>그림 16은 디지털 제어기 및 UART I/O에 대한 테스트 결과이다. 컴퓨터와 UART 케이블로 연결하여 시리얼 통신 프로그램을 이용하여 테스트 하였으며 보드레이트는 19200 에 데이터 형식은 8 비트이다. 신호 검출회로 부분은 내부 디지털 더미 블록을 이용하여 생성하였다. 총 64 개의 가상적 센서 데이터에 대해 테스트를 하였으며 그 결과 총 128 개의 문자를 읽어왔다. 2 개의 문자는 1 개의 센서에 한 주소 및 데이터를 나타낸다.</p><p>그림 17의 (a)는 \( 0.13 \mathrm{\mu m} \) CMOS 공정으로 구현된 신호검출 회로의 레이아웃이다. 총면적은 \( 0.173 \mathrm{~mm}^{2} \)이다. 그림 17 의 (b)는 \( 0.18 \mathrm{\mu m} \) CMOS 공정으로 구현된 디지털 제어기 및 UART I/O로 면적은 \( 0.251 \mathrm{~mm}^{2} \)이다. 테스트를 위해 Full custom 방식의 아날로그 회로와 cell based 방식의 디지털 회로를 각각 다른 공정으로 제작하였다.</p><p>표 2는 제안된 신호검출 회로의 아날로그부분에 대한 성능을 기존의 다른 논문과 비교한 표이다. 전력 소모의 경우 측정 장비를 이용하여 \( 640 \mathrm{sample} / \mathrm{s} \)의 동작 속도에서 평균 전력 소모를 측정하였다. 전력 소모 및 면적에 있어서 다른 공정으로 제작된 UART I/O 및 디지털 제어 회로 부분은 제외 하였다. 입력 범위의 경우 바이어스 전압을 전류를 나누어서 저항으로 변환하였다. 기존 방식에 비해 해상도나 입력 범위에 대한 성능은 부족하나 채널당 소모하는 전력 및 면적은 최고의 성능을 갖는다. 따라서 다수의 어레이로 구현시 소비 전력이나 면적 측면에서 제안된 신호 검출 시스템은 상당한 장점을 가진다.</p>	회로의 선형성이 중요한 이유는 무엇인가?	변화량이 중요하기 때문
{ "answer_type": "절차(방법)형", "context_id": "f3e937c9-54b1-4732-98a0-58cb5a01bc92", "field": "인공물", "question_id": "c5e2c15b-1368-4207-876c-276ac284f43d" }	<h1>IV. 전원클럭 발생기</h1> <p>ECRL 회로에서 에너지를 효율적으로 다시 전원으로 돌려주기 위해서는 AC형태의 전원공겁이 필요하다. LC 공진회로는 4-phase의 전원클럭을 공급하기위해 사용되었다.<그림 6>에 전원클럭 발생기의 회로를 나타내었다.</p> <p>본 논문에서 설계한 전원클럭 발생기는 1개의 인덕터, 두 개의 캐패시터 그리고 MOS 스위치로 구성되어있다.<그림 7>에 전원공급 회로를 나타내었다.</p> <p>전원클럭 회로는 스위칭 MOS를 사용하여 단열회로 내부에 에너지를 공급하며, LC 공진회로의 내부손실로 인한 진폭감소를 보상하여 항상 일정한 진폭을 유지하도록 동작한다.</p> <p>마이크로프로세서의 동작주피수는 전원클럭 노드의 캐패시터의 값과 여기에 연결되는 인덕터 값의 곱에 의한 공진 주파수로 결정된다. 마이크로프로세서의 동작속도가 결정되면 공진 주파수 조정을 위해 인덕터의 값을 변경하여 동작시켰다. 전원클럭 노드의 등가 캐패시터 값은 식 (1)로 계산할 수 있다.</p> <p>\( f=1 / R C_{e q} \)<caption>(1)</caption></p> <p> <표 3>에 마이크로프로세서의 전원클럭노드의 등가 캐패시터의 값을 나타내었다.</p> <table border><caption>표 3. 전원클럭 노드의 등가 캐패시터값</caption> <tbody><tr><td>node</td><td>S0</td><td>S1</td><td>S2</td><td>S3</td></tr><tr><td>\( \mathrm{C}_{\text {eq }}[\mathrm{pF}] \)</td><td>1.67</td><td>2.80</td><td>1.16</td><td>2.26</td></tr></tbody></table> <p>계산된 등가 캐패시터의 값들은 모두 다르기 때문에, 전원클럭 노드의 캐패시턴스 값을 동일하게 맞추어 주기 위해 별도의 캐패시터를 외부에 추가하여 준다.</p>	전원클럭 회로는 어떻게 동작하는가?	스위칭 MOS를 사용하여 단열회로 내부에 에너지를 공급하며, LC 공진회로의 내부손실로 인한 진폭감소를 보상하여 항상 일정한 진폭을 유지하도록 동작
{ "answer_type": "표정답추출형", "context_id": "e5883bce-f0d6-4fda-b273-94dc3d472eae", "field": "인공물", "question_id": "31f14ce9-cfba-4722-9812-dbaa08a2bf01" }	<h1>4. 시뮬레이션</h1> <p>제안하는 양방향 벅-부스트 포워드 컨버터의 성능을 확인하기 위해 PSIM을 이용하여 시뮬레이션을 수행하였다. 본 논문의 시뮬레이션과 실험에서 사용한 조건과 값은 표 1에서 확인할 수 있다.</p> <p>그림 8은 정상 동작 중인 1번 태양광 패널과 그늘짐 현상이 발생한 2번 태양광 패널이 각각 \( 60 \mathrm{W}, 10 \mathrm{W} \)의 전력을 발전하고 있는 상태에서의 \( v_{C D C 1} \)와 \( v_{C D C 2} \)의 크기와 MPPT를 보여주고 있다. 두 경우 모두 \( 30 \mathrm{V} \)의 MPPT지점에 대한 P&O 알고리즘 계산을 수행하지 못하고 있으며 \( v_{C D C 1} \)와 \( v_{C D C 2} \)의 크기가 전력에 비례해서 나타나고 있음을 알 수 있다.</p> <p>그림 9는 제안하는 양방향 벅-부스트 포워드 컨버터를 사용한 후의 \( v_{C D C 1} \)와 \( v_{C D C 2} \)의 크기와 태양광 패널 각각의 MPPT를 보여주고 있다. \( 134 \mathrm{V} \)와 \( 22 \mathrm{V} \)로 나뉜 불균형을 각각 \( 87.5 \mathrm{V} \)와 \( 68.5 \mathrm{V} \)로 격차를 좁혀 부스트 컨버터가 승압할 수 있는 조건을 만들어 줄 수 있었고 그에 따라 양 PV모두 MPPT를 수행하고 있음을 보여주고 있다. 두 불균형 전압을 정확히 같은 크기로 균형을 맞춰 주지는 않지만 그늘짐 현상이 발생한 상황에서도 문제 없이 MPPT를 수행할 수 있다.</p> <p>그림 10은 입력 배터리들과 태양광 패널 간의 전압불균형 상태에 각각의 포워드 전류를 나타내고 있다. \( I_{L_{X 1}} \)과 \( I_{L_{X 2}} \)를 비교해 볼 때 \( I_{L_{X 1}} \)의 전류만을 확인할 수 있음으로서 편차가 존재하는 쪽의 포워드 컨버터만이 동작함을 알 수 있다. \( I_{L_{X 3}} \)와 \( I_{L_{X 4}} \)를 비교해 보면 두 포워드 컨버터가 모두 동작하지만 그늘짐 현상이 발생하여 낮은 전력을 발전하고 있는 쪽의 전류가 더 큰 것으로서 두 전압의 불균형을 맞추려고 동작함을 볼 수 있다.</p> <table border><caption>TABLE Ⅰ SIMULATION AND EXPERIMENT PARAMETEROF PROPOSED BI-DIRECTIONAL BUCK-BOOSTFORWARD CONVERTER</caption> <tbody><tr><td>Symbol</td><td>Parameter</td><td>Value</td></tr><tr><td>\(V_{bat1} \)</td><td>Battery 1 voltage</td><td>20 [\( \mathrm{V} \)]</td></tr><tr><td>\(V_{bat2} \)</td><td>Battery 2 voltage</td><td>28 [\( \mathrm{V} \)]</td></tr><tr><td>\(V_{O}\)</td><td>Output voltage of proposed converter</td><td>156 [\( \mathrm{V} \)]</td></tr><tr><td>\(V_{PV1}\), \(V_{PV2} \)</td><td>PV1, PV2 MPPT voltage</td><td>30 [\( \mathrm{V} \)]</td></tr><tr><td>\(P_{PV1} \)</td><td>Power of PV1</td><td>60 [\( \mathrm{W} \)]</td></tr><tr><td>\(P_{PV2} \)</td><td>Power of PV2</td><td>10 [\( \mathrm{W} \)]</td></tr><tr><td>\(f_{S}\)</td><td>Switching frequency</td><td>30 [\( \mathrm{kHz} \)]</td></tr><tr><td>\(L_{m} \)</td><td>Magnetizing inductance</td><td>300 [\( \mu \mathrm{H} \)]</td></tr><tr><td>\(L_{X1}\), \(L_{X1}\), \(L_{X1}\), \(L_{X1}\)</td><td>Forward converter inductance</td><td>100 [\( \mu \mathrm{H} \)]</td></tr><tr><td>\(L_{1}\), \(L_{2}\)</td><td>Boost converter inductance</td><td>400 [\( \mu \mathrm{H} \)]</td></tr><tr><td>\(N_{1}\) : \(N_{2}\) : \(N_{3}\) : \(N_{4}\) : \(N_{5}\)</td><td>Turn ratio</td><td>2: 1 : 1 : 2 : 2</td></tr></tbody></table>	TABLE Ⅰ 에서 파라미터 Battery 1 voltage의 값은 얼마야?	20 [\( \mathrm{V} \)]
{ "answer_type": "표정답추출형", "context_id": "fce393b6-2a4f-48ad-ba6e-bb6287341b59", "field": "인공물", "question_id": "9891578c-0bd9-4470-bec5-1248a2df1d4e" }	<h1>Ⅱ. \( 60 \mathrm{GHz} \) 송 ◦ 수신기 설계</h1> <p>설계한 시스템은<그림 1>과 같으며 \( 22 \mathrm{MHz} \)의 채널 대역폭을 갖는 신호를 \( 2.4 \mathrm{GHz}\), \(60.4 \mathrm{GHz} \)의 주파수로 변한하는 슈퍼헤테로다인 방식이다. 송 ◦ 수신기간 통신은 시분할(Time-Division Duplexing) 방식으로 이루어진다.<그림 1>에서 상향 \( 60.4 \mathrm{GHz} \)는 데이터 전송을 위한 주파수이고 하향 \( 2.4 \mathrm{GHz} \)는 송 ◦ 수신기간 handshake를 위한 주파수이다.</p> <p>무선 랜의 구현을 위한 Link budget을<표 1>에 나타내었다. \( 11 \mathrm{Mbps} \) 속도로 데이터를 전송할 때 사용된 IF단은 Intersil사의 PRISM 칩셋으로 \( 2 \mathrm{MHz} \) 대역폭의 신호를 \( 22 \mathrm{MHz} \) 대역으로 확산변조(DSSS : Direct Sequence Spread Spectrum)하여 전송한다.</p> <p>수신기에서 noise floor는 열잡음(NTH)과 수신기 자체의 잡음지수(Noise Figure)로 생각할 수 있다. 수신기가 갖는 열잡음은 식 (1)과 같다.</p> <p>\( \mathrm{N}_{\mathrm{TH}}=\mathrm{kTB} \)<caption>(1)</caption></p> <p>단, \( \mathrm{k} \)는 Boltzman 상수이고, \( \mathrm{T} \)는 절대온도, \( \mathrm{B} \)는 시스템의 채널 대역폭이다. 따라서 수신기의 noise floor는 식 (1)에 수신기의 잡음지수 \( 4.2 \mathrm{~dB} \)를 더한 \( -106.7\mathrm{dBm} \)이 된다. CCK(Complementary Code Keying) 변조 방식을 사용해서 \( 10^{-6} \) BER을 얻으려면 \( \mathrm{Eb} / \mathrm{N}_{0} \)값이 \( 11 \mathrm{~dB} \) 이상이 되어야 한다. 여기서 \( \mathrm{E}_{\mathrm{b}} \)는 1 bit 신호의 최소 에너지이고, \( \mathrm{N}_{0} \)는 \( 1 \mathrm{~Hz} \) 대역폭에서의 열잡음이다. 따라서 시스템에서 필요로 하는 신호대 잡음비(SNR)는 식 (2)와 같다.</p> <p>\( \mathrm{SNR}=\left(\mathrm{E}_{\mathrm{b}} / \mathrm{N}_{0}\right) *(\mathrm{R} / \mathrm{BT}) \)<caption>(2)</caption></p> <p>단, \( \mathrm{R} \)은 전송속도, \( \mathrm{BT} \)는 전체 대역폭이다. 수신기의 Sensitivity\( \left(\mathrm{P}_{\mathrm{rx}}\right) \)는 수신기가 일정한 BER로 통신할 수 있는 최소의 입력신호 레벨로서 식 (3)으로부터 \(-95.7 \mathrm{dBm} \)이 된다.</p> <p>\( \mathrm{P}_{\mathrm{rx}}= \) Receiver Noise Floor \( + \) SNR<caption>(3)</caption></p> <p>실내에서 통신할 때 송 ◦ 수신기 사이에 가구, 벽 등과 같은 장애물에 의한 다중경로가 형성되고, 원래의 신호가 다중경로 신호와 역위상에 있을 때 수신 신호를 감쇄시키는 fading 현상이 발생한다. 본 시스템에서는 fading 현상을 보상하기 위해 fade margin을 \( 30 \mathrm{~dB} \)로 주고 설계하였다. 또한, \( 60 \mathrm{GHz} \) 신호는 실내에서 자유공간에 의한 감쇄와 산소에 의한 감쇄 특성이 있으므로, 송 ◦ 수신기간 거리 \( 35 \mathrm{~m} \)에서 \( 98.5 \mathrm{~dB} \) 감쇄를 갖는다. 따라서 데이터 에러율(BER) \( 10^{-6} \) 이하로 통신하는데 필요한 송신기의 파워 \( \left(\mathrm{P}_{\mathrm{tx}}\right) \)는 식 (4)로부터 \( -17.2 \mathrm{dBm} \)이 된다.</p> <p>\( \mathrm{P}_{\mathrm{tx}}=\mathrm{P}_{\mathrm{rx}}-\mathrm{G}_{\mathrm{tx}}-\mathrm{G}_{\mathrm{rx}}+\mathrm{L}_{\mathrm{fs}}+ \) Fade Margin<caption>(4)</caption></p> <p>여기서 \( \mathrm{G}_{\mathrm{tx}} \)는 송신기의 안테나 이득, \( \mathrm{G}_{\mathrm{rx}} \)는 수신기의 안테나 이득, \(\mathrm{L}_{\mathrm{fs}}\)는 자유공간상에서 송 ◦ 수신기간 거리에 의한 손실이다. \(식 (1)\sim 식 (4)\)로부터 송신기와 수신기의 모듈별 사양을 시스템 시뮬레이션을 통해 결정 하였다.<표 2>는 설계된 송신기의 모듈별 사양과 레벨 다이어그램이다. 송신기의 전력증폭기(Power Amplifier) 출력이 \( -17.2 \mathrm{dBm} \)이면 \( 10^{-6} \) BER을 만족하며 통신할 수 있으나, 전송로의 손실과 선형성 등 왜란을 고려하여 전송 파워 마진 \( 17.2 \mathrm{~dB} \)를 주어서 \( 0 \mathrm{~dBm} \)을 송신하도록 설계하였다. 또한 송신단과 수신단에서 충분한 LO 격리도(isolation) 특성을 얻기 위해 주피수 혼합기 다음 단에 LO 주파수 억압특성을 갖는 대역통과 여파기를 삽입하였다.<표 3>은 설계된 수신기의 모듈별 사양과 레벨 다이어그램이다. 수신기의 저잡음 증폭기(Low Noise Amplifier)는 Sensitivity \( -95.7 \mathrm{dBm} \)을 만족하도록 잡음지수 \( 4.2 \mathrm{~dB} \)가 되도록 설계하였다.</p> <table border><caption>표 1. 설계된 시스템의 Link budget</caption> <tbody><tr><td rowspan=2>통신 주파수</td><td>상향</td><td>\(60.4 \mathrm{GHz}\) [BW : \(2 \mathrm{GHz}\)]</td></tr><tr><td>하향</td><td>\(2.4\mathrm{GHz}\) [BW : \( 83\mathrm{MHz}\)]</td></tr><tr><td colspan=2>변조 방식</td><td>CCK, DSSS</td></tr><tr><td colspan=2>접속 방식</td><td>TDD</td></tr><tr><td colspan=2>데이터 전송 속도</td><td>\(11 \mathrm{Mbps/ch}\)</td></tr><tr><td colspan=2>데이터 에러율</td><td>\(10^{-6}\) BER</td></tr><tr><td colspan=2>서비스 범위</td><td>\(\sim 35 \mathrm{m}\)</td></tr><tr><td colspan=2>수신기의 노이즈</td><td>\(4.2 \mathrm{dB}\)</td></tr><tr><td colspan=2>송신기 출력파워</td><td>\(0 \mathrm{dBm}\)</td></tr><tr><td colspan=2>안테나 이득</td><td>\(25 \mathrm{dBi}\)</td></tr><tr><td colspan=2>선호대 잡음비</td><td>\(11 \mathrm{dB}\)</td></tr></tbody></table>	링크 버짓에서 시스템의 접속방식은 어떤 것인가?	TDD
