無論您使用的是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)還是強(qiáng)化學(xué)習(xí)工作流，都可以通過使用現(xiàn)成算法以及 MATLAB?和無線通信產(chǎn)品生成的數(shù)據(jù)來縮短開發(fā)時(shí)間。您可以輕松地利用 MATLAB 之外的現(xiàn)有深度學(xué)習(xí)網(wǎng)絡(luò)；優(yōu)化設(shè)計(jì)的訓(xùn)練、測試和驗(yàn)證；并簡化您的 AI 網(wǎng)絡(luò)在嵌入式設(shè)備、企業(yè)系統(tǒng)和云上的部署。

使用 MATLAB，您能夠：

·?使用無線波形發(fā)生器以合成和無線信號形式生成訓(xùn)練數(shù)據(jù)

·?通過向生成的信號添加射頻損傷和信道模型來增強(qiáng)信號空間

·?使用信號標(biāo)注器標(biāo)注從無線系統(tǒng)采集的信號

·?使用深度網(wǎng)絡(luò)設(shè)計(jì)器和試驗(yàn)管理器將可重用且經(jīng)過優(yōu)化的訓(xùn)練、仿真和測試工作流應(yīng)用于各種無線應(yīng)用

·?將自定義層添加到深度學(xué)習(xí)設(shè)計(jì)中

為什么在無線通信中使用 AI？

頻譜感知和信號分類

? ? ?

使用深度學(xué)習(xí)方法識別寬帶頻譜中的信號。使用深度學(xué)習(xí)網(wǎng)絡(luò)執(zhí)行波形調(diào)制分類。

·?通過深度學(xué)習(xí)實(shí)現(xiàn)頻譜感知，用于識別 5G 和 LTE 信號器標(biāo)注從無線系統(tǒng)采集的信號[1]

·?使用深度學(xué)習(xí)進(jìn)行調(diào)制分類[2]

設(shè)備識別

開發(fā)射頻 (RF) 指紋識別方法來識別各種設(shè)備并檢測設(shè)備仿冒。

·?借助模擬數(shù)據(jù)設(shè)計(jì)深度神經(jīng)網(wǎng)絡(luò)以檢測 WLAN 路由器仿冒[3]

·?使用捕獲的數(shù)據(jù)對深度神經(jīng)網(wǎng)絡(luò)進(jìn)行測試，以檢測 WLAN 路由器仿冒[4]

數(shù)字預(yù)失真

? ? ?

應(yīng)用基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真 (DPD) 來抵消功率放大器 (PA) 中的非線性效應(yīng)。

·?用于數(shù)字預(yù)失真設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò) - 離線訓(xùn)練[5]

波束管理和信道估計(jì)

? ? ?

使用神經(jīng)網(wǎng)絡(luò)來降低 5G NR 波束選擇任務(wù)中的計(jì)算復(fù)雜度。為 5G NR 信道估計(jì)訓(xùn)練 CNN。

·?用于波束選擇的神經(jīng)網(wǎng)絡(luò)[6]

·?利用深度學(xué)習(xí)數(shù)據(jù)合成進(jìn)行 5G 信道估計(jì)[7]

收發(fā)機(jī)設(shè)計(jì)

? ? ?

使用可學(xué)習(xí)如何高效壓縮和解壓縮數(shù)據(jù)形成自編碼器的無監(jiān)督神經(jīng)網(wǎng)絡(luò)。訓(xùn)練和測試神經(jīng)網(wǎng)絡(luò)以估計(jì)似然比 (LLR)。

·?使用 802.11az 指紋識別和深度學(xué)習(xí)進(jìn)行三維室內(nèi)定位[8]

波束管理和信道估計(jì)

? ? ?

使用神經(jīng)網(wǎng)絡(luò)來降低 5G NR 波束選擇任務(wù)中的計(jì)算復(fù)雜度。為 5G NR 信道估計(jì)訓(xùn)練 CNN。

·?無線通信中的自編碼器[9]

·?訓(xùn)練和測試用于 LLR 估計(jì)的神經(jīng)網(wǎng)絡(luò)[10]

如何借助 MATLAB 在無線通信中使用 AI

無線通信與深度學(xué)習(xí)

使用通信和雷達(dá)合成數(shù)據(jù)進(jìn)行深度學(xué)習(xí)

無線系統(tǒng)中的深度學(xué)習(xí)?– 示例[11]

相關(guān)產(chǎn)品

了解在無線通信應(yīng)用中使用 AI 涉及的產(chǎn)品。

·?5G Toolbox[12]

·?WLAN Toolbox[13]

·?Communications Toolbox[14]

·?Statistics and Machine Learning Toolbox[15]

·?Deep Learning Toolbox[16]

·?Reinforcement Learning Toolbox[17]

文中鏈接

[1]https://ww2.mathworks.cn/help/comm/ug/spectrum-sensing-with-deep-learning-to-identify-5g-and-lte-signals.html

[2]https://ww2.mathworks.cn/help/comm/ug/modulation-classification-with-deep-learning.html

[3]https://ww2.mathworks.cn/help/comm/ug/design-a-deep-neural-network-with-simulated-data-to-detect-wlan-router-impersonation.html

[4]https://ww2.mathworks.cn/help/comm/ug/test-a-deep-neural-network-with-captured-data-to-detect-wlan-router-impersonation.html

[5]https://ww2.mathworks.cn/help/comm/ug/neural-network-for-digital-predistortion-design-offline-training.html

[6]https://ww2.mathworks.cn/help/comm/ug/neural-network-for-beam-selection.html

[7]https://ww2.mathworks.cn/help/5g/ug/deep-learning-data-synthesis-for-5g-channel-estimation.html

[8]https://ww2.mathworks.cn/help/wlan/ug/three-dimensional-indoor-positioning-with-802-11az-fingerprinting-and-deep-learning.html

[9]https://ww2.mathworks.cn/help/comm/ug/autoencoders-for-wireless-communications.html

[10]https://ww2.mathworks.cn/help/comm/ug/training-and-testing-a-neural-network-for-llr-estimation.html

[11]https://ww2.mathworks.cn/help/comm/ug/neural-network-for-digital-predistortion-design-offline-training.html

[12]https://ww2.mathworks.cn/products/5g.html

[13]https://ww2.mathworks.cn/products/wlan.html

[14]https://ww2.mathworks.cn/products/communications.html

[15]https://ww2.mathworks.cn/products/statistics.html

[16]https://ww2.mathworks.cn/products/deep-learning.html

[17]https://ww2.mathworks.cn/products/reinforcement-learning.html

編輯：黃飛

?