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
Published by
우수논문 (51권 5호, 5월 2026)
양자 네트워크의 서비스 처리율 향상을 위한 Decision Transformer 기반 스케줄링 기법석영준 강대건 이찬균 이원혁 한연희 |
|
| 양자 네트워크는 보안 통신, 분산 양자 컴퓨팅, 고급 양자 기반 서비스 등을 실현하기 위한 핵심 인프라로 주목받고 있다. 그러나 실제 환경에서는 제한된 양자 자원, 짧은 Coherence time, 채널 손실 및 환경적 교란 등으로인해 안정적인 운용이 어려운 과제에 직면해 있다. 이러한 제약 조건하에서 종단 간 요청 스케줄링의 효율성은 자원 활용도와 네트워크 신뢰성을 좌우하는 핵심 요소이다. 기존 연구들은 주로 충실도와 지연 최적화에 집중하였으... | |
다중 AP 무선 네트워크에서의 하이브리드 OWR/TWR 기반 위치 추정 방법이종욱 하영훈 김주원 최정식 이순교 |
|
| 본 논문은 다중 AP(Access Point)가 배치된 Wi-Fi 환경에서 네트워크 부하와 측위 정밀도 간의 트레이드오프(trade-off)를 완화하기 위해, 단방향 거리 추정(One-Way Ranging, OWR)을 기본으로 하고 주기적으로 양방향 거리 추정(Two-Way Ranging, TWR)을 수행하여 클럭 오프셋 및 스큐를 보정하는 하이브리드 위치 추정 기법을 제안한다. 기기간 클럭 차이 모델과 단방향/양방향 거리 추정 모델을 정립하고... | |
최근 발간 목록 (51권 8호, 8월 2026)
A YOLO-Based Real-Time Traffic Light and Vehicle Light Detection Model for Color Vision Deficiency
Yeobin Yoon
Junha Kyung
Seung Hyun Jeon
This paper proposes a driver assistance system utilizing real-time object recognition technology based on You Only Look Once (YOLO) to address the challenges faced by color vision deficiency (CVD), who often struggle to distinguish between red and green traffic lights and the colors of brake lights and hazard lights.
This system utilizes YOLO-based real-time object recognition. The system receives images from a smartphone camera, detects traffic lights and vehicle lights (TVL), and converts the recognized colors into symbols that intuitively display them to the driver. Specifically, a color-to-symbol mapping method is applied to enable clear recognition of signal meaning through symbols even for those with red-green color blindness. Using the transfer learning-based YOLO model, the mean Average Precision (mAP) @ 0.5 for traffic lights was 0.907, and the mAP @ 0.5 for vehicle lights was 0.973, demonstrating stable detection performance. In the case of vehicles, to distinguish the status of vehicle lights, the proposed system provides an extensible solution for real-time driver assistance tailored to CVD by combining object detection, color-based post-processing, and rule-based symbolization within a unified pipeline. Unlike existing color vision assistance apps that only provide color guidance in everyday environments, the proposed solution demonstrates that individuals with CVD can quickly recognize signal meaning through symbol-based feedback without the need for color differentiation.
음향 장면 생성을 위한 조건부 플로우 기반 생성 모델의 비교 연구
김어진
박유정
박남인
전찬준
본 논문은 음향 장면 생성을 위해 조건부 정규화 플로우(Glow)와 조건부 플로우 매칭(OT-CFM, SB-CFM) 모델들의 성능을 비교·분석한다. Glow는 가역 변환과 다중 스케일 구조로 정확한 우도 최대화와 조건 충실도를 동시에 달성하고, OT-CFM과 SB-CFM은 각각 결정론적·확률적 경로에서 목표 속도장을 학습한다. 모든 모델은 멜스펙트로그램을 생성한 후 HiFi-GAN으로 파형을 복원하며, FAD와 분류기 정확도로 평가한다. 실험 결과, Glow 는 빠르고 안정적인 생성에, OT-CFM은 선명한 구조 복원에, SB-CFM은 자연스러운 음질과 높은 다양성에 강점을 보였다. 아울러 Classifier-free guidance가 조건 충실도와 생성 품질 간 균형에 미치는 영향을 분석한다
클라우드 환경에서 자동 확장 가능한 이벤트 기반 데이터 품질 관리 시스템 설계 및 구현
주하영
양진홍
데이터 품질은 데이터 기반 의사결정과 인공지능 학습의 신뢰성을 좌우하는 핵심 요소이다. 그러나 데이터 규모의 급증과 복잡성 증가로 인해 기존의 배치 기반 품질 관리 방식은 확장성과 자동화 측면에서 한계를 드러낸다.
본 연구는 클라우드 네이티브 환경에서 데이터 규모 변화에 따라 자동으로 확장되는 이벤트 기반 데이터 품질 관리 시스템을 제안한다. Google Cloud Platform의 서버리스 컴퓨팅과 관리형 서비스를 활용하여 데이터 수집, 품질검증, 격리, 보정 이후 재검증, 승격에 이르는 순환적 품질 관리 라이프사이클을 자동 오케스트레이션한다. 이커머스 거래 데이터를 대상으로 데이터 규모를 100배까지 확장한 실험에서 처리 시간은 약 1.2배 증가에 그친 반면단위 시간당 처리 가능한 데이터 양은 데이터 규모 증가 대비 크게 향상되었다. 이를 통해 본 연구에서는 관리자의 개입 없이도 데이터 규모 변화에 탄력적으로 대응하면서 일관된 처리 성능을 유지할 수 있는 클라우드 기반데이터 품질 관리 체계의 실효성을 실증적으로 확인하였다.
