TU Berlin

Fachgebiet Theoretische Grundlagen der KommunikationstechnikAktuelle Projekte

Schriftzug CommIT

Inhalt

zur Navigation

Forschung im Fachgebiet

Das Fachgebiet Theoretische Grundlagen der Kommunikationstechnik (CommIT) konzentriert sich auf die Grundlagenforschung sowie auf die angewandte Forschung der Kommunikationstheorie, Informationstheorie, Signalverarbeitung und Netzwerke. Ein besonderer Schwerpunkt liegt hierbei auf dem Bereich der drahtlosen Kommunikationssysteme. Auf diesen Gebieten hat das Fachgebiet erfolgreich verschiedene Projekte eingeworben. Eine Liste der aktuell laufenden und öffentlich geförderten Projekte finden Sie hier im Anschluss. Zusätzlich zu den öffentlich geförderten Projekten pflegt das Fachgebiet eine gute Zusammenarbeit mit verschiedenen Partnern aus der Industrie.

Neben der theoretischen Forschung entwickelt und betreibt das Fachgebiet auch verschiedene Testsysteme. Eine Auswahl dieser Testsysteme finden Sie hier unter Testsysteme und Prototypen.

Abgeschlossene Projekte finden Sie hier.

Da Englisch die vorherrschende Sprache in der aktuellen Forschung ist, sind große Teile dieser Seite in Englisch verfasst. Bei weiteren Fragen können Sie sich gerne an uns wenden.

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 -- 2020
  • Title: "Foundations and Architectures for the Next Generation of Wireless Networks''
  • Progress reports201420152016, 2017, 2018, 2019

CARENET - Content-Aware Wireless Networks: Fundamental Limits, Algorithms, and Architectures

CARENET – Content-Aware Wireless Networks

The CARENET project has received funding from European Research Council (ERC) under the European Union with call details Advanced Grants (AdG), PE7, ERC-2017-ADG.

  • Project Title: CARENET: Content-Aware Wireless Networks: Fundamental Limits, Algorithms, and Architectures
  • Project Acronym: CARENET
  • ID Grant Number: 789190
  • Principal Investigator: Giuseppe Caire
  • Host Institution: TU Berlin
  • Starting date: Oct 2018
  • Project Duration: 5 years
  • Total Budget: 2,497,500 EUR
  • Additional Information: CARENET page

CoSIP - Compressed Sensing and Information Processing - Phase II

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

  • co-PI: G. Kutyniok (TUB)
  • Total budget: 
  • Activity
  • Title "Compressed Sensing Algorithms for Structured Massive MIMO - Phase II"
  • Project Summary:
Phase I of this project focused on exploiting the structure of multipath propagation to solve the dimensionality bottleneck problem of massive MIMO. Our results in Phase I clearly indicate that the structure to be exploited resides in the "invariants" of the channel, i.e., in those quantities that remains constant over a large time interval and a large frequency bandwidth. In particular, these invariants are contained, implicitly or explicitly, in the channel second-order statistics. Remarkably, our intuition and findings during the first 3 years of the project have become "instant classics" and literally thousands of papers have followed in our footprints, such that today the approaches that we have advocated at the beginning of the first funding phase have become mainstream.
In Phase II, we build on the experience and on the successes of Phase I and we broaden our horizon from the single massive MIMO system to a whole wireless network, where the large dimensionality arising from large number of users and base station antennas is the salient feature. We identify three new overarching objectives and lay out our workplan organized in three corresponding work packages. The first focuses on the efficient representation of large dimensional channel vectors for general array geometries, where the aim is to generalize Szego’s theorem on large Toeplitz matrices to families of non-Toeplitz Covariance matrices generated by given array manifolds. The second consider the distributed sampling and learning of the path gain function between any two points of a given coverage area, referred to as network "soft" topology. Finally, the third consider a bilinear compressed sensing problem arising from multichannel splicing, that is, combining multiple narrowband observations in order to obtain a wideband measurement of the channel impulse response and achieve a sufficiently high timing resolution such that precise ranging for indoor position using conventional RF signals is possible. We outline mathematically precise problem definitions and concrete methodologies to address the problems, corroborated by preliminary results and previous background results obtained by the PI in their previous work. As such, although the objective of this proposal are challenging, we are confident that significant progress can be made in time span of the project.
 
 

 

 

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 -- 30/06/2021
  • 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, Prof. Setareh Mahgsudi
  • 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 Netzwerkdatenmuster 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.

 

 

Self-Organizing Complex Networks: A Mean-Field Game Approach

Self-Organizing Complex Networks: A Mean-Field Game Approach - 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, S. Maghsudi
  • Gesamtbudget: EUR 600,000
  • Laufzeit: 01/09/2019 - 30/06/2022
  • Titel: Self-Organizing Complex Networks: A Mean-Field Evolutionary Game Theoretic Approach 
  • Projetktbeschreibung
This project is concerned with two subjects, Mean-Field theory and Optimal transport in statistics and engineering.
Mean-Field theory is a powerful tool to efficiently approximate the behavior of a complex system involving infinitely many agents. In this approximation process, the mean-field replaces the agents' interactions; That is, the average collective effect of the agents becomes the basis of analysis. Mean-field theory finds applications in several fields and in recent years, it has gained popularity in game theory, artificial intelligence, and engineering. 
Furthermore, the theory of Optimal transport has deep connections with recent several research fields, e.g., efficient resource allocation in wireless communications and also domain adaptation in learning and trained algorithms. It stands as a powerful tool to study flows and analyze energy functionals on the space of probability measures. The theory has also attracted the attention of communication society to address the several problems that arise in wireless networks.
In this project, the goal is to analyze complex systems using the mean-field and transport theory in different settings, for example, when the agents have different types, or when the communication between the agents is constrained and limited. The theoretical results are then applied to optimize the ultra-dense wireless communication networks. 

 

 

BIFOLD - Berlin Institute for the Foundations of Learning and Data

BIFOLD - Berlin Institute for the Foundations of Learning and Data

The complete BIFOLD project website: bifold.berlin


Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe