신오순 연구실은 무인항공기(UAV)와 지능형 반사표면(IRS)을 결합한 차세대 무선통신 기술 개발에 집중하고 있습니다. UAV는 높은 기동성과 유연성을 바탕으로 기존 지상 기반 통신 인프라의 한계를 극복할 수 있는 핵심 기술로 주목받고 있습니다. 최근에는 UAV에 IRS를 탑재하여 통신 경로를 능동적으로 제어하고, 복잡한 도시 환경이나 장애물이 많은 지역에서도 안정적인 통신 품질을 확보하는 연구가 활발히 이루어지고 있습니다. IRS-UAV 통신 시스템은 주파수 효율성, 에너지 효율성, 보안성 등 다양한 성능 지표에서 기존 기술 대비 우수한 성능을 보입니다. 연구실에서는 IRS의 위상 제어, UAV의 3차원 위치 최적화, 빔포밍 및 자원 할당 알고리즘 등 다양한 요소 기술을 통합적으로 연구하고 있습니다. 특히, 딥러닝 및 강화학습 기반의 최적화 기법을 활용하여 복잡한 환경에서도 실시간으로 최적의 통신 경로와 자원 배분을 달성하는 방법을 개발하고 있습니다. 이러한 연구는 6G 이동통신, 재난·재해 대응, 스마트 시티, 군사 통신 등 다양한 분야에 적용될 수 있습니다. 앞으로는 UAV와 IRS의 융합을 통한 초고속, 초저지연, 초연결 네트워크 실현을 목표로, 실환경 실증 및 상용화를 위한 연구도 지속적으로 확대될 예정입니다.

연구실은 비직교 다중접속(NOMA)과 셀프-프리 매시브 MIMO(Cell-Free Massive MIMO) 기술을 활용한 무선 네트워크의 성능 극대화 연구를 선도하고 있습니다. NOMA는 동일한 주파수 자원을 여러 사용자가 공유할 수 있도록 하여, 주파수 효율성과 대규모 연결성을 동시에 달성할 수 있는 차세대 핵심 기술입니다. 셀프-프리 매시브 MIMO는 다수의 분산 안테나를 통해 사용자에게 균일한 품질의 서비스를 제공하며, 네트워크 커버리지와 신뢰성을 크게 향상시킵니다. 연구실에서는 NOMA 기반 사용자 페어링, 전력 할당, 빔포밍 최적화, 그리고 매시브 MIMO 환경에서의 파일럿 오염 문제 해결, 자원 할당 및 사용자 연결 최적화 등 다양한 주제를 다루고 있습니다. 특히, 딥러닝 및 그래프 신경망(GNN), 강화학습(DRL) 등 최신 인공지능 기법을 접목하여 복잡한 네트워크 환경에서의 실시간 최적화 문제를 해결하고 있습니다. 또한, 에너지 효율성, 레이트 페어니스, 보안성 등 다양한 성능 지표를 동시에 고려하는 다목적 최적화 알고리즘을 개발하고 있습니다. 이러한 연구는 5G/6G 이동통신, 사물인터넷(IoT), 스마트 팩토리, 자율주행 등 미래 지능형 네트워크의 기반 기술로 활용될 수 있습니다. 앞으로도 연구실은 이론적 연구와 실용적 응용을 아우르는 다양한 프로젝트를 통해, 초연결·초고속·초신뢰 무선 네트워크 실현에 기여할 것입니다.

신오순 연구실은 무선전력전송(WPT) 및 에너지 하베스팅 기술을 활용한 IoT 및 센서 네트워크 분야에서도 활발한 연구를 수행하고 있습니다. 무선전력전송은 전자기파를 이용해 원격으로 전력을 공급하는 기술로, 배터리 교체가 어려운 IoT 디바이스나 센서 네트워크의 에너지 문제를 근본적으로 해결할 수 있는 혁신적인 솔루션입니다. 연구실에서는 빔포밍, 빔 스캐닝, 위상배열 안테나, 최적 경로 설계 등 다양한 WPT 핵심 기술을 개발하고 있습니다. 또한, 에너지 하베스팅 효율을 극대화하기 위한 자원 할당, 전력 제어, 피드백 간소화 알고리즘 등 실용적인 시스템 설계 연구도 병행하고 있습니다. 최근에는 인공지능 기반의 최적화 기법을 도입하여, 실시간 환경 변화에 적응하는 지능형 무선전력전송 시스템을 구현하고 있습니다. 이러한 연구는 스마트 팩토리, 스마트 시티, 바이오메디컬 디바이스, 농업·환경 모니터링 등 다양한 분야에서 적용될 수 있습니다. 앞으로는 대규모 IoT 네트워크, 이동형 디바이스, 에너지 자립형 시스템 등 차세대 응용을 위한 실증 연구와 상용화 기술 개발에도 박차를 가할 계획입니다.