Towards Data-Driven Communication Signal Processing in Realistic Conditions
- Promovendus/a
- Naseri, Mostafa
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Informatietechnologie
- Curriculum
- Professional Master of Engineering in Electronics and Communication Engineering, Beijing University of Posts and Telecommunications (China), 2019
- Academische graad
- Doctor in de ingenieurswetenschappen: elektrotechniek
- Taal proefschrift
- Engels
- Vertaling titel
- Op weg naar data-gedreven communicatiesignaalverwerking in realistische omstandigheden
- Promotor(en)
- prof. Adnan Shahid, vakgroep Informatietechnologie - prof. Eli De Poorter, vakgroep Informatietechnologie
- Examencommissie
- voorzitter prof. Sabine Wittevrongel (voorzitter Commissie Wetenschappelijk Onderzoek) - prof. Rafael Berkvens, Universiteit Antwerpen - prof. Mamoun Guenach, vakgroep Telecommunicatie en Informatieverwerking - prof. Ingrid Moerman, vakgroep Informatietechnologie - prof. David Plets, vakgroep Informatietechnologie - prof. Sofie Pollin, KU Leuven - promotor prof. Adnan Shahid, vakgroep Informatietechnologie - promotor prof. Eli De Poorter, vakgroep Informatietechnologie
Korte beschrijving
In onze steeds meer verbonden wereld zijn draadloze communicatiesystemen onmisbaar, bijvoorbeeld voor mobiele netwerken, slimme apparaten (IoT) en noodcommunicatie. Toch ondervinden deze systemen in de praktijk veel storingen, zoals signaalvervorming, storende signalen en hardwareproblemen. Deze dissertatie onderzoekt hoe moderne machine learning (ML), en met name deep learning, kan helpen om deze uitdagingen aan te pakken. Het onderzoek richt zich op drie hoofdgebieden: het nauwkeurig bepalen van de richting van inkomende signalen (AoA), het wegfilteren van storende signalen op hetzelfde kanaal (CCI), en het slim comprimeren van beelden voor draadloze verzending. Door slimme leeralgoritmen te combineren met bestaande technieken, worden oplossingen ontwikkeld die niet alleen nauwkeuriger zijn, maar ook snel en geschikt voor apparaten met beperkte rekenkracht. Een belangrijk resultaat is dat deze nieuwe methoden betrouwbaarder werken in echte, veranderlijke omstandigheden. Zo dragen ze bij aan snellere, robuustere en energiezuinigere draadloze netwerken. Deze dissertatie laat zien hoe kunstmatige intelligentie de weg kan banen voor de draadloze communicatie van de toekomst.
Praktisch
- Datum
- Dinsdag 29 april 2025, 10:00
- Locatie
- leslokaal 1.1 Baekeland, gebouw 130 Baekeland, eerste verdieping, Technologiepark 130, 9052 Zwijnaarde
- Livestream
- Volg online
Meer info
- Contact
- doctoraat.ea@UGent.be