Evaluación del método de aprendizaje profundo para el diseño de un transmisor-receptor de microondas para redes en la banda media de 5G

Abstract

El desarrollo de nuevos sistemas y dispositivos de comunicación requiere métodos que permitan analizar patrones, optimizar su funcionamiento y ofrecer mejoras alineadas con las necesidades actuales. Con este enfoque, el presente trabajo evalúa el uso del aprendizaje profundo como alternativa para diseñar un sistema transmisor-receptor de microondas. Se inició con una búsqueda bibliográfica sobre modelos y arquitecturas de aprendizaje automático aplicados a dispositivos microondas. Luego, se desarrolló un diseño base del transmisor-receptor con cuatro etapas: generación de señal, amplificación, mezclado y filtrado, operando bajo el estándar 5G-NR FR1 y transmitiendo una señal en banda base de 100 MHz. Los componentes fueron diseñados individualmente según los requerimientos del sistema. Mediante simulaciones, se verificó su correcto funcionamiento y se generaron datos de entrenamiento. En un entorno Python, se programaron cuatro redes neuronales con arquitectura convolucional y modelo secuencial para organizar capas de entrada, ocultas y salida. Se usaron las métricas MSE y MAE para evaluar el rendimiento, obteniendo una reducción de error promedio superior al 90%. Además, se evaluó el sistema mediante ganancia máxima, ancho de banda, balance de armónicos y parámetros S, logrando recuperar la señal en banda base con una potencia de salida de -32.912 dBm y una ganancia de 0.738 dB.