这项工作得到了佩鲁吉亚大学通过Fondo di Ricerca di Base 2022项目的部分支持。在某种程度上,Fondo di Ricerca di Base 2020项目“系统,算法和架构,用于未来电信和传感器网络中的信息传输和处理”;部分由部长Dell'istruzione,Dell'universitàEdella Ricerca(Miur)通过PRIN 2017项目“基于分布式机器学习和毫米波无线电访问(Liquid_edge)的液体边缘计算;”;以及欧盟在NextGenerationU的意大利国家回收和弹性计划(NRRP)的一部分,《未来电信》的合作伙伴关系,根据授予PE00000001的“重新启动”计划“重新启动”,“ Netwin”项目(CUP E83C22004640001)。
状态估计是成功实施机器人系统的关键组成部分,依赖于相机,LIDAR和IMU等传感器。然而,在现实情况下,这些传感器的性能是通过具有挑战性的环境来划分的,例如不利的天气条件和弱光场景。新兴的4D成像雷达技术能够在不利条件下提供强大的感知。尽管有潜力,但对于嘈杂的雷达数据没有明确的几何特征而言,室内环境仍然存在挑战。此外,雷达数据分解和视野(FOV)的差异可能导致不准确的测量结果。虽然先前的研究探索了基于多普勒速度信息的雷达惯性探测仪,但由于FOV和雷达传感器的分辨率差异,估计3D运动的挑战仍然存在。在本文中,我们解决了多普勒速度测量不确定性。我们提出了一种在管理多普勒速度不确定性的同时优化车身速度的方法。基于我们的观察结果,我们提出了双成像雷达配置,以减轻雷达数据中差异的挑战。为了获得高精度3D状态估计,我们引入了一种策略,该策略将雷达数据与消费级IMU传感器无缝整合,并使用固定lag平滑光滑优化。最后,我们使用现实世界3D运动数据评估了我们的方法,并演示了本地化和映射的流任务。
关于我们 BeammWave AB 致力于提供 24 GHz 以上频率的微型通信解决方案。该公司正在构建面向下一代 5G 和 6G 的基于芯片的解决方案,其形式为带有天线和相关算法的无线电芯片。该公司的数字波束成形方法是独一无二的且已获得专利,旨在以更低的成本提供更高性能的数字通信。该公司 B 股(BEAMMW B)在斯德哥尔摩纳斯达克 First North Growth Market 上市。认证顾问是 Redeye AB。
在微型,基于芯片的平台中生成超低噪声微波和MMWave可以改变通信,雷达和传感系统1-3。利用光学参考和光学频率梳的光频分割已成为一种强大的技术,可以比其他任何方法4-7生成具有优越光谱纯度的微波。在这里,我们演示了一个微型的光频分割系统,该系统可以将方法可能传递到互补的金属 - 氧化物 - 氧化物 - 兼容兼容的集成光子平台。相位稳定性由大模式体积,基于平面波导的光学参考线圈腔8,9提供,并通过使用在波导偶联的微孔子10–12中生成的soliton microcombs将其从光学到MMWave频率分配。除了实现集成光子MMWave振荡器的记录 - 低相位噪声外,这些设备还可以与半导体激光器,放大器和光电二极管异质整合,具有大量,低尺寸的基本和大型市场应用的低尺寸生产的潜力13。
本技术文章探讨了医疗应用传感器技术的进步。人口增长和对远程医疗保健解决方案的需求不断增长,推动了创新的传感器技术解决方案的发展。mmwave传感器已成为一种有前途的技术,用于监测人类生命体征,例如呼吸率和心率检测,并准确检测老年人的跌倒。雷达传感器在医疗保健应用中的集成可以实现非侵入性和连续的监控,从而为人的幸福感提供了宝贵的见解。基于MMWave的传感器可以在用于医疗保健目的的数据收集和保留个人隐私之间取得平衡。本文讨论了基于MMWave的传感器,其在医疗保健中的应用以及增强个人护理的潜在好处。
