Motivation:

Die jüngsten Durchbrüche im Deep Learning führen zu einer künstlichen Intelligenz, die in der Lage ist, die menschliche Performance in Spielen wie z.B. Schach zu schlagen. Die Frage ist jetzt, ob und wie wir diese Erfolge auf die Welt der Kommunikationstechnologien übertragen können und wie sie im Vergleich zu anderen bestehenden Systemen aussieht.

Ziel:

Das Ziel dieser Arbeit ist die Anwendung von Deep Learning Techniken auf eine Kommunikationskette, die aus einer ganzen Sender- und Empfängerkette und einer Over-the-Air-Schnittstelle mit Hardware besteht. Die Sender- und/oder Empfängerseite sollte mit Deep Learning realisiert und mit anderen bestehenden Baseline-Schemata verglichen werden.

Voraussetzungen:

Um diese Arbeit zu bearbeiten, sind Kenntnisse der Vorlesungen Wireless Communications Technologies, Communication Technologies, Channel Coding und Programmierkenntnisse in Python oder Matlab und GNU Radio erforderlich.