본 연구는 차세대 다중 사용자 대규모 MIMO (Post Massive MIMO) 시스템의 통합 최적화 기술 개발에 중점을 둔다. 불완전한 채널 정보(Imperfect CSIT) 환경을 고려하여, 채널 정보를 효율적으로 압축 및 획득하고 이를 기반으로 시간-주파수 자원을 할당하며 사용자를 선택하는 통합적인 빔포밍 최적화 기법을 연구한다. 이를 통해 Cell-free massive MIMO 및 C-RAN과 같은 다양한 네트워크 구조에서 시스템 전송 용량 및 에너지 효율을 극대화하는 신호 처리 솔루션 개발을 목표로 한다.

본 연구는 광대역 대규모 MIMO(Wideband massive MIMO) 배열을 사용하는 통신 시스템의 근접장(Near-Field) 채널 특성 분석 및 정보 전송 한계 규명에 중점을 둔다. 안테나 배열의 크기가 커지고 사용 주파수가 높아짐에 따라 두드러지는 근접장 효과를 고려하여, 송수신 안테나의 크기와 관련된 공간 다중화 이득(spatial multiplexing gains) 및 자유도(Degrees of Freedom)를 분석한다. 이를 통해 근접장 환경에서의 실제적 정보 전송률을 예측하고, RIS(Reconfigurable Intelligence Surface) 보조 통신 및 하이브리드 배열을 활용한 효율적인 통신 시스템 설계의 이론적 기반을 마련하는 것을 목표로 한다.

본 연구는 유한한 길이의 부호 블록(Finite Block Length)을 사용하는 통신 환경에서 채널 부호화(FEC) 기술 설계에 중점을 둔다. 기존 샤논 이론의 무한 블록 길이 가정을 넘어, 실제 시스템의 제약 조건인 유한 블록 길이 하에서 정보 전송의 이론적 한계 성능 달성을 목표로 한다. 이를 위해 'Deep Polar Encoder' 및 CRC 보조 BOSS 부호(CRC-aided BOSS encoder)와 같은 새로운 부호화 구조를 제안하고, 실제 칩 레벨 구현을 통해 그 성능을 검증한다. 개발된 기술은 특히 로봇 간 또는 차량 간 통신과 같이 저지연 특성이 요구되는 차세대 응용 분야의 핵심 요소로 활용될 수 있다.

본 연구는 동일 주파수 대역에서 송신과 수신을 동시에 수행하는 인밴드 풀듀플렉스(In-band Full-Duplex) 시스템의 자기 간섭(Self-Interference, SI) 제거 기술 개발에 중점을 둔다. 복잡하고 시변하는 자기 간섭 채널 특성 및 다양한 전송 파형과 변조 방식에 대응하기 위해, 인공지능(AI) 기반의 비선형 연쇄 간섭 제거(Non-linear Successive Interference Cancellation, SIC) 기술을 제안한다. 이를 통해 자기 간섭을 효과적으로 제거하여 풀듀플렉스 시스템의 수신 성능을 극대화하고, 차세대 통합 감지 및 통신(ISAC)과 6G 이동통신 시스템의 핵심 신호 처리 기술을 확보하는 것을 목표로 한다.

본 연구는 채널 추정을 위한 파일럿(Pilot) 신호 없이도 수신단에서 정합 검출(Coherent Detection)을 가능하게 하는 혁신적인 송수신 기법 개발에 중점을 둔다. 기존 통신 시스템에서 채널 정보 획득을 위해 사용되는 파일럿 오버헤드를 제거하여, 데이터 전송 효율을 극대화하고 시스템 복잡도를 낮추는 새로운 통신 패러다임을 제안한다. 이를 위해 데이터 심볼 자체 또는 부가 정보를 활용한 효율적인 채널 추정 및 복호화 방안을 연구하며, 6G를 포함한 미래 이동통신 시스템의 스펙트럼 효율성과 에너지 효율성을 획기적으로 개선하는 것을 목표로 한다.

본 연구는 통신 패러다임을 데이터의 정확한 전송에서 의미(Semantic) 정보의 효과적인 전달로 전환하는 시맨틱 통신(Semantic Communications) 기술 개발에 중점을 둔다. 전통적인 소스 부호화와 채널 부호화의 분리 구조를 넘어, 텍스트, 이미지 등 멀티모달 정보의 의미론적 내용을 추출하고 이를 최소한의 데이터로 압축하여 전송하는 새로운 통신 프레임워크를 제안한다. 이를 위해 대규모 언어 모델(LLM) 및 생성형 AI(Diffusion models)와 같은 최신 인공지능 기술을 활용하며, 고압축률 및 저지연 특성을 갖는 시맨틱 통신 시스템 테스트베드를 구축하여 그 가능성을 검증하는 것을 목표로 한다.

본 연구는 위성 통신 시스템의 효율성과 통신 품질 향상을 위한 첨단 빔포밍(Beamforming) 기술 개발에 중점을 둔다. 위성의 제한된 자원과 넓은 커버리지 요구사항을 고려하여, 컨포멀 배열 안테나 및 군 위성용 배열 안테나와 같은 다양한 안테나 구성에 대한 빔 최적화 기법을 연구한다. 이를 통해 정밀한 펜슬빔(Pencil Beam) 형성과 시공간 처리를 이용한 효과적인 간섭 제어 기술을 확보하며, 지상 단말과의 안정적인 통신 링크를 제공하고 주파수 사용 효율을 극대화하는 것을 목표로 한다.

본 연구는 저궤도(LEO) 위성 네트워크의 성능 분석 및 최적화 기술 개발에 중점을 둔다. 대규모 LEO 위성들의 불규칙한 분포 특성을 모델링하기 위해 포아송 점 과정(Poisson Point Process)과 같은 확률 기하학 도구를 활용하여 네트워크 커버리지 확률 및 간섭 특성을 분석한다. 또한, 위성 간의 동적 클러스터링(Dynamic Satellite Clustering) 기법과 협력 전송(Cooperative Transmission) 전략을 도입하여, 전체 네트워크의 용량 및 통신 신뢰성을 향상시키는 방안을 연구하는 것을 목표로 한다.

본 연구는 인공지능(AI) 기술을 무선 접속 네트워크(RAN)에 적용하여 네트워크 자원 관리의 지능화를 추구하는 AI-RAN 기술 개발에 중점을 둔다. 다양한 서비스 요구사항과 실시간으로 변하는 채널 환경에 효과적으로 대응하기 위해, 본 연구는 UCB(Upper Confidence Bound) 방식의 강화학습 알고리즘과 자원 블록(RB) 할당을 위한 랜덤 코드북을 활용하는 네트워크 자원 슬라이싱 및 최적 할당 기법을 제안한다. 이를 통해 한정된 무선 자원의 이용 효율을 극대화하고, 각 사용자 및 서비스 유형에 따른 맞춤형 통신 품질(QoS)을 보장하는 것을 목표로 한다.

분산학습(Distributed Learning)의 통신 비용 절감을 위한 방법론을 제시한다. 핵심 아이디어는 signSGD 알고리즘을 코딩 이론(Coding Theory)의 프레임워크 내에서 분석하고, 이를 통신 이론(Communication Theory)을 통해 재해석하여 통신 효율성을 최적화하는 것이다. 이를 통해 개발된 해석 가능한 signSGD 알고리즘은 단순히 통신량을 줄이는 것을 넘어 다양하 데이터 환경, 외부 공격, 시스템 이질성 등 분산 학습이 직면하는 복잡한 도전 과제에 대응할 수 있는 견고한 이론적 기반을 제공한다.

이 연구는 칩과 칩 사이의 고속 통신(Chip-to-Chip Communications) 기술을 다룬다. 구체적으로, 다중 레인(multiple lanes)을 활용하는 고속 인터커넥트 시스템에서 고차 PAM(Pulse Amplitude Modulation)전송 방식의 성능을 개선하는데 초점을 맞춘다. 이를 위해 다중 레인 코딩에 기반한 DFE(Decision Feedback Equalizer)를 적용하여 통신 품질을 향상시키는 기법을 연구한다.