无线网络智算融合需求及技术研究
李福昌，李露，高谦
（中国联合网络通信有限公司研究院，北京 100048）
【摘 要】无线网络储备了大量优质算力，并具有站点多、分布广、移动连接覆盖广泛的特点，是理想的边缘算力环境。如何基于无线网络的连接优势，深度发掘和利用无线网络广泛存在的优质算力，为多样化业务应用提供高性能算力、低时延网络、智能化业务保障的服务能力，拓展算力网络相关技术理念到无线侧，是无线接入网重要研究方向。根据无线算力网络与移动通信网络融合的不同发展阶段，提出无线算力网络架构演进路径，并对5G-A/6G无线算力网络需求场景和关键技术进行了深入研究，为构建通信与计算深度融合的无线算力网络提供研究基础及建议。
【关键词】无线网络；智算融合；算力
6G智能内生无线通信网络：现状、挑战、系统设计和架构
谢雨良，田雨晴，张朝阳
（浙江大学，浙江 杭州 310013）
【摘 要】移动通信系统已经成为支持各领域信息传输需求的基础设施，而6G的功能预计将超越简单的数据传输。6G智能内生无线通信网络具有提供智能包容性的潜在能力，可以让任何终端用户随时随地获得人工智能服务。现有的分布式人工智能架构中，执行算法的终端间相对独立，无法为整个无线通信提供内生智能系统性功能。针对这一问题提出了一个能够为6G提供智能内生功能的基本系统框架，使6G网络可以更好地实现高性能安全计算和通信，构建一个智能体可相互合作的生态架构。首先简述了无线通信网络的发展背景和现状，然后从数据、智能和网络的维度讨论了实现6G智能内生架构的挑战，最后提出了一个基本的6G智能网络的系统架，包括了网络层、数据层、智能层和应用层四层结构。
【关键词】6G网络；智能内生；智能无线通信网络；智能包容性；一切皆服务；智能网络架构
6G与AI融合：对外AI和对内AI
姜大洁，孙布勒，周通，袁雁南，孙伟，康艳超，秦飞
（维沃移动通信有限公司，北京 100015）
【摘 要】国际电信联盟（ITU）发布的《IMT面向2030及未来发展的框架和总体目标建议书》将AI和通信场景定义为6G的六大场景之一，同时将无所不在的智能作为6G系统的设计原则之一。从6G与AI融合包含的两大方面，即对内AI和对外AI的用例谈起，重点阐述对外AI的两类指标定义方法、对外AI的技术路线、对内AI的设计原则、对外AI和对内AI的逻辑关系以及二者如何融合设计等，最后给出了结论。
【关键词】6G与AI融合；AI和通信；对外AI；对内AI；IMT-2030
AI赋能6G：绿色通信的未来
林奕森，甘德樵，葛晓虎
（华中科技大学电子信息与通信学院，湖北 武汉 430074）
【摘 要】在移动通信网络日益激增的能耗挑战下，可持续性绿色发展被认为是6G的重要研究方向。AI通过实时收集、预测用户需求与通信资源，调整通信策略以助力绿色通信网络的建设。首先阐述了6G的架构与特点，明确了AI在绿色通信中的关键作用。其次，总结分析了AI在绿色通信中的技术应用，包括了智能功率分配、智能基站节能技术、分布式AI节能技术与生成式AI赋能技术。之后，讨论了通信能耗与AI算法能耗、用户服务质量之间的权衡关系。最后对AI在绿色通信应用下的趋势与应用前景进行了探讨与展望，为AI绿色通信技术的发展提供了新的思路。
【关键词】6G；绿色通信；人工智能
6G物理层AI赋能技术的思考
李阳1，崔厚虓1，蔡晓雄2，李然2，李昊2，徐明枫1
（1.中国信息通信研究院，北京 100191；
2.中国铁塔股份有限公司，北京 100089）
