DeepSP Lab belongs to the Department of AI and Software and the Institute of Digital Anti-Aging and Healthcare at Inje University. Led by Prof. Yongcheol Kim, the group works on deep learning–based signal processing, underwater acoustic communication, reinforcement learning for AUV swarms, and image processing.

We build models that listen — to acoustic signals beneath the ocean, to noisy measurements in the wild, and to images that machines have struggled to understand.

Listening to the&nbsp;deep,<br/>
one signal at a&nbsp;time.

Awarded a 3-year NRF grant — Underwater AUV research.

Paper published in IEEE Internet of Things Journal.

Paper published in Applied Ocean Research.

Robust detection, estimation, and restoration in real environments where noise, distortion, and interference coexist.

Deep Learning–based Signal Processing

Learning-based equalization, detection, and decoding for channels dominated by multipath and Doppler.

Underwater Acoustic Communication

Cooperative behaviors — exploration, tracking, formation — for autonomous underwater vehicle swarms via multi-agent RL.

Reinforcement Learning · AUV Swarms

Restoring and understanding underwater imagery despite low visibility and color distortion.

Deep Learning–based Image Processing

The people who<br/>listen.

Assistant Professor · Joint Appointment

Assistant Professor

Ph.D., Electrical and Computer Engineering

M.S., Electrical and Computer Engineering

B.S., Electrical and Computer Engineering

Yongcheol Kim.

All papers,<br/>one place.

We integrate deep neural networks into signal processing pipelines for robust detection, estimation, and separation, with a particular interest in hybrid architectures that combine model-based priors with data-driven learning.

Extending classical signal processing with learning.

Slow propagation and rapidly varying channels expose the limits of classical equalization. Learned equalizers, neural decoders, and end-to-end trained transceivers improve both reliability and throughput.

Beating multipath and Doppler with learning.

Under communication delay and partial observability, multi-agent RL learns policies for exploration, tracking, formation keeping, and resource allocation — with a focus on sim-to-real transfer.

Designing cooperative behaviors for underwater swarms.

We restore and enhance underwater images degraded by low visibility and color distortion, and extract semantic information via detection and segmentation — combined with signal and communication data for multimodal perception.

Seeing, restoring, and understanding underwater imagery.

Funded research,<br/>ongoing questions.

물리 기반 환경 인식 및 통신제약 인지형 수중 AUV 군집 자율제어 AI 알고리즘

미래 기술 적응형 통합 수중 감시 특화연구센터

수중 생체 데이터베이스 구축 및 생체 데이터 결핍 해소 기법 연구

인제대학교 AI·소프트웨어학과 및 디지털 항노화 헬스케어연구소에 소속된 DeepSP Lab은 심층학습 기반 신호처리, 수중음향통신, 자율수중로봇(AUV) 군집제어를 위한 강화학습, 영상처리를 주요 연구 분야로 합니다.

바다 깊은 곳의 음향 신호, 잡음이 포함된 실제 환경의 신호, 복잡한 영상 데이터까지 분석할 수 있도록, DeepSP Lab은 데이터를 이해하고 해석하는 AI 모델을 연구합니다.

한국연구재단(NRF) 3년 프로젝트 선정 — 수중 AUV 관련.

IEEE Internet of Things Journal 논문 게재.

잡음과 왜곡이 공존하는 실제 환경에서, 학습된 모델로 강건한 검출·추정·복원을 설계합니다.

심층학습 기반 신호처리

다중경로와 도플러가 지배적인 수중 채널에서, 학습 기반 등화·검출·디코딩으로 신뢰성을 끌어올립니다.

수중음향통신

자율수중로봇 군집의 협력 행동 — 탐사·추적·편대 유지 — 을 다중 에이전트 강화학습으로 학습합니다.

강화학습 · AUV 군집제어

낮은 가시도와 색 왜곡이 큰 수중 영상을 복원·향상하고, 의미 정보를 추출합니다.

심층학습 기반 영상처리

조교수 · 겸임

조교수

박사 (전기컴퓨터공학)

학사 (전자공학)

잡음·왜곡·간섭이 공존하는 실제 환경에서 강건한 검출, 추정, 분리 성능을 얻기 위해 심층 신경망을 신호처리 파이프라인에 통합합니다. 모델 기반 사전지식과 데이터 기반 학습을 결합하는 하이브리드 구조에 특히 관심이 있습니다.

고전 신호처리의 한계를 학습 기반 모델로 확장합니다.

느린 전파속도와 시간 변화가 큰 수중음향 채널은 전통적 등화·검출 기법의 한계를 드러냅니다. 심층학습 기반 등화기, 신경망 디코더, end-to-end 학습형 송수신 구조를 통해 신뢰성과 전송률을 동시에 향상합니다.

수중 채널의 다중경로와 도플러를 학습으로 정복합니다.

통신 지연과 부분 관측이 지배하는 수중 환경에서, 다중 에이전트 강화학습으로 탐사·추적·편대 유지·자원 분배 정책을 학습합니다. 시뮬레이션과 실해역 실험을 잇는 sim-to-real 전이도 핵심 주제입니다.

자율수중로봇 군집의 협력 행동을 강화학습으로 설계합니다.

낮은 가시도와 색 왜곡이 큰 수중 영상을 복원·향상하고, 객체 검출과 세그멘테이션으로 의미 정보를 추출합니다. 신호처리·통신 분야의 데이터와 결합해 멀티모달 인식을 지향합니다.

수중 영상을 보고, 복원하고, 이해합니다.

Listening to the deep,
one signal at a time.

We treat signals the way
writers treat language:
with care, depth, and rhythm.

Four directions.
One question.

심층학습 기반 신호처리

수중음향통신

강화학습 · AUV 군집제어

심층학습 기반 영상처리

Recent activity.

Looking for
fellow travelers.

Listening to the deep, one signal at a time.

We treat signals the way writers treat language: with care, depth, and rhythm.

Four directions.One question.

심층학습 기반 신호처리

수중음향통신

강화학습 · AUV 군집제어

심층학습 기반 영상처리

Recent activity.

Looking for fellow travelers.

Listening to the deep,
one signal at a time.

We treat signals the way
writers treat language:
with care, depth, and rhythm.

Four directions.
One question.

Looking for
fellow travelers.