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.

мар. 27, 2025

Беспроводная связь всегда подвержена воздействию помех. Для их устранения в современной мобильной связи применяются методы анализа и выравнивания каналов. Наряду с фактическим потоком данных передатчик передает дополнительные пилот-сигналы, известные на принимающей стороне. Если принимающая сторона обнаруживает какие-либо искажения в полученных пилот-сигналах, фильтр цифровых сигналов выравнивает их. Мощные алгоритмы обработки сигналов рассчитывают требуемые параметры фильтра в зависимости от степени искажений в пилот-сигналах.

Такие методы подавления помех принимают во внимание различные ситуации, типичные для мобильной связи. Помехи в беспроводной связи на мобильном устройстве велосипедиста за чертой города отличаются от помех на устройствах пользователей, находящихся во многолюдной пешеходной зоне или движущемся поезде.

Когда в игру вступает искусственный интеллект

Каждое успешное соединение для передачи данных на мобильном устройстве служит наглядным подтверждением того, насколько сложен процесс обработки сигналов уже на данном этапе, однако и он имеет свои пределы. Методы оптимизации не могут быть идеальными, поскольку алгоритмы обработки сигналов разрабатываются на основе стандартизированных профилей каналов, т. е. предполагаемых моделей, которые дают только приближение к фактическим условиям работы. Обучение моделей искусственного интеллекта с помощью наборов данных, более точно отражающих реальные условия, позволяет реализовать более эффективные методы выравнивания каналов и таким образом повысить надежность беспроводных соединений с высокой пропускной способностью передачи данных.

Постоянное место в мобильной связи

На рисунке 1 представлена новая концепция нейронного приемника от NVIDIA: в приемнике (RX) блок обработки сигналов для анализа канала, выравнивания канала и обратного преобразования заменяется на обученную модель машинного обучения, которая выполняет все три задачи. Нейронный приемник был разработан с помощью открытой программной библиотеки NVIDIA Sionna, которая создана специально для исследований 5G и 6G.

Сравнение классической системы приемопередачи и системы приемопередачи на основе искусственного интеллекта.

В нейронном приемнике (нижняя схема) обученная модель машинного обучения выполняет задачи анализа канала, выравнивания канала и обратного преобразования. В классическом линейном приемнике с минимальной среднеквадратической ошибкой (LMMSE) эти задачи выполняют детерминированные программные алгоритмы.

/

Для эффективного обучения нейронных приемников по-прежнему требуются очень высокая вычислительная мощность и графические процессоры. Однако первые оценки показывают, что результаты стоят этих затрат. Исследователи также убеждены в том, что модели искусственного интеллекта можно обучать с меньшими затратами вычислительной мощности. На сегодняшний день многие эксперты прогнозируют, что модели искусственного интеллекта займут постоянное место в алгоритмах обработки сигналов в сетях мобильной связи 6G.

Пока еще под большим вопросом находится наличие достаточного количества высококачественных реальных данных для обучения. Потребность в получении реальных данных от пользователей будет возрастать по мере развития рынка. На текущем этапе исследований достаточно искусственных данных, полученных путем моделирования или генерирования наборов данных.

Измерительные технологии для анализа рабочих характеристик

Компания Rohde & Schwarz уже предоставляет специальные источники сигналов и средства анализа сигналов, необходимые для создания установок для испытаний нейронных приемников. Векторный генератор сигналов R&S®SMW200A имитирует отдельных пользователей, передающих сигналы в конфигурации MIMO, и добавляет шум и замирание сигнала для моделирования реальных условий в каналах радиосвязи. В качестве приемника в текущей испытательной установке используется универсальный спутниковый приемник R&S®MSR4 с четырьмя параллельными каналами приема. Через интерфейс потоковой передачи в реальном масштабе времени приемник направляет сигналы на сервер, где программное обеспечение R&S®Vector Signal Explorer (VSE) синхронизирует сигналы и применяет быстрое преобразование Фурье (БПФ). Этот набор данных БПФ затем используется как входные данные для нейронного приемника.

В целях анализа качества реконструированные блоки данных сравниваются с исходными данными. Расчет количества блоков данных с ошибками от общего количества переданных блоков данных позволяет определить коэффициент блоковых ошибок.