Vahid Jamali, emergenCITY-Professor für resiliente Kommunikationssysteme, lädt die renommierte Hina Tabassum, Leiterin des Next Generation Wireless Networks (NGWN) Research Lab an der York University in Toronto, Kanada, für eine Distinguished Lecture an die TU Darmstadt ein. In ihrem Vortrag wird Hina Tabassum die Nutzung von Wi-Fi-Signalen zur Erfassung der Umgebung erläutern.

Titel: “Selbstgesteuertes Lernen für Wi-Fi-Sensing: Trends, Herausforderungen und Ausblick” Speaker: Hina Tabassum Datum: 1. September, 10 Uhr Ort: Gebäude S3|20, Raum 111, TU Darmstadt (Rundeturmstr. 10, 64283 Darmstadt) + online via Zoom Anmeldung für Teilnahme vor Ort

Die Veranstaltung findet online sowie vor Ort statt. Da wir nur eine begrenzte Anzahl an Sitzplätzen zur Verfügung haben, bitten wir darum, sich zur Teilnahme vor Ort anzumelden.

Über den Vortrag

Wi-Fi-Signale, die traditionell für die Datenübertragung in drahtlosen lokalen Netzwerken (WLANs) verwendet werden, werden nun auch für die Erfassung der Umgebung untersucht. Da Wi-Fi in öffentlichen und privaten Räumen weit verbreitet ist, bietet es gegenüber anderen Erfassungsmethoden Vorteile, wie z. B. den Schutz der Privatsphäre und die Funktionsfähigkeit bei schlechten Lichtverhältnissen. WLAN-Sensorik ist kostengünstig, da sie auf der bestehenden WLAN-Infrastruktur aufbaut und eine Vielzahl von Anwendungen umfasst, darunter Näherungserkennung, Lokalisierung, Erkennung menschlicher Aktivitäten und Gesundheitsüberwachung.

Der Vortrag beleuchtet zunächst die Entwicklung der WLAN-Standards sowie den neuesten IEEE 802.11bf-Standard, der derzeit untersucht wird, um Protokolle für alle Frequenzbänder zu entwickeln, einschließlich Sub-7-GHz (2,4 GHz, 5 GHz, 6 GHz) und 60-GHz-mmWave-Band. Anschließend werden grundlegende Konzepte im Zusammenhang mit Wi-Fi-Sensing behandelt, wie z. B. Kanalzustandsinformationen (CSI), CSI-Mess- und Datenerfassungsverfahren sowie CSI-Vorverarbeitungsmethoden. Es wird eine vergleichende Analyse bestehender Wi-Fi-Sensing-Datensätze vorgestellt und aktuelle Deep-Learning-Ansätze im Bereich Wi-Fi-Sensing diskutiert, wobei ein besonderer Schwerpunkt auf der Rolle des selbstüberwachten Lernens (SSL) liegt. Die Mechanismen kontrastiver und nicht-kontrastiver SSL-Lösungen werden untersucht und eine quantitative vergleichende Analyse hinsichtlich der Klassifizierungsgenauigkeit wird vorgelegt. Abschließend werden neue Technologien identifiziert, die zur Verbesserung der Wi-Fi-Sensing-Leistung genutzt werden können.

Über die Vortragende

Dr. Hina Tabassum ist derzeit außerordentliche Professorin an der Lassonde School of Engineering der York University in Kanada, wo sie bereits seit 2018 als Assistenzprofessorin tätig war. Sie besetzt außerdem den York-Forschungslehrstuhl für 5G/6G-fähige Mobilitäts- und Sensoranwendungen (2023–2028) und leitet das Forschungslabor für drahtlose Netzwerke der nächsten Generation (NGWN), ebenfalls an der York University. Zuvor war sie als Postdoktorandin an der University of Manitoba in Kanada tätig und promovierte an der King Abdullah University of Science and Technology (KAUST).

Hina Tabassum hat über 100 begutachtete Artikel in renommierten IEEE-Zeitschriften, Magazinen und Konferenzen veröffentlicht. Sie erhielt zahlreiche Auszeichnungen, darunter den Lassonde Innovation Early-Career Researcher Award im Jahr 2023 und 2022 den N2Women: Rising Stars in Computer Networking and Communications. Sie wurde 2021, 2022, 2023 und 2024 in die Liste der weltweit besten zwei Prozent der Forschenden von Stanford aufgenommen und als IEEE ComSoc Distinguished Lecturer 2025-2026 ausgewählt.