XiaoMi-AI文件搜索系统
World File Search SystemMimo
可配置的伪噪声雷达成像系统启用同步mimo通道扩展
摘要：在本文中，我们提出了一种基于伪随机噪声（PRN）序列的超宽带（UWB）雷达的进化系统设计方法，其关键特征是其用户可调节性，以满足所需的微波成像应用程序所提供的需求，并具有多通道可伸缩性。鉴于提供完全同步的多通道雷达成像系统，用于短距离成像作为矿山检测，非破坏性测试（NDT）或医学成像，高级系统体系结构是在实施的合成机制和时钟方案方面的特殊重点提出的。通过硬件的方式提供了目标适应性的核心，例如可变时钟生成器和分隔线以及可编程PRN发电机。除了自适应硬件外，使用RedPitaya®数据采集平台在广泛的开源框架中，信号处理的自定义是可行的。在信噪比（SNR），抖动和同步稳定性方面进行了系统基准，以确定实践原型系统的可实现性能。此外，还提供了计划的未来发展和绩效改进的前景。
具有随着时间变化的不确定性的非线性MIMO系统的基于深的学习的PID调整策略
摘要：将比例综合衍生（PID）控制方案应用于非线性多输入，多数输出（MIMO）系统，具有时间变化的不确定性是有挑战性的，并且毫无争议。在这项研究中，我们制定了基于深入的增强学习（RL）的PID调整策略，并在设计RL代理方面具有关键新颖性，以实现实时自适应MIMO PID调整以跟踪设定点，同时考虑时间变化的不确定性。我们评估了我们的调整策略，这些策略受到时变不确定性的连续搅拌坦克反应堆。传统的PID未能跟踪废水浓度设定点并引起较大的错误和偏移，但提出的RL代理可以快速准确地进行设定值跟踪，从而大大减少了错误并消除了偏移。因此，使我们的基于RL的策略在时间变化的不确定性下对化学工程应用有吸引力。关键字：增强学习，PID控制，MIMO系统，随时间变化的不确定性，自适应控制
双MIMO自由空间光学系统性能分析
过去几年，自由空间光通信 (FSO) 已成为射频通信的可行替代方案。它提供了一种有前途的高速点对点通信解决方案。然而，大气吸收、散射和湍流会显著降低无线光通信，从而降低设备效率。由于上述大气原因导致的信号衰减是影响设备效率的另一个主要因素。观察到大气湍流条件被实施到不同的 FSO 系统模型中，例如单输入单输出 (SISO)、多输入多输出 (MIMO)、波分复用 MIMO (WDM-MIMO) 和出于各种原因使用 Gamma-Gamma 模型的提议模型双多输入多输出 (DMIMO)。使用 OptiSystem 7.0 软件进行模拟，以研究各种天气条件（晴天、霾天和雾天）如何影响信道的性能。模拟结果表明，为 FSO 系统实施双多输入多输出 (DMIMO) 技术可为各种范围提供高质量因数，同时仍在接收器端实现准确的传输数据。在晴空、霾和雾等大气湍流条件下，信号功率水平、质量因数和链路距离范围的性能改善已得到证实。
5G/6G射频网络中MIMO系统的AI增强信道估计和信号处理
在这种情况下，人工智能（AI）的应用已成为克服无线通信中这些挑战的有前途解决方案。支持AI的技术为解决MIMO系统的各个方面提供了有效的选择，为渠道估计，信号处理和资源管理提供了独特的解决方案。本文探讨了使用AI优化MIMO系统性能和准确性的潜力。通过利用机器学习（ML）和深度学习（DL）方法，研究人员可以设计有效的，自学习的框架，以更新CSI获取和减轻干扰。这项工作的目的是提供该主题的概述，并说明AI如何帮助从5G到6G网络的过渡，同时还强调了先前方法的局限性[7]，[8]，[11]。
全息图：我们需要多少个天线才能有效传播？
摘要 - Holographic多输入多输出（HMIMO）通信系统利用了具有空间约束的大型MIMO阵列，其中包含大量具有子波长度间距的天线，并已成为第六代网络（6G）网络的有前途的候选技术。在本文中，我们考虑了在随机电磁模拟物通道模型的傅立叶平面波序列表示下的多用户HMIMO通信系统的下行链路，并做出了两个重要的贡献。首先，我们在基站（BS）的最大比率传输（MRT）预编码下，在最大比率传输（MRT）下呈现封闭形式的表达。派生的表达式明确显示了BS和每个用户的Hmimo表面的侧面长度的影响，以及在这些表面中部署的天线对用户速率的影响。第二，我们就BS和每个用户的空间约束的Hmimo表面上排列的天线数量提出了能量效率（EE）最大化问题。对此问题的结果隐式解决方案显示为全球最佳。数值结果对不同操作制度中多用户HMIMO系统的EE性能产生了有用的见解。索引术语 - 多用户全息MIMO通信，渠道建模，可实现的速率，能量效率。
基于MOSFET的吸收剂，用于5G大型MIMO基站的反射信号 - 电路透视
摘要 - 损耗的传播对基站子系统的整体性能和效率具有负面影响。与4G技术相比，5G技术的一个关键特征提高了效率。5G巨大的MIMO基站结构可能会遭受这些损失，这会影响基本变电站的包容性能和效率。此外，在5G技术中，由于接收器（R X）分支的信号反映了与5G Mimo基站的循环器相连的信号。这种反射损失是由于R X分支的不匹配的负载阻抗和发射机（T X）分支的源阻抗。这项研究的主要目的是使用MOSFET吸收T X和R X之间阻抗不匹配而导致的反射信号。之后，每当基本站的R X分支反射时，就可以通过数学上的MOSFET的源电流和排水电流进行了两个比较。此外，通过将T X分支，天线，R X分支和MOSFET连接到四端口循环器的每个端口，提出了提出的电路模型。在1.4 V峰值处的13 dbm的反射RF功率纠正到其等效的直流值1.004 V。然而，使用LC滤波器，这些电流和电压的这些值在整流器的输出端进行脉动和过滤。索引术语 - 基线站，循环器，MOSFET，收发器，微波设备，纳米技术，5G，VLSI
基于RIS辅助细胞的大型MIMO Systems基于多代理学习的基于学习的关节预编码和相位移位优化
摘要 - 无细胞（CF）大量多输入多重输出（MMIMO）是一种使用多个分布式接入点（APS）实现高光谱效率（SE）的有前途的技术。但是，由于高渗透率损失，苛刻的传播环境通常会导致沟通性能的显着降解。为了克服此问题，我们将可重新配置的智能表面（RIS）引入CF MMIMO系统中，作为低成本和功率较高的解决方案。在本文中，我们专注于优化RIS辅助CF MMIMO系统的关节预编码设计，以最大化总和SE。这涉及优化APS处的预编码矩阵和RIS的反射系数。为了解决这个问题，我们提出了包含模糊逻辑（FL）的完全分布的多代理增强学习（MARL）算法。与依靠交替优化技术的常规方法不同，我们基于FL的MARL算法仅需要本地渠道状态信息，这减少了对高回程容量的需求。仿真结果表明，我们提出的FL-MARL算法有效地降低了计算复杂性，同时达到与常规MARL方法相似的性能。
