Andreas Roessler habla sobre el proyecto de investigación de receptores neuronales para las comunicaciones móviles, realizado en colaboración con NVIDIA.

La ventaja de este enfoque es que ya no se necesitan frecuencias piloto en la señal en transmisión, lo que libera recursos para la transmisión de datos. Así, toda la transmisión es más eficiente. Nuestros análisis muestran incrementos de la eficiencia de hasta un 7 %, mientras que otros estudios sugieren un aumento de la eficiencia espectral de hasta un 14 %. En todo caso, esto depende en gran medida de la configuración elegida y la frecuencia de las frecuencias piloto.

¿Cómo se entrena la IA?

La entrenamos fuera de línea con el software Sionna de NVIDIA. Los receptores neuronales tienden a un sobreajuste cuando se entrenan para un modelo de canal específico. Generalmente, esto no es deseable, y por eso hemos entrenado nuestro receptor para el modelo de canal UMi de 3GPP con diferentes efectos y dispersiones Doppler. De este modo se garantiza que generaliza bien y cubre la mayor cantidad posible de escenarios.

El receptor neuronal está basado en el actual estándar 5G New Radio para poder comparar los resultados. El receptor se ha entrenado con modulación 16QAM. Puesto que la constelación QAM está integrada en los pesos entrenados de la arquitectura de red neuronal, es necesario un nuevo entrenamiento si hay que cambiar la modulación a QPSK, 64QAM, o incluso a 256QAM. En otras palabras, para distintas modulaciones se necesitan distintos modelos de IA.

5G se basa en OFDM, que es un esquema de modulación por varias portadoras. El modelo se entrena con un espaciado de subportadora de 30 kHz, utilizado en todas las redes 5G comerciales en modo TDD. Igual que se requiere un nuevo entrenamiento al cambiar la modulación, el cambio a una subportadora de 60 kHz también exige un nuevo entrenamiento.

Las curvas de tasa de errores de bloque de la fig. 1 en la banda de imágenes forman parte de uno de nuestros vídeos sobre el receptor neuronal (fig. 2 de la banda desplazable). ¿Qué muestra la fig. 1, y qué indica sobre el rendimiento del receptor neuronal?

Para evaluar el rendimiento, la tasa de errores de bloque se representa frente a la relación señal/ruido (SNR) y se compara con cuatro implementaciones diferentes de receptor.

La curva negra representa el rendimiento en un escenario ideal, donde se conocen todas las características del canal. Esto constituye el límite teórico que se puede alcanzar. Más allá de este no es posible nada más. La curva verde es el receptor neuronal, y la naranja y la azul muestran dos implementaciones convencionales.

La primera de ellas, la curva azul, utiliza el método de mínimos cuadrados para la estimación de canal y un detector MIMO multiusuario MMSE lineal para cancelar las interferencias. En comparación con los otros escenarios, la complejidad computacional de esta implementación es relativamente baja y es una buena muestra de cómo sería una implementación práctica pero básica.

La segunda implementación convencional, que ilustra la curva naranja, se basa en la estimación de probabilidad máxima. Es más complicada, y por lo tanto exige un cómputo más amplio. Aunque el receptor neuronal no supera el rendimiento de este enfoque, se aproxima mucho, pero con una potencia de cálculo muy inferior. Las cuatro curvas se basan en simulaciones con los mismos datos de entrada.

El gráfico también contiene medidas reales además de las líneas simuladas.

Aquí entran en juego los instrumentos de medida de Rohde & Schwarz. Utilizamos la configuración de generador de señales y analizador indicada más arriba para generar señales conformes con 5G NR 3GPP. Estos datos se insertan después en la arquitectura del receptor neuronal. En este ejemplo trabajamos en el área de la relación señal/ruido, empezando con -1dB. Aumentamos la relación señal/ruido en 1 dB por cada paso. Esto se almacena en el software que controla la configuración de prueba.

En la demostración, dos usuarios reciben diferentes canales. En este ejemplo, el usuario uno tiene el modelo TDL-B con una dispersión de retardo de 100 ns y una frecuencia Doppler de 400 Hz. En el caso del usuario dos, tiene TDL-C con una dispersión de retardo de 300 ns y una frecuencia Doppler de 100 Hz. Las curvas mostradas son el rendimiento en la sección cruzada alcanzado para la relación señal/ruido (SNR) ajustada. En la medida con la configuración de prueba solamente se vuelve a medir la curva verde (simulada).