보고서 정보
주관연구기관 |
홍익대학교 Hongik University |
연구책임자 |
안병구
|
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 |
한국어
|
발행년월 | 2022-03 |
과제시작연도 |
2021 |
주관부처 |
과학기술정보통신부 Ministry of Science and ICT |
등록번호 |
TRKO202200013548 |
과제고유번호 |
1711130175 |
사업명 |
개인기초연구(과기정통부)(R&D) |
DB 구축일자 |
2022-10-19
|
키워드 |
지능형 모바일 무선 네트워크.멀티홉 D2D 협력전송.QoS 라우팅/QoS 멀티캐스트 라우팅.인공지능 (머신러닝/딥러닝).최적화 및 크로스레이어.Intelligent Mobile Wireless Networks.Multi-hop D2DCooperative Transmission.QoS Routing/QoS Multicast Routing.AI (Machine learning/ Deep Learning).Optimization and Cross-Layer.
|
초록
▼
□ 연구개요
1. 최종연구목표:
지능형 모바일 무선 네트워크(Cellular Cognitive Mobile Wireless Networks 및 IoT Enabling Mobile Ad-hoc Wireless Networks로 구성)를 위한 최적화 전송효율과 전송자원을 지원하는 AI(머신러닝/딥러닝: SL, RL, UL, DL, DRL) 기반 멀티홉 D2D 협력전송, QoS 라우팅 및 OoS 멀티캐스트 라우팅 기술개발을 목표로 한다.
2. 년차별 연구목표:
가. 1차년도 연구목표: Cellular Cogn
□ 연구개요
1. 최종연구목표:
지능형 모바일 무선 네트워크(Cellular Cognitive Mobile Wireless Networks 및 IoT Enabling Mobile Ad-hoc Wireless Networks로 구성)를 위한 최적화 전송효율과 전송자원을 지원하는 AI(머신러닝/딥러닝: SL, RL, UL, DL, DRL) 기반 멀티홉 D2D 협력전송, QoS 라우팅 및 OoS 멀티캐스트 라우팅 기술개발을 목표로 한다.
2. 년차별 연구목표:
가. 1차년도 연구목표: Cellular Cognitve 모바일 무선 네트워크에서 AI(머신러닝/딥러닝: SL, RL, UL, DL) 기술을 기반으로 하여, 협력전송을 효과적으로 지원하기 위한 기술들과 멀티홉 D2D 협력전송기술을 개발한다.
나. 2차년도 연구목표: 1차년도에 개발된 기술들과 머신러닝/딥러닝(SL, RL, DL) 및 Cross-Layer 기술을 함께 사용하여 QoS 라우팅 및 QoS 멀티캐스트 라우팅 기술과 프로토콜을 개발한다.다. 3차년도 연구목표: 1차년도 및 2차년도에 개발된 기술들에 대한 AI(머신러닝/딥러닝: RL, DRL) 기술과 기존의 최적화기술을 함께 사용하여 지능형 모바일 무선 네트워크(Cellular Cognitive 모바일 무선 네트워크 및 IoT Enabling 모바일 Ad-hoc 무선 네트워크로 구성)에서 전송효율과 전송자원최적화를 지원하는 최적화 멀티홉 D2D 협력전송 및 최적화 QoS 라우팅/QoS 멀티캐스트 라우팅 기술 및 모델을 개발한다.
□ 연구 목표대비 연구결과
1. 연구수행측면
가. 1차년도: Cellular Cognitve 모바일 무선 네트워크에서 AI(머신러닝/딥러닝: SL, RL, UL, DL) 기술을 기반으로 하여, 협력전송을 효과적으로 지원하기 위한 기술들과 멀티홉 D2D 협력전송 기술을 개발하였다(100% 달성).
나. 2차년도: 1차년도에 개발된 기술들과 머신러닝/딥러닝(SL, RL, DL) 및 Cross-Layer 기술을 함께 사용하여 QoS 라우팅 및 QoS 멀티캐스트 라우팅 기술과 프로토콜을 개발하였다(100% 달성).다. 3차년도: 1차년도 및 2차년도에 개발된 기술들에 대한 AI(머신러닝/딥러닝: RL, DRL) 기술과 기존의 최적화기술을 함께 사용하여 지능형 모바일 무선 네트워크(Cellular Cognitive 모바일 무선 네트워크 및 IoT Enabling 모바일 Ad-hoc 무선 네트워크로 구성)에서 전송효율과 전송자원 최적화를 지원하는 최적화 멀티홉 D2D 협력전송 및 최적화 QoS 라우팅/QoS 멀티캐스트 라우팅 기술 및 모델을 개발하였다(100% 달성).
