- L’intelligence artificielle (IA) devient essentielle pour rendre plus efficaces et plus accessibles les tests RF des appareils sophistiqué de communication sans fil ainsi que ceux des réseaux automatisés dynamiques.
- Les environnements de communication sans fil seront à l’avenir extrêmement complexes et dynamiques, portés par l’IoT, les drones, la radio cognitive, les réseaux d’IA adaptatifs, les techniques avancées de partage du spectre radio et d’autres technologies émergentes.
- Anritsu estime que cette complexité et cette automatisation rendent nécessaire le recours à des tests RF basés sur l’intelligence artificielle (IA).
- L’IA servira d’outil pour tester les appareils de transmission sans fil sophistiqués, gérer les réseaux dynamiques, optimiser le partage du spectre et mettre en œuvre la détection RF.
- Selon Anritsu, ces opérations, qui reposent sur l’identification et la caractérisation des signaux en temps réel, ne seront possible sans le recours à des outils automatisés à base d’IA et des tests RF basés sur des techniques d’apprentissage automatique.
La 6G, la 5G Advanced, l’IoT et les radios cognitives sont des technologies déterminantes pour l’avenir des réseaux de communication sans fil. Les opérateurs de réseaux utilisent également l’IA pour les opérations d’orchestration afin de mettre en œuvre des réseaux dynamiques complètement automatisés qui s’adaptent à l’environnement en temps réel. Cela crée un environnement de communication sans fil complexe où l’occupation du spectre radio et le besoin de débits de données toujours plus croissants constituent des enjeux majeurs. Dans ce contexte, les méthodes traditionnelles de caractérisation du signal doivent faire face à des interférences complexes, aux propagations par trajets multiples et à des variations du signal.
Dans cet environnement spécifique, l’IA peut prendre en charge de complexes et volumineux ensembles de données afin d’identifier beaucoup plus rapidement des schémas et des anomalies que les méthodes conventionnelles. Elle est particulièrement utile pour déceler et caractériser les sources d’interférence et les signaux RF dans les environnements de communication sans fil dynamiques. L’IA peut également être employée pour optimiser les flux de test, automatiser les procédures, réduire les temps d’arrêt grâce à des procédures de maintenance prédictive et accélérer la rédaction de scripts de test. L’IA s’avère donc essentielle pour rendre plus efficaces et plus accessibles les tests des appareils avancés de communication sans fil et des réseaux dynamiques automatisés.
Pourquoi utiliser l’IA pour les tests RF ?
Le matériel de test génère déjà d’importantes quantités de données. Ce volume de données ne fera qu’augmenter à mesure que le matériel évoluera pour prendre en charge des dispositifs RF à haut débit et à faible latence opérant dans un environnement dynamique. L’analyse et la caractérisation de signaux RF complexes revêtent ici une importance primordiale. Sur les réseaux 5G Advanced et 6G, la détection RF jouera un rôle déterminant, en utilisant les signaux RF ambiants pour extraire des informations concernant le réseau et les canaux de communication. Elle permettra au réseau d’être conscient de son environnement et de réagir automatiquement aux changements de conditions de fonctionnement. L’IA pourra donc être utilisée pour détecter plus rapidement et plus précisément les anomalies et caractériser les données.
Grâce aux techniques d’apprentissage automatique, l’IA s’avère parfaitement adaptée à la détection et à la caractérisation des signaux. L’intégration de l’IA au matériel permet aux systèmes de test d’évoluer parallèlement à l’évolution des réseaux de communication sans fil, sans rencontrer les traditionnelles limitations. Cette approche optimise efficacement l’utilisation du matériel sous-jacent pour prendre en charge un environnement RF dynamique, notamment en matière d’analyse et de caractérisation des signaux.
Les algorithmes d’IA sont généralement exécutés sur des équipements de test ou une plateforme de calcul distincte. Par exemple, Anritsu a intégré la technologie d’apprentissage automatique basée sur l’IA développée par DeepSig à son analyseur de spectre de la gamme Field Master Pro MS2090A / MS27201A. Ce qui lui permet de surpasser les capacités des actuels systèmes de surveillance du spectre. L’IA de DeepSig permet au système de test de détecter et de classer les signaux tout en analysant simultanément l’environnement spectral afin de fournir une analyse contextuelle et de faciliter les prises de décision.
Les problématiques spectrales compliquent les tests RF
Chaque pays ou région du monde dispose de sa propre réglementation concernant l’utilisation du spectre radio. Cependant, quelques bandes RF sont utilisées dans le monde entier, notamment ISM, GSM 900, GSM 1800 et 2,4 GHz, 5 GHz et 6 GHz pour le Wi-Fi et le LTE. Les États-Unis et la Chine disposent d’un régulateur unique qui supervise leurs grands marchés. Ce qui permet aux opérateurs de réseau de desservir un grand nombre d’abonnés et de financer ainsi leur expansion et leurs développements technologiques. En revanche, bien que l’UE représente un important marché, chaque État membre possède son propre régulateur. Ce qui nécessite une coordination transfrontalière. Par conséquent, le marché européen est très fragmenté. De nombreux opérateurs de plus petite taille y sont implantés.
Bien que la Conférence européenne des administrations des postes et des télécommunications (CEPT) joue un rôle important concernant l’harmonisation des réglementations du spectre radioélectrique en Europe, les décisions finales relatives à l’attribution du spectre relèvent de la compétence des gouvernements nationaux. Le mandat confié à la CEPT par la Commission européenne comprend des tâches telles que l’identification des bandes de fréquences et des conditions d’utilisation du spectre pour soutenir les politiques de l’UE, ainsi que l’élaboration d’exigences techniques pour les nouvelles technologies comme la 5G et la 6G.
