QQUANTUM 프로젝트 문의

TECHTechnology

신호를 받는 기술과
신호를 믿는 기술

센서를 붙이는 것은 시작일 뿐입니다. 현장의 신호에는 노이즈와 왜곡이 섞여 들어오고, 그 값을 그대로 쓰면 판단이 틀립니다. QUANTUM은 신호를 수용하는 하드웨어와, 그 신호를 얼마나 믿을지 판단하는 알고리즘을 함께 만듭니다.

TECH-01CORE Interface

센서와 통신 사이를
보드 한 장으로 잇습니다

비전 센서를 제외한 모든 센서를 하나의 보드에서 수용하고, 통신 컨트롤러는 탈부착 모듈로 분리해 현장별 대응 폭을 넓혔습니다.

CORE Interface 주요 사양
신호 수용 Analog / Digital 통합 수용 보드
전압(Analog-to-Digital) · 전류(Current-to-Digital) · 저항(Resistance-to-Digital) · 정전용량(Capacitance-to-Digital) 입력을 한 보드에서 받습니다. 비전 센서 외 대부분의 센서가 대상입니다.
센서 예시 온도 · 습도 · 조도 · 모션 · 압력 · 가스 · 터치
통신 모듈 탈부착 구조
RF · LoRa · WiFi · LTE. 통신 방식이 바뀌어도 메인 보드는 교체하지 않고 모듈만 바꿉니다.
소프트웨어 실시간 연산 및 표준 프로토콜 변환
수집한 원신호를 정제해 상위 시스템이 바로 쓸 수 있는 형태로 내보냅니다.
데이터 품질 AI 기반 필터링을 적용해 데이터 정확도 95%를 확보합니다.
설정 · 운용 Expert Service
웹 기반 설정 화면에서 임계값과 동작 조건을 조정하고, 최적화 컨설팅을 함께 제공합니다.
여러 종류의 센서 신호를 네 가지 변환기로 받아 RF·WiFi·LoRa·LTE 통신으로 내보내는 센서 인터페이스 구성도
수용 범위와 출력 경로 서로 다른 출력 방식의 센서를 네 가지 변환기로 흡수하고, 지능형·AI 처리를 거쳐 현장에 맞는 통신 경로로 내보냅니다.
Atmega128a MCU와 RF 모듈로 구성된 Master·Rx 보드 한 쌍, 그리고 두 보드 사이 전송 지연을 약 60마이크로초로 측정한 오실로스코프 파형
전송 구간 실측 Atmega128a MCU와 RF 모듈로 구성한 Master·Rx 한 쌍의 통신 파형. 오실로스코프로 구간 지연을 직접 측정하며 타이밍을 맞춥니다.

TECH-02AI Pipeline

센서 데이터를
다섯 단계로 활용합니다

센서에서 올라온 원신호는 정제·통합을 거쳐 특성으로 추출되고, 그 특성으로 학습한 모델이 판단을 내립니다. 판단 결과는 화면에 띄우는 데서 끝나지 않고 자동 제어와 피드백으로 이어집니다. 데이터를 쌓아두는 것이 아니라 현장에서 바로 쓰이도록 만드는 것이 목표입니다.

TECH-03UWB 실내 측위

장애물이 있어도
위치는 흔들리지 않게

UWB(Ultra Wide Band)는 태그와 앵커 사이 신호 도착 시간차(ToF)로 거리를 재고, 그 거리들로 3D 좌표를 산출하는 기술입니다. 문제는 사람·구조물·나무처럼 신호를 가로막는 것이 있을 때입니다. QUANTUM은 좌표를 계산하기 전에 신호를 얼마나 믿을지부터 판단합니다.

STEP 01

측정 — 거리값 수집

태그가 신호를 보내면 각 앵커가 도착 시간을 측정합니다. 여기까지가 원본 거리값이며, 이 값에는 반사·회절로 인한 오차가 그대로 섞여 있습니다.

  • UWB Tag → Anchor
  • ToF 측정
  • Position(X,Y,Z) 원본

STEP 02

보정 — 가중비선형최소자승법 + 앵커 역보정

센서에서 출력된 거리값을 가중비선형최소자승법(Weighted Nonlinear Least Square)으로 풀어 태그의 위치 좌표를 도출합니다. 여기에 더해 같은 거리값으로 앵커의 위치 좌표를 역으로 측정합니다(Anchor Inverse Calibration). 설치 시 입력한 앵커 좌표가 실제와 어긋나 있으면 태그 좌표도 함께 틀어지기 때문에, 거리값이 정확할수록 앵커 좌표를 더 정확히 되짚어 보정할 수 있습니다.

