Introduzione

Il 6G rappresenta la prossima generazione di tecnologie di comunicazione wireless e promette prestazioni senza precedenti in termini di velocità, capacità e latenza. Si baserà sulle fondamenta del 5G e introdurrà funzionalità che apriranno la strada a nuove applicazioni e servizi. Le reti 5G utilizzano una combinazione di frequenze d’onda inferiori a 6 GHz e millimetriche, oltre a tecnologie avanzate come massive MIMO, beamforming e network slicing in grado di offrire velocità elevate e comunicazioni estremamente affidabili a bassa latenza. Tuttavia, il 5G si trova ancora ad affrontare alcune sfide, come le limitazioni dello spettro, l'efficienza energetica e la copertura. Il 6G mira a superare queste sfide e a raggiungere prestazioni ancora più elevate.

Secondo alcune stime, il 6G sarà in grado di fornire velocità di terabit, una latenza di 1 microsecondo e una capacità di gran lunga superiore al 5G. Consentirà di raggiungere questi obiettivi mediante una serie di tecnologie, come bande di frequenza più elevate (tra cui terahertz e sub-terahertz), superfici riflettenti intelligenti, intelligenza artificiale e nuove forme d'onda e tecniche del layer fisico. Il 6G sfrutterà anche le reti satellitari e le piattaforme non terrestri per fornire una copertura completa.

Lo sviluppo del 6G è ancora nelle sue fasi iniziali, ma le organizzazioni internazionali e gli operatori del settore hanno già fissato dei traguardi da raggiungere. Tra questi figurano l’IMT-2030, il progetto dell’ITU (International Telecommunication Union) per la definizione di requisiti e di una tabella di marcia per il 6G e il 3GPP, che ha invece avviato lo studio sui sistemi oltre il 5G e prevede la pubblicazione del primo standard per il 6G entro il 2028. Diversi paesi hanno inoltre avviato iniziative di ricerca e banchi di prova per il 6G.

Le potenziali applicazioni del 6G sono diverse e di vasta portata. Questa tecnologia consentirà anche nuovi paradigmi di comunicazione che richiedono nuove metriche e parametri di qualità del servizio per garantire la soddisfazione degli utenti e l’efficienza dei sistemi.

Data la complessità dell'introduzione del 6G sul mercato, i ricercatori e gli ingegneri wireless dovranno simulare, testare e sperimentare rigorosamente diversi strumenti software. Programmi come MATLAB^® saranno indispensabili per affrontare le sfide di ricerca più complesse poste dal 6G. Questo white paper illustra alcuni degli strumenti chiave già disponibili per sviluppare la prossima generazione di tecnologie wireless.

Casi d’uso e requisiti del 6G

Nonostante il 5G abbia trovato ampia adozione a livello mondiale, la continua convergenza tra il mondo fisico e quello virtuale in numerosi domini porterà a un notevole aumento dei requisiti di prestazione e spingerà il 5G al limite nel lungo periodo. I sistemi wireless di nuova generazione (6G) dovranno quindi raggiungere livelli di qualità del servizio senza precedenti, in grado di soddisfare un'intera nuova classe di applicazioni e servizi per il 2030 e oltre.

Oltre a migliorare gli attuali casi d'uso del 5G, alcuni ricercatori prevedono che il 6G gestirà applicazioni estremamente impegnative come la comunicazione olografica, la realtà virtuale estesa (XR), l’uso di gemelli digitali in massa e l'Internet of Things (IoT) su vasta scala. Questi casi d'uso genereranno enormi quantità di dati, richiederanno bitrate elevatissimi in punti precisi e forniranno un'efficienza di rete nettamente superiore a quella offerta dal 5G. Inoltre, tali applicazioni richiederanno capacità di intelligence oltre il 5G per consentire di prendere decisioni in tempo reale basate su grandi volumi di dati.

