La red neuronal artificial puede mejorar la comunicación inalámbrica

• Los investigadores utilizan métodos inspirados en el cerebro para detectar eficazmente las señales en el extremo del receptor.
• Se basa en Echo State Network que ofrece un alto rendimiento y consume menos energía.

Los científicos siempre buscan comunicaciones más eficientes y confiables, para todo, desde teléfonos móviles y televisores hasta instrumentos médicos y satélites. La técnica que se ha estudiado ampliamente son los métodos de múltiples entradas y múltiples salidas (MIMO) con multiplexación por división de frecuencia ortogonal (OFDM).

Ofrece una transmisión de alto rendimiento y robustez contra el desvanecimiento de múltiples rutas. Sin embargo, un diseño de receptor eficiente se vuelve extremadamente complejo sin un esquema de estimación de canal efectivo. Por lo tanto, la mayoría de los problemas que enfrentan estos sistemas radican en obtener una información precisa del estado del canal.

Para reducir estos problemas y aumentar la eficiencia energética de los receptores inalámbricos, los investigadores de Virginia Tech están utilizando métodos de aprendizaje automático inspirados en el cerebro. Puede hacer que la estimación del canal sea redundante y mejorar significativamente el rendimiento donde es difícil establecer una conexión entre la entrada y la salida del sistema.

La combinación de MIMO y OFDM permite que las señales se muevan de transmisor a receptor utilizando varias rutas al mismo tiempo. Una de las principales ventajas de utilizar esta técnica es que evita el desvanecimiento por trayectos múltiples y minimiza la interferencia. Esto aporta varios beneficios a la tecnología 4G y 5G.

Sin embargo, identificar de manera eficiente las señales en el extremo del receptor y codificarlas en un formato que pueda ser entendido por dispositivos (como televisores móviles) requiere una gran cantidad de recursos informáticos y energía. En este caso, las redes neuronales artificiales pueden reducir la ineficiencia en mayor medida.

Referencia:IEEE | Virginia Tech

Computación y eficiencia de yacimientos

Por lo general, los receptores realizan la estimación del canal antes de identificar las señales transmitidas. Con la ayuda de redes neuronales artificiales, los investigadores pueden generar un marco completamente nuevo identificando señales transmitidas en el extremo del receptor. A este marco lo llaman Reservoir Computing (RC).

Se basa en una arquitectura única de red de estado de eco, que ofrece un alto rendimiento y consume menos energía. Utilizando este marco, los investigadores crearon un modelo capaz de demostrar cómo una señal en particular viaja desde un transmisor a un receptor. Este modelo les permite crear una conexión directa entre la entrada y la salida del sistema.

Dado que la red neuronal se entrena sin actualizar de forma adaptativa los pesos sinápticos del reservorio (capas internas), funciona mejor en términos de convergencia de entrenamiento y complejidad computacional. Puede manejar eficazmente distorsiones no lineales del amplificador de potencia en el transmisor mientras consume poca energía.

Leer:Las redes neuronales son el futuro de la traducción automática

Los autores compararon esta técnica con otros métodos de entrenamiento y descubrieron que sus resultados eran mucho mejores (eficiencia energética) en el extremo del receptor.