2020, Bouchet, Olivier, O'Brien, Dominic, Singh, Ravinder, Faulkner, Grahame, Ghoraishi, Mir, Garcia-Marquez, Jorge, Vercasson, Guillaume, Brzozowski, Marcin, Sark, Vladica

This paper presents European collaborative project WORTECS objectives and reports on the development of several radio and optical wireless prototypes and a demonstrator targeting mixed reality (MR) application. The aim is to achieve a net throughput of up to Tbps in an indoor heterogeneous network for the MR use case, which seems to be a high throughput "killer application" beyond 5G. A special routing device is associated with the demonstrator to select the most suitable wireless access technology. Post introduction to the project, an overview of the demonstrator is presented with details of the current progress of the prototypes.

2015, Grass, Eckhard, Tittelbach-Helmrich, Klaus, Sark, Vladica, Ehrig, Marcus

Für zahlreiche Anwendungen im Bereich mobile drahtlose Kommunikation besteht der Bedarf nach einer genauen Lokalisierung mobiler Terminals. Dabei ist oft eine zentimetergenaue Lokalisierung bei gleichzeitiger Datenübertagung mit Raten von > 1 Gb/s notwendig. Auf Grund der hohen verfügbaren Bandbreite eignen sich dafür Funksysteme im mm-Wellen Bereich und insbesondere im 60-GHz-Band hervorragend. Am IHP wurde ein HF-Chip-Satz für 60 GHz Übertragung mit Beamsteering-Funktionalität entwickelt. Des Weiteren wurde ein OFDM Basisband-Prozessor für Übertragungsraten bis zu 3,6 Gb/s entwickelt. Dieser wurde mit einem Verfahren zur Entfernungsmessung erweitert. Die Steuerung von Datenübertragung und Entfernungsmessung erfolgt über einen speziellen MAC Prozessor. Beide Funktionen laufen im zeitmultiplex quasi-gleichzeitig ab. Zum Nachweis der Funktionalität der gleichzeitigen Datenübertragung und Lokalisierung wurde ein FPGA-basierter Demonstrator entwickelt und mehrfach ausgestellt.

2022, Zhao, Yanhua, Sark, Vladica, Krstic, Milos, Grass, Eckhard

Developments in radio detection and ranging (radar) technology have made hand gesture recognition feasible. In heat map-based gesture recognition, feature images have a large size and require complex neural networks to extract information. Machine learning methods typically require large amounts of data and collecting hand gestures with radar is time- and energy-consuming. Therefore, a low computational complexity algorithm for hand gesture recognition based on a frequency-modulated continuous-wave (FMCW) radar and a synthetic hand gesture feature generator are proposed. In the low computational complexity algorithm, two-dimensional Fast Fourier Transform is implemented on the radar raw data to generate a range-Doppler matrix. After that, background modelling is applied to separate the dynamic object and the static background. Then a bin with the highest magnitude in the range-Doppler matrix is selected to locate the target and obtain its range and velocity. The bins at this location along the dimension of the antenna can be utilised to calculate the angle of the target using Fourier beam steering. In the synthetic generator, the Blender software is used to generate different hand gestures and trajectories and then the range, velocity and angle of targets are extracted directly from the trajectory. The experimental results demonstrate that the average recognition accuracy of the model on the test set can reach 89.13% when the synthetic data are used as the training set and the real data are used as the test set. This indicates that the generation of synthetic data can make a meaningful contribution in the pre-training phase.