未來，人工智能(AI)和機(jī)器學(xué)習(xí)(ML)原理將在5G/6G網(wǎng)絡(luò)中日益普及。因此，RF數(shù)據(jù)集在訓(xùn)練和測(cè)試不同無線應(yīng)用的AI/ML模型方面發(fā)揮著關(guān)鍵作用。然而，由于研究人員在生成數(shù)據(jù)集時(shí)使用了不同的通道模型和存儲(chǔ)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(jìn)算法方面，缺乏可以獲取實(shí)際RF數(shù)據(jù)集的實(shí)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(biāo)準(zhǔn)化格式和全面場(chǎng)景描述的大型數(shù)據(jù)集

• 具有廣泛可能場(chǎng)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(shí)際數(shù)據(jù)集

  
  

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

• 將記錄的I/Q數(shù)據(jù)即時(shí)轉(zhuǎn)換為開源組織提議的標(biāo)準(zhǔn)化SigMF數(shù)據(jù)格式，并將其作為RF AI/ML數(shù)據(jù)集的標(biāo)準(zhǔn)

• 使用USRP軟件無線電設(shè)備的以太網(wǎng)連接進(jìn)行分布式測(cè)試臺(tái)設(shè)置，記錄實(shí)際數(shù)據(jù)

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

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

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