Education Equipment for FPGA Design of Sensor-based IOT System

전체 글

(1)실천공학 교수법 교육매체 활용. J. Pract. Eng. Educ. 8(2), 111-120, 2016. 센서 기반의 IOT 시스템의 FPGA 설계 교육용 장비. Education Equipment for FPGA Design of Sensor-based IOT System 조병우1, 김남영1, 유윤섭2* 한경대학교 정보제어공학과, 2한경대학교 전기전자제어공학과. 1. Byung-woo Cho1, Nam-young Kim1, Yun-seop Yu2* Department of Information and Control Engineering, Hankyong National University, Anseong 17579, Korea Department of Electrica, Electronic and Control Engineering, Hankyong National University, Anseong 17579, Korea. 1 2. [ 요 약 ] 여러 가지 센서를 이용한 IOT(Internet Of Thing) 시스템의 FPGA 설계용 교육장비를 소개한다. 센서들은 다양한 출력 방식 을 가지고 있어서 출력 방식에 따른 센서 인터페이스 컨트롤러를 FPGA 상에서 설계가 필요하다. 본 장비는 아날로그 출력인 경 우에 FPGA(Field Programmable Gate Array)내에 있는 ADC(Analog-to-Digital Converter) 방식과 디지털 출력인 경우에 I2C(InterIntegrated Circuit), SPI(Serial Peripheral Interface Bus) 통신 방식 및 GPIO(General-Purpose Input/Output)를 통해 사용한 방식에 따른 여러 가지 센서 인터페이스 컨트롤러의 설계가 가능하다. 이미지 센서를 이용해서 영상 처리 하드웨어 설계 가 가능하고 더불어 영 상 및 영상처리 결과를 모니터에 출력하는 VGA(Video Graphics Array) 컨트롤러 설계도 가능하다. 본 장비는 유,무선 네트워크에 통신이 가능한 IOT 시스템을 위해서 한 칩에 디지털 하드웨어와 Linux System을 결합한 SOC(System on Chip) 설계가 가능하다. 이 장비를 이용해서 “이미지센서 기반의 하드웨어 설계와 가속도센서 기반의 하드웨어 설계”의 사례를 소개하고 그 설계를 기반으 로 “FPGA를 이용한 디지털시스템 설계” 교과목의 교육 가능한 사례를 소개한다. 학생들에 의해서 새롭게 설계한 하드웨어를 본 FPGA를 이용해서 하드웨어 장비에 적용시키는 능력을 배양할 수 있고, 또한 개념 설계, 부분설계, 상세설계를 통해서 FPGA 기반 하드웨어의 창의적 종합설계 능력을 키울 수 있다.. [ Abstract ] Education equipment for field programmable gate array (FPGA) design of sensor-based IOT (Internet Of Thing) system is introduced. Because sensors have different interfaces, several types of interface controller on FPGA need. Using this equipment, several types of interface controller, which can control ADC (analog-to-digital converter) for analog sensor outputs and I2C (Inter-Integrated Circuit), SPI (Serial Peripheral Interface Bus), and GPIO (General-Purpose Input/Output) for digital sensor outputs, can be designed on FPGA. Image processing hardware using image sensors and display controller for real and image-processed images or videos can be design on FPGA chip. This equipment can design a SOC (System On Chip) consisting of a hard process core on Linux OS and a FPGA block for IOT system which can communicate with wire and wireless networks. Using the education equipment, an example of hardware design using image sensor and accelerometer is described, and an example of syllabus for “Digital system design using FPGA” course is introduced. Using the education equipment, students can develop the ability to design some hardware, and to train the ability for the creative capstone design through conceptual, partial-level, and detail designs. Key Words: Education equipment, Engineering design, Field Programmable Gate Array (FPGA), Sensor, IOT http://dx.doi.org/10.14702/JPEE.2016.111. Received 15 November 2016; Revised 18 November 2016 Accepted 22 November 2016. This is an Open Access article distributed under the terms of the Creative Commons Attribution NonCommercial License (http://creativecommons.org/ licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.. Copyright © Korean Institute for Practical Engineering Education. *Corresponding Author E-mail: [email protected]. 111. http://JPEE.org. pISSN: 2288-405X eISSN: 2288-4068.

