AI如何開始影響無(wú)線通信機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)有望實(shí)現(xiàn)無(wú)線網(wǎng)絡(luò)的端到端優(yōu)化，同時(shí)將PHY和信號(hào)處理設(shè)計(jì)商品化并幫助克服RF復(fù)雜性當(dāng)人工智能（AI）技術(shù)到達(dá)無(wú)線信道時(shí)會(huì)發(fā)生什么？首先，AI承諾通過(guò)采用強(qiáng)大的機(jī)器學(xué)習(xí)算法并顯著改善RF參數(shù)（如信道帶寬，天線靈敏度和頻譜監(jiān)控）來(lái)解決射頻（RF）系統(tǒng)的設(shè)計(jì)復(fù)雜性問(wèn)題。到目前為止，已經(jīng)通過(guò)諸如認(rèn)知無(wú)線電之類的技術(shù)來(lái)為無(wú)線網(wǎng)絡(luò)中的各個(gè)組件進(jìn)行智能化工程。然而，針對(duì)頻譜監(jiān)測(cè)等應(yīng)用的這些零碎優(yōu)化是勞動(dòng)密集型的，它們需要努力手工設(shè)計(jì)特征提取和選擇，這通常需要數(shù)月才能完成設(shè)計(jì)和部署。另一方面，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等AI表現(xiàn)形式可以在幾個(gè)小時(shí)內(nèi)調(diào)用數(shù)據(jù)分析來(lái)訓(xùn)練無(wú)線電信號(hào)類型。例如，與基于迭代和算法信號(hào)搜索和信號(hào)檢測(cè)和分類的傳統(tǒng)方法相比，訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)花費(fèi)幾毫秒來(lái)執(zhí)行信號(hào)檢測(cè)和分類。圖1：深度學(xué)習(xí)允許在信號(hào)捕獲后的幾秒鐘內(nèi)訓(xùn)練RF信號(hào)。資料值得注意的是，這些增益還可以顯著降低功耗和計(jì)算要求。此外，學(xué)習(xí)的通信系統(tǒng)允許無(wú)線設(shè)計(jì)者優(yōu)先考慮關(guān)鍵設(shè)計(jì)參數(shù)，例如吞吐量，延遲，范圍和功耗。更重要的是，基于深度學(xué)習(xí)的培訓(xùn)模型有助于更好地了解運(yùn)營(yíng)環(huán)境，并承諾提供端到端的學(xué)習(xí)，以創(chuàng)建最佳的無(wú)線電系統(tǒng)。例證：一種培訓(xùn)模型，可以共同學(xué)習(xí)無(wú)線電發(fā)射器和接收器的編碼器和解碼器，同時(shí)包含RF組件，天線和數(shù)據(jù)轉(zhuǎn)換器。此外，無(wú)線領(lǐng)域中深度學(xué)習(xí)承諾的技術(shù)是物理層（PHY）和信號(hào)處理設(shè)計(jì)的商品化。將基于深度學(xué)習(xí)的傳感與有源無(wú)線電波形相結(jié)合，創(chuàng)造了一類新的用例，可以在各種無(wú)線電環(huán)境中智能地運(yùn)行。以下部分將介紹幾個(gè)設(shè)計(jì)案例研究，展示AI技術(shù)在無(wú)線通信中的潛力。兩個(gè)設(shè)計(jì)案例研究首先，DeepSig公司的OmniSIG軟件開發(fā)套件（SDK）基于深度學(xué)習(xí)技術(shù)，并采用實(shí)時(shí)信號(hào)處理，允許用戶訓(xùn)練信號(hào)檢測(cè)和分類傳感器。DeepSig聲稱其OmniSIG傳感器可以檢測(cè)到Wi-Fi，藍(lán)牙，蜂窩和其他無(wú)線電信號(hào)，速度比現(xiàn)有無(wú)線技術(shù)快1000倍。此外，它使用戶能夠理解頻譜環(huán)境，從而促進(jìn)上下文分析和決策制定。美國(guó)政府和國(guó)防供??應(yīng)商ENSCO正在培訓(xùn)OmniSIG傳感器，以檢測(cè)和分類無(wú)線和雷達(dá)信號(hào)。在這里，ENSCO旨在部署基于AI的功能，以克服傳統(tǒng)設(shè)計(jì)的信號(hào)智能RF系統(tǒng)的性能限制。DeepSig的OmniPHY軟件所做的是允許用戶學(xué)習(xí)通信系統(tǒng)，并隨后優(yōu)化信道條件，惡劣的頻譜環(huán)境和硬件性能限制。這些應(yīng)用包括抗干擾能力，非視距通信，有爭(zhēng)議頻譜中的多用戶系統(tǒng)以及減輕硬件失真的影響。