Le applicazioni del 6G possono essere classificate in varie categorie in base a requisiti funzionali e prestazionali di alto livello. Questo white paper si concentra su quattro categorie:

• Robotica e sistemi autonomi collegati in rete: applicazioni in cui i sistemi sono in grado di percepire l'ambiente circostante tramite dei sensori e di interagire con gli esseri umani in modo naturale, prendendo le decisioni necessarie per offrire assistenza in varie attività. Tra queste applicazioni figura la collaborazione online tra robot di servizio e gemelli digitali per il settore manifatturiero.
• Realtà estesa multisensoriale: applicazione per realtà virtuale (VR) e realtà aumentata (AR) avanzate in grado di offrire esperienze altamente immersive con aptica, immagini e audio adattati all'ambiente. Queste applicazioni includono la co-progettazione in realtà mista e la telepresenza in realtà mista.
• Comunicazione e rilevamento congiunti: casi d'uso con reti massicce di sensori e raccolta dati, tra cui reti intracorporee e Smart City coinvolgenti.
• Sviluppo sostenibile e comunicazione inclusiva: i casi d'uso di questa categoria riguardano la riduzione delle disuguaglianze e il raggiungimento dell'inclusione digitale garantendo l’accesso globale ai servizi digitali. Sono inclusi i servizi medici a distanza, l’accesso digitale esteso e altre risorse per l’istruzione in aree storicamente difficili da raggiungere con la rete internet wireless.

Ecosistema di ricerca 6G

Sebbene l’inizio dei lavori di standardizzazione del 6G non sia previsto prima del 2025, in tutto il mondo sono state avviate delle iniziative di concettualizzazione di questa nuova tecnologia. Questo white paper passa in rassegna alcune di tali iniziative e attività a livello globale al fine di offrire una panoramica dell’ecosistema di ricerca 6G.

A livello internazionale, l’ITU Radiocommunication Sector (ITU-R) dell’ITU ha affidato a un gruppo di lavoro (WP 5D) il compito di definire una visione per le comunicazioni mobili oltre il 2030 sotto forma di raccomandazione.

In Nord America, la Next G Alliance punta a stabilire una leadership nordamericana nella ricerca e nello sviluppo del 6G.

In Europa, la ricerca sul 6G è guidata dalla Smart Networks and Services Joint Undertaking (SNS JU). Inoltre, sono stati avviati vari importanti progetti di ricerca 6G finanziati dall’UE.

Analogamente, in Asia sono state di recente lanciate diverse iniziative volte a definire la visione e le tecnologie abilitanti del 6G.

Tecnologie abilitanti

Le iniziative mondiali in ambito 6G prevedono alcune tecnologie comuni destinate a trasformare i concetti del 6G in realtà. Gli esperti concordano sulle seguenti tecnologie chiave per il 6G:

• Intelligenza artificiale
• Comunicazione e rilevamento congiunti
• Superfici intelligenti riconfigurabili
• Reti non terrestri (NTN)
• Progettazione del layer fisico
• Velocità estreme di trasmissione dati e frequenze più elevate

Le seguenti sezioni di questo white paper analizzano questi denominatori comuni e forniscono indicazioni su come utilizzare MATLAB per rispondere alle domande di ricerca più difficili poste dal 6G.

Deep Learning e Intelligenza Artificiale

L’intelligenza artificiale (IA) trova già impiego nel 5G e potrebbe essere applicata a una vasta gamma di casi d’uso nell’ambito della ricerca sul 6G. I workflow di IA richiedono lo sviluppo di reti neurali profonde, la generazione di grandi quantità di dati e il supporto delle GPU per un addestramento efficiente delle reti stesse, tutte funzionalità offerte da MATLAB. I casi d’uso includono:

• Progettazione beamforming
• Stima adattiva del canale
• Decodifica del canale basata sui dati
• Compensazione dei disturbi hardware

Nella release 18 del 3GPP, l'attenzione è rivolta in particolare a tre aree dell'IA:

• Compressione del feedback delle informazioni sullo stato dei canali (Channel State Information, CSI): le reti neurali possono essere utilizzate per comprimere le CSI trasmesse dal ricevitore al trasmettitore.
• Gestione dei fasci: una ricerca esaustiva di tutte le coppie di fasci in un sistema di massive MIMO può diventare numericamente proibitiva. Un'alternativa è utilizzare l’IA per ridurre lo spazio di ricerca a un insieme più ristretto di coppie di fasci.
• Posizionamento: un posizionamento preciso consente molteplici applicazioni, ma è tecnicamente impegnativo. L’IA ha il potenziale di aumentare la precisione del posizionamento.

