Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Deep Learning based Power Delay Profile Trend Generation: A 60 GHz Intra-Vehicle Case Study

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F22%3APU146130" target="_blank" >RIV/00216305:26220/22:PU146130 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/document/9887316" target="_blank" >https://ieeexplore.ieee.org/document/9887316</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/AP-S/USNC-URSI47032.2022.9887316" target="_blank" >10.1109/AP-S/USNC-URSI47032.2022.9887316</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Deep Learning based Power Delay Profile Trend Generation: A 60 GHz Intra-Vehicle Case Study

  • Popis výsledku v původním jazyce

    In this article we have utilized deep learning (DL) for channel sounding application in the millimeter wave (mmWave) band. Using data from a channel sounding campaign for studying intra-vehicle wireless channels operating over the 55-65 GHz mmWave band, we have trained an artificial neural network (ANN) model, which is used to simulate power-delay-profile (PDP) trends. The required simulation inputs form a minimal set, only comprising the frequency points, the transmitter-receiver distance and the presence of passengers inside car. The simulated PDP trend shows good match with the measured PDP and can be used for constructing tapped-delay-line (TDL) based channel models.

  • Název v anglickém jazyce

    Deep Learning based Power Delay Profile Trend Generation: A 60 GHz Intra-Vehicle Case Study

  • Popis výsledku anglicky

    In this article we have utilized deep learning (DL) for channel sounding application in the millimeter wave (mmWave) band. Using data from a channel sounding campaign for studying intra-vehicle wireless channels operating over the 55-65 GHz mmWave band, we have trained an artificial neural network (ANN) model, which is used to simulate power-delay-profile (PDP) trends. The required simulation inputs form a minimal set, only comprising the frequency points, the transmitter-receiver distance and the presence of passengers inside car. The simulated PDP trend shows good match with the measured PDP and can be used for constructing tapped-delay-line (TDL) based channel models.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20202 - Communication engineering and systems

Návaznosti výsledku

  • 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)

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2022 IEEE International Symposium on Antennas and Propagation and USNC-URSI Radio Science Meeting, AP-S/URSI 2022 - Proceedings

  • ISBN

    9781665496582

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    2

  • Strana od-do

    209-210

  • Název nakladatele

    Institute of Electrical and Electronics Engineers Inc.

  • Místo vydání

    Colorado State University

  • Místo konání akce

    Denver, Colorado

  • Datum konání akce

    10. 7. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku