pISSN : 1226 - 4717 / eISSN : 2287 - 3880
발행기관 : 한국통신학회
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
Publishing with
우수논문 (51권 3호, 3월 2026)
트랜스포머 모델 기반 DFT-s-OFDM에서의 위상 잡음 추정장동환 최계원 |
|
| 미래 6G는 초고주파 대역을 활용한 대용량 데이터 전송을 요구한다. 그러나 이러한 대역을 사용할 때 OFDM (orthogonal frequency division multiplexing) 파형의 높은 PAPR (peak-to-average power ratio) 문제와 위상 잡음(phase noise)으로 인해 통신 성능 저하가 발생한다. 특히 위상 잡음은 서브캐리어 간 직교성(orthogonality)을 파괴해 시스템 성능을 떨어트린다. 기... | |
OcuSync 업링크 복조 알고리즘 성능 분석이형우 정재연 정진우 심이삭 윤상범 서정현 남해운 |
|
| 본 논문은 제3자 관점에서 DJI 드론의 OcuSync 프로토콜 업링크 신호를 검출·복조하기 위한 신호 처리 기법을 기술한다. 먼저 비공개 프로토콜의 제원을 추정한 뒤, 이를 기반으로 검출 및 복조 알고리즘을 설계하여 최종적으로 업링크 신호의 비트스트림을 획득하였다. 모의실험 결과, 본 알고리즘은 OcuSync 전 버전의 업링크 신호에 대해 안정적인 복조 성능을 보였으며, SNR이 16 dB 이상일 때 BER이 약 4×10⁻³ 이하로 수렴하여 ... | |
최근 발간 목록 (51권 4호, 4월 2026)
무선 네트워크에서의 머신러닝을 활용한 고고도 플랫폼 기반 이동 기지국 배치 방법
신혜지 전홍배
본 연구에서는 고고도 플랫폼(High-Altitude Platform: HAP)을 활용한 이동 기지국 배치 문제를 사용자 밀집도변화 예측과 강화학습을 결합하여 최적화하는 방안을 제안한다. 베이징 지역의 Geolife GPS Trajectories 데이터를전처리하여 건물 밀집도에 따른 3개 지역을 설정하고, GRU 모델을 통해 10분 단위 사용자 밀집도를 예측하였다.
예측된 밀집도 정보를 바탕으로 Deep Q-Network (DQN)을 활용하여 이동 기지국의 최적 배치 정책을 학습하였으며, 기지국 1개 및 2개 배치 시나리오에 대해 성능을 비교 분석하였다. 실험 결과, 제안한 방법은 모든 시나리오에서 주요 밀집 구역을 효과적으로 커버하며, 기지국 수와 학습 전략 조절을 통해 건물 밀집도가 높은 시나리오에서 기존의 실시간 greedy 방식 대비 성능을 향상시킬 수 있음을 확인하였다.
ECG-Based RBD Classification for Alleviating PSG Burden: Potential as a Screening Tool
Ju-Hyuck Han Ho-Jung Song Won-Woo Lee Yong-Suk Kim Jong-Uk Park
REM sleep behavior disorder (RBD) is a parasomnia characterized by abnormal behaviors during REM sleep and is a precursor to neurodegenerative syndromes such as Parkinson's disease. Accurate RBD detection is essential for early diagnosis and intervention, typically conducted via polysomnography (PSG). However, PSG is costly and uncomfortable for patients due to logistical complexities, which has led to increasing interest in selective diagnostic approaches. This study investigates an ECG-based method using heart rate variability (HRV) features to classify RBD patients, aiming to mitigate the limitations of PSG and to verify its potential as a screening tool for RBD. We utilized data from 24 patients (9 RBD, 15 healthy controls) collected at Severance Hospital, and extracted 91 HRV features using Pan-Tompkins algorithms. These features were analyzed using 20 machine learning and deep learning models, including 1D-CNN, ANN, and GRU. The 1D-CNN model demonstrated the highest classification accuracy (97.58%), with 36–39 HRV features contributing most significantly to performance. The proposed method offers a non-invasive, cost-effective approach to RBD diagnosis, achieving comparable or superior performance to traditional PSG-based studies.
This study highlights the potential for HRV-based ECG analysis to streamline RBD detection. Future research will extend to larger datasets and single-lead ECG applications.
소프트웨어 공급망 보안을 위한 SBOM 메타데이터 기반 머신러닝 취약점 예측 시스템
장대한 전상훈
소프트웨어 공급망의 복잡성이 증가함에 따라 SBOM(Software Bill of Materials)의 중요성이 커지고 있다. 그러나 외부 취약점 데이터베이스(VDB)를 전수 조회하는 기존 방식은 대규모 컴포넌트 환경에서 확장성 한계가 있다. 본 연구는 SBOM 메타데이터를 활용한 Machine Learning(ML) 기반 확률적 취약점 예측 시스템을 제안한다.
