eess artigos | Gist.Science

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

Este trabalho estabelece o framework de Computação de Função Distribuída Randomizada (RDFC), uma forma de comunicação semântica que garante privacidade local e eficiência energética ao permitir a transmissão de informações suficientes para gerar funções aleatórias dos dados, demonstrando que o uso de aleatoriedade comum reduz drasticamente a taxa de comunicação em comparação com a transmissão sem perdas, mesmo na ausência de aleatoriedade compartilhada.

Onur Günlü2026-03-11⚡ eess

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

O artigo apresenta um preditor de tráfego baseado em decomposição de baixa ordem que, ao utilizar dados históricos em vez de informações em tempo real, consegue reduzir o tempo de viagem excedente para menos de 1,5 minutos, oferecendo um desempenho quase equivalente ao de sistemas de roteamento em tempo real para aplicações de planejamento de transporte.

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 artigo apresenta um gerador de conjunto de dados de referência baseado em padrões IEEE para o reconhecimento passivo em comunicações de redes inteligentes, simulando observadores que alteram a propagação do sinal sem transmitir, o que permite a avaliação padronizada de detectores federados e baseados em grafos para ameaças de inteligência passiva em redes domésticas, de bairro e de área ampla.

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

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

Este artigo propõe um novo framework de Controle Preditivo Baseado em Modelo (MPC) com horizonte infinito para estabilização em tempo finito de sistemas discretos com restrições, o qual amplia a região de viabilidade inicial e elimina a necessidade de restrições de igualdade terminal ou estratégias de comutação, garantindo a estabilidade em tempo finito e sendo aplicável tanto a sistemas lineares quanto a uma classe de sistemas não lineares feedback-linearizáveis.

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

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

O artigo apresenta o Speech-Omni-Lite, um framework eficiente em custo que estende backbones de Visão-Linguagem pré-treinados com capacidades de compreensão e geração de fala através de módulos leves e congelando o modelo original, alcançando desempenho competitivo em perguntas orais com poucos dados de treinamento.

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 trabalho demonstra empiricamente, utilizando medições reais de 5G NR em três cenários distintos, que o ajuste fino específico do local de receptores neurais melhora significativamente a taxa de erro sem aumentar a complexidade de processamento e que esses ganhos generalizam-se para diferentes hardware e cenários de implantação.

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

Embedded Model Predictive Control for EMS-type Maglev Vehicles

Este artigo investiga a aplicação do Controle Preditivo Baseado em Modelo (MPC) em sistemas de levitação magnética do tipo EMS para veículos de alta velocidade, demonstrando sua capacidade de estabilizar robustamente o sistema não linear em hardware embarcado com recursos limitados.

Arnim Kargl, Mario Hermle, Zhiqiang Zhang, Yanmin Li, Dainan Zhao, Yong Cui, Peter Eberhard2026-03-11⚡ eess

Finetuning a Text-to-Audio Model for Room Impulse Response Generation

Este artigo propõe uma abordagem inovadora para gerar Respostas ao Impulso de Sala (RIRs) realistas, ajustando um modelo de áudio pré-treinado de texto para áudio e utilizando modelos de linguagem visual para criar descrições acústicas, demonstrando assim a eficácia de priores generativos de áudio em larga escala para simulação acústica e aumento de dados de fala.

Kirak Kim, Sungyoung Kim2026-03-11⚡ eess

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

Este artigo apresenta o DRES, um conjunto de dados de fala realista e semi-espontânea em holandês gravado em ambientes públicos ruidosos, e avalia seu impacto no desempenho de modelos de reconhecimento de fala e aprimoramento de fala, descobrindo que, apesar de alguns modelos de ASR alcançarem bons resultados, o uso de algoritmos de aprimoramento de fala de canal único não melhorou o desempenho geral.

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

Distributed Multichannel Wiener Filtering for Wireless Acoustic Sensor Networks

Este artigo propõe o filtro de Wiener multicanal distribuído (dMWF), um algoritmo não iterativo e ótimo para redes de sensores acústicos sem fio que supera as limitações de convergência e de observação de fontes dos métodos existentes, alcançando desempenho equivalente ao de sistemas centralizados com menor uso de largura de banda.