À l’échelle mondiale, l’Union internationale des télécommunications (UIT) et la Conférence mondiale des radiocommunications (CMR) facilitent la coordination internationale concernant les fréquences radio utilisées afin de prévenir les interférences entre les systèmes radio. L’UIT promeut l’utilisation partagée du spectre radio à l’échelle mondiale et contribue à l’élaboration et à la coordination de normes techniques internationales.
Le spectre de fréquences est non seulement une ressource rare, mais son utilisation complexe est régit par des organisations nationales et supranationales. Du point de vue des tests, l’IA peut contribuer à ajuster les équipements de test afin de les mettre en conformité à toutes ces normes en les reconfigurant rapidement. Ceci est particulièrement pertinent à l’heure où progresse la technologie 5G opérant dans le domaine des ondes millimétriques et que nous nous acheminons vers la 6G qui pourrait exploiter des bandes RF allant jusqu’au sub-THz.
Détection RF et gestion du spectre 6G
Le spectre radioélectrique est un actif limité et coûteux qui doit être géré, partagé et utilisé de manière optimale par les réseaux de communication sans fil, notamment avec la 6G, les drones et les applications IoT émergentes qui se profilent à l’horizon. Les techniques d’apprentissage automatique permettent aux systèmes de s’adapter aux nouveaux signaux de transmission sans fil et d’automatiser les réseaux afin de répondre dynamiquement à l’évolution des charges et des besoins. Cependant, pour y parvenir, la détection RF native est essentielle à l’identification et à la caractérisation des signaux. Par exemple, pour mettre en œuvre l’atténuation des interférences, l’équilibrage de charge et l’adaptation aux pannes, les réseaux doivent disposer de ces informations en temps réel. Pour fonctionner, les technologies émergentes, telles que les techniques de partage du spectre, le RAN dynamique et la radio cognitive, dépendent également de la capacité de détection RF en continu.
Les algorithmes basés sur l’IA, mettant en œuvre des techniques d’apprentissage automatique, peuvent analyser, caractériser et classer les signaux radio complexes plus rapidement et plus précisément que les méthodes traditionnelles manuelles d’analyse de spectre. L’IA permet la surveillance et la caractérisation avancées des signaux requises par la 6G et les techniques de communication émergentes, telles que le partage dynamique du spectre. De plus, l’IA peut localiser, identifier et caractériser les sources d’interférences beaucoup plus rapidement et avec davantage de précision. Elle peut également être utilisée pour automatiser les techniques de partage de spectre basées sur des règles, grâce aux informations fournies par la détection RF au sein de l’environnement réseau. En effet, les réseaux nécessitent la mise en œuvre de tests intégrés qui utilisent des algorithmes d’apprentissage automatique basés sur l’IA pour mettre en œuvre la détection RF.
JCAS (Joint Communications and Sensing) est une technologie clé de la 6G. Elle facilite l’intégration des fonctions de détection aux réseaux de communication afin de pallier la pénurie de spectre, depuis les applications sub-6 GHz jusqu’aux applications évoluant dans le domaine du THz, tout en réduisant les coûts matériels et la consommation d’énergie, et en garantissant une utilisation efficace du spectre. Grâce à ses capacités de formation spatiale de faisceaux et de mise en forme des formes d’onde, la technologie MIMO devrait jouer un rôle majeur en fournissant simultanément des capacités de communication et de détection précise. L’enjeu réside dans la réduction des coûts et de la consommation d’énergie associés au MIMO. Parmi les solutions émergentes figurent des technologies telles que les réseaux C-RAN (cloud radio access networks), les drones et les surfaces intelligentes reconfigurables (RIS). La technologie JCAS vise également à soutenir les application de mobilité connectée et automatisée, la télésurveillance de la santé, l’Industrie 4.0 et les véhicules autonomes qui non seulement échangent des données, mais dépendent également de la précision des informations sur leur environnement. La technologie JCAS devrait utiliser des modèles classiques d’optimisation du traitement du signal ainsi que des techniques avancées d’apprentissage automatique.
Les initiatives européennes pour l’Internet de nouvelle génération (NGI) et le Partenariat européen sur les réseaux et services intelligents (SNS) considèrent notamment la technologie JCAS comme un domaine de développement essentiel à la transformation numérique de l’Europe.
Collaboration Anritsu-DeepSig
Anritsu intègre des fonctionnalités d’IA avancées à ses systèmes de test en s’appuyant sur la technologie d’apprentissage automatique de DeepSig afin de relever les défis complexes des systèmes de communication sans fil. Les techniques de détection RF traditionnelles rencontrent des difficultés dans les environnements de transmission sans fil qui évoluent constamment et exigent donc une surveillance et une caractérisation des signaux plus sophistiquées. Les capacités d’apprentissage automatique de DeepSig répondent à ces problématiques en permettant de caractériser rapidement et efficacement des signaux à la volée. De plus, l’apprentissage automatique permet de caractériser rapidement de nouveaux signaux inconnus et de détecter les sources d’interférences. L’utilisation de l’IA permettra aux clients d’améliorer les performances de leur réseau, d’optimiser l’utilisation du spectre et de s’adapter en temps réel aux conditions RF changeantes. De plus, ces systèmes de test seront pérennes grâce à leur adaptabilité à de nouveaux environnements avec de nouvelles sources de signaux indéfinies grâce à l’apprentissage automatique, comme le prévoit la 6G.
