本稿では、GNSSや新しいPNTアプリケーションにおける大規模な符号設計の課題に対処するため、大規模な符号ファミリサイズと長い符号長を持つバイナリ拡散符号を最適化するビットフリップ降下法を提案する。
本論文では、自動車レーダーの干渉軽減と物体パラメータ推定のための新しい信号分離手法を提案する。提案手法は、コヒーレントなレーダーエコーと非コヒーレントな干渉信号の両方を考慮した確率的モデルに基づいている。変分期待最大化アルゴリズムを用いて、物体パラメータと干渉信号パラメータを同時に推定する。
スコアベースの拡散モデルを事前分布として用いることで、残響環境下における自然音源からのHRTF推定を行う。
分散デバイスで効率的な凸最適化フレームワークを使用して、信号の過剰予測近似を計算し、中央サーバーでグローバル信号分析を実行する。
信号検出ネットワークに対する敵対的サンプルを生成するモデルを提案し、時間周波数領域の摂動エネルギーを制限することで、信号検出ネットワークの性能を大幅に低下させることができる。
強ノイズ下におけるウォンハムフィルターの振る舞いには、スパイクの出現と完全なスムージングの2つの極端な状況が存在する。スムージングウィンドウの長さによって、これらの状況が明確に分かれる。
ランダムな摂動により、行列の解析的特異値は代数的重複度を失い、確率1で非負になる。
ボロノイ星座図はCCDMブロック長200の場合、PS-64QAMおよびPS-256QAMに対して最大1.3dBのSNR利得を提供する。一方、高次のPS-256QAMは低いシェーピングレートで若干優れた性能を示すが、確率的シェーピングの複雑性が大幅に増加する。
限られた数のチャネル測定を利用して、広帯域チャネル状態情報を高精度に推定する手法を提案する。具体的には、フィールド応答ベクトル、遅延応答ベクトル、パス応答テンソルを推定し、それらを組み合わせることで完全な広帯域チャネル状態情報を再構築する。
本論文は、信号リレーを伴う不整合デコーディングのチャネル容量を効率的に計算するためのアルタネーティング最大化アルゴリズムを提案する。