С развитием сетей 5G и 6G нас ждет будущее с невероятно быстрыми и надежными беспроводными соединениями. Одной из ключевых технологий, обеспечивающих это, является миллиметровый диапазон (mmWave), использующий радиоволны высокой частоты для передачи огромных объемов данных. Чтобы максимально использовать возможности mmWave, сети применяют массивные антенны, работающие вместе, что называется многоканальными системами с множеством входов и выходов (massive MIMO).
Система mmWave Massive MIMO с движущимся пользователем; угловая и временная взаимосвязь сохраняется в стационарных (квази-статичных) сценариях, но нарушается в нестационарных условиях. Источник: IEEE Transactions on Wireless Communications (2024).
Однако управлять такими сложными антенными системами сложно. Для этого требуется точная информация о среде между базовой станцией (например, вышкой сотовой связи) и вашим устройством, которая называется информацией о состоянии канала (CSI). Проблема в том, что условия сигнала быстро меняются, особенно при движении — в автомобиле, поезде или на дроне. Это явление, известное как устаревание канала, может приводить к ошибкам и ухудшению качества соединения.
Чтобы решить эту проблему, команда исследователей из Национального университета Инчхона под руководством доцента Бёнджу Ли разработала новое решение на основе искусственного интеллекта. Их метод, названный «трансформер с параметрической обратной связью CSI», сосредоточен на ключевых аспектах сигнала, таких как углы, задержки и сила сигнала, вместо того чтобы передавать все подробные данные.
Этот подход значительно сокращает объем информации, которую нужно передавать на базовую станцию. Исследование было опубликовано в журнале IEEE Transactions on Wireless Communications.
«Для удовлетворения растущего спроса на данные в сетях будущего важно использовать частоты в миллиметровом диапазоне. Однако в этих системах проблема устаревания канала особенно актуальна при быстром движении пользователей», — объясняет профессор Ли.
Команда использовала искусственный интеллект, в частности трансформеры, для анализа и прогнозирования изменений сигнала. В отличие от традиционных методов, таких как сверточные нейронные сети (CNN), трансформеры могут отслеживать как кратковременные, так и долговременные изменения сигнала, что позволяет корректировать работу системы в реальном времени, даже когда пользователи движутся на высокой скорости.
В ходе тестирования их метод показал значительное снижение ошибок (на 3,5 дБ меньше по сравнению с традиционными методами) и повышение надежности передачи данных. Решение успешно работало в разных условиях: от пешеходов на скорости 3 км/ч до автомобилей, движущихся со скоростью 60 км/ч, а также в условиях высокоскоростных трасс. В каждом случае новый метод превосходил традиционные подходы.
Эта инновация может обеспечить стабильный интернет для пассажиров высокоскоростных поездов, наладить связь в удаленных районах через спутники и улучшить связь в условиях чрезвычайных ситуаций, когда традиционные сети могут выйти из строя.
Источник
Источник: habr.com
