经由在边缘实时实施数据驱动的运用优化，同时确保原始 CSI 数据与重构后的道估数据之间坚持0.9999 以上的相关性。还能释放频谱资源供用户数据运用，量功可能以更高的运用精确性实现 CSI 缩短以及重构。这无疑给上行链路容量带来了不断的道估压力。同时坚持CSI 的量功无损保真度；

原始与重构信道矩阵相关性高达 0.9999 以上；

基于FPGA AI 套件、提供由 AI驱动的运用 CSI 缩短处置妄想。经由在代表性信道数据上睁开磨炼，道估

为应答这一挑战，量功并可适配新兴的运用 6G 框架。

技术走光

信令开销飞腾高达 99.9%，道估

这一处置妄想清晰揭示了若何借助高能效的量功 FPGA 逻辑妄想，进而周全提升部份收集功能。运用散漫 Altera 的道估FPGA AI 套件以及 OpenVINO 开源工具包部署深度学习模子。优化 MIMO 配置装备部署并提供不同用户体验的量功中间根基。随着收集密度的不断提升以及流量规模的快捷激增，

面向下一代 RAN 的高效缩短处置妄想

在高挪移性场景中，快捷且精确的信道形态信息 (CSI)更新是保障衔接品质、以 AI 替换传统家养调优的开辟式措施。进而实用并吞带宽、时延以及功耗三大中间挑战。CSI 缩短仅是其普遍运用中的一个典型案例。

FPGAi 还将驱动 RAN 零星向着更智能、

以 FPGAi 打造更高效的无线处置妄想

FPGAi 作为 Altera 面向 FPGA 架构的 AI 原生措施，Altera正依靠Agilex SoC FPGA，

CSI 个别需要每一个传输光阴距离更新一次，

该妄想可能将更新频率以及信令负责飞腾高达 99.9%，借助 Agilex SoC FPGA，可是，开拓职员可能将先进的 AI 功能深度集成至无线信号链，

针对于这一下场，此举不光要助于削减信令数目，更高效的倾向不断演进。这些更新带来的信令开销急剧扩展，

在今世 5G收集中，OpenVINO 及QuartusPrime实现技术落地；

接管基于 MATLAB的信号处置妄想；

适宜 3GPP 5G Rel-17 尺度，新妄想接管基于神经收集的自动编码器，导致上行带宽的运用率泛起瓶颈。