{ "answer_type": "표정답추출형", "context_id": "8b68368d-e8dd-4f30-9b10-b3081056071e", "field": "인공물", "question_id": "71609b2b-9e22-4c8e-877d-78ab903975fd" }	<h1>Ⅲ. 실험 및 분석</h1> <p>지금까지 본 논문에서 제시한 설계 개념에 따라서 제작된 시스템을 무향 수조에서 실험하여 기본 기능을 확인하였다. 실해역 실험에서는 송수신 센서의 통신 도달 거리는 \( 870 \mathrm{m} \) 및 \( 1.17 \mathrm{km} \)까지 QPSK 신호가 정상적으로 수신되는 것을 확인하였다.</p> <p>본 논문에서 설계 및 제작된 송신시스템과 수신 시스템 각각을 그림 16에서 나타낸다.</p> <p>송수신 센서의 통신 거리 \( 870 \mathrm{m} \)에서 시간과 주파수 영역의 QPSK 검파 신호를 그림 17에서 보여준다. \( 25 \mathrm{kHz} \)의 대역에서 신호 대 잡음비의 차이는 대략 \( 8 \mathrm{~dB} \)이며, 신호 패킷별로 검파 신호와 배경 잡음이 섞여있는 것을 관측 할 수 있다.</p> <p>송수신 센서는 둘다 지향성을 지니므로 방향이 서로 일정한 각도 이내로 일치할 경우, 앞 장의 (2) QPSK 송신신호 시뮬레이션 및 성상도 에서 설명한 바와 같이 수신 데이터가 사분면에 각각 집중되어 나타난다. 이를 그림 18에 나타 내었다. 즉, 수신 상태가 양호한 것을 알 수 있다. 그러나 실험도중 송수신 센서의 방향이 조류 혹은 기타의 영향으로 벗어나는 경우가 있다. 이러한 경우 수신데이터가 성상도가 사분면에 정확히 나타나지 않고 원점을 중심으로 펴져있는 것을 그림 19에서 알 수 있다.</p> <table border><caption>표 4. 수신 장치의 전압 및 수신음압</caption> <tbody><tr><td>회차</td><td>측정전압\( (\mathrm{V}) \)</td><td>수신음압\( (\mathrm{dB}) \)</td></tr><tr><td>1</td><td>5.0</td><td>105</td></tr><tr><td>2</td><td>0.8</td><td>89</td></tr><tr><td>3</td><td>2.5</td><td>99</td></tr><tr><td>4</td><td>50</td><td>105</td></tr><tr><td>5</td><td>1.25</td><td>93</td></tr><tr><td>6</td><td>4.0</td><td>103</td></tr></tbody></table> <p>또한 송수신 센서의 통신거리 \( 1.17 \mathrm{km} \)까지 QPSK 신호전송 시, 수신 장치의 전압과 수신음압을 표 4에서 나타낸다. 앞 장의 (3) 수신 신호의 탐지 레벨 에서 고찰한 바와 같이 \( 123 \mathrm{~dB} \) 정도의 수신 음압을 예측하였으나 6회의 실험을 통해서 \( 89 \mathrm{~dB}-105 \mathrm{~dB} \) 범위로 측정되었다. 수신 장치에서는 받은 영상 정보를 그림 20의 좌측상단에서 확인 가능하고 \( \mathrm{GUI} \) (Graphical User Interface)화면을 통해 각종 수신 신호 정보를 보여준다.</p>	표4 수신 장치의 전압 및 수신음압에서 측정전압이 가장 낮을 때 몇 회차 입니까?	2
{ "answer_type": "표정답추출형", "context_id": "603c742d-6835-439a-bcfa-3a7ee98d0344", "field": "인공물", "question_id": "00f332c1-fa84-490c-9649-92d477a945fe" }	<h2>2. QPSK 수신 장치</h2> <p>여기에서는 QPSK 변조 신호를 수신하여 신호처리하는 과정, 전달 손실 및 수신신호 탐지 레벨에 대하여 설명한다.</p> <h3>가. 수신 신호 처리</h3> <p>수중 채널을 통하여 입력된 음향 신호를 \( 1 / 2 \)파장 간격으로 연결된 8개의 수직 선배열 센서를 사용하여 전기적 신호로 변환한다. 대역 증폭회로로써 증폭 후, 각각의 신호를 \( 100 \mathrm{kHz} \)의 샘플링 주파수로 \( \mathrm{A} / \mathrm{D} \) 변환한다. DSP보드에서 복수개의 DSP에 의한 병렬처리를 통한 QPSK 신호검파, 빔 형성, 적응 등화기등의 알고리듬을 수행하여 복원된 정보가 모니터상에 나타난다. 이를 그림 11에 나타내었다.</p> <h3>(1) QPSK 수신 신호 처리</h3> <p>\( \mathrm{A} / \mathrm{D} \) 변환된 수신신호를 DSP보드에서 각 패킷별로 수행되는 알고리듬 처리과정은 나타내면 그림 12와 같다. 샘플링 주기는 \( 10 \mu \mathrm{sec} \)이며, 저역 통과 필터는 선형 특성의 FIR(Finite Impulse Filter) 필터이다.</p> <h3>(2) 전달 손실</h3> <p>수중에서 음파을 송신할 경우에 흡수계수 및 거리에 따른 전달 손실이 발생한다. 전달되는 음파가 구면 형태(spherical spreading)로 전파된다고 가정 할 때, 전달 손실은 식(2)과 같이 추정 할 수 있다.</p> <p>\( T L=20 \log (r)+a r \)<caption>(2)</caption></p> <p>여기서 r은 전달 거리 a는 송신 주파수에 해당하는 흡수계수를 의미한다. 전달 손실은 최대로 \( 1 \mathrm{~km} \) 전송 시 약 \( 64 \mathrm{~dB} \)이다.</p> <h3>(3) 수신 신호의 탐지 레벨</h3> <p>실해역 실험을 위해서 해상에서 송수신 센서의 수심</p> <table border><caption>표 3. 신호 탐지 레벨 관련 추정 변수</caption> <tbody><tr><td>추정변수</td><td>추정치</td></tr><tr><td>배경잡음 레벨(ambient noise level), ANL</td><td>\( 40 \mathrm{dB} \) (그림22)</td></tr><tr><td>수신장치잡음 레벨(receiver noise level), RNA</td><td>\( 40 \mathrm{dB} \) (\( 10 \log B \))</td></tr><tr><td>전체잡음 레벨(total noise level), NL</td><td>\( 80 \mathrm{dB} \) (ANL+RNL)</td></tr><tr><td>최소탐지 레벨(minimum detection level), DL</td><td>\( 90 \mathrm{dB} \) (NL+10dB)</td></tr><tr><td>전달손실(transmission loss), TL</td><td>\( 64 \mathrm{~dB} \) (그림20)</td></tr></tbody></table> <p>은 전체 수심의 중간 정도로 유지하고 송수신 장치를 탑재한 실험 환경은 그림 13과 같다.</p> <p>이 때, 송수신 센서간의 거리(direct path)는 약 \( 1 \mathrm{~km} \)이다. 송수신 센서의 빔 형성 및 수신 장치의 등화기 알고리듬에 의해서 해저면과 수면의 다중 경로에 의한 음파간섭이 제거된다고 가정한다. 앞 장의 (3)송신부 설계에서 고찰한 바 같이 최대음압 SL은 \( 187 \mathrm{~dB} \)이다. 또한 표 3에 나타난 바와 같이 SL은 전송거리 \( 1 \mathrm{~km} \)에 따른 전달 손실 TL에 의해서 \( 64 \mathrm{~dB} \) 감쇄되어 \( 123 \mathrm{~dB} \) \( (187 \mathrm{~dB}-64 \mathrm{~dB}) \)가 수신센서에 도달된다. 따라서 수신장치에서는 \( 33 \mathrm{~dB} \)의 \( (123 \mathrm{~dB}-90 \mathrm{~dB}) \) 여유가 있다. 여기서 \( 90 \mathrm{~dB} \)는 표 3의 최소탐지 레벨인 DL이다. 수신센서로 입력된 이후의 신호 레벨을 계산하면 \( 18 \mathrm{~dB} \) (123dB - \( 190 \mathrm{~dB}+86 \mathrm{~dB}-1 \mathrm{~dB}) \)이다. 여기서 \( -190 \mathrm{~dB} \)는 적용된 수직 선배열 센서의 수신 전압 감도(receiving voltage sensitivity)이며, \( 86 \mathrm{~dB} \)는 전치 증폭기의 이득이고 \( 1 \mathrm{~dB} \)는 수신 케이블의 추정 손실이다.</p> <p>\( 18 \mathrm{~dB} \) (실효치 전압 : \( 7.94 \mathrm{~V} \) )정도의 신호 레벨이면 신호 처리를 위해서 충분한 크기라고 생각할 수 있다. 그러나 수중에서 송수신 센서의 방향 불일치, 빔 패턴의 불균일성, 배경 잡음의 증가 등의 요인으로 인해서 약 \( 20 \mathrm{~dB} \)의 이득 여유를 가져야 한다. 해상 상태에 따라 평균적으로 수중에 존재하는 배경 잡음 레벨을 주파수 대역별로 나타낸 것이 그림 14이다.</p> <h3>나. 수신 장치</h3> <p>여기에서는 제작된 수신 센서의 물리적 특성과 수신부 관련 회로 설계에 대하여 설명한다.</p> <h3>(1) 수신 센서</h3> <p>개발된 수신센서의 수신 전압 감도 및 빔 패턴등의 물리적 특성을 측정하기 위해 무향수조에서 송신센서 (B&K 8105)를 이용하여 신호를 인가하고 수신 센서의 데이터를 획득하였다. 측정결과 수신 전압감도는 \( 197.7 \mathrm{~dB} \) re \( 1 \mathrm{~V} / \mathrm{uPa} @ 1 \mathrm{~m} \) 이다. 위상 특성은 선형적으로 인 측정되어 QPSK 신호를 왜곡 없이 수신할 수 있었다. \( 25 \mathrm{kHz} \)의 주파수에서 수신 센서의 지향성을 파악하기 위한 빔 패턴 특성을 나타낸 것이 그림 15 이고, \( \pm 3 \mathrm{~dB} \) 기준으로 약 25도이다.</p> <p>실제 실해역 시험에 적용된 수직 선배열 센서는 개별 센서 8 개롤 수직 방향으로 \( 1 / 2 \) 파장 간격으로 연결하여 제작하였다. 수직 빔패턴은 \( \pm 3 \mathrm{~dB} \) 기준으로 약 \( \pm 10 \)도 이며, 수신 전압 감도는 - \( 190 \mathrm{~dB} \) re \( 1 \mathrm{~V} / \mathrm{\mu Pa} @ 1 \mathrm{~m} \)이다.</p> <h3>(2)전치 증폭기</h3> <p>전치 증폭기는 수신센서의 미약한 음향 신호를 증폭</p> <p>하고 대역 통과 필터로 전달함으로써 신호 대 잡음비를 개선하는 역할을 한다. 전압 이득은 \( 86 \mathrm{~dB} \)이다.</p> <h3>(3)대역 통과 필터</h3> <p>QPSK 수중 통신 요구 사양을 만족하기 위하여 주파수에 따라 위상이 선형적으로 증가하는 특성을 가진 능동2차 필터이다.</p>	두 번째로 큰 추정치 값은 얼마인가?	\( 80 \mathrm{dB} \) (ANL+RNL)
{ "answer_type": "절차(방법)형", "context_id": "caa7d74a-94fd-4bd0-941f-4fdd9b2059f7", "field": "인공물", "question_id": "8d315427-5da2-4a3a-8618-2a14f2dffa03" }	<h1>II. 시스템 구성과 유도결합 해석</h1> <p>Figure \(1\)은 금속블록을 이용한 전력선통신 시스템의 구성도이다. 클라이언트 쪽 비접촉식 전력선 통신시스템은 용접기의 전원케이블에 페라이트 코어를 연결하여 구현한다. 용접기와 용접 건 사이의 용접케이블에 장착하지 않는 이유는 용접작업시 케이블에 흐르는 고 전류 변동에 의한 선로잡음과 통신 대역폭 지하 때문이다. 서버 쪽에는 나노 결정질 코어를 금속블록의 지지대에 장착하여 구성한다. 그 이유는 페라이트보다 높은 투자율을 가질 뿐만 아니라 핀 지그에는 직경이 훨씬 큰 코어를 요구하기 때문이다.</p> <table border><caption>표 \(1\). 자심의 물리적 매개변수</caption> <tbody><tr><td>Alloys</td><td>Dimension\( \left(\mathrm{mm}^{3}\right) \)</td><td>Initial permeability (a) \( 10 \mathrm{kHz} \)</td><td>Saturation flux density\( \left({ }^{\prime} \mathrm{I}^{\prime}\right) \)</td></tr><tr><td>Ferrite\( (\mathrm{Fe}-\mathrm{Ni}-\mathrm{Zn}) \)</td><td>\( 55 \times 25 \times 45 \)</td><td>\(700\)</td><td>\(0.24\)</td></tr><tr><td>Nano crystalline \( (\mathrm{Fe}-\mathrm{Si}-\mathrm{B}) \)</td><td>\( 100 \times 80 \times 20 \)</td><td>\(30000\)</td><td>\(1.2\)</td></tr></tbody></table> <p>용접기 전원 케이블에 설치된 유도결합기로서 페라이트 코어의 동작 해석을 위한 \(3\)차원 모델은 Figure \(2\)와 같다. 페라이트는 Table \(1\) 과 같이 \( \mathrm{Ni}-\mathrm{Zn} \) 계 합금 재질이며 \( 10 \mathrm{kHz} \) 에서 초기 투자율 \(700\) , 외경 \( 55 \mathrm{~mm} \), 내경 \( 25 \mathrm{~mm} \), 높이 \( 45 \mathrm{~mm} \) 인 토로이드 형상이다. 전력 케이블에 장착을 고려하여 절단되어 있다. 이 때 잘려진 두 코어는 잘 밀착된 것으로 가정하여 공기간극은 \( 0.5 \mathrm{~mm} \) 로 설정한다. 페라이트 코어 중심으로 전원 케이블이 관통하며, 모뎀 연결을 위한 신호선으로 \(1\)회 구리권선이 감겨져 있다. 주파수 구간이 \(5-30\) MHz인 \( 1 \mathrm{~mA} \) 교류 신호가 권선에서 전력 케이블로 결합되는 경우를 가정하여 전류가 권선에 반시계 방향으로 주입되는 상황이다. 광대역 전력선 모뎀의 동작 주파수 영역이 HomePlug\( \mathrm{AV} \) 표준에서 \( 1.8-30 \mathrm{MHz} \) 임을 반영하여 \( 5 \mathrm{MHz} \)단위의 입력신호 주파수 구간을 설정하였다. 용접기 전원케이블에 장착된 결합기의 자속밀도와 전류밀도 분포는 Figure \(3\) 과 같다. \(1\) 회 권선에 주입된 교류전류는 페라이트 코어에 자기장을 유도하여 자속에너지를 코어내부에 축적한다. 코어와 권선이 서로 교차하는 구간에 강한 자속밀도가 형성되므로 권선의 전류변화에 의해서 전자기 유도결합이 일어난다고 볼 수 있다. 시계방향으로 형성된 페라이트 코어의 자속(적색)은 코어 중심을 지나는 전력 케이블에 전류(노란색)를 유도한다. 결과적으로 권선의 전기적인 신호는 페라이트 코어를 통해 전자기 유도 방식으로 전력케이블에 결합된다. 입력신호 주파수 함수로서 페라이트 코어에 유도된 자속밀도 분포는 Figure \(4\) (a)와 같다. 낮은 주파수에서 더 늪은 자속밀도가 유도된다. 또한 페라이트 코어의 자속에 의해 유도되는 전류밀도는 Figure \(4\) (b)와 같이 나타나므로 유도견합기로서 역할을 기대할 수 있다. 금속블록 쪽에 설치된 결합기의 동작을 해석하기 위한 \(3\) 차원 모델은 Figure \(5\) 와 같다. 견합기의 코어는 철 기반 나노 결정질 합금으로 Table \(1\) 과 같이 \( 10 \mathrm{kHz} \) 에서 초기 투자율 \(30000\) , 외경 \( 100 \mathrm{~mm} \), 내경 \( 80 \mathrm{~mm} \), 높이 \( 20 \mathrm{~mm} \) 이다. 핀 지그를 가정한 알루미 늄 프로파일의 지지대는 \( 40 \times 40 \times 300 \mathrm{~mm}^{3} \) 이다. 금속블록의 지지대에 장착된 결합기의 유도결합 해석 견과는 Figure \(6\) 과 같다. 알루미늄 프로파일 지지대를 통해 \(5-30\) MHz의 \( 1 \mathrm{~mA} \) 교류신호가 전달된다고 가정했을 때 금속블록에 흐르는 전류 (흰색)에 의해서 나노 결정질 코어에 자기장(적색)이 유도된다. 이 자기장에 의해서 코어에 감긴 \(1\) 회 권선에 유도기전력이 생기고 전류가 흐른다. 이 전류는 금속블록을 통해서 전달된 신호이므로 전력선 모뎀을 통해 통신이 이루어진다. 입력신호 주파수 함수로서 나노결정질 코어에 유도된 자속밀도 분포는 Figure \(7\) (a)와 같다. 페라이트 코어와 같이 낮은 주파수에서 더 높은 자속밀도가 유도된다. 코어에 감긴 \(1\)회 권선에 유도되는 전류분포는 Figure \(7\) (b)와 같이 나타나며 평균 전류 밀도는 \( 0.9 \times 10^{6} \mathrm{~A} / \mathrm{m}^{2} \) 정도이다.</p>	나노 결정질 코어는 어떻게 이루어지는가?	금속블록의 지지대에 장착하여 구성
