Abstract:
본 발명은 역방향 후처리 방식으로 양자 암호 키를 분배하되, 공격자(Eve)에게 암호 키가 노출되지 않아 보안성을 더욱 더 강화할 수 있고 암호 키 생성율을 증가시킬 수 있도록, 수신기(Bob)에서 광자 추출(photon subtraction) 후에 수신 양자 상태로부터 비트정보를 검출해 양자 암호 키를 산출하고 공유하는, 연속 변수 양자 암호 키 분배 프로토콜에 따른 양자 암호 키 분배 방법 및 장치에 관한 것이다.
Abstract:
본 발명의 무선 통신 시스템에서 간섭을 처리하는 방법에 있어서, 기지국에 의해 수행되는 방법은, 네트워크 토폴로지(network topology) 정보에 기반하여, 제1 기지국 그룹 및 제2 기지국 그룹을 결정하는 과정과, 상기 제1 기지국 그룹에 대한 제1 프리코더 벡터(precoder vector) 및 상기 제2 기지국 그룹에 대한 제2 프리코더 벡터를 결정하는 과정과, 상기 제1 프리코더 벡터는 상기 제2 프리코더 벡터와 선형 독립적(linearly independent)이며, 상기 제1 기지국 그룹으로 상기 제1 프리코더 벡터 및 제1 디코더 벡터(decoder vector)를 전송하는 과정과, 상기 제2 기지국 그룹으로 상기 제2 프리코더 벡터 및 제2 디코더 벡터를 전송하는 과정을 더 포함하고, 상기 제1 디코더 벡터는 상기 제2 프리코더 벡터의 영 공간(null space)에 포함되고, 상기 제2 디코더 벡터는 상기 제1 프리코더 벡터의 영 공간에 포함된다.
Abstract:
본 발명은 전자 장치가 개인 맞춤형 교육 컨텐츠를 제공하는 방법에 대한 것으로, 사용자의 문제 풀이 결과 데이터를 수집하는 a 단계; 상기 결과 데이터의 일부를 이용하여 사용자별 적어도 하나 이상의 개념에 대한 이해도 L 및 문제별 상기 개념에 대한 구성도 R을 추정하는 b 단계; 상기 사용자의 상기 문제에 대한 이해도 X을 추정하고, 상기 이해도를 이용하여 상기 사용자가 상기 문제를 맞출 확률 P를 추정하는 c 단계를 포함하는 것을 특징으로 한다.
Abstract:
제1 시간 구간 동안 9 개의 서로 다른 제1 선형 조합들을 각 타임 슬롯에서 제1 기지국으로 전송하고, 제1 선형 조합을 간섭 신호로서 수신한 제2 기지국으로부터 제1 피드백 신호를 수신하고, 제3 시간 구간 중 제1 서브 시간 구간 동안 4 개의 서로 다른 제2 선형 조합들을 제1 기지국으로 전송하고, 제2 선형 조합들을 간섭 신호로서 수신한 제2 기지국으로부터 제2 피드백 신호를 수신하고, 제3 시간 구간 중 3 서브 시간 구간 동안 8 개의 데이터 심볼로 구성되는 재구성 신호들을 제1 기지국으로 전송하는, 2-셀 3-사용자 네트워크 환경에서 아웃데이티드 채널 정보를 활용하는 단말의 통신 방법이 개시된다. 또한, 이러한 단말에 대응하는 기지국의 통신 방법 또한 개시된다.
Abstract:
PURPOSE: A method for estimating a carrier frequency error in a transmission diversity system is provided to induce an ML(Maximum Likelihood) estimator for an optional training signal, and to induce an ML estimator for a periodic training signal, thereby statistically analyzing the two ML estimators and minimizing an MSE(Mean Square Error). CONSTITUTION: When symbols transmitted through many transmission antennas are received in one receiving antenna through frequency selective fading channels(30a-30n), an ML frequency error is estimated in order to recover a carrier frequency if the symbols are optional training signals. A channel vector is estimated by using a frequency estimated value, so as to simultaneously estimate an ML channel and a frequency error.