2022年6G物理层AI关键技术白皮书-中国移动.pdf

6G 物理层 AI 关键技术白皮书中国移动通信有限公司研究院东南大学、清华大学目录1.前言.........................................................................................................................................12.物理层 AI 工作原理...............................................................................................................22.1 无线通信系统引入 AI 技术的价值...............................................................................22.2 物理层 AI 技术的定义和基本工作流程.......................................................................32.3 物理层 AI 在无线通信网络中的作用...........................................................................43.基于 AI 的发射机/接收机技术.............................................................................................53.1 基于 AI 的端到端通信链路设计...................................................................................53.2 基于 AI 的发射机/接收机模块算法设计.....................................................................63.3 小结.................................................................................................................................84.基于 AI 的大规模 MIMO 技术.................................................................................................94.1 基于 AI 的 CSI 反馈.......................................................................................................94.2 基于 AI 的信道估计.....................................................................................................124.3 基于 AI 的信道状态信息预测.....................................................................................134.4 面向未来的思考：基于 AI 的终极大规模 MIMO 技术...............................................145.无线 AI 算法评估准则、数据集、与泛化性.....................................................................145.1 无线 AI 方案的评估指标.............................................................................................155.2 数据集的建立准则.......................................................................................................175.3 AI 模型的开放性..........................................................................................................185.4 泛化性提升技术...........................................................................................................185.5 小结...............................................................................................................................196.未来研究与标准化展望.......................................................................................................207.总结.......................................................................................................................................218.白皮书贡献单位...................................................................................................................22缩略语列表...............................................................................................................................24参考文献...................................................................................................................................25中国移动6G 物理层 AI 关键技术白皮书（2022）11.前言加快发展新一代人工智能（Artificial Intelligence，AI）是赢得全球科技竞争主动权的重要战略抓手。面向 2030+，6G 有望在 5G 的基础之上全面实现数字化，推动社会走向“数字孪生，智慧泛在”的愿景。为了实现这个美好愿景，人工智能技术有望发挥重要作用。现阶段将 AI 技术应用在无线网络中将有助于更精准地预测业务特征、用户移动性、用户行为、信道环境等信息，最终通过智能资源管理与调度机制保证更好的服务质量和用户体验，实现更好的公平性和系统资源利用率，促进无线通信网络的开放与智能。长期来看，基于 AI 的无线网络设计有助于实现通信协议的自动升级，从而有效降低网络部署与运维成本，实现移动通信产业的可持续发展。目前 AI 技术已经开始在核心网、网管网优、接入网等领域发挥积极作用。基于 AI 的空口传输技术（尤其是物理层 AI 技术）近年来已取得显著进展。大量研究表明，将 AI 技术融入到新型编码调制、多址、波形设计、预编码、信道估计、信号检测等物理层模块设计中，可带来显著的性能增益。以 ITU、3GPP、IMT-2020，IMT-2030 等为代表的多个行业组织已经在数据集构建、评估准则、典型用例等重要课题上开展深入研究，为将来无线 AI 技术的实际应用打下了重要基础。然而，不可否认的是，业界在无线 AI 技术方面的研究仍面临诸多挑战：�缺乏科学公开的数据集：不同研究机构采用的数据集并不统一，研究结果难以相互验证；�无线 AI 数据和应用具备自己独特的特征，如何将图像与语音处理领域的经典 AI 算法与无线数据以及无线领域专家知识进行有机融合尚不明确；�无线通信系统的显著特征之一是通信场景复杂多变（室内、室外、高铁等）与业务形式多样，如何让无线 AI 方案在有限算力前提下适用于多种通信场景与业务形式，是业界目前需要克服的重要挑战；�无线 AI 的链路级和系统级性能上界尚不明确，在综合考虑算力、功耗、数据集、信令开销等成本的前提下，AI 方案对比传统基于专家知识的设计是否有性能增益等重要问题还缺乏系统科学的分析与论证，这是无线 AI 未来标中国移动6G 物理层 AI 关键技术白皮书（2022）2准化和产业化落地的先决条件。无线 AI 是通信界重点的研究方向之一，在中国移动发布的《2030+愿景与需求白皮书》、《2030+网络架构展望》和《2030+技术趋势》等白皮书的基础上，本白皮书聚焦目前备受关注且颇具挑战的物理层 AI 技术，尝试回答业界普遍关心的 AI 数据集、算法设计、泛化性、未来研究方向和标准化路线图等核心问题，希望能够为业界研究面向 2030+的无线 AI 尤其是物理层 AI 提供参考和指引。具体来讲，白皮书在第二章分析了物理层 AI 的基本工作原理，以及在整个无线通信网络中可能发挥的价值；第三章中深入探讨了基于 AI 的发射机与接收机设计，重点指出了模型与数据双驱动的设计思路；第四章讨论了基于 AI 的大规模 MIMO技术，并展望未来终极 MIMO 的技术特征；第五章针对无线 AI 方案的评估准则和方法进行了分析，提出了一些典型的评估指标、数据集构建原则、提升 AI 方案泛化性的思路；第六章对未来的研究与标准化提供了一些参考建议。第七章对整本白皮书进行了总结。2.物理层 AI 工作原理近年来 AI 技术特别是深度学习在计算机视觉、自然语言处理、语音识别等多个领域获得了巨大成功[1-2]。AI 技术使能的智能无线通信被认为是 6G 发展主流方向之一，其基本思想是通过无线通信技术与 AI 技术的有机融合实现智慧内生，大幅度提升无线通信系统的性能[3-9]。2.1 无线通信系统引入 AI 技术的价值无线通信系统中存在大量传统方法难以进行精确数学建模或者高效率求解的技术问题，例如覆盖增强、干扰消除、时频资源优化分配、波束管理、跨层优化等问题，这推动了近年来 AI 技术在通信系统中的广泛研究与应用。比如：在网管领域，AI 算法可以用来优化系统容量、覆盖、故障率、负载均衡、异常检测等方方面面的性能；在核心网，AI 的应用包括智能业务质量定义与分配、切片状态分析、用户体验分析等；在接入网，AI 的应用包含智能无线资源管理算法、接入控制、调度算法，以及最新的研究热点物理层 AI，包括基于 AI 的编码、调制、多址、多天线、波束管理、无线定位、信道估计/预测、接收机算法等。近年来，很多国际组织也开始了无线 AI 相关的研究与标准化，例如，ITU中国移动6G 物理层 AI 关键技术白皮书（2022）3专门成立了机器学习焦点组，研究机器学习在未来网络的应用场景、潜在需求、用于移动网络优化的机器学习算法、支持机器学习的未来网络架构、接口、协议等[10]。3GPP 也开展了 AI 应用于核心网、网管、接入网的标准化工作[11-12]，尤其是近期 RAN1 也开始了物理层...