《移动通信》2023年第6期论文：基于AI的无线通信技术专题客座主编简介

《移动通信》2023年第6期论文链接

本期专题：基于AI的无线通信技术

专题客座主编简介

金 石

东南大学信息科学与工程学院教授、博士生导师，国家级高层次人才，主要从事宽带无线通信、智能通信与信号处理等方面的教学与科研工作，曾获2014年与2022年江苏省科学技术奖一等奖、IEEE通信学会莱斯奖等。

李 潇

东南大学信息科学与工程学院教授、博士生导师，国家级高层次青年人才，主要从事宽带无线通信、智能通信等方面的教学与科研工作，曾获2014年与2022年江苏省科学技术奖一等奖、2013年全国百篇优秀博士学位论文。

主编观点

未来的6G网络将迎来多样化的应用场景和极致性能需求。为支持6G愿景的实现，业界提出了6G网络“内生智能”的特征构想，将AI和大数据的应用融入网络的基因当中，形成端到端的体系架构，根据不同的应用场景需求，按需提供AI能力和服务。同时，6G网络还将通过内生的AI功能、协议和信令流程，实现AI能力的全面渗透，驱动智慧网络向前演进，实现“网络无所不达，算力无处不在，智能无所不及”的发展愿景。为此，国内诸多单位都开展了基于AI的无线通信相关研究工作。

为促进基于AI的无线通信技术的研究，推动AI与无线通信的融合，本专题收录了来自高校、研究机构、运营商与设备制造商的19篇文章，汇集了从事智能通信研究的专家和团队的最新研究成果，包括内生AI内涵、潜在关键技术、新型网络架构、整体技术框架、端到端功能部署等，并探讨了内生AI与计算、通信和数字孪生等领域的深度融合。希望专题的推出能够提供一个全方位的展示平台，助力基于AI的无线通信技术的创新研究，推动这一前沿方向的持续发展，促进其在未来网络中的高质量应用。

——东南大学教授 金 石

东南大学教授 李 潇

目录 | 2023年第6期 专题：基于AI的无线通信技术

01

AI赋能的智能超表面辅助通信的波束预测

张建华1，张振1，张宇翔1，袁弋非2

（1.北京邮电大学网络与交换技术国家重点实验室，北京 ；

2.中国移动研究院，北京 ）

【摘 要】在RIS辅助的通信系统中，如何高效获取信道信息来确定最优交互矢量成为了系统面临的难题，尤其当发射机也配有大规模天线阵列时。采用深度学习技术，实现了初始时隙的群体最优天线选择和后续时隙的个体最优天线选择机制。所建议的联合波束预测方法能够将发射机和RIS的天线选择模式，以及联合波束预测网络三方进行联合优化。仿真结果表明，该方法能够通过较少的部分CSI实现高精度的联合波束预测。

【关键词】智能超表面；深度学习；天线选择；波束预测

☞AI赋能的智能超表面辅助通信的波束预测

02

面向数字孪生的智能无线通信抗干扰技术

肖亮，陈顺，王烁华，吕泽芳，杨和林

（厦门大学信息学院，福建 厦门 ）

【摘 要】数字孪生业务的差异化需求，要求孪生层能够快速可靠地获取物理系统的网络状态和终端设备的感知信息等数据，且具备防御敌意干扰和通信干扰的能力。智能无线通信抗干扰技术采用强化学习优化发射功率和信道选择等通信策略，提升抗干扰性能。然而，目前大多方法假设能够及时准确地获取通信质量反馈和具备良好的干扰估计能力，在数字孪生业务中依然面临抗干扰优化速度慢和承载业务差异化需求难以满足的问题。因此，提出了一种面向数字孪生的智能无线通信抗干扰方案，挖掘干扰特征以及数字孪生业务的服务质量需求，引入关于时延的安全约束并设计效益评估方法，优化终端设备的通信抗干扰策略。在基于传感手套和机械臂的数字孪生手势重建系统中，实验验证了所提方案与现有智能通信抗干扰方案相比，降低了时延和通信能耗，提高了手势重建成功率。

