AI-Enhanced Spatial Cellular Traffic Demand Prediction with Contextual Clustering and Error Correction for 5G/6G Planning

Cet article propose un cadre d'intelligence artificielle innovant pour la planification des réseaux 5G/6G, qui améliore la précision de la prédiction spatiale de la demande de trafic grâce à une stratégie de division contextuelle et une correction d'erreur résiduelle, réduisant ainsi les fuites de données et les erreurs de généralisation.

Mohamad Alkadamani, Colin Brown, Halim YanikomerogluThu, 12 Ma⚡ eess

Human Presence Detection via Wi-Fi Range-Filtered Doppler Spectrum on Commodity Laptops

Cet article présente une solution pionnière de détection de présence humaine utilisant uniquement le matériel Wi-Fi intégré d'ordinateurs portables commerciaux, grâce à une nouvelle technique de spectre Doppler filtré par portée (RF-DS) et un cadre de traitement adaptatif qui éliminent le besoin de capteurs externes tout en garantissant la confidentialité et une faible complexité computationnelle.

Jessica Sanson, Rahul C. Shah, Valerio FrascollaThu, 12 Ma⚡ eess

The potential and viability of V2G for California BEV drivers

En se basant sur des données réelles de véhicules électriques en Californie, cette étude démontre que la viabilité du véhicule-vers-réseau (V2G) dépend fortement du profil de conduite des utilisateurs et de la sensibilité des batteries au vieillissement calendaire, révélant que cette technologie peut être bénéfique pour certains profils sans nuire significativement à la durée de vie des batteries.

Clement Wong, Amalie Trewartha, Steven B. Torrisi, Alexandre L. S. FilipowiczThu, 12 Ma⚡ eess

Phase Selection and Analysis for Multi-frequency Multi-user RIS Systems Employing Subsurfaces

Cet article propose une nouvelle conception de surfaces intelligentes reconfigurables (RIS) divisées en sous-surfaces dédiées à des utilisateurs spécifiques sur des bandes de fréquence distinctes, offrant des solutions analytiques fermées pour le rapport signal-sur-bruit moyen et démontrant une robustesse exceptionnelle aux conditions non en visibilité directe tout en réduisant considérablement la complexité du système.

Amy S. Inwood, Peter J. Smith, Philippa A. Martin, Graeme K. WoodwardThu, 12 Ma⚡ eess

Level Crossing Rate Analysis for Optimal Single-user RIS Systems

Cet article propose une expression analytique exacte pour le taux de franchissement de seuil d'un système uplink à surface intelligente reconfigurable (RIS) optimisée en l'absence de lien direct, ainsi qu'une approximation numérique stable pour le lien direct, démontrant que l'ajout d'éléments RIS ou de stations de base réduit la fréquence des franchissements sans amplifier significativement les variations temporelles du canal.

Amy S. Inwood, Peter J. Smith, Philippa A. Martin, Graeme K. WoodwardThu, 12 Ma⚡ eess

Regularizing INR with diffusion prior self-supervised 3D reconstruction of neutron computed tomography data

Ce papier présente DINR, un cadre d'inversion par tomographie computationnelle utilisant des priors de diffusion pour régulariser des représentations neuronales implicites, permettant ainsi des reconstructions 3D de haute qualité à partir de données de tomographie neutronique à vues éparses, même sur des structures de béton réelles.

Maliha Hossain, Haley Duba-Sullivan, Amirkoushyar ZiabariThu, 12 Ma⚡ eess

Distortion Is Not Noise: On the Limits of the Kappa Model for Monostatic ISAC

Cet article démontre que le modèle de distorsion κ\kappa, bien que adapté aux communications, est trop pessimiste pour le radar monostatique ISAC car l'émetteur peut surveiller son signal, et propose de nouvelles bornes de Cramér-Rao tenant compte des non-linéarités de l'amplificateur de puissance et du bruit de phase pour quantifier avec plus de précision les limites de détection.

