Capitolo 1

Integrazione dell’IA in sistemi di comunicazione wireless

Per mantenere le promesse di queste nuove tecnologie wireless, gli ingegneri devono trovare il modo di ottimizzare questi sistemi e configurarne i parametri. Tuttavia, la ricerca di soluzioni a queste sfide di progettazione sta mettendo a dura prova i limiti della mente umana. I metodi matematici tradizionali basati su regole non saranno più sufficienti.

Al giorno d’oggi è necessario spingersi oltre i metodi tradizionali e valutare l’utilizzo di tecniche di intelligenza artificiale (IA).

L’IA eccelle nella risoluzione di problemi che coinvolgono più dimensioni e dinamiche complesse. Utilizzando modelli di IA per eseguire funzioni chiave in una rete wireless, è possibile:

• Migliorare l'efficienza del sistema wireless.
• Ridurre la complessità computazionale e l'utilizzo delle risorse.
• Compensare continuamente i cambiamenti ambientali (dalle eruzioni solari al surriscaldamento degli amplificatori).
• Tenere conto delle condizioni variabili del canale.

Sono molte le sfide progettuali che possono essere risolte con l'IA:

• Predistorsione digitale mediante il Deep Learning per compensare i cambiamenti ambientali che influenzano le operazioni degli amplificatori di potenza
• Selezione del fascio mediante il Deep Learning per ridurre la complessità computazionale e il consumo di risorse
• Selezione del fascio mediante una Deep Q-Network (DQN) con un agente di Reinforcement Learning per ridurre la complessità della ricerca del fascio
• Rilevamento dei rapporti logaritmici di verosimiglianza (LLR) mediante il Deep Learning per ridurre la complessità computazionale

L’IA può anche aiutare a soddisfare le crescenti esigenze di localizzazione:

• Posizionamento indoor 3D mediante il Deep Learning per tenere conto dei cambiamenti di posizione

Cos’altro è possibile modellare con l'IA?

• Rilevamento dello spettro mediante il Deep Learning per supportare diverse frequenze spettrali
• Classificazione della modulazione mediante il Deep Learning per tenere conto delle condizioni variabili del canale
• Autocodificatori con Deep Learning per migliorare l'affidabilità
• Feedback delle informazioni sullo stato del canale (CSI) con reti neurali di codificazione automatica per comprimere le CSI in downlink inviate su un canale wireless
• Rilevamento dell'impersonificazione di router WLAN mediante il Deep Learning per una maggiore sicurezza

Questo ebook illustra lo sviluppo di un modello di stima del canale 5G basato sull’IA e mostra in che modo questo modello migliora le prestazioni complessive della rete.

IA semplificata con MATLAB

Con MATLAB^® è possibile creare soluzioni basate sull'IA anche senza esperienza pregressa di Machine Learning o Deep Learning. MATLAB semplifica l'integrazione della progettazione di sistemi basati sull’IA nel workflow.

MATLAB supporta un processo iterativo di progettazione, test e distribuzione che consente di migliorare continuamente i modelli di IA, integrarli nel sistema per il test e la convalida e distribuirli su reti di produzione.

MATLAB consente di:

• Preparare i dati
  • Acquisisci segnali over the air utilizzando l'hardware supportato per creare dati per l'addestramento di modelli di IA.
  • Genera dati/forme d'onda specifiche per gli standard e forme d'onda personalizzate per varie tecnologie come 5G, LTE, WLAN, Bluetooth e vari standard di comunicazione satellitare come DVB, CCSDS e GPS con l'app Wireless Waveform Generator.
  • Aumenta lo spazio del segnale aggiungendo disturbi della RF e modelli di canale ai segnali generati per ottenere un set di dati realistico e robusto.
  • Applica le tue conoscenze per etichettare i segnali e aggiungere l'intelligenza umana ai dati raccolti dai sistemi wireless con l’app Signal Labeler.
• Creare modelli di IA
  • Applica workflow riutilizzabili e semplificati per l’addestramento, la simulazione e il test a varie applicazioni wireless con le app Deep Network Designer ed Experiment Manager.
  • Aggiungi strati personalizzati ai tuoi progetti di Deep Learning
• Eseguire simulazioni e test
  • Simula un sistema wireless end-to-end comprendente modelli di IA.
  • Valuta rapidamente gli effetti di un modello di IA sul comportamento del sistema e itera l’operazione per migliorare la progettazione.
  • Convalida e regola il modello di IA e il sistema utilizzando segnali over-the-air.
• Distribuire i modelli
  • Genera automaticamente il codice per un hardware target specifico.
  • Distribuisci i modelli su hardware incorporato o sul Cloud.