리모컨의 신호를 학습하여 사용하는 리모컨을 '학습형리모컨'이라 한다. 본 연구에서는 현재 시판 중인 '학습형리모컨'의 문제점을 파악하고 이를 해결하고자 한다. 학습기능 구현에는 두 가지 어려움이 있다. 첫 째, 입력된 적외선 신호를 실시간 분석하여야 하는 점(분석 및 코드화). 둘 째, 분석된 결과를 잘 정돈 또는 압축하여 작은 용량의 포맷으로 구성하는 점이다(정형화). 현재 시판 중인 학습형 리모컨의 경우 한 코드의 정리된 결과는 256 ~ 1,024 바이트 정도로 조사 되었다. (조사대상: 삼성전자, 오성전자, 소니, 필립스, 하모니) 대부분의 학습형 리모컨은 다섯 개 정도의 장비를 제어 할 수 있도록 제작된다.(...
리모컨의 신호를 학습하여 사용하는 리모컨을 '학습형리모컨'이라 한다. 본 연구에서는 현재 시판 중인 '학습형리모컨'의 문제점을 파악하고 이를 해결하고자 한다. 학습기능 구현에는 두 가지 어려움이 있다. 첫 째, 입력된 적외선 신호를 실시간 분석하여야 하는 점(분석 및 코드화). 둘 째, 분석된 결과를 잘 정돈 또는 압축하여 작은 용량의 포맷으로 구성하는 점이다(정형화). 현재 시판 중인 학습형 리모컨의 경우 한 코드의 정리된 결과는 256 ~ 1,024 바이트 정도로 조사 되었다. (조사대상: 삼성전자, 오성전자, 소니, 필립스, 하모니) 대부분의 학습형 리모컨은 다섯 개 정도의 장비를 제어 할 수 있도록 제작된다.(TV, Audio, Set-top Box, VCR, DVD 등) 그리고 하나의 장비에 60 개 정도의 코드가 필요하다.(0~9, Vol+, Vol- 등) 결과적으로 256 바이트 x 5 장비 x 60코드 = 76,800 바이트가 필요하다. 업체에 따라서는 한 코드 당 1,024바이트가 소요 되었으므로 307,200 바이트가 필요하다. 리모컨의 특성상 건전지를 전원으로 사용하므로 메모리는 플래시 타입(또는 기타 불-휘발성 메모리)을 사용 하여야 한다. 이는 단가 상승의 주된 요인이다.본 연구를 통하여 새로운 학습 알고리즘을 구현하였고 하나의 코드 당 64 바이트로 최적화 하였다. 실 제품에 적용 시 64 바이트 x 5 장비 x 60 코드 = 19,200 바이트 이므로 64 킬로바이트(실제 65536, 2^16) 용량의 작은 마이컴으로 학습 알고리즘과 함께 칩 자체 내에 학습 결과를 저장 하는데 성공 하였다.본 연구로 개발된 학습 알고리즘은 입력된 신호를 몇 단계에 거쳐 학습 기능을 완성 시킨다.(샘플링, 주-코드분석, 반복-코드분석, 정형화, 저장) 완성 된 코드는 저장 및 관리하기 편하도록 64바이트로 정형화 된다. 64바이트는 캐리어주파수, 리드타임, 주-코드, 반복-코드, 반복타임, 반복방법으로 구성 된다. 학습 알고리즘이란 학습 된 결과를 다시 재생 할 수 있는 기능도 포함한다. 효율적인 메모리 관리를 위해서 학습 결과는 2의 정수 배 인 64 바이트로 고정 하였다.리모컨 신호의 종류 및 특성은 다수의 업체가 리모컨 칩을 개발하여 판매하기 때문에 매우 다양하다. 따라서 학습 알고리즘은 이러한 다양성에 대응 가능 하여야 한다. 하지만 아주 상이한 방식의 신호체제로 리모컨 칩을 개발하는 업체들이 간혹 있기 때문에 학습 알고리즘의 성능이 100%라고 자신하는 업체는 없다. 물론 본 연구의 결과 또한 미지의 신호에 대하여 적응성이 100%라고 주장 할 수는 없다. 본 연구의 시료는 시장에 가장 많이 보급되어 있는 제품들을 기준으로 연구 되었다.본 연구를 통한 기대 효과는 갈수록 발전을 거듭하고 있는 기능성 리모컨 시장에 저렴하고 경쟁력 있는 기술을 제공 할 수 있는 계기가 마련 되기를 바라며 더 나아가서 전화기, PDA, 홈-네트워크 제품 등에도 탑재될 수 있는 매우 저렴한 학습용 전용칩으로 진화되기를 기대 해 본다.
