KR20190118437A - 유효 데이터를 선별하기 위한 전처리부를 포함하는 인공 지능 시스템 - Google Patents

Abstract

본 발명은 인공 지능 시스템에 관한 것이다. 본 발명의 실시예에 따른 인체 통신 시스템은 제1 및 제2 센서, 전처리부, 및 인공 지능 모듈을 포함한다. 제1 센서는 제1 센싱 신호를 생성하고, 제1 센서와 인접한 제2 센서는 제2 센싱 신호를 생성한다. 전처리부는 제1 센싱 신호 및 제2 센싱신호의 차이에 기초하여 생성된 차동 신호의 크기에 따라 유효 데이터를 선별하고, 인공 지능 모듈에 유효 데이터를 출력한다. 본 발명에 따르면, 인공 지능 모듈로 입력되는 데이터 양이 최소화되고, 주변부의 특징이 효율적으로 추출될 수 있다.

Description

유효 데이터를 선별하기 위한 전처리부를 포함하는 인공 지능 시스템{ARTIFICIAL INTELLIGENCE SYSTEM INCLUDING PREPROCESSOR UNIT FOR SORTING VALID DATA}

본 발명은 인공 지능 시스템에 관한 것으로, 좀 더 구체적으로 유효 데이터를 선별하기 위한 전처리부를 포함하는 인공 지능 시스템에 관한 것이다.

인간의 사고, 추론, 및 학습 과정을 컴퓨터와 같은 전자 장치에 적용하여 정보를 처리하는 인공 지능 시스템에 대한 관심이 증가하고 있다. 인공 지능 시스템은 인간의 뇌에 포함된 뉴런과 시냅스를 모방하여 정보를 처리할 수 있다. 인공 지능 시스템은 구축된 학습 모델을 바탕으로, 입력된 정보를 능동적으로 처리하므로, 계속적으로 변화하는 주변 정보들에 대한 효과적인 문제 해결 능력을 갖는 장점을 갖는다. 이러한 인공 지능 시스템은 위험 인지, 보안 및 감시, 자율 주행, 스마트 매니지먼트, 사물 인터넷 등 다양한 분야에 응용될 수 있다.

종래의 인공 지능에 대한 연구는 대용량의 빅 데이터를 빠른 속도로 처리하는데 집중되었다. 상술된 다양한 분야에 인공 지능 시스템을 적용하기 위하여, 인공 지능 모듈은 복수의 센서들로부터 센싱 데이터를 수집할 수 있다. 다만, 센서의 정밀화에 대한 요구 및 정보 통신 기술의 발달 등으로 인하여, 센싱 데이터의 양은 기하급수적으로 증가하고 있다. 인공 지능 모듈은 이러한 대용량의 센싱 데이터를 처리하기 위하여 상당한 전력과 연산을 요구하고 있다. 따라서, 인공 지능 모듈에 입력되는 데이터 양을 최소화하되, 데이터 분석의 정확성을 확보할 수 있는 방안에 대한 요구가 제기되고 있다.

본 발명은 인공 지능 모듈의 연산량을 감소시키면서, 데이터 분석의 정확성을 확보할 수 있는 유효 데이터를 선별하기 위한 전처리부를 포함하는 인공 지능 시스템을 제공할 수 있다.

본 발명의 실시예에 따른 인공 지능 시스템은 제1 센서, 제2 센서, 전처리부, 및 인공 지능 모듈을 포함한다. 제1 센서는 센싱 시간 동안 제1 센싱 신호를 생성한다. 제2 센서는 제1 센서와 인접하게 배치되고, 센싱 시간 동안 제2 센싱 신호를 생성한다. 전처리부는 제1 및 제2 센싱 신호들의 차이에 기초하여 생성된 차동 신호의 크기에 따라, 유효 데이터를 선별한다. 인공 지능 모듈은 유효 데이터를 분석하여 결과 데이터를 생성한다.

일례로, 전처리부는 차동 신호를 생성하는 차동 증폭 회로, 및 차동 신호와 기준 신호의 비교 결과에 기초하여 유효 데이터를 선별하는 비교 회로를 포함할 수 있다. 비교 회로는 차동 신호의 크기가 기준 신호보다 큰 경우, 차동 신호를 유효 데이터로 선택하여 인공 지능 모듈에 출력할 수 있다. 비교 회로는 차동 신호의 크기가 기준 신호 이하인 경우, 차동 신호를 무효 데이터로 선택하여 제거할 수 있다. 또한, 전처리부는 차동 신호를 생성하는 차동 증폭 회로, 차동 신호와 기준 신호의 비교 결과에 기초하여 인에이블 신호를 생성하는 비교 회로, 및 인에이블 신호를 수신한 경우 차동 신호를 유효 데이터를 출력하는 데이터 전송 회로를 포함할 수 있다.

일례로, 인공 지능 시스템은 제1 센서와 인접하게 배치되고 센싱 시간 동안 제3 센싱 신호를 생성하는 제3 센서, 및 제2 및 제3 센서와 인접하게 배치되고 센싱 시간 동안 제4 센싱 신호를 생성하는 제4 센서를 더 포함할 수 있다. 제1 및 제2 센서들은 제1 방향으로 서로 인접하게 배치되고, 제1 및 제3 센서들은 제2 방향으로 서로 인접하게 배치되고, 제2 및 제4 센서들은 제2 방향으로 서로 인접하게 배치되고, 제3 및 제4 센서들은 제1 방향으로 서로 인접하게 배치될 수 있다. 이 경우, 전처리부는 제1 및 제3 센싱 신호들의 차이, 제2 및 제4 센싱 신호들의 차이, 및 제3 및 제4 센싱 신호들의 차이에 기초하여 생성된 차동 신호들의 크기에 따라, 유효 데이터를 더 선별할 수 있다.

일례로, 인공 지능 시스템은 인공 지능 허브 장치를 더 포함할 수 있다. 인공 지능 허브 장치는 인공 지능 모듈이 유효 데이터를 분석한 결과 데이터에 기초하여 제1 센서 및 제2 센서의 주변부 상황을 판단할 수 있다. 인공 지능 시스템은 결과 데이터 또는 유효 데이터를 학습하여 기준 신호를 재설정할 수 있다.

본 발명의 실시예에 따른 인공 지능 시스템은 센서, 전처리부, 및 인공 지능 모듈을 포함한다. 센서는 제1 센싱 시간 동안 제1 센싱 신호를 생성하고, 제2 센싱 시간 동안 제2 센싱 신호를 생성한다. 전처리부는 제1 및 제2 센싱 신호들의 차이에 기초하여 생성된 차동 신호의 크기에 따라, 유효 데이터를 선별한다. 인공 지능 모듈은 유효 데이터를 분석하여 결과 데이터를 생성한다.

일례로, 전처리부는 차동 신호를 생성하는 차동 증폭 회로, 제1 센싱 신호를 저장하고 제2 센싱 신호가 차동 증폭 회로에 입력될 때 제1 센싱 신호를 차동 증폭 회로에 출력하는 저장 소자, 및 차동 신호가 기준 신호보다 큰 경우, 차동 신호를 유효 데이터로 선택하여 인공 지능 모듈에 출력하는 비교 회로를 포함할 수 있다. 또한, 전처리부는 차동 신호를 생성하는 차동 증폭 회로, 차동 신호가 기준 신호보다 큰 경우, 인에이블 신호를 생성하는 비교 회로, 및 인에이블 신호에 기초하여 차동 신호를 유효 데이터로 인공 지능 모듈에 출력하는 데이터 전송 회로를 포함할 수 있다.

