mar 27, 2025
Las transmisiones inalámbricas siempre están expuestas a interferencias. Para compensarlas, en las comunicaciones móviles modernas se utilizan métodos como la estimación de canal y la ecualización. El transmisor envía frecuencias piloto adicionales conocidas en el lado del receptor junto con el flujo de datos propiamente dicho. Si se detectan distorsiones en dichos pilotos al llegar al destino, se corrigen con un filtro de señales digitales. Los parámetros de filtro correctos se calculan mediante potentes algoritmos de procesamiento de señales en función del grado de distorsión de las frecuencias piloto.
Estos métodos de supresión de interferencias tienen en cuenta diferentes condiciones que se producen habitualmente en las comunicaciones móviles. La interferencia en una transmisión inalámbrica emitida por un ciclista en el campo es diferente a una procedente de una zona peatonal muy concurrida o un tren en movimiento.
La inteligencia artificial entra en acción
Cualquier conexión de datos realizada con un dispositivo móvil es una prueba evidente del grado de sofisticación que alcanza ya el procesamiento de señales, pero todavía hay limitaciones. Los métodos de optimización nunca son perfectos, ya que los algoritmos de procesamiento de señales están desarrollados partiendo de perfiles de canales estandarizados: modelos supuestos que solamente dan una aproximación de las condiciones de operación reales. La posibilidad de entrenar modelos de IA con conjuntos de datos que reflejen mejor las condiciones reales permitiría contar con métodos más eficaces para la ecualización de canales y, de este modo, lograr conexiones inalámbricas más estables con un caudal de datos más alto.
Un elemento fijo en las comunicaciones móviles
La figura 1 muestra el planteamiento específico de NVIDIA con receptores neuronales: en el receptor (RX), el bloque de procesamiento de señales para la estimación de canal, la ecualización y el demapping se reemplaza por un modelo de aprendizaje automático entrenado que gestiona las tres tareas. El receptor neuronal se ha desarrollado utilizando la biblioteca de software de código abierto Sionna de NVIDIA, diseñada específicamente para la investigación de 5G y 6G.