  • Weighted Nonlinear Least Square
  • Anchor Inverse Calibration

STEP 03

판별 — NLOS 식별 머신러닝

거리값을 그대로 AI에 넣지 않습니다. 대신 앵커마다 들어오는 신호의 품질을 평가합니다. CIR(채널 임펄스 응답) 데이터에서 신호 상승 시간, 최대 진폭, 잡음 대비 신호비 등을 특성으로 뽑아, 지금 받은 신호가 장애물을 뚫고 온 것인지(NLOS) 직접 도달한 것인지(LOS) 분류합니다. Random Forest·LightGBM 계열은 연산량이 적어 임베디드 장비에도 TinyML 형태로 올릴 수 있고, 그래서 실시간 처리가 가능합니다.

  • Random Forest
  • LightGBM
  • CIR Feature Extraction
  • TinyML · 임베디드 추론

STEP 04

추론 — 신뢰도 기반 좌표 산출

앞 단계에서 "이 앵커의 신호는 가려졌다"고 판단되면 해당 앵커의 거리 데이터에 낮은 가중치를 부여합니다. 그 위에서 파티클 필터(Particle Filter)로 위치를 추정합니다. 칼만 필터(EKF)와 달리 수많은 가상의 점을 뿌려 확률적으로 위치를 좁혀 가기 때문에, 비선형적이고 노이즈가 불규칙한 환경에서 훨씬 안정적입니다.

  • Weighted Positioning
  • Particle Filter
  • 비선형 · 불규칙 노이즈 대응

STEP 05

활용 — 3D 맵 시각화

산출된 위치 정보와 센서 측정값을 함께 저장하고 3D 맵 위에 표시합니다. "언제, 어디서, 어떤 값이 나왔는지"가 공간 위에 그려지면 분포와 편차가 눈으로 보입니다.

  • 위치 + 측정값 + 시각 저장
  • 3D 공간 분포 분석

MODEL모델 선택

거리값의 안정성에 따라
모델 계열을 바꿉니다

같은 UWB 환경이라도 거리 측정값이 안정적인지에 따라 적합한 모델이 달라집니다. QUANTUM은 두 계열을 모두 다루고, 현장 데이터를 먼저 본 뒤 어느 쪽으로 갈지 결정합니다.

딥러닝 기반 회귀

거리 데이터를 입력받아 좌표를 바로 출력하는 가장 직관적인 방식입니다. 거리값이 비교적 안정적인 환경에 적합합니다.

  • 다층 퍼셉트론 (MLP, Multi-Layer Perceptron)
  • 순환 신경망 (RNN / LSTM / GRU)

머신러닝 기반 핑거프린팅

거리 측정값이 불안정한 공간에서는 공간을 격자 형태로 나누어 미리 데이터를 수집·학습해 두고, 실측값을 그 지도와 대조합니다.

  • K-최근접 이웃 (KNN)
  • 랜덤 포레스트 (Random Forest)
가로·세로·높이 0에서 300 범위의 3차원 좌표계 안에 앵커 위치를 잇는 선과, 산출된 태그 위치를 잇는 경로가 함께 그려진 검증 플롯
3D 측위 결과 검증 플롯 앵커 좌표계 위에 산출된 위치를 3차원으로 찍어 알고리즘 출력을 검증합니다. 좌표가 공간 밖으로 튀거나 경로가 불연속하면 보정 단계로 되돌아갑니다.

CASE적용 사례

온실 안에서 위치와 품질을
동시에 기록합니다

수목이 빽빽한 온실은 UWB 입장에서 가장 까다로운 환경입니다. 잎사귀의 수분이 신호를 흡수하기 때문입니다. 이 조건에서 측정기의 위치와 측정값을 함께 남겨, 온실 내 품질 분포를 공간 단위로 확인할 수 있게 했습니다.

온실 천장과 벽면에 설치된 다섯 개의 UWB 앵커가 휴대용 측정기에 부착된 UWB 태그와의 거리를 측정하고, 측정값을 서버로 전송해 3차원 좌표를 산출한 뒤 데이터베이스에 저장하고 3D 맵으로 시각화하는 과정을 나타낸 구성도
온실 내 위치 측위 및 품질 측정 메커니즘 휴대용 측정기에 UWB 태그를 부착하고 측정을 수행하면, 앵커들이 받은 도착 시간차로 태그의 3D 좌표(X,Y,Z)를 산출합니다. 위치 정보와 측정값·시각을 함께 저장해 3D 맵으로 표시하면 공간별 품질 분포를 확인할 수 있습니다.

UI운영 화면

측정한 값은
읽을 수 있어야 의미가 있습니다

측위와 측정을 해내는 것만으로는 현장에서 쓰이지 않습니다. 어느 나무의 값인지, 언제 어디서 잰 값인지가 화면에서 바로 보여야 합니다. 아래는 온실 적용 사례를 위해 설계한 운영 화면 시안입니다.

