Andreas Roessler fala sobre o projeto de pesquisa das comunicações móveis com receptor neural em parceria com a NVIDIA.

A vantagem dessa abordagem é que os sinais piloto não são mais necessários no sinal do transmissor, o que libera recursos para a transmissão de dados. Isso torna toda a transmissão mais eficiente. Nossas análises mostram ganhos de eficiência de até 7%, enquanto outros estudos sugerem um aumento da eficiência espectral de até 14%. No entanto, isso depende muito da configuração escolhida e da frequência dos sinais piloto.

Como vocês treinam a IA?

Nós o treinamos de forma off-line usando o software Sionna da NVIDIA. Os receptores neurais tendem a se ajustar excessivamente (overfit) se forem treinados para um modelo de canal específico. Isso geralmente não é desejável, e é por isso que o nosso receptor foi treinado no modelo de canal 3GPP UMi para diferentes espalhamentos e efeitos Doppler. Isso garante que ele seja bem generalizado e contemple o maior número possível de cenários.

O receptor neural é baseado no atual padrão 5G New Radio para tornar os resultados comparáveis. O receptor foi treinado na modulação 16QAM. Como a constelação QAM está incorporada nos pesos treinados da arquitetura da rede neural, será necessário um novo treinamento se a modulação precisar ser alterada para QPSK, 64QAM ou mesmo 256QAM. Em outras palavras, modulações diferentes requerem modelos de IA diferentes.

O 5G é baseado em multiplexação por divisão de frequências ortogonais (OFDM), que é um esquema de modulação de múltiplas portadoras. O modelo é treinado em um espaçamento de subportadora de 30 kHz, que é usado por todas as redes 5G comerciais no modo de duplexação por divisão de tempo (TDD). Assim como o novo treinamento é necessário quando a modulação é alterada, a mudança para uma subportadora de 60 kHz também exige retreinamento.

As curvas de taxa de erro de bloco da fig. 1 na apresentação abaixo fazem parte de um dos nossos vídeos sobre o receptor neural (fig. 2 da sequência). O que a fig. 1 mostra, e o que isso nos diz sobre o desempenho do receptor neural?

Para avaliar o desempenho, a taxa de erro de bloco foi apresentada em comparação com a relação sinal-ruído (SNR) e comparada em quatro implementações diferentes de receptores.

A curva preta representa o desempenho em um cenário ideal, em que todas as características do canal são conhecidas. Isso representa o limite teórico que pode ser alcançado. Nada além disso é possível. A curva verde é o receptor neural, enquanto as curvas laranja e azul mostram duas implementações convencionais.

A primeira delas, a curva azul, usa o método dos mínimos quadrados para estimativa de canal e um detector MIMO multiusuário MMSE linear para cancelar a interferência. Em comparação com os outros cenários, a complexidade computacional dessa implementação é relativamente baixa e é uma boa ilustração de como é uma implementação prática, porém básica.

A segunda implementação convencional, mostrada pela curva laranja, é baseada na estimativa de probabilidade máxima. É mais complicado e, portanto, requer mais processamento computacional. Embora o receptor neural não supere essa abordagem, ele chega muito perto, mas com uma capacidade computacional consideravelmente menor. Todas as quatro curvas são baseadas em simulações com os mesmos dados de entrada.

O gráfico também apresenta medições reais, além das linhas simuladas.

É nesse ponto que os equipamentos de medição da Rohde & Schwarz entram em ação. Usamos o gerador de sinais e a configuração do analisador mencionados acima para gerar sinais em conformidade com os padrões de 5G NR do 3GPP. Esses dados são então inseridos na arquitetura do receptor neural. Neste exemplo, estamos trabalhando na área de relação sinal-ruído (SNR), começando em -1dB. Aumentamos a SNR em 1 dB para cada etapa. Isso é armazenado no software que controla a configuração do teste.

Na demonstração, dois usuários recebem canais diferentes. Neste exemplo, o primeiro usuário encontra o modelo TDL-B com uma propagação de atraso de 100 ns e um efeito Doppler de 400 Hz. Para o segundo usuário, é o TDL-C com uma propagação de atraso de 300 ns e um efeito Doppler de 100 Hz. As curvas mostradas são a taxa de transferência de seção transversal obtida para a relação sinal-ruído (SNR) definida. Na medição com a configuração de teste, somente a curva verde (simulada) é medida novamente.