Comparison of Neural Models of UWB and 60GHz In-car Transmission Channels

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F16%3APU120771" target="_blank" >RIV/00216305:26220/16:PU120771 - isvavai.cz</a>

Výsledek na webu

<a href="http://ieeexplore.ieee.org.ezproxy.lib.vutbr.cz/document/7593493/" target="_blank" >http://ieeexplore.ieee.org.ezproxy.lib.vutbr.cz/document/7593493/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/COBCOM.2016.7593493" target="_blank" >10.1109/COBCOM.2016.7593493</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Comparison of Neural Models of UWB and 60GHz In-car Transmission Channels

Popis výsledku v původním jazyce

Knowledge of characteristics of the transmission channel is advantageous for the selection of a suitable location of transmitting and receiving antennas, choice of the carrier frequency and the transmission parameters such as bit rate, modulation type, coding, etc. However, the description of properties of the transmission channel can be computationally time consuming, and the computational complexity increases with the increasing frequency. The transmission channel can be modeled by an artificial neural network to reduce the computational complexity compared to the analysis using full-wave simulation programs (CST, HFSS, etc.). Two neural network architectures were selected (a feed-forward one and a radial basis function one) to model an in-car transmission channel. For each neural model, a study of the model error, the speed of training and the network complexity is given.

Název v anglickém jazyce

Comparison of Neural Models of UWB and 60GHz In-car Transmission Channels

Popis výsledku anglicky

Knowledge of characteristics of the transmission channel is advantageous for the selection of a suitable location of transmitting and receiving antennas, choice of the carrier frequency and the transmission parameters such as bit rate, modulation type, coding, etc. However, the description of properties of the transmission channel can be computationally time consuming, and the computational complexity increases with the increasing frequency. The transmission channel can be modeled by an artificial neural network to reduce the computational complexity compared to the analysis using full-wave simulation programs (CST, HFSS, etc.). Two neural network architectures were selected (a feed-forward one and a radial basis function one) to model an in-car transmission channel. For each neural model, a study of the model error, the speed of training and the network complexity is given.

Druh

D - Stať ve sborníku

CEP obor

JA - Elektronika a optoelektronika, elektrotechnika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

CoBCom 2016

ISBN

978-1-5090-2269-4

ISSN

—

e-ISSN

—

Počet stran výsledku

150

Strana od-do

64-68

Název nakladatele

IEEE Xplore

Místo vydání

Neuveden

Místo konání akce

Graz University of Technology

Datum konání akce

14. 9. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000387126000004