⚡ Category

eess.SP

1497 Arbeiten

Willkommen im Bereich Eess — Sp, der sich mit der Verarbeitung von Signalen befasst, die von der Erde oder aus dem Weltraum stammen. Diese Forschung ist entscheidend, um verborgene Muster in komplexen Daten zu erkennen, sei es bei der Klimamonitoring oder der Erforschung des Universums. Auf Gist.Science haben wir uns zur Aufgabe gemacht, die neuesten wissenschaftlichen Vorveröffentlichungen aus arXiv für ein breites Publikum zugänglich zu machen.

Unser Team analysiert jedes neu eingereichte Paper in diesem Fachgebiet aus arXiv und erstellt sowohl eine verständliche Zusammenfassung für Laien als auch eine detaillierte technische Auswertung für Experten. So können Sie die komplexesten Erkenntnisse der Signalverarbeitung schnell erfassen, ohne sich durch formale Fachsprache kämpfen zu müssen.

Nachfolgend finden Sie die aktuellsten Beiträge aus diesem dynamischen Forschungsfeld, die wir gerade für Sie aufbereitet haben.

⚡ electrical engineering

Extremely Large Beyond-Diagonal RIS: Low-Rank Modal Optimization for Near-Field Communications

Dieses Paper schlägt ein Low-Rank-Modal-Optimierungsframework für extrem große Beyond-Diagonal-RIS in der Nahfeldkommunikation vor und zeigt auf, dass eine geometrieabhängige, kompakte Modale Matrix eine vollvernetzte Performance mit einer Anzahl an rekonfigurierbaren Einträgen erreichen kann, die unabhängig von der Panelgröße ist, wodurch die prohibitiven Hardware- und Optimierungskosten traditioneller vollvernetzter Designs überwunden werden.

Giovanni Iacovelli, Chandan Kumar Sheemar, Eva Lagunas, Symeon Chatzinotas2026-08-13
⚡ electrical engineering

Small Language Model enabled Autonomous agent for Language-Conditioned Cognitive Radar

Dieses Paper präsentiert einen durch ein kleines Sprachmodell gesteuerten autonomen Agenten, der natürliche Sprachbefehle interpretiert, um Signalverarbeitungswerkzeuge für kognitives Radar dynamisch auszuwählen, zu konfigurieren und auszuführen, wobei er eine effektive Leistung in vielfältigen Szenarien wie der Jammer-Unterdrückung und der Schätzung der Einfallsrichtung demonstriert, während er sich auf radarspezifisches Prompting und physikbasiertes Ausführen verlässt, um zuverlässige, halluzinationsfreie Ergebnisse zu gewährleisten.

Minhaj Uddin Ahmad, Zakia Zaman, Shunqiao Sun, Mizanur Rahman2026-08-13
⚡ electrical engineering

Deep Learning Based Relative Transfer Matrix Estimation for Multiple Sources and Multiple Microphones

Dieses Paper schlägt drei neuartige Deep-Learning-Frameworks zur Schätzung der relativen Transfermatrix (ReTM) aus Mehrkanalaufnahmen vor und zeigt auf, dass diese überwachten Modelle herkömmliche kovarianzbasierte Methoden in der Schätzgenauigkeit übertreffen, während sie eine vergleichbare Sprachverbesserungsleistung erzielen.

Oshan A. B. Yalegama, Wageesha N. Manamperi2026-08-13
🔬 applied physics

Effects of Tool Wear on the Surface Texture in Turning: A Feature Characterization Approach Based on ISO 21920-2

Diese Studie zeigt, dass die Anwendung der Merkmalscharakterisierung nach ISO 21920-2 auf Drehoberflächenprofile, spezifisch unter Verwendung des nut-basierten mittleren maximalen absoluten Gradienten (Rdt‾groove\overline{R_\mathrm{dt}}_\mathrm{groove}), eine robuste und physikalisch interpretierbare Schätzung des Werkzeugverschleißes ermöglicht, indem deterministische verschleißbedingte Änderungen vom stochastischen Oberflächenrauschen isoliert werden.

