跳到主要内容
Ctrl+K
Aerial CUDA-Accelerated RAN - Home

Aerial CUDA 加速 RAN

  • PDF
Aerial CUDA-Accelerated RAN - Home

Aerial CUDA 加速 RAN
  • PDF

目录

  • Aerial cuBB
    • 入门指南
    • 产品简介
      • cuPHY 特性概述
      • Aerial CUDA 加速 RAN 面向 5G gNB 的特性
      • 支持的系统
      • 运维管理 (OAM) 指南
        • 运行
        • 故障管理
        • 配置
    • cuBB 发行说明
      • 软件清单
      • 支持的特性和配置
      • 多小区容量
      • 支持的测试向量配置
      • SCF FAPI 支持
      • 局限性
      • 致谢
    • cuBB 安装指南
      • 在 Grace Hopper MGX 系统上安装工具
      • 在 Dell R750 上安装工具
      • 安装和升级 Aerial cuBB
      • Aerial 系统脚本
      • 故障排除
    • cuBB 快速入门指南
      • cuBB 快速入门概述
      • 生成 TV 和启动模式文件
      • 运行 Aerial cuPHY
      • 端到端运行 cuBB
      • NVIDIA 云原生堆栈上的 cuBB
    • cuBB 集成指南
      • cuMAC-CP
        • cuMAC-CP API 程序
        • cuMAC-CP API 消息
        • L2 集成说明
        • 测试
      • NVIPC
        • NVIPC 概述
        • NVIPC 集成
    • cuBB 开发者指南
      • 概述
      • 组件
      • 测试 MAC 和 RU 仿真器架构概述
      • 用于测试和验证的 5G MATLAB 模型
      • 用于 PUSCH 信道估计的 AI/ML 组件
      • 参考文献
    • 术语表
  • Aerial cuMAC
    • cuMAC 入门指南
    • cuMAC API 参考
    • 示例
  • Aerial Data Lake
  • pyAerial
    • 概述
    • pyAerial 入门指南
    • pyAerial 使用示例
      • 使用 pyAerial 运行 PUSCH 链路仿真
      • 使用 pyAerial 进行 LDPC 编解码链
      • 使用 pyAerial 通过仿真生成数据
      • LLRNet: 数据集生成
      • LLRNet: 模型训练和测试
      • 使用 pyAerial 评估 PUSCH 神经接收器
      • pyAerial 中上行共享信道 (PUSCH) 的信道估计
      • 在 Aerial Data Lake 数据上使用 pyAerial 进行信道估计
      • 在 Aerial Data Lake 数据上使用 pyAerial 进行 PUSCH 解码
    • API 参考
      • 5G 物理层
        • 接收机算法
        • PDSCH
        • PUSCH
        • LDPC 5G
        • 衰落信道
        • 参数类
      • 实用程序
  • pyAerial
  • API 参考

API 参考#

目录

  • 5G 物理层
    • 接收机算法
    • PDSCH
    • PUSCH
    • LDPC 5G
    • 衰落信道
    • 参数类
  • 实用程序
    • FAPI 和 Matlab 接口实用程序
    • 数据存储实用程序
    • CUDA 实用程序

上一页

在 Aerial Data Lake 数据上使用 pyAerial 进行 PUSCH 解码

下一页

5G 物理层

NVIDIA NVIDIA

版权所有 © 2024-2025，NVIDIA Corporation。

最近更新：2025 年 2 月 7 日。

© . All rights reserved.