Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 15

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W artykule przedstawiono metodę estymacji położenia terminala użytkownika korzystając z sygnałów okazjonalnych nadawanych w łączu w dół w interfejsie NB-IoT. Zweryfikowano praktyczną zdolność estymacji położenia na testowym obszarze korzystając z sygnałów wzorcowych o zmiennej wartości stosunku sygnału do szumu oraz z różnym emulowanym profilem kanału radiowego. Dodatkowo przedstawiono metodę umożliwiającą zwiększenie dokładności estymacji położenia terminala bez konieczności zwiększania częstotliwości próbkowania sygnału radiowego.
EN
In the article the method of user terminal position estimation using the occasional signals transmitted in the downlink of the NB-IoT interface was presented. The practical ability to estimate the position in the test area was verified using the reference signals with a variable signal-to-noise ratio and different radio channel profiles. Additionally, the sample method is presented that allows to increase the precision of the terminal position estimation without the need of increasing the sampling frequency of the radio signal.
PL
Artykuł dotyczy doboru metody estymacji parametrów kanału, odpowiedniej do zastosowania w terminalu wąskopasmowego Internetu Rzeczy. Przedstawiono strukturę sygnału pilotowego NRS, używanego do wyznaczenia współczynników kanału w LTE-NB. Zaproponowano cztery warianty metody wyznaczenia współczynników kanału dla całej ramki transmisyjnej. Dokonano oceny tych wariantów w oparciu o dwa wskaźniki jakościowe skojarzone z błędem odtworzonych symboli względem konstelacji odniesienia. Na tej podstawie wskazano wariant optymalny.
EN
The paper treats about the selection of channel estimation method suitable for narrowband internet-of-things user equipment. The structure of NRS reference signal, used for channel coefficients calculation in LTE-NB, is presented. Authors propose four variants of estimating channel coefficients for resource elements in whole transmission frame. These variants were evaluated using two quality indicators related to error between recovered symbols and reference complex constellation. As a result, optimal variant was selected.
PL
W niniejszym artykule przedstawiono estymację i analizę stanu kanału radiowego dla interfejsu LTE na potrzeby realizacji heterogenicznego algorytmu trasowania przesyłanych pakietów pomiędzy dostępnymi interfejsami radiowymi. Udowodniono przydatność i zwiększenie efektywności predykcji metryki BLER opracowanego modelu głębokiego uczenia względem modelu liniowego. Przedstawiono także metodykę oraz przeanalizowano istotność parametrów wejściowych uzyskanego modelu głębokiego uczenia.
EN
In the article the performed estimation and analysis of the radio channel state for the LTE air interface for the implementation of a heterogeneous algorithm for routing the transmitted packets between available radio interfaces is presented. The usefulness and an efficiency increase of the BLER metric prediction of the developed deep learning model in relation to the linear model were proven. The methodology and the significance of the input parameters of the obtained deep learning model was also analyzed and presented.
PL
W artykule zaprezentowano przegląd i analizę metod synchronizacji odbiornika w sieci NB-IoT. Zaimplementowano trzy metody synchronizacji, a ich porównania dokonano na bazie rzeczywistych sygnałów NB-IoT wygenerowanych przy użyciu testera radiokomunikacyjnego w wyizolowanym i emulowanym środowisku propagacyjnym.
EN
In the article a survey of synchronization of reception methods and analysis were made. Three different methods of synchronization were implemented. Analysis and comparation of the results were based on real NB-IoT signals generated by radiocommunication tester in confined and emulated propagation environment.
PL
Intensywny wzrost liczby urządzeń komunikujących się ze sobą na dużym obszarze wymaga opracowywania i realizacji rozwiązań systemowych. Z tego względu organizacja 3GPP zdefiniowała wąskopasmowy interfejs radiowy NB-IoT (Narrowband Internet of Things), będący podsystemem LTE (Long Term Evolution) na potrzeby zastosowań IoT niewymagających dużych przepływności. W artykule przedstawiono charakterystykę systemu NB-IoT, a także koncepcję i sposób realizacji opracowywanego definiowanego programowo, uniwersalnego, sprzętowo-programowego frameworku wraz z laboratoryjnym środowiskiem badawczo-pomiarowym. W aktualnym etapie prac zaimplementowano większość warstwy fizycznej łącza w dół i w górę oraz wybrane elementy sterowania dostępem do medium transmisyjnego, które zweryfikowano z użyciem testera radiowego.
EN
An intensively growing number of devices with ability to communicate with each other on a wide area implies the development and implementation of system solutions. Therefore, the 3GPP has defined the NB-IoT (Narrowband Internet of Things) radio interface as the LTE (Long Term Evolution) subsystem for IoT applications that do not require high throughput. In the article the characteristic of the NB-IoT, as well as the design and implementation of the software-defined universal hardware-software framework, along with laboratory research and measurement environment were presented. At the current stage of works, most of the uplink and downlink physical layer has been implemented, as well as selected elements to control the access to the transmission medium. Moreover, they were verified by using the radio tester.
