Naarmate de wereld steeds meer met elkaar wordt verbonden, blijft de vraag naar snellere, betrouwbare en zeer efficiënte draadloze communicatie versnellen. De aanstaande komst van de zesde generatie (6G) draadloze systemen belooft connectiviteit te veranderen door gebruik te maken van hogere frequenties.Met inbegrip van terahertzbanden.De levering van datasnelheden in het bereik van terabits per seconde. Echter, het bereiken van deze ambitieuze doelen vereist fundamenteel nieuwe benaderingen van kanaalcodering. De volgende generatie coderingstechnieken zijn de ruggengraat van 6G, die robuuste foutcorrectie, ultra-lage latentie en energie-efficiëntie mogelijk maken over enorme apparatennetwerken. Dit uitgebreide artikel onderzoekt de nieuwste ontwikkelingen in codering voor 6G, waaronder polaire codes, pariteitscontrole met lage dichtheid (LDPC) codes, tariefloze codes en machine learning gedreven adaptieve systemen.

6G draadloze systemen begrijpen

6G is voorzien om 5G te slagen rond 2030, ondersteunen transformerende gebruik gevallen zoals holografische communicatie, digitale tweeling, autonome systemen, en doordringende kunstmatige intelligentie. In de sub-terahertz (100 GHz tot 300 GHz) en terahertz (300 GHz tot 3 THz) banden, 6G zal bereiken ongekende datasnelheden ..onvertaald meer dan 1 Tbps ..en tegelijkertijd verminderen van end-to-end latentie tot sub-milliseconde niveaus. Deze paradigmaverschuiving vereist strenge eisen op fysieke-laag codering:

  • Extreme doorvoer: Codes moeten zeer hoge datasnelheden ondersteunen met minimale rekenkosten.
  • Ultra-betrouwbare communicatie met lage snelheid (URLLC): Toepassingen zoals operatie op afstand en autonome vraag naar rijden bijna-instantane decodering.
  • Massive connectiviteit: 6G kan miljoenen apparaten per vierkante kilometer verbinden, elk met een beperkt vermogen budget.
  • Efficiency in diverse omgevingen: Terahertz-kanalen zijn zeer gevoelig voor absorptie en blokkade, waarvoor codes nodig zijn die zich kunnen aanpassen aan snel veranderende omstandigheden.

Om deze uitdagingen aan te kunnen, moeten de coderingssystemen die van 5G (voornamelijk LDPC voor data en poolcodes voor controle) zijn geërfd, verder worden ontwikkeld en nieuwe families van codes worden ontwikkeld die kunnen worden aangepast aan de 6G luchtinterface.

Ontwikkeling van 5G-codering naar 6G-vereisten

5G NR (New Radio) introduceerde twee pijlers van kanaalcodering: LDPC codes voor het datakanaal en polaire codes voor het controlekanaal. Hoewel deze keuzes aanzienlijke winsten over 4G

Belangrijkste uitdagingen voor het codderen in 6G

Het ontwikkelen van de volgende generatie coderingstechnieken voor 6G houdt in dat verschillende onderling samenhangende hindernissen worden overwonnen:

  • Ultra-hoge datasnelheden met perfecte betrouwbaarheid: Bij snelheden boven 100 Gbps worden zelfs kleine decoderingsinefficiënties kostbaar. Codes moeten bijna-Shannon-limit prestaties bieden met hardwarevriendelijke parallelle architecturen.
  • Microseconde-level latency: Real-time controle loops vereisen codes die kunnen worden gedecodeerd in een paar microseconden. Dit motiveert lage complexiteit decoders en iteratieve vroege beëindiging.
  • Energie-efficiëntie voor massale IoT: Miljarden van apparaten met een laag vermogen zullen afhankelijk zijn van eenvoudige encoders en decoders. Codes moeten actieve circuits minimaliseren en de werking van de dienstcyclus ondersteunen.
  • Multi-service multiplexing: 6G zal tegelijkertijd eMBB (verbeterde mobiele breedband), URLLC en mMTC (zware machine-type communicatie) met heterogene kwaliteit-van-service (QoS) eisen dienen. Een uniform coderingskader dat dynamisch kan aanpassen is zeer wenselijk.
  • Kanaalvariabiliteit: Terahertzsignalen worden beïnvloed door atmosferische absorptie, regen, bladeren en zelfs blokkade van handgebaren. Channel state informatie moet worden gevangen en geëxploiteerd door adaptieve codering.

