기존 음원 위치 탐지 기술은 반향 환경이나 음성 신호의 높은 상관도로 인해 정확도 저하와 시간 지연 파악에 어려움이 있었습니다. 본 기술은 음향 채널 필터 계수의 '성김(sparsity)' 특성을 다채널 최소 평균 제곱법에 적용하여 이 한계를 극복합니다. 이 방법은 음원에서 센서까지의 직접 경로 시간 지연을 더욱 정확하게 추정하며, 반향이 심한 환경에서도 안정적인 음원 위치 파악이 가능하도록 하여 탐지 정확도를 획기적으로 개선합니다.

본 발명은 음성 신호에서 화자의 호불호를 정확하게 검출하는 딥 빌리프 네트워크(DBN) 기반의 혁신적인 방법을 제시합니다. 기존 음성 분석 기술의 한계를 넘어, 음성 특징 정보의 학습 신뢰도를 극대화하여 더욱 정교한 감정 인식이 가능합니다. 학습 데이터를 통해 음성 특징을 추출하고 DBN으로 학습하여 DBN 데이터를 생성하며, 여기에 호불호 식별 정보를 추가합니다. 이후 테스트 음성 신호가 입력되면, 이를 분석하여 화자의 호불호 검출 결과를 신뢰성 높게 제공합니다. 본 기술은 음성 데이터 활용 분야의 신뢰도를 한 차원 높이는 데 기여합니다.

소음 환경에서 음성 인식 성능 저하는 중요한 문제입니다. 본 발명은 이러한 문제 해결을 위해, 마이크로폰에 대한 타겟 음원의 도달 방향 정보를 활용하여 독립 성분 분석(ICA) 기반의 실시간 타겟 음성 분리 방법을 제안합니다. 이 기술은 입력 신호에서 타겟 음성 신호를 정확하게 분리하고 노이즈를 효과적으로 제거하여, 기존 방법 대비 계산량을 대폭 감소시키고 음성 인식의 정확도와 강인한 특성을 획기적으로 향상시킵니다. 특히, 널포머를 이용한 더미 출력 설정과 비용 함수 최적화를 통해 안정적인 음성 신호 추출이 가능하여, 다양한 소음 환경에서도 뛰어난 음성 인식 성능을 제공합니다. 이 혁신적인 기술은 음성 인식 시스템의 전처리 단계 효율을 극대화하여 사용자 경험을 개선합니다.

기존 음성인식 시스템은 예측 불가능한 소음 환경에서 성능 저하를 겪는 문제가 있었습니다. 특히 DNN 기반 기술 또한 훈련 환경과 실제 환경 간의 불일치 시 정확도가 급락하는 한계가 존재했습니다. 본 기술은 DCICA(DOA Constrained Independent Component Analysis)를 DNN(Deep Neural Network) 기반 특징 향상 기술과 융합하여 이러한 문제점을 해결합니다. DCICA가 추출한 타겟 및 잡음 추정 신호를 DNN 학습에 활용함으로써, 다양한 소음 조건에서도 음성 신호의 특징을 적응적으로 강화하여 음성 인식 성능을 획기적으로 개선합니다. 이로써 예측 불가능한 실제 환경에서도 안정적이고 높은 정확도의 음성 인식을 실현할 수 있습니다.

스테레오 음악에서 고품질 반주 추출은 오랜 과제였습니다. 본 발명은 스테레오 음악신호에서 노래 음성 신호를 정교하게 분리하고, 손실될 수 있는 하모닉 및 타악 신호를 재조합하여 원곡에 가까운 고품질의 반주 신호를 추출하는 혁신 기술을 제공합니다. 패닝 프로세싱과 메디안 필터링 기법을 활용하여 보컬 분리 정확도를 높였으며, 향상된 계산 속도로 모바일 환경에서도 즉각적인 반주 서비스 이용이 가능하도록 합니다. 이 기술은 가라오케, 멜로디 전사 등 다양한 분야에서 활용될 수 있습니다.

기존 객체 추적 방법은 조명 및 배경 변화, 저화질 영상 등 다양한 환경에서 정확도 저하 문제를 겪었습니다. 본 발명은 이러한 한계를 극복하기 위해 다중 히스토그램과 Minimax 추정 기법을 결합한 파티클 필터 기반의 혁신적인 객체 추적 기술을 제시합니다. 두 가지 이상의 특성(feature) 정보를 분석하여 최적의 특성을 선택, 파티클 무게를 정밀하게 계산함으로써 어떤 환경에서도 강건하고 정확한 추적이 가능합니다. 특히 저화질 영상 및 다중 객체 추적에서도 뛰어난 성능을 발휘하여, 컴퓨터 비전 분야의 다양한 응용 서비스 발전에 기여할 것으로 기대됩니다.

