김경섭 교수

자율운항 선박 시장이 확대됨에 따라 지능형 해상 교통 관리 및 안전 확보 기술의 필요성이 증대되고 있습니다. AIS(Automatic Identification System) 데이터를 기반으로 선박 궤적을 예측하는 모델을 개발했으며, CNN과 LSTM 등 심층 신경망 알고리즘과 Mamdani 퍼지 추론 시스템, 하이브리드 확장 칼만 필터(EKF) 최적화 기법을 결합하여 예측 정확도를 높였습니다. 이러한 기술은 자율운항 선박의 안전 경로 최적화, 지능형 해상 관제 시스템, 도로 교통 사고 예방 시스템 등에 적용되고 있습니다. 삼성중공업 자율운항선박연구센터와 AIS 데이터 기반 선박 예측 및 AI 음성 통신 시스템 공동연구를 수행하고 있습니다. 선박 궤적 예측 실험에서 CNN 모델을 통해 MAE 0.0334, MSE 0.0795의 정확도를 달성했으며, '사고위험 감지시스템 및 감지방법' 특허(등록번호 10-2105954)를 보유하고 있습니다. 현재 기술성숙도는 TRL 3단계입니다.

낮은 신호 대 잡음비(SNR) 환경에서도 정확한 자동 변조 인식(AMR)을 수행하여 효율적인 전파 관리를 실현하는 것을 목표로 연구를 수행하고 있습니다. 시공간 영역(Time-frequency domain)에서의 변조 패턴을 분석하기 위해 CNN과 LSTM을 결합한 모델을 설계했으며, AI 기반 VHF 대화형 음성 통신 기법도 함께 연구하고 있습니다. 이 모델은 복잡한 신호의 시공간 종속성을 포착하여 분류 성능을 최적화하는 데 활용됩니다. 해당 기술은 인지 무선 통신, 적응형 변조 시스템, 전자전 및 전파 감시 분야에 적용되고 있습니다. 삼성중공업 자율운항선박연구센터와 AI 기반 VHF 대화형 음성 통신 시스템 개발을 위한 공동연구를 진행하고 있으며, '전파신호 변조인식시스템' 특허(등록번호 10-2073935)를 보유하고 있습니다. 현재 기술성숙도는 TRL 3~4단계입니다.

노이즈가 포함된 시계열 데이터의 불확실성을 제거하여 정밀한 상태 추정을 구현하기 위한 연구를 수행하고 있습니다. 적응형 및 확장 칼만 필터(EKF) 알고리즘을 기반으로 GNSS 시계열 데이터를 분석하며, Fast R-CNN과 Resnet101을 활용한 패턴 인식 기법도 함께 적용하고 있습니다. 이를 통해 R2-AEKF(적응형 확장 칼만 필터)를 개발하여 추적 오차를 감소시키고 트랙 회복 성능을 개선했습니다. 해당 기술은 지진에 따른 GNSS 좌표 편의 검출, 금융 데이터 추세 분석, 자율 시스템 제어 안정화 등에 활용되고 있습니다. 충남대학교 환경IT공학과 등 교내 연구팀과 지진 데이터 분석 및 스마트 그리드 관련 융합 연구를 진행하고 있으며, 기술성숙도는 TRL 3~5단계에 해당합니다.