?？和ㄐ藕腿斯ぶ悄?/h1>
2022-07-18 08:57劉光毅
無線電通信技術(shù) 2022年4期
特邀策劃人
劉光毅
工學(xué)博士，教授級高工，享受國務(wù)院特殊津貼專家，現(xiàn)任中國移動通信集團(tuán)公司首席專家、中國移動通信研究院首席專家和6G總監(jiān)、毫米波與太赫茲產(chǎn)業(yè)聯(lián)盟副理事長、北京通信學(xué)會理事、工信部IMT-2030研究組無線組副組長。2007—2013年負(fù)責(zé)中國移動的TD-LTE及其演進(jìn)的研究、標(biāo)準(zhǔn)化、產(chǎn)業(yè)化和國際推廣；2014—2019年負(fù)責(zé)中國移動集團(tuán)公司5G關(guān)鍵技術(shù)研究、標(biāo)準(zhǔn)化和產(chǎn)業(yè)化推進(jìn)；自2019年開始負(fù)責(zé)中國移動的6G研發(fā)；2014—2020年擔(dān)任Global TD-LTE Initiative (GTI)的頻率組主席、TD-LTE演進(jìn)和5G eMBB項目的協(xié)調(diào)人，帶領(lǐng)全球產(chǎn)業(yè)開展TD-LTE演進(jìn)技術(shù)和sub 6GHz 5G的產(chǎn)業(yè)化和國際推廣。曾主持3項國家級研發(fā)項目，2016年榮獲國家科技進(jìn)步特等獎，2018/2021年通信學(xué)會科技進(jìn)步一等獎，2017年團(tuán)隊入選央企楷模，2017年入選科技部中青年科技創(chuàng)新領(lǐng)軍人才，2020年入選全國勞模，先后榮獲中國通信標(biāo)準(zhǔn)化協(xié)會科學(xué)技術(shù)一等獎和二等獎共5項、國家知識產(chǎn)權(quán)局頒發(fā)的專利優(yōu)秀獎3項，參與國際標(biāo)準(zhǔn)制定20余項，個人授權(quán)專利152項，在國內(nèi)外學(xué)術(shù)期刊雜志發(fā)表學(xué)術(shù)論文150余篇。
內(nèi)容導(dǎo)讀
隨著移動通信技術(shù)的普及和推廣，移動通信網(wǎng)絡(luò)已經(jīng)成為整個國民經(jīng)濟(jì)的重要基礎(chǔ)設(shè)施，5G更是位列我國十大新基建之首，通過超高速率、超低時延和超大連接的全新能力，賦能千行百業(yè)的數(shù)字化轉(zhuǎn)型和升級，對我國數(shù)字化經(jīng)濟(jì)的發(fā)展起著至關(guān)重要的作用。
近年來，在摩爾定律的發(fā)展和推動下，計算芯片的工藝和水平不斷取得突破，特別是在專用計算芯片GPU等的支持下，人工智能技術(shù)的算法和模型的研究不斷取得突破，讓一些原本復(fù)雜問題的處理變得簡單而高效，人工智能和大數(shù)據(jù)的應(yīng)用研究逐漸成為熱點。隨著傳統(tǒng)移動通信技術(shù)的發(fā)展和突破遭遇瓶頸，眾多科研人員開始轉(zhuǎn)向AI和通信技術(shù)融合的研究，試圖通過AI的應(yīng)用來解決通信中的眾多推理和優(yōu)化問題，并在無線信道的預(yù)測與反饋、無線資源管理的優(yōu)化、波束賦形權(quán)值的優(yōu)化、移動性管理、無線業(yè)務(wù)預(yù)測、網(wǎng)絡(luò)故障的根因分析等方面取得了較好的效果。特別是面向6G移動通信技術(shù)和網(wǎng)絡(luò)的研究，有研究人員更是提出要通過內(nèi)生AI的設(shè)計，將AI打造成網(wǎng)絡(luò)的一個基礎(chǔ)能力和服務(wù)，按需提供AI應(yīng)用所需的數(shù)據(jù)、算力、算法和模型，支持隨時隨地的AI應(yīng)用，賦能2030年“智慧泛在”的發(fā)展愿景。為此，中國移動、華為等聯(lián)合國內(nèi)的大學(xué)和企業(yè)成立了6G Alliance of Network AI (6GANA)，希望能夠聯(lián)合國內(nèi)外的大學(xué)和企業(yè)，共同推動6G Network AI的研究，形成行業(yè)共識，推動AI as a Service在6G網(wǎng)絡(luò)中落地。
鑒于上述情況，為了更好地將我國移動通信技術(shù)與AI融合的最新研究成果介紹給讀者，進(jìn)一步加速AI在6G中的應(yīng)用研究，賦能各行各業(yè)面向2030年的智慧化轉(zhuǎn)型，我們組織了本專刊。
