创新中心学术沙龙:基于AI的6G信道时-频-空域外推技术的机遇与挑战

简介

针对天线数持续的增加和全覆盖应用给6G带来的挑战，包括高速移动通信场景中频繁的估计反馈，从Sub-6 GHz到太赫兹系统的多频段共存开销，以及天线组件和电路增加带来的能耗等，信道外推技术利用选定的信道状态信息来推演预测目标信道状态信息，有效利用信道特性，降低系统开销。近年来张建华教授团队围绕着多样环境下的基于信道物理传播机理的信道外推技术开展研究，2016年提出了利用计算机视觉的三维环境重构、定义传播环境散射体与统计簇匹配的簇核建模理论，给出了基于簇核的信道衰落预测方法；2018年和2020年分别提出了基于贝叶斯估计卡尔曼滤波的信道簇追踪推演和基于条件生成对抗网络的时域信道外推方法。在北邮-中移研究院联合创新中心项目支持下，课题组详细总结了最新科研成果，给出了基于人工智能 (AI) 的时-频-空域三种信道外推技术的最新进展。论文首先分析了影响各个域信道外推基于的电波传播物理特性，如空间一致性、部分互易性和空间非平稳性，诠释了在每个域中选择各种AI模型的动机，比较了包括生成对抗网络、卷积神经网络、全连接网络和Transformer等不同AI 方法的性能。其次，发现了基于迁移学习的跨域信道外推增益的存在，仿真验证了跨越不同域的AI模型的经验可以相互促进，即跨域策略可以加速信道外推的模型训练过程并实现低损失。最后，论文指出了基于AI的信道外推在未来存在的五大研究方向，包括多域联合信道外推、基于环境感知增强的信道外推、模型数据双驱动的信道外推、AI模型表达能力的理论分析和AI模型架构及资源开销的优化。基于人工智能（AI）的信道外推技术能够为用户实现环境自适应的信道外推，从而提高通信系统的鲁棒性，有助于实现内生智能。

原文：

Z. Zhang, J. Zhang, Y. Zhang, L. Yu and G. Liu, “AI-Based Time-, Frequency-, and Space-Domain Channel Extrapolation for 6G: Opportunities and Challenges,” IEEE Vehicular Technology Magazine, doi: 10.1109/MVT.2023.3234169.

6G研究苑公众号