مدلسازی رفتار مدارهای شبکه های رادیویی به وسیله شبکه های عصبی بازگشتی ویادگیری عمیق

در این مقاله، مدارهای یک شبکه رادیویی مخابراتی در حالت کلی به وسیله شبکه های عصبی بازگشتی در قالب یادگیری عمیق، مدلسازی می شوند. هر یک از مدارهای سازنده شبکه مخابراتی، به عنوان یک سیستم الکتریکی در نظر گرفته شده که شبکه عصبی، تنها با سیگنال های ورودی و خروجی آن سروکار داشته و طی فرآیند آموزش آن، کارکرد مدار غیر خطی موردنظر را تقلید می کند. بنابراین مدارهای پیچیده مخابراتی فرکانس بالا از قبیل مدولاتورها، ضرب کننده ها و اسیلاتورها که مدارهایی به شدت غیر خطی بوده و حتی به وسیله خطی سازی سیگنال کوچک نیز قابل تحلیل نمی باشند و شبیه سازی مداری آنها مستلزم بکارگیری نرم افزارهایی از قبیل ADS و Spice می باشد که غالبا زمان بر می باشند. لذا با مدلسازی رفتار مدار در قالب یک شبکه عصبی عمیق، به ازای هر ورودی دلخواه دیگری، خروجی متناظر را با خطای حداقل مربعات کمتر از ۱ درصد در کسری از ثانیه، می توان بدست آورد.

کلیدواژه ها:

یادگیری عمیق ، شبکه رادیویی ، شبکه عصبی ، مدارهای غیرخطی