Prezenční studium

4 roky

doc. Ing. Martin Štumpf, Ph.D.

Předseda :
doc. Ing. Martin Štumpf, Ph.D.
Člen interní :
prof. Ing. Aleš Prokeš, Ph.D.
doc. Ing. Tomáš Götthans, Ph.D.
doc. Ing. Jaroslav Láčík, Ph.D.
prof. Dr. Ing. Zbyněk Raida
doc. Ing. Roman Šotner, Ph.D.
doc. Ing. Jiří Petržela, Ph.D.
Člen externí :
Ing. Ondřej Číp, Ph.D.
doc. Ing. Milan Polívka, Ph.D.

Poskytnout doktorské vzdělání absolventům magisterského vysokoškolského studia v oblasti elektroniky a komunikačních technologií. Prohloubit teoretické znalosti studentů ve vybraných částech vyšší matematiky a fyziky a dát jím též potřebné vědomosti a praktické dovednosti z aplikované informatiky a výpočetní techniky. Naučit je metodám vědecké práce.

Absolvent bude umět řešit vědecké a složité technické úlohy v oblasti elektroniky a elektronických komunikací. Absolventi doktorského studijního programu "Elektronika a komunikační technologie" budou v oblasti elektroniky a sdělovací techniky schopni pracovat jako vědečtí a výzkumní pracovníci v základním či aplikovaném výzkumu, jako specializovaní odborníci vývoje, konstrukce a provozu v různých výzkumných a vývojových institucích, elektrotechnických a elektronických výrobních firmách a společnostech a u uživatelů komunikačních systémů a zařízení, přičemž zde budou schopni tvůrčím způsobem využívat moderní výpočetní komunikační a měřicí techniku.

Absolventi doktorského studijního programu "Elektronika a komunikační technologie" jsou schopni samostatně řešit složité vědecké a technické úlohy v oblasti elektroniky a komunikací. Díky kvalitnímu rozvinutému teoretickému vzdělání a specializaci ve vybraném oboru jsou absolventi doktorského studia vyhledáváni jako specialisté v oblasti elektroniky a komunikační techniky. Absolventi doktorského studijního programu budou schopni pracovat v oblasti elektroniky a sdělovací techniky jako vědečtí a výzkumní pracovníci v základním či aplikovaném výzkumu, jako specializovaní odborníci vývoje, konstrukce a provozu v různých výzkumných a vývojových institucích, elektrotechnických a elektronických výrobních firmách a společnostech, přičemž zde budou schopni tvůrčím způsobem využívat moderní výpočetní komunikační a měřicí techniku.

Studium doktoranda probíhá podle individuálního studijního plánu, který zpracuje v úvodu studia školitel doktoranda ve spolupráci s doktorandem. V individuálním studijním plánu jsou specifikovány všechny povinnosti stanovené v souladu se Studijním a zkušebním řádem VUT, které musí doktorand k úspěšnému ukončení studia splnit. Tyto povinnosti jsou časově rozvrženy do celého období studia, jsou bodově ohodnoceny a v pevně daných termínech probíhá kontrola jejich plnění.
Student si zapíše a vykoná zkoušky z povinných (Návrh moderních elektronických obvodů, Moderní digitální bezdrátová komunikace), minimálně dvou povinně volitelných předmětů ohledem na zaměření jeho disertační práce, a dále minimálně dvou volitelných předmětů (Angličtina pro doktorandy, Řešení inovačních zadání, Vědecké publikování od A do Z)
Ke státní doktorské zkoušce se může student přihlásit až po vykonání všech zkoušek předepsaných jeho individuálním studijním plánem. Před státní doktorskou zkouškou student vypracuje pojednání k disertační práci, v němž detailně popíše cíle práce, důkladné zhodnocení stavu poznání v oblasti řešené disertace, charakteristiku metod, které hodlá při řešení uplatňovat.
Obhajoba pojednání, které je oponováno, je součástí státní doktorské zkoušky. V další části zkoušky musí student prokázat hluboké teoretické i praktické znalosti v oblasti elektrotechniky, elektroniky, komunikační techniky, obecné teorie obvodů a elektromagnetického pole, zpracování signálů, anténní a vysokofrekvenční techniky. Státní doktorská zkouška probíhá ústní formou a kromě diskuze nad pojednáním k disertační práci se také skládá z tematických okruhů týkajících se povinných a povinně volitelných předmětů.
K obhajobě disertační práce se student hlásí po vykonání státní doktorské zkoušky a po splnění podmínek pro ukončení, jakými jsou účast na výuce, vědecká a odborná činnost (tvůrčí činnost), a minimálně měsíční studijní nebo pracovní stáž na zahraniční instituci anebo účast na mezinárodním tvůrčím projektu.