為了解決5G網(wǎng)絡(luò)能耗高、結(jié)構(gòu)復(fù)雜和運維管理難度大等問題，同時使得6G網(wǎng)絡(luò)具備更極致的全場景適應(yīng)能力，《內(nèi)生智能和端到端服務(wù)化的6G無線網(wǎng)絡(luò)架構(gòu)設(shè)計》從網(wǎng)絡(luò)功能、網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)運行三個方面對未來6G網(wǎng)絡(luò)進(jìn)行了智慧內(nèi)生和極簡的設(shè)計，提出端到端微服務(wù)化的架構(gòu)、多頻段協(xié)同的信令廣域覆蓋機(jī)制及方案、網(wǎng)絡(luò)內(nèi)生智能設(shè)計和AI服務(wù)質(zhì)量指標(biāo)體系及保障機(jī)制，并對內(nèi)生AI網(wǎng)絡(luò)架構(gòu)中基于QoAIS的AI工作流編排方案進(jìn)行了仿真分析
面向服務(wù)化、智能和開放化的6G無線網(wǎng)絡(luò)，《基于AI內(nèi)生的無線接入網(wǎng)絡(luò)架構(gòu)》提出了一種基于AI內(nèi)生的無線接入網(wǎng)絡(luò)架構(gòu)，包括智能面、控制面、用戶面的功能，通過引入智能流、智能體的方法，實現(xiàn)了AI內(nèi)生，并提出未來基于AI內(nèi)生的無線網(wǎng)絡(luò)設(shè)計還需要應(yīng)對ICDOT融合、通信感知算力融合等方面的挑戰(zhàn)。
《6G通算融合網(wǎng)絡(luò)架構(gòu)》提出了一種在無線網(wǎng)絡(luò)內(nèi)通信資源與分布式計算資源實時協(xié)同的計算面方案，來實現(xiàn)6G網(wǎng)絡(luò)業(yè)務(wù)適配能力上的突破，提升綜合資源能效。在終端和基站聯(lián)合模型拆分推理場景下，仿真驗證了控制面融合方案能更好地應(yīng)對終端空口連接帶寬發(fā)生的變化，大幅降低業(yè)務(wù)時延抖動。
《面向6G的雙循環(huán)數(shù)字孿生網(wǎng)絡(luò)架構(gòu)設(shè)計》提出了基于雙循環(huán)機(jī)制的數(shù)字孿生網(wǎng)絡(luò)架構(gòu)，闡述了數(shù)字孿生網(wǎng)絡(luò)的重要特性，詳細(xì)給出了系統(tǒng)的架構(gòu)設(shè)計及其在算力眾籌上的應(yīng)用案例分析，最后對數(shù)字孿生技術(shù)未來的發(fā)展進(jìn)行展望，分析了未來面向6G的數(shù)字孿生網(wǎng)絡(luò)面臨的問題與挑戰(zhàn)。
《任務(wù)為中心的6G網(wǎng)絡(luò)AI架構(gòu)》重點闡述從會話為中心到任務(wù)為中心的架構(gòu)變化，以及任務(wù)為中心的架構(gòu)面臨的技術(shù)問題，提出了一種以任務(wù)為中心的無線網(wǎng)絡(luò)架構(gòu)，通過統(tǒng)一架構(gòu)來提供AI4NET、NET4AI、AIaaS的服務(wù)；提出了任務(wù)管控的三層邏輯架構(gòu)，滿足實時和靈活的任務(wù)部署需求；提出了在無線接入網(wǎng)域和核心網(wǎng)域獨立部署任務(wù)錨點TA和任務(wù)調(diào)度器TS，從而實現(xiàn)不同域內(nèi)任務(wù)的獨立部署和各域自治；通過控制信令的方式實現(xiàn)任務(wù)控制功能，給出了具體的接口、協(xié)議框架和流程設(shè)計，并給出針對任務(wù)執(zhí)行期間的任務(wù)QoS保障、AI用例自生成和任務(wù)應(yīng)用實例等。
《一種支持語義解析的智能通信服務(wù)網(wǎng)絡(luò)架構(gòu)》提出一種支持語義解析的智能通信服務(wù)網(wǎng)絡(luò)架構(gòu)，在現(xiàn)有底層通信和上層應(yīng)用之間增加基礎(chǔ)語義服務(wù)層，使用深度學(xué)習(xí)實現(xiàn)語義信息的編碼和解碼，構(gòu)建通信場景的語義知識庫，設(shè)計語義標(biāo)識倒排索引,并以分布式視頻會議場景進(jìn)行了概念驗證，可以有效支撐通信網(wǎng)絡(luò)面向萬物互聯(lián)場景的服務(wù)智能化。
《智啟無線：下一代智能無線通信系統(tǒng)的需求與構(gòu)建》給出智能業(yè)務(wù)為6G帶來的新需求與新變化，分析了AI技術(shù)為通信系統(tǒng)賦能與重構(gòu)的特征與效果，最后對以用戶需求和服務(wù)為中心的未來智能無線通信系統(tǒng)進(jìn)行了展望。
針對6G網(wǎng)絡(luò)面臨著資源維度高、網(wǎng)絡(luò)動態(tài)性強(qiáng)、資源調(diào)度復(fù)雜度大等諸多問題，《知識驅(qū)動的6G網(wǎng)絡(luò)資源調(diào)度綜述》提出將基于理論模型和專家經(jīng)驗的網(wǎng)絡(luò)資源調(diào)度知識與神經(jīng)網(wǎng)絡(luò)方法深度融合，通過引入知識子層和網(wǎng)絡(luò)資源決策知識庫來設(shè)計知識驅(qū)動的資源調(diào)度方法，并提出了未來的研究方向，包括基于本體論的6G全場景知識圖譜構(gòu)建、基于6G全場景知識圖譜的場景服務(wù)識別和基于多知識聚合的6G網(wǎng)絡(luò)資源按需調(diào)度。
