【IMT】2023_移动通信与AI融合的数据格式和模型建议书（第一阶段：物理层领域）--2020_5G_推进组_12页_1mb

移动通信与AI融合的数据格式和模型建议书总结

核心内容概述

本建议书聚焦于移动通信与人工智能（AI）融合的物理层关键技术，围绕七大典型用例展开，包括智能解调制、智能调制解调、DMRS信道估计、参考信号设计、上下行开销联合优化、智能接收机以及智能收发机。旨在探讨AI技术在移动通信系统中的应用潜力，分析不同AI模型在通信性能上的提升效果，并提供相应的数据格式、模型类型及测试结果，为未来通信系统的智能化发展提供参考。

主要观点与关键信息

1. AI在物理层的应用潜力

• AI技术被引入移动通信的物理层，以替代或优化传统算法，提升系统吞吐量、降低导频开销、改善信道估计性能。
• 通过神经网络模型实现对解调、调制、信道估计等模块的智能化处理，展现出在低信噪比（SNR）环境下更强的性能增益。

2. 数据格式与模型类型

• 数据格式：主要涉及RB数、子载波数、符号数、实虚部、天线数、调制阶数等通信参数。
• 模型类型：
  • MLP：用于简单场景，如SISO系统下的智能解调制。
  • CNN：适用于处理频域数据，如接收端频域数据处理。
  • Transformer：用于复杂场景，如上下行开销联合优化、智能接收机和收发机，能更好地捕捉时序和上下文信息。

3. 性能提升分析

• 吞吐量提升：基于AI的智能解调制、智能调制解调、智能接收机和智能收发机方案在吞吐量上分别提升了约3%、10%、15%和15%。
• MIMO模式下增益更显著：在MIMO系统中，AI方案的性能提升幅度比SISO系统高出5个百分点。
• 低SNR环境优势明显：AI在低信噪比场景下表现优于传统算法，尤其是在信道估计和接收机优化方面。
• 导频开销降低：基于AI的参考信号设计可在降低50%导频开销的情况下达到传统算法的性能水平。

4. 测试与验证

• 测试环境：采用原型样机和高性能GPU进行推理加速，验证AI方案在真实空口场景下的可行性。
• 测试场景：包括室内静止、室外低速运动、LOS/NLOS等场景，测试不同SNR条件下的性能表现。
• 测试结果：
  • 智能解调制：3%吞吐量提升。
  • 智能调制解调：10%吞吐量提升。
  • DMRS信道估计：9%吞吐量提升。
  • 参考信号设计：7%吞吐量提升，导频开销可降低50%。
  • 上下行开销联合优化：下行导频开销降低66%，上行反馈开销降低37%。
  • 智能接收机：15%吞吐量提升，MIMO模式增益更高。
  • 智能收发机：15%吞吐量提升，MIMO模式增益更显著。

5. 模型参数与资源占用

• 模型参数量从几千到几百万不等，内存占用从几十KB到几十MB。
• 推理所需算力（FLOPs）从几百万到几十亿不等，取决于模型复杂度和场景需求。

关键技术分析

1. 智能解调制

• 采用MLP模型，基于仿真数据和真实空口数据进行训练。
• 在低SNR环境下增益更明显，室内静止场景优于室外低速运动场景。

2. 智能调制解调

• 使用CNN模型，基于真实空口数据训练。
• 性能提升约10%，MIMO系统表现更优。

3. DMRS信道估计

• 采用MLP模型，基于仿真数据训练。
• 在相同导频开销下，性能提升约9%。

4. 参考信号设计

• 采用NN模型，结合真实空口数据和仿真数据。
• 在降低50%导频开销的情况下仍可保持传统性能水平。

5. 上下行开销联合优化

• 使用Transformer和MLP/CNN模型，基于真实空口数据训练。
• 实现了下行导频开销降低66%，上行反馈开销降低37%。

6. 智能接收机

• 采用Transformer和CNN模型，基于仿真和真实数据训练。
• 性能提升约15%，MIMO模式下提升更高。

7. 智能收发机

• 使用Transformer和CNN模型，训练数据涵盖调制符号和频域数据。
• 性能提升约15%，MIMO模式下增益更显著，且在低SNR环境下表现更好。

参加单位

本建议书由以下单位共同参与：

• 中国信息通信研究院移动通信创新中心
• 华为技术有限公司
• 中兴通讯股份有限公司
• 中信科移动通信技术股份有限公司
• 维沃移动通信有限公司
• 爱立信通信有限公司
• 上海诺基亚贝尔股份有限公司
• 中国移动研究院
• 中国电信研究院
• 中国联通研究院

总结

该建议书系统性地总结了AI技术在移动通信物理层中的应用，涵盖了从解调制、调制解调到信道估计、参考信号设计、上下行开销优化以及收发机联合设计等多个方面。通过不同模型（如MLP、CNN、Transformer）的对比测试，验证了AI在提升吞吐量、降低导频开销、优化信道估计等方面的显著优势，尤其在低信噪比和静态场景下表现突出。测试结果表明，AI技术有望成为未来6G通信系统中实现智能化的关键手段。