Как и во всех других областях, методы машинного обучения и глубокого обучения в последнее время все чаще применяются и используются в исследованиях и разработках в области беспроводной связи. В последнее время растет число публикаций по системам беспроводной связи, в которых изучаются методы машинного обучения для повышения производительности и энергоэффективности систем беспроводной связи или снижения аппаратной и вычислительной сложности этих систем.

Некоторые из популярных методов машинного обучения, которые используются в исследованиях беспроводной связи, могут быть перечислены как глубокое обучение, обучение с подкреплением, Q-обучение, машины опорных векторов и сверточные нейронные сети. В то время как верхние уровни систем связи также могут быть расширены с помощью методов машинного обучения, особенно проблемы физического уровня (PHY) подходят для решения с использованием методов машинного обучения. Поэтому исследовательские лаборатории Nvidia разработали и выпустили библиотеку Sionna с открытым исходным кодом для исследований в области машинного обучения на физическом уровне беспроводной связи.

Sionna основана на TensorFlow и может использоваться для моделирования физического уровня систем беспроводной и оптической связи. Он также предоставляет функции и модули для быстрого и простого создания прототипов сложных коммуникационных архитектур PHY. Он также может использовать графические процессоры NVIDIA для ускорения моделирования и вычислений машинного обучения.

Sionna разработана NVIDIA для расширения возможностей исследований в области 5G и 6G. Он поддерживает массовые и MU-MIMO (многопользовательские множественные входы и множественные выходы) моделирование на уровне канала, коды 5G, включая проверку четности с низкой плотностью (LDPC) и полярные кодировщики/декодеры, модели каналов 3GPP, OFDM (ортогональная частота -мультиплексирование с разделением), оценка канала, выравнивание и мягкое обратное преобразование.

Он также содержит отличную документацию и учебные пособия, которые объясняют, как использовать Sionna для применения методов машинного обучения в системах беспроводной и оптической связи и выполнения сквозного моделирования.

Более подробную информацию о Сионне можно найти через:

Документация и руководства: nvlabs.github.io/sionna

Коды: github.com/NVlabs/sionna