Studium doktoranda probíhá podle individuálního studijního plánu (dále jen ISP), který zpracuje v úvodu studia školitel doktoranda ve spolupráci s doktorandem. Individuální studijní plán je pro doktoranda závazný. Jsou v něm specifikovány všechny povinnosti stanovené v souladu se Studijním a zkušebním řádem VUT, které musí doktorand k úspěšnému ukončení studia splnit. Tyto povinnosti jsou časově rozvrženy do celého období studia, jsou bodově ohodnoceny a v pevně daných termínech probíhá kontrola jejich plnění. Průběžné bodové hodnocení všech aktivit doktoranda je vedeno v dokumentu „Celkové bodové hodnocení doktoranda“ a je součástí ISP. Při zahájení dalšího roku studia pak školitel do ISP zaznamená případné změny. Nejpozději do 15. 10. každého roku studia odevzdává doktorand vytištěný a podepsaný ISP na vědeckém oddělení fakulty ke kontrole a založení.
Během prvních čtyř semestrů skládá doktorand zkoušky z povinných, povinně volitelných anebo volitelných předmětů pro splnění bodových limitů ze Studijní oblasti, a současně se intenzivně zabývá vlastním studiem a analýzou poznatků v oboru stanoveném tématem disertační práce a průběžným publikováním takto získaných poznatků a vlastních výsledků. V dalších semestrech se doktorand již více soustřeďuje na výzkum a vývoj, který souvisí s tématem disertační práce, na publikování výsledků své tvůrčí práce a na vlastní zpracování disertační práce.
Do konce druhého roku studia skládá doktorand státní doktorskou zkoušku, kterou prokazuje široký rozhled a hluboké znalosti v oboru, souvisejícím s tématem disertační práce. K této zkoušce se musí přihlásit nejpozději do 30. dubna ve druhém roce svého studia. Státní doktorské zkoušce předchází zkouška z anglického jazyka.
Ve třetím a čtvrtém roce svého studia provádí doktorand potřebnou výzkumnou činnost, publikuje dosažené výsledky a zpracovává svoji disertační práci. Součástí studijních povinností v doktorském studijním programu je absolvování části studia na zahraniční instituci nebo účast na mezinárodním tvůrčím projektu s výsledky publikovanými nebo prezentovanými v zahraničí nebo jiná forma přímé účasti studenta na mezinárodní spolupráci, což je nutné doložit nejpozději při odevzdání disertační práce.
Doktorandi ve čtvrtém roce studia předkládají do konce zimního zkouškového období svému školiteli rozpracovanou disertační práci, který ji ohodnotí. Disertační práci doktorand odevzdává do konce 4. roku studia.
Student prezenční formy doktorského studia je v průběhu studia povinen absolvovat pedagogickou praxi, tj. působit v procesu výuky. Zapojení doktoranda do pedagogické činnosti je součástí jeho vědecké přípravy. Pedagogickou praxí doktorand získává zkušenosti v předávání poznatků a zdokonaluje prezentační dovednosti. Skladbu pedagogických aktivit (cvičení, laboratorní cvičení, vedení projektů apod.) určí doktorandovi vedoucí daného ústavu po dohodě se školitelem. Povinnost pedagogické praxe se nevztahuje na doktorandy-samoplátce a na doktorandy v kombinované formě studia. Zapojení do výuky v rámci pedagogické praxe potvrdí po jejím splnění školitel v IS VUT.

