<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>MmWave | Δρ. Ευάγγελος Βλάχος</title><link>https://vlachos.science/el/tags/mmwave/</link><atom:link href="https://vlachos.science/el/tags/mmwave/index.xml" rel="self" type="application/rss+xml"/><description>MmWave</description><generator>Hugo Blox Builder (https://hugoblox.com)</generator><language>el</language><lastBuildDate>Mon, 19 Oct 2026 00:00:00 +0000</lastBuildDate><image><url>https://vlachos.science/media/icon_hu_2beab1606e98fa9.png</url><title>MmWave</title><link>https://vlachos.science/el/tags/mmwave/</link></image><item><title>Εκτίμηση Καναλιού για Massive MIMO σε mmWave και THz</title><link>https://vlachos.science/el/research/channel-estimation/</link><pubDate>Mon, 19 Oct 2026 00:00:00 +0000</pubDate><guid>https://vlachos.science/el/research/channel-estimation/</guid><description>&lt;p>Εκτίμηση καναλιού είναι ο τρόπος με τον οποίο ένας δέκτης μαθαίνει τις διαδρομές που έχει διανύσει ένα ραδιοσήμα: τις κατευθύνσεις, τις καθυστερήσεις και τις εντάσεις τους. Στις συχνότητες των χιλιοστομετρικών κυμάτων (mmWave) και των terahertz (THz), όπου τα δίκτυα 5G και 6G βρίσκουν μεγάλο εύρος ζώνης, το σήμα εξασθενεί γρήγορα και οι μεγάλες στοιχειοκεραίες πρέπει να εστιάζουν την ενέργειά τους σε στενές δέσμες. Μια δέσμη μπορεί να στραφεί σωστά μόνο προς ένα κανάλι που έχει εκτιμηθεί καλά, οπότε η εκτίμηση καναλιού καθορίζει πόσο από το υποσχόμενο εύρος ζώνης αξιοποιείται τελικά. Δουλεύουμε σε αυτό το πρόβλημα από το 2018: για σταθμούς βάσης massive MIMO, δέκτες χαμηλού κόστους, κινούμενα drones, εξαιρετικά μεγάλες στοιχειοκεραίες στα THz και, πιο πρόσφατα, κβαντικούς υπολογιστές.&lt;/p>
&lt;h2 id="γιατί-η-εκτίμηση-καναλιού-είναι-δύσκολη-σε-mmwave-και-thz">Γιατί η εκτίμηση καναλιού είναι δύσκολη σε mmWave και THz&lt;/h2>
&lt;ul>
&lt;li>&lt;strong>Το φθηνό υλικό κρύβει το σήμα.&lt;/strong> Οι μεγάλες στοιχειοκεραίες είναι οικονομικά εφικτές μόνο με υβριδική αναλογική/ψηφιακή διαμόρφωση δέσμης, λίγες αλυσίδες RF και μετατροπείς αναλογικού σε ψηφιακό (ADC) χαμηλής ανάλυσης, οπότε ο δέκτης βλέπει μια συμπιεσμένη και χονδρικά κβαντισμένη εκδοχή του καναλιού.&lt;/li>
&lt;li>&lt;strong>Ο χρόνος είναι λίγος.&lt;/strong> Το κανάλι αλλάζει γρήγορα, ειδικά για οχήματα και UAV, οπότε μόνο σύντομες ακολουθίες εκπαίδευσης είναι ανεκτές.&lt;/li>