(2) J. Pract. Eng. Educ. 8(2), 111-120, 2016. I. 서 론. 서 다양한 멀티미디어 데이터 처리가 가능한 교육장비가 소 개되었고[6] 이 장비는 영상인식 기반의 하드웨어 설계와 무. IOT(Internet Of Thing)은 상태 감지, 내 외부 환경과의 통. 선통신, Labivew와 FPGA 설계 능력을 키울 수 있는 교육이. 신과 상호작용을 위해 임베디드 기술을 탑재한 물리적 사물. 가능하다. 그러나 이 장비는 센서 인터페이스와 유무선 네트. 들의 네트워크를 의미한다[1]. 이러한 IOT에 대하여 글로벌. 워크를 결합한 IOT 시스템에는 적당하지 않다. 그러므로 새. 시장조사업체 가트너는 PC, 태블릿 PC, 스마트폰을 제외한. 로운 IOT 시스템의 FPGA 기반의 하드웨어 설계가 가능한. IOT 기기가 2009년 9억 대에서 2020년에는 약 30배 증가한. 교육장비가 요구된다.. 260억 대에 이를 것으로 전망했다[2]. IOT는 사물들 간의 네. 본 논문은 FPGA를 이용해서 다양한 센서를 이용한 IOT. 트워크가 가능한 사물 인터넷이 매우 중요하고 특히 사물들. 시스템 설계 교육장비를 소개한다. 이 장비를 이용해서 영상. 의 상태와 사물들을 제어하는 디바이스가 매우 중요하다. 최. 센서 기반의 하드웨어 설계와 가속도센서 기반의 하드웨어 설. 근에 DSP(Digital Signal Processing), 방어 시스템, 주문형 반. 계의 사례를 소개하고 그 설계를 기반으로 “FPGA를 이용한. 도체(Application Specific Integrated-Circuit; ASIC) 초기버전,. 디지털시스템 설계” 교과목의 교육 가능한 사례를 소개한다.. 의료 영상, 음성 인식, 암호학, 생물정보학, 검색엔진, 빅데 이터 분석, 신약 개발, 항공 시뮬레이션 등 고도의 복잡한 계 산이 필요한 분야에서 최근 FPGA(Field Programmable Gate. II. 본 론. Array)를 사용한 병렬처리를 시도하고 있다[3]. 특히, 다양한 센서들을 이용한 IOT 기기들이 마이크로컨트롤러을 사용한. A. IOT 시스템의 FPGA 설계를 위한 교육용 장비의 개요. 소프트웨어 기반으로 많이 개발되고 있으나 FPGA 상에서 하드웨어 기반으로 IOT 설계하는 연구[4,5]는 그것에 비해서. FPGA를 이용한 SOC(System On Chip) 기반의 센서를 이. 상대적으로 적다. 공과대학 전기, 전자 및 컴퓨터공학 학생들. 용한 IOT 시스템 설계용 교육장비의 전체적인 하드웨어 구. 은 3-4학년에서 배우는 디지털 신호처리, 영상처리, 컴퓨터비. 성도 및 실제 제작된 사진은 그림 1과 같다. 이 장비는 FPGA. 전, 패턴인식, 센서공학, 전자회로 등에서 배운 다양한 알고. 를 포함한 DE1-SOC 보드[7]와 DE0-Nano(Accelerometer). 리즘 등을 소프트웨어적으로 구현할 뿐만 아니라 하드웨어. [8,9], Hall Sensor(WSH135)[10], Temperature/Humid. 로 설계하는 능력도 필요하다. 지금까지는 FPGA를 이용해. Sensor(HT01DL)[11], Photo Sensor(NS-PBSM)[12], SD 카드,. 그림 1. SOC기반의 센서를 이용한 IOT 시스템 설계용 교육장비의 하드웨어 구성도. Fig. 1. SOC based IOT system design using sensors.. http://dx.doi.org/10.14702/JPEE.2016.111. 112.