1. AI-based Estimation of Signal Coverage and Performance in Cellular Networks

   In contemporary industries, there is a growing need for robust technical platforms capable of handling large volumes of data generated by various sensors, while maintaining high levels of reliability. Cellular and wireless networks have emerged as vital components in meeting these requirements. As the adoption of these networks continues to expand, it becomes increasingly important to understand factors such as signal coverage, reliability, and capacity to optimize performance and ensure seamless connectivity, especially in complex environments such as manufacturing facilities. The utilization of professional hardware equipment and software tools is often necessary to facilitate the collection and analysis of data from these networks [1]-[3]. Recent research [3], [4] suggests that machine and deep learning (ML and DL) technologies could offer effective solutions for estimating signal coverage provided by cellular networks and improving forecasting capabilities in terms of cellular network performance. This work is focused on the research in the development of advanced ML and DL algorithms for estimating signal coverage and performance in 4G/5G cellular networks. The initial phase involves defining the essential Key Performance Indicators (KPIs) associated with measuring and evaluating the performance of 4G/5G networks, as well as establishing principles for conducting long-term measurements to collect data. A portable measurement setup equipped with suitable hardware and software tools will be developed to facilitate the long-term collection and processing of data from indoor and outdoor measurements. During these measurements, various environmental factors will be examined (such as the time of day and its impact on network load due to population mobility), which can affect the quality of radio connections in wireless communications. These collected data, among others, will be used to construct coverage maps for the measured areas. Leveraging the multitude of parameters available, ML and DL architectures will be employed to extract and learn more features from the data. The research will focus on developing, validating, and optimizing artificial intelligence models and algorithms (ML and DL) to improve the prediction of cellular signal quality and coverage under various scenarios and transmission conditions. The ML/DL algorithms must strike a balance between complexity, accuracy, and efficiency. They are expected to be implemented in Python or MATLAB using available libraries (such as PyTorch, Keras, TensorFlow) and toolboxes (such as Deep Learning Toolbox), respectively. Ultimately, the dataset obtained from long-term measurement campaigns, along with the ML/DL models and algorithms, will be made freely available to the wider scientific community. This approach ensures not only the reproducibility of the achieved results but also serves as the foundation for further research and development in the field of wireless and cellular communications. References: [1] V. Raida, P. Svoboda, M. Koglbauer and M. Rupp, "On the Stability of RSRP and Variability of Other KPIs in LTE Downlink – An Open Dataset," GLOBECOM 2020–2020 IEEE Global Communications Conference, Taipei, Taiwan, 2020, pp. 1-6, doi: 10.1109/GLOBECOM42002.2020.9348145. [2] M. Rochman and et al., " A comprehensive analysis of the coverage and performance of 4G and 5G deployments," Computer Networks, vol. 237, pages 110060, 2023, doi: 10.1016/j.comnet.2023.110060. [3] L. Zhang, X. Chu and M. Zhai, "Machine Learning-Based Integrated Wireless Sensing and Positioning for Cellular Network," IEEE Transactions on Instrumentation and Measurement, vol. 72, pp. 1-11, 2023, Art no. 5501011, doi: 10.1109/TIM.2022.3224513. [4] A. Al-Thaedan and et al., „A machine learning framework for predicting downlink throughput in 4G-LTE/5G cellular networks,“ Int. j. inf. tecnol., vol. 16, pp. 651–657, 2024, doi: 10.1007/s41870-023-01678-w.

   Školitel: Polák Ladislav, doc. Ing., Ph.D.

