Introducción

La tecnología 6G es la próxima generación de telecomunicaciones que se anticipa proporcionará velocidad, capacidad y latencia sin precedentes. Se desarrollará sobre la base de 5G e incorporará nuevas prestaciones para aplicaciones y servicios innovadores. Las redes 5G utilizan una combinación de frecuencia de onda milimétrica y sub-6 Ghz, además de tecnologías avanzadas, MIMO masivo, beamforming y segmentación de red, para ofrecer altas velocidades y comunicación de baja latencia ultrafiable. Sin embargo, 5G aún enfrenta algunos desafíos, como escasez de espectro, eficiencia energética y cobertura. 6G tiene como objetivo superar estos desafíos y lograr objetivos de rendimiento aún mayores.

Según algunas estimaciones, 6G podrá ofrecer velocidades de terabits, latencia de 1 microsegundo y una capacidad mucho mayor que 5G. Para lograrlo, 6G recurrirá a diversas tecnologías habilitadoras, como bandas de frecuencia más altas que incluyen terahercios y subterahercios, superficies reflectantes inteligentes, inteligencia artificial, e innovaciones en formas de onda y técnicas de capa física. Asimismo, 6G aprovechará redes satelitales y plataformas no terrestres para ofrecer cobertura ubicua.

El desarrollo de 6G aún se encuentra en sus primeras etapas, pero organizaciones internacionales y empresas líderes de la industria ya han alcanzado ciertas metas. La UIT ha puesto en marcha el proyecto de visión IMT-2030 para definir los requisitos y el plan de desarrollo para 6G. 3GPP ha comenzado el estudio de sistemas Beyond 5G y planea lanzar el primer estándar de 6G en 2028. Varios países también han lanzado iniciativas de investigación y bancos de pruebas para 6G.

Las aplicaciones potenciales de 6G son diversas y de gran alcance. 6G también posibilitará nuevos paradigmas de comunicación que requieren nuevas métricas y parámetros de calidad de servicio para garantizar la satisfacción de usuarios y la eficiencia de sistemas.

Dada la complejidad de introducir 6G al mercado, los equipos de investigación e ingeniería de sistemas inalámbricos deberán simular, probar y experimentar rigurosamente con diferentes herramientas de software. Programas como MATLAB^® serán indispensables para dar respuesta a las preguntas de investigación más difíciles planteadas por 6G. Este white paper aborda algunas de las herramientas clave ya disponibles para iniciar el desarrollo de la próxima generación de tecnología inalámbrica.

Casos prácticos y requisitos de 6G

La adopción de 5G ya está en marcha en todo el mundo. No obstante, la convergencia continua del mundo físico y el virtual en muchos dominios amplificará aún más los requisitos de rendimiento y exigirá el máximo rendimiento de 5G a largo plazo. Por lo tanto, los sistemas inalámbricos de próxima generación (6G) deberán alcanzar niveles de calidad de servicio sin precedentes que puedan atender a una clase completamente nueva de aplicaciones y servicios para 2030 y más allá.

Más allá de mejorar sobre la base de casos prácticos de 5G existentes, algunos equipos de investigación prevén que 6G tendrá que gestionar aplicaciones extremadamente exigentes, como comunicaciones holográficas, realidad virtual extendida (RX), uso masivo de gemelos digitales, e Internet of Things (IoT) a ultra gran escala. Estos casos prácticos generarán cantidades masivas de datos, exigirán tasas de bits ultraaltas en localidades precisas, y proporcionarán una eficiencia de red claramente superior a la que 5G puede ofrecer. Además, estas aplicaciones también requerirán prestaciones de inteligencia Beyond 5G para permitir la toma de decisiones en tiempo real sobre grandes volúmenes de datos.

