原标题：Deepwave Digital开发了首款用于5G网络的深度学习频谱传感器

来源：AI人工智能          链接：http://www.atyun.com/49726.html

Deepwave Digital正在使用人工智能无线电收发器（AIR-T）来创建第一个用于5G网络的深度学习传感器。该网络称为“公民宽带无线电服务”（CBRS），它将是电信行业提供的第一个利用实时RF感应的自主频谱共享服务。 

确定优先用户是否在特定频道上处于活动状态的能力对CBRS的运行至关重要。当不存在优先级用户时，可以为商业网络重新分配频谱，以提供新的企业服务或现有服务的附加带宽。

AIR-T是一个独特的平台，结合了射频（RF）硬件和嵌入式NVIDIA Jetson TX2，可实现高吞吐量的数字信号处理（DSP）。对于CBRS，Deepwave团队已在AIR-T上实现了深度神经网络（DNN），该网络能够以极高的准确性检测、分类和报告优先级用户的存在。通过利用AIR-T及其AirStack开发环境，Deepwave团队证明了可以在Jetson产品线和AIR-T上创建，测试和部署企业级信号处理解决方案。

随着物联网设备和支持LTE / 5G的手机的爆炸式增长，频谱使用量大大增加。反过来，频谱变得越来越拥挤，这可能会降低网络性能和可靠性。从历史上看，频谱是通过强制每个通信系统在固定的频率范围内运行来进行管理的，从而使频谱管理变得简单，但是需要用户需求的经验。随着技术的变化，用户的需求也会发生变化，从而导致某些频段可能未得到充分利用而另一些频段可能会拥塞的情况。  

CBRS网络运营

CBRS网络的主要宗旨是频谱管理的一种更加动态的方法。Deepwave Digital已开发出深度学习算法，作为环境传感功能（ESC）的一部分，该算法已完成认证测试。该传感器将成为Deepwave战略合作伙伴Key Bridge Wireless提供的服务的关键组成部分。 

在GTC DC 2019上，Deepwave概述了在NVIDIA GPU以及AIR-T上执行DSP的各种方法。AIR-T的关键组件是板载NVIDIA Jetson TX2，它提供了ARM CPU和Pascal GPU作为计算资源。对于ESC Sensor的当前版本，Deepwave利用了许多GPU加速的库，例如TensorRT，cuFFT和CUDA本身。

NVIDIA最近还发布了一个名为cuSignal的开源DSP工具箱，作为RAPIDS加速数据科学项目的一部分。通过GPU加速流行的SciPy Signal库，cuSignal展示了Python程序员轻松编写GPU加速信号处理应用程序的功能，从而使DSP工程师更容易利用GPU。Deepwave目前正在评估cuSignal是否包含在将来的版本中，并将其与我们直接使用CUDA，cuFFT和其他软件库的传统工作流程进行比较。

由Deepwave Digital AIR-T和DNN支持的Key Bridge无线ESC网络的部署将于2020年推出，并开始为企业客户提供服务。该网络将首先在美国大陆、阿拉斯加、波多黎各、关岛和夏威夷的海岸线上部署。

一THE END一

免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。

合作及投稿邮箱：E-mail:editor@tusaishared.com