pISSN : 1226 - 4717 / eISSN : 2287 - 3880
발행기관 : 한국통신학회
  한국통신학회 논문지는 1976년부터 발행되고 있으며, 정보통신 분야에서 가장 오래된 역사를 가지고 있는 국문/영문 혼용 논문지입니다. 정보, 통신, 네트워크 및 융합 기술에 관련된 주제를 다루는 전문 학술지로 정보, 통신, 네트워크 및 융합 기술에 관련된 새로운 개념, 이론, 기술과 응용까지 논문에서 다루는 주제에 따라 일반논문(Part A (AI for ICT Applications), Part B (Communications Systems), Part C (Networks and Computings), Part D (Services Applications and Emerging Topics), Part E (ICT Convergence), Part F (System Implementation)), 특집논문으로 분류하여 연간 400여 편의 논문이 발행되고 있습니다.
Indexed in    

우수논문   (50권 2호, 2월  2025)

클라이언트의 서로 다른 학습 능력을 고려한 분산학습 알고리즘 연구

류지현  양희철

본 논문에서는 서로 다른 학습 능력을 가진 클라이언트와 서버로 구성된 분산학습 환경을 고려한다. 클라이언트의 컴퓨팅 능력이 제한되고 그 능력이 서로 다른 경우, 많은 클라이언트가 학습에 참여할 수 있도록 서버의 학습 능력을 활용하는 분할 학습과 순서화된 드롭아웃(Ordered dropout) 방식을 결합한 분산학습 알고리즘을 제안한다. 이를 통해 클라이언트가 학습하는 클라이언트 모델의 크기가 서로 다르더라도 모두 분산학습에 참여하여 전역모델 성...

이종망 간섭에 강인한 Subcarrier-clearing 기반 LTE 주파수 오프셋 추정 기법 연구

여유진  김주엽

본 연구는 subcarrier-clearing을 바탕으로 간섭 셀 신호의 영향을 제거하는 방식을 제안한다. 두 기지국의 커버리지가 중복되는 이종망 환경에서 단말은 서빙 셀 외에도 다른 셀로부터 신호를 수신한다. 이때, 서빙 셀 외의 셀이 송신하는 신호는 간섭을 일으켜 서빙 셀 신호에 대한 CFO 추정을 방해한다. 이에 본 연구는 간섭이 발생하는이종망에서의 부반송파 할당 특성을 이용하여 간섭 셀 신호로 발생하는 CFO 추정 오류에 대처하는 기법을...

최근 발간 목록   (50권 4호, 4월  2025)

