Rede neural artificial pode melhorar a comunicação sem fio

• Os pesquisadores usam métodos inspirados no cérebro para detectar efetivamente os sinais na extremidade do receptor.
• É baseado na Echo State Network que oferece alto desempenho enquanto consome menos energia.

Os cientistas estão sempre buscando comunicações mais eficientes e confiáveis, para tudo, desde telefones celulares e televisores a instrumentos médicos e satélites. A técnica que tem sido estudada extensivamente são os métodos de múltiplas entradas e saídas múltiplas (MIMO) com multiplexação por divisão ortogonal de frequência (OFDM).

Oferece transmissão de alto rendimento e robustez contra desvanecimento de múltiplos caminhos. No entanto, um projeto de receptor eficiente torna-se extremamente complexo sem um esquema de estimativa de canal eficaz. Portanto, a maioria dos problemas enfrentados em tais sistemas reside na obtenção de informações precisas sobre o estado do canal.

Para reduzir esses problemas e aumentar a eficiência energética dos receptores sem fio, os pesquisadores da Virginia Tech estão usando métodos de aprendizado de máquina inspirados no cérebro. Pode tornar a estimativa de canal redundante e melhorar significativamente o desempenho, onde é difícil estabelecer uma conexão entre a entrada e a saída do sistema.

A combinação de MIMO e OFDM permite que os sinais se movam do transmissor para o receptor usando várias rotas ao mesmo tempo. Uma das principais vantagens de usar essa técnica é que ela evita o desvanecimento multipercurso ao mesmo tempo que minimiza a interferência. Isso traz vários benefícios para a tecnologia 4G e 5G.

No entanto, identificar de forma eficiente os sinais na extremidade do receptor e codificá-los no formato que pode ser entendido por dispositivos (como televisores móveis) requer muitos recursos computacionais e energia. Nesse caso, as redes neurais artificiais podem reduzir ainda mais a ineficiência.

Referência:IEEE | Virginia Tech

Computação e eficiência de reservatório

Normalmente, os receptores realizam estimativa de canal antes de identificar os sinais transmitidos. Com a ajuda de redes neurais artificiais, os pesquisadores podem gerar uma estrutura totalmente nova, identificando os sinais transmitidos na extremidade do receptor. Eles estão chamando esse framework de Reservoir Computing (RC).



Ele é baseado em uma arquitetura única de rede de estado de eco, que oferece alto desempenho e consome menos energia. Usando essa estrutura, os pesquisadores criaram um modelo capaz de demonstrar como um determinado sinal viaja de um transmissor para um receptor. Este modelo permite que eles criem uma conexão direta entre a entrada e a saída do sistema.

Uma vez que a rede neural é treinada sem atualização adaptativa dos pesos sinápticos do reservatório (camadas internas), ela tem um desempenho melhor em termos de convergência de treinamento e complexidade computacional. Ele pode lidar efetivamente com distorções não lineares do amplificador de potência no transmissor enquanto consome baixa energia.

Leia:Redes Neurais são o Futuro da Tradução Automática

Os autores compararam esta técnica com outros métodos de treinamento e descobriram que seus resultados eram muito melhores (eficiência energética) no receptor.