MIMO - от теории к внедрению (original) (raw)

Технология MU-MIMO в сетях стандарта IEEE 802.11ac

Актуальные проблемы инфотелекоммуникаций в науке и образовании. XII Международная научно-техническая и научно-методическая конференция: сб. науч. ст. в 4-х т. СПб.: СПбГУТ, 2023. Т. 1. С. 428–432.

С ратификацией дополнения IEEE 802.11ac в 2013 году появилась возможность, используя технологию MU-MIMO, осуществлять доставку кадров данных нескольким клиентским устройствам одновременно. Для этого и точка доступа или Wi-Fi роутер, и клиентские устройства должны поддерживать функцию формирование луча в многопользовательском режиме. Как много Wi-Fi устройств, выпускаемых сегодня, поддерживают технологию MU-MIMO и как обнаружить ее использование в беспроводной локальной сети стандарта IEEE 802.11ac? Поиску ответов на эти вопросы и посвящено данное исследование.

Коригування параметрів мобільних систем MIMO із використанням штучного інтелекту

Komp'ûterno-ìntegrovanì tehnologìï: osvìta, nauka, virobnictvo, 2023

параметрів мобільних систем MIMO із використанням штучного інтелекту. Розглянуто методи імітаційного проектування систем MIMO з використанням штучного інтелекту. Генетичні алгоритми можуть бути використані для оптимізації конфігурації антен та параметрів системи MIMO. ШІ може моделювати різні комбінації параметрів, оцінювати їх продуктивність і еволюційним чином визначати оптимальні налаштування. Нейронні мережі можуть використовуватись для прогнозування каналу зв'язку та оптимізації передавальних стратегій. Вони можуть навчитись моделювати складні взаємозв'язки між властивостями каналу та продуктивністю системи MIMO. Методи навчання з підкріпленням можуть бути використані для вирішення проблеми керування передачею сигналу в системі MIMO. ШІ може взаємодіяти з динамічним середовищем, навчатись оптимальним стратегіям передачі сигналу та підлаштовувати їх в реальному часі. ШІ може використовуватись для розробки алгоритмів підтримки рішень у системах MIMO. Це може включати прийняття рішень про вибір оптимального режиму передачі, зміну налаштувань антен чи каналів відповідно до зміни умов зв'язку. Також ШІ може використовувати автоматичне навчання для адаптації системи MIMO до змінних умов зв'язку. Результати досліджень мобільних систем MIMO з використанням штучного інтелекту формують передумови для розширення можливостей та покращення продуктивності таких систем за допомогою інтеграції ШІ-технологій. Використання ШІ дозволяє вирішувати задачі оптимізації та автоматичного налаштування параметрів систем MIMO, оскільки ШІ може ефективно аналізувати великі обсяги даних, моделювати різні сценарії та встановлювати оптимальні налаштування, що приводить до покращення продуктивності системи MIMO. ШІ може використовуватись для прогнозування властивостей каналу зв'язку у системах MIMO та управління каналом в режимі реального часу. Він може аналізувати стан каналу, прогнозувати його зміни та адаптивно реагувати на них, що сприяє покращенню якості зв'язку. Також ШІ може використовуватись для вирішення проблеми інтерференції, яка виникає в системах MIMO за рахунок можливості аналізувати та управляти розподілом потужності між антенами, визначати оптимальні стратегії передачі сигналів та забезпечувати мінімізацію впливу інтерференції на якість зв'язку. У підсумку, ШІ дозволяє системам MIMO адаптуватись до змінних умов зв'язку, таких як зміна шуму, інтерференції, рухливість користувачів. Таким чином, моделювання мобільних систем MIMO з використанням штучного інтелекту має практичну значимість, оскільки дозволяє покращити продуктивність, знизити витрати, підвищити енергоефективність та покращити якість обслуговування користувачів в мобільних мережах. Ключові слова: просторово-часове кодування, мобільна система MIMO, штучний інтелект, управління каналом в режимі реального часу, якість обслуговування користувачів в мобільних мережах, оптимальна стратегія передачі сигналів. Vasylkivskyi M., Boldyreva O., Vargatyuk H., Grabchak N. Adjusting the parameters of mobile MIMO systems using artificial intelligence. The methods of simulation design of MIMO systems using artificial intelligence are considered. Genetic algorithms can be used to optimize the configuration of antennas and parameters of the MIMO system. AI can simulate various combinations of parameters, evaluate their performance, and evolutionarily determine the optimal settings. Neural networks can be used to predict the communication channel and optimize transmission strategies. They can learn to model the complex relationships between channel properties and MIMO system performance. Reinforcement learning techniques can be used to solve the problem of controlling signal transmission in a MIMO system. AI can interact with a dynamic environment, learn optimal signal transmission strategies, and adjust them in real time. AI can be used to develop decision support algorithms in MIMO systems. This may include making decisions on the optimal transmission mode, changing antenna or channel settings in response to changing communication conditions. AI can also use automatic learning to adapt the MIMO system to changing communication conditions. The results of research on mobile MIMO systems using artificial intelligence form the prerequisites for expanding the capabilities and improving the performance of such systems by integrating AI technologies. The use of AI allows solving the tasks of optimizing and automatically adjusting the parameters of MIMO systems, as AI can effectively analyze large amounts of data, model various scenarios, and set optimal settings, which leads to improved MIMO system performance. AI can be used to predict channel properties in MIMO systems and manage the channel in real time. It can analyze the state of the channel, predict its changes, and adaptively respond to them, which helps to improve the quality of communication. AI can also be used to solve the problem of interference that occurs in MIMO systems by being able to analyze and manage the power distribution between antennas, determine optimal signal transmission strategies, and ensure that the impact of interference on communication quality is minimized. As a result, AI allows MIMO systems to adapt to changing communication conditions, such as changes in noise, interference, and user mobility. Thus, modeling of mobile MIMO systems using artificial intelligence is of practical importance, as it allows to improve performance, reduce costs, increase energy efficiency, and improve the quality of user experience in mobile networks.