【摘 要】移动通信与AI融合是6G最重要场景和特征之一，6G是运行AI应用的坚实信息底座，AI作为一种赋能技术能够必将激发6G新活力。深度神经网络对数据的非线性映射能力能够对通信链路模块实现联合优化，重构传统物理层设计，提升6G网络的性能和效率。首先介绍了6G的架构与特点，并简单介绍了基于AI的信道估计算法、基于AI的解调算法以及基于AI的智能收发机。然后以基于AI的解调制技术为例，搭建原型样机进行技术验证。最后展望了AI技术对物理层设计的赋能。
【关键词】6G；人工智能；解调制
6G网络中面向AI大模型的联邦学习与协同部署技术综述
田辉1，倪万里2，聂高峰1，孙浩峰1，敖会清1
（1.北京邮电大学网络与交换技术全国重点实验室，北京 100876；
2.清华大学电子工程系，北京 100084）
【摘 要】随着6G网络的逐步推进和AI技术的迅猛发展，AI模型在无线网络中的应用日益广泛。综述了6G网络中面向AI大模型的无线联邦学习与协同部署技术发展现状与挑战。首先，对比了AI大模型与基础模型的区别，并介绍了不同的联邦学习范式。接着，概述了AI大模型在无线网络中的几种高效联邦微调方案，包括低秩自适应、模型分割、用户分簇和跨组织协作微调等。然后，阐述了AI大模型在无线网络中的多种部署方案，包括基于模型压缩的轻量化部署、分布式横向协同模型部署、云边端纵向协同模型部署等。最后，讨论了在6G网络中应用AI大模型面临的挑战与机遇。
【关键词】6G网络；AI大模型；联邦学习；协同部署
AI与6G网络融合研究与挑战分析
孙万飞1,2,3,4，左君1,2,3，徐晖1,2,3，索士强1,2,3，王可1,2,3
（1.中信科移动通信技术股份有限公司，北京 100083；
2.无线移动通信国家重点实验室，电信科学技术研究院，北京 100191；
3.大唐移动通信设备有限公司，北京 100083；
4.北京航空航天大学，北京 100191）
【摘 要】简要介绍了3GPP涉及的AI研究项目，及国内外6G研究中AI与6G网络融合的方式与现状。作为6G AI潜在的重要场景，分析了大模型应用的发展历程，讨论了应用的大模型部署不同位置及与终端不同交互方式下6G网络面临的挑战，最后总结了6G网络部署应用大模型所具有的优势。
【关键词】AI；6G网络；融合；大模型；6G AI
面向6G频谱空间认知的用频规律智能识别方法
姚昌华1，张军2，曹洪森3，李洋1，祁博宇1
（1.南京信息工程大学电子与信息工程学院，江苏 南京 210044；
2.南京信息工程大学天长研究院，安徽 天长 239300；
3.安徽建筑大学电子与信息工程学院，安徽 合肥 230009）
【摘 要】面对6G频谱空间高效利用需求下动态频谱接入用户对电磁环境辐射源用频规律认知的需求，研究基于深度学习的辐射源用频行为智能识别方法。首先，提出了一种基于深度学习的浅层阈值去噪方法，克服噪声对浅层特征的影响以及非线性传播导致的对深层特征的进一步影响；然后，提出了一种基于卷积块注意力机制的用频行为识别模型，以增强对用频行为特征关键信息的关注，进一步提升识别性能。仿真结果表明，所提方法有效提升了辐射源用频规律识别的准确率和鲁棒性。
【关键词】6G；频谱认知；干扰识别；深度学习
基于超分辨率网络的级联信道估计方法
童伟强1，刘辰尧1，许文俊1,2
（1.北京邮电大学网络与交换技术全国重点实验室，北京 100876；
2.鹏城实验室，广东 深圳 518066）
【摘 要】为了提高无线通信系统中级联信道估计的精度和稳定性，提出一种新颖的级联信道估计方法，融合了压缩感知模型和深度学习技术。具体地，将信道估计问题转化为角度域上稀疏信号恢复问题，进一步设计了基于超分辨率网络的角度估计模块，结合多尺度注意力机制，提高相关矩阵的分辨率，获得精细的角度估计结果。最后逐径估计幅度，完成信道重建。仿真表明，所提算法在估计精度方面优于基准算法，导频数目较少时依旧表现出良好性能。
