Verktøy for kartlegging av radiosignaler

Disputasen foregår digitalt på internett på grunn av korona covid-19-situasjonen. Se nederst på siden for hvordan publikum kan overvære disputasen.

Yves Teganya fra Fakultet for teknologi og realfag disputerer for ph.d.-graden med avhandlingen «Machine Learning Tools for Radio Map Estimation in Fading-Impaired Channels” fredag 13. november 2020.

Han har fulgt doktorgradsprogrammet ved Fakultet teknologi og realfag, med spesialisering i informasjons- og kommunikasjonsteknologi (IKT). Doktorgradsarbeidet er utført ved WISENET Center, Institutt for IKT, UiA, og er finansiert med stipend fra Norges forskningsråds FRIPRO-TOPPFORSK og IKTPLUSS (LUCAT).

Slik oppsummerer Yves Teganya avhandlingen:

Machine Learning Tools for Radio Map Estimation in Fading-Impaired Channels

In radio map estimation, the goal is to construct maps that provide the received signal strength at every frequency and spatial location of interest.

These maps are built using sensor measurements, and find numerous applications in wireless communications such as network planning or device-to-device (D2D) communications.

Recently, radio maps have been widely recognized as a key enabler for unmanned aerial vehicle (UAV) communications, because they allow autonomous UAVs to account for communication constraints when planning a mission.

In this PhD thesis, we develop machine learning algorithms to build these maps in propagation channels impaired by fading.

Frameworks

Specifically, two frameworks are proposed:

The first one, termed "location-free radio map estimation", relies on robust features of the localization signals rather than locations of the measurement sensors, which are not available in practice and cannot be accurately estimated due to multipath.

The second one builds upon the idea of learning propagation phenomena of electromagnetic waves such as reflection using a record of past measurements. 

Extensive experiments carried out in realistic propagation environments to validate the proposed radio map estimators reveal that the resulting algorithms markedly outperform state-of-the-art alternatives.

Slik gjør du som publikum:

Disputasen er åpen for alle, men for å følge prøveforelesning og disputas må du melde deg som publikummer.

Vi ber publikum om å ankomme digitalt tidligst ti minutter før oppgitt tid - det vil si til prøveforelesningen 10:05 og disputasen tidligst kl 12:05. Etter disse klokkeslettene kan du når som helst forlate og komme inn igjen i møtet. Videre ber vi om at publikum slår av mikrofon og kamera, og har dette avslått under hele arrangementet. Det gjør du nederst til venstre i bildet når du er i Zoom. Vi anbefaler å velge «Speaker view». Dette velger du oppe til høyre i bildet når du er i Zoom.

Opponent ex auditorio:

Disputasleder inviterer til spørsmål ex auditorio i innledningen i disputasen, med tidsfrister. Disputasleders e-post er tilgjengelig i chat-funksjonen under disputasen. Spørsmål om ex auditorio kan sendes til disputasleder Ole-Christoffer Granmo på e-post 
ole.granmo@uia.no