探索 6G AI 本地空中接口
本文介绍了用于 5G 基站的智能代理,该代理结合了感知、学习、理解和优化的功能以促进实现大规模多输入多输出天线系统、毫米波通信和超密集网络的发展和部署。我们提出了一种灵活、快速部署、跨层次的基于人工智能的框架,以满足即将到来和未来对 5G 及其之外基础设施的需求。我们提供了一些基于人工智能的 5G 应用示例,以适应 5G 特定的重要能力,并讨论了人工智能在推动 5G 进化以及 5G 之外的进一步网络演进方面的价值。
Nov, 2018
本文介绍了一种将模型训练和推断能力嵌入到网络边缘的边缘人工智能技术,为 6G 提供了一种优化网络效率、效果、隐私和安全的解决方案,并提出了新的无线网络设计原则、面向服务的资源分配优化方法、端到端的架构以支持边缘人工智能。
Nov, 2021
这篇文章提出了一种基于人工智能的 6G 网络智能架构,用于实现知识发现、智能资源管理、自动网络调整和智能服务提供。作者还回顾和讨论了 AI 技术在 6G 网络中的应用,并详细阐述了如何利用 AI 技术有效地优化网络性能,包括 AI 支持的移动边缘计算、智能移动和切换管理以及智能频谱管理。另外,作者强调了重要的未来研究方向和 AI-enabled 6G 网络的潜在解决方案,包括算法鲁棒性、计算效率、硬件开发和能源管理等。
Dec, 2019
将人工智能(AI)和机器学习(ML)整合到空中接口中被视为下一代(NextG)蜂窝网络的关键技术之一。在空中接口中,多输入多输出(MIMO)及其变种,如多用户 MIMO(MU-MIMO)和巨大 / 全维 MIMO,在接连几代的蜂窝网络中成为关键的支持者,面对不断演进的复杂性和设计挑战。将 AI/ML 工具应用于解决 MIMO 中的这些挑战成为实现 AI 启用的 NextG 空中接口的关键步骤。在下一代空中接口中,底层的无线环境将极为动态,由 MIMO 操作(如 MU-MIMO 调度和等级 / 链接自适应)在次毫秒级别上进行操作调整。鉴于庞大的操作调整可能性,我们认为在线实时的基于 AI/ML 的方法具有潜在的前景。为此,我们概述了这类在线实时 AI/ML 基于解决方案设计中的固有挑战,并提供了关于这类解决方案在 MIMO 操作中的开发见解。随后,我们提出了一种基于在线实时 AI/ML 的 MIMO-OFDM 信道估计方法,作为在 NextG 中开发类似技术的潜在路线图。
Mar, 2024
本文介绍了未来 6G 无线通信及其网络架构的愿景,讨论了人工智能、太赫兹通信、光无线技术、自由空间光学网络、区块链、三维网络、量子通信、无人机、无小区通信、无线信息和能量传输集成、感知和通信集成、接入 - 回程网络集成、动态网络切片、全息波束成形和大数据分析等新兴技术,以保证 6G 体系相比 5G 具有更高的系统容量、更高的数据传输速率、更低的延迟和更好的服务质量。同时,我们还概述了实现这一目标的可能挑战和研究方向。
Sep, 2019
本文提出了一种基于联邦学习的网络架构,旨在通过分布式人工智能解决 6G 中的一些新挑战,包括应用 AI 于无线网络的困难,以及跨异构设备实现分布式 AI 的困难。
Apr, 2020
本篇综述了 6G 无线通信的要求、特征、重要技术、挑战和应用,介绍新技术发展及其在智能表面、THz、空地海一体化网络、无蜂窝大规模 MIMO 等方面的应用。同时,细述了其在传输速率、时延、全球覆盖面等方面的卓越表现,最后预测 AI、智慧医疗、智慧城市和智能制造等实际应用的实现。
Dec, 2020
这篇论文旨在通过对第五代移动通信网络的现状进行缺口分析,预测未来服务如全息界面、环境感知智能、人工智能的广泛引入,以及可见光通信和太赫兹技术的整合,来激励移向第六代移动通信网络
Jan, 2019