Передовые коммуникационные технологии в сетях 5G и 6G

По мере расширения сетей 5G и 6G путь в их технологическое будущее будет обусловлен наиболее быстрыми и надежными беспроводными соединениями. Ключевая технология, лежащая в основе этого – “миллиметровые волны” (mmWave), которая использует радиоволны очень высокой частоты для передачи огромных объемов данных. Чтобы максимально использовать mmWave, в сетях используются большие группы антенн, работающих вместе, что называется “massive Multiple-Input Multiple-Output” (MIMO).

Однако управлять этими сложными антенными системами непросто. Для них требуется точная информация о беспроводной среде, в которой находится базовая станция (например, вышкой сотовой связи) и персональное устройство. Эта информация называется “информация о состоянии канала” (channel state information, CSI). Проблема состоит в том, что условия передачи сигнала быстро меняются, особенно при движении – в автомобиле, поезде или другом транспортном средстве. Такое быстрое изменение – “эффект старения канала” – может привести к ошибкам и нарушению соединения.

Исходя из этого, команда исследователей из Национального университета Инчхон под руководством доцента Бyюн Чжу Ли разработала новое решение на базе искусственного интеллекта (ИИ). Статья об этом была размещена в Интернете в октябре 2024 года и опубликована журнале IEEE Transactions on Wireless Communications.

Предложенный корейскими учёными метод, называемый “параметрическая обратная связь CSI с помощью трансформатора”, фокусируется на ключевых характеристиках сигнала, а не на передаче всей детальной информации. Таким образом используется лишь несколько существенных элементов информации, включающих углы обзора, задержки и уровень сигнала. Концентрируясь на этих параметрах, система значительно сокращает поток информации, который поступает от пользовательского устройства на базовую станцию.

Разработчики использовали ИИ, в частности модель «transformer», для анализа и прогнозирования структуры сигнала. В отличие от прежних технологий, таких как CNN (Convolutional Neural Network, свёрточная нейронная сеть), эта модель может отслеживать как краткосрочные, так и долгосрочные изменения сигнала, внося коррективы в режиме реального времени, даже когда пользователь быстро перемещается в пространстве. Отличительным свойством нового подхода является определение приоритетности наиболее важной информации – углов и задержек – предаваемой на базовую станцию, поскольку именно эти параметры оказывают наибольшее влияние на качество соединения.

Тесты показали, что предложенный метод значительно снизил количество ошибок и повысил надежность данных, измеряемую частотой ошибок в битах (bit error rate, BER). Решение испытывалось для разных ситуаций и субъектов: от пешеходов, идущих со скоростью 3 км/ч, до транспортных средств, движущихся со скоростью 60 км/ч, или даже большей – например, на шоссе. Во всех случаях его эффективность оказалась выше, чем при традиционных подходах.

Этот технологический прорыв сможет обеспечить бесперебойный доступ в Интернет для пассажиров высокоскоростных поездов, наладить надёжную связь в отдаленных районах с помощью спутников или улучшить взаимодействие служб во время стихийных бедствий, когда традиционные сети подвергаются риску выхода из строя. Он также может с успехом использоваться в таких технологиях, как связь по принципу “транспортное средство – ко всему” (vehicle-to-everything, V2X) и морских сетях. “Наш метод обеспечивает наиболее точное формирование луча, что позволяет сигналам беспрепятственно передаваться на устройства, даже когда пользователи находятся в движении”, – говорит профессор Ли.

Вполне вероятно, что разработанный исследователями инновационный метод установит новый стандарт беспроводной связи, обеспечивая надежность и скорость, необходимые для сетей следующего поколения.

Источник: ScienceDaily

Image for illustration only. Source: Freepik.com