LibIQ: Toward Real-Time Spectrum Classification in O-RAN dApps

要約

O-RANアーキテクチャは、データ駆動型の監視とネットワークの制御を可能にするために、実行されたソフトウェア化と分解の概念を採用することにより、セルラーネットワークを変換しています。
このような管理は、XappsとRappsを介してほぼリアルタイムおよび非リアルタイムネットワーク制御を促進するRICSによって有効になっています。
ただし、RANとRIC間のデータ交換におけるレイテンシオーバーヘッド、リアルタイムの監視の制限、プライバシーとセキュリティの制約によりユーザープレーンデータにアクセスできないこと、ビームフォームやスペクトル分類などのユースケースが妨げられるなど、制限に直面しています。
このホワイトペーパーでは、DAPPSコンセプトを活用して、I/Qサンプルを使用してデータセットを作成し、プロットとスペクトルグログラムを介して時間撮影データを視覚化する機能性を提供する機能を提供することにより、効率的なスペクトルモニタリングと信号分類を容易にするRFシグナルの新しいライブラリであるLIBIQを使用して、リアルタイムRFスペクトル分類を可能にします。
LIBIQのおかげで、I/Qサンプルを効率的に処理して、ライブラリ内のCNNを使用して分類される外部RF信号を検出できます。
正確なスペクトル分析を実現するために、ColosseumネットワークエミュレーターとOTAテストベッドを介した5G展開で実行されているカスタムDAPPを使用してキャプチャされた個別の信号タイプを表す、時シリーズベースのI/Qサンプルの広範なデータセットを作成しました。
さまざまな中心周波数、時間窓、および外部RF信号を持つ不均一なシナリオにLIBIQを展開することにより、モデルを評価します。
リアルタイム分析では、モデルは処理されたI/Qサンプルを分類し、すべてのシナリオで信号タイプを識別する際に約97.8 \％の平均精度を達成します。
libiqと、受け入れたときに公開されているフレームワークとして作成されたデータセットの両方をリリースすることを誓約します。

要約(オリジナル)

The O-RAN architecture is transforming cellular networks by adopting RAN softwarization and disaggregation concepts to enable data-driven monitoring and control of the network. Such management is enabled by RICs, which facilitate near-real-time and non-real-time network control through xApps and rApps. However, they face limitations, including latency overhead in data exchange between the RAN and RIC, restricting real-time monitoring, and the inability to access user plain data due to privacy and security constraints, hindering use cases like beamforming and spectrum classification. In this paper, we leverage the dApps concept to enable real-time RF spectrum classification with LibIQ, a novel library for RF signals that facilitates efficient spectrum monitoring and signal classification by providing functionalities to read I/Q samples as time-series, create datasets and visualize time-series data through plots and spectrograms. Thanks to LibIQ, I/Q samples can be efficiently processed to detect external RF signals, which are subsequently classified using a CNN inside the library. To achieve accurate spectrum analysis, we created an extensive dataset of time-series-based I/Q samples, representing distinct signal types captured using a custom dApp running on a 5G deployment over the Colosseum network emulator and an OTA testbed. We evaluate our model by deploying LibIQ in heterogeneous scenarios with varying center frequencies, time windows, and external RF signals. In real-time analysis, the model classifies the processed I/Q samples, achieving an average accuracy of approximately 97.8\% in identifying signal types across all scenarios. We pledge to release both LibIQ and the dataset created as a publicly available framework upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google