Об особенностях экспериментального исследования технологии Wi-Fi

Научно-техническая конференция Санкт-Петербургского НТО РЭС им. А.С. Попова, посвященная Дню радио. 2024. № 1 (79). С. 202–205.

Стандарт IEEE 802.11, регламентирующий обмен данными в беспроводных локальных сетях Wi-Fi, был принят в далеком 1997 году. С тех пор технология постоянно совершенствовалась, пройдя в своем развитии через несколько поколений. Для изучения ее возможностей, а также особенностей работы различных нововведений исследователи часто прибегают к натурному моделированию. К сожалению, далеко не всегда в распоряжении имеются специализированные аппаратно-программные комплексы, позволяющие выполнить настройку многочисленных параметров, отвечающих за работу Wi-Fi. В таких ситуациях приходится использовать обычные Wi-Fi роутеры и адаптеры. В данной статье представлены рекомендации по использованию подобных устройств и организации соответствующих экспериментов.

Фейк: от академических дискуссий к практическим решениям

Коммуникации. Медиа. Дизайн, 2021

Ключевые слова: новые медиа, недостоверная информация, фейк, фейкньюз Десятые годы XXI в. стали эпохой, когда феномены фейка и фейк-ньюз не только объявляются авторитетными словарями «словосочетанием года» (Lenta.ru, Качкаева А.Г. кандидат филологических наук, профессор Национального исследовательского университета «Высшая школа экономики»

Медиум Прогресса: к генеалогии концепта технология

Отталкиваясь от гипотезы, что технология является подспудным ключевым словом языка медиафилософии, статья предлагает генеалогию данного концепта. Эта генеалогия характеризуется прерывистостью, смещениями баланса сил и переплетениями семантики целого ряда понятий (techne, technologia, Technologic Technik, technology). Особое внимание уделяется рассмотрению возникновения technology как ключевого слова культурной грамматики Запада, детерминистского концепта, находящегося в центре дискурса о машинах двадцатого столетия.

Inside/Outside как технология

2020

Рассматривая понятия внешнего, внутреннего и границы которая их разделяет (или сообщает!) как эпистемологическую категорию, текст пересматривает применение терминов истории искусств.

Интегрированная сеть космос-воздух-земля-море как основа сетей связи шестого поколения

Электросвязь. 2022. № 10. С. 5–8.

В статье рассматриваются области применения, архитектура и особенности интегрированной сети космос-воздух-земля-море (Space-Air-Ground-Sea Integrated Network, SAGSIN), которая должна объединить системы спутниковой связи, сети воздушного базирования, наземные сети и связь на море и в итоге стать основой для сетей связи шестого поколения (6G).

АНАЛИЗ СТРУКТУРЫ ЗАДАЧИ ПРОЕКТИРОВАНИЯ ТОПОЛОГИИ МИКРОЭЛЕКТРОННЫХ УСТРОЙСТВ

РИ, 2007

Рассматривается задача канальной трассировки выбора наименьшей ширины канала, достаточной для размещения в нем всех соединений и назначения их на магистрали. Предлагаются варианты решения и оптимизации в классе простейшей конфигурации. Введение Общеизвестны трудности, встречающиеся при решении сложных, многомерных практических задач оптимизации.