이인호 연구실
한경국립대학교 전자전기공학부
이인호 교수
NOMA 자원할당
Deep Neural Network
SINR 기반 학습
홈
이인호 연구실
한경국립대학교 전자전기공학부 이인호 교수
이인호 연구실은 전자전기공학부 기반의 무선통신 자원 최적화와 비지상 네트워크 통신을 주된 연구 영역으로 수행합니다. 특히 이기종 네트워크에서 NOMA 하향링크의 전력 할당, 사용자 선택, SIC 순서를 DNN 기반 학습과 SINR 또는 지연된 부분 채널 정보 활용으로 설계하는 연구를 수행합니다. 또한 LEO 위성 통신에서는 빔호핑과 멀티빔 환경의 간섭·전력 제약을 고려하여 시간슬롯 스케줄링과 전력 최소화 자원할당을 다룹니다. UAV 협력 전송에서는 OTFS 기반 도플러 강건 전송과 cooperative beamforming의 CFO 영향 분석을 통해 비지상 협력 통신의 물리계층 설계 근거를 확보합니다.
NOMA 자원할당Deep Neural NetworkSINR 기반 학습LEO 위성 빔 관리Beam hopping
대표 연구 분야
연구 영역 전체보기
비직교 다중접속 NOMA 자원할당을 위한 DNN 기반 최적화 연구
Deep Neural Network-Based Resource Allocation for NOMA
연구 분야 상세보기
비직교 다중접속 NOMA 자원할당을 위한 DNN 기반 최적화 연구
Deep Neural Network-Based Resource Allocation for NOMA
연구 분야 상세보기
LEO 위성 빔 관리 및 전력 최소화를 위한 자원할당/스케줄링 연구
Resource Allocation and Scheduling for LEO Satellite Beam Management
연구 분야 상세보기
UAV 협력 전송 및 협력 빔포밍에서 도플러·주파수 오프셋 영향 분석 연구
Analysis of UAV Cooperative Transmission and Cooperative Beamforming with CFO/Doppler
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
5개년 연도별 논문 게재 수
38총합
5개년 연도별 피인용 수
348총합
주요 논문
5
논문 전체보기
1
Article
|
·
인용수 3
·
2025DQN-Based Scheduling Algorithm for Beam-Hopping LEO Satellite Communication Systems
Donghyeon Kim, Haejoon Jung, In-Ho Lee
IF 5.5 (2025)
IEEE Wireless Communications Letters
이 논문은 빔 호핑(beam-hopping, BH) 저궤도(LEO) 위성 통신 시스템에서 다운링크 스케줄링 방법을 조사하며, 트래픽 요구를 충족하면서 전력 소비를 최소화하는 것을 목표로 한다. 특히, BH 스케줄링을 위한 시간 슬롯 및 전송 전력 할당을 최적화하는 데 초점을 맞추는데, 이는 기존 접근법에서 과도한 전력 사용과 높은 계산 복잡도 때문에 여전히 어렵다. 이러한 한계를 해결하기 위해 딥러닝 기반 알고리즘이 광범위하게 연구되었으나, 달성 가능한 성능에는 한계가 있다. 따라서 본 연구에서는 기존 딥러닝 방법의 성능을 향상시키기 위해 딥 Q-네트워크(deep Q-network, DQN) 기반 시간 슬롯 할당 알고리즘을 제안한다. 또한 불필요한 전력 소비를 방지하기 위한 효율적인 전력 할당 방법도 제시한다. 시뮬레이션 결과, 제안된 방안은 전력 소비와 계산 오버헤드 모두를 유의미하게 감소시키는 것으로 나타났다.
https://doi.org/10.1109/lwc.2025.3570783
Computer science
Communications satellite
Frequency-hopping spread spectrum
Satellite
Scheduling (production processes)
Low earth orbit
Distributed computing
Algorithm
Telecommunications
Mathematical optimization
2
Article
|
인용수 3
·
2024Beampattern analysis of cooperative beamforming with carrier frequency offsets in three-dimensional wireless networks
Yeonwoong Kim, In-Ho Lee, Sunghwan Cho, Haejoon Jung
IF 4.2 (2024)
ICT Express
협력 빔포밍(CB)은 공간적으로 분산된 노드들이 원하는 수신기에서 결합 신호의 전력을 최대화하도록 송신 위상을 동기화하는 방식으로, 하드웨어 제약이 있는 노드들이 통신 범위를 확장하는 데 효과적인 해결책으로 사용될 수 있다. 따라서 CB는 본질적으로 전력 및 하드웨어 한계에 직면하는 비지상 네트워크(NTN)에서 노드에 대해 더 높은 신뢰성, 더 낮은 지연, 그리고 확장된 전송 범위를 제공하는 데 효과적임을 보여준다. 본 논문에서는 3차원(3D) 네트워크에서 UAV를 이용한 CB 기법을 고려하고, 다수의 UAV가 구성하는 가상 안테나 배열의 평균 빔패턴을 분석한다. 또한 UAV의 이동성으로 인해 캐리어 주파수 오프셋(CFO)이 발생할 수 있으므로, 비모수 커널 방법을 사용하여 CFO의 영향을 분석한다. 시뮬레이션 및 해석 결과에 따르면 CFO의 표준편차가 1 kHz일 때 피크 평균 빔패턴이 약 3 dB 저하되는 것으로 나타나며, 이는 주파수 동기의 중요성을 강조한다.