Haofan Dong, Ozgur B. AkanThu, 12 Ma⚡ eess

Reference Architecture of a Quantum-Centric Supercomputer

Cet article présente une architecture de référence et une feuille de route pour les supercalculateurs centrés sur le quantum (QCSC), qui visent à intégrer de manière transparente les unités de traitement quantique, graphique et centrale afin de surmonter les limites actuelles de l'orchestration manuelle et d'accélérer la découverte d'algorithmes hybrides pour des applications critiques.

Seetharami Seelam, Jerry M. Chow, Antonio Córcoles, Sarah Sheldon, Tushar Mittal, Abhinav Kandala, Sean Dague, Ian Hincks, Hiroshi Horii, Blake Johnson, Michael Le, Hani Jamjoom, Jay M. GambettaThu, 12 Ma⚡ eess

The trajectoRIR Database: Room Acoustic Recordings Along a Trajectory of Moving Microphones

Ce papier présente la base de données trajectoRIR, une collection unique de réponses impulsionnelles de salle et d'enregistrements audio dynamiques le long d'une trajectoire contrôlée, capturés par diverses configurations de microphones mobiles et stationnaires pour soutenir des tâches avancées de traitement du signal acoustique.

Stefano Damiano, Kathleen MacWilliam, Valerio Lorenzoni, Thomas Dietzen, Toon van WaterschootMon, 09 Ma⚡ eess

CECGSR: Circular ECG Super-Resolution

Cet article propose une méthode de super-résolution ECG en boucle fermée, nommée CECGSR, qui améliore la reconstruction des signaux cardiaques en réduisant le bruit et les artefacts grâce à un mécanisme de rétroaction négative, surpassant ainsi les approches en boucle ouverte existantes sur le jeu de données PTB-XL.

Honggui Li, Zhengyang Zhang, Dingtai Li, Sinan Chen, Nahid Md Lokman Hossain, Hantao Lu, Ruobing Wang, Xinfeng Xu, Yinlu Qin, Yuting Feng, Maria Trocan, Dimitri Galayko, Amara Amara, Mohamad SawanMon, 09 Ma⚡ eess

Digital Methods to Quantify Sensor Output Uncertainty in Real Time

Cet article présente une méthode de quantification dynamique de l'incertitude en temps réel pour les sorties de capteurs dépendant de données d'étalonnage préenregistrées, démontrant sur des plateformes matérielles embarquées une accélération significative par rapport aux méthodes de Monte Carlo et une amélioration notable de la précision dans des applications de détection de contours.

Orestis Kaparounakis, Phillip Stanley-MarbellMon, 09 Ma⚡ eess

SAAIPAA: Optimizing aspect-angles-invariant physical adversarial attacks on SAR target recognition models

Ce papier propose SAAIPAA, un cadre d'attaque physique adversaire invariant aux angles d'aspect pour les modèles de reconnaissance automatique de cibles SAR, qui optimise la disposition de réflecteurs pour tromper efficacement ces systèmes même sans connaissance préalable des angles de vue de la plateforme.

Isar Lemeire, Yee Wei Law, Sang-Heon Lee, William Meakin, Tat-Jun ChinMon, 09 Ma⚡ eess

ParaS2S: Benchmarking and Aligning Spoken Language Models for Paralinguistic-aware Speech-to-Speech Interaction

Ce papier présente ParaS2S, un cadre d'apprentissage par renforcement et un benchmark associés conçus pour optimiser les modèles de parole-à-parole afin qu'ils répondent de manière appropriée tant sur le fond que sur le style en intégrant les indices paralinguistiques, surpassant ainsi les méthodes d'ajustement supervisé traditionnel.

Shu-wen Yang, Ming Tu, Andy T. Liu, Xinghua Qu, Hung-yi Lee, Lu Lu, Yuxuan Wang, Yonghui WuMon, 09 Ma⚡ eess