通信業界は、6世代(6G)ネットワークの接地を敷設し始めているため、フェーズモジュレーション技術は、2030年までに期待される極端なパフォーマンス目標のための重要なアクターとして登場しています。 5Gはすでにスペクトル効率と遅延の境界線をプッシュしているが、6Gは、テラビットパー秒のデータレート、サブミリ秒レイテンシ、および大規模なデバイス密度にわたる信頼性の高い接続を実現することを目指しています。 フェーズモジュレーションは、これらの業界のトレンドや課題を把握し、重要な課題を把握し、重要な課題を把握します。

5G〜6G相変調への進化

5G New Radio(NR)は、256-QAMまでの量子振幅変調(QAM:3)の形で相変調(QAM)を使用し、いくつかの高度な設計では、1024-QAM。 これらのスキームは、フェーズモジュレーションとキャリアの量子構成要素の両方を、記号ごとにビットを増加させます。 しかし、6Gは、より高次位変調(例えば、4096-QAM以上)と、相続の変位相と相続の差を組み合わせる[F]と、両方向の信号を変形させる。 [F]

6Gのフェーズモジュレーションにおける重要な傾向

6G相変調のユニークな要求に対応するため、いくつかの技術的方向性が積極的に研究されています。これらは、物理層の革新から、人工知能とのクロスレイヤーの統合まで多岐にわたります。

サブTHzとmm-Wave フェーズノイズチャレンジ

周波数は100 GHzを超えると、局所発振器からの相ノイズが大幅にエラーベクトルの大きさ(EVM)を劣化させる可能性があります。従来の相続ループ(PLL)は、これらのキャリア周波数で低ジッタを維持するために苦労しています。研究者は]のノベル相ノイズ補償技術]を探索しています。決定的なフェーズトラッキング、パイロットアイド推定、および反復フェーズのフェーズと、およびIETの相関関係の比較を行う場合は、IETのノイズを組み合わせることが出来ます。

AI強化フェーズトラッキングと補正

マシン学習モデルは、リアルタイムで予測および正しいフェーズエラーにデプロイされています。従来のモデルベースのアプローチとは異なり、 ] の神経ネットワークは、データから6Gトランシーバーの複雑で非線形相ノイズ特性を学習することができます。例えば、再電流ニューラルネットワーク(RNN)は、Doplerシフトと発振器によって引き起こされる時間変動相オフセットを追跡し、Doplerシフトと発振器による測定を低減し、Doppera VM の動作を検証することで、Dopler の動作確認を検証できる VM が、Dopler の動作確認できる VM の動作を検証できる 256 EVA の動作する は、DV の動作する の動作を の動作する の動作する の動作確認 の動作を モード の動作する モードを モードを モード の動作する の動作する の動作する の動作する モードを モード モード モード の動作する モードを モード モード モード を の動作する モード を 256 モード の の

軌道の角のMomentumの多重交換

電磁波の軌道角度の運動量(OAM)は、フェーズ調節のための根本的に新しい次元を表します。 代わりに、OAMは、時間領域でフェーズを調節するだけでなく、空間波の正面に相線構造を悪用します。各OAMモードは異なるフェーズの回転パターンを運びます。 これは、複数の独立したデータストリームが同じ周波数で送信できるようにする、追加の自由度を提供します。 6Gでは、OAMのマルチプレスペクトラム効率を10x以上、特にプレファレンスと調整する場合には、OAMは、必要に応じて、必要に応じて、必要に応じて、必要に応じて、OAMの段階をコントロールすることができます。

ハイブリッド変調機構

従来のQAMを超えて、6Gは]ハイブリッド相振れ変調]を偏光や空間の多重化などの他の次元と組み合わせる。例えば、]星座[]](例えば、64-APSK、256-APSK)は、上昇するレベルのパワー比(PA)を合成するが、DM4は、サブスケールのサブスケールを調節する。

ハードウェアイノベーションの確立

最先端のハードウェアがなければ、最も先進的なフェーズモジュレーションアルゴリズムは理論的です。2つの重要なハードウェアドメインは6Gに革命を起こしています。

超低位相ノイズオシレータ

oscillatorは、任意のフェーズモジュレーションシステムの中心です。 6Gは、100 GHzを超えるキャリアの1 MHzオフセットで、フェーズノイズで発振器を要求します。 新興技術は、]フォトニックRF発振器とinP(インジウムリンジド)モノリシックモノチルトは、300 Hzの補正器で、このパラメータは、P(300 Hz)と、およびindium 163]を、および[FLT:]を、P](300 のアナログ)、または、P(または、または、P(または、P)、または、または、または、または、または、または、または、または、P(P(P(P(P)、P(P)、P(または、または、または、または、P)、または、または、または、または、または、または、P(P(P)、または、または、P(P)、P(P)、または、または、または、または、または、P(P(P(P)、または、または、

