Mehdi Haghshenas ny postdoktor vid STC
Mehdi Haghshenas är ny postdoktor vid STC. Han kommer att ingå i professor Mikael Gidlunds forskargrupp med inriktning på integrerad avkänning och kommunikation. Hans forskning kommer att fokusera på att utforska fördelarna med omkonfigurerbara intelligenta ytor inom positionering och avkänning.
Vad har du för bakgrund?
Jag avslutade min magisterexamen i telekommunikation vid Politecnico di Milano, det största universitetet i Italien inom teknik, arkitektur och design. För min masteruppsats utvecklade jag en algoritm för att förbättra samexistensen mellan Wi-Fi och 5G i olicensierade band medan jag arbetade på ett företag. Dessutom tog jag examen med högsta betyg.
Efter min magisterexamen tog jag en doktorsexamen i informationsteknologi vid Politecnico di Milano. Min forskning fokuserade på signalbehandling och estimeringsteori, med särskild tonvikt på kanalestimering i närvaro av passiva omkonfigurerbara intelligenta ytor.
Hur kommer det sig att du väljer Mittuniversitetet och Sverige för din postdoktor?
Under mina doktorandstudier besökte jag KTH i Stockholm och blev förälskad i Sverige. Senare tipsade en vän i Stockholm mig om tjänsten på Mittuniversitetet och jag bestämde mig för att söka. Jag blev antagen till tjänsten redan innan jag blev klar med min avhandling. Det här är första gången jag bor i en mindre stad, och jag är glad över möjligheten att uppleva det.
Vad handlar din forskning om?
Min forskning fokuserar på rekonfigurerbara intelligenta ytor och deras potential att förbättra kommunikationssystem. Dessa ytor fungerar som metallplåtar som riktar signaler till blinda fläckar, vilket förbättrar celltäckningen. För optimal funktionalitet är det avgörande att ha korrekt kunskap om kanalen. Mitt arbete handlar främst om kanalestimering och användarpositionering i miljöer där dessa ytor används. Dessutom strävar jag efter att utforska potentialen hos dessa ytor för att hjälpa till att känna av den omgivande miljön.
Hur kan din forskning bidra till samhället och industrin?
Positionering och avkänning är avgörande i olika scenarier. I självkörande fordon är det till exempel viktigt att förstå omgivningen för att säkerställa säkerheten för både passagerare och fotgängare. Styrsystem förlitar sig också på exakt kunskap om miljön, till exempel positionerna för närliggande föremål. I industriella miljöer är det viktigt att spåra och lokalisera arbetare och varna dem om de närmar sig farliga zoner eller maskiner. Dessutom, i efterdyningarna av en katastrofal händelse, är det viktigt att snabbt lokalisera hotade individer för att ge dem nödvändig medicinsk hjälp. Drönare kan till exempel användas för att söka efter och lokalisera behövande.
Därför är det viktigt att utveckla robusta och exakta algoritmer för lokalisering och avkänning