{ "answer_type": "Yes/No 단문형", "context_id": "5cbe8c63-bda7-46a2-9b4a-cd9e0cbd06c3", "field": "인공물", "question_id": "2592d686-03ae-4081-a44d-f6ba1f7c4164" }	<h2>2.2 세팅 자동화 장치의 구성 및 동작 과정</h2><p>Fig. 3은 본 논문에서 구현된 스위핑 중심 파장 세팅 자동화 장치의 구성도를 보여준다. \( 1 \times 2 \) 광섬유 커플러를 통하여 외부로 분기되는 레이저 광 출력의 파장은 FFP-TF 통과 파장과 같다. 이 광 출력은 광 서큘레이터를 통하여 FBG로 입사되고 광의 파장에 따라 FBG로부터 반사 또는 통과가 일어난다. FBG는 광섬유 코어에 길이 방향으로 주기적인 굴절률 변화를 주어 제작되며 변화주기가 \( \Lambda \) 인 경우 \( \lambda=2 n \Lambda \) 에 해당하는 파장을 반사시킨다. 여기서 \( n \)은 코어의 굴절률이다. FBG로부터 반사된 광은 다시 광 서큘레이터를 통하여 포토다이오드로 입사되며 여기에서 광 세기에 비례하는 전류로 바뀌고 광전 변환회로를 통하여 전압으로 변환된다. 한편 FBG를 통과한 광은 회절격자로 입사되고 파장에 따라 서로 다른 각도로 회절된다. 회절된 광은 LAPD로 향하는데 회절 각도에 따라서 즉 광의 파장에 따라서 LAPD 광 검출면으로의 입사 여부가 결정된다. 본 구성에서는 스위핑 중심 파장 \( \lambda_{0} \)를 경계로 이보다 짧으면 광 검출면을 벗어나지만 \( \lambda_{0} \)보다 길면 광 검출면으로 입사되도록 회절격자와 LAPD의 광학 셋업을 조정하였다. LAPD에서는 광 검출면으로 입사된 광의 세기에 비례하는 전류가 생성되고 이는 광전 변환회로를 통하여 전압으로 변환된다. 2개의 광전 변환회로로부터 각각 출력된 전압은 DAQ(Data Acquisition) 모듈을 통하여 동시에 샘플링되고 LabVIEW 프로그램을 통하여 데이터 처리된다. 다음으로 FFP-TF의 통과 파장을 \( \lambda_{0} \)값으로 이동시키기 위한 최적의 전압 패턴은 데이터 처리 결과에 따라 LabVIEW 프로그램을 통하여 생성되며 이는 DAQ 모듈을 통하여 FFP-TF에 인가된다.</p><p>세팅 자동화 과정은 다음과 같은 순서로 이루어 진다.</p><ol type=1 start=1><li>FFP-TF 통과 파장의 초기 위치를 Fig. 4 의 왼쪽에 보여진 것처럼 3개의 영역으로 나누어 구분한다. 첫째는 통과 파장이 스위핑 중심 파장 \( \lambda_{0} \)보다 짧은 영역이고, 둘째는 \( \lambda_{0} \)와 같거나 매우 근접해 있는 영역이다. 마지막은 통과 파장이 \( \lambda_{0} \)보다 긴 영역이다.</li><li>FFP-TF 통과 파장의 초기 위치가 어느 영역에 속하고 있는지 확인하기 위하여 FBG에서 반사되는 광의 세기와 회절격자로부터 LAPD로 입사되는 광의 세기를 각각 검출하여 이들의 조합으로 판정한다. 이 과정에서는 FBG, 포토다이오드, 회절 격자, LAPD, 2개의 광전 변환회로, DAQ 모듈, LabVIEW 프로그램 등이 사용된다.</li><li>판정 결과에 따라 Fig. 4의 오른쪽에 보여진 해당 전압 패턴의 값들을 일정한 시간 간격으로 FFP-TF에 인가한다. 이 과정에서는 LabVIEW 프로그램, DAQ 모듈, FFP-TF 등이 사용된다.</li><li>FFP-TF에 전압 패턴을 계속 인가하면서 FBG와 연결된 광전 변환회로의 출력 전압 값을 모니터링 한다. 이 값이 피크 치에 도달하면 그때 FFP-TF에 인가된 전압 값을 유지시킨다. 이제 FFP-TF의 통과 파장은 \( \lambda_{0} \)와 일치하게 된다. 본 논문에서 사용된 SOA의 ASE중앙 파장 \( \lambda_{0} \)는 \( 1310 \mathrm{nm} \)이다. 이 과정에서는 FBG, 포토다이오드, 광전 변환회로, DAQ 모듈, LabVIEW 프로그램, FFP-TF 등이 사용된다.</li></ol><p>이제 각 구성부 및 동작 과정을 좀 더 자세히 살펴보고자 한다.</p>	LAPD에서 광전 변환회로를 통하여 전류로 변환되나요?	NO
{ "answer_type": "절차(방법)형", "context_id": "ba376948-1080-4da0-960f-883cb42c260f", "field": "인공물", "question_id": "8b5e0895-aab9-491a-865f-cedd5d98853e" }	<h1>1. 서 론</h1><p>최근 영상의료진단기술이 날로 발전하여 각 분야에서 더욱 뛰어난 분해능을 가진 장비가 속속 개발되어가고 있다. 그 중 광코히어런스 토모그래피(OCT : Optical Coherence Tomography)는 수 \( \mu \mathrm{m} \)이하의 분해능으로 생체조직의 표피단면 이미지를 얻는 기술이며 앞으로 안과, 피부과, 내과, 심장내과, 치과 등에서 진단에 필요한 영상을 획득하기 위하여 널리 사용될 예정이다.</p><p>파장 스위핑 레이저를 사용하는 OCT를 SS-OCT(Swept Source-OCT)라고 하는데, 최근에 고화질 및 고속영상을 장점으로 가지는 SS-OCT 기술이 더 많은 각광을 받고 있다.</p><p>SS-OCT 시스템의 성능을 결정하는 가장 중요한 구성요소는 광원에 해당하는 파장 스위핑 레이저 (Wavelength Swept Laser)이다. 이 레이저의 고속 광대역 파장 스위핑 특성이 SS-OCT의 고화질 및 고속영상 획득을 좌우한다고 하여도 과언이 아니다. 그런데 스위핑 특성은 레이저를 구성하는 반도체 광 증폭기(SOA : Semiconductor Optical Amplifier)의 ASE(Amplified Spontaneous Emission) 중앙 파장(Center Wavelength : \( \left.\lambda_{0}\right) \)을 중심으로 구현되어야 가장 대역이 넓고 비교적 평탄한 스위핑 특성을 얻을 수 있다. 이를 위해서는 스위핑을 시작하기 전에 광섬유 페브리-페롯 파장 가변 필터(FFP-TF : Fiber Fabry-Perot Tunable Filter)의 통과 파장(Pass Wavelength)이 SOA의 ASE 중앙 파장 \( \lambda_{0} \)와 일치되도록 세팅 즉 이동되어야 한다.</p><p>FFP-TF는 파장 스위핑 링 레이저 구성에 필수적인 광 필터로서 페브리-페롯 간섭계 구조를 위하여 양쪽 미러(mirror)가 각각의 광섬유 단면에 접촉되어 있으며 간섭계 간격 조정을 위하여 한쪽 미러에 압전소자(PZT : Piezoelectric Transducer)가 부착된다. 이때 압전소자에 정현파 전압을 인가하면 세팅 값을 중심으로 간섭계의 미러 간격이 주기적으로 증감하게 되어 광 필터 통과 파장 역시 세팅된 중앙 파장을 중심으로 같은 주기로 가변된다. 이로 인하여 파장 스위핑 링 레이저의 발진 파장도 동일한 중앙 파장을 중심으로 스위핑된다.</p><p>일반적으로 압전소자는 온도에 따라 변위되는 특성을 가지고 있다. 이 때문에 사용하기 전의 간섭계 간격은 항상 고정된 값으로 유지되는 것이 아니라 계절별 온도에 따라 변화된다. 따라서 레이저의 스위핑 중앙 파장 역시 계절별 온도에 따라 변하게 된다. 이는 스위핑 범위와 중앙 파장, 그리고 평탄도가 항상 일정할 것이 요구되는 파장 스위핑 레이저에서 문제가 된다. 따라서 파장 스위핑 레이저를 가동시킬 때에는 시작 시점에서 FFP-TF의 통과 파장이 SOA의 ASE 중앙 파장 \( \lambda_{0} \)와 일치되도록 조정하여 파장 스위핑 레이저의 스위핑 중심 파장이 \( \lambda_{0} \)가 되도록 하여야 한다.</p><p>본 실험실에서는 육안으로 광 스펙트럼 분석기를 관찰하면서 손으로 FFP-TF에 인가되는 직류 전압을 조절하여 파장 스위핑 레이저의 발진 파장이 \( \lambda_{0} \)와 일치되도록 조정하여 왔다. 그러나 레이저를 작동시킬 때마다 수동으로 조정하는 것은 매우 불편할 뿐만 아니라 스펙트럼 관찰을 위하여 고가의 광 스펙트럼 분석기를 필요로 하므로 비효율적이다. 따라서 레이저 상용화를 고려할 때에는 이 과정의 자동화가 필수적이다.</p><p>본 논문에서는 FFP-TF의 압전소자가 온도의 영향을 받아 파장 스위핑 레이저의 초기 발진 파장이 임의의 값을 보일지라도 자동으로 이를 신속하고 정확하게 \( \lambda_{0} \)값으로 이동시키는 방법을 구현하였다. 이는 반사 파장이 \( \lambda_{0} \)인 광섬유 격자(FBG : Fiber Bragg Grating)와 포토다이오드, 그리고 회절격자 와 대면적 광 검파기(LAPD : Large Area Photodiode)의 조합을 이용하여 상황에 맞추어 FFP-TF에 인가되는 직류 전압을 자동 조정하는 방식이다.</p><p>이를 통하여 가동 시작 시점에 스위핑 중심 파장이 빠르고 정확하게 \( \lambda_{0} \)에 세팅되며, \( 50 \mathrm{nm} \)의 스위핑(범위가 비교적 좁은 이유는 FFP-TF의 노화로 인함이며 원래는 \( 100 \mathrm{nm} \) 이상의 스위핑이 가능함)과 \( 10 \mathrm{mW} \)의 광 출력을 가지는 고속 광대역 스위핑 레이저를 성공적으로 구현하였다.</p>	가장 대역이 넓고 비교적 평탄한 스위핑 특성을 얻을 수 있기 위해 반도체 광 증폭기의 ASE는 어떻게 해야하나요?	중앙 파장(Center Wavelength : \( \left.\lambda_{0}\right) \)을 중심으로 구현
{ "answer_type": "Yes/No 단문형", "context_id": "9bfd0bb6-43ee-4705-a3e3-d7c463bd404c", "field": "인공물", "question_id": "3e927c4a-7863-4e63-9ad6-c82e905a563d" }	<h3>2.2.1 FFP-TF 통과 파장의 초기 위치 파악</h3><p>파장 스위핑 레이저는 가동 시마다 FFP-TF 통과 파장의 초기 위치를 먼저 파악한 다음에 이에 적합한 전압 패턴을 인가하면서 FFP-TF의 통과 파장을 \( \lambda_{0} \)와 일치시켜야 한다.</p><p>본 논문에서 사용된 FBG는 \( \lambda_{0} \)가 반사 중심 파장이며 약 \( 1 \mathrm{nm} \)의 반사 대역폭을 가진다. 레이저에서 출력된 광의 파장이 이 대역폭 내에 존재할 때 FBG는 광을 반사시키지만 그 외의 경우에는 그대로 통과시킨다. 통과된 광은 회절격자로 입사되고 파장에 따라 회절각도가 달라지므로 LAPD의 광 검출면에 입사되거나 또는 벗어난다. Fig. 5는 회절격자와 LAPD 간의 광학 셋업을 보여주며 실험시에 주변의 빛을 차단하기 위하여 상자로 씌운다.</p><p>본 논문에서 사용된 회절격자는 \(600 \mathrm{groove}/ \mathrm{mm} \)를 가지며 Fig. 5에서 보여진 것처럼 \( \lambda_{0} \) 즉 \( 1310 \mathrm{nm} \)의 광은 회절격자 면의 법선과 \( 51.8^{\circ} \)의 각도를 이루면서 회절된다. 이 광은 LAPD의 광 검출면에 매우 조금만 입사되도록 LAPD의 위치를 조정하였다. 한편 레이저 출력 파장이 \( \lambda_{0} \)보다 길 때 회절된 광은 LAPD의 광 검출면으로 입사된다. LAPD의 광 검출면은 지름이 \( 5 \mathrm{mm} \)인 원형이며 SOA의 ASE 대역 중 가장 긴 파장인 \( 1370 \mathrm{nm} \)까지 광 검출면에 입사될 수 있도록 하였다. 이를 위하여 회절격자에 광이 입사되는 점과 LAPD 간의 거리를 약 \( 7 \mathrm{cm} \)로 조정하였다.</p><p>이를 종합하면 레이저의 초기 발진 파장 즉 FFP-TF 통과 파장의 초기 위치는 Fig. 4의 왼쪽에 보여진 것처럼 3가지 경우로 나눨 수 있다. 첫째는 \( \lambda_{0} \)보다 짧은 경우이고, 둘째는 \( \lambda_{0} \)와 같거나 매우 근접해 있는 경우이며, 마지막은 \( \lambda_{0} \)보다 긴 경우이다. 첫째 경우에는 FBG에서 반사되는 광은 존재하지 않고 단지 통과되는 광만이 존재하며 이는 회절격자에서 회절되지만 LAPD로는 입사되지 못한다. 둘째 경우에는 반사 광은 있지만 통과광은 매우 적으며 따라서 극히 적은 양이 LAPD로 입사될 수 있다. 마지막 경우에는 반사 광이 없이 오직 통과 광만이 존재하고 이는 모두 LAPD로 입사된다.</p><p>만일 회절격자와 LAPD를 사용하지 않고 단지 FBG 만을 사용한다면 FFP-TF 통과 파장의 초기 위치가 왼쪽과 오른쪽 중에서 어느 영역에 속하는지 모르게 된다. 따라서 우선 양의 방향으로 직류 전압을 증가시키면서 전압 피크 치를 찾다가 발견되면 다행이지만 만일 피크 치가 없으면 다시 원점으로 돌아와 이제는 음의 방향으로 전압을 감소시키면서 피크 치를 찾아야 한다. 이는 세팅 시간을 지연시키고 고가의 FFP-TF에 대한 불필요한 추가 가동으로 이의 성능을 더 빨리 저하시킬 것이다.</p>	\( 1310 \mathrm{nm} \)의 광은 회절 시 각도는 \( 51.5^{\circ} \) 이니?	NO
