157 Arbeiten
Diese Arbeit liefert eine umfassende statistische Analyse des „Einstein aus Rauschen"-Phänomens, bei dem durch die Ausrichtung und Mittelung reiner Rauschdaten auf ein Template ein scheinbares Signal entsteht, indem sie zeigt, dass die Fourier-Phasen des Schätzers gegen die des Templates konvergieren und so die beobachtete strukturelle Ähnlichkeit erklären.
Die Arbeit stellt SPDIM vor, einen parameter-effizienten geometrischen Deep-Learning-Ansatz, der auf der SPD-Mannigfaltigkeit basiert und durch Informationsmaximierung die Generalisierung von EEG-Modellen unter label-shifts und anderen Verteilungsverschiebungen ohne Ziel-Daten-Labels verbessert.
Diese Arbeit stellt drei neue inhaltsbewusste Strategien für cache-gestützte asymmetrische MIMO-Kommunikation vor, die durch die gemeinsame Optimierung der Nutzeranzahl und der Datenströme die erreichbaren Freiheitsgrade (DoF) signifikant steigern.
Diese Arbeit entwickelt ein genaues, geschlossenes Modell für das nichtlineare Rauschen in Halbleiteroptischen Verstärkern, das zeigt, dass die Berücksichtigung von Verstärkungskompression das Rauschen im Vergleich zur Störungstheorie um den Faktor $1+P_\text{out}/P_\text{sat}$ erhöht und bei breiten Bandbreiten eine Fehlergrenze von unter 0,1 dB erreicht.
Diese Arbeit stellt ein POMDP-Framework für die Echtzeit-Fernverfolgung einer Markov-Quelle durch heterogene Sensoren mit zustandsabhängiger Genauigkeit vor, das durch approximative Algorithmen wie RVIA und IPA gelöst wird, um die langfristigen Kosten aus Verzerrung und Übertragung zu minimieren.
Der vorgeschlagene neuronale Empfänger mit axialer Selbstattention für drahtlose Systeme erreicht durch die Faktorisierung der Aufmerksamkeitsoperationen entlang der zeitlichen und spektralen Achsen eine signifikante Reduktion der Rechenkomplexität bei gleichzeitigem State-of-the-Art-Block-Fehlerrate-Verhalten im Vergleich zu herkömmlichen globalen Selbstattention- und Faltungsnetzwerken.
Diese Arbeit stellt eine neuartige gestapelte intelligente Metasurface-Architektur mit zufälliger Raum-Zeit-Codierung vor, die durch die Einführung künstlicher Zeitvariationen und ein teilweises Kanalzustandsinformations-Schema die Summenrate in massiven Downlink-Netzen verbessert und gleichzeitig den Feedback-Overhead drastisch reduziert.
Die vorgestellte Arbeit demonstriert eine rechen-effiziente, kachelbasierte Architektur für die digitale Strahlformung bei breitbandigen Massive-MIMO-Radarsystemen, die durch koordinierte, reduzierte MVDR-Verarbeitung über mehrere Kacheln hinweg die Leistungsfähigkeit von 1024-elementigen Arrays bei der Unterdrückung starker Störsignale signifikant steigert.
Die Studie zeigt, dass der neuartige MLD-BFM-Ansatz zur räumlichen Merkmalsextraktion zwar die höchste Genauigkeit bei der Dekodierung von fünf Fingerbewegungen aus HD-sEMG-Signalen erreicht, jedoch keine statistisch signifikante Verbesserung gegenüber herkömmlichen zeitbasierten Merkmalen bietet, was darauf hindeutet, dass die räumliche Auflösung der HD-sEMG-Aufzeichnung für eine präzise Mehrfreiheitsgrad-Regression entscheidender ist als die Verwendung komplexer räumlicher Deskriptoren.
Diese Studie stellt einen neuartigen Ansatz vor, der eine Bottleneck-Transformer-Architektur mit Faltungsblöcken und Multi-Head-Self-Attention nutzt, um die Kurzzeit-Objektiv-Verständlichkeitsmessung (STOI) ohne Referenzsignal genauer vorherzusagen als bisherige State-of-the-Art-Modelle.
