دکتری در زمینه نقشهبرداری و موقعیتیابی همزمان مشارکتی مبتنی بر چندمسیره از طریق یادگیری ماشین
بررسی رویکردهای یادگیری ماشین برای نقشهبرداری و موقعیتیابی همزمان مشارکتی با استفاده از سیگنالهای چندمسیره بیسیم.
مناسب برای:مناسب برای مهندسان فارغالتحصیل با پیشینه قوی در یادگیری ماشین، ارتباطات بیسیم و پردازش سیگنال.
مرور کلی
این موقعیت دکتری بر روی بررسی تکنیکهای یادگیری ماشین برای پیشبرد نقشهبرداری و موقعیتیابی همزمان (SLAM) با بهرهگیری از انتشار موج رادیویی چندمسیره در دستگاههای بیسیم مشارکتی تمرکز دارد. این کاندیدا که در ENSEA مستقر است و با آزمایشگاه LETI همکاری میکند، ویژگیهای کانال انتشار را از پیوندهای رادیویی متعدد استخراج خواهد کرد تا به طور همزمان موقعیت دستگاههای سیار و پراکندهسازهای مجاور را تخمین بزند. این کار توسعه روششناسی را با اعتبارسنجی تجربی با استفاده از اندازهگیریهای واقعی با پهنای باند فوقعریض و شبیهسازیهای ردیابی پرتو مصنوعی ترکیب میکند. نامزد موفق به راهحلهای نوآورانه ناوبری قابل اجرا در محیطهای پیچیده و پویا مانند ناوگان رباتیک و تیمهای واکنش اضطراری کمک خواهد کرد.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندیها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.