(3) 센서 기반의 IOT 시스템의 FPGA 설계 교육용 장비. 일반 모니터, D5M 카메라[13]와 Zigbee 모듈[14], 모니터링. 그림 2와 같이 표현된다.. 용 PC로 구성된다. 여기서 DE1-SOC 보드는 Altera Cyclone. 본 DE1-SOC 기반의 교육용 장비를 이용해서 다양한 센서. V 5CSEMA5F31C6N FPGA에 64MB MB SDRAM, HPS 상. 들을 이용한 IOT 시스템 설계가 가능하다. 본 논문은 본 교. 에 1GB SDRAM, Dual-core ARM Cortex(HPS)와 다양한 통. 육용 장비의 활용 가능성을 알아보기 위해서 본 장비를 이용. 신 및 인터페이스가 제공되고 있다. 이 장비를 이용해 카. 한 하드웨어 설계 사례로 “영상센서기반 물체 추적 시스템”. 메라, VGA(Video Graphic Array), Ethernet, GPIO(General. 과 “가속도센서기반 낙상 감지 시스템” 작품을 소개한다.. Purpose Input/Output) 등을 이용하여 센서를 통한 IOT 시스. 이 설계는 카메라를 통해 실시간으로 영상 입력에 따라 움. 템 설계가 가능하다. 본 IOT 시스템 설계용 교육장비를 기. 직이는 물체를 인식 하는 것과 가속도센서에서 실시간으로. 반으로 Altera에서 무료로 제공하는 Quartus II Web Edition. 출력된 가속도 데이터를 이용해 낙상 감지 알고리즘[17]을. Software[15]을 이용해서 다양한 센서 기반의 디지털 논리. 적용하여 낙상을 판별하는 설계이며 다음 절과 같다.. 회로 및 시스템을 설계한다. Quartus II는 회로도나 VHDL 과 Verilog과 같은 하드웨어 기술 언어(hardware description. B. 설계 방법. language; HDL)을 지원하고 그것들을 이용해서 프로그램 본 장비를 이용한 프로젝트 “영상센서기반 물체 추적 시. 가능한 논리 소자들에 설계하고자 하는 논리 회로를 구현 할 수 있도록 한다. DE1-SOC는 FPGA와 HPS/ARM으로. 스템” 과 “가속도센서기반 낙상 감지 시스템”을 수행한다.. 구성되어 있는데, DE1-SOC에서는 하드 프로세스 시스템. 본 교육장비를 이용해서 설계한 IOT 시스템 첫 번째 예. (HPS)인 ARM Cortex-A9 embedded cores가 내장되어 있다.. 인 영상센서기반 물체 추적 시스템의 블록도는 그림 3과 같. Cortex-A9은 운영체제로 Linux를 지원하기 때문에 DE1-SOC. 이 표현되고 그 알고리즘은 그림 4와 같이 표현된다. D5M. 상에 ARM을 이용하려면 Linux Kernel을 사용해서 연동을. 카메라로부터 받은 640 × 480 영상데이터의 실시간 처리를. 해 주어야 한다. DE1-SOC의 FPGA와 HPS는 AXI(Advanced. 위하여 용량 축소를 먼저 해야 한다. 따라서 용량 축소를 위. extensible Interface) 브릿지로 연결되어 있어 FPGA와 HPS를. 해 사용한 Sobel Edge Algorithm[18]을 사용하였다. 그림 5는. 연동하기 위해서는 이 브릿지를 사용해야 한다[16]. AXI는. D5M으로부터 받은 영상을 Grayscale로 변화에 대한 결과물. Quartus II의 tool인 Qsys를 통해 시스템을 디자인할 수 있다.. 과 프로그래밍 및 RTL(Register-Transfer Level)을 보여준다.. FPGA와 HPS를 연동하기 위한 AXL Bridge 블럭도는 다음. Grayscale로 변화된 영상을 기본으로 Sobel Edge를 검출하기. 그림 2. AXL 브릿지 블록도. Fig. 2. AXL bridge block diagram.. 113. http://JPEE.org.

