《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 通信與網(wǎng)絡(luò) > 設(shè)計應(yīng)用 > 智能內(nèi)生6G網(wǎng)絡(luò)：架構(gòu)、用例和挑戰(zhàn)
智能內(nèi)生6G網(wǎng)絡(luò)：架構(gòu)、用例和挑戰(zhàn)
2021年電子技術(shù)應(yīng)用第3期
孫耀華，王則予，袁 碩，彭木根
北京郵電大學(xué) 網(wǎng)絡(luò)與交換技術(shù)國家重點實驗室，北京100876
摘要： 為滿足不斷增長的新型業(yè)務(wù)需求，促進通信技術(shù)與垂直行業(yè)深度融合，移動通信網(wǎng)絡(luò)將逐漸向智能化演進，在6G時代有望形成內(nèi)生智能。然而，目前研究大多側(cè)重基于人工智能的傳輸和網(wǎng)絡(luò)優(yōu)化方法，較少探討如何在架構(gòu)設(shè)計層面高效支撐人工智能方法的實施。為此，介紹了目前工業(yè)界和學(xué)術(shù)界在智能內(nèi)生網(wǎng)絡(luò)架構(gòu)方面的進展，并對智能內(nèi)生網(wǎng)絡(luò)的應(yīng)用前景和挑戰(zhàn)進行了展望。
中圖分類號： TN929.5
文獻標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.211392
中文引用格式： 孫耀華，王則予，袁碩，等. 智能內(nèi)生6G網(wǎng)絡(luò)：架構(gòu)、用例和挑戰(zhàn)[J].電子技術(shù)應(yīng)用，2021，47(3)：8-13，17.
英文引用格式： Sun Yaohua，Wang Zeyu，Yuan Shuo，et al. The sixth-generation mobile communication network with endogenous intelligence：architectures，use cases and challenges[J]. Application of Electronic Technique，2021，47(3)：8-13，17.
The sixth-generation mobile communication network with endogenous intelligence： architectures，use cases and challenges
Sun Yaohua，Wang Zeyu，Yuan Shuo，Peng Mugen
State Key Laboratory of Networking and Switching Technology，Beijing University of Posts and Telecommunications， Beijing 100876，China
Abstract： In order to meet the growing demand of new services and facilitate the application of communication technology in vertical industries, mobile communication networks will gradually evolve with more intelligence, finally resulting in endogenous intelligence in the 6G era. However, most of the current research focuses on artificial intelligence(AI) based transmission and network optimization methods and rarely discusses how to support AI efficiently in the perspective of network architecture design. To fill this gap, this paper introduces the advances in wireless network architectures with endogenous intelligence proposed by both industry and academia and then discusses two use cases as well as related challenges.
Key words : 6G；wireless network architecture；artificial intelligence

0 引言

    面對交互式無線虛擬/增強現(xiàn)實、人機協(xié)同作業(yè)、全景高清視頻直播等新型應(yīng)用以及沙漠、海洋等多樣場景下的通信需求，第六代(The Sixth Generation，6G)移動通信將呈現(xiàn)“空天地”融合通信[1]、全頻譜接入[2]、異構(gòu)超密集組網(wǎng)[3]、云邊協(xié)同[4]等特征，但也將導(dǎo)致網(wǎng)絡(luò)優(yōu)化和管理難度急劇增大。此外，為了便于移動通信專網(wǎng)與生產(chǎn)制造、交通運輸、能源電力等垂直行業(yè)深度融合，網(wǎng)絡(luò)配置和運維方式亟需簡化。在此背景下，業(yè)界提出引入人工智能(Artificial Intelligence，AI)，利用其強大的預(yù)測、決策能力構(gòu)建智能內(nèi)生的6G網(wǎng)絡(luò)[5]。

    文獻[6]針對數(shù)據(jù)驅(qū)動的深度學(xué)習(xí)(Deep Learning，DL)導(dǎo)致的計算密集以及訓(xùn)練時間長等問題，總結(jié)了模型驅(qū)動的DL方法在物理層通信中的應(yīng)用和優(yōu)勢；文獻[7]將AI視作實現(xiàn)網(wǎng)絡(luò)資源優(yōu)化的關(guān)鍵技術(shù)，介紹了AI技術(shù)在移動寬帶、觸覺網(wǎng)絡(luò)以及無人機網(wǎng)絡(luò)等多個場景下的應(yīng)用；文獻[8]回顧了深度強化學(xué)習(xí)(Deep Reinforcement Learning，DRL)方法，深入調(diào)研了DRL在通信和組網(wǎng)中的應(yīng)用，涉及無線緩存、網(wǎng)絡(luò)接入等；文獻[9]按照MAC層、網(wǎng)絡(luò)層以及應(yīng)用層對有關(guān)研究進行了梳理總結(jié)，提煉了AI應(yīng)用于無線網(wǎng)絡(luò)的動機和面臨的挑戰(zhàn)。

    針對AI與無線通信結(jié)合的細分領(lǐng)域，本課題組也進行了一些初步探索。為克服基站端配置大規(guī)模天線導(dǎo)致信道估計開銷過大的問題，文獻[10]提出了基于循環(huán)神經(jīng)網(wǎng)絡(luò)的信道估計方法，利用神經(jīng)網(wǎng)絡(luò)強大的學(xué)習(xí)能力提取信道間的隱藏特征，仿真結(jié)果表明所提方法相比傳統(tǒng)方法可實現(xiàn)更高的估計精度和魯棒性。在基于AI的組網(wǎng)技術(shù)方面，文獻[11]針對蜂窩車聯(lián)網(wǎng)集中式資源調(diào)度時延高以及城區(qū)環(huán)境遮擋導(dǎo)致車車通信可靠性下降的問題，基于聯(lián)邦學(xué)習(xí)和DRL，設(shè)計了將車輛終端作為智能載體，根據(jù)局部信道、干擾和業(yè)務(wù)感知狀態(tài)進行分布式?jīng)Q策的無線資源優(yōu)化框架，仿真結(jié)果證實了所提方法對高動態(tài)環(huán)境具有良好適應(yīng)性。在基于AI的智能網(wǎng)絡(luò)運維方面，課題組在文獻[12]中提出了基于深度遷移學(xué)習(xí)的網(wǎng)絡(luò)故障診斷方法，可在少量標(biāo)簽數(shù)據(jù)下實現(xiàn)弱覆蓋、強干擾問題的精準(zhǔn)探測。

    前述文獻均側(cè)重基于AI的網(wǎng)絡(luò)性能增強方法，但如何從架構(gòu)設(shè)計角度使能網(wǎng)內(nèi)AI能力，從而更好地支持AI機制的實施仍有待進一步探索。為此，本文接下來將對目前標(biāo)準(zhǔn)化組織、公司和學(xué)術(shù)界所提智能內(nèi)生網(wǎng)絡(luò)架構(gòu)進行梳理總結(jié)，基于此給出一般性的架構(gòu)特征，接著將探討智能內(nèi)生6G架構(gòu)的典型用例，最后給出相關(guān)挑戰(zhàn)并總結(jié)全文。




本文詳細內(nèi)容請下載:http://ihrv.cn/resource/share/2000003400




作者信息:

孫耀華，王則予，袁  碩，彭木根

(北京郵電大學(xué) 網(wǎng)絡(luò)與交換技術(shù)國家重點實驗室，北京100876)

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。