在現(xiàn)代 5G 網絡中，快速且準確的信道狀態(tài)信息 (CSI)更新是保障連接質量、優(yōu)化 MIMO 配置并提供一致用戶體驗的核心基礎。然而，隨著網絡密度的持續(xù)提升和流量規(guī)模的迅速激增，這些更新帶來的信令開銷急劇擴大，導致上行帶寬的利用率出現(xiàn)瓶頸。

為應對這一挑戰(zhàn)，Altera 正依托Agilex SoC FPGA，提供由 AI 驅動的 CSI 壓縮解決方案。結合 Altera 的FPGA AI 套件和 OpenVINO 開源工具包部署深度學習模型。

該方案能夠將更新頻率和信令負擔降低高達 99.9%，同時確保原始 CSI 數(shù)據(jù)與重構后的數(shù)據(jù)之間保持0.9999 以上的相關性。

面向下一代 RAN 的高效壓縮解決方案

在高移動性場景中，CSI 通常需要每個傳輸時間間隔更新一次，這無疑給上行鏈路容量帶來了持續(xù)的壓力。

針對這一問題，新方案采用基于神經網絡的自動編碼器，通過在代表性信道數(shù)據(jù)上開展訓練，能夠以更高的準確性實現(xiàn) CSI 壓縮和重構。此舉不僅有助于減少信令數(shù)量，還能釋放頻譜資源供用戶數(shù)據(jù)使用，進而全面提升整體網絡效率。

技術亮點

信令開銷降低高達 99.9%，同時保持CSI 的無損保真度；

原始與重構信道矩陣相關性高達 0.9999 以上；

基于FPGA AI 套件、OpenVINO 及Quartus Prime實現(xiàn)技術落地；

采用基于 MATLAB 的信號處理方案；

符合 3GPP 5G Rel-17 標準，并可適配新興的 6G 框架。

這一解決方案清晰展現(xiàn)了如何借助高能效的 FPGA 邏輯結構，通過在邊緣實時執(zhí)行數(shù)據(jù)驅動的優(yōu)化，以 AI 替代傳統(tǒng)人工調優(yōu)的啟發(fā)式方法。

以 FPGAi 打造更高效的無線解決方案

FPGAi 作為 Altera 面向 FPGA 架構的 AI 原生方法，CSI 壓縮僅是其廣泛應用中的一個典型案例。

FPGAi 還將驅動 RAN 系統(tǒng)向著更智能、更高效的方向持續(xù)演進。借助 Agilex SoC FPGA，開發(fā)人員能夠將先進的 AI 功能深度集成至無線信號鏈，進而有效攻克帶寬、時延和功耗三大核心挑戰(zhàn)。