3月 27, 2025
無線伝送は常に干渉にさらされています。補正を行うため、今日のモバイル通信ではチャネル予測とイコライゼーションが使用されます。トランスミッターからは、実際のデータストリームに合わせて受信側によって認識される追加のパイロット信号が送信されます。受信側がパイロット信号を受け取ったときにパイロットに歪みが検出されると、デジタル信号フィルターによって信号が等化されます。強力な信号処理アルゴリズムにより、パイロット信号の歪みの程度に応じて適切なフィルターパラメータが計算されます。
これらの干渉抑制方式では、モバイル通信でよく発生するさまざまな条件が考慮されます。例えば、田舎で自転車に乗っている人から送信される無線伝送の干渉と、人の往来の多い場所や走行中の列車の中にいる人から送信される無線伝送の干渉は異なるものになります。
人工知能(AI)の活用
モバイルデバイスとのデータ接続がうまく機能していることは、現在の信号処理がすでに高度なものであることを示していますが、それでも限界は存在します。信号処理アルゴリズムは標準化されたチャネルプロファイル(実際の動作条件を近似的に示す想定モデル)に基づいて開発されているため、最適化方法に完璧はありません。実環境をより良く反映したデータセットを用いてAIモデルをトレーニングすれば、チャネルイコライゼーション方式をより効果的なものにし、より高いデータスループットで無線接続をさらに安定したものにすることができます。
モバイル通信の不可欠な要素
図1は、NVIDIAがニューラルレシーバーで採用しているアプローチを示したものです。レシーバー(RX)で、チャネル予測、チャネルイコライゼーション、デマッピングの信号処理ブロックが、3つすべてのタスクを処理するトレーニングされた機械学習モデルに置き換えられています。このニューラルレシーバーは、5Gおよび6G研究用に設計されたNVIDIAのSionnaオープンソースソフトウェアライブラリを用いて開発されたものです。