Referencias InSite inalámbricas

La siguiente es una lista de artículos científicos y técnicos en los que se utilizó el software de RemCom en la investigación de los autores.  Hemos incluido extractos de los resúmenes de publicaciones y enlaces externos al contenido original publicado.

1. Aprendizaje profundo coordinado beamforming para sistemas de ondas milimétricas altamente móviles

El apoyo a la alta movilidad en sistemas de ondas milimétricas (mmWave) permite una amplia gama de aplicaciones importantes como las comunicaciones vehiculares y la realidad virtual/aumentada inalámbrica. Sin embargo, darse cuenta de esto en la práctica requiere superar varios desafíos. En este trabajo, se desarrolla una novedosa solución integrada de formación de beamforming y aprendizaje automático para superar estos desafíos y permitir aplicaciones mmWave altamente móviles. Los resultados de la simulación demuestran que la estrategia de beamforming coordinada de aprendizaje profundo propuesta aborda la tasa alcanzable de la solución asistida por Genie que conoce los vectores de beamforming óptimos sin sobrecarga de entrenamiento.

2. Caracterización de las propiedades del canal mmWave a 28 y 60 GHz en implementaciones de automatización de fábrica

Se espera que los sistemas celulares futuros revolucionen el ecosistema industrial actual satisfaciendo los estrictos requisitos de confiabilidad ultra alta y latencia extremadamente baja. A lo largo de estas líneas, la tecnología básica para soportar las implementaciones de automatización de fábrica de próxima generación es el uso de la comunicación de ondas milimétricas (mmWave) que opera a frecuencias extremadamente altas (es decir, de 10 a 100 GHz). Sin embargo, caracterizar el comportamiento de propagación de radio en entornos de fábrica realistas es desafiante debido a longitudes de onda más cortas de mmWave, que hacen que las propiedades del canal sean sensibles a la topología real y al tamaño de los objetos circundantes. Por estas razones, este papel estudia las características importantes del canal de mmWave para dos tipos distintos de fábricas, a saber, industria ligera y industria pesada. Éstos representan los casos extremos de la clasificación de la fábrica basados en el nivel de la tecnología, de la densidad y del tamaño del equipo, y de las mercancías producidas. En consecuencia, evaluamos las frecuencias del candidato mmWave de 28 y 60 GHz para la comunicación con licencia y sin licencia de banda, respectivamente.

3. Abordar la cobertura interior profunda en banda estrecha-5G

La conectividad ubicua es un requisito común de muchos servicios considerados en los sistemas de comunicación de la quinta generación (5G). Sin embargo, proporcionar cobertura de red o conectividad inalámbrica se vuelve muy desafiante en escenarios de interiores profundos, como estacionamientos subterráneos donde la pérdida total del canal puede exceder fácilmente la pérdida máxima de acoplamiento (MCL) de la tecnología de comunicación. Motivamos la importancia de la cobertura profunda mediante la realización de un análisis de cobertura realista de sitio específico representativo utilizando el trazado de rayos. Los resultados muestran que las tecnologías de cobertura optimizada basadas en celulares existentes no pueden alcanzar una cobertura ubicua en áreas interiores/subterráneas profundas y destacan la necesidad de retransmisión dinámica de múltiples saltos en el MTC 5G.

4. Aprendizaje automático para sistemas confiables de mmWave: predicción de bloqueos y entrega proactiva

La sensibilidad de las señales de ondas milimétricas (mmWave) a los bloqueos es un desafío fundamental para los sistemas móviles de comunicación mmWave. En este artículo, aprovechamos las herramientas de aprendizaje automático y proponemos una solución novedosa para estos desafíos de confiabilidad y latencia en los sistemas mmWave MIMO. En la solución desarrollada, las estaciones base aprenden cómo predecir que un cierto acoplamiento experimentará la obstrucción en los marcos de tiempo siguientes usando sus observaciones pasadas de los vectores beamforming adoptados. Esto permite que la estación base de servicio entregue de forma proactiva al usuario a otra estación base con un enlace muy probable de los LOS. Los resultados de la simulación demuestran que la estrategia desarrollada basada en el aprendizaje profundo predice con éxito el bloqueo/la entrega en cerca del 95% de los tiempos. Esto reduce la probabilidad de desconexión de la sesión de comunicación, lo que garantiza una alta confiabilidad y baja latencia en los sistemas móviles mmWave.

5. Optimización conjunta de beamforming híbrido para multi-usuario masivo MIMO Downlink

Teniendo en cuenta el diseño de consistió de dos etapas para el enlace descendente de multi-usuario masivo múltiple de entrada de múltiples sistemas de salida en el modo de dúplex de división de frecuencia, este documento investiga el caso donde ambos extremos de enlace están equipados con digital híbrido/ estructuras de beamforming analógicas. Una sectorización virtual se realiza por agrupación de usuarios basada en estadísticas de canal y beamforming analógico, donde el equipo del usuario sólo necesita realimentar su canal efectivo intra-grupo, y el costo total de adquisición de información de estado de canal (CSI) es reduce considerablemente. Las simulaciones sobre los canales de propagación obtenidos a partir de modelos estocásticos basados en geometrías, resultados de trazado de rayos y canales al aire libre medidos, demuestran que nuestra estrategia de beamforming propuesta supera los métodos de vanguardia.

