174 Arbeiten
Die vorgestellte Arbeit stellt Hadamard-NOMA vor, eine Methode, die durch den Einsatz der Hadamard-Transformation vor der Modulation die Robustheit von Downlink-NOMA-Systemen gegenüber Fading und unvollständiger Kanalzustandsinformation (CSI) signifikant erhöht und dabei im Vergleich zu bestehenden Verfahren deutliche Gewinnungen in der Bitfehlerrate erzielt.
Diese Arbeit stellt einen neuartigen, ausreißerrobusten ALS-IRLS-Algorithmus vor, der durch eine zweistufige Strategie aus innovationsbasierter Schwellenwertbildung und der Huber-Kostenfunktion die Genauigkeit der Rausch-Kovarianzschätzung und der nachgelagerten Zustandsschätzung in Kalman-Filtern bei Vorhandensein von Ausreißern erheblich verbessert.
Diese Studie zeigt, dass Transformer-Modelle in Kombination mit Koopman-Operator-Features, die durch Extended Dynamic Mode Decomposition mit einem optimierten Radial-Basis-Funktions-Wörterbuch extrahiert werden, bei der vierklassigen EKG-Klassifizierung eine überlegene Leistung erzielen und dynamische Systemtheorie effektiv in die Zeitreihenanalyse integrieren.
Diese Arbeit stellt einen adaptiven, entropiegesteuerten Sensorauswahlmechanismus für einen Kamera-LiDAR-Partikelfilter vor, der in einer realen maritimen Testumgebung in Zypern nachweist, dass durch die dynamische Auswahl der informativsten Sensorkonfiguration eine robuste Einzel-Schiff-Verfolgung mit einem optimalen Kompromiss zwischen Genauigkeit und Kontinuität erreicht wird.
Diese Arbeit stellt eine praktikable Methode zur Phasenauswahl für Multi-User-RIS-Systeme vor, die durch die Unterteilung der RIS in subsurface-basierte Einheiten pro Nutzer und die Einführung iterativer Optimierungsverfahren (ISD/CISD) eine hohe Leistung bei deutlich reduzierter Rechenkomplexität in korrelierten Ricean- und Rayleigh-Umgebungen erreicht.
Diese Arbeit bietet eine systematische Übersicht über die Entwicklung und den aktuellen Stand der Signalverarbeitung und des maschinellen Lernens auf zeitvariierenden Graphen, vergleicht bestehende Methoden und identifiziert zukünftige Forschungsrichtungen.
Dieser Beitrag stellt ein plattformbewusstes Framework vor, das drahtlose Verbindungen durch ein neuartiges, gemeinsames Antennenmuster modelliert, das Streuungen durch Hardware-Montagen berücksichtigt und die Pfadverlustschätzung im Vergleich zu herkömmlichen Modellen um bis zu 10 dB verbessert.
Die Studie zeigt, dass die Modellierung von Sekundärelektronen-Signalen als Mischungsverteilung anstelle einer einfachen Faltung die Randlokalisation in der Rasterelektronenmikroskopie erheblich verbessert und durch Maximum-Likelihood-Schätzung aus zeit aufgelösten Messungen eine subpixelgenaue Ortsbestimmung ermöglicht.
Dieses Papier stellt einen analytischen Rahmen und einen Empfänger für FM-OFDM als konstanten Hüllkurven-Wellenform für ISAC-Systeme vor, der durch die Nutzung des PA-Sättigungsbereichs eine verbesserte Sensierungsreichweite und Zuverlässigkeit unter strengen Bandbreiten- und Doppler-Bedingungen ermöglicht.
Diese Arbeit stellt einen lernbasierten Optimierungsrahmen vor, der durch das Ersetzen ausgewählter Iterationen durch rechenarme Approximationen und das Erlernen erweiterter Hyperparameter die Rechenkomplexität um mehr als drei Größenordnungen reduziert, während gleichzeitig ein State-of-the-Art-Leistungsniveau in Anwendungen wie Hybrid-Beamforming und robuster Hauptkomponentenanalyse erreicht wird.
