Das Ziel des Projekts besteht darin, den weltweit ersten Demonstrator für ein integriertes opto-elektronisches Mikrowellengeneratorkonzept zu realisieren, das sich für den Labor- und Industrieeinsatz eignet und flexibel einen größeren Frequenzbereich abdecken kann. Entscheidend ist dabei, dass der Mikrowellengenerator im Vergleich zu allen bislang kommerziell verfügbaren rein elektronischen Geräten ein signifikant niedrigeres Phasenrauschen und damit eine höhere Frequenzstabilität aufweist. Besonders kritisch und Performance-bestimmend ist das Phasenrauschen für mm-Wellen-Systeme im Frequenzbereich oberhalb von 100 GHz, der zunehmend für besonders breitbandige und damit schnelle Kommunikationssysteme erschlossen wird. Der aktuelle 5G-Mobilfunkstandard sieht bereits mm-Wellen-Bänder zwischen 24 und 71 GHz vor, die zunehmend in Betrieb genommen werden. Da es im Bereich der High-End-Messtechnik in den letzten Jahren nur noch geringe, inkrementelle Fortschritte hinsichtlich rauscharmer Signalgeneratoren gab, sind neuartige Technologieansätze dringend notwendig, um eine signifikante Verbesserung der Sensitivität der Messtechnik zu erreichen. Diese soll im Projekt erstmals experimentell an einer Übertragungsstrecke für Datenkommunikation nachgewiesen und nach Abschluss des Projekts in die wirtschaftliche Wertschöpfung überführt werden.
Extrem Rauscharmer Opto-Elektronischer Mikrowellengeneratord - EROM
Entdecken Sie weitere Projekte in diesen Themenfeldern:

Entwicklung von Sensormodellen für virtuelle Testumgebungen anhand von Realdaten und 3D-Rekonstruktionen
Für die Entwicklung und das Testen autonomer Fahrzeugfunktionen ist die virtuelle Fahrsimulation wesentlicher Bestandteil. Die Simulation der Sensorik eines (autonomen) Fahrzeuges spielt dabei eine besondere Rolle. Benötigt wird eine virtuelle Sensorsimulation, die auch die typischen Grenzen und Fehler des Sensors realitätsnah abbildet.

Maschinenführer-zentrierte Parametrierung von Artificial Intelligence für eng gekoppelte, verteilte, vernetzte Steuerungssysteme (OpAI4DNCS)
Die Bedienung mobil-hydraulischer Großbaumaschinen erfordert Erfahrungswissen, das Maschinenführer über viele Jahrzehnte aufbauen. Dieses Wissen ist entscheidend für die präzi-se, effiziente und nachhaltige Maschinennutzung, sodass unerfahrene Maschinenführer eine verringerte Produktivität aufweisen. Künstliche Intelligenz (KI) bietet das Potenzial, dieses Erfahrungswissen nachzubilden und fehlende Fähigkeiten von Maschinenführen unterstützend zu ergänzen. In der Praxis ist der Einsatz von KI jedoch durch ungewisse Umwelteinflüsse erschwert.