mars 27, 2025
Les transmissions sans fil sont toujours sujettes aux interférences. Pour compenser, les communications mobiles d'aujourd'hui s'appuient sur une estimation du canal et une égalisation. L'émetteur envoie des signaux pilotes supplémentaires connus sur le récepteur final avec le flux de données actuel. Si des distorsions sont détectées dans les pilotes lorsqu'ils arrivent au récepteur final, un filtre de signal numérique les égalise. Des algorithmes de traitement du signal puissants calculent les bons paramètres de filtre en se basant sur le degré de distorsion dans les signaux pilotes.
Ces méthodes de suppression d'interférences tiennent compte de différentes conditions qui sont communément présentes dans les communications mobiles. Les interférences présentes dans une transmission sans fil envoyée par quelqu'un faisant du vélo à la campagne seront différentes de celles provenant d'un zone piétonne bondée ou d'un train en mouvement.
Où entre en jeu l'intelligence artificielle
Chaque connexion de données réussie vers un appareil mobile est la preuve irréfutable de la manière dont est effectué le traitement sophistiqué des signaux actuels, mais il y a encore des limites. Les méthodes d'optimisation ne sont jamais parfaites car les algorithmes de traitement des signaux sont développés sur la base de profils de canaux normalisés – des modèles hypothétiques qui ne donnent qu'une approximation des conditions de fonctionnement actuelles. L'entraînement de modèles IA avec des ensembles de données qui reflètent mieux les conditions réelles permettrait des méthodes plus efficaces pour l'égalisation du canal, et donc des connexions sans fil plus stables avec des débits de données plus élevés.
Un montage permanent dans les communications mobiles
La figure 1 montre l'approche spécifique que NVIDIA utilise avec des récepteurs neuronaux : Dans le récepteur (RX), le bloc de traitement du signal pour l'estimation du canal, l'égalisation du canal et la démodulation est remplacé par un modèle de machine entraîné qui gère les trois tâches. Le récepteur neuronal a été développé en utilisant la librairie logicielle open source Sionna de NVIDIA, qui a spécifiquement été conçue pour la recherche 5G et 6G.