在NI，我們致力于通過連接人員、創意與技術來推動非凡成就。隨著全球持續探索5G及未來技術的可能性，我們很高興推出全新的無線通信客戶成功案例集，展示研究人員利用軟件無線電(SDR)創建前沿原型的創新成果。從5G技術進步到未來網絡的開創性概念，這些案例研究展示了研究人員如何拓展無線創新的邊界。我們向所有分享研究成果的研究人員致以誠摯謝意。
歡迎點擊下載測試案例！
該平臺由Pi-Radio、紐約大學和米蘭理工大學團隊開發，能夠對6G多頻段功能進行快速原型設計，且針對中高頻段進行優化。該平臺基于Pi-Radio的FR3前端、NI USRP和OpenAirInterface (OAI)開源5G軟件構建，提供無與倫比的靈活性。Pi-Radio的FR3板卡是關鍵的推動因素，它支持在1微秒內實時配置載波頻率、Tx/Rx增益和濾波器等參數。這種在頻譜管理方面前所未有的靈活性，對于釋放中高頻段的全部潛力，及推動整個蜂窩生態系統創新至關重要。
隨著全球持續探索5G及未來技術的可能性，NI推出全新的無線通信客戶成功案例集！使用單個模型處理多任務還能降低資源需求。我們引入視覺變換器(ViT)作為頻譜圖學習的基礎模型，并采用掩碼頻譜圖建模(MSM)進行預訓練。當針對無線電信號識別、頻譜分割、人類活動感知和定位等任務進行微調時，該模型展現出有效的泛化能力。
我們采用基于幾何的站點專用隨機模型(GSCM)來表征無線電信道傳播效應。時變CFR表征不同傳播路徑的疊加結果：Tx與Rx間的視距路徑；靜態離散散射體（如交通標志和信號燈）的反射；移動離散散射體；以及建筑物墻面或植被等漫散射體。使用NI Ettus USRP X310s的基于實時幾何的無線信道仿真器，可通過硬件在環配置測量商用調試解調器的FER。該FER數據可用于車載場景中調試解調器的資格測試，以及AI/ML模型訓練所需的基準真值。
通過適配OpenAirInterface (OAI)開源中央單元/分布式單元(CU/DU)實現方案，我們成功構建了重量僅為3千克的完整5G蜂窩系統。利用這套移動5G系統，我們開展了位置和方向控制方法的實驗研究，該方法能夠感知來自多個蜂窩電話的無線信號強度，并自主移動到最佳通信位置/方向，確保多部手機通信時不會降低信號質量。
通過增加GPU節點來增強Colosseum的人工智能/機器學習(AI/ML)基礎設施。具體包括：兩臺NVIDIA DGX A100工作站（每臺配備8個GPU），可提供10 petaFLOPS計算能力；一臺Supermicro Superserver 8049U-E1CR4T（配備6個NVIDIAV100 GPU和3 TB內存）。
我們開發的開源軟件庫實現了NI Ettus USRP X440與HermesPy信號處理層的深度集成。NI Ettus USRP X440生成的中頻(IF)信號可對接商用現成(COTS)及定制RF前端，在26 GHz域內運行。由此構建的JCAS系統具備極高靈活性，支持1 GHz帶寬。
我們提出了一種基于可解釋語義的圖像語義通信(ES-ISC)系統。圖像語義編碼器采用分割映射和文本提取技術，將圖像轉換為離散的可解釋語義進行傳輸。這些語義隨后被轉換為數字比特流，通過傳統信道編碼和調制模塊進行無線傳輸。
隨著全球持續探索5G及未來技術的可能性，NI推出全新的無線通信客戶成功案例集！我們提出利用N架無人機實現下行鏈路范圍擴展的反向DTBF(R-DTBF)。反向技術利用信道互易性，將上行鏈路信道的共軛相位用于同頻下行鏈路波束成形。該技術無需目標反饋或位置信息。
