176 artigos
Este artigo apresenta um quadro unificado de detecção baseado no Número de Condição Padrão (SCN) para sistemas MIMO ISAC sob incerteza de ruído, demonstrando analiticamente sua robustez e propriedade de taxa de falsa alarme constante (CFAR) e propondo uma estratégia de alocação de potência que supera os detectores convencionais em cenários com interferência e jamming.
Este artigo propõe um novo sistema de comunicação óptica em espaço livre que utiliza skyrmions ópticos e modulação do número de skyrmion para codificar informações, oferecendo robustez inerente contra distorções de frente de onda causadas pela turbulência atmosférica graças à natureza topológica desses estados e a uma técnica de mascaramento baseada em intensidade.
Este artigo propõe uma abordagem de correspondência de modelo aprendível (LTM) assistida por IA para plataformas de sensoriamento e comunicação integrados (ISAC), visando suprimir o ruído de fundo e melhorar a precisão no monitoramento de micro-deformações em cenários urbanos.
Este estudo apresenta uma aplicação de modelos de aprendizado de máquina em um cenário real de manufatura para prever e prevenir defeitos em peças fundidas de componentes de powertrain, analisando parâmetros críticos do processo de fabricação de núcleos e permitindo uma transição de um controle de qualidade reativo para um proativo.
Este artigo deriva fórmulas fechadas assintoticamente exatas para a probabilidade de alto SNR em sistemas de antenas fluidas contínuas operando em canais de desvanecimento Rayleigh, estabelecendo leis de escalonamento que descrevem como o desempenho melhora com o aumento das dimensões espaciais e identifica as configurações dimensionais ótimas.
Este artigo investiga um sistema de acesso múltiplo não ortogonal (NOMA) em enlace de subida assistido por superfícies inteligentes reconfiguráveis contínuas (CRIS), propondo uma análise de taxa de erro de bit (BER) sob desvanecimento espacialmente correlacionado e um framework de otimização conjunta de alocação de potência e particionamento dinâmico da RIS que elimina os limites de BER e supera as técnicas convencionais.
Este artigo deriva expressões analíticas precisas para a distribuição do SNR de filtragem adaptada em arrays de abertura contínua unidimensionais sob ambientes Rayleigh correlacionados, utilizando uma expansão de Karhunen-Loève e um modelo hipoeexponencial truncado que supera as aproximações padrão em precisão e demonstra a superioridade desses sistemas sobre arrays de antenas discretas.
Este artigo explora o potencial das superfícies inteligentes flexíveis (FIMs) como tecnologia habilitadora para redes sem fio de próxima geração, detalhando suas arquiteturas, aplicações e vantagens de desempenho em comparação com arrays rígidos, ao mesmo tempo que discute desafios práticos e direções futuras para sua implementação.
Este artigo propõe uma abordagem de aprendizado profundo baseada em critérios MMSE variante e condições KKT para otimizar o beamforming híbrido direto e indireto em sistemas XL-MIMO, superando as limitações de estabilidade e interferência de métodos existentes tanto em cenários de campo próximo quanto distante.
Este artigo propõe o framework DL-IABT, uma abordagem de treinamento de feixe multiusuário baseada em aprendizado profundo que, ao prever diretamente os índices de feixes analógicos a partir de medições de sensoriamento limitadas e incorporar interferência de forma integrada, supera os custos proibitivos do treinamento convencional em sistemas XL-MIMO de campo próximo, alcançando desempenho próximo ao ótimo com menor sobrecarga de pilotos.
Este artigo investiga como a geometria da antena afeta as interferências de lóbulos laterais axiais em sistemas MIMO multiusuário de campo próximo, demonstrando analítica e numericamente que a disposição em array plano uniforme (USA) oferece a melhor supressão de interferência e desempenho de taxa de soma em comparação com outras geometrias.
Este artigo propõe um framework de comunicação semântica com codificação conjunta fonte-canal e alocação de recursos para missões de observação da Terra em satélites LEO, utilizando um modelo de ajuste de curvas e um algoritmo de otimização conjunta para minimizar o consumo de energia enquanto atende aos requisitos de qualidade de reconstrução de imagens.
Este artigo investiga comunicações encobertas simultâneas em redes heterogêneas, analisando cenários com e sem conhecimento do adversário sobre as modalidades selecionadas, derivando detectores ótimos e propondo uma técnica de seleção de modalidades de baixa complexidade que maximiza a probabilidade de erro de detecção sob restrições de taxa.
Este artigo apresenta um método de imageamento de alcance passivo que utiliza medições hiperespectrais no infravermelho térmico para estimar simultaneamente a distância e as propriedades intrínsecas dos objetos, separando computacionalmente a emissão térmica da absorção atmosférica e regularizando as estimativas para lidar com a subdeterminação do problema, validando sua eficácia em cenas naturais com dados de lidar.
Este trabalho propõe um framework de aprendizado orientado a tarefas para a remoção automática de ruído em sinais de EEG, que utiliza apenas rótulos de tarefa para supervisionar a seleção de componentes sem a necessidade de sinais de referência limpos, demonstrando melhorias consistentes tanto no desempenho da tarefa quanto na qualidade do sinal.
Este artigo propõe um algoritmo aproximado de maximização de expectativa para determinar estruturas moleculares tridimensionais diretamente de micrografias de criomicroscopia eletrônica com baixa relação sinal-ruído, contornando a necessidade de localizar e extrair imagens de projeção individuais.
Este artigo apresenta uma técnica inovadora que utiliza uma Transformada Discreta Inversa (IDFT) espacial para eliminar o desvio de feixe (squint) em arrays massivos, analisando suas causas e demonstrando como a modulação OFDM e simulações numéricas podem mitigar a interferência e melhorar a qualidade do sinal.
Este artigo propõe o IW-DKF, uma extensão do Filtro de Kalman Profundo que aplica amostragem por importância para obter objetivos de Monte Carlo mais rigorosos, resultando em melhorias significativas na estimativa de verossimilhança, na inferência de estados latentes e na aprendizagem de parâmetros em modelos não lineares complexos.
Este artigo apresenta um framework de rastreamento de alvos baseado em conjuntos finitos aleatórios que utiliza rastreamento de múltiplas hipóteses e modelos de ruído adaptativos para mitigar com eficácia o engano de alcance por radar (RGPO), melhorando a precisão de rastreamento e a detecção de interferência sem degradar o desempenho na ausência de jamming.
Este artigo explora o potencial dos modelos de difusão generativa (GDM) nas comunicações MIMO massivas, oferecendo uma visão geral do tema, discutindo avanços recentes e apresentando um estudo de caso sobre estimação de canais em campo próximo para demonstrar a eficácia da GDM na aquisição de informações de estado do canal (CSI) ultra-dimensionais.