2. Elektromagnetická analýza časově proměnných metapovrchů

   Časoprostorové elektromagnetické chování metapovrchů, jejichž konstitutivní vlastnosti jsou časově invariantní, bylo rozsáhle studováno a je dobře pochopeno. Náročné cíle 6G komunikačních systémů však vyžadují použití nekonvenčních inteligentních technologií, které by překonaly fyzické limity standardních časově invariantních systémů. Slibnou hardwarovou technologií k dosažení tohoto cíle je rekonfigurovatelný inteligentní metapovrch, jehož elektromagnetické vlastnosti se mění v závislosti na časově proměnných prostředích. Vzhledem k tomu, že nejmodernější přístupy elektromagnetického modelování neumožňují jeho efektivní analýzu, přinese doktorandský výzkum zásadně nové výpočetní a analytické přístupy k řešení tohoto problému, čímž poskytne klíčové prostředky pro navrhování inteligentních časově proměnných metapovrchů. Vzhledem k jejich bezkonkurenční výpočetní efektivitě bude zvláštní pozornost věnována analytickým řešením a přístupům integrálních rovnic v časové oblasti založené na Cagniard-DeHoopově technice.

   Školitel: Štumpf Martin, doc. Ing., Ph.D.

3. Memetické algoritmy pro vícektriteriální optimalizací EM struktur

   Drtivá většina návrhových úloh je ze své povahy vícekriteriálních, kdy se snažíme minimalizovat/maximalizovat několik parametrů navrhovaného systému najednou. Tyto parametry bývají často v protikladu a pak je výhodné znát tvar Paretovy křivky, vyjadřující kompromis mezi jednotlivými parametry [1]. Existující globální algoritmy pro vícekriteriální optimalizaci jsou schopny nalézt kompromisní řešení ležící v blízkosti Paretova čela, ale pracují velmi neefektivně. Proto se nabízí jejich propojení s lokálními algoritmy (např. Newtonova metoda, metoda konjugovanýc gradientů atd.), které velmi rychle konvergují do lokálních minim, ovšem vyžadují jen jednokriteriální formulaci. Předmětem dizertační práce tedy bude vytvořit tzv. memetický algoritmus [2], který vhodně propojí globální vícekriteriální algoritmy s efektivními lokálními algoritmy. Memetický algoritmus bude implementován do toolboxu FOPS [3] psaném v jazyce MATLAB. Memetický algoritmus bude poté využit pro návrh pokročilých EM komponentů jako antén, filtrů aj. [1] DEB, Kalyanmoy. Multi-objective optimization using evolutionary algorithms. Wiley paperback series. Chichester: John Wiley, c2001. ISBN 0-471-87339-X. [2] CAPEK, Miloslav; JELINEK, Lukas; KADLEC, Petr a GUSTAFSSON, Mats. Optimal Inverse Design Based on Memetic Algorithms—Part I: Theory and Implementation. Online. IEEE Transactions on Antennas and Propagation. 2023, roč. 71, č. 11, s. 8806-8816. ISSN 0018-926X. Dostupné z: https://doi.org/10.1109/TAP.2023.3308587. [cit. 2024-03-19]. [3] MAREK, Martin; KADLEC, Petr a ČAPEK, Miloslav. FOPS: A new framework for the optimization with variable number of dimensions. Online. International Journal of RF and Microwave Computer-Aided Engineering. 2020, roč. 30, č. 9. ISSN 1096-4290. Dostupné z: https://doi.org/10.1002/mmce.22335. [cit. 2024-03-19].

   Školitel: Kadlec Petr, doc. Ing., Ph.D.