본 발명의 실시예에 따른 인공 지능 시스템은 센서로부터 제공되는 센싱 신호들에 기초하여 유효 데이터를 선별하기 위한 전처리부를 포함함으로써, 인공 지능 모듈로 입력되는 데이터 양을 최소화하고, 센서 주변부의 특징을 효과적으로 추출할 수 있다.

도 1은 본 발명의 실시예에 따른 인공 지능 시스템의 블록도이다.
도 2는 도 1의 인공 지능 시스템의 일 실시예를 구체적으로 도시한 블록도이다.
도 3은 도 2의 전처리 회로의 일 실시예를 구체적으로 도시한 도면이다.
도 4는 도 1의 인공 지능 시스템의 일 실시예를 구체적으로 도시한 블록도이다.
도 5는 도 4의 전처리 회로의 일 실시예를 구체적으로 도시한 도면이다.
도 6은 도 4의 전처리 회로의 일 실시예를 구체적으로 도시한 도면이다.
도 7은 도 1의 인공 지능 시스템에서 인공 지능 모듈에 입력되는 데이터 양의 감소 효과를 설명하기 위한 그래프이다.
도 8은 본 발명의 실시예에 따른 인공 지능 시스템의 블록도이다.

아래에서는, 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로, 본 발명의 실시 예들이 명확하고 상세하게 기재된다.

도 1은 본 발명의 실시예에 따른 인공 지능 시스템의 블록도이다. 도 1을 참조하면, 인공 지능 시스템(100)은 센서부(110), 전처리부(120), 및 인공 지능 모듈(130)을 포함한다. 도 1의 인공 지능 시스템(100)은 다양한 분야에 응용될 수 있고, 적용 대상은 제한되지 않는다. 예를 들어, 인공 지능 시스템(100)은 긴급 상황을 인지하는 경고 시스템, 보안 또는 감시 시스템, 자율 주행과 같은 차량 시스템, 실내 환경 등을 관리하는 사물 인터넷 시스템 등 다양한 분야에 적용될 수 있다.

센서부(110)는 제1 내지 제n 센서들(111~11n)을 포함할 수 있다. 예시적으로, 센서부(110)는 복수의 센서들을 포함할 수 있고, 예시적으로, n개의 센서들을 포함하는 것으로 도시된다. 제1 내지 제n 센서들(111~11n) 각각은 동일한 종류의 센서일 수 있으나, 이에 제한되지 않고, 서로 다른 종류의 센서일 수 있다. 제1 내지 제n 센서들(111~11n) 각각은 주위 환경의 다양한 요소들을 센싱할 수 있다. 예를 들어, 제1 내지 제n 센서들(111~11n) 각각은 이미지 센서, 광 센서, 온도 센서, 자이로 센서, 음향 센서, 압력 센서, 진동 센서, 또는 산소 농도 검출 센서 등을 포함할 수 있다.

제1 내지 제n 센서들(111~11n) 각각은 배치된 영역에 대한 센싱 신호를 전처리부(120)에 제공한다. 제1 내지 제n 센서들(111~11n) 각각은 서로 다른 위치에 배치될 수 있다. 센싱 시간 동안, 제1 센서(111)는 제1 영역에 대한 센싱 신호를 전처리부(120)에 제공하고, 제2 센서(112)는 제2 영역에 대한 센싱 신호를 전처리부(120)에 제공할 수 있다. 제1 내지 제n 센서들(111~11n) 사이의 이격 거리는 인공 지능 시스템(100)의 적용 분야에 따라 결정될 수 있다. 예를 들어, 제1 내지 제n 센서들(111~11n)이 건축물의 휘어짐 등을 관리하기 위하여 제공되는 경우, 자율 주행을 위하여 차량에 제공되거나 사용자의 의료적인 생체 데이터를 검출하기 위하여 제공되는 경우에 비하여 이격 거리가 클 수 있다. 제1 내지 제n 센서들(111~11n)은 서로 분리될 수 있다. 제1 내지 제n 센서들(111~11n) 각각은 해당 위치에서 검출된 센싱 신호를 전처리부(120)에 출력할 수 있다.

제1 내지 제n 센서들(111~11n) 각각은 시간의 흐름에 따라 센싱 신호를 지속적으로 전처리부(120)에 제공한다. 제1 내지 제n 센서들(111~11n) 각각은 제1 센싱 시간 동안 센싱 신호를 전처리부(120)에 제공하고, 제1 센싱 시간 이후의 제2 센싱 시간 동안 센싱 신호를 전처리부(120)에 제공할 수 있다. 즉, 센서부(110)는 서로 다른 공간에 대한 센싱 신호들뿐만 아니라, 서로 다른 시간에 대한 센싱 신호들을 전처리부(120)에 출력할 수 있다.

전처리부(120)는 제1 내지 제n 센서들(111~11n)로부터 복수의 센싱 신호들(제1 내지 제n 센싱 신호들)을 수신하고, 수신된 센싱 신호들을 전처리한다. 전처리부(120)는 수신된 제1 내지 제n 센싱 신호들에 대한 차동 신호들을 생성할 수 있다. 차동 신호들은 제1 내지 제n 센서들(111~11n) 중 공간적으로 인접한 두 개의 센서들로부터 수신된 두 개의 센싱 신호들의 차이에 기초하여 생성된다. 인접한 두 개의 센서들 사이에 다른 센서는 존재하지 않을 수 있다. 인접한 두 개의 센서들의 의미에 대한 구체적인 설명은 도 2에서 후술된다.

전처리부(120)는 상술된 바와 같이, 공간적으로 인접한 센싱 신호들에 대한 차동 신호들을 생성할 뿐만 아니라, 시간적으로 인접한 센싱 신호들에 대한 차동 신호들을 생성할 수 있다. 전처리부(120)는 제1 센싱 시간에 생성된 센싱 신호와 제1 센싱 시간 이후에 생성된 센싱 신호에 대한 차동 신호를 생성할 수 있다. 즉, 인공 지능 시스템(100)은 공간적으로 인접한 센싱 신호들 사이의 변화량, 시간적으로 인접한 센싱 신호들 사이의 변화량, 또는 두 개의 변화량들 모두를 이용하여, 센서부(110)의 주변부에 대한 상황을 판단할 수 있다.

전처리부(120)는 차동 신호들 중 유효 데이터를 선별하여 인공 지능 모듈(130)에 제공한다. 전처리부(120)는 차동 신호들과 기설정된 기준 신호를 비교할 수 있다. 전처리부(120)는 차동 신호들 중 기준 신호보다 큰 (또는 이상의) 세기를 갖는 차동 신호들을 유효 데이터로 결정할 수 있다. 예를 들어, 특정 영역의 환경과 특정 영역에 인접한 영역의 환경 사이에 급격한 차이를 갖는 경우에 대응되는 정보가 유효 데이터로 결정될 수 있다. 여기에서, 차동 신호들의 세기는 차동 신호들의 전압 또는 전류의 세기를 의미할 수 있다.

