도시 무선 네트워크는 연결된 기기 수의 급증과 데이터 집약적 애플리케이션의 확산으로 인해 점점 더 큰 도전에 직면하고 있으며, 이는 스펙트럼 희소성과 자원 할당의 복잡성을 악화시키고 있다. 본 논문은 데이터 중심의 프레임워크인 의미 인지형 지능형 네트워크 시스템(Semantic-aware intelligent network system, SA-INS)을 소개하며, 의미 인지형 우선순위 부여 접근을 통해 자원 관리를 재정의한다. SA-INS는 데이터의 맥락적 내용을 평가함으로써 최적의 정보가 할당되도록 보장하며, 기존의 우선순위 부여 방식보다 성능이 우수함을 보인다. 또한 의미 인지형 통신 시스템의 고유한 요구사항에 맞춘 Q-learning 기반 알고리즘을 활용한다. 이러한 개선은 확장성, 다목적 최적화, 효율적인 자원 할당을 해결한다. 밀집 환경에서의 스펙트럼 효율을 향상시키기 위해 5G 및 6G 네트워크의 고급 기법을 통합하며, 여기에는 대역 내 전이중(in-band full-duplex, IBFD), 비직교 다중 접속(non-orthogonal multiple access, NOMA), 그리고 워터 필링(water-filling) 전력 할당 알고리즘이 포함된다. 자원 분배를 더욱 정교화하기 위해 네트워크 슬라이싱을 적용하여 특정 데이터 유형에 맞춘 가상 네트워크를 생성함으로써 효율적인 품질 서비스(QoS) 제공을 보장한다. 또한 충돌하는 목표들에 대한 균형 잡힌 최적화를 달성하기 위해 비지배 정렬 유전 알고리즘 II(non-dominated sorting genetic algorithm II, NSGA-II)를 사용하는 다목적 최적화 프레임워크도 포함된다. SA-INS의 성능을 엄밀하게 모델링하고 분석하기 위한 포괄적인 수학적 프레임워크를 구축하여 시스템 역학과 트레이드오프에 대한 더 깊은 통찰을 제공한다. 마지막으로 시뮬레이션 결과는 제안된 시스템의 유효성을 검증하며, 벤치마크와 비교해 스펙트럼 효율, 지연(latency), 패킷 손실률(packet loss rates, PLR)에서 유의미한 개선을 보여준다.

무인 항공기(uNAV)는 재난 상황에서 광범위한 커버리지를 제공하면서 공공안전 지상 기지국(PSTCs)을 지원하는 항공 소형 셀(ASCs)로서의 역할을 수행하는 데 있어 이점을 제공한다. 장기 진화 기반 공공안전(PS-LTE) 사용자를 위한 신뢰성 있는 통신을 보장하기 위해서는, 실무적인 셀 연결(association) 설계와 네트워크 안정성을 위해 네트워크 성능을 정확히 이해하는 것이 중요하다. 이러한 이해는 차세대 소비자 무선 네트워크에서 셀 연결을 실무적으로 설계하고 네트워크 안정성을 유지하는 데 필수적이다. 이를 위해 먼저 유연한 편향 셀 연결(FBCA) 정책을 사용하여, PS-LTE 사용자(PUE)가 수신 신호에 대해 최대 전력을 제공하는 eNodeB(eNB)에 접속할 때 최적의 편향 계수를 선정한다. 이어서, 공존하는 PS-LTE 및 LTE 기반 고속철도(LTE-R) 네트워크와 PS-LTE 및 UAV 네트워크에서의 시스템 안정성 문제를 해결하기 위해 확률적 최적화 프로그래밍을 정식화하여 자원 할당 및 서브프레임 유형 선택을 제시한다. 또한 네트워크 안정성 문제를 해결하기 위해 동적 지연 인지 자원 할당(ADDRA)을 바탕으로 하는 최적의 거의 공백(almost blank) 서브프레임(ABS) 알고리즘을 탐색하기 위해 리아푸노프 최적화 기법을 사용한다. ADDRA를 통해 PS-LTE eNodeB(PSeNB), 공중 eNodeB(AeNBs), 그리고 LTE-R eNodeB(ReNBs)는 부착된 사용자에 대한 최신 큐를 확보하고, 이에 따라 채널 상태 정보(CSI) 피드백을 기반으로 스케줄링 자원을 위한 행렬을 계산한다. FBCA와 ADDRA를 이용한 UAV 지원 네트워크의 시뮬레이션 결과는 공존하는 PS-LTE/LTE-R 및 PS-LTE/UAV 네트워크에서 다른 최신 기술과 비교하여 유의미한 개선을 보여준다.

