Los investigadores siempre buscan comunicaciones más fiables y eficientes, para todo, desde televisores y teléfonos móviles hasta satélites y dispositivos médicos.

Una técnica que genera ruido por su alta calidad de señal es una combinación de técnicas de múltiples entradas y múltiples salidas con multiplexación por división de frecuencia ortogonal.

Los investigadores de Virginia Tech, Lingjia Liu y Yang (Cindy) Yi, están utilizando técnicas de aprendizaje automático inspiradas en el cerebro para aumentar la eficiencia energética de los receptores inalámbricos.

Sus hallazgos publicados, "Realización de la detección de símbolos verdes a través de la computación de yacimientos:una perspectiva de eficiencia energética, "recibió el premio al mejor artículo de IEEE Transmission, Acceso, y Comité Técnico de Sistemas Ópticos.

Liu y Yi, profesores asociados y asistentes, respectivamente, en el Departamento de Ingeniería Eléctrica e Informática de Bradley, junto con el Ph.D. de Liu. estudiante Rubayet Shafin, están colaborando con investigadores de la Dirección de Información del Laboratorio de Investigación de la Fuerza Aérea de EE. UU. — Jonathan Ashdown, John Matyjas, Michael Medley, y Bryant Wysocki.

Esta combinación de técnicas permite que las señales viajen de transmisor a receptor utilizando múltiples rutas al mismo tiempo. La técnica ofrece una interferencia mínima y proporciona una ventaja inherente sobre las rutas más simples para evitar el desvanecimiento por múltiples rutas. que distorsiona notablemente lo que ves cuando miras la televisión por aire en un día tormentoso, por ejemplo.

"Una combinación de técnicas y frecuencia aporta muchos beneficios y es la principal tecnología de acceso por radio para redes 4G y 5G, "dijo Liu." Sin embargo, detectar correctamente las señales en el receptor y convertirlas de nuevo en algo que su dispositivo comprenda puede requerir mucho esfuerzo computacional, y por lo tanto energía ".

Liu y Yi están utilizando redes neuronales artificiales, sistemas informáticos inspirados en el funcionamiento interno del cerebro, para minimizar la ineficiencia. "Tradicionalmente, el receptor realizará la estimación del canal antes de detectar las señales transmitidas, "dijo Yi." Usando redes neuronales artificiales, podemos crear un marco completamente nuevo detectando las señales transmitidas directamente en el receptor ".

Este enfoque "puede mejorar significativamente el rendimiento del sistema cuando es difícil modelar el canal, o cuando no sea posible establecer una relación directa entre la entrada y la salida, "dijo Matyjas, el asesor técnico de la División de Computación y Comunicaciones de AFRL y un miembro del Laboratorio de Investigación de la Fuerza Aérea.

Computación de yacimientos

El equipo ha sugerido un método para entrenar la red neuronal artificial para que opere de manera más eficiente en un par de transmisor-receptor utilizando un marco llamado computación de reservorio, específicamente una arquitectura especial llamada red de estado de eco (ESN). Un ESN es una especie de red neuronal recurrente que combina un alto rendimiento con poca energía.

"Esta estrategia nos permite crear un modelo que describe cómo se propaga una señal específica de un transmisor a un receptor, haciendo posible establecer una relación directa entre la entrada y la salida del sistema, "dijo Wysocki, el ingeniero jefe de la Dirección de Información del Laboratorio de Investigación de la Fuerza Aérea.

Probando la eficiencia

Liu, Yi, y sus colaboradores de AFRL compararon sus hallazgos con los resultados de enfoques de capacitación más establecidos, y encontraron que sus resultados eran más eficientes, especialmente en el lado del receptor.

"La simulación y los resultados numéricos mostraron que la ESN puede proporcionar un rendimiento significativamente mejor en términos de complejidad computacional y convergencia de entrenamiento, "dijo Liu." En comparación con otros métodos, esto puede considerarse una opción 'verde' ".