유상조 교수

정적 주파수 할당 방식의 비효율성을 극복하기 위해 사용되지 않는 주파수 대역을 기회적으로 탐지하고 활용하는 인지무선 기술을 연구했습니다. 동적 스펙트럼 관리 기법을 기반으로 게임 이론을 적용한 네트워크 자원 최적화 모델을 설계했으며, 강화학습 기반 클러스터링 알고리즘과 인지무선 채널센싱, 전송전력제어 기법을 결합하여 간섭을 최소화하면서 스펙트럼 이용 효율을 높이는 방안을 제시했습니다. 이러한 기술은 사물인터넷(IoT) 환경에서의 스펙트럼 효율화 및 군사 전술 네트워크의 통신 안정성 확보에 적용되고 있으며, 기술성숙도(TRL) 5-7 수준까지 검증되었습니다. 관련 연구 성과로 미국 특허 2건(예: US 7,877,109 B2)과 다수의 국내 특허를 등록했으며, 삼성종합기술원과 국제 특허를 공동 출원한 바 있습니다. 특히 인지 무선 애드 혹 네트워크에서의 전송 전력 제어 방법 관련 기술은 인하대학교에서 개발되어 2019년 4월 이투엠에 기술이전되었습니다.

UAV의 유연한 배치와 임무 수행을 위한 다목적 경로 설계 필요성이 커짐에 따라 심층 강화학습(DRL)과 입자 군집 최적화(PSO)를 결합한 UAV 경로 계획 및 오프로딩 기법을 연구했습니다. 생체 모방 군집 지능을 활용한 3차원 UAV 이동 계획 알고리즘을 개발했으며, 무인 자율비행체 애드혹 네트워크의 라우팅 문제와 Q러닝 기반 클러스터링 기법을 통해 네트워크 연결성과 데이터 전송 효율을 동시에 개선했습니다. 이러한 연구 결과는 재난 모니터링, 데이터 수집용 무선 센서 네트워크(WSN), 실내 AR 내비게이션 등 다양한 실환경에 적용되고 있으며, 기술성숙도(TRL) 4-6 수준까지 발전했습니다. 관련 성과로 IEEE Internet of Things Journal(IF 10.238)에 논문을 게재했으며, 2024년부터 2025년 사이 관련 특허 2건을 등록했습니다. 특히 센서 네트워크에서 UAV의 센싱 데이터 정보 최대화를 위한 PSO 기반 UAV 위치 탐색 방법 및 장치는 인하대학교에서 개발되어 2024년 12월 주식회사 데이터메티카에 기술이전되었습니다.

지능형 교통 시스템(ITS)의 안정성을 확보하기 위해 사물인터넷(IoT) 기기와 차량 간 통신(V2X)을 아우르는 네트워크 프로토콜을 연구했습니다. 엣지 컴퓨팅 알고리즘을 기반으로 저전력 MAC 프로토콜과 라우팅 프로토콜을 설계했으며, 계층적 강화학습 기반 라우팅 기법을 도입하여 다수의 차량과 인프라가 동시에 통신하는 환경에서도 통신 지연을 최소화하고 네트워크 자원 활용 효율을 높이는 방안을 마련했습니다. 이를 통해 차량과 도로 인프라, 센서 노드 간의 실시간 데이터 교환이 가능한 구조를 구현했습니다. 이러한 기술은 자율주행 차량 제어, 교통 신호 최적화, 재난 대피 시스템 등 실시간성과 신뢰성이 동시에 요구되는 응용 분야에 적용되고 있으며, 기술성숙도(TRL) 5-7 수준까지 검증되었습니다. 관련 연구 성과는 IEEE Transactions on Intelligent Transportation Systems(JCR 상위 2.5%)에 논문으로 게재되어 학술적 우수성을 인정받았습니다.