4. Metody pro zvýšení bezpečnosti sítí 5G/6G založené na zpracování signálů fyzické vrstvy

   V budoucí generaci mobilních komunikačních systémů 6G je předpokládáno využití některých inovativních technologií a přístupů – například tzv. rekonfigurovatelných inteligentních povrchů, nebo sdílení rádiových prostředků pro simultánní komunikaci a získávání informací o prostředí (např. na principu radaru). Mimoto jsme již v současnosti svědky rozvoje tzv. otevřených rádiových přístupových sítí OpenRAN. Jedním z aktuálně zkoumaných alternativních přístupů ke zvýšení bezpečnosti a robustnosti bezdrátových sítí je využití vlastností parametrů fyzické vrstvy (PHY layer security) – například znalosti o rádiovém kanálu mezi uživatelem a základnovou stanicí, nebo skrytých odlišností hardware jednotlivých vysílačů (nelinearity, IQ nesymetrie apod). Cílem práce je zhodnotit (a navrhnout odpovídající metody) jakým způsobem bude činnost těchto metod ovlivněna zavedením nových technologií pro 6G, a naopak jakým způsobem tyto technologie (napři radarové získávání informací o okolí) může přispět ke zvýšení věrohodnosti komunikace. V rámci studia předpokládáme zapojení do projektu řešeného v rámci výzev Ministerstva vnitra ČR, mezinárodního projektu COST, a možnost stáže na některém ze spolupracujících zahraničních pracovišť.

   Školitel: Maršálek Roman, prof. Ing., Ph.D.

5. Millimeter wave channel characterization using machine learning

   Steadily growing number of communication devices per area and increasing quality of services require allocation of more frequency resources. Millimeter wave (MMW) frequencies between 30 and 300 GHz have been attracting growing attention as a possible candidate for next-generation broadband cellular networks. Specific limitations of MMW signal propagation, extremely large bandwidth and time variable environment caused by mobile users connected to a backhaul networks traveling in rugged municipal environments create unprecedented challenges to the development of broadband communication systems using advanced technologies for eliminating the undesirable time varying channel features. The general objective of the project is measurement and modelling of the broadband time varying MMW channels between mobile users and infrastructure in delay and spatial domain and extension of our previous research focused on the characterization of intra-vehicle and V2X channels for the purposes of stochastic channel modeling [1]. The parametrization of channel models needs an accurate extraction of the channel parameters such as number, position and amplitudes of multipath components (MPC), clusters, LOS, and NLOS components, etc. in the delay and spatial domains from measured data. Real time capturing of MPCs in a very wide spatial angle is provided, for example, by measuring systems with a fast-spinning antenna. However, such a system produces a huge amount of data. Thus, to get all the MPC related parameters, some automated algorithm is needed. Such algorithms are based for example on identifying the changes in the slope of a channel impulse response or generally on parameter threshold-based identification. Due to the limited accuracy and reliability of many of these methods, we are going to use machine learning (ML) techniques such as Gaussian Mixture Model or K-means algorithm for gathering MPCs with similar parameters behavior [2]. Further the project also envisages the use of supervised ML such as Deep Neural Networks or Support Vector Machine to predict and estimate the channel parameters and examine large and small-scale fading including parameters such as path loss, delay path loss exponent, Doppler spread, angle of arrival, and other variables describing the channel [3]. The above algorithms are expected to be implemented using Machine Learning Workflow with Keras, Tensorflow, and Python [4]. An alternative implementation in MATLAB also possible. The student will be a member of the international team of scientists from Brno University of Technology, TU Vienna, Austrian Institute of Technology Vienna, University of Southern California, National Institute of Technology Durgapur India, and Military University of Technology Warsaw. [1] E. Zöchmann, M. Hofer, M. Lerch, S. Pratschner, L. Bernado, J. Blumenstein, S. Caban, S. Sangodoyin, H. Groll, T. Zemen, A. Prokeš, M. Rupp, A. Molisch, C. Mecklenbräuker, Position-Specific Statistics of 60 GHz Vehicular Channels During Overtaking. IEEE Access, 2019, vol. 7, no. 1, p. 14216-14232. [2] S. M. Aldossari, K.C. Chen, Machine Learning for Wireless Communication Channel Modeling: An Overview, Wireless Personal Communications, 2019, 106, p. 41 – 70. [3] R. A. Osman, S. N. Saleh, Y. N. M. Saleh, M. N. Elagamy, Enhancing the Reliability of Communication between Vehicle and Everything (V2X) Based on Deep Learning for Providing Efficient Road Traffic Information. Applied Science, 2021, vol. 11, art. no. 11382. [4] C. A. Mattmann, Machine Learning with TensorFlow, Second Edition, Manning Publications, 2021.

