Capítulo 1

Integración de IA en sistemas de comunicaciones inalámbricas

Para convertir estas nuevas tecnologías inalámbricas en realidad, profesionales de ingeniería deben encontrar formas de optimizar estos sistemas y configurar sus parámetros. Pero la complejidad que implica resolver estos problemas de diseño está poniendo a prueba los límites de la mente humana. Ya no basta con los métodos matemáticos tradicionales basados en reglas.

Es hora de ir más allá de los métodos tradicionales y plantearse emplear técnicas de inteligencia artificial (IA).

La IA se especializa en resolver problemas con múltiples dimensiones y dinámicas complejas. Sirviéndose de modelos de IA para realizar funciones clave en una red inalámbrica, puede:

• Mejorar la eficiencia del sistema inalámbrico.
• Reducir la complejidad computacional y el uso de recursos.
• Compensar continuamente los cambios ambientales, desde erupciones solares hasta sobrecalentamiento de amplificadores.
• Explicar las condiciones cambiantes de los canales.

Son muchos los problemas de diseño que se pueden resolver con IA:

• Predistorsión digital con Deep Learning para compensar los cambios ambientales que afecten al funcionamiento de amplificadores de potencia
• Selección de haces con Deep Learning para reducir la complejidad computacional y el sobrecoste de recursos
• Selección de haces con un agente de reinforcement learning de Deep Q-network (DQN) para reducir la complejidad de la búsqueda de haces
• Detección de razones de verosimilitud logarítmica (LLR) con Deep Learning para reducir la complejidad computacional

Además, IA puede ayudar con la necesidad de mejor localización:

• Posicionamiento en interiores en 3D con Deep Learning para tomar en cuenta los cambios de localización

¿Qué más se puede modelar con IA?

• Detección del espectro con Deep Learning para soportar diferentes frecuencias espectrales
• Clasificación de la modulación con Deep Learning para tomar en cuenta las condiciones cambiantes de los canales
• Autocodificadores con Deep Learning para mejorar la fiabilidad
• Feedback de información del estado del canal (CSI) con redes neuronales con autocodificadores para comprimir CSI de enlace descendente enviada a través de un canal inalámbrico
• Detección de enrutadores de WLAN suplantados con Deep Learning para mejorar la seguridad

Este e-book presenta el desarrollo de un modelo de estimación de canal 5G basado en IA y muestra cómo el modelo de IA puede mejorar el rendimiento general de la red.

IA facilitada por MATLAB

Con MATLAB^®, puede crear soluciones basadas en IA incluso si no tiene experiencia con Machine Learning o Deep Learning. MATLAB facilita la integración del diseño de sistemas basado en IA en un flujo de trabajo.

MATLAB ofrece un proceso iterativo de diseño, pruebas y despliegue que permite mejorar continuamente los modelos de IA, integrarlos en un sistema para realizar pruebas y validación, y desplegarlos en redes de producción.

MATLAB permite:

• Preparar datos
  • Capture señales inalámbricas utilizando hardware compatible para crear datos para entrenar modelos de IA.
  • Genere datos/formas de onda para estándares específicos, así como formas de onda personalizadas para diversas tecnologías, tales como 5G, LTE, WLAN, Bluetooth, y distintos estándares de comunicación satelital, tales como DVB, CCSDS y GPS, con la app Wireless Waveform Generator.
  • Aumente el espacio de señales agregando distorsiones de RF y modelos de canal a las señales generadas para que el conjunto de datos sea realista y sólido.
  • Aplique su propio conocimiento especializado para etiquetar señales e incorporar inteligencia humana a datos recopilados de sistemas inalámbricos con la app Signal Labeler.
• Crear modelos de IA
  • Emplee flujos de trabajo de entrenamiento, simulación y pruebas reutilizables y optimizados en diversas aplicaciones inalámbricas con las apps Deep Network Designer y Experiment Manager.
  • Agregue capas personalizadas a los diseños de Deep Learning
• Realizar simulación y pruebas
  • Simule un sistema inalámbrico de extremo a extremo que incluya modelos de IA.
  • Evalúe rápidamente los efectos de un modelo de IA sobre el comportamiento del sistema y realice iteraciones para mejorar el diseño.
  • Valide y ajuste un sistema y modelo de IA utilizando señales inalámbricas.
• Desplegar modelos
  • Genere código automáticamente para hardware objetivo específico.
  • Despliegue en hardware integrado o en la nube.