《基于強(qiáng)化學(xué)習(xí)的基站多維度資源協(xié)同分配方案》指出面向未來更高實時性的業(yè)務(wù)需求，6G無線網(wǎng)絡(luò)需要實現(xiàn)通信與計算的深度融合，一種可能的模式是基站內(nèi)部具有計算資源，并高效協(xié)同調(diào)配通信與計算資源。同時，從節(jié)能的角度出發(fā)，未來6G無線網(wǎng)絡(luò)則需要同時考慮通信業(yè)務(wù)與計算業(yè)務(wù)，將能效作為基站進(jìn)行通算資源協(xié)同分配的優(yōu)化目標(biāo)之一。
為了剖析物理層AI算法設(shè)計、數(shù)據(jù)集構(gòu)建、評估準(zhǔn)則和指標(biāo)以及泛化性增強(qiáng)等技術(shù)問題的內(nèi)在關(guān)系，《物理層AI關(guān)鍵技術(shù)探討》從物理層AI研究面臨的挑戰(zhàn)出發(fā)，給出了物理層AI算法設(shè)計中泛化性的定義，提出了系統(tǒng)性能的評估準(zhǔn)則和指標(biāo)，深入分析了物理層AI的開銷，提出了數(shù)據(jù)集構(gòu)建準(zhǔn)則，以及泛化性提升的多種方案，并對未來研究和標(biāo)準(zhǔn)化進(jìn)行了展望。
《基于AI的信道估計的泛化性能提升方法》針對泛化問題，提出了結(jié)合遷移學(xué)習(xí)、聯(lián)合訓(xùn)練和模型無關(guān)的元學(xué)習(xí)的信道估計方案，并以信道場景變換為例驗證了上述三種方案的泛化以及遷移性能，基于MAML的方案以最少的微調(diào)次數(shù)實現(xiàn)了最高的信道估計精度，是一種非常有潛力的訓(xùn)練方案。
通過使用非對稱卷積來增強(qiáng)傳統(tǒng)卷積的特征提取能力，《基于非對稱卷積的大規(guī)模天線信道狀態(tài)信息反饋算法》提出了一種基于非對稱卷積的自編碼器算法來處理CSI壓縮和解壓問題，并考慮到實際應(yīng)用部署，采用裁剪方法來有效降低接收機(jī)對于存儲空間的要求，仿真結(jié)果表明該算法可以提高歸一化均方誤差和余弦相似度ρ的性能，也驗證了算法裁剪和多模型集成在保障算法性能的同時，可進(jìn)一步使參數(shù)量減少83%和90%以上。
通過在Massive MIMO系統(tǒng)中將CSI重構(gòu)得到的角度時延信道幅度矩陣作為指紋，《大規(guī)模MIMO系統(tǒng)領(lǐng)域自適應(yīng)定位》提出了一個基于分歧差異的深度卷積對抗網(wǎng)絡(luò)領(lǐng)域自適應(yīng)指紋定位方法—網(wǎng)格中心重定位的方法，仿真結(jié)果表明，該方法可以有效緩解環(huán)境變化對定位方法的影響，并達(dá)到較高的定位精度。
《多元LDPC編碼調(diào)制系統(tǒng)CNN輔助迭代檢測譯碼算法》針對相關(guān)噪聲信道提出了一種適用于多元LDPC碼的深度學(xué)習(xí)輔助譯碼算法，將卷積神經(jīng)網(wǎng)絡(luò)引入到基于硬信息的迭代大數(shù)邏輯算法中以對抗相關(guān)信道噪聲影響,能夠獲得最高1 dB的性能增益，證明了該方案在恢復(fù)受干擾符號的有效性。
《信噪比自適應(yīng)Turbo自編碼器信道編譯碼技術(shù)》提出了自適應(yīng)信道SNR的Turbo自編碼器信道編譯碼系統(tǒng)，通過引入注意力機(jī)制感知信道變化，生成與信道條件相匹配的編碼碼字,仿真結(jié)果表明該方法能夠有效應(yīng)對信道條件的變化，大幅降低設(shè)備端神經(jīng)網(wǎng)絡(luò)參數(shù)的存儲開銷。
《基于深度強(qiáng)化學(xué)習(xí)的物理層欺騙檢測方法》針對無線網(wǎng)絡(luò)中潛在的物理層欺騙攻擊威脅，提出一種基于深度強(qiáng)化學(xué)習(xí)的物理層欺騙檢測方法，可以實現(xiàn)檢測閾值的動態(tài)連續(xù)選擇且對于動態(tài)未知環(huán)境具有自適應(yīng)性。仿真結(jié)果表明該算法可以有效地檢測物理層欺騙攻擊，檢測概率達(dá)到97%以上，檢測性能優(yōu)于優(yōu)化的固定檢測閾值方法。
《基于深度學(xué)習(xí)的自動調(diào)制識別方法綜述》針對復(fù)雜多變的電磁環(huán)境中的信號識別問題，提出了將DL算法應(yīng)用于AMR任務(wù),總結(jié)了針對不同的信號表示所設(shè)計的神經(jīng)網(wǎng)絡(luò)模型，并概述了 AMR存在的問題以及潛在的研究方向。