Las aplicaciones de 6G se pueden clasificar en distintas categorías en función de requisitos de rendimiento y funcionales de alto nivel. Este white paper se centra en cuatro categorías:

• Sistemas robóticos y autónomos basados en red: Aplicaciones en las que los sistemas pueden percibir su entorno utilizando sensores, interactuar con seres humanos de forma natural y tomar decisiones necesarias para ayudar o permitir la realización de un conjunto de tareas. Entre sus aplicaciones se cuentan la colaboración entre robots de servicio a través de una red y gemelos digitales para fabricación.
• Realidad extendida multisensorial: Aplicación en realidad virtual avanzada (RV) y realidad aumentada (RA) que aporta experiencias altamente inmersivas con elementos hápticos, visuales y audio, adaptadas al entorno. Entre sus aplicaciones se cuentan el codiseño de realidad mixta y la telepresencia de realidad mixta.
• Detectores distribuidos y comunicación: Casos prácticos con redes de sensores y recopilación de datos masivas. Entre sus aplicaciones se cuentan sensores de dispositivos implementados y ciudades inteligentes inmersas.
• Desarrollo sostenible y comunicación inclusiva: Casos prácticos para reducir desigualdades y lograr inclusión digital garantizando acceso global a servicios digitales. Esto incluye servicios médicos remotos, acceso digital ampliado y recursos educativos adicionales en áreas históricamente difíciles de cubrir con Internet inalámbrico.

Ecosistema de investigación de 6G

Aunque no se espera que las tareas de estandarización de 6G comiencen antes de 2025, varias iniciativas ya están en marcha en todo el mundo para conceptualizar la tecnología 6G. En este white paper se analizarán un par de iniciativas y actividades de todo el mundo para ofrecer una visión general del ecosistema de investigación de 6G.

A nivel internacional, el Sector de Radiocomunicaciones de la UIT (UIT-R) de la Unión Internacional de Telecomunicaciones (UIT) ha encargado a un grupo de trabajo (WP 5D) desarrollar recomendaciones sobre las comunicaciones móviles más allá de 2030.

En América del Norte, Next G Alliance tiene como objetivo establecer el liderazgo de América del Norte en investigación y desarrollo de 6G.

En Europa, la iniciativa en 6G está encabezada por la Empresa Común de Redes y Servicios Inteligentes (SNS JU). Además, se han iniciado varios proyectos de investigación emblemáticos sobre 6G financiados por la UE.

Asimismo, en Asia, se han lanzado recientemente varias iniciativas para definir la visión y las tecnologías habilitadoras de 6G.

Tecnologías habilitadoras

Entre las diversas iniciativas de 6G en todo el mundo se encuentran algunas tecnologías comunes que se espera implementen los conceptos de 6G en la práctica. La comunidad de especialistas coincide en estas tecnologías clave para 6G:

• Inteligencia artificial
• Detección y comunicación conjunta
• Superficies inteligentes reconfigurables
• Redes no terrestres (NTN)
• Diseño de la capa física
• Tasas de transmisión extremas y frecuencias más altas

En las siguientes secciones, analizaremos esos denominadores comunes y ofreceremos información sobre cómo utilizar MATLAB para dar respuesta a las preguntas de investigación más difíciles de 6G.

Deep Learning e inteligencia artificial

La inteligencia artificial (IA) ya se utiliza en 5G, y se está considerando para una amplia gama de casos prácticos en la investigación de 6G. Un flujo de trabajo de IA requiere diseñar redes neuronales profundas y generar ingentes cantidades de datos para entrenarlas, además de soporte para GPU para que el entrenamiento sea eficiente. MATLAB dispone de todas estas prestaciones. Entre los casos prácticos se incluyen:

• Diseño de beamforming
• Estimación de canales adaptativa
• Decodificación de canales basada en datos
• Compensación por deficiencias de hardware

En la versión 18 de 3GPP, se presta especial atención a tres áreas de la IA:

• Compresión de feedback de información del estado del canal (CSI): Se podrían utilizar redes neuronales para comprimir el feedback de CSI del receptor al transmisor.
• Gestión de haces: Una búsqueda exhaustiva en todos los pares de haces en un sistema de MIMO masivo puede resultar computacionalmente imposible. Una alternativa es utilizar IA para reducir el espacio de búsqueda a un conjunto de pares de haces más pequeño.
• Posicionamiento: Un posicionamiento preciso permite múltiples aplicaciones, pero supone un desafío técnico. La IA tiene el potencial de aumentar la exactitud del posicionamiento.

