Deep Learning for 6G Wireless Communication (Channel Estimation, CSI Feedback, Beam Tracking, Power Control)
연구 내용
OFDM 채널 추정, FDD CSI 피드백, 빔 트래킹, 전력제어를 딥러닝 모델로 구현하고 복잡도와 견고성을 함께 확보하는 연구
OFDM 기반 채널 정보 획득과 사용자 상태 변화에 대응하기 위해 CNN/Transformer 계열 신경망을 설계하여 주파수 영역 특징을 학습합니다. 다중 스케일 합성곱과 어텐션을 결합해 채널 추정 정확도를 높이고, 그래프 신경망과 edge convolution으로 간섭 관계를 반영한 전력제어를 수행합니다. 또한 CSI 피드백에서는 스펙트럴·인셉션 모듈을 이용해 경량화된 복호/재구성 구조를 구성합니다. 의미론 영역과 신호 영역의 반복 교환으로 복원 충실도를 개선하는 세만틱 통신 프레임워크도 함께 다룹니다. 무선 메쉬 동기화 특허를 포함해 네트워크 단의 실시간 처리 기반을 보유하고 있습니다.
관련 연구 성과
관련 논문
5편
관련 특허
1건
관련 프로젝트
1건
연구 흐름
초기에는 OFDM 시스템에서 채널 추정 성능을 높이기 위해 다중 스케일과 어텐션을 활용한 딥러닝 구조를 제안했습니다. 이후에는 전력제어 문제로 확장하여 간섭 링크 거리를 edge feature로 반영한 그래프 기반 학습을 적용하고, 환경 변화에 대한 일반화와 빠른 수렴을 함께 고려했습니다. 이어서 FDD 대규모 MIMO에서 CSI 피드백의 계산 복잡도 문제를 경량 네트워크로 완화하는 방향으로 연구를 진행했습니다. 최근에는 UAV 연계 빔 트래킹과 의미론 복원 정확도 향상을 동시에 목표로 멀티모달 추적 및 세만틱-채널 터보 구조로 확장하는 흐름을 보입니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Multiscale Convolution-Based Efficient Channel Estimation Techniques for OFDM Systems
Edge Convolution Graph Neural Network Assisted Power Allocation for Wireless IoT Networks
Deep learning‐based multimodal beam tracking for unmanned aerial vehicle communication
SemantIC-Mamba: Enhancing Semantic Fidelity with Mamba-Based Global Context Modeling for 6G Communications
Combining spectral and inception transformer for massive multiple‐input multiple‐output channel state information feedback
관련 특허
구분
제목
무선 메쉬 시스템에서의 메쉬 노드 동기화 방법
관련 프로젝트
구분
제목
(세부2) 지능형 무선 액세스 기술 개발