https://doi.org/10.1016/j.icte.2024.02.005
Beamforming
Wireless
Telecommunications
Computer science
Electronic engineering
Computer network
Mathematics
Engineering
3
Article
|
인용수 10
·
2024Cooperative transmission of UAV swarm using orthogonal time–frequency space modulation
Usman Iqbal, Yejin Lee, Sunghwan Cho, In-Ho Lee, Haejoon Jung
IF 4.2 (2024)
ICT Express
무인항공기(UAV)는 이동성을 바탕으로 보상적으로 커버리지 공백을 동적으로 메우고 임무에 필수적인 통신을 가능하게 하는 다목적 공중 노드로 부상한다. 여러 대의 드론이 협력적으로 작동하는 무인항공기(UAV) 군집은 감시, 환경 모니터링, 정밀 농업, 자율 배송 등 다양한 용도에 활용된다. 개별 UAV는 제한된 전력을 가진 반면, UAV 군집의 집단 전송은 데이터 전송률, 신뢰성 및 에너지 효율을 향상시킬 수 있다. 그러나 이들의 이동성은 심각한 도플러 확산을 유발할 수 있다. 기존의 직교 주파수분할다중화(OFDM) 시스템은 고속의 이동 환경에서 도플러 효과에 취약하다는 등의 한계를 가진다. 이러한 문제를 해결하기 위해, UAV 군집을 위한 직교 시간-주파수-공간(OTFS) 보조 협력 전송(CT)이 고려되며, 이는 앞서 언급한 한계를 극복할 수 있다. 그 결과, OTFS 변조를 활용할 때 SNR 10 dB에서 BER이 10^3(103) 수준으로 개선되었고, 더 높은 SNR 값에서는 그보다 더 우수한 성능을 보였다. 또한 UAV의 최대 속도와 UAV 군집의 클러스터 크기에 의해 좌우되는 부반송파 간격, 심볼 수, 부반송파 수에 관한 핵심 설계 고려사항을 식별함으로써 OTFS 기반 CT의 해석적 프레임워크를 제시한다. 이러한 결과는 특히 도플러에 강인한 OTFS 변조를 중심으로 UAV 기반 CT 분야의 연구를 진전시키는 데 중요한 기반을 제공한다.
https://doi.org/10.1016/j.icte.2024.07.002
Swarm behaviour
Transmission (telecommunications)
Modulation (music)
Space (punctuation)
Computer science
Data transmission
Control theory (sociology)
Mathematics
Electronic engineering
Telecommunications
최신 정부 과제
6
과제 전체보기
1
2022년 2월-2027년 2월
|57,426,000원6G 초공간 이동통신 시스템을 위한 지능형 통합 엑세스 백홀 기술 개발 연구
정부는 2031년까지 저궤도 6G 통신위성 10기를 개발 및 발사를 계획하고 있음. 또한, 3GPP와 ITU-R에서는 NTN(Non-Terrestrial Network)과 TN(Terrestrial Network)의 통합 네트워크의 기술 표준을 2022년부터 2029년까지 진행할 예정임. 따라서 정부의 통신위성 개발 계획 및 위성통신 관련 국제 표준 계획에...
6세대 위성통신
비지상 네트워크
통합 엑세스 및 백홀 기술
심층 기계 학습
시스템 레벨 시뮬레이션
2
2022년 2월-2027년 2월
|51,684,000원6G 초공간 이동통신 시스템을 위한 지능형 통합 엑세스 백홀 기술 개발 연구
정부는 2031년까지 저궤도 6G 통신위성 10기를 개발 및 발사를 계획하고 있음. 또한, 3GPP와 ITU-R에서는 NTN(Non-Terrestrial Network)과 TN(Terrestrial Network)의 통합 네트워크의 기술 표준을 2022년부터 2029년까지 진행할 예정임. 따라서 정부의 통신위성 개발 계획 및 위성통신 관련 국제 표준 계획에...