태블릿 화면에 하우스 항공사진 위로 구역이 A부터 D까지 나뉘어 있고, 왼쪽 도구 상자에서 품종을 골라 나무를 추가하며 오른쪽 패널에서 선택한 나무의 품종·위치·식재 날짜·수령·상태를 편집하는 맵핑 화면 시안
하우스 맵핑 항공사진 위에 구역을 나누고 나무 위치를 등록합니다. 품종·식재 날짜·수령·상태를 나무 단위로 관리합니다.
모바일 상세 시트에 당도 수치와 판정, 나무 ID·품종·하우스 구역·측정 시각, 위도·경도·고도 좌표, 그리고 하단에 위치가 표시된 지도가 함께 나열된 측정 결과 화면 시안
측정 결과 상세 측정값과 판정 기준, 나무 정보, 3D 좌표(위도·경도·고도), 측정 시각을 한 화면에서 확인하고 지도로 넘어갑니다.
터미널 스타일 녹색 단색 화면에 나무 정보, 측정 결과 수치, 격자 형태의 실시간 위치 맵과 위도·경도 좌표가 나란히 배치된 측정기 화면 시안
측정기 화면 현장 측정기용 저사양 표시 화면. 나무 정보와 측정 결과, 격자 맵 위 현재 위치를 동시에 띄웁니다.

화면 시안이며 표시된 수치·좌표·일자는 예시 데이터입니다.

수목 환경의 물리적 제약

잎사귀에 포함된 수분은 UWB 신호를 흡수합니다. 주파수가 높을수록 흡수량이 커져 나무 사이를 통과하기 불리하고, 파장이 긴 저주파 대역일수록 회절해서 뚫고 나가는 특성이 좋습니다. 안테나 이득 확보도 함께 고려해야 합니다.

알고리즘으로 넘는 방법

물리적 제약을 하드웨어만으로 다 넘을 수는 없습니다. 그래서 가려진 앵커를 식별해 가중치를 낮추고, 남은 신뢰 가능한 신호로 확률적 추정을 수행합니다. 하드웨어 선정과 알고리즘 설계를 같이 다루기 때문에 가능한 접근입니다.

H/WUWB 모듈 선정

같은 UWB라도
현장에 맞는 모듈은 따로 있습니다

수분이 많은 수목 환경에서는 주파수 대역과 안테나 구성이 측위 성능을 좌우합니다. 시제품 단계에서 검토한 후보 모듈과 판단 근거입니다. 최종 선정은 현장 테스트 결과에 따릅니다.

적합 — 농업 환경

Skylab SKU610 · Qorvo DW1000

구형 칩셋이지만 최신 칩셋이 지원하지 않는 저주파 대역(Channel 1~3, 3.5~4.5GHz)을 씁니다. 파장이 길어 잎사귀 사이를 회절해 뚫고 나가는 특성이 뛰어나, 농업·산업 현장에서는 여전히 최상급 성능입니다.

  • SMA 커넥터로 +5dBi 이상 고이득 외장 안테나 직결 가능
  • 천장 앵커의 안테나 방향을 태그 쪽으로 맞춰 신호 감쇄를 물리적으로 극복
적합 — 범용

Qorvo DWM3001C · DW3110 + nRF52833

산업용 UWB 시장에서 가장 검증된 Qorvo(구 Decawave)의 트랜시버와 Nordic MCU가 하나로 통합된 모듈입니다. NLOS 식별에 쓰는 CIR 데이터 추출도 이 모듈 기준으로 검증했습니다.

  • 시제품 테스트는 내장 PCB 안테나보다 외장 안테나(SMA) 버전 권장
  • 안테나 이득을 높이는 테스트를 병행하기 좋은 구성
조건부

Arduino Portenta UWB Shield · NXP SR150

스마트 물류·자동화 현장에 주로 쓰이는 NXP Trimension SR150 칩셋을 탑재하고 2D AoA(도착각)를 지원합니다. 다만 안테나 3개가 PCB 패턴으로 고정돼 있어 고이득 외장 안테나로 교체할 수 없습니다.

  • 개활지·실내 물류 환경에는 유리
  • 수목처럼 감쇄가 큰 환경에서는 안테나 이득 확보가 어려움
부적합 — 수목 환경

BU03 · Qorvo DW3210

최신 DW3000 계열 기반이라 고주파 채널(Channel 5, 9)만 사용합니다. 주파수가 높을수록 잎사귀의 수분에 흡수되는 양이 많아, 수목이 우거진 하우스 내부를 뚫고 나가기에 물리적으로 불리합니다.

  • 최신 칩셋이라도 현장 조건과 맞지 않으면 배제
  • 주파수 특성이 모듈 선정의 1차 기준임을 보여주는 사례

Projects

현장에 들어간 결과물 전시장 시스템, 스마트 팩토리 비전 검사, 스마트 볼트 — 실제 사례를 보여 드립니다.

Company

이 기술을 만드는 팀 제어계측·전기·디자인 각 분야 전문가로 구성된 팀과 성장 로드맵입니다.

Contact

기술 상담 요청 현장 조건을 알려 주시면 어떤 구성이 적합한지 함께 검토해 드립니다.