IMT-2030（6G）推进组：无线人工智能（AI）技术研究报告.pdfVIP

目 录 第一章 引言 1 第二章 基于AI/ML 的物理层技术 2 2.1 基于AI/ML 的无线环境建模与感知 2 2.2 基于AI 的信道估计、预测及反馈 4 2.2.1 信道状态信息估计 5 2.2.2 信道状态信息预测 12 2.2.3 信道状态信息反馈 15 2.2.4 导频、信道估计、信道反馈、预编码联合设计 20 2.3 AI 使能的端到端设计 22 2.4 基于AI/ML 的信道编译码技术 24 2.4.1 基于DNN 的编译码算法 25 2.4.2 基于CNN 的译码算法 27 2.4.3 基于LSTM 网络的译码算法 28 2.4.4 基于对抗生成网络译码算法 29 2.5 基于AI/ML 的调制与波形技术 30 2.6 基于AI/ML 的信源信道联合编码技术 31 2.7 基于AI 的OFDM 接收机设计 33 2.8 基于AI 的多天线收发技术 35 2.8.1 基于AI 的MIMO 检测 35 2.8.2 单用户毫米波MIMO 混合预编码 37 2.8.3 多用户毫米波MIMO 混合预编码 39 2.8.4 移动自适应协同波束成形 41 2.8.5 基于AI/ML 的波束漂移抑制技术 43 2.8.6 基于AI/ML 的波束跟踪技术 44 2.9 基于AI 的多用户接入技术 45 2.10 基于AI 的活跃用户检测 46 2.11 基于AI 的定位技术 49 第三章 基于AI/ML 的链路层技术 51 3.1 基于AI 的功率分配 51 3.2 基于AI 的信道分配 52 3.3 基于AI 的接入控制 53 3.4 基于AI 的链路调度 54 3.5 基于智能体(smart agent)的无线资源调度 54 第四章 基于AI 的网络上层技术 58 4.1 基于AI 的无线网络架构 58 4.2 基于AI 的传输层拥塞控制技术 61 4.3 基于AI 的业务速率控制 63 4.4 基于AI 的需求预测与缓存技术 65 4.5 基于AI 的无线分布式计算 71 第五章 基于AI 的语义通信 77 5.1 基于AI 的语义通信系统架构 77 第六章 无线AI 研究数据集 79 I 6.1 无线AI 研究数据收集和利用 79 6.2 无线AI 研究数据集的共建共享 80 6.3 无线AI 伦理规范及隐私保护 82 第七章 产业化前景分析与总结 85 7.1 AI 赋能无线技术的潜能及优势 85 7.2 AI 赋能无线技术的产品成熟度 86 7.3 AI 赋能无线技术的标准化和产业化影响 87 参考文献 88 附录：缩略词表97 贡献单位 100 II 图目录 图2-1 无线通信链路 2 图2-2 基于CNN 和LSTM 的无线信道建模与预测 3 图2-3 基于seq-to-seq 模型的信道预测器 3 图2-4 多维信道嵌入 4 图2-5 系统框架图 6 图2-6 DL 和传统算法的比较 6 图2-7 接收端示意图 7 图2-8 LDAMP 网络每一层的结构 7 图2-9 LDAMP 和其他方法的NMSE 比较 8 图2-10 目标小区与干扰小区中用户的DOA 分布图 8 图2-11 不同SNR 下各方法MSE 性能对比 9 图2-12 复合神经网络的结构 9 图2-13 复合神经网络仿真结果 10 图2-14 估计网络模型SRCNN 及DNCNN 结构