物理层AI关键技术研究推理

今日，由中国移动研究院主办的遇见未来mdash，mdash，6G协同创新成果发布会在北京召开，发布了中国移动研究院在6G方面的阶段性成果中国移动研究院主任研究员韩双锋对《6G物理层AI关键技术白皮书》进行解读

物理层引入AI的必要性

什么是物理层AI韩双锋介绍，物理层AI是接入网AI的一部分，包括物理层模块功能增强和物理层链路联合设计两种思路，主要步骤包括:物理层的数据采集，AI模型的选择，训练，以及推理

众所周知，经过几十年的发展，传统的通信链路中的信源编解码，信道编解码，调制解调，波形多址，MIMO等多个模块已经有了非常坚实的通信理论基础但是，在现有的通信系统中为什么还要引入AI

韩双锋表示，主要是因为无线通信系统中存在大量传统方法难以精确建模或者高效率求解的技术问题，引入AI可以更好地把握复杂环境下无线信道的特征以及复杂数学问题的求解，从而提升物理层的性能。

韩双锋介绍，在《6G物理层AI关键技术白皮书》中，深入分析了基于AI的收发机链路设计，倡导基于数据和模型双驱动的设计理念，这样可以显著减少训练所需的开销，此外还具有更好的泛化性。

网络中有了物理层AI 能力后，还要有创新的网络架构，接口和信令流程的支持，才能发挥AI的最大能力为此，中国移动研究院提出了实时AI空口的理念:物理层AI的输出信息直接输入基站调度器，可以实现更智能的业务和资源调度

韩双锋指出，其实从整个系统层面看，网络中的AI功能是分布式的，接入网，核心网，网管，以及终端的AI功能互相配合，联合优化系统性能。

物理层AI关键技术研究

大规模MIMO是5G 的一项核心技术，但是天线数目上升带来了新问题，尤其是信道估计和反馈的开销快速增加，信道估计和预测的精度有待提升，应用AI技术， 有望解决上市一系列问题。

白皮书系统分析了基于AI的大规模天线系统中的信道压缩，估计和预测的主要设计理念和技术不过，上述非常有潜力的技术存在一些问题，主要的挑战是训练数据集和实际信道的差异难以有效把控，AI算法的泛化性不足导致系统性能的下降

韩双锋表示，MIMO技术的标准化已持续多年，3GPP MIMO码本已经利用了信道的空域和频域稀疏性来达到降低开销的目的，但是仍然有很多方面需要进一步提升。

在一些场景中，变换域的信道比时频域信道具有更低的反馈开销 ，现有码本主要基于均匀天线阵列来设计，对一些特殊的天线形态还没有灵活的优化设计，FDD系统上下行信道的部分互易性并没有很好的体现在码本设计理念中，不同用户之间信道的相关性也可以用来进一步降低系统的整体反馈开销，目前也没有体现在码本设计中。

针对这些需要提升的方面，中国移动提出了基于AI的演进思路韩双锋表示:我们希望可以借助于AI的能力，在以上几个方面优化设计，最大化MIMO的性能

与此同时，无线AI算法的评估准则，数据集与泛化性等问题是紧密耦合的，关系复杂，需要联合优化设计例如在某个应用场景中，在一定的评估准则下，既需要设计科学的数据集，高效率的算法，同时还要兼顾泛化性要求，难度非常大

为此白皮书提出了物理层AI的评估准则和典型评估指标，包括性能相关的指标，开销相关的指标，以及物理层AI数据集的构建准则，还提出了提升AI算法泛化性的思路此外，白皮书还倡导了评估所用的AI模型需要充分公开透明，包括模型结构与参数，便于完整复现方案的评估结果

未来研究与标准化展望

韩双锋表示，经过近几年的快速发展，物理层AI技术，尤其是部分通信模块功能增强方面有了长足的进步，涌现了诸多优秀的算法展望未来，在相关研究和标准化方面仍然有很多艰巨的挑战

展望未来的研究方向，包括绿色AI技术，基于AI的链路联合设计，基于AI的自演进通信标准，量子加速的AI算法等。

未来标准化方向，包括业界要努力构建智能与开放的无线网络，逐步实现基于AI的RAN架构，开放的AI算法，运营商可管控的智能调度，协议功能 原子化可编排，以及空口AI技术逐步自演进。

~全文结束~

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。