서보석 연구실은 무선통신 신호의 효율적인 처리와 변조 방식 인식 기술 개발에 중점을 두고 있습니다. 다양한 무선 환경에서 신호의 변조 방식을 자동으로 인식하는 것은 통신 시스템의 성능 향상과 보안성 증대에 필수적입니다. 연구실에서는 아날로그 및 디지털 변조 신호를 분류하기 위한 기계학습 기반의 분류기 설계, 고차 통계 특성 및 순환정상 프로세스 분석 등 다양한 신호 처리 기법을 연구하고 있습니다. 특히, CNN, LSTM 등 딥러닝 기반 신경망을 활용하여 복잡한 신호 환경에서도 높은 인식률을 달성하는 방법을 개발하고 있습니다. 예를 들어, CNN-LSTM 구조를 적용하여 긴 주기 펄스 레이다 신호의 속성을 효과적으로 분류하거나, 다양한 입력 형태(IQ, MP, AP, SG 등)에 따른 분류 성능을 비교 분석하는 연구가 활발히 이루어지고 있습니다. 또한, 신호의 스펙트럼이 중심에서 벗어나는 경우에도 안정적으로 분류할 수 있는 학습 방법을 제안하고 있습니다. 이러한 연구는 군사, 항공, 위성통신 등 다양한 분야에서 실시간 신호 감지 및 위협 대응, 재밍(전파방해) 대응 기술 개발에 직접적으로 활용될 수 있습니다. 더불어, 기존 라이브러리 기반 분류 방식의 한계를 극복하고, 새로운 위협 신호나 미지의 신호에도 적응적으로 대응할 수 있는 차세대 무선통신 시스템 구현에 기여하고 있습니다.

본 연구실은 직교 주파수 분할 다중화(OFDM) 및 단일 반송파 주파수 분할 다중 접속(SC-FDMA) 시스템 등 차세대 무선통신 시스템에서 발생하는 다양한 간섭 문제를 해결하기 위한 수신기 및 신호 처리 알고리즘 개발에 주력하고 있습니다. OFDM 시스템은 높은 데이터 전송률과 주파수 효율성을 제공하지만, 다중 경로 페이딩, 주파수 옵셋, 동일 채널 간섭 등 다양한 문제에 취약합니다. 이를 극복하기 위해 연구실에서는 주파수 옵셋 보정, 채널간 간섭 제거, 잡음 백색화 등 다양한 신호 처리 기법을 연구하고 있습니다. 예를 들어, 다중 송신기로부터 발생하는 다중 주파수 옵셋에 의한 채널간 간섭을 효과적으로 제거하는 방법, SINR 기반의 최대비 결합(MRC) 기법, 판정궤환 등화기(DFE)와 같은 고성능 수신기 구조를 제안하고 있습니다. 또한, 웨이블릿 패킷 변조, 계층변조, 직접 RF 표본화 등 새로운 변조 및 수신기 구조를 도입하여 하드웨어 복잡도를 줄이면서도 성능을 극대화하는 연구도 활발히 진행 중입니다. 이러한 연구는 5G/6G 이동통신, 위성통신, IoT 등 다양한 응용 분야에서 고신뢰성, 고속, 저지연 통신을 실현하는 데 중요한 역할을 합니다. 실제로, 연구실의 알고리즘과 수신기 설계는 국내외 특허로도 다수 출원되어 있으며, 산업체 및 국방 분야와의 협력 연구를 통해 실용화가 이루어지고 있습니다.

서보석 연구실은 기계학습을 활용한 레이다 신호 분류 및 재밍(전파방해) 대응 기술 개발에 앞장서고 있습니다. 기존에는 사전 구축된 라이브러리와 위협 형태의 대응관계를 기반으로 레이다 신호를 분류했으나, 신호 환경의 복잡성과 위협 신호의 다양화로 인해 새로운 접근이 요구되고 있습니다. 이에 따라 연구실은 신경망, 은닉 마르코프 모델(HMM) 등 기계학습 기반의 분류기를 도입하여, 기존 라이브러리에 없는 신호나 새로운 위협에도 효과적으로 대응할 수 있는 기술을 개발하고 있습니다. 특히, CNN을 이용한 레이다 신호 자동 분류, 특징 파라미터 데이터만을 활용한 위협 신호 분류, 데이터 누락이나 측정 오차 등 현실적인 문제를 고려한 강인한 분류기 설계 등 다양한 연구가 진행되고 있습니다. 또한, 실시간 스펙트럼 탐색기 개발, 고속 아날로그-디지털 변환기 및 FPGA 기반 하드웨어 구현 등 실제 응용을 위한 기술 개발에도 힘쓰고 있습니다. 이러한 연구는 군사 통신, 항공 관제, 자율주행 차량 등에서 실시간 위협 탐지 및 대응, 전파방해 환경에서의 통신 신뢰성 확보 등 다양한 분야에 적용될 수 있습니다. 더불어, 국방과학연구소 등과의 협력 프로젝트를 통해 실제 시스템에 적용 가능한 솔루션을 제공하고 있습니다.