유도식 연구실은 정보통신이론과 신호처리 분야에서 선도적인 연구를 수행하고 있습니다. 본 연구실은 무선 통신 시스템의 이론적 기반을 다지고, 실제 환경에서의 효율적인 데이터 전송 및 신호 검출을 위한 다양한 알고리즘을 개발합니다. 특히, 도래각 추정, 스펙트럼 센싱, 채널 추정 등 신호의 특성을 정밀하게 분석하고 활용하는 기술에 집중하고 있습니다. 연구실은 다양한 신호처리 기법을 활용하여 복잡한 무선 환경에서의 신호 간섭, 잡음, 다중 경로 페이딩 등 현실적인 문제를 해결하고자 합니다. 예를 들어, 서로소 배열 기반의 프로퍼게이터 방법, 슬라이딩 벡터 기반의 저계산량 도래각 추정, 스펙트럼 상관밀도함수를 이용한 ATSC 신호 검출 등은 실제 통신 시스템에 적용 가능한 혁신적인 방법론입니다. 또한, 신호처리의 효율성과 정확성을 높이기 위해 인공신경망, 딥러닝 등 최신 기계학습 기법도 적극적으로 도입하고 있습니다. 이러한 연구는 차세대 무선통신, 5G/6G 네트워크, IoT, 레이더 시스템 등 다양한 응용 분야에 직접적으로 기여하고 있습니다. 실제로 연구실의 특허와 논문들은 통신 시스템의 성능 향상, 에너지 효율화, 실시간 신호처리 등 산업계와 학계에서 높은 평가를 받고 있으며, 앞으로도 정보통신 분야의 핵심 기술 발전에 중요한 역할을 할 것으로 기대됩니다.

본 연구실은 딥러닝 및 인공신경망을 활용한 시계열 데이터 처리와 객체 위치 추적 분야에서도 활발한 연구를 진행하고 있습니다. 시계열 데이터의 시계열적 상관관계를 분석하여 미래 상황을 예측하거나, 다양한 환경에서 객체의 위치를 정확하게 추적하는 기술 개발에 중점을 두고 있습니다. 최근에는 트랜스포머 기반의 교차 어텐션 신경망, LSTM 신경망, 적응형 스케일조절 신경망 등 첨단 딥러닝 모델을 적용하여 기존 신호처리 기법의 한계를 극복하고 있습니다. 이러한 연구는 강수 예측, 레이더 기반 객체 추적, 영상 기반 위치 추정 등 다양한 실제 문제에 적용되고 있습니다. 예를 들어, 사영 변환 특징 추출 기법, 최대우도 가중평균 신경망, 적응형 스케일조절 신경망 등은 입력 데이터의 차원을 효과적으로 줄이면서도 높은 예측 성능을 유지할 수 있도록 설계되었습니다. 또한, 불필요한 데이터의 사용을 최소화하고, 유효 데이터만을 선별하여 처리함으로써 시스템의 효율성과 신뢰성을 동시에 확보하고 있습니다. 이러한 딥러닝 기반 연구는 미래의 스마트 시티, 자율주행, 환경 모니터링, 산업 자동화 등 다양한 분야에서 핵심적인 역할을 할 것으로 기대됩니다. 연구실은 이론적 연구뿐만 아니라 실제 시뮬레이션과 실험을 통해 기술의 실효성을 검증하고, 산업체와의 협력을 통해 실용화에도 힘쓰고 있습니다.

유도식 연구실은 배열안테나를 활용한 다중 객체 위치 추적 및 도래각(Direction of Arrival, DoA) 추정 기술 개발에 있어 국내외적으로 높은 수준의 연구를 수행하고 있습니다. 배열안테나 시스템은 여러 방향에서 들어오는 신호를 효과적으로 분리하고 분석할 수 있어, 레이더, 통신, 위치 추적 등 다양한 분야에서 필수적인 기술입니다. 연구실에서는 부공간 기법, 프로퍼게이터 방법, ESPRIT 알고리즘, 슬라이딩 벡터 기반 도래각 추정 등 다양한 신호처리 및 수학적 방법론을 개발하여, 기존의 고복잡도 알고리즘 대비 연산량을 대폭 줄이면서도 높은 정확도를 달성하고 있습니다. 특히, 특허로도 등록된 여러 도래각 추정 장치 및 방법은 실제 통신 시스템과 레이더 시스템에 적용되어 그 우수성을 입증받고 있습니다. 이러한 기술은 무선통신 네트워크의 성능 향상, 자율주행 차량의 센서 융합, 드론 및 로봇의 위치 인식, 국방 및 보안 분야의 표적 탐지 등 다양한 응용 분야에서 활용되고 있습니다. 연구실은 앞으로도 배열안테나 및 도래각 추정 분야에서 혁신적인 연구를 지속하며, 차세대 통신 및 센서 시스템의 발전에 기여할 계획입니다.