Abstract
Extended Reality (XR) is de killer-toepassing geworden voor toekomstige draadloze netwerken. XR zal naar verwachting een belangrijke bron van verkeer zijn voor 6G. Toepassingen zijn onder meer onderwijs, gezondheidszorg en gaming. XR vereist nauwkeurige en real-time houdinginformatie (gebarenherkenning) om een vlotte ervaring mogelijk te maken. Recentelijk hebben onderzoekers het gebruik van sub-6 GHz Wi-Fi-signalen voor houdingbepaling onderzocht en de resultaten zijn veelbelovend. Radiogolven op deze frequenties bieden een lage resolutie vanwege de lage bandbreedte. Anderzijds bieden mmWave-frequenties (>30 GHz) niet alleen hoge datasnelheden, maar ook een hoge ruimtelijke resolutie. De verbeterde ruimtelijke resolutie is belangrijk voor houdingbepaling in realistische XR. Ik wil mmWave-signalen gebruiken voor houdingbepaling. Dit idee om communicatiesignalen te gebruiken voor waarneming staat bekend als Integrated Sensing and Communication (ISAC). Daartoe wil ik een uitgebreide en realistische dataset van gebaren verzamelen over verschillende mensen en omgevingen. Vervolgens zal ik nieuwe signaalverwerking en op deep learning gebaseerde algoritmen ontwikkelen voor omgevingsonafhankelijke en op meerdere gebruikers gebaseerde detectie. Bovendien zal ik een energiezuinige oplossing onderzoeken voor houdingbepaling op edge toestellen. Ten slotte zal ik een real-time prototype ontwikkelen, dat houdingenprojecteert op de gebruikers virtuele avatar.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)