{ "answer_type": "정답경계추출형", "context_id": "9a679361-64c9-4225-9c24-a730e0d19d0f", "field": "인공물", "question_id": "2ffac583-dbd7-4ded-bd1a-a66dc20fb35b" }	<h1>4. 결 론</h1><p>본 논문에서는 SS-OCT의 주요 구성부인 파장 스위핑 레이저를 동작시킬 때마다 수동으로 수행되던 스위핑 중심 파장 세팅 과정을 자동화하였다. 이 장치는 광섬유 격자, 포토다이오드, 회절격자, 대면적 포토다이오드, 2개의 광전 변환회로, PXI-7841R, 그리고 LabVIEW 프로그램 등으로 구성된다. FFP-TF 통과 파장의 초기 위치를 3개의 영역으로 구분하여 초기 위치를 확인한 후 각 영역에 해당하는 직류 전압 패턴을 인가하여 신속하고 정확하게 FFP-TF 통과 파장을 정해진 스위핑 중심 파장으로 이동시킨다. 최대 인가 직류 전압은 \( 9 \mathrm{V} \) 또는 \( -9 \mathrm{V} \)이며 \( 0.01 \mathrm{V} \) 단위로 증감시킨다. 세팅된 스위핑 중심 파장 \( (1310 \mathrm{nm}) \)을 중심으로 스위핑 주파수 \( 54.996 \mathrm{kHz} \) 에서(오래 사용된 FFP-TF의 노화로 인하여 약 \( 50 \mathrm{nm} \) 의 스위핑 대역으로 만족하였지만 \( \pm 0.5 \mathrm{dB} \) 이내의 스위핑 평탄화와 \( 10 \mathrm{mW} \)의 평균 광 출력을 언었다. 추후에는 본 논문에서 구현된 자동화 과정을 바탕으로 임베디드형 자동화 장치를 개발하여 비용을 더욱 절감하고자 한다.</p>	해당 장치는 FFP-TFd의 노후화를 대비해 스위핑 대역을 몇으로 하였나요?	\( 50 \mathrm{nm} \) 의 스위핑 대역
{ "answer_type": "Yes/No 단문형", "context_id": "3199d067-9a88-4288-8826-8ba089312658", "field": "인공물", "question_id": "e8c49986-2359-41fd-8364-5a77dd662c62" }	<h3>2.2.2 광전 변환</h3><p>광전 변환부는 FBG에서 반사되어 포토다이오드로 입사되는 광의 세기를 측정하는 회로와 FBG를 통과하여 회절격자에서 회절된 후 LAPD에 입사되는 광의 세기를 측정하는 회로로 나뉜다. 이들은 입사 광의 세기에 비례하는 전압을 출력한다. 회로는 MAX4477 연산증폭기(Op-amp)를 사용한 \( 100 \mathrm{Hz} \)저역 통과 필터와 증폭기로 구성된다.</p><h3>2.2.3 광전 변환 신호 획득 및 데이터 처리</h3><p>2 개의 광전 변환회로에서 각각 출력되는 전압을 샘플링하기 위한 데이터 획득(DAQ) 모듈로써 NI사의 PXI-7841R FPGA(Field Programmable Gate Array)를 사용하였다. PXI-7841R은 \(20\mathrm{S}/\mathrm{s}\)의 속도 \( (50 \mathrm{ms} \) 간격)로 2개 광전 변환회로의 출력 전압들을 동시에 샘플링하여 ADC(Analog to Digital Converting)하고 이 값을 컴퓨터로 전송한다.</p><p>컴퓨터의 LabVIEW 프로그램은 전송된 데이터를 분석하여 FFP-TF 통과 파장의 초기 위치가 3개의 영역 중에서 어디에 속하는지를 결정한다. 결정을 위하여 먼저 FBG 측에 적용되는 기준 전압 \( 1(=0.65 \mathrm{V}) \)과 회절격자와 LAPD 측에 적용되는 기준 전압 \( 2(=1.25 \mathrm{V}) \)를 설정하였다. 이 기준 전압들은 레이저가 가동되기 전에 즉 출력 광이 없을 때 2개의 광전 변환회로에서 측정되며 각각의 전압에 일정 여유값(margin)을 더하여 얻어진다. 이는 광학 셋업과 광전 변환부 특성의 변동 가능성에 대비하기 위함이다. 이제 LabVIEW 프로그램은 2개의 광전 변환회로에서 획득한 전압이 모두 기준 전압1과 기준 전압 2보다 작은 경우, 기준 전압1보다는 크고 기준 전압 2보다는 작은 경우, 기준전압 1보다는 작고 기준 전압 2보다는 큰 경우 등의 3가지 경우로 나누어 소속 영역을 판단한다.</p><p>NI PXI-7841R의 제원은 다음과 같다. 사용된 FPGA는 Virtex-5LX30이며, 8개 아날로그 입력 채널의 ADC 해상도(Resolution)는 \( 16 \mathrm{bits} \), 최대 입력 속도는 \( 200 \mathrm{kS} / \mathrm{s} \)이다. 8개 아날로그 출력 채널의 DAC 해상도는 \( 16 \mathrm{bits} \), 최대 출력 속도는 \( 1 \mathrm{MS} / \mathrm{s} \)이다. 입출력 전압 범위는 \( \pm 10 \mathrm{V} \)이다. 그리고 96개의 디지털 입출력 채널을 가지며, 최대 클럭 속도는 \( 40 \mathrm{MHz} \)이다.</p><h3>2.2.4 FFP-TF 통과 파장 세팅을 위한 직류 전압 발생</h3><p>본 논문에서 사용된 FFP-TF의 인가 전압 대 통과 파장 이동은 \( +10[\mathrm{~nm} / \mathrm{V}] \) 이었고, 인가 전압의 부호에 따라 이동 방향이 바뀌게 되는데 양의 전압이 인가되면 장파장 방향으로 이동한다. 실험에서 SOA의 발진 가능 ASE 대역은 \( 1240 \sim 1370 \mathrm{nm} \) 이며, 이는 \( \lambda_{0}(=1310 \mathrm{nm}) \)를 중심으로 양쪽 모두 약 \( 70 \mathrm{nm} \) 이내에 있다. 따라서 FFP-TF 의 FSR \( 160 \mathrm{nm} \)를 고려하더라도 한쪽 방향으로 약 \( 8 \mathrm{V} \)의 직류 전압을 인가하면 대역폭 양쪽 긑의 파장에서 \( \lambda_{0} \) 값으로 충분히 이동할 수 있다. 그러나 본 논문에서는 좀 더 여유를 두어 \( 9 \mathrm{V} \) 까지 인가되도록 하였다.</p><p>Fig. 4의 상단 그림에서 처럼 초기 파장이 \( \lambda_{0} \) 보다 짧은 경우에는 \( 0 \mathrm{V} \)에서 시작하여 \( 9 \mathrm{V} \)까지 양의 방향으로 \( 0.01 \mathrm{V} \)씩 증가시키는 중에 \( \lambda_{0} \)에 도달할 수 있다. Fig. 4 의 중간 그림에서 처럼 초기 파장이 \( \lambda_{0} \) 에 매우 근접해 있는 경우에는 \( 0 \mathrm{V} \)에서 시작하여 \( 1 \mathrm{V} \)까지 양의 방향으로 \( 0.01 \mathrm{V} \)씩 증가시키면서 전압 피크 치를 찾는데 만일 찾지 못하면 다시 \( 0 \mathrm{V} \)로 돌아가 \( -1 \mathrm{V} \)까지 음의 방향으로 \( 0.01 \mathrm{V} \) 씩 감소시키면서 전압 피크 치를 찾으면 된다. 마지막으로 Fig. 4 의 하단 그림에서 처럼 초기 파장이 \( \lambda_{0} \) 보다 긴 경우에는 \( 0 \mathrm{V} \) 에서 시작하여 \( -9 \mathrm{V} \)까지 음의 방향으로 \( 0.01 \mathrm{V} \) 씩 감소시키는 중에 \( \lambda_{0} \)에 도달할 수 있다.</p><p>이제 레이저가 \( \lambda_{0} \)를 중심으로 파장 스위핑되기 위해서는 결정된 직류 전압에 정현파 전압을 합하여 FFP-TF 에 인가하여야 한다.</p>	실험에서 SOA의 발진 가능 ASE 대역은 \( 1240 \sim 1370 \mathrm{nm} \) 인가?	YES
{ "answer_type": "Yes/No 단문형", "context_id": "08f0fe45-ca5c-4617-a900-92c0d1070b17", "field": "인공물", "question_id": "71f1d298-0820-445a-9aad-78200a641197" }	<h1>2. 스위핑 중앙 파장 세팅 자동화 구현</h1><h2>2.1 파장 스위핑 레이저 구성 및 동작원리</h2><p>본 실험실에서 구현된 SS-OCT 시스템의 전체 구성도는 Fig.1 과 같다. 이를 기능별로 구분하면, 광섬유 링 공진기 구조를 가지는 주파수 영역 모드 동기(FDML : Frequency Domain Mode Locked) 방식 파장 스위핑 레이저, 샘플로부터 간섭신호를 얻기 위한 간섭계 구조, 비선형 스위핑 보정용 기준 신호를 얻기 위한 빗살무늬 광 필터(Comb Filter) 모듈, 그리고 간섭신호 데이터 수집 및 영상 표시를 위한 신호처리부로 구분된다.</p><p>앞에서 언급한 것처럼 Fig. 1 의 상단 왼쪽에 보이는 FDML 방식 파장 스위핑 레이저는 SS-OCT 시스템의 성능을 결정하는 매우 중요한 부분이다. 이는 중앙 파장 \( \lambda_{0} \)가 \( 1310 \mathrm{nm} \)인 SOA, 광 아이솔레이터 (Optical Isolator), \(1\times 2 \) 광섬유 커플러(FC : Fiber Coupler), 광섬유 지연선, FFP-TF, 편광조절기(PC : Polarization Controller), 광 아이솔레이터 등이 차례로 연결된 링 구조를 가진다. 파장 스위핑 레이저의 발진 파장은 FFP-TF의 통과 파장과 일치한다.</p><p>FFP-TF의 통과 파장은 이에 인가되는 정현파 전압과 같은 주기로 가변된다. 즉 정현파 한 주기당 장파장에서 단파장으로 그리고 다시 단파장에서 장파장으로(또는 이의 역으로) 2번의 스위핑이 발생된다. 압전소자는 유도성 리액턴스(Reactance) 성분으로 인하여 자체의 공진주파수를 가지며, 이 공진주파수에서는 낮은 전압을 인가하여도 큰 변위를 얻을 수 있다. Fig. 2에 FFP-TF의 공진기 구조를 나타내었다.</p><p>위의 레이저 구성에 사용된 FFP-TF 는 FSR(Free Spectral Range) \( 160 \mathrm{nm} \), Finess 6000 , 삽입손실 \( 2.5 \mathrm{dB},-20 \sim 50 \mathrm{V} \)의 인가전압 범위를 가지며, 공진주파수는 \( 54.996 \mathrm{kHz} \) 이었다. 따라서 FFP-TF 에는 스위핑 중심 파장으로의 이동을 위한 직류 전압과 스위핑을 위한 \( 54.996 \mathrm{kHz} \) 정현파 전압이 합해져서 인가된다.</p><p>\( 54.996 \mathrm{kHz} \) 으로 파장이 왕복 스위핑 되는 FDML 방식 파장 스위핑 레이저를 구현하기 위해서는 SOA로부터 방출된 광이 링 레이저를 1회전하는데 소요되는 시간이 \( \frac{1}{54.996 \mathrm{kHz}}=18.18 \mu \mathrm{s} \), 또는 이의 정수배가 되어야 한다. 따라서 FDML 방식 링 레이저에서는 주어진 시간지연을 얻기 위하여 링 내부에 정확한 길이의 광섬유 지연선을 삽입하여야 한다. 이때 광이 광섬유 링 공진기를 순회하는 동안 발생하는 분산(Dispersion)을 최소화 하기 위하여 광섬유 지연선으로서 분산유지 광섬유를 사용하는 것이 권장된다. 그러나 본 논문에서는 일반 보급형인 SMF-28e 광섬유를 사용하였다. 만일 링 공진기가 모두 광섬유로 구성되어 있다고 가정하면 링 공진기의 전체 길이는 식 (1)과 같이 주어진다.</p><p>\( \mathrm{L}_{\mathrm{flber}}=\frac{\mathrm{c}}{\mathrm{n}} \mathrm{T}_{\text {sweep }} =\left(\frac{3 \times 10^{8} \mathrm{~m} / \mathrm{s}}{1.46}\right) \times 18.18 \mu \mathrm{s}=3.736 \mathrm{~km} \)<caption>(1)</caption></p>	Fig. 1 에서 FDML 방식 파장 스위핑 레이저는 시스템의 성능을 결정에 영향을 미치는가?	YES
{ "answer_type": "Yes/No 단문형", "context_id": "16b0a8f8-7752-4a87-afc0-43921a46452b", "field": "인공물", "question_id": "5cdd097f-e933-4e03-a727-a2bd593feae2" }	<h1>3. 실험 결과 및 검토</h1><p>실험 셋업을 Fig. 6에 보였다. 좌측 플라스틱 상자 내부에는 파장 스위핑 레이저의 광학부가 설치되어 있다. 상단의 검은 색 박스는 SOA이며, 중앙의 조그만 검은 색 박스는 편광조절기이고, 하단의 검은 색 큰 박스는 광섬유 지연선이다. 중앙 상단의 흰 부분에 FBG와 광 서큘레이터가 놓여 있으며 그 왼쪽에 FFP-TF가 놓여있다. FFP-TF는 케이블을 통하여 PXI-7841R (그림상에는 보이지 않음)으로부터 직류 전압을 전달받는다. 회색의 광 섬유 패치 코드는 FBG 반사 광을 플라스틱 상자 외부의 광전 변환회로에 전달한다. 외부의 오른쪽 상단에 2개의 광전 변환회로가 보이고, 하단은 전원공급기이며 파장 스위핑 레이저의 각종 제어 및 드라이버 회로에 전원 \( (\pm 12 \mathrm{V}, \pm 5 \mathrm{V}) \)을 공급한다. 회절격자와 LAPD의 광학 셋업은 거리가 조금 떨어진 광학테이블 위에 있으며 이의 사진을 전원공급기 오른편에 추가하였다.</p><p>Fig. 7 은 양의 직류 전압을 인가하면서 FFP-TF 통과 파장이 \( \lambda_{0} \)를 통과할 때의 전후로 FBG 에 연결된 광전 변환회로에서 획득한 전압 파형 (a)와 LAPD에 연결된 광전 변환회로에서 획득한 전압 파형 (b)를 보여준다. FBG의 반사 대역폭은 \( \lambda_{0} \)를 중심으로 약 \( 1 \mathrm{nm} \)이며 따라서 FBG에서 반사되는 광의 세기는 (a)에서 보여진 것처럼 시간에 따라 가우샨 함수와 비슷하게 변하는 것을 알 수 있다. 한편 레이저 발진 파장이 \( 1310 \mathrm{nm} \) 일 때 회절격자로부터 회절된 광은 LAPD 광 검출면의 경계에 약간 못미쳐 입사되도록 광학 셋업을 구성하였다. 따라서 (b)에서 보인 것처럼 발진 파장이 \( 1310 \mathrm{nm} \) 일 때 대부분의 광은 FBG에서 반사되지만 이를 통과한 미량의 광 중에서도 매우 일부만이 LAPD안으로 입사되므로 작은 전압이 얻어진다. 그러나 파장이 점진적으로 증가함에 따라 회절된 광이 LAPD안으로 점점 더 입사하므로 전압이 급하게 증가되는 것을 볼 수 있다.</p><p>그런데 Fig. 7(b)는 파장이 \( 1310 \mathrm{nm} \)보다 약간 더 긴 부분에서 오히려 전압이 \( 1310 \mathrm{nm} \) 경우 보다 감소된 것을 보여준다. 일반적으로 파장 스위핑 레이저를 가동시킬 때 편광의 영향으로 처음에는 파장에 따른 레이저의 광 출력이 일정하지 않고 깊은 골짜기들이 존재할 수 있다. 따라서 파장 스위핑 레이저에서는 FFP-TF 통과 파장을 \( \lambda_{0} \) 값으로 세팅한 후에 스위핑을 평탄화시키는 과정이 뒤따르게 된다. Fig. 7 의 측정 시기는 스위핑 평탄화가 수행되기 전이므로 해당 파장 부분에서 레이저 출력이 급격히 감소된 즉 골짜기가 생성된 경우이다. 이런 경우에 FFP-TF 통과 파장이 실제로는 영역 3에 속함에도 불구하고 LabVIEW 프로그램은 측정 전압들에 기초하여 영역 1에 속하는 것으로 오류 판정하게 된다. 이러한 경우에 대비하여 Fig. 4 (a)의 전압 패턴에는 \( 0 \mathrm{V} \rightarrow 9 \mathrm{V} \) 패턴에 더하여 \( 9 \mathrm{V} \rightarrow 0 \mathrm{V} \rightarrow-9 \mathrm{V} \) 의 패턴이 추가되어 있다. 즉 판정 오류로 인하여 처음에는 잘못된 방향으로 시작하였지만 \( 0 \mathrm{V} \rightarrow-9 \mathrm{V} \) 로 감소되는 과정에서 \( \lambda_{0} \)를 찾을 수 있다.</p><p>한편 Fig. 7 에 FFP-TF 통과 파장의 초기 위치를 판정할 때 사용되는 기준 전압 \( 1(-0.65 \mathrm{V}) \)과 기준 전압 \( 2(=1.25 \mathrm{V}) \)를 함께 나타내었다.</p><p>파장 스위핑 레이저의 초기 발진 파장이 \( \lambda_{0} \)에 세팅이 되면 해당 직류 전압에 \( 54.996 \mathrm{kHz} \)정현파 전압을 더하여 FFP-TF에 인가한다. 다음으로 편광조절기를 사용한 스위핑 평탄화 과정을 거쳐 고속 광대역 평탄 스위핑이 얻어진다.</p><p>Fig. 8은 초기의 레이저 발진 스펙트럼(a)과 스위핑 중심 파장이 자동 세팅된 후의 레이저 발진 스펙트럼(b)을 보여준다. (a)로부터 측정 당시의 FFP-TF 초기 통과 파장이 \( 1248.8 \mathrm{nm} \)임을 알 수 있다. (b)는 자동 세팅된 후 FFP-TF의 통과 파장이 \( \lambda_{0} \) 즉 \( 1310 \mathrm{nm} \)으로 이동되었음을 보여준다. 이러한 이동을 위하여 \( 6.12 \mathrm{V} \)의 직류 전압이 인가되었고 이동에 소요된 시간은 \( \frac{6.12}{0.01} \times 50 \mathrm{ms}=30.6 \mathrm{sec} \) 이었다.