PL
Utrzymująca się popularność modułu radiowego DWM1000 firmy DecaWave do zastosowań lokalizacyjnych przyczyniła się do przeprowadzenia analizy wpływu błędów radiowych pomiarów odległości na dokładność estymaty położenia lokalizowanego obiektu. W badaniach skupiono się na analizie błędów radiowych pomiarów odległości dla węzłów oddalonych od siebie w zakresie od kilkudziesięciu centymetrów do dziesięciu metrów. Ze względu na błąd rzędu dziesiątek centymetrów dla bliskich odległości pomiędzy węzłami, tj. 0,5 m – 4 m, zaproponowano nieliniowy model korekty błędów zależny wyłącznie od wartości radiowych pomiarów odległości i porównano go z modelem korekty zaproponowanym przez firmę DecaWave. Model korekty opracowano na podstawie pomiarów przeprowadzonych w środowisku wewnątrzbudynkowym.
EN
Lasting popularity of DWM1000 radio module, DecaWave manufacturer, for localization purposes contributed to perform analysis the influence of radio distance measurements errors on object position estimation. In the research focuses on analysis of the radio distance measurements errors for nodes spaced in the range from tens of centimeter to ten meters. Due to tens of centimeters errors for proximity of the nodes, i.e. 0.5 m – 4 m, nonlinear model of errors correction, based only on radio distance measurements, was proposed and compared with existing DecaWave correction method. Model of correction was developed based on real indoor measurements.
PL
Identyfikacja warunków LOS i NLOS jest istotna z punktu widzenia utrzymania jakości świadczonych usług telekomunikacyjnych, szczególnie w środowisku wewnątrzbudynkowym. Z uwagi na dynamiczny rozwój metod z obszaru AI (Artificial Intelligence) niniejszy artykuł przedstawia porównanie dwóch najpopularniejszych modeli, tj. głębokiej sieci neuronowej oraz sieci z pamięcią LSTM (Long Short-Term Memory) do identyfikacji warunków bezpośredniej widoczności LOS i NLOS w środowisku wewnątrzbudynkowym dla scenariuszy dynamicznych.
EN
LOS and NLOS classification is essential in reference to quality and reliability of the telecommunication services, especially considering an indoor environment. Due to rapid development of the methods within AI (Artificial Intelligence) area, the given paper compares two, most popular, machine learning methods, i.e. deep neural network and LSTM (Long Short-Term Memory) network for the direct visibility of the two antennas conditions identification based on the indoor, dynamic measurement scenarios.
PL
Jedno z głównych założeń sieci Internetu Rzeczy – Internet of Things (IoT) przewiduje ich rozmieszczanie w nietypowych lokalizacjach, z punktu widzenia utrudnionej propagacji sygnałów radiowych. W niniejszym artykule analizie poddano, obserwowane w środowisku wewnątrzbudynkowym w obszarze piwnicy, zwiększone tłumienie sygnałów radiowych. Przeprowadzone badania są odpowiedzią na widoczny wzrost popularności wąskopasmowych sieci IoT (NB-IoT) korzystających z zasobów sieci LTE (Long Term Evolution) i wymaganą oceną środowiska ich pracy.
EN
The Internet of Things (IoT) networks concept implies their presence in a various and untypical locations, usually with a disturbed radio signals propagation. In the presented paper an investigation of an additional path loss observed in an underground environment is described. The proposed measurement locations correspond to the operation areas of rapidly growing narrowband IoT (NB-IoT) networks, the ones using the Long Term Evolution (LTE) network resources.
PL
W niniejszym artykule przeprowadzono analizę wpływu zaników szybkozmiennych w zbiorach uczących na uzyskiwaną efektywność proponowanej metody głębokiego uczenia do określania warunków LOS i NLOS w ultraszerokopasmowych radiowych sieciach BAN. Przedstawiono zrealizowane scenariusze pomiarowe w dwóch środowiskach wewnątrzbudynkowych. Określono, że możliwe jest uzyskanie efektywności klasyfikacji na poziomie 99,6% niezależnie od scenariusza pomiarowego, a także wykazano, że składowa zaników szybkozmiennych ma znaczący wpływ na metodę doboru zbioru danych uczących i skuteczność głębokiego uczenia.
EN
In the article the impact of fast fading occurrence in learning datasets on the efficiency of the proposed deep learning approach for determining LOS and NLOS conditions in ultra-wideband BANs is investigated. Performed measurement scenarios in two indoor environments are presented. It was determined that it is possible to achieve up to 99.6% classification efficiency regardless of the measurement scenarios. In addition it has been shown that the fast fading component has a significant impact on the selecting learning datasets method and the classification efficiency of the proposed deep learning approach.
EN
In the article, the concept, design and realization of the technological demonstrator of a mobile device for generating an electromagnetic curtain (with a name AEGIS) were presented, both in the hardware and software areas. The device is designed to block the radio communication which allow detonating the Radio Controlled Improvised Explosive Devices (RCIEDs). The preliminary laboratory tests of the demonstrator for generating the jamming signal, that were presented in the paper, aimed at assessing the correctness of the device operation and verification of generated signal parameters. On the basis of the obtained results, the ability to jam the cellular systems as well as other radio devices operating in the frequency band from 400 MHz to 2700 MHz was assessed.
