성능을 평가하기 위해 블록 오류율과 SNR(신호 대 잡음비)의 도표를 그리고 네 가지 수신기 구현 방식 사이에서 비교했습니다.
검은색 곡선은 모든 채널 특성이 알려진 이상적인 시나리오에서의 성능을 나타냅니다. 이 곡선은 달성할 수 있는 이론적 한계를 나타냅니다. 이 이상은 가능하지 않습니다. 초록색 곡선은 뉴럴 리시버를 나타내며 주황색과 파란색은 두 가지 기존 구현 방식을 나타냅니다.
이 중 첫 번째인 파란색 곡선은 채널 추정을 위해 최소 제곱법을 사용하고 간섭 제거를 위해 선형 MMSE 다중 사용자 MIMO 검출기를 사용합니다. 이 구현 방식은 다른 시나리오에 비해 계산 복잡성이 상대적으로 낮을 뿐만 아니라 실용적이면서도 기본적인 구현 방식을 잘 보여줍니다.
주황색 곡선으로 표시된 두 번째 기존 구현 방식은 최대 우도 추정(Maximum Likelihood Estimation)에 기반합니다. 이 방식은 더 복잡하기 때문에 더 많은 계산이 필요합니다. 뉴럴 리시버가 이 방식보다 성능이 뛰어나지는 않지만 상당히 적은 계산 성능으로 기준선에 매우 근접합니다. 네 개 곡선 모두 동일한 입력 데이터를 기반으로 한 시뮬레이션에 기반한 것입니다.
그래프에는 시뮬레이션된 선 외에도 실제 측정값이 포함되어 있습니다.
여기서 로데슈바르즈의 측정 장비를 사용할 수 있습니다. 로데슈바르즈는 위에서 언급한 신호 발생기와 분석기 셋업을 사용하여 3GPP 5G NR에 적합한 신호를 생성합니다. 그런 다음 이 데이터를 뉴럴 리시버의 아키텍처에 입력합니다. 이 예제에서는 SNR 영역을 적용하며 -1 dB에서 시작합니다. 각 단계마다 SNR을 1 dB씩 증가시킵니다. 이 설정은 테스트 셋업을 컨트롤하는 소프트웨어에 저장됩니다.
데모에서는 두 사용자가 서로 다른 채널을 수신합니다. 이 예제에서 사용자 1은 지연 확산이 100 ns이고 도플러 주파수가 400 Hz인 TDL-B 모델을 경험하게 됩니다. 사용자 2는 지연 확산이 300 ns이고 도플러 주파수가 100 Hz인 TDL-C 모델을 경험합니다. 표시된 곡선은 설정된 SNR(신호 대 잡음비)에 대해 달성된 단면 처리량을 나타냅니다. 테스트 셋업으로 측정할 때에는 초록색 곡선(시뮬레이션된 것)만 다시 측정됩니다.