리모컨의 신호를 학습하여 사용하는 리모컨을 '학습형리모컨'이라 한다. 본 연구에서는 현재 시판 중인 '학습형리모컨'의 문제점을 파악하고 이를 해결하고자 한다. 학습기능 구현에는 두 가지 어려움이 있다. 첫 째, 입력된 적외선 신호를 실시간 분석하여야 하는 점(분석 및 코드화). 둘 째, 분석된 결과를 잘 정돈 또는 압축하여 작은 용량의 포맷으로 구성하는 점이다(정형화). 현재 시판 중인 학습형 리모컨의 경우 한 코드의 정리된 결과는 256 ~ 1,024 바이트 정도로 조사 되었다. (조사대상: 삼성전자, 오성전자, 소니, 필립스, 하모니) 대부분의 학습형 리모컨은 다섯 개 정도의 장비를 제어 할 수 있도록 제작된다.(TV, Audio, Set-top Box, VCR, DVD 등) 그리고 하나의 장비에 60 개 정도의 코드가 필요하다.(0~9, Vol+, Vol- 등) 결과적으로 256 바이트 x 5 장비 x 60코드 = 76,800 바이트가 필요하다. 업체에 따라서는 한 코드 당 1,024바이트가 소요 되었으므로 307,200 바이트가 필요하다. 리모컨의 특성상 건전지를 전원으로 사용하므로 메모리는 플래시 타입(또는 기타 불-휘발성 메모리)을 사용 하여야 한다. 이는 단가 상승의 주된 요인이다.본 연구를 통하여 새로운 학습 알고리즘을 구현하였고 하나의 코드 당 64 바이트로 최적화 하였다. 실 제품에 적용 시 64 바이트 x 5 장비 x 60 코드 = 19,200 바이트 이므로 64 킬로바이트(실제 65536, 2^16) 용량의 작은 마이컴으로 학습 알고리즘과 함께 칩 자체 내에 학습 결과를 저장 하는데 성공 하였다.본 연구로 개발된 학습 알고리즘은 입력된 신호를 몇 단계에 거쳐 학습 기능을 완성 시킨다.(샘플링, 주-코드분석, 반복-코드분석, 정형화, 저장) 완성 된 코드는 저장 및 관리하기 편하도록 64바이트로 정형화 된다. 64바이트는 캐리어주파수, 리드타임, 주-코드, 반복-코드, 반복타임, 반복방법으로 구성 된다. 학습 알고리즘이란 학습 된 결과를 다시 재생 할 수 있는 기능도 포함한다. 효율적인 메모리 관리를 위해서 학습 결과는 2의 정수 배 인 64 바이트로 고정 하였다.리모컨 신호의 종류 및 특성은 다수의 업체가 리모컨 칩을 개발하여 판매하기 때문에 매우 다양하다. 따라서 학습 알고리즘은 이러한 다양성에 대응 가능 하여야 한다. 하지만 아주 상이한 방식의 신호체제로 리모컨 칩을 개발하는 업체들이 간혹 있기 때문에 학습 알고리즘의 성능이 100%라고 자신하는 업체는 없다. 물론 본 연구의 결과 또한 미지의 신호에 대하여 적응성이 100%라고 주장 할 수는 없다. 본 연구의 시료는 시장에 가장 많이 보급되어 있는 제품들을 기준으로 연구 되었다.본 연구를 통한 기대 효과는 갈수록 발전을 거듭하고 있는 기능성 리모컨 시장에 저렴하고 경쟁력 있는 기술을 제공 할 수 있는 계기가 마련 되기를 바라며 더 나아가서 전화기, PDA, 홈-네트워크 제품 등에도 탑재될 수 있는 매우 저렴한 학습용 전용칩으로 진화되기를 기대 해 본다.
