NI通過RF數(shù)據(jù)記錄增強6G網(wǎng)絡中的AI和ML研究

未來，人工智能(AI)和機器學習(ML)原理將在5G/6G網(wǎng)絡中日益普及。因此，RF數(shù)據(jù)集在訓練和測試不同無線應用的AI/ML模型方面發(fā)揮著關鍵作用。然而，由于研究人員在生成數(shù)據(jù)集時使用了不同的通道模型和存儲格式，比較模型并采用更多類型的數(shù)據(jù)集并非易事。在改進算法方面，缺乏可以獲取實際RF數(shù)據(jù)集的實用工具也是一大挑戰(zhàn)。

基于AI和ML的有效5G和6G研究需要：

• 具有標準化格式和全面場景描述的大型數(shù)據(jù)集

• 具有廣泛可能場景代表性的高質(zhì)量數(shù)據(jù)集 

  具有RF減損和可提高魯棒性的通道屬性等附加影響的實際數(shù)據(jù)集

  
  

  使用USRP硬件在5G/6G研究中進行AI/ML RF數(shù)據(jù)記錄

• 將記錄的I/Q數(shù)據(jù)即時轉(zhuǎn)換為開源組織提議的標準化SigMF數(shù)據(jù)格式，并將其作為RF AI/ML數(shù)據(jù)集的標準

• 使用USRP軟件無線電設備的以太網(wǎng)連接進行分布式測試臺設置，記錄實際數(shù)據(jù)

• 基于JSON或YAML的單個配置文件，用于定義數(shù)據(jù)記錄活動，具有將參數(shù)設置配置為單一值或列表或值范圍的選項

• 每個傳輸通道(Tx)都可進行具有單獨波形的連續(xù)波形回放，包括5G NR、LTE、雷達、Wi-Fi等

  相關解決方案請下載：使用USRP硬件在5G/6G研究中進行AI/ML RF數(shù)據(jù)記錄的NI解決方案