随着对未来6G无线通信标准技术组件的研究如火如荼地进行，人们也在探索6G的AI原生空中接口的可能性。罗德与施瓦茨与英伟达合作，向着未来6G技术对人工智能和机器学习（AI/ML）实施模拟。在巴塞罗那世界移动通信大会上，两家公司将展示业界首个神经接收器的硬件在环演示，显示与传统信号处理相比，使用训练有素的ML模型可实现的性能提升。

在今年的世界移动通信大会上，参观者可以体验到神经接收器方法在5G NR上行链路多用户多输入多输出（MUMIMO）情况下的首次演示——这可能是6G物理层的蓝图。该装置结合了罗德与施瓦茨用于信号生成和分析的高端测试解决方案以及用于链路级模拟的NVIDIA Sionna™ GPU加速开源库。

神经接收器的概念是用训练有素的机器学习模型取代无线通信系统物理层的信号处理块。全球的学术界、领先的研究机构和行业专家预计，未来的6G标准将使用AI/ML进行信号处理任务，如信道估计、信道均衡和解映射。

当前的模拟表明，与目前5G NR中使用的高性能确定性软件算法相比，神经接收器将提高链路质量并影响吞吐量。

为了训练机器学习模型，数据集是绝对的先决条件。通常情况下，所需的数据集访问是有限的，或者根本无法获得。在6G早期研究的现状中，在生成具有不同信号配置的各种数据集以训练信号处理任务的机器学习模型时，测试和测量设备提供了一个可行的选择。

在罗德与施瓦茨展位上展示的基于AI/ML的神经接收器设置中，R&S SMW200A矢量信号发生器模拟了两个单独的用户，在上行方向以MIMO 2x2信号配置发射80MHz宽的信号。每个用户都是独立消隐的，并应用噪声来模拟真实的无线电信道条件。R&S MSR4多用途卫星作为接收机，通过使用其四个相位相干的接收通道，捕捉以3GHz的载波频率传输的信号。然后，数据通过实时流接口提供给服务器。在那里，信号被使用R&S基于服务器的测试（SBT）框架进行预处理，包括R&S VSE矢量信号探索器（VSE）微服务。VSE信号分析软件同步信号并进行快速傅里叶变换（FFT）。这个FFT后的数据集可作为使用NVIDIA Sionna实现神经接收器的输入。

NVIDIA Sionna是一个用于链路级仿真的GPU加速开源库。它能够对复杂的通信系统架构进行快速原型设计，并为6G信号处理中的机器学习集成提供本地支持。

作为演示的一部分，训练有素的神经接收器与线性最小均方误差（LMMSE）接收器架构的经典概念进行了比较，后者应用基于确定性开发的软件算法的传统信号处理技术。这些高性能的算法在目前的4G和5G蜂窝网络中已被广泛采用。

罗德与施瓦茨测试与测量部门的执行副总裁Andreas Pauly表示："在无线通信中使用机器学习算法进行信号处理是目前业内非常热门的话题，在业内同行中经常会有争议性的讨论。我们很高兴能与英伟达这样的合作伙伴在这个测试平台上合作。它将使研究人员和行业专家能够根据数据驱动的方法验证他们的模型，并利用我们在信号生成和分析方面的领先测试解决方案，在硬件在环实验中对其进行测试"。

英伟达电信部高级副总裁Ronnie Vasishta表示："与传统的信号处理相比，经过训练的ML模型为提高性能开辟了相当大的潜力。罗德与施瓦茨和英伟达的这一神经接收器的硬件在环演示，标志着业界在展示人工智能和机器学习在6G技术中的效用方面的一个里程碑。"

罗德与施瓦茨积极支持欧洲、亚洲和美国的6G研究活动，为研究项目、行业联盟做出贡献，并与领先的研究机构和大学合作。公司的测试和测量专业知识和解决方案有助于为下一代无线通信铺平道路，预计将在2030年左右进行商业部署。