Op AI gebaseerde cognitieve radio op basis van Walsh-signaalverwerking voor draadloze terahertz-communicatie van de volgende generatie

In dit proefschrift zullen we een end-to-end deep learning-methodologie gebruiken om het ontwerp van transceivers voor 6G-banden met meer dan 10 GHz aan bandbreedte mogelijk te maken. Ten eerste willen we het eerste digitale sub-THz draadloze communicatiesysteem ontwerpen dat de Walsh-signaalverwerkingstechniek toepast voor het verzenden en ontvangen van berichten, aangepast voor scenario's met hoge bandbreedte. Deze modellen worden verder verbeterd uitgaande van imperfecte kanaalkennis. State-of-the-art auto-encoder-modellen zullen moeten worden aangepast om hogere constellaties en zelfs multicarrier-communicatie te bereiken in selectieve kanalen met een hoge bandbreedte. Om kanaalschatting en egalisatie mogelijk te maken, zullen we semi-gesuperviseerde leermethoden verkennen met minimale trainingsvoorbeelden. Ten slotte zal de aanpak worden uitgebreid om ook in interferentiescenario's te werken, om echt cognitieve THz-radio's voor het communicatiesysteem van de 6e generatie te ontwerpen.