Projekteja vuodessa
Abstrakti
Ambient backscatter communication (AmBC), a green communication technology, is hampered by the continuously and extremely fast varying, strong and unknown ambient radio frequency (RF) signals. This paper presents a machine learning-assisted method for extracting the information of the AmBC device. The information is modulated on top of the unknown Gaussian-distributed ambient RF signals. The proposed approach can decode the binary phase shift keying backscatter signals encoded using Hadamard codes. This method extracts the learnable features for the tag signal by first eliminating the
direct path signal and then correlating the residual signal with the coarse estimate of ambient signal. Thereafter, the tag signals are recovered by using the k-nearest neighbors classification algorithm. The recovered signals are decoded by a Hadamard decoder to retrieve the original information bits. We validate the performance using simulations to corroborate the proposed
approach.
direct path signal and then correlating the residual signal with the coarse estimate of ambient signal. Thereafter, the tag signals are recovered by using the k-nearest neighbors classification algorithm. The recovered signals are decoded by a Hadamard decoder to retrieve the original information bits. We validate the performance using simulations to corroborate the proposed
approach.
Alkuperäiskieli | Englanti |
---|---|
Otsikko | IEEE Global Communications Conference |
Kustantaja | IEEE |
Sivumäärä | 6 |
ISBN (elektroninen) | 9781728109626 |
DOI - pysyväislinkit | |
Tila | Julkaistu - 2019 |
OKM-julkaisutyyppi | A4 Artikkeli konferenssijulkaisussa |
Tapahtuma | IEEE Global Communications Conference - Waikoloa, Yhdysvallat Kesto: 9 jouluk. 2019 → 13 jouluk. 2019 |
Julkaisusarja
Nimi | IEEE Global Communications Conference |
---|---|
ISSN (painettu) | 2334-0983 |
Conference
Conference | IEEE Global Communications Conference |
---|---|
Lyhennettä | GLOBECOM |
Maa/Alue | Yhdysvallat |
Kaupunki | Waikoloa |
Ajanjakso | 09/12/2019 → 13/12/2019 |
Sormenjälki
Sukella tutkimusaiheisiin 'Machine Learning-Assisted Detection for BPSK-modulated Ambient Backscatter Communication Systems'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.Projektit
- 2 Päättynyt
-
Adaptiivinen ambientin signaalin takaisinsirontaan perustuva tietoliikenne erittäin matalatehoisille järjestelmille
Jäntti, R. (Vastuullinen tutkija), Badihi Olyaei, B. (Projektin jäsen), Ruttik, K. (Projektin jäsen), Menta, E. (Projektin jäsen), Wang, X. (Projektin jäsen) & Sheikh, M. (Projektin jäsen)
01/09/2018 → 31/08/2021
Projekti: Academy of Finland: Other research funding
-
AIMHIS: Signaalin uudelleen sironnan innoittama laitteiden välinen tietoliikenne heterogeenisiä IoT-järjestelmiä varten
Jäntti, R. (Vastuullinen tutkija) & Duan, R. (Projektin jäsen)
12/04/2017 → 31/12/2019
Projekti: Academy of Finland: Other research funding