도시 무선 네트워크는 연결된 기기 수의 급증과 데이터 집약적 애플리케이션의 확산으로 인해 점점 더 큰 도전에 직면하고 있으며, 이는 스펙트럼 희소성과 자원 할당의 복잡성을 악화시키고 있다. 본 논문은 데이터 중심의 프레임워크인 의미 인지형 지능형 네트워크 시스템(Semantic-aware intelligent network system, SA-INS)을 소개하며, 의미 인지형 우선순위 부여 접근을 통해 자원 관리를 재정의한다. SA-INS는 데이터의 맥락적 내용을 평가함으로써 최적의 정보가 할당되도록 보장하며, 기존의 우선순위 부여 방식보다 성능이 우수함을 보인다. 또한 의미 인지형 통신 시스템의 고유한 요구사항에 맞춘 Q-learning 기반 알고리즘을 활용한다. 이러한 개선은 확장성, 다목적 최적화, 효율적인 자원 할당을 해결한다. 밀집 환경에서의 스펙트럼 효율을 향상시키기 위해 5G 및 6G 네트워크의 고급 기법을 통합하며, 여기에는 대역 내 전이중(in-band full-duplex, IBFD), 비직교 다중 접속(non-orthogonal multiple access, NOMA), 그리고 워터 필링(water-filling) 전력 할당 알고리즘이 포함된다. 자원 분배를 더욱 정교화하기 위해 네트워크 슬라이싱을 적용하여 특정 데이터 유형에 맞춘 가상 네트워크를 생성함으로써 효율적인 품질 서비스(QoS) 제공을 보장한다. 또한 충돌하는 목표들에 대한 균형 잡힌 최적화를 달성하기 위해 비지배 정렬 유전 알고리즘 II(non-dominated sorting genetic algorithm II, NSGA-II)를 사용하는 다목적 최적화 프레임워크도 포함된다. SA-INS의 성능을 엄밀하게 모델링하고 분석하기 위한 포괄적인 수학적 프레임워크를 구축하여 시스템 역학과 트레이드오프에 대한 더 깊은 통찰을 제공한다. 마지막으로 시뮬레이션 결과는 제안된 시스템의 유효성을 검증하며, 벤치마크와 비교해 스펙트럼 효율, 지연(latency), 패킷 손실률(packet loss rates, PLR)에서 유의미한 개선을 보여준다.

