Алгоритмы обработки сигналов следующего поколения для 6g связи

Глобальная телекоммуникационная индустрия стоит на пороге новой эры. В то время как сети 5G продолжают расширяться и созревать, исследователи и органы стандартов уже закладывают основу для 6G - шестого поколения беспроводной связи. Ожидается, что около 2030 года 6G обещает обеспечить скорость передачи данных в терабит-в-секунде, задержку в субмиллисекунде и возможность беспрепятственно соединять миллиарды устройств. Центральным для превращения этих амбициозных целей в реальность являются алгоритмы обработки сигналов следующего поколения. Эти алгоритмы образуют вычислительную основу современных беспроводных систем, регулирующих, как сигналы передаются, принимаются и интерпретируются во все более сложных электромагнитных средах.

Эволюция от 5G до 6G: почему важна обработка сигналов

Обработка сигналов всегда была критическим фактором в каждом поколении беспроводной технологии. В 2G достаточно простых сопоставленных фильтров и эквалайзеров. 3G принес многопользовательское обнаружение и обработку CDMA. 4G LTE представила OFDM и MIMO приемники. 5G продвинулась дальше с массивными MIMO и формированием луча. Однако 6G вводит проблемы, которые превосходят возможности обычных алгоритмов. Частоты в терагерцовых (THz) диапазонах, экстремальная мобильность (транспортные средства на 1000 км/ч) и необходимость поддержки голографических коммуникаций и цифровых двойников требуют принципиально новых подходов. Традиционные линейные и детерминированные модели недостаточны. Алгоритмы следующего поколения должны быть адаптивными, управляемыми данными и способными работать в режиме реального времени через обширные антенные массивы.

Основные инновации в 6G-обработке сигналов

Адаптивные алгоритмы, управляемые ИИ

Искусственный интеллект и машинное обучение — это не просто усовершенствования для 6G; они являются основополагающими. Глубокие нейронные сети могут изучать поведение каналов из необработанных данных, опережая модельные подходы в нелинейных, изменяющихся во времени средах. Алгоритмы, основанные на ИИ, разрабатываются для оценки, обнаружения и декодирования каналов, часто заменяя или дополняя традиционные байесовские оценщики и декодеры Viterbi. Например, архитектуры автокодеров могут совместно оптимизировать передатчик и приемник как сквозную выученную систему. Обучение с подкреплением позволяет адаптивное распределение ресурсов и выбор луча без явного моделирования системы. Эти методы ИИ требуют специализированного оборудования и легких сетевых архитектур для удовлетворения строгих требований задержки 6G.

Огромный MIMO и Beyond

Массивный MIMO (многократный вход многократного выхода) был ключевым новшеством в 5G, используя сотни антенн на базовой станции. Для 6G масштаб резко расширяется — до тысяч или даже десятков тысяч антенных элементов в виде больших интеллектуальных поверхностей (LIS) или перенастраиваемых интеллектуальных поверхностей (RIS). Алгоритмы обработки сигналов должны эффективно обрабатывать огромную вычислительную нагрузку формирования луча, предварительного кодирования и оценки канала в таких больших массивах. Такие методы, как гибридное формирование луча (аналого-цифровой) и 1-битные приемники квантования, уменьшают сложность при сохранении производительности. Новые итеративные алгоритмы и приближения матриц низкой сложности изучаются, чтобы сделать массивные MIMO для 6G практичными.

Передовые технологии формирования луча

Формирование луча в 6G должно работать в диапазоне частот, от суб-6 ГГц до диапазонов mmWave и THz. Адаптивные алгоритмы формирования луча, которые могут отслеживать быстро движущихся пользователей, таких как высокоскоростные поезда или низковысотные беспилотники, имеют важное значение. Иерархическое формирование луча, подходы на основе кодовых книг и сжатое зондирование позволяют быстрое выравнивание луча без исчерпывающего поиска. Кроме того, распределённое формирование луча через несколько точек доступа исследуется для обеспечения бесшовного покрытия и подавления помех. Эти алгоритмы должны быть надежными для старения каналов и ухудшения оборудования.

