Die Leistung herkömmlicher RAN-Systeme stellt die Betreiber vor erhebliche Herausforderungen, darunter begrenzter Durchsatz, hohe Latenz und verringerte Ressourcennutzung. Bei kommerziellen 5G-Bereitstellungen muss häufig die Uplink-Leistung berücksichtigt werden, insbesondere am Zellrand, wo die Sendeleistung der Benutzergeräte (UE) begrenzt ist, was sich auf das an der Basisstation empfangene Signal-Rausch-Verhältnis (SNR) auswirkt.
Aufgrund des hohen Hintergrundrauschens haben herkömmliche Algorithmen zur Kanalschätzung in Bereichen mit niedrigem SNR Schwierigkeiten. Das KI-Modell bietet einen neuen Ansatz, indem es eine genaue Kanalschätzung ermöglicht, die Ressourcenzuweisung optimiert und den Stromverbrauch reduziert. Dadurch kann die Systemkapazität erhöht, die Netzwerkleistung verbessert und ein besseres Benutzererlebnis geboten werden.
Die Kanalsimulationslösungen von Keysight ermöglichen die Kanalgenerierung für eine große Bandbreite an Kanalbedingungen sowie Echtzeit-Signalverarbeitung und Hochfrequenzfunktionen (RF). Samsung ist es gelungen, fortschrittliche KI-Modelle zur Kanalschätzung in Uplink-Empfängern zu erstellen und so die in einer Laborumgebung erkennbare Verstärkung deutlich zu verbessern. Beispielsweise zeigen Simulationsexperimente, dass der Durchsatz am Rand der Netzwerkzelle um bis zu 30 % verbessert wird, wenn anstelle der aktuellen statischen regelbasierten Methode ein KI-Modell zur Kanalschätzung verwendet wird.
Zur Bewertung der Leistung dieses KI-Modells wird ein Full-Stack-Versuchsaufbau mit Funk- und verteilter Ausrüstung verwendet, die auf der NVIDIA Aerial AI-Plattform von Samsung läuft. Dieses KI-Modell wird auf der NVIDIA GH200 Grace Hopper Superchip-Plattform und den Channel Emulation- und Core Emulation-Lösungen von Keysight eingesetzt.
Diese Errungenschaft wird Innovationen vorantreiben und den Weg für eine breite Einführung KI-gestützter RAN-Technologien ebnen.
Kommentar (0)