의미기반 무선통신을 위한 데이터 중심 스펙트럼·자원관리 지능화 연구

Data-Centric Spectrum and Resource Management for Semantic-Aware Wireless Communications

연구 내용

의미기반 통신에서 데이터 맥락을 반영한 우선순위와 Q-learning 기반 자원배분으로 스펙트럼 효율·지연·손실을 균형화하는 연구

연구실은 의미기반(semantic) 무선통신에서 데이터의 맥락을 자원관리 의사결정에 반영하는 체계를 연구합니다. 의미 통신의 구조와 멀티미디어·태스크 유형을 정리하고, 이를 기반으로 semantic-aware intelligent network system을 구축합니다. SA-INS는 데이터 컨텍스트를 평가해 정보 우선순위를 결정하고, Q-learning 기반 알고리즘으로 자원 배분을 수행합니다. 또한 네트워크 슬라이싱을 적용해 데이터 유형별 가상망을 구성하고, IBFD·NOMA·water-filling 기반 스펙트럼 효율 요소와 NSGA-II 기반 멀티목표 최적화를 결합하여 성능 균형을 분석합니다.

관련 프로젝트

1건

연구 흐름

초기에는 의미기반 무선통신의 개념과 아키텍처 요소를 정리하고, 단일 및 멀티태스크 환경에서의 적용 가능성을 분류하는 연구를 수행했습니다. 이후 의미 정보를 기반으로 우선순위를 재정의하는 SA-INS를 설계하고, Q-learning 기반 자원관리 정책을 포함하도록 확장했습니다. 다음 단계로 스펙트럼 효율을 높이기 위해 5G·6G 계열의 IBFD와 NOMA, water-filling 전력배분을 자원관리 구성요소로 통합했습니다. 마지막으로 네트워크 슬라이싱과 NSGA-II 멀티목표 최적화를 통해 품질서비스 요구를 반영하는 방향으로 심화했으며, 밀집 환경에서 시뮬레이션 성능을 검증했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

의미 우선순위 기반 스케줄링
Q-learning 자원관리 정책
네트워크 슬라이싱 QoS 제어
데이터 지향 스펙트럼 효율 향상
IBFD 기반 간섭 제어 전략
NOMA 자원분할 설계
멀티목표 최적화 프레임워크
표준화·보안 요구사항 검토용 모델
Semantic-communication 적합성 평가
도심형 무선운영 자동화