Андреас Рёсслер

Технологии в действии

«Настоящим прорывом стало внедрение передатчика в процесс обучения».

Андреас Рёсслер рассказывает о проекте исследований нейронного приемника для мобильной связи совместно с NVIDIA.

Назад к обзору журнала

мар. 27, 2025

Андреас, нейронный приемник был впервые представлен публике на выставке Mobile World Congress 2023. Как отрасль восприняла это новшество?

С точки зрения беспроводных технологий и следующего поколения мобильной связи, темы искусственного интеллекта и машинного обучения на выставке 2023 года еще не доминировали в такой степени, как в 2024 и 2025 годах. Компании Rohde & Schwarz и NVIDIA действительно стали первооткрывателями в данной области. Наша презентация отличалась тем, что она была организована двумя независимыми партнерами. Мы объединили решения обеих компаний и испытывали их совместную работу. Никто до нас не поступал таким образом, поэтому неудивительно, что наша презентация привлекла огромное внимание публики — как из чистого любопытства, так и из профессионального интереса.

Кроме того, важную роль сыграло общение с нашими заказчиками, которые занимаются разработкой чипсетов и модемов, а также производством инфраструктуры и мобильных телефонов. Мы обсудили такие темы, как выбор сценария, вытекающие из этого выбора задачи, технические подробности и получаемые данные.

Как с тех пор развивался проект?

Проект продолжил свое развитие после выставки MWC 2023. Настоящим прорывом стало внедрение передатчика в процесс обучения. В нашей работе мы исходим из того, что в первой версии стандарта 6G в инфраструктуре сетей (например, на базовых станциях) будут использоваться механизмы обработки сигналов на основе искусственного интеллекта. С увеличением сложности и вычислительной мощности также растет энергопотребление. Данный аспект по-прежнему является предметом интенсивных исследований, в центре внимания которых находится повышение эффективности.

Какую роль играет передатчик?

Передатчик также дает определенные преимущества, когда речь идет об индивидуальных или нестандартных конфигурациях созвездия. Для этого проводится обучение модели искусственного интеллекта подбору наилучшей возможной конфигурации созвездия для выбранного способа модуляции с учетом канала. Мы расширили модель нейронного приемника и добавили текущую опцию 5G в наше контрольно-измерительное оборудование: векторный генератор сигналов R&S®SMW200A и анализатор спектра и сигналов FSW . На основе обученной модели искусственного интеллекта теперь можно переопределить каждую точку созвездия на уровне I/Q по амплитуде и фазе.

Рис. 1: Испытательная установка для нейронного приемника

На стенде Rohde & Schwarz на выставке Mobile World Congress 2024 была продемонстрирована установка для испытаний нейронного приемника, состоящая из генератора сигналов и приемника (слева).

Преимущество данного подхода состоит в том, что в сигнале передатчика больше не требуются пилот-сигналы и таким образом освобождаются ресурсы для передачи данных. Это в целом повышает эффективность передачи. Наши анализы подтверждают повышение эффективности до 7 %, тогда как другие исследования предполагают рост эффективности до 14 %. Однако это в значительной степени зависит от выбранной конфигурации и частоты пилот-сигналов.

Как вы обучаете искусственный интеллект?

Мы обучаем его в автономном режиме с помощью программного обеспечения NVIDIA Sionna. Нейронные приемники склонны к чрезмерному обучению, если оно проводится для конкретной модели канала. Это нежелательно, поэтому мы обучали наш приемник на основе модели канала 3GPP UMi с различными доплеровскими сдвигами и разбросами. В результате наш приемник хорошо обобщает и охватывает как можно больше сценариев.

Нейронный приемник основан на текущем стандарте 5G New Radio, что обеспечивает сравнимость результатов. Приемник обучался на модуляции 16QAM. Конфигурация QAM (квадратурная амплитудная модуляция) встроена в обучаемые параметры архитектуры нейронной сети, поэтому при изменении модуляции на QPSK (квадратурная фазовая манипуляция), 64QAM или даже 256QAM требуется повторное обучение. Другими словами, для различных модуляций требуются различные модели искусственного интеллекта.