제안 시스템은 SBOM에서 텍스트 및 범주형 특징을 추출 및 정규화하고, 특징 해싱과 차원 축소를 거쳐 수치 벡터로 변환하는 머신러닝 접근법을 적용하였다. ‘Wild SBOMs’ 데이터세트로 모델을 학습하고 교차검증으로 성능을 검증했으며, ‘Evaluating SBOM’ 데이터세트로 일반화 성능을 평가하였다. Precision과 F1-Score를 중시하는 환경에서는 XGBoost가, Recall과 AUC를 중시하는 환경에서는 LightGBM이 우수했다. 제안 접근법은 OSV(Open Source Vulnerabilities) 조회 대비 약 520배 이상 빠른 속도를 제공하여 대규모 SBOM 분석의 병목을 완화하고실시간 대응 가능성을 높였다.
Fast-Moving Object Detection in Aerial Videos Using Frame Interpolation and Deblurring with YOLOv8n
Min-Ju Kim Soo-Young Shin
This paper presents an advanced pipeline for detecting fast-moving objects in aerial surveillance videos captured by unmanned aerial vehicles (UAVs). The proposed system addresses the challenges posed by large frame intervals and motion blur by integrating two key preprocessing techniques: Real-Time Intermediate Flow Estimation(RIFE)-based temporal frame interpolation, which increases video frame rates from 30 frames per second(FPS) to 120 FPS, and Multi-Input Multi-Output U-Net Plus (MIMO U-NetPlus)-based deblurring, which enhances spatial clarity. These enhancements are combined with the YOLOv8n object detection model, improving detection accuracy without altering its core architecture. Experimental evaluations on the VisDrone2019-VID dataset demonstrate that the proposed method significantly outperforms the baseline YOLOv8n, achieving a mAP@0.5 of 0.968 and a mAP@0.5:0.95 of 0.881. The results confirm that the combination of temporal interpolation and deblurring effectively restores object continuity and sharpness, leading to substantial improvements in detection performance for drone-based monitoring applications. Although the proposed pipeline introduces considerable latency (1.23 FPS vs. 108.89 FPS for the baseline), this computational cost represents a justified trade-off for achieving the high accuracy and robustness essential for mission-critical surveillance tasks where baseline methods fail.
실제 및 생성 안저 이미지를 활용한 병변 분류 모델 분석 프레임워크 개발
송호중 송기원
의료 영상 분석 분야에서 딥러닝 모델은 높은 성능을 보이지만, 개인정보 보호와 데이터 불균형 문제로 학습데이터 확보에 한계가 있다. 본 연구에서는 실제 및 생성 안저 이미지를 다양한 비율로 혼합한 데이터셋을 기반으로, 6가지 병변 분류 모델의 성능과 안정성을 평가하기 위한 분석 프레임워크를 제안한다. 제안된 프레임워크는혼동 행렬 기반 지표와 회귀 및 통계 분석 지표를 산출하고, 이를 통합하여 모델별 안정성 지수를 계산한다. 분석결과, DenseNet121, InceptionV3 등의 모델은 생성 데이터 비율이 높아져도 안정적인 성능을 유지하였으며, 일부구간에서는 실제 데이터만 사용한 경우보다 더 높은 성능을 보였다. 반면, MobileNetV2와 NASNetMobile은 생성데이터가 증가함에 따라 급격한 성능 저하와 낮은 안정성 지수를 보였다. 본 연구는 의료 영상 인공지능 분야에서생성 데이터를 활용할 때 모델 구조와 데이터 비율의 영향을 체계적으로 평가 및 비교할 수 있는 프레임워크를제시하였으며, 생성 데이터 기반 모델 설계와 데이터셋 구축의 가이드라인으로 활용될 수 있다.
우수 논문 동기신호 기반 위상 역변조를 활용한 재밍 유발 자기간섭 제거 알고리즘에 관한 연구
김혜원 김빛찬 김성민 김두환 조상왕 고재헌 채찬병
본 논문은 전자전 (Electronic Warfare, EW) 체계의 전이중 (Full-duplex, FD) 환경에서 재밍 신호로인해 발생하는 자기간섭 (Self-Interference, SI) 제거문제를 다룬다. 재밍 간섭이 수신 채널에 중첩될 경우, 위상·진폭·지연 추정 과정에서 오차가 누적되어간섭제거 성능이 급격히 저하된다. 이를 해결하기 위해, 본 연구는 아날로그 단에서 적용할 수 있는 동기신호 기반 위상 역변조 (Phase-Inverse Modulation) 기법을 적용한 Gradient 기반, Non-Gradient 기반, Decoupled Estimation 알고리즘을 비교·분석하였다.