【关键词】数字孪生；无线通信；敌意干扰；强化学习

☞面向数字孪生的智能无线通信抗干扰技术

03

无线网络知识赋能内生智慧架构探索

何世文

（中南大学计算机学院，湖南 长沙 ）

【摘 要】随着无线通信网络的日益复杂，内生智能成为无线通信发展的必然趋势，无线数据是实现无线通信内生智能的基石。然而，理解无线通信网络内、外生因素间的关联关系存在语义鸿沟。为了探索数据-知识-模型-通算一体的无线网络知识赋能内生智能架构理念，利用知识图谱充分挖掘用户、服务和环境等无线数据的多维主客观知识，实现无线网络的全方位立体感知、决策推理和自适应调整，最终赋能于网络的建设、优化、维护等全生命周期管理和应用，进而为实现未来无线通信“智慧内生”的发展愿景提供一条可行性路径。

【关键词】内生智能；知识图谱；无线网络

☞无线网络知识赋能内生智慧架构探索

04

面向扩展现实的语义通信系统综述

郭翼宇1，秦志金2，陶晓明2

（1.伦敦玛丽女王大学电子工程及计算机学院，伦敦 E1 4NS；

2.清华大学电子工程系，北京 ）

【摘 要】扩展现实是一种新兴的信息交互方式，相较于音视频等信息模态，为用户提供了更有沉浸感的体验。通过研究扩展现实的发展趋势，总结了相关应用及产业的通信需求和业务特点，为6G网络下的内生AI功能在扩展现实网络中的应用提供参考。首先从高宽带和低时延的需求出发，提出扩展现实网络和语义通信融合的趋势，并分析了语义通信的传输有效性，介绍其面向内容的系统模块与框架。然后基于扩展现实的业务需求，针对信息系统架构、安全接入要求和算力承载，分析了支撑具体场景的关键技术，明确语义驱动的扩展现实网络的优越性。最后总结了扩展现实网络提供的新机遇，为扩展现实网络与基于语义的内生AI融合架构及关键技术提供发展思路。

【关键词】语义通信；扩展现实；元宇宙

☞面向扩展现实的语义通信系统综述

05

基于AI辅助的可扩展视频语义通信系统

韩雪，吴泳澎，施雨轩，张文军

（上海交通大学电子信息与电气工程学院，上海 ）

【摘 要】语义通信作为一种面向多智能体交互的新型通信范式，对未来通信实现高效传输提供了新的解决方法。由此，提出了一个AI辅助的可扩展视频语义通信系统。该系统能够基于现有的信源信道分离编码方案（如传统的高效视频编码HEVC与低密度奇偶校验编码LDPC），与AI辅助的可学习语义编解码器相结合，实现视频流与语义流的共同传输。其中可学习的语义数据流是视频帧中针对特定任务提取的语义信息，能够较好地提升接收端精确重建与下游任务的性能。实验证明，该视频语义通信框架相较于传统通信，在重建任务性能相差无几的情况下具有更好的下游任务表现；而相较于现有的端到端的基于深度学习的语义通信系统，性能相近的同时能够基于多种传统视频编解码标准进行扩展设计，具有与传统压缩方案更强的耦合性与适应更多场景的能力。

【关键词】语义通信；视频压缩；深度学习；无线通信

☞基于AI辅助的可扩展视频语义通信系统

06

面向6G网络的基于语义通信的端到端服务框架

傅宇舟，程文驰，陈小军，李赞

（西安电子科技大学通信工程学院，陕西 西安 ）

【摘 要】未来的6G网络需支持更高的通信效率和高效的智能连接。基于AI的语义通信以传递用户意图及语义信息为目标，有望成为6G网络“内生智能”架构的技术支撑。然而，现有的语义通信框架忽略所提取的语义特征中的冗余信息。为研究高效的语义通信，提出基于语义通信的端到端服务框架，该框架将语义通信与AI的语义分析能力深度融合，可对语义特征进一步压缩后再传输，并保证AI服务质量。仿真分析表明，相比传统通信方案，所提方案在目标检测任务和图像重建均取得更优的性能，且取得与全语义特征传输方案相近的性能。