環境信息在無線通道中固有的編碼方式，使感知算法可作為信息提取的解碼器。信道估計對接收器數據重建至關重要，也可用于實現精確感知。超分辨率方法已被證明可突破帶寬限制，前提是接收器信噪比足夠高。本演示系統展示了所提算法實現高分辨率精確時延估計的單站測距應用。通過有效整合可用頻帶內的頻率資源，解決了有限帶寬帶來的挑戰。
環境信息在無線通道中固有的編碼方式，使感知算法可作為信息提取的解碼器。信道估計對接收器數據重建至關重要，也可用于實現精確感知。超分辨率方法已被證明可突破帶寬限制，前提是接收器信噪比足夠高。本演示系統展示了所提算法實現高分辨率精確時延估計的單站測距應用。通過有效整合可用頻帶內的頻率資源，解決了有限帶寬帶來的挑戰。
我們使用NI毫米波收發儀系統(MTS)構建了毫米波信道測量平臺。該平臺包含基帶處理NIPXIe-3610、中頻NI PXIe-3620、本地振蕩器、FPGA協處理器NI PXIe-7902R和時鐘同步組件NI PXIe-6674T等模塊。發射機負責生成信號并將其上變頻至毫米波頻段傳輸，接收器則將接收到的信號下變頻至中頻和基帶進行分析。我們將上述系統應用于不同場景。通過分析獲取的信道沖激響應，結合環境信息設計信道模型。
集成式感知與通信(ISAC)技術對確保毫米波通信可靠性至關重要。我們開發了基于NI軟件無線電(SDR)和毫米波相控陣的毫米波ISAC測試平臺。相控陣處理毫米波與中頻段之間的轉換，SDR處理中頻段與基帶之間的轉換。該平臺可用于演示集成式無源感知與通信技術。例如，接收器可通過連接SDR設備的兩個毫米波相控陣實現。通過比較視距路徑和非視距路徑散射至感知目標的接收信號，可估計收發分置多普勒頻率或收發分置距離。
我們采用NI Ettus USRP X410s搭建多頻段毫米波實驗平臺，集成了EVK02001/EVK06002毫米波相控天線陣列快速波束切換和多模態傳感器輸入。該平臺支持創建多樣化公共多模態感知/RF數據集，可助力新波束管理協議設計，并實現實時、真實的評估。例如，我們已演示激光雷達輔助波束管。該USRP平臺完全采用商用現成(COTS)組件，性價比高、易于定制，可擴展集成其他傳感器/RF前端。為支持研究社區利用我們的平臺生成自己的數據集并開展實驗，我們通過GitHub開源了GNURadio框架實現。
測試平臺由多個NI Ettus USRP N310構建的無線單元(RU)和通過毫米波通信的公共分布式單元(DU)組成，形成了一個直徑數十米的“納米區域”。RU負責波束成形，DU控制RU波束。提出了波束成形技術，以最小化由于隨機阻塞導致每個UE吞吐量低于目標速率的概率。我們在測試平臺上實現了波束成形算法，以測量和評估性能。我們在消聲室中使用兩個RU和一個UE進行了空口實驗。我們使用了由RU發送、在UE端成功接收并解調的正交頻分復用(OFDM)正交相移鍵控(QPSK)信號。
我們建議使用底層信道方案：一種低功耗、低數據速率的通道，與標準5G傳輸同時運行，可安全地傳輸自定義數據（例如，混淆異或掩碼或認證數據）。通過頻域擴展定制底層，實現低截獲(LPI)和低檢測(LPD)概率。動態異或混淆機制對PDCCH中的DCI加擾，同時保持物理下行共享信道(PDSCH)的完整性。gNodeB通過獨立于其他5G信道的底層信道安全傳輸混淆異或掩碼信息，使具備底層解碼能力的用戶可訪問PDCCH數據。