Diese Arbeit stellt das NP-vollständige Problem des optimalen Umrisses mobiler Basisstationen (MOT) in weitläufigen IoT-Sensornetzwerken vor und entwickelt einen polynomiellen Greedy-Algorithmus, der Reisekosten, Abdeckungsgewinn und Restriktionszonen berücksichtigt, um effiziente Touren für die Datensammlung zu planen und dabei den aktuellen Stand der Technik um 39,15 % zu übertreffen.
Diese Studie stellt einen neuartigen, auf der nichtlinearen Systemidentifikation basierenden Ansatz zur Analyse der Phasen-Amplituden-Kopplung vor, der durch die Modellierung der zugrunde liegenden dynamischen Systeme eine robustere und genauere Detektion im Vergleich zu bestehenden Methoden ermöglicht.
Diese Studie stellt eine policy-bewusste, cross-layer-Methode vor, die es ermöglicht, anhand von Endgeräte-Telemetrie und Host-Proben die verschiedenen Betriebsmodi (Priorität, Drosselung, Stay-Active) von Starlink-Terminals ohne Zugriff auf Betreiberdaten zu identifizieren und zu auditieren.
Die vorgestellte Arbeit führt das GateFusion-BiLSTM-Netzwerk ein, das durch die adaptive Fusion von Amplituden- und Phaseninformationen aus Wi-Fi-Kanalzustandsdaten (CSI) die Genauigkeit und Geschwindigkeitsrobustheit bei der Erkennung robotischer Aktivitäten im Vergleich zu reinen Amplitudenansätzen signifikant verbessert.
Diese Arbeit stellt einen datengesteuerten Ansatz zur probabilistischen Vorhersage des Hysterese-Faktors bei Lithium-Ionen-Batterien mit Silizium-Graphit-Anoden vor, der durch Datenharmonisierung und maschinelles Lernen eine robuste und recheneffiziente Zustand-Schätzung unter Unsicherheiten ermöglicht.
Dieses Paper stellt LAD-CKM vor, ein neuartiges Framework zur Erstellung ortsunabhängiger Kanalwissenskarten für dynamische Szenarien, das durch die Verwendung eines Radiator-Repräsentationsnetzwerks und eines adaptiven Deformationsmoduls die CSI-Vorhersagegenauigkeit unter Mobilitätsbedingungen verbessert und so die Pilot- und Feedback-Belastung in 6G-Systemen reduziert.
Der Artikel stellt ein zweistufiges hybrides Transceiver-Design für teilweise verbundene Multi-User-THz-MIMO-Systeme mit niedrig aufgelösten ADCs vor, das durch die Modellierung von Kanalverlusten und den Einsatz weniger True-Time-Delay-Leitungen den Dual-Wideband-Effekt kompensiert und so die spektrale Effizienz um etwa 13 % gegenüber dem aktuellen Stand der Technik steigert.
Die Arbeit stellt das RDFC-Framework vor, das als Form semantischer Kommunikation durch die Übertragung minimaler Informationen zur Erzeugung privater Zufallsfunktionen dient und nachweist, dass selbst ohne gemeinsame Zufallsdaten eine starke lokale Differentialprivatsphäre erreicht werden kann, wobei gemeinsame Zufallsdaten die Kommunikationsrate im Vergleich zu herkömmlichen Methoden drastisch senken.
Die Studie zeigt, dass ein auf niedrigrangiger zyklischer Stationarität basierender Prädiktor für die Routenplanung in Seoul eine nahezu Echtzeit-gleiche Leistung erzielt und dabei eine durchschnittliche Mehrfahrzeit von weniger als 1,5 Minuten verursacht.
Dieses Paper stellt einen IEEE-inspirierten Benchmark-Datensatzgenerator vor, der physikalisch konsistente, rein passive Rekonnaissance-Szenarien in drahtlosen Smart-Grid-Kommunikationsnetzwerken modelliert, um die Evaluierung von Graph-zeitlichen und federierten Detektoren zu standardisieren.