Nipun Agarwal

Nipun Agarwal är doktorand i kommunikationssystem (inriktning: Trådlösa nätverk) vid Kungliga Tekniska Högskolan i Sverige, med en stark grund inom RF-teknik, signalbehandling och AI-drivna trådlösa system. Han kombinerar praktisk erfarenhet av enhetskarakterisering från Micron Technology med en produktiv forskningsportfölj som omfattar 5G/6G RAN-intelligens, UAV-assisterad och NTN-kommunikation, federerat lärande för nätverkshantering, virtualiserad nätverksfunktionsorkestrering och energieffektiva trådlösa designer.

Nipuns ingenjörspraktik är grundad i rigorös mätning och modellering: på Micron ledde han RF- och mikrovågsenhetskarakterisering (VNA-kalibrering, effektkompression och switchhastighetsanalys), styrde laboratorieverksamheten och bidrog till flera interna publikationer och patentansökningar. Hans forskningshistorik omfattar vetenskapligt granskade artiklar vid stora IEEE-institutioner och accepterade preprints inom ämnen som federerad uppgiftsavlastning för UAV-nätverk, djup-RL-banadesign för multi-UAV-åtkomst och ML/LLM-metoder för talbrusreducering, vilket visar förmågan att omsätta avancerad teori till reproducerbar simulering och experimentellt arbete.

Viktiga styrkor och profilhöjdpunkter

Tvärvetenskaplig expertis som spänner över RF-mätning, digital signalbehandling, maskininlärning och nätverkssystem.

Bevisad experimentell kompetens med MATLAB/Simulink, programvarudefinierade radioapparater (USRP/ADALM-Pluto) och laboratorieutrustning (VNA:er, mikrovågstestuppsättningar).

Stark programmerings- och datavetenskaplig verktygsuppsättning: Python, C/C++, Pandas/NumPy, TensorFlow/Keras, Scikit-learn, Git, Docker.

Bevisat ledarskap inom mentorskap och undervisning (TA-roller, handledning av grundutbildningsprojekt) och aktiv vetenskaplig granskningstjänst för IEEE-tidskrifter och konferenser.

Påtaglig påverkan: flera publikationer i tidskrifter/konferenser, godkända patent hos Micron och stipendier/utmärkelser som erkänner akademisk excellens.

Forskningsintressen och karriärinriktning
Nipun fokuserar på att utveckla intelligenta, motståndskraftiga och energieffektiva nästa generations trådlösa nätverk: RAN-intelligens (ML för styrning och orkestrering), UAV/NTN-integration, integritetsmedvetet federerat lärande för nätverkshantering och experimentell validering med hjälp av SDR:er och realistiska utbredningsmodeller. Han är positionerad att bidra till industrins forskning och utveckling eller akademiska grupper som arbetar i skärningspunkten mellan trådlösa system, RF-teknik och tillämpad maskininlärning.