&lt;li>&lt;strong>Το μεγάλο εύρος ζώνης λυγίζει τη δέσμη.&lt;/strong> Σε πολύ μεγάλο εύρος ζώνης η κατεύθυνση της δέσμης μετατοπίζεται με τη συχνότητα (beam squint) και οι ανακλάσεις απλώνονται σε πολλά σύμβολα. Στα THz τα δύο φαινόμενα εμφανίζονται μαζί, κάτι που ονομάζεται dual-wideband fading.&lt;/li>
&lt;/ul>
&lt;h2 id="αραιή-και-χαμηλής-τάξης-εκτίμηση-καναλιού-από-σύντομη-εκπαίδευση">Αραιή και χαμηλής τάξης εκτίμηση καναλιού από σύντομη εκπαίδευση&lt;/h2>
&lt;p>Τα κανάλια mmWave έχουν λίγες μόνο ισχυρές διαδρομές, οπότε ο πίνακας του καναλιού είναι αραιός στον χώρο των δεσμών (beamspace) και έχει χαμηλή τάξη. Αξιοποιούμε και τις δύο ιδιότητες ταυτόχρονα, με συμπλήρωση πινάκων (matrix completion) και τη μέθοδο ADMM, ώστε να ανακτούμε το κανάλι από πολύ συντομότερη εκπαίδευση απ&amp;rsquo; όση επιτρέπει καθεμία ιδιότητα μόνη της (&lt;a href="https://vlachos.science/el/publication/vlachos-massive-2018/">IEEE SPL 2018&lt;/a>). Για ευρυζωνικούς υβριδικούς δέκτες εισαγάγαμε ένα στάδιο τυχαίας χωρικής δειγματοληψίας στον αναλογικό συνδυαστή, ώστε λίγες αλυσίδες RF να συλλέγουν αρκετό μέρος του καναλιού για την ανάκτησή του (&lt;a href="https://vlachos.science/el/publication/vlachos-wideband-2019/">IEEE JSTSP 2019&lt;/a>, &lt;a href="https://vlachos.science/el/publication/vlachos-hybrid-2019/">SPAWC 2019&lt;/a>), και επεκτείναμε τη μέθοδο ώστε να παρακολουθεί το κανάλι καθώς αλλάζει στον χρόνο (&lt;a href="https://vlachos.science/el/publication/alexandropoulos-wideband-2020/">ICASSP 2020&lt;/a>).&lt;/p>
&lt;h2 id="υβριδικοί-δέκτες-με-adc-χαμηλής-ανάλυσης">Υβριδικοί δέκτες με ADC χαμηλής ανάλυσης&lt;/h2>
&lt;p>Οι ADC λίγων bit μετατρέπουν το λαμβανόμενο σήμα σε «σκάλα». Προσθέτουμε μικρά τυχαία σήματα (dither) στον αναλογικό διαμορφωτή δέσμης και στους ADC, ώστε η κβάντιση να γίνει πηγή πληροφορίας αντί για απώλεια, και ανακτούμε το κανάλι με έναν εκτιμητή expectation-maximization που αποδίδει κοντά σε έναν ιδανικό εκτιμητή ελαχίστων τετραγώνων (&lt;a href="https://vlachos.science/el/publication/vlachos-dithered-2018/">ICASSP 2018&lt;/a>). Για δέκτες λίγων bit αναπτύξαμε επίσης έναν εκτιμητή ανταλλαγής μηνυμάτων που δεν χρειάζεται εκ των προτέρων γνώση της στατιστικής του καναλιού (&lt;a href="https://vlachos.science/el/publication/kaushik-efficient-2018/">EUSIPCO 2018&lt;/a>). Με συναδέλφους από το Queen&amp;rsquo;s