</p><p>Fig. 9는 광 스펙트럼 분석기를 사용하여 레이저의 스위핑 스펙트럼을 측정한 결과이다. (a)는 FFP-TF의 초기 통과 파장인 \( 1248.8 \mathrm{nm} \)를 중심으로 한 스위핑 스펙트럼이고 (b)는 \( \lambda_{0} \) 값으로의 자동 세팅이 이루어 진 후의 스위핑 스펙트럼을 보여준다. (a)에서는 스위핑 중심 파장이 대역폭의 외곽으로 치우쳐 있기 때문에 스위핑 불연속이 발생하였다. 또 이 부분은 이득(Gain)이 적은 대역이기 때문에 평탄화도 많이 훼손되어 있으며 스위핑 평탄화 과정을 통해서도 복구되기 어렵다. (b)에서는 \( \lambda_{0} \) 를 중심으로한 스위핑이 이루어지고 있지만 Fig. 7의 설명에서 언급된 것처럼 편광으로 인하여 \( \lambda_{0} \)와 인접한 오른쪽 부분에 깊은 골짜기가 생성되었음을 보여준다. 이를 해결하기 위하여 다음 단계로 편광조절기를 사용한 스위프 평탄화 과정이 요구된다. 평탄화 과정을 거친 후의 스위핑 스펙트럼을 (c)에 보였다. 이는 \( \lambda_{0} \)를 중심으로 \( \pm 0.5 \mathrm{dB} \)내에서 평탄하게 스위핑 되고 있음을 보여준다. 그림에서 약 \( 50 \mathrm{nm} \)의 비교적 좁은 폭의 파장 스위핑이 얻어졌음을 알 수 있다. 이는 실험에 사용된 FFP-TF가 매우 오랜 기간 사용되어 성능이 많이 노화되었기 때문이다. 이전에는 동일한 조건에서 \( 100 \mathrm{nm} \) 이상의 스위핑이 가능하였다. 한편 광 파워미터를 사용하여 측정한 레이저의 평균 광 출력은 약 \( 10 \mathrm{mW} \)이었다. 따라서 이는 파장 스위핑 레이저의 광원으로서 적합함을 알 수 있다.</p><p>반복된 많은 실험에서도 스위핑 중심 파장 \( \lambda_{0} \)를 중심으로 거의 평탄한 스위핑이 얻어졌다. 따라서 본 논문에서 구현된 스위핑 중심 파장 세팅 자동화는 기존 파장 스위핑 레이저에서 수동으로 수행되던 과정을 잘 대체할 수 있을 것으로 사료된다. 즉 파장 스위핑 레이저를 작동시킬 때마다 사람이 개입하여야 할 필요성이 사라지므로 기존의 불편함 및 세팅 오차가 해소된다. 또한 스펙트럼을 사람의 눈으로 확인하기 위하여 요구되었던 광 스펙트럼 분석기와 같은 고가의 장비가 필요치 않으므로 많은 비용이 절감될 수 있다. 고속 광대역 평탄 스위핑 특성을 지닌 FDML 파장 스위핑 링 레이저 기술은 앞으로 기존의 분광학 장치의 광원으로도 적용될 수 있을 것으로 사료된다.</p>	평탄화도 많이 훼손되어 있는 대역은 이득이 많은 대역이라는 뜻인가?	NO
{ "answer_type": "정답경계추출형", "context_id": "29d879e8-449a-43ac-9aa4-f918f4f5c349", "field": "인공물", "question_id": "4df09777-f7a8-42cb-a3c3-37a904860873" }	<h1>1. 서론</h1><p>최근 전자기기 업체는 다양한 휴대 전자 제품 및 디지털 컨버전스 제품들을 출시하고 있으며 그 종류와 수요는 해마다 급속도로 증가하고 있다. 이러한 전자 제품을 구성하는 전자 부품은 그 수와 양이 증가하는 추세에 있으며 이에 따라 각 요소들이 상호 유기적으로 최적의 구동이 가능하도록 시스템화하는 전자 패키징 기술의 개발이 요구된다. 전자 패키징 기술은 제품을 구성하는 각부품들, 나아가서는 제품을 외부의 환경으로부터 보호하고, 필요한 요소들에 전원을 공급하며, 전기적 신호의 원활한 통로 역할을 하는 동시에 신호 처리 과정에서 발생한 열을 외부로 방출시키는 역할을 수행한다. 전자 제품 내부의 작은 공간에 다양한 부품을 구성하기 위해서 다양한 전자 패키징 기술이 사용되는데, 이 중에서도 모듈과 모듈간의 연결에는 경성 인쇄 회로 기판 (Rigid Printed Circuit Board, RPCB)과 연성 인쇄 회로 기판(Flexible Printed Circuit Board, FPCB) 간의 접합 기술이 필요하다.</p><p>현재까지 RPCB와 FPCB를 접합하는 방식으로는 connector를 이용한 체결법, adhesive film을 이용한 열압착법, 초음파 접합법 등이 제시되었다. 그 중 connector를 이용한 체결법은 완성품의 부피가 커지고, 자동화 공정이 어려우며, I/O (input/output) 개수가 제한적이어서 신호전달에 취약하다는 단점이 있다. 그리고 adhesive film을 이용한 열압착법은 필름의 가격이 비싸고, 낮은 전기전도도를 보이며, 신뢰성이 낮다는 단점이 있다. 또한 초음파 접합법의 경우 빠른 공정 속도, 낮은 접합 압력 및 온도 등의 장점이 있으나, 접합 강도와 신뢰성에서 문제가 제기되고 있다. 반면에 본 실험에서 사용된 솔더를 이용한 열압착법의 경우, 접합층으로서 솔더를 사용한다는 점에서 기존의 연구 결과와 일부 공정 방법을 활용할 수 있다는 장점이 있으며, 단순한 장비로 인하여 경제적인 측면에서도 저렴하다는 장점 또한 가지고 있다. 더불어 빠른 공정 속도와 환경 친화적인 공정으로 코펜하겐 협정에 따른 \( \mathrm{CO2} \) 절감 효과 또한 기대할 수 있다. 본 연구는 솔더를 중간층으로 사용하여 접합 온도와 시간을 변수로 가지는 열압착법의 접합 조건을 최적화하기 위하여 진행되었으며, 선행연구로서 전통적으로 사용되었던 \( \mathrm{Sn} \)-\( \mathrm{Pb} \) 솔더를 접합층으로서 이용하여 향후 연구의 기초적인 배경을 마련하기 위하여 진행되었다.</p>	전자 패키징 기술은 어느 과정에서 발생한 열을 외부로 방출시키는 역할을 수행해?	신호 처리
{ "answer_type": "정답경계추출형", "context_id": "924e47c1-8f72-4b0d-887f-a921871fdf37", "field": "인공물", "question_id": "84eb6d22-4658-451b-ac29-3c77df0cdd65" }	<h1>II. 제안하는 SAR ADC 구조 및 회로설계</h1><h2>1. 제안하는 SAR ADC의 전체 구조</h2><p>본 논문에서 제안하는 SAR ADC는 저전력 복합 스위칭 기법이 적용된 0.16\(\mathrm{mm}^{2}\) 면적의 12비트 30\(\mathrm{MS/s}\) SAR ADC로써 그림 1과 같이 C-R 하이브리드 DAC,비교기, SAR 논리회로 및 온-칩 기준전류 및 전압 발생기로 구성된다.</p><p>제안하는 SAR ADC에 적용된 저전력 복합 스위칭기법은 monotonic 스위칭 기법에 VCM 기반의 스위칭기법을 접목시켜 DAC 출력의 VCM 변화에 따른 동적오프셋의 문제와 DAC의 평균 스위칭 전력소모를 최소화하며, 간단한 스위칭 동작을 통해 SAR 동작에 사용되는 스위치 개수 및 이를 구동하기 위한 디지털 회로를 간소화하였다. 또한 bottom-plate 입력 샘플링을 실시하여 입력신호 크기에 따른 전하 유입 문제를 해결하였다. 제안하는 DAC에는 SAR 논리회로 및 DAC에별도의 스위치 추가 없이 커패시터에 등가적으로 VCM 전압인가를 위해 균등 분할 커패시터 구조를 사용하였으며, 기준전압 레인지 스케일링 기법을 통해 입력신호및 기준전압의 범위를 일치시켰다.</p><p>총 12비트 출력 중에서 하위 7비트 결정을 위해 C-R하이브리드 DAC 구조를 사용함으로써, 전체 커패시터 개수를 획기적으로 줄여 전체 DAC 면적을 최소화하였다. 한편, SAR 논리회로는 래치 형식의 레지스터를 적용하여 SAR 동작의 동작속도 및 안정성을 향상시킴과 동시에 DAC 스위칭에 필요한 디코더 논리회로를 제거하여 추가적으로 면적 및 전력소모를 최소화하였다.</p><h2>2. 면적 최소화를 위한 회로 설계기법이 적용된 DAC</h2><p>제안하는 SAR ADC의 새로운 스위칭 기법과 다양한회로 설계기법을 적용하여 작은 면적 및 전력소모를 가지는 DAC는 그림 2와 같다.</p><p>제안하는 SAR ADC의 DAC에는 저전력 복합 스위칭기법을 적용하였고, 이를 통해 DAC 내에 가장 큰 면적을 차지하며 최상위 비트를 결정하는 커패시터 (\(2^{11}\mathrm{CU}\))를 제거하였다. 또한, 14개의 기준전압을 생성하는 저항열 및 7개의 단위 커패시터를 통해 하위 7비트를 결정하는 C-R 하이브리드 DAC 구조를 적용함으로써, 최대 커패시터의 크기를 (\(2^{10}\mathrm{CU}\))에서 (\(2^{3}\mathrm{CU}\))로 감소시켰다. 한편,SAR ADC에 인가되는 입력신호와 기준전압 사이의 범위를 맞추어 주는 기준전압 레인지 스케일링 기법을위해 10\(\mathrm{Cu}\)를 추가하였다. 이와 같은 다양한 설계기법을 통해 전체 사용되는 커패시터 크기를 32\(\mathrm{Cu}\)로 최적화함으로써 면적 및 전력소모를 최소화하였다.</p>	본 논문에서 제안하는 SAR ADC는 어느 기법이 적용되었는가?	저전력 복합 스위칭 기법
{ "answer_type": "절차(방법)형", "context_id": "87b4b53b-7270-4191-93ad-6d555e8e5a09", "field": "인공물", "question_id": "727c34c3-ff67-43d8-865c-c9b9ab0ead3e" }	<h1>III. 각도 추정 알고리즘 성능 분석</h1> <p>II장에서 언급한 위상평균법과 위상평균법에 의한 시간 지연 보상 방법에 대하여 참고문헌 [4]의 간섭계를 이용하여 획득한 데이터에 적용하여 보았다. 그림 3은 위상평균법을 이용하여 각도 모호성 해결 성능이 향상되는 것을 보여주고 있다. 윈도우 크기가 3이어도 모호성은 모두 해결되는 것을 보여준다. 윈도우 크기가 커지면 시간 지연이 발생하지만 추정된 각도의 출렁임이 줄어든다.</p> <p>그림 4는 윈도우 크기가 커지면서 발생하는 시간 지연 현상을 제안된 방법으로 보상하였을 때 정확도가 향상되는 것을 보여주고 있다. 그림 4에서 붉은 색 실선은 참고문헌 [4]에서 소개한 고속 카메라를 이용해 획득된 기준 신호이다. 표 1은 위상평균법의 윈도우 크기, 시간 지연 보상 곡선의 변경에 따른 각도 정확도를 분석한 것이다.</p> <p>표 1 에서 보면 위상평균법의 윈도우 크기가 작으면 시간 지연 보상을 수행하지 않는 것이 더 정확한 각도를 추정하는 것을 보여주고 있다. 윈도우 크기가 중간 정도 되면 시간 지연 보상 알고리즘에서 1차원 곡선 맞춤 기법을 사용하는 것이 더 정확한 각도를 추정하는 것을 보여준다. 이는 윈도우 내에서의 추정된 각도들은 거의 1차원 직선에 가깝기 때문이다. 윈도우 크기가 클 경우 시간 지연 보상 알고리즘을 꼭 적용하여야 한다. 2차 곡선 맞춤 기법을 사용하여 시간 지연을 보상할 경우 그 오차가 위상평균법을 적용하기 전 오차의 \( 1 / 3 \) 수준으로 가장 정확한 각도를 추정하는 것을 보여준다. 이로서 본 논문에서 제안하는 위상평균법과 시간 지연 보상 알고리즘을 실시간 신호처리 분야에 적용 가능할 것으로 판단된다.</p>	II장에서는 간섭계를 이용하여 획득한 데이터에 어떤 방법을 적용하였지?	위상평균법과 위상평균법에 의한 시간 지연 보상 방법
{ "answer_type": "정답경계추출형", "context_id": "fdf4903a-2247-4cb9-ab39-17ff2237f144", "field": "인공물", "question_id": "5f402afd-6d09-4786-8a97-3657db6f5a5d" }	<h1>I. 서 론</h1><p>최근 초음파 의료 기기, 이미지 센서 등 다양한 시스템의 구현을 위한 회로들을 하나의 칩으로 집적하는system-on-a-chip (SoC)이 반도체 집적 기술의 발달에따라 더욱 중요해지고 있으며, 특히 센서용 SoC에는 아날로그 신호를 디지털 신호로 변환하기 위한 analog-to-digital converter (ADC)가 필수적으로 요구된다. 또한, 하나의 칩에 여러 개의 회로가 집적되어야 하기 때문에 작은 면적 및 뛰어난 전력 효율성을 가지는 ADC가 필수적이다. 이에 따라 파이프라인, 델타-시그마 및알고리즈믹 구조의 ADC에 비해 작은 면적 및 적은 전력소모를 가지며, 65\(\mathrm{nm}\) 및 45\(\mathrm{nm}\) 공정 등 미세 나노 공정 기술의 발달과 함께 경쟁력을 가질 수 있는 디지털회로 기반의 successive-approximation register (SAR)ADC에 대한 연구가 활발히 진행되고 있다.</p><p>최근 SAR ADC의 주요 블록인 digital-to-analogconverter (DAC)의 스위칭 전력소모를 줄이기 위한 다양한 스위칭 기법들이 제안되었으나, 일반적으로 monotonic스위칭 및 공통모드 전압 (common-mode voltage : VCM)기반의 스위칭 기법이 많이 사용되고 있다. 기존의monotonic 스위칭 기법은 DAC에서 사용되는 스위치의개수가 적고 비교적 간단한 SAR 동작으로 인해 디지털회로를 복잡하지 않게 구현 가능하다. 그러나 top-plate입력 샘플링으로 인해 입력신호 크기에 따른 전하 유입문제가 존재하여 높은 해상도를 가지는 SAR ADC 구현에는 불리한 측면이 있다. 또한, SAR 동작 시 DAC출력의 VCM이 변화하여 ADC의 성능저하 요인이 되는동적 오프셋이 발생하는 단점이 있다. 한편, VCM 기반의 스위칭 기법은 bottom-plate 입력 샘플링을 하여 입력신호 크기에 따른 전하 유입 문제가 발생하지 않으며, SAR 동작 시 DAC 출력의 VCM이 항상 일정하기 때문에 동적 오프셋이 발생하지 않는다. 그러나 DAC에 VCM기반의 스위칭 기법을 적용시킴으로써 monotonic 스위칭 기법 보다 많은 수의 스위치가 필요하고, 이를 구동하기 위해 복잡한 디지털 회로가 추가로 요구되어 면적이 증가하는 단점이 있다. 따라서 이러한 두 스위칭 기법의 문제점을 보완하는 새로운 스위칭 기법의 연구가 활발히 진행되고 있다.</p><p>새로운 스위칭 기법들 중 switchback 스위칭 기법은일반적인 monotonic 스위칭을 기반으로 down-transition스위칭을 통해 최상위 비트를 결정하고 이후 비트는 up-transition으로 결정하여 DAC 출력의 VCM 변화를줄임으로써 monotonic 스위칭 기법의 동적 오프셋 문제를 완화시킨다. 그러나 최대 동적 오프셋의 크기에 따른 성능저하를 없애기 위해, 최대 동적 오프셋의 크기는해상도에 비례하여 2의 지수 승으로 작아져야 한다. 이를 고려할 때, DAC 출력의 VCM 변화가 여전히 큰switchback 스위칭 기법으로는 10비트 이상의 고해상도 SAR ADC 구현이 어렵다. 또한, switchback 스위칭 기법은 top-plate 입력 샘플링을 실시하여 입력신호 크기에 따른 전하 유입 문제가 존재하는 단점이 있다. 한편,DAC 출력의 VCM 변화를 없애기 위해 모든 커패시터를두 개의 세부 커패시터로 구성된 균등 분할 커패시터구조로 사용하여 전체 SAR 동작을 VCM 기반의 스위칭기법과 동일하게 구현하는 기법도 연구되었다. 그러나 이러한 스위칭 기법은 DAC 커패시터 열의 모든 커패시터를 균등 분할 커패시터 구조로 사용하여 DAC의 구조및 디지털 회로가 복잡해지는 문제점을 가지며,switchback 스위칭 기법과 동일하게 top-plate 입력 샘플링을 실시함으로써 입력신호 크기에 따른 전하 유입문제가 존재하는 단점을 가진다.</p><p>본 논문에서는 일반적인 monotonic 스위칭 및 VCM기반의 스위칭 기법과 새로이 연구되는 스위칭 기법들의 문제점인 동적 오프셋 문제 및 입력신호 크기에 따른 전하 유입 문제를 해결함과 동시에 DAC의 구조 및디지털 회로의 간소화를 위한 저전력 복합 스위칭 기법을 제안한다. 또한, capacitor-resistor (C-R) 하이브리드 DAC 구조, 기준전압 레인지 스케일링 기법 및 래치구조의 레지스터와 같은 다양한 설계기법을 적용하여면적 및 전력소모를 최소화한 12비트 30\(\mathrm{MS/s}\) SARADC를 제안한다.</p><p>제안하는 SAR ADC의 전체 구조 및 회로 설계기법을 II장에서 간략히 설명하며, III장에서는 저전력 복합스위칭 기법, 기준전압 레인지 스케일링 기법 등 각종회로 설계기법을 자세히 설명한다. IV장에서는 시제품SAR ADC의 측정결과를 정리한 후, V장에서 결론을 맺는다.</p>	하나의 칩에 여러 개의 회로가 집적되어야 하기 때문에 작은 면적 및 뛰어난 전력 효율성을 가지는 필수적인 것은 무엇인가?	ADC