Квантовая обработка сигналов

Экспоненциальный рост данных и подсчет антенн делает некоторые проблемы обработки сигналов трудноразрешимыми с классическими компьютерами. Квантовая обработка сигналов исследует использование квантовых алгоритмов для таких задач, как решение больших линейных систем для лучеобразователей, выполнение инверсии матрицы для оценок наименьших квадратов и ускорение поиска по кодовым книгам. Пока полномасштабные квантовые компьютеры еще находятся на расстоянии нескольких лет, гибридные классические квантовые системы и выделенные квантово-вдохновленные процессоры разрабатываются для краткосрочного развертывания. Например, квантовое отжиг может решать задачи комбинаторной оптимизации при распределении ресурсов быстрее, чем классическая эвристика.

Энергоэффективная обработка

Потребление энергии является критической проблемой для 6G, особенно в устройствах с батарейным питанием и массивных сенсорных сетях. Алгоритмы обработки сигналов следующего поколения разработаны с осознанием энергии. Это включает в себя использование приблизительных вычислительных методов, таких как низкоточная арифметика для нейронных сетей, и обработка, управляемая событиями, которая активируется только при необходимости. Алгоритмические подходы, такие как скудная выборка и сжатие, уменьшают количество данных, которые необходимо обрабатывать. Схемы энергоадаптивной модуляции и кодирования в сочетании с эффективными эквалайзерами и декодерами, дополнительно минимизируют энергетический след без ущерба для пропускной способности.

Технические вызовы и исследовательские рубежи

Ограничения обработки в реальном времени

Целевая задержка в 6G в субмиллисекунде предъявляет жесткие требования к реальному времени. Многие продвинутые алгоритмы, особенно основанные на глубоком обучении, демонстрируют высокую задержку вычислений. Исследователи изучают совместное проектирование аппаратного и программного обеспечения, включая ускорители на основе FPGA и пользовательские ASIC, для выполнения вывода в сжатые сроки. Также алгоритмические инновации, такие как однократное обучение и метаобучение, уменьшают необходимость непрерывной переподготовки. Крайние вычислительные архитектуры, где обработка распределена рядом с пользователем, могут разгрузить вычисления базовой станции.

Надежность в сценариях высокой мобильности

6G будет обслуживать такие приложения, как высокоскоростная железная дорога (до 1000 км/ч) и рои дронов. Оценка канала становится чрезвычайно сложной из-за быстрых доплеровских сдвигов и быстрого затухания. Классические алгоритмы, такие как фильтры Калмана, объединяются с предикторами глубокого обучения для прогнозирования вариаций канала. Экспериментальная оценка должна быть эффективной, чтобы избежать чрезмерных накладных расходов. Набирают внимание такие методы, как оценка слепых каналов и методы на основе тензоров. Кроме того, алгоритмы должны быть устойчивыми к помехам со стороны других пользователей и самой окружающей среды, такие как поглощение атмосферы на частотах ТГц.

Интеграция с оборудованием следующего поколения

Алгоритмы обработки сигналов не могут быть разработаны изолированно; они должны быть тесно связаны с базовым радиочастотным и цифровым оборудованием. Новые разработки в аналого-цифровых преобразователях (ADC) с высоким разрешением, но низкой мощностью, а также в смешанной обработке сигналов влияют на разработку алгоритмов. Например, 1-битные ADC на приемнике требуют специализированных алгоритмов, которые могут восстанавливать информацию от массивного искажения квантования. Аналогично, использование графена и других наноматериалов для приемопередатчиков THz представляет уникальные нелинейности, которые должны моделироваться и компенсироваться алгоритмически. Сопроектирование алгоритмов и аппаратных средств является растущей областью исследований, часто приводящей к совместным структурам оптимизации.

Промышленность и академические усилия

Многочисленные проекты и организации активно исследуют обработку сигналов 6G. Проект партнерства (3GPP) 3-го поколения начал этапы исследования 6G, в то время как ITU-T определил документы видения. Научные инициативы, такие как IEEE Journal on Selected Areas in Communications регулярно публикуют специальные выпуски по обработке сигналов 5G/6G. Такие компании, как Qualcomm, Nokia, Ericsson и Samsung, разрабатывают прототипы алгоритмов и чипсетов. Например, Qualcomm подчеркивает воздушные интерфейсы, основанные на ИИ, и интегрированные сенсорные и коммуникационные технологии. Проект Европейского союза Hexa-X и инициатива Китая IMT-2030 также являются ключевыми участниками.