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

Dit onderzoek toont aan dat machine learning-modellen, getraind op proces- en onderhoudsdata van gietmachines, defecten in motorcomponenten succesvol kunnen voorspellen en voorkomen, waardoor de kwaliteit en efficiëntie in de productie worden verbeterd.

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

BER Analysis and Optimization for Continuous RIS-Enabled NOMA

Deze studie analyseert en optimaliseert de bitfoutkans in een uplink-systeem dat PD-NOMA combineert met een continue reconfigurable intelligent surface (CRIS) onder ruimtelijk gecorreleerde fading, waarbij een gezamenlijk optimalisatiekader voor vermogensallocatie en RIS-partitionering wordt voorgesteld om BER-vloeren te elimineren en de prestaties te verbeteren ten opzichte van conventionele methoden.

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

On the Distribution of Matched Filtering with Continuous Aperture Arrays

Deze paper levert nauwkeurige analytische uitdrukkingen voor de verdeling van de signaal-ruisverhouding bij matched filtering met continue apertuurarrays in gecorreleerde Rayleigh-omgevingen, waarbij een afgekapt hypo-exponentieel model een aanzienlijk betere nauwkeurigheid biedt dan bestaande benaderingen en de superioriteit van deze systemen ten opzichte van discrete antennearrays aantoont.

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

Dit artikel bespreekt de architectuur, integratie en toepassing van flexibele intelligente metasurfaces als een veelbelovende technologie voor toekomstige draadloze netwerken, waarbij de voordelen van mechanische flexibiliteit worden vergeleken met stijle arrays en de belangrijkste kansen en uitdagingen voor verdere ontwikkeling worden geanalyseerd.

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

Dit paper introduceert een diep-leringsframework voor indirecte en directe hybride beamforming in XL-MIMO-systemen, dat zowel ver weg als dichtbij gelegen gebruikers bedient door een variant-MMSE-criterium te combineren met gesloten-vorm digitale precoding om stabiliteit en spectrale efficiëntie te verbeteren.

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

Dit artikel presenteert DL-IABT, een op deep learning gebaseerd framework voor end-to-end interferentiebewuste beamtraining in XL-MIMO-systemen, dat door het direct voorspellen van analoge beamindices vanuit beperkte opwaartse metingen de pilot-overhead aanzienlijk verlaagt en de totale doorvoer maximaliseert.

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

Mitigation of Radar Range Deception Jamming Using Random Finite Sets

Dit artikel presenteert een radar-trackingframework op basis van willekeurige eindige verzamelingen dat gebruikmaakt van multiple hypothesis tracking en adaptieve bias-schatting om de gevolgen van range gate pull-off-jamming te mitigeren en de detectie van dergelijke aanvallen te verbeteren zonder de trackingprestaties in rustige omstandigheden te beïnvloeden.

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