FOR 2863, Teilprojekt C2: Metrologie für parallele THz-Kommunikationskanäle

Die TeraHertz (THz)-Übertragung wird als praktikable Lösung zur Realisierung von künftigen bandbreitenintensiven Hochgeschwindigkeitsdiensten unter Beachtung der anwendungsspezifischen Quality of Service (QoS) Vorgaben betrachtet. Die Systemkomplexität, hohe Bandbreite, nichtideale Geräteeigenschaften, sowie nicht verfügbare zeitvariante Outdoor-Kanalmodelle stellen eine große Herausforderung an die Messung von Performanceparametern (z.B. Bitfehlerrate, Paketfehlerrate und Paketverzögerungen) dar und haben bisher die Verwendung des THz-Frequenzbandes erschwert. Im Projekt schlagen wir vor, einige dieser messtechnisch schwierigen Aufgaben unter Verwendung eines parallelen Raummultiplex-THz-Systems zu lösen. Das MIMO-Prinzip ermöglicht dabei die gewünschte Parallelisierung, um mehrere parallele Übertragungen im Sub-TeraHertz-Bereich (z. B. 300 GHz) zu realisieren und die gewünschte Gesamtdatenrate im Terabit/s-Bereich zu erreichen. Die zeitvarianten und räumlich parallelen Kanäle beeinflussen und korrelieren die zu messenden Performanceparameter. Dieser Einfluss soll durch eine Analyse der Empfangsdaten mittels maschineller Lernalgorithmen (ML) erfasst werden, die zudem adaptiv und in Echtzeit eine geeignete, an den Sender rückgekoppelte Codierung der Sendedaten festlegen. Damit sollen die Messgrößen so genau wie möglich bestimmt werden um daraus eine Metrologie zu entwickeln. Die messtechnische Erfassung der physikalischen Sicherheit der THz-Kanäle gegen passive und aktive Angriffe ist ein weiteres Forschungsziel. Ein passiver Lauschangriff wird dabei z.B. mit kleinen Reflektoren, die in die Sichtlinie der THz-Funkkanäle platziert sind, erfasst und metrologisch bewertet. Darüber hinaus sollen aktive Stör- und Integritätsangriffe identifiziert werden. Dabei ermöglicht der Einsatz von ML-Techniken und Kodierungsverfahren die unter normalen Betriebsbedingungen vorliegenden physikalischen Kanalverzerrungen von den Angriffsszenarien zu unterscheiden. Eine Implementierung der vorgeschlagenen Lernalgorithmen und Methoden zur Schätzung der Messgrößen erfordert die Entwicklung einer speziellen Hardware-Architektur und eines leistungsfähigen Schaltungsdesigns mit dem Ziel, mit einem Proof-of-Concept-Experiment die Echtzeitmessung der Leistungsparameter zu realisieren. Aufgrund des starken Einflusses der Algorithmenauswahl auf die Hardware-Komplexität, bedarf es zur Ermittlung der passenden Architektur einer sorgfältigen Entwurfsraumexploration. Hierfür wird ein spezielles Framework geschaffen das es ermöglicht Architekturparameter wie Größe und Geschwindigkeit ohne eine vollständige Implementierung schnell abzuschätzen. Mit diesen Informationen lassen sich wiederum die Algorithmen auch auf eine Realisierbarkeit hin optimieren (Algorithmen-Architektur-Co-Design).