Suppressing the Acoustic Effects of UAV Propellers through Deep Learning-Based Active Noise Cancellation 
Faisal Ayub Khan  Soo Young Shin
This study presents a deep learning-based Active Noise Cancellation (ANC) system for reducing UAV propeller noise using a Convolutional Neural Network (CNN) model. The proposed system effectively minimizes noise in real-time by extracting key audio features such as amplitude, phase, and frequency components, generating and calculating inverse feature values to construct precise anti-noise signals. This approach enables destructive interference, significantly reducing the propeller noise. The model achieved high-performance metrics, including 94.5% accuracy, 93.2% precision, 96.1% recall, and a loss value of 0.115, demonstrating its efficacy in noise cancellation. Deployed on an Nvidia Jetson NX, the ANC system integrates high-quality microphones and strategically placed speakers on a UAV platform, allowing for real- time noise analysis and anti-noise generation. Indoor and outdoor tests validated a substantial reduction in propeller noise up to 36 dB, highlighting the model’ s robustness and potential for quieter UAV operation in noise-sensitive settings.
HyBaTwin: Web-Based Hybrid Digital Twin Platform for Electric Vehicle Battery Capacity Estimation 
Judith Nkechinyere Njoku  Anthony Uchenna Eneh  Cosmas Ifeanyi Nwakanma  Jae-Min Lee  Dong-Seong Kim
This study presents early results of a web-based digital twin (DT) for battery management systems (BMS). The proposed DT explores a hybrid of model-based and data-driven approaches, enabling the exploitation of each approach’s distinctive merits and constraints. Experiments employing explainable artificial intelligence (XAI) techniques were undertaken to select the most trustworthy and explainable approach to be deployed to a web server. First, a model-based DT was developed using physics based modelling and AI to achieve the hybrid model. Next, four models, including a deep neural network, a long-short-term memory network, a graph neural network (GNN), and a transformer neural network (TNN) model, were independently trained to minimize the residual between the actual battery data and the prediction of the model-based DT. All hybrid DT models were assessed based on mean squared error, latency, and prediction confidence. With the best confidence score of 98.255% and lowest latency of 0.079, the hybrid GNN DT model emerged as the best, demonstrating the viability of the proposed explainable hybrid approach in approximating actual battery behavior and the utility of a web-based DT.
다중 클래스 분류를 위한 협력 게임 기반 다준거 가중 앙상블 기법 
윤동성  김승욱
4차 산업 혁명 이후 AI기술이 여러 분야에서 광범위하게 사용되고 있지만, 과대/과소 적합, 클래스 불균형, 모델 별 특성에 기인한 표현(가설공간) 의 한계와 같은 문제점 또한 부각되고 있다. 이를 극복하기 위한 방법으로앙상블(모델 결합) 이 ML에서 광범위하게 사용되고 있다. 특히 투표 앙상블은 다양한 가중치 부여 방법이 연구되어, 이에 따른 성능 향상을 보여주고 있다. 하지만 기존 방법의 경우 한가지 평가지표만을 고려한다는 점에서 정보의 반영에 한계가 존재한다. 따라서, 본 논문에서는 다-준거 상황에서 협력 게임을 이용해 여러 정보를 고려한결정을 내리는 방법을 제안한다. 이를 통해 사전에 분류기에서 알 수 있는 다양한 종류의 정보들을 동시에 고려하고 반영할 수 있으며, 이는 적절한 가중치의 분배와 성능 향상으로 이어진다. Open-ML-CC18의 데이터 셋에 기계학습 알고리즘을 적용하고, 기존 앙상블 가중치 방법과 비교하였으며, 실험결과 다른 가중치 방법에 비해 평균1.02%, 최대 3.15%의 정확도 향상을 보였다.
스마트워치의 PPG 신호를 이용한 신변보호 대상자의 심리적 위험 감지 
유소희  황규원  유재현
