| 김환진 교수 연구팀, IEEE Transactions on Wireless Communications (IF 10.7, JCR 상위 3.7%) 및 IEEE Wireless Communications (IF 11.6, JCR 상위 1.7%) 논문 게재 | |||||
| 작성자 | 관리자 | 작성일 | 2026-05-04 | 조회수 | 127 |
|---|---|---|---|---|---|
| 첨부파일 | |||||
 경북대학교 전자공학부 김환진 교수가 주저자로 참여한 연구 논문 2편이 무선통신 분야 최상위 저널인 IEEE Transactions on Wireless Communications (IF 10.7, JCR 상위 3.7%)와 IEEE Wireless Communications (IF 11.6, JCR 상위 1.7%)에 각각 게재되었다. 본 연구들은 Purdue University, KAIST, 충남대학교와의 공동연구를 통해 수행되었으며, 미래 6G 무선통신 시스템에서 인공지능을 효율적이고 안정적으로 활용하기 위한 핵심 기술을 다룬다. 첫 번째 논문인 “Robust Over-the-Air Federated Learning Under Imperfect CSI”는 IEEE Transactions on Wireless Communications에 게재되었다. 본 논문은 무선 채널 정보(CSI)가 완벽하지 않고 시간에 따라 변하는 실제 환경에서도 안정적으로 Over-the-air federated learning을 수행할 수 있는 방법을 제안하였다. 연구팀은 Kalman filter 기반 채널 추정 기법과 CSI 오차로 인해 발생하는 연합학습 성능 저하를 줄이는 최적화 기법을 개발했으며, 다양한 데이터셋 실험을 통해 기존 방식보다 우수한 성능을 보임을 확인하였다. 본 연구는 Purdue University(남홍재, Christopher Brinton 교수, David Love 교수) 및 충남대학교(장종규 교수) 소속 연구진과의 공동연구를 통해 수행되었다. 두 번째 논문인 “Machine-Learning Techniques for Wireless Channel Prediction: Insights and Practical Guidance”는 IEEE Wireless Communications에 게재되었다. 본 논문은 머신러닝 기반 무선 채널 예측 기술을 체계적으로 정리하고, 시간적 채널 예측과 환경 변화에 따른 적응 문제로 구분하여 분석하였다. 또한 Kalman filtering, CNN, RNN/LSTM, attention 기반 모델뿐 아니라 transfer learning, meta-learning, data augmentation 등 최신 머신러닝 기법의 장단점을 비교하고, 지연시간, 데이터 확보 가능성, 환경 변화 정도에 따른 실용적인 모델 선택 기준을 제시하였다. 본 연구는 KAIST(최준일 교수) 및 Purdue University(David Love 교수) 소속 연구진과의 공동연구를 통해 수행되었다. 이번 성과는 무선 네트워크 위에서 인공지능 모델을 효율적으로 학습하고, 변화하는 무선 채널을 지능적으로 예측하기 위한 기반 기술을 제시한다는 점에서 의미가 크다. 향후 edge AI, 분산 학습, 지능형 무선 네트워크, 6G 통신 시스템 등 다양한 분야로의 확장이 기대된다. 김환진 교수는 “이번 두 연구는 미래 무선통신 시스템에서 AI를 보다 실용적으로 활용하기 위한 핵심 문제를 다룬다”며, “무선 환경의 불확실성 속에서도 안정적인 학습과 예측이 가능한 기술을 개발함으로써 6G 및 edge intelligence 구현에 기여할 수 있을 것으로 기대한다”고 밝혔다. 논문링크 1. Robust Over-the-Air Federated Learning Under Imperfect CSI [IEEE TWC] 2. Machine-Learning Techniques for Wireless Channel Prediction: Insights and Practical Guidance [IEEE WCM] SPARC 연구실 홈페이지 |
|||||
우수한 성과 축하합니다^^