AI בעולמות התקשורת
שמח לשתף אתכם בהזדמנויות המרגשות שהבינה המלאכותית (AI) מביאה לתעשיית האלקטרוניקה בכלל והתקשורת בפרט. היכולת לנתח ולעבד כמויות גדולות של נתונים, כמו גם לבצע משימות מורכבות בפרקי זמן קצרים יחסית, הופכת חיונית יותר ויותר עבור חברות בתחום זה, וכאן בדיוק נכנס עולם ה-AI לתמונה.
פלטפורמות MATLAB ו-Simulink מספקות סביבה חזקה וגמישה לתכנון, הדמיה והטמעה של אלגוריתמים ומודלים של AI.
באמצעות MATLAB מהנדסים וחוקרים יכולים לבצע ניתוח נתונים, עיבוד מקדים וחילוץ תכונות, שהם שלבים חיוניים בפיתוח מערכות מבוססות בינה מלאכותית. הפלטפורמה מספקת גם מגוון רחב של פונקציות מובנות וארגזי כלים עבור משימות כגון למידת מכונה, למידה עמוקה וראייה ממוחשבת, כמו גם ממשקים למסגרות למידה עמוקה פופולריות כגון TensorFlow ו-Pytorch.
דוגמה אחת לאופן שבו תעשיית האלקטרוניקה והתקשורת יכולה להשתמש ב-MATLAB ו-Simulink היא בפיתוח רשתות נוירונים לצורך ביצוע Digital Predistortion (DPD) לקיזוז השפעות האי-לינאריות במגבר הכוח (PA).
התנהגות אי לינארית בPAs גורמת לעיוותי אות חמורים, מה שמהווה אתגר כאשר רוצים לקלוט ללא שגיאות אותות בתדר גבוה ורוחב פס גבוה שמועברים בדך כלל ב-5G NR.
DPD של האות המשודר היא טכניקה שנעשה בה שימוש לפיצוי על האי-לינאריות שמעוותת את האות.
באופן מסורתי ההתנהגות הלא לינארית של ה-PA מאופיינת מראש מה-DPD ממצע עיוות הפוך באמצעות פולינומים ומשוואות מוגדרות.
ניסויים ובדיקות עם טכניקות DPD מבוססות AI מראות תוצאות מבטיחות שנותנות ביצועים טובים יותר מאשר הפתרון המסורתי.
השוואת תוצאות DPD עם למידה עמוקה ושיטות אחרות
דוגמא נוספת ללמידה עמוקה בתחומי אותות התקשורת היא ניטור הספקטרום.
באמצעות מטלב ניתן לייצר אותות סימולטיביים, להשתמש ברשתות נוירונים קיימות ולשנות אותן באמצעות transfer learning כך שיתאימו ללמידת וזיהוי אותות 5G ו-LTE בזמן ובתדר, לבחון את הרשתות הן בעזרת אותות סימולטיביים והן באמצעות SDR עם אותות שנקלטים מהאוויר.
את ייצור האותות הסינטטיים נוכל לבצע באמצעות אפליקציית wireless waveform generator, זוהי אפליקציה שמשמשת כ-GUI שבאמצעותו ניתן לקבוע את אפנון הגלים הרצוי, להוסיף impairments, ועוד.
Waveform Generator app
לאחר מכן אפשר לקחת את האותות שהתקבלו ולהוסיף להם תיוגים באמצעות ה-image labeler ולהכניס אותם כ-data ללמידה.
לאחר שהרשת תלמד את האותות ניתן יהיה להשתמש בה על מנת לנטר את הספקטרום ולקבוע במהירות ויעילות לאיזה סוג אפנון שייכים האותות שנקלטים מהאוויר.
אלו רק שתי דוגמאות קצרות מבין עשרות דוגמאות ליישומים שונים בעולמות עיבוד האותות והתקשורת אשר ניתנים לביצוע באמצעות למידה עמוקה.
למידע נוסף והרחבות לגבי יישומים אחרים של למידה עמוקה בעולמות התקשורת וה-Wireless ניתן להיכנס לקישור הבא הזה.
תודה רבה ולהתראות בפעם הבאה.
למידע נוסף:
Deep learning on ramp –
קורס חינמי בקצב אישי
Wireless waveform generator app –
דף דוקומנטציה אודות אפליקציית יצירת אותות התקשורת
Deep Learning Data Synthesis for 5G Channel Estimation –
Generate deep learning training data for channel estimation using 5G Toolbox
Three-Dimensional Indoor Positioning with 802.11az Fingerprinting and Deep Learning –
Train a convolutional neural network for IEEE 802.11az localization and positioning.
