RnDCircle Logo
arrow left icon

YOUNG-JOO SUH

포항공과대학교 컴퓨터공학과

서영주 교수

Vertical Handover

Full-Duplex Wireless Communication

Indoor Localization

YOUNG-JOO SUH

컴퓨터공학과 서영주

서영주 교수 연구실은 인공지능, 딥러닝, 사물인터넷, 차세대 네트워크 시스템 등 첨단 정보통신기술 분야에서 선도적인 연구를 수행하고 있습니다. 본 연구실은 인간 행동 인식, 제스처 감지, 실내 위치 인식, AIoT, 무선 네트워크 프로토콜 등 다양한 주제를 아우르며, 이론적 연구와 실용적 응용을 동시에 추구하고 있습니다. 딥러닝 기반 인간 행동 인식 및 제스처 감지 연구는 스마트 홈, 헬스케어, 산업 안전 등 다양한 분야에서 활용될 수 있는 핵심 기술로, 센서 및 영상 데이터를 활용한 정밀 인식 알고리즘 개발에 집중하고 있습니다. 실시간 처리와 경량화, 노이즈에 강인한 모델 설계 등 실제 환경 적용을 위한 다양한 기술적 도전도 함께 이루어지고 있습니다. AIoT와 실내 위치 인식 시스템 연구는 스마트 빌딩, 공장 자동화, 재난 대응 등 다양한 응용 분야에서 요구되는 고정밀 위치 추정 및 행동 분석 기술 개발에 중점을 두고 있습니다. Wi-Fi, BLE, UWB 등 다양한 무선 기술을 융합하고, 딥러닝 및 그래프 신경망 등 최신 인공지능 기법을 적용하여, 실시간 위치 추적과 사용자 맞춤형 서비스 제공을 실현하고 있습니다. 차세대 네트워크 시스템 및 무선 통신 프로토콜 분야에서는 이종 네트워크 연동, 핸드오버, 자원 관리, 에너지 절감 등 네트워크 성능 최적화를 위한 혁신적인 프로토콜과 알고리즘을 개발하고 있습니다. 소프트웨어 정의 네트워킹, 네트워크 가상화, 에너지 효율적 MAC 프로토콜 등 최신 기술을 적용하여, 실제 산업 및 공공 인프라에 적용 가능한 실용적 솔루션을 제시하고 있습니다. 이와 같은 연구를 바탕으로, 본 연구실은 미래형 스마트 환경, 초연결 사회, 고신뢰 네트워크 인프라 구축 등 국가적·산업적 요구에 부응하는 첨단 기술 개발에 앞장서고 있습니다. 앞으로도 인공지능과 네트워크 융합 분야에서 세계적인 연구 성과를 창출하고, 산업 현장과 사회 전반에 실질적인 혁신을 제공하는 것을 목표로 하고 있습니다.

