Vadym Slyusar
Vadym Slyusar (nacido el 15 de octubre de 1964, vil. Kolotii, Reshetylivka Raion , región de Poltava , Ucrania ) - Científico soviético y ucraniano, profesor , doctor en ciencias técnicas , científico y técnico de honor de Ucrania, fundador de la teoría tensor -matriz de matrices de antenas digitales (DAA), N-OFDM y otras teorías en los campos de los sistemas de radar , antenas inteligentes para comunicaciones inalámbricas y formación de haz digital .
En 1992, Vadym Slyusar patentó el primer método de demodulación óptimo para señales N-OFDM después de la transformada rápida de Fourier (FFT). [1] A partir de esta patente se inició la historia de la teoría de señales N-OFDM. [1] En este sentido, es necesario decir que W. Kozek y AF Molisch escribieron en 1998 sobre las señales N-OFDM con el espaciado de subportadora , que " no es posible recuperar la información de la señal recibida, incluso en el caso de un canal ideal " . [2] Pero en 2001 Vadym Slyusar propuso dicha modulación digital de frecuencia no ortogonal (N-OFDM) como una alternativa de OFDM para sistemas de comunicaciones.[3]
La próxima publicación de V. Slysuar sobre este método tiene prioridad en julio de 2002 [4] antes del documento de conferencia de I. Darwazeh y MRD Rodrigues (septiembre de 2003) [5] sobre SEFDM . La descripción del método de procesamiento óptimo para señales N-OFDM sin FFT de muestras de ADC fue transferida a la publicación por V. Slyusar en octubre de 2003. [6] [7]
La teoría N-OFDM de V. Slyusar inspiró numerosas investigaciones en esta área de otros científicos. [7]
En 1996, V. Slyusar propuso el producto Khatri-Rao de columnas para estimar cuatro coordenadas de fuentes de señales en un conjunto de antenas digitales . [9] El concepto alternativo del producto matricial, que utiliza la división por filas de matrices con una cantidad determinada de filas ( producto de división por caras ), también fue propuesto por V. Slyusar [10] en 1996. [9] [11] [12] Después de estos resultados, se desarrolló la teoría de tensor -matriz de matrices de antenas digitales y nuevas operaciones de matriz (como el producto Block Face-splitting , [13]Producto de división de caras generalizado, [14] Derivado de matriz de producto de división de caras, etc.), [8] [10] [15] que se utiliza también en sistemas de inteligencia artificial y aprendizaje automático para minimizar las operaciones de convolución y croquis tensorial , [16 ] en modelos populares de procesamiento del lenguaje natural y modelos de similitud en hipergráficos. [17]
El producto Face-splitting y sus propiedades se utilizan para el suavizado multidimensional con P-splines [18] y el modelo de matriz lineal generalizada en la estadística en aproximaciones bidimensionales y multidimensionales de datos también. [19]