본 연구실은 수중음향학을 기반으로 해양 환경에서의 음파 전달 특성, 해저면 및 해수면 산란, 그리고 소나 시스템의 탐지 성능 분석에 중점을 두고 있습니다. 다양한 해양 환경(천해, 심해, 극지 등)에서의 음파 전달 실험과 수치 모델링을 통해 실제 해역의 음향 특성을 정밀하게 분석하고, 이를 바탕으로 소나 시스템의 최적 운용 조건을 도출합니다. 특히, 해저면의 지음향 인자 추정, 다중 퇴적층 구조에 따른 반사손실, 해수면 거칠기와 기포층의 영향 등 복합적인 해양 환경 요소가 음파 전달 및 탐지 성능에 미치는 영향을 심도 있게 연구합니다. 이러한 연구는 실제 해상 실험 데이터를 기반으로 하며, 다양한 주파수 대역(저주파, 중주파, 고주파)에 대한 음파 전달 실험과 해저면 반사손실, 후방산란, 잔향음 특성 분석을 포함합니다. 또한, 수중에서의 다중경로 현상, 내부파 및 소용돌이 등 해양 동적 현상이 소나 탐지 성능에 미치는 영향도 정량적으로 평가합니다. 이를 위해 포물선 방정식, 레일리 반사계수, BELLHOP 모델 등 다양한 음향 모델링 기법을 활용하며, 실험 결과와 모델 예측값을 비교하여 모델의 신뢰성을 검증합니다. 연구 결과는 해군 및 국방 분야의 소나 운용, 해양 재난 대응, 해양 자원 탐사, 해상풍력단지 환경영향 평가 등 다양한 실용적 분야에 적용되고 있습니다. 특히, 해양 환경 변화에 따른 소나 탐지 성능 예측, 최적 탐색 경로 및 센서 노드 배치, 해저 지질재해 감시 등 국가적 현안 해결에도 기여하고 있습니다.

본 연구실은 수중음향 신호처리와 인공지능(AI) 기술을 융합하여 표적 탐지 및 추적, 해양생물음 분석, 수중통신 성능 개선 등 첨단 응용 연구를 수행하고 있습니다. 수동 및 능동 소나 신호의 고도화된 신호처리 기법을 개발하여 저탐지 환경, 저신호대잡음비(SNR) 환경에서도 표적의 위치와 특성을 정확하게 추정할 수 있도록 합니다. 최근에는 딥러닝 기반 의미론적 분할, 컨볼루션 신경망(CNN), U-Net 등 최신 AI 모델을 활용하여 DEMON 그램, BTR(Bearing-Time Records) 데이터 등에서 표적 주파수선 및 방위각 정보를 자동 추출하는 기술을 선도적으로 개발하고 있습니다. 또한, 해양생물음 기반 소나 신호 연구, 해양포유류(돌고래, 물범, 상괭이 등) 음향 신호의 자동 탐지 및 분류, 해양생물 행동 모니터링 등 생체음향 분야로도 연구를 확장하고 있습니다. 이를 위해 대규모 수중음향 데이터셋을 구축하고, 노이즈 환경에서의 신호 검출률 향상, 신호의 시간-주파수 특성 분석, 신호 재현 알고리즘 개발 등 다양한 연구를 진행합니다. 더불어, 수중음향 통신 분야에서는 벡터센서, 시역전(Time Reversal), 다중채널 결합 등 첨단 신호처리 기법을 적용하여 통신 성능을 극대화하고, 해양 환경 변화에 강인한 통신 시스템을 구현하고 있습니다. 이러한 연구는 국방, 해양환경 모니터링, 해양생태계 보전, 해상풍력단지 환경영향 평가, 해양재난 대응 등 다양한 분야에 실질적으로 활용되고 있습니다. 특히, 인공지능 기반의 자동화된 표적 탐지·추적 시스템, 해양생물 보호를 위한 음향 모니터링, 해양 환경 변화에 대응하는 지능형 수중통신 시스템 개발 등 미래 해양 융합기술의 핵심을 이루고 있습니다.