I ricercatori sono sempre alla ricerca di comunicazioni più affidabili ed efficienti, per qualsiasi cosa, da televisori e telefoni cellulari a satelliti e dispositivi medici.

Una tecnica che genera buzz per la sua elevata qualità del segnale è una combinazione di tecniche a più ingressi e uscite multiple con multiplexing a divisione di frequenza ortogonale.

I ricercatori della Virginia Tech Lingjia Liu e Yang (Cindy) Yi stanno utilizzando tecniche di apprendimento automatico ispirate al cervello per aumentare l'efficienza energetica dei ricevitori wireless.

I loro risultati pubblicati, "Realizzare il rilevamento del simbolo verde tramite il calcolo del serbatoio:una prospettiva di efficienza energetica, " ha ricevuto il Best Paper Award dalla IEEE Transmission, Accesso, e Comitato Tecnico Sistemi Ottici.

Liu e Yi, professori associati e assistenti rispettivamente nel Bradley Department of Electrical and Computer Engineering, insieme al dottorato di ricerca di Liu. studente Rubayet Shafin, stanno collaborando con i ricercatori della Direzione dell'Informazione del Laboratorio di Ricerca dell'Aeronautica degli Stati Uniti—Jonathan Ashdown, John Matjas, Michael Medley, e Bryant Wysocki.

Questa combinazione di tecniche consente ai segnali di viaggiare dal trasmettitore al ricevitore utilizzando più percorsi contemporaneamente. La tecnica offre un'interferenza minima e fornisce un vantaggio intrinseco rispetto ai percorsi più semplici per evitare lo sbiadimento multipercorso, che distorce notevolmente ciò che vedi quando guardi la televisione via etere in una giornata tempestosa, Per esempio.

"Una combinazione di tecniche e frequenza porta molti vantaggi ed è la principale tecnologia di accesso radio per le reti 4G e 5G, " disse Liu. "Tuttavia, rilevare correttamente i segnali al ricevitore e trasformarli in qualcosa che il tuo dispositivo capisce può richiedere un grande sforzo computazionale, e quindi energia».

Liu e Yi utilizzano reti neurali artificiali, sistemi informatici ispirati al funzionamento interno del cervello, per ridurre al minimo l'inefficienza. "Tradizionalmente, il ricevitore condurrà la stima del canale prima di rilevare i segnali trasmessi, " ha detto Yi. "Utilizzando reti neurali artificiali, possiamo creare una struttura completamente nuova rilevando i segnali trasmessi direttamente al ricevitore."

Questo approccio "può migliorare significativamente le prestazioni del sistema quando è difficile modellare il canale, o quando potrebbe non essere possibile stabilire una relazione diretta tra l'input e l'output, " disse Matjas, il consulente tecnico della Divisione Informatica e Comunicazioni dell'AFRL e Fellow del Laboratorio di Ricerca dell'Aeronautica.

Calcolo del serbatoio

Il team ha suggerito un metodo per addestrare la rete neurale artificiale a funzionare in modo più efficiente su una coppia trasmettitore-ricevitore utilizzando un framework chiamato calcolo del serbatoio, in particolare un'architettura speciale chiamata echo state network (ESN). Un ESN è un tipo di rete neurale ricorrente che combina alte prestazioni con bassa energia.

"Questa strategia ci consente di creare un modello che descrive come un segnale specifico si propaga da un trasmettitore a un ricevitore, che consente di stabilire una relazione diretta tra l'input e l'output del sistema, " ha detto Wysocki, l'ingegnere capo della direzione dell'informazione del laboratorio di ricerca dell'aeronautica.

Testare l'efficienza

Liu, Yi, e i loro collaboratori AFRL hanno confrontato i loro risultati con i risultati di approcci di formazione più consolidati e hanno scoperto che i loro risultati erano più efficienti, soprattutto dal lato del ricevitore.

"La simulazione e i risultati numerici hanno mostrato che l'ESN può fornire prestazioni significativamente migliori in termini di complessità computazionale e convergenza della formazione, " ha detto Liu. "Rispetto ad altri metodi, questa può essere considerata un'opzione "verde".