一项关于“各种非耦合机制，侧重于适用于SAR和MIMO系统的超材料和元图原理”的全面调查”
作者的完整列表：穆罕默德的阿里巴赫·希基尼里（Alibakhshikenari）；大学degli studi di roma toor vergta facolta di ingegneria，babaeian，fatemeh;莫纳什大学，克莱顿，澳大利亚，维德，巴尔；伦敦大都会大学A出现，索尼亚；魁北克大学，INRS，UNIV。Quebec Azpilicueta，Leyre；工程与科学学院的Tecnologicco y de Estudios Exporeses de Monterory，See Chan；爱丁堡纳皮尔大学，工程学院和建筑环境Huynen，Isabelle； Cathlique de Louvan大学，信息与通信技术，电子和应用数学（ICTM）Ab-Alhameed，Raed；巴德福德大学，工程学院，弗朗西斯科设计/技术法尔科尼； Univ Publ Naverra，Limi，Ernesto；罗马大学Toor University Vserta，部。电子工程
光电子学与先进材料 - 快速通讯 第 16 卷，第 5-6 期，2022 年 5 月至 6 月，第 193 - 199 页 关于性能改进
1 印度阿姆利则 GNDU 电子技术系 2 印度帕蒂亚拉旁遮普大学 ECE 系 本文介绍了 FSO 链路的 2×2 多输入多输出 (MIMO) 和 4×4 MIMO 架构，并将其与传统 FSO 链路进行了比较。从 Q 因子和 BER 方面分析了性能。所有系统配置的参数值和环境条件保持不变。这项工作的主要目标是使用 MIMO 技术来提高自由空间光通信 (FSO) 中的系统性能。MIMO 通过在接收器处接收同一信号的多个独立副本来利用接收器的空间分集。在本文中，特别关注设计合适的 MIMO FSO 系统和分析自由空间光学系统的性能。只有 4×4 MIMO 配置才能在 670 m 范围内产生可接受的 Q 因子 (>6) 和 BER(<10 -9)。而 2×2 MIMO 系统能够提供高达 630 米范围的可接受 BER 和 Q 因子。这两种 MIMO 技术都比没有 MIMO 的 FSO 系统提供了显着的范围扩展，后者的最大允许范围为 580 米。（2021 年 11 月 23 日收到；2022 年 6 月 6 日接受）关键词：MIMO、FSO、调制、Q 因子、BER
下一代 FWA 技术入门
形成波束和零点................................................................................................................................9 MIMO 和空间复用.................................................................................................................11 多输入多输出 (MIMO)................................................................................................11 分布式大规模 MIMO (DMM).................................................................................................12 多用户分布式大规模 MIMO (MU-DMM).......................................................................13 NLoS 性能....................................................................................................................................14 干扰消除....................................................................................................................................15 自干扰....................................................................................................................................16 突发干扰....................................................................................................................................17 信道中的动态运动....................................................................................................................18 对称性能....................................................................................................................................18