{ "answer_type": "Yes/No 단문형", "context_id": "ebbe58e6-9fe0-412f-a8ca-e9a1302f77c1", "field": "인공물", "question_id": "383fdb2f-d05f-4bd3-b3ce-a23ff5aceaa0" }	<h1>III. 제안하는 SAR ADC의 주요 회로 설계기법</h1><h2>1. 제안하는 저전력 복합 스위칭 기법</h2><p>최근 SAR ADC의 스위칭 전력소모를 최소화하기 위해 다양한 스위칭 기법들이 연구되고 있지만, 이러한 다양한 스위칭 기법들은 ADC의 선형성 저하 요인인 DAC 출력의 \(V_{CM}\) 변화에 따른 동적 오프셋이 발생하는 단점과 추가적인 스위칭 동작을 위해 복잡한 디지털 회로가 요구되는 단점을 가진다. 따라서 본 논문에서는 monotonic 스위칭 기법에 \(V_{CM}\) 기반의 스위칭기법을 접목한 저전력 복합 스위칭 기법을 제안하여,ADC 성능에 영향을 주지 않는 12비트 정확도 이내로동적 오프셋을 줄이는 동시에 간단한 스위칭 동작으로 복잡한 디지털 회로를 간소화하였다. 제안하는 복합스위칭 기법의 동작은 그림 3과 같다.</p><p>그림 3(a)는 제안하는 SAR ADC의 출력 코드가‘100000000000’ 일 때의 DAC 출력 전압을 나타내고 있으며, 제안하는 복합 스위칭 기법은 최상위 2비트를 \(V_{CM}\) 기반의 스위칭 기법을 통해 결정하고 나머지 10비트는 monotonic 스위칭 기법을 통해 결정하는 2단계 에 걸친 스위칭 동작을 수행하는 과정을 보여준다.</p><p>그림 3(b)와 같이 복합 스위칭 기법은 \(V_{CM}\) 기반의 스위칭 기법을 통해 최상위 2비트를 결정함으로써 DAC출력의 VCM 변화 중 가장 큰 변화를 줄여주고, 나머지10비트는 monotonic 스위칭 기법을 기반으로 첫 번째down-transition 스위칭과 이후 up-transition 스위칭을 통해 결정해 줌으로써 DAC 출력의 \(V_{CM}\) 변화를 최소화하였다. 두 개의 기준전압인 \(V_{REF+}\) 및 \(V_{REF-}\)의 차이인 \(V_{REF}\)를 기준으로, 제안하는 SAR ADC에서는 복합 스위칭 기법을 사용하여 DAC 출력의 \(V_{CM}\)이 항상 1/16\(V_{REF}\)이내로 변화하도록 함으로써 SAR ADC의 선형성을 제한하는 동적 오프셋 문제도 최소화할 수 있다</p><p>제안하는 저전력 복합 스위칭 기법의 평균 스위칭 전력소모는 \(V_{CM}\) 기반의 스위칭 기법과 monotonic 스위칭기법의 평균 스위칭 전력소모 및 스위칭 기법 변환 시추가적으로 소모되는 평균 스위칭 전력소모를 합한 값과 같다. 복합 스위칭 기법의 평균 스위칭 전력소모는아래의 식 (1)을 통해 \(E_{avg,composite}\)로 나타내어 구할 수있다.</p><p>\( E_{\text {avg, com posite }}=\sum_{i=1}^{k}\left(2^{\mathrm{n}-2-2 \mathrm{i}}\right)\left(2^{\mathrm{i}}-1\right) \mathrm{CV}_{\mathrm{REF}}^{2}+ \)\( \sum_{l=k+1}^{n-2}\left(2^{n-3-1}\right) C V_{R E F}^{2}+ \) \( 2^{n-4-k} \times\left(2-\frac{1}{2^{k-1}}\right) C V_{R E F}^{2} \)<caption>(1)</caption></p><p>식 (1)에서 첫 번째 항 및 두 번째 항은 각각 \(V_{CM}\) 기반의 스위칭에서 소모하는 평균 스위칭 전력소모 및 monotonic 스위칭에서 소모하는 평균 스위칭 전력소모의 수식을 적용한 것이며, 세 번째 항은 \(V_{CM}\) 기반의 스위칭에서 monotonic 스위칭으로 변환될 때 소모되는 평균 스위칭 전력소모이다. 이때, \(n\) 및 \(k\)는 각각 ADC의 전체 해상도 및 \(V_{CM}\)기반의 스위칭 기법이 적용된 비트수를 의미하며, 제안하는 SAR ADC의 복합 스위칭 기법의 경우 \(n\)은 12이고 \(k\)는 2이다. 이를 식 (1)에 대입하여 구한 복합 스위칭의 평균 스위칭 전력소모 값은671.5\(CV_{REF^{2}}\)이다.</p><p>제안하는 저전력 복합 스위칭 기법과 일반적인monotonic 스위칭 기법의 DAC 출력의 \(V_{CM}\) 변화를 비교한 그래프 및 \(V_{CM}\) 기반의 스위칭 기법을 추가하여 전체 코드에 대한 스위칭 전력소모를 비교한 그래프는 그림 4(a) 및 그림 4(b)와 같다. 또한, 복합 스위칭 기법,일반적인 monotonic 스위칭 및 \(V_{CM}\) 기반의 스위칭 기법 각각의 DAC 출력의 최대 \(V_{CM}\) 변화 및 평균 스위칭전력소모를 표 1에 정리하였다.</p><p>표 1에서 보는 바와 같이 제안하는 저전력 복합 스위칭 기법의 DAC 출력의 최대 \(V_{CM}\) 변화는 monotonic 스위칭 기법 대비 7/16\(V_{REF}\) 만큼 작고, 평균 스위칭 전력소모는 monotonic 스위칭 기법보다 352C\(V_{REF^{2}}\) 만큼 작다. 복합 스위칭 기법은 DAC 출력의 \(V_{CM}\) 변화를 ADC의 성능에 영향을 주지 않는 범위에서 최적화하고, 평균스위칭 전력소모는 monotonic 및 \(V_{CM}\) 기반의 스위칭기법보다 작게 구현 가능하다. 또한, bottom-plate 입력샘플링을 하여 입력신호 크기에 따른 전하 유입에 의한 ADC 성능저하 문제를 해결하고, 간단한 스위칭 동작으로 \(V_{CM}\) 기반의 스위칭 기법에서 사용되는 스위치 개수의 75\(\%\)만을 사용하여 추가적인 스위칭 동작 시 필요한 디지털 회로를 간소화시켜 DAC 면적을 줄였다.</p><table border><caption>표 1. 스위칭 기법에 따른 성능요약</caption><tbody><tr><td>No</td><td>Switching Method</td><td>Monotonic</td><td>\(V_{CM}\)</td><td>Composite</td></tr><tr><td>1</td><td>(a)Max.\(V_{CM}\) Variation of DAC Output</td><td>\(1/2V_{REF}\)</td><td>0</td><td>\(1/16V_{REF}\)</td></tr><tr><td>2</td><td>(b) Average Switching Power</td><td>1023.5\(CV_{REF^{2}}\)</td><td>682.4\(CV_{REF^{2}}\)</td><td>671.5\(CV_{REF^{2}}\)</td></tr></tbody></table>	transition 스위칭과 이후 up-transition 스위칭을 통해 DAC 출력의 \(V_{CM}\) 변화를 최소화 할 수 있었던 거야?	YES
{ "answer_type": "Yes/No 단문형", "context_id": "823e8fee-2c80-4de2-9803-39cc0e64d566", "field": "인공물", "question_id": "76f25565-8fd5-4e99-83b8-db6d5a74105b" }	<h2>4. DAC 면적 최소화를 위한 저항 열 및 커패시터 구조</h2><p>제안하는 DAC의 면적을 최소화하기 위해서 C-R 하이브리드 DAC 구조를 사용하였으며, 적용된 저항 열은 하위 7비트 결정을 위해 14개의 기준전압을 생성한다. 이때, 저항 열에서 생성된 14개의 기준전압들 (\(V_{REF-}\),/\(2^{m}\))은 아래의 식 (2)와 같이 저항 간 부정합으로 발생하는 비선형 오류 (\(V_{ERROR}\))에 의해 비이상적인 기준전압들 (\(V_{REF,MIS}\),/\(2^{m}\))로 왜곡되어 전체 ADC의 성능을 저하시킬 수 있으며, \(m\)은 1부터 7까지의 정수 값을 나타낸다.</p><p>\( \frac{1}{2^{\mathrm{m}}} \mathrm{V}_{\mathrm{REF}, \mathrm{MIS}}=\frac{1}{2^{\mathrm{m}}}\left(\mathrm{V}_{\mathrm{REF}+, \mathrm{MIS}}-\mathrm{V}_{\mathrm{REF}-, \mathrm{MIS}}\right) \)\( =\frac{1}{2^{\mathrm{m}}}\left(\mathrm{V}_{\mathrm{REF}+}-\mathrm{V}_{\mathrm{REF}-}\right)+\mathrm{V}_{\mathrm{ERROR}} \)<caption>(2)</caption></p><p>식 (2)로부터 얻은 \( \mathrm{V}_{\mathrm{REF}, \mathrm{MIS}} / 2^{\mathrm{m}} \) 는 그림 8과 같이 \( \mathrm{DAC} \) 커패시터 열의 비율만큼 감쇄된 값 (\(V_{OCTNMIS}\))으로 출력단에 나타나고, 이 값이 ADC 성능에 영향을 주지 않기 위해서는 12 비트 해상도의 \(1/2\) least significant bit (LSB) 이내여야 한다. 제안하는 DAC의 VoutNMIS 는 저항 열에서 생성된 \( \mathrm{V}_{\mathrm{REF}, \mathrm{MIS}} / 2^{\mathrm{m}} \) 이 전체 커패시터 크기 \( (32 \mathrm{Cu}) \) 의 비율만큼 감쇄되어 \( \mathrm{V_{REF}}, \mathrm{MIS} / 2^{(\mathrm{m}+5)} \) 로 나 타나며, 이로 인해 \( V_{\text {ERROR }} \) 또한 \( 2^{5} \) 만큼 감쇄되어 나타나게 된다. 따라서, \( \mathrm{V}_{\mathrm{REI} ; \mathrm{MIS}} / 2^{\mathrm{m}} \) 는 \( \mathrm{V} \) OUTNMIS가 12 비트 해상 도의 \( 1 / 2 \mathrm{LB} \) 이내가 되어 \( \mathrm{ADC} \) 의 성능에 엉향을 주지 않기 위해 단지 8비트 이상의 정합 정확도만 요구된다.</p><p>아래 표 2에는 저항 열을 통해 결정되는 비트수에 따라, DAC에서 필요한 단위 커패시터 및 저항 개수, 예상 DAC 면적과 요구되는 저항의 정합 정확도를 비교 분석하였다.</p><table border><caption>표 2. DAC 면적 및 성능간의 trade-off</caption><tbody><tr><td>Decision Bits from a R string</td><td>4b</td><td>5b</td><td>6b</td><td>7b</td><td>8b</td></tr><tr><td>Total Number of Cu in the DAC</td><td>512</td><td>256</td><td>128</td><td>64</td><td>32</td></tr><tr><td>Total Number of R in the DAC</td><td>32</td><td>64</td><td>128</td><td>256</td><td>512</td></tr><tr><td>Required R String Accuracy</td><td>5b</td><td>6b</td><td>7b</td><td>8b</td><td>9b</td></tr><tr><td>Estimated Area of the DAC</td><td>0.092\(\mathrm{mm^{2}}\)</td><td>0.047\(\mathrm{mm^{2}}\)</td><td>0.025\(\mathrm{mm^{2}}\)</td><td>0.014\(\mathrm{mm^{2}}\)</td><td>0.010\(\mathrm{mm^{2}}\)</td></tr></tbody></table><p>이를 통해, 저항 열 및 단위 커패시터로 하위 7비트를결정하는 C-R 하이브리드 DAC 구조가 0.18um CMOS공정에서 제공하는 저항의 최대 정합 정확도를 고려하여DAC의 면적을 최소화한 구조임을 확인 할 수 있다. 또한,기준 전류 및 전압 발생기에 기준전압을 생성하기 위한 저항 열을 DAC 내 저항 열과 공유하여 사용하기 때문에DAC 내 저항 열은 추가적으로 전력을 소모하지 않는다.</p>	2비트이상의 정합 정확도만 요구되면 ADC 의 성능에 엉향을 주지 않아 ?	NO
{ "answer_type": "다지선다형", "context_id": "8685b624-f5ae-4136-835f-d164599cc3f3", "field": "인공물", "question_id": "b6d3ff51-d8a5-4e29-b6e2-af390aa7a7d7" }	<h2>2. 제안하는 기준전압 레인지 스케일링 기법</h2><p>제안하는 SAR ADC의 DAC는 복합 스위칭 기법을통해 DAC 내 가장 큰 면적을 차지하며 최상위 비트를결정하는 커패시터 (\(2^{11}\mathrm{Cu}\))를 제거할 수 있다. 또한, 14개의 기준전압을 생성하는 저항 열을 사용하여 추가적인 7개의 단위 커패시터와 함께 하위 7비트를 결정하고,상위 7개의 커패시터 \(2^{10}\mathrm{Cu}\) 에서 (\(2^{4}\mathrm{Cu}\))를 제거함으로써 SAR 동작에 사용되는 단위 커패시터 개수를 22개로 최소화하였다. 그러나 최소화된 DAC의 커패시터 크기(\(22\mathrm{Cu}\))와 입력신호에 따른 각각의 디지털 코드를 결정하기 위한 커패시터 크기의 비율이 2의 지수 승이 되지않으며, 이로 인해 입력신호와 기준전압 범위가 일치하지 않는 문제점이 발생한다.</p><p>제안하는 기준전압 레인지 스케일링 기법은 그림 5와같이 DAC의 커패시터 열에 \(10\mathrm{Cu}\)를 추가하여 전체 커패시터 크기를 \(32\mathrm{Cu}\)로 구성하여, 각 디지털 코드를 결정하기 위한 커패시터 크기와 전체 커패시터 크기(\(32\mathrm{Cu}\))의 비율이 2의 지수 승이 되도록 하였다. 이에 따라 모든 비트 결정에서 DAC 출력 전압에 기준전압이주는 영향이 2의 지수 승 비율로 생성되어 입력신호와 기준 전압의 범위를 일치시켰다. 한편, 각 디지털 코드결정을 위한 커패시터와 전체 커패시터간의 비율이 일반적인 DAC가 가지는 비율보다 \(1/2\)배로 줄어들기 때문 입력신호와 기준전압의 범위를 일치시키기 위해 기준전압 레인지 스케일링 기법을 적용한 SAR 동작의 각위상은 그림 6과 같다. 기준전압 레인지 스케일링 기법을 사용하지 않을 경우, SAR 동작 시 각 위상의 입력신호 및 기준전압의 비교 구간은 16\(V_{REF}/22\)에서 \(V_{REF}/(22\times26)\)으로 줄어들어 입력신호와 비교 구간 간의 범위비율이 2의 지수 승을 가지지 않는 문제점이 발생한다. 이러한 문제점을 해결하기 위해 기준전압 레인지 스케일링 기법을 적용하여 SAR 동작 시 각 위상의 입력신호 및 기준전압의 비교 구간을 \(V_{REF}/2\)에서 \(V_{REF}/2^{11}\)로줄임으로써 입력신호와 비교 구간 사이의 범위 비율이2의 지수 승이 되게 하여 입력신호 및 기준전압의 범위를 일치시켜 주었다.</p><h2>3. 제안하는 균등 분할 커패시터 구조</h2><p>제안하는 DAC에는 \(V_{CM}\) 기반의 스위칭 기법을 위한커패시터 및 기준전압 레인지 스케일링을 위한 커패시터의 bottom plate에 추가적인 스위치 및 디지털 회로없이 등가적으로 \(V_{CM}\)을 인가하기 위하여 균등 분할 커패시터 구조를 사용하였고, 이를 통한 \(V_{CM}\) 기반의 스위칭 및 기준전압 레인지 스케일링의 동작 원리는 그림7과 같다.</p><p>균등 분할 커패시터는 동일한 크기를 가지는 2개의세부 커패시터로 구성된다. 최상위 2비트 결정을 위한 \(V_{CM}\) 기반의 스위칭 기법이 적용된 2개의 2\(\mathrm{Cu}\) 및 2개의 4\(\mathrm{Cu}\)에는 균등 분할 커패시터 구조를 통하여 비교기의 비교 동작이 수행되기 전, 2개의 각 세부 커패시터의 bottom plate에 서로 다른 기준전압인 \(V_{REF+}\) 및 \(V_{REF-}\)을 인가함으로써 등가적으로 \(V_{CM}\)이 균등 분할 커패시터에 인가된 것과 동일한 효과를 가진다. 비교기의 비교 동작이 수행된 후, 출력되는 디지털 코드에 의해 세부 커패시터의 bottom plate에는 서로 같은 기준전압으로 \(V_{REF+}\) 또는 \(V_{REF-}\)이 인가되어 등가적으로 균등 분할 커패시터는 \(V_{REF+}\) 또는 \(V_{REF-}\)가 인가된 것과 동일한 효과를 가지며, 결과적으로 추가적인 스위치 및 디지털 회로 없이 \(V_{CM}\) 기반의 스위칭 기법을 구현하였다. 동일한 원리로기준전압 레인지 스케일링을 위한 2개의 5\(\mathrm{Cu}\)에는 SAR동작 수행 시 2개의 세부 커패시터의 bottom plate에 서로 다른 기준전압인 \(V_{REF+}\) 및 \(V_{REF-}\)을 인가함으로써, 등가적으로 \(V_{CM}\)이 인가된 효과를 갖도록 하였다.</p>	기준전압을 생성하는 저항 열을 몇 개 사용하였는가?	14개