【关键词】智能反射面；信道估计；超分辨率；多尺度注意力
AI使能的信道知识地图高效构建与应用
吴迪1，曾勇1,2
（1.东南大学移动通信全国重点实验室, 江苏 南京 210096；
2.紫金山实验室，江苏 南京 211111）
【摘 要】6G对通信速率、连接密度、延迟等关键性能指标提出了更高的要求。与此同时，6G系统更强大的感知定位能力以及智能化发展使得智能驱动的环境认知通信成为可能。探讨了信道知识地图与AI结合的基本概念、融合机理与方法。一方面，信道知识地图作为实现环境认知通信的重要技术，能够学习以收发机位置或虚拟位置为索引的信道知识，从而提前获取部分信道环境先验信息。另一方面，AI日益广泛的应用，使得通信系统能够从复杂的物理环境和位置信息中提取关键特征，并学习环境特征与信道特性之间的映射关系，从而有效提升系统的环境认知能力。因此，信道知识地图与AI的深度融合有望带来6G环境认知通信的新范式，极大提升通信与感知性能。此外，全面综述了AI使能信道知识地图的构建与应用，并对比了各融合方式之间的优势和劣势，展望了AI与信道知识地图融合的未来发展方向与潜力。
【关键词】6G；信道知识地图；人工智能；环境认知通信
基于生成式AI的6G数字孪生网络资源管控
管婉青，张海君
（北京科技大学，北京 100083）
【摘 要】构建6G网络的数字孪生体有助于实现零接触、自主化的无线网络管理，将具有内容创造能力的生成式人工智能技术引入数字孪生网络资源管控，可以高效应对6G应用场景的多样性和6G用户需求的个性化。首先，分析了生成式人工智能在无线网络中的发展现状以及6G数字孪生网络面临的关键挑战，给出了跨域联邦6G数字孪生网络的部署方案。其次，提出了基于生成式人工智能的数字孪生网络资源管理架构，并从孪生网络结构可视化、无线资源管理和孪生业务实现三个方面给出了智能应用案例。最后，展望了未来研究方向。
【关键词】6G网络；数字孪生；生成式人工智能；资源管控
基于复数向量余弦相似度KNN和深度度量学习的
高精度无源室内定位
何之源1，张志本2，沈琼霞2，巩江超1，王德胜1
（1.华中科技大学，湖北 武汉 430074；
2.烽火通信科技股份有限公司，湖北 武汉 430205）
【摘 要】AI及深度学习的发展为未来6G实现高精度室内定位系统提供了新思路。通过分析CSI数据的物理特性，提出了一种基于复数向量余弦相似度的改进KNN算法，显著提升了无源定位的性能。进一步地，采用度量学习方法，设计了Structured Embedding Loss损失函数，并引入Softmax Structure Loss优化神经网络模型，实现了端到端的高效训练和推理。实验结果表明，这些创新方法显著提高了无源定位的精度和鲁棒性，定位准确率和Macro-F1评分分别达到99.15%和99.1%，为无源定位、无线信号处理等领域提供了新的研究视角和技术路径。
【关键词】深度学习；度量学习；无源定位；信道状态信息；机器学习
☞基于复数向量余弦相似度KNN和深度度量学习的高精度无源室内定位
基于深度强化学习的多RIS辅助干扰信道传输方法
侯懿圃，郭为秀，李全鹏，张胜利，陈帝，陆杨
（北京交通大学计算机科学与技术学院，北京 100044）
【摘 要】无线覆盖扩展是6G的核心任务。RIS作为新兴智能无线环境技术，可以有效缓解障碍物对高频信号传播的影响。然而，RIS通信系统也面临信道估计困难和资源优化复杂的挑战。为此，研究面向多RIS辅助干扰信道系统的能量效率最大化问题。为降低信道估计频次，考虑信道统计信息；为求解所提出问题，采用深度强化学习方法。将所考虑问题建模为MDP，并提出混合最大合并比和破零方法设计动作空间；在此基础上，基于近端策略优化算法训练智能体求解MDP。实验结果展示了所提出方法在不同信噪比下的收敛情况与适应能力。
