Cómo simular la interfaz aérea PHY basada en IA para la investigación 6G

Diseño de sistemas para la investigación 6G
+ Diseño de sistemas para la investigación 6G

Optimización de diseños 6G con análisis del comportamiento del canal en tiempo real

El diseño de sistemas 6G de próxima generación exige reaccionar a los cambios dinámicos en tiempo real del comportamiento del canal y la red. El software debe simular interacciones complejas en el comportamiento del canal, como la modulación avanzada, la movilidad de los equipos de usuario y la información sobre el estado del canal procedente de la entrada múltiple/salida múltiple ultramasiva. Simular este comportamiento con técnicas integradas de inteligencia artificial (IA) y aprendizaje automático (AM) es crucial para modelar los complejos formatos de modulación de alto nivel necesarios para alcanzar los objetivos de velocidad de transmisión de datos.

Los ingenieros de sistemas de comunicaciones necesitan software de automatización del diseño que genere conjuntos de datos de entrenamiento para algoritmos de redes neuronales. También necesitan incorporar modelos entrenados a simulaciones de sistemas de comunicación avanzados 5G y futuros 6G. Los investigadores deben modelar el comportamiento de varios componentes y sistemas, analizar las métricas de rendimiento y optimizar los diseños para mejorar la funcionalidad y la rentabilidad. El software debe generar conjuntos de datos y entrenar modelos.

6G Solución de simulación de investigación PHY

Construir sistemas 6G requiere adaptarse a los cambios en tiempo real en el comportamiento del canal y la red. El paquete Keysight System Design W4812B incluye espacios de trabajo de ejemplo AI y ML para la investigación 6G. System Design demuestra la simulación a nivel de enlace de la retroalimentación de la información del estado del canal (CSI) para mejorar el rendimiento. Guarda la información de realimentación CSI sin compresión para el entrenamiento de realimentación CSI basado en IA. Para la estimación de canales mediante IA, el diseño del sistema evalúa el rendimiento de un modelo de receptor de nueva radio (NR) utilizando un modelo de red neuronal preentrenado, comparándolo con la estimación de canales convencional de error cuadrático medio mínimo (MMSE). El diseño del sistema genera datos de entrenamiento para que un modelo de red neuronal aprenda de los patrones de estimación de canal MMSE, con el objetivo de sustituir la estimación de canal MMSE convencional en el modelo de recepción NR.

Ver demostración de la simulación de investigación 6G PHY

Explore los productos de nuestra solución de simulación de investigación 6G PHY

Casos prácticos relacionados

contacto logotipo

Póngase en contacto con uno de nuestros expertos

¿Necesita ayuda para encontrar la solución adecuada para usted?