Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Structured Model- and Learning-based Localization to Support Reconfigurable Intelligent Surface-aided 6G Systems

Opis projektu

Optymalizacja rekonfigurowalnych inteligentnych powierzchni do obsługi systemów lokalizacji i łączności 6G

Jednoczesna lokalizacja i łączność w sieciach 6G pozwoli na obsługę cyfrowych bliźniaków, rzeczywistości wirtualnej i nowych sieci Internetu rzeczy, które wymagają niskich opóźnień, wysokiej szybkości transmisji danych i dokładności lokalizacji. Rekonfigurowalne inteligentne powierzchnie stanowią kluczowy czynnik umożliwiający obsługę tych bezprzewodowych systemów 6G. Istniejące modele takich powierzchni nie osiągnęły jednak pełnego potencjału, w szczególności dlatego, że nie uwzględniają czynników ograniczających ich osiągi. Zespół finansowanego ze środków działania „Maria Skłodowska-Curie” projektu SMALL-6G ma na celu opracowanie modelu systemu jednoczesnej lokalizacji i łączności opartego na rekonfigurowalnych inteligentnych powierzchniach, a także przeprowadzenie analizy ich osiągów pod kątem wpływu czynników ograniczających. Zespół opracuje ponadto proces lokalizacji z odpowiednimi algorytmami opartymi na modelach, a także metodę opartą na uczeniu maszynowym w celu rozwiązania trudnych zadań związanych z lokalizacją.

Cel

Radio localization is the process of estimating the state (position, orientation, and possibly velocity) of a user equipment with the assistance of one or several base stations within a wireless communication system. With the increased carrier frequency (such as mmWafve and THz band), angle and delay estimation can benefit from the large array size and wide bandwidth, and hence improve localization performance. The estimated position and orientation can, in return, assist communication to increase beamforming gain and reduce delay via proactive resource allocation. As a result, simultaneous localization and communication (SLAC) in the 6G systems will support new use cases that require low latency, high data rate, and high localization accuracy, such as digital twins, virtual reality, and tactile networks. To support SLAC systems, reconfigurable intelligent surface (RIS) is a key technique that can provide increased channel gain and coverage for communication, which can also act as a passive anchor to enable/enhance localization. However, the system models used in existing localization works are either too simple or too ideal. To fully exploit the potential of RIS-aided localization, the impairment factors need to be considered, including the near-field effect, multipath, anchor calibration error, and hardware impairments. In this project, we will first develop a RIS-aided SLAC system model with performance analysis on the effect of the impairment factors. Then, a localization pipeline will be formulated with corresponding model-based algorithms designed by treating the dominant factors as unknowns. Benchmarked by the model-based methods, the learning-based method will also be developed to solve the challenging localization subtasks. Finally, based on the improvement of new SLAC performance metrics with localization information, we will propose a structured model- and learning-based localization (SMALL) solution to support RIS-aided 6G systems.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2024-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSITY COLLEGE LONDON
Wkład UE netto
€ 276 187,92
Adres
GOWER STREET
WC1E 6BT London
Zjednoczone Królestwo
Region
London Inner London — West Camden and City of London
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
Brak danych

Partnerzy (1)