Mar, 2024
无线速度的学习：面向下一代的 AI-Enabled MIMO 的在线实时学习
Learning at the Speed of Wireless: Online Real-Time Learning for AI-Enabled MIMO in NextG
Jiarui Xu, Shashank Jere, Yifei Song, Yi-Hung Kao, Lizhong Zheng...
TL;DR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。