集成感知與通信(ISAC)已被確定為第六代(6G)移動通信網絡的主要應用場景之一。ISAC系統的主要目標是基于回波信號估計感知目標的各種參數，如目標距離、速度、角度和雷達截面(RCS)。CKM與ISAC之間的關系本質上是互易的。基站(BS)需要用戶設備(UE)的位置來查詢CKM的信道知識，而ISAC可用于高效地獲取UE的位置。此外，從CKM獲取的信道信息還能通過免訓練的波束對齊和信道估計提升ISAC性能。
為應對這些挑戰，我們使用FR4材料的4層堆疊結構設計了RIS。RIS包含256個單元，每個單元都集成了PIN二極管。這些元件可產生對應PIN二極管“開”和“關”狀態的0°和180°相移。RIS元件按16 x 16網格排列，反射相位通過PIN二極管生成的信號動態調節。
我們利用無蜂窩mMIMO系統中現有的上行鏈路導頻進行感知，無需額外頻譜或專用感知傳輸。通過復用通信框架中已有的導頻，可最大限度減少專用感知傳輸或額外頻譜需求。我們采用單天線投影與加權天線的組合技術，聚合多個分布式天線信號，從而實現更精確的呼吸估計。該方法充分發揮無蜂窩mMIMO的分布式特性，可實現詳細、高分辨率的生命體征監測。
中正大學通過硬件算法協同設計，開發了FR1頻段1600單元RIS輔助的雙用戶OFDMA通信平臺。硬件：系統平臺基于NI Ettus USRP X410，采用OFDMA實現雙用戶通信。兩路UE數據流分別采用64-QAM和16-QAM調制方案。RIS向對應UE反射雙波束，實現雙用戶、雙數據流的通信傳輸。算法：中正大學開發了RIS輔助多用戶波束成形算法，能根據UE位置調整波束增益。該優化可確保各UE獲得最佳通信性能。
減少毫米波/THz系統遭受惡意攻擊的有效方法是限制其波束探測方向。為表征初始接入過程的保密特性，我們提出了新型“掃描保密容量”度量指標，用于量化可能泄露給潛在攻擊者的信息量。基于這一新指標，我們開發了深度強化學習(DRL)智能體，以優化探測方向，實現最大保密性。我們將DRL智能體集成至靜態惡意軟件圖像網絡分析（STAMINA），這是一個軟件定義的框架，專為毫米波實驗設計。通過NI USRP設備和InterDigital毫米波前端構建的實驗系統，可在運行時動態優化探測方向，在保障通信鏈路性能的同時，避免向潛在攻擊者暴露敏感信息。
受人類聯覺現象啟發（即一個感官刺激會因大腦超連接神經元而自動觸發另一感官），我們提出了機器聯覺(SoM)框架，即AI原生智能多模態感知-通信集成。我們開發了多模態感知-通信數據采集與智能集成系統，在移動AI智能體上部署并校準了包括軟件無線電(SDR)設備(NI Ettus USRP X410)、激光雷達、RGB-D相機和雷達等“機器感官”。通過人工神經網絡，我們研究了SoM機制，實現了高帶寬無線通信與智能感知的相互增強。
太赫茲無線通信(TWC)實驗室與NI合作，搭建了全球領先的太赫茲無線測試平臺。研究內容包括：進行基于滑動相關法的時域信道測量，研究太赫茲無線傳播信道的特性，為開發可靠太赫茲通信系統及其應用奠定基礎；開發創新的距離感知帶寬自適應調制方案，提升頻譜利用率；設計具有動態架構和低復雜度波束成形算法的超大規模多輸入多輸出(UM-MIMO)系統，擴大覆蓋范圍，并顯著降低功耗
系統通過一系列步驟實現距離-多普勒聯合檢測（或延遲）。它可對齊收發OFDM資源單元，實現時域和頻域同步。然后，使用復數除法提取受飛行目標影響的信道幅值和相位特征。應用逆短時傅立葉變換將頻域數據轉換為時域數據，獲取目標的距離信息。結合多普勒分析可生成目標完整的距離-多普勒二維圖像。
