淺析深度學(xué)習(xí)在軟件無(wú)線電技術(shù)中的應(yīng)用獲獎(jiǎng)科研報(bào)告

淺析深度學(xué)習(xí)在軟件無(wú)線電技術(shù)中的應(yīng)用獲獎(jiǎng)科研報(bào)告摘

要：隨著人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)技術(shù)已經(jīng)被應(yīng)用于多個(gè)領(lǐng)域，對(duì)軟件無(wú)線電技術(shù)也產(chǎn)生了一定程度的影響。本文總結(jié)分析了基于深度學(xué)習(xí)的軟件無(wú)線電系統(tǒng)功能架構(gòu)，闡述了深度學(xué)習(xí)技術(shù)在軟件無(wú)線電系統(tǒng)中的應(yīng)用價(jià)值，具有一定的理論意義和實(shí)用價(jià)值。

關(guān)鍵詞：軟件無(wú)線電;深度學(xué)習(xí);無(wú)線網(wǎng)絡(luò)優(yōu)化

引言

隨著計(jì)算機(jī)信息技術(shù)的快速發(fā)展以及工業(yè)4.0時(shí)代的到來(lái)，人工智能技術(shù)已經(jīng)逐步進(jìn)入實(shí)際應(yīng)用階段，對(duì)多個(gè)領(lǐng)域都產(chǎn)生了不同程度的影響。軟件無(wú)線電的概念和相關(guān)理論雖然由來(lái)已久，但其潛在能力遠(yuǎn)遠(yuǎn)不限于建立多模式、多頻段、多功能的無(wú)線設(shè)備，仍有待人們進(jìn)一步深入的挖掘，而深度學(xué)習(xí)、數(shù)據(jù)挖掘等新興人工智能技術(shù)的有效應(yīng)用則可以促使軟件無(wú)線電從傳統(tǒng)意義上的無(wú)線電技術(shù)向智能無(wú)線電技術(shù)發(fā)展，激發(fā)軟件無(wú)線電更廣泛、更強(qiáng)大的應(yīng)用能力[1]。為了加深人們對(duì)于智能無(wú)線電技術(shù)的理解，本文分析總結(jié)了基于深度學(xué)習(xí)的軟件無(wú)線電系統(tǒng)功能架構(gòu)，闡述了其具體的應(yīng)用價(jià)值，可以為相關(guān)研究人員提供參考，具有一定的理論意義和實(shí)用價(jià)值。

1.基于深度學(xué)習(xí)的軟件無(wú)線電系統(tǒng)功能架構(gòu)

深度學(xué)習(xí)技術(shù)在軟件無(wú)線電中的應(yīng)用可以促使軟件無(wú)線電真正的智能化，其實(shí)質(zhì)是在軟件無(wú)線電的基礎(chǔ)上引入深度學(xué)習(xí)算法，從而實(shí)現(xiàn)軟件無(wú)線電的深度智能化，其具體的形態(tài)和和功能架構(gòu)如圖1所示。

圖1

基于深度學(xué)習(xí)的軟件無(wú)線電功能架構(gòu)圖

從圖1中可以看出，基于深度學(xué)習(xí)技術(shù)的軟件無(wú)線電應(yīng)用系統(tǒng)，相較于傳統(tǒng)的軟件無(wú)線電系統(tǒng)，在硬件層面需要增加傳感器系統(tǒng)與高性能計(jì)算單元，在軟件層面需要增加深度學(xué)習(xí)算法[2]。

基于深度學(xué)習(xí)的軟件無(wú)線電系統(tǒng)的設(shè)計(jì)思路是將軟件無(wú)線電系統(tǒng)、傳感器、深度學(xué)習(xí)融合在一起，利用深度學(xué)習(xí)技術(shù)在射頻端和用戶域中的觀察（傳感、感知）、導(dǎo)向、規(guī)劃、決策、行動(dòng)和學(xué)習(xí)能力，通過(guò)高性能計(jì)算單元（高性能圖形處理器GPU）對(duì)傳感器系統(tǒng)實(shí)時(shí)采集到的系統(tǒng)環(huán)境數(shù)據(jù)進(jìn)行實(shí)時(shí)計(jì)算處理，然后將計(jì)算結(jié)果反饋給中央處理器，從而提供更好的信息質(zhì)量，將通信雙方的信號(hào)參數(shù)（包括通信頻率、發(fā)射功率、調(diào)制方式、帶寬等）實(shí)時(shí)地調(diào)整到最佳狀態(tài)，使通信系統(tǒng)的無(wú)線電參數(shù)不僅與規(guī)則相適應(yīng)，而且能與環(huán)境相匹配，并且無(wú)論何時(shí)何地都能達(dá)到通信系統(tǒng)的高可靠性以及頻譜利用的高效性，創(chuàng)造意識(shí)、自適應(yīng)和認(rèn)知無(wú)線電，在射頻和用戶域完成從簡(jiǎn)單的感知或自適應(yīng)變換為確定的認(rèn)知無(wú)線電[3]。

