Kablosuz Haberleşme için Yapay Zekâ
Makine öğrenmesi, derin öğrenme veya pekiştirmeli öğrenme iş akışlarını kullanıyor olun, MATLAB ve kablosuz haberleşme ürünleriyle oluşturulan hazır algoritmalar ve veriler sayesinde geliştirme sürenizi kısaltabilirsiniz. MATLAB ile mevcut derin öğrenme ağlarından yararlanabilir, eğitim, test ve doğrulama süreçlerinizi kolaylaştırabilir, ayrıca yapay zekâ modellerinizi gömülü sistemlere, kurumsal sistemlere ve buluta kolayca dağıtabilirsiniz.
- Wireless Waveform Generator uygulamasını kullanarak sentetik ve havadan (over-the-air) sinyaller şeklinde eğitim verileri oluşturun.
- Oluşturduğunuz sinyallere RF bozulmaları ve kanal modelleri ekleyerek sinyal uzayını zenginleştirin.
- Signal Labeler uygulamasıyla kablosuz sistemlerden toplanan sinyalleri etiketleyin.
- Deep Network Designer ve Experiment Manager uygulamalarını kullanarak farklı kablosuz haberleşme uygulamalarında yeniden kullanılabilir ve verimli eğitim, simülasyon ve test iş akışları oluşturun.
- Derin öğrenme tasarımlarınıza özel (custom) katmanlar ekleyin.
Kablosuz Haberleşmede Neden Yapay Zekâ Kullanılır?
Spektrum Algılama ve Sinyal Sınıflandırması
Derin öğrenme tekniklerini kullanarak geniş bant spektrumundaki sinyalleri belirleyin. Derin öğrenme ağlarıyla dalga şekli modülasyon sınıflandırması gerçekleştirin.
Cihaz Tanımlama
Çeşitli cihazları tanımlamak ve cihaz kimliğine bürünme (device impersonation) girişimlerini tespit etmek için radyo frekansı (RF) parmak izi (RF fingerprinting) yöntemleri geliştirin.
Dijital Ön Bozunum
Güç yükseltecindeki (PA) doğrusal olmayan etkileri telafi etmek için sinir ağı tabanlı dijital ön bozunum (DPD) yöntemlerini uygulayın.
Hüzme Yönetimi ve Kanal Kestirimi
5G NR hüzme seçimi (beam selection) sürecindeki hesaplama karmaşıklığını azaltmak için bir sinir ağı kullanın. 5G NR kanal kestirimi için bir evrişimsel sinir ağı (CNN) eğitin.
Konum Belirleme ve Konumlandırma
Konum belirleme ve konumlandırma uygulamaları için oluşturulan IEEE® 802.11az™ verilerini kullanarak bir evrişimsel sinir ağı (CNN) eğitin.
Alıcı-Verici Tasarımı
Verileri verimli bir şekilde sıkıştırmayı ve açmayı öğrenen denetimsiz bir sinir ağı kullanarak bir otomatik kodlayıcı (autoencoder) oluşturun. Olasılık oranı (LLR) kestirimi için bir sinir ağını eğitin ve test edin.
