Investigación: «AI in mobile communications»

Un receptor neuronal promete una transmisión de datos aún más estable en la telefonía celular. Juntos, NVIDIA y Rohde & Schwarz están desarrollado una configuración de T&M.

mar 27, 2025

Las transmisiones inalámbricas están siempre sujetas a interferencias. Para compensarlo, las comunicaciones inalámbricas de hoy en día apuestan por la estimación y la ecualización de canales. El transmisor envía frecuencias piloto adicionales conocidas a la estación receptora junto con el flujo de datos real. Si se detecta alguna distorsión en los pilotos cuando estos llegan a la estación receptora, un filtro de señal digital los ecualiza. Los potentes algoritmos de procesamiento de señales calculan los parámetros de filtro adecuados en función del grado de distorsión en las señales piloto.

Estos métodos de supresión de interferencias tienen en cuenta diferentes condiciones que habitualmente se producen en las comunicaciones inalámbricas. La interferencia en la transmisión inalámbrica enviada por alguien que anda en bicicleta por la campiña será diferente a la de un peatón en una zona atestada de gente o en un tren en movimiento.

La inteligencia artificial entra en acción

Cada conexión de datos exitosa a un dispositivo móvil es una prueba positiva de lo sofisticado que es ya el procesamiento de señales actual, pero aún existen límites. Los métodos de optimización nunca son perfectos ya que los algoritmos de procesamiento de señales se desarrollan sobre la base de perfiles estandarizados de canal, modelos asumidos que solo proporcionan un aproximado de las condiciones de funcionamiento reales. Entrenar modelos de IA con conjuntos de datos que mejor reflejen las condiciones reales permitiría disponer de métodos más eficaces para la ecualización da canales y, por lo tanto, de conexiones inalámbricas más estables con un mayor flujo de datos.

Un accesorio permanente en las comunicaciones inalámbricas

La figura 1 muestra el enfoque específico que NVIDIA está adoptando con los receptores neuronales: en el receptor (RX), el bloque de procesamiento de señales para la estimación y ecualización de canal, así como del desmapeo se reemplaza por un modelo de máquina entrenado que se encarga de las tres tareas. El receptor neuronal se desarrolló con la biblioteca de software de código abierto (OSS) Sionna de NVIDIA, la cual está diseñada específicamente para la investigación de tecnología 5G y 6G.

Configuración del transmisor clásico y los transmisores basados en IA.

En un receptor neuronal (abajo), un modelo de aprendizaje automático entrenado se encarga de la estimación de canal, la ecualización y el desmapeo. En la arquitectura clásica del receptor de ECMML (error cuadrático medio mínimo lineal) que se mostró arriba, los algoritmos deterministas de software realizan estas tareas.

/

La potencia de cálculo que se necesita para entrenar de manera efectiva un receptor neuronal aún es muy alta y requiere de unidades de procesamiento gráfico (GPU). Sin embargo, conclusiones iniciales indican que los resultados justifican los gastos. Los investigadores también son optimistas en lo que respecta a que los modelos de IA pueden entrenarse con bastante menos bits de potencia de cálculo. Muchos expertos asumen ahora que los modelos de IA se volverán un accesorio permanente en el procesamiento de señales de las comunicaciones inalámbricas 6G.

Seguirá siendo una cuestión abierta sin importar si haya o no suficientes datos de entrenamiento de alta calidad en el mundo real. La necesidad de datos reales sobre el campo se incrementará a medida que el mercado madure. Hasta ahora, los datos de entrenamiento sintéticos de simulaciones o conjuntos de datos generados se han adecuado perfectamente en la actual fase de investigación.

Equipamiento de T&M para evaluar el rendimiento

Rohde & Schwarz ya proporciona las fuentes de señal, así como las herramientas de análisis de señal necesarias para montar un entorno de T&M para el receptor neuronal. El generador de señales vectoriales R&S®SMW200A emula señales de transmisión de usuarios en sí en la configuración de señales MIMO, además añade ruido y desvanecimiento según sea necesario para simular condiciones realistas de canal radioeléctrico. El receptor en la configuración de T&M actual es el receptor de satélite universal R&S®MSR4 con cuatro canales de recepción paralelos. 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 la señal y realiza una transformada rápida de Fourier (FFT). Este conjunto de datos de la FFT, a continuación, se utiliza como entrada para el receptor neuronal.

Para evaluar la calidad, los bloques de datos reconstruidos se comparan con los datos originales. Al calcular la proporción de bloques de datos con errores con respecto al número total de bloques de datos transmitidos se obtiene la tasa de error de bloques (BLER).