6g 네트워크의 위상 변조 기술에 대한 미래 동향

통신 업계는 6세대 (6G) 네트워크의 지상 작업을 놓기 위해 시작되며, 단계 변조 기술은 2030년까지 예상되는 극한 성능 목표를 위한 중요한 수퍼로 부상됩니다. 5G가 이미 원근법 효율과 대기 시간 경계를 밀어 낸 반면, 6G는 Terabit-per-second data rate, sub-millisecond latency, and highly trust connected throughout 대규모 장치 밀도를 달성하는 것을 목표로합니다. 단계 변조-the process of 인코딩 단계는 이러한 추세를 탐구하고, 이 혁신을 위한 새로운 도전 과제를 탐구합니다.

5G에서 6G 단계 변조에 진화

5G는 새로운 라디오 (NR)는 256-QAM까지 사소한 진폭 계수 (QAM)의 모양에 있는 단계 조음을, 몇몇 진보된 디자인에서, 1024-QAM 이용합니다. 이 계획은 상징 당 조금을 증가하기 위하여 운반대의 상 그리고 사소한 성분 둘 다를 단계 단위로 조정합니다. 그러나, 6G는 매우 더 높은 주문 조음 (예를들면, 4096-QAM 또는 그 후에)를 가진 비교합니다. sub-LTterah (T)에 있는 극단적인 대역폭과 결합해, (Farence)는, 이 신호에 있는 인간적인 신호에 배열합니다. [Farulation]는, 이 신호에 있습니다.

6G를 위한 단계 변조에 있는 중요한 동향

여러 기술 방향은 6G 단계 변조의 고유한 요구를 해결하기 위해 적극적으로 연구되고 있습니다. 이 물리적 층 혁신에서 인공 지능과 교차 층 통합에 이르기까지.

Sub-THz 및 mm-Wave 단계 소음 도전

100 GHz의 주파수에서 지역 진동자에서 단계 소음은 오류 벡터 크기 (EVM)를 크게 분해 할 수 있습니다. 전통적인 단계 폐쇄 루프 (PLLs)는 이러한 캐리어 주파수에서 낮은 지터를 유지하기 위해 투쟁합니다. 연구자들은 ]novel phase noise 보상 기법를 탐구하고, 결정 방향 지시 단계 추적, 파일럿 보조 추정, 그리고 iterative Joint phase 및 iterative Joint phase 및 LT:0]]Novel phase noise award ]를 사용하여 다른 수준에서 실행할 수 있습니다.

AI-Enhanced 단계 추적 및 수정

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

Orbital 모멘텀 멀티싱

전자파의 궤도 각광 (OAM)는 단계 조음을 위한 근본적으로 새로운 차원을 나타냅니다. 대신에, OAM는 공간 파 정면의 맞은편에 단계 구조를 이용합니다 OAM는 다른 단계 교체 본을 나릅니다. 이것은 자유의 추가 정도를 제공하고, 동일한 주파수에 전달될 다수 독립적인 자료 시내를 허용하. 6G에서, OAM 다중 송신은 10xx에 의하여 spectral 효율성을 곱할 수 있었습니다, 특히 광학적인 접근 및 광학적인 접근을 통해, 광학적인 접근 및 디지털 방식으로 조정을 위한 조정을 위한 것입니다.

하이브리드 변조 Schemes

기존의 QAM을 넘어, 6G는 ]hybrid phase-amplitude modulation]과 같은 다른 차원과 결합하여 극화와 공간 멀티싱. 예를 들어, star constellation shaping]]](예: 64-APSK, 256-APSK)는 첨단 전력 비율을 감소시킵니다. (PAPRLT:2]). 이 단계는 TEM-FLT(Multi-FLT:3)의 다른 위상을 나타냅니다.

하드웨어 혁신을 활성화

최첨단 하드웨어 없이, 가장 진보 된 단계 변조 알고리즘은 이론적 남아. 두 가지 중요한 하드웨어 도메인은 6G에 혁명적입니다.

초저상 소음 진동자

oscillator는 어떤 단계 조음 체계든지의 심장입니다. 100 GHz의 위 운반대를 위한 1개 MHz에 -150 dBc/Hz의 밑에 단계 소음을 가진 6G 수요 진동자. Emerging 기술은 광전지 RF 진동자 ] (광주파 빗에 근거를 두는) inP (인듐 phosphide) monolithic ltic scillators]를 포함합니다 (광주파 빗에 근거를 두는)와 를 위한 325 kHz 광전지능률을 위한.

