无线通信

人工智能的无线

将人工智能(AI)技术应用于无线通信应用

无论您使用机器学习、深度学习还是强化学习工作流,您都可以使用即用算法和MATLAB生成的数据减少开发时间®以及无线通信产品。2022世界杯八强谁会赢?你可以很容易地利用MATLAB之外现有的深度学习网络;简化设计的培训、测试和验证;简化嵌入式设备、企业系统和云上的AI网络部署。

用MATLAB,你可以:

  • 使用无线波形发生器应用程序以合成和无线信号的形式生成训练数据
  • 通过在生成的信号中添加射频损耗和信道模型来增加信号空间
  • 使用Signal Labeler应用程序标记从无线系统收集的信号
  • 使用深度网络设计器和实验管理器应用程序,对各种无线应用程序应用可重用和简化的培训、模拟和测试工作流
  • 在深度学习设计中添加自定义层

为什么要在无线领域使用人工智能?

利用神经网络在宽带谱图中识别5G NR和LTE信号。

频谱感知与信号分类

使用深度学习技术识别宽带频谱中的信号。使用深度学习网络进行波形调制分类。

频谱分析仪的截图显示,当功率放大器(P A)加热时,性能特性发生变化,这创建了一个可视化的图形系统作为时间的函数。

数字Pre-Distortion

应用基于神经网络的数字预失真(DPD)来抵消功率放大器(PA)中的非线性影响。

比较基于理想估计、线性插值或深度学习技术的5G NR信道估计。

波束管理与信道估计

利用神经网络降低5G NR波束选择任务的计算复杂度。训练一个CNN进行5G NR信道估计。

将房间内物体的实际位置与cnn预测的彩色编码位置进行比较。

定位和定位

使用生成的IEEE®802.11az™数据来训练CNN进行定位和定位。

可视化各种自编码器的星座图,收敛到标准调制,如Q P S K或16p S K。

收发器的设计

使用无监督神经网络学习如何有效地压缩和解压数据,形成一个自动编码器。训练和测试神经网络来估计似然比(LLR)。

Baidu
map