Machine learning-based blind source separation

הרקע לפרויקט:

הפרדת מקורות "עיוורת" הינה שם כוללת לאוסף השיטות שמטרתן להפריד אות המכיל "ערבוב" (לרוב, ליניארי) של רכיבים לרכיביו העצמאיים, עם מינימום הנחות ו/או ידע מקדים. ככזאת, גישה זו רלוונטית לתחומים רבים, כגון עיבוד אותות תקשורת (דחיית הפרעות) ואותות שמע (סינון רעשי רקע). פרויקט זה יעסוק בפיתוח שיטה מבוססת למידת מכונה להפרדת אותות תקשורת ולהשבחת ביצועי המקלט בפענוח ההודעה שנשלחה. פיתוח שיטות כמו זו שתפותח בפרויקט מקדם את יכולות העיבוד הדיגיטליות של מערכות תקשורת עתידיות, ולכן מביא לפוטנציאל שיפור נוסף בביצועי מערכות תקשורת במובן הרחב.

מטרת הפרויקט:

תוצר הפרויקט הינו רשת נוירונים מאומנת להפרדת אותות, כאשר אות העניין הינו אות תקשורת שיש לפענחו באופן הטוב ביותר (במובן הסתברות שגיאה לסיבית מינימלית) והאות המפריע יכול להיות אחד מכהמ סוגים. בעיה זו היא בעיה מוכללת ביחס לזו המוצגת באתגר https://rfchallenge.mit.edu.

תכולת הפרויקט:

1. קריאת מאמרים רלוונטיים
2. הבנת מתודולוגית הפתרון (למידה מפוקחת להפרדת אותות, ובפרט אימון רשת נוירונים מלאכותית)
3. מימוש הפתרונות הקיימים
4. הרחבת הפתרון הקיים לצורך הפרדת אות עניין מאות מפריע אשר סוגו אינו ידוע מראש
5. אימון הרשת ובחינתה לעומת ביצועי הפתרונות הקיימים

קורסי קדם:

1. מבוא ללמידת מכונה (83622)
2. תקשורת ספרתית 1 (83310)

מקורות:

1. Lancho, A., Weiss, A., Lee, G.C.F., Tang, J., Bu, Y., Polyanskiy, Y. and Wornell, G. W., “Data-Driven Blind Synchronization and Interference Rejection for Digital Communication Signals”, in Proc. of IEEE Global Communications Conference (GLOBECOM), pp. 2296–2302, Dec. 2022. (https://arxiv.org/pdf/2209.04871.pdf)
2. Lancho, A., Weiss, A., Lee, G.C.F., Jayashankar, T., Kurien, B., Polyanskiy, Y. and Wornell, G. W., "RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge", arXiv:2409.08839, Sep. 2024 (https://arxiv.org/abs/2409.08839)