【关键词】智能超表面；干扰信道；能量效率；深度强化学习
基于独立采样的6G无线异构联邦学习优化方法
耿嘉翔1，李博宇1，侯延昭1,2，崔琪楣1,2，陶小峰1,2
（1.北京邮电大学，北京 100876；
2.鹏城实验室，广东 深圳 518055）
【摘 要】联邦学习作为新兴的分布式机器学习框架，能够为6G网络提供高效、安全的分布式数据资源使用方案。旨在研究最小化无线异构联邦学习系统的收敛挂钟时间。首先，给出了独立采样下联邦学习的收敛界限；进一步，提出带宽自适应分配方法以解决“掉队者”问题；最后，构建并求解最小化系统总挂钟时间的优化问题，得到最优采样概率。实验结果表明，该方法显著减少了联邦学习的收敛挂钟时间，验证了其实用性和优越性。
【关键词】联邦学习；客户端采样；无线异构网络
面向专网的信息能源协同关键技术研究
席思雨，董江波，马力鹏，王文硕，韩同欢，孙伟，齐航
（中国移动通信集团设计院有限公司，北京 100080）
【摘 要】随着双碳战略的落地，移动网络方案不仅要实现依据业务变化的特点进行网络方案的制定与优化，也需要结合能耗与业务需求多种目标，进行精准规划及优化，从而在提升网络建设投资精准度的同时实现绿色低碳网络，因此提出了一种基于NP-MAPPO算法的端网协同优化方案，通过同时降低组网环境中基站及终端的能耗实现绿色组网方案，根据得到的奖励值收敛曲线，所提算法相较于IPPO及MADDPG能探索到更高的奖励值，相较于MAPPO能更快地达到收敛。
【关键词】信息能源协同；端网协同；NP-MAPPO；绿色组网
面向6G AI内生的星地融合组网研究
戴翠琴，吴旭帆，程白凡，杜涛
（重庆邮电大学通信与信息工程学院，重庆 400065）
【摘 要】通过卫星通信、人工智能、地面网络三者的有机融合，面向6G智慧内生的星地融合网络能够达到更广的网络覆盖、更智能的网络连接和更高质量的通信服务。作为提升6G组网能力的重要手段之一，面向智慧内生的星载核心网不仅能够提高数据处理效率以满足多元用户需求，还能够有效减少星地间交互产生的信令开销。首先，在总结面向5G星地融合网络特点的基础上，分析一种5G广泛使用的外挂式网元赋能方案；接着，针对6G网络智简化、架构轻量化的组网需求，对比三种星载核心网架构，描述以任务为中心的星载核心网；最后，总结面向6G智慧内生星地融合网络的组网技术、存在的挑战以及未来发展方向。
【关键词】星地融合网络；智慧内生；星载核心网；任务为中心
6G与XAI的融合
王思野1，高荦雨1，赵中原2，赵雪莹1，徐文波1
（1.北京邮电大学人工智能学院，北京 100876；
2.北京邮电大学信息与通信工程学院，北京 100876）
【摘 要】在未来6G网络的发展中，AI被视为关键驱动力，然而其“黑箱”性质与传统通信系统的强可解释性形成了明显冲突。通过分析AI在通信领域中的应用以及AI系统可解释性的重要性，深入探讨引入可提供透明度和可解释性的XAI技术的必要性和可行性。涵盖智能感知层的数据收集、数据挖掘层的特征工程、智能控制层的资源分配和网络管理决策，以及智能应用层的用户交互和AI决策解释。XAI技术有望显著提高6G网络智能化应用的透明度和可解释性，但其实现和应用仍面临多样性和复杂性挑战。未来研究需进一步探索XAI的潜力，特别是在通信领域的深层应用方法，使得人工智能落地应用与通信系统形成“强强耦合”，进一步促进通信系统的全面智能化发展。
【关键词】6G；AI；XAI
相关链接
《移动通信》投稿方式为在线投稿
请您登录网页投稿系统
链接地址：http://ydtx.cbpt.cnki.net