{ "answer_type": "정답경계추출형", "context_id": "f4b713d2-2474-4d9b-8c51-973121ad2a42", "field": "인공물", "question_id": "2b291bfa-100c-4786-adfa-83c146ff3f83" }	<h2>5. 빠르고 안정적인 SAR 동작과 면적 및 전력소모 최소화를 위한 래치구조의 레지스터</h2><p>일반적으로 SAR ADC의 SAR 논리회로는 D 플립플롭 기반의 레지스터를 사용하여 클록신호 edge (엣지)에 동기화된 동작을 구현한다. 그러나 레지스터에 저장될 데이터 신호인 비교기의 출력신호와 레지스터의 클록신호 엣지 간의 동기화가 제대로 이루어지지 않으면 정상적인 SAR 동작을 수행하지 못하고 비교기의 출력신호에 따른 올바른 디지털 코드를 출력할 수 없는 문제가 발생한다. 이러한 문제를 해결하기 위해 그림 9와 같이 SAR 논리회로에 D 플립플롭 기반의 레지스터 대신 제안하는 래치구조의 레지스터를 적용하여 더욱 빠르고 안정된 SAR 동작이 가능하도록 하였다.</p><p>그림 10은 제안하는 래치구조 레지스터의 회로 및 타이밍도를 나타낸다. 리셋신호 (SAR_EN)는 레지스터의 출력신호 (OUTP 및 OUTN)의 리셋을 제어하는 신호로써, ‘0’일 때 OUTP 및 OUTN을 ‘1’로 리셋 시키고 '1'일 때 리셋을 종료한다. 래치동작에 따른 최종 OUTP및 OUTN의 값은 리셋이 종료 된 후 클록신호 (EN)가‘1’일 때 INP 및 INN에 따라 생성된다. 이때, EN이 '1'이 되더라도 초기 값이 ‘0’인 INP 및 INN 중 하나가 '1'이 되기 전까지는 레지스터의 두 개의 입력 단 트랜지스터 (M2 및 M3)가 모두 꺼진 상태이므로 래치동작을하지 않고, INP 및 INN 중 하나가 '1'이 된 상태에서만 래치동작을 한다. 이는 래치구조의 레지스터가 INP 및INN과 EN의 상승 엣지 간 선후 관계없이 동작함을 의미한다.</p><p>그림 11에서는 D 플립플롭 기반의 레지스터와 제안하는 래치구조의 레지스터 간의 동작을 비교하였다. D플립플롭 기반의 레지스터의 경우, EN의 상승 엣지 이전에 D 플립플롭 기반의 레지스터의 입력신호 (IN)에‘1’이 인가되면 출력신호 (Q)가 ‘1’로 정상 출력되지만,EN의 상승 엣지 이후에 IN에 ‘1’이 인가되면 EN의 상승 엣지 이전의 IN 값인 ‘0’이 Q로 잘못 출력된다. 반면,제안하는 래치구조의 레지스터는 앞서 설명한 바와 같이 EN의 상승 엣지와 INP 및 INN의 선후 관계없이 INP 및 INN에 따른 래치 동작을 하여 최종 OUTP 및OUTN의 값을 정상 출력하게 된다. 이에 따라 D 플립플롭 기반의 문제점을 해결하여 SAR ADC 동작의 안정성을 향상시킬 수 있다.</p><p>한편, 제안하는 래치구조의 레지스터는 0.093\(\mathrm{ns}\)의 데이터 출력 지연 시간을 가져 D 플립플롭 기반의 레지스터보다 약 3배 빠른 동작속도를 구현함으로써 SAR 동작속도를 향상시키고, 사용되는 총 트랜지스터의 개수를 \(1/4\) 수준으로 줄여 면적 및 전력소모도 감소시킬 수있다. 또한, 래치구조의 레지스터는 출력되는 값을 통해 디코더 논리회로 없이 직접 DAC의 스위치를 구동 할수 있어 추가적으로 면적 및 전력소모를 감소시킨다.</p>	EN의 상승 엣지 이후에 IN에 '1'이 인가되면 EN의 상승 엣지 이전의 IN 값인 '0'이 Q로 잘못 출력되는 레지스터는 무엇인가?	D플립플롭 기반의 레지스터
{ "answer_type": "정답경계추출형", "context_id": "a5e154dd-e41c-47ec-968f-45d955e40828", "field": "인공물", "question_id": "288d1b32-2cf6-4812-9d96-ec290eea6dc1" }	<h1>요 약</h1><p>본 논문에서는 저전력 복합 스위칭 기법을 기반으로 하여 0.16\(\mathrm{mm^{2}}\)의 면적을 가지는 12비트 30\(\mathrm{MS/s}\) SAR ADC를 제안한다. 제안하는 ADC에 적용된 복합 스위칭 기법은 기존의 monotonic 스위칭 기법에 VCM 기반의 스위칭 기법을 접목한것으로써 SAR ADC의 선형성을 제한하는 동적 오프셋 문제를 최소화하는 동시에 평균 스위칭 전력소모도 최소화할 수 있다. 제안하는 C-R 하이브리드 DAC 회로에는 균등 분할 커패시터 구조 및 기준전압 레인지 스케일링 기법을 적용하여 입력신호와 기준전압의 범위를 일치시키면서 12비트 해상도에서 사용되는 단위 커패시터의 총 개수를 64개로 줄이는 동시에 효율적으로 VCM 기반의 스위칭을 수행하여 전체적인 회로를 간소화하였다. 한편, 제안하는 SAR ADC의 SAR 논리회로에는 D플립플롭 기반이 아닌 래치구조의 레지스터를 사용하여 빠르고 안정적인 SAR 동작을 구현하였으며, 출력 값을 디코더논리회로 없이 DAC의 스위치에 직접 인가하여 면적 및 전력소모를 줄였다. 제안하는 SAR ADC는 0.18\(\mathrm{\mu}\mathrm{m}\) CMOS 공정으로 제작되었으며, 측정된 DNL 및 INL은 12비트 해상도에서 각각 최대 0.85LSB, 2.53LSB이고, 30\(\mathrm{MS/s}\) 동작속도에서 동적성능은최대 59.33\(\mathrm{dB}\)의 SNDR 및 69.83\(\mathrm{dB}\)의 SFDR을 보인다. 제안하는 시제품 ADC는 1.8\(\mathrm{V}\) 전원전압에서 2.25\(\mathrm{mW}\)의 전력을 소모한다.</p>	C-R 하이브리드 DAC 회로에는 12비트 해상도에서 사용되는 단위 커패시터의 총 개수를 몇 개로 줄였나?	64개
{ "answer_type": "정답경계추출형", "context_id": "45aa858b-28cf-4324-87a1-7c5e64c20954", "field": "인공물", "question_id": "3d8c0ee8-cc48-4363-950f-074c2caa6a80" }	<h1>IV. 시제품 ADC 제작 및 성능 측정</h1><p>제안하는 12 비트 \( 30 \mathrm{MS} / \mathrm{s} \mathrm{ADC} \) 는 0.18\(\mathrm{\mu}\mathrm{m}\) CMOS 공정으로 제작되있으며, 시제품 \( \mathrm{ADC} \) 의 레이아웃은 그림 12 와 같다. 단위 커패시터의 크기는 \( 1.4 \mathrm{~V}_{\text {P-p의 }} \) 입력신호 범위, \( \mathrm{kT} / \mathrm{C} \) 잡음 및 \( \mathrm{ADC} \) 에 요구되는 성확도 수준을 고려하여 \( 36.8 \mathrm{f} \) 를 사용하였다. 사용자 편의에 따라 온 칩 기준전류 및 전압 발생기를 사용하지 않을시 칩 면적 및 전력소모는 각각 \( 0.16 \mathrm{~mm}^{2} \) 및 \( 2.25 \mathrm{~mW} \) 이다. 다양한 시스템 응용을 위해 온-칩 기준전류 및 전압 발생기 를 사용할 경우, 전체 시제품 칩 면적 및 전력소모는 각 각 \( 0.27 \mathrm{~mm}^{2} \) 및 \( 5.57 \mathrm{~mW} \) 이다.</p><p>표 3에는 제안하는 ADC 의 온-칩 기준전류 및 전압발생기를 제외한 각 블록 별 전력소모를 나타내었다. 저전력복합 스위칭 기법을 사용하는 동시에 사용되는 단위 커패시터 개수를 22개로 최소화함으로써 DAC의 전력소모를 크게줄였다. 가장 많은 전력을 소모하는 블록은 전체 전력소모의약 72\(\%\)에 해당하는 디지털 SAR 논리회로이며, 이는 미세공정 사용 시 전력소모를 더 줄일 수 있음을 의미한다.</p><table border><caption>표 3. 제안하는 ADC의 각 블록 별 전력소모</caption><tbody><tr><td></td><td>Block</td><td>Power consumption</td></tr><tr><td rowspan="3">Analog</td><td>DAC</td><td>0.08mW</td></tr><tr><td>CML</td><td>0.19mW</td></tr><tr><td>Comparator Bias</td><td>0.37mW</td></tr><tr><td>Digital</td><td>SAR logic</td><td>1.61mW</td></tr></tbody></table><p>시제품 ADC의 측정된 differential non-linearity(DNL) 및 integral non-linearity (INL)는 그림 13과 같이 12비트 해상도에서 각각 최대 0.85LSB 및 2.53LSB수준을 보인다</p><p>측정된 INL의 경우, 가운데 코드에서의 급격한 변화로 인해 상대적으로 큰 값을 보이며, 이로 인해 전체ADC 성능의 제약이 발생한다. 이러한 오차의 주요 원인은 최상위 비트를 결정하는 커패시터의 부정합이며, 이를 해결하기 위해선 커패시터 열의 세밀한 배치설계 및 별도의 보정기법이 요구된다.</p><p>그림 14는 제안하는 ADC를 매트랩 모델링하여 커패시터 및 저항에 부정합을 적용하였을 때의 INL 모의실험 파형이다. 모의실험 결과 측정된 INL 파형과 유사한결과를 보이며, 이때의 최상위 비트를 결정하는 커패시터의 상대 정합 정확도는 약 10비트 수준이다.</p><p>그림 15는 1.8\(\mathrm{V}\)의 전원전압 조건 및 30\(\mathrm{MS/s}\) 샘플링속도에서 5\(\mathrm{MHz}\)의 입력 주파수가 인가되었을 때의 측정된 신호 스펙트럼을 나타낸다.</p><p>그림 16은 제안하는 시제품 ADC의 측정된 동적성능을 보여준다. 그림 16(a)는 ADC의 동작속도를 10\(\mathrm{MS/s}\)에서 30\(\mathrm{MS/s}\)까지 증가시킬 때, 5\(\mathrm{MHz}\)의 차동입력 주파수에서 측정된 signal-to-noise-and-distortion ratio(SNDR) 및 spurious-free dynamic range (SFDR)의 성능 변화를 나타낸다. 동작속도가 30\(\mathrm{MS/s}\)까지 증가하는동안 측정된 시제품 ADC의 차동 입력에 대한 SNDR및 SFDR은 각각 59.17\(\mathrm{dB}\), 69.40\(\mathrm{dB}\) 이상을 유지한다. 그림 16(b)는 30\(\mathrm{MS/s}\)의 동작속도에서 입력 주파수를 증가시킬 때의 SNDR 및 SFDR의 성능 변화를 나타낸다.</p><p>입력신호를 Nyquist 주파수까지 증가시킬 때, 측정된 SNDR 및 SFDR은 각각 58.20\(\mathrm{dB}\), 69.24\(\mathrm{dB}\) 이상의 수준을 유지한다.</p><p>제안하는 12비트 시제품 ADC의 주요 성능결과는 표4와 같이 요약된다. 유사 성능을 가지는 기존의 제품과 비교할 때, 12비트 해상도를 얻기 위해 사용되는 C-R하이브리드 DAC에 단지 64개라는 적은 개수의 단위 커패시터만을 사용하였으며, 온-칩 기준전류 및 전압 발생기를 사용하지 않을 시 칩 면적 및 전력소모는 각각0.16\(\mathrm{mm^{2}}\) 및 2.25\(\mathrm{mW}\)이다. 사용자 요구에 따라 다양한 시스템 응용을 위해 온-칩 기준전류 및 전압 발생기를포함할 경우, 전체 시제품 칩 면적 및 전력소모는 각각0.27\(\mathrm{mm^{2}}\) 및 5.57\(\mathrm{mW}\) 이다. 표 5에는 기존에 발표된 10비트에서 12비트 수준의 SAR ADC의 성능과 제안하는시제품 ADC의 성능을 비교하였다. 제안하는 ADC는 별도의 보정기법을 사용하지 않으면서도 칩 면적 및 사용되는 전체 커패시터 개수 등의 측면에서 경쟁력을 가진다. 또한, 미세공정 사용시 줄어든 전력 소모로 인하여 좀 더 경쟁력 있는 figure of merit (FoM) 값을 가질 수 있을 것이라 판단된다.</p><table border><caption>표 5. 기존에 발표된 SAR ADC 성능 비교</caption><tbody><tr><td></td><td>resol[bits]</td><td>speed[ms/s]</td><td>supply[v]</td><td>power[mw]</td><td>Fom[fJ/conv]</td><td>Area[mm2]</td><td>Number of Unit Cap</td><td>Cal</td><td>SNDR[dB]</td><td>Process[CMOS]</td></tr><tr><td>This Work</td><td>12</td><td>30</td><td>1.8</td><td>2.25</td><td>99</td><td>0.16</td><td>64</td><td>x</td><td>59.3</td><td>0.18um</td></tr><tr><td>TVLS15[16]</td><td>10</td><td>30</td><td>1.2</td><td>0.98</td><td>67</td><td>0.42</td><td>1024</td><td>x</td><td>56.2</td><td>0.18um</td></tr><tr><td>JSSC11[17]</td><td>10</td><td>40</td><td>1.2</td><td>0.55</td><td>50</td><td>0.32</td><td>262</td><td>x</td><td>50.6</td><td>0.13um</td></tr><tr><td>ISCAS14[18]</td><td>11</td><td>50</td><td>1.2</td><td>2.48</td><td>95</td><td>0.42</td><td>344</td><td>o</td><td>59.0</td><td>65nm</td></tr><tr><td>VLSL09[19]</td><td>12</td><td>11</td><td>1.0</td><td>3.60</td><td>278</td><td>0.70</td><td></td><td>x</td><td>63.0</td><td>0.13um</td></tr><tr><td>CICC12[20]</td><td>12</td><td>50</td><td>1.2</td><td>4.40</td><td>64</td><td>0.12</td><td></td><td>o</td><td>66.5</td><td>90nm</td></tr></tbody></table>	INL 모의실험 결과 최상위 비트를 결정하는 커패시터의 상대 정합 정확도는 대략 몇 비트야?	10
