Motivation:

In fortschrittlichen Kommunikationssystemen sind Latenz und Durchsatz oft wichtige Leistungsindikatoren. Die Idee dieser Arbeit ist es, einen auf maschinellem Lernen basierenden Algorithmus zu erstellen, der in der Lage ist, eingehende Pakete auf der Empfängerseite zu klassifizieren, ob das empfangene Paket dekodierbar ist oder nicht. Mit dieser Technik könnten ARQ-Schemata verbessert werden und somit Latenz und Durchsatz erhöht werden.

Zielsetzung:

Das Ziel dieser Arbeit ist es, einen datengetriebenen Klassifikationsalgorithmus zu implementieren, der entscheiden soll, ob ein empfangenes Paket korrekt dekodiert werden kann oder nicht. Natürlich hängt dieses Problem von dem gewählten Code und Decoder ab und daher muss eine vollständige Übertragungsstrecke implementiert werden, um diesen Klassifikator zu trainieren und die benötigten Daten zu generieren.