針對無線通信網(wǎng)絡(luò)在低干信比條件下單節(jié)點干擾正確識別率較低等問題，《基于深度卷積神經(jīng)網(wǎng)絡(luò)的多節(jié)點協(xié)同干擾識別方法》提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的多節(jié)點協(xié)同干擾識別方法，并設(shè)計了基于中心判決和基于硬判決的兩種干擾識別算法，仿真結(jié)果表明該方法能夠顯著提升無線通信網(wǎng)絡(luò)在低干信比條件下的干擾正確識別率，且基于硬判決的方法較基于中心判決的方法有更好的性能。
針對未來工廠中機(jī)器人的工作環(huán)境復(fù)雜多變和機(jī)器人進(jìn)行協(xié)作定位時無法獲知全局信道狀態(tài)嚴(yán)重影響機(jī)器人的定位性能問題，《面向智能工廠多機(jī)器人定位的無線分布式協(xié)同決策》提出了基于雙重超Q神經(jīng)網(wǎng)絡(luò)的多機(jī)器人協(xié)同決策算法，將多機(jī)器人進(jìn)行協(xié)作定位時的決策系統(tǒng)構(gòu)建為競爭加合作模型，同時引入機(jī)器人決策軌跡的記錄空間以實現(xiàn)對其他機(jī)器人的行為預(yù)估，仿真證明該算法在實現(xiàn)精準(zhǔn)行為預(yù)估的基礎(chǔ)上能夠收斂到最優(yōu)策略。
《一種基于神經(jīng)網(wǎng)絡(luò)的alarm2vec告警壓縮算法》提出了一種基于神經(jīng)網(wǎng)絡(luò)的alarm2vec算法以及結(jié)合極大團(tuán)圖挖掘告警間的關(guān)聯(lián)規(guī)則，實際網(wǎng)絡(luò)告警數(shù)據(jù)實驗結(jié)果表明，該方法相對原始數(shù)據(jù)，可實現(xiàn)39.85%的告警壓縮率。
《基于深度強(qiáng)化學(xué)習(xí)的自動協(xié)商研究綜述》回顧自動協(xié)商框架和模后，系統(tǒng)闡述深度強(qiáng)化學(xué)習(xí)在自動協(xié)商任務(wù)中的應(yīng)用，包擴(kuò)經(jīng)典算法及模型，探討了未來深度強(qiáng)化學(xué)習(xí)與自動協(xié)商任務(wù)融合的前景和挑戰(zhàn)。
《基于強(qiáng)化學(xué)習(xí)的信道碰撞對抗研究》從現(xiàn)有防碰撞策略入手，提出了基于強(qiáng)化學(xué)習(xí)的自適應(yīng)信道干擾方法，對比已有典型方法，運用強(qiáng)化學(xué)習(xí)技術(shù)可以智能尋找到更低功耗與更高效能的智能干擾策略，并在高并發(fā)場景下驗證了該方法的有效性。
針對傳統(tǒng)基于數(shù)據(jù)的網(wǎng)絡(luò)故障診斷方法存在可解釋性差、應(yīng)用性低等問題，《基于知識圖譜的5G網(wǎng)絡(luò)故障分析方法》結(jié)合知識圖譜技術(shù)，提出了一種基于知識和數(shù)據(jù)雙驅(qū)動的網(wǎng)絡(luò)故障分析方法，通過本體構(gòu)建、知識抽取以及知識融合等步驟利用Neo4j圖數(shù)據(jù)庫搭建面向網(wǎng)絡(luò)故障診斷的知識圖譜，然后結(jié)合機(jī)器學(xué)習(xí)進(jìn)行智能化網(wǎng)絡(luò)故障診斷與分析，將網(wǎng)絡(luò)故障診斷問題拆分成不同子問題并匹配準(zhǔn)確度最高的機(jī)器學(xué)習(xí)算法，仿真結(jié)果表明該方法可以有效提高網(wǎng)絡(luò)故障診斷的準(zhǔn)確性。
針對無線移動網(wǎng)絡(luò)性能異常的診斷識別問題，《基于無監(jiān)督學(xué)習(xí)的無線網(wǎng)絡(luò)性能異常檢測方法》給出三類通用的檢測方法，分別為基于統(tǒng)計特征的異常檢測、基于密度的異常檢測以及基于聚類的異常檢測，并選取現(xiàn)網(wǎng)性能指標(biāo)數(shù)據(jù)，對三種算法進(jìn)行評估分析，證明基于聚類的異常檢測算法在對無線網(wǎng)絡(luò)診斷識別上效果最好。
綜上所述，本?？状稳轿坏卣故玖薃I與無線通信在物理層、新型網(wǎng)絡(luò)架構(gòu)、資源調(diào)度與管理維護(hù)等多方面的研究進(jìn)展。希望本?？軌?qū)V大讀者了解和研究AI和通信的融合提供有益的啟示、參考和借鑒，加速AI在6G中的應(yīng)用和突破。最后，感謝編輯部各位老師在征稿通知發(fā)布、論文評審與意見匯總、論文定稿、編輯修改及出版所付出的努力和汗水；感謝專題評審專家及時、耐心、細(xì)致的評審工作；衷心感謝各位作者的辛勤工作和精心撰稿!
