Moniantennisignaalinkäsittely tulevaisuuden tietoliikennejärjestelmissä

Itse asiassa hyödynsin koneoppimista tämänkin kirjoituksen laatimisessa, sillä pyysin tekoälysovellus ChatGPT:tä laatimaan selkokielisen tekstin aiheesta ”moniantennisignaalinkäsittely tulevaisuuden tietoliikennejärjestelmissä”. Valitettavasti tulos oli kuitenkin vielä varsin käyttökelvoton - mahdollisesti johtuen käytettävissä olevan algoritmien opetusmateriaalin vähyydestä. Toki tekoälyn generoimassa versiossa oli joitakin ihan hyviäkin kohtia ja saattaa olla, että osa niistä on jopa päätynyt tähänkin versioon.

Antennimäärä tietoliikennelaitteissa kasvaa jatkuvasti varsinkin, kun edetään kohti ylempiä taajuuksia, tällä hetkellä kohti 6G-järjestelmien käyttämiä taajuuksia. Esimerkiksi kohtuullisen uusista 5G-älypuhelimista löytyy useimmiten jo toistakymmentä antennia, sisältäen mm. 4 antennia pelkästään 5G-yhteyksiä varten.

Radiosignaali etenee ilmakehässä valon nopeudella, joten radioaallon pituus voidaan kätevästi laskea jakamalla valonnopeus tiedonsiirtoon käytettävällä kantotaajuudella. Koska yksittäisen antennielementin pituus on verrannollinen radioaallon pituuteen, voidaan kantotaajuuden kasvaessa 10-kertaiseksi samaan 4 antennin pinta-alaan ideaalisesti pakata jopa 100 antennia, jolloin tehokkaan moniantennisignaalinkäsittelyn merkitys korostuu edelleen.

Yksittäisen ympärisäteilevän lähetysantennin kentän signaalin tehotiheys vaimenee verrannollisena etäisyyden neliöön lähetysantennista loitonnuttaessa, kun aallot leviävät yhä laajemmalle alueelle. Lisäksi vastaanotetun signaalin teho heikkenee suuresti, kun siirrytään suuremmille taajuuksille. Lähetettyä signaalia voidaan fokusoida ja samalla hukkatehoa minimoida käyttämällä niin sanottua keilanmuodostusta antennien yli.

Digitaalinen keilanmuodostus tarkoittaa käytännössä matemaattisia operaatioita lähetinvastaanottimessa, joissa vastaanotettuja tai lähetettyjä antennisignaaleja kerrotaan ja yhdistellään sopivasti kompleksilukujen avulla. Antennikohtaisen vaiheen (eli viiveen) ja amplitudin (eli vahvistuksen) säätö mahdollistaa suuntaamiseen haluttuun kulmaan tai jopa tiettyyn pisteeseen. Lisäksi voidaan muodostaa useita rinnakkaisia keiloja palvelemaan useita käyttäjiä häiriöttömästi samalla taajuusresurssilla tilatasossa.

Tällöin esimerkiksi neljä lähetysantennia voivat keilanmuodostuksen avulla palvella maksimissaan (riippuen käytettävissä olevasta tehosta) neljää käyttäjää yhtä aikaa tilatasossa, jolloin verkon suorituskyky ja käyttäjäkohtainen tiedonsiirron määrä (throughput) kasvavat myös noin nelinkertaiseksi suhteessa yhden antennin tapaukseen. Yleisesti voidaan sanoa, että rinnakkaisten tietovirtojen määrä on suoraan verrannollinen käytettävissä olevien antennien määrään.

Työssäni olen tutkinut paljon myös koordinoitua antenniprosessointitekniikkaa (Coordinated Multi-Point, CoMP), joka mahdollistaa tiedonsiirron ja vastaanoton hajautetun antenniryhmän kautta. Tässä tekniikassa useita tukiasemia käytetään yhdessä palvelemaan yhtä tai useampaa käyttäjää. Kukin tukiasema käyttää omaa antenniryhmäänsä ja vastaanottaa signaaleja käyttäjältä, mutta tiedonsiirto ja vastaanotto suoritetaan koordinoidusti yhteistoiminnassa useiden tukiasemien kesken.

