《電子技術應用》
您所在的位置：首頁 > 通信與網(wǎng)絡 > 設計應用 > 智能內(nèi)生6G網(wǎng)絡：架構、用例和挑戰(zhàn)
智能內(nèi)生6G網(wǎng)絡：架構、用例和挑戰(zhàn)
2021年電子技術應用第3期
孫耀華，王則予，袁 碩，彭木根
北京郵電大學 網(wǎng)絡與交換技術國家重點實驗室，北京100876
摘要： 為滿足不斷增長的新型業(yè)務需求，促進通信技術與垂直行業(yè)深度融合，移動通信網(wǎng)絡將逐漸向智能化演進，在6G時代有望形成內(nèi)生智能。然而，目前研究大多側重基于人工智能的傳輸和網(wǎng)絡優(yōu)化方法，較少探討如何在架構設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)界和學術界在智能內(nèi)生網(wǎng)絡架構方面的進展，并對智能內(nèi)生網(wǎng)絡的應用前景和挑戰(zhàn)進行了展望。
中圖分類號： TN929.5
文獻標識碼： 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：架構、用例和挑戰(zhàn)[J].電子技術應用，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]、異構超密集組網(wǎng)[3]、云邊協(xié)同[4]等特征，但也將導致網(wǎng)絡優(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)，利用其強大的預測、決策能力構建智能內(nèi)生的6G網(wǎng)絡[5]。

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

    針對AI與無線通信結合的細分領域，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)絡的信道估計方法，利用神經(jīng)網(wǎng)絡強大的學習能力提取信道間的隱藏特征，仿真結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)境遮擋導致車車通信可靠性下降的問題，基于聯(lián)邦學習和DRL，設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，仿真結果證實了所提方法對高動態(tài)環(huán)境具有良好適應性。在基于AI的智能網(wǎng)絡運維方面，課題組在文獻[12]中提出了基于深度遷移學習的網(wǎng)絡故障診斷方法，可在少量標簽數(shù)據(jù)下實現(xiàn)弱覆蓋、強干擾問題的精準探測。

    前述文獻均側重基于AI的網(wǎng)絡性能增強方法，但如何從架構設計角度使能網(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準化組織、公司和學術界所提智能內(nèi)生網(wǎng)絡架構進行梳理總結，基于此給出一般性的架構特征，接著將探討智能內(nèi)生6G架構的典型用例，最后給出相關挑戰(zhàn)并總結全文。




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




作者信息:

孫耀華，王則予，袁  碩，彭木根

(北京郵電大學 網(wǎng)絡與交換技術國家重點實驗室，北京100876)

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權禁止轉載。