최지연 석사과정(지도교수 김영욱), 국제 저명 저널 IEEE Transactions on Instrumentation and Measurement 에 제1저자로 논문 게재
최지연 석사과정(지도교수 김영욱),국제 저명 저널IEEE Transactions on Instrumentation and Measurement에 제1저자로 논문 게재▲(왼쪽부터) 최지연 석사과정, 전자공학과 김영욱 교수본교 인공지능 레이다/RF연구실 최지연 석사생(지도교수 김영욱)이 제1저자로 국제 저명 저널IEEE Transactions on Instrumentation and Measurement (SCI Impact Factor 5.6, JCR상위9%)에 논문을 게재하였다.발표된 논문 제목은“Enhanced radar false alarm mitigation in low-RCS target detection using time-varying trajectories on range-Doppler diagrams with DCNN”으로,최지연 학생은 본 연구를 주도하였다.본 연구에서는 드론의Range-Doppler상에서 궤적을 추적하여 물리적으로 의미 있는 데이터만을 추출하는 인공지능 알고리즘을 개발하였다.시간 축을 따라 누적된Range-Doppler데이터에서 저피탐체의 궤적 특징을3D-DCNN을 이용해 분석하고,이를 노이즈 및 클러터와 구별하여 탐지 성능을 향상시켰다.제안된 알고리즘은 드론 탐지율을 높이는 동시에 오탐지율을 획기적으로 낮출 수 있도록 인공지능 기법을 적용하여 구현되었으며,향후 표적 탐지 분야에서 성능 향상을 가져올 것으로 기대된다.인공지능 레이다/RF연구실은 인공지능을 이용한 레이다 신호처리,최적화 알고리즘을 이용한 안테나 설계,응용 전자기학과 관련된 다양한 분야를 연구하고 있다.특히 전자파를 이용한 인공지능 기반 인체 행동 분석 분야에서 세계적인 성과를 거두고 있으며,스마트 헬스케어용 인체 신호 감지 및 메타버스를 위한human-computer interface분야를 주력으로 연구하고 있다.
25 - 04 - 08
배수아 교수, 2025년 한국연구재단 우수신진연구 사업 선정
배수아 교수, 2025년 한국연구재단 우수신진연구 사업 선정전자공학과/시스템반도체공학과 배수아 교수본교 전자공학과/시스템반도체공학과 배수아 교수는 과학기술정보통신부의 한국연구재단이 주관하는2025년도 우수신진연구 사업에 선정되었다.연구 과제명은「지속적 뇌질환 치료를 위한 홈케어 경두개 집속초음파 시스템 개발」로 연구 기간은2025년3월부터2028년2월까지3년이며 총6.8억을 지원받는다.인구 고령화로 인해 알츠하이머병,파킨슨병 등 만성적인 뇌질환 환자와 악성 뇌종양 환자 또한 꾸준히 증가하고 있다.이러한 질환은 장기간에 걸쳐 반복적이고 지속적인 치료를 필요로 하지만,거동이 불편한 환자에게 병원 중심의 치료 시스템은 큰 시간적·경제적 부담을 초래한다.특히 의료기관에 정기적으로 방문하기 어려운 고령 환자나 지방 거주자의 경우,치료 접근성의 한계로 인해 적절한 의료 서비스를 지속적으로 받기 어려운 실정이다.이번 연구는 집속초음파를 활용한 뇌질환 치료의 새로운 패러다임을 제시하는R&D이다.기존의MRI기반 집속초음파 시스템이 가진 고비용·장시간 치료·병원 의존 구조의 한계를 극복하고,환자 맞춤형 홈케어 디바이스 개발을 통해 치료의 접근성과 효율성을 획기적으로 높이고자 한다.연구팀은 뇌혈관장벽 개방 및 뇌척수액 순환 촉진 등 반복적 치료가 필요한 주요 시술을 대상으로,두개골의 음향 특성 및 환자별 생리적 반응을 고려한 실시간 치료 모니터링 기술을 개발하고 있다.두개골의 초음파 전달 특성을 분석하고 치료 중 뇌 내 반응을 실시간으로 감지할 수 있는 센싱 및 모니터링 기술,환자의 생체 신호 및 치료 반응 데이터를 바탕으로 안전하고 재현 가능한 치료 조건을 자동 설정하는 적응형 제어 알고리즘,병원 외부 환경에서도 사용 가능한 컴팩트한 치료 플랫폼을 개발하는 것이 목표이다.이와 함께,환자와 보호자가 직관적으로 사용할 수 있는 사용자 인터페이스 설계 기술도 함께 구축된다.
