XiaoMi-AI文件搜索系统
World File Search SystemmmWave
鲁汶天主教大学鲁汶工程学院 (UCLouvain) 正在招募三名射频器件工程博士生 (4 年)
鲁汶天主教大学鲁汶工程学院 (UCLouvain) 正在招募三名射频器件工程博士生 (4 年) 和一名博士后 (3 年)，研究在宽频率和温度范围内对绝缘体上硅 (SOI) 器件进行晶圆上特性描述和建模的先进技术。鲁汶工程学院 30 多年来一直率先推动 RF-SOI 在高频应用中的使用，并积累了数十年在该领域的经验。我们目前正在招募积极主动且感兴趣的候选人，以帮助我们研究 22 纳米以下的下一代 FD-SOI CMOS 晶体管，以解决 RF 和毫米波领域的应用，例如电信、雷达、成像、传感等。这些科学研究将在多个欧洲 Chips JU 项目 (SOIL、ArCTIC、FAMES、Move2THz) 的框架内进行。候选人将与最好的大学、研究中心（imec（比利时）、CEA-Leti（法国）等）和公司（STMicroelectronics（法国）、GlobalFoundries（德国）、SOITEC（法国）等）合作。
量子无线传感：原理、设计和...
摘要 近年来，无线传感引起了人们的极大兴趣，即利用无线信号代替传统传感器进行传感。非接触式无线传感已经使用各种射频信号（如 WiFi、RFID、LoRa 和 mmWave）成功实现，从而实现了大范围的应用。然而，受限于硬件热噪声，射频传感的粒度仍然相对较粗。在本文中，我们提出了第一个量子无线传感系统，该系统不使用宏观信号功率/相位进行感测，而是使用原子的微观能级进行感测，将感测粒度提高了一个数量级。所提出的量子无线传感系统能够利用宽频谱（例如 2.4 GHz、5 GHz 和 28 GHz）进行感测。我们用两种广泛使用的信号（即 WiFi 和 28 GHz 毫米波）展示了量子无线传感的卓越性能。我们表明量子无线传感可以将WiFi的感知粒度从毫米级推进到亚毫米级，将毫米波的感知粒度推进到微米级。
低功耗车内参考设计
此设计旨在为客户提供具有成本优化物料清单的即用型小型毫米波车内雷达传感器。在此设计中，由 PMIC 导轨（3.3V、1.8V 和 1.2V）供电的 AWRL6432 设备无需多个 DC-DC 转换器，并使设计具有极小的外形尺寸。为此板设计的天线能够提供 120°（方位角）× 120°（仰角）视场、3.5GHz 带宽和 6 至 7dBi 峰值增益，并采用高性能 Rogers ® RO3003 ® 材料。此参考设计还采用了 TI 的低成本、小型、低功耗 Derby PMIC 和 CAN PHY。板载连接器（J1、J2 和 J3）引出各种通信外设（UART、RS232、SPI、CAN、LIN、JTAG、I2C、GPIO）、SOP、PWR 和 GND，包括一个专用的 10 针连接器 (J1)，用于直接连接 LP-XDS110，从而简化了电路板的操作。设计中使用的板载连接器间距为 1.27 毫米，这也有助于减小电路板的整体尺寸。
deepSense-v2v：车辆到车辆多模式感应，定位和通信数据集
摘要 - 高数据速率和低延迟车辆到车辆（V2V）通信对于未来的智能运输系统至关重要，以实现协调，增强安全性和支持分布式计算和情报要求。但是，制定有效的沟通策略需要现实的测试场景和数据集。这在高频带中很重要，在高频带中，有更多的频谱可用但收获该带宽受到方向传输的需求和信号传播对阻塞的敏感性的挑战。这项工作介绍了第一个用于研究MMWave车辆到车辆通信的大规模多模式数据集。它提出了一个两辆车测试台，该床包括来自360º相机，四个雷达，四个60 GHz阶段阵列，一个3D激光雷达和两个精确的GPS的数据。数据集包含白天和黑夜驾驶的车辆，在城堡和农村环境中，速度为120公里，速度高达每小时100公里。从卡车到自行车的所有图像中都检测到超过一百万个物体。这项工作进一步包括详细的数据集统计信息，这些数据集统计数据证明了各种情况的覆盖范围，并突出了该数据集如何启用新颖的机器学习应用程序。