Uso de MATLAB para Deep Learning e IA

MATLAB respalda el flujo de trabajo integral de Deep Learning/IA, desde la idea inicial hasta una red neuronal entrenada que se ejecute en un dispositivo integrado.

Las toolboxes de MATLAB ayudan a los equipos de investigación en todo el flujo de trabajo, desde la preparación de datos hasta el despliegue.

MATLAB y las toolboxes relacionadas permiten diseñar, entrenar, probar y desplegar redes neuronales profundas para diversas aplicaciones. MATLAB incluye un amplio conjunto de demos ejecutables en IA para aplicaciones inalámbricas:

Detección y comunicación conjunta

Una de las funcionalidades potenciales de las futuras redes 6G es la capacidad de utilizar el espectro de radio para detección y comunicación. La detección y comunicación conjunta hace referencia a un nuevo paradigma en el que el hardware y software de radio podrían realizar ambas tareas de detección y comunicación. Entre los posibles casos prácticos se cuentan la monitorización del tráfico y localización de objetos pasivos; la monitorización ambiental y detección de actividad/presencia humana, así como la detección de caídas y monitorización de glucosa en sangre.

La detección y comunicación conjunta se puede dividir en dos enfoques:

• Utilizar el mismo espectro de radio para detección y comunicación. Esto implica agregar un nuevo procesamiento de señales para detección en el receptor, pero no es necesario realizar cambios en la funcionalidad de comunicación. Compartir el espectro entre la percepción y la comunicación plantea desafíos interesantes, ya que debe haber un tradeoff en el diseño de la forma de onda entre la capacidad de detección y el rendimiento de la comunicación. Por ejemplo, la cota inferior de Cramér-Rao (CRLB) podría ser una métrica válida para utilizarla en la detección, mientras que la capacidad es una métrica mejor para emplearla en la comunicación.
• Utilizar diferentes partes del espectro de radio para detección y comunicación. Se podría usar hardware dedicado para la detección. Este enfoque se convierte, pues, en una cuestión de cómo compartir los recursos de radio disponibles a lo largo del tiempo, frecuencia y dimensión espacial.

Uso de MATLAB para detección y comunicación conjunta

Combinando Communications Toolbox™ con Radar Toolbox, puede realizar fácilmente experimentos en detección y comunicación conjunta. Communications Toolbox dispone de componentes básicos para configurar las cadenas de procesamiento de señales de comunicación, mientras que Radar Toolbox contiene todos los algoritmos básicos que necesitará para la detección.

El posicionamiento y la localización son conceptos fundamentales en muchas aplicaciones de detección. MATLAB ofrece muchos ejemplos detallados en estas áreas. Un sistema que integra comunicación con detección requiere un tradeoff entre los dos tipos de formas de onda. MATLAB permite analizar este tradeoff. La detección de firmas micro-Doppler es una técnica que posibilita muchos de los casos prácticos de detección y comunicación conjunta. MATLAB permite analizar la clasificación de firmas micro-Doppler; por ejemplo, utilizando técnicas de Deep Learning.

Superficies inteligentes reconfigurables

Las superficies inteligentes reconfigurables (RIS) son técnicas de cambio de paradigma que permiten la manipulación del canal inalámbrico para proporcionar una cobertura ultrafiable y una calidad de comunicación superior. Un sistema inalámbrico clásico considera el entorno de propagación como algo que viene dado. Por lo tanto, su objetivo es optimizar el rendimiento de la comunicación adaptando sus esquemas y parámetros de transmisión de tal modo que se puedan superar las distorsiones del canal “dado”.

Las RIS son superficies planas compuestas de elementos reflectantes que pueden influir de manera independiente y pasiva en la fase de la señal que reflejan. A través de elementos programables, las RIS pueden reconfigurar el canal inalámbrico ajustando los desplazamientos de fase de un gran número de elementos reflectores de una superficie o array de antenas. Esto otorgará al sistema de comunicación un control activo sobre las características del entorno de radio y permitirá que pueda eliminar o mejorar ciertas direcciones de propagación de la señal, además de suprimir interferencias.

