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. Deep learning for wireless localization based on Bluetooth channel sounding

   In [A], authors used deep learning (DL) techniques to suppress received signal strength (RSS) instabilities caused by multipath propagation in wireless localization. The PhD thesis is focused on wireless localization based on Bluetooth Low Energy Channel Sounding (BLE CS). The thesis is expected to answer following questions: • Can DL improve parameters of BLE CS localization? • Can be the DL localization pre-trained in defined conditions (an anechoic chamber, reference temperature, etc.) and finally trained at the beginning of each measurement to provide improved accuracy? • Can be the DL localization implemented such a way to allow real-time operation? The DL localization should be optimized for personal cars. For experimental validation, the whole setup should be designed comprising the initiator a reasonable number of anchors. Attention should be paid to antennas, localization algorithms and hardware based on KW-x microcontrollers. Note: The project is going to be solved in cooperation with NXP Semiconductors, the Czech Republic. Reference [A] X. Yang et al., DeepWiPos: A deep learning-based wireless positioning framework to address fingerprint instability. IEEE Transactions on Vehicular Technology, 2023, early access. DOI: 10.1109/TVT.2023.3243196

   Školitel: Raida Zbyněk, prof. Dr. Ing.

2. 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.

3. Pokročilé optimalizační algoritmy pro clustering dat

   Disertační práce se zaměřuje na vývoj fundamentálně nových technik optimalizace pro řešení problému clusteringu. Detailní popis viz anglická verze.

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

4. Snímání, extrakce a modelování impedančních charakteristik různých látek

   Recent development indicated importance of impedance characteristic for many scientific fields (agriculture, food quality and safety, material sciences, biology, biomedicine, etc.) [1]. Current research focuses on design and development of sensing methods applicable for measurement of impedance responses of various substances (solid, liquid, organic, inorganic, …). The research targets on modeling of these characteristics based on data acquisition using various sensing approaches and determined for character of analyzed substance. This work includes evaluation of impact of real measuring arrangement (electrodes, materials, cables, measuring device, conditions, etc.). The most important part of this work includes analysis of obtained results and fitting of measured responses to models represented by electrical circuit as well as symbolical representation of measured impedance. Fractional-order character of circuit elements allows precise and detailed construction of accurate model [2]. The application part of this topic includes development of measuring device (and methods of evaluation) for analysis of measured sample based on comparison with known impedance responses (or with specific bands/frequencies of these responses). The initial state of work concentrates on review of state of the art in discussed areas and results achieved at the workplace. It allows to find the most suitable specific topic (methodology, verification and measurement, modeling, discrete/integrated analog/mixed low-power or complex systems design) fitting to interests of candidate. These activities expect involvement in experimental work (in frame of projects of basic research – cooperation with research team including foreign experts) on design and implementation of integer-order as well as fractional-order circuits, modules (sensing readouts) [3] and components in discrete or integrated form and writing and dissemination of publications. This specialization offers significant enhancement of skills and competences in work with modern software tools (PSpice, Cadence Virtuoso/Spectre) of analog/mixed design, further experience with laboratory equipment (vector network analyzer, impedance analyzer) and instrumentation (development of measuring device incl. sensing readouts). [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.

5. Vytěžování specifických informací z řečových signálů

   Řeč je nejpřirozenějším způsobem komunikace mezi lidmi [1]. Kromě přenosu zprávy obsahuje řeč (a zaznamenaný řečový signál) také znaky identifikující řečníka. Pro výzkum jsou zajímavé specifické rysy v řeči odrážející aktuální stav řečníka jako je nálada, stres, nedostatek spánku, alkohol atd., ale i informace o přítomnosti některých onemocnění, např. Parkinsonovy choroby. Zatímco sdělená zpráva a identita řečníka jsou obvykle dobře rozpoznatelné pouhým poslechem, hodně specifických informací zůstává skrytých. Lze je však odhalit pomocí počítačové analýzy řečových signálů. Výzkumné práce se budou řídit současným stavem techniky. V počáteční fázi bude potřeba zpracovat přehledovou studii o známých metodách získávání specifických informací z řečových signálů k rozpoznání negativních emocí [2], [3] a stavu vyhoření. Jádrem výzkumu bude odvození hlasivkových pulzů z řečového signálu a jejich zpracování v časové, frekvenční i kepstrální oblasti [4]. Bude vyvíjen optimální algoritmus pro získání efektivních hlasivkových pulzů. Úspěšnost a přesnost celkového přístupu k odhalování vybraných psychologických jevů bude testována na reálných řečových datech. [1] Amon, I. (2020) Die Macht der Stimme. Redline Verlag, München. [2] Chourasia, M., Haral, S., Bhatkar, S., & Kulkarni, S. (2021). Emotion recognition from speech signal using deep learning. In Intelligent Data Communication Technologies and Internet of Things, Springer, Singapore, pp. 471-481. [3] Fahad, M. S., Ranjan, A., Yadav, J., & Deepak, A. (2021). A survey of speech emotion recognition in natural environment. In Digital Signal Processing, 110, 102951. [4] Rabiner, L., & Schafer, R. (2011) Theory and Applications of Digital Speech Processing, Prentice Hall, London.

   Školitel: Sigmund Milan, prof. Ing., CSc.

6. Wireless Communications using Artificial Intelligence

   Nowadays, different wireless communication systems can share common radiofrequency (RF) bands. In the future, use cases in which the same RF band is utilized by several wireless systems will be increased. Such a so called coexistence of wireless communication systems can be critical (a partial or full loss of wireless services, provided by communication systems) or non-critical (communication systems can coexist without significant performance degradation) [1]-[3]. According to contemporary research [4], [5], machine and deep learning (ML and DL) based technologies can be suitable candidates to make the wireless communication, influenced by various transmission conditions, more reliable and efficient. This work focuses on the research in the development of advanced ML and DL-based algorithms for classification of coexistence scenarios, occurring between different wireless communication systems, in terms of RF signals. At the beginning, definition and measurement of emerging transmission scenarios for mobile and wireless communication systems operating in licensed and unlicensed RF bands must be provided. As a part of the measurement, key environmental circumstances will be investigated (e.g., the influence of the time of day on the network load - population mobility or the influence of hydrometeor on the propagation of waves), which can affect the quality of the radio connection in wireless communications. Attention should be also devoted to the study of parameters having the highest influence on the character of the interfering signal (e.g., idle signal, type of modulation). A large number of parameters enable the ML and DL architectures to learn more features from the data [5]. After that the research will focused on the realization, validation and optimization of artificial intelligence models and algorithms (including ML and DL) to increase the efficiency and reliability of wireless communication link provided under different transmission conditions (e.g., coexistence of wireless communication systems). The created ML/DL models will be trained and validated using data that will be obtained from real and long-term measurement campaigns. The ML/DL algorithms must find tradeoff between complexity, accuracy and efficiency. The ML/DL algorithms are expected to be programmed in Python or MATLAB using available libraries (PyTorch, Keras, TensorFlow) and toolboxes (Deep Learning Toolbox), respectively. At the end, the dataset, obtained from long-term measurement campaigns, as well as the ML/DL models and algorithms will be freely available to the wide scientific community, which will not only ensure the reproducibility of the achieved results, but will also be the basis for further research and development in the field of modern wireless communications. References: [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.

7. Zvyšování bezpečnosti 5G sítí na fyzické vrstvě

   Téma dizertace je zaměřeno do oblasti zvyšování bezpečnosti mobilních sítí páté generace (5G). Jedním z řešených problémů bude zvyšování odolnosti sítě proti falzifikaci identity základnové stanice. Student bude mít za úkol sledovat standardizační proces 3GPP a navrhnout a prakticky ověřit vybrané řešení pro detekci falešné základnové stanice. Při práci budou využívány nástroje openRAN, které umožní implementovat základnovou stanici pomocí softwarově definovaných rádií. Předpokládá se mezinárodní spolupráce se zahraničními pracovišti (např. SAL Linz, TU Wien).

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

1. kolo (podání přihlášek od 01.04.2023 do 30.04.2023)

1. Image Compression using Artificial Intelligence

   Nowadays, a vast amount of visual data to be stored and/or transmitted is rapidly increasing. The compression efficiency of traditional transformation-based lossy image compression techniques is reaching its limits. Therefore, efficient data representation provided by a suitable image compression technique is vital, especially from the viewpoint of emerging image formats, for instance omnidirectional and light field images [1]-[3]. According to contemporary research [4], [5], machine and deep learning (ML and DL) based technologies can be suitable candidates to make the image compression more reliable and efficient. Consequently, smaller file sizes and higher quality streams can be achieved. This work focuses on the research in the development of robust ML/DL-based perceptually optimized lossy image compression for conventional (2D) and advanced image formats (e.g., omnidirectional-360◦ images). At the beginning, investigation and selection of suitable ML/DL-based architectures for perceptually optimized lossy image compression schemes will be conducted. The image distortions are very specific to ML/DL-based codecs previously unseen with conventional transformation-based compression scheme. Hence, in the next steps, performance evaluation of ML/DL-based perceptually optimized compression schemes using suitable Quality of Experience (QoE) objective and subjective techniques must be provided. For instance, in the case of 360◦ images, the QoE can be influenced by many factors (e.g., compression algorithms, viewing conditions). Definition and prediction of these factors for omnidirectional images becomes very important. After that the research will focus on the benchmarking and optimization of computational performance of the ML/DL-based algorithms. Special attention must also be paid to selecting subsets of samples used for training, validation, and testing to achieve unbiased performance evaluation. Among others, it is necessary to verify the functionality of the proposed methods and procedures (e.g., testing of possible future applications). The ML/DL algorithms must find tradeoff between complexity, accuracy and efficiency. The ML/DL algorithms are expected to be programmed in Python or MATLAB using available libraries (PyTorch, Keras, TensorFlow) and toolboxes (Deep Learning Toolbox), respectively. At the end, the own created image dataset as well as the ML/DL models and algorithms will be freely available to the wide scientific community, which will not only ensure the reproducibility of the achieved results, but will also be the basis for further research and development in the fields of multimedia communication and image processing. References: [1] M. Simka, J. Kufa and L. Polak, "Picture Quality of 360° Images Compressed by Emerging Compression Algorithms," 2022 32nd International Conference Radioelektronika, Kosice, Slovakia, 2022, pp. 1-4, doi: 10.1109/RADIOELEKTRONIKA54537.2022.9764941. [2] J. Gutiérrez et al., "Subjective Evaluation of Visual Quality and Simulator Sickness of Short 360∘ Videos: ITU-T Rec. P.919," in IEEE Transactions on Multimedia, vol. 24, pp. 3087-3100, 2022, doi: 10.1109/TMM.2021.3093717. [3] M. Xu, C. Li, S. Zhang and P. L. Callet, "State-of-the-Art in 360° Video/Image Processing: Perception, Assessment and Compression," in IEEE Journal of Selected Topics in Signal Processing, vol. 14, no. 1, pp. 5-26, Jan. 2020, doi: 10.1109/JSTSP.2020.2966864. [4] Ch.-F. Hsu, T.-H. Hung and Ch.-H. Hsu, “Optimizing Immersive Video Coding Configurations Using Deep Learning: A Case Study on TMIV,” ACM Transactions on Multimedia Computing, Communications, and Applications, vol. 18, no. 1, pp. 1-25, Jan. 2022. DOI: 10.1145/3471191 [5] X. Feng, Y. Liu and S. Wei, "LiveDeep: Online Viewport Prediction for Live Virtual Reality Streaming Using Lifelong Deep Learning," in Proc. of Conf. on VR, March 2020, pp. 800-808. DOI: 10.1109/VR46266.2020.00104