Vertical Handover
Full-Duplex Wireless Communication
Indoor Localization
딥러닝 기반 인간 행동 인식 및 제스처 감지
딥러닝 기반 인간 행동 인식(HAR)과 제스처 감지 기술은 최근 인공지능 분야에서 매우 중요한 연구 주제로 부상하고 있습니다. 본 연구실에서는 다양한 센서 데이터와 영상 데이터를 활용하여 인간의 움직임과 행동을 정밀하게 인식하는 알고리즘을 개발하고 있습니다. 이를 위해 딥러닝 모델의 구조 최적화, 데이터 증강, 그리고 실시간 처리 기술이 적극적으로 적용되고 있습니다. 특히, 실내외 환경에서의 다양한 행동 패턴을 정확하게 분류하고, 사용자의 제스처를 빠르고 신뢰성 있게 인식하는 기술 개발에 집중하고 있습니다. 이러한 연구는 스마트 홈, 헬스케어, 산업 자동화 등 다양한 응용 분야에서 활용될 수 있으며, 실제 환경에서의 적용 가능성을 높이기 위해 노이즈에 강인한 모델 설계와 경량화된 네트워크 구조 연구도 병행하고 있습니다. 향후에는 멀티모달 데이터 융합, 프라이버시 보호형 행동 인식, 그리고 사용자 맞춤형 인터페이스 개발 등으로 연구 범위를 확장할 계획입니다. 이를 통해 인간과 기계의 상호작용을 혁신적으로 개선하고, 보다 안전하고 편리한 스마트 환경 구현에 기여하고자 합니다.
인공지능 사물인터넷(AIoT) 및 실내 위치 인식 시스템(IPS)
인공지능 사물인터넷(AIoT)과 실내 위치 인식 시스템(IPS)은 차세대 스마트 환경 구축의 핵심 기술로 주목받고 있습니다. 본 연구실에서는 AIoT 플랫폼에서 발생하는 대규모 센서 데이터와 네트워크 정보를 효과적으로 처리하고, 이를 기반으로 실내 위치를 정확하게 추정하는 다양한 알고리즘을 개발하고 있습니다. Wi-Fi, BLE, UWB 등 다양한 무선 기술을 융합하여 복잡한 실내 환경에서도 높은 정확도의 위치 인식이 가능하도록 연구를 진행하고 있습니다. 특히, 딥러닝 기반의 Wi-Fi 핑거프린팅, 그래프 신경망을 활용한 위치 추정, 그리고 스마트폰 및 웨어러블 디바이스와의 연동 기술이 주요 연구 주제입니다. 또한, 실시간 위치 추적과 사용자 행동 분석을 결합하여, 스마트 빌딩, 공장 자동화, 재난 대응 등 다양한 응용 분야에 적용할 수 있는 통합 솔루션을 제시하고 있습니다. 이러한 연구는 에너지 효율성, 데이터 보안, 대규모 네트워크 확장성 등 실질적인 문제 해결에도 중점을 두고 있습니다. 앞으로는 AIoT와 IPS의 융합을 통해 더욱 지능적이고 자율적인 공간 서비스를 제공하고, 미래형 스마트 시티와 산업 현장의 혁신을 선도할 계획입니다.
차세대 네트워크 시스템 및 무선 통신 프로토콜
차세대 네트워크 시스템과 무선 통신 프로토콜은 본 연구실의 오랜 핵심 연구 분야입니다. 다양한 무선 네트워크 환경에서의 효율적인 데이터 전송, 핸드오버, 자원 관리, 에너지 절감 등 네트워크 성능 최적화를 위한 새로운 프로토콜과 알고리즘을 개발하고 있습니다. IEEE 802.11, 802.16, 802.15.4 등 다양한 표준 기반의 무선 네트워크에서 발생하는 성능 이슈를 해결하기 위해, 실험적 검증과 이론적 모델링을 병행하고 있습니다. 특히, 이종 네트워크 간의 원활한 연동과 핸드오버, 멀티채널 및 멀티라디오 환경에서의 채널 할당, QoS(서비스 품질) 보장, 그리고 대규모 IoT 환경에서의 네트워크 확장성 확보가 주요 연구 주제입니다. 또한, 소프트웨어 정의 네트워킹(SDN), 네트워크 가상화, 에너지 효율적 MAC 프로토콜 등 최신 네트워크 기술을 적용하여, 실제 산업 및 공공 인프라에 적용 가능한 실용적 솔루션을 제시하고 있습니다. 향후에는 5G/6G, 엣지 컴퓨팅, 자율 네트워크 관리 등 미래 네트워크 패러다임 변화에 대응하는 혁신적인 기술 개발에 집중할 계획입니다. 이를 통해 초연결 사회의 기반이 되는 고신뢰·고성능 네트워크 인프라 구축에 기여하고자 합니다.
1
Designing a Multivariate Belt Conveyor Idler Stall Detection and Identification System with Scalability Analysis
SUH, YJ, Kyeong Su Shin, Younho Nam
Sensors, 2024
2
WKNN-Based Wi-Fi Fingerprinting with Deep Distance Metric Learning via Siamese Triplet Network for Indoor Positioning
Park, JH, Kim, D, Suh, YJ
Electronics (Basel), 2024
3
Automatic Fingerprint Data Labeling Using WiFi Signal and Smartphone Camera for Indoor Positioning
SUH, YJ, Dongdeok Kim
Wireless Communications and Mobile Computing, 2024
1
2024년 지역특화형 초거대 AI 클라우드 팜 실증
과학기술정보통신부
2024년 07월 ~ 2024년 12월
2
[경상북도] 2024년 지역특화형 초거대AI클라우드팜 실증 및 AI확산
과학기술정보통신부
2024년 07월 ~ 2024년 12월
3
2024년 중소벤처기업 AI 기술융합 SCALE-UP 지원사업
지방자치단체
2024년 04월 ~ 2024년 11월