   Školitel: Prokeš Aleš, prof. Ing., Ph.D.

6. Nové analogové bloky, koncepty a metody pro snímání a zpracování elektrických a neelektrických veličin

   Integrované obvody jsou velmi důležité pro zpracování signálů ze senzorů jako součást moderní fyzické vrstvy komunikačních systémů [1], [2]. Nabízejí výraznou minimalizaci systémové plochy a nízkou spotřebu energie. Proto jsou tyto koncepty velmi užitečné pro biomedicínské aplikace (rozbory krve – přítomnost různých chemikálií, měření a hodnocení bioimpedancí atd. [3], [4]), v mechanice (vzdálenost ovlivňuje kapacitu) [5] atd. Toto téma zahrnuje studium využití jak diskrétních, tak i integrovaných aktivních stavebních buněk a bloků (zesilovače, převodníky, generátory, klopné obvody atd.) a studium vlastností aktuálně dostupných typů senzorů různých fyzikálních veličin. Očekává se, že budou formulována doporučení, požadavky, modely, metodiky a konkrétní řešení pro různé aktivní snímače, zpracování signálů a návrhy nových a pokročilých systémů. Počáteční práce se odvíjí od přezkoumání stavu techniky v diskutovaných oblastech a výsledků dosažených na pracovišti. Umožňuje najít nejvhodnější specifické téma (metodika, verifikace a měření, modelování, návrh diskrétních/integrovaných analogových/smíšených nízkopříkonových nebo komplexních systémů) vyhovující zájmům kandidáta. Tyto aktivity předpokládají zapojení do experimentálních prací (v rámci projektů základního výzkumu – spolupráce s řešitelským týmem včetně zahraničních odborníků) na návrhu a implementaci obvodů celočíselného i zlomkového řádu [4], modulů [5] a komponentů v diskrétní nebo integrované formě a psaní publikací. Tato specializace nabízí výrazné rozšíření dovedností a kompetencí v práci s moderními softwarovými nástroji (PSpice, Cadence Virtuoso/Spectre) návrhu analogových/smíšených obvodů a další zkušenosti s detailními principy řešení pokročilých systémů včetně spolupráce na návrhu aplikačně specifických integrovaných obvodů. References [1] R. Sotner, J. Jerabek, L. Polak, J. Petrzela, W. Jaikla and S. Tuntrakool, “Illuminance Sensing in Agriculture Applications Based on Infra-Red Short-Range Compact Transmitter Using 0.35 um CMOS Active Device.” IEEE Access, vol. 8, pp. 18149-18161, 2020, doi: 10.1109/ACCESS.2020.2966752 [2] R. Sotner, L. Polak, J. Jerabek, “Low-cost remote distance and height sensing analog device for laboratory agriculture environments.” Measurement Science and Technology, online first, 2022, doi: 10.1088/1361-6501/ac543c [3] C. Vastarouchas, C.Psychalinos, A.S. Elwakil, A.A.Al-Ali, “Novel Two-Measurements-Only Cole-Cole Bio-Impedance Parameters Extraction Technique.” Measurement, vol. 131, pp. 394–399, 2019. doi: 10.1016/j.measurement.2018.09.008 [4] S. Kapoulea, C. Psychalinos, A. S. Elwakil, “Realization of Cole-Davidson function-based impedance models: Application on Plant Tissues.” Fractal and Fractional Journal, vol. 4, 54, 2020. doi: 10.3390/fractalfract4040054 [5] L. Polak, R. Sotner, J. Petrzela, J. Jerabek, “CMOS Current Feedback Operational Amplifier-Based Relaxation Generator for Capacity to Voltage Sensor Interface.” Sensors, vol. 18, 4488, 2018. doi: 10.3390/s18124488

   Školitel: Šotner Roman, doc. Ing., Ph.D.