(4) J. Pract. Eng. Educ. 8(2), 111-120, 2016. 그림 3. 영상센서기반 물체 추적 시스템의 블록도. Fig. 3. Block diagram of Image sensor based tracking system.. 위한 Gx필터와 Gy필터를 그림 6에 보여진 계산방법으로 화 면 전체에 씌어준다. 그 후 Sobel Edge 수식[18]을 적용하기 위해 Quartus의 Megawizard 폴더에서 제공되는 함수를 이용 해 Buffer, Mac, Sqrt의 값을 계산해준다. 그림 6은 Sobel Edge Detection의 결과물과 이를 구현하기 위해 함수 사용 및 코딩 방법을 설명한다. 그 후 전영상과 후영상에 대한 물체의 변 화를 찾기 위해 Sobel Edge 한 영상을 2개의 영상으로 분할 해 준다. 분할된 영상 2개는 SDRAM의 입력으로 들어간다. 본 교육장비를 이용해서 설계한 IOT 시스템의 두 번째 설 계 예인 가속도센서기반 낙상 감지 시스템의 블럭도는 그 그림 4. 영상센서기반 물체 추적 시스템의 알고리즘. 림 7과 같이 표현되고 그 알고리즘은 그림 8과 같이 표현된. Fig. 4. Image sensor based tracking system algorithm.. 다. 그림 9은 가속도센서기반 낙상 감지 시스템을 RTL 블록 도로 나타낸다. 먼저 3축 가속도 센서의 데이터를 받아 낙상. 그림 5. 그레이 스케일 결과 및 RTL. Fig. 5. Grayscale results and RTL.. http://dx.doi.org/10.14702/JPEE.2016.111. 114.

(5) 센서 기반의 IOT 시스템의 FPGA 설계 교육용 장비. 그림 6. 소벨 엣지 검출 결과 및 계산 방법. Fig. 6. Sobel edge detection results and it’s calculation method.. 그림 7. 가속도센서기반의 낙상 감지 시스템 블록도. Fig. 7. Block diagram of accelerometer based fall detection system.. 을 판단하기 위한 데이터로 만들기 위해 1의 보수를 취한다.. 준다. Theta는 현재 축과의 각도를 표현하기 위해 사용한다.. 그리고 지터 잡음(Jitter Noise)를 제거하기 위하여 FIFO(First. Theta를 계산하기 위해는 소수표현을 해야 하는데 현재 사용. Input First Output) 시스템을 이용하여 Moving Average. 하는 툴인 Quartus2에서는 소수표현을 지원하지 않기 때문. Filter Module을 만들어 데이터를 통과시킨다. 그리고 낙상. 에 정수의 소수표현을 통해 데이터를 계산한다. 먼저 Theta. 을 판별하기 위한 파라미터인 SVM(sum vector magnitude),. 에 맞는 계산을 하기 전 분자부분에 10000을 곱해 소수점 4. DSVM(differential SVM), Theta(각도), GSVM(gravitiy SVM),. 자리까지 정수화를 시킨다. 그 후 SVM과 동일하게 부동소수. GDSVM(gravity DSVM) 을 각각 만들어 준다[17]. 여기서. 변환을 해준 뒤 루트연산을 하고 부동소수 역 변환을 해준. SVM은 움직임의 양의 정량화하기 위해 사용한다. SVM을. 다. 