Tecnologia in azione

Ricerca: L'intelligenza artificiale nelle comunicazioni mobili

Un ricevitore neurale promette una trasmissione dati ancora più stabile nelle radiocomunicazioni mobili. Insieme, NVIDIA e Rohde & Schwarz stanno sviluppando un sistema di test.

Torna al sommario della rivista

mar 27, 2025

Le trasmissioni wireless sono sempre soggette a interferenze. Per compensare, i sistemi di comunicazione mobili di oggi si affidano alla stima delle condizioni del canale e all'equalizzazione. Il trasmettitore invia segnali pilota aggiuntivi, noti all'estremità ricevente, insieme al flusso di dati vero e proprio. Se vengono rilevate distorsioni nei segnali pilota quando arrivano all'estremità ricevente, un filtro del segnale digitale li equalizza. Potenti algoritmi di elaborazione del segnale calcolano i giusti parametri del filtro in base al grado di distorsione dei segnali pilota.

Questi metodi di soppressione delle interferenze tengono conto di diverse condizioni che si verificano comunemente nelle comunicazioni mobili. L'interferenza in una trasmissione wireless inviata da una persona in bicicletta in campagna sarà diversa da quella proveniente da un'area pedonale affollata o da un treno in movimento.

Qui entra in gioco l'intelligenza artificiale

Ogni connessione dati riuscita a un dispositivo mobile è la prova di quanto sia già sofisticata l'attuale elaborazione del segnale, ma ci sono ancora dei limiti. I metodi di ottimizzazione non sono mai perfetti, perché gli algoritmi di elaborazione del segnale sono sviluppati sulla base di profili di canale standardizzati - modelli presunti che forniscono solo un'approssimazione delle condizioni operative reali. L'addestramento di modelli di intelligenza artificiale con set di dati che riflettono meglio le condizioni del mondo reale consentirebbe di adottare metodi più efficaci per l'equalizzazione del canale e quindi di ottenere connessioni wireless più stabili con una maggiore velocità di trasmissione dei dati.

Un punto fermo nelle comunicazioni mobili

La Figura 1 mostra l'approccio specifico adottato da NVIDIA con i ricevitori neurali: nel ricevitore (RX), il blocco di elaborazione del segnale per la stima del canale, l'equalizzazione del canale e il demapping è sostituito da un modello automatico addestrato che svolge tutti e tre i compiti. Il ricevitore neurale è stato sviluppato utilizzando la libreria software open source Sionna di NVIDIA, progettata specificamente per la ricerca sulle reti 5G e 6G.

Fig. 1: Struttura classica del trasmettitore e trasmettitori basati su IA

Confronto tra la struttura di un trasmettitore classico e quella dei trasmettitori basati su IA.

In un ricevitore neurale (sotto), un modello di apprendimento automatico addestrato gestisce la stima del canale, l'equalizzazione e il demapping. Nell'architettura classica del ricevitore lineare a minimo errore quadratico medio (LMMSE) illustrata sopra, questi compiti sono svolti da algoritmi software deterministici.

La potenza di calcolo necessaria per addestrare efficacemente un ricevitore neurale è ancora molto elevata e richiede l'utilizzo di chip GPU (Graphical Processing Unit). Tuttavia, i primi risultati indicano che i risultati giustificano la spesa. I ricercatori sono anche ottimisti sul fatto che i modelli di intelligenza artificiale possano essere addestrati con una potenza di calcolo abbastanza inferiore. Molti esperti ritengono che i modelli di intelligenza artificiale diventeranno una presenza fissa nell'elaborazione dei segnali delle comunicazioni mobili 6G.

Se ci siano abbastanza dati di addestramento di alta qualità e del mondo reale è ancora una questione aperta. La necessità di dati reali dal campo aumenterà con la maturazione del mercato. Finora, i dati di addestramento sintetici provenienti da simulazioni o da insiemi di dati generati sono stati perfettamente adeguati nella fase attuale della ricerca.

Tecnologie di misura per valutare le prestazioni

Rohde & Schwarz fornisce già le sorgenti di segnale e gli strumenti di analisi del segnale necessari per creare un ambiente di test per il ricevitore neurale. Il generatore di segnali vettoriali R&S®SMW200A emula singoli utenti che trasmettono segnali in configurazione MIMO e aggiunge rumore e fading per simulare condizioni realistiche del canale radio. Il ricevitore nell'attuale configurazione di test è il ricevitore satellitare universale R&S®MSR4 con quattro canali di ricezione paralleli. Inoltra i segnali attraverso un'interfaccia di streaming in tempo reale a un server, dove il software R&S®Vector Signal Explorer (VSE) sincronizza i segnali ed esegue una trasformata rapida di Fourier (FFT). Questo set di dati FFT viene quindi utilizzato come ingresso per il ricevitore neurale.

Per valutare la qualità, i blocchi di dati ricostruiti vengono confrontati con i dati originali. Calcolando il rapporto tra i blocchi di dati con errori e il numero totale di blocchi di dati trasmessi si ottiene il tasso di errore dei blocchi (BLER).

Altri articoli

Intelligenza artificiale

R&S Stories

L'intelligenza artificiale: un mattone per il nostro universo di innovazione

Assicurare un mondo più sicuro e connesso grazie alla potenza della mente e delle macchine

Leggi l'articolo completo
Andreas Roessler

Tecnologia in azione

"La vera svolta è stata..."

Andreas Roessler parla del progetto di ricerca sulle comunicazioni mobili con ricevitore neurale in collaborazione con NVIDIA.

Leggi l'articolo completo
Rohde & Schwarz Corporate Podcast

Technology in action

Behind Innovation

The Rohde & Schwarz corporate podcast

Read full article