请致电论文
A.通信系统：1。调制和编码，2。通道估计和均衡，3。ML通信，4。完整双工，5。JC＆S，6。超低潜伏期，7。物理层安全与隐私，8。水下通信，9。有线和光学通信，10。卫星通信，11。IoT，V2V等的通信方案。12。6G及以后的B. Mimo通信和信号处理：1。单用户和多用户mimo，2。Massive Mimo，3。MIMO通道估计4。合作与继电器，5。干涉管理与意识，6。MMWave和THZ，7。无单元系统，8。可重新配置的智能表面C.网络和图形：1。网络信息理论，2。分布式优化和算法，3。图形信号处理，4。图形上的机器学习，5。联邦学习，6。无线网络，7。物联网，8。社交网络和网络科学，9。数据网络和计算卸载，10。运输，无人机和V2V网络，11。电源网络和智能电网D.自适应系统，机器学习和数据分析：1。自适应过滤，2。自适应和认知系统，3。估计和推理，4。压缩感应和稀疏恢复，5。高维大规模数据的模型，6。优化，7。学习理论和算法，9。在线学习和遗憾最小化，8。自我和半监督学习，10。深度学习，11。增强学习
2024 年移动创新报告
5G 共建共享——降低部署成本 11 连接未连接者——非洲首个电信浮空器 12 迈向绿色——降低网络能耗 14 5G 自动化农业——提高产量，减少浪费 16 亚运会数字孪生网络生命周期管理 17 支持 5G 和 XR 的数字孪生商店——引人注目的共存 18 Bridge Alliance 联合边缘中心——实现沉浸式娱乐 19 5G——使企业无人机能够超视距飞行 20 5G 无人机测试 20 5G 无人机——用于库存管理和监控 21 5G New Calling——开辟新的通信服务 22 5G-Advanced——性能的根本升级 23 5G mmWave——在人口密集的地方实现超高速连接 24 索尼为 NTN 提供技术支持——使用 Murata 的 1SC 模块和 Skylo 的网络 25 被动物联网——自动资产跟踪 26 诺基亚网络即代码– 可编程网络 27 授权推送支付欺诈 28 金融移动应用的企业身份验证 29 GSMA 5G 转型中心 30
用于 6G 物联网的近场无线电力传输...
摘要 —辐射无线电力传输 (WPT) 带来了无需布线基础设施即可以经济高效的方式为无线设备充电的可能性。因此，作为 6G 实现的万物互联 (IoE) 愿景的一部分，它有望在有限电池通信设备的部署中发挥关键作用。到目前为止，辐射 WPT 技术主要是在假设设备位于功率辐射天线的远场区域的情况下进行研究和设计的，这导致能量传输效率相对较低。然而，随着 6G 系统向毫米波频率的过渡，再加上大型天线的使用，未来的 WPT 设备很可能在辐射近场 (菲涅尔) 区域运行。在本文中，我们概述了辐射近场 WPT 带来的机遇和挑战。具体来说，我们讨论了在近场辐射条件下实现波束聚焦的可能性，并强调了其对未来 IoE 网络中 WPT 的可能影响。此外，我们概述了这种新兴范式带来的一些设计挑战和研究方向，包括其与无线通信的同时运行、辐射波形考虑、硬件方面以及与典型天线架构的运行。
使用RIS技术授权车辆网络