최종적으로 현재의 데이터를 각도로 변환하기 위해 Arc. 계산하기 위해 데이터를 각 각 제곱을 한 뒤 Floating Point. Tangent Look-up Table을 만들어 각도로 변환하여 데이터를. Transform Module을 만들어 IEEE 규격 32bit 부동소수 변환. 출력한다. GSVM은 현재의 움직임(SVM)에 중력방향으로. 을 해준다. 그 후 Square Root Module을 통해 루트연산을 해. 가중치를 두어서 다른 움직임들과 확실히 구분할 수 있는 특. 준 뒤 Inverse Floating Point Transform Module을 만들어 부동. 징 벡터로 사용한다. GSVM을 계산하기 위해 현재 각도를. 소수 역 변환 과정을 해준다. DSVM은 가속도의 변화량만을. 중력방향으로 가중치를 고려해 계산한 뒤 SVM과 곱해준다.. 계산하기 위해 사용한다. DSVM을 계산하기 위해 먼저 간단. GDSVM은 가속도의 변화에 중력방향으로 가중치를 두어서. 한 FIFO 시스템을 통해 현재의 데이터와 직전의 데이터의 차. 다른 움직임들과 확실히 구분할 수 있는 특징 벡터로 사용한. 이를 구해준 뒤 SVM와 동일한 과정을 통해 DSVM을 구해. 다. GDSVM을 계산하기 위해 현재 각도를 중력방향으로 가. 115. http://JPEE.org.

(6) J. Pract. Eng. Educ. 8(2), 111-120, 2016. 해 사용자의 가슴에 DE0-Nano를 착용하고, walking, sitting, running, jumping, lying down forward, lying down backward, falling forward, falling backward의 패턴 별 데이터 값을 UART 프로토콜을 이용해 Zigbee 무선통신으로 DE1-SOC 보드에 보내게 된다. 그림 9는 뒤로 낙상(backward-falling) 행동 모델에 대한 파라미터를 나타낸 것이다. 이 행동 모 델 별 데이터를 분석하여 Threshold를 잡아 일상과 낙상 을 판별한다. C. 개발물 및 동작 특성 영상센서기반 물체 추적 시스템을 사용하여 움직이는 대 상을 추적하는 것이 가능하다. 가속도센서기반 낙상 감지 시 스템을 사용하여 6명의 사람을 대상으로 행동 모델 별 성공 여부를 측정한 결과가 99.11%의 높은 낙상 감지율이 나타내 었다.. III. 교육적 활용 A. 교육 활용 내용 및 방법. 그림 8. 가속도센서기반의 낙상 감지 시스템 알고리즘. Fig. 8. Accelerometer based fall detection system algorithm.. HDL 관련 교과목 수강이 완료된 학생을 대상으로 본 논 문에서 제안한 FPGA를 이용한 센서기반의 IOT 시스템 설계 중치를 고려해 계산한 뒤 DSVM과 곱해준다. 그리고 5가. 교육장비를 이용하여 다음에 설명한 내용을 주 별로 설계 교. 지 파라미터들을 토대로 행동 모델 별 패턴을 파악하기 위. 육을 진행하고 단계별로 교육 및 설계하는 학습 내용은 다음. 그림 9. 가속도센서기반의 낙상 감지 시스템 RTL 블록도. Fig. 9. Accelerometer based fall detection system of RTL block diagram.. http://dx.doi.org/10.14702/JPEE.2016.111. 116.