Deze uitdagingen zijn de drijvende kracht achter de exploratie van nieuwe coderingsparadigma's, waarvan er vele hieronder worden beschreven.

Coderingstechnieken voor de volgende generatie

Onderzoekers wereldwijd onderzoeken een verscheidenheid aan geavanceerde coderingsstrategieën op maat van 6G. De volgende secties geven een overzicht van de meest veelbelovende benaderingen, gebaseerd op recente publicaties en lopende normalisatie discussies.

Polar Codes: voorbij de 5G baseline

Polar codes, uitgevonden door Erdal Arıkan in 2008, werden goedgekeurd voor 5G controlekanalen vanwege hun capaciteit bereikende eigenschap en lage codering complexiteit. Voor 6G, polaire codes worden versterkt in verschillende dimensies:

  • High-rate polar codes: Nieuwe constructiealgoritmen (bv. convolutionaire poolcodes, polarisatie-aangepaste convolutionaire (PAC) codes) verbeteren de prestaties op korte bloklengtes, kritisch voor URLLC.
  • Lijst decodering met vroegtijdige beëindiging: Geavanceerde SCL-decoders kunnen de gemiddelde latentie verminderen door te stoppen zodra de juiste frames worden gedetecteerd, voldoen aan sub-100 microseconde deadlines.
  • Ratecompatibele poolcodes: Ontwerpmethoden die het mogelijk maken om meerdere codesnelheden naadloos te ondersteunen zonder de encoderstructuur te wijzigen.Dit is essentieel voor adaptieve modulatie en codering (AMC).
  • Beliefde propagatie (BP) decoders: Parallelle BP decoders kunnen worden geïmplementeerd in hardware om hoge doorvoer te bereiken, hoewel met een prestatiekloof naar SCL. Hybride BP/SCL decoders balance throughput en foutcorrectie.

Een belangrijk voordeel van poolcodes is de deterministische structuur, die een efficiënte hardware-implementatie mogelijk maakt. Echter, hun latentie op zeer lange bloklengtes blijft een zorg, omdat opeenvolgende annuleringsdecodering inherent seriële is. Opkomende ontwerpen, zoals verbeterde BP planning en lijst-gebaseerde BP, streven ernaar deze beperking te overwinnen. Zoals besproken door onderzoekers van IEEE[, hebben PAC codes aangetoond significante prestatiewinst ten opzichte van conventionele poolcodes in de korte-blok-regime, waardoor ze een sterke kandidaat voor 6G-controle en korte-pak toepassingen.

LDPC-codes: Evolutie voor MIMO en Terahertz

De codes van de pariteitscontrole (LDPC) worden voor 6G al verfijnd, het werkpaard van 5G-datakanalen. Hun quasi-cyclische (QC) structuur vergemakkelijkt hoge snelheidsdecoders met behulp van iteratieve boodschappen die doorstromen, en de doorvoer van 100 Gbps en verder ondersteunen. De belangrijkste onderzoeksrichtingen zijn onder meer:

  • Geoptimaliseerde degree distributies voor terahertz kanalen: LDPC ensembles kunnen worden ontworpen om de fluctuerende signaal-ruis ratio's (SNR's) die typisch zijn voor breedband terahertz links, te passen, het minimaliseren van foutvloeren.
  • Protograph-based codes: Protograph LDPC codes bieden een compacte weergave en kunnen worden geschaald voor zeer hoge codesnelheden (bv. R > 0,9) met minimaal prestatieverlies, nuttig voor hoge-SNR links.
  • Ruimtelijk gekoppelde (SC) LDPC-codes: Deze codes benaderen de Shannoncapaciteit beter en geven uitstekende drempels weer, waardoor ze aantrekkelijk zijn voor toepassingen met lage snelheid wanneer ze gecombineerd worden met windowed decodering.
  • Hardware-bewuste ontwerpen: Om het energieverbruik in massieve MIMO-basisstations te verminderen, worden LDPC-decoders mede ontworpen met de ontvangerketen om pijplijnen en geheugenbronnen te delen.

