如何驗證 6G 神經接收器的效能

取得報價
訊號產生器
+ 信號產生器
訊號產生器
+ 信號產生器

運用 AI 優化 6G 神經接收器設計

驗證 6G 神經接收器的效能需要產生特定場所的訓練資料。然而，可用的資料有限，要驗證接收器在端對端系統中的效能相當具有挑戰性。演算法設計完成後，使用人工智慧 (AI) 設計 6G 神經接收器是一個多步驟的過程。在商用網路中部署神經接收器之前，工程師必須確保接收器經過良好訓練，性能優於傳統接收器，並能穩健處理真實世界網路的信道條件。6G 中的 AI 整合著重於兩個流程：頻道估算與頻道狀態回饋。

如果工程師不瞭解頻道行為，也無法即時補償其異常現象，6G 的效能將持續低於預期。設計工程師需要使用軟體產生的標記資料來訓練神經接收器的解決方案。在產生資料後，他們需要驗證神經網路整合至無線系統時的效能。然後，他們可以模擬並將不同的信道條件整合到系統中。要從外部工具匯入通道模型或使用現有的模型資料，就必須使用通道模擬器。這種方法可讓工程師建立各種信道條件的數位孪生體，並將模擬結果與真實世界的系統進行比較。

6G AI 神經接收器設計測試解決方案

驗證 6G 系統中的接收器功能需要準確的通道估計。Keysight 解決方案使用 Keysight PathWave System Design 產生的標記資料來訓練神經接收器。系統會優化訓練資料，使其符合特定場所的需求，而資料更新則可適應不同的場景。當訓練完成後，Keysight 設備會產生新的 5G 波形，並透過即時的開放式 RAN 網路傳送至神經接收器，其中包含商用 ORAN 無線電裝置。接著，接收器可使用先前訓練的 AI 與機器學習演算法來解調訊號。系統處理訊號後，測試工程師可量測端對端系統的位元錯誤率/區塊錯誤率，以深入瞭解神經接收器的效能。最後，Keysight PROPSIM 信道模擬器可從外部光線追蹤工具匯入信道模型。然後將資料作為通道的數位胞胎，將模擬結果與真實系統進行比較。
取得報價

觀看 6G AI 神經接收器測試示範

探索我們 6G AI 神經接收器設計測試解決方案中的產品

探索資源與洞察

驗證 6G 神經接收器設計的額外資源

相關應用案例

如何替換本地振盪器與時脈源

在射頻系統的啟動與整合過程中，使用小型類比訊號產生器來替代本地振盪器與時脈來源。

了解更多

如何替換射頻本地振盪器

使用乾淨的射頻（RF）訊號取代板載本振（LO）或時脈來源，以除錯系統運作、相位雜訊及雜散行為。

了解更多

如何自動化各區域的無線通訊法規測試案例

利用可重複的測試序列和報告機制，自動化執行針對無執照裝置的區域性無線通訊法規測試案例。

了解更多

聯絡我們標誌

聯絡我們的專家。

需要協助尋找適合您的解決方案嗎？

聯絡我們