摘要：可重新配置的智能表面（RIS）有望在车辆网络中带来革命性的转换，从而为以连接和自动化车辆（CAV）为特征的未来铺平了道路。RIS是一种平面结构，包括许多被动元件，可以动态操纵电磁波，以通过以可编程方式反映，折射和聚焦信号来增强无线通信。ris通过各种方式，包括增强覆盖范围，减轻干扰，提高信号强度以及提供额外的隐私和安全性层，具有改善车辆到所有用途（V2X）通信的巨大潜力。本文介绍了一项综合调查，探讨了RIS整合到车辆网络中引起的新兴机会。要检查RIS和V2X通信的融合，调查采用了整体方法，从而强调了这种组合的潜在好处和挑战。在这项研究中，我们检查了RIS ADED V2X通信的几种应用。随后，我们深入研究了基本的新兴技术，这些技术有望授权车辆网络，包括移动边缘计算（MEC），非正交多重访问（NOMA），毫米波通信（MMWAVE），人工智能（AI）以及可见光通信（VLC）。最后，为了刺激该领域的进一步研究，我们强调了值得注意的研究挑战和未来探索的潜在途径。
光子整合大型体积Brillouin Lasers
在集成的单模式激光器中生成超低线宽和高输出功率仍然是未来紧凑，便携式，精度应用程序的关键挑战。moreso，在激光设计中实现了这些特征，使缩放能够缩放降低线宽和更高的功率，并在晶圆尺度集成平台中实现，该平台可以从可见光到近IR运行，并与其他组件集成。这样的进步可能会影响广泛的应用，包括原子和量子传感和计算，计量学，相干纤维通信和传感以及超低噪声MMWAVE和RF生成。然而，在集成的激光器中实现这些目标仍然难以捉摸。在这里，我们报告了一类集成的激光器，可以克服这些限制，并证明了31 MHz瞬时线宽，这是迄今为止我们最好的最低线宽，具有41兆瓦输出功率和73 dB SideMode抑制比例，并且可以通过22.5 nm范围调节。由于在较大的模式体积，非线性光子声子，MHz-scale-fsr，超低损失硅氮化物谐振器腔内发生的Brillouin非线性动力学，因此可以进行这种性能。这种激光设计可以扩展到MHz基本线宽和瓦特类激光器的新工作状态。这样的激光有望解锁对精度量子实验，便携式精度应用以及原子，分子和光学物理学的新灵敏度和保真度。
探索基于射频的无人机识别系统
随着无人机在众多关键应用中广泛使用并具有许多强大的功能（例如侦察和机械触发），越来越多的案件涉及滥用无人机进行不道德甚至犯罪活动。因此，识别这些恶意无人机并使用数字取证追踪其来源至关重要。用于取证的传统无人机识别技术（例如，RF通信，使用摄像头识别地标等）要求无人机高度合规。但是，恶意无人机不会配合甚至欺骗这些识别技术。因此，我们提出了一种基于无人机独特硬件特征（例如，类似于人类的指纹和虹膜）的可靠和被动识别方法的探索，用于取证目的。具体而言，我们研究并模拟了射频询问下寄生电子元件的行为，这是一种由无人机上的电子系统调制的特殊被动寄生响应，具有独特性且不太可能被伪造。基于这一理论，我们设计并实现了 DroneTrace，这是一种面向数字无人机取证的端到端可靠被动识别系统。DroneTrace 包括一个经济高效的毫米波 (mmWave) 探头、一个用于提取和处理寄生响应的软件框架，以及一个基于定制的深度神经网络 (DNN) 算法来分析和识别无人机。我们用 36 架商品无人机评估了 DroneTrace 的性能。结果表明，DroneTrace 可以识别无人机，准确率超过 99%，等错误率 (EER) 为 0。009，在 0。1 秒的传感时间预算。此外，我们在一系列真实情况下测试了可靠性、稳健性和性能变化，其中 DroneTrace 保持了 98% 以上的准确率。DroneTrace 能够抵御各种攻击并保持功能性。在最佳情况下，DroneTrace 能够以小于 5% 的误差识别 10 4 规模的单个无人机。