【关键词】语义通信；语义分析模型；端到端服务

☞面向6G网络的基于语义通信的端到端服务框架

07

知识图谱驱动的鲁棒认知语义通信系统

宋熙1，胡林圣1，俞菲2，袁璐1，周福辉1，吴启晖1

（1.南京航空航天大学，江苏 南京 ；

2.之江实验室，浙江 杭州 ）

【摘 要】语义通信是一种将用户的需求和信息含义融入通信过程中的全新架构，有望成为未来万物智联网络的新型基础范式，满足6G时代低时延、高可靠、高频谱效率、高密度大连接的性能要求。然而与传统通信系统相比，语义通信不仅受到无线通信环境中物理噪声影响，还因其信息具备语义特性而受到语义噪声影响，使其鲁棒传输变得极具挑战。针对语义通信系统中语义噪声干扰问题，提出知识图谱驱动的鲁棒认知语义通信系统。为提高语义通信系统鲁棒性，在发收端引入共享知识图谱对抗语义噪声干扰。发送端使用知识图谱做编码表示，大幅提升数据压缩率，提高信道利用率。接收端设计知识图谱补全算法以校正和恢复语义，显著降低语义噪声和物理信道噪声影响。实验和仿真结果表明，与传统文本传输通信模型对比，所提方法的鲁棒性得到了显著提升。

【关键词】鲁棒语义通信；知识图谱；语义提取；语义恢复

☞知识图谱驱动的鲁棒认知语义通信系统

08

面向智能通信和计算的移动边缘分布式

学习：现状、挑战与方法

谢雨良，田雨晴，张朝阳

（浙江大学，浙江 杭州 ）

【摘 要】分布式机器学习被视为发展下一代智能通信网的基石。然而，在无线网络上部署分布式学习面临若干挑战，包括不确定的无线环境、有限的通信资源等。如何在无线边缘网络上高效地部署分布式学习成为研究热点。将调研论述无线人工智能在分布式架构中的国内外研究现状及挑战，重点介绍几种新兴的分布式学习范式，包括联邦学习、分布式推理和多智能体强化学习。最后从全局的角度，描述了移动分布式学习减少通信代价的研究现状和未来发展。

【关键词】分布式机器学习；无线边缘计算；联邦学习；分布式推理；多智能体强化学习；通信效率

☞面向智能通信和计算的移动边缘分布式学习：现状、挑战与方法

09

基于干扰泄露控制和深度学习的分布式

多点协作传输设计与优化

蔡腾浩1,2，李磊1,2，张纵辉1,2

（1.香港中文大学（深圳）理工学院，广东 深圳 ；

2.深圳市大数据研究院，广东 深圳 ）

【摘 要】分布式多点协作传输在提升小区边缘用户的服务质量和系统频谱效率上具有巨大潜力，但通常站间频繁交换大量信息才能接近集中式多点协作传输的性能。然而，在实际无线通信系统中，考虑到信道时变性，频繁的信息交换和站间有限的回传带宽导致的较大时延给分布式多点协作传输技术带来严重的性能损失，因此其目前未得到广泛部署。为解决此问题，提出了一种新颖的信号质量衡量标准，称为信号平均泄漏加干扰噪声比（）。基于的设计使得站间无需信息交换即可实现完全分布式的联合传输。具体地，展示了基于的传输设计问题可以通过分式规划技术有效求解；进一步地，利用深度展开技术来设计波束赋形向量学习网络，从而有效减少计算复杂度。仿真结果表明，所提出的方法可接近集中式多点协作传输的性能且具有计算高效的优点。

【关键词】分布式协作传输；分式规划；深度学习

☞基于干扰泄露控制和深度学习的分布式多点协作传输设计与优化

10

基于深度强化学习的联邦学习客户选择

彭新雅1，梁乐1,2，金石1

（1.东南大学移动通信国家重点实验室、移动信息通信与安全前沿科学中心，江苏 南京 ；2.网络通信与安全紫金山实验室，江苏 南京 ）

【摘 要】联邦学习是一种具有隐私保护的机器学习范式，它使各个客户在本地进行训练，只上传本地更新而不泄漏本地数据，最终实现合作训练全局模型。由于客户数量庞大，而通信资源有限，因此每次只能选择一部分客户执行聚合，但在典型的联邦学习场景中，不同客户之间表现出较大的异构性，如数据分布、硬件配置、通信状况等，在每一轮中随机采样可能无法有效利用各个客户的本地更新，导致模型收敛速度减慢、模型性能变差等。针对客户的数据质量以及通信质量的差异性，提出了一种基于双重延时深度确定性策略梯度算法（TD3）的客户选择算法，通过强化学习方法动态选择客户设备参与聚合，加速全局模型的收敛。在公开数据集上进行了大量的实验，结果表明，在考虑客户数据质量以及上行信道状况差异情况下，所提出的客户选择方法相比于随机选择以及通信贪婪选择，联邦学习效果更加鲁棒，且最终收敛的识别准确率更高。

