최근 센서기술은 생물학적 후각에서 발견한 특성을 모사하여 여러 가지 다른 종류의 화합물로 센서의 민감도를 중첩화시킬 수 있도록, 하나의 칩 속에 65,536개의 전도성고분자 센서를 집적시킬 수 있도록 했다고 보고되었다. 그러나, 이런 대규모 센서 어레이에서 지나 ...

최근 센서기술은 생물학적 후각에서 발견한 특성을 모사하여 여러 가지 다른 종류의 화합물로 센서의 민감도를 중첩화시킬 수 있도록, 하나의 칩 속에 65,536개의 전도성고분자 센서를 집적시킬 수 있도록 했다고 보고되었다. 그러나, 이런 대규모 센서 어레이에서 지나친 중첩성은 감당할 수 없는 계산 시간이 필요할 뿐만 아니라 계산 오차의 누적에 의한 오류를 발생시킬 수 있다.
본 연구에서는 불안정한 센서의 제거를 위해 코사인 유사도 알고리즘을 이용하여 센서간의 유사도 분석을 하였으며, 이를 통해 불안정 센서를 파악하고 제거하는 방법을 제안하였다. 또한, 안정된 센서만을 대상으로 하여 퍼지 클러스터링 알고리즘을 적용하여 중복성을 갖는 센서의 특성을 대표할 수 있는 대표 센서를 선택하는 방법을 제안하였다. 선택된 대표센서가 분석에 사용된다.
전처리 과정으로는 우선 센서 데이터에 포함되어 있는 잡음을 제거하기 위해. 3차 버터워스 저역통과 필터를 사용하였으며 알고리즘의 연산 시간 단축을 위해 6차 이산웨이
블렛 변환을 사용하였다.

It was reported that the latest sensor technology allow an 65536 conductive polymer sensor array to be made with broad but overlapping selectivity to different families of chemicals emulating the characteristics found in biological olfaction. However, ...

It was reported that the latest sensor technology allow an 65536 conductive polymer sensor array to be made with broad but overlapping selectivity to different families of chemicals emulating the characteristics found in biological olfaction. However, the supernumerary redundancy always accompanies great error and risk as well as an inordinate amount of computation time and local minima in signal processing, e.g. neural networks.
In this paper, we propose a new method to reduce the number of sensor for analysis by reducing redundancy between sensors and by removing unstable sensors using the cosine similarity method and to decide on representative sensor using FCM(Fuzzy C-Means) algorithm. The representative sensors can be just used in analyzing. And, we introduce DWT(Discrete Wavelet Transform) for data compression in the time domain as preprocessing. Throughout experimental trials, we have done a comparative analysis between gas sensor data with and without reduced redundancy. The possibility and superiority of the proposed methods are confirmed through experiments.

생물학적 후각 시스템처럼 다양한 종류의 냄새를 구별하기 위해서는 냄새 분자에 따라 다른 전기적 신호를 발생시키는 많은 종류의 센서 물질들이 필요하며, 또한 많은 센서들의 중복성이 허용되어야 한다. 이러한 생물학적 후각 시스템의 특성을 반영하여 인공후각 시스 ...

생물학적 후각 시스템처럼 다양한 종류의 냄새를 구별하기 위해서는 냄새 분자에 따라 다른 전기적 신호를 발생시키는 많은 종류의 센서 물질들이 필요하며, 또한 많은 센서들의 중복성이 허용되어야 한다. 이러한 생물학적 후각 시스템의 특성을 반영하여 인공후각 시스템을 설계하기 위하여 NEUROCHEM 프로젝트에서는 수 십개의 전도성 고분자를 이용하여 216(65,536)개의 센서 어레이를 작은 크기의 칩 속에 집적하였으며, 수 십 ~ 수 백개의 센서들이 중복성을 가질 수 있는 구조로 센서 어레이 칩을 성공적으로 설계한 바 있다[11].
그러나, 이러한 생물학적 후각 시스템을 모방한 대규모 가스 센서 어레이 시스템은 신호처리 알고리즘의 적용에 여러 문제점이 존재한다.
불안정한 센서를 제거하고, 생물학적 시스템과 같이 비슷한 반응의 수용체를 사구체에서 통합하는 시스템을 모사하기 위해, 본 논문에서는 대규모 가스 센서 어레이 신호 중 불안정한 센서 신호들을 검출하고 제거하는 방법을 제안한다. 또한, 중복성을 보이는 센서들을 대표할 수 있는 대표 센서의 선정방법을 제안함으로써 생물학적 시스템이 가지는 특성을 반영할 수 있도록 한다. 불안정한 센서의 제거를 위해 코사인 유사도 알고리즘을 이용하여 센서간의 유사도 분석을 하였으며, 이를 통해 불안정 센서를 파악하고 제거하는 방법을 제안하였다. 또한, 안정된 센서만을 대상으로 하여 퍼지 클러스터링(Fuzzy c-means : 이하 FCM) 알고리즘을 적용하여 중복성을 가지는 센서의 특성을 대표할 수 있는 대표 센서를 선택하는 방법을 제안하였다. 대표센서를 이용한 분석의 유용성을 입증하기 위하여 대표센서만을 이용한 PCA 분석이 이루어졌으며 매우 좋은 결과를 얻었다.

