无线通信与深度学习

概述

下一代无线系统需要在恶劣环境中运行，各种类型的干扰增加了系统级挑战。无线接收机在需要高效频谱管理的系统中有着广泛的应用。在本视频中，我们将演示如何将深度学习和机器学习网络技术应用于各种无线通信系统。

我们将探讨机器学习和深度学习工作流之间的权衡。我们还将演示如何从现成的软件定义无线电和雷达中进行数据收集和标注，以训练和测试分类器。我们的重点将是用于训练网络的数据合成，包括处理通信基带 I/Q 信号以提高分类结果的有效方法。

亮点

通过几个应用示例（包括波形调制识别、射频指纹识别和 5G 信道估计）演示概念和工作流。

了解针对基带信号的机器学习和深度学习技术之间的权衡。

预处理并标注基带数据。

合成数据以训练网络。

关于主持人

Houman Zarrinkoub 博士是 MathWorks 负责无线通信产品的高级产品经理。在 MathWorks 任职的 20 年间，他还曾担任开发经理，负责多个信号处理和通信软件工具。在加入 MathWorks 之前，他曾在 Nortel Networks 无线组担任研究科学家，从事移动和语音编码技术研究。他拥有多项与信号处理应用计算机仿真相关的专利。Houman 是《Understanding LTE with MATLAB: From Mathematical Modeling to Simulation and Prototyping》一书的作者。他拥有加拿大麦吉尔大学的电气工程学士学位，以及加拿大魁北克大学的电信硕士和博士学位。

Florent Busnoult 是 MathWorks 的高级应用工程师，专注于信号处理和无线通信产品。他拥有法国布列塔尼电信学院的电信工程硕士学位。