Diese Doktorarbeit untersucht das Potenzial generativer Modelle für Signalverarbeitungsanwendungen mit Schwerpunkt auf drahtlosen Kommunikationssystemen. Sie stellt einen auf dem Variational Autoencoder basierenden Ansatz für die Kanalschätzung vor, wobei der Variational Autoencoder als generatives Prioriwissen genutzt wird. Darüber hinaus schlägt die Arbeit neue Bewertungsmetriken und -methoden vor, die speziell auf die drahtlose physikalische Schicht zugeschnitten sind, sodass generative Modelle in diesem Anwendungsbereich anhand ihrer generierten Kanälen zuverlässig evaluiert werden können.     «

Diese Doktorarbeit untersucht das Potenzial generativer Modelle für Signalverarbeitungsanwendungen mit Schwerpunkt auf drahtlosen Kommunikationssystemen. Sie stellt einen auf dem Variational Autoencoder basierenden Ansatz für die Kanalschätzung vor, wobei der Variational Autoencoder als generatives Prioriwissen genutzt wird. Darüber hinaus schlägt die Arbeit neue Bewertungsmetriken und -methoden vor, die speziell auf die drahtlose physikalische Schicht zugeschnitten sind, sodass generative Model...     »