Een uitdaging voor LDPC in 6G is de noodzaak voor flexibele snelheden en bloklengtes. Hoewel 5G LDPC een groot aantal basisgrafieken ondersteunt, kan 6G nog fijnere granulariteit vereisen. Technieken zoals tillen en extensie van basisgrafieken kunnen snelheidscompatibiliteit bieden zonder buitensporige complexiteit. Recent werk van Qualcomm benadrukt hoe LDPC codes kunnen worden uitgebreid om sub-100 μs latentie te ondersteunen met behoud van strenge BLER (blokfoutpercentage) doelstellingen.

Rateless Codes: Fountain and Raptor Codes voor Dynamic Channels

Rateless codes . Ook bekend als fontein codes . zijn ideaal voor scenario's waar kanaal omstandigheden zijn onvoorspelbaar of waar een enkele zender moet dienen meerdere ontvangers met verschillende SNR's. In tegenstelling tot vaste-rente codes, tariefloze codes genereren een potentieel oneindige stroom van gecodeerde symbolen; een ontvanger kan decoderen zodra het heeft verzameld genoeg symbolen, ongeacht welke verloren zijn gegaan. Voor 6G, deze eigenschap biedt verschillende voordelen:

  • Aanpassende snelheden zonder feedback: In scenario's met hoge mobiliteit (bv. voertuig-tot-alles) kunnen feedbacklussen te traag zijn. Rateless codes passen zich automatisch aan de momentane capaciteit aan.
  • Efficiënte uitzending/multicast: Een enkele gecodeerde stroom kan gebruikers met verschillende kanaalkwaliteiten bedienen, omdat elke ontvanger stopt wanneer hij genoeg symbolen heeft voor de distributie van inhoud over 6G multicast.
  • Gecombineerd met HARQ: Hybride automatische repeat request (HARQ) -regelingen die tariefloze codes gebruiken kunnen de doorgifte overhead verminderen door incrementele redundantie door te sturen tot een succesvolle decodering.

Luby transform (LT) codes en Raptor codes zijn de meest voorkomende rateless families. Voor 6G, onderzoek richt zich op het verminderen van hun decoderen complexiteit .momenteel O(K log K) voor RaptorQ.Om te voldoen aan terahertz snelheden. Bovendien, integratie met pool- en LDPC codes als buitenste codes wordt onderzocht om hybride tariefloze / vaste-snelheid schema's te creëren. Een uitgebreide enquête door ACM[] onderzoekt hoe fontein codes kunnen worden ingezet in voorbij-5G netwerken, met vermelding van hun potentieel voor massaal IoT en sporadisch verkeer.

Machine Learning ..Gebaseerde codes: Adaptive and Learned

De opkomst van diep leren heeft de deur geopend naar neurale netwerk ..gebaseerde codering en decodering, waar de traditionele code structuur wordt vervangen of aangevuld door geleerde componenten. Machine learning (ML) codes voor 6G zijn bijzonder veelbelovend vanwege hun vermogen om zich aan te passen aan kanaalstatistieken die moeilijk analytisch te modelleren zijn.