전처리부(120)는 차동 신호들 중 기준 신호 이하의 (또는 작은) 세기를 갖는 차동 신호들을 무효 데이터로 결정할 수 있다. 즉, 특정 영역의 환경과 특정 영역에 인접한 영역의 환경 사이에 작은 차이를 갖거나, 차이가 없는 경우에 대응되는 정보가 무효 데이터로 결정될 수 있다. 무효 데이터로 결정된 차동 신호들은 전처리부(120)에서 제거될 수 있다. 무효 데이터는 인공 지능 모듈(130)에 제공되지 않으므로, 인공 지능 모듈(130)에 입력되는 데이터 양이 감소될 수 있다. 따라서, 인공 지능 모듈(130)의 연산량이 감소되고, 인공 지능 모듈(130)의 전력 소모가 감소될 수 있다. 아울러, 전처리부(120)는 급변되는 상황에 대응되는 핵심적인 정보를 유효 데이터로 선별하여 인공 지능 모듈(130)에 출력하므로, 인공 지능 모듈(130)의 연산량 감소에 따른 데이터 분석의 정확도 감소가 최소화될 수 있다.

인공 지능 모듈(130)은 수신된 유효 데이터를 분석하고, 분석된 결과에 따른 결과 데이터를 계산할 수 있다. 이를 위하여, 인공 지능 모듈(130)은 지속적으로 수신된 유효 데이터를 미리 학습할 수 있고, 이에 따라 학습 모델이 구축될 수 있다. 구축된 학습 모델에 기초하여 인공 지능 모듈(130)은 센서부(110)의 주변부에 대한 상황을 분석 및 판단하고, 결과 데이터를 생성할 수 있다. 나아가, 인공 지능 모듈(130)은 결과 데이터에 기초하여 인공 지능 시스템(100)의 동작을 제어할 수 있다.

예를 들어, 센서부(110)가 실내에 배치된 온도 센서들을 포함하는 경우, 유효 데이터는 공간적으로 인접한 두 영역 사이의 온도 차이가 기준 온도 이상임을 나타내는 정보일 수 있다. 인공 지능 모듈(130)은 유효 데이터를 분석하여, 인접한 두 영역 사이의 온도 차이의 원인을 분석할 수 있다. 예시적으로, 유효 데이터를 분석한 결과, 외부인의 침입에 의한 온도 변화임이 결과 데이터로 계산될 수 있고, 결과 데이터에 기초하여, 출력 장치(미도시, 예를 들어 경고등이나, 사이렌, 디스플레이 장치 등)가 제어될 수 있다.

인공 지능 모듈(130)은 유효 데이터를 분석 및 판단하기 위한 하드웨어 장치로 구현될 수 있다. 예를 들어, 인공 지능 모듈(130)은 인공 신경망을 통한 학습을 수행하여 학습 모델을 구축하기 위한 뉴로모픽 연산 회로 등으로 구현되거나, FPGA(Field Programmable Gate Aray) 또는 ASIC(Application Specific Integrated Circuit)와 같은 전용 논리 회로 등으로 구현될 수 있다. 또는, 인공 지능 모듈(130)은 소프트 웨어 또는 펌 웨어로 구현될 수 있다. 이 경우, 인공 지능 모듈(130)은 유효 데이터를 분석하는데 요구되는 제어 및 연산 동작을 수행하기 위한 프로세서, 유효 데이터를 분석하기 위한 소프트 웨어 또는 펌 웨어를 저장하는 스토리지, 및 소프트 웨어 또는 펌 웨어를 로딩하기 위한 메모리를 포함할 수 있다.

도 2은 도 1의 인공 지능 시스템의 일 실시예를 구체적으로 도시한 블록도이다. 도 2는 공간적으로 인접한 센서들로부터 출력된 센싱 신호들을 전처리하는 과정을 구체적으로 설명하기 위한 도면이다. 도 2를 참조하면, 인공 지능 시스템(200)은 제1 내지 제4 센서들(211~214) 및 제1 내지 제4 전처리 회로들(221~224)을 포함한다. 제1 내지 제4 센서들(211~214)은 도 1의 센서부(110)에 포함되고, 제1 내지 제4 전처리 회로들(221~224)은 도 1의 전처리부(120)에 포함되는 것으로 이해될 것이다. 인공 지능 모듈은 설명의 편의상 도 2에서 생략된다. 제1 방향(DR1)과 제2 방향(DR2)은 서로 교차하고, 제1 내지 제4 센서들(211~214)은 설명의 편의상 제1 방향(DR1)과 제2 방향(DR2)에 의하여 형성되는 평면 상에 배치되는 것으로 가정한다.

제1 내지 제4 센서들(211~214) 각각은 센싱 시간 동안 제1 내지 제4 센싱 신호들(S1~S4)을 생성한다. 제1 내지 제4 센싱 신호들(S1~S4)이 생성되는 시간은 일치할 수 있다. 도 2는 4개의 센서들을 도시하였으나, 이에 제한되지 않고, 더 많은 센서들이 인공 지능 시스템(200)에 포함될 수 있다. 제1 센서(211)와 제2 센서(212)는 제1 방향(DR1)으로 서로 인접하되, 제1 센서(211)와 제2 센서(212) 사이에 다른 센서가 배치되지 않을 수 있다. 제1 센서(211)와 제3 센서(213)는 제2 방향(DR2)으로 서로 인접하되, 제1 센서(211)와 제3 센서(213) 사이에 다른 센서가 배치되지 않을 수 있다. 제2 센서(212)와 제4 센서(214)는 제2 방향(DR2)으로 서로 인접하되, 제2 센서(212)와 제4 센서(214) 사이에 다른 센서가 배치되지 않을 수 있다. 제3 센서(213)와 제4 센서(214)는 제1 방향(DR1)으로 서로 인접하되, 제3 센서(213)와 제4 센서(214) 사이에 다른 센서가 배치되지 않을 수 있다.

설명의 편의상, 제1 내지 제4 센서들(211~214)은 2차원 평면 상에 매트릭스 형태로 배치된 것으로 도시되었으나, 이에 제한되지 않는다. 예를 들어, 제1 내지 제4 센서들(211~214)은 서로 다른 이격 거리를 가질 수 있다. 또한, 제1 내지 제4 센서들(211~214)은 제1 방향(DR1) 및 제2 방향(DR2)과 교차하는 다른 방향으로 인접하게 배치될 수 있다. 센서들이 2차원 평면 상에 매트릭스 형태로 배열된 경우, 하나의 센서에 인접한 센서들의 개수는 4개일 수 있다. 센서들이 3차원 평면 상에 매트릭스 형태로 배열된 경우, 하나의 센서에 인접한 센서들의 개수는 6개일 수 있다. 다만, 인공 지능 시스템(200)이 실제로 구현될 때, 하나의 센서에 인접한 센서들의 개수는 기준 개수 이하로 제한되도록 설계될 수 있다.

제1 내지 제4 전처리 회로들(221~224) 각각은 전처리를 위하여, 공간적으로 인접한 두 개의 센서들로부터 센싱 신호를 수신한다. 제1 전처리 회로(221)는 제1 센서(211)로부터 제1 센싱 신호(S1)를 수신하고, 제2 센서(212)로부터 제2 센싱 신호(S2)를 수신한다. 제2 전처리 회로(222)는 제1 센서(211)로부터 제1 센싱 신호(S1)를 수신하고, 제3 센서(213)로부터 제3 센싱 신호(S3)를 수신한다. 제3 전처리 회로(223)는 제2 센서(212)로부터 제2 센싱 신호(S2)를 수신하고, 제4 센서(214)로부터 제4 센싱 신호(S4)를 수신한다. 제4 전처리 회로(224)는 제3 센서(213)로부터 제3 센싱 신호(S3)를 수신하고, 제4 센서(214)로부터 제4 센싱 신호(S4)를 수신한다.

제1 내지 제4 전처리 회로들(221~224) 각각은 수신된 두 개의 센싱 신호들의 차이에 기초하여 차동 신호를 생성한다. 센서들의 개수가 증가할수록, 센싱 신호들의 개수보다 차동 신호들의 개수가 많아질 수 있다. 예를 들어, 2X2 개의 센서들에 기초한 차동 신호들의 개수는 4개로 센싱 신호들의 개수와 동일할 것이나, 4X4 개의 센서들에 기초한 차동 신호들의 개수는 24개로 센싱 신호들의 개수인 16개보다 많아진다. 다만, 후술될 유효 데이터의 선별과정에서 인공 지능 모듈에 입력되는 데이터양은 줄어들 수 있다. 상대적인 크기인 차동 신호를 인공 지능 모듈에 입력되는 데이터로 채택함으로써, 인접한 영역에서의 환경 변이가 용이하게 분석될 수 있다. 또한, 주위 환경이 시간에 따라 민감하게 변화되는 경우, 차동 신호를 이용하여 전체적인 환경의 변화가 배제됨으로써, 이상 상태가 발생된 영역이 용이하게 추출될 수 있다.

제1 내지 제4 전처리 회로들(221~224) 각각은 생성된 차동 신호와 기준 신호를 비교할 수 있다. 기준 신호는 유효 데이터와 무효 데이터를 선별하는 기준이 되는 전압 또는 전류일 수 있다. 예시적으로, 기준 신호는 인공 지능 시스템(200)의 적용 분야에 따라, 정상 상태를 벗어날 가능성이 예상되는 최소한의 크기로 정의될 수 있다. 차동 신호가 기준 신호보다 큰 경우 (또는 이상인 경우), 차동 신호는 유효 데이터로 채택될 수 있다. 차동 신호가 기준 신호 이하인 경우 (또는 작은 경우), 차동 신호는 무효 데이터로 채택될 수 있다. 제1 내지 제4 전처리 회로들(221~224)은 유효 데이터로 채택된 차동 신호를 인공 지능 모듈로 출력하고, 무효 데이터로 채택된 차동 신호를 제거할 수 있다.

제1 내지 제4 전처리 회로들(221~224)은 아날로그 회로로 구현될 수 있으며, 제1 내지 제4 센싱 신호들(S1~S4)은 아날로그 신호들일 수 있다. 제1 내지 제4 전처리 회로들(221~224)이 아날로그 신호를 처리함으로써, 제1 내지 제4 센서들(211~214)로부터 생성된 아날로그 신호를 디지털 변환하기 위한 별도의 구성이 추가되지 않을 수 있다. 다만, 이에 제한되지 않고, 제1 내지 제4 전처리 회로들(221~224)은 제1 내지 제4 센싱 신호들(S1~S4)을 디지털 변환하여, 디지털 신호를 처리하도록 구현될 수 있다.

도 2는 4개의 전처리 회로들을 도시하였으나, 이에 제한되지 않는다. 예를 들어, 인공 지능 시스템(200)은 제1 센싱 신호(S1)와 제4 센싱 신호(S4) 사이의 전처리를 위한 전처리 회로 및 제2 센싱 신호(S2)와 제3 센싱 신호(S3) 사이의 전처리를 위한 전처리 회로를 더 포함할 수 있다. 인접한 센서들에 대한 조건을 넓힐수록, 데이터 분석의 정확도가 증가할 것이나, 회로의 개수가 증가하고, 차동 신호들의 개수가 증가할 것이다. 따라서, 유효 데이터의 선별 기준 및 인공 지능 시스템(200)의 적용 분야에 따라, 전처리 회로들의 개수가 증가 또는 감소될 수 있다.

도 3은 도 2의 전처리 회로의 일 실시예를 구체적으로 도시한 도면이다. 도 3은 도 2의 제1 전처리 회로(221)를 예시적으로 도시하였고, 도 2의 제2 내지 제4 전처리 회로들(222~224)의 구성도 도 3과 같을 수 있다. 도 3을 참조하면, 제1 전처리 회로(221)는 차동 증폭 회로(221_1) 및 비교 회로(221_2)를 포함한다. 도 3의 제1 전처리 회로(221)는 단순히 하나의 실시예로 이해될 것이고, 도 2의 제1 내지 제4 전처리 회로들(221~224)의 구조는 도 3에 제한되지 않는다.

차동 증폭 회로(221_1)는 제1 센싱 신호(S1) 및 제2 센싱 신호(S2)의 차이에 기초하여 차동 신호를 출력한다. 이를 위하여, 차동 증폭 회로(221_1)는 제1 및 제2 트랜지스터들(Tr1, Tr2), 및 전류원(IS)를 포함할 수 있다. 제1 및 제2 트랜지스터들(Tr1, Tr2)은 NMOS일 수 있으나, 이에 제한되지 않는다. 제1 트랜지스터(Tr1)의 일단자는 VDD 전압을 수신하고, 타단자는 전류원(IS)에 연결되고, 제어 단자는 제1 센싱 신호(S1)를 수신할 수 있다. 제2 트랜지스터(Tr2)의 일단자는 VDD 전압을 수신하고, 타단자는 전류원(IS) 및 제1 트랜지스터(Tr1)의 타단자에 연결되고, 제어 단자는 제2 센싱 신호(S2)를 수신할 수 있다.

차동 증폭 회로(221_1)는 제1 센싱 신호(S1) 및 제2 센싱 신호(S2)의 차이를 증폭하여 출력하도록 구성될 수 있다. 제1 센싱 신호(S1)의 크기에 따라, 제1 트랜지스터(Tr1)에 흐르는 전류가 결정될 수 있고, 제2 센싱 신호(S2)의 크기에 따라, 제2 트랜지스터(Tr2)에 흐르는 전류가 결정될 수 있다. 전류원(IS)을 통하여 흐르는 고정된 테일 전류에 의하여, 제1 트랜지스터(Tr1)에 흐르는 전류와 제2 트랜지스터(Tr2)에 흐르는 전류의 합은 일정할 수 있다. 따라서, 제1 센싱 신호(S1)와 제2 센싱 신호(S2)의 차이에 따라, 제1 트랜지스터(Tr1)에 흐르는 전류와 제2 트랜지스터(Tr2)에 흐르는 전류의 비율이 결정되고, 이에 따라, 제1 출력 전압(Vo1)과 제2 출력 전압(Vo2)이 결정될 수 있다.

