⚡ Category

eess

381 artículos

Randomized Distributed Function Computation (RDFC): Ultra-Efficient Semantic Communication Applications to Privacy

Este trabajo presenta el marco de Computación Distribuida Aleatorizada (RDFC), un enfoque de comunicación semántica que garantiza la privacidad local mediante la transmisión de información mínima para generar funciones aleatorizadas, demostrando que la privacidad puede lograrse incluso sin aleatoriedad compartida y reduciendo drásticamente la tasa de comunicación en comparación con la transmisión sin pérdidas.

Onur Günlü2026-03-11⚡ eess

Low-Rank Cyclostationarity Predictive Routing Is Almost as Good as Real-Time Data-based Routing

Este artículo presenta un predictor de tráfico espacio-temporal basado en descomposición de bajo rango que, al ser aplicado a la red vial de Seúl, logra un rendimiento de enrutamiento casi equivalente al de los sistemas en tiempo real, con un exceso de tiempo de viaje promedio inferior a 1,5 minutos.

Oriel-Singer, Ilai-Bistritz, Giseung-Park, Woohyeon-Byeon, Youngchul-Sung, Amir-Leshem2026-03-11⚡ eess

Benchmarking Dataset for Presence-Only Passive Reconnaissance in Wireless Smart-Grid Communications

Este artículo presenta un generador de conjuntos de datos de referencia inspirado en el IEEE para la evaluación de reconocimiento pasivo en comunicaciones de redes eléctricas inteligentes, el cual simula observadores receptores que alteran la propagación del canal mediante un mapeo físico consistente en redes jerárquicas para permitir la comparación estandarizada de detectores federados y de grafos temporales.

Bochra Al Agha, Razane Tajeddine2026-03-11⚡ eess

Constrained finite-time stabilization by model predictive control: an infinite control horizon framework

Este artículo propone un marco de control predictivo basado en modelo (MPC) de horizonte infinito que garantiza la estabilización en tiempo finito de sistemas discretos con restricciones, ampliando significativamente la región de factibilidad inicial y evitando la necesidad de restricciones de igualdad terminales o estrategias de conmutación mediante el uso de una suma de costos de etapa sobre un horizonte infinito.

Bing Zhu, Xiaozhuoer Yuan, Zewei Zheng, Zongyu Zuo2026-03-11⚡ eess

Speech-Omni-Lite: Portable Speech Interfaces for Vision-Language Models

Este trabajo presenta Speech-Omni-Lite, un marco eficiente en costos que extiende modelos de visión y lenguaje preentrenados con capacidades de comprensión y generación de voz mediante módulos ligeros y congelados, logrando un rendimiento comparable a los modelos omni a gran escala utilizando datos de entrenamiento significativamente menores.

Dehua Tao, Xuan Luo, Daxin Tan, Kai Chen, Lanqing Hong, Jing Li, Ruifeng Xu, Xiao Chen2026-03-11⚡ eess

Site-Specific Finetuning of Neural Receivers with Real-World 5G NR Measurements

Este trabajo demuestra empíricamente, utilizando mediciones reales de 5G NR en diversos entornos, que el ajuste fino específico del sitio de receptores neuronales mejora significativamente la tasa de error sin aumentar la complejidad y que estos beneficios se generalizan entre diferentes hardware y escenarios de despliegue.

Nuri Berke Baytekin, Reinhard Wiesmayr, Sebastian Cammerer, Chris Dick, Christoph Studer2026-03-11⚡ eess

A Semi-spontaneous Dutch Speech Dataset for Speech Enhancement and Speech Recognition

Este trabajo presenta DRES, un conjunto de datos de habla realista en neerlandés grabado en entornos ruidosos, y demuestra que, a pesar del buen rendimiento de varios modelos de reconocimiento automático del habla en estas condiciones, la aplicación de algoritmos de mejora de habla de un solo canal no mejora significativamente su precisión.

Dimme de Groot, Yuanyuan Zhang, Jorge Martinez, Odette Scharenborg2026-03-11⚡ eess

Distributed Multichannel Wiener Filtering for Wireless Acoustic Sensor Networks

Este artículo propone el filtro de Wiener multicanal distribuido (dMWF), un algoritmo no iterativo y óptimo para redes de sensores acústicos inalámbricos que supera las limitaciones de convergencia y los supuestos de fuentes comunes de métodos existentes como DANSE, logrando un rendimiento equivalente al de un sistema centralizado con menor uso de ancho de banda.

Paul Didier, Toon van Waterschoot, Simon Doclo, Jörg Bitzer, Pourya Behmandpoor, Henri Gode, Marc Moonen2026-03-11⚡ eess

M2M^2-Occ: Resilient 3D Semantic Occupancy Prediction for Autonomous Driving with Incomplete Camera Inputs

El artículo presenta M2M^2-Occ, un marco innovador que mejora la predicción de ocupación semántica 3D para la conducción autónoma al manejar entradas de cámaras incompletas mediante la reconstrucción de vistas faltantes y el uso de una memoria de características, logrando así una mayor robustez y precisión incluso en escenarios con múltiples vistas perdidas.

Kaixin Lin, Kunyu Peng, Di Wen, Yufan Chen, Ruiping Liu, Kailun Yang2026-03-11⚡ eess

PanoAffordanceNet: Towards Holistic Affordance Grounding in 360{\deg} Indoor Environments

El artículo presenta PanoAffordanceNet, un marco innovador y un nuevo conjunto de datos (360-AGD) diseñados para superar los desafíos de la percepción global en entornos interiores de 360°, permitiendo una fundamentación holística de las affordances mediante la corrección de distorsiones geométricas y la alineación semántica a escala.

Guoliang Zhu, Wanjun Jia, Caoyang Shao, Yuheng Zhang, Zhiyong Li, Kailun Yang2026-03-11⚡ eess

Lightweight 3D LiDAR-Based UAV Tracking: An Adaptive Extended Kalman Filtering Approach

Este artículo presenta un sistema de seguimiento de UAVs ligero basado en LiDAR 3D que utiliza un Filtro de Kalman Extendido Adaptativo (AEKF) para lograr un posicionamiento relativo preciso y robusto en entornos sin GPS, superando las limitaciones de los métodos convencionales al manejar datos de nubes de puntos dispersas y ruidosas en drones pequeños.

Nivand Khosravi, Meysam Basiri, Rodrigo Ventura2026-03-11⚡ eess

Trade-Offs in FMCW Radar-Based Respiration and Heart Rate Variability

Este estudio evalúa experimentalmente un radar FMCW-MIMO de bajo costo para la monitorización de signos vitales sin contacto, revelando que, aunque logra una estimación precisa de las frecuencias respiratoria y cardíaca promedio a una distancia óptima de 70 cm, presenta limitaciones significativas en la precisión para medir la variabilidad instantánea de estos ritmos.

Silvia Mura, Davide Scazzoli, Lorenzo Fineschi, Maurizio Magarini2026-03-11⚡ eess

A Hybrid Model-Assisted Approach for Path Loss Prediction in Suburban Scenarios

Este artículo presenta un método híbrido asistido por modelos que mejora la predicción de pérdidas de trayectoria en entornos suburbanos mediante una compensación adaptativa al entorno y la organización de imágenes ambientales, logrando un error cuadrático medio de 4,04 dB en pruebas realizadas en la isla de Pingtan.

Chenlong Wang, Bo Ai, Ruiming Chen, Ruisi He, Mi Yang, Yuxin Zhang, Weirong Liu, Liu Liu2026-03-11⚡ eess

Learning-Augmented Primal-Dual Control Design for Secondary Frequency Regulation

Este artículo presenta un marco sistemático que integra el aprendizaje automático en el diseño de un controlador primal-dual para la regulación secundaria de frecuencia, garantizando estabilidad y optimalidad en estado estacionario mientras mejora métricas transitorias clave como el nadir de frecuencia y el esfuerzo de control mediante redes neuronales.

Yixuan Yu, Rajni K. Bansal, Yan Jiang, Pengcheng You2026-03-11⚡ eess

CycleULM: A unified label-free deep learning framework for ultrasound localisation microscopy

CycleULM es un marco unificado de aprendizaje profundo sin etiquetas que utiliza una traducción de dominio basada en CycleGAN para superar las limitaciones de datos y simulación en la microscopía de localización por ultrasonido, logrando mejoras significativas en la resolución, la precisión de localización de microburbujas y la velocidad de procesamiento en tiempo real.

Su Yan, Clara Rodrigo Gonzalez, Vincent C. H. Leung, Herman Verinaz-Jadan, Jiakang Chen, Matthieu Toulemonde, Kai Riemer, Jipeng Yan, Clotilde Vié, Qingyuan Tan, Peter D. Weinberg, Pier Luigi Dragotti, Kevin G. Murphy, Meng-Xing Tang2026-03-11⚡ eess

Efficient, Adaptive Near-Field Beam Training based on Linear Bandit

Esta carta propone un marco de entrenamiento de haces para comunicaciones de campo cercano en canales multipath basado en bandits lineales y muestreo de Thompson, que utiliza un prior gaussiano correlacionado para equilibrar la exploración y la explotación, logrando una reducción del 90% en la sobrecarga de pilotos y una mejora de más de 2 dB en la relación señal-ruido respecto a las líneas base.

Junchi Liu, Zijun Wang, Rui Zhang2026-03-11⚡ eess