Redes neuronales artificiales impulsan el rendimiento de comunicaciones inalámbricas

• Investigadores usan métodos inspirados en el cerebro para detectar eficazmente las señales en el extremo del receptor.
• Se basa en la Red de Estado Eco que ofrece alto rendimiento consumiendo menos energía.

Los científicos siempre buscan comunicaciones más eficientes y fiables, para todo, desde teléfonos móviles y televisores hasta instrumentos médicos y satélites. La técnica que se ha estudiado extensamente es la de métodos de entrada múltiple salida múltiple (MIMO) con multiplexación por división de frecuencia ortogonal (OFDM).

Ofrece transmisión de alto rendimiento y robustez contra desvanecimiento multi-trayecto. Sin embargo, un diseño de receptor eficiente se vuelve extremadamente complejo sin un esquema efectivo de estimación de canal. Así, la mayoría de los problemas en tales sistemas radican en obtener una información de estado de canal precisa.

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

La combinación de MIMO y OFDM permite que las señales se muevan del transmisor al receptor usando varias rutas al mismo tiempo. Una de las principales ventajas de usar esta técnica es que evita el desvanecimiento multi-trayecto mientras minimiza la interferencia. Esto trae varios beneficios a la tecnología 4G y 5G.

Sin embargo, identificar eficientemente las señales en el extremo del receptor y codificarlas en el formato que pueden entender los dispositivos (como televisores móviles) requiere muchos recursos computacionales y energía. En este caso, las redes neuronales artificiales pueden reducir la ineficiencia en gran medida.

Referencia: IEEE | Virginia Tech

Computación de reservorio y eficiencia

Usualmente, los receptores realizan estimación de canal antes de identificar las señales transmitidas. Con la ayuda de redes neuronales artificiales, los investigadores pueden generar un marco completamente nuevo identificando las señales transmitidas en el extremo del receptor. Llaman a este marco Computación de Reservorio (RC).

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

Dado que la red neuronal se entrena sin actualizar adaptativamente 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 consumiendo poca energía.

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

Los autores han comparado esta técnica con otros métodos de entrenamiento y descubrieron que sus resultados fueron mucho mejores (energéticamente eficientes) en el extremo del receptor.