25 - 03 - 27
김영욱 교수 연구팀, 양자 어닐링을 이용한 레이다 신호처리로 IEEE GRS-Chapter상
김영욱 교수 연구팀,양자 어닐링을 이용한 레이다 신호처리로IEEE GRS-Chapter상▲(왼쪽부터) 전자공학과 최지연 석사과정, 김영욱 교수전자공학과의 인공지능 레이다/RF연구실(지도교수 김영욱)의 최지연 석사과정생이2025년도 한국전자파학회(KIEES)동계종합학술대회에서IEEE Geoscience and Remote Sensing (GRS)-Chapter상을 수상하였다.본 연구는"Quantum Annealing을 이용한 레이다 다중 표적 트래킹 기법"이라는 제목으로 최지연학생과 김영욱 교수가 저자로 논문을 발표하였다.레이다의 다중 표적 트래킹 문제는NP문제로 많은 계산량을 필요로 하는데,본 연구에서는 이를Quantum Computing이 풀 수 있는 수학적 모델(QUBO)로 변환하여Quantum Annealing기법으로 결과를 도출하였다.특히 다중 표적 트래킹 문제에서 표적의 프레임과 프레임 사이의 연관성을 표적 사이의 거리뿐만 아니라 각도까지도 고려할 수 있는 수학적인 방법을 제시하였다.본 연구는 앞으로 많은 레이다 신호처리 문제들이Quantum Computing으로 풀릴 수 있는 기초를 마련한 데에 기여가 있다.<다중 표적 추적 문제를Quantum annealing으로 풀기 위한 과정>인공지능 레이다/RF연구실은 인공지능을 이용한 레이다 신호처리,최적화 알고리즘을 이용한 안테나 설계,응용 전자기학과 관련된 다양한 분야를 연구하고 있다.특히 전자파를 이용한 인공지능 및 양자 기반 레이다 신호처리 분야에서 성과를 거두고 있으며,스마트 헬스케어용 인체 신호 감지 및 메타버스를 위한Computer-human interface분야를 주력으로 연구하고 있다.
25 - 02 - 21
배수아 교수, 미국 치료초음파재단 ‘신진연구자’ 인터뷰
배수아 교수,미국 치료초음파재단‘신진연구자’인터뷰미국의 치료초음파재단(Focused Ultrasound Foundation)은 의료용 집속 초음파 분야에서 가장 영향력 있는 기관 중 하나로,관련 연구와 기술 개발을 국제적으로 지원하고 있다.최근 서강대학교 전자공학과 배수아 교수를‘Young Investigator’로 선정하며,연구 성과와 학문적 기여를 조명하는 뉴스레터를 발행했다.배수아 교수는 집속 초음파(Focused Ultrasound)기술을 활용한 혈뇌장벽(BBB)개방 연구를 수행하며,이를 기반으로 뇌질환 치료의 가능성을 탐색하고 있다.알츠하이머병 환자를 대상으로 한BBB개방 임상시험에서 실시간 초음파 영상 모니터링의 기술을 개발 및 적용하여 연구 성과를 인정받았으며,소아 뇌종양 환자를 대상으로 한 초음파 치료 연구에도 참여하여 치료 모니터링 기법을 개선하는 데 기여했다.2024년 전자공학과에 임용되면서 서강대학교 공과대학 최초의 여성 교수로 자리하게 되었다.연구뿐만 아니라 교육에도 힘쓰며,특히 공대에서 학업을 이어가는 여학생들에게 좋은 역할 모델이 되고자 노력하고 있다.관련뉴스링크:https://www.fusfoundation.org/posts/young-investigator-profile-sua-bae-phd/
25 - 02 - 21
신의협 학생, ‘제 31회 삼성휴먼테크 논문대상’ 동상 수상
