1、无线AI技术研究报告1 2022 年年 9 月月 版版权权声声明明 Copyright Notification 未经书面许可 禁止打印、复制及通过任何媒体传播 2022 IMT-2030（6G）推进组版权所有2 前前 言言无线人工智能是指内生于无线通信系统，通过机器学习等手段深度挖掘利用无线数据和无线模型，由此形成的涵盖新型智能无线架构、无线空口、无线算法和无线应用在内的人工智能技术体系。它主要包括：一是内生智能的新型空口，即深度融合人工智能/机器学习技术，将打破现有无线空口模块化的设计框架，实现无线环境、资源、干扰、业务、语义和用户等多维特性的深度挖掘和利用，显著提升无线网络的高效性、可靠

2、性、实时性和安全性，并实现网络的自主运行和自我演进。二是内生智能的新型网络架构，即充分利用网络节点的通信、计算和感知能力，通过分布式学习、群智式协同以及云边端一体化算法部署，实现更为强大的网络智能，支撑未来各种智慧应用。无线 AI 自 2016 年前后开始蓬勃发展，当前已掀起全球学术界和工业界的研究热潮。IEEE 通信学会启动“Machine Learning For Communications Emerging Technologies Initiative”，欧盟 Horizon 2020 启动“智能网络与服务”6G 研究项目，重点发展 AI 增强的通信与网络技术。欧美一批著名高校和企业

3、研究机构均开展了大量的研究工作，部分机构还推出了无线 AI 原型系统。国内主要高校和部分行业领先企业围绕无线智能网络架构、无线智能空口、无线 AI 算法、无线 AI 数据集、无线语义通信等基础理论和关键技术展开了深入研究和探索，并取得了丰富的成果，部分成果还完成了测试，有效验证了无线人工智能的技术可行性和应用潜力，并初步形成了如下基本结论和重要共识：1）AI/ML 能很好地表征和重构未知无线信道环境、有效跟踪预测反馈信道状态、挖掘利用大状态空间内在统计特征，大幅度提升物理层信号处理算法的性能。2）AI/ML 能够智能挖掘利用无线网络时空频通信、感知和计算资源，有效协调干扰，实现多用户、多目标、

4、高维度、分布式、准全局优化调度决策。3）若干 AI/ML 架构能够很好地与无线网络拓扑、无线传输接入协议、无线资源约束、无线分布式数据特征相适配，从而有潜力建构新型无线智能网络架构；在此基础上进一步利用网络分布式算力和动态运力，自主适应无线网络分布式计算业务需求，实现网络高效资源利用、自主运行和智能服务。4）无线语义通信作为一种全新的智能通信架构，通过将用户对信息的需求和语义特征融入通信过程，有望显著提升通信效率、改进用户体验，解决基于比特的传统通信协议中存在的跨系统、跨协议、跨网络、跨人机不兼容和难互通等问题。3 5）无线数据隐藏结构特征复杂，跨时空分布式小样本问题突出，无线数据集的构建、访

5、问、训练、迁移及其隐私安全保障将显著影响无线 AI 系统的架构设计和算法部署。无线 AI 将是未来 6G 中渗透性最强的核心技术之一，涉及空口、网络、协议和算法的各个层面，也将深度影响感知、通信、计算、控制等网络功能，其性能潜力已得到证实。相关研究成果在感知、预测、定位、跟踪、反馈、调度、优化、调控等方面的应用潜力巨大，初步形成了未来标准化和产业化的基础，部分技术已在 R17、R18中得到初步研究和应用。下一步宜深入探索无线智能通信系统在数据和算力需求、AI 通信计算综合效能方面的极限理论，重点推进无线智能网络架构、无线智能空口、无线 AI 算法、无线 AI数据集、无线语义通信等方面的标准化，

6、着重解决如下核心难点：适用于无线的通用AI 架构、数据和算力约束的高效无线 AI 算法，支撑 AI 算法高效部署的无线协议，以及无线 AI 性能(界限)的精准分析预测等等。4 目 录 图目录 6 表目录 8 第一章 引言.11 第二章 基于 AI/ML 的物理层技术.12 2.1 基于 AI/ML 的无线环境建模与感知.13 2.2 基于 AI 的信道估计、预测及反馈.15 2.2.1 信道状态信息估计.17 2.2.2 信道状态信息预测.19 2.2.3 信道状态信息反馈.21 2.2.4 导频、信道估计、信道反馈、预编码联合设计.23 2.3 AI 使能的端到端设计.24 2.4 基于 A