目錄
“新一代人工智能理論、技術(shù)及應(yīng)用叢書”序
序
前言
第1章 緒論 1
1.1 6G及未來移動通信系統(tǒng) 1
1.1.1 6G典型場景 1
1.1.2 6G核心指標 4
1.1.3 6G關(guān)鍵使能技術(shù) 5
1.2 新一代人工智能技術(shù) 9
1.2.1 傳統(tǒng)機器學(xué)習(xí) 9
1.2.2 聯(lián)邦學(xué)習(xí) 12
1.2.3 多智能體學(xué)習(xí) 13
1.2.4 大語言模型 14
1.3 通信網(wǎng)絡(luò)中的內(nèi)生智能 15
1.3.1 實現(xiàn)內(nèi)生智能的必要性 15
1.3.2 內(nèi)生智能的通信網(wǎng)絡(luò)設(shè)計方案 15
參考文獻 17
第2章 數(shù)據(jù)驅(qū)動的端到端通信系統(tǒng) 19
2.1 端到端通信系統(tǒng)概述 19
2.1.1 傳統(tǒng)通信系統(tǒng)與端到端通信系統(tǒng) 19
2.1.2 基于自編碼器的端到端通信系統(tǒng) 20
2.2 端到端通信系統(tǒng)的編譯碼技術(shù) 22
2.2.1 系統(tǒng)架構(gòu) 22
2.2.2 編譯碼設(shè)計 29
2.2.3 仿真結(jié)果 32
2.3 端到端通信系統(tǒng)的調(diào)制解調(diào)技術(shù) 34
2.3.1 系統(tǒng)架構(gòu) 34
2.3.2 調(diào)制解調(diào)設(shè)計 39
2.3.3 仿真結(jié)果 40
2.4 端到端通信系統(tǒng)的波束賦形技術(shù) 43
2.4.1 端到端信道估計模型 44
2.4.2 端到端波束賦形系統(tǒng)建模 49
2.4.3 端到端通信系統(tǒng)的波束賦形設(shè)計和優(yōu)化 50
2.4.4 仿真結(jié)果 52
2.5 端到端通信系統(tǒng)原型系統(tǒng)實現(xiàn) 55
2.5.1 基于軟件無線電平臺的系統(tǒng)實現(xiàn) 56
2.5.2 基于現(xiàn)場可編程邏輯門陣列的系統(tǒng)實現(xiàn) 62
2.6 本章小結(jié) 66
參考文獻 66
第3章 基于深度神經(jīng)網(wǎng)絡(luò)的數(shù)字孿生網(wǎng)絡(luò) 68
3.1 數(shù)字孿生網(wǎng)絡(luò)概述 68
3.2 數(shù)字孿生信道 70
3.2.1 數(shù)字孿生信道需求分析 70
3.2.2 基于神經(jīng)網(wǎng)絡(luò)的無線信道孿生方案設(shè)計 71
3.2.3 仿真結(jié)果 75
3.3 數(shù)字孿生移動網(wǎng)絡(luò) 77
3.3.1 網(wǎng)絡(luò)級性能指標概述 77
3.3.2 基于Transformer的數(shù)字孿生網(wǎng)絡(luò)方案 79
3.3.3 仿真結(jié)果 83
3.4 基于數(shù)字孿生網(wǎng)絡(luò)的網(wǎng)絡(luò)資源動態(tài)管理 90
3.4.1 網(wǎng)絡(luò)架構(gòu)設(shè)計 90
3.4.2 網(wǎng)絡(luò)資源管理方案 91
3.4.3 仿真結(jié)果 96
3.5 基于數(shù)字孿生網(wǎng)絡(luò)的Cell-free網(wǎng)絡(luò)接入控制 99
3.5.1 系統(tǒng)模型 99
3.5.2 數(shù)學(xué)優(yōu)化模型 100
3.5.3 基于數(shù)字孿生的DRL算法 104
3.5.4 仿真結(jié)果 107