차동 증폭 회로(221_1)는 차동 신호로 제1 출력 전압(Vo1)과 제2 출력 전압(Vo2)을 비교 회로(221_2)에 출력할 수 있다. 다만, 이에 제한되지 않고, 차동 증폭 회로(221_1)는 차동 신호로 제1 출력 전류와 제2 출력 전류를 비교 회로(221_2)에 출력할 수 있다. 또는, 차동 증폭 회로(221_1)는 단상의 출력 전압(또는 출력 전류)를 차동 신호로 출력할 수 있다.

비교 회로(221_2)는 차동 증폭 회로(221_1)로부터 입력 받은 차동 신호와 기준 신호(Vref)를 비교할 수 있다. 예를 들어, 차동 신호의 전압 레벨이 기준 신호(Vref)의 전압 레벨보다 큰 경우(또는 이상인 경우), 비교 회로(221_2)는 차동 신호의 전압 레벨을 유효 데이터(VD)로 선별하여 인공 지능 모듈에 출력할 수 있다. 차동 신호의 전압 레벨이 기준 신호(Vref)의 전압 레벨 이하인 경우(또는 작은 경우), 비교 회로(221_2)는 차동 신호의 전압 레벨을 무효 데이터로 판단하여 인공 지능 모듈에 출력하지 않을 수 있다. 이에 따라, 인공 지능 모듈에 입력되는 데이터 양이 감소할 수 있다.

도 4는 도 1의 인공 지능 시스템의 일 실시예를 구체적으로 도시한 블록도이다. 도 4는 시간적으로 인접한 센싱 신호들을 전처리하는 과정을 구체적으로 설명하기 위한 도면이다. 도 4를 참조하면, 인공 지능 시스템(300)은 센서부(310), 전처리부(320), 및 인공 지능 모듈(330)을 포함한다. 센서부(310), 전처리부(320), 및 인공 지능 모듈(330) 각각은 도 1의 센서부(110), 전처리부(120), 및 인공 지능 모듈(130)에 대응된다.

센서부(310)는 시간의 흐름에 따라 복수의 센싱 신호들을 생성한다. 예를 들어, 센서부(310)는 제1 시간 동안 제1 센싱 신호를 생성하고, 제1 시간 이후의 제2 시간 동안 제2 센싱 신호를 생성한다. 센서부(310)는 서로 다른 공간에 배치된 복수의 센서들을 포함할 수 있다. 복수의 센서들 각각은 시간의 흐름에 따라 복수의 센싱 신호들을 생성할 수 있다.

전처리부(320)는 시간의 흐름에 따른 복수의 센싱 신호들을 차례대로 수신하고, 시간적으로 인접한 두 개의 센싱 신호들의 차이에 기초하여 전처리를 수행할 수 있다. 전처리부(320)는 차동 증폭 회로(321), 저장 소자(322), 및 비교 회로(323)를 포함할 수 있다. 차동 증폭 회로(321)는 시간적으로 인접한 두 개의 센싱 신호들의 차이를 증폭한다. 예를 들어, 차동 증폭 회로(321)는 제1 시간 동안 생성된 제1 센싱 신호와 제2 시간 동안 생성된 제2 센싱 신호의 차이를 증폭하여 차동 신호를 생성할 수 있다.

저장 소자(322)는 제1 센싱 신호와 제2 센싱 신호의 차이를 증폭하기 위하여, 제1 센싱 신호를 저장할 수 있다. 차동 증폭 회로(321)에 제1 및 제2 센싱 신호들을 동시에 입력시키기 위하여, 저장 소자(322)는 먼저 전처리부(320)에 입력된 제1 센싱 신호를 저장할 수 있다. 이후에, 제2 센싱 신호가 전처리부(320)에 입력될 때, 저장 소자(322)는 제1 센싱 신호를 차동 증폭 회로(321)로 출력할 수 있다. 예를 들어, 저장 소자(322)는 버퍼 회로로 구성될 수 있으나, 이에 제한되지 않고, 센싱 신호를 임시 저장할 수 있는 다양한 회로로 구현될 수 있다. 예시적으로, 저장 소자(322)는 선입선출 방식으로 입력된 신호를 출력할 수 있다.

비교 회로(323)는 차동 증폭 회로(321)에 의하여 생성된 차동 신호와 기준 신호를 비교하고, 비교 결과에 기초하여 유효 데이터를 선별할 수 있다. 예를 들어, 차동 신호의 전압 레벨이 기준 신호의 전압 레벨보다 큰 경우(또는 이상인 경우), 비교 회로(323)는 차동 신호의 전압 레벨을 유효 데이터로 선별하여 인공 지능 모듈에 출력할 수 있다. 차동 신호의 전압 레벨이 기준 신호의 전압 레벨 이하인 경우(또는 작은 경우), 비교 회로(323)는 차동 신호의 전압 레벨을 무효 데이터로 판단하여 인공 지능 모듈에 출력하지 않을 수 있다. 이에 따라, 인공 지능 모듈에 입력되는 데이터 양이 감소할 수 있다.

인공 지능 모듈(330)은 유효 데이터를 분석하고, 분석된 결과에 따른 결과 데이터를 계산할 수 있다. 인공 지능 모듈(330)은 센서부(310)의 주변부에 대한 시계열적 변이를 분석하여 주변부의 상황을 판단할 수 있다. 시간에 따른 상대적인 크기의 차동 신호가 인공 지능 모듈(330)에 입력되는 데이터로 채택됨으로써, 시간에 따른 특정 영역의 환경 변이가 용이하게 분석될 수 있다.

도 5는 도 4의 전처리 회로의 일 실시예를 구체적으로 도시한 도면이다. 도 5를 참조하면, 전처리부(전처리 회로)(320)는 차동 증폭 회로(321), 저장 소자(322), 및 비교 회로(323)를 포함한다. 도 5의 전처리부(320)는 단순히 하나의 실시예로 이해될 것이고, 도 4의 전처리부(320)의 구조는 도 5에 제한되지 않는다.

차동 증폭 회로(321)는 제1 센싱 신호(St1) 및 제2 센싱 신호(St2)의 차이에 기초하여 차동 신호를 출력한다. 제1 센싱 신호(St1)가 도 4의 센서부(310)에서 생성된 이후에, 제2 센싱 신호(St2)가 센서부(310)에서 생성되는 것으로 가정한다. 차동 증폭 회로(321)는 제1 및 제2 트랜지스터들(Tr1, Tr2) 및 전류원(IS)를 포함할 수 있고, 도 3의 차동 증폭 회로(221_1)와 실질적으로 동일한 구조를 가질 수 있다. 차동 증폭 회로(321)는 차동 신호로 제1 출력 전압(Vo1)과 제2 출력 전압(Vo2)을 비교 회로(323)에 출력할 수 있으나, 이에 제한되지 않고, 제1 및 제2 출력 전류들을 출력하거나, 단상의 출력 전압 또는 출력 전류를 차동 신호로 출력할 수 있다.

저장 소자(322)는 시간적으로 앞서 수신된 센싱 신호를 임시로 저장하고, 다음 센싱 신호를 수신할 때, 저장된 센싱 신호를 차동 증폭 회로(321)로 출력할 수 있다. 예를 들어, 제1 센싱 신호(St1)가 제1 트랜지스터(Tr1)의 제어 단자에 입력될 때, 제1 센싱 신호(St1)는 저장 소자(322)에 저장될 수 있다. 이후에, 제2 센싱 신호(St2)가 제1 트랜지스터(Tr1)의 제어 단자에 입력될 때, 저장 소자(322)에 저장된 제1 센싱 신호(St1)가 제2 트랜지스터(Tr2)의 제어 단자에 입력될 수 있다. 이 때, 제1 센싱 신호(St1)와 제2 센싱 신호(St2)가 차동 증폭되어 비교 회로(323)로 출력될 수 있다. 동시에, 제2 센싱 신호(St2)가 저장 소자(322)에 저장될 수 있다. 이러한 동작이 반복됨으로써, 시간적으로 인접한 두 개의 센싱 신호들에 대한 차동 신호가 생성될 수 있다.

비교 회로(323)는 차동 증폭 회로(321)로부터 입력 받은 차동 신호와 기준 신호(Vref)를 비교할 수 있다. 비교 회로(323)는 비교 결과에 기초하여 유효 데이터(VD)를 선별할 수 있다. 비교 회로(323)는 유효 데이터(VD)를 도 4의 인공 지능 모듈(330)로 출력할 수 있다. 비교 회로(323)는 도 3의 비교 회로(221_2)와 실질적으로 동일한 구조를 가질 수 있다.

도 6은 도 4의 전처리 회로의 일 실시예를 구체적으로 도시한 도면이다. 도 6을 참조하면, 전처리부(전처리 회로)(420)는 차동 증폭 회로(421), 저장 소자(422), 비교 회로(423), 및 데이터 전송 회로(424)를 포함한다. 도 6의 전처리부(420)는 단순히 하나의 실시예로 이해될 것이고, 도 4의 전처리부(420)의 구조는 도 6에 제한되지 않는다. 도 5의 전처리부(320)와 비교하여, 도 6의 전처리부(420)는 유효 데이터(VD)를 선별하기 위하여 인에이블 신호(En)를 생성하는 비교 회로(423)와 유효 데이터(VD)의 인공 지능 모듈로 전달하기 위한 데이터 전송 회로(424)가 구분된다. 도 6의 차동 증폭 회로(421) 및 저장 소자(422)는 도 5의 차동 증폭 회로(321) 및 저장 소자(322)와 실질적으로 동일하므로, 구체적인 설명이 생략된다.

비교 회로(423)는 차동 증폭 회로(421)로부터 입력 받은 차동 신호와 기준 신호(Vref)를 비교할 수 있다. 비교 회로(423)는 차동 신호와 기준 신호(Vref)의 비교 결과에 기초하여 인에이블 신호(En)를 생성할 수 있다. 예를 들어, 비교 회로(423)는 차동 증폭 회로(421)로부터 제1 출력 전압(Vo1) 및 제2 출력 전압(Vo2)을 차동 신호로 수신할 수 있다. 예를 들어, 차동 신호의 전압 레벨이 기준 신호(Vref)의 전압 레벨보다 큰 경우(또는 이상인 경우), 비교 회로(423)는 데이터 전송 회로(424)를 활성화시키기 위한 인에이블 신호(En)를 생성할 수 있다. 차동 신호의 전압 레벨이 기준 신호(Vref)의 전압 레벨 이하인 경우(또는 작은 경우), 비교 회로(423)는 인에이블 신호(En)를 생성하지 않거나, 데이터 전송 회로(424)의 활성화를 차단하기 위한 디스에이블 신호를 생성할 수 있다.

데이터 전송 회로(424)는 인에이블 신호(En)에 기초하여 유효 데이터(VD)를 출력할 수 있다. 데이터 전송 회로(424)는 차동 증폭 회로(421)로부터 제1 출력 전압(Vo1) 및 제2 출력 전압(Vo2)을 차동 신호로 수신할 수 있다. 데이터 전송 회로(424)가 비교 회로(423)로부터 인에이블 신호(En)를 수신한 경우, 데이터 전송 회로(424)는 수신된 차동 신호를 유효 데이터(VD)로 출력할 수 있다. 데이터 전송 회로(424)는 인에이블 신호(En)를 수신하지 않거나, 디스에이블 신호를 수신한 경우, 데이터 전송 회로(424)는 유효 데이터(VD)를 출력하지 않는다. 예를 들어, 데이터 전송 회로(424)는 인에이블 신호(En)에 의하여 차동 신호의 전달을 결정하는 스위치를 포함할 수 있다.

전처리부(420)에 포함된 비교 회로(423) 및 데이터 전송 회로(424)는 도 2의 제1 내지 제4 전처리 회로들(221~224)에 적용될 수 있다. 예를 들어, 도 2의 전처리 회로를 구체적으로 도시한 도 3에서, 비교 회로(221_2)는 차동 신호와 기준 신호(Vref)의 비교 결과에 따라, 인에이블 신호를 생성할 수 있다. 이 경우, 전처리 회로(221)는 인에이블 신호에 기초하여 차동 신호를 유효 데이터(VD)로 출력하는 데이터 전송 회로를 더 포함할 수 있다. 즉, 도 6의 비교 회로(423) 및 데이터 전송 회로(424)는 공간적으로 인접한 센서들로부터 출력된 센싱 신호들을 전처리하는 경우에도 사용될 수 있다.

도 7은 도 1의 인공 지능 시스템에서 인공 지능 모듈에 입력되는 데이터 양의 감소 효과를 설명하기 위한 그래프이다. 도 7을 참조하면, 가로축은 센서들의 개수로 정의되고, 세로축은 데이터의 개수로 정의된다. 여기에서, 센서들은 2차원 매트릭스 형태로 배열되는 것으로 가정한다. 그리고, 가로축은 2차원 매트릭스로 배열된 센서들에서, 행 또는 열에 대응되는 센서들의 개수를 나타낸다. 예를 들어, 가로축의 값이 20인 경우, 센서들의 개수는 20X20개로 이해될 것이다. 설명의 편의상 도 1의 도면 부호를 참조하여, 도 7이 설명된다.

굵은 실선은 전처리부(120)에 의한 전처리 과정이 없는 경우, 인공 지능 모듈(130)에 입력되는 센서 데이터의 개수를 나타낸다. 전처리 과정이 없는 경우, 인공 지능 모듈(130)에 입력되는 센서 데이터의 개수는 센서들의 개수에 대응된다. 예를 들어, 가로축의 값이 20인 경우, 센서 데이터의 개수는 400개이다.

실선은 전처리부(120)에 의한 전처리 과정을 거치되, 유효 데이터가 50%인 경우, 인공 지능 모듈(130)에 입력되는 데이터의 개수를 나타낸다. 센서들이 행방향과 열방향으로 정의되는 2차원 매트릭스 형태로 배열될 때, 전처리부(120)는 행방향 또는 열방향으로 인접한 두 개의 센서들로부터 생성된 센싱 신호들을 차동 증폭하는 것으로 가정한다. 이 경우, 2X2개 이상의 센서들에 기초하여 생성된 차동 신호들의 개수는 센서들의 개수보다 많다. 예를 들어, 가로축의 값이 20인 경우, 센서 신호들의 개수는 400개보다 많은 760개이다. 유효 데이터가 50%인 경우, 인공 지능 모듈(130)에 입력되는 데이터의 개수는 380개이다. 즉, 전처리 과정이 없이 절대적인 센싱 신호들이 입력될 때에 비하여, 인공 지능 모듈(130)에 입력되는 데이터의 개수가 감소할 수 있다.

