본 연구실은 머신러닝을 활용한 5G 및 차세대 통신 기술 개발에 집중하고 있습니다. 5G 네트워크는 초고속, 초저지연, 대용량 데이터 전송을 실현하기 위해 다양한 혁신적 기술이 요구되며, 본 연구실은 이러한 요구에 부합하는 인공지능 기반의 네트워크 최적화 및 자원 관리 기법을 연구합니다. 특히, 네트워크 트래픽 예측, 사용자 행동 분석, 네트워크 슬라이싱 등 다양한 분야에서 머신러닝 알고리즘을 적용하여 효율적인 네트워크 운영을 도모하고 있습니다. 또한, 5G를 넘어 6G 등 차세대 통신 환경에서 발생할 수 있는 새로운 문제에 대응하기 위해, 강화학습, 딥러닝 등 최신 인공지능 기술을 접목한 연구를 활발히 진행 중입니다. 예를 들어, 네트워크 자원 할당, 빔포밍, 채널 예측 등에서 인공지능 기반의 자동화된 의사결정 시스템을 개발하여, 네트워크의 효율성과 신뢰성을 극대화하고 있습니다. 이러한 연구는 실제 통신망 환경에서의 적용 가능성을 높이기 위해 시뮬레이션뿐만 아니라 실험적 검증도 병행하고 있습니다. 이와 같은 연구는 미래의 초연결 사회에서 필수적인 통신 인프라의 지능화에 크게 기여할 것으로 기대됩니다. 본 연구실의 머신러닝 기반 5G 및 차세대 통신 기술 연구는 국내외 학술지 및 특허 출원, 산학협력 프로젝트 등 다양한 성과로 이어지고 있으며, 앞으로도 통신 기술의 혁신을 선도하는 연구를 지속할 예정입니다.

밀리미터파(MmWave) 대역은 5G 및 차세대 무선랜에서 초고속 데이터 전송을 가능하게 하는 핵심 기술로 주목받고 있습니다. 본 연구실은 MmWave 환경에서의 빔포밍 훈련 알고리즘 개발에 중점을 두고 있으며, 특히 딥러닝 및 강화학습을 활용한 빔포밍 최적화 연구를 선도하고 있습니다. 빔포밍은 송수신 단말 간의 신호 품질을 극대화하기 위한 기술로, 복잡한 환경에서의 신속하고 정확한 빔 결정이 필수적입니다. 본 연구실에서는 SISO 단계의 SNR 측정값을 기반으로 MIMO 단계의 SNR을 예측하는 딥러닝 모델, 비대칭 링크 환경에서의 강화학습 기반 빔포밍 훈련 기법 등 다양한 혁신적 접근법을 개발하였습니다. 이러한 연구는 빔포밍 훈련 시간을 단축하고, 다중 사용자 환경에서의 효율적인 자원 배분을 가능하게 하여, 실제 무선랜 시스템의 성능을 크게 향상시킵니다. 또한, IEEE 802.11ay 등 최신 무선랜 표준에 적용 가능한 실용적 알고리즘 개발에도 주력하고 있습니다. 이러한 빔포밍 훈련 알고리즘 연구는 특허 출원, 국내외 학술지 논문, 학술대회 발표 등 다양한 성과로 이어지고 있습니다. 앞으로도 본 연구실은 밀리미터파 대역에서의 무선 통신 효율 극대화와 차세대 네트워크 기술 발전을 위해 지속적으로 연구를 이어갈 계획입니다.

본 연구실은 LTE와 WLAN이 비면허 대역에서 효율적으로 공존할 수 있는 기술 개발에 주력하고 있습니다. 비면허 대역은 다양한 무선 시스템이 동시에 활용하는 주파수 자원으로, 상호 간섭 및 자원 경쟁이 빈번하게 발생합니다. 이에 따라, 본 연구실은 LTE-LAA와 WLAN의 공존을 위한 Listen-Before-Talk(LBT) 알고리즘, 비포화 마르코프 체인 모델을 이용한 스루풋 분석 등 다양한 연구를 수행하고 있습니다. 또한, 고밀도 WLAN 환경에서의 채널 결합(Channel Bonding) 기술 개발에도 집중하고 있습니다. 채널 결합은 여러 개의 채널을 묶어 대역폭을 확장함으로써 데이터 전송 속도를 높이는 기술로, 고밀도 환경에서의 간섭 관리와 자원 최적화가 핵심 과제입니다. 본 연구실은 이러한 환경에서의 효율적인 채널 결합 및 자원 할당 알고리즘을 개발하여, 실제 네트워크의 성능 향상에 기여하고 있습니다. 이와 같은 연구는 무선랜 시스템의 실질적 성능 개선뿐만 아니라, 다양한 무선 시스템이 공존하는 미래 네트워크 환경에서의 안정적 서비스 제공에 중요한 역할을 합니다. 본 연구실의 연구 결과는 국내외 저명 학술지 및 특허로 이어지고 있으며, 관련 분야의 기술 발전을 선도하고 있습니다.