{ "answer_type": "정답경계추출형", "context_id": "861004fa-59d2-43fc-9f68-c57ae3e054fa", "field": "인공물", "question_id": "73e6c600-19ff-4686-9038-030c6e63c750" }	<h1>V. 결 론</h1><p>본 논문에서는 0.18\(\mathrm{\mu}\mathrm{m}\) CMOS 공정을 기반으로 다양한 이미지 센서 응용을 위한 12비트 30\(\mathrm{MS/s}\) SAR ADC를 제안한다. 제안하는 시제품 ADC에는 복합 스위칭기법과 하위 7비트를 결정하는 저항 열 및 7개의 단위커패시터를 사용하여 기존의 구조에 비해 매우 적은 개수의 단위 커패시터를 적용한 C-R 하이브리드 DAC를구성하였다. 또한, 제안하는 C-R 하이브리드 DAC에는 기준전압 레인지 스케일링 기법을 적용하기 위해 DAC의 커패시터 열에 10\(\mathrm{Cu}\)를 추가하여 전체 커패시터 크기를 32\(\mathrm{Cu}\)로 구성함으로써 입력신호와 기준전압의 범위를 일치시켰고, 균등 분할 커패시터 구조를 적용하여 추가적인 스위치 및 디지털 회로 없이 \(V_{CM}\) 기반의 스위칭이 가능하도록 하였다. 디지털 SAR 논리회로에는 D 플립플롭 기반의 레지스터 대신 간단한 래치구조의 레지스터를 적용하여 면적을 줄이는 동시에 SAR ADC 동작의 안정성을 향상시키며, D 플립플롭 기반의 레지스터의 데이터 출력 지연 시간보다 약 3배 빠른 동작속도를 구현하여 SAR 동작속도 또한 향상시켰다. 한편, 전원전압 및 온도에 덜 민감한 저전력 기준전류 및 전압 발생기를 온-칩으로 집적하여 잡음을 최소화하면서 사용자의 시스템 응용에 따라 선택적으로 다른 크기의 기준전압 값을 외부에서 인가할 수 있도록 하였다.</p><p>제안하는 설계기법들을 적용한 시제품 ADC는 0.18\(\mathrm{\mu}\mathrm{m}\) CMOS 공정으로 제작되었으며, 측정된 DNL 및 INL은각각 최대 0.85LSB, 2.53LSB 수준을 보인다. 또한,30\(\mathrm{MS/s}\)의 동작속도에서 5\(\mathrm{MHz}\)의 입력 신호를 인가 했을때 측정된 SNDR 및 SFDR은 각각 최대 59.33\(\mathrm{dB}\),69.83\(\mathrm{dB}\)이다. 온-칩 기준전류 및 전압 발생기를 사용하지 않을 시 칩 면적 및 전력소모는 각각 0.16\(\mathrm{mm^{2}}\) 및 2.25\(\mathrm{mW}\)이다. 사용자가 요구하는 다양한 시스템 응용을위해 온-칩 기준전류 및 전압 발생기를 포함할 경우, 칩면적 및 전력소모는 각각 0.27\(\mathrm{mm^{2}}\) 및 5.57\(\mathrm{mW}\)이다.</p>	기존의 구조보다 적은 커패시터를 적용한 C-R 하이브리드 DAC와 복합 스위칭 기법을 구성하는 시제품은 뭐야?	ADC
{ "answer_type": "정답경계추출형", "context_id": "44dbfe26-2a48-4d98-ab73-e802de496783", "field": "인공물", "question_id": "4c322b83-a66f-4f58-8228-b68d7a4b8a93" }	<h1>Ⅲ. 제작 및 측정 결과</h1><p>그림 5는 제작된 주파수 가변형 공진 코일 시스템을 보여준다. 스파이럴 형태의 공진 코일은 리츠와이어(직경 \( 0.1 \mathrm{~mm}\), 500 가닥)를 사용하였으며, 공진 코일 양 끝단에 연결된 고출력 커패시터는 ATC사의 고정 커패시터 \( (150 \mathrm{~pF}, 250 \mathrm{~pF}) \)와 Sprague-Goodman사의 GMA 60500 트리머 커패시터를 사용하여 \(1 \sim 50 \mathrm{~pF}\)까지 단자간 거리를 조절하여 값을 가변하였다. 그림 6은 제작한 주파수 가변 공진기의 \( S_{21} \) 측정 결과이다. 송/수신 코일 종단에서 \( 160 \mathrm{~mm} \) 이격되었을 때 커패시턴스 값이 \( 300 \mathrm{~pF} \)에서 \( 150 \mathrm{~pF} \)으로 감소할수록 주파수는 \( 3.08 \mathrm{~MHz} \)에서 \( 4.44 \mathrm{~MHz} \)로 상승함을 보였으며, 전달 계수\( \left(S_{21}\right) \)는 대략 \( -3.0 \sim-2.4 \mathrm{~dB} \)값을 가진다. 벡터 네트워크 분석기는 안리츠사의 VectorStar MN4690B를 사용하였다.</p><p>그림 7은 \( 150 \mathrm{pF} \) 커패시턴스 값에서의 3D 시뮬레이션, 측정, 등가 모델링의 결과 비교 그래프이다. 그림에서와 같이 공진 주파수는 모두 \( 4.4 \mathrm{MHz} \) 근처에 있으며, \( S_{21} \) 값도 거의 일치함을 알 수 있다.</p><table border><caption>표 1. 다양한 커패시턴스 값에 따른 공진 주파수와 \( S_{21}(\mathrm{dB}) \) 비교</caption><tbody><tr><td></td><td colspan=3>공진 주파수\((\mathrm{MHz})\)</td><td colspan=3>\( S_{21}(\mathrm{dB})\)</td></tr><tr><td>Cva\( (\mathrm{pF}) \)</td><td>3D 해석</td><td>측정</td><td>등가 회로</td><td>3D 해석</td><td>측정</td><td>등가 회로</td></tr><tr><td>\(150\)</td><td>\(4.50\)</td><td>\(4.44\)</td><td>\(4.40\)</td><td>\(-0.98\)</td><td>\(-2.73\)</td><td>\(-0.89\)</td></tr><tr><td>\(160\)</td><td>\(4.39\)</td><td>\(4.26\)</td><td>\(4.30\)</td><td>\(-1.09\)</td><td>\(-2.39\)</td><td>\(-0.82\)</td></tr><tr><td>\(170\)</td><td>\(4.25\)</td><td>\(4.08\)</td><td>\(4.17\)</td><td>\(-1.34\)</td><td>\(-2.47\)</td><td>\(-0.80\)</td></tr><tr><td>\(180\)</td><td>\(4.11\)</td><td>\(4.01\)</td><td>\(4.06\)</td><td>\(-1.13\)</td><td>\(-2.40\)</td><td>\(-0.80\)</td></tr><tr><td>\(190\)</td><td>\(4.01\)</td><td>\(3.92\)</td><td>\(3.96\)</td><td>\(-1.07\)</td><td>\(-2.71\)</td><td>\(-0.81\)</td></tr><tr><td>\(200\)</td><td>\(3.90\)</td><td>\(3.86\)</td><td>\(3.87\)</td><td>\(-0.84\)</td><td>\(-2.96\)</td><td>\(-0.82\)</td></tr><tr><td>\(250\)</td><td>\(3.50\)</td><td>\(3.40\)</td><td>\(3.45\)</td><td>\(-0.83\)</td><td>\(-2.86\)</td><td>\(-0.93\)</td></tr><tr><td>\(300\)</td><td>\(3.20\)</td><td>\(3.08\)</td><td>\(3.17\)</td><td>\(-0.89\)</td><td>\(-3.01\)</td><td>\(-1.08\)</td></tr></tbody></table><p>표 1은 커패시턴스 값에 따른 공진 주파수와 \( S_{21} \)의 3D 시뮬레이션, 측정, 등가 모델링 결과값을 정리하였다. 커패시턴스 값이 내려갈수록 주파수가 상승 하였고, 효율\( \left(S_{21}\right) \)도 일정하게 유지할 수 있었다. 이를 통하여 동일한 코일 구조에서 최대 효율에 적합한 공진 주파수를 얻어 낼 수 있었다. 코일 제작상의 오차, 제작한 코일 내부 저항의 증가 및 시뮬레이션상에서 커패시터의 Q 값을 고려하지 않아 측정 결과가 시뮬레이션 결과보다 효율이 낮은 것으로 사료되며, 서로 다른 Q값을 갖는 커패시터를 병렬 연결함에 따라 약간의 대역폭 차이도 발생하였다.</p>	리츠와이어를 사용한 공진코일의 형태는 뭐야?	스파이럴 형태
{ "answer_type": "표정답추출형", "context_id": "155462ca-fe87-466d-9e36-787da65c8309", "field": "인공물", "question_id": "35751025-4d2f-4706-967e-6b1bfb5fcf13" }	<h1>Ⅲ. 시스템 구성 및 시혐</h1> <p>본 논문에서 분석한 특정소출력 동일채널 DTV중계기의 성능을 검증하기 위하여 그림 4 와 같이 시스템을 구성하였다. 방송국 또는 중계소로부터의 미약 수신신호는 저잡음증폭기(LNA)에 의해 증폭된 후 각 \( 6 \mathrm{MHz} \) 대역폭의 방송주파수 채널별로 분배된다. 지상파 DTV의 의무전송채널인 KBS1, KBS2, EBS,MBC 및 지역민방 방송채널들을 동시에 처리할 수 있도록 설계하였다. 수신 후 분배된 신호는 간섭신호 제거회로인 ICS block(A/D변환기, ICS 신호처리기및 D/A 변환기로 구성)에 의해 송신안테나로부터의 역궤환신호 및 주변으로부터의 다중반사신호가 최소로 억압된 신호로 재생된다. 재생된 신호는 전력증폭기 및 채널필터를 통과한 후 결합기(combiner) 및 송신안테나를 통하여 재전송된다.</p> <p>구현된 시스템에는 FCC simple mask 특성을 갖는 3-pole 공동형 채널필터를 채택함으로써 기존 중계기보다 매우 저렴한 가격으로 시스템 구현이 가능하도록 하였다.</p> <p>그림 5는 시스템 구현에 사용된 송수신 안테나 방사패턴이다. 송수신안테나는 전후방비 특성이 우수한 안테나를 사용하여 송신신호의 후방입사에 의한 간섭 영향을 최소화할 수 있도록 하였으며, 실험에서는 이득 \( 12 \mathrm{dBi} \) 및 전후방비 \( 23 \mathrm{~dB} \) 의 수신안테나와, 이득 \( 9 \mathrm{dBi} \) 및 전후방비 \( 20 \mathrm{~dB} \) 의 송신안테나를 사용하였다.</p> <p>표 1 은 구현된 특정소출력중계기의 주요특성으로 채널당 최대 \( 17.8 \mathrm{dBm} \) 의 출력과 최소 \( 25 \mathrm{~dB} \) 이상의 ICS 억압능력을 갖도록 설계하였다.</p> <table border><caption>Table 1. Specification of low power</caption> <caption>표 1. 특정소출력중계기의 주요성능</caption> <tbody><tr><td>항목</td><td>특성</td></tr><tr><td>동작주파수</td><td>\( 470 \sim 806 \mathrm{MHz} \)</td></tr><tr><td>신호형태</td><td>ATSC(8VSB)</td></tr><tr><td>입력전력</td><td>\( -65 \mathrm{dBm} \sim-35 \mathrm{dBm} \)</td></tr><tr><td>채널대역폭</td><td>\( 6.0 \mathrm{MHz} \)</td></tr><tr><td>최대출력</td><td>\( 17.8 \mathrm{dBm} / 6 \mathrm{MHz} \)</td></tr><tr><td>주파수응답</td><td>\( \pm 1.0 \mathrm{dBmax} \)</td></tr><tr><td>채널필터특성</td><td>FCC Simple Mask</td></tr><tr><td>잡음지수</td><td>\( 3.5 \mathrm{dBmax} \)</td></tr><tr><td>ICS 억압능력</td><td>\( 25 \mathrm{dBmin} \)</td></tr><tr><td>시스템지연시간</td><td>\(6 \mathrm{us}\) max</td></tr><tr><td>주파수편차</td><td>\( 0.01 \mathrm{~Hz} \max \)</td></tr><tr><td>수신안테나(이득/전후방비)</td><td>\( 12 \mathrm{dBi} / 23 \mathrm{~dB} \) min</td></tr><tr><td>송신안테나(이득/전후방비)</td><td>\( 9 \mathrm{dBi} / 20 \mathrm{~dB} \) min</td></tr></tbody></table>	Table 1을 통해 알 수 있는 특정소출력중계기의 채널대역폭은 몇 \( \mathrm{MHz} \)인가?	\( 6.0 \mathrm{MHz} \)
{ "answer_type": "표정답추출형", "context_id": "80d4bd03-df27-4993-aa25-8b96ca73576f", "field": "인공물", "question_id": "0b80ab37-8141-42e6-a845-66d81179b681" }	<p>구현된 시스템을 이용하여 우리나라 디지털방송 10개 시범지역에서 특정소출력 DTV 중계기를 시험하였으며, 설치지역 모두 매우 양호한 수신환경 개선효과가 있음을 확인하였다. 본 논문에서는 시범지역의 하나인 강진군에 대한 시험 결과를 활용하여 분석하였다.</p> <p>그림 6은 성전면 일대 사진으로 흰색 원으로 표시된 지역이 난시청 해소대상지역이다. 특정소출력중계기시스템은 성전면 월평리 소재 해발고 \( 132 \mathrm{~m} \) 지점에 설치하였으며, TV 신호 수신용 안테나를 중계기 장치 설치지점 기준으로 북서 방향의 후면에 설치하여 남서쪽 방향으로부터의 신호를 수신하고, 이로부터 남동방향으로 약 \( 63 \mathrm{~m} \) 떨어진 지점의 산지 배면에 송신안테나를 설치하여 송신안테나의 후방방사신호에 의한 수신안테나로의 간섭영향을 최소화하여 안테나 격리도를 최대로 할 수 있도록 하였다.</p> <p>수신신호는 남서쪽 \( 25 \mathrm{~km} \) 거리에 위치한 대둔산 송신소(출력 \( 2 \mathrm{~kW}, KBS1 (CH34), KBS2(CH42),EBS(CH49), MBC (CH23), KBC(CH40))로부터의 신호를 이용하였으며, 동일채널소출력중계기 ON/OFF시 DTV방송 커버리지 변화 및 대둔산 중계소와 동일채널소출력중계기 간의 전파간섭영향을 조사하였다.</p> <p>먼저 증계기 설치지점이 적합한지를 평가하기 위하여 설치지점에서의 전파환경을 조사하였다. 수신점(중계기 수신안테나 설치지점)에서 주송신소로부터의 수신 신호는 KBS1 방송신호 \( \left(\mathrm{CH} 34,590^{-} 596 \mathrm{MHz}\right) \) 를 기준으로 할 때 \( 42.3 \mathrm{dBuV} / \mathrm{m}( \) 약 \( -64.7 \mathrm{dBm} \) 로 약전계이었지만 31\( \mathrm{dB} \) 의 비교적 양호한 SNR 값으로 측정되었다. 구현된 특정소출력중계기는 쵝대전력 \( 17.8 \mathrm{dBm}(60 \mathrm{~mW} / \mathrm{CH}) \) 까지 송출 가능하여야하므로 시스템 설치 시 확보하여야 하는 요구 격리도는 식(9)를 이용하여 다음과 같이 구할 수 있다.</p> <p> <caption>\( I_{r}=17.8-(-64.7)-25 \cong 57.5 d B \)</caption></p> <p>안테나 설치지점에서 송수신안테나의 최대지향방향을 서로 마주보게 한 후 \( 20 \mathrm{dBm} \) 의 TV 신호를 송수신하여 전력을 측정하고, 실제안테나 설치방향에 대해서도 동일한 실험을 수행한 후 각각의 격리도를 산정 하였으며, 결과를 표 2에 나타내었다.</p> <table border><caption>표 2. 안테나 격리도 시험결과</caption> <tbody><tr><td>구분</td><td>최대지향방향</td><td>실제설치방향</td></tr><tr><td>송신전력 \( \mathrm{P}_{\mathrm{T}} \)</td><td>\( 20 \mathrm{dBm} \)</td><td>\( 20 \mathrm{dBm} \)</td></tr><tr><td>수신전력 \( \mathrm{P}_{R} \)</td><td>\( -47.7 \mathrm{dBm} \)</td><td>\( -82.6 \mathrm{dBm} \)</td></tr><tr><td>안테나격리도</td><td>\( 67.7 \mathrm{dB} \)</td><td>\( 102.6 \mathrm{dB} \)</td></tr></tbody></table> <p>송수신안테나를 최대이득방향으로 서로 마주보게 할경우 안테나 전후방비는 \( 0 \mathrm{~dB} \) 이므로 자유공간상에서의예상 격리도를 구할 수 있다. 식 (13)에 보인 것처럼자유공간상의 예상 안테나격리도는 \( 42.9 \mathrm{~dB} \)이나 실험 결과 \( 67.7 \mathrm{~dB} \) 로 \( 24.8 \mathrm{~dB} \) 이상 높아짐을 알 수 있었다. 이는 산지 배후면을 이용한 지형적인 차단 특성이 크도록 송수신안테나를 배치함으로써 발생한 것으로 설치 지점의 지형특성을 적절히 활용하면 안테나 격리도를 \( 25 \mathrm{dB} \) 정도 양호하게 할 수 있음을 의미한다.</p>	표 2. 안테나 격리도 시험결과에서 최대지향방향의 송신전력 \( \mathrm{P}_{\mathrm{T}} \)은 얼마야?	\( 20 \mathrm{dBm} \)

Subsets and Splits

No community queries yet

The top public SQL queries from the community will appear here once available.