隨著對未來6G無線通信器件的研究如火如荼地進行,業(yè)界也在探索6G中原生AI空口的可能性。羅德與施瓦茨(以下簡稱“R&S公司”)與英偉達(NVIDIA)合作,對未來6G技術中的人工智能和機器學習(AI/ML)從仿真到實現(xiàn)向前邁進了一步。
在巴塞羅那世界移動通信(MWC)大會上,兩家公司展示了業(yè)界首個神經(jīng)接收機的硬件在環(huán)演示,顯示與傳統(tǒng)信號處理相比,使用訓練后的ML模型可以顯著地提升性能。
在MWC大會上,參觀者可以在演示中體驗到神經(jīng)接收機如何用在5G NR上行鏈路多用戶多輸入多輸出(MU-MIMO)中——這可能是6G物理層的藍圖。該裝置結合了R&S用于信號生成和分析的高端測試解決方案以及用于鏈路級仿真的NVIDIA Sionna GPU加速開源庫。
神經(jīng)接收機是用訓練的機器學習模型取代無線通信系統(tǒng)物理層的信號處理模塊。全球的學術界、領先的研究機構和行業(yè)專家預計,未來的6G標準將使用AI/ML進行信號處理任務,如信道估計、信道均衡和去映射。當前的仿真表明,與目前5G NR中使用的高性能確定性軟件算法相比,神經(jīng)接收機將提高鏈路質(zhì)量和吞吐量。
為了訓練機器學習模型,數(shù)據(jù)集是絕對的先決條件。通常情況下,獲取所需的數(shù)據(jù)集是受限的,或者根本無法獲得。在處于6G早期研究的現(xiàn)階段,對于生成具有不同信號配置的各種數(shù)據(jù)集以訓練信號處理任務的機器學習模型,測試和測量設備提供了一個可行的選擇。
在R&S展位上展示的基于AI/ML的神經(jīng)接收機設置中,R&S SMW200A矢量信號發(fā)生器模擬了兩個獨立的用戶,在上行方向以2x2 MIMO信號配置發(fā)射80MHz寬的信號。每個用戶都是獨立衰落,并且添加了噪聲來模擬真實的無線信道條件。R&S MSR4多用途衛(wèi)星接收機作為接收機,通過使用四個相位相干的接收信道,捕捉3GHz載波頻率傳輸?shù)男盘?。然后,?shù)據(jù)通過實時流接口提供給服務器。在服務器中,R&S基于服務器的測試(SBT)框架(包括R&S VSE矢量信號探索器(VSE)微服務)將對數(shù)據(jù)進行預處理。VSE信號分析軟件同步信號并進行快速傅里葉變換(FFT)。這個FFT后的數(shù)據(jù)集可作為基于NVIDIA Sionna實現(xiàn)的神經(jīng)接收機的輸入。
NVIDIA Sionna是一個用于鏈路級仿真的GPU加速開源庫。它能夠?qū)碗s的通信系統(tǒng)架構進行快速的原型設計,并為6G信號處理中的機器學習集成提供本地支持。
作為演示的一部分,將訓練的神經(jīng)接收機與經(jīng)典的線性最小均方誤差(LMMSE)接收機架構進行了比較,后者為基于確定性軟件算法的傳統(tǒng)信號處理技術。這些高性能的算法在目前的4G和5G蜂窩網(wǎng)絡中已被廣泛采用。
Andreas Pauly:
R&S測試與測量部門執(zhí)行副總裁
"在無線通信中使用機器學習算法進行信號處理是目前業(yè)內(nèi)非常熱門的話題,在業(yè)內(nèi)同行中經(jīng)常會有爭議性的討論。我們很高興能與英偉達這樣的合作伙伴在這個測試平臺上合作。它將使研究人員和行業(yè)專家能夠根據(jù)數(shù)據(jù)驅(qū)動的方法驗證他們的模型,并利用我們在信號生成和分析方面的領先測試解決方案,在硬件在環(huán)實驗中對其進行測試"。
Ronnie Vasishta:
英偉達電信部高級副總裁
"與傳統(tǒng)的信號處理相比,經(jīng)過訓練的ML模型為提高性能開辟了相當大的潛力。羅德與施瓦茨和英偉達的這一基于神經(jīng)接收機的硬件在環(huán)演示,標志著業(yè)界在展示6G技術中的人工智能和機器學習的效用方面達到了一個里程碑。"
羅德與施瓦茨是測試與測量、系統(tǒng)與方案、網(wǎng)絡與網(wǎng)絡安全領域的知名供應商。公司成立已超過85年,總部設在德國慕尼黑,在全球70多個國家設有子公司。作為一家獨立的科技集團,羅德與施瓦茨創(chuàng)新性的產(chǎn)品和解決方案為全球工業(yè)客戶提供了一個更安全與互聯(lián)的世界。
審核編輯:湯梓紅
-
AI
+關注
關注
87文章
28924瀏覽量
266300 -
英偉達
+關注
關注
22文章
3640瀏覽量
89888 -
羅德與施瓦茨
+關注
關注
9文章
453瀏覽量
44973
原文標題:【MWC2023】R&S與英偉達共同展示基于AI/ML的神經(jīng)接收機
文章出處:【微信號:羅德與施瓦茨中國,微信公眾號:羅德與施瓦茨中國】歡迎添加關注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關推薦
評論