发布时间:2024-08-19 14:19:37 栏目:精选百科
实现远近距离的畅通无阻的交流是穆拉特·尤克塞尔希望实现的梦想。
他正在进行的研究名为“INWADE:基于深度学习的智能波形自适应”,由美国空军研究基金会资助,旨在通过使用机器学习来微调网络效率,从而改善高频无线网络的质量,让我们更接近这一梦想。
佛罗里达大学工程与计算机科学学院电气与计算机工程系教授 Yuksel 表示,随着无线网络在通信中的应用不断普及,有效改善无线信号质量的需求也将日益增长 。
“新兴的 5G 及以上无线网络经常使用对环境非常敏感的高频信号,”他说。“它们在传播过程中很容易被阻挡或迅速衰减。甚至空气中颗粒的性质也会对它们产生重大影响。深度学习使我们能够了解环境的特征。因此,使用这些学习到的特征使我们能够更好地调整无线信号以获得更高的数据传输速率。”
INWADE 是一种自动化手段,通过对发送器和接收器上的多个通信块进行训练,将它们作为深度神经网络的组合进行联合设计,从而使无线网络用户受益。
为了满足无线网络的普及和使用需求,INWADE 网络的开发和研究应运而生。
“对无线数据传输(如蜂窝和 Wi-Fi)的需求不断增长,这导致了对底层自然资源共享的更多争夺,即支持这些无线传输的无线电频谱,”Yuksel 说。
这项研究的深度学习方面是一个新兴的考虑因素,旨在以最小的延迟提供更好的无线信号。深度学习网络将根据其感知的射频环境选择最佳的波形修改和波束方向,以管理提供无线信号和修改的无人机和节点。
Yuksel 表示:“我们的工作表明,实时使用深度强化学习来微调毫米波信号是可行的,这些信号在超 6 GHz 频段的部分区域运行。此外,该项目旨在表明,链路层和网络层的深度学习可以协同工作,使信号变得‘深度智能’。”
Yuksel 表示,利用现有的无线网络资源并快速穿越固定障碍物或拥挤的航道是一个无处不在的问题,并促使网络管理员搜索比常用的 6 GHz 以下频段更高频率的频谱。
这些“超级 6 GHz”频段难以访问和维护,因此 Yuksel 希望利用深度学习来应对这一挑战。
Yuksel 表示:“它们使用高度定向的天线,这使得它们在移动/运动时很脆弱,而且它们无法到达很远的地方,因为它们对空气中的颗粒很敏感。因此,我们必须非常小心地处理它们,以支持高吞吐量的数据传输。这需要先进的算法方法,可以学习环境并将超 6 GHz 无线信号调整到操作环境。”
2023 年末,国际信息处理联合会物联网会议上发表了一些关于可在 INWADE 中实施的算法的可行性的初步发现。
尤克塞尔指出,该项目于 2023 年底从空军研究实验室获得 25 万美元奖金的第一部分,并于 2024 年初启动,但目前已经取得了有希望的发现。
“我们在实验室测试平台上展示了我们的深度学习方法可以成功解决一些基本的链路级问题,例如到达角检测或找到传入信号的方向,”他说。“这种能力对于几个关键应用非常有用,例如确定位置和移动方向。下一步包括在无人机上展示类似的能力,并展示深度学习在链路和网络层面共存的可行性。”
在开发和测试 INWADE 框架之后,Yuksel 预见到在实施机器学习时可能需要进一步研究的其他挑战和考虑。
他说:“一项关键的理论探索是了解多个机器学习代理是否能够在无线网络的不同层共存,并且在不危及彼此目标的情况下实现更高的性能。”
尽管 Yuksel 是这项研究的首席研究员,但他将自己的成功很大程度上归功于他的学生和合作者。
“我的学生帮助我进行实验并收集结果,”他说。“我很感激他们。我们还与克莱姆森大学合作,他们正在为我们正在解决的问题设计新的机器学习方法。”
Yuksel 的工作仍在继续,他乐观地认为,他的研究将进一步有益于让所有人都能使用无线网络的更伟大的科学事业。
“这项努力的潜力巨大,”他说。“我认为无线电频谱是一种重要的自然资源,就像水或清洁空气一样。随着机器学习方法的进步,能够利用它们更好地共享频谱并解决关键的无线挑战是非常必要的。”
免责声明:本文由用户上传,如有侵权请联系删除!