INHA SPML
인공지능공학과 박대영
INHA SPML(신호처리 및 기계학습 연구실)은 무선 통신 시스템의 신호처리, 최적화, 그리고 인공지능 융합 기술을 선도적으로 연구하는 연구실입니다. 본 연구실은 대규모 MIMO, OFDM, 6G 등 차세대 무선 통신 환경에서 발생하는 다양한 신호처리 문제를 해결하기 위한 이론적·실용적 접근법을 개발하고 있습니다. 신호 검출, 채널 추정, 사용자 스케줄링, 자원 및 전력 할당 등 무선 통신의 핵심 요소를 다루며, 실제 환경에서의 성능 향상과 효율성 증진을 목표로 하고 있습니다.
최근에는 지능형 반사 표면(IRS)을 활용한 무선 채널 환경 제어, 보안 통신, 에너지-전송률 동시 최적화, 그리고 연합학습 기반의 분산 무선 네트워크 혁신 기술에 집중하고 있습니다. IRS와 연합학습의 결합을 통해, 초연결·초지능 네트워크 구현에 필요한 신호 품질, 에너지 효율성, 보안성, 그리고 실시간 학습 성능을 동시에 달성할 수 있는 첨단 알고리즘을 개발하고 있습니다.
또한, 딥러닝 및 기계학습 기반의 신호처리 알고리즘 연구도 활발히 진행 중입니다. 인공신경망, LSTM, ADMM, LISTA 등 다양한 딥러닝 모델을 활용하여, 대규모 MIMO 환경에서의 신호 검출, 희소 신호 복원, 블라인드 신호 검출, 스펙트럼 센싱 등 다양한 문제를 데이터 기반으로 해결하고 있습니다. 이러한 연구는 국내외 특허, 국제 저널, 그리고 산학협력 프로젝트를 통해 그 우수성을 인정받고 있습니다.
본 연구실은 한국연구재단, 정보통신기획평가원 등 다양한 국가 연구과제와 산업체 협력 프로젝트를 수행하며, 실제 통신 네트워크에서의 적용 가능성을 높이기 위해 이론적 모델링, 시뮬레이션, 실험적 검증을 병행하고 있습니다. 또한, 우수한 연구 인재 양성에도 힘쓰고 있으며, 다수의 학생들이 국내외 유수 연구기관 및 산업체에 진출하고 있습니다.
INHA SPML은 앞으로도 신호처리, 무선 통신, 인공지능 융합 분야에서 혁신적인 연구를 지속하며, 차세대 통신 시스템의 발전과 산업 현장의 실질적 문제 해결에 기여할 것입니다.
Wireless Communication
Optical Communication
Machine Learning
무선 통신을 위한 신호처리 및 최적화
본 연구실은 무선 통신 시스템에서의 신호처리 및 최적화 기술 개발에 중점을 두고 있습니다. 특히, 대규모 MIMO 시스템, OFDM, 그리고 차세대 6G 통신 환경에서 발생하는 다양한 신호처리 문제를 해결하기 위한 이론적 및 실용적 접근법을 연구합니다. 신호 검출, 채널 추정, 사용자 스케줄링, 전력 및 자원 할당 등 무선 통신의 핵심 요소를 다루며, 실제 환경에서의 성능 향상을 목표로 하고 있습니다.
최근에는 대규모 안테나 시스템에서의 저복잡도 신호 검출 알고리즘, 블라인드 등화, 압축 센싱 기반의 채널 추정, 그리고 다중 사용자 환경에서의 효율적인 자원 관리 기법을 개발하고 있습니다. 이러한 연구는 Massive MIMO, IoT, 그리고 초고속·초저지연 통신을 실현하기 위한 기반 기술로서, 다양한 국제 저널 및 특허로 그 성과를 인정받고 있습니다.
