RnDCircle Logo
arrow left icon

Statistical Intelligence Lab

고려대학교 컴퓨터학과

정원주 교수

Statistical Intelligence Lab

컴퓨터학과 정원주

Statistical Intelligence Lab(Statistical Machine Learning Lab)은 인공지능, 신호처리, 뇌-컴퓨터 인터페이스(BCI), 레이더 신호처리 등 다양한 분야에서 첨단 딥러닝 및 기계학습 알고리즘을 연구하는 선도적 연구실입니다. 본 연구실은 딥러닝 기반 신호처리, 음성처리, 뇌신호 분석, 분산 레이더 및 무선 센서 네트워크 신호처리 등 다양한 응용 분야에서 세계적인 연구 성과를 창출하고 있습니다. 음성 신호처리 분야에서는 텍스트-음성 변환, 음성 향상, 위상 복원 등 다양한 문제를 해결하기 위한 심층 신경망 및 신경 보코더 기술을 개발하고 있습니다. 특히, 잡음 환경에서도 견고한 음성 인식 및 합성 기술, 오디오-비디오 융합 음성 향상 기법 등 실제 환경에 적용 가능한 혁신적인 알고리즘을 제시하고 있습니다. 뇌-컴퓨터 인터페이스(BCI) 및 뇌신호 분석 분야에서는 EEG 신호의 특징 추출, 운동 심상 분류, 수면 단계 분류, 인지 과제 분류 등 다양한 응용을 위해 딥러닝, 리만 기하 기반 신경망, 최적 전극 선택 등 첨단 기법을 융합하고 있습니다. 이러한 연구는 의료 진단, AR/VR 기기 제어, 비침습적 BCI 시스템 개발 등 실생활 응용으로 확장되고 있습니다. 분산 MIMO 레이더 및 무선 센서 네트워크 신호처리 분야에서는 다중 표적 위치 추정, 클러터 억제, 재머 신호 분리, 강화학습 기반 빔성형 등 다양한 신호처리 및 기계학습 기반 알고리즘을 개발하고 있습니다. 국방, 보안, 스마트 시티 등 다양한 산업 및 공공 분야에서 실시간 위치 추정 및 환경 인식 시스템의 성능 향상에 기여하고 있습니다. 본 연구실은 이론적 연구와 실용적 응용을 동시에 추구하며, 다수의 국제 저명 학술지 논문, 특허, 산학연 협력 과제 등을 통해 인공지능 및 신호처리 분야의 혁신을 선도하고 있습니다. 앞으로도 인공지능과 신호처리의 융합을 통한 새로운 패러다임 창출에 앞장설 것입니다.

