По мере расширения сетей 5G и 6G они обещают будущее невероятно быстрых и надёжных беспроводных соединений. Ключевой технологией, стоящей за этим, является миллиметровая волна (mmWave), которая использует очень высокочастотные радиоволны для передачи огромных объёмов данных. Чтобы максимально использовать mmWave, сети используют большие группы антенн, работающих вместе, называемые массивными множественными входами и множественными выходами (MIMO).
Однако управление этими сложными антенными системами является сложной задачей. Им требуется точная информация о беспроводных средах между базовой станцией (например, вышкой сотовой связи) и вашим устройством. Эта информация называется информацией о состоянии канала (CSI). Проблема в том, что эти условия сигнала быстро меняются, особенно при движении — в машине, поезде или даже дроне. Это быстрое изменение, эффект старения канала, может привести к ошибкам и нарушить ваше соединение.
С этой точки зрения, группа исследователей из Национального университета Инчхон во главе с доцентом Бёнджу разработала новое решение на базе ИИ. Их метод, называемый параметрической обратной связью CSI с трансформатором, фокусируется на ключевых аспектах сигнала вместо отправки всей подробной информации. Он концентрируется на нескольких ключевых фрагментах информации, включая углы, задержки и силу сигнала .
Сосредоточившись на этих ключевых параметрах, система значительно сокращает объём информации, которую необходимо отправить обратно на базовую станцию. Статья была опубликована в журнале IEEE Transactions on Wireless Communications.
«Чтобы удовлетворить быстро растущий спрос на данные в беспроводных сетях следующего поколения, необходимо использовать обильный частотный ресурс в диапазонах mmWave. В системах mmWave быстрое перемещение пользователей делает старение этого канала реальной проблемой», — объясняет профессор Бёнджу Ли.
Команда использовала искусственный интеллект (ИИ), в частности модель трансформатора, для анализа и прогнозирования шаблонов сигнала. В отличие от старых методов, таких как CNN, трансформаторы могут отслеживать как краткосрочные, так и долгосрочные шаблоны в изменениях сигнала, внося корректировки в режиме реального времени, даже когда пользователи быстро двигаются.
Ключевым аспектом их подхода является приоритизация наиболее важной информации — углов и задержек — при отправке обратной связи на базовую станцию. Это связано с тем, что эти параметры оказывают наибольшее влияние на качество соединения.
Тесты показали, что их метод значительно уменьшил ошибки (более чем на 3,5 дБ ниже, чем у традиционных методов) и повысил надежность данных, измеренную с помощью коэффициента битовых ошибок (BER). Решение также было протестировано в различных сценариях: от пешеходов, идущих со скоростью 3 км/ч, до транспортных средств, движущихся со скоростью 60 км/ч, и даже в высокоскоростных средах, таких как шоссе. Во всех случаях метод превзошел традиционные подходы.
Этот прорыв может обеспечить бесперебойный интернет для пассажиров высокоскоростных поездов, обеспечить бесперебойную связь в отдаленных районах через спутники и улучшить связь во время катастроф, когда традиционные сети могут выйти из строя. Он также готов принести пользу новым технологиям, таким как связь транспортного средства со всем (V2X) и морским сетям.
«Наш метод обеспечивает точное формирование луча, что позволяет сигналам беспрепятственно передаваться на устройства, даже когда пользователи находятся в движении», — говорит профессор Ли.
Этот инновационный метод устанавливает новый стандарт беспроводной связи, гарантируя надежность и скорость, необходимые для сетей следующего поколения.
Ведёт расследования о коррупции в любых эшелонах власти
