在通信网络的背景下，数字孪生技术提供了一种复制无线电频率（RF）传播环境和系统行为的方法，从而实现基于仿真的已部署系统性能优化的方式。我们提出了一个实用的数字孪生创建流程和一个仅依赖单个安装摄像头和位置信息的通道模拟器，通过使用 DeepSense6G 挑战的真实世界数据集，在波束获取的下游子任务上展示了与不明确建模 3D 环境的方法相比的性能优势。

Jan, 2024

本文基于数字化的环境 3D 模拟，研究了 6G 系统中的 MIMO 信道和光束选择，并讨论了射线跟踪生成信道时速度和准确性的权衡。

Apr, 2022

VH-Twin 是一个基于时间序列数据驱动的框架，通过竖直同构和水平同构阶段，以及基于地理和无线特性的网络区域的周期性聚类机制，有效地将无线网络映射到数字现实中。通过使用实际的无线网络流量数据，在细胞无线网络中进行综合实验，验证了 VH-Twin 构建、部署和维护网络数字孪生的有效性。参数分析还提供了在规模上在孪生效率和模型准确性之间取得平衡的见解。

Apr, 2024

数字孪生通过同步数字复制品实现物理实体的仿真、评估和优化，在复杂的无线网络中作为一项有前景的技术引起了越来越多的关注。本文讨论了在 6G 时代中，考虑到复杂的网络架构、巨大的网络规模、广泛的覆盖范围和多样化的应用场景，对无线网络数字孪生的新要求，并进一步探讨了生成式人工智能，如变压器和扩散模型等在多个方面强化 6G 数字孪生的应用，包括实施、物理 - 数字同步和切片能力。随后，我们提出了一个基于分层生成式人工智能的无线网络数字孪生，包括消息层和策略层，并通过数值结果提供了一个典型的应用案例来验证其有效性和效率。最后，我们讨论了 6G 时代无线网络数字孪生的开放性研究问题。

Nov, 2023

本文介绍了一个无限的，无线的元宇宙的整体愿景，将元宇宙分解为七个不同的世界和体验，包括物理，数字和虚拟世界，以及网络体验，扩展现实，现场和平行体验，并探讨了为建立支持这些体验和互动的元宇宙准备就绪的网络必须解决的无线，计算和人工智能挑战。

Apr, 2023

使用数字孪生技术对第六代（6G）无线系统进行虚拟建模和优化，使其适于物联网（IoE）应用；同时，本文还提供了基于边缘孪生、云孪生和边缘 - 云孪生的体系结构组件和趋势描述，进行比较并为未来研究方向提供指导。

Feb, 2021

提出了一种基于多模态机器学习的方法，利用无线通信环境中收集到的位置和视觉数据快速预测光束方向，实现了超过 75％ 的准确度和近乎 100％ 的前 3 名光束预测准确度。

Nov, 2021

该研究探讨了数字孪生（DT）在提升密集人口城区中的网络性能方面的潜力，具体关注车辆网络。研究包括两个阶段，第一阶段利用交通数据和人工智能聚类来确定关键位置，尤其是在事故率高的拥挤城区。第二阶段评估了通过三种部署场景对车辆网络进行孪生的优势：基于边缘的孪生、基于云的孪生和混合孪生。我们的分析表明，孪生显著减少了网络延迟，虚拟孪生优于物理网络。虚拟孪生即使在车辆密度增加的情况下，如 300 辆车的情况下，仍保持较低的延迟，例如 15.05 秒。此外，在某些情境中，云孪生的计算速度较快，是边缘孪生的 1.7 倍。这些发现为高效车辆通信提供了见解，并强调在做出部署决策时考虑现实因素的重要性。

Feb, 2024

本文研究如何为无线移动用户提供超可靠、节能的虚拟现实（VR）体验，以配合协同多点传输技术和毫米波通信增强无线 VR 体验。此外，本文将无线 VR 体验增强问题制定为一个与序列相关的混合整数问题，并提出了一种基于深度强化学习 (DRL) 的优化算法来解决该问题。与各种基准算法相比，仿真结果表明，该算法比基准算法更节能（达到 4.14%）。

Jun, 2021

CAVIAR 是一种模块化的共模拟方法，用于支持数字孪生系统的虚拟对应物，并使用不同的与 6G 相关的模拟器评估 6G 应用，主要关注了使用开源解决方案模拟救援任务的性能和资源使用数据。

Jan, 2024