본 연구에서는 스마트워치로부터 측정된 짧은 길이의 PPG 신호를 이용해 위험을 느끼는 감정을 추론하는 기계학습 모델을 제안한다. 지도학습에서는 정확하게 참 값이 기록된 학습데이터가 필요하다. 그러나, 위험 분류를 목표하는 실험에서 참가자들이 느끼는 위험의 정도 차이 때문에 학습데이터에 참 값을 기록하기 어렵다. 본 연구의핵심은 학습 데이터에서 모호하게 레이블 된 데이터를 제거하는 알고리즘을 개발하여 결과적으로 추론 모델의 정확성을 향상시키는 것이다. 학습데이터는 긍정/부정 영상 시청을 통해 수집하였고, 추론 정확도는 공포 VR 게임을수행하는 참가자들의 PPG 신호를 이용하였다. 기존의 PPG를 이용한 감정 추론 방법들과 비교를 통해 제안한 방법의 우수성을 입증하였다.
우수 논문
  CRANet을 활용한 블라인드 채널코딩 인식 
신새빈  임완수
블라인드 채널코딩 인식은 사이버 전자전과 같은 비협력적 통신환경에서 매우 유용하게 사용된다. 블라인드 채널코딩 인식은 인식하고자 하는 채널코딩에 대한 사전지식 및 추가적인 데이터 처리 과정이 없이 수신단에서 채널코딩을 인식하는 기술이다. 본 논문은 블라인드 환경에서 채널코딩 인식률을 높이기 위해 CNN, Residual 그리고 Attention으로 구성한 CRANet을 제안했다. 채널코딩은 BCH, Hamming, Product, RM, Polar, Golay, Convolution, Turbo 등 8가지 유형을 사용했다. 시뮬레이션 결과, 제안한 CRANet의 채널코딩 인식 정확도는TextCNN과 CNN-BLSTM 보다 각각 최대 53.5%와 58,7% 높았다. 또한 CRANet에서 사용한 CNN은 2D를 사용할 때 1D보다 41.36% 더 높은 인식 성능을 보였다. 특히 2D CNN을 사용한 CRANet은 0dB에서 93.62%의 정확도를 달성했다.
자율주행 농기계를 위한 경작지 세그멘테이션 
배나연  최성균  한동석
스마트 농업은 정보통신기술을 농업에 접목하여 자동화하는 기술로 들어선 만큼, 기후변화와 고령화 등의 문제를 해결하는 지속 가능한 방법이다. 최근 농업의 주요 장비인 트랙터와 이앙기에 자율 주행 기술을 접목한 농업의자동화에 관한 연구가 활발하다. 본 논문에서는 경작할 수 있는 농지를 구분하기 위한 딥러닝 구조를 제안한다. 드론으로 촬영한 경작지의 이미지를 사용하여 데이터셋을 구축하고 밭과 모서리, 도로를 경량 딥러닝 모델을 이용하여 영역 구분하고자 한다. 본 논문에서는 DG-블록(DG-block, Dilated group Convolution-block)과 픽셀 셔플(pixel shuffle)을 이용하여 이미지 영역을 세분화하는 딥러닝 모델을 제안한다. 제안 시스템은 mIOU 78.4%와 정확도 77.7%의 성능과 추론시간 50ms를 보여주었다.
ResNet과 GAF 기반 자동변조인식 성능 향상 연구 
이상호  임완수
자동변조인식(AMR, Automatic Modulation Recognition)은 무선 통신에서 신뢰성과 효율성을 높이는 중요한 기술이다. 최근 AMR 연구는 딥러닝을 활용하여 성능을 개선하는 데 중점을 두고 있으며, 특히 IQ(In-phase and Quadrature) 성상도를 학습 데이터로 사용하는 다양한 딥러닝 모델이 제안되고 있다. 그러나 성상도는 신호의 시간적 특징을 포함하지 못하므로 시계열 데이터 처리가 필수인 AMR에서는 성능 향상에 한계가 있다. 이러한 문제를 해결하기 위해 본 논문은 시계열 데이터의 시간적 특징을 반영할 수 있는 GAF(Gramian Angular Field) 방식을 적용했다. GAF는 신호의 시간적 변화와 패턴을 효과적으로 나타내므로 기존 성상도 기법보다 더 다양한 정보를 제공한다. ResNet(Residual Neural Network) 모델에 GAF를 적용하여 변조를 인식한 결과, 기존 자동변조인식기법보다 SNR -10dB에서 5dB에서 최소 5%에서 최대 15% 더 높은 정확도를 달성했다.
우수 논문
  Convolution-TKAN 기반 자동 채널코딩 인식 연구 
차은재  임완수
자동 채널코딩 인식은 무선통신 시스템에서 수신된 신호의 채널코딩 유형을 자동으로 인식하는 기술로, 데이터통신의 효율성 향상과 사전정보를 알 수 없는 비협조적인 통신 상황에서 원활한 신호 수신에 기여한다. 최근에는딥러닝 기술의 발전으로 딥러닝 기술을 자동 채널코딩 인식에 활용하는 추세이다. 본 논문은 Convolution-TKAN 모델 기반 자동 채널코딩 인식 기술을 제안한다. 지역적 특징을 추출하는 Convolution 층과 시계열 특징을 추출하는 TKAN 층을 동시에 사용함으로써 다양한 채널 인코딩 방법을 효율적으로 학습한다. 제안한 채널코딩 인식 기법은 CNN, GRU와 같은 일반적인 딥러닝 모델보다 인식 정확도가 평균 약 6% 향상되었다.
딥러닝을 이용한 동일 주파수 대역에 공존하는 통신 및 레이더 신호 분리 
정석현  남해운
통신 신호와 레이더 신호가 동일 주파수 대역에서공존할 때 신호 중첩으로 인한 간섭이 불가피하게 발생하는데, 이로 인해 통신의 품질이 저하된다. 기존의주파수 필터링 방식은 주파수가 완전히 겹치는 상황에서 성능이 제한적이므로, 이를 해결하기 위해 딥러닝 기반 접근법이 주목받고 있다. 본 논문에서는 중첩된 통신 및 레이더 신호를 분리하기 위해 딥러닝모델인 U-Net과 Conv-TasNet을 사용하여 비트 오류율(Bit Error Rate, BER)을 통해 성능을 비교하였다. 실험 결과, 전반적으로 Conv-TasNet 방식이 U-Net 방식에 비해 BER이 낮게 나타났지만, 신호 대 간섭비(Signal-to-Interference Ratio, SIR)가 낮은 환경에서는 U-Net의 BER이 더 낮게 나타났다.
통계 추정 기반 ABR 알고리즘의 딥러닝 기반 성능 향상 
문이빈  안동혁
최근 넷플릭스 등과 같은 OTT 플랫폼의 수요가 상승하고, 비디오 스트리밍 시장이 커짐에 따라, 스트리밍 서비스의 핵심 알고리즘인 ABR(Adaptive Bitrate) 알고리즘의 성능 향상 및 사용자 경험 품질(QoE, Quality of Experience)의 향상 연구가 더욱 중요해지고 있다. 종래의 ABR 알고리즘 중 모델 제어 예측 기반 알고리즘인MPC(Model Predictive Control)와 Robust MPC ABR 알고리즘의 네트워크 대역폭 예측 알고리즘은 통계적인 추정 방식을 사용하여 대역폭의 변동성이 매우 큰 경우 예측의 오류로 인해 최적에 비해 성능이 저하될 수 있다. 이에 본 연구에서는 LSTM, Transformer 기반 시계열 예측 모델을 이용하여 네트워크 대역폭을 예측하고, MPC에적용하여 개선점을 제안한다. ABR 알고리즘 시뮬레이션 프레임워크를 이용하여 QoE 지표로 측정한 성능을 기존MPC ABR 알고리즘과 정량적으로 비교한 결과, LSTM, Transformer 모델에서 모두 높은 성능을 보였으며, 기존대비 성능을 각각 8.71%, 8.91% 개선하였다.