3.6 基于數(shù)字孿生網(wǎng)絡(luò)的多基站功率調(diào)度 109
3.6.1 軌跡孿生方案 109
3.6.2 網(wǎng)絡(luò)模型構(gòu)建及預(yù)測 109
3.6.3 仿真結(jié)果 115
3.7 本章小結(jié) 119
參考文獻 120
第4章 大模型輔助的語義通信 123
4.1 語義通信基礎(chǔ) 123
4.1.1 語義通信的基本概念 123
4.1.2 語義通信的信息論基礎(chǔ) 124
4.1.3 語義通信的系統(tǒng)結(jié)構(gòu) 126
4.1.4 語義通信的特點 128
4.2 大模型推動語義通信的發(fā)展 128
4.2.1 傳統(tǒng) AI 模型的不足 129
4.2.2 大模型的主要特點 129
4.2.3 大模型在語義通信系統(tǒng)中的作用 130
4.3 大模型輔助的語義通信基本架構(gòu) 131
4.3.1 語義通信系統(tǒng)中的大模型知識庫 132
4.3.2 基于大模型的語義通信系統(tǒng)架構(gòu) 134
4.3.3 原型系統(tǒng)的實現(xiàn)和仿真結(jié)果 140
4.4 大模型輔助的多模態(tài)語義通信 145
4.4.1 多模態(tài)語義通信的優(yōu)勢與挑戰(zhàn) 146
4.4.2 CoDi、GPT-4與微調(diào)技術(shù)概述 147
4.4.3 多模態(tài)語義通信系統(tǒng)設(shè)計 149
4.4.4 原型系統(tǒng)的實現(xiàn)與仿真結(jié)果 154
4.5 大模型輔助的通信系統(tǒng)自動生成 159
4.5.1 LLM賦能的多智能體系統(tǒng) 159
4.5.2 案例研究 163
4.6 面向語義的分子通信 167
4.6.1 分子通信與存儲簡介 167
4.6.2 語義驅(qū)動的端到端分子通信系統(tǒng) 174
4.6.3 仿真結(jié)果 178
參考文獻 180
第5章 通信網(wǎng)絡(luò)內(nèi)生智能的其他支撐技術(shù) 182
5.1 強化學(xué)習(xí)技術(shù)及其在數(shù)據(jù)增強中的應(yīng)用 182
5.1.1 數(shù)據(jù)增強概覽 182
5.1.2 孿生信道數(shù)據(jù)增強的系統(tǒng)模型 182
5.1.3 孿生信道數(shù)據(jù)增強的問題建模 188
5.1.4 基于TimeGAN的數(shù)據(jù)增強算法設(shè)計 189
5.1.5 仿真結(jié)果 197
5.2 聯(lián)邦學(xué)習(xí)技術(shù)及其在數(shù)據(jù)隱私保護中的應(yīng)用 204
·x· 通信網(wǎng)絡(luò)內(nèi)生智能
5.2.1 數(shù)據(jù)隱私保護 204
5.2.2 基于分布式機器學(xué)習(xí)模型訓(xùn)練的系統(tǒng)建模 205
5.2.3 基于博弈論的無線聯(lián)邦學(xué)習(xí)方案設(shè)計 209
5.2.4 仿真結(jié)果 212
5.3 圖神經(jīng)網(wǎng)絡(luò)在多跳網(wǎng)絡(luò)的應(yīng)用 215
5.3.1 多跳網(wǎng)絡(luò)下圖神經(jīng)網(wǎng)絡(luò)技術(shù)概覽 215
5.3.2 多跳網(wǎng)絡(luò)的系統(tǒng)模型 216
5.3.3 基于圖神經(jīng)網(wǎng)絡(luò)的算法設(shè)計 219
5.3.4 仿真結(jié)果 222
5.4 本章小結(jié) 224
參考文獻 225