随着以机器学习为代表的人工智能技术的普及，无线通信与人工智能的结合愈发紧密。智能通信系统将在6G 网络中扮演至关重要的角色，为全覆盖、高速率、低延时的通信需求提供解决方案。
随着科学发展和人类认知的不断进步，事件的“不确定性”大概已经成为我们对世界的唯一确定性共识。例如，物理、生物等领域统计实验中的置信度要求，无线通信技术的统计性能评估，以及生产、生活中的概率分析，面向“不确定性”而引入的随机统计方法随处可见。无线通信系统的应用场景多样复杂、传播环境动态多变，对其中随机不确定性的理论建模与分析一直是无线通信设计的核心目标与挑战。
1948 年香农（Shannon）建立信息论，定义“信息量”和“熵”来量化任意随机事件中的确定性成分，并提出“信道容量”指标来衡量随机信道的极限能力。信息论中通过数学抽象与建模，显式地提取并处理随机信号与事物中的确定性成分的理论，为移动通信网络半个世纪以来的快速发展奠定了最坚实的理论基础。信息论已成为广大通信人心中一盏永恒的明灯。图灵（Turing）作为计算机以及人工智能领域的先驱，与香农相识，一起推动了人工智能的形成与发展。与信息论不同，包括深度学习在内的机器学习等人工智能方法，作为事件联合概率密度的一种学习估计器，绕过显式建模而通过数据学习方式隐式地提取随机数据中的确定性关系。虽然技术途径有别，但信息论与人工智能方法异曲同工，本质均是通过刻画不确定信号中的确定性成分来处理和分析随机事件。因此，引入人工智能方法隐式地处理无线通信系统中所面临的信号与环境的随机性问题，自然也是一种值得考虑的潜在思路。近年来，这一思路逐渐得到广泛关注。这既得益于人工智能深度学习方法所取得的突破性发展，也源于无线通信系统规模的迅速扩大和不断涌现的新无线应用对经典方法提出的挑战。
← 左右滑动查看 详细信息 →
《通信网络泛在智能设计》（许威等著. 北京 : 科学出版社, 2024. 9）聚焦智能通信研究领域，对无线通信网络空口资源配置和信号处理的泛在智能设计技术进行介绍。全书共7 章，内容包括现代无线通信系统与人工智能方法介绍、未来无线网络资源的智能优化、多维无线信道的自信息表征与智能处理、MIMO 收发机的智能学习、无线设备指纹的解耦表征学习与智能认证，以及无线边缘网络智能。第2~7 章均包括了人工智能方法理论、智能化设计方法、算法流程、实例仿真分析以及核心代码展示说明五个方面的内容。
▲ 基于解耦学习的射频指纹（RFF）提取学习框架（F-step）
作为采用人工智能方法解决无线通信设计问题的早期尝试之一，人工智能方法可以避免对通信中复杂非凸优化问题的显式数学求解，而实现高速并行计算的隐式求解。例如，观察无线资源优化配置问题中的系统参数输入与优化配置输出，将两者之间的求解关系看作符合某种联合概率密度函数关系的随机变量对，并通过经典机器学习方法或深度学习方法训练获得该联合概率密度函数。本书第3 章针对该思路举例讲解了一种具体设计方法。然而，随着基于人工智能深度学习的通信设计研究逐步深入，深度学习方法在通信应用中面临的训练数据不足、模型参数交互量大、通信场景泛化弱等挑战也逐步凸显。基于信息论的确定性建模方法能有效提炼通信场景共性，为人工智能方法的隐式方法设计提供具有理论支撑、泛化性强的先验信息。信息论与人工智能方法的高度融合，可以实现轻量化、小样本支撑的智能通信设计，获得在多变无线应用场景下的泛化能力与普适性。本书第4∼6 章则分别从无线信道信息量化、多天线收发机设计、无线射频指纹认证三个方面举例介绍了融合信息论模型先验的泛在智能通信设计方法。当然，无线通信领域中面向信息论与人工智能融合交叉的研究尚在起步阶段，相关研究内容也远不限于本书所述。
作者简介
许威