또한, 본 연구에서는 대표센서만을 사용했을 때의 분류성능을 파악하고, 최적의 분류능력을 얻기 위하여 확률 신경망(Probabilistic Neural Network : 이후 PNN)을 적용하였다. PNN은 Radial Basis Function Layer와 Competitive layer로 구성되어 있으며 최적의 분류기 중의 하나로 알려져 있다. 본 연구에서와 같이 전체 대규모 센서 어레이를 다 사용하지 않고 대표센서만을 사용한다 하더라도, 기존 연구에서 사용된 것 보다 매우 많은 수의 센서를 사용하게 된다. 기존의 전자코 시스템은 대부분 10개 이하의 센서 어레이를 사용하는 것이 보통이며, 많이 사용된다 하더라도 20개 이하인 경우가 대부분이다. 기존 전자코 시스템이 모두 가스가 주입된 후 일정 시간이 지난 정상상태에서 데이터를 추출하여 분석하는데 비해, 본 연구에서는 더 많은 센서 어레이가 사용됨에 따라 과도상태에서도 충분히 인식 및 분류가 가능할 것으로 미리 예측하였다.
이러한 예측을 입증하기 위하여, 가스 주입 후 정상상태에 도달하기 전인 과도상태에서 대표세서만의 데이터를 추출하여 분류능력을 실험하여 보았다. 실험결과, 초기 과도상태에서는 분류에 오류가 존재하지만, 후기 과도상태에서는 100%의 분류가 가능한 것을 확인하였다.
제안된 방법의 입증을 위해, 가스 혹은 농도가 다른 8개의 데이터군(Dataset)이 사용되었으며, 각 군은 각각 4번의 실험이 이루어져 총 32개의 데이터가 제안된 방법의 효율성을 증명하기 위해 사용되었다.

본 연구의 목적은 생물학적 후각 시스템을 모사한 방법으로 가스를 분류하는 것이다. 이 목적을 위해, NEUROCHEM 프로젝트에 의해 만들어진 4096개의 센서 어레이를 대상으로 새로운 신호처리 방법을 제안하였다.
기본적으로 대규모 센서 어레이를 개발하기 위해서는 ...

본 연구의 목적은 생물학적 후각 시스템을 모사한 방법으로 가스를 분류하는 것이다. 이 목적을 위해, NEUROCHEM 프로젝트에 의해 만들어진 4096개의 센서 어레이를 대상으로 새로운 신호처리 방법을 제안하였다.
기본적으로 대규모 센서 어레이를 개발하기 위해서는 Conducting Polymer형 센서가 사용되어야 하는데, Conducting Ploymer형 센서는 제조과정에서 불안정한 센서를 포함할 수 있다는 단점과 수명이 일정하지 않을 수 있다는 단점을 가진다.
또, 생물학적 후각 시스템은 수백~수천만개의 수용체 중 비숫한 반응을 보이는 수용체를 모아 사구체에 연결하여 분석에 이용하기 때문에 실제 사용되는 신호는 수백개 정도라는 생물학적 후각 시스템의 특성에 기인하여, 본 연구에서도 비슷한 반응을 보이는 센서의 대표를 선정하여 사구체의 역할을 대신하게 하는 방법을 사용하였다. 만약 대표센서가 일정 시간이 지난 후 불안정해지거나 죽는 일이 발생한다면 대표센서와의 소속도가 가장 큰 인접 센서를 다시 대표센서로 지정하면 된다. 이러한 기능을 위해 수많은 클러스터링 알고리즘 중에서 FCM의 사용을 제안하였다.
대표센서만을 사용한다 하더라도 기존의 센서어레이보다 훨씬 더 많은 센서가 사용되고 있으며, 대표센서간의 특징이 충분히 서로 다르기 때문에, 기존에 수많은 연구에서 시도하였으나 좋은 결과를 얻지 못한 과도상태에서의 분류가 가능할 것으로 예측하였으며, 그 예측을 입증하기 위한 실험에서 그 가능성을 충분히 입증하였다.

국내의 경우, 나노 구조체를 이용한 새로운 MOS형 센서의 개발 등, 새로운 형태의 가스 센서 제조 기술에 우위를 보이기 시작했다. 특히 나노기술 적용의 경우, 미국, 일본 및 유럽에 뒤지지 않는다. 하지만, 센서 어레이 개발에서 아직 최대 20개 이상의 센서 어레이를 개발하는 데는 연구의 어려움과 실적 위주의 기술개발 등의 문제 때문에 제한적으로만 접근하고 있는 실정이다.
현재, 국내 나노기술 및 반도체 기술 능력을 감안했을 때, 본 연구를 통해 습득한 기술은 나노기술을 적용한 한 대규모 선서어레이 기술의 기반기술이 될 것으로 확신한다.