現(xiàn)在人們已經(jīng)對(duì)現(xiàn)代蜂窩通信連接的高速度習(xí)以為常 – 但在高速傳輸?shù)谋澈髤s隱藏著無數(shù)創(chuàng)新和花費(fèi)大量時(shí)間的研發(fā)工作。高通技術(shù)公司工程技術(shù)高級(jí)總監(jiān)Kiran Mukkavilli博士親身參與相關(guān)工作,也了解其中的艱辛。他提出了正交頻分復(fù)用(OFDM)無線電波形的一些基本想法,這有助于如今深受我們喜愛和依賴的高速無線數(shù)據(jù)傳輸成為可能。OFDM是4G和5G的核心技術(shù),也是現(xiàn)代無線技術(shù)最重要的領(lǐng)域之一。
Mukkavilli博士在高通工作近二十年,他的研究領(lǐng)域涵蓋3G、4G、5G和MediaFLO(高通的首個(gè)移動(dòng)廣播技術(shù)),以及地面定位技術(shù)的多個(gè)方面。他領(lǐng)導(dǎo)整個(gè)高通技術(shù)公司的定位研發(fā)工作,目前正在從事5G Advanced相關(guān)研究工作,這將為6G奠定基礎(chǔ)。
最近我們采訪了Mukkavilli博士,談到他在OFDM、MediaFLO領(lǐng)域的工作,以及6G最讓他興奮的地方。
在通信領(lǐng)域,我們經(jīng)常聽到“OFDM”一詞。您能解釋一下OFDM究竟是什么嗎?
OFDM (orthogonal frequency-division multiplexing) 表示“正交頻分復(fù)用”。其基本想法是,通過巧妙的物理學(xué)方法和精準(zhǔn)的定時(shí),可以同時(shí)在相同通信鏈路中重疊多個(gè)不同的子載波或無線電波,并通過不相互干擾的頻率將其分開。得益于這一革命性想法,從3G時(shí)代開始的大規(guī)模擴(kuò)展蜂窩通信網(wǎng)絡(luò)容量成為可能。OFDM成為4G和5G網(wǎng)絡(luò)高速通信的基礎(chǔ),蜂窩基站和手機(jī)調(diào)制解調(diào)器利用經(jīng)OFDM調(diào)制的無線電波彼此通信。
您能分享一下您早期的OFDM相關(guān)工作嗎?它對(duì)當(dāng)今的蜂窩通信有何影響?
我剛在高通開始職業(yè)生涯時(shí)就從事了這一項(xiàng)目,當(dāng)時(shí)全世界都在關(guān)注從3G向4G過渡。曾有早期項(xiàng)目研究過OFDM,以及如何用它支持不同應(yīng)用。當(dāng)時(shí)我們正在研究如何在手機(jī)上實(shí)現(xiàn)移動(dòng)廣播,也就是向一個(gè)網(wǎng)絡(luò)中的所有用戶進(jìn)行廣播。我們知道OFDM是可行的途徑,但有許多問題要回答和解決。
在該項(xiàng)目中,針對(duì)在移動(dòng)無線系統(tǒng)中使用OFDM,我們開發(fā)了一套系統(tǒng)的方法,并提供了解決多個(gè)基礎(chǔ)性挑戰(zhàn)的方案。例如,我從設(shè)計(jì)導(dǎo)頻信號(hào)入手,了解無線鏈路特性,包括信號(hào)傳播路徑的數(shù)量和每個(gè)路徑的強(qiáng)度,這被稱為信道估計(jì)。實(shí)現(xiàn)良好且保持更新的信道估計(jì)對(duì)于在無線信道上支持?jǐn)?shù)據(jù)傳輸?shù)母咚俾手陵P(guān)重要,而導(dǎo)頻信號(hào)則用于估計(jì)隨時(shí)間不斷變化的無線信道。
我提出了基于周期性配置和在頻率和時(shí)間上導(dǎo)頻符號(hào)參差的導(dǎo)頻設(shè)計(jì),這成為基于OFDM的4G和5G蜂窩通信系統(tǒng)中的基本結(jié)構(gòu)。然后,我們?cè)?G中進(jìn)一步擴(kuò)展導(dǎo)頻設(shè)計(jì),根據(jù)用戶環(huán)境和移動(dòng)性狀況,動(dòng)態(tài)適應(yīng)導(dǎo)頻模式——例如,用戶是在人行道上慢慢行走,還是乘坐汽車或火車等高速交通工具。這絕非易事,但高通經(jīng)常攻克這樣的難關(guān),我們齊心協(xié)力,最終成功解決問題。
MediaFLO是您在高通的早期項(xiàng)目之一。您可以向我們介紹一下這個(gè)項(xiàng)目嗎?您從中學(xué)到了哪些后來對(duì)您職業(yè)生涯有幫助的技能?
我在職業(yè)生涯開始時(shí)遇到的第一個(gè)項(xiàng)目,是一個(gè)極為理想的項(xiàng)目。MediaFLO是高通全面設(shè)計(jì)并實(shí)地部署的移動(dòng)廣播技術(shù)。大約每六個(gè)月左右,隨著項(xiàng)目進(jìn)入設(shè)計(jì)、原型化、測試、對(duì)接廠商、合規(guī)等不同階段,我就會(huì)有不同的身份。這也是我首次接觸地面定位領(lǐng)域。
這個(gè)項(xiàng)目的基本想法是,我們也可以將OFDM廣播信號(hào)用作增強(qiáng)GPS定位的一種自然方式。 定位增強(qiáng)的直接應(yīng)用,可以是Uber司機(jī)想在市中心找你,但GPS定位卻因高樓大廈而遇到困難。為了實(shí)現(xiàn)這一想法,有許多挑戰(zhàn)要克服,如信號(hào)干擾、定時(shí)偏差和多路徑信號(hào)衰減等。最終,我們找到了將上述全部約束條件考慮在內(nèi)的解決方案,它成為4G和5G定位的前身。這個(gè)項(xiàng)目教會(huì)了我如何把控此類大項(xiàng)目所涉及的各方面因素,以及如何適應(yīng)各種挑戰(zhàn)。
對(duì)于5G Release 18和展望6G,您對(duì)哪些用例感到最興奮?
對(duì)于5G Release 18,在這一階段我們開始將一些面向6G的構(gòu)建模塊組合起來,包括面向無線的人工智能/機(jī)器學(xué)習(xí)(AI/ML)、子帶全雙工和無源物聯(lián)網(wǎng)(passive IoT),這令人非常興奮。我們還將研究智能表面,我們可以修改周圍的環(huán)境并讓其有利于滿足我們的需要。我們可以說,“發(fā)射機(jī)在這里,用戶/接收機(jī)在那里 — 環(huán)境應(yīng)該呈現(xiàn)何種形式,才能讓兩者之間的鏈路能夠?qū)崿F(xiàn)最佳效果?”這將是頗有吸引力的6G設(shè)計(jì)范式。
您對(duì)學(xué)生或其他大有前途的發(fā)明者有何建議?
我的一位教授以前經(jīng)常告訴我,對(duì)項(xiàng)目盡早投入時(shí)間和精力非常重要,這樣會(huì)全面了解問題,并確切地知道你在解決什么問題。這在當(dāng)今工作環(huán)境中甚至更重要:每天我們遇到如此多需要解決的問題,這很容易稀釋我們的關(guān)注重點(diǎn)。但是我們可以每次選擇一個(gè)問題,讓問題占據(jù)你的全部精力,再竭盡全力解決問題。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。