从信道测量到物理层 AI 应用的训练数据
网络与互联网体系结构
2024-03-14 v1 信号处理
摘要
人工智能（AI）和机器学习（ML）等基于学习的技术在未来通信网络的发展中扮演着日益重要的角色。学习算法的成功取决于可用训练数据的质量和数量。在物理层（PHY），信道信息数据可以通过测量活动或基于预定义信道模型的仿真获得。进行测量可能耗时，且仅能获取某一特定位置或场景的信息。另一方面，仿真数据更具泛化性，但在大多数情况下反映的不是真实环境，而是基于数学模型的统计近似。本文提出了一种通过快速灵活的软件定义无线电（SDR）信道测量获取信道数据的过程，以及一种为仿真器提供配置输入的参数提取方法。在两个示例性传播场景中演示了从测量到仿真信道数据的过程。结果表明，在这两种情况下，仿真数据均与测量结果吻合良好。
引用
@article{arxiv.2403.08317,
title = {From Channel Measurement to Training Data for PHY Layer AI Applications},
author = {Michael Zentarra and Julian Ahrens and Lia Ahrens},
journal= {arXiv preprint arXiv:2403.08317},
year = {2024}
}
备注
This is a preprint, the full paper has been accepted by the Workshop on Next Generation Networks and Applications 2022 (NGNA)