연구자 정보를 불러오는 중입니다...
연구자 정보를 불러오는 중입니다...
복잡한 무선 통신 환경에서 발생하는 네트워크 효율성, 신뢰성, 자원 활용의 한계를 극복하기 위한 혁신적인 솔루션을 찾고 계십니까? 유상조 인하대학교 전기전자공학부 교수는 무선 센서 네트워크(WSN), 인지 무선(CR), 무인 자율비행체(UAV) 기반 애드혹 네트워크 분야에서 다수의 핵심 특허를 보유하고 있습니다. 유상조 교수의 특허 기술은 WSN의 에너지 효율 및 위치 측정 정확도 향상, CR 환경에서의 동적 자원 할당 및 채널 관리 최적화, 그리고 UAV 애드혹 네트워크에서의 신뢰성 있는 데이터 전달 및 라우팅 경로 설정 등 다양한 문제점을 해결합니다. 이 기술들은 미래 무선 통신 시스템의 발전과 다양한 산업 분야의 디지털 전환에 크게 기여할 것입니다.
| 연구자 프로필 |  |
| 연구자 명 | 유상조 |
| 직책 | 교수 |
| 이메일 | sjyoo@inha.ac.kr |
| 재직 상태 | 재직 중 |
| 부서 학과 | 정보통신공학과 |
| 사무실 번호 | 0328608304 |
| 연구실 | 멀티미디어네트워크 연구실 |
| 연구실 홈페이지 | https://sites.google.com/view/multinet-inha |
| 홈페이지 | https://sites.google.com/view/multinet-inha/people?authuser=0 |
| 소속 | 인하대학교 |
| 연구 1 | AI 기반 IoT/UAV 자율 네트워킹 |
| 내용 | 본 연구실은 인공지능(AI) 기술을 활용하여 사물인터넷(IoT) 및 무인 자율비행체(UAV) 네트워크의 자율성을 극대화하는 혁신적인 연구를 수행하고 있습니다. 특히, 복잡한 3D 환경에서의 태스크 오프로딩, UAV 플라잉 애드혹 네트워크(FANET), UAV 그룹 통신 및 자율 네트워킹, UAV 기반 감지 아키텍처 및 경로 계획 등 차세대 이동 통신 환경에 필수적인 기술 개발에 주력하고 있습니다. 이를 위해 클러스터링, DNN/CNN/RNN 응용, 강화 학습, 입자 군집 최적화(PSO) 및 유전 알고리즘(GA) 등 다양한 AI 기술을 IoT 플랫폼에 접목하여 저전력 MAC 및 라우팅 프로토콜을 설계하고, 엣지 컴퓨팅 기반의 효율적인 데이터 처리 프로토콜을 구현합니다. 본 연구는 IoT 기기의 확산과 UAV의 활용 증대에 따라 발생하는 네트워크 효율성, 신뢰성, 자원 활용의 한계를 극복하며, 스마트시티, 재난 구조, 물류 등 다양한 산업 분야에서 자율적이고 지능적인 통신 환경을 제공하는 데 기여합니다. 특히 '무인 자율비행체간 에드혹 네트워크에서 신뢰성 있는 데이터 전달을 위한 라우팅 경로 설정 방법' 및 '센서를 사용한 무인 자율 비행체에서 최적 경로를 탐색하는 방법 및 시스템' 등의 특허를 통해 연구의 실질적인 가치를 증명하고 있습니다. |
| 연구 2 | 머신러닝 기반 지능형 무선 통신 시스템 최적화 |
| 내용 | 본 연구실은 머신러닝 기술을 무선 통신 시스템에 적용하여 네트워크의 효율성, 신뢰성, 자원 활용을 최적화하는 연구를 선도하고 있습니다. 특히 무선 센서 네트워크(WSN), 인지 무선(CR) 네트워킹 분야에서 동적 자원 할당, 채널 센싱, MAC 및 라우팅 프로토콜 설계에 AI 기술을 적극 활용합니다. 복잡한 무선 환경에서 스펙트럼의 효율적 사용을 위해 AI 기반 인지 무선 정책 관리 시스템을 구현하고, 채널 센싱 간격 설정 및 PSO 기반의 동적 자원 할당 방법을 개발하여 제한된 무선 자원을 최대한 활용합니다. 또한, WSN의 에너지 효율을 높이고 위치 측정 정확도를 향상시키기 위한 혁신적인 클러스터링 및 위치 측정 방법을 연구합니다. 이러한 기술들은 미래 무선 통신 시스템의 핵심인 5G/6G 환경에서 대규모 IoT 기기 연결과 고신뢰 저지연 통신을 가능하게 하며, 군사 전술 통신 등 고도화된 무선 환경 구축에 기여합니다. '다중 채널을 사용하는 인지 무선 네트워크에서 센싱 간격의 설정 및 pso 기반의 동적 자원 할당 방법 및 시스템', '무선 센서 네트워크 위치측정 방법 및 장치' 등 다수의 특허를 통해 본 연구의 독창성과 기술력을 입증하고 있습니다. |
| 연구 3 | 딥 강화 학습 기반 지능형 이동체 및 재난 예측 시스템 |
| 내용 | 본 연구실은 딥 강화 학습(Deep Reinforcement Learning, DRL)을 중심으로 지능형 이동체 시스템 및 재난 예측/대응 솔루션 개발에 집중하고 있습니다. 자율 주행 차량의 경로 계획, 동적 교통 신호 제어, 도심 환경에서 UAV를 이용한 차량 표적 탐지 및 추적 등 지능형 차량 시스템의 핵심 기술을 연구하며, ML-Unity 및 SUMO와 같은 가상 시뮬레이션 환경에서 DQN 및 PPO DRL 아키텍처를 활용하여 실제와 유사한 환경에서의 성능 최적화를 목표로 합니다. 나아가 실내 측위 및 피난 관리 시스템 개발, BLE 신호 강도 기반 딥 뉴럴 네트워크를 이용한 위치 파악, 회귀 기법을 이용한 재난 예측, 강화 학습을 이용한 피난 경로 최적화 및 AR 기반 피난 경로 안내 등 사회 안전과 직결되는 재난 통신 및 관리 분야에 AI 기술을 적용합니다. 이러한 연구는 미래 모빌리티 환경의 안전성과 효율성을 증대시키고, 비상 상황 발생 시 신속하고 정확한 대응을 가능하게 하여 사회적 가치를 창출합니다. 특히, '긴급상황 발생에 따른 차량동작 제어 및 주변 차량 전파를 위한 강화학습 알고리즘 연구' 등의 참여 과제를 통해 실질적인 문제 해결 역량을 강화하고 있습니다. |
| 학력 사항 | KAIST 전기및전자공학 박사 KAIST 전기및전자공학 석사 한양대학교 전자전파공학 학사 |
보유 기술 로딩 중...