무인 항공기(uNAV)는 재난 상황에서 광범위한 커버리지를 제공하면서 공공안전 지상 기지국(PSTCs)을 지원하는 항공 소형 셀(ASCs)로서의 역할을 수행하는 데 있어 이점을 제공한다. 장기 진화 기반 공공안전(PS-LTE) 사용자를 위한 신뢰성 있는 통신을 보장하기 위해서는, 실무적인 셀 연결(association) 설계와 네트워크 안정성을 위해 네트워크 성능을 정확히 이해하는 것이 중요하다. 이러한 이해는 차세대 소비자 무선 네트워크에서 셀 연결을 실무적으로 설계하고 네트워크 안정성을 유지하는 데 필수적이다. 이를 위해 먼저 유연한 편향 셀 연결(FBCA) 정책을 사용하여, PS-LTE 사용자(PUE)가 수신 신호에 대해 최대 전력을 제공하는 eNodeB(eNB)에 접속할 때 최적의 편향 계수를 선정한다. 이어서, 공존하는 PS-LTE 및 LTE 기반 고속철도(LTE-R) 네트워크와 PS-LTE 및 UAV 네트워크에서의 시스템 안정성 문제를 해결하기 위해 확률적 최적화 프로그래밍을 정식화하여 자원 할당 및 서브프레임 유형 선택을 제시한다. 또한 네트워크 안정성 문제를 해결하기 위해 동적 지연 인지 자원 할당(ADDRA)을 바탕으로 하는 최적의 거의 공백(almost blank) 서브프레임(ABS) 알고리즘을 탐색하기 위해 리아푸노프 최적화 기법을 사용한다. ADDRA를 통해 PS-LTE eNodeB(PSeNB), 공중 eNodeB(AeNBs), 그리고 LTE-R eNodeB(ReNBs)는 부착된 사용자에 대한 최신 큐를 확보하고, 이에 따라 채널 상태 정보(CSI) 피드백을 기반으로 스케줄링 자원을 위한 행렬을 계산한다. FBCA와 ADDRA를 이용한 UAV 지원 네트워크의 시뮬레이션 결과는 공존하는 PS-LTE/LTE-R 및 PS-LTE/UAV 네트워크에서 다른 최신 기술과 비교하여 유의미한 개선을 보여준다.

비지상 네트워크(Non-terrestrial network, NTN) 시스템은 고이동성을 필요로 하는 응용에 대해 광역 커버리지를 제공할 수 있으며, 이는 통신 시스템의 6세대(6G)에서 기대된다. 본 논문은 NTN 연결성을 위한 5G-NR 물리 계층 구성요소를 기반으로 한 고이동성 지원 시스템을 제안한다. 본 논문에서는 5G-NR numerology의 최적화와 다양한 변조 및 부호화 방식(MCS), 3GPP NR-NTN 채널 모델, 그리고 파일럿 보조 기반 완벽한 채널 추정과 DM-RS 기반 실용적 채널 추정(각각 정지 UE와 500 km/h 고이동성) 하에서의 링크 레벨 시뮬레이션을 통해 MIMO/빔포밍 방식을 평가하는 것을 제안한다. 또한 본 논문은 3GPP NR-NTN 탭 지연선(tapped delay line, TDL) 채널 모델 하에서 5G-NR 물리 하향링크 공유 채널(Physical downlink shared channel, PDSCH)의 링크 레벨 시뮬레이션을 개발하여 UE 이동성이 500 km/h까지 가능하도록 지원한다. 비트 오류율(BER), 최대 달성 처리량(Mbps), 및 스펙트럼 효율(bps/Hz)을 분석하여 NTN의 진화에 활용될 수 있는 5G-NR 기반 잠재 요소를 평가한다. 더 나아가, 시뮬레이션 결과가 전방 배치 심볼 구조(front-loaded symbol structure) 사용 시 빠른 디코딩 능력을 입증함에 따라, 고이동성을 지원하기 위한 채널 추정 활용 목적의 더 조밀한 DM-RS 심볼 패턴을 제안한다. 시뮬레이션 결과에 따르면 120 kHz와 DM-RS 기반 채널 추정과 같은 큰 5G-NR numerology는 높은 링크 신뢰성과 최대 달성 처리량 368.832 Mbps, TDL-E(LOS) 채널 모델에서의 스펙트럼 효율 3.68 bps/Hz를 제공함으로써 고 UE 이동성을 지원한다. 이는 6G 서비스의 NTN에서 아음속(전이음속) 속도 이동성을 지원하기 위한 잠재적 해결책이 될 수 있다.

