A medida que las redes 5G y 6G se expanden, prometen el futuro de contactos inalámbricos increíblemente rápidos y confiables. Una de las principales tecnologías detrás de esto es la “Vista MM” (MMVO), que utiliza muchas ondas de radio de frecuencia para transmitir una gran cantidad de datos. MMVOWE La mayoría de las redes de uso usan grandes grupos de antenas de red para trabajar juntas, llamada “salida múltiple de entrada múltiple (MIMO)”.
Sin embargo, es difícil manejar estos sistemas de antena complejos. Necesitan información exacta sobre la estación base (como una torre de celdas) y el entorno inalámbrico entre su dispositivo. Esta información se llama “Información de estado del canal (CSI). El problema es que estas condiciones de señal cambian rápidamente, especialmente cuando se mueven: automóvil, tren o incluso en drones. Cambio de velocidad,” efecto de envejecimiento del canal “puede causar errores e interrumpir tu contacto.
Desde este punto de vista, un equipo de investigadores de la Universidad Nacional de Incheon, dirigido por el profesor asociado Bivengju, ha desarrollado una nueva solución a la IA. Su método, llamado “Comentarios CSI paramétricos asistidos por transformador”, se centra en los aspectos clave de la señal en lugar de enviar toda la información detallada. Se centra en algunas piezas importantes de información, incluidos ángulos, retrasos y resistencia a la señal. Al centrarse en estos parámetros clave, el sistema reduce significativamente la cantidad de información que debe enviarse de regreso a la estación base. La disertación se realizó en línea el 16 de octubre de 2024 y se publicó en la revista Volumen 23, número 12, diciembre de 2024. Transacciones IEEE en comunicación inalámbrica.
“Para eliminar los datos de rápido crecimiento en las redes inalámbricas de la próxima generación, los MMVOB deben aprovechar muchos recursos en la banda MMView. En el sistema MMVO, el movimiento rápido del usuario de este canal es un canal. Los ancianos lo convierten en un problema real . .
El equipo aprovechó la inteligencia artificial (IA), especialmente un modelo de transformador para analizar y predecir patrones de señal. A diferencia de las técnicas antiguas como CNN, Transformer puede rastrear muestras a corto y largo plazo en los cambios de señal, e incluso cuando los usuarios avanzan, se pueden hacer ajustes de tiempo real. Un aspecto importante de su enfoque al enviar comentarios a la estación base es la información más importante: ángulos y retrasos. La razón de esto es que estos parámetros tienen el mayor efecto en la calidad de la conexión.
Las pruebas mostraron que sus procedimientos redujeron significativamente los errores (más de 3.5 dB de los errores de manera tradicional) y se mide la confiabilidad de los datos mejorada, ya que se mide la tasa de error de bits (BER). La solución también se probó en diversos escenarios, desde peatones hasta 3 km por hora, desde vehículos hasta exceso de velocidad hasta 60 km por hora e incluso carreteras como las carreteras como el entorno de velocidad. En todos los casos, el procedimiento mejoró el enfoque tradicional.
Este progreso puede proporcionar a los pasajeros Internet ininterrumpido en trenes de alta velocidad, permitir una comunicación suave en áreas remotas a través de satélites y puede aumentar la conectividad durante los desastres cuando las redes tradicionales fallan. También está listo para beneficiar todo, desde las tecnologías emergentes (V2X) de comunicación y redes marítimas. “Nuestro método garantiza la agricultura precisa del haz, lo que permite que la señal se conecte con los dispositivos sin interrupción, incluso cuando los consumidores están en movimiento”, dice el profesor Lee.
Este método moderno establece un nuevo estándar para la comunicación inalámbrica, lo que garantiza la necesidad y la velocidad requeridas para las redes de próxima generación.
