Những thách thức mới nhất trong đo kiểm thông tin vô tuyến

Lĩnh vực vô tuyến đang không ngừng phát triển, GSMA ước tính rằng các công nghệ và dịch vụ di động hiện đang đóng góp khoảng 5,8% GDP toàn cầu, tương đương khoảng 6,5 nghìn tỷ USD. Đến năm 2030, con số này dự kiến sẽ tăng lên gần 11 nghìn tỷ USD, chiếm khoảng 8,4% GDP. Những con số này rất ấn tượng, nhưng chưa phải là tất cả. Mạng 5G hứa hẹn cải thiện đáng kể tốc độ, vùng phủ sóng và dung lượng, và đang được triển khai nhanh chóng.

Mặc dù có dư địa phát triển lớn và dài hạn trong lương lai, kết nối di động vẫn còn nhiều thách thức ngắn hạn. Các nhà mạng di động phải tìm cách tạo doanh thu từ 5G, đánh giá ưu nhược điểm của triển khai mạng riêng, trí tuệ nhân tạo (AI), mạng phi mặt đất (NTN), đảm bảo tính bền vững, Open RAN, và nhiều yếu tố khác.

Các phương án sử dụng mạng phi mặt đất

Các phương án sử dụng mạng NTN có thể bao gồm băng rộng cho các vùng sâu vùng xa, kết nối trên máy bay và tàu cao tốc, cũng như đảm bảo khả năng phục hồi mạng và theo dõi vận chuyển hàng hóa toàn cầu. Công nghệ NTN được các nhóm làm việc trong Dự án Đối tác Thế hệ thứ 3 (3GPP) xác định thông qua các tính năng trong Release 17 và Release 18 của thông số kỹ thuật 5G Specifications. Định nghĩa về các hệ thống 5G liên tục thay đổi, và để đáp ứng với những thay đổi này, các cộng đồng khoa học và công nghiệp đã đưa ra 5G-Advanced (5G-A) và 6G. NTN đã được tích hợp thành công vào tiêu chuẩn 3GPP Rel.17 và dự kiến sẽ đóng vai trò quan trọng trong 5G-A và 6G.

Mục tiêu chính của NTN là cung cấp vùng phủ sóng cho các khu vực chưa được phục vụ đầy đủ. Điểm khác biệt chính của 5G NTN so với các công nghệ trước đó là khả năng tích hợp liền mạch với cơ sở hạ tầng mạng mặt đất hiện có. Khả năng tích hợp này mở ra những cơ hội mới sau:

• Dự phòng cho thông tin liên lạc thiết yếu phục vụ đảm bảo trật tự công cộng trong trường hợp mất sóng di động do sự cố mạng mặt đất, thiên tai và trường hợp khẩn cấp.
• Vùng phủ sóng 3D tạo kết nối ổn định sử dụng các vật thể di chuyển trên không như khinh khí cầu hoặc phương tiện bay không người lái (UAV), tăng phạm vi phủ sóng đa chiều và tích hợp liền mạch giữa các mạng mặt đất và phi mặt đất.
• Internet vạn vật (IoT) quy mô lớn, cho phép phủ sóng toàn cầu, giảm nhẹ các khó khăn thách thức xuyên biên giới quốc gia, tối ưu hóa mức tiêu thụ điện năng và tài nguyên mạng khi chuyển đổi giữa mặt đất và NTN.

Tuy nhiên, các kịch bản di động phức tạp với nhiều vệ tinh và trạm gốc, các mô hình kênh liên kết tinh vi trên nhiều mặt phẳng quỹ đạo, đo lường và handover báo hiệu 5G NTN mới càng nhấn mạnh hơn nữa tầm quan trọng của việc tái tạo các điều kiện này trong môi trường phòng thí nghiệm có kiểm soát. Đo kiểm thiết bị trong điều kiện thực tế và được kiểm soát tăng cường khả năng lặp lại đo kiểm, giúp rút ngắn chu kỳ đo kiểm.

Các phương án sử dụng Wi-Fi 7

Wi-Fi 7 có thể cải thiện hiệu năng, tăng dung lượng và giảm độ trễ cho người dùng. Wi-Fi 7 được kỳ vọng sẽ cung cấp trải nghiệm liền mạch cho các ứng dụng khác nhau, từ duyệt web cơ bản đến các hoạt động tiêu thụ nhiều băng thông như chơi game thực tế ảo và phát trực tuyến video 8K.

Để đạt mục tiêu này, tiêu chuẩn mới đưa ra nhiều tính năng để cải thiện hiệu suất, dung lượng và phạm vi phủ sóng WLAN. Các tính năng như vận hành đa liên kết (MLO) và đơn vị tài nguyên đa điểm (multi-RU) làm tăng số lượng các cấu hình và kịch bản đo kiểm cần thiết để xác nhận hợp chuẩn kỹ lưỡng cho thiết bị. Ngoài đo kiểm lớp vật lý, các kỹ sư đo kiểm phải giả lập báo hiệu để xác minh tương tác giữa các điểm truy cập (AP) và trạm truy cập (STA), cũng như hiệu năng của các tính năng Wi-Fi 7 mới trong điều kiện thực tế.