6G 무선 네트워크로의 진화는 비지상 네트워크(Non-Terrestrial Networks, NTN)를 전 세계 어디서나 연결 가능한 보편적 글로벌 연결을 위한 핵심 가능요소로 자리매김시켰다. NTN 아키텍처 중에서도 Ka-band 주파수에서 동작하는 매우 저궤도(Very Low Earth Orbit, VLEO) 위성은 더 우수한 링크 버짓(link budget)과 더 낮은 지연을 제공한다. 그러나 7.7 km/s에 이르는 극단적인 궤도 속도는 다수의 부반송파 간격을 가로지르는 심각한 반송파 주파수 오프셋(Carrier Frequency Offset, CFO) 문제를 야기하며, 이는 기존의 추정 역량을 크게 초과한다. 부반송파의 분수(fractional) 구간 범위 내에서 CFO가 유지되는 지상 시스템과 달리, VLEO 시스템에서는 막대한 도플러 이동(massive Doppler shifts)으로 인해 OFDMA 부반송파의 직교성이 저하되어, 세심하게 설계된 파형이 간섭이 지배하는 신호로 변질된다. 기존 접근법은 정수(integer)와 분수(fractional) CFO 추정을 독립적인 순차 문제로 취급함으로써 이들의 근본적인 결합을 무시하고, 오류 전파로 인한 지속적인 동기화 실패를 초래하여 성능 저하가 상당하다. 본 논문은 결합된 정수-분수 CFO 추정 문제를 단일한 기계학습으로 해결하는 듀얼 헤드(dual-head) 시간순환 합성곱 신경망(Temporal Convolutional Network, TCN) 아키텍처를 제안한다. 2단계 프레임워크는 Stage 01에서 듀얼 헤드 TCN을 활용하여 정수 및 분수 성분을 함께 추정함으로써 광범위한 거친 획득(wide-range coarse acquisition)을 수행하고, Stage 02에서는 잔여 오프셋이 작은 경우에 최적화된 위상 고정 루프(phase-locked loop) 기법을 통해 정밀 추적을 제공한다. 지상 사용자와 공중 사용자 모두에 대해 극단적인 VLEO 시나리오 전반에 걸친 포괄적 시뮬레이션 결과, 시스템 수준 성능이 우수함을 확인하였다: 정수 분류 정확도 97.7%, 분수 추정 RMSE 0.1229, 이상적인 보상 대비 비트 오류율이 0.1 dB 이내로 나타나, 고도플러 조건에서 시스템 성능이 저하되는 기존 방법 대비 실질적인 성능 향상을 보여준다. 또한 CNN, LSTM, Transformer 아키텍처에 대한 백본 비교를 통해 TCN의 우수한 정확도-복잡도(trade-off) 관계가 확인되었고, 절제(ablation) 실험은 각 아키텍처 구성요소의 필요성을 검증하였다.

다중 객체 추적(Multi-object tracking, MOT)의 목표는 객체의 위치를 추정하고 그 정체성을 일관되게 유지하여 각 객체의 개별 궤적을 산출하는 것이다. 서로 다른 센서의 장점을 활용하여 추적 성능을 향상시킬 수 있으므로, 3D MOT를 달성하기 위해 다중 센서 정보를 융합하는 것이 하나의 추세가 되었다. 그러나 다양한 특성의 특징을 융합해야 하며, 상당한 노ise로 인해 잘못된 연관(wrong association)이 발생할 수 있어 이는 어려운 작업이다. 본 논문에서는 카메라-라이다(camera-Lidar) 정보 융합 기반 MOT 프레임워크를 강화하기 위해, 친화도(affinity) 함수를 생성하는 적응 가중치 매개변수 기반 다중 특징 융합과 데이터 연관 탐색 범위의 적응적 설정을 함께 제안한다. 먼저, 두 센서에서 검출된 결과를 세 가지 범주로 나눈다. 그런 다음, 운동(motion) 정보와 외관(appearance) 정보를 모두 충분히 활용하기 위해, 외관 정보를 운동 정보에 내재화하기 위한 적응 가중치 매개변수 설정을 제안하여 데이터 연관을 위한 친화도 함수를 구성하는 기반을 마련한다. 또한 객체의 일시적 가림(occlusion) 또는 시야 이탈(out-of-view)로 인해 발생하는 잘못된 연관을 완화하기 위해, 추적 궤적이 사라지는 프레임 수를 기반으로 연관 탐색 영역을 적응적으로 조정하는 방법을 도입한다. 마지막으로, 상당한 노ise로 인한 외관 정보 오염(appearance information pollution)을 방지하기 위해, 신뢰도 점수(confidence score) 기반의 추적 궤적 외관 특징 업데이트 전략을 탐구한다. KITTI 및 nuScenes MOT 벤치마크에 대한 실험 결과는 다른 최신(state-of-the-art) MOT 방법들에 비해 현저한 성능 향상을 보이며, 설계한 모듈들의 효과를 입증한다.