东南大学青年首席教授，博士生导师，IEEE 高级会员，IET Fellow。2003年、2006年和2009年分别在东南大学获得学士、硕士和博士学位。曾在加拿大维多利亚大学从事博士后研究工作。研究方向包括MIMO与智能通信、通信-计算-感知融合理论方法、信息理论及应用等。主持国家重点研发计划项目、国家自然科学基金优秀青年科学基金项目、国家自然科学基金专项项目和面上项目等。在IEEE期刊上发表论文150余篇，被引用10000余次，多篇论文入选ESI高被引论文和热点论文。获国际发明专利授权5项，国家发明专利授权30余项。成果获江苏省科学技术奖一等奖、中国通信学会青年科技奖、IEEE ComSoc Heinrich Hertz Award、英国皇家工程院杰出访问学者奖等荣誉。
徐锦丹
新加坡南洋理工大学博士后研究员。分别于2015年和2020年在东南大学获得学士和博士学位。曾任华为技术有限公司算法高级工程师，新加坡技术与设计大学博士后研究员。长期从事无线通信、人工智能等领域的科学研究工作。
杨照辉
浙江大学百人计划研究员，博士生导师。2014年和2018年在东南大学获得学士学位和博士学位。曾在伦敦大学学院和伦敦大学国王学院从事博士后研究。主攻分布式AI、通信感知计算等领域。获IEEE马可尼论文奖、凯瑟琳约翰逊青年作者论文奖；入选爱思唯尔高被引学者，全球前2%顶尖科学家，AI2000人工智能全球最具影响力学者。
谢仁杰
南京邮电大学讲师。2015年、2018年和2023年分别在华南农业大学、华南理工大学以及东南大学获得学士、硕士和博士学位。在机器学习、信息安全和无线通信领域的国际顶级会议和期刊发表论文，研究方向包括生成模型、表征学习以及物理层安全。
本书中涉及内容主要是作者课题组近十年来在智能通信方向研究的代表性成果汇总介绍，这些研究大多属于浅层尝试，尚未能真正探及信息论与人工智能融合的核心与本质。作者认为，仅从无线通信网络模型与深度学习网络模型这两者所关注问题的对偶性考虑，仍有许多基础理论和原理尚未明晰。本书旨在帮助对智能通信感兴趣的广大读者快速入门，以期抛砖引玉。
本书写作过程中得到了来自同行专家学者们的支持与鼓励，在此表示衷心的感谢。书中内容主要源于作者课题组所积累的相关研究成果，参与本书主要内容整理的其他贡献人员为（按姓名汉语拼音顺序列出）：范苏航、顾润、霍浩淼、刘丹、陆海亮、钱玉蓉、时伟、王碧琦、魏楷、姚嘉铖、易晨扬、殷梓清、禹树文、岳伊扬、张少卿。此外，陆超、朱书含、孙玉垚等同学也对书中部分章节内容有所贡献。本书写作过程中还得到了东南大学、紫金山实验室的支持。
本文摘编自《通信网络泛在智能设计》（许威等著. 北京 : 科学出版社, 2024. 9）一书“前言”，有删减修改，标题为编者所加。
随着以机器学习为代表的人工智能技术的普及，无线通信与人工智能的结合愈发紧密。智能通信系统将在6G 网络中扮演至关重要的角色，为全覆盖、高速率、低延时的通信需求提供解决方案。本书聚焦智能通信研究领域，对无线通信网络空口资源配置和信号处理的泛在智能设计技术进行介绍。全书共7 章，内容包括现代无线通信系统与人工智能方法介绍、未来无线网络资源的智能优化、多维无线信道的自信息表征与智能处理、MIMO 收发机的智能学习、无线设备指纹的解耦表征学习与智能认证，以及无线边缘网络智能。第2~7 章均包括了人工智能方法理论、智能化设计方法、算法流程、实例仿真分析以及核心代码(扫描二维码下载)展示说明五个方面的内容。
（本文编辑：刘四旦）
一起阅读科学!
科学出版社│微信ID：sciencepress-cspm
专业品质 学术价值
原创好读 科学品位
科学出版社 视频号
硬核有料 视听科学