신의협 학생,‘제31회 삼성휴먼테크 논문대상’동상 수상전자공학과 신의협 학생(지도교수 박형민 교수)이 제31회 삼성휴먼테크논문대상‘Signal Processing’분과에서 동상을 수상했다.신의협 학생은“Separate and Reconstruct: Asymmetric Encoder-Decoder for Speech Separation”라는 주제로 효과적으로 음성을 분리하기 위한 새로운 모델 구조를 제안하여 수상하였다.음성 분리(Speech Separation)은 여러 화자의 음성이 섞인 오디오에서 개별 화자의 음성을 분리해내는 과제이다.이를 위해서 역할이 구분 되는 분리 인코더–재구성 디코더의 비대칭 네트워크를 설계하였으며 이는 기존 음성 분리 분야에서 사용되고 있는 딥러닝 네트워크의 설계에서 실제 음원의 분리가 네트워크의 가장 후반부에서 진행되는 것의 한계점을 고려한 것이다.또한,본 연구는 지난2024년12월 캐나다 벤쿠버에서 개최된 세계 최고 귄위의 인공지능 학회인NeurIPS 2024에서 발표된 바 있다.삼성휴먼테크논문대상은 과학기술 분야의 미래 주역을 발굴하자는 취지에서1994년부터 시작된 학술 논문상이다.삼성전자가 주최하고 과학기술정보통신부와 중앙일보가 공동 후원한다.이번 대회에는 역대 가장 많은 총3152편의 논문이 접수돼 총116편의 연구가 수상했다.▶논문제목: Separate and Reconstruct: Asymmetric Encoder-Decoder for Speech Separation▶저자 정보:신의협(제1저자),이상윤(제2저자),김태한(제3저자),박형민 교수(교신저자,서강대)▶데모 페이지:https://fordemopage.github.io/SepReformer/
25 - 02 - 21
남창주 교수 연구팀, 로봇 분야 Top conference ‘ICRA 2025’ 논문 채택
남창주 교수 연구팀,로봇 분야Top conference ‘ICRA 2025’논문 채택▲왼쪽부터 김준경 석사과정, 박상진 학부인턴, 이원종 석사과정,지도교수 남창주전자공학과 남창주 교수 연구팀의 논문이 로봇 및 자동화 분야 Top conference인 International Conference on Robotics and Automation (ICRA 2025)에 채택되었다. IEEE에서 주관하는 ICRA는 로봇 분야의 세계 최고 권위의 국제학술행사로, 오는 5월 19일부터 23일까지 미국 조지아 월드 콩그레스 센터에서 개최될 예정이다.논문 제목은 “Escaping Local Minima: Hybrid Artificial Potential Field with Wall-Follower for Decentralized Multi-Robot Navigation”으로, 김준경 석사과정의 주도 하에 박상진 학부인턴, 이원종 석사과정이 함께 연구를 진행하였으며 미국 카네기멜론대학교, 주식회사 티랩스와 협업이 이루어졌다.제안된 방법은 비정형 장애물이 가득한 환경에서 여러 대의 모바일 로봇이 지도 없이도 라이다(LiDAR)와 같은 거리 센서 정보만으로 충돌을 회피하며 주행할 수 있는 새로운 기술이다. 기존의 반응형 이동 방식인 인공 포텐셜 필드(APF) 기법은 계산이 빠르고 간단하지만, 국소 최소값(local minima) 문제로 인해 로봇이 특정 위치에 갇히는 한계를 갖고 있다. 제안된 알고리즘은 APF 방식에 벽면 추종(Wall-Following, WF) 방식을 결합해 로봇이 국소 최소값에서 탈출할 수 있도록 한 것이 특징이다. 연구팀은 APF와 WF 간의 전환을 위해 두 가지 방법을 제안했는데, 하나는 정해진 규칙에 따라 전환하는 방식이며, 다른 하나는 전문가 시연 데이터를 학습한 인코더 네트워크를 활용하는 방식이다.APF와WF사이 스위칭을 수행하는 알고리즘과 교착 상태가 발생하기 쉬운 실험 환경실험 결과,제안된 기법은 기존 최신 기술 대비 훨씬 높은 성공률을 보이며,비정형 장애물과 동적인 환경에서도 안정적인 이동이 가능함을 입증했다.이 기술이 상용화된다면 물류,제조,구조 작업 등 다양한 분야에서 멀티 로봇 시스템의 활용도를 크게 높일 것으로 기대된다.
