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)
騰訊ARC實(shí)驗(yàn)室推出AudioStory系統(tǒng),首次實(shí)現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯(cuò)式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時(shí)學(xué)習(xí)外觀和運(yùn)動(dòng)信息,顯著解決了當(dāng)前視頻生成模型中動(dòng)作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個(gè)線性層就能大幅提升運(yùn)動(dòng)質(zhì)量,在多項(xiàng)測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實(shí)用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實(shí)驗(yàn)室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對(duì)話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評(píng)測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時(shí)顯著提升人性化交互水平,為AI價(jià)值觀對(duì)齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊(duì)開發(fā)的GraphCast是一個(gè)革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報(bào),準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。