Технологии кодирования нового поколения для 6g беспроводных систем

По мере того, как мир становится все более взаимосвязанным, спрос на более быструю, надежную и высокоэффективную беспроводную связь продолжает ускоряться. Предстоящее появление беспроводных систем шестого поколения (6G) обещает изменить связь, работая на более высоких частотах, включая терагерцовые диапазоны, и обеспечивая скорость передачи данных в диапазоне терабитов в секунду. Однако для достижения этих амбициозных целей требуются принципиально новые подходы к кодированию каналов. Методы кодирования следующего поколения являются основой 6G, обеспечивая надежную коррекцию ошибок, сверхнизкую задержку и энергоэффективность в массивных сетях устройств. В этой расширенной статье рассматриваются последние разработки в кодировании для 6G, включая полярные коды, коды с четностью плотности (LDPC), бесступенчатые коды и адаптивные схемы машинного обучения.

6G беспроводные системы

6G, как предполагается, будет успешно развиваться в 5G примерно к 2030 году, поддерживая преобразующие варианты использования, такие как голографические коммуникации, цифровые двойники, автономные системы и всепроникающий искусственный интеллект. Работая в субтерагерцовых (от 100 ГГц до 300 ГГц) и терагерцовых (от 300 ГГц до 3 ТГц) диапазонах, 6G достигнет беспрецедентной скорости передачи данных - потенциально превышающей 1 Тбит/с - при одновременном снижении сквозной задержки до субмиллисекундных уровней. Этот сдвиг парадигмы предъявляет строгие требования к кодированию физического уровня:

Решение этих проблем требует выхода за рамки программ кодирования, унаследованных от 5G (в первую очередь LDPC для данных и полярных кодов для управления) и разработки новых семейств кодов, которые могут быть адаптированы для воздушного интерфейса 6G.

Эволюция от 5G-кодирования до 6G-требований

5G NR (New Radio) ввел два столпа кодирования каналов: коды LDPC для канала данных и полярные коды для канала управления. В то время как эти варианты обеспечили значительный выигрыш по турбокодам 4G, 6G требует еще большей гибкости. Например, коды LDPC 5G оптимизированы для скорости кода от 1/3 до 8/9 и длины блока до 8448 бит, но варианты использования 6G могут включать в себя чрезвычайно короткие или очень длинные блоки. Аналогично, полярные коды в 5G могут включать в себя последовательное декодирование списка отмены (SCL), которое обеспечивает отличную производительность при умеренной сложности, но может плохо масштабироваться до терагерцовых полос пропускания. Таким образом, сообщество 6G активно исследует схемы кодирования, которые могут изящно адаптироваться к широкому диапазону длин блоков, скорости кода и ограничений задержки при сохранении низких уровней ошибок.

Основные проблемы кодирования в 6G

Разработка методов кодирования следующего поколения для 6G включает преодоление нескольких взаимосвязанных препятствий:

Эти проблемы стимулируют исследование новых парадигм кодирования, многие из которых описаны ниже.

Next-Generation Coding Techniques (Техника кодирования нового поколения)

Исследователи во всем мире изучают различные передовые стратегии кодирования, адаптированные к 6G. В следующих разделах подробно описаны наиболее перспективные подходы, основанные на недавних публикациях и текущих дискуссиях по стандартизации.

Полярные коды: за пределами базовой сети 5G

Полярные коды, изобретенные Эрдалом Арыканом в 2008 году, были приняты для каналов управления 5G из-за их свойств, обеспечивающих пропускную способность, и низкой сложности кодирования.Для 6G полярные коды усиливаются в нескольких измерениях:

Одним из существенных преимуществ полярных кодов является их детерминированная структура, которая позволяет эффективно реализовывать аппаратное обеспечение. Однако их задержка при очень длинных длинах блоков остается проблемой, поскольку последовательное декодирование отмены по своей сути является последовательным. Новые проекты, такие как улучшенное планирование BP и BP на основе списка, направлены на преодоление этого ограничения. Как обсуждалось исследователями из IEEE , коды PAC продемонстрировали значительное повышение производительности по сравнению с обычными полярными кодами в режиме короткого блока, что делает их сильным кандидатом на управление 6G и приложения с коротким пакетом.

Коды LDPC: эволюция для массивных MIMO и Terahertz

Коды проверки четности низкой плотности (LDPC), уже работающие с каналами данных 5G, совершенствуются для 6G. Их квазициклическая (QC) структура облегчает высокоскоростные декодеры, использующие итеративную передачу сообщений, поддерживая пропускную способность 100 Гбит/с и более. Ключевые направления исследований включают:

Одной из проблем для LDPC в 6G является необходимость гибких скоростей и длин блоков. В то время как 5G LDPC поддерживает большое количество базовых графов, 6G может потребовать еще более тонкой детализации. Такие методы, как подъем и расширение базового графа, могут обеспечить совместимость с скоростями без чрезмерной сложности. Недавняя работа от Qualcomm подчеркивает, как коды LDPC могут быть расширены для поддержки задержки до 100 мкс при сохранении строгих целей BLER (скорость ошибок блока).