딥러닝 기반 신호처리 및 음성처리
본 연구실은 딥러닝 알고리즘을 활용한 다양한 신호처리 및 음성처리 기술 개발에 중점을 두고 있습니다. 특히, 음성 신호의 텍스트-음성 변환(Text-to-Speech, TTS) 및 음성 향상(Speech Enhancement) 분야에서 심층 신경망(Deep Neural Network)과 도메인 특화 지식을 결합한 신경 보코더(Neural Vocoder) 개발에 주력하고 있습니다. 이를 통해 자연어처리(NLP) 기반의 딥러닝 알고리즘을 음성 합성 시스템에 적용하여, 더욱 자연스럽고 고품질의 음성 합성 결과를 도출하고 있습니다. 또한, 잡음 환경에서도 견고한 음성 향상 기술을 개발하기 위해, 신경망 기반의 잡음 저감 및 오디오-비디오 융합 음성 향상(AVSE) 기법을 연구하고 있습니다. 비디오에서 추출한 특징을 음성 신호와 결합하여, 기존의 오디오 기반 음성 향상 기법보다 더욱 우수한 성능을 달성하고 있습니다. 이러한 연구는 실제 환경에서의 음성 인식 및 통신 품질 향상에 크게 기여하고 있습니다. 이외에도, 음성 신호의 위상 복원, 신호의 잡음 억제, 신호 분리 등 다양한 신호처리 문제에 대해 딥러닝 및 기계학습 기반의 혁신적인 알고리즘을 지속적으로 개발하고 있습니다. 연구 결과는 국제 저명 학술지 및 특허로 다수 발표되고 있으며, 실제 산업 현장에 적용 가능한 기술로 발전하고 있습니다.
뇌-컴퓨터 인터페이스(BCI) 및 뇌신호 분석
뇌-컴퓨터 인터페이스(BCI) 분야에서 본 연구실은 뇌전도(EEG) 신호 분석을 위한 딥러닝 및 기계학습 기반의 첨단 알고리즘을 개발하고 있습니다. EEG 신호의 특징 추출을 위해 심층 신경망을 활용하여, 운동 심상(Motor Imagery) 분류, 수면 단계 분류, 인지 과제 분류 등 다양한 응용 분야에서 높은 정확도를 달성하고 있습니다. 특히, 주의(attention) 메커니즘을 적용한 신경 인코더와 다중 대역 신호 분석 기법을 통해, 복잡한 뇌파 신호 내의 유의미한 패턴을 효과적으로 포착하고 있습니다. 운동 심상 분류에서는 다중 대역 CNN, 리만 기하 기반 신경망, 최적 전극 선택 등 다양한 신호처리 및 기계학습 기법을 융합하여, 피험자별 특성에 최적화된 분류 모델을 개발하고 있습니다. 또한, 수면 단계 분류에서는 비전 트랜스포머(Vision Transformer)와 이중 단계 어텐션 메커니즘을 적용하여, 긴 수면 시퀀스에서도 과적합을 방지하고 높은 분류 성능을 보장하는 혁신적인 방법을 제시하고 있습니다. 이러한 연구는 비침습적 BCI 시스템의 실용화, 의료 진단 지원, AR/VR 기기 제어 등 다양한 실생활 응용으로 확장되고 있습니다. 실제로, 뇌인지컴퓨팅 SW 플랫폼 개발 및 관련 특허 출원 등 산학연 협력 연구를 활발히 수행하고 있습니다.
분산 MIMO 레이더 및 무선 센서 네트워크 신호처리
본 연구실은 분산 다중입출력(MIMO) 레이더 시스템 및 무선 센서 네트워크(WSN)에서의 신호처리 및 표적 위치 추정 알고리즘 개발에 탁월한 연구 역량을 보유하고 있습니다. 다중 표적 환경에서의 효율적인 위치 추정, 비정상적 클러터 억제, 재머 신호 분리 등 다양한 문제를 해결하기 위해, 기하학적 특성 기반의 그룹핑, 칼만 필터 기반의 파라미터 추정, 강화학습 기반의 빔성형 등 첨단 알고리즘을 개발하고 있습니다. 특히, 바이스태틱 및 분산 MIMO 레이더 환경에서의 표적 위치 추정 문제에 대해, 기존의 복잡한 연산을 대체할 수 있는 기하학적 접근법과 타원체 모델링, 반복적 선형 근사, 확장된 BRM 기법 등 다양한 혁신적 방법론을 제시하고 있습니다. 또한, 무선 센서 네트워크에서는 RSS/AOA 측정값을 활용한 하이브리드 위치 추정, 송신 전력 및 경로 손실 지수의 동시 추정 등 실용적이고 견고한 알고리즘을 연구하고 있습니다. 이러한 연구는 국방, 보안, 스마트 시티, 자율주행 등 다양한 분야에서의 실시간 위치 추정 및 환경 인식 시스템의 성능 향상에 크게 기여하고 있습니다. 다수의 특허와 연구 과제를 통해 실제 산업 및 공공 분야에 적용 가능한 기술로 발전시키고 있습니다.
1
Sleep Staging using Compressed Vision Transformer with novel Two-Step Attention Weighted Sum
Hyounggyu Kim, Moogyeong Kim, Wonzoo Chung
IEEE Access, 2025
2
Phase Retrieval using Deep Dual Alternating Direction Method of Multipliers Network with Deep Sparse Prior Knowledge
Moogyeong Kim, Wonzoo Chung
IEEE Transactions on Audio, Speech and Language Processing, 2025
3
A novel geometric-based bistatic range grouping algorithm for multi-target localization in distributed MIMO radar systems
Seyoung Kang, Hyuksoo Shin, Wonzoo Chung
Expert Systems with Applications, 2024
1
[RCMS][위탁/면세]항법 신호 부재 환경에서의 3차원 위치 좌표 획득 연구
국방과학연구소
2023년 11월 ~ 2024년 12월
2
(BCI-총괄/1세부)생각만으로 실생활 기기 및 AR/VR 디바이스를 제어하는 비침습 BCI 통합 뇌인지컴퓨팅 SW 플랫폼 기술 개발
정보통신기획평가원
2023년 ~ 2023년 12월
3
4단계 BK21 인공지능학교육연구단 국고지원금
교육부
2021년 03월 ~ 2022년 02월