University Belfast μελετήσαμε έναν διαμορφωτή δέσμης δύο σταδίων με φακό Rotman, που δίνει υψηλό κέρδος κεραίας χωρίς δίκτυο επιλογής δέσμης, και σχεδιάσαμε έναν εύρωστο εκτιμητή για αυτόν υπό δειγματοληψία χαμηλής ανάλυσης (&lt;a href="https://vlachos.science/el/publication/vlachos-robust-2019/">SPAWC 2019&lt;/a>, &lt;a href="https://vlachos.science/el/publication/vlachos-millimeter-2023/">ICC 2023 Workshops&lt;/a>).&lt;/p>
&lt;h2 id="κανάλια-κινούμενων-uav-και-οχημάτων">Κανάλια κινούμενων UAV και οχημάτων&lt;/h2>
&lt;p>Ένα drone ή ένα αυτοκίνητο γνωρίζει ήδη πού βρίσκεται και πόσο γρήγορα κινείται. Εισάγουμε αυτή την πληροφορία από το σύστημα ελέγχου στον εκτιμητή καναλιού. Για μια ζεύξη με UAV εκτιμούμε πρώτα τη θέση του UAV από τη διαδρομή οπτικής επαφής και μετά συμπληρώνουμε το υπόλοιπο κανάλι (&lt;a href="https://vlachos.science/el/publication/alexandropoulos-joint-2020/">Asilomar 2020&lt;/a>). Η ταχύτητα του οχήματος μειώνει την εκπαίδευση που απαιτείται υπό beam squint (&lt;a href="https://vlachos.science/el/publication/vlachos-velocity-aided-2023/">EUSIPCO 2023&lt;/a>), ενώ για ένα UAV με μία μόνο αλυσίδα RF η εκτίμηση κατάστασης από τον ελεγκτή πτήσης του καθιστά το ευρυζωνικό κανάλι ανακτήσιμο από σύντομη εκπαίδευση (&lt;a href="https://vlachos.science/el/publication/vlachos-improving-2025/">IEEE TVT 2025&lt;/a>).&lt;/p>
&lt;figure id="figure-πτήσεις-δοκιμής-γύρω-από-σταθμό-βάσης-πάνω-και-το-σφάλμα-της-εκτίμησης-θέσης-του-ίδιου-του-uav-κάτω-η-πλευρική-πληροφορία-που-χρησιμοποιεί-ο-εκτιμητής-μας-από-το-ieee-tvt-2025">
&lt;div class="d-flex justify-content-center">
&lt;div class="w-100" >&lt;img alt="Τρεις διαδρομές δοκιμαστικών πτήσεων UAV γύρω από σταθμό βάσης και το σφάλμα εκτίμησης θέσης του UAV στον χρόνο" srcset="
/research/channel-estimation/uav-flights_hu_a26d9d7699d1ee7f.webp 400w,
/research/channel-estimation/uav-flights_hu_a37472829e1e7b62.webp 760w,
/research/channel-estimation/uav-flights_hu_8c40ef524bdef691.webp 1200w"
src="https://vlachos.science/research/channel-estimation/uav-flights_hu_a26d9d7699d1ee7f.webp"
width="760"
height="524"
loading="lazy" data-zoomable />&lt;/div>
&lt;/div>&lt;figcaption>
Πτήσεις δοκιμής γύρω από σταθμό βάσης (πάνω) και το σφάλμα της εκτίμησης θέσης του ίδιου του UAV (κάτω), η πλευρική πληροφορία που χρησιμοποιεί ο εκτιμητής μας. Από το IEEE TVT 2025.