La comunidad de investigación ya está trabajando en estos desafíos que deben abordarse para llevar las RIS de la teoría a la práctica:

• Diseño de superficies reflectantes con un gran número de elementos para buscar configuraciones adecuadas específicas de cada escenario para elementos controlables de manera oportuna al tiempo que se reduce la sobrecarga de señalización
• Estimación precisa del canal inalámbrico entre las RIS y los transmisores o receptores, y captura de CSI teniendo en cuenta el gran número de elementos reflectantes y escenarios altamente dinámicos cuando se montan RIS en UAV
• Diseño y optimización de beamforming sólido teniendo en cuenta el carácter imperfecto de la CSI capturada de sistemas RIS

Uso de MATLAB para superficies inteligentes reconfigurables

Con Phased Array System Toolbox™, Antenna Toolbox™ y Optimization Toolbox™, puede modelar y diseñar superficies de dispersión y cambiar dinámicamente sus características. Además, MATLAB permite:

• Modelar superficies y elementos reflectantes con un extenso catálogo de elementos, como antenas dipolares, monopolares, espirales, fractales, de parche y de bocina.
• Diseñar algoritmos de optimización para controlar de manera óptima los diferentes elementos de las superficies reflectantes.
• Diseñar arrays de antenas de manera flexible, como diseños de arrays lineales, rectangulares, circulares, conformados y personalizados, para explorar el espacio de diseño para RIS.
• Modelar entornos de propagación en 3D con precisión utilizando trazado de rayos para calcular rutas de propagación por trayectos múltiples teniendo en cuenta los valores de permisibilidad y conductividad de la UIT de materiales comunes.
• Modelar canales MIMO de propagación-dispersión por trayectos múltiples para modelar reflexiones a partir de múltiples dispersadores hacia un array receptor. El modelo tiene en cuenta ganancia, efecto Doppler, cambio de fase, retardo de tiempo dependiente del rango y pérdida atmosférica debida a gases, lluvia, niebla y nubes.

Redes no terrestres

Uso de MATLAB para redes no terrestres

Los modelos de enlaces de NTN 5G existentes se pueden utilizar como punto de partida para investigar las mejoras necesarias y perfeccionar algoritmos de 6G. Con 5G Toolbox™ y Satellite Communication Toolbox, MATLAB reúne todas las herramientas necesarias para acelerar la investigación en NTN, ya que permite:

• Crear, modelar y visualizar de manera flexible escenarios satelitales integrales, compuestos por satélites, constelaciones, estaciones terrestres, y sus interacciones.
• Realizar modelado multidominio con satélites y aeronaves en el mismo escenario.
• Modelar enlaces satelitales de múltiples saltos entre estaciones terrestres, y realizar análisis de acceso entre constelaciones y estaciones terrestres.
• Modelar frecuencia Doppler y latencia entre satélites y estaciones terrestres.
• Utilizar modelos de propagación satelital basados en estándares para modelar pérdidas de propagación y polarización cruzada según lo definido en la recomendación UIT-R P.618, además del canal de comunicación móvil terrestre por satélite (LMS) según lo definido en la recomendación UIT-R P.681-11, sección 6.2.
• Explorar nuevas formas de onda, esquemas de modulación y técnicas de corrección de errores con una extensa librería de funcionalidades de comunicación.
• Diseñar, modelar y probar sistemas de beamforming para cumplir con requisitos de ancho de haz de NTN.
• Diseñar antenas y arrays de antenas que puedan cumplir con requisitos de eficiencia y ancho de haz utilizados típicamente en NTN.