동적 네트워크 환경 내 이기종 에이전트 간 실시간 지식 전이 기반 적응적 강화학습 알고리즘
조예령
김중헌
본 논문에서는 동적 네트워크 환경에서 이기종 에이전트 간 실시간 지식 전이를 활용하는 적응적 강화학습 알고리즘을 제안한다. 기존의 중앙집중식 학습과 분산 실행 방식은 중앙 서버와 모든 에이전트의 안정적 연결을 전제하므로, 불안정한 네트워크에서는 학습과 전이가 제한된다. 본 연구는 부분 연결 상황에서도 관측 가능한 정보만 활용하고, 에이전트 간 유사도 기반 전이 그래프를 통해 선택적으로 지식을 전이하여 학습 효율을 향상한다.
이기종 구성의 StarCraft Multi-Agent Challenge (SMAC) 환경에서 검증되었으며, 기존 방법 대비 빠른 수렴과 높은 보상을 통해 성능 우수성을 확인하였다.
Real-Time Deceleration Prediction Navigation Based on Driving Road and Weather for Autonomous Vehicles
Eunjin Hwang
Seonga Park
Kyoungwoo Heo
Yong-Geun Hong
Seung Hyun Jeon
This paper proposes a real-time deceleration prediction framework utilizing monocular camera imagery and an environment-adaptive speed guidance system. In autonomous driving, judging stable speeds under dynamic environmental changes, such as adverse weather and varying road surfaces, remains a significant challenge due to Operational Design Domain (ODD) constraints. To address this, we trained a lightweight Convolutional Neural Network (CNN) model based on the Sejong and AI Hub datasets and systematically verified its generalization performance via a scenario-based environmental adaptation strategy. In particular, the model achieved a prediction accuracy of 99.7% in the target environment (Sejong City) through mixed-environment training. Additionally, we implemented a low-latency guidance system using a FastAPI-based Server-Sent Event (SSE) pipeline, enabling the real-time transmission of prediction results to both the Car Learning to Act (CARLA) simulator and a mobile user interface. This paper demonstrates the applicability of vision-based deceleration assessment in actual navigation systems and validates the practical potential of environment-adaptive speed guidance technology.
우수 논문 Hybrid CNN-Transformer Beamforming for Jamming Suppression in IoT Networks
Simplice Intungane
Shin Soo Young
This paper proposes a novel hybrid convolutional neural network (CNN)-Transformer architecture for jamming suppression that directly learns optimal beamforming weights from sample covariance matrices through end-to-end training. The CNN module extracts local spatial features from the real and imaginary components of the covariance matrix, while the Transformer encoder captures global dependencies and refines the representation using reference signal power spectral density (PSD) information as auxiliary guidance. A multi-task loss function combining mean squared error (MSE) on beamforming weights, signal-to-interference-plus-noise ratio (SINR) prediction, and cosine similarity ensures both accurate weight reconstruction and directional alignment in the array manifold. Trained on diverse scenarios and multiple jammer types, the proposed model achieves near-optimal performance within 1 dB of the ideal minimum variance distortionless response (MVDR) bound.
Numerical results demonstrate output SINR improvement over classical beamforming methods and existing deep learning approaches, while eliminating the need for explicit source enumeration and steering vector estimation
Tractable Transmitter Density Design for mmWave and THz Wireless Networks
Taesoo Kwon
Millimeter-wave and terahertz bands enable high-rate localized services, motivating the maximization of network- wide successful transmissions. This paper derives a log-concave SINR lower bound that yields a tractable, non-iterative suboptimal Tx density conservatively guaranteed not to exceed the optimal density. Numerical results demonstrate near-optimality across diverse propagation and operating conditions.
포화 조건에서 단일 홉 Ad Hoc 망에서 MIL-STD-188-220의 무작위 Network Access Delay의 성능 분석
간헐적 연결과 클라이언트 이질성을 고려한 LEO 위성 기반 IoT 네트워크를 위한 연합학습 알고리즘
MF-TDMA 기반 군위성 시스템에서 패킷 반복을 활용한 유휴 자원 최적화 및 자원 할당 성능 개선
조환준
임정빈
노홍준
이철호
오상배
임현성
김영환
이남윤
Mesh 망 토폴로지 기반의 multi-frequency time-division multiple access (MF-TDMA) 방식을 채택하는geostationary earth orbit (GEO) 군 위성 통신 시스템은 광역 커버리지, 우수한 생존성, 분산 노드 간 직접 통신능력으로 현대 군 작전 요구사항에 적합하다. 하지만, MF-TDMA의 자원 할당은 NP-hard인 2차원 bin packing 문제로 귀결되며, GEO 위성의 긴 전파 지연에 따른 실시간 제약으로 간단한 휴리스틱 알고리즘만 사용 가능하여낮은 자원 활용률과 많은 유휴 자원이 발생한다. 본 논문은 유휴 자원에 패킷을 반복 전송하여 signal-to-noise ratio (SNR) 이득을 달성하는 기법을 MF-TDMA 자원 할당에 통합하는 방법을 제안한다. 반복 비율에 따른 SNR 향상을 log-normal 근사로 모델링하고, 이전 연구의 analog network coding (ANC) 기법과 통합하여 양방향 링크를 최적화한다. 패킷 지연과 ANC pair 여부에 따른 반복 우선순위 알고리즘은 준선형 복잡도만 추가하여 실시간제약을 만족하면서 링크 별 SNR 및 시스템 처리량을 향상시킨다. ITU-R P.618-13 채널 모델 기반 시스템 레벨시뮬레이션을 통해 제안 기법의 유의미한 처리량 향상을 확인하여, 복잡한 최적화 대신 실용적 자원 재활용으로성능을 개선하는 새로운 접근법을 제시한다.
pISSN : 1226 - 4717
eISSN : 2287 - 3880