Стандарт 5G основан на модуляции OFDM с нескольким несущими. Модель обучена с разносом поднесущих 30 кГц, который используется во всех коммерческих сетях 5G в режиме дуплексной связи с временным разделением. Как и при изменении модуляции, при переходе на разнос поднесущих 60 кГц также необходимо повторное обучение.

Кривые коэффициента блоковых ошибок, показанные на рисунке 1 в карусели ниже, объясняются в нашем видео о нейронном приемнике (рисунок 2 в карусели). Что изображено на рисунке 1, и какой вывод можно сделать о рабочих характеристиках нейронного приемника?

Анализ рабочих характеристик нейронного приемника
Рис. 1: Сравнение нейронного приемника с различными классическими приемниками.
#ThinkSix - Validating a Machine-Learning Based Neural Receiver with 5G NR Multiple MIMO Signals
Рис. 2: 10-минутное видео о нейронном приемнике Кривые коэффициента блоковых ошибок представлены на временной отметке 4:10.

В целях анализа рабочих характеристик были составлены графики коэффициента блоковых ошибок в зависимости от отношения сигнал/шум, после чего было проведено сравнение кривых для четырех различных вариантов приемников.

Черная кривая отражает работу в идеальном сценарии, в котором известны все характеристики канала. Это недостижимый теоретический предел. Что-либо лучше этой кривой невозможно. Зеленая кривая показывает нейронный приемник, а оранжевая и синяя кривые отображают два стандартных приемника.

На синей кривой применяются метод наименьших квадратов для анализа канала и линейный детектор многопользовательской схемы MIMO с минимальной среднеквадратической ошибкой в целях устранения помех. По сравнению с другими сценариями данный вид приемника имеет относительно низкую вычислительную сложность, поэтому он служит хорошим примером простой конфигурации, пригодной для практического применения.

Второй стандартный вид приемника, показанный на оранжевой кривой, основан на оценке по методу максимального правдоподобия. Он имеет повышенную сложность и требует больше расчетов. Нейронный приемник не превосходит данную концепцию, однако он максимально приближен к ней и требует значительно меньших затрат вычислительной мощности. Все четыре кривые построены на основе моделирования с одинаковыми входными данными.

В дополнение к моделируемым кривым график сопровождается фактическими измерениями.

Здесь в действие вступает измерительное оборудование Rohde & Schwarz. Для генерирования совместимых сигналов 3GPP 5G NR мы используем упомянутую выше установку, состоящую из генератора сигналов и анализатора. Эти данные затем подаются в архитектуру нейронного приемника. В рассматриваемом примере мы работаем с отношением сигнал/шум, начиная с –1 дБ. Мы пошагово увеличиваем отношение сигнал/шум на 1 дБ. Это сохраняется в программном обеспечении, которое управляет испытательной установкой.

В демонстрации два пользователя принимают различные каналы. В нашем примере первый пользователь работает с моделью TDL-B с разбросом задержки 100 нс и доплеровской частотой 400 Гц. Для второго пользователя используется модель TDL-C с разбросом задержки 300 нс и доплеровской частотой 100 Гц. Показанные кривые в разрезе изображают пропускную способность, полученную при заданном отношении сигнал/шум. При измерениях на испытательной установке повторно измеряется только (моделируемая) зеленая кривая.

Другие статьи

Искусственный интеллект

Статьи R&S

Искусственный интеллект — краеугольный камень нашей вселенной инноваций

Как мощь человеческого и машинного разума помогает делать наш мир более безопасным и объединенным в сеть.

Читать всю статью
Исследования: искусственный интеллект в мобильной связи

Технологии в действии

Исследования: искусственный интеллект в мобильной связи

Ожидается, что нейронный приемник позволит дополнительно повысить надежность передачи данных в мобильной связи. Компании Rohde & Schwarz и NVIDIA совместно разрабатывают испытательную установку.

Читать всю статью
Повсеместное покрытие

Крупицы знаний

Повсеместное покрытие

Неназемные сети позволяют реализовать сети мобильной связи в недоступных ранее местах. Это еще один шаг на пути к объединенному в сеть миру.

Читать всю статью