시뮬레이션 결과, 제안된 Decoupled Estimation 방식은 CW, Multi-CW, QPSK 환경에서 안정적이고 일관된 제거 성능을 달성하여, FD 기반 EW 환경에서 실시간 간섭 제거 설계의 유효성을 입증하였다.
Low-Complexity and Quantization-Aware Antenna Switching for Massive MIMO Systems: A Covariance-Based Greedy Approach
Subin Shin Jeonghun Park
Massive multiple-input multiple-output (MIMO) technology is a key enabler for future wireless systems, but its practical implementation is hindered by high power consumption, the prohibitive overhead of acquiring instantaneous channel state information (CSI), and the inflexibility of fixed structures to dynamic traffic. To address these limitations, this letter proposes a dynamic antenna switching framework using low-resolution converters. The core challenge lies in solving the computationally complex switching problem under the effects of severe quantization distortion, using only statistical channel information. We solve this by developing a quantization-aware, covariance-based greedy algorithm with efficient sequential updates. Simulation results demonstrate the proposed method’s robustness and superior adaptability, achieving substantial performance gains that significantly outperform the baseline scheme across a wide range of asymmetric traffic conditions.
글로벌 서비스를 위한 위성 IoT 송수신기 구현 및 검증
정수엽 오미경 김판수
본 학술지는 글로벌 사물인터넷 (IoT: Internet of Things) 서비스를 제공하기 위해 개선된 처프 확산 스펙트럼(CSS: Chirp Spread Spectrum) 전송 기술을 적용한 위성 IoT 송수신기의 구현과 이를 검증하기 위한 시험 결과를 포함하고 있다. 개발된 위성 IoT 송수신기는 주문형 반도체 직접회로 (ASIC: Application Specific Integrated Circuit) 칩 기반의 검증 보드로 구성되었으며, 최대 전송 속도, 도플러 주파수 보상 범위, 최소 동작 신호대잡음비(SNR: Signal-to-Noise Ratio) 항목에 대한 성능 요구사항을 도출하였다. 그리고 신호 스펙트럼 결과 및 덤프 데이터 수신율을 측정함으로써 각 시험 항목별로 요구사항을 만족하는지 분석하고 있다.
A Phase Aware Audio Declipping Method Using Band Split Recurrent Neural Network in Heavily Noisy Environments
Seung Un Choi Seung Hyun Moon Seung Ho Choi
In digital audio systems, clipping occurs when the amplitude of a signal exceeds a threshold, leading to signal distortion and unpleasant noise to the listener. Therefore, a declipping process is required to recover the clipped portion and reconstruct the signal. In conventional deep neural network-based audio enhancement methods, the focus has primarily been on restoring the magnitude spectrum, but recent studies indicate that enhancing the phase spectrum is also crucial for improving quality. In this paper, we propose an audio declipping method based on the BSRNN(band-split recurrent neural network) that utilizes phase-based features such as instantaneous frequency deviation (IFD), or applies the neural vocoder HiFi-GAN (generative adversarial network for efficient and high-fidelity speech synthesis) in the post-processing stage to improve the objective quality of signal. The experimental results show that the proposed method outperforms the conventional magnitude spectrum-based enhancement method and the DCCRN model-based declipping method according to DNSMOS P.835 OVRL score.
저피탐 통신 기술을 위한 확산 대역 스펙트럼 성능 분석
최신욱 송대영 구영훈 이민아 김재원
무선통신 기술이 발전함에 따라, 사물인터넷, 증강 현실과 같은 다양한 분야의 서비스에 널리 보급되고 있으며, 여러 서비스를 지원하기 위한 다양한 통신 성능 개선 연구가 진행되었다. 또한, 통신 성능 보장과 함께 사생활 침해 및 보안 위협 방지를 위한 보안성과 저피탐 특성이 중요한 화두가 되었다. 특히, 군사 통신 분야에서는 통신발각 시 심각한 피해를 초래할 수 있기에 저피탐 특성 보장이 무엇보다 중요하다. 저피탐 특성을 보장하기 위한다양한 연구가 수행되었으며 그 중, direct sequence spread spectrum (DSSS)과 chirp spread spectrum (CSS)과같은 확산 스펙트럼을 활용하는 저피탐 통신 연구가 많이 수행되었다. 하지만 기존 연구에서는 각 확산 스펙트럼의 개별 성능이나 다른 매개변수를 고려한 성능 비교 결과는 있었으나, 같은 매개변수에서의 확산 스펙트럼 간 성능 비교 결과가 없었다. 따라서 본 논문에서는 확산 스펙트럼 적용 여부 및 같은 매개변수를 고려하였을 때의 확산 스펙트럼 기술 간 수신 성능과 energy detector에 의한 피탐 확률에 대한 성능분석 결과를 제시한다.
pISSN : 1226 - 4717
eISSN : 2287 - 3880