AI-RAN: Nvidia Areial RAN - Sionna (1)

在一系列文章的最後, 我們進入 Sionna 的介紹,
考慮到 Sionna 只有少數的硬體需求,
我們在此系列文章中, 將介紹 Sionna 的安裝, 環境建立, 以及模擬.
在整體 Sionna 的介紹中, 我們也將側重兩個部分:
  1. 光跡追蹤 (Ray-tracing) 通道模型
  2. 通道參數對於 5G/6G 通訊應用的轉換
在開啟一系列文章之前, 我們還是先看看 Sionna 如何介紹自己:
  • 來自: https://nvlabs.github.io/sionna/
  • Sionna 是用以發展 5G 與 6G 相關的研究套件, 支持:
    MIMO link-level 模擬, LDPC/Polar 編碼解碼, OFDM 通道估測與分配
  • Sionna 基於 Tensor-flow 開發, 可以使用 GPU 加速, 但也可以單獨使用 CPU
  • 可以使用 Google Co-lab 與 Jupyter 環境編譯操作 

事實上, Sionna 的整體實作核心是光跡追蹤的通道模型,
對於此部分的通道模擬機制, Sionna 有單獨的文件介紹: 
透過此通道模型, Sionna 可以進行 CIR (Channel Impluse Response) 的計算,
並據此取得 5G/6G 通訊環境中, OFDM symbol 的強度響應,
進行後續的資源分配與網速的分析.

基於光跡追蹤模型, Sionna 也提供了 RIS (Reconfigurable Intelligent Surfaces) 的模擬套件,
用以提供 6G 架構下, ISAC (Integrated Sensing and Communications) 的演算法開發,
針對通訊演算法部分,  Sionna 側重通道估測, 以及編碼-解碼設計,
希望透過以 GPU 加速的 5G/6G 通道模擬系統,
加速 5G/6G AI RAN (Radio Access Network) 的發展.

留言

熱門文章

LTE筆記: RSRP, RSSI and RSRQ

[WiFi] WiFi 網路的識別: BSS, ESS, SSID, ESSID, BSSID

LTE筆記: 5G NR Measurement Events