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

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

O artigo apresenta o $M^2$ -Occ, um framework inovador para previsão de oclusão semântica 3D em direção autônoma que utiliza reconstrução mascarada multiview e memória de características para manter a precisão geométrica e semântica mesmo na ausência de múltiplas câmeras, superando significativamente os métodos existentes em cenários de falha de visão.

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

O artigo apresenta o PanoAffordanceNet, um novo framework e conjunto de dados (360-AGD) que estabelecem a tarefa de "Grounding de Apropriação Holística" em ambientes internos de 360°, superando desafios como distorções geométricas e dispersão semântica para permitir uma percepção global em agentes corporificados.

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 artigo apresenta um sistema de rastreamento de UAVs baseado em LiDAR 3D leve e adaptativo, que utiliza um Filtro de Kalman Estendido Adaptativo (AEKF) para garantir posicionamento relativo preciso e robusto em ambientes sem GPS, superando limitações de ruído e oclusão em drones de pequeno porte.

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

Initial Parameter Estimation for Non-Linear Optimization -- Trigonometric Function

Este relatório técnico apresenta uma estratégia nova, interpretável e baseada em NI para estimar parâmetros iniciais de modelos trigonométricos com dados amostrados de forma irregular, permitindo a localização do mínimo global mesmo em cenários de alto ruído e cobertura temporal limitada, com custos computacionais inferiores aos do método de Lomb-Scargle.

Tilo Strutz2026-03-11⚡ eess

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

Este estudo avalia experimentalmente um radar FMCW-MIMO de baixo custo para monitoramento não invasivo de sinais vitais, concluindo que, embora o sistema ofereça estimativas precisas de frequências respiratória e cardíaca médias em uma distância ótima de 70 cm, ele apresenta limitações significativas na captura de variações instantâneas e de alta resolução devido a trade-offs inerentes entre parâmetros de configuração e precisão.

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

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

Este artigo propõe um método híbrido assistido por modelo que aprimora a previsão de perda de caminho em cenários suburbanos ao introduzir uma compensação adaptativa ao ambiente sobre o modelo de referência de distância livre, alcançando um erro quadrático médio de 4,04 dB em dados medidos na Ilha 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 artigo apresenta um framework sistemático que integra aprendizado de máquina ao design de um controlador primal-dual para regulação secundária de frequência, garantindo estabilidade e otimalidade assintóticas enquanto melhora métricas transitórias críticas, como o nadir de frequência e o esforço de controle, por meio de dados.

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

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

O artigo apresenta o CycleULM, um quadro de aprendizado profundo unificado e sem rótulos que supera as limitações de dados e simulação na microscopia de localização por ultrassom, melhorando significativamente a resolução, a precisão de localização de microbolhas e a velocidade de processamento para viabilizar aplicações clínicas em tempo 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

Field Free Novel Architecture for Spintronic Flash Analog to Digital Converter

Este artigo propõe uma nova arquitetura de conversor analógico-digital (ADC) flash de 3 bits sem campo magnético, baseada em junções de tunelamento magnético com torque de rotação de spin (SOT MTJ) e controle de anisotropia magnética por voltagem (VCMA), que elimina a etapa de reinicialização ao alternar conjuntos de MTJs de conversão e fictícios, alcançando uma taxa de conversão de 304,1 MHz com consumo de energia de 476 µW.

Abin Francis, Nikhil Kumar, Prince Philip2026-03-11⚡ eess

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

Este artigo propõe um novo quadro de treinamento de feixe para comunicações de campo próximo em canais multipath, baseado em bandits lineares e amostragem de Thompson, que utiliza um prior Gaussiano correlacionado e três estratégias de busca para reduzir a sobrecarga de pilotos em até 90% enquanto supera as técnicas de base em ganho de SNR.

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

← Anterior Próximo →

eess