본 연구실은 디지털 신호처리(Digital Signal Processing, DSP)와 물리계층 보안(Physical Layer Security) 분야에서 선도적인 연구를 수행하고 있습니다. 디지털 신호처리는 정보의 획득, 변환, 저장, 전송 및 복원 과정에서 발생하는 다양한 신호를 효과적으로 처리하는 핵심 기술로, 통신, 센서 네트워크, 사물인터넷(IoT) 등 다양한 응용 분야에서 필수적인 역할을 합니다. 특히, 본 연구실은 무선 통신 환경에서의 신호처리 기법 개발에 집중하여, 신호의 왜곡, 잡음, 간섭 등 다양한 문제를 해결하고 신뢰성 높은 데이터 전송을 실현하는 데 주력하고 있습니다. 물리계층 보안 기술은 기존의 암호화 방식과 달리, 무선 채널의 고유 특성을 활용하여 데이터의 기밀성과 무결성을 보장하는 차세대 보안 방법입니다. 본 연구실에서는 채널 상태 정보, 위상, 진폭 등 물리적 특성을 이용한 인증 및 키 생성 기법, PUF(Physical Unclonable Function) 기반 인증, 그리고 다양한 공격 시나리오에 강인한 보안 프로토콜을 개발하고 있습니다. 최근에는 IoT 환경에서 경량화된 인증 및 키 합의 프로토콜, 다중 주파수 대역을 활용한 실내 채널 기반 인증 등 실용적인 보안 솔루션 연구도 활발히 진행 중입니다. 이러한 연구는 IEEE Access, IEEE IoT Journal 등 국제 저널 및 학술대회에서 다수의 논문으로 발표되었으며, 관련 특허도 다수 출원 및 등록되어 있습니다. 실제 USRP 기반 실험 및 시뮬레이션을 통해 이론적 성과를 실증하고, 산업 현장에 적용 가능한 기술로 발전시키고 있습니다. 앞으로도 본 연구실은 차세대 무선 통신 및 IoT 환경에서의 신뢰성과 보안을 동시에 달성할 수 있는 혁신적인 신호처리 및 보안 기술 개발에 매진할 것입니다.

스마트 에너지 시스템과 전력 데이터 분석·예측 분야는 본 연구실의 또 다른 핵심 연구 영역입니다. 에너지 소비의 효율화와 신재생에너지의 확산, 전기차(EV) 및 스마트 빌딩의 보급 확대에 따라, 대규모 전력 데이터의 수집, 분석, 예측 기술의 중요성이 점점 커지고 있습니다. 본 연구실은 스마트 미터, AMI(Advanced Metering Infrastructure), IoT 센서 등에서 발생하는 대용량 전력 데이터를 효과적으로 압축, 복원, 이상 탐지, 결측값 보정, 부하 예측 등에 활용할 수 있는 다양한 신호처리 및 머신러닝 기반 기법을 연구하고 있습니다. 특히, 딥러닝 기반 부하 분해 및 예측, 강화학습을 활용한 에너지 설비 제어, 클러스터링 및 임퓨테이션을 통한 결측 데이터 처리, 전기차 충방전 스케줄링 및 V2G(Building-to-Grid) 연계 최적화 등 실질적인 에너지 관리 문제 해결에 중점을 두고 있습니다. 또한, 환경 정보, 기상 데이터, 교통량 등 다양한 외부 요인을 통합적으로 고려하여 전력 수요를 예측하는 하이브리드 모델도 개발하고 있습니다. 이러한 연구는 실제 하수처리장, 빌딩, 전기차 충전소 등 다양한 현장 데이터와 연계되어 실증적으로 검증되고 있습니다. 본 연구실의 에너지 데이터 분석 및 예측 기술은 관련 특허와 산학협력 프로젝트, 정부과제 등을 통해 산업계와 공공분야에 폭넓게 적용되고 있습니다. 앞으로도 에너지 효율화, 탄소중립, 스마트 시티 구현 등 사회적 요구에 부응하는 첨단 에너지 데이터 분석 및 예측 기술 개발에 지속적으로 기여할 계획입니다.

본 연구실은 레이저 유도 붕괴 분광법(Laser-Induced Breakdown Spectroscopy, LIBS)을 활용한 산업용 신호처리 및 머신러닝 응용 연구에서도 국내외적으로 독보적인 성과를 내고 있습니다. LIBS는 다양한 금속 및 재료의 성분을 신속하게 분석할 수 있는 기술로, 금속 스크랩 자동 분류, 재활용, 환경 모니터링, 바이오 및 의료 분야 등에서 활용도가 높습니다. 본 연구실은 LIBS 신호의 전처리, 특징 추출, 스펙트럼 데이터의 차원 축소, 머신러닝 기반 분류 및 회귀, 도메인 적응, 전이학습 등 첨단 신호처리 및 인공지능 기법을 융합하여 산업 현장에 적용 가능한 실시간 자동 분류 시스템을 개발하고 있습니다. 특히, 금속 스크랩의 고속 분류 및 재활용을 위한 LIBS 기반 자동화 시스템, 표준물질 기반 데이터 증강 및 전이학습, 환경 변화에 강인한 분류 알고리즘, 실시간 분광 데이터 처리 및 시각화 기술 등 다양한 연구를 수행하고 있습니다. 이러한 연구는 한국환경산업기술원, 한국지질자원연구원 등과의 산학협력 및 정부과제를 통해 실제 산업 현장에 적용되고 있으며, 관련 특허와 논문도 다수 발표되었습니다. 향후에는 LIBS와 인공지능 기술의 융합을 더욱 심화하여, 자원 재활용, 환경 오염물 처리, 바이오 진단 등 다양한 분야로 연구를 확장할 예정입니다. 본 연구실은 신호처리와 AI의 융합을 통한 산업 혁신과 지속가능한 미래 사회 구현에 기여하고자 합니다.