Коды без тарифов: коды фонтанов и рэпторов для динамических каналов

Бесскоростные коды, также известные как коды фонтанов, идеально подходят для сценариев, где условия канала непредсказуемы или где один передатчик должен обслуживать несколько приемников с различными SNR. В отличие от кодов с фиксированной скоростью, бесступенчатые коды генерируют потенциально бесконечный поток кодированных символов; приемник может декодировать, как только он собрал достаточно символов, независимо от того, какие из них были потеряны. Для 6G это свойство предлагает несколько преимуществ:

Для 6G исследования сосредоточены на снижении их сложности декодирования - в настоящее время O(K log K) для RaptorQ - для удовлетворения терагерцовых скоростей. Кроме того, интеграция с полярными и LDPC-кодами в качестве внешних кодов изучается для создания гибридных схем без скорости / фиксированной скорости. Всесторонний обзор по ACM исследует, как коды фонтанов могут быть развернуты в сетях за пределами 5G, отмечая их потенциал для массивного IoT и спорадического трафика.

Машинное обучение: адаптивный и изученный код

Рост глубинного обучения открыл двери для кодирования и декодирования на основе нейронных сетей, где традиционная структура кода заменяется или дополняется изученными компонентами. Коды машинного обучения (ML) для 6G особенно перспективны из-за их способности адаптироваться к статистике каналов, которые трудно моделировать аналитически. Ключевые подходы включают:

Однако развертывание кодов ML на практике сопряжено с проблемами: а) потребность в больших объемах данных обучения и переподготовки при изменении условий канала, b) высокая вычислительная стоимость во время вывода (особенно для трансформаторов) и с) отсутствие объяснимости и гарантированных пределов производительности. Несмотря на эти препятствия, технический отчет 3GPP TR 38.843 по исследованиям 6G указывает на то, что компоненты физического уровня на основе AI / ML рассматриваются в качестве ключевого фактора. В углубленном обзоре из журнала IEEE Communications Magazine IEEE Communications Magazine обсуждается компромисс между изученными кодами и традиционными, подчеркивая, что гибридные подходы, где классические структуры кода сочетаются с изученными приемниками, могут доминировать в ранних развертываниях 6G.

Парадигмы кодирования для 6G

Помимо четырех основных семейств, описанных выше, в научном сообществе 6G набирают обороты несколько других концепций кодирования.

Неортогональный множественный доступ (NOMA)

NOMA позволяет нескольким пользователям совместно использовать одни и те же ресурсы с частотой времени, накладывая свои сигналы в область мощности. Для этого требуется совместное кодирование и декодирование, которое разделяет пользователей на основе их кодовых книг. Sparse code multiple access (SCMA) и low-density spreading (LDS) - это два известных метода кодирования NOMA. Для 6G коды NOMA должны быть масштабируемыми для сотен одновременных пользователей, сохраняя при этом сложность приемника. Машинное обучение снова применяется для изучения оптимальных кодовых книг для обнаружения нескольких пользователей.

Интеллектуальное отражающее поверхностное (IRS) кодирование

Панели IRS могут программно управлять средой распространения, но они также вводят фазовый шум и искажения символов. В новой работе рассматривается IRS как часть кодера, используя кодирование пространства-времени по отражающим элементам. Это создает проблему сопряженного кодирования и формирования луча. Последние результаты показывают, что использование дополнительных степеней свободы IRS может улучшить разнообразие и усиление кодирования, особенно для терагерцовых ссылок нелинейного обзора.

Критическая роль машинного обучения в дизайне кода

Влияние ML на кодирование 6G выходит за рамки изученных кодов. Он также облегчает оптимизацию в реальном времени параметров кодирования, таких как скорость, длина блока и порядок модуляции, на основе зондирования окружающей среды. Например, агент обучения с подкреплением может настраивать скорость кодирования для максимизации пропускной способности при соблюдении ограничений задержки. Другое приложение заключается в оценке канала: точная CSI (информация о состоянии канала) необходима для хорошей производительности кодирования, а глубокие нейронные сети могут прогнозировать эффективный канал от ограниченных пилотов.

Кроме того, ML используется для автоматизации проектирования протографов LDPC-кодов или построения полярного кода для конкретных каналов. Обучая генеративную модель на наборе данных хороших кодов, исследователи обнаружили новые скорости-совместимые LDPC-паттерны, которые превосходят вручную оптимизированные конструкции. Однако такие коды часто не имеют теоретической оптимальности, что делает их принятие в стандартах длительным процессом. Баланс между гибкостью данных и доказуемой производительностью остается активным спором.

Будущее и практическая реализация

По мере приближения к рубежу 2030 года для коммерциализации 6G описанные здесь методы кодирования должны будут перейти от академических работ к реальному кремнию.

Таким образом, переход от 5G к 6G-кодированию является не просто постепенным улучшением, а смещением парадигмы. Коды станут более адаптивными, более тесно интегрированными с физическим каналом, а в некоторых случаях и извлеченными из данных. В то время как полярные и LDPC-коды, вероятно, останутся основными, бесступенчатыми и ML-коды расширят свои роли, особенно в сложных многоточечных и динамических средах.

Заключение

Успешное развертывание беспроводных систем 6G зависит от разработки методов кодирования следующего поколения, которые могут обрабатывать экстремальные скорости передачи данных, сверхнизкую задержку, массивную связь и сильно изменчивые каналы. В этой статье рассматривается эволюция от кодирования 5G до многообещающих границ полярных кодов, кодов LDPC, кодов без скорости и кодов на основе ML. Каждое семейство приносит уникальные сильные стороны - полярные коды для управления короткими блоками, LDPC для высокопроизводительных данных, бесступенчатые коды для широковещательных и динамических ссылок и коды ML для адаптивной производительности. По мере продвижения исследований гибридные подходы, которые объединяют эти методы в гибкой структуре, вероятно, определят стандарт 6G. Путь вперед требует постоянных инноваций в разработке алгоритмов, реализации оборудования и системной интеграции, но награды - действительно связанный мир с бесшовной, мгновенной связью - стоят усилий.