摘要:动态飞行临时网络(粉丝)和毫米波(MMWave)技术的集成可以为许多数据密集型应用提供有前途的解决方案,因为它可以建立具有明显的数据传输功能的强大型号基础架构。但是,要在此动态网络中启用有效的MMWave通信,必须精确地对齐安装在无人机上的可可的天线(UAV)与相应的同行单元。因此,设计一种可以快速确定优化对齐和网络拓扑的新颖方法很重要。在本文中,我们提出了一种基于生成的对抗网络(GAN)的方法,称为Wavegan,用于粉丝拓扑优化,旨在通过在最佳的通道条件下选择通信路径来最大化网络吞吐量。所提出的方法由Wavegan模型组成,然后进行梁搜索。前者学习如何从监督数据集中生成优化的网络拓扑,而后者则调整生成的拓扑以满足基于MMWave的粉丝的结构要求。仿真结果表明,所提出的方法能够快速找到粉丝拓扑,并具有很小的最佳差距,适合不同的网络大小。
本文介绍了RF Genesis(RFGEN),这是一种使用跨模式分化模型合成RF传感数据的新颖且具有成本效益的方法,以提高毫米波(MMWAVE)传感系统的概括能力。使用有限的培训数据集中用于MMWave感应斗争中的传统Ma-Chine学习模型。当与看不见的用户,环境,传感器配置,测试类等面对时,他们的性能急剧下降。rfgen通过使用跨模式生成框架合成和验证MMWave感应数据来缓解这些挑战。我们专门提出了一个自定义的射线跟踪模拟器,以模拟RF的传播和与对象/环境的交互。然后,我们利用一组扩散模式来生成大量的3D场景,并将视觉场景表示形式转换为相应的MMWAVE感应数据,而不是应用程序特定的“提示”的方向。我们提出的方法将基于物理的射线跟踪与黑框扩散模型进行了调解,从而导致准确,可扩展和可解释的视觉到RF数据综合。我们广泛的现实世界实验强调了RFGEN在不同的MMWave感应应用中的有效性,从而增强了它们对无需收集数据的未见测试用例的概括。
用于 mmWave 封装测试的 xWave 平台 • 信号完整性 – 短阻抗控制共面波导 (CPW) – 测试仪和 DUT 之间的 1 个转换(连接器到引线框架) – DUT 球接触 CPW • 集成解决方案(PCB/接触器合一) – 包括从测试仪到 DUT 的完整 RF 路径 – 用于电源和控制信号的 Pogo 引脚 • 生产封装测试解决方案 – 坚固的引线框架可持续数百万次循环 – 机械组装完全可现场维护 – 包括校准套件(s 参数) – 用于三温测试(-55 至 155°C)的 CTE 匹配材料
摘要:设计并制作了一种基于复合右手-左手 (CRLH) 原理的小型零阶谐振天线,在 30 GHz 下无需金属通孔即可实现贴片状辐射。将两个 CRLH 结构的镜像连接起来以设计无通孔天线。研究了等效电路、参数提取和色散图,以分析 CRLH 天线的特性。制作了天线并通过实验验证。测得的天线在 30 GHz 下的实际增益为 5.35 dBi。设计的天线在 10 GHz 带宽内没有杂散谐振。利用所提出的 CRLH 天线和 Butler 矩阵设计了一个无源波束形成阵列。采用基板集成波导来实现 Butler 矩阵。CRLH 天线连接到 4×4 Butler 矩阵的四个输出。对于馈送 CRLH 天线的 4×4 Butler 矩阵,从端口 1 到端口 4 的激励,扫描角度分别为 12 ◦、−68 ◦、64 ◦ 和 −11 ◦。
摘要 - 低温磷化物(INP)高电子动力晶体管(HEMT)低噪声放大器(LNA)用于在4 K处的Qubits读数放大,其中冷却能力有限地暗示活性电路的DC功率是一个必不可少的设计约束。在本文中,在4 K处的超功率(ULP)操作下INP HEMT的RF和噪声性能已被表征。 将INP HEMT的小信号和噪声参数模型提取到1 µW。噪声性能和直流功耗之间的权衡是根据排水电流和排水电压分析的。 制造了4–6 GHz混合低温HEMT LNA专为量子读数而设计的,并针对低于1 MW DC功率的最低噪声进行了优化。 在4 K时测量的LNA的测量性能达到23.1 dB平均增益,平均噪声温度为200 µW DC功率。在本文中,在4 K处的超功率(ULP)操作下INP HEMT的RF和噪声性能已被表征。将INP HEMT的小信号和噪声参数模型提取到1 µW。噪声性能和直流功耗之间的权衡是根据排水电流和排水电压分析的。制造了4–6 GHz混合低温HEMT LNA专为量子读数而设计的,并针对低于1 MW DC功率的最低噪声进行了优化。在4 K时测量的LNA的测量性能达到23.1 dB平均增益,平均噪声温度为200 µW DC功率。