⚡ Category

eess.SP

176 Arbeiten

Standard Condition Number-Based Detection for MIMO ISAC Systems under Noise Uncertainty

Diese Arbeit stellt einen analytischen und optimierenden Rahmen für die Standard-Condition-Number-basierte Detektion in MIMO-ISAC-Systemen unter Rauschunsicherheit vor, der durch die Herleitung geschlossener Ausdrücke für die Fehlalarm- und Detektionswahrscheinlichkeit eine robuste, konstante Fehlalarmrate (CFAR) garantiert und durch eine optimierte Leistungszuweisung die Detektionsgenauigkeit unter Störungen signifikant verbessert.

Alex Obando, Tharindu Udupitiya, Saman Atapattu, Kandeepan SithamparanathanFri, 13 Ma⚡ eess

Machine Learning-Based Analysis of Critical Process Parameters Influencing Product Quality Defects: A Real-World Case Study in Manufacturing

Diese Studie demonstriert, wie maschinelle Lernmodelle in einem realen Gießereibetrieb genutzt werden können, um kritische Prozessparameter zu identifizieren und Gussfehler proaktiv vorherzusagen, wodurch die Produktqualität und Produktionseffizienz erheblich verbessert werden.

Sukumaran Rajasekaran, Ebru Turanoglu Bekar, Kanika Gandhi, Sabino Francesco Roselli, Mohan RajashekarappaFri, 13 Ma⚡ eess

BER Analysis and Optimization for Continuous RIS-Enabled NOMA

Dieser Beitrag analysiert die Bitfehlerrate in einem uplink-NOMA-System mit kontinuierlicher rekonfigurierbarer intelligenter Oberfläche (CRIS) unter räumlich korreliertem Fading und entwickelt einen gemeinsamen Optimierungsansatz für Leistungszuweisung und RIS-Partitionierung, der die Bitfehlerrate minimiert und die Leistung gegenüber herkömmlichen OMA- und nicht-optimierten NOMA-Schemata nachweislich verbessert.

Mahmoud AlaaEldin, Amy S. Inwood, Peter J. Smith, Michail MatthaiouFri, 13 Ma⚡ eess

On the Distribution of Matched Filtering with Continuous Aperture Arrays

Diese Arbeit leitet präzise analytische Ausdrücke für die Verteilung des Signal-zu-Rausch-Verhältnisses bei abgestimmter Filterung in kontinuierlichen Apertur-Arrays unter korrelierten Rayleigh-Fading-Bedingungen her, wobei ein abgeschnittenes hypoexponentielles Modell eine deutlich genauere Näherung als herkömmliche Gamma-Annäherungen bietet und die Überlegenheit von CAPAs gegenüber diskreten Antennenarrays bestätigt.

Amy S. Inwood, Abdulla Firag, Peter J. Smith, Michail MatthaiouFri, 13 Ma⚡ eess

Beyond the Limits of Rigid Arrays: Flexible Intelligent Metasurfaces for Next-Generation Wireless Networks

Dieser Artikel stellt flexible intelligente Metasurfaces als vielversprechende Technologie für zukünftige drahtlose Netzwerke vor, die durch ihre mechanische Formbarkeit zusätzliche räumliche Gestaltungsfreiheiten bieten, um die Strahlungseigenschaften elektromagnetischer Wellen dynamisch zu optimieren und damit die Leistung von Kommunikations- und Sensiersystemen im Vergleich zu starren Antennenarrays zu steigern.

Ahmed Magbool, Vaibhav Kumar, Marco Di Renzo, Mark F. FlanaganFri, 13 Ma⚡ eess

Indirect and Direct Multiuser Hybrid Beamforming for Far-Field and Near-Field Communications: A Deep Learning Approach

Die vorgestellte Arbeit entwickelt einen komplexwertigen Deep-Learning-Rahmen für hybrides Beamforming in XL-MIMO-Systemen, der sowohl im indirekten als auch im direkten Modus durch eine geschlossene digitale Vorverarbeitung und eine stabile Analog-Lernarchitektur die Herausforderungen der Nahfeldkommunikation und Mehrbenutzerinterferenzen effizient löst.

Xinyang Li, Songjie Yang, Boyu Ning, Zongmiao He, Xiang Ling, Chau YuenFri, 13 Ma⚡ eess

Near-Field Multiuser Beam Training for XL-MIMO: An End-to-End Interference-Aware Approach with Pilot Limitations

Dieser Beitrag stellt einen tiefenlernbasierten, interferenzbewussten Rahmen für das Mehrbenutzer-Beam-Training in XL-MIMO-Systemen vor, der durch die direkte Vorhersage analoger Strahlindizes aus wenigen Pilotmessungen und die Integration einer geschlossenen MMSE-Lösung für die digitale Vorcodierung eine nahezu optimale Summenrate bei begrenzten Pilotressourcen erreicht.

Xinyang Li, Songjie Yang, Xiang Ling, Jianhui Song, Yibo Wang, Hua ChenFri, 13 Ma⚡ eess

A Joint JSCC-Resource Allocation Framework for QoS-Aware Semantic Communication in LEO Satellite-based EO Missions

Diese Arbeit stellt ein Framework zur gemeinsamen Optimierung von semantischer Kodierung und Ressourcenallokation für LEO-Erdbeobachtungssatelliten vor, das mittels eines Kurvenanpassungsmodells und des JCRRA-Algorithmus die Sendeleistung unter Einhaltung der Bildrekonstruktionsqualität minimiert.

Hung Nguyen-Kha, Ti Ti Nguyen, Vu Nguyen Ha, Eva Lagunas, Symeon Chatzinotas, Bjorn OtterstenFri, 13 Ma⚡ eess

Simultaneous Multi-Modal Covert Communications: Analysis and Optimization

Diese Arbeit analysiert und optimiert die gleichzeitige multimodale verdeckte Kommunikation in heterogenen drahtlosen Netzwerken, indem sie die optimale Detektion durch einen Angreifer untersucht und einen effizienten Algorithmus zur Auswahl der Kommunikationsmodi vorschlägt, der die Entdeckungswahrscheinlichkeit unter Einhaltung einer Datenratenanforderung maximiert.

Justin H. Kong, Terrence J. Moore, Fikadu T. DagefuFri, 13 Ma⚡ eess

Task-Oriented Learning for Automatic EEG Denoising

Diese Arbeit stellt ein task-orientiertes Lernframework für die automatische EEG-Rauschunterdrückung vor, das ausschließlich Aufgabenlabels nutzt, um durch blinden Quellentrennung und einen lernbasierten Selektor saubere Signale zu rekonstruieren, wodurch die Notwendigkeit von Referenzsignalen entfällt und sowohl die Aufgabenleistung als auch die Signalqualität verbessert werden.

Tian-Yu Xiang, Zheng Lei, Xiao-Hu Zhou + 7 more2026-03-12⚡ eess

Mitigation of Radar Range Deception Jamming Using Random Finite Sets

Diese Arbeit stellt einen auf Random Finite Sets basierenden Radar-Tracking-Rahmen vor, der mithilfe von Multiple Hypothesis Tracking und adaptiven Bias-Schätzungen die Verfolgung von Zielen unter Range Gate Pull-Off-Störungen (RGPO) verbessert und gleichzeitig die Störungserkennung ermöglicht, ohne die Leistung bei fehlender Störung zu beeinträchtigen.

Helena Calatrava, Aanjhan Ranganathan, Tales Imbiriba + 3 more2026-03-10⚡ eess