Deep Learning per le comunicazioni wireless

Panoramica

I sistemi wireless di nuova generazione devono operare in ambienti difficili, dove vari tipi di interferenze aumentano le sfide a livello di sistema. I ricevitori wireless trovano numerose applicazioni nei sistemi che richiedono una gestione efficiente dello spettro. In questa sessione mostreremo come applicare le tecniche di Deep Learning e le reti di Machine Learning a una gamma di sistemi di comunicazione wireless.

Esamineremo i compromessi tra i workflow di Machine Learning e Deep Learning.  Mostreremo inoltre come eseguire la raccolta e l’etichettatura dei dati a partire da radio e radar software-defined disponibili in commercio, per l’addestramento e il test dei classificatori. Ci concentreremo sulla sintesi dei dati per addestrare le reti, compresi metodi efficienti per lavorare con i segnali I/Q in banda base delle comunicazioni per migliorare i risultati della classificazione.

Punti principali

Dimostrare concetti e workflow mediante vari esempi applicativi, inclusi l’identificazione della modulazione delle waveform, il fingerprinting RF e la stima del canale 5G

Comprendere i compromessi tra tecniche di Machine Learning e Deep Learning per i segnali di baseband

Pre-elaborare e etichettare i dati di baseband

Sintetizzare i dati per addestrare le reti

Informazioni sui presentatori

Il dott. Houman Zarrinkoub è un Senior Product Manager presso MathWorks, responsabile dei prodotti per le comunicazioni wireless. Durante i suoi 20 anni di carriera in MathWorks, ha anche ricoperto il ruolo di Development Manager, occupandosi di numerosi strumenti software per l’elaborazione dei segnali e le comunicazioni. Prima di entrare in MathWorks, è stato ricercatore nel Wireless Group di Nortel Networks, occupandosi di tecnologie per la telefonia mobile e la codifica vocale. Gli sono stati riconosciuti numerosi brevetti su temi relativi alle simulazioni al computer di applicazioni di elaborazione del segnale. Houman è l'autore del libro Understanding LTE with MATLAB: From Mathematical Modeling to Simulation and Prototyping. Ha conseguito la laurea triennale (B.Sc.) in Ingegneria Elettrica presso la McGill University e la laurea magistrale (M.Sc.) e il dottorato di ricerca (Ph.D.) in Telecomunicazioni presso l’Università del Quebec, in Canada.

Florent Busnoult è un Senior Application Engineer presso MathWorks, specializzato in elaborazione del segnale e prodotti per le comunicazioni wireless. Ha conseguito un Master in ingegneria delle telecomunicazioni presso Telecom Bretagne, in Francia.