Redes Neurais Artificiais Impulsionam Desempenho de Comunicações Sem Fio

Visão Geral

• Pesquisadores usam métodos inspirados no cérebro para detectar efetivamente os sinais no lado do receptor.
• Baseia-se na Rede de Estado Eco (Echo State Network) que oferece alto desempenho consumindo menos energia.

Cientistas sempre buscam comunicações mais eficientes e confiáveis, para tudo, desde telefones móveis e televisões a instrumentos médicos e satélites. A técnica estudada extensivamente é métodos de múltiplas entradas e múltiplas saídas (MIMO) com multiplexação por divisão de frequência ortogonal (OFDM).

Oferece transmissão de alta taxa e robustez contra desvanecimento multi-caminho. No entanto, um design de receptor eficiente torna-se extremamente complexo sem um esquema efetivo de estimativa de canal. Assim, a maioria dos problemas enfrentados em tais sistemas reside em obter uma informação de estado de canal precisa.

Para reduzir esses problemas e aumentar a eficiência energética de receptores sem fio, pesquisadores da Virginia Tech estão usando métodos de machine learning 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 saída do sistema.

A combinação de MIMO e OFDM permite que sinais se movam do transmissor para o receptor usando várias rotas ao mesmo tempo. Uma das principais vantagens de usar esta técnica é evitar desvanecimento multi-caminho enquanto minimiza interferência. Isso traz vários benefícios para tecnologia 4G e 5G.

No entanto, identificar eficientemente os sinais no lado do receptor e codificá-los no formato que pode ser entendido por dispositivos (como televisões móveis) requer muitos recursos computacionais e energia. Neste caso, redes neurais artificiais podem reduzir a ineficiência em grande medida.

Referência: IEEE | Virginia Tech

Computação de Reservatório e Eficiência

Geralmente, receptores realizam estimativa de canal antes de identificar os sinais transmitidos. Com a ajuda de redes neurais artificiais, pesquisadores podem gerar um novo framework identificando sinais transmitidos no lado do receptor. Estão chamando este framework de Computação de Reservatório (RC).

É baseado em uma arquitetura única de rede de estado eco, que oferece alto desempenho consumindo menos energia. Usando este framework, pesquisadores fizeram um modelo capaz de demonstrar como um sinal particular viaja de um transmissor para um receptor. Este modelo permite criar uma conexão direta entre a entrada e saída do sistema.

Como a rede neural é treinada sem atualizar adaptativamente os pesos sinápticos do reservatório (camadas internas), ela performa melhor em termos de convergência de treinamento e complexidade computacional. 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 foram muito melhores (eficientes energeticamente) no lado do receptor.