Großskalige und hierarchische Bayessche Inferenz für zukünftige Mobilfunknetze

• Antragsteller: Professor Dr.-Ing. Gerhard P. Fettweis, seit 2/2019
• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
• Förderung: Förderung von 2018 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 392016367

Eine signifikante Steigerung der Netzwerkkapazität, die nötig ist um das explosionsartige Wachstum des mobilen Datenverkehrs zu bewältigen, wird durch die Einführung von massiven Multiple-Input-Multiple-Output- (MIMO) und Millimeterwellen-Kommunikationstechnologien ermöglicht. Der nicht-orthogonale Vielfachzugriff und die Netzwerkverdichtung können die Effizienz der Ressourcennutzung weiter verbessern. Insgesamt schaffen sie eine Kommunikationsumgebung mit starken Inter-User-Interferenzen, aus der sich eine Vielzahl von großskaligen Signalverarbeitungsproblemen ergeben. In dieser Umgebung ermöglichen Cloud-Technologien eine gemeinsame Signalverarbeitung über das Netzwerk, welche zu einer hierarchischen Netzwerkstruktur führt. Um die Vorteile von neuen Funkzugangstechniken und hierarchischen Netzwerkstrukturen zu nutzen, spielen fortschrittliche Signalverarbeitungstechniken eine entscheidende Rolle.Durch die Ausnutzung der statistischen Ein- und Ausgangsbeziehungen des Kommunikationssystems, ermöglichen Bayessche Inferenz Methoden ein systematisches Design ihrer Signalverarbeitung. Auf der anderen Seite werden die neuen Funkzugangstechniken und die hierarchischen Netzstrukturen, deren Einsatz in zukünftige Kommunikationssysteme erwartet wird, die statistischen Systemmodelle, die wir heute nutzen, erheblich verändern. Dieses Projekt trägt zur Untersuchung von Bayesschen Inferenztechniken bei, insbesondere zur Lösung großskaliger und hierarchischer Signalverarbeitungsprobleme in zukünftigen Kommunikationssystemen.Die Forschungsthemen in diesem Projektvorhaben umfassen: 1) die Entwicklung von mathematischen Werkzeugen für großskalige und hierarchische Bayessche Inferenz, und 2) deren Anwendung zur Lösung praktischer, großskalige und hierarchischer Signalverarbeitungsprobleme. Die entwickelten Methoden sollen durch einen Vergleich ihrer Performance 1) mit den theoretischen Grenzen und 2) mit aktuellen Methoden in realistischen Szenarien validiert werden. Die Ergebnisse dieses Projekts werden neue Methoden der Signalverarbeitung in Kommunikationssystemen der nächsten Generation ermöglichen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: China
• Partnerorganisation: National Natural Science Foundation of China
• Kooperationspartner: Dr. Wenjin Wang
• Ehemalige Antragstellerin: Dr.-Ing. Dan Zhang, bis 1/2019