Utilizzo di MATLAB per il Deep Learning e l’IA

MATLAB supporta l'intero workflow di Deep Learning/IA, dall'idea iniziale alla rete neurale addestrata in esecuzione su un dispositivo embedded.

I toolbox di MATLAB assistono i ricercatori nell'intero workflow, dalla preparazione dei dati alla distribuzione.

MATLAB e i relativi toolbox consentono di progettare, addestrare, testare e distribuire reti neurali profonde per numerose applicazioni. MATLAB è dotato di una vasta gamma di demo eseguibili con IA per applicazioni wireless:

Comunicazione e rilevamento congiunti

Una delle caratteristiche più interessanti delle future reti 6G è la capacità di impiegare lo spettro radio per il rilevamento e la comunicazione congiunti, un nuovo paradigma in cui l'hardware e il software radio possono svolgere entrambe le operazioni. I potenziali casi d'uso includono il monitoraggio del traffico e la localizzazione di oggetti passivi; il monitoraggio ambientale e il rilevamento di attività/presenza umana; il rilevamento di cadute e il monitoraggio della glicemia.

La comunicazione e il rilevamento congiunti possono articolarsi in due approcci:

• Lo stesso spettro radio viene utilizzato sia per il rilevamento che per la comunicazione. Ciò comporta l'aggiunta di una nuova elaborazione del segnale per il rilevamento sul ricevitore, ma non sono necessarie modifiche alla funzionalità di comunicazione. La condivisione dello spettro tra rilevamento e comunicazione pone sfide interessanti poiché la progettazione di forme d'onda necessita di un tradeoff tra la capacità di rilevamento e le prestazioni di comunicazione. Ad esempio, il limite inferiore di Cramér-Rao (CRLB) potrebbe essere una metrica valida da utilizzare per il rilevamento, mentre per la comunicazione una metrica migliore è la capacità.
• Per il rilevamento e la comunicazione si utilizzano porzioni diverse dello spettro radio. Per il rilevamento si potrebbe utilizzare un hardware dedicato. Questo approccio punta quindi a distribuire al meglio le risorse radio disponibili nelle dimensioni del tempo, della frequenza e dello spazio.

Utilizzo di MATLAB per la comunicazione e il rilevamento congiunti

La combinazione di Communications Toolbox™ e Radar Toolbox consente di condurre facilmente esperimenti di comunicazione e rilevamento congiunti. Communications Toolbox offre blocchi di costruzione che consentono di impostare le catene di elaborazione dei segnale di comunicazione, mentre Radar Toolbox contiene tutti gli algoritmi necessari per il rilevamento.

Il posizionamento e la localizzazione sono concetti alla base di numerose applicazioni di rilevamento. MATLAB offre molti esempi approfonditi in queste aree. Un sistema che combina comunicazione e rilevamento deve individuare il giusto tradeoff tra i due tipi di forme d'onda. MATLAB consente di studiare dettagliatamente questo tradeoff. Il rilevamento di firme micro-Doppler è una tecnica che rende possibili molti dei casi d'uso studiati con la comunicazione e il rilevamento congiunti. MATLAB consente di studiare la classificazione delle firme micro-Doppler, ad esempio mediante tecniche di Deep Learning.

Superfici intelligenti riconfigurabili

Le superfici intelligenti riconfigurabili (RIS) sono delle tecniche innovative che consentono di manipolare il canale wireless al fine di fornire una copertura estremamente affidabile e una qualità di comunicazione superiore. Un sistema wireless classico considera l'ambiente di propagazione un dato di fatto. Il suo obiettivo è quindi ottimizzare le prestazioni di comunicazione adattando gli schemi e i parametri di trasmissione in modo da superare i disturbi del canale "dato".

Le RIS sono superfici planari costituite da elementi riflettenti in grado di influenzare in modo indipendente e passivo la fase del segnale che riflettono. Grazie a elementi programmabili, le RIS possono riconfigurare il canale wireless regolando gli spostamenti di fase di un gran numero di elementi riflettenti su una superficie o un array di antenne. In questo modo il sistema di comunicazione avrà un controllo attivo sulle caratteristiche dell'ambiente radio, che sarà in grado di eliminare o migliorare determinate direzioni di propagazione del segnale e sopprimere le interferenze.