圖2：機(jī)器學(xué)習(xí)允許設(shè)計(jì)人員根據(jù)多普勒時(shí)間光譜圖對(duì)無(wú)線電信號(hào)進(jìn)行分類，以識(shí)別日常活動(dòng)。另一個(gè)設(shè)計(jì)案例研究顯示了深度學(xué)習(xí)等AI技術(shù)如何影響未來(lái)的硬件架構(gòu)和設(shè)計(jì)，是用于監(jiān)控療養(yǎng)院健康，活動(dòng)和福祉的被動(dòng)Wi-Fi傳感系統(tǒng)（圖2）?？嘉拇勾髮W(xué)開發(fā)的連續(xù)監(jiān)視系統(tǒng)采用手勢(shì)識(shí)別庫(kù)和機(jī)器學(xué)習(xí)系統(tǒng)進(jìn)行信號(hào)分類，并對(duì)反映患者的Wi-Fi信號(hào)進(jìn)行詳細(xì)分析，揭示身體運(yùn)動(dòng)和生命體征的模式。住宅醫(yī)療系統(tǒng)通常采用可穿戴設(shè)備，基于攝像頭的視覺(jué)系統(tǒng)和環(huán)境傳感器，但它們帶來(lái)諸如身體不適，隱私問(wèn)題和有限檢測(cè)精度等缺點(diǎn)。另一方面，基于活動(dòng)識(shí)別和穿墻呼吸感測(cè)的被動(dòng)Wi-Fi感測(cè)系統(tǒng)是非接觸式，準(zhǔn)確且微創(chuàng)的。養(yǎng)老院的被動(dòng)Wi-Fi傳感源于倫敦大學(xué)學(xué)院開展的被動(dòng)Wi-Fi雷達(dá)研究項(xiàng)目。基于NI（NI）軟件定義無(wú)線電（SDR）解決方案的無(wú)源Wi-Fi雷達(dá)原型完全無(wú)法檢測(cè)，可用于軍事和反恐應(yīng)用。USRP收發(fā)器和LabVIEW無(wú)源Wi-Fi傳感系統(tǒng)是一種僅接收系統(tǒng)，用于測(cè)量跨多路徑傳播移動(dòng)室內(nèi)物鏡所引起的動(dòng)態(tài)Wi-Fi信號(hào)變化。在這里，機(jī)器學(xué)習(xí)等AI技術(shù)允許工程師使用頻率來(lái)測(cè)量測(cè)量持續(xù)時(shí)間內(nèi)的相位變化率以及多普勒頻移來(lái)識(shí)別運(yùn)動(dòng)。機(jī)器學(xué)習(xí)算法可以建立物理活動(dòng)和與手勢(shì)相關(guān)聯(lián)的多普勒時(shí)間光譜圖之間的鏈接，例如拾取或坐下。數(shù)據(jù)批次的階段足夠準(zhǔn)確，以辨別呼吸引起的小體積運(yùn)動(dòng)?？嘉拇勾髮W(xué)使用通用軟件無(wú)線電外設(shè)（USRP）和LabVIEW軟件構(gòu)建了一個(gè)無(wú)源Wi-Fi傳感系統(tǒng)原型，用于捕獲，處理和解釋原始RF信號(hào)樣本。LabVIEW是一種用于處理器和FPGA的直觀圖形化編程工具，使工程師能夠管理復(fù)雜的系統(tǒng)配置并調(diào)整信號(hào)處理參數(shù)以滿足精確的要求。圖3：與LabVIEW軟件接口的USRP收發(fā)器允許工程師，科學(xué)家和學(xué)生開發(fā)下一代無(wú)線技術(shù)的算法。另一方面，USRP是一種基于SDR的可調(diào)諧收發(fā)器，與LabVIEW協(xié)同工作，用于無(wú)線通信系統(tǒng)的原型設(shè)計(jì)。它已經(jīng)被用于無(wú)線應(yīng)用的原型設(shè)計(jì)，如FM收音機(jī)，測(cè)向，RF記錄和回放，無(wú)源雷達(dá)和GPS模擬。考文垂大學(xué)的工程師使用USRP捕獲原始RF樣本并將其傳送到LabVIEW應(yīng)用程序，以便快速處理信號(hào)。他們還動(dòng)態(tài)地改變了數(shù)據(jù)陣列和分析例程的批量大小，以使系統(tǒng)適應(yīng)緩慢和快速的運(yùn)動(dòng)。工程師能夠解釋一些捕獲的信號(hào)，并直接將批次階段的周期性變化與手勢(shì)和呼吸率聯(lián)系起來(lái)。接下來(lái)，他們檢查了數(shù)據(jù)批次的階段是否足夠精確，以辨別呼吸引起的小身體運(yùn)動(dòng)。AI：下一個(gè)無(wú)線前沿上述設(shè)計(jì)實(shí)例展示了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等AI技術(shù)在革新RF設(shè)計(jì)，解決各種RF設(shè)計(jì)領(lǐng)域和創(chuàng)建新無(wú)線用例方面的潛力。這些仍然是在無(wú)線網(wǎng)絡(luò)中實(shí)施AI的早期階段。但是USRP這樣的商業(yè)產(chǎn)品的可用性