Tecnología en acción

Investigación: IA en las comunicaciones móviles

Un receptor neuronal promete mejorar la estabilidad de la transmisión de datos en las comunicaciones móviles. NVIDIA y Rohde & Schwarz desarrollan conjuntamente una configuración de medida.

Volver al resumen de la revista

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.

Fig. 1: Configuración de transmisor clásica y transmisores basados en IA

Comparación entre una configuración de transmisores clásica y una con transmisores basados en IA

En un receptor neuronal (abajo), un modelo aprendizaje automático entrenado se encarga de la estimación de canal, la ecualización y el demapping. En la arquitectura clásica de receptores LMMSE (estimación de mínimo error cuadrático medio lineal) que se muestra arriba, estas tareas se realizan mediante algoritmos de software determinísticos.

La potencia de cálculo necesaria para entrenar de forma eficaz un receptor neuronal es todavía muy elevada y requiere unidades de procesamiento gráfico (GPU). No obstante, las primeras conclusiones indican que los resultados justifican la inversión. Los investigadores ven también con optimismo la posibilidad de entrenar los modelos de IA con bastante menos potencia de cálculo. Muchos expertos coinciden en que los modelos de IA se convertirán en un elemento fijo del procesamiento de señales en las comunicaciones móviles 6G.

La incógnita es todavía si existen suficientes datos reales de alta calidad para el entrenamiento. La necesidad de datos reales de la aplicación práctica aumentará a medida que evolucione el mercado. Hasta ahora, los datos de entrenamiento sintéticos de simulaciones o conjuntos de datos generados han servido perfectamente para la fase actual de la investigación.

Instrumentación de test y medida para evaluar el rendimiento

Rohde & Schwarz ya ofrece las fuentes de señal apropiadas y las herramientas de análisis de señales necesarias para configurar un entorno de prueba del receptor neuronal. El generador de señales vectoriales R&S®SMW200A emula señales en transmisión de usuarios individuales en una configuración de señales MIMO, y agrega ruido y desvanecimiento a discreción para simular condiciones realistas del canal radioeléctrico. En la configuración de prueba actual se utiliza el receptor de satélite universal R&S®MSR4 con cuatro canales de recepción en paralelo. Este envía las señales a través de una interfaz de streaming en tiempo real a un servidor, donde el software R&S®Vector Signal Explorer (VSE) sincroniza las señales y ejecuta una transformada rápida de Fourier (FFT). Este conjunto de datos de FFT se utiliza a continuación como entrada para el receptor neuronal.

Para evaluar la calidad se comparan los bloques de datos reconstruidos con los datos originales. Calculando la relación de bloques de datos con errores respecto al total de bloques de transmisión de datos se obtiene la tasa de errores de bloque (BLER).

Otros artículos

Inteligencia artificial

Artículos de Rohde & Schwarz

Inteligencia artificial: fundamento de la innovación y la tecnología punta

Impulsamos un mundo más seguro y conectado con el poder de la mente y de las máquinas

Leer el artículo completo
Andreas Roessler

Tecnología en acción

«El verdadero logro fue...»

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

Leer el artículo completo
Rohde & Schwarz Corporate Podcast

Technology in action

Behind Innovation

The Rohde & Schwarz corporate podcast

Read full article