Технология Massive MIMO

Технология Massive MIMO — один из ключевых инструментов повышения емкости сетей 5G, однако ее эффективность напрямую зависит от актуальности информации о состоянии канала. При высокой мобильности абонентов CSI быстро устаревает, а частая передача пилотных сигналов, хотя и улучшает точность оценки, приводит к увеличению накладных расходов и снижению емкости сети.

Коллективом Лаборатории разработано решение под названием PABAFT (Prediction Algorithm Based On Autoregressive Flexible TDD), сочетающее алгоритм предсказания канала и алгоритм управления частотой передачи пилотных сигналов. Базовая станция временно переходит к более частой передаче пилотных сигналов для сбора обучающих данных, после чего возвращается к стандартной частоте передачи, обеспечивая актуальную информацию о канале с использованием обученной модели предсказания. Имитационное моделирование показало, что PABAFT обеспечивает отношение сигнал/шум, близкое к случаю идеального знания канала, и существенно сокращает расход ресурсов, увеличивая емкость сети.

Отдельное направление работы — оценка алгоритмов предсказания канала с использованием подходов на основе имитационного моделирования MIMO-канала. Алгоритмы, основанные на методах машинного обучения, нуждаются в большом количестве высококачественных данных. В рамках этого направления коллектив лаборатории разработал методы ускорения моделирования беспроводного канала, которые не снижают точность модели при кратном снижении времени вычисления.

Многие существующие алгоритмы машинного обучения валидированы в различных условиях, что затрудняет их корректное сопоставление. В Лаборатории проведена системная оценка современных ML-алгоритмов предсказания канала с использованием различных широко применяемых моделей канала. Результаты подтвердили, что выбор модели канала оказывает существенное влияние на выводы о качестве алгоритмов, что требует создания общедоступных и реалистичных наборов данных для обучения моделей.

Список актуальных публикаций: