如何將 AI 應用於 6G 通道建模

取得報價

檢視應用說明

+ PathWave 訊號產生

整合 AI 用於通道估計和通道狀態回饋

測試 6G 網路的 RF 效能需要評估誤差向量大小和頻道狀態資訊 (CSI) 等關鍵指標，以判斷信號完整性和系統效率。由人工智慧 (AI) 驅動的設計方法可讓工程師更精準地模擬通道行為，增強評估通道估計和預測效能的能力。透過將人工智慧模型整合至測試流程，工程師可優化訊號品質，並動態調整以因應即時的頻道變化，確保 6G 網路符合效能基準。

這個過程首先要訓練人工智能模型，利用監督或非監督學習技術來識別和調整信道損害，例如訊號衰減和干擾。之後，工程師會模擬在複雜的真實世界條件下的訊號傳輸與接收。一旦工程師訓練好模型，它就能幫助預測和即時修正信號問題。此流程可有效測試 6G 架構中的超大型多輸入、多輸出 (MIMO) 系統及其他先進技術。

AI 驅動的系統設計解決方案

優化 6G 訊號性能和通道估計需要能夠精確模擬複雜的真實世界環境的工具。Keysight PathWave System Design 軟體的架構能夠無縫整合以 ONNX 等業界標準格式開發的 AI 驅動模型。這種整合改善了 6G 傳輸中的 CSI 反饋和改進了信道估計精確度。它為配置先進的 6G 方案提供了全面的靈活性。Keysight 解決方案可讓工程師評估訊號品質、分析動態頻道行為、評估干擾影響，以及最佳化 AI 驅動的估算器以減緩損害。此外，透過即時回饋與系統層級驗證來確認模擬精確度，可確保 6G 系統達到高水準的效能。

取得報價