Motivation:

Die Kanalschätzung ist eines der grundlegenden Probleme der Kommunikationstechnologien. Häufig basiert die Kanalschätzung auf einem bestimmten Modell, das den Nachteil hat, dass Einflüsse, die nicht im Modell enthalten sind, von der Schätzung nicht erfasst werden. Um diesen Nachteil zu überwinden, können wir uns einen datengetriebenen Ansatz vorstellen, bei dem der zugrunde liegende Kanal allein durch gegebene Daten gelernt wird.

Ziel:

Das Ziel dieser Arbeit ist es, den Kanal mit einem Deep Learning Ansatz namens Generative Adversarial Networks (GAN) zu schätzen. Um dies zu realisieren, sollte eine fixe Senderstrecke implementiert werden und Messungen auf der Empfängerseite durchgeführt werden. Anschließend werden GANs trainiert, um anhand der Messungen eine Kanalschätzung durchzuführen.

Anforderungen:

Für die Bearbeitung dieser Arbeit sind Kenntnisse aus den Vorlesungen Wireless Communications Technologies, Communications Technologies und Programmierkenntnisse in Python oder Matlab und GNU Radio erforderlich.