Hochauflösende Parameterschätzung für die Millimeter-Wellenausbreitung in dynamischen Szenarien
Zusammenfassung der Projektergebnisse
Ein wichtiger Beitrag dieses Projekts ist die Erweiterung des Rahmens für die mehrdimensionale Parameterschätzung um die Frequenzgänge der geschätzten spiegelnden Komponenten, insbesondere für hohe Bandbreiten im Millimeterwellen- (mmWave) und Sub-THz-Bereich. Dies ermöglicht eine präzisere Modellierung der Ausbreitungseigenschaften. Die Ergebnisse unterstreichen, wie wichtig es ist, das Datenmodell zu vereinfachen, um den Schätzaufwand zu verringern, insbesondere durch die Beibehaltung der Parameterunabhängigkeit. So wird zur Vereinfachung des Modells in der Regel die „Schmalbandannahme“ verwendet, die von einer geringen relativen Bandbreite ausgeht und gewisse Frequenzgänge ignoriert. Diese Arbeit geht jedoch darüber hinaus, indem sie winkelabhängige Frequenzgänge von Antennenarrays einbezieht, was insbesondere in Szenarien mit hoher Bandbreite von Vorteil ist. All diese Neuerungen werden in der Entwicklung eines neuen gradientenbasierten Maximum-Likelihood-Schätzers zusammengefasst. Das Projekt verbessert auch die Parameterschätzung in Umgebungen mit hoher relativer Bandbreite durch die Einführung eines parametrischen Datenmodells und eines gradientenbasierten Maximum-Likelihood-Schätzers für diesen Zweck. Das entwickelte Modell berücksichtigt Frequenzantworten dynamischer Objekte innerhalb des Kanals. Damit wird es den Herausforderungen gerecht, die Systeme mit großer relativer Bandbreite mit sich bringen, wie z. B. frequenzabhängige Dopplereffekte und möglicherweise dispersive bzw. ausgedehnte Reflexionen innerhalb des Kanals. Im Rahmen des Projekts wurde eine effiziente Schätzroutine für die Dispersionseigenschaften der Objekte entwickelt, die als glatte Funktionen im Frequenzbereich modelliert werden. Der Ansatz wird durch Simulationen und Messungen in realen Umgebungen validiert, wobei die Fähigkeit des Modells zur genauen Repräsentation und Schätzung der Eigenschaften mehrerer Objekte nachgewiesen wird. Das Projekt befasst sich auch mit der Herausforderung der Schätzung von Dense Multipath Components (DMC) in Funkkanalmessungen in Szenarien mit mehreren Moden, die in mmWave-Kanälen mit größerer Wahrscheinlichkeit auftreten werden. Bestehende Methoden behandeln typischerweise Einzelmodenszenarien, aber unsere Forschung stellt einen neuartigen Ansatz vor, der eine Deep-Learning-Architektur verwendet, um die Anzahl der Modi und deren Eigenschaften zu schätzen. Die vorgeschlagene Methode kombiniert eine auf einem neuronalen Netzwerk basierende Initialisierung mit einem Maximum-Likelihood-Schätzalgorithmus. Das neuronale Netz wird anhand synthetischer Daten trainiert und kann die Anzahl der in realen Messdaten vorhandenen Modi zuverlässig schätzen. Das Projekt zeigt, dass die entwickelte Methode bis zu drei sich überschneidende Moden robust schätzen kann, was einen erheblichen Fortschritt gegenüber bestehenden Methoden darstellt. Insgesamt leistet das Projekt einen Beitrag zu den Bereichen Channel Sounding, Kanalschätzung und Antennenmodellierung. Die Fortschritte bei der hochauflösenden Parameterschätzung, der Modellierung dynamischer Objekte, der multimodalen DMC-Schätzung und den zugehörigen Softwaretools stellen wertvolle Ressourcen für Forscher und Praktiker in der Telekommunikation und Signalverarbeitung dar.
Projektbezogene Publikationen (Auswahl)
-
eadf: Representation of far-field antenna responses in Python. SoftwareX, 12, 100583.
Semper, S.; Döbereiner, M.; Pawar, S.; Landmann, M. & Del, Galdo G.
-
Estimating Multi-Modal Dense Multipath Components using Auto-Encoders. 2022 30th European Signal Processing Conference (EUSIPCO), 1716-1720. IEEE.
Schieler, S.; Dobereiner, M.; Semper, S. & Landmann, M.
-
fastmat: Efficient linear transforms in Python. SoftwareX, 18, 101013.
Wagner, Christoph W.; Semper, Sebastian & Kirchhof, Jan
-
Dynamic Delay-Dispersive UWB-Radar Targets: Modeling and Estimation. IEEE Transactions on Antennas and Propagation, 71(8), 6814-6829.
Gedschold, Jonas; Semper, Sebastian; Thomä, Reiner S.; Döbereiner, Michael & Galdo, Giovanni Del
-
High-Resolution Parameter Estimation for Wideband Radio Channel Sounding. IEEE Transactions on Antennas and Propagation, 71(8), 6728-6743.
Semper, Sebastian; Döbereiner, Michael; Steinmetz, Christian; Landmann, Markus & Thomä, Reiner S.
-
A Framework for Developing and Evaluating Algorithms for Estimating Multipath Propagation Parameters From Channel Sounder Measurements. IEEE Transactions on Wireless Communications, 23(5), 4424-4441.
Sayeed, Akbar M.; Guven, Damla; Doebereiner, Michael; Semper, Sebastian; Gentile, Camillo; Bodi, Anuraag & Cheng, Zihang