(7) 센서 기반의 IOT 시스템의 FPGA 설계 교육용 장비. 그림 10. 뒤로 넘어지는 행동에 대한 파라미터 모델. Fig. 10. Parameters of the backward-falling behavior model.. ⑩ DE0-Nano 내부의 가속도 센서(ADXL345) 이해 및 인터. 과 같다. ① 하드웨어 장비 사용법 교육 및 Verilog HDL 언어 교육. 페이스 컨트롤러 설계 교육(1주). (1주). ⑪ 이미지 센서(D5M Camera) 이해 및 인터페이스 컨트롤. ② ZigBee 사용법 교육(1주). 러 설계 교육(1주). ③ UART(Universal asynchronous receiver/transmitter) 이해. ⑫ SDRAM과 VGA Controller 이해 및 설계 교육(1주) ⑬ Linux 및 HPS의 사용법 교육(1주). 및 컨트롤러 설계 교육(1주) ④ 광 센서 이해 및 인터페이스 컨트롤러 설계 교육(1주). ⑭ 프로젝트(2주). 2. ⑤ I C(Inter-Integrated Circuit) 통신 이해 및 인터페이스 컨 트롤러 설계 교육(1주). 여기서 ⑭에서는 ①~⑬의 교육을 통해 배운 지식을 이용. ⑥ 온/습도 센서의 이해 및 인터페이스 컨트롤러 설계 교육. 해 프로젝트 설계주제 및 목표를 설정하고, 실제 제품을 만. (1주). 들어 본다.. ⑦ ADC(analog-to-digital converter) 인터페이스 이해 및 인 터페이스 컨트롤러 설계 교육(1주). B. 기대 효과. ⑧ 홀 센서 이해 및 인터페이스 컨트롤러 설계 교육(1주) ⑨ SPI(Serial Peripheral Interface Bus) 통신 이해 및 인터페. 그림 11에 보여진 주차별 교육내용을 통하여 학습을 진행. 이스 컨트롤러 설계 교육 (1주). 시에 다음과 같은 학습 효과를 얻게 될 것으로 기대된다.. 117. http://JPEE.org.

(8) J. Pract. Eng. Educ. 8(2), 111-120, 2016. 그림 11. 각 주 차별 수업 계획. Fig. 11. Weekly plan for learning.. ① Verilog HDL을 이용해서 하드웨어 설계 능력을 배양. 의 언어를 통해 설계한 모듈을 본 장비에 적용시키는 능력을 배양할 수 있고 UART, SPI 통신, I2C 통신, ADC 모듈을 직. 한다. ② 센서를 활용한 FPGA 인터페이스의 기본적인 동작 원리. 접 설계함으로써 FPGA 설계하는 능력을 키울 수 있다. 그리. 에 대해서 이해할 수 있다.. 고 센서의 값을 직접 받아보고 연산함으로써 센서에 대한 이. ③ FPGA를 이용해서 센서 인터페이스를 설계함으로써 통. 해와 적용 능력을 높이고, 또 FPGA와 HPS을 연동함으로써 SOC 임베디드 설계와 ARM Cortex-A9의 대한 이해도를 높. 신에 대한 이해도가 높아진다. ④ FPGA 기반 하드웨어와 Linux 기반의 ARM processor. 일 수 있다. 더불어 IOT 세상에 유무선 통신 방식을 하드웨. (HPS)의 SOC 설계 능력을 배양한다.. 어로 설계하는 과정을 이해할 수 있다.. ⑤ 소프트웨어를 통한 시스템 설계가 아닌 하드웨어 프로 세싱을 통한 시스템 설계를 익힘으로써 학생들의 배움. 참고문헌. 의 폭을 넓힌다. ⑥ 창의적 종합 설계 능력을 배양한다.. [1] L. Atzori, A. Iera, and G. Morabito, “The internet of things: A survey,” Computer Networks, vol. 54, no. 15,. IV. 결 론. pp. 2787-2805, October 2010. [2] Gartner Report [Internet]. Available: http//www.gartner.. 본 논문에서는 FPGA를 이용한 IOT 기반의 실습 교육 장. com/.. 비를 소개했다. 이 교육 장비는 FPGA의 기본적인 원리를 이. [3] S. Brown and J. Rose, “FPGA and CPLD architectures: A. 해하고, 센서를 통해 여러 인터페이스를 숙지할 수 있도록. tutorial,” IEEE Design & Test of Computers, vol. 13, no. 2,. 도와주는 개발 장비이다. 이를 통해 학생들은 하드웨어 기반. pp. 42-57, June 1996.. http://dx.doi.org/10.14702/JPEE.2016.111. 118.

