27.03.2025
Eine Funkübertragung ist immer Störungen ausgesetzt. Zur Kompensation nutzt heutiger Mobilfunk die Methoden Kanalschätzung und Entzerrung. Dazu übermittelt der Sender zusammen mit dem eigentlichen Datenstrom zusätzliche Pilotsignale, die der Empfängerseite bekannt sind. Stellt die Empfängerseite fest, dass die Pilote verzerrt ankommen, entzerrt ein digitaler Signalfilter sie wieder. Die richtigen Filterparameter errechnen leistungsstarke Signalverarbeitungsalgorithmen aus dem Verzerrungsgrad der Pilotsignale.
Diese Entstörungsmethoden tragen den unterschiedlichen Bedingungen Rechnung, unter denen eine Mobilfunkkommunikation stattfindet. Auf dem Fahrrad in der Natur sind die Störeinflüsse auf die Mobilfunkübertragung andere als in einer überfüllten Fußgängerzone oder in einem fahrenden Zug.
Ansatzpunkt für künstliche Intelligenz
Jede erfolgreiche Datenverbindung zu Mobilgeräten ist ein Beleg dafür, wie ausgereift die verwendete Signalverarbeitung bereits ist. Grenzen gibt es trotzdem: Weil die Signalverarbeitungsalgorithmen anhand von standardisierten Kanalprofilen entwickelt werden – also von angenommenen Modellen, die den tatsächlichen Betriebsfall immer nur näherungsweise abbilden können – sind die Optimierungsverfahren nie perfekt. Gelingt es, KI-Modelle mit Datensätzen anzulernen, die den tatsächlichen Betriebsfall besser widerspiegeln, sind effektivere Methoden zur Kanalentzerrung möglich und damit auch stabilere Mobilfunkverbindungen mit höherem Datendurchsatz.
Fester Platz im Mobilfunk
Bild 1 zeigt den konkreten Ansatz, den NVIDIA mit dem neuronalen Empfänger verfolgt: Im Empfänger (RX) wird der Signalverarbeitungsblock für Kanalschätzung, Kanalentzerrung und Demapping durch ein trainiertes maschinelles Modell ersetzt, das alle drei Aufgaben übernimmt. Der neuronale Empfänger wurde mit Hilfe von NVIDIAs Sionna Open-Source-Softwarebibliothek entwickelt, die speziell für die Forschung an 5G und 6G ausgelegt ist.