Chaimaa Aarab là Giám đốc tiếp thị các giải pháp và chuyên ngành vô tuyến tại Keysight Technologies

Các phương án sử dụng 6G

Công nghệ 6G dự kiến sẽ xuất hiện trên thị trường vào năm 2030, mở ra kỷ nguyên kết nối mới với tốc độ siêu nhanh, băng thông siêu rộng chưa từng có và độ trễ siêu thấp. Công nghệ này sẽ chuyển đổi nhiều lĩnh vực, bao gồm viễn thông, sản xuất, y tế, giao thông vận tải và giải trí.

Mục tiêu của 6G là kết nối thế giới vật lý, thế giới số và thế giới con người bằng nhiều cách, bao gồm sử dụng phổ tần mới, tích hợp AI vào mạng và thiết bị, công nghệ bản sao số và kiến trúc mạng mới. Những tính năng này tăng cường khả năng lập trình của mạng và tự động hóa trong các phương án sử dụng 6G khác nhau.

Giả lập kênh FR3

Chưa rõ 6G sẽ sử dụng phổ tần nào. Hiện đang có ba phổ tần đang được xem xét: băng trung cao (còn được gọi là băng trung hay gọi không chính thức là FR3) trong dải tần từ 7-24 GHz, các băng tần dưới THz trong dải 90 GHz đến 300 GHz. Băng tần thứ ba tối ưu hóa phổ dưới 7 GHz thông qua tái phân bổ, phân bổ băng mới và tăng hiệu suất phổ tần.

Việc đo kiểm toàn diện cho băng tần trung cao (FR3) trong phòng thí nghiệm còn gặp nhiều thách thức nhưng là điều cần thiết để đánh giá các công nghệ 6G mới như cảm biến mạng, siêu MIMO (xMIMO), v.v. Đội ngũ kỹ sư cần các giải pháp giả lập kênh vô tuyến có ứng dụng AI để đẩy nhanh quá trình phát triển và đánh giá các công nghệ 6G phức tạp. Các giải pháp đo kiểm này phải đáp ứng được nhu cầu lập mô hình chính xác trong mô phỏng hệ thống 6G, bản sao số và giả lập kênh RF theo thời gian thực.

Xác minh hiệu năng máy thu nơ-ron 6G

Ước lượng kênh (channel estimation) vẫn tiếp tục là một chức năng cốt lõi của bộ thu trong các hệ thống 6G. Một số công nghệ 6G chính đặt ra những thách thức mới cho ước lượng kênh mà các viện nghiên cứu và chuyên gia kỳ vọng AI /ML sẽ giúp họ giải quyết để thực hiện các nhiệm vụ xử lý tín hiệu.

Máy thu nơ-ron thay các khối xử lý tín hiệu cho lớp vật lý của hệ thống thông tin vô tuyến bằng các mô hình học máy đã được huấn luyện, tăng chất lượng liên kết và thông lượng. Cần ước lượng chính xác kênh để xác minh chức năng bộ thu trong các hệ thống 6G. Nếu không hiểu hành vi của kênh và không xử lý được các bất thường theo thời gian thực, đội ngũ kỹ sư không thể đạt hiệu năng 6G như kỳ vọng.

Đội ngũ kỹ sư thiết kế cần giải pháp để huấn luyện các máy thu nơ-ron bằng dữ liệu được gắn nhãn do phần mềm tạo ra. Sau khi tạo dữ liệu, các kỹ sư phải xác thực hiệu năng của mạng nơ-ron khi được tích hợp vào hệ thống vô tuyến để có thể giả lập và tích hợp các điều kiện kênh khác nhau vào hệ thống.

AI/ML và cảm biến trong 6G

Dữ liệu kênh trong mô phỏng chân thực và thực tế đóng vai trò then chốt trong các ứng dụng 6G như cảm biến tích hợp và kết nối. Đội ngũ kỹ sư nghiên cứu 6G cần các công cụ sử dụng các mô hình xử lý tín hiệu AI/ML tích hợp và xác minh hiệu năng của các thuật toán với kết nối phần cứng thực trong hệ thống qua giao diện vô tuyến (OTA). Các kỹ sư có thể tích hợp các mô hình AI vào quy trình đo kiểm để tối ưu hóa chất lượng tín hiệu và tự động điều chỉnh theo các biến thiên kênh thời gian thực, đảm bảo rằng các mạng 6G đáp ứng các tiêu chuẩn về hiệu năng.

Quá trình này bắt đầu bằng việc huấn luyện mô hình AI để nhận diện và xử lý các vấn đề trong kênh truyền như suy hao tín hiệu và nhiễu, thông qua các kỹ thuật học có giám sát hoặc không giám sát. Sau đó, các kỹ sư mô phỏng việc thu phát tín hiệu trong các điều kiện thực tế phức tạp. Sau khi được các kỹ sư huấn luyện, mô hình có thể giúp họ dự đoán và khắc phục sự cố tín hiệu theo thời gian thực. Quá trình này cho phép đo kiểm hiệu quả các hệ thống MIMO siêu lớn và các công nghệ tiên tiến khác trong kiến trúc 6G.

Theo tạp chí Điện tử và Ứng dụng