기존 폰 노이만 아키텍처는 높은 전력 소모와 발열 문제가 있으며, 기존 이진 신경망(BNN) 구현 방식은 집적도와 신뢰성에서 한계를 보였습니다. 본 기술은 나노 전기기계 메모리(NEM) 소자를 활용하여 이러한 문제를 해결하는 이진 신경망 및 그 동작 방법을 제시합니다. NEM 셀을 이용한 XNOR 연산을 통해 시냅스 어레이의 셀 개수와 전력 소모를 크게 줄일 수 있습니다. 또한, 최소한의 NEM 셀로 이진 신경망 어레이의 집적도를 높이고, 우수한 내구성과 신뢰성을 바탕으로 안정적인 시스템을 구현합니다. 이 기술은 차세대 저전력 고집적 인공지능 반도체 개발에 기여할 것입니다.

기존 합성가스 기반 C2-함산소화합물 제조 방식은 고온/고압 조건과 촉매 선택성의 문제점을 안고 있습니다. 본 기술은 루테늄 나노입자를 지지체에 담지시킨 새로운 불균일계 촉매를 개발하여 이러한 한계를 극복합니다. 이 촉매는 귀금속인 루테늄의 사용량을 현저히 줄이면서도 아세트산 및 에탄올 등 C2-함산소화합물의 우수한 전환율과 선택도를 제공합니다. 또한, 물 첨가 및 반응 조건 최적화를 통해 생산 효율을 극대화하며, 촉매의 장기적인 안정성을 확보하여 C2-함산소화합물 제조 공정의 경제성과 효율성을 크게 향상시킬 수 있는 혁신적인 해결책입니다.

방사성의약품 생산 과정에서 1회용 카세트의 조립 불량은 생산 실패와 경제적 손실을 초래합니다. 기존에는 생산 완료 후 불량 여부를 확인하여 사전 예방이 어려웠습니다. 본 기술은 이러한 문제점을 해결하고자, 방사성의약품 카세트의 조립성을 생산 전 단계에서 정확히 검사하는 장치를 제안합니다. 제1 카메라로 수평 조립 부품의 정렬 및 루어 조립 적정성을, 제2 카메라로 수직 조립 부품의 체결 깊이(콕 높이)를 평가하여 불량품을 신속하게 판별합니다. 이 시스템은 듀얼 카메라 영상 분석을 통해 카세트의 정확한 체결 깊이와 정렬 상태를 확인함으로써, 방사성의약품 생산 수율을 획기적으로 향상시키고 경제성을 높이는 데 기여합니다.

기존의 특정 물질 감지 기술은 높은 비용과 긴 분석 시간으로 인해 실시간 활용에 어려움이 있었습니다. 본 발명은 광결정 복합 구조물을 활용하여 특정 물질의 흡수량에 따른 부피 변화를 광학적(색) 변화로 극대화하고, 식별 영역별로 특정 물질의 통과 특성을 달리하는 부가 커버층을 통해 다차원 식별을 가능하게 하여 이러한 한계를 극복합니다. 이 기술은 휘발성 유기 화합물(VOC) 검출 센서, 지폐나 보안 카드의 진위 식별 등 보안 분야에 혁신적인 솔루션을 제공합니다. 고속 응답성과 명확한 색 변화를 통해 정밀하고 신뢰도 높은 물질 식별 및 진위 판별이 가능합니다.

본 발명은 기존 전기기계 스위치의 높은 구동 전압 문제를 해결하는 데 중점을 둡니다. 캔틸리버의 탄성에너지를 효과적으로 활용하고, 동적 슬링샷 제어 기술을 통해 풀백 및 풀인 전압을 정밀하게 제어하여 구동 전압을 획기적으로 낮추는 방법을 제시합니다. 이 기술은 MEMS(미세전기기계시스템) 및 NEM(나노전기기계시스템) 소자의 구동 효율을 극대화하며, 재구성 가능 로직(FPGA)과 같은 차세대 반도체 분야에서 필수적인 저전력, 고성능 스위치 구현에 기여합니다. 특히, 캔틸리버의 물리적 이동에 맞춰 슬링샷 신호를 동기화함으로써 안정적이고 효율적인 저전압 구동을 실현합니다. 본 기술은 인공지능, 데이터 분석 등 확장된 어플리케이션에 적용 가능합니다.

기존 바이러스 진단 방식은 높은 비용, 전문성 요구, 혹은 낮은 민감도 등 여러 한계에 직면해 있었습니다. 본 발명은 이러한 문제점을 해결하고자 폴리에틸렌글리콜디아크릴레이트(PEGDA) 및 폴리스티렌 나노입자(PSNPs)를 포함하는 수화젤 센서를 적용한 바이러스 감염 진단 키트를 제안합니다. 이 혁신적인 수화젤 센서는 바이러스 스파이크 단백질과 같은 항원 단백질의 고정력을 획기적으로 높여, 친수성 및 소수성 단백질 모두에 대한 검출 민감도를 극대화합니다. 결과적으로, 기존 진단법 대비 빠르고 정확한 현장 진단(POCT)을 가능하게 하여, 바이러스 감염 여부를 더욱 신뢰성 있게 진단할 수 있습니다. 본 기술을 통해 정밀하고 신속한 바이러스 진단의 새로운 기준을 경험하시길 바랍니다.