챕터 1

무선 통신 시스템에 AI 통합하기

이러한 새로운 무선 기술의 가능성을 실현하기 위해 엔지니어는 이러한 시스템들을 최적화하고 파라미터를 구성할 방법을 찾아야 합니다. 그러나 이러한 설계 문제를 해결하는 데 수반되는 복잡성은 인간의 한계를 시험하고 있습니다. 기존의 규칙 기반 수학적 기법으로는 이제 충분하지 않을 것입니다.

기존 방법을 탈피하고 AI(인공지능) 기법 사용을 고려할 때가 되었습니다.

AI는 여러 차원과 복잡한 동역학을 수반하는 문제를 푸는 데 능합니다. AI 모델을 사용하여 무선 망에서 주요한 기능을 수행하면 다음과 같은 이점이 있습니다.

• 무선 시스템의 효율성 개선
• 계산 복잡도 및 리소스 사용량 감소
• 태양 플레어부터 증폭기 과열에 이르는 환경 변화를 지속적으로 보상
• 변화하는 채널 조건 반영

AI로 해결할 수 있는 설계 문제는 아주 많습니다.

• 딥러닝을 사용한 디지털 전치왜곡으로 전력 증폭기의 작동에 영향을 미치는 환경 변화 보상
• 딥러닝을 사용한 빔 선택으로 계산 복잡도 및 리소스 비용 절감
• DQN(심층 Q-신경망) 강화 학습 에이전트를 사용한 빔 선택으로 빔 탐색의 복잡도 감소
• 딥러닝을 사용한 LLR(로그 가능도비) 검출로 계산 복잡도 감소

AI는 위치추정에 대해 늘어나는 수요를 충족할 수도 있습니다.

• 딥러닝을 사용한 3차원 실내 위치추정으로 위치 변화 반영

그밖에 AI로 모델링할 수 있는 다른 것들은 무엇이 있을까요?

• 딥러닝을 사용한 스펙트럼 검출로 다양한 스펙트럼 주파수 지원
• 딥러닝을 사용한 변조 분류로 변화하는 채널 조건 반영
• 딥러닝을 사용한 오토인코더로 신뢰성 개선
• 오토인코더 신경망을 사용한 CSI(채널 상태 정보)로 무선 채널로 전송된 다운링크 CSI 압축
• 딥러닝을 사용한 WLAN 라우터 위장 검출로 보안 개선

이 eBook에서는 AI 기반 5G 채널 추정 모델의 개발 과정을 단계별로 살펴보고 AI 모델이 어떻게 전체 망 성능을 개선하는지 보여줍니다.

MATLAB을 활용한 더욱 손쉬운 AI

MATLAB^®을 사용하면 머신러닝이나 딥러닝 경험이 없어도 AI 기반 솔루션을 만들 수 있습니다. MATLAB을 사용하면 AI 기반 시스템 설계를 손쉽게 워크플로에 통합할 수 있습니다.

MATLAB은 AI 모델을 지속적으로 개선하고 시스템에 통합하여 테스트하고 검증하며 AI 모델을 프로덕션 망에 배포할 수 있는 반복 설계, 테스트 및 배포 과정을 지원합니다.

MATLAB을 사용하면 다음과 같은 작업을 할 수 있습니다.

• 데이터 준비
  • 지원되는 하드웨어를 사용해 무선 신호를 수집하여 AI 모델 훈련을 위한 데이터 생성
  • Wireless Waveform Generator 앱을 사용하여 5G, LTE, WLAN, Bluetooth 등의 다양한 기술과 DVB, CCSDS, GPS 등 다양한 위성통신 표준에 대한 표준 특정 데이터/파형 및 사용자 지정 파형 생성
  • 데이터셋이 현실적이고 견고하도록 생성된 신호에 RF 손상 및 채널 모델을 추가하여 신호 공간 증대
  • 신호 레이블 지정기 앱으로 분야별 전문지식을 적용하여 신호에 레이블 지정 및 무선 시스템에서 수집한 데이터에 인간의 인지 추가
• AI 모델 생성
  • 심층 신경망 디자이너 및 실험 관리자 앱을 사용하여 재사용 가능하며 간소화된 훈련, 시뮬레이션, 테스트 워크플로를 다양한 무선 응용 분야에 적용
  • 딥러닝 설계에 사용자 지정 계층 추가
• 시뮬레이션 및 테스트
  • AI 모델을 포함하는 종단간 무선 시스템 시뮬레이션
  • AI 모델이 시스템 거동에 미치는 영향을 신속하게 평가 및 반복을 통한 설계 개선
  • 무선 신호를 사용하여 AI 모델 및 시스템의 검증과 조정
• 모델 배포
  • 특정 타겟 하드웨어에 대한 자동 코드 생성
  • 임베디드 하드웨어 또는 클라우드에 배포