人工智能的无线

模型一个端到端的正交分频调制(OFDM)通信系统与一个autoencoder可靠地传输信息通过无线信道。

压缩下行信道状态信息(CSI) 5 g系统通过使用autoencoder神经网络。

火车深Q-network (DQN)强化学习代理梁选择5 g新的无线电通信系统。

使用神经网络来减少开销梁选择任务通过使用接收器的位置,而不是知识的沟通渠道。

使用神经网络,训练网络,应用数字预失真补偿功率放大器的非线性的影响。

使用神经网络,离线训练,应用数字预失真补偿功率放大器的非线性的影响。

火车语义分割使用深度学习频谱监测网络。

模型与一个autoencoder端到端通信系统可靠地传输信息通过无线信道。

使用一个卷积神经网络(CNN)的调制分类。你生成合成,channel-impaired波形。使用生成的波形作为训练数据,你训练的CNN调制分类。然后用软件定义无线电(SDR)硬件测试CNN和无线信号。

部署一个pretrained卷积神经网络(CNN) Xilinx调制分类^®Zynq^®UltraScale +™MPSoC ZCU102评估工具。

火车IEEE的卷积神经网络^®802.11 az™本地化和定位。

设计一个无线电频率(RF)指纹卷积神经网络(CNN)和模拟数据。你训练的CNN模拟无线局域网(WLAN)信标帧从已知和未知路由器射频指纹识别。然后比较收到的媒体访问控制(MAC)地址信号和射频指纹CNN检测WLAN路由器检测到的模仿者。

火车一个无线电频率(RF)指纹卷积神经网络(CNN)获取的数据。你捕捉的无线局域网(WLAN)信标帧的路由器使用软件定义无线电(SDR)。你计划第二个特别提款权传送未知信标帧和捕获它们。你训练CNN使用这些捕获信号。然后程序软件定义无线电(SDR)作为一个路由器冒名顶替者发送信标信号与媒体访问控制(MAC)地址的一个路由器和使用CNN确定它被称为一个冒名顶替者。

产生信号通道障碍来训练神经网络,称为LLRNet,估计精确对数似然率(LLR)。

生成深度学习训练数据信道估计使用5 g的工具箱™。