PL
W niniejszym artykule przedstawiono zastosowanie głębokiego uczenia do określania warunków bezpośredniej widoczności LOS/NLOS w ultraszerokopasmowych radiowych sieciach WBAN. Zaproponowano głęboką, jednokierunkową sieć neuronową, której efektywność działania sprawdzono na podstawie danych pomiarowych w rzeczywistym wewnątrzbudynkowym środowisku propagacyjnym. Uzyskane wyniki jednoznacznie udowadniają zasadność stosowania zaproponowanej metody głębokiego uczenia w radiowych sieciach WBAN.
EN
In the article the use of deep learning to determine the LOS/NLOS conditions in ultra wideband WBANs is presented. A deep feedforward neural network, which effectiveness has been checked on the basis of measurement data in an indoor environment, has been proposed. The obtained results clearly prove the validity of the proposed deep learning method in WBANs.
PL
W artykule omówiono problem nieliniowej zależności fazy pola elektrycznego od odległości w bezpośrednim sąsiedztwie anten nadajników stacji odniesienia w systemach radiolokalizacyjnych i radionawigacyjnych. Nieskompensowana nieliniowość, a nawet niemonotoniczność zależności fazy może powodować systematyczne błędy estymacji położenia obiektów. W niektórych rozwiązaniach wpływ tej nieliniowości może być widoczny nawet w odległościach wielokrotnie większych od przyjętej granicy strefy bliskiej anteny.
EN
The given paper describes a problem of nonlinear relationship between a phase of an electrical field and a distance between antennas mutually located in their near field. As the mentioned problem pertains to radiolocation and radio navigation systems, uncompensated nonlinearity, or even nonmonotonicity, of the phase dependency may cause systematic errors of location estimation. In some specific systems this advert impact may be discernible even for distances longer than defined near field.
PL
W środowisku wewnątrzbudynkowym występuje wiele czynników negatywnie wpływających na transmitowane sygnały. Niniejszy artykuł przedstawia metodę opartą na koncepcji głębokich sieci neuronowych, służącą do detekcji warunków LOS i NLOS w środowisku wewnątrzbudynkowym. Algorytm opracowany i przetestowany został na podstawie pomiarów sygnałów UWB przeprowadzonych w rzeczywistym środowisku wewnątrzbudynkowym.
EN
Due to many obstacles occurrence and multipath propagation problem among harsh, indoor environment, the transmitted signal may be easily affected and thus deteriorated. The given paper presents an algorithm based on neural network and deep learning concept to efficiently detect the LOS and NLOS conditions. It was realized and tested within real-world, indoor environment.
PL
Wszechobecny monitoring pacjenta jest jednym ze sposobów zniwelowania negatywnych skutków obecnego modelu opieki zdrowotnej i może być dużym krokiem naprzód w rozwoju medycyny. W niniejszym referacie przedstawiono projekt i wykonanie bezprzewodowego systemu telemedycznego, monitorującego parametry życiowe człowieka, takie jak aktywność elektryczna serca, przyspieszenie ciała oraz stan przycisku alarmowego. Składa się on z urządzenia nasobnego, stacji bazowej, komputera oraz terminala mobilnego. Przeprowadzono badania wpływu zmiennych warunków pracy na działanie sieci WBAN typu off-body, stanowiącej część wykonanego systemu.
EN
Pervasive patient monitoring is one of the ways to overcome negative effects of the current healthcare model and can be a step forward in the medicine development. In the article, authors present design and implementation of the wireless telemedicine system, which monitors vital signs of human body, such as electrical activity of a heart, a dynamic acceleration and state of the alarm button. The Wireless Body Area Network included in the systemwas tested for the effect of changing conditions in an indoor environment.
PL
W artykule przedstawiono założenia, projekt oraz wykonanie demonstratora technologicznego mobilnego urządzenia do wytwarzania kurtyny elektromagnetycznej. Urządzenie jest zaprojektowane do zablokowania łączności radiowej, za pomocą której możliwe byłoby zdetonowanie prowizorycznych ładunków wybuchowych. Celem jest zapewnienie bezpieczeństwa funkcjonariuszom służb państwowych takich jak Straż Graniczna, czy też Policja. W artykule zarówno przedstawiono urządzenie, jak i omówiono oprogramowanie demonstratora technologicznego, dzięki któremu możliwe jest wytworzenie szerokopasmowego sygnału zagłuszającego.
EN
In the article, the key assumptions, project and technological demonstrator of a mobile device for generating an electromagnetic curtain were described. The device is designed for countering the threats of radio controlled improvised explosive devices during operational activities of public entities like Border Guard or Police. During the research a proof-of-concept demonstrator has been built, including hardware and software. This demonstrator allows to generate wideband jamming signals with protected bands to maintain own emergency communication.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.