25 - 02 - 05
남창주 교수 연구팀, 로봇 분야 Top conference ‘ICRA 2025’ 논문 채택
남창주 교수 연구팀,로봇 분야Top conference ‘ICRA 2025’논문 채택▲왼쪽부터 한기돈 석사 졸업생,박정우 박사과정,지도교수 남창주전자공학과 남창주 교수 연구팀의 논문이 로봇 및 자동화 분야Top conference인International Conference on Robotics and Automation (ICRA 2025)에 채택되었다. IEEE에서 주관하는ICRA는 로봇 분야의 세계 최고 권위의 국제학술행사로,오는5월19일부터23일까지 미국 조지아 월드 콩그레스 센터에서 개최될 예정이다.한기돈 석사 졸업생(현 삼성전자)의 주도 하에 박정우 박사과정이 함께 연구를 진행하였으며 논문 제목은“Stop-N-Go: Search-based Conflict Resolution for Motion Planning of Multiple Robotic Manipulators”이다.다수의 매니퓰레이터 로봇이 공장/창고 등에서 조립,용접,도장,패키징 등의 공정을 함께 수행하다 보면 서로 부딪힐 위험이 있다.모든 로봇의 구성 공간(configuration space)을 하나로 묶어 계획하는 방식은 모든 로봇의 움직임을 동시에 고려하기 때문에 직관적이지만,로봇 수가 늘어나면 계산량이 폭발적으로 증가하며 솔루션을 찾는 데 실패하는 경우가 많다.반면,로봇별로 경로를 따로 계획하는 방식은 속도가 빠르지만 충돌 문제를 자주 유발한다.로봇 경로간 간섭을 해소하기 위한 탐색 알고리즘과 알고리즘이 적용된 실험 환경이에 남창주 교수 연구팀은 개별적으로 계획된 경로에'정지'를 삽입해 충돌을 해결하는 새로운 방식을 제안했다. A*알고리즘을 활용해 각 로봇의 정지를 최소화하면서 전체 작업 완료 시간을 줄이는 전략이다.이 방식은 일부 로봇이 멈춰 다른 로봇이 충돌 없이 움직일 수 있도록 하며,동시에 경로의 효율성을 유지한다.이 기술이 적용되면 다수의 로봇이 한 공간에서 더욱 효율적으로 작업할 수 있을 것으로 기대된다.특히,산업 현장뿐만 아니라 물류,의료,서비스 로봇 등 다양한 분야에서 협업 로봇의 활용도가 높아질 전망이다.