점선은 유효 데이터가 25%인 경우, 인공 지능 모듈(130)에 입력되는 데이터의 개수를 나타낸다. 일점쇄선은 유효 데이터가 10%인 경우, 인공 지능 모듈(130)에 입력되는 데이터의 개수를 나타낸다. 가로축의 값이 20이고 유효 데이터가 25%인 경우, 인공 지능 모듈(130)에 입력되는 데이터의 개수는 190개이다. 가로축의 값이 20이고 유효 데이터가 10%인 경우, 인공 지능 모듈(130)에 입력되는 데이터의 개수는 76개이다. 즉, 유효 데이터가 적은 안정한 상태일수록, 인공 지능 모듈(130)에 입력되는 데이터의 개수가 감소하고, 인공 지능 모듈(130)의 연산량이 감소할 수 있다.

인공 지능 시스템(100)이 사물 인터넷 시스템 등에 이용되는 경우, 대부분의 시간에서 주변부의 상황은 안정한 상태를 유지할 것이다. 따라서, 전처리부(120)를 이용하여 인공 지능 시스템(100)의 연산량을 감소시킬 수 있다. 또한, 주변부의 상황이 급변하는 영역에 대한 데이터를 유효 데이터로 채택하므로, 적은 연산량으로도 주변부의 특징이 효과적으로 추출될 수 있다.

도 8은 본 발명의 실시예에 따른 인공 지능 시스템의 블록도이다. 도 8을 참조하면, 인공 지능 시스템(1000)은 제1 내지 제3 센서부들(1110, 1120, 1130), 제1 내지 제3 인공 지능 장치들(1210, 1220, 1230), 및 인공 지능 허브 장치(1300)를 포함할 수 있다. 예시적으로, 센서부 및 인공 지능 장치의 개수가 3개로 도시되었으나, 이에 제한되지 않고, 다양한 개수의 센서부들 및 인공 지능 장치들이 인공 지능 시스템(1000)에 제공될 수 있다.

제1 센서부(1110) 및 제1 인공 지능 장치(1210)는 하나의 인공 지능 시스템을 구성할 수 있다. 마찬가지로, 제2 센서부(1120) 및 제2 인공 지능 장치(1220)는 하나의 인공 지능 시스템을 구성할 수 있고, 제3 센서부(1130) 및 제3 인공 지능 장치(1230)는 하나의 인공 지능 시스템을 구성할 수 있다. 서로 병렬로 구성된 인공 지능 시스템들은 서로 다른 데이터 학습을 통하여 학습 모델을 구축할 수 있다. 따라서, 서로 다른 인공 지능 시스템들은 동일한 센싱 신호들에 대하여 다르게 상황을 판단할 수 있다.

제1 내지 제3 센서부들(1110, 1120, 1130) 각각은 복수의 센서들을 포함할 수 있다. 제1 내지 제3 센서부들(1110, 1120, 1130) 각각에 포함된 복수의 센서들은 서로 일정한 거리를 두고 이격되도록 배치될 수 있다. 제1 내지 제3 센서부들(1110, 1120, 1130) 각각은 도 1의 센서부(110)에 대응된다.

제1 인공 지능 장치(1210)는 제1 전처리부(1211) 및 제1 인공 지능 모듈(1212)을 포함할 수 있다. 제2 인공 지능 장치(1220)는 제2 전처리부(1221) 및 제2 인공 지능 모듈(1222)을 포함할 수 있다. 제3 인공 지능 장치(1230)는 제3 전처리부(1231) 및 제3 인공 지능 모듈(1232)을 포함할 수 있다. 제1 내지 제3 전처리부들(1211, 1221, 1231)은 도 1의 전처리부(120)에 대응되고, 제1 내지 제3 인공 지능 모듈들(1212, 1222, 1232)은 도 1의 인공 지능 모듈에 대응된다. 즉, 제1 내지 제3 전처리부들(1211, 1221, 1231) 각각은 수신된 복수의 센싱 신호들 중 인접한 센서들에 대응되는 센싱 신호들을 차동 증폭하고, 유효 데이터를 선별한다. 그리고, 제1 내지 제3 인공 지능 모듈들(1212, 1222, 1232) 각각은 선별된 유효 데이터를 분석하여 결과 데이터를 생성할 수 있다.

인공 지능 허브 장치(1300)는 제1 내지 제3 인공 지능 장치들(1210, 1220, 1230) 각각으로부터 결과 데이터 또는 유효 데이터를 수신한다. 인공 지능 허브 장치(1300)는 3개의 인공 지능 장치들로부터 수신된 결과 데이터 또는 유효 데이터를 다시 분석하여 최종 결과 데이터를 생성할 수 있다. 즉, 제1 내지 제3 인공 지능 모듈들(1212, 1222, 1232)은 인공 지능 허브 장치(1300)보다 간략한 학습 모델에 기초하여 유효 데이터를 분석하고, 인공 지능 허브 장치(1300)는 대용량의 데이터를 통합적으로 분석할 수 있다. 예시적으로, 제1 내지 제3 인공 지능 모듈들(1212, 1222, 1232)은 유효 데이터에 기초하여 빠른 결과 데이터를 출력하므로, 제1 내지 제3 센서부들(1110, 1120, 1130)의 주변부의 긴급한 상황에 대응할 수 있다. 인공 지능 허브 장치(1300)는 대용량의 데이터를 분석하므로, 정확하게 제1 내지 제3 센서부들(1110, 1120, 1130)의 주변부의 상황을 판단할 수 있다.

인공 지능 허브 장치(1300)는 제1 내지 제3 인공 지능 모듈들(1212, 1222, 1232) 각각의 기준 신호를 재설정할 수 있다. 인공 지능 허브 장치(1300)는 결과 데이터 또는 유효 데이터를 학습한 결과, 제1 내지 제3 인공 지능 모듈들(1212, 1222, 1232) 중 가장 정확한 결과 데이터를 생성한 인공 지능 모듈을 인지할 수 있다. 인공 지능 허브 장치(1300)는 가장 정확한 결과 데이터를 생성한 인공 지능 모듈에서 사용된 기준 신호를 다른 인공 지능 모듈들에 적용하도록 제1 내지 제3 인공 지능 모듈들(1212, 1222, 1232)을 제어할 수 있다. 따라서, 인공 지능 시스템(1000)은 모든 인공 지능 모듈들의 분석에 대한 정확도를 향상시킬 수 있다.

위에서 설명한 내용은 본 발명을 실시하기 위한 구체적인 예들이다. 본 발명에는 위에서 설명한 실시 예들뿐만 아니라, 단순하게 설계 변경하거나 용이하게 변경할 수 있는 실시 예들도 포함될 것이다. 또한, 본 발명에는 상술한 실시 예들을 이용하여 앞으로 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다.