La comunità di ricerca sta già lavorando a una serie di sfide e problemi di ricerca da affrontare per portare le RIS dalla teoria alla pratica:

• Progettazione di superfici riflettenti con un elevato numero di elementi per individuare configurazioni adatte specifiche per ciascun scenario per gli elementi controllabili in modo tempestivo e riducendo al minimo il carico del segnale
• Stima accurata del canale wireless tra RIS e trasmettitori/ricevitori e acquisizione delle CSI, alla luce dell'elevato numero di elementi riflettenti e degli scenari altamente dinamici in cui le RIS vengono montate su APR
• Progettazione e ottimizzazione di un beamforming efficiente che tenga conto della natura imperfetta delle CSI acquisite dai sistemi RIS

Utilizzo di MATLAB per le superfici intelligenti riconfigurabili

Con Phased Array System Toolbox™, Antenna Toolbox™ e Optimization Toolbox™ è possibile modellare e progettare superfici di scattering e modificarne dinamicamente le caratteristiche. Inoltre, MATLAB consente di:

• Modellare superfici ed elementi riflettenti con un ampio catalogo di elementi, tra cui antenne a dipolo, a monopolo, patch, a spirale, frattali e a corno.
• Progettare algoritmi di ottimizzazione per il controllo ottimale dei vari elementi delle superfici riflettenti.
• Progettare con flessibilità array di antenne come array lineari, rettangolari, circolari, conformali e personalizzati per esplorare lo spazio di progettazione delle RIS.
• Modellare ambienti di propagazione 3D accuratamente con il ray tracing per calcolare percorsi di propagazione multipath, tenendo conto dei valori di permettività e conduttività ITU dei materiali comuni.
• Modellare canali MIMO con propagazione multipath e scattering per modellare le riflessioni da più scatterer verso un array ricevente. Il modello prende in considerazione il ritardo temporale in base alla portata, il guadagno, lo spostamento Doppler, il cambiamento di fase e la perdita atmosferica dovuta a gas, pioggia, nebbia e nuvole.

Reti non terrestri

Utilizzo di MATLAB per le reti non terrestri

I modelli di collegamento delle NTN esistenti per il 5G possono essere utilizzati come punto di partenza per studiare i miglioramenti necessari e algoritmi migliori per il 6G. Grazie a 5G Toolbox™ e Satellite Communication Toolbox, MATLAB dispone di tutti gli strumenti necessari per accelerare la ricerca nel campo NTN consentendo di: 

• Sviluppare, modellare e visualizzare in modo flessibile scenari di satelliti completi, costituiti da satelliti, costellazioni e stazioni di terra e le loro interazioni.
• Eseguire la modellazione multidominio con satelliti e velivoli nello stesso scenario.
• Modellare i collegamenti satellitari multi-hop tra le stazioni di terra ed eseguire l'analisi dell'accesso tra costellazioni e stazioni di terra.
• Modellare frequenza e latenza Doppler tra satelliti e stazioni di terra.
• Utilizzare modelli di propagazione satellitare basati su standard per modellare le perdite di propagazione e la polarizzazione incrociata, come definito nella raccomandazione ITU-R P.618, nonché il canale di comunicazione satellitare mobile terrestre (LMS), come definito nella sezione 6.2 della raccomandazione ITU-R P.681-11.
• Scoprire nuove forme d'onda, schemi di modulazione e tecniche di correzione degli errori grazie a una vasta libreria di funzionalità di comunicazione.
• Progettare, modellare e testare sistemi di beamforming che soddisfino i requisiti di larghezza dei fasci per le NTN.
• Progettare antenne e array di antenne in grado di soddisfare i requisiti di larghezza e di efficienza tipici delle NTN.

Velocità estreme di trasmissione dati e frequenze più elevate

Un obiettivo ambizioso del 6G è fornire velocità di trasmissione dei dati fino a centinaia di Gbps. Le nuove sfide associate a velocità di trasmissione dei dati estremamente elevate sono molteplici e alcune sono legate all'aumento del consumo energetico e a frequenze portanti superiori:

• Per raggiungere velocità di trasmissione estreme pur mantenendo un’efficienza spettrale elevata sarà necessaria una larghezza di banda del segnale dell'ordine di decine di GHz. Ciò significa che la frequenza portante deve trovarsi nella regione superiore delle frequenze mmWave (>100 GHz). Per quanto riguarda la propagazione RF, la sfida principale delle alte frequenze è l'elevata attenuazione. Per rappresentare correttamente queste limitazioni saranno necessari nuovi canali per le bande mmWave superiori e sub-THz. Basare tali modelli di canale sulla modellazione stocastica, come è prassi per le frequenze più basse, pone delle difficoltà per le bande di frequenze più elevate. I modelli di canale basati sul ray tracing hanno fornito buone capacità di previsione a 60 GHz e si prospettano capacità simili anche a frequenze superiori. I modelli di ray tracing si prestano bene al beamforming, tecnica fondamentale per il superamento di questo problema.
• Per i convertitori di dati, il consumo energetico aumenta in modo approssimativamente lineare rispetto alla frequenza di campionamento, ma in modo esponenziale rispetto alla risoluzione dei bit. Le nuove sfide imposte dall'aumento del consumo energetico dovuto a larghezze di banda superiori potrebbero richiedere una riprogettazione dei convertitori digitale-analogico (DAC) e analogico-digitale (ADC), ad esempio riducendo la risoluzione dei bit.
• La velocità di trasmissione dei dati sarà molto più alta della velocità di clock dei circuiti DSP, il che richiede la progettazione di nuovi algoritmi DSP per elaborare flussi di dati estremamente paralleli.

Utilizzo di MATLAB per velocità estreme di trasmissione dati e frequenze più elevate

MATLAB dispone di funzionalità integrate per il ray tracing. Inoltre, gli strumenti offrono funzionalità integrate per aggiungere le perdite dovute a pioggia, diffrazione terrestre, rifrazione attraverso l'atmosfera, dispersione troposferica e assorbimento atmosferico (ad esempio, cfr. personalizzazione del modello di canale CDL con il ray tracing e collegamento di comunicazione indoor MIMO-OFDM con il ray tracing).

MATLAB consente di esaminare e modificare l'architettura dei convertitori di dati con un elevato grado di precisione.

MATLAB dispone di blocchi IP pronti all’uso che elaborano i dati in parallelo, garantendo così una velocità di trasmissione dei dati efficace molto superiore alla velocità di clock. I modelli Simulink^® che utilizzano questi blocchi possono essere distribuiti ed eseguiti in tempo reale su piattaforme FPGA.

Progettazione del layer fisico

Una progettazione aggiornata del layer fisico può consistere in una nuova struttura del frame, nuove forme d'onda e nuove tecniche di codifica dei canali. La progettazione di forme d'onda per il 6G comporta varie sfide. Il bilancio di collegamento disponibile verrà ridotto dalla limitazione della potenza di picco in uscita dagli amplificatori di potenza a frequenze più alte, il che favorisce le forme d'onda con basse variazioni di inviluppo. A velocità di trasmissione dei dati estremamente elevate, si prevede che la conversione analogico-digitale sarà la principale responsabile del consumo energetico del sistema, il che promuove forme d'onda efficienti dal punto di vista energetico. Di seguito sono riportati alcuni esempi di forme d'onda prese in considerazione per il 6G:

• Le forme d'onda CP-OFDM si basano su una lunga tradizione di 4G e 5G, ma soffrono di un rapporto potenza di picco-potenza media (PAPR) elevato.
• La modulazione zero-crossing (ZXM) consente di raggiungere un'elevata efficienza energetica riducendo la risoluzione dell'ampiezza.
• La trasmissione DFTS-OFDM riduce il PAPR rispetto a quella CP-OFDM a scapito di un'ulteriore elaborazione del segnale.

Utilizzo di MATLAB per la progettazione del layer fisico

Communications Toolbox e 5G Toolbox consentono di valutare diverse tecnologie, partendo dai modelli 5G esistenti e utilizzando vari modelli di canale per esaminare le prestazioni in diverse bande di frequenza.

MATLAB consente di sperimentare nuovi schemi di codifica basati, ad esempio, su NR LDPC e codici polari.

Conclusione

La tecnologia wireless 6G offre prospettive future entusiasmanti per ingegneri e ricercatori wireless. Nel prossimo decennio i casi d'uso e le tecnologie illustrate in questo white paper diventeranno sempre più importanti nel campo della comunicazione wireless.

Per saperne di più su MATLAB e il 6G, consulta i passaggi successivi consigliati e le risorse qui sotto.