機械学習、ディープラーニング、強化学習ワークフローのいずれを使用する場合でも、MATLAB と無線通信製品で生成した、すぐに使用できるアルゴリズムとデータを活用することにより、開発時間を削減することができます。また、MATLAB 以外の既存のディープラーニング ネットワークの活用、設計の学習、テスト、検証の効率化、組み込みデバイス、エンタープライズ システム、クラウドでの AI ネットワークの展開の簡素化も簡単に行えます。
MATLAB を使用すると、以下を行うことができます。
- Wireless Waveform Generator アプリを使用して、合成信号や無線信号形式で学習データを生成
- 生成した信号に RF 損失とチャネルモデルを追加して信号空間を拡張
- 信号ラベラーアプリを使用して、無線システムから収集した信号をラベル付け
- ディープ ネットワーク デザイナー アプリおよび実験マネージャー アプリを使用して、効率化された再利用可能な学習、シミュレーション、テストのワークフローをさまざまな無線アプリケーションに適用
- ディープラーニング設計にカスタム層を追加
無線向け AI を使用する理由
![ニューラル ネットワークを使用して、広帯域スペクトログラムで 5G NR および LTE 信号を特定します。](https://jp.mathworks.com/solutions/wireless-communications/ai/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy/507537ca-afa8-41c5-806f-bbdd06667040/image_copy_copy.adapt.full.medium.jpg/1737544599150.jpg)
スペクトル センシングと信号分類
ディープラーニング技術を使用して広帯域スペクトルで信号を特定します。ディープラーニング ネットワークを使用して、波形変調の分類を行います。
![シミュレーション データを使用し、無線周波数 (RF) フィンガープリントの畳み込みニューラル ネットワーク (CNN) を設計します。](https://jp.mathworks.com/solutions/wireless-communications/ai/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy/b827a46e-7d00-424f-81d8-b611fc9edab9/image_copy.adapt.full.medium.jpg/1737544599213.jpg)
デバイスの識別
無線周波数 (RF) フィンガープリント法を開発して、さまざまなデバイスを識別し、デバイスのなりすましを検出します。
![パワーアンプ (PA) が発熱すると性能特性が変化し、時間の経過とともにビジュアル プロット システムを作成する様子を示したスペクトル アナライザーのスクリーンショット。](https://jp.mathworks.com/solutions/wireless-communications/ai/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy/507537ca-afa8-41c5-806f-bbdd06667040/image_copy_copy.adapt.full.medium.jpg/1737544599314.jpg)
デジタル プリディストーション
ニューラル ネットワーク ベースのデジタル プリディストーション (DPD) を適用し、パワーアンプ (PA) の非線形性の影響をオフセットします。
![理想推定、線形内挿、ディープラーニング手法のいずれかに基づき 5G NR チャネル推定を比較します。](https://jp.mathworks.com/solutions/wireless-communications/ai/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy/b827a46e-7d00-424f-81d8-b611fc9edab9/image_copy_copy_copy.adapt.full.medium.jpg/1737544599367.jpg)
ビームマネージメントとチャネル推定
ニューラル ネットワークを使用して、5G NR ビーム選択タスクの計算量を削減します。5G NR チャネル推定向けに CNN を学習させます。
![部屋の中にあるオブジェクトの実際の位置と、CNN を使用して予測および色分けされた位置の比較。](https://jp.mathworks.com/solutions/wireless-communications/ai/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy_co/507537ca-afa8-41c5-806f-bbdd06667040/image_copy_copy.adapt.full.medium.jpg/1737544599472.jpg)
位置推定と測位
生成された IEEE® 802.11az™ データを使用して、CNN を位置推定と測位のために学習させます。
![QPSK や 16PSK などの標準変調に収束するさまざまなオートエンコーダーのコンスタレーション プロットの可視化。](https://jp.mathworks.com/solutions/wireless-communications/ai/_jcr_content/mainParsys/band_copy/mainParsys/columns_copy_copy_co/b827a46e-7d00-424f-81d8-b611fc9edab9/image_copy.adapt.full.medium.jpg/1737544599524.jpg)
トランシーバーの設計
効率的にデータを圧縮および解凍する方法を学習する教師なしニューラル ネットワークを使用して、オートエンコーダーを形成します。ニューラル ネットワークの学習とテストを行い、尤度比 (LLR) を推定します。