About SINC Lab

1. Satellite access

저궤도 위성을 활용한 위성 통신에서는 지상 기준에서 매우 빠른 속도로 위성이 움직이기 때문에, 지상과 통신하는 access 연구가 중요합니다. SINC Lab에서는 위성 특징을 고려한 핸드오버 문제를 설계하며, 위성이 단순 중계기 이상의 역할을 하는 시나리오를 설계하고 그 때 발생할 수 있는 잠재적 문제를 해결합니다. 

• Satellite Handovers

  • 지상과는 다른 움직이는 기지국 개념의 위성 기지국에서의 핸드오버 문제 설계

  • 신호세기가 아닌 위성 속도, 궤도 등 위성의 물리적 특성을 고려한 핸드오버 기준 제안

  • 지상망과 연계되어 끊김없는 연결을 제공하기 위한 지상-위성 망 간의 전환 기법 제안

• Satellite Edge Computing

  • 위성을 Edge Computing 서버로 사용 할 때 지상 배치 대비 효용성 확인

  • 위성 offloading 최적화 설계

  • 위성 Edge server에서의 access user scheduling 문제 설계

• Satellite Controller Placement 

  • 위성의 추가적인 onboard 기능 지원을 위한 위성 controller의 배치 결정

  • 위성의 특징을 고려하여 지상 배치, 같은 궤도내 배치, 다중 궤도 배치 등 시나리오 간의 trade-off 분석

2. Satellite networks

저궤도 위성들이 서로 연결하여 네트워크를 구성하는, 위성 네트워크라는 용어가 이제 현실로 다가오고 있습니다. SINC Lab에서는 레이저를 사용하여 위성 간 연결을 구성하는 위성 네트워크에서의 네트워크 슬라이싱 구성, 전용 라우팅 기법 등을 제안합니다. 

• Satellite network slicing 

  • 위성 네트워크에서의 네트워크 슬라이싱 정의

  • 위성 네트워크 특성을 고려한 네트워크 슬라이싱 계획 (Satellite Network Slice Planning) 제안

• Dynamic satellite routing 

  • 저궤도 군집 위성으로 구성된 위성 네트워크에서 위성 간 링크 연결 프로토콜 제안

  • 동적으로 변하는 위성 네트워크 topology를 고려한 라우팅 기법 제안

3. Applying intelligence

기존 연구들에 강화학습 등의 AI 기법을 적용하여 더욱 복잡한 최적화 문제를 풀어주고, 위성 망 확장을 위한 위성 연합 학습 적용, 통합망 환경 및 AI와 결합 된 네트워크에서의 네트워크 구조 변화와 이를 위한 평가 지표를 제안합니다. 

• 강화학습 및 연합학습 적용

  • 위성 네트워크 변화에 동적으로 변화하는 Satellite Network Slice Planning 기법 제안을 위해 강화학습 적용

  • 위성 데이터센터로의 확장을 위한 저궤도 군집 위성 기반의 연합학습 기법 설계 및 검증

• 적용 망 확장

  • 통합망(TN-NTN Integrated Network) 에서의 AI 기반 네트워크 최적화 문제 설계

  • 네트워크가 AI 기능을 지원하기 위한 네트워크의 진화 방향 및 이를 위한 AI 성능 평가 지표 제안 (AI - RAN)