  • Eind-to-end leerbare codering: Autoencoderarchitecturen behandelen de hele communicatieketen als een geleerde mapping, waarbij ze gezamenlijk de encoder, kanaal en decoder optimaliseren. Dit kan codes opleveren die de klassieke ontwerpen overtreffen op specifieke kanalen (bv. niet-lineaire of multi-user kanalen).
  • Neurale decoders voor bestaande codes: In plaats van nieuwe codes te ontwerpen, kan ML decodering van pool- en LDPC-codes verbeteren. Bijvoorbeeld, convolutionele neurale netwerken (CNN's) kunnen iteratieve boodschappen vervangen door het doorgeven, waardoor de convergentie sneller ten koste gaat van de trainingsoverhead.
  • Meta-learning voor tariefaanpassing: Een lichtgewicht model kan het beste coderingsschema (codetype, tarief en modulatie) voorspellen op basis van realtime kanaalmetingen, waardoor dynamische codeschakeling mogelijk is zonder expliciete feedback.
  • Op aandacht gebaseerde reeksmodellen: Transformatoren en vision transformators zijn aangepast om korte blokken te decoderen bij het optimale maximum a posteriori (MAP) gebonden, een prestatie die traditionele suboptimale decoders niet kunnen overeenkomen.

Het inzetten van ML-codes in de praktijk komt echter met uitdagingen: a) de noodzaak van grote hoeveelheden trainingsgegevens en omscholing wanneer de kanaalomstandigheden veranderen, b) hoge rekenkosten tijdens de gevolgtrekking (vooral voor transformatoren), en c) gebrek aan uitleg en gegarandeerde prestatiegrenzen. Ondanks deze obstakels, geeft het 3GPP Technical Report TR 38.843 op 6G studies aan dat AI/ML-gebaseerde fysieke laagcomponenten worden beschouwd als een belangrijke enabler. Een diepgaande beoordeling van IEEE Communications Magazine[] bespreekt de trade-offs tussen geleerde codes en traditionele, waarbij hybride benaderingen worden gecombineerd met klassieke codestructuren die kunnen worden gecombineerd met geleerde ontvangers die de eerste 6G-implementaties domineren.

Opkomende codingsparadigma's voor 6G

Naast de vier hierboven beschreven hoofdfamilies, worden verschillende andere coderingsconcepten steeds meer aangetrokken in de 6G onderzoeksgemeenschap.

Niet-Orthogonale Meervoudige Toegang (NOMA) Codering

Met NOMA kunnen meerdere gebruikers dezelfde tijdfrequentiebronnen delen door hun signalen in het powerdomein te overschaduwen. Dit vereist gezamenlijke codering en decodering die gebruikers scheidt op basis van hun codeboeken. Sparse code multiple access (SCMA) en low-density spreading (LDS) zijn twee prominente NOMA coderingstechnieken. Voor 6G moeten NOMA codes schaalbaar zijn voor honderden gelijktijdige gebruikers, terwijl de complexiteit van de ontvanger beheersbaar blijft. Machine learning wordt opnieuw toegepast om optimale codebooks te leren voor multi-user detectie.

Intelligente reflectieoppervlak (IRS) - bijgeprogrammeerde codering

IRS-panelen kunnen de voortplantingsomgeving programmatisch controleren, maar ze introduceren ook fasegeluids- en symboolverstoringen. Opkomende werkzaamheden behandelen de IRS als onderdeel van de encoder, met behulp van ruimte-tijd codering over de reflecterende elementen. Dit creëert een gekoppelde codering en bundelvorming probleem. Recente resultaten tonen aan dat het exploiteren van de IRS . extra vrijheidsgraden kunnen verbeteren diversiteit en coderingswinst, vooral voor niet-lijn-van-zicht terahertz koppelingen.

De kritieke rol van machineleren in codeontwerp

ML . De invloed op 6G codering strekt zich uit voorbij geleerde codes. Het vergemakkelijkt ook real-time optimalisatie van coderingsparameters, zoals snelheid, bloklengte en modulatie orde, gebaseerd op milieu-sensoren. Bijvoorbeeld, een versterking leermiddel kan de codering tarief af te stemmen om doorvoer te maximaliseren met inachtneming van latency beperkingen. Een andere toepassing is in kanaalschatting: nauwkeurige CSI (kanaalstaat informatie) is nodig voor goede codering prestaties, en diepe neurale netwerken kunnen het effectieve kanaal van beperkte piloten voorspellen.

