本书探索人工智能技术与以6G为代表的未来移动通信网络的融合，深入分析人工智能如何内嵌于现代通信网络，推动通信技术的进步并塑造未来的网络系统。全书共5章，从6G的基本架构和关键技术，到数据驱动的端到端通信系统的实现，再到基于深度神经网络的数字孪生网络和大模型辅助的语义通信，同时提供全面的技术分析和丰富的实例研究。
样章试读
目录
- 目录
“新一代人工智能理论、技术及应用丛书”序
序
前言
第1章 绪论 1
1.1 6G及未来移动通信系统 1
1.1.1 6G典型场景 1
1.1.2 6G核心指标 4
1.1.3 6G关键使能技术 5
1.2 新一代人工智能技术 9
1.2.1 传统机器学习 9
1.2.2 联邦学习 12
1.2.3 多智能体学习 13
1.2.4 大语言模型 14
1.3 通信网络中的内生智能 15
1.3.1 实现内生智能的必要性 15
1.3.2 内生智能的通信网络设计方案 15
参考文献 17
第2章 数据驱动的端到端通信系统 19
2.1 端到端通信系统概述 19
2.1.1 传统通信系统与端到端通信系统 19
2.1.2 基于自编码器的端到端通信系统 20
2.2 端到端通信系统的编译码技术 22
2.2.1 系统架构 22
2.2.2 编译码设计 29
2.2.3 仿真结果 32
2.3 端到端通信系统的调制解调技术 34
2.3.1 系统架构 34
2.3.2 调制解调设计 39
2.3.3 仿真结果 40
2.4 端到端通信系统的波束赋形技术 43
2.4.1 端到端信道估计模型 44
2.4.2 端到端波束赋形系统建模 49
2.4.3 端到端通信系统的波束赋形设计和优化 50
2.4.4 仿真结果 52
2.5 端到端通信系统原型系统实现 55
2.5.1 基于软件无线电平台的系统实现 56
2.5.2 基于现场可编程逻辑门阵列的系统实现 62
2.6 本章小结 66
参考文献 66
第3章 基于深度神经网络的数字孪生网络 68
3.1 数字孪生网络概述 68
3.2 数字孪生信道 70
3.2.1 数字孪生信道需求分析 70
3.2.2 基于神经网络的无线信道孪生方案设计 71
3.2.3 仿真结果 75
3.3 数字孪生移动网络 77
3.3.1 网络级性能指标概述 77
3.3.2 基于Transformer的数字孪生网络方案 79
3.3.3 仿真结果 83
3.4 基于数字孪生网络的网络资源动态管理 90
3.4.1 网络架构设计 90
3.4.2 网络资源管理方案 91
3.4.3 仿真结果 96
3.5 基于数字孪生网络的Cell-free网络接入控制 99
3.5.1 系统模型 99
3.5.2 数学优化模型 100
3.5.3 基于数字孪生的DRL算法 104
3.5.4 仿真结果 107
3.6 基于数字孪生网络的多基站功率调度 109
3.6.1 轨迹孪生方案 109
3.6.2 网络模型构建及预测 109
3.6.3 仿真结果 115
3.7 本章小结 119
参考文献 120
第4章 大模型辅助的语义通信 123
4.1 语义通信基础 123
4.1.1 语义通信的基本概念 123
4.1.2 语义通信的信息论基础 124
4.1.3 语义通信的系统结构 126
4.1.4 语义通信的特点 128
4.2 大模型推动语义通信的发展 128
4.2.1 传统 AI 模型的不足 129
4.2.2 大模型的主要特点 129
4.2.3 大模型在语义通信系统中的作用 130
4.3 大模型辅助的语义通信基本架构 131
4.3.1 语义通信系统中的大模型知识库 132
4.3.2 基于大模型的语义通信系统架构 134
4.3.3 原型系统的实现和仿真结果 140
4.4 大模型辅助的多模态语义通信 145
4.4.1 多模态语义通信的优势与挑战 146
4.4.2 CoDi、GPT-4与微调技术概述 147
4.4.3 多模态语义通信系统设计 149
4.4.4 原型系统的实现与仿真结果 154
4.5 大模型辅助的通信系统自动生成 159
4.5.1 LLM赋能的多智能体系统 159
4.5.2 案例研究 163
4.6 面向语义的分子通信 167
4.6.1 分子通信与存储简介 167
4.6.2 语义驱动的端到端分子通信系统 174
4.6.3 仿真结果 178
参考文献 180
第5章 通信网络内生智能的其他支撑技术 182
5.1 强化学习技术及其在数据增强中的应用 182
5.1.1 数据增强概览 182
5.1.2 孪生信道数据增强的系统模型 182
5.1.3 孪生信道数据增强的问题建模 188
5.1.4 基于TimeGAN的数据增强算法设计 189
5.1.5 仿真结果 197
5.2 联邦学习技术及其在数据隐私保护中的应用 204
·x· 通信网络内生智能
5.2.1 数据隐私保护 204
5.2.2 基于分布式机器学习模型训练的系统建模 205
5.2.3 基于博弈论的无线联邦学习方案设计 209
5.2.4 仿真结果 212
5.3 图神经网络在多跳网络的应用 215
5.3.1 多跳网络下图神经网络技术概览 215
5.3.2 多跳网络的系统模型 216
5.3.3 基于图神经网络的算法设计 219
5.3.4 仿真结果 222
5.4 本章小结 224
参考文献 225
京公网安备 11010102004214号