차량 온보드 유닛(OBU) 센서만에 의존하는 전통적인 자율주행 시스템은 지각 범위의 한계 및 센서 가림(occlusion)과 같은 어려움에 자주 직면한다. 반면, 도로변 인프라 센서에만 의존하는 시스템은 차량 수준의 정확한 의사결정을 위해 필요한 세부 정밀 데이터가 부족할 수 있다. 이러한 문제를 해결하기 위해, 본 논문은 차량-인프라 멀티센서 융합(Vehicle-to-Infrastructure Multi-Sensor Fusion, V2I-MSF) 프레임워크를 제시하며, 이는 차량 OBU로부터의 LiDAR 및 카메라 데이터와 도로변 인프라의 센서 데이터를 통합한다. 이러한 융합은 환경 시각화를 향상시키고 자율주행 차량의 보다 정보에 기반한 의사결정을 지원한다. 더불어, 융합된 센서 데이터를 처리하도록 설계된 행위자-비평가(Actor-Critic) 강화학습(RL) 모델을 제안하여 정밀한 동작(모션) 추정, 장애물 회피, 차선 예측을 가능하게 한다. 제안된 프레임워크는 특히 복잡한 도시 교차로 시나리오에서 정확도, 확장된 지각 범위, 의사결정의 견고성 측면에서 유의미한 개선을 보인다. 시뮬레이션 결과는 V2I-MSF 접근법의 효과성을 검증하였으며, 단독 센서 구성에 비해 더 안전하고 효율적인 주행 환경을 조성하는 데 우수함을 보여준다.

지상-항공 간(Air-to-Ground, A2G) 연동은 위성 링크에 비해 더 유망한 해결책을 제공하는데, 이는 지연(latency)이 낮고 처리량(throughput)이 높기 때문이다. 그러나 이러한 연동은 특히 공채널 간섭(co-channel interference)과 관련하여 중대한 과제에 직면해 있으며, 이에 따라 고도화된 간섭 완화(interference mitigation) 전략의 개발이 필요하다. 본 논문은 동적 시간분할 듀플렉싱(dynamic Time-Division Duplexing, D-TDD) 시스템에서 항공 업링크(UL)와 지상 다운링크(DL) 통신의 공존을 조사한다. 이때 항공 사용자로부터의 UL 전송은 TN 사용자들의 DL 전송에 심각한 간섭을 유발한다. A2G 시스템에서 사용자 간 간섭(user-to-user interference, UL-DL) 문제를 해결하기 위해, 본 연구는 무선 프레임 구성(radio frame configuration, RFC) 선택을 위한 슬라이딩 코드북(sliding codebook) 접근을 통합하고, 서브프레임 불정렬(subframe misalignment)을 해소하며 간섭을 감소시키기 위한 동적 서브프레임 스와핑(dynamic subframe swapping) 메커니즘을 포함하는 새로운 코드북 기반 간섭 완화(Codebook-Based Interference Mitigation, CBIM) 프레임워크를 제안한다. 서브프레임 배치를 최적화함으로써, 해당 프레임워크는 간섭을 효과적으로 최소화하는 동시에 자원 활용을 개선한다. 시뮬레이션 결과는 프레임워크의 유효성을 입증하며, 간섭을 20.37% 감소시키고 처리량을 28.21% 증가시켜 CBIM이 차세대 통신 시스템에서의 미래 TN-NTN 통합을 위한 견고하고 효율적인 해법임을 보여준다.