2. 연구성과측면
가. SCI(E)논문: 최초 목표로 했던 12편을 게재완료(IEEE Internet of Things Journal(상위 3.4%) 2편 포함)하였고, 추가로 2편 현재 심사중이다(최초 목표대비 117% 달성 예정).
나. 특허등록: 최초 목표로 했던 3편의 특허등록 중 2편의 등록을 완료하였고, 3편이 현재 등록 심사중이다(최초 목표 대비 167% 달성예정).
다. 특허출원: 최초 목표로 했던 7편의 특허출원 중 5편의 출원을 완료하였고, 3편이 출원 진행 중이다(최초 목표대비 114%달성 예정).
라. 추가달성 성과: SCOPUS논문 1편, KCI등재지 3편, 저서 2편, 국내외학술대회 47편 발표등 연구개발기간내 추가성과를 달성하였다.
이를 통하여, 최초 연구목표로 했던 기술들의 개발과 연구성과를 성공적으로 달성 하였다.
□ 연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
1. 학문적, 기술적 공헌도 및 파급효과 측면
가. 본 연구결과로 개발도출예정인 머신러닝/딥러닝 기반의 “NOMA, SWIPT/EH, PLS, Cognitive 라디오, 협력전송, 멀티홉 D2D, Cross-Layer, QoS 라우팅/QoS멀티캐스트 라우팅, 최적화 전송 및 라우팅”은 미래 모바일 무선네트워크 및 IoT 서비스를 위해서 국내외 적으로 선도적인 연구 주제이고, 매우 중요하고 필요한 국가적인 전략적 의미를 가지고 있으며, 국내외적으로 국제저명논문발표 및 게재, 국제적 관련기술 선점 가능성이 매우 크며, 국제특허등록, 국제 표준화 작업 등 국제적인 관련기술 분야에 선도적인 기여 및 활용과 파급효과가 기대됨.
나. 이전에 시도되지 않았던 머신러닝/딥러닝(SL, RL, UL, DL, DRL) 기반의 통합기술 “NOMA, SWIPT/EH, PLS, Cognitive 라디오, 협력전송, Cross-Layer, 최적화모델”은 멀티홉 D2D, QoS 라우팅/QoS 멀티캐스트 라우팅에 대한 기존연구의 성능한계를 극복할 수 있을 것으로 기대됨.
다. 통합기술이 필요하므로 여러 분야 연구자들의 교류와 협력을 유도하여, 다양한 분야에서 머신러닝/딥러닝 및 통합기술 접목과 응용 활성화가 기대됨.
2. 개발기술 활용측면
가. Beyond 5G 네트워크 환경에서의 최적화 전송자원 및 전송효율 서비스, 지능형 QoS 협력전송, 지능형 QoS 라우팅/QoS 멀티캐스트 라우팅 서비스 지원에 활용 될 수 있음.
나. IoT 환경에서의 지능형 멀티홉 D2D 서비스 지원에 활용 될 수 있음.
다. 국방 모바일 무선통신 및 네트워크 환경에서의 지능형 QoS 협력전송 및 지능형 QoS 라우팅/QoS 멀티캐스트 라우팅 서비스 지원에 활용 될 수 있음.
(출처 : 연구결과 요약문 2p)
목차 Contents
- 표지 ... 1
- 연구결과 요약문 ... 2
- 목차 ... 3
- 1. 연구개발과제의 개요 ... 4
- 1)연구개발의 목적 및 필요성 ... 4
- 2)연구개발의 최종 목표 및 연구범위 ... 4
- 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
- 1)연구개발과제의 수행 과정 ... 6
- 2)연구개발과제의 수행 내용 ... 8
- 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 9
- 1)정성적 연구개발성과(연구개발결과) ... 9
- 2) 세부 정량적 연구개발성과 ... 16
- 3) 목표 달성 수준 ... 16
- 4)목표 미달 시 원인 분석 ... 17
- 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 17
- 5. 연구개발성과의 관리 및 활용 계획 ... 17
- 1)연구개발 성과의 관리계획 ... 17
- 2)연구개발 성과의 활용계획 ... 18
- 6. 참고문헌 ... 19
- [붙임1] 세부 정량적 연구개발성과 ... 25
- [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 32
- 끝페이지 ... 42
※ AI-Helper는 부적절한 답변을 할 수 있습니다.