25 - 02 - 05
전자공학과 박형민 교수 연구팀, 세계 최우수 인공지능 학회 ‘NeurIPS 2024’ 논문 채택
전자공학과 박형민 교수 연구팀,세계 최우수 인공지능 학회‘NeurIPS 2024’논문 채택▲(왼쪽부터) 전자공학과 신의협 박사과정, 이상윤 석사과정, 김태한 석사과정, 박형민 교수전자공학과 지능정보처리 연구실 연구팀(지도교수 박형민)이 최우수 인공지능 학회인‘Neural Information Processing Systems, NeurIPS 2024’에서 논문을 발표하게 되었다.전자공학과의 신의협 박사과정의 주도하에 이상윤,김태한 석사과정이 함께 연구를 진행하였으며,논문 제목은“Separate and Reconstruct: Asymmetric Encoder-Decoder for Speech Separation”으로 해당 연구를 통해서 여러 화자가 동시에 발화하는 혼합 음성에서 개별 화자의 음성을 분리하는 새로운 딥러닝 네트워크 구조를 설계하였다.음성 분리(Speech Separation)는 여러 화자의 음성이 섞인 오디오에서 개별 화자의 음성을 분리해내는 과제이다.이를 위해서 역할이 구분 되는 분리 인코더–재구성 디코더의 비대칭 네트워크를 설계하였다.<분리 인코더–재구성 디코더의 비대칭 네트워크를 제안한SepReformer네트워크 구조>연구팀은 기존 음성 분리 분야에서 사용되고 있는 딥러닝 네트워크의 설계에서 실제 음원의 분리가 네트워크의 가장 후반부에서 진행되는 것의 한계점을 고려하여 모델을 디자인하였다.한편NeurIPS는 인공지능(AI)및 기계 학습 분야에서 가장 권위 있는 국제 학회 중 하나로,매년 전 세계의 연구자와 기업들이 참여하여 최신 연구 성과와 혁신 기술이 발표되고 논의되는 자리이다. GAN, AlphaGo, Transformer, Diffusion등 인공지능에 큰 영향을 끼친 기술이 해당 학회에서 발표되었다. NeurIPS 2024는 오는2024년12월9~15일 캐나다 벤쿠버에서 개최된다.▶논문제목: Separate and Reconstruct: Asymmetric Encoder-Decoder for Speech Separation▶저자 정보:신의협(제1저자),이상윤(제2저자),김태한(제3저자),박형민 교수(교신저자,서강대)▶데모 페이지:https://fordemopage.github.io/SepReformer/
24 - 09 - 30
김홍석 교수 연구팀, 에너지 분야 국제 저명 저널 IEEE Transactions on Sustainable Energy 논문 게재
김홍석 교수 연구팀,에너지 분야 국제 저명 저널IEEE Transactions on Sustainable Energy논문 게재▲(왼쪽부터) 송근주 석박통합과정, 김민수 박사, 김홍석 교수본교 전자공학과 송근주 석박사통합과정과 김민수 박사(지도교수 김홍석)의 논문이 국제 에너지 분야 최상위 저널인IEEE Transactions on Sustainable Energy (2023년 발표 기준JCR Impact Factor 8.6,상위8%)에 게재 승인되었다.해당 논문은 최근 전력 시스템에서의 신재생 에너지 투입을 위한 새로운 형태의 다중 태양광 발전량 예측 기법에 관한 것이다.제안하는 기법은 특히 국가 단위의 넓은 지역에 걸쳐 분포해 있는 태양광 발전소들에 대하여 단일 모델로도 효율적이며 정확한 예측을 수행한다.일반적으로 대규모 형태의 태양광 발전소를 학습하기 위해서는 대용량의GPU메모리가 확보되어야 하며,이는 상황에 따라out of memory (OOM)에러로 이어져 학습 비용이 크게 상승하는 문제가 있었다.따라서 이를 해결하기 위해 해당 논문에서는 그래프 신경망 기반의Random Coarse Graph Attention과Probabilistic autoregressive LSTM모델을 제안 및 결합하여 약1600개 이상의 태양광 발전소를 동시에 학습 시에도 최대57.3%의 낮은GPU메모리 사용량을 보였으며,시공간 학습을 통해 최대11.7%향상된 예측 정확도를 달성하였다.또한 실제 상황에서 통신 오류,센서 고장 등으로 발생하는 결측 데이터 상황을 고려하여 시공간적 보간법을 제안해 결측이 극심한 상황(최대90%의 결측률)에서도 비교군 대비 강인한 예측 성능을 보였다.제안된 다중 태양광 발전량 예측 기법인AnyCast는 가상발전소(VPP)구성 등 배전망 운영에 효과적으로 기여할 수 있으며,재생에너지가 고려된 최적 조류 계산 등 다양한 전력망 운영에 포괄적인 적용이 가능할 것으로 기대된다.논문명: Graph-based Large Scale Probabilistic PV Power Forecasting Insensitive to Space-Time Missing Data저널명: IEEE Transacations on Sustainable Energy (IF 8.6, JCR상위8%)저자명:송근주(서강대학교),김민수(서강대학교),김홍석(서강대학교)
24 - 08 - 20