Keysight демонстрирует сжатие информации о состоянии канала на базе ИИ для сетей 5G-Advanced и прокладывает путь к технологиям 6G

Совместная лабораторная проверка показала прирост пропускной способности нисходящего канала более чем на 40 процентов по сравнению со стандартной обратной связью по каналу в четырехуровневом режиме работы (rank-4)

САНТА-РОЗА, Калифорния, 4 марта 2026 г.

Компания Keysight Technologies, Inc. (NYSE: KEYS) в сотрудничестве с Qualcomm Technologies, Inc. продемонстрировала на выставке Mobile World Congress (MWC) Barcelona 2026 технологию сжатия информации о состоянии канала (CSI) на основе машинного обучения (ML) для повышения эффективности адаптации параметров соединения в современных системах MIMO. В ходе контролируемой лабораторной валидации метод обратной связи CSI на базе машинного обучения позволил увеличить пропускную способность нисходящего канала более чем на 40 процентов по сравнению с отчетностью CSI стандарта 3GPP eType II в режиме работы с четырьмя пространственными уровнями (rank-4). Данная демонстрация представлена в прямом эфире на стенде Keysight (зал 5, № 5F41).

Поскольку сети 5G-Advanced используют большее количество антенн и более широкие каналы, информация о состоянии канала (CSI) приобретает критическое значение для того, как сеть управляет формированием лучей и выбирает оптимальные параметры передачи. Однако передача детализированных данных CSI может привести к увеличению объема служебной информации в восходящем канале, особенно для конфигураций MIMO с большим числом уровней, что создает компромисс между производительностью и эффективностью сигнализации.

Для решения этой задачи компании Keysight и Qualcomm Technologies протестировали мобильную испытательную платформу на базе модемной радиочастотной системы Qualcomm® 5G совместно с решениями Keysight для эмуляции сетей в условиях воспроизводимой лабораторной среды. При фиксированных ограничениях на объем обратной связи CSI метод сжатия на основе машинного обучения обеспечил более эффективное представление характеристик канала, чем стандартизированный метод eType II, сохраняя при этом информацию, необходимую для точного формирования луча и принятия решений по управлению соединением. Полученный результат подтверждает возможность масштабирования передовых конфигураций MIMO и вносит вклад в отраслевые исследования по расширению возможностей физического уровня на базе нативного ИИ для будущих беспроводных систем 6G.

Тинфан Цзи, вице-президент по инженерным разработкам и руководитель исследований в области 6G в Qualcomm Technologies, Inc., отметил: «Эффективная обратная связь CSI является фундаментальным фактором по мере увеличения размерности антенных решеток и количества пространственных уровней. Эта демонстрация наглядно показывает, как передовые алгоритмы машинного обучения Qualcomm могут значительно повысить производительность нисходящего канала по сравнению с традиционной отчетностью CSI eType II, поддерживая непрерывные инновации в 5G-Advanced и закладывая фундамент для будущих систем 6G с нативной поддержкой ИИ».

Лукас Хансен, вице-президент и генеральный менеджер группы беспроводного тестирования Keysight, подчеркнул: «Улучшения физического уровня на базе нативного ИИ необходимы для масштабирования беспроводных сетей следующего поколения. Объединяя испытательную платформу модемов Qualcomm с нашими решениями для эмуляции базовых станций с поддержкой ИИ, мы обеспечиваем возможность тщательной оценки сжатия CSI на основе машинного обучения и его влияния на производительность современных систем MIMO, а также на перспективные направления исследований в области 6G».

Источник: Keysight Press Releases