radio frequency
PulseAugur coverage of radio frequency — every cluster mentioning radio frequency across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
OpenDPDv2框架统一了RF功率放大器的神经网络DPD学习与优化
研究人员开发了OpenDPDv2，一个开源框架，旨在利用神经网络增强射频功率放大器的数字预失真（DPD）。该框架集成了功率放大器建模、神经网络DPD学习和部署优化。它采用了一种新颖的TRes-DeltaGRU架构，提供了一个轻量级的时域残差路径以提高鲁棒性，并支持与定点量化联合优化，从而显著降低面向部署的应用的能耗。
-
新框架实时重建无线辐射场
研究人员开发了CORF-GS，一个用于实时无线辐射场（WRF）重建的新型框架。该方法通过使用具有共享几何和特定模态外观的统一高斯表示来整合光学和射频（RF）数据。CORF-GS利用高分辨率光学图像指导WRF重建，然后通过耦合光学-射频优化进行精炼，使共享高斯表示能够适应光学结构和射频功率分布。与现有方法相比，该方法显著将重建时间缩短了6.4倍，并实现了最先进的射频频谱合成质量。
-
WaveVerse框架在生成的4D世界中模拟逼真的射频信号
研究人员开发了WaveVerse，一个用于在生成的4D室内环境中模拟逼真射频（RF）信号的新颖框架。该系统利用了语言引导的世界生成器和基于物理的信号模拟器，并采用相位一致性光线追踪器来保持信号保真度。WaveVerse旨在通过实现动态场景中带有行人运动的信号的可扩展模拟，来克服收集多样化射频数据集的挑战，并在用于数据增强的下游任务（如射频成像和活动识别）中表现出改进的性能。
-
基础模型在疾病预测和射频损耗分类方面展现出潜力
研究人员评估了 Tabular Pre-Trained Foundation Network (TabPFN) 在预测轻度认知障碍向阿尔茨海默病转化方面的能力，发现在数据受限的情况下，其性能优于传统的机器学习模型。在另一项独立研究中，开发了一个结合众包用户设备数据和公共建筑信息的机器学习框架，用于对射频建筑损耗进行分类，为传统的测量方法提供了一种实用的替代方案。该框架在室外到室内和室内到室内的信号损耗预测准确性和置信度方面均有所提高。