猜你喜歡
基于K-ML-MPWFRFT的物理層安全傳輸技術(shù)湘潭大學(xué)自然科學(xué)學(xué)報(2022年2期)2022-07-28 時間觸發(fā)衛(wèi)星無線網(wǎng)絡(luò)同步仿真研究載人航天(2021年5期)2021-11-20 信號/數(shù)據(jù)處理數(shù)字信道接收機(jī)中同時雙信道選擇與處理方法火控雷達(dá)技術(shù)(2021年2期)2021-07-21 聚類分析和神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)流量預(yù)測研究現(xiàn)代電子技術(shù)(2021年7期)2021-04-08 無線網(wǎng)絡(luò)安全漏洞及防范策略電子技術(shù)與軟件工程(2019年8期)2019-07-16 無線網(wǎng)絡(luò)信息安全技術(shù)及風(fēng)險分析電子制作(2019年24期)2019-02-23 一種高效多級信道化數(shù)字接收機(jī)的設(shè)計與實現(xiàn)雷達(dá)與對抗(2018年3期)2018-10-12 一種無人機(jī)數(shù)據(jù)鏈信道選擇和功率控制方法北京航空航天大學(xué)學(xué)報(2017年3期)2017-11-23 利用Modbus協(xié)議實現(xiàn)垂直螺旋卸車機(jī)取料器自動調(diào)速方法中國新技術(shù)新產(chǎn)品(2017年9期)2017-04-13 一種應(yīng)用于5G基于LDPC碼的物理層包編碼中興通訊技術(shù)(2016年3期)2016-06-22
特邀策劃人
劉光毅
工學(xué)博士，教授級高工，享受國務(wù)院特殊津貼專家，現(xiàn)任中國移動通信集團(tuán)公司首席專家、中國移動通信研究院首席專家和6G總監(jiān)、毫米波與太赫茲產(chǎn)業(yè)聯(lián)盟副理事長、北京通信學(xué)會理事、工信部IMT-2030研究組無線組副組長。2007—2013年負(fù)責(zé)中國移動的TD-LTE及其演進(jìn)的研究、標(biāo)準(zhǔn)化、產(chǎn)業(yè)化和國際推廣；2014—2019年負(fù)責(zé)中國移動集團(tuán)公司5G關(guān)鍵技術(shù)研究、標(biāo)準(zhǔn)化和產(chǎn)業(yè)化推進(jìn)；自2019年開始負(fù)責(zé)中國移動的6G研發(fā)；2014—2020年擔(dān)任Global TD-LTE Initiative (GTI)的頻率組主席、TD-LTE演進(jìn)和5G eMBB項目的協(xié)調(diào)人，帶領(lǐng)全球產(chǎn)業(yè)開展TD-LTE演進(jìn)技術(shù)和sub 6GHz 5G的產(chǎn)業(yè)化和國際推廣。曾主持3項國家級研發(fā)項目，2016年榮獲國家科技進(jìn)步特等獎，2018/2021年通信學(xué)會科技進(jìn)步一等獎，2017年團(tuán)隊入選央企楷模，2017年入選科技部中青年科技創(chuàng)新領(lǐng)軍人才，2020年入選全國勞模，先后榮獲中國通信標(biāo)準(zhǔn)化協(xié)會科學(xué)技術(shù)一等獎和二等獎共5項、國家知識產(chǎn)權(quán)局頒發(fā)的專利優(yōu)秀獎3項，參與國際標(biāo)準(zhǔn)制定20余項，個人授權(quán)專利152項，在國內(nèi)外學(xué)術(shù)期刊雜志發(fā)表學(xué)術(shù)論文150余篇。
內(nèi)容導(dǎo)讀
隨著移動通信技術(shù)的普及和推廣，移動通信網(wǎng)絡(luò)已經(jīng)成為整個國民經(jīng)濟(jì)的重要基礎(chǔ)設(shè)施，5G更是位列我國十大新基建之首，通過超高速率、超低時延和超大連接的全新能力，賦能千行百業(yè)的數(shù)字化轉(zhuǎn)型和升級，對我國數(shù)字化經(jīng)濟(jì)的發(fā)展起著至關(guān)重要的作用。
近年來，在摩爾定律的發(fā)展和推動下，計算芯片的工藝和水平不斷取得突破，特別是在專用計算芯片GPU等的支持下，人工智能技術(shù)的算法和模型的研究不斷取得突破，讓一些原本復(fù)雜問題的處理變得簡單而高效，人工智能和大數(shù)據(jù)的應(yīng)用研究逐漸成為熱點。隨著傳統(tǒng)移動通信技術(shù)的發(fā)展和突破遭遇瓶頸，眾多科研人員開始轉(zhuǎn)向AI和通信技術(shù)融合的研究，試圖通過AI的應(yīng)用來解決通信中的眾多推理和優(yōu)化問題，并在無線信道的預(yù)測與反饋、無線資源管理的優(yōu)化、波束賦形權(quán)值的優(yōu)化、移動性管理、無線業(yè)務(wù)預(yù)測、網(wǎng)絡(luò)故障的根因分析等方面取得了較好的效果。特別是面向6G移動通信技術(shù)和網(wǎng)絡(luò)的研究，有研究人員更是提出要通過內(nèi)生AI的設(shè)計，將AI打造成網(wǎng)絡(luò)的一個基礎(chǔ)能力和服務(wù)，按需提供AI應(yīng)用所需的數(shù)據(jù)、算力、算法和模型，支持隨時隨地的AI應(yīng)用，賦能2030年“智慧泛在”的發(fā)展愿景。為此，中國移動、華為等聯(lián)合國內(nèi)的大學(xué)和企業(yè)成立了6G Alliance of Network AI (6GANA)，希望能夠聯(lián)合國內(nèi)外的大學(xué)和企業(yè)，共同推動6G Network AI的研究，形成行業(yè)共識，推動AI as a Service在6G網(wǎng)絡(luò)中落地。
