Andreas Rößler spricht über das Mobilfunk-Forschungsprojekt neuronaler Empfänger mit NVIDIA.

Der Vorteil ist, dass im Sendersignal keine Pilotsignale mehr nötig sind und diese Ressourcen nun für die Datenübertragung zur Verfügung stehen. Dadurch wird die gesamte Übertragung effizienter. Unsere Analysen zeigen Effizienzgewinne von bis zu 7 %. Andere Literatur geht von einer Steigerung der spektralen Effizienz um bis zu 14 % aus. Dies hängt jedoch stark von der gewählten Konfiguration und der Häufigkeit der Pilotsignale ab.

Wie wird die KI auf den Funkkanal trainiert?

Das Training erfolgt offline mittels NVIDIAs SIONNA-Software. Neuronale Empfänger neigen zu sogenanntem Overfitting, also einer Überanpassung, wenn sie für ein spezifisches Kanalmodell trainiert werden. Das ist im Allgemeinen unerwünscht. Deshalb wurde unser Empfänger für das UMi-Kanalmodell von 3GPP für verschiedene Dopplerverschiebungen und Doppler-Spreizungen mit dem Ziel trainiert, zu generalisieren und möglichst viele Szenarien abzudecken.

Um die Ergebnisse vergleichbar zu machen, basiert der neuronale Empfänger auf dem aktuellen 5G New Radio Standard. Trainiert wurde der Empfänger auf das Modulationsverfahren 16QAM. Da die QAM-Konstellation in die trainierten Gewichte der neuronalen Netzarchitektur eingebettet sind, ist ein erneutes Training erforderlich, wenn die Modulation auf QPSK, 64QAM oder sogar 256QAM geändert werden soll. Anders gesagt: Für unterschiedliche Modulationen braucht es unterschiedliche KI-Modelle.

5G basiert auf OFDM, einem Mehrträger-Verfahren. Das Modell ist auf einen Unterträgerabstand von 30 kHz trainiert, wie ihn alle kommerziellen 5G-Netze im TDD-Modus verwenden. Analog zum Modulationsverfahren ist auch hier erneutes Training erforderlich, wenn der Unterträgerabstand auf 60 kHz geändert werden soll.

Die Messkurve aus Bild 1 im Image-Slider wird in einem unserer Videos zum neuronalen Empfänger (Bild 2 im Image-Slider) gezeigt. Was zeigt diese Messkurve und was sagt es über die Leistungsfähigkeit des neuronalen Empfängers aus?

Hier wurde zur Leistungsbewertung die Transportfehlerrate, im Englischen auch Block Error Rate genannt, über das Signal-Rausch-Verhältnis aufgetragen und für vier verschiedene Empfänger-Implementierungen verglichen.

Die schwarze Kurve stellt die Leistung in einem idealisierten Szenario dar, bei dem das Kanalverhalten vollständig bekannt ist. Dies repräsentiert das theoretisch erreichbare Limit. Mehr geht nicht. Die grüne Kurve gehört zum neuronalen Empfänger, orange und blau zu zwei konventionellen Implementierungen.

Bei der ersten konventionellen Implementierung wird die Kanalabschätzung mit der Methode der kleinsten Quadrate vorgenommen und anschließend einen linearen MMSE-Multi-User-MIMO-Detektor verwendet, der Interferenzen auslöscht. Dies ist die blaue Kurve. Im Vergleich zu den anderen Szenarien hat diese Implementierung eine relativ geringe Rechenkomplexität und stellt den Fall einer praktischen Basisimplementierung dar.

Die zweite konventionelle Implementierung, zu der die orangene Kurve gehört, basiert auf der Maximum-Likelihood-Schätzung. Sie ist komplexer und damit rechenaufwendiger. Der neuronale Empfänger übertrifft dieses Konzept nicht, kommt ihm jedoch sehr nahe und erfordert wesentlich weniger Rechenaufwand. Alle vier Kurven basieren auf Simulationen mit denselben Eingabedaten.

Neben den Simulationskurven sind auch Messpunkte eingezeichnet.

Hier kommen nun die Rohde & Schwarz Messgeräte ins Spiel. Wir verwenden den zuvor erwähnten Aufbau aus Signalgenerator und Messempfänger, um 3GPP 5G NR-konforme Signale zu erzeugen. Diese Daten werden in die neuronale Empfängerarchitektur eingespeist. In diesem Beispiel durchlaufen wir den SNR-Bereich, beginnend bei -1 dB. Für jeden Schritt erhöhen wir das SNR um 1 dB. Das ist in der Software hinterlegt, die den Testaufbau kontrolliert.

In der Demo nehmen wir zwei Nutzer an, die einen unterschiedlichen Kanal erfahren. In diesem Beispiel erlebt Nutzer 1 das TDL-B-Modell mit 100 ns Verzögerungsausbreitung und 400 Hz Dopplerfrequenz. Für den zweiten Nutzer war es TDL-C mit 300 ns Verzögerungsausbreitung und einer Dopplerfrequenz von 100 Hz. Die gezeigten Kurven sind der querschnittliche Durchsatz, der für das eingestellte Signal-Rausch-Verhältnis erreicht wird. In der Messung mit dem Testaufbau wird nur die (simulierte) grüne Kurve nachgemessen.