&lt;/figcaption>&lt;/figure>
&lt;h2 id="xl-mimo-στα-thz-dual-wideband-fading-και-εκτίμηση-με-τη-βοήθεια-αίσθησης">XL-MIMO στα THz: dual-wideband fading και εκτίμηση με τη βοήθεια αίσθησης&lt;/h2>
&lt;p>Στα THz, οι εξαιρετικά μεγάλες στοιχειοκεραίες (XL-MIMO) με εκατοντάδες κεραίες αντιμετωπίζουν ταυτόχρονα beam squint και διασυμβολική παρεμβολή. Μοντελοποιούμε και τα δύο στο πεδίο του χρόνου για μετάδοση ενός φέροντος, με μια μικτή-ακέραια δικυρτή διατύπωση που χειρίζεται αυθαίρετα πρότυπα καθυστερήσεων (&lt;a href="https://vlachos.science/el/publication/vlachos-biconvex-2025/">EUSIPCO 2025&lt;/a>). Σε ένα σύστημα ολοκληρωμένης αίσθησης και επικοινωνίας (ISAC), η έξοδος του ραντάρ του ίδιου του σταθμού βάσης δίνει στον εκτιμητή ένα προβάδισμα: ένας αλγόριθμος δικυρτού ADMM που ξεκινά από την έξοδο του ραντάρ ανακτά από κοινού τον πίνακα του καναλιού και το σύνολο των καθυστερήσεων, και επιστρέφει το προφίλ καθυστερήσεων ως έξοδο αίσθησης χωρίς επιπλέον πιλοτικά σήματα (&lt;a href="https://vlachos.science/publication/vlachos-sensing-thz-xlmimo-2026/">ISAC 2026&lt;/a>).&lt;/p>
&lt;h2 id="εκτίμηση-καναλιού-με-ανασυνθέσιμες-ευφυείς-επιφάνειες">Εκτίμηση καναλιού με ανασυνθέσιμες ευφυείς επιφάνειες&lt;/h2>
&lt;p>Μια ανασυνθέσιμη ευφυής επιφάνεια (RIS) μπορεί να διαμορφώσει το περιβάλλον διάδοσης, αλλά τα κανάλια που περνούν από αυτήν πρέπει πρώτα να εκτιμηθούν, και μια πλήρως παθητική επιφάνεια δεν μπορεί να τα παρατηρήσει. Προτείναμε μια αρχιτεκτονική υλικού RIS με ελάχιστο αριθμό ενεργών στοιχείων που καθιστά δυνατή τη ρητή εκτίμηση καναλιού (&lt;a href="https://vlachos.science/el/publication/alexandropoulos-hardware-2020/">ICASSP 2020&lt;/a>), καθώς και ένα πρωτόκολλο για RIS με δυνατότητα λήψης, που εκτιμούν τα κανάλια δύο τερματικών πολλαπλών κεραιών από μη ορθογώνια πιλοτικά σήματα, αξιοποιώντας και πάλι την αραιότητα στον χώρο των δεσμών και τη χαμηλή τάξη (&lt;a href="https://vlachos.science/el/publication/alexandropoulos-receiving-2025/">κεφάλαιο βιβλίου Springer, 2026&lt;/a>).&lt;/p>
&lt;h2 id="κβαντικοί-υπολογιστές-για-εκτίμηση-καναλιού">Κβαντικοί υπολογιστές για εκτίμηση καναλιού&lt;/h2>
&lt;p>Πολλοί εκτιμητές καναλιού καταλήγουν στην επίλυση ενός μεγάλου γραμμικού συστήματος, όπου οι κβαντικοί αλγόριθμοι υπόσχονται μεγάλη επιτάχυνση. Με τον Κώστα Μπλέκο μελετήσαμε πώς κβαντικοί επιλυτές γραμμικών συστημάτων θα μπορούσαν να υποβοηθήσουν δέκτες massive MIMO σε mmWave και πώς η κωδικοποίηση πλάτους (amplitude encoding) της κβαντικής κατάστασης σχετίζεται με την ανάκτηση του καναλιού (&lt;a href="https://vlachos.science/el/publication/vlachos-quantum-2022/">VLSI-SoC 2022&lt;/a>).&lt;/p>
&lt;h2 id="τρέχουσες-κατευθύνσεις">Τρέχουσες κατευθύνσεις&lt;/h2>
&lt;ul>
&lt;li>Κλείσιμο του βρόχου ανάμεσα σε αίσθηση και επικοινωνία, ώστε κάθε εκτίμηση καναλιού να βελτιώνει το επόμενο βήμα αίσθησης και η έξοδος της αίσθησης την επόμενη εκτίμηση.&lt;/li>
