新文推送——人工智能支持的通信无线传播Part I、Part II

文章概况

以团队成员黄晨（Chen Huang，现已毕业并于紫金山实验室工作），何睿斯（Ruisi He）和杨汨（Mi Yang）为主要作者的成果“Artificial Intelligence Enabled Radio

Propagationfor Communications

（人工智能支持的通信无线传播）“近日于

IEEE Transactions on Antennas and 

Propagation( Early Access )上发表。

文章共分为两部分，第一部分题目为：“Part I: Channel Characterization and Antenna-Channel Optimization（第一部分：信道特性和天线信道优化）”；第二部分题目为：“Part II: Scenario Identification and Channel Modeling（第二部分：场景识别和信道建模）”。

Part I DOI: 10.1109/TAP.2022.3149663

Part II DOI:10.1109/TAP.2022.3149665

（图1 基于ML的(a)信道建模、(b)信道仿真和(c)信道预测的关键思想。）

为了提供更高的数据速率以及更好的覆盖范围、成本效率、安全性、适应性和可扩展性，5G 及 5G 之后的网络采用各种人工智能技术进行开发。在这篇由两部分组成的论文中，研究了人工智能 (AI) 尤其是机器学习 (ML) 在无线传播信道研究中的应用。

首先在第一部分中全面概述了信道表征和基于ML的天线信道优化，然后在第二部分中给出了信道场景识别和信道建模的最新文献综述。介绍了通信网络中ML的基本结果和关键概念，并对广泛用于信道数据处理、传播信道估计和表征的ML方法进行了分析和比较。最后，对支持 ML 的下一代网络面临的挑战和未来研究方向进行了讨论。

具体而言，在第一部分中，首先总结了基于 ML 的信道特征提取技术，包括信道参数估计、多径分量（MPC）跟踪和 MPC 聚类，然后介绍了基于 ML 的天线-信道交互的设计和优化，最后讨论了上述主题的挑战和未来可能的研究途径。

在第二部分中，首先介绍了基于ML的通信场景识别，然后对基于ML的信道建模和预测进行了全面回顾，最后讨论了上述主题面临的挑战和未来可能的研究途径。

总而言之，人工智能技术已成为发展下一代通信网络的必要工具。本文全面概述了用于传播信道研究的人工智能数据处理技术，包括场景识别和信道建模/预测，并演示了相关工作的早期结果，说明了针对每个主题的典型基于AI/ML的解决方案。在此基础上，给出了基于AI/ML的信道数据处理技术面临的挑战。

     

   （表1 基于机器学习的通信应用总结）

       

       

 （图2 (a) 基于形状；(b) 基于优化；(c) 基于距离；(d) 基于密度的聚类识别的关键思想比较）

（第一部分文章引用）

@ARTICLE{9713745,
  author={Huang, Chen and He, Ruisi and Ai, Bo and Molisch, Andreas F. and Lau, Buon Kiong and Haneda, Katsuyuki and Liu, Bo and Wang, Cheng-Xiang and Yang, Mi and Oestges, Claude and Zhong, Zhangdui},
  journal={IEEE Transactions on Antennas and Propagation}, 
  title={Artificial Intelligence Enabled Radio Propagation for Communications—Part I: Channel Characterization and Antenna-Channel Optimization}, 
  year={2022},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TAP.2022.3149663}}

或

C. Huang et al., "Artificial Intelligence

Enabled Radio Propagation for

Communications—Part I: Channel

Characterization and Antenna-Channel

Optimization," in IEEE Transactions

on Antennas and Propagation, 

doi: 10.1109/TAP.2022.3149663.

（第二部分文章引用）

@ARTICLE{9713743,
  author={Huang, Chen and He, Ruisi and Ai, Bo and Molisch, Andreas F. and Lau, Buon Kiong and Haneda, Katsuyuki and Liu, Bo and Wang, Cheng-Xiang and Yang, Mi and Oestges, Claude and Zhong, Zhangdui},
  journal={IEEE Transactions on Antennas and Propagation}, 
  title={Artificial Intelligence Enabled Radio Propagation for Communications—Part II: Scenario Identification and Channel Modeling}, 
  year={2022},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TAP.2022.3149665}}

或

C. Huang et al., "Artificial Intelligence

Enabled Radio Propagation for

Communications—Part II: Scenario

Identification and Channel Modeling,"

in IEEE Transactions on Antennas and

Propagation, 

doi: 10.1109/TAP.2022.3149665.