7. Snímání, extrakce a modelování impedančních charakteristik různých látek

   Poslední vývoj ukázal význam impedanční charakteristiky pro mnoho vědních oborů (zemědělství, kvalita a bezpečnost potravin, materiálové vědy, biologie, biomedicína atd.) [1]. Současný výzkum se zaměřuje na návrh a vývoj snímacích metod použitelných pro měření impedančních odezev různých látek (pevných, kapalných, organických, anorganických, …). Výzkum se zaměřuje na modelování těchto charakteristik na základě získávání dat pomocí různých snímacích přístupů určených pro charakter analyzované látky. Tato práce zahrnuje vyhodnocení vlivu reálného měřícího uspořádání (elektrody, materiály, kabely, měřící zařízení, podmínky atd.). Nejdůležitější částí této práce je analýza získaných výsledků a přizpůsobení naměřených odezev modelům reprezentovaným elektrickým obvodem a také symbolické znázornění naměřené impedance. Zlomkový/fraktální charakter prvků obvodu umožňuje detailní konstrukci přesného modelu [2]. Aplikační část tohoto tématu zahrnuje vývoj měřicího zařízení (a metod vyhodnocení) pro analýzu měřeného vzorku na základě porovnání se známými impedančními odezvami (na konkrétních pásmech/frekvencích těchto odezev). Výchozí práce se soustředí na přezkoumání stavu techniky v diskutovaných oblastech a výsledků dosažených na pracovišti. Umožňuje najít nejvhodnější specifické téma (metodika, verifikace a měření, modelování, návrh diskrétních/integrovaných analogových/smíšených nízkopříkonových nebo komplexních systémů) vyhovující zájmům kandidáta. Tyto aktivity předpokládají zapojení do experimentálních prací (v rámci projektů základního výzkumu – spolupráce s řešitelským týmem včetně zahraničních expertů) na návrhu a implementaci obvodů, modulů, snímačů [3] a součástek řádů celočíselných i zlomkových v diskrétní nebo integrované formě a psaní publikací. Tato specializace nabízí výrazné rozšíření dovedností a kompetencí v práci s moderními softwarovými nástroji (PSpice, Cadence Virtuoso/Spectre) analogového/smíšeného návrhu, další zkušenosti s laboratorním vybavením (vektorový síťový analyzátor, impedanční analyzátor) a přístroji (vývoj měřícího zařízení vč. snímacích rozhraní). [1] T. J. Freeborn, “A Survey of Fractional-Order Circuit Models for Biology and Biomedicine.” IEEE Journal on Emerging and Selected Topics in Circuits and Systems, vol. 3, no. 3, pp. 416-424, 2013. [2] S. Kapoulea, C. Psychalinos, A. S. Elwakil, “Realization of Cole-Davidson function-based impedance models: Application on Plant Tissues.” Fractal and Fractional Journal, vol. 4, 54, 2020, doi: 10.3390/fractalfract4040054 [3] R. Sotner, L. Polak, J. Jerabek, “Low-cost remote distance and height sensing analog device for laboratory agriculture environments.” Measurement Science and Technology, vol. 33, no. 6, pp. 1-16, 2022, doi: 10.1088/1361-6501/ac543c

   Školitel: Šotner Roman, doc. Ing., Ph.D.

8. Space compression for guided wave structures at microwave frequencies

   Space compression involves a reduction of free-space distances between optical elements by a thin device/material called a spaceplate [1], [2]. Recently, it gained importance due to novel approaches in the emerging field of non-local metamaterials. The issue of size reduction becomes prominent in quasi-optical systems common to the terahertz and microwave frequency region where the physical size of the elements can be limiting factor in the design process. This project is focused on the research of the space compression for guided wave structures. The problem will be studied on two-dimensional structures such as dielectric slabs, parallel plate waveguide or substrate integrated waveguides. The main attention will be concentrated on the investigation of periodic media and their application to guided wave structures to reach desired space compression. The special attention should be also paid to manufacturing and experimental characterization of the developed structures. References: [1] RESHEF, O., et al., An optic to replace space and its application towards ultra-thin imaging systems, Nature Communication, 2021, vol. 12, art. no. 3512. [2] MRNKA, M., et al., Space squeezing optics: Performance limits and implementation at microwave frequencies. APL Photonics, 2022, vol. 7, no. 7, p. 1-7.