고해상도 DAC 및 단계 교대

디지털로나로 변환기 (DACs)는 단계 정확도를 보존하기 위해 충분한 해결책으로 국경 변조 신호를 변환해야 합니다. 6G 기지국은 다중 기가 샘플 당 두번째 비율에 16 비트 해상도를 요구할 수 있습니다. 그 사이에, analog 단계 교대] 단계적으로array 안테나를 위해 더 나은 필요 1 정도 단계 해결책 및 넓은 대역폭의 맞은 삽입 손실. CMOSILT:2 (FLT:3)를 사용하는 비스듬한 디자인은 반도체에 있는 반도체에 있는 반도체에 있는 3 단계 기술입니다. ]는 외부에 있는 반도체에 있는 반도체에 있는 3 단계 기술입니다.

Reconfigurable Intelligent Surface와 통합

Reconfigurable Intelligent Surfaces (RIS)는 역동적인 신호의 단계 응답을 바꾸는 수동적인 반수적 패널입니다. 6G 컨텍스트에서 ] RIS에서 단계 변조는 효과적으로 스티어링 빔, 초점 에너지 및 인코딩 데이터로 표면을 전환합니다. 이것은 송신기 및 RIS 공동으로 변조하는 분산 단계 변조 시스템을 생성한다. 특히 RIS]는 스티어링 모듈의 특정한 연결에 대한 문제의 해결을 반영할 수 있습니다. ]는 특히 RIS]의 링크를 반영하는 데 필요한 것입니다.

케이스 및 응용

단계 변조의 확장 기능은 3GPP 및 ITU-R와 같은 표준화 기관에 의해 정의된 가장 야심한 6G 사용 사례를 직접 지원합니다.

홀로그램 MIMO

홀로그램 MIMO는 연속 노출을 통해 수천 개의 안테나를 가진 배열을 감독합니다. 이러한 배열의 위상 변조는 일관성을 보장해야 하며 방해를 눌렀습니다. Near-field phase control는 짧은 거리에 있는 비행거리 가정이 끊기 때문에 결정됩니다. 정확한 단계 단면도는 특정 사용자 위치에 에너지에, 거의 음향 렌즈 같이 집중하기 위하여 계산될 수 있습니다. 이 기능은 매우 높은 에너지 효율을 가능하게 합니다.

정밀 감지 및 로컬라이제이션

6G 네트워크는 레이다와 감지 기능을 통합 할 것이며, 종종 동일한 파형을 사용합니다. 단계 변조는 고해상도 범위-Doppler 감지에 핵심입니다. 예를 들어, 256-QAM을 사용하는 단계별 연속파 (PMCW) 레이더는 범위와 속도 모두에서 센티미터 수준의 정확도를 달성 할 수 있습니다. 동일한 OFDM 단계 구조는 두 데이터 전송과 감지를 제공 할 수 있습니다. 공동 통신 및 감지 (JCAS). 이 단계는 전체 인프라를 통해 네트워크 전체 네트워크에 걸쳐이 네트워크의 일관성을 필요로합니다.

도전과 개방 연구 영역

잠재적 인 것은 거대하지만, 몇몇 장벽은 이 단계 조음 동향이 실제되기 전에 극복되어야한다.

복잡성 및 전력 소비

초경량 단계 추적, AI 인스펜션, OAM 처리 모든 수요 상당한 계산 전력. 6G 기지국은 실시간 위상 교정을 가진 수천 개의 평행 스트림을 처리해야합니다. 에너지 효율적인 하드웨어 가속기 (예 : ASIC 또는 메모리 컴퓨팅 전용)은 전력 예산을 수락하도록 조사됩니다. 또한, 단계 교대 및 진동자 자체가 오버 헤드 비용에 기여합니다. 외부 링크 : [[LTLT] [LT]] [LT] 세계적 인 종이] 세계적 인 세상을 연결 [LT]] [LT]]] [LT]] [LT]] [LT]]] [LT]] [LT]]] [LT]]] [LT]]]]] [LT]]]] [LT]]]] [LT]]] [LT]]]] [F] [F] [F]]] [F] [F]]] [F] [F]] [F] [F]]] [F] [F] [] []]]]] [F] [F] [F [F] [] [F] [F]]]] []]]]] [F] [F]]]

AI 통합의 보안 Implication

AI-driven phase modulation은 새로운 공격 표면을 소개합니다. Adversaries는 훈련 데이터를 조작하거나, 임시적 사건을 발생시키는 데 필요한 예입니다. denial-of-service 또는 eavesdropping을 선도하는 단계적인 잘못 정렬을 일으킬 수 있습니다. 또한, 기계 학습 모델에 의존하는 것은 시스템의 투명하고 열심히 certify를 만듭니다. 로 연구하고 물리적 층]에 대한 설명 가능한 AI는 사용자와 상호 관계 간의 암호화 상태를 기반으로 필요한 것입니다.