隨著對未來6G無線通信器件的研究如火如荼地進行，業界也在探索6G中原生AI空口的可能性。羅德與施瓦茨(以下簡稱“R&S公司”)與英偉達(NVIDIA)合作，對未來6G技術中的人工智能和機器學習（AI/ML）從仿真到實現向前邁進了一步。

在巴塞羅那世界移動通信（MWC）大會上，兩家公司展示了業界首個神經接收機的硬件在環演示，顯示與傳統信號處理相比，使用訓練后的ML模型可以顯著地提升性能。

在MWC大會上，參觀者可以在演示中體驗到神經接收機如何用在5G NR上行鏈路多用戶多輸入多輸出(MU-MIMO)中——這可能是6G物理層的藍圖。該裝置結合了R&S用于信號生成和分析的高端測試解決方案以及用于鏈路級仿真的NVIDIA Sionna GPU加速開源庫。

神經接收機是用訓練的機器學習模型取代無線通信系統物理層的信號處理模塊。全球的學術界、領先的研究機構和行業專家預計，未來的6G標準將使用AI/ML進行信號處理任務，如信道估計、信道均衡和去映射。當前的仿真表明，與目前5G NR中使用的高性能確定性軟件算法相比，神經接收機將提高鏈路質量和吞吐量。

為了訓練機器學習模型，數據集是絕對的先決條件。通常情況下，獲取所需的數據集是受限的，或者根本無法獲得。在處于6G早期研究的現階段，對于生成具有不同信號配置的各種數據集以訓練信號處理任務的機器學習模型，測試和測量設備提供了一個可行的選擇。

在R&S展位上展示的基于AI/ML的神經接收機設置中，R&S SMW200A矢量信號發生器模擬了兩個獨立的用戶，在上行方向以2x2 MIMO信號配置發射80MHz寬的信號。每個用戶都是獨立衰落，并且添加了噪聲來模擬真實的無線信道條件。R&S MSR4多用途衛星接收機作為接收機，通過使用四個相位相干的接收信道，捕捉3GHz載波頻率傳輸的信號。然后，數據通過實時流接口提供給服務器。在服務器中，R&S基于服務器的測試（SBT）框架（包括R&S VSE矢量信號探索器（VSE）微服務）將對數據進行預處理。VSE信號分析軟件同步信號并進行快速傅里葉變換（FFT）。這個FFT后的數據集可作為基于NVIDIA Sionna實現的神經接收機的輸入。

NVIDIA Sionna是一個用于鏈路級仿真的GPU加速開源庫。它能夠對復雜的通信系統架構進行快速的原型設計，并為6G信號處理中的機器學習集成提供本地支持。

作為演示的一部分，將訓練的神經接收機與經典的線性最小均方誤差（LMMSE）接收機架構進行了比較，后者為基于確定性軟件算法的傳統信號處理技術。這些高性能的算法在目前的4G和5G蜂窩網絡中已被廣泛采用。

Andreas Pauly：

R&S測試與測量部門執行副總裁

"在無線通信中使用機器學習算法進行信號處理是目前業內非常熱門的話題，在業內同行中經常會有爭議性的討論。我們很高興能與英偉達這樣的合作伙伴在這個測試平臺上合作。它將使研究人員和行業專家能夠根據數據驅動的方法驗證他們的模型，并利用我們在信號生成和分析方面的領先測試解決方案，在硬件在環實驗中對其進行測試"。

Ronnie Vasishta：

英偉達電信部高級副總裁

"與傳統的信號處理相比，經過訓練的ML模型為提高性能開辟了相當大的潛力。羅德與施瓦茨和英偉達的這一基于神經接收機的硬件在環演示，標志著業界在展示6G技術中的人工智能和機器學習的效用方面達到了一個里程碑。"

羅德與施瓦茨是測試與測量、系統與方案、網絡與網絡安全領域的知名供應商。公司成立已超過85年，總部設在德國慕尼黑，在全球70多個國家設有子公司。作為一家獨立的科技集團，羅德與施瓦茨創新性的產品和解決方案為全球工業客戶提供了一個更安全與互聯的世界。

審核編輯：湯梓紅