Моделируйте сквозную коммуникационную систему с помощью автоэнкодера, чтобы надежно передавать информационные биты по беспроводному каналу.

Используйте сверточную нейронную сеть (CNN) для классификации модуляций. Вы генерируете синтетические, ослабленные по каналам формы волны. Используя сгенерированные формы волны в качестве обучающих данных, вы обучаете CNN для классификации модуляции. Затем тестируйте CNN с программно определяемым радио (SDR) оборудованием и беспроводными сигналами.

Разработайте радиочастотную (RF) дактилоскопическую сверточную нейронную сеть (CNN) с имитированными данными. Вы обучаете CNN с моделируемыми системами координат беспроводной локальной сети (WLAN) от известных и неизвестных маршрутизаторов для дактилоскопии RF. Затем сравните адрес управления доступом к среде (MAC) принятых сигналов и отпечаток RF, обнаруженный CNN, чтобы обнаружить олицетворения маршрутизатора WLAN.

Обучите радиочастотную (RF) дактилоскопическую сверточную нейронную сеть (CNN) с захваченными данными. Вы захватываете системы координат беспроводной локальной сети (WLAN) от реальных маршрутизаторов с помощью программно определяемого радио (SDR). Вы программируете второй SDR, чтобы передать неизвестные системы координат и захватить их. Вы обучаете CNN, используя эти записанные сигналы. Затем вы программируете программно определяемое радио (SDR) как олицетворитель маршрутизатора, который передает сигналы-маяк с адресом управления доступом к среде (MAC) одного из известных маршрутизаторов и использует CNN, чтобы идентифицировать его как олицетворитель.

Сгенерируйте сигналы и нарушения канала для обучения нейронной сети, называемой LLRNet, для оценки точных коэффициентов вероятности журнала (LLR).

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