Alexander Müller, Maximilian Berndt, Hagen Schmidt, Lars Müller, Matthias Eifler, Eberhard Kerscher, Benjamin Kirsch, Jö (…)2026-08-13
⚡ electrical engineering

Domain-Aware Lightweight Spectral-Grouped Convolutions for Hyperspectral Fish Freshness Classification

Das Papier schlägt SGNet vor, eine leichte, domänenspezifische Deep-Learning-Architektur, die spektral gruppierte Faltungen und duale Aufmerksamkeitsmechanismen nutzt, um eine hochgenaue Echtzeit-Klassifizierung der Fischfrische aus hyperspektralen Bildern mit signifikant weniger Parametern als herkömmliche Modelle zu erreichen.

Kazi Nabiul Alam, Pooneh Bagheri Zadeh, Akbar Sheikh-Akbari2026-08-13
⚡ electrical engineering

Apnea Burden-Guided Framework: Enhancing Out-of-Distribution Generalization in PPG-Based Sleep Apnea Characterization

Diese Studie schlägt ein von der Apnoe-Last gesteuertes Framework vor, das sowohl photoplethysmographische (PPG) morphologische Merkmale als auch die Sauerstoffsättigung (SpO2) nutzt, um die Out-of-Distribution-Generalisierung und Schweregradklassifizierung von Schlafapnoe unter Verwendung von Architekturen mit hybriden neuronalen Netzen geringer Komplexität signifikant zu verbessern.

Mantas Rinkevičius, Oskar Pfeffer, Amal Alissa, Nando Hegemann, Vaidotas Marozas2026-08-13
⚡ electrical engineering

Few-Shot Ordinal Learning for Day-Wise Freshness Estimation with Hyperspectral Fish Images

Dieses Paper führt ein neuartiges Few-Shot-Ordinal-Learning-Framework ein, das Hyperspektralbildgebung und biologisch begründete Constraints nutzt, um die tägliche Fischfrische mit minimalen gelabelten Daten präzise zu schätzen, wobei es bestehende vollüberwachte Methoden unter strengen Unseen-Filet-Protokollen signifikant übertrifft.

Kazi Nabiul Alam, Pooneh Bagheri Zadeh, Akbar Sheikh-Akbari2026-08-13
🧬 biology

HIPNO: Symmetry-Aware Physics-Informed Neural Operators for Noninvasive Hemodynamic Inference

Das Papier stellt HIPNO vor, einen symmetriebewussten physik-informierten neuronalen Operator, der die Skalen-Symmetrie bei der hämodynamischen Inferenz durch die Parametrisierung eines Netzwerks in einem Quotientenraum löst, um den vaskulären Zerfall und die Flussdynamik aus nicht-invasiven Drucksignalen präzise zu rekonstruieren, wobei es Baseline-Methoden sowohl in der Genauigkeit als auch in der Robustheit gegenüber Kontrafakten übertrifft.

Yunbei Pan, Jiahang Sha, Simon A. Lee, Maxime Cannesson, Wei Wang, Jeffrey N. Chiang2026-08-12
⚡ electrical engineering

Transceiver Design for Cell-Free Unsourced Random Access

Dieses Paper schlägt ein komplexitätsarmes, energieeffizientes Transceiver-Design für den zellfreien, unquellenbasierten Random Access vor, das iterative Dekodierungstechniken mit einer Analyse bei endlicher Blocklänge kombiniert, um eine überlegene Leistung zu erzielen und bis zu 1800 aktive Nutzer mit Gewinnen von bis zu 4,5 dB gegenüber bestehenden Verfahren zu unterstützen.

Mert Ozates, Mohammad Kazemi, Eduard Jorswieck, Deniz Gündüz2026-08-12