연구
시스템을 만드는 일과 함께, 시계열 표현학습과 국방 신호처리 연구를 해왔습니다.
시계열 임베딩의 군집화 가능성 연구
2025 한국소프트웨어종합학술대회 (KSC 2025) · 공저자
비군집화 임베딩의 군집화 가능성 탐구: 다중 도메인 다변량 시계열 데이터 기반 임베딩 모델 비교 연구
최신 시계열 표현학습 모델의 비지도 군집화 특성을 5종 임베딩·4개 데이터셋으로 비교했습니다.
핵심 결과
- TS2Vec이 선형·비선형 군집 구조 모두에서 가장 우수 (Spectral 평균 RI 0.808 / NMI 0.568)
- LLM 기반 TimeKD·TimeCMA는 RI는 높지만 NMI≈0 — 군집 ‘붕괴’ 현상 규명
- PatchTST·MERIT은 Spectral에서 비선형 다양체 구조 포착에 강점
- 데이터 특성별 임베딩·군집화 방법 선택 가이드라인 제시
연구 지원: 과학기술정보통신부 · 정보통신기획평가원 SW중심대학사업 (2021-0-01082)
편광 SAR 기반 저피탐 표적 탐지
밀리테크 챌린지 2025 · KAIST 차세대 SAR 연구실 지도 · 대상 (과기정통부 장관상) · 공저자(경북대)
편광 SAR 신호 합성을 통한 저피탐 표적 탐지 기법
단일 편파 SAR의 저피탐 한계를, 서로 다른 편파 영상을 정합·합성해 보완하는 기법을 제안했습니다.
핵심 내용 · 접근
- 군용 표적을 단순화한 Corner Reflector·Book-Shelf 모델로 RCS 시뮬레이션(CST), 편파별 산란 특성 규명
- X-band FMCW 레이다를 차량에 실어 야외 SAR 실측 (stripmap, 다중 표적)
- Range-Doppler Algorithm으로 편파별(HH·HV·VH·VV) SAR 영상 생성
- 위상 상관(phase correlation) 기반 공간 정합 + 상대 강도 정규화로 편파 채널 정밀 정렬
- HH/HV/VV → 편광 RGB 합성 + 파울리 분해(표면·이중반사·체적 산란)로 표적과 지형 클러터 구분
- 단일 편파로는 보이지 않던 저피탐 표적을 합성 영상에서 명확히 탐지