| 제 목 | 김환진 교수팀, IEEE Internet of Things Journal (IF 8.9, JCR 상위 4.1%) 논문 게재 | ||||
|---|---|---|---|---|---|
| 작성자 | 관리자 | 작성일 | 2025-10-15 | 조회수 | 409 |
| 첨부파일 | |||||
 경북대학교 전자공학부 김환진 교수가 공동 제1저자로 참여한 연구 논문이 국제 학술지 IEEE Internet of Things Journal (IF 8.9, JCR 상위 4.1%)에 게재되었으며, 한국과학기술원(KAIST)와의 공동연구를 통해 수행되었다. 본 논문에서는 환경이 바뀌어도 잘 작동하는 메타러닝(meta-learning) 기술을 적용한 WiFi 기반 사람 감지 시스템을 제안하였다. 일반적인 인공지능 모델은 한 장소에서 학습하면 다른 환경에서는 성능이 떨어지는 문제가 있는데, 이번 연구는 모델이 스스로 새로운 환경에 빠르게 적응하도록 학습하는 구조(model-agnostic meta-learning, MAML)를 사용해 이를 해결했다. 또한 WiFi 신호의 위상(phase)과 세기(amplitude)에 생기는 잡음이나 오차(offset)를 자동으로 제거하는 전처리 알고리즘을 설계해 별도의 복잡한 필터링 없이도 실시간 분석이 가능하도록 만들었다. 제안한 시스템은 WiFi 송신기와 수신기에서 얻은 CSI(Channel State Information) 데이터를 서버로 전송해 분석한다. 서버에서는 각 패킷의 신호를 정규화하고 CNN(합성곱 신경망)에 입력해 사람 수를 분류하거나 위치를 추정한다. 기존 방식처럼 여러 신호를 평균 내거나 누적할 필요가 없기 때문에 처리 속도가 매우 빠르고, 실시간 학습에도 적합하다. 공동 연구팀은 실제 회의실, 강의실, 오픈 공간 등 다양한 장소에서 실험을 진행했다. 그 결과, 단 5개의 샘플만으로도 95% 이상의 인원 감지 정확도를 보였고, 위치 추정 오차는 0.2m 이하로 나타났다. 특히 제안한 메타러닝 기반 모델(Meta-CSI)은 다른 방법들보다 안정적이며, 간섭이 심한 환경에서도 성능 저하가 거의 없었다. 또한, 연산 복잡도 분석에서도 제안된 구조는 기존 전이학습(Transfer Learning)이나 사전학습(Pre-training) 모델과 비슷한 수준의 계산량을 유지하면서도 훨씬 빠르게 적응하는 것으로 나타났다. 실제로 GPU 환경에서 한 번의 적응 학습에 걸리는 시간은 0.1초 이내로, 실시간으로 사람을 감지하고 위치를 추정할 수 있음을 보여주었다. 김환진 교수는 “이번 연구는 상용 WiFi 장비만으로도 사람의 수와 위치를 고정밀도로 파악할 수 있음을 보여주며, 이는 고가의 레이더나 카메라를 대체할 수 있는 차세대 실내 지능형 센싱 기술의 기반이 될 것”이라고 밝혔다. 이번 성과는 향후 스마트홈, 헬스케어, 보안 감시, 병원 환자 모니터링, 스마트 오피스 등 다양한 분야로의 확장이 기대된다. 특히, 비전(vision) 기반 시스템이 가지는 프라이버시 문제를 피하면서도 고해상도의 인식 능력을 제공한다는 점에서, 인간 중심의 안전하고 지능적인 IoT 환경 구축에 중요한 역할을 할 것으로 전망된다. 논문링크 SPARC 연구실 홈페이지 |
|||||
| [좋아요 2 ] | |||||
댓글 ( 0 )