&lt;li>Διάδοση κοντινού πεδίου (σφαιρικού κύματος) για στοιχειοκεραίες XL-MIMO, όπου το μοντέλο μακρινού πεδίου στο οποίο βασίζονται οι περισσότεροι εκτιμητές παύει να ισχύει.&lt;/li>
&lt;li>Συνδυασμένος σχεδιασμός της κίνησης του UAV και της ευθυγράμμισης δέσμης, ώστε η ίδια η διαδρομή πτήσης να κρατά το κανάλι εύκολο στην εκτίμηση.&lt;/li>
&lt;/ul>
&lt;h2 id="συνεργάτες">Συνεργάτες&lt;/h2>
&lt;p>George C. Alexandropoulos, John S. Thompson, Aryan Kaushik, Χρήστος Μαυροκεφαλίδης, Κώστας Μπερμπερίδης, Michail Matthaiou, Vincent F. Fusco, Muhammad Z. Shakir, Besma Smida, Κωνσταντίνος Δ. Κατσάνος και Κώστας Μπλέκος.&lt;/p>
&lt;h2 id="συνεργαστείτε-μαζί-μας">Συνεργαστείτε μαζί μας&lt;/h2>
&lt;p>Προσφέρουμε διπλωματικές και μεταπτυχιακές εργασίες, πρακτική άσκηση και συνεπίβλεψη διδακτορικών σε αυτά τα προβλήματα, στο ΙΝΒΙΣ του Ε.Κ. ΑΘΗΝΑ και στο Πανεπιστήμιο Πατρών. Οι φοιτητές παίρνουν ένα καλά ορισμένο πρόβλημα, λειτουργικό κώδικα προσομοίωσης ως αφετηρία και υπολογιστικό χρόνο στον εθνικό υπερυπολογιστή ARIS, και είναι συν-συγγραφείς σε ό,τι δημοσιεύουν. Τα ανοιχτά θέματα διπλωματικών και πρακτικής άσκησης βρίσκονται στη σελίδα &lt;a href="https://vlachos.science/el/research/open-topics/">ανοιχτά θέματα&lt;/a>. Ερευνητές που ενδιαφέρονται για κοινές δημοσιεύσεις ή προτάσεις είναι εξίσου ευπρόσδεκτοι. &lt;a href="https://vlachos.science/el/contact/">Επικοινωνήστε μαζί μας&lt;/a> και δείτε τη σελίδα της &lt;a href="https://vlachos.science/el/group/">ερευνητικής ομάδας&lt;/a> για το ποιοι εργάζονται σήμερα μαζί μας.&lt;/p></description></item><item><title>Semantically-Informed Predictive Control for Autonomous UAV Connectivity in Urban Environments</title><link>https://vlachos.science/el/publication/vlachos-semantic-uav-2026/</link><pubDate>Mon, 24 Aug 2026 00:00:00 +0000</pubDate><guid>https://vlachos.science/el/publication/vlachos-semantic-uav-2026/</guid><description>&lt;h2 id="key-contributions">Key Contributions&lt;/h2>
&lt;ul>
&lt;li>An &lt;strong>Effective Capacity&lt;/strong> metric that extends the radio map paradigm by weighting raw throughput with a material-dependent reliability coefficient, decoupling signal strength from link stability and exposing permeable vegetation corridors that signal-strength planners overlook.&lt;/li>
&lt;li>A &lt;strong>two-layer planner&lt;/strong> comprising (i) a Semantically-Informed RRT backbone augmented with material-dependent reliability and capacity acceptance checks that prune expansion through multipath zones, and (ii) a gradient-based trajectory optimizer that deforms the path by balancing signal-seeking and reliability-seeking forces derived from the product-rule decomposition of ∇C_eff.&lt;/li>
&lt;li>&lt;strong>Hardware validation&lt;/strong> of the material ambiguity premise via characterization with a TI IWR6843AOP 60 GHz FMCW radar, confirming that radar alone cannot distinguish concrete from vegetation.&lt;/li>
&lt;/ul></description></item></channel></rss>