Bovendien wordt ML gebruikt om het ontwerp van LDPC-codes of de constructie van de poolcodes voor specifieke kanalen te automatiseren. Door een generatief model op een dataset van goede codes te trainen, hebben onderzoekers nieuwe snelheidscompatibele LDPC-patronen ontdekt die beter zijn dan handmatig geoptimaliseerde ontwerpen. Echter, dergelijke codes ontbreken vaak theoretische optimaliteit, waardoor hun goedkeuring in standaarden een langdurig proces is. De balans tussen data-gedreven flexibiliteit en bewezen prestaties blijft een actief debat.

Toekomstperspectief en praktische uitvoering

Naarmate we de mijlpaal 2030 voor 6G commercialisering naderen, zullen de hier beschreven coderingstechnieken moeten overgaan van academische papers naar real-world silicium.

  • Standardisering: 3GPP zal naar verwachting de 6G-studiefase rond 2025-2026 starten, waarbij coderingssystemen centraal staan. Waarschijnlijk zal een modulair kader worden ingevoerd, waardoor verschillende codes voor verschillende gebruikscases (bijvoorbeeld pool-achtige codes voor korte pakketten, LDPC voor streaming, zonder tarieven voor uitzending) kunnen worden gebruikt.
  • Prototyping at Terahertz frequencies: Testbeds die rond 140 GHz werken worden al gebouwd. Deze zullen de praktische verwerkings- en decoder complexiteit van kandidaatcodes evalueren. Zo is bijvoorbeeld een 100 Gbps LDPC decoder in 7 nm CMOS gedemonstreerd, maar terahertz verwerking introduceert nieuwe digitale architectuur uitdagingen.
  • Energiebewust ontwerp: 6G basisstations zullen enorme hoeveelheden energie verbruiken als ze niet geoptimaliseerd zijn. Codec hardware moet energie-proportioneel zijn, schalen met verkeersbelasting. Rateless en adaptieve codes kunnen helpen door redundante transmissies te verminderen.
  • Integratie met AI-native luchtinterface: De volgende generatie luchtinterface kan een AI/ML-laag bevatten die interageert met codering om gezamenlijke bronkanaalcodering uit te voeren, waardoor de betrouwbaarheid van toepassingen zoals holografische video wordt verbeterd.

Kortom, de overgang van 5G naar 6G codering is niet alleen een incrementele verbetering maar een paradigmaverschuiving. De codes zullen meer adaptief worden, meer worden geïntegreerd met het fysieke kanaal, en in sommige gevallen, geleerd van gegevens. Terwijl pool- en LDPC codes waarschijnlijk kern zullen blijven, zullen snelheidsloze en ML-gebaseerde codes hun rol uitbreiden, vooral in uitdagende multipoint- en dynamische omgevingen.

Conclusie

De succesvolle implementatie van 6G draadloze systemen hangt af van de ontwikkeling van de volgende generatie coderingstechnieken die extreme datasnelheden, ultra-lage latency, enorme connectiviteit, en zeer variabele kanalen kunnen verwerken. Dit artikel heeft de evolutie onderzocht van 5G-codering tot de veelbelovende grenzen van poolcodes, LDPC-codes, tariefloze codes en ML-gebaseerde codes. Elke familie brengt unieke sterke punten . Polaire codes voor korte-blokcontrole, LDPC voor hoge-doorvoergegevens, tariefloze codes voor uitzending en dynamische links, en ML-codes voor adaptieve prestaties. Naarmate het onderzoek vordert, hybride benaderingen die deze technieken combineren in een flexibel kader zullen waarschijnlijk de 6G-standaard definiëren. Het pad vooruit vereist voortdurende innovatie in algoritmeontwerp, hardware implementatie en systeemintegratie, maar de beloningen die een echt verbonden wereld met naadloze, onmiddellijke communicatie zijn de moeite waard.