Моделирование сквозной системы связи с автоматическим кодером для надежной передачи информационных битов по беспроводному каналу.

Используйте сверточную нейронную сеть (CNN) для классификации модуляции. Вы генерируете синтетические сигналы с нарушением канала. Используя сгенерированные формы сигналов в качестве обучающих данных, вы обучаете CNN классификации модуляции. Затем необходимо протестировать CNN с помощью аппаратных средств программно-определяемого радио (SDR) и эфирных сигналов.

Разработка радиочастотной (RF) сверточной нейронной сети (CNN) с моделируемыми данными. Вы обучаете CNN моделируемым кадрам радиомаяка беспроводной локальной сети (WLAN) от известных и неизвестных маршрутизаторов для радиочастотной дактилоскопии. Затем можно сравнить адрес управления доступом к среде (MAC) принятых сигналов и идентификационный код RF, обнаруженный CNN, для обнаружения имитаторов маршрутизатора WLAN.

Обучение радиочастотной (RF) сверточной нейронной сети (CNN) с использованием собранных данных. Вы регистрируете кадры радиомаяка беспроводной локальной сети (WLAN) от реальных маршрутизаторов, используя программно-определяемое радио (SDR). Вы программируете второй SDR для передачи неизвестных кадров маяка и их захвата. Вы тренируете CNN, используя эти захваченные сигналы. Затем программируется программно-определяемое радио (SDR) в качестве олицетворения маршрутизатора, которое передает сигналы маяка с адресом управления доступом к среде (MAC) одного из известных маршрутизаторов и использует CNN для идентификации его как олицетворения.

Генерировать сигналы и нарушения канала для обучения нейронной сети, называемой LLRNet, для оценки точных логарифмических отношений правдоподобия (LLR).

Генерировать обучающие данные глубокого обучения для оценки канала с использованием 5G Toolbox™.