С каждым годом количество пользователей систем связи и объемы передаваемых ими данных растут. Чтобы избежать сбоев в информационных системах, нужно масштабировать телекоммуникационную инфраструктуру. Однако это приводит к тому, что в сети одновременно передается большое количество сигналов, которые могут мешать друг другу и вызывать искажения и ошибки в процессе обмена данными.
Как решить эту проблему? Один из способов — подобрать такие сигналы, которые в случае их искажения при передаче через канал связи можно надежнее всего отличить друг от друга. Это называется задачей оптимизации.
Мы создали виртуальную систему связи, в которой моделируются процессы, происходящие с сигналами при передаче информации. Наша нейросетевая модель решает задачу оптимизации, то есть подбирает набор радиосигналов с наиболее эффективными параметрами для конкретной телекоммуникационной системы, исходя из особенностей канала связи, который в ней применяется
— заместитель заведующего кафедрой теоретических основ радиотехники СПбГЭТУ Александр Сергиенко.
С помощью такой модели можно создавать наборы сигналов для действующих систем связи, повышая эффективность их работы по соотношению скорости и надежности передачи информации.
Нейросетевая модель, созданная специалистами СПбГЭТУ, относится к типу генеративных нейросетей. Это такие нейросети, которые могут создавать новые данные на основе имеющихся. Генеративная нейросеть для подбора оптимальных сигналов работает следующим образом: она получает на вход информацию о характеристиках канала связи, по которому нужно передать данные. Затем она генерирует набор сигналов с разными параметрами и проверяет их качество по критериям эффективности передачи информации. Наконец, она выбирает лучший набор сигналов и выдает его на выход.
Таким образом, нейросеть позволяет автоматизировать процесс подбора оптимальных сигналов для передачи информации по телекоммуникационным сетям и улучшить качество связи.
