산책길에 마주친 무지개 구름 (채운 Cloud iridescence)

 


우연히 마주친 무지개 구름...

댓글

댓글 쓰기

이 블로그의 인기 게시물

Sleep() 시간 해상도 조절 팁

윈도우 플랫폼에서 사용한 Sleep() 함수의 시간 해상도는 아래 함수로 조정할 수 있다 . MMRESULT timeBeginPeriod( UINT uPeriod );   MMRESULT timeEndPeriod( UINT uPeriod ); TimeAPI.h 에 선언되어 있으며 , Winmm.lib 라이브러리를 추가해야 한다 . 프로그램 시작 시 timeBeginPeriod 을 호출하여 해상도를 조정하여 Sleep 함수를 사용 하고 , 마지막으로 프로그램 종료 시 timeEndPeriod 를 호출한다 .
자세한 내용 보기

간단한 cfar 알고리즘에 대해

이미지
Constant False Alarm Rate (CFAR)은 기본적으로 테스트하고자 하는 위치의 cell과 주변 cell의 관계를 보고 테스트 cell이 Target 인지 아닌지를 구분하는 알고리즘이다. 주변 cell과의 관계를 어떤 방식으로 비교하는가에 따라 여러가지 알고리즘이 존재한다. CA-CFAR, GO-CFAR, SO-CFAR, OS-CFAR, VI-CFAR, OSVI-CFAR등이 있다. 이 많은 알고리즘 중 간단하고 기본적인 CA-CFAR과 OS-CFAR에 대해 알아보자. CA-CFAR (Cell Average CFAR)   CA-CFAR의 원리는 위 그림과 같다. 좌우의 Reference Cell의 평균에 Scale Factor T를 곱하고, ADT (Average Decision Threshold)를 합하여 CUT가 타겟인지 아닌지를 구분한다. ADT는 신호의 white noise를 고려하기 위해 더해준다. Scale Factor T와 ADT는 아래와 같은 공식으로 사용할 수 있다. 사용하려는 시스템에 따라 공식은 달라질 수도 있다.   Pfa는 False Alarm 발생 확률을 나타내고, M과N는각 좌우의 Reference Cell의 개수를 나타낸다. OS-CFAR (Order Static CFAR)   OS-CFAR의 원리는 위 그림과 같다. 좌우의 reference cell중 K번째 큰 값의 cell을 Reference Cell의 대표 값으로 정해 CUT가 타겟인지 아닌지를 구분한다. 보통 전제 reference cell의 크기 순에서 (3*N)/4 번째 cell이 성능이 좋다고 알려져 있다. CFAR 사용 예 아래 사진은 위 두 cfar을 사용한 예다. 파란색은 신호이며, 붉은 색은 char을 사용해 만든 threshold이다. 이 threshold보다 큰 값의 신호가 있는 위치에 실제 Tar...
자세한 내용 보기

uwb 레이더를 사용한 물체의 2차원 위치 측정 원리

이미지
본 글은 uwb 레이더를 이용한 물체의 2차원 위치 산출에 관한 내용을 싣고 있다. 다른 방식의 레이더와 달리 TX/RX 레이더가 하나씩 달린 UWB 레이더는 물체와의 거리만을 측정할 수 있다. (uwb 레이더에 array antenna를 설치한 경우 물체의 거리와 방향을 측정할 수 있다고 한다.) 하지만, 아래 그림과 같이 2개의 레이더가 있으면, 각각의 레이더가 물체의 거리만을 측정하더라도 각각의 레이더가 설치된 위치에서 물체가 측정된 거리의 동심원을 그려 만나는 점이 물체의 위치인 것을 알 수 있다.   설치된 레이더의 위치와 측정된 물체의 위치는 아래와 같이 삼각함수 공식을 이용하면 계산해 낼 수 있다.   그런데 다수 물체의 위치를 산출하기 위해선 2개 이상의 레이더가 필요로 한다. 예를 들어 아래그림 좌측을 보면, 2개의 물체의 위치를 산출하고자 할 경우, 2개의 레이더만 사용하면, 위의 예와 같이 동심원을 그려 위치를 찾으면, 회색 원처럼 실제 물체가 없는 장소에도 물체가 있는 것처럼 오인할 수 있다. 만약 아래 그림의 오른편처럼 3개의 레이더를 사용할 경우 3개의 동심원이 만나는 점이 실체 물체가 있는 위치로 산정할 수 있어, 2개의 레이더만 사용할 경우보다 더 정확히 물체의 위치를 산출할 수 있다,    [관련 포스트] UWB Radar 거리 측정 원리
자세한 내용 보기

Keras 모델 가중치 weights 파라미터 가져오기 설정하기 저장하기 및 불러오기

이미지
Keras 모델의 가중치(weights) 파라메터 검색, 설정, 저장 및 불러오기 정리 관련 포스트다. keras model에서 가중치(weights) 가져오기  Model.get_weights() return:   - 모델의 가중치 배열 Keras model에 가중치(weights) 설정하기 Model.set_weights(weights) argument:  - weights : numpy 배열의 가중치 Keras model의 가중치(weights) 파일로 저장하기 Model.save_weights(filepath, overwrite=True) arguments:  - filepath : 저장할 파일 경로, HDF5 형식으로 저장된다.  - overwrite : 덮어쓰기 여부 파일에서 Keras model 가중치(weights) 불러와 설정하기 Model.load_weights(filepath, by_name=False, skip_mismatch=False, reshpae=False) arguments:  - filepath : 가중치 파일의 경로  - by_name : 이름 또는 토폴로지 순서로 가중치를 로드 할지 여부를 나타낸다.  - skip_mismath : 가중치 개수나 모양이 일치하지 않는 레이어를 건너 뛸지에 대한 여부를 나타낸다. (by_name이 True인 경우)  - reshape : reshape 여부를 나타냄 예제 코드 from keras.layers import Input, Dense, Dropout, regularizers from keras.models import Model, load_model, save_model from keras.optimizers import Adam def build_model(i...
자세한 내용 보기

python ctypes LoadLibrary로 windows dll 로드 및 함수 호출 예제

이미지
본 포스트는 python에서 ctypes의 LoadLibrary로 windows dll을 로드 하는 방법과 예제를 싣고 있다. ctypes는 c 호환 데이터 형식을 제공하고 dll, 공유 라이브러리에서 함수를 호출할 수 있도록 해주는 python 라이브러리다. [ https://docs.python.org/3.7/library/ctypes.html ] python에서 windows dll 로드 방법 import ctypes ctypes.windll.LoadLibrary(name) ctypes.oledll.LoadLibrary(name) 윈도우용 dll을 위의 두 API를 사용한다. 일반적인 dll을 로드 할 경우 WinDLL 인스턴스 의 LoadLibary를 사용하고, OLE dll을 로드 할 경우 OleDLL 인스턴스 의 LoadLibary를 사용한다. dll 로드시 아래와 아래와 같은 에러가 발생할 경우가 있다. 이런 경우는 64 bits python 환경에서 win32로 빌드된 dll을 호출하거나, 32 bits python 환경에서 win64로 빌드된 dll을 호출해 발생하는 문제인 경우가 많다. OSError: [WinError 193] %1은(는) 올바른 Win32 응용 프로그램이 아닙니다. python에서 dll의 함수 호출 방법 python에서 windows dll의 함수 호출은 아래 dll 소스의 api 호출 예제를 통해 알아보자. window dll 소스 코드 int xl_square(int x) { return x*x; } int xl_square_out(int x, int *result) { if (result) { *result = x*x; return 0; } return -1; } void xl_callback(callback cb...
자세한 내용 보기