   Školitel: Láčík Jaroslav, doc. Ing., Ph.D.

9. Wireless Communication using Artificial Intelligence

   Nowadays, various wireless communication systems often share common radiofrequency (RF) bands. In the future, the prevalence of scenarios where multiple wireless systems utilize the same RF band is expected to increase. This phenomenon, known as the coexistence of wireless communication systems, can have varying degrees of impact. In some cases, it may lead to critical issues, such as partial or complete loss of wireless services provided by communication systems, while in others, the systems can coexist without significant performance degradation [1]-[3]. Contemporary research [4], [5] suggests that machine learning (ML) and deep learning (DL) technologies could serve as effective tools for enhancing the reliability and efficiency of wireless communication systems, particularly in situations influenced by diverse transmission conditions. This work focuses on developing advanced machine learning (ML) and deep learning (DL) algorithms for classifying coexistence scenarios between different wireless communication systems based on RF signals. Initially, it is essential to define and measure various transmission scenarios for mobile and wireless communication systems operating in licensed and unlicensed RF bands. As part of these measurements, key environmental factors, such as multipath propagation, will be investigated, as they can significantly impact the quality of radio connections in wireless communications. Attention will also be given to studying parameters with the highest influence on the interfering signal's characteristics, such as idle signals and types of digital modulation. These parameters enable ML and DL architectures to learn more features from the data [5]. Subsequently, the research will focus on realizing, validating, and optimizing artificial intelligence models and algorithms (ML and DL) to enhance the efficiency and reliability of wireless communication links under different transmission conditions. The ML/DL models created will be trained and validated using data obtained from real-world, long-term measurement campaigns. The ML/DL algorithms must strike a balance between complexity, accuracy, and efficiency. They are expected to be implemented in Python or MATLAB using available libraries (such as PyTorch, Keras, TensorFlow) and toolboxes (such as Deep Learning Toolbox), respectively. Ultimately, the dataset obtained from long-term measurement campaigns, along with the ML/DL models and algorithms, will be made freely available to the wider scientific community. This approach ensures not only the reproducibility of the achieved results but also serves as the foundation for further research and development in the field of wireless communications. [1] A. M. Voicu, L. Simić and M. Petrova, "Survey of Spectrum Sharing for Inter-Technology Coexistence," IEEE Communications Surveys & Tutorials, vol. 21, no. 2, pp. 1112-1144, Secondquarter 2019, DOI: 10.1109/COMST.2018.2882308 [2] D. Zorbas, D. Hacket and B. O'Flynn, " On the Coexistence of LoRa and RF Power Transfer," 2023, First Online: https://www.researchgate.net/publication/368961826_On_the_Coexistence_of_LoRa_and_RF_Power_Transfer8 [3] L. Polak and J. Milos, “ Performance analysis of LoRa in the 2.4 GHz ISM band: coexistence issues with Wi-Fi,” Telecommunication Systems, vol. 74, no. 3, pp. 299-309, July 2020. DOI: 10.1007/s11235-020-00658-w [4] Y. Shi, K. Davaslioglu, Y. E. Sagduyu, W. C. Headley, M. Fowler and G. Green, "Deep Learning for RF Signal Classification in Unknown and Dynamic Spectrum Environments," In Proc of. Int. Symp. DySPAN, Nov. 2019, pp. 1-10, DOI: 10.1109/DySPAN.2019.8935684. [5] K. Pijackova and T. Gotthans, "Radio Modulation Classification Using Deep Learning Architectures," In Proc of. 31st Int. Conf. Radioelektronika, Apr. 2021, pp. 1-5, DOI: 10.1109/RADIOELEKTRONIKA52220.2021.9420195.

   Školitel: Polák Ladislav, doc. Ing., Ph.D.