떫은감과 그 연시의 페놀성 화합물의 변화를 조사하고 변색관련 물질의 특성을 구명하고자 하였다. 연시의 페놀성 화합물은 주로 클로로겐산과 카테킨류가 주를 이루고 있었다. 전반적으로 떫은감으로부터 연시를 제조할 경우 페놀성 화합물의 함량이 감소하나 총페놀성 화합물에서 차지하는 카테킨류의 비율은 감소되지 않았다. 손상과 연시의 페놀성 화합물은 거의 고분자량 획분인 것으로 나타났으며, 총페놀성 물질은 고온이 상온에 비해 전반적으로 높게 추출되었다. 페놀성 물질 중 카테콜, 클로로겐산, (+)카테킨의 각 표준품을 물, 80% 메탄올로 0.3% 용액을 제조한 후 변색방지제인 비타민 C, 구연산, L-cystein을 첨가하여 변색방지 효과를 검토한 결과 갈변이 심한 (+)카테킨의 변색을 현저히 억제하였다.

다른 응용분야에 비하여 개략적인 성능을 요구했던 해양 분야에서도 최근 들어 항만 영역에 따라 수치적으로 구체화된 성능을 요구 하고 있고, 측위 정확도뿐만 아니라 무결성, 연속성, 가용성 면에서도 보장을 요구하고 있다. 현 DGPS 기준국의 서비스를 사용하는 사용자 입 장에서, DGPS 서비스는 아직 IMO에서 요구하는 성능을 모두 만족시키기에 불충분하다. 특히, HEA 영역에서 요구하는 측위 정확도 수준은 대 부분 만족하나 무결성 측면에서는 성능을 보장할 수 없다. 본 논문에서는 기존 DGPS 기준국의 감시, 보장, 공지 기능을 강화하여 무결성 측면 에서 보강하기 위한 향상된 감시 개념을 제안하고자 한다. 이를 위하여 현재 DGPS 서비스 감시 기능의 취약점을 제시하고 이에 대한 영향을 분석하였으며 이를 토대로 대책을 마련하였다. 본 연구결과는 추후 DGPS 서비스 개선을 위한 기초연구로 활용할 수 있을 것이다.

네트워크 RTK는 네트워크 내 다중 기준국의 반송파 측정치 보정정보를 활용하는 정밀 측위 기법으로 성능 개선을 목적으로 꾸준히 연구가 진행되어 왔다. 최근까지는 주로 측지 측량 분야에서 사용하였기 때문에 정확도 개선을 위한 연구 위주로 진행되었으며, 무결성 확보를 위한 연구는 아직 미비하다. 본 논문에서는 네트워크 RTK에서의 무결성 확보를 위한 기초연구로 네트워크 RTK 환경에 적합한 감시 시스템을 설계하였다. 이를 위하여 네트워크 RTK에서의 무결성 결함 조건을 도출하고, 각 결함 조건 별로 활용할 수 있는 이상 검출 및 식별 기법을 소 개하였으며, 이를 기반으로 네트워크 RTK를 서비스하는 중앙처리국에서 활용할 수 있는 감시 시스템을 설계하였다.

GNSS를 이용한 정밀측위에서 미지정수 결정은 가장 중요한 과정이다. 정확한 미지정수를 추정하는 경우에는 수 mm에서 수 cm 의 정밀한 측위결과를 가져오지만 부정확한 미지정수를 사용하는 경우에는 측위결과의 정확도와 정밀도를 보장할 수가 없다. 미지정수 결정 은 IR(Integer Rounding), IB(Integer Bootstrapping), ILS(Integer Least Squares) 등의 기법을 기반으로 수행할 수 있다. 이중에서 ILS는 이 론적, 실험적으로 가장 좋은 성능을 보여준다. 하지만 다른 기법들과 달리 ILS는 미지정수에 대한 후보를 검색하기 때문에 올바른 미지정수 를 판단하기 위한 타당성 검정이 필요하다. 본 논문에서는 타당성 검정 기법간의 실험적인 비교 분석을 수행한다. 실험에는 타당성 검정 기법 으로 자주 쓰이는 R-ratio, F-ratio, W-ratio가 사용되었다. 각 타당성 검정 기법의 성능을 정상동작, 검출, 미검출, 오검출로 나누어 평가하였 다. 실험결과로 각 타당성 검정 기법의 장단점이 분명하게 나타났으며, 이를 통해 적용환경에 따라 기법이 선택되어야 함을 확인하였다

TDOA 기법은 위치추정 기법의 하나로 간단한 구조와 높은 정확도를 가지는 장점으로 인해 실내측위, 재머 위치추적, 인명구조 등에 자주 사용된다. 본 논문에서는 MPM(Matrix Pencil Method)를 이용한 고분해능 TDOA 추정 기법을 제안한다. 제안된 기법은 기존의 교차상관을 이용한 TDOA 기법에 비교하여 높은 정확도를 가지며 협대역 신호에 적용이 가능하다. 또한 잘 알려진 고분해능 기법 중 하나인 MUSIC(Multiple Signal Classification)에서 공분산 행렬을 사용하는 것과 달리 수집된 데이터를 바로 행렬로 만들어 사용하므로 복잡성이 낮은 특징이 있다. 제안된 기법의 성능을 검증하기 위해 소프트웨어 시뮬레이션 통해 추정 오차와 연산량 측면에서 MUSIC 기법과 비교하였다.