【关键词】联邦学习；深度强化学习；客户选择

☞基于深度强化学习的联邦学习客户选择

11

可信区块链联邦学习技术在无线通信网中的

研究与应用

屈晋先，马丽萌，杨爱东，于琳琳，吴墨翰，叶晓舟，欧阳晔

（亚信科技（中国）有限公司，通信人工智能创新实验室，北京 ）

【摘 要】随着无线通信技术的快速发展，越来越多的数据产生并在网络中传输，包括个人隐私信息和商业机密等敏感数据。数据安全和隐私保护引发通信行业的广泛关注，并已成为人工智能大规模落地的关键挑战点。可信区块链联邦学习从保障信息安全的角度发展人工智能，被誉为最有前景解决这一挑战的新方向。归纳了当前行业面临的关键问题和挑战，分析了可信区块链联邦学习的国内外主要研究状况。讨论了无线通信网中典型的区块链联邦学习的系统架构，并阐述了其系统功能和实现的关键技术。在此基础上，给出该系统下的典型应用场景，为可信人工智能从理论走向实用提供了可能性。

【关键词】可信AI；区块链；联邦学习；可信区块链联邦学习

☞可信区块链联邦学习技术在无线通信网中的研究与应用

12

基于元学习的MIMO系统半盲信道估计

戴刚1，陈军杰2，薛江2

（1.华为技术有限公司，陕西 西安 ；

2.西安交通大学，陕西 西安 ）

【摘 要】大规模多天线系统将是6G关键技术之一，但随着天线数量的增加，用于信道估计的导频开销越来越大，严重制约系统性能的提升。半盲信道估计算法通过对解调或译码后的数据进行重构，并将其用作扩展导频来提升信道估计的精度，是降低导频开销的有效手段。但是，解调或译码数据通常会有一定概率的误码，因此带来误差传播，从而制约了半盲信道估计算法的性能。提出了通过元权重网络对解调后数据进行赋权和筛选，仅将置信度高的解调数据用作扩展导频，有效解决系统导频不足的问题，提升系统性能。仿真表明，该方法在不增加系统导频的条件下，可以显著提升信道估计的精度，提升系统性能。

【关键词】迭代信道估计；元学习；MIMO系统；样本加权

☞基于元学习的MIMO系统半盲信道估计

13

基于L2O的MU-MIMO容量算法优化

陈知行1，赵立成2，管鑫1，史清江1,2

（1.同济大学软件学院，上海 ；

2.深圳市大数据研究院，广东 深圳 ）

【摘 要】在求解MU-MIMO容量优化问题时，传统数值优化算法的收敛速度较慢，而利用机器学习与传统数值优化相结合的方法可以有效提升求解效率，这种基于机器学习技术开发优化算法的方法被称为L2O。首先对MU-MIMO场景下容量优化相关的传统算法进行了讨论分析。然后，基于L2O思想，构建了嵌入DNN的有限步梯度投影算法。最后，通过大量仿真实验表明，相较于传统梯度投影算法，改进后的有限步梯度投影算法在具有较高求解质量的同时极大地提升了求解效率，能够在MU场景下更加有效地求解容量优化问题。

【关键词】MU-MIMO；容量优化；人工智能；L2O；有限步梯度投影

☞基于L2O的MU-MIMO容量算法优化

14

智能无线通信试验平台架构以及实现

刘东杰，刘泽宁，钱旸

（网络通信与安全紫金山实验室，江苏 南京 ）

【摘 要】论述基于6G分级智能控制架构，进行非实时/准实时智能通信技术的研究。针对6G网络的新需求，研究智能平台架构技术，此架构能够实现对用户各种业务的智能支持，并能够自优化无线网络的性能。进一步基于此架构，实现智能无线平台的构建和研发。对平台的模块、流程与相关接口进行详细描述。在此机制下，开展真实数据驱动的准实时自优化技术研究。通过兼容商用终端的真实无线接入实验平台的智能应用，对无线网络的优化取得预期效果，并满足了上层用户的服务需求。