This thesis presents limitations and problems on a current learning remote controller. There are two major issues those are specifying the inserted infra-RED signal real time(Analyzing and coding) and analyzing the result into a small spaced format by compression or rearrangement them(Regulation). T...
This thesis presents limitations and problems on a current learning remote controller. There are two major issues those are specifying the inserted infra-RED signal real time(Analyzing and coding) and analyzing the result into a small spaced format by compression or rearrangement them(Regulation). The result of arranged one code is around 245 ~ 1,024 bytes for the remote controller for retail sales(Manufacture: Samsung electronics, O-sung electronics, SONY, PHILIPS, and Harmony). Most of the Learning Remote Controllers are setting to control about 5 different kinds of equipment( TV, Audio, Set-top Box, VCR, DVD, etc). It needs approximately 60 codes for each equipment. As a result, it is in need of 256 Bytes x 5 equipment x 60 codes = 76,800 Bytes. It sometimes uses 1,024 bytes per code depending on the manufactures. In that case, it needs 307,200 bytes. The memory has to be a Flash type, because it uses a battery cell for characteristics of a power source in the remote controller. It is the main reason of the increased sale price.This thesis also presents realization of a new learning algorism and optimization by 64 bytes per. For the sale product, it is 64 byte x 5 equipment x 60 codes = 19,200 byte, Therefore, it is succeeded putting the learning algorism and learning result in the chip that is a small capacity Mi-COM(MPU) 64 Kbytes(Net. 65536, 2^16).This thesis develops the learning algorism which is completing the learning function through several stages(Sampling, Extract Carrier & Code, standardization, and Storage). The code in this thesis is standardized for both storage and management.The remote controllers are various on their types and characteristics of remote control signal because many Semiconductor Manufactures develop a lot of different remote control chips. Hence the learning algorism can be alternated for these variables. However the efficiency can not insure on the learning algorism because some manufactures develop quite different types of signal systems. It is obvious that the result in this research should not be able to assert or adapt on the mysterious signals.The thesis focuses on the popular product in the market. It is expected to have an opportunity of low-price and competitive technologies on the developing functional remote control market and anticipating its progression of the learning exclusive chips with cost effective that should implement telephone, PDA as well as Home networks.
This thesis presents limitations and problems on a current learning remote controller. There are two major issues those are specifying the inserted infra-RED signal real time(Analyzing and coding) and analyzing the result into a small spaced format by compression or rearrangement them(Regulation). The result of arranged one code is around 245 ~ 1,024 bytes for the remote controller for retail sales(Manufacture: Samsung electronics, O-sung electronics, SONY, PHILIPS, and Harmony). Most of the Learning Remote Controllers are setting to control about 5 different kinds of equipment( TV, Audio, Set-top Box, VCR, DVD, etc). It needs approximately 60 codes for each equipment. As a result, it is in need of 256 Bytes x 5 equipment x 60 codes = 76,800 Bytes. It sometimes uses 1,024 bytes per code depending on the manufactures. In that case, it needs 307,200 bytes. The memory has to be a Flash type, because it uses a battery cell for characteristics of a power source in the remote controller. It is the main reason of the increased sale price.This thesis also presents realization of a new learning algorism and optimization by 64 bytes per. For the sale product, it is 64 byte x 5 equipment x 60 codes = 19,200 byte, Therefore, it is succeeded putting the learning algorism and learning result in the chip that is a small capacity Mi-COM(MPU) 64 Kbytes(Net. 65536, 2^16).This thesis develops the learning algorism which is completing the learning function through several stages(Sampling, Extract Carrier & Code, standardization, and Storage). The code in this thesis is standardized for both storage and management.The remote controllers are various on their types and characteristics of remote control signal because many Semiconductor Manufactures develop a lot of different remote control chips. Hence the learning algorism can be alternated for these variables. However the efficiency can not insure on the learning algorism because some manufactures develop quite different types of signal systems. It is obvious that the result in this research should not be able to assert or adapt on the mysterious signals.The thesis focuses on the popular product in the market. It is expected to have an opportunity of low-price and competitive technologies on the developing functional remote control market and anticipating its progression of the learning exclusive chips with cost effective that should implement telephone, PDA as well as Home networks.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.