6세대 위성통신
비지상 네트워크
통합 엑세스 및 백홀 기술
심층 기계 학습
시스템 레벨 시뮬레이션
3
주관|
2022년 2월-2027년 2월
|57,426,000원6G 초공간 이동통신 시스템을 위한 지능형 통합 엑세스 백홀 기술 개발 연구
본 연구의 최종 목표는 6G 초공간 위성 이동통신을 위한 NTN-TN 통합 네트워크의 지능형 통합 엑세스 백홀 기술 개발 및 NTN-TN 통합 네트워크의 성능평가를 위한 시스템 레벨 시뮬레이터 개발임. 이와 같은 최종 목표 달성을 위하여 다음과 같이 연차별 연구를 수행함.
- 1차년도: NTN의 IAB 시스템에서 full duplex와 half duplex를 각각 고려하여, multi-hop IAB 기반 CoMP 기술에 대한 end-to-end sum rate 최대화를 위한 최적화 문제를 공식함. 여기서, 최적화 변수는 hop/subchannel/power 할당 및 CoMP node 선택이며, 최대 송신전력 및 최소 data rate 등의 제약조건을 고려함. 그 다음, 도출된 최적화 문제를 해결하기 위하여 DNN(Deep Neural Network) 기반의 unsupervised/supervised learning의 구조 및 알고리즘을 개발하고, Python 환경에서 컴퓨터 시뮬레이션을 통하여 개발된 deep machine learning 기법의 성능을 검증 및 평가함.
- 2차년도: NTN의 IAB 시스템에서 full duplex와 half duplex를 각각 고려하여, multi-hop IAB 기반 power-domain NOMA 기술에 대한 end-to-end sum rate 최대화를 위한 최적화 문제를 공식화함. 여기서, 최적화 변수는 hop/subchannel/user-pairing/power 할당이며, 최대 송신전력, 최대 NOMA node 수, 최소 data rate 등의 제약조건을 고려함. 그 다음, 도출된 최적화 문제를 해결하고 시스템 복잡도를 줄이기 위하여 DNN 기반의 semi-supervised learning의 구조 및 알고리즘을 개발하고, Python 환경에서 컴퓨터 시뮬레이션을 통하여 개발된 deep machine learning 기법의 성능을 검증 및 평가함.
- 3차년도: 다수의 IAB donor들을 고려한 NTN 시나리오 기반으로 3D 공간 좌표를 이용하여 연구 대상의 모델을 고안함. 고안된 모델에서 CoMP와 NOMA 통합 기술 기반 IAB 시스템의 traffic balancing 및 고속 전송을 위한 3D networking (end-to-end IAB path 설정) 및 clustering (UE grouping) 기술 개발을 위한 최적화 문제를 공식화하고, 3D networking 및 clustering을 위한 DNN 기반의 reinforcement learning 구조 및 알고리즘을 개발함. 이 때, 1-2차년도에서 개발된 알고리즘을 통합하여 최적화 연구도 함께 진행함. 또한, 초고속 이동체 지원을 위하여 fast 3D networking 및 clustering을 위한 machine learning 구조 및 알고리즘을 개발함. 그 다음 Python 환경에서 컴퓨터 시뮬레이션을 통하여 개발된 기법의 성능을 검증 및 평가함.
- 4차년도: NTN-TN 통합 네트워크 시나리오로 확장하여 네트워크 모델을 고안하고, NTN node와 TN node의 deployment 방법을 도출함. 그 다음, IAB 기반의 NTN-TN 통합 네트워크에서 분산적 무선 자원 관리를 위한 이종적/계층적 deep machine learning 기법을 개발함. 또한, downlink 시스템의 복잡도 및 overhead를 줄이기 위하여 implicit CSI feedback 기법 및 이를 지원하는 deep machine learning 기법을 개발함. Node deployment를 반영하여 Python과 Matlab을 연동한 컴퓨터 시뮬레이션을 통한 개발된 기법의 성능을 검증 및 평가함.
- 5차년도: 3GPP TR 문서를 토대로 NTN-TN 통합 네트워크의 시스템 레벨 시뮬레이터 개발을 위한 구조를 설계하고, 통합 네트워크에서 downlink/uplink half duplex와 downlink/uplink full duplex의 성능 평가를 위한 각각의 시스템 레벨 시뮬레이터를 개발함. 최종적으로 개발된 시뮬레이터를 이용한 성능 검증/평가 및 개발된 기술들의 최적화 연구를 수행함.
[Note] 상기 연차별 연구는 downlink/uplink 및 half duplex/full duplex를 각각 구분하여 독립적으로 개발을 진행함.
6세대 위성통신
비지상 네트워크
통합 엑세스 및 백홀 기술
심층 기계 학습
시스템 레벨 시뮬레이션
최신 특허
특허 전체보기
전체 특허
다중 안테나를 이용하는 무선통신 시스템 및 그 제어방법과이를 기록한 기록매체
상태
소멸출원연도
2007출원번호
1020070117531다중 반송파 무선 시스템에서 채널 품질 정보의 보고 주기결정 방법 및 장치
상태
소멸출원연도
2007출원번호
1020070109512