鑒于上述情況，為了更好地將我國移動通信技術(shù)與AI融合的最新研究成果介紹給讀者，進(jìn)一步加速AI在6G中的應(yīng)用研究，賦能各行各業(yè)面向2030年的智慧化轉(zhuǎn)型，我們組織了本專刊。
為了解決5G網(wǎng)絡(luò)能耗高、結(jié)構(gòu)復(fù)雜和運維管理難度大等問題，同時使得6G網(wǎng)絡(luò)具備更極致的全場景適應(yīng)能力，《內(nèi)生智能和端到端服務(wù)化的6G無線網(wǎng)絡(luò)架構(gòu)設(shè)計》從網(wǎng)絡(luò)功能、網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)運行三個方面對未來6G網(wǎng)絡(luò)進(jìn)行了智慧內(nèi)生和極簡的設(shè)計，提出端到端微服務(wù)化的架構(gòu)、多頻段協(xié)同的信令廣域覆蓋機(jī)制及方案、網(wǎng)絡(luò)內(nèi)生智能設(shè)計和AI服務(wù)質(zhì)量指標(biāo)體系及保障機(jī)制，并對內(nèi)生AI網(wǎng)絡(luò)架構(gòu)中基于QoAIS的AI工作流編排方案進(jìn)行了仿真分析
面向服務(wù)化、智能和開放化的6G無線網(wǎng)絡(luò)，《基于AI內(nèi)生的無線接入網(wǎng)絡(luò)架構(gòu)》提出了一種基于AI內(nèi)生的無線接入網(wǎng)絡(luò)架構(gòu)，包括智能面、控制面、用戶面的功能，通過引入智能流、智能體的方法，實現(xiàn)了AI內(nèi)生，并提出未來基于AI內(nèi)生的無線網(wǎng)絡(luò)設(shè)計還需要應(yīng)對ICDOT融合、通信感知算力融合等方面的挑戰(zhàn)。
《6G通算融合網(wǎng)絡(luò)架構(gòu)》提出了一種在無線網(wǎng)絡(luò)內(nèi)通信資源與分布式計算資源實時協(xié)同的計算面方案，來實現(xiàn)6G網(wǎng)絡(luò)業(yè)務(wù)適配能力上的突破，提升綜合資源能效。在終端和基站聯(lián)合模型拆分推理場景下，仿真驗證了控制面融合方案能更好地應(yīng)對終端空口連接帶寬發(fā)生的變化，大幅降低業(yè)務(wù)時延抖動。
《面向6G的雙循環(huán)數(shù)字孿生網(wǎng)絡(luò)架構(gòu)設(shè)計》提出了基于雙循環(huán)機(jī)制的數(shù)字孿生網(wǎng)絡(luò)架構(gòu)，闡述了數(shù)字孿生網(wǎng)絡(luò)的重要特性，詳細(xì)給出了系統(tǒng)的架構(gòu)設(shè)計及其在算力眾籌上的應(yīng)用案例分析，最后對數(shù)字孿生技術(shù)未來的發(fā)展進(jìn)行展望，分析了未來面向6G的數(shù)字孿生網(wǎng)絡(luò)面臨的問題與挑戰(zhàn)。
《任務(wù)為中心的6G網(wǎng)絡(luò)AI架構(gòu)》重點闡述從會話為中心到任務(wù)為中心的架構(gòu)變化，以及任務(wù)為中心的架構(gòu)面臨的技術(shù)問題，提出了一種以任務(wù)為中心的無線網(wǎng)絡(luò)架構(gòu)，通過統(tǒng)一架構(gòu)來提供AI4NET、NET4AI、AIaaS的服務(wù)；提出了任務(wù)管控的三層邏輯架構(gòu)，滿足實時和靈活的任務(wù)部署需求；提出了在無線接入網(wǎng)域和核心網(wǎng)域獨立部署任務(wù)錨點TA和任務(wù)調(diào)度器TS，從而實現(xiàn)不同域內(nèi)任務(wù)的獨立部署和各域自治；通過控制信令的方式實現(xiàn)任務(wù)控制功能，給出了具體的接口、協(xié)議框架和流程設(shè)計，并給出針對任務(wù)執(zhí)行期間的任務(wù)QoS保障、AI用例自生成和任務(wù)應(yīng)用實例等。
《一種支持語義解析的智能通信服務(wù)網(wǎng)絡(luò)架構(gòu)》提出一種支持語義解析的智能通信服務(wù)網(wǎng)絡(luò)架構(gòu)，在現(xiàn)有底層通信和上層應(yīng)用之間增加基礎(chǔ)語義服務(wù)層，使用深度學(xué)習(xí)實現(xiàn)語義信息的編碼和解碼，構(gòu)建通信場景的語義知識庫，設(shè)計語義標(biāo)識倒排索引,并以分布式視頻會議場景進(jìn)行了概念驗證，可以有效支撐通信網(wǎng)絡(luò)面向萬物互聯(lián)場景的服務(wù)智能化。
《智啟無線：下一代智能無線通信系統(tǒng)的需求與構(gòu)建》給出智能業(yè)務(wù)為6G帶來的新需求與新變化，分析了AI技術(shù)為通信系統(tǒng)賦能與重構(gòu)的特征與效果，最后對以用戶需求和服務(wù)為中心的未來智能無線通信系統(tǒng)進(jìn)行了展望。
