人工智能在5G系统中的应用综述

被引：13

作者：

章坚武 ^{[1
]}

王路鑫 ^{[1
]}

孙玲芬 ^{[2
]}

章谦骅 ^{[3
,4
]}

单杭冠 ^{[4
]}

机构：

[1] 杭州电子科技大学

[2] 英国普利茅斯大学

[3] 之江实验室智能网络研究中心

[4] 浙江大学

来源：

电信科学 | 2021年 / 37卷 / 05期

关键词：

5G; 人工智能; 强化学习; 边缘计算; 毫米波大规模MIMO;

D O I：

暂无

中图分类号：

TN929.5 [移动通信]; TP18 [人工智能理论];

学科分类号：

080402 ; 080904 ; 0810 ; 081001 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

随着5G的不断发展,万物互联时代即将来临。海量设备连接、海量业务请求、超高网络负载、复杂动态的网络环境等对5G系统优化提出了巨大的挑战。面对这些技术难点,人工智能(AI)算法表现了其独特的优势。首先对5G系统中基于深度学习的AI算法相比于传统算法的优势进行介绍;随后,针对多接入边缘计算和毫米波大规模多输入多输出(mmWave massive MIMO)系统中的AI算法应用进行详细的阐述,并对比分析了各种方法的优劣;最后,根据已有研究,总结了AI算法在5G实际场景中存在的不足,并对未来研究方向提出了展望。

引用

页码：14 / 31

页数：18

共 46 条

[1]

Mobility-Aware Partial Computation Offloading in Vehicular Networks: A Deep Reinforcement Learning Based Scheme[J]. Jianfei Wang,Tiejun Lv,Pingmu Huang,P.Takis Mathiopoulos.中国通信. 2020(10)

[2] Federated Learning for 6G Communications: Challenges, Methods, and Future Directions [J].