Use este identificador para citar ou linkar para este item: https://repositorio.ufpa.br/jspui/handle/2011/14867
Tipo: Artigo de Periódico
Data do documento: 2021
Autor(es): OLIVEIRA, Ailton Pinto de
NASCIMENTO, Arthur Matheus do
COSTA, Walter Tadeu Neves Frazão da
TRINDADE, Isabela Pamplona
BASTOS, Felipe Henrique Bastos e
GOMES, Diego de Azevedo
MÜLLER, Francisco Carlos Bentes Frey
KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha
Afiliação do(s) Autor(es): OLIVEIRA, A. P.; NASCIMENTO, A. M.; COSTA, W. T. N. F.; TRINDADE, I. P.; BASTOS, F. H. B., MÜLLER, F. C. B. F.; KLAUTAU JÚNIOR, A. B. R. Universidade Federal do Pará
Título: Simulation of machine learning-based 6G systems in virtual worlds
Citar como: OLIVEIRA, Ailton et al. Simulation of machine learning-based 6G systems in virtual worlds. ITU Journal on Future and Evolving Technologies, online, v. 2, n. 4, p. 113-123, 2021. DOI: https://doi.org/10.52953/SJAS4492. Disponível em: http://repositorio.ufpa.br:8080/jspui/handle/2011/14867. Acesso em:.
Abstract: Digital representations of the real world are being used in many applications, such as augmented reality. 6G systems will not only support use cases that rely on virtual worlds but also benefit from their rich contextual information to improve performance and reduce communication overhead. This paper focuses on the simulation of 6G systems that rely on a 3D representation of the environment, as captured by cameras and other sensors. We present new strategies for obtaining paired MIMO channels and multimodal data. We also discuss trade-offs between speed and accuracy when generating channels via ray tracing. We finally provide beam selection simulation results to assess the proposed methodology.
Palavras-chave: 6G
Artificial intelligence
Machine learning
MIMO
Ray tracing
Título do Periódico: ITU Journal on Future and Evolving Technologies
ISSN: 2616-8375​​
País: Suica
Instituição: International Telecommunication Union
Sigla da Instituição: ITU
Tipo de Acesso: Acesso Aberto
Fonte URI: https://www.itu.int/pub/S-JNL-VOL2.ISSUE4-2021-A10
Identificador DOI: 10.52953/SJAS4492
Aparece nas coleções:Artigos Científicos - ITEC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Article_SimulationMachineLearning.pdf8,64 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons