지능형 반사 표면(RIS)은 차세대 무선 통신 시스템에서 핵심적인 역할을 담당할 혁신적인 기술입니다. RIS는 다수의 수동 혹은 반능동 소자를 통해 전파의 경로, 위상, 진폭 등을 능동적으로 제어함으로써, 무선 채널 환경을 인위적으로 재구성할 수 있습니다. 본 연구실은 RIS의 소자 할당, 위상 최적화, 빔포밍, 채널 추정 등 다양한 측면에서 이 기술의 이론적 기반과 실용적 응용을 심도 있게 연구하고 있습니다. 특히, RIS를 활용한 다중 사용자 환경에서의 합산 정보 전달율 최대화, 최소 전송률 보장, 저복잡도 알고리즘 개발 등은 본 연구실의 주요 연구 주제입니다. 최근에는 RIS를 도로, 건물, UAV 등 다양한 환경에 배치하여, 전파 차단 및 경로 손실 문제를 극복하고 네트워크 커버리지를 극대화하는 방안도 활발히 연구되고 있습니다. 또한, RIS의 반능동 소자를 이용한 채널 추정, RIS 기반 셀룰러 시스템의 서비스 제공자 간 간섭 최소화, RIS의 효율적 자원 할당 등 실질적인 운용 기법도 개발 중입니다. 이러한 연구는 6G 및 그 이후의 무선 통신 시스템에서 초고속, 초저지연, 초연결 서비스를 실현하는 데 필수적인 기반 기술로 자리매김하고 있습니다. 본 연구실은 이론적 분석, 시뮬레이션, 실험적 검증을 통해 RIS 기술의 한계를 극복하고, 실제 네트워크에 적용 가능한 혁신적 솔루션을 제시하고 있습니다.

비지상 네트워크(NTN)와 위성 통신은 지상 기반 인프라의 한계를 극복하고, 전 세계 어디서나 안정적인 통신 서비스를 제공하기 위한 핵심 기술입니다. 본 연구실은 GEO(정지궤도), LEO(저궤도) 위성을 포함한 다양한 위성 네트워크의 모델링, 성능 분석, 자원 할당, 보안, 클러스터링 등 폭넓은 연구를 수행하고 있습니다. 특히, 위성 클러스터링, 위성 간 협력 통신, 위성 기반 보안 통신, 위성-지상 하이브리드 네트워크 등 첨단 주제를 다루고 있습니다. 최근에는 확률론적 기법과 확률적 기하학(Stochastic Geometry)을 활용하여, 위성의 분포, 커버리지, 신호 감쇠, 간섭, 신뢰성 등 다양한 성능 지표를 정량적으로 분석하고 있습니다. 또한, 위성 통신에서 발생할 수 있는 도청, 간섭, 신호 손실 문제를 해결하기 위한 물리계층 보안 기법, 빔포밍, 자원 최적화 알고리즘도 개발 중입니다. UAV(무인항공기)와의 연계, 3차원 공간 위성통신, 이종 위성군 통신 아키텍처 등 미래 지향적 연구도 활발히 진행되고 있습니다. 이러한 연구는 도서 산간, 해양, 항공, 재난 지역 등 기존 지상 인프라가 미치지 못하는 영역에서의 통신 품질을 획기적으로 향상시키고, 글로벌 커버리지 실현 및 차세대 통신 서비스의 기반을 마련하는 데 중요한 역할을 하고 있습니다. 본 연구실은 이론적 모델링과 실험적 검증을 병행하여, 실질적으로 적용 가능한 위성 및 비지상 네트워크 기술을 선도적으로 개발하고 있습니다.

인공지능(AI)과 머신러닝(ML)은 무선 통신 시스템의 복잡성 증가와 환경 변화에 능동적으로 대응할 수 있는 혁신적 도구로 각광받고 있습니다. 본 연구실은 딥러닝, 메타러닝, 강화학습 등 다양한 AI/ML 기법을 활용하여, 채널 예측, 채널 추정, 심볼 검출, 자원 할당, 간섭 억제 등 무선 통신의 핵심 문제를 해결하는 연구를 선도하고 있습니다. 특히, 대규모 MIMO, mmWave, RIS, NTN 등 차세대 통신 환경에서 AI/ML의 적용 가능성과 한계를 심층적으로 분석하고 있습니다. 최근에는 시맨틱 통신(Semantic Communication)과 AI-native 통신 시스템에도 주목하고 있습니다. 기존의 비트 단위 전송이 아닌, 데이터의 의미(semantic)를 중심으로 정보를 교환함으로써, 데이터 전송 효율과 네트워크 활용도를 극대화하는 새로운 패러다임을 제시하고 있습니다. DeepJSCC, 생성형 AI, 강화학습 기반의 시맨틱 통신 시스템 구현, 오버더에어 연합학습 등 첨단 연구도 활발히 진행되고 있습니다. 이러한 AI/ML 기반 통신 연구는 6G 및 미래 네트워크에서의 초고속, 초저지연, 초연결, 초지능 서비스를 실현하는 데 필수적인 요소입니다. 본 연구실은 이론적 분석, 시뮬레이션, 실제 데이터 기반 실험을 통해 AI/ML의 실질적 성능과 한계를 검증하고, 실용적인 무선 통신 시스템 설계에 기여하고 있습니다.