【关键词】6G；智能无线通信；试验平台；RAN

☞智能无线通信试验平台架构以及实现

15

基于多智能体协作学习的车联网联合通信

计算资源分配

林艳1,2，陶奕宇1，张一晋1，束锋3，李骏1

（1.南京理工大学电子工程与光电技术学院，江苏 南京 ；

2.东南大学移动通信国家重点实验室，江苏 南京 ；

3.海南大学信息与通信工程学院，海南 海口 ）

【摘 要】边缘计算赋能下车联网固有的高移动性和计算资源实时变化性对通信与计算资源分配提出了全新要求。考虑以最小化计算迁移时延与车辆用户传输能耗之间长期权衡为优化目标，利用协作多智能体强化学习方法设计联合通信与计算资源分配方案，使得各车辆用户分别作为智能体通过共享训练经验以完成中心化训练，进而可仅依据本地观测信息即可协作完成分布式决策。经数值仿真验证，所提方案相较于基准方案能更好地适应部分观测车联网环境，且可以更有效地同时降低计算迁移时延和传输能耗。

【关键词】车联网；协作多智能体强化学习；边缘计算迁移；资源分配

☞基于多智能体协作学习的车联网联合通信计算资源分配

16

基于6G AIaaS的分布式网络框架及技术方案

陈新宇1，牛娇红1,2，陆光辉1

（1.中兴通讯股份有限公司，江苏 南京 ；

2.移动网络和移动多媒体技术国家重点实验室，广东 深圳 ）

【摘 要】AI是6G的核心技术之一，AI与移动通信网络的深入融合一方面使能运营商的生产和运营效率，另一方面通过提供AIaaS并开放给各类行业和普通消费者，满足第三方对AI的功能、性能、隐私和个性化的需求，支撑6G网络实现普惠智能的愿景。针对此愿景，分析了AI辅助网络自动化和面向第三方AI服务两大类场景需求，提出了基于AIaaS的新型网络架构，分析了数据双通道、FLaaS、EF4AI等关键技术，解决数据高效传输、用户隐私保护和AI能力开放等问题，为运营商AIaaS业务提供了有效、可行的实现方法。

【关键词】6G；AIaaS；分布式网络；FLaaS；关键技术

☞基于6G AIaaS的分布式网络框架及技术方案

17

基于信号特征知识图谱和特征融合的特定

辐射源识别技术

李英凯，王淑菲，张逸彬，桂冠

（南京邮电大学通信与信息工程学院，江苏 南京 ）

【摘 要】SEI可以用于识别各种类型的无线电发射源，包括无线电通信设备、雷达系统、无线电干扰源等。现有的SEI方法往往通过深度学习来实现，通常SEI要求分类模型具有很高的准确性和鲁棒性。针对现今辐射源信号可视化管理不足和信号识别准确率低的问题，提出了一种信号特征KG和特征融合的SEI方法。第一，该方法创新性地建立了信号特征数据库，且利用KG对信号特征实现可视化表征；第二，基于构建的信号特征KG进行特征融合，有效提升了特定辐射源分类识别的准确率。仿真结果表明，所提出的基于KG和特征融合的SEI方法可以更好地对辐射源信号进行可视化管理，且提升了辐射源识别性能。

【关键词】特定辐射源识别；知识图谱；信号特征；特征融合

☞基于信号特征知识图谱和特征融合的特定辐射源识别技术

18

基于并联网络的水声信号自动调制识别方法

杨作骞，施威，王景景

（青岛科技大学，山东 青岛 ）

【摘 要】提出了一种结合卷积神经网络和改进的 网络的并联网络模型——。其中卷积支路结合了残差连接和SE模块用于提取信号的局部特征，支路去除传统的位置编码，用于提取信号的全局特征，最后融合二种特征，实现了在复杂的海底环境下对8种水声信号调制方式的高准确率识别，识别准确率可达98%以上。相较于基于专家特征进行识别的传统机器学习算法和常用的神经网络都具有更好的识别性能。

【关键词】水声信号；自动调制识别；并联模型；注意力

☞基于并联网络的水声信号自动调制识别方法

《移动通信》投稿方式为在线投稿

请您登录网页投稿系统

链接地址：

目录 | 2023年第7期 专题：空天地海一体化网络

目录 | 2023年第6期 专题：基于AI的无线通信技术

目录 | 2023年第5期 专题：6G太赫兹通信技术

征稿 | 2023年第10期专题：移动自组织网络

征稿 | 2023年第11期专题【6G智能超表面技术】

征稿 | 2023年第12期 “车联网专题”