Современная электроника №3/2021

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ 9 WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА ◆ № 3 2021 ванием квазистатических связей более эффективно, чем основанные на моде- лях системы. Никаких волн специаль- ной формы, последовательностей или опорных сигналов заранее конфигури- ровать не требуется. Благодаря интен- сивной тренировке сеть глубокого обу- чения на передатчике и приёмнике учится выбирать метод настройки этих параметров самостоятельно (см. рис. 5). Хотя такой подход к сквозному обуче- нию может оказаться невозможным для сложных, динамично изменяю- щихся многопользовательских сред, структура связи 6G будет спроектиро- вана таким образом, чтобы позволять в реальных условиях автоматизировать некоторые инженерные решения. Это позволит оптимизировать характе- ристики радиоинтерфейса на основе выбора спектра, среды, развёрнутого оборудования и целевых требований. Одним из важных достижений ста- нет учёт возможностей оборудования при оптимизации инфраструктуры связи. При таком подходе радиоинтер- фейс разработан с учётом некоторых практических ограничений на реали- зацию. Ожидается, что в будущем усо- вершенствованный интерфейс сможет адаптироваться к возможностям обору- дования, а устройства получат необхо- димуюфункциональность для работы с радиоинтерфейсом. Например, определённое устрой- ство может иметь ограниченное разре- шение аналого-цифрового (АЦП) или цифро-аналогового преобразования (ЦАП), которые могут быть приняты во внимание обучающими системами для определения оптимального сигнала. Использование когнитивного спектра Благодаря более высоким характери- стикам распространения вне прямой видимости по сравнению с высокоча- стотными полосами низкочастотный спектр по-прежнему будет иметь пер- востепенное значение для покрытия большой площади. В течение следую- щего десятилетия значительная полоса нового спектра будет выделена под 5G. Это, вероятно, приведёт к исчерпанию спектра в полосах ниже 6 ГГц. Таким образом, в эпоху 6G потре- буются новые методы использования спектра частот даже в рамках лицен- зированного режима использования спектра, чтобы обеспечить лучший локальный доступ и сосуществование с другими пользователями. Операто- рам может потребоваться разделение спектра вещания между собой и дру- гими частными выделенными сетя- ми. Несколько поколений технологий начнут сосуществовать и совместно использовать спектр внутри инфра- структуры одного оператора. Благодаря достижениям в обла- сти радиотехнологий, позволяющим использовать многополосную работу, и методам машинного обучения, таким как глубокое обучение с подкреплени- ем, значительно облегчится эффектив- ное совместное использование спектра частот. Передовые методы формирования и уплотнения направленного сигнала локализуют использование спектра. В этом есть свои плюсы: облегчает- ся более широкое повторное исполь- зование спектра и, следовательно, можно добавить различные формы сосуществования между полезными когнитивными системами совместно- го использования. Контекстная зависимость Ещё одно важное развитие в рамках 6G – это бесшовная интеграция осве- домлённости об окружающей среде, трафике, мобильности и местополо- жении для оптимизации схем связи с помощью новых методов ИИ и МО. Например, в производственных цехах видеокамеры смогут в реальном време- ни фиксировать присутствие, движение машин и устройств. Оптимизировать связь можно будет с помощью глубо- кого обучения, акцентированного на прогнозировании изменений в среде распространения. По сути, новые методы сбора и обра- ботки данных помогут снизить хао- тичность в каналах связи. Шаблоны долгосрочной мобильности могут быть получены в и вне помещений, а затем использованы для оптимиза- ции обслуживания. Ещё одним важным элементом будущих систем окажется использование пассивных элементов с цифровым управлением, таких как крупные мета-объекты. Эти объекты, вероятно, окажутся целыми произ- водственными помещениями. Опреде- ление оптимального способа управле- ния этими новыми элементами может оказаться трудозатратным. Например, будет сложно точно смоделировать рас- пространение сигналов. Вероятнее всего, и эта проблема будет решена с помощью искусственного интеллекта и машинного обучения. Семантические знания более высоко- го уровня о том, как используются ком- муникации, например для игр, управле- ния роботами или целыми фабриками с помощью дополненной реальности, будут извлекаться из шаблонов дей- ствий внутри трафика и характери- стик устройств. Точная персонализа- ция обслуживания вплоть до нижних уровней коммуникации будет обеспе- чиваться с помощью методов машин- ного обучения. Трансферное и федеративное обу- чение начнут играть решающую роль. Системы сначала будут обучаться в автономном режиме в симуляционных средах так, чтобы можно было устано- вить базовые коммуникации, затем нач- нётся обучение в реальных условиях для оптимизации производительности. Таким образом, обучение перенесёт- ся из симуляции в реальность. Чтобы проводить сквозные операции, устрой- ства и сетевая инфраструктура должны взаимообучаться, и здесь федеративное обучение имеет огромное значение. Вместо разделения больших массивов данных между различными устройства- ми и сетью будут совместно исполь- зоваться готовые модели. На более высоких уровнях потребуется глубо- кое обучение для оптимизации рас- пределения ресурсов и контроля раз- личных параметров. Иерархическое и мультиагентное обучение с подкрепле- нием необходимо будет использовать на разных узлах. Использование новых диапазонов спектра Потребность в более высоких пико- вых скоростях и пропускной способ- ности постоянно подталкивают систе- мы мобильной связи к использованию спектра более высоких частот. Для 5G в различных регионах уже были выделе- ны новые полосы спектра от 3 до 6 ГГц и от 24 до 50 ГГц. В рамках очень гиб- кой структуры 5G возможны совершен- но новые конструкции физического уровня с переходом на сигналы с одной несущей. Основной проблемой при использовании диапазонов высоких частот является стоимость устройств с высокой выходной мощностью. В передатчиках с узким лучом для уве- личения эквивалентной изотропноиз- лучаемой мощности (ЭИИМ) и дально- сти действия используются массивные антенные решётки. Распростране- ние высокочастотного сигнала также представляет проблему, поскольку сиг-