100, 200, 300, 1000: 인공 지능 시스템 110, 310: 센서부
120, 320, 420: 전처리부 130, 330: 인공 지능 모듈

Claims (16)

1. 센싱 시간 동안 제1 센싱 신호를 생성하는 제1 센서;
   상기 제1 센서와 인접하게 배치되고, 상기 센싱 시간 동안 제2 센싱 신호를 생성하는 제2 센서;
   상기 제1 센싱 신호 및 상기 제2 센싱 신호의 차이에 기초하여 생성된 차동 신호의 크기에 따라, 유효 데이터를 선별하는 전처리부; 및
   상기 유효 데이터를 분석하여 결과 데이터를 생성하는 인공 지능 모듈을 포함하는 인공 지능 시스템.
2. 제1 항에 있어서,
   상기 전처리부는,
   상기 제1 센싱 신호 및 상기 제2 센싱 신호의 차이에 기초하여 상기 차동 신호를 생성하는 차동 증폭 회로; 및
   상기 차동 신호와 기준 신호의 비교 결과에 기초하여 상기 유효 데이터를 선별하는 비교 회로를 포함하는 인공 지능 시스템.
3. 제2 항에 있어서,
   상기 비교 회로는,
   상기 차동 신호의 크기가 상기 기준 신호보다 큰 경우, 상기 차동 신호를 상기 유효 데이터로 선택하여 상기 인공 지능 모듈에 출력하는 인공 지능 시스템.
4. 제2 항에 있어서,
   상기 비교 회로는,
   상기 차동 신호의 크기가 상기 기준 신호 이하인 경우, 상기 차동 신호를 무효 데이터로 선택하여 제거하는 인공 지능 시스템.
5. 제1 항에 있어서,
   상기 전처리부는,
   상기 제1 센싱 신호 및 상기 센싱 신호의 차이에 기초하여 상기 차동 신호를 생성하는 차동 증폭 회로;
   상기 차동 신호와 기준 신호의 비교 결과에 기초하여 인에이블 신호를 생성하는 비교 회로; 및
   상기 인에이블 신호를 수신한 경우, 상기 차동 신호를 상기 유효 데이터로 출력하는 데이터 전송 회로를 포함하는 인공 지능 시스템.
6. 제1 항에 있어서,
   상기 제1 센서와 인접하게 배치되고, 상기 센싱 시간 동안 제3 센싱 신호를 생성하는 제3 센서를 더 포함하되,
   상기 제1 센서 및 상기 제2 센서는 서로 제1 방향으로 인접하게 배치되고, 상기 제1 센서 및 상기 제3 센서는 서로 상기 제1 방향과 교차하는 제2 방향으로 인접하게 배치되고,
   상기 전처리부는 상기 제1 센싱 신호 및 상기 제3 센싱 신호의 차이에 기초하여 생성된 차동 신호의 크기에 따라 상기 유효 데이터를 더 선별하는 인공 지능 시스템.
7. 제6 항에 있어서,
   상기 전처리부는,
   상기 제1 센싱 신호 및 상기 제2 센싱 신호의 차이에 기초하여 제1 차동 신호를 생성하고, 상기 제1 차동 신호의 크기가 기준 신호보다 큰 경우, 상기 제1 차동 신호를 상기 인공 지능 모듈에 출력하는 제1 전처리 회로; 및
   상기 제1 센싱 신호 및 상기 제3 센싱 신호의 차이에 기초하여 제2 차동 신호를 생성하고, 상기 제2 차동 신호의 크기가 상기 기준 신호보다 큰 경우, 상기 제2 차동 신호를 상기 인공 지능 모듈에 출력하는 제2 전처리 회로를 포함하는 인공 지능 시스템.
8. 제6 항에 있어서,
   상기 제2 센서와 상기 제2 방향으로 인접하게 배치되고, 상기 제3 센서와 상기 제1 방향으로 인접하게 배치되고, 상기 센싱 시간 동안 제4 센싱 신호를 생성하는 제4 센서를 더 포함하되,
   상기 전처리부는 상기 제2 센싱 신호 및 상기 제4 센싱 신호의 차이에 기초하여 생성된 차동 신호의 크기, 및 상기 제3 센싱 신호 및 상기 제4 센싱 신호의 차이에 기초하여 생성된 차동 신호의 크기에 따라 상기 유효 데이터를 더 선별하는 인공 지능 시스템.
9. 제1 항에 있어서,
   상기 결과 데이터에 기초하여 상기 제1 센서 및 상기 제2 센서의 주변부 상황을 판단하는 인공 지능 허브 장치를 더 포함하는 인공 지능 시스템.
10. 제9 항에 있어서,
    상기 전처리부는 상기 차동 신호와 기준 신호의 비교 결과에 기초하여 상기 유효 데이터를 선별하되,
    상기 인공 지능 허브 장치는 상기 결과 데이터 또는 상기 유효 데이터를 학습하여 상기 기준 신호를 재설정하는 인공 지능 시스템.
11. 제1 항에 있어서,
    상기 인공 지능 모듈은 상기 유효 데이터를 수신한 경우, 상기 제1 센서 및 상기 제2 센서의 주변부 상황을 판단하는 인공 지능 시스템.
12. 제1 센싱 시간 동안 제1 센싱 신호를 생성하고, 상기 제1 센싱 시간 이후의 제2 센싱 시간 동안 제2 센싱 신호를 생성하는 센서;
    상기 제1 센싱 신호 및 상기 제2 센싱 신호의 차이에 기초하여 생성된 차동 신호의 크기에 따라, 유효 데이터를 선별하는 전처리부; 및
    상기 유효 데이터를 분석하여 결과 데이터를 생성하는 인공 지능 모듈을 포함하는 인공 지능 시스템.
13. 제12 항에 있어서,
    상기 전처리부는,
    상기 제1 센싱 신호 및 상기 제2 센싱 신호의 차이에 기초하여 상기 차동 신호를 생성하는 차동 증폭 회로; 및
    상기 차동 신호가 기준 신호보다 큰 경우, 상기 차동 신호를 상기 유효 데이터로 선택하여 상기 인공 지능 모듈에 출력하는 비교 회로를 포함하는 인공 지능 시스템.
14. 제13 항에 있어서,
    상기 전처리부는,
    상기 제1 센싱 시간 동안 상기 제1 센싱 신호를 저장하고, 상기 제2 센싱 신호가 상기 차동 증폭 회로에 입력될 때, 상기 제1 센싱 신호를 상기 차동 증폭 회로에 출력하는 저장 소자를 더 포함하는 인공 지능 시스템.
15. 제12 항에 있어서,
    상기 전처리부는,
    상기 제1 센싱 신호 및 상기 제2 센싱 신호의 차이에 기초하여 상기 차동 신호를 생성하는 차동 증폭 회로;
    상기 차동 신호가 기준 신호보다 큰 경우, 인에이블 신호를 생성하는 비교 회로; 및
    상기 인에이블 신호에 기초하여 상기 차동 신호를 상기 유효 데이터로 상기 인공 지능 모듈에 출력하는 데이터 전송 회로를 포함하는 인공 지능 시스템.
16. 제12 항에 있어서,
    상기 센서와 인접하게 배치되고, 상기 제1 센싱 시간 동안 제3 센싱 신호를 생성하고, 상기 제2 센싱 시간 동안 제4 센싱 신호를 생성하는 인접 센서를 더 포함하고,
    상기 전처리부는 상기 제1 센싱 신호 및 상기 제3 센싱 신호의 차이에 기초하여 생성된 차동 신호의 크기, 및 상기 제2 센싱 신호 및 상기 제4 센싱 신호의 차이에 기초하여 생성된 차동 신호의 크기에 따라 유효 데이터를 더 선별하는 인공 지능 시스템.
    

Images