Este artículo investiga técnicas de compresión basadas en IA para la transmisión de señales de alta dimensión bajo estrictas restricciones de ancho de banda y latencia en el enlace fronthaul de sistemas inalámbricos. Las estrategias convencionales, como la detección comprimida, la cuantificación escalar y las canalizaciones de códecs fijos, dependen de información previa limitada, sufren una rápida degradación del rendimiento a altas relaciones de compresión y son difíciles de ajustar entre canales y entornos de implementación. En este artículo, investigamos técnicas de compresión basadas en IA y analizamos dos enfoques representativos de alta compresión: retroalimentación CSI mediante aprendizaje de extremo a extremo y optimización de precodificación a nivel de bloque de recursos (RB) y combinación de compresión. Con base en estos conocimientos, proponemos una estrategia de compresión fronthaul adaptada a arquitecturas sin celdas, con el objetivo de alcanzar altas relaciones de compresión, pérdida de rendimiento controlable, adaptación de velocidad a nivel de RB e inferencia de baja latencia, adecuada para la transmisión centralizada y cooperativa en redes de próxima generación.