Keilanmuodostus perustuu tarkkaan mitattuun tietoon radiokanavista kaikkien lähetin-vastaanotin-antenniparien välillä. Kun antennien ja käyttäjien määrä kasvaa, kanavatiedon keräämisestä aiheutuva kustannus (eng. overhead) kasvaa merkittävästi. Tämän vuoksi on tärkeää löytää hyvä kompromissi vaadittavan mittaamiseen käytettävien referenssisignaalien lähettämisen ja saavutettavan hyödyn välillä. Koneoppimisen hyödyntäminen sopii erityisen hyvin tähän tarkoitukseen, sillä sen avulla voidaan välttää turhaa mittaamista hyödyntämällä tilastotietoa aikaisemmista käyttäjistä kanavatiedon generoimiseen ja jopa ennustamiseen.

Ratkaisuja energiatehokkaampaan tiedonsiirtoon

ICT-alan osuus maailman sähkönkulutuksesta on jopa 10 % ja kasvihuonepäästöistäkin lähes 4%, joista suuri osa johtuu mm. sosiaalisen median sovelluksien laajasta käytöstä. Luvut ovat voimakkaasti kasvavia. Lisäksi pelkästään langattomien verkkojen energiankulutus kattaa arviolta noin neljänneksen koko ICT-sektorin hiilijalanjäljestä. Tiedonsiirtonopeuksien kasvaessa esim. virtuaali- ja lisätyn todellisuuden sovelluksien yleistyessä, langattomien järjestelmien energiatehokkuuden parantaminen on merkittävä tutkimushaaste. Näytteenottotaajuuden ja antennien määrän kasvaessa myös tarvittavien energiaintensiivisten analogia-digitaalimuuntimien määrä ja suorituskykyvaatimukset kasvavat.

Yksi pääasiallisista ratkaisuista millimetriaaltopohjaisissa 5G-verkoissa on hybridirakenne, jossa osa keilanmuodostuksesta tehdään analogiatasolla ennen digitaalista kantataajuusprosessointia. Toinen varsinkin omassa tutkimuksessani tarkastelema ratkaisu on käyttää matalan kvantisointitason analogia-digitaalimuuntimia, kuten ns. 1-bittisiä muuntimia, joissa näytteistyksen ulostulon arvo riippuu yksinkertaisesti vain siitä, onko signaalin amplitudi positiivinen vai negatiivinen tai onko vaihe siirtynyt enemmän tai vähemmän kuin 90 astetta. Tämä mahdollistaa riittävän määrän kvantisointibittien keräämistä suurten antenniryhmien yli ja säästää näin merkittävästi signaalien prosessointiin käytettyä energiaa.

Moniantennisignaalinkäsittelyllä voidaan hallita monenlaisia käytännön haasteita. Esimerkiksi, sitä voidaan käyttää rajoittamaan mahdollisesti haitallista elektromagneettista säteilyä antennien lähellä oleville ihmisille. Lisäksi moniantennisignaalinkäsittelyllä voidaan kompensoida esimerkiksi analogiakomponenteista aiheutuvia epäideaalisuuksia ja vääristymiä, joita syntyy esimerkiksi signaalin kytkeytymisessä eri antennielementtien välillä tai signaaliketjujen eri osissa.

Yksi viimeisimpiä tutkimusaiheitani liittyy koodatun välimuistin (eng. coded caching) tehokkaaseen hyödyntämiseen moniantennilähetyksen yhteydessä erityisesti virtuaaliympäristöissä ja sitä tukevissa langattomissa päätelaitteissa. Laitteissa käytettävissä oleva muistin määrä kasvaa jatkuvasti ja sitä voidaan hyödyntää proaktiivisesti tallentamalla muisteihin etukäteen esimerkiksi paikkariippuvaa dataa. Kun käyttäjät pyytävät verkolta multimediadataa esim. VR-sovellusta varten, niin tukiasemat voivat sopivasti yhdistellä ja koodata lähetettyä signaalia siten, että useat käyttäjät hyötyvät lähetetystä verkkokoodatusta signaalista yhtä aikaa. Siten tiedonsiirron kokonaistehokkuutta voidaan parantaa merkittävästi.

Aiheen piiristä riittää runsaasti mielenkiintoisia tutkimus- ja toteutushaasteita pitkälle tulevaisuuteen. Kuitenkin suurena haasteena - varsinkin paikallisesti - näen sen varmistamisen, että alalta valmistuu riittävä määrä tietoliikenne- ja signaalinkäsittelyosaajia teollisuuden ja tutkimuksen tarpeisiin. Tämän haasteen ratkaiseminen on välttämätöntä, jotta pysymme globaalissa kilpailussa kärkikastissa myös tulevaisuudessa.

Kirjoitus perustuu professori Antti Töllin Uusien professorien juhlaluennot -tapahtumassa 24.4.2023 pitämään puheeseen.