高分解能DACと相シフト

デジタル・ツー・アナログ・コンバーター(DAC)は、高次位変調信号を十分な分解能で変換し、相続精度を維持しなければなりません。6G基地局は、マルチ・ギガサンプ・パー・秒レートで16ビットの解像度を必要とする場合があります。一方、]のアナログ・フェーズ・セパ[は、フェーズ・アレイ・アンテナの1度以上の相関と低速の損失が広範囲にわたる必要です。CMOS SOI(FLT:0)のノベル・デザインは、外部リンクは[FLT:]の3:[FLT:]の相続距離:]の[FLT:]の3:[FLT:]の相続距離:[FLT:[FLT:]の相関]の相関]の3:[FLT:[FLT:[FLT:[FLT:]の相関]の相関]の相関]の相関]の相関の相関の相関の相関の相関の相関]の相関の相関の相関の相関の相関の

再構成可能なインテリジェントな表面との統合

再構成可能なインテリジェントな表面(RIS)は、信号の差し込みの相反を動的に変えることができるパッシブまたは半パッシブパネルです。 6Gのコンテキストでは、RIS[のフェーズモジュレーションは、ステアビーム、フォーカスエネルギー、さらにはエンコードデータを可能にするプログラム可能な反射器に効果的に表面を回します。 これは、送信機とRISの関節を制御する分散フェーズモジュレーションシステムを作成します。 LTFは、特定の信号をコントロールすることができます。 [FLTF] と、特定の信号を、特定の信号をコントロールすることができます。

ケースやアプリケーションの使用

フェーズモジュレーションの拡張機能は、直接3GPPやITU-Rなどの標準化機関によって定義されている最も野心的な6G使用例をサポートしています。

ホログラフィック MIMO

ホログラフィックMIMOは、数千のアンテナが連続開口部に広がる配列を想定しています。このような配列を横断するフェーズモジュレーションは、凝集したビームフォーミングと干渉のヌルピングを確実にしなければなりません。 [Near-field相制御[]]]は、平面波の仮定が短い距離で破壊されるため、非常に重要です。 正確なフェーズプロファイルは、特定のユーザーの位置にエネルギーを集中することができます。これは、ほぼ音響レンズのように。 これは、超高エネルギーと複数の効率性を有効にします。

精密センシングとローカリゼーション

6Gネットワークは、同じ波形を使用することが多いレーダーとセンシング機能を統合します。 フェーズモジュレーションは、高分解範囲-ドップラーセンシングへの鍵です。 例えば、256-QAMを使用してフェーズモジュレート連続波(PMCW)レーダーは、両方の範囲と速度でセンチメートルレベルの精度を達成することができます。 同じFDM相構造は、データ伝送とセンシングの両方に機能することができます。 共同通信およびセンシング(Ja)と呼ばれる概念は、ネットワーク全体でネットワークを稼働させる必要があります。

課題とオープンリサーチ領域

潜在的な大きなものの、これらのフェーズ調節の傾向が実用的になる前に、いくつかの障壁を克服しなければなりません。

複雑さとパワー消費量

超精密なフェーズトラッキング、AIの推論、およびOAM処理のあらゆる要求の重要な計算力。 6G基地局は、リアルタイムのフェーズキャリブレーションで数千の平行流を処理する必要があるかもしれません。 エネルギー効率の高いハードウェアアクセラレータ(例えば、ASICs または非記憶コンピューティング)は、電力予算を許容し続けるために調査されています。 さらに、フェーズシフトとオシレータは、オーバーヘッドコストに貢献します。 外部リンク: [[FLT]: [FLT] 6[FLT] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] - [W] [W] - [W] [W] [W] [W] [W] [W] [W] - [W] - [W] - [W] - [W] - [W] [W] [W]

AI統合のセキュリティへの影響

AI主導のフェーズモジュレーションは、新しい攻撃面を紹介します。 議論は、トレーニングデータを操作したり、フェーズの不正利用を引き起こすためのadversarial例を注入したり、デニールオブサービスやeavesdroppingにつながる可能性があります。 さらに、機械学習モデルの依存性は、システムがより透明で困難になり、認証を困難にします。 []の研究は、物理レイヤーのためのAIが必要であり、暗号化フェーズとユーザー認証のフェーズとの間での認証を結びつける。

コンテンツ

フェーズモジュレーション技術は、6Gネットワーク用のマルチファシブル・アクターに成熟した物理層コンポーネントから進化しています。超精密なフェーズコントロール、AI強化補正、OAMマルチプレクシング、ハイブリッドモジュレーションスキームは、スペクトル効率と信頼性の大きな利益を約束します。これらのイノベーションは、ハードウェアのブレークスルー、低相ノイズオシレータ、高解像DAC、および再構成可能な表面によって支持されています。 柔軟なフェーズと、よりスマートに調整されたエンジンは、より高速なレベルのエンジンと、より高速なレベルのコラボレーションを組み合わせることです。