針對6G網(wǎng)絡(luò)面臨著資源維度高、網(wǎng)絡(luò)動態(tài)性強(qiáng)、資源調(diào)度復(fù)雜度大等諸多問題，《知識驅(qū)動的6G網(wǎng)絡(luò)資源調(diào)度綜述》提出將基于理論模型和專家經(jīng)驗的網(wǎng)絡(luò)資源調(diào)度知識與神經(jīng)網(wǎng)絡(luò)方法深度融合，通過引入知識子層和網(wǎng)絡(luò)資源決策知識庫來設(shè)計知識驅(qū)動的資源調(diào)度方法，并提出了未來的研究方向，包括基于本體論的6G全場景知識圖譜構(gòu)建、基于6G全場景知識圖譜的場景服務(wù)識別和基于多知識聚合的6G網(wǎng)絡(luò)資源按需調(diào)度。
《基于強(qiáng)化學(xué)習(xí)的基站多維度資源協(xié)同分配方案》指出面向未來更高實時性的業(yè)務(wù)需求，6G無線網(wǎng)絡(luò)需要實現(xiàn)通信與計算的深度融合，一種可能的模式是基站內(nèi)部具有計算資源，并高效協(xié)同調(diào)配通信與計算資源。同時，從節(jié)能的角度出發(fā)，未來6G無線網(wǎng)絡(luò)則需要同時考慮通信業(yè)務(wù)與計算業(yè)務(wù)，將能效作為基站進(jìn)行通算資源協(xié)同分配的優(yōu)化目標(biāo)之一。
為了剖析物理層AI算法設(shè)計、數(shù)據(jù)集構(gòu)建、評估準(zhǔn)則和指標(biāo)以及泛化性增強(qiáng)等技術(shù)問題的內(nèi)在關(guān)系，《物理層AI關(guān)鍵技術(shù)探討》從物理層AI研究面臨的挑戰(zhàn)出發(fā)，給出了物理層AI算法設(shè)計中泛化性的定義，提出了系統(tǒng)性能的評估準(zhǔn)則和指標(biāo)，深入分析了物理層AI的開銷，提出了數(shù)據(jù)集構(gòu)建準(zhǔn)則，以及泛化性提升的多種方案，并對未來研究和標(biāo)準(zhǔn)化進(jìn)行了展望。
《基于AI的信道估計的泛化性能提升方法》針對泛化問題，提出了結(jié)合遷移學(xué)習(xí)、聯(lián)合訓(xùn)練和模型無關(guān)的元學(xué)習(xí)的信道估計方案，并以信道場景變換為例驗證了上述三種方案的泛化以及遷移性能，基于MAML的方案以最少的微調(diào)次數(shù)實現(xiàn)了最高的信道估計精度，是一種非常有潛力的訓(xùn)練方案。
通過使用非對稱卷積來增強(qiáng)傳統(tǒng)卷積的特征提取能力，《基于非對稱卷積的大規(guī)模天線信道狀態(tài)信息反饋算法》提出了一種基于非對稱卷積的自編碼器算法來處理CSI壓縮和解壓問題，并考慮到實際應(yīng)用部署，采用裁剪方法來有效降低接收機(jī)對于存儲空間的要求，仿真結(jié)果表明該算法可以提高歸一化均方誤差和余弦相似度ρ的性能，也驗證了算法裁剪和多模型集成在保障算法性能的同時，可進(jìn)一步使參數(shù)量減少83%和90%以上。
通過在Massive MIMO系統(tǒng)中將CSI重構(gòu)得到的角度時延信道幅度矩陣作為指紋，《大規(guī)模MIMO系統(tǒng)領(lǐng)域自適應(yīng)定位》提出了一個基于分歧差異的深度卷積對抗網(wǎng)絡(luò)領(lǐng)域自適應(yīng)指紋定位方法—網(wǎng)格中心重定位的方法，仿真結(jié)果表明，該方法可以有效緩解環(huán)境變化對定位方法的影響，并達(dá)到較高的定位精度。
《多元LDPC編碼調(diào)制系統(tǒng)CNN輔助迭代檢測譯碼算法》針對相關(guān)噪聲信道提出了一種適用于多元LDPC碼的深度學(xué)習(xí)輔助譯碼算法，將卷積神經(jīng)網(wǎng)絡(luò)引入到基于硬信息的迭代大數(shù)邏輯算法中以對抗相關(guān)信道噪聲影響,能夠獲得最高1 dB的性能增益，證明了該方案在恢復(fù)受干擾符號的有效性。
《信噪比自適應(yīng)Turbo自編碼器信道編譯碼技術(shù)》提出了自適應(yīng)信道SNR的Turbo自編碼器信道編譯碼系統(tǒng)，通過引入注意力機(jī)制感知信道變化，生成與信道條件相匹配的編碼碼字,仿真結(jié)果表明該方法能夠有效應(yīng)對信道條件的變化，大幅降低設(shè)備端神經(jīng)網(wǎng)絡(luò)參數(shù)的存儲開銷。
《基于深度強(qiáng)化學(xué)習(xí)的物理層欺騙檢測方法》針對無線網(wǎng)絡(luò)中潛在的物理層欺騙攻擊威脅，提出一種基于深度強(qiáng)化學(xué)習(xí)的物理層欺騙檢測方法，可以實現(xiàn)檢測閾值的動態(tài)連續(xù)選擇且對于動態(tài)未知環(huán)境具有自適應(yīng)性。仿真結(jié)果表明該算法可以有效地檢測物理層欺騙攻擊，檢測概率達(dá)到97%以上，檢測性能優(yōu)于優(yōu)化的固定檢測閾值方法。
《基于深度學(xué)習(xí)的自動調(diào)制識別方法綜述》針對復(fù)雜多變的電磁環(huán)境中的信號識別問題，提出了將DL算法應(yīng)用于AMR任務(wù),總結(jié)了針對不同的信號表示所設(shè)計的神經(jīng)網(wǎng)絡(luò)模型，并概述了 AMR存在的問題以及潛在的研究方向。