Tasas de transmisión extremas y frecuencias más altas

Un objetivo ambicioso de 6G es ofrecer tasas de transmisión de datos de hasta cientos de Gbps. Las tasas de transmisión de datos extremadamente altas implican múltiples desafíos relacionados con un mayor consumo de energía y frecuencias portadoras más altas:

• Será necesario un ancho de banda de señal del orden de decenas de Ghz para alcanzar tasas de transmisión extremas, incluso si la eficiencia espectral es alta. A su vez, esto significa que la frecuencia portadora debe estar en la región de mmWave superior (>100 Ghz). En cuanto a la propagación de RF, el principal desafío en frecuencias más altas es la pronunciada atenuación. Para representar correctamente estas limitaciones, se necesitarán nuevos canales para las bandas de mmWave superior y subterahercios. Basar estos modelos de canales en modelado estocástico, que es lo habitual para frecuencias más bajas, representa un desafío para las bandas de frecuencias más altas. Los modelos de canales basados en trazado de rayos han proporcionado buenos resultados de predicción a 60 Ghz, y también se esperan resultados similares a frecuencias más altas. Los modelos de trazado de rayos se prestan a beamforming, una técnica fundamental para solucionar el problema del rango.
• Para los convertidores de datos, el consumo de energía aumenta aproximadamente de manera lineal con la frecuencia de muestreo, pero exponencialmente con la resolución de bits. Los nuevos desafíos que implican un mayor consumo de energía debido a anchos de banda más altos pueden exigir rediseños de convertidores digitales-analógicos (DAC) y analógicos-digitales (ADC); por ejemplo, reduciendo la resolución de bits.
• Las tasas de transmisión de datos serán mucho más altas que la velocidad de reloj para los circuitos DSP, lo que requerirá diseños de algoritmos DSP innovadores para procesar flujos de datos en paralelo masivamente.

Uso de MATLAB para tasas de transmisión extremas y frecuencias más altas

MATLAB cuenta con funcionalidad integrada para trazado de rayos. Además, las herramientas incorporan funcionalidad para agregar pérdidas debido a lluvia, difracción del terreno, refracción a través de la atmósfera, dispersión troposférica y absorción atmosférica (consulte Personalización de un modelo de canal CDL con trazado de rayos y Enlace de comunicaciones MIMO-OFDM en interior con trazado de rayos).

MATLAB permite explorar y modificar la arquitectura de convertidores de datos con un alto grado de precisión.

MATLAB dispone de bloques IP listos para usar que procesan datos en paralelo, lo que permite lograr una tasa de transmisión de datos efectiva que es mucho más alta que la velocidad de reloj. Los modelos de Simulink^® que utilizan estos bloques se pueden desplegar y ejecutar en tiempo real en plataformas FPGA.

Diseño de la capa física

Un diseño de la capa física actualizado puede consistir en una nueva estructura de trama, nuevas formas de onda y técnicas de codificación de canales innovadoras. El diseño de formas de onda para 6G conlleva varios desafíos. El balance de enlace disponible se reducirá por la limitación de la potencia de PA de salida máxima a frecuencias más altas, lo que favorece formas de onda potenciales con variaciones de envolvente bajas. A tasas de transmisión extremadamente altas, se espera que la conversión analógico-digital contribuya en gran medida al consumo de energía del sistema, lo que favorece formas de onda de bajo consumo energético. A continuación, se presentan ejemplos de formas de onda potenciales que se están considerando en 6G:

• Formas de onda CP-OFDM: tienen una larga tradición en 4G y 5G, pero sufren el inconveniente de tener una alta relación de potencia de pico a promedio (PAPR).
• Modulación de cruce por cero (ZXM): logra una alta eficiencia energética reduciendo la resolución de amplitud.
• DFTS-OFDM: reduce la PAPR en comparación con CP-OFDM a expensas del procesamiento de señales adicional.

Uso de MATLAB para diseño de la capa física

Communications Toolbox y 5G Toolbox permiten explorar diferentes tecnologías, comenzando por modelos de 5G existentes y utilizando diversos modelos de canales para explorar el rendimiento en diferentes bandas de frecuencia.

MATLAB permite explorar nuevos esquemas de codificación basados, por ejemplo, en NR LDPC y códigos polares.

Conclusión

La tecnología inalámbrica 6G ofrece un futuro interesante para profesionales de investigación e ingeniería de sistemas inalámbricos. Durante la próxima década, las tecnologías y casos prácticos expuestos en este white paper tendrán un papel cada vez más destacado en el campo de las telecomunicaciones.

Para más información sobre MATLAB y 6G, consulte los recursos y recomendaciones a continuación.