(9) 센서 기반의 IOT 시스템의 FPGA 설계 교육용 장비. [4] A. P. Johnson, R. S. Chakraborty, and D. Mukhopadhyay.. http://data.icbank.com/ICBShop/board/09.EcoNarae_. “A PUF-enabled secure architecture for FPGA-based IoT. ETH-01D.pdf/.. applications,” IEEE Transactions on Multi-Scale Comput-. [12] Photo sensor (NS-PBSM) datasheet [Internet]. Available:. ing Systems, vol. 1, no. 2, pp. 110-122, October 2015.. www.logiccamp.co.kr/.. [5] Q. Chi, H. Yan, C. Zhang, Z. Pang, and L. D. Xu, “A re-. [13] Terasic. TRDB-D5M User Manual [Internet]. Available:. configurable smart sensor interface for industrial WSN in. http://www.terasic.com/.. IoT environment,” IEEE Transactions on Industrial Infor-. [14] Texas Instrument. Second generation system-on-chip. matics, vol. 10, no. 2, pp. 1417-1425, May 2014.. solution for 2.4 GHz IEEE 802.15.4/RF4CE/ZigBee. [6] Y. S. Yu, “Education equipment for FPGA-based multi-. C2530 [Internet]. Available: http://www.ti.com/. [15] Altera. Introduction to the Quartus® II software, version. media player design,” Journal of Practical Engineering Education, vol. 6, no. 2, pp. 91-97, December 2014.. 15.1, Altera Corp. San Jose, CA [Internet]. Available:. [7] Terasic. Altera DE1-SOC development and education. http://www.altera.com/.. board [Internet]. Available: http://www.terasic.com/.. [16] DE1-SoC My First HPS [Internet]. Available: http://www.. [8] Accelerometer (ADXL345) datasheet [Internet]. Available:. terasic.com/.. http://www.analog.com/media/en/technical-documentation/. [17] D. Lim, C. Park, N. H. Kim, S.-H. Kim, and Y. S. Yu,. data-sheets/ADXL345.pdf/.. “Fall-detection algorithm using 3-axis acceleration: com-. [9] Terasic. DE0-Nano User Manual [Internet]. Available:. bination with simple threshold and hidden markov model,” Journal of Applied Mathematics, vol. 2014, Article ID. http://www.terasic.com/. [10] Hall sensor (WSH135) datasheet [Internet]. Available:. 896030, 8 pages, September 2014.. http://www.winson.com.tw/Data%20Sheet/WSH135.pdf/.. [18] S. L. Eddins, R. C. Gonzalez, and R. E. Woods, Digital. [11] Temperature & Humidity Sensor Digital(I2C) output. image processing using matlab, upper saddle river, New. module (DIP) (ETH-01D) datasheet [Internet]. Available:. Jersey, NJ: Pearson Education, 2009.. 119. http://JPEE.org.

(10) J. Pract. Eng. Educ. 8(2), 111-120, 2016. 조 병 우(Byung-woo Cho) 2017년 2월：한경대학교 정보제어공학과 (공학사 예정) <관심분야> FPGA 설계, SoC 설계, 3차원 영상 암호화, 부동소수점 표현. 김 남 영(Nam-young Kim) 2017년 2월：한경대학교 정보제어공학과 (공학사 예정) <관심분야> FPGA 설계, SoC 설계, 실시간 영상처리, 전자회로. 유 윤 섭(Yun-seop Yu)_정회원 2001년 8월 : 고려대학교 전자공학과 박사(Ph.D) 2002년 10월 ~ 현재 : 한경대학교 전기전자제어공학과 교수 <관심분야> 공학교육, 반도체 소자 및 회로 설계. http://dx.doi.org/10.14702/JPEE.2016.111. 120.

(11)