目前已有部分企業(yè)基于上述架構(gòu)設(shè)計(jì)并實(shí)現(xiàn)了基于相關(guān)平臺(tái)和產(chǎn)品，例如Deepwave公司基于FPGA/CPU/GPU架構(gòu)設(shè)計(jì)了開發(fā)部署軟件無(wú)線電的平臺(tái)AIR-T，該平臺(tái)為深度學(xué)習(xí)在軟件無(wú)線電系統(tǒng)中的應(yīng)用提供了硬件環(huán)境;DeepSig公司開發(fā)的OmniSIG開發(fā)套件基于深度學(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，而OmniSIG傳感器則可以檢測(cè)到Wi-Fi，藍(lán)牙等無(wú)線電信號(hào)，速度比現(xiàn)有無(wú)線技術(shù)快1000倍。

2.深度學(xué)習(xí)在軟件無(wú)線電技術(shù)中的應(yīng)用價(jià)值

2.1有助于實(shí)現(xiàn)無(wú)線網(wǎng)絡(luò)的端到端優(yōu)化

根據(jù)前文所述，深度學(xué)習(xí)算法可以對(duì)無(wú)線通信系統(tǒng)的射頻端和用戶域進(jìn)行端到端的學(xué)習(xí)，包括對(duì)無(wú)線電收發(fā)器、編解碼器、RF組件、天線、數(shù)據(jù)轉(zhuǎn)換器等系統(tǒng)組件的學(xué)習(xí)，然后建立相應(yīng)的培訓(xùn)模型，通過(guò)培訓(xùn)模型可以顯著的改善軟件無(wú)線電系統(tǒng)的各項(xiàng)射頻參數(shù)，例如信道帶寬、天線靈敏度等，并且允許設(shè)計(jì)人員優(yōu)先考慮系統(tǒng)的關(guān)鍵參數(shù)，例如吞吐量，延遲，范圍和功耗等，從而克服射頻信號(hào)的復(fù)雜性，解決射頻系統(tǒng)的設(shè)計(jì)復(fù)雜性問(wèn)題，進(jìn)而實(shí)現(xiàn)無(wú)線網(wǎng)絡(luò)端到端的優(yōu)化[4]。

2.2提升無(wú)線電系統(tǒng)設(shè)計(jì)效率

隨著認(rèn)知無(wú)線電概念的提出和應(yīng)用，目前已有相關(guān)技術(shù)可以為無(wú)線電系統(tǒng)中的各個(gè)組件進(jìn)行智能化工程，但針對(duì)頻譜監(jiān)測(cè)等應(yīng)用，目前的智能化技術(shù)中的特征提取和選擇過(guò)程仍是無(wú)線電系統(tǒng)設(shè)計(jì)人員手工進(jìn)行，導(dǎo)致這些勞動(dòng)密集型的工作過(guò)程通常需要數(shù)月才能完成設(shè)計(jì)和部署[5]。但深度學(xué)習(xí)技術(shù)則可以在幾個(gè)小時(shí)內(nèi)調(diào)用數(shù)據(jù)分析模型來(lái)訓(xùn)練無(wú)線電信號(hào)類型，而訓(xùn)練得出的深度神經(jīng)網(wǎng)絡(luò)只需要花費(fèi)幾毫秒就可以完成無(wú)線信號(hào)的檢測(cè)和分類，大幅度提高了無(wú)線電系統(tǒng)的設(shè)計(jì)效率[6]。

3.結(jié)論

本文初步分析了深度學(xué)習(xí)在軟件無(wú)線電系統(tǒng)中的應(yīng)用過(guò)程和設(shè)計(jì)思路，簡(jiǎn)要總結(jié)了其應(yīng)用價(jià)值，包括優(yōu)化無(wú)線電系統(tǒng)參數(shù)、提高系統(tǒng)設(shè)計(jì)效率等方面。隨著