針對無線通信網(wǎng)絡(luò)在低干信比條件下單節(jié)點干擾正確識別率較低等問題，《基于深度卷積神經(jīng)網(wǎng)絡(luò)的多節(jié)點協(xié)同干擾識別方法》提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的多節(jié)點協(xié)同干擾識別方法，并設(shè)計了基于中心判決和基于硬判決的兩種干擾識別算法，仿真結(jié)果表明該方法能夠顯著提升無線通信網(wǎng)絡(luò)在低干信比條件下的干擾正確識別率，且基于硬判決的方法較基于中心判決的方法有更好的性能。
針對未來工廠中機(jī)器人的工作環(huán)境復(fù)雜多變和機(jī)器人進(jìn)行協(xié)作定位時無法獲知全局信道狀態(tài)嚴(yán)重影響機(jī)器人的定位性能問題，《面向智能工廠多機(jī)器人定位的無線分布式協(xié)同決策》提出了基于雙重超Q神經(jīng)網(wǎng)絡(luò)的多機(jī)器人協(xié)同決策算法，將多機(jī)器人進(jìn)行協(xié)作定位時的決策系統(tǒng)構(gòu)建為競爭加合作模型，同時引入機(jī)器人決策軌跡的記錄空間以實現(xiàn)對其他機(jī)器人的行為預(yù)估，仿真證明該算法在實現(xiàn)精準(zhǔn)行為預(yù)估的基礎(chǔ)上能夠收斂到最優(yōu)策略。
《一種基于神經(jīng)網(wǎng)絡(luò)的alarm2vec告警壓縮算法》提出了一種基于神經(jīng)網(wǎng)絡(luò)的alarm2vec算法以及結(jié)合極大團(tuán)圖挖掘告警間的關(guān)聯(lián)規(guī)則，實際網(wǎng)絡(luò)告警數(shù)據(jù)實驗結(jié)果表明，該方法相對原始數(shù)據(jù)，可實現(xiàn)39.85%的告警壓縮率。
《基于深度強(qiáng)化學(xué)習(xí)的自動協(xié)商研究綜述》回顧自動協(xié)商框架和模后，系統(tǒng)闡述深度強(qiáng)化學(xué)習(xí)在自動協(xié)商任務(wù)中的應(yīng)用，包擴(kuò)經(jīng)典算法及模型，探討了未來深度強(qiáng)化學(xué)習(xí)與自動協(xié)商任務(wù)融合的前景和挑戰(zhàn)。
《基于強(qiáng)化學(xué)習(xí)的信道碰撞對抗研究》從現(xiàn)有防碰撞策略入手，提出了基于強(qiáng)化學(xué)習(xí)的自適應(yīng)信道干擾方法，對比已有典型方法，運用強(qiáng)化學(xué)習(xí)技術(shù)可以智能尋找到更低功耗與更高效能的智能干擾策略，并在高并發(fā)場景下驗證了該方法的有效性。
針對傳統(tǒng)基于數(shù)據(jù)的網(wǎng)絡(luò)故障診斷方法存在可解釋性差、應(yīng)用性低等問題，《基于知識圖譜的5G網(wǎng)絡(luò)故障分析方法》結(jié)合知識圖譜技術(shù)，提出了一種基于知識和數(shù)據(jù)雙驅(qū)動的網(wǎng)絡(luò)故障分析方法，通過本體構(gòu)建、知識抽取以及知識融合等步驟利用Neo4j圖數(shù)據(jù)庫搭建面向網(wǎng)絡(luò)故障診斷的知識圖譜，然后結(jié)合機(jī)器學(xué)習(xí)進(jìn)行智能化網(wǎng)絡(luò)故障診斷與分析，將網(wǎng)絡(luò)故障診斷問題拆分成不同子問題并匹配準(zhǔn)確度最高的機(jī)器學(xué)習(xí)算法，仿真結(jié)果表明該方法可以有效提高網(wǎng)絡(luò)故障診斷的準(zhǔn)確性。
針對無線移動網(wǎng)絡(luò)性能異常的診斷識別問題，《基于無監(jiān)督學(xué)習(xí)的無線網(wǎng)絡(luò)性能異常檢測方法》給出三類通用的檢測方法，分別為基于統(tǒng)計特征的異常檢測、基于密度的異常檢測以及基于聚類的異常檢測，并選取現(xiàn)網(wǎng)性能指標(biāo)數(shù)據(jù)，對三種算法進(jìn)行評估分析，證明基于聚類的異常檢測算法在對無線網(wǎng)絡(luò)診斷識別上效果最好。
綜上所述，本?？状稳轿坏卣故玖薃I與無線通信在物理層、新型網(wǎng)絡(luò)架構(gòu)、資源調(diào)度與管理維護(hù)等多方面的研究進(jìn)展。希望本?？軌?qū)V大讀者了解和研究AI和通信的融合提供有益的啟示、參考和借鑒，加速AI在6G中的應(yīng)用和突破。最后，感謝編輯部各位老師在征稿通知發(fā)布、論文評審與意見匯總、論文定稿、編輯修改及出版所付出的努力和汗水；感謝專題評審專家及時、耐心、細(xì)致的評審工作；衷心感謝各位作者的辛勤工作和精心撰稿!
猜你喜歡
湘潭大學(xué)自然科學(xué)學(xué)報(2022年2期)2022-07-28
載人航天(2021年5期)2021-11-20
火控雷達(dá)技術(shù)(2021年2期)2021-07-21
現(xiàn)代電子技術(shù)(2021年7期)2021-04-08
電子技術(shù)與軟件工程(2019年8期)2019-07-16
電子制作(2019年24期)2019-02-23
雷達(dá)與對抗(2018年3期)2018-10-12
北京航空航天大學(xué)學(xué)報(2017年3期)2017-11-23
中國新技術(shù)新產(chǎn)品(2017年9期)2017-04-13
中興通訊技術(shù)(2016年3期)2016-06-22
