direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Aktuelle Forschungsprojekte

A.v.H. - Prof. Caire - Alexander von Humboldt Professorship

A.v.H. - Prof. Caire - Alexander von Humboldt Professorship

  • PI: G. Caire
  • Total budget: EUR 3,500,000
  • Activity: 2014 -- 2019
  • Title: "Foundations and Architectures for the Next Generation of Wireless Networks''
  • Progress reports201420152016

CoSIP - Compressed Sensing and Information Processing

CoSIP - DFG Special Focus Program: Compressed Sensing and Information Processing

  • co-PI: G. Caire, G. Kutyniok (TUB), and G. Wunder (Freie Universität Berlin)
  • Total budget: EUR 420,000
  • Activity: 01/07/2015 -- 30/06/2018
  • Title: "Compressed Sensing for massive MIMO with structured channels”
  • Project Summary: In this proposal we address the key problems which prevent the efficient and economically viable implementation of Massive MIMO, including the transmitter/receiver sampling complexity, the problem of pilot contamination, and the problem of channel estimation both in TDD and in FDD systems. The key idea of this proposal is that a signi cant dimensionality reduction (and consequently, complexity reduction) in the Massive MIMO frontend processing can be achieved by leveraging the structure of the propagation channels between the base station antenna array and the users. These channels are argued to exhibit sparsity in the angular and delay domain. In short, especially when communication takes place in the mm-waves range, the propagation occurs along discrete multipath components, each of which is characterized by an angle of departure (AoD) and a delay. This inherent sparsity can be leveraged by modern CS algorithms, operating at much better complexity/performance trade off than conventional front-end schemes. Here, sparsity typically means that only a few samples of the signal are actually non-zero, when the signal is represented in a suitable "sparsifying basis". In general, the location of the non-zero components (relative to the signal basis elements) is not known a priori. This new paradigm has been an intriguing topic in mathematics and signal processing in recent years. Note that sparsity-based concepts have been successfully applied in specific communication problems, e.g., the "peak power control problem", the "channel impulse response estimation problem", the "neighbor discovery problem in ad-hoc networks", the "detection of spectral holes in cognitive radio", the "MIMO Radar direction of arrival problem", and several other applications. We will show that leveraging sparsity in communication signals is a viable approach to Massive MIMO implementation with affordable complexity.  The theory and the algorithms developed in this project will therefore lay the foundations for a new generation of air interfaces able to handle a very large number of Tx antennas (in the DL) and Rx antennas (in the UL, or in the channel estimation phase), thus addressing the challenges and the spectral efficiency target performance of 5G networks. As anticipated before in this research proposal we focus on the Massive MIMO scenario, while it is envisioned that in later follow-up phases the C-RAN and DAS architectures (many jointly processed antennas, but physically distributed over the network coverage region) will be also investigated.

SERENA - gan-on-Silicon Efficient mm-wave euRopean systEm iNtegration plAtform

SERENA - European Union Horizon 2020 project:
gan-on-silicon efficient mm-wave european system integration platform
  • 9 partners from 5 European countries
  • TUB PI: G. Caire
  • Total budget: EUR 3,910,000 (TUB budget EUR 199,000)
  • Activity: 01/01/2018 -- 31/12/2020
  • Title: "gan-on-Silicon Efficient mm-wave euRopean systEm iNtegration plAtform”
  • Grant agreement Number: 779305
  • Project Summary: The project will develop a system architecture and technology platform by using an integrated approach. Further, SERENA will combine advancements in hybrid analogue/digital mm-wave beam-steering system architectures with a completely European based semiconductor supply chain. Finally, the project team will foster an inter-disciplinary design approach with a strong emphasis on multi-physics simulations and predictive co-design to show the unique capabilities of the SERENA technology.
  • Additional Information: SERENA presentation and www.serena-h2020.eu

Non-Negative Structured Regression (Non-Negative Structured Regression in Communication and Data Science)

Non-Negative Structured Regression - DAAD Programm: Fachbezogene Partnerschaften mit Hochschulen in Entwicklungsländern

Eine Hochschulkooperationen mit dem African Institute for Mathematical Sciences (AIMS) Südafrika, Kamerun, Ghana

  • co-PI: G. Caire, P. Jung
  • Gesamtbudget: EUR 200,000
  • Laufzeit: 01/02/2018 - 31/01/2022
  • Titel: Nicht-Negative, strukturierte Regressionmethoden für Kommunikation and Data Science Anwendungen
  • Projetktbeschreibung: In diesem Projekt sollen effiziente Algorithmen zur Rekonstruktion spezieller kodierter Daten aus dem Bereich der drahtlosen Übertragung und Netzwerkdaten-muster untersucht und entwickelt werden. Das Forschungsvorhaben ist motiviert durch Compressed-Sensing (CS) unter zusätzlichen Modellannahmen, und mit Daten, welche nicht-negative Werte haben. Der enorme Erfolg von CS basiert auf der Idee, die intrinsische niedrig-dimensionale Struktur digitaler Signale und Datenmengen für die Rekonstruktion aus sehr wenigen Beobachtungen auszunutzen. Diese Annahmen sind zum Beispiel für Bilder, Videos, Audio-Daten aber auch für viele Muster in Netzwerkdaten und neuere Kodierungsarten in der drahtlosen Kommunikation erfüllt. In bisherigen Ansätzen wird diese Struktur erst nach der Datenerhebung bzw. Abtastung ausgenutzt und das führt in vielen Fällen zu ungünstigen Anforderungen bezüglich Speicherplatz und Bandbreite. Bei CS hingegen wird Datenaufnahme und Kompression in einem Schritt durchgeführt und dadurch eine sofortige und gleichzeitige Unterabtastung ermöglicht. Die intensive Forschung auf diesem Gebiet hat vor allem zu einer Vielzahl von Ergebnissen zu dicht-besetzten Messmatrizen geführt. Dennoch sind für Kommunikations-anwendungen und inverse Netzwerk-Probleme eher strukturierte und schwach-besetzte Matrizen von Bedeutung.  In diesem Projekt sollen deshalb binäre Matrixmodelle untersucht werden, zum Beispiel Matrizen Hadamard-Struktur und vor allem Expander-Matrizen. In diesen Fällen reduziert sich die Rekonstruktion häufig auf sogenannte Sketching-Verfahren, welche bereits in Streamingmethoden und im Graph-Sketching Anwendung finden. Sparsity kann hierbei als eine Struktur erster Ordnung angesehen werden. In der Praxis haben die Daten aber weitere Eigenschaften, folgen zum Beispiel bestimmten Mustermodellen und haben nicht-negative Werte. Diese Eigenschaften haben konkreten Einfluss auf analytische Ansätze und Algorithmen und erfordern zusätzlich Forschung - auch hinsichtlich Algorithmenentwicklung.

Zusatzinformationen / Extras

Direktzugang:

Schnellnavigation zur Seite über Nummerneingabe