서영주 연구실

본 연구는 스마트폰 화면 위의 중공간에서 엄지손가락으로 그리는 알파벳 문자 제스처를 인식하는 AcouLetter 시스템을 제시합니다. 음향 신호와 관성 센서 데이터를 융합하여 합성곱 신경망과 트랜스포머 기반 네트워크로 처리하며, 26개 문자와 널 제스처를 포함한 27개 클래스를 분류합니다. 시스템은 높은 정확도를 달성하며 주변 소음과 사용자의 이동 상황에서도 견고한 성능을 보여줍니다.

본 연구는 음향 및 진동 신호를 이용하여 컨베이어 벨트 아이들러 롤러의 이상을 감지하고 위치를 파악하는 트랜스포머 기반 프레임워크 MIRA를 제안합니다. 마스크된 트랜스포머 오토인코더를 비지도 학습으로 훈련하여 정상 패턴을 재구성하고 재구성 오차로 이상을 탐지합니다. 4가지 아이들러 결함, 14개 롤러 위치, 6가지 벨트 속도에서 평가한 결과 이상 감지 정확도 98.70%, 결함 위치 파악 정확도 96.09%를 달성합니다.

본 논문은 이질적인 클라이언트 모델과 비IID 데이터 문제를 해결하기 위해 확산 경로 상의 다차원 궤적 최적화(MTO) 이론을 활용한 개인화된 연합학습 프레임워크 HyFLM을 제안합니다. 하이퍼네트워크를 통해 클라이언트별 어댑터를 생성하여 개인화된 가중치를 생성하며, 여러 벤치마크에서 기존 방법 대비 더 빠른 수렴과 높은 정확도를 달성합니다.

본 연구는 상용 UWB 이어버드를 이용한 사용자 머리 방향 추적 시스템 UDirEar를 제안합니다. 귀 사이의 거리를 보정하여 EKF를 초기화함으로써 추가 센서 없이 회전-병진 운동을 보정합니다. 제안 방법은 IMU 기반 방식(MAE 30.8°)보다 우수한 3.84°의 평균 절대 오차를 달성하며 다양한 조건에서 안정적인 성능을 유지합니다.

본 연구는 Wi-Fi 지문인식 실내 위치 추정에서 누락된 RSSI 측정값 문제를 해결하기 위해 FALoc 프레임워크를 제안합니다. 이중 그래프 구조와 변분 그래프 자동인코더(VGAE)를 이용하여 RSSI 신호의 관측 확률을 모델링하고 누락된 값을 보정합니다. UJIIndoorLoc과 UTSIndoorLoc 데이터셋에서 평균 위치 오차가 각각 7.137m, 7.138m으로 기존 MLP 대비 12.9%, 8.6% 개선되었습니다.