本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：针对现有无线通信系统中空口传输性能损失等问题，分析了基于人工智能（AI）技术的无线空口技术方案，给出了空口AI典型用例的模型方案及部分算力需求，并对AI在无线空口中应用的效果和挑战进行了梳理。随着AI技术的不断发展，AI模型算法已在通信系统得到了广泛应用，空口AI的研究是实现6G网络智能内生的重要方向，将为下一代移动通信系统的设计及性能提升提供更多可能。
关键词：无线网络；人工智能；空口技术
doi：10.12045/j.issn.1007-3043.2024.07.009
概述
目前，人工智能（Artificial Intelligence，AI）技术已经在通信网络中被广泛应用，在核心网、网管网优、接入网等领域发挥了积极作用。其中，基于AI的空口传输技术是5G-A、6G网络研究讨论的热点，3GPP、IMT2020及IMT2030等多个行业标准组织已经开展了数据集构建、评估准则、典型用例等重要课题的研究，为将来无线空口AI技术的实际应用打下重要基础。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，有助于复杂数学问题的求解，从而提升系统的性能。另外，在空口某些功能模块的设计和优化过程中可能存在着性能损失问题，例如为降低设计复杂度，将某些非线性处理简化假设为线性操作，或者一些模块的设计理论仍然缺失或难以分析，只能借助于启发式算法。在上述情况下，使用AI方法替换这些模块可带来性能的提升以及处理时延的降低，这也是将AI方法用于空口设计的最直接方式。
目前，AI技术在空口方面的应用主要体现在以下几个方面。
a）无线环境建模与感知应用。基于AI算法对无线传输环境的学习和总结，帮助通信系统更加智能地完成调度、功控、波束管理、参数选择与配置等任务，建立“无线电地图”，给系统的设计和决策提供辅助信息，并降低系统的测量反馈开销。
b）信道估计、预测与反馈应用。基于AI算法对MIMO系统信道数据进行采集和训练，借助AI模型对信道状态信息进行估计及预测，在接收端根据导频序列来估计发送端和接收端之间的信道状态信息的问题。
c）联合优化发射机与接收机。在特定的信道环境下，特别是具有各种非线性效应的非典型信道，基于神经网络学习非理想的信道效应，提高发射机和接收机的性能。
d）信道编译码技术应用。基于深度学习的信道编译码技术已经有了一定的突破，基于深度学习的译码器较传统方法在性能上有显著的改善，但需解决维度爆炸带来的局限性。
e）调制与波形技术应用。AI神经网络可以被用于替代通信链路的解调模块，或者对星座图进行优化设计，并且可以用于类似正交频分复用技术（Orthogo?nal Frequency Division Multiplexing，OFDM）波形和低峰均功率比波形的设计。
f）信源信道联合编码技术应用。可以用深度神经网络代替传统编解码，设计端到端的信源信道联合编码结构，并且基于自编码器算法的无线编解码器无监督联合优化的特点，使用神经网络对信源压缩和信道编码进行联合设计，从而使通信系统达到端到端的最优性能。
g）多用户接入技术应用。依据各类信号检测算法的特性设计神经网络，以实现智能化的多用户检测、用户活动性（用户激活）检测、多用户MIMO检测或多用户干扰分离，在提高检测性能的同时极大地降低计算量。
h）波束管理应用。基于AI的波束管理方法主要包括空域波束预测和时域波束预测。利用波束测量结果的训练模型，输出最优波束索引或波束质量信息。
i）定位技术应用。利用神经网络的非线性优势和高效的特征提取功能，可借助所有信道测量信息，包括非直射径的信道信息进行基站到用户信道测量信息的抽象特征提取并训练，达到更高的定位精度要求。