또한, 본 연구실은 실제 통신 네트워크에서의 적용 가능성을 높이기 위해, 이론적 모델링과 시뮬레이션뿐만 아니라 실험적 검증도 병행하고 있습니다. 이를 통해 차세대 무선 통신 시스템의 신뢰성, 효율성, 그리고 보안성을 동시에 강화하는 것을 목표로 하고 있습니다.
지능형 반사 표면 및 연합학습 기반 무선 네트워크 혁신
지능형 반사 표면(Intelligent Reflecting Surface, IRS)과 연합학습(Federated Learning)을 결합한 차세대 무선 네트워크 혁신 기술을 연구하고 있습니다. IRS는 무선 채널 환경을 능동적으로 제어하여 신호 품질을 극대화하고, 에너지 효율성과 보안성을 동시에 향상시킬 수 있는 첨단 기술입니다. 본 연구실은 IRS를 활용한 MIMO 시스템의 보안 용량 최적화, 에너지-전송률 동시 최적화, 그리고 실제 환경에서의 반사 계수 설계 알고리즘을 개발하고 있습니다.
연합학습 분야에서는 무선 네트워크 환경에서의 실시간 분산 학습을 위한 OTA(Over-the-Air) 연산, 빔포밍 벡터 설계, 디바이스 선택 및 집계 오류 최소화 기법을 연구합니다. 특히, 다양한 디바이스가 참여하는 환경에서의 학습 성능 저하 문제를 해결하기 위해, 스파스 최적화, 주어진 제약 조건 하에서의 효율적 자원 배분, 그리고 저복잡도 알고리즘을 제안하고 있습니다.
이러한 연구는 미래의 6G, IoT, 스마트 시티, 자율주행 등 다양한 응용 분야에서 요구되는 초연결·초지능 네트워크 구현에 필수적인 기반 기술로, 국내외 특허와 학술지, 그리고 산학협력 프로젝트를 통해 그 우수성을 입증하고 있습니다.
딥러닝 및 기계학습 기반 신호처리 알고리즘
본 연구실은 딥러닝 및 기계학습을 활용한 신호처리 알고리즘 개발에 선도적인 역할을 하고 있습니다. 전통적인 신호처리 기법의 한계를 극복하기 위해, 인공신경망, LSTM, ADMM 기반의 학습 가능한 신호 검출 네트워크, 그리고 LISTA 등 다양한 딥러닝 모델을 무선 통신 신호 검출, 채널 추정, 스펙트럼 센싱 등에 적용하고 있습니다.
특히, 대규모 MIMO 환경에서의 신호 검출 문제를 딥러닝 기반으로 해결함으로써, 기존 알고리즘 대비 복잡도는 낮추고 성능은 크게 향상시키는 연구 성과를 내고 있습니다. 또한, 희소 신호 복원, 블라인드 신호 검출, 그리고 비지도 학습 기반의 신호 분류 등 다양한 신호처리 문제에 대해 데이터 기반의 최적화 방법론을 제시하고 있습니다.
이러한 연구는 삼성전자 휴먼테크논문대상, 한국통신학회 등에서 다수의 수상 실적을 거두었으며, 실제 산업 현장과의 협력을 통해 실용화 가능성도 높이고 있습니다. 앞으로도 인공지능과 신호처리의 융합을 통해, 차세대 통신 시스템의 혁신을 이끌어갈 계획입니다.
1
Beamforming Vector Design and Device Selection in Over-the-Air Federated Learning
M. Kim, A. Lee Swindlehurst, D. Park
IEEE Transactions on Wireless Communications, 2023.11
2
Intelligent Reflecting Surface-Aided MIMO Secrecy Rate Maximization
M. Kim, D. Park
ICT Express, 2022.12
3
Learnable MIMO Detection Networks based on Inexact ADMM
M. Kim, D. Park
IEEE Transactions on Wireless Communications, 2021
1
Utilizing Structured Light to Enable Both 3 D Probing of Turbulence and Resilient High Capacity Communications Through Turbulence
3
대규모 연결을 위한 사물인터넷 시스템 최적화 연구
