Exponenta Banner
exponenta event banner

Беспроводная связь с использованием глубокого обучения

Расширение рабочих процессов глубокого обучения с помощью приложений системы беспроводной связи

Применение глубокого обучения к моделированию систем беспроводной связи с помощью Toolbox™ глубокого обучения вместе с Communications Toolbox, 5G Toolbox и WLAN Toolbox. Приложения для обработки сигналов см. в разделе Обработка сигналов с помощью глубокого обучения.

Темы

Синтез данных глубокого обучения для оценки канала 5G (5G Toolbox)

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

Характерные примеры

Autoencoders for Wireless Communications

Автокодеры для беспроводной связи

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

Открыть сценарий в реальном времени
Modulation Classification with Deep Learning

Классификация модуляции с глубоким обучением

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.

Открыть сценарий в реальном времени
Training and Testing a Neural Network for LLR Estimation

Обучение и тестирование нейронной сети для оценки LLR

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

Открыть сценарий в реальном времени
Design a Deep Neural Network with Simulated Data to Detect WLAN Router Impersonation

Проектирование глубокой нейронной сети с моделируемыми данными для обнаружения олицетворения маршрутизатора WLAN

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.

Открыть сценарий в реальном времени
Test a Deep Neural Network with Captured Data to Detect WLAN Router Impersonation

Тестирование глубокой нейронной сети с захваченными данными для обнаружения олицетворения 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.

Открыть сценарий в реальном времени

Документация по инструментам для глубокого обучения

Поддержка