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

2. Návrh radiových obvodů pro zpracování signálu

   Tématem dizertační práce je návrh radiových obvodů pro zpracování signálu, přičemž hlavním cílem je vytvořit obvody pro linearizaci výkonových zesilovačů používaných v kosmických aplikacích. Tyto nové obvody by měly být schopny efektivně a přesně linearizovat výkonové zesilovače, což by vedlo ke zlepšení kvality signálu a celkového výkonu systému. Vzhledem k použití v kosmických aplikacích budou obvody navrhovány s ohledem na extrémní podmínky, jako jsou vysoké teploty, nízké tlaky a vysoká radiace. Navíc se v práce zaměří na nekonvenční přístupy jako je využití strojového učení pro optimalizaci návrhu obvodů a zlepšení jejich vlastností. [1] Kumar, A., Shipra, & Rawat, M. (2023, February). Bandlimited DPD Adapted APD for 5G Communication. IEEE Transactions on Circuits and Systems II: Express Briefs, 70(2), 496–500. https://doi.org/10.1109/tcsii.2022.3177750

   Školitel: Götthans Tomáš, doc. Ing., Ph.D.

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

   The integrated circuits are very important for processing of signals from sensors and sensor readouts as a part of modern physical layer of communication systems [1], [2]. They offer significant minimization of system area and low power consumption. Therefore, these concepts are highly useful for biomedical applications (blood analysis – presence of various chemicals, bio-impedances measurement and evaluation, etc. [3], [4]), in mechanics (distance influences capacity) [5], etc. This topic includes study of utilization of discrete of-the-shelf as well as integrated active building cells and blocks (amplifiers, converters, generators, flip-flop circuits, etc.) and study of features of currently available types of sensors for various physical quantities. The recommendations, requirements, models, methodologies and specific solutions for various specific active sensor readouts and processing of signals are expected to be formulated for proposals of novel and advanced systems. The initial state of work concentrates on review of state of the art in discussed areas and results achieved at the workplace. It allows to find the most suitable specific topic (methodology, verification and measurement, modeling, discrete/integrated analog/mixed low-power or complex systems design) fitting to interests of candidate. These activities expect involvement in experimental work (in frame of projects of basic research – cooperation with research team including foreign experts) on design and implementation of integer-order as well as fractional-order circuits [4], modules (sensing readouts) [5] and components in discrete or integrated form and writing and dissemination of publications. This specialization offers significant enhancement of skills and competences in work with modern software tools (PSpice, Cadence Virtuoso/Spectre) of analog/mixed design approaches and further experience in detailed principles of advanced circuit solutions including cooperation on design of application specific integrated circuit. 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.

4. Space compression at microwave frequencies

   Space compression involves a reduction of free space between optical elements by a thin device/material called a spaceplate[1], [2]. It gained importance recently due to novel approaches in the emerging field of non-local metamaterials. The issue of size reduction becomes more important for 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 structures for microwave frequencies. The main attention should be concentrated on the investigation and understanding of the fundamental limits of spaceplates and the development methods for their design. Further attention should be paid to the experimental characterization of these structures. References: [1] RESHEF, O., et al., An optic to replace space and its application towards ultra-thin imaging systems, Naturre 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.