Dieser Artikel stellt eine schnelle Methode zur Tensor-Train-Vervollständigung vor, die unter Verwendung von Standard-Linearalgebra-Operationen und deterministischen Bedingungen ausschließlich auf Beobachtungen ganzer Fasern entlang eines einzelnen Modus basiert, um fehlende Einträge in Mehrweg-Datentensoren effizient wiederherzustellen.
Dieser Artikel stellt einen manifold-basierten Optimierungsansatz vor, der durch die Einhaltung der Reziprozität und die Nutzung von Fractional Programming eine effiziente Summenratenmaximierung für reziproke Beyond-Diagonal-Reconfigurable Intelligent Surfaces (BD-RIS) ermöglicht und dabei den aktuellen State-of-the-Art-Methoden überlegen ist.
Dieses Whitepaper präsentiert eine gemeinschaftlich erarbeitete Vision, die Forschungs- und Entwicklungsmöglichkeiten für hardwarebasierte maschinelle Lernsysteme und deren physikalische Anwendungen priorisiert, um die Herausforderungen der nächsten Generation von Teilchenphysik-Experimenten im Hinblick auf extreme Datenraten und Umgebungen zu bewältigen.
Diese Arbeit stellt eine skalierbare, in-situ Diagnosearchitektur vor, die es ermöglicht, zeitliche Degradationen in SRAM-basierten FPGAs während des normalen Betriebs zu charakterisieren und zwischen globalen PDN-bedingten Verzögerungsverschiebungen und lokalisierten, routinginduzierten Störungen zu unterscheiden.
Diese Arbeit demonstriert, dass ein mit einem Quantenschaltkreis optimierter Quantensensor Umgebungen mittels Radiowellen effizient lokalisieren kann, indem er selbst bei starkem Informationsmangel und ohne Kanalmessungen während des Betriebs empfindlich auf schwache oder verdeckte Signale reagiert.
Die Arbeit stellt Geo-ADAPT-VQE vor, einen geometriebewussten adaptiven VQE-Algorithmus, der durch die Nutzung der natürlichen Gradientenregel für die Operatorauswahl im Vergleich zu bestehenden Methoden eine schnellere und stabilere Konvergenz sowie signifikant kürzere Ansätze für Quantenchemie-Probleme erreicht.
Der Artikel stellt zwei neue Paradigmen für die multimodale intelligente Kanalmodellierung im 6G-Umfeld vor, nämlich feinabgestimmte Large Language Models (LLM4CM) und den Wireless Channel Foundation Model (WiCo), die auf dem Konzept der „Synästhesie der Maschinen" basieren, und analysiert deren Architekturen, Vor- und Nachteile sowie zukünftige Forschungsrichtungen.
Diese Arbeit präsentiert eine umfassende Analyse der 3D-Rekonstruktion von Funkumgebungskarten mittels UAVs, die den Einfluss von Flughöhe, Bandbreite, Flugbahn und der durch den UAV-Rumpf verursachten Antennenmuster-Verzerrung untersucht und dabei robuste Rekonstruktionsmethoden sowie einen Ansatz zur Verbesserung der Genauigkeit in tiefen Schattenbereichen vorschlägt.
Diese Arbeit entwickelt eine effiziente Strategie für die Platzierung von beweglichen Antennen in der Nahfeld-Wireless-Sensing, die durch eine zentrosymmetrische, dreipunktige Anordnung den worst-case Positionsfehler minimiert und dabei konventionellen Festantennen-Arrays überlegen ist.
Das Paper stellt Spyglass vor, ein spektraler Sensor, der mithilfe des Protokoll-agnostischen Algorithmus Searchlite, eines geschalteten Arrays und der SSFP-Verarbeitungstechnik in einer einzigen Übertragung präzise Ankunftsrichtungen (AoA) und andere Signalparameter mehrerer gleichzeitiger Signale in dichten Funkumgebungen erfasst.