6. 60 mediciones de canal GHz y modelado de trazado de rayos en un entorno interior

La comunicación de ondas milimétricas (mmWave) se ha convertido en una tecnología clave prometedora de los sistemas de comunicación de la quinta generación (5G) y ha adquirido amplios intereses. En este trabajo, examinamos los canales de 60 GHz mmWave en un ambiente de oficina interior por medio del método de trazado de rayos. Basado en la óptica geométrica (GO) y la teoría uniforme de la difracción (UTD), el método de trazado de rayos utiliza la simulación por computadora para aproximar la propagación de ondas de radio. La exactitud de la simulación basada en el trazado de rayos está garantizada por un modelo tridimensional (3-D) de entorno muy detallado y parámetros electromagnéticos de material adecuado. Los resultados de la simulación incluyendo el perfil del retardo de la energía (PDP) y el espectro angular normalizado de la energía (PAS) se comparan con los datos de la medida del canal que es procesado por la estimación generalizada de la expectativa-maximización del espacio-alternancia (SAGE) Algoritmo. Los resultados de la comparación indican que el trazado de rayos puede ser un método útil y fiable para caracterizar las propiedades del canal 60 GHz.

7. Simulaciones de canales de propagación de ondas milimétricas interiores a 28, 39, 60 y 73 GHz para redes inalámbricas 5G

Se presentan las características de propagación en interiores de ondas milimétricas, incluidos los modelos de pérdida de trayecto y los valores de propagación de retardo multitrayecto para sistemas que utilizan antenas direccionales y omnidireccionales. El rendimiento de las cuatro frecuencias candidatas de 5G, 28 GHz, 39 GHz, 60 GHz y 73 GHz, se investigan en escenarios de línea de visión (LOS) y no línea de visión (NLOS) utilizando mediciones de frecuencia en tiempo real publicadas realizadas en entornos interiores. Las comparaciones se realizan en comparación con los datos de simulación obtenidos del software InSite Wireless 3D Ray Tracing sobre separaciones TX-RX de 1,5 m a 62 m. Además, las características eléctricas frecuencia-dependientes, tales como conductividad-σ y permittivity-ε, de los materiales de construcción Comunes se incorporan en la simulación. Los resultados muestran que el tipo de material influye en el comportamiento de propagación de ondas mm debido a reflejos, difracción y penetraciones de muros y objetos (obstáculos).

8. Beamformed aprendizaje de huellas dactilares para posicionamiento exacto de ondas milimétricas

Con las comunicaciones inalámbricas de ondas milimétricas, la radiación resultante se refleja en los objetos más visibles, creando entornos multitrayecto enriquecidos, a saber, en escenarios urbanos. La radiación capturada por un dispositivo de escucha es así formada por los obstáculos encontrados, que llevan la información latente con respecto a sus posiciones relativas. En este trabajo se propone un sistema para convertir la radiación de onda milimétrica recibida en la posición del dispositivo, haciendo uso de la información oculta mencionada anteriormente. Utilizando técnicas de aprendizaje profundo y un libro de códigos preestablecido de patrones de beamforming transmitidos por una estación base, las simulaciones muestran que los errores de estimación promedio por debajo de 10 metros son alcanzables en escenarios realistas al aire libre que contienen sobre todo posiciones sin línea de visión, allanando el camino para nuevos sistemas de posicionamiento. Términos del índice — 5G, beamforming, aprendizaje profundo, mmWaves, posicionamiento al aire libre.

9. Correlación angular y temporal de V2X canales en bandas de sub-6 GHz y mmWave

la tecnología de onda milimétrica de 5G (mmWave) está concebida para ser una parte integral de las redes de próxima generación de vehículos-toeverything (V2X) y vehículos autónomos debido a su amplio ancho de banda, detección de campo de visión amplia y capacidades de localización precisas. En este trabajo, usamos simulaciones de trazado de rayos para caracterizar la correlación angular y temporal a través de una amplia gama de frecuencias de propagación para V2X canales que van desde 900 MHz hasta 73 GHz, para un vehículo que mantiene la línea de visión (LOS) y non-LOS (NLOS) vigas con un transmisor en un entorno urbano.

10. Predicción MmWave Beam con conciencia situacional: un enfoque de aprendizaje automático

La comunicación de ondas milimétricas es un desafío en el contexto vehicular altamente móvil. El entrenamiento tradicional de haces es inadecuado para satisfacer los bajos gastos generales y la latencia. En este trabajo, proponemos combinar herramientas de aprendizaje automático y conciencia situacional para aprender la información de la viga (potencia, índice de haz óptimo, etc.) de observaciones pasadas. Consideramos formas de conciencia situacional que son específicas del entorno vehicular, incluyendo las ubicaciones del receptor y los vehículos circundantes. Aprovechamos los modelos de regresión para predecir la potencia recibida con diferentes cuantizaciones de potencia de haz. El resultado muestra que el conocimiento situacional puede mejorar en gran medida la exactitud de la predicción y el modelo puede alcanzar el rendimiento con poca pérdida de rendimiento con casi cero sobrecarga.