摘要：近年來，移動通信與人工智能結(jié)合成為研究熱點(diǎn)。二者結(jié)合面臨諸多挑戰(zhàn)，其中，AI與移動通信結(jié)合的基本范式還不太明確，導(dǎo)致基于AI的無線資源調(diào)度、智能網(wǎng)絡(luò)切片、智能運(yùn)維、多接入系統(tǒng)、智能能耗管理等諸多無線網(wǎng)絡(luò)技術(shù)問題沒有統(tǒng)一的解決方案。本文提出的無線通信智能控制器架構(gòu)是一個通過AI與移動通信結(jié)合來解決移動通信問題的通用裝置，該設(shè)備包含小區(qū)級節(jié)點(diǎn)管理單元（Cell node Management， CNM）、智能應(yīng)用管理單元（Smart App Management， SAM）、用戶數(shù)據(jù)節(jié)點(diǎn)單元（Data Warehouse Module， DWM）、資源控制節(jié)點(diǎn)單元（Resource Control Management， RCM）、協(xié)議適配解析單元（Protocol Adaptation Management， PAM）等全新模塊，可以作為一個通用裝置，基于AI技術(shù)來解決各類移動通信問題。本文設(shè)計(jì)了智能控制器的通用解決方案架構(gòu)，介紹了該通信智能控制器的應(yīng)用實(shí)例，論證了其在無線通信接入領(lǐng)域的應(yīng)用前景。

關(guān)鍵詞：5G/B5G；人工智能；無線智能控制器；智能切片

一 、引言

人工智能（Artificial Intelligence， AI）技術(shù)在計(jì)算機(jī)領(lǐng)域已經(jīng)得到廣泛而深入的應(yīng)用，主要包括深度學(xué)習(xí)（Deep Learning， DL）、深度強(qiáng)化學(xué)習(xí)（Deep Reinforcement Learning， DRL）以及聯(lián)邦學(xué)習(xí)（Federated Learning， FL）三類機(jī)器學(xué)習(xí)方法。在涉及數(shù)據(jù)的統(tǒng)計(jì)、推斷、擬合、優(yōu)化、聚類的計(jì)算應(yīng)用場景中，均能找到AI的典型應(yīng)用[1]。

5G新無線（New Radio， NR）系統(tǒng)在向多頻段、高帶寬、高頻率的方向發(fā)展，系統(tǒng)所處的無線環(huán)境變得越發(fā)復(fù)雜，難以再依賴專家知識建立廣泛適用的信道模型[2]。同時，NR網(wǎng)絡(luò)被要求滿足業(yè)務(wù)多樣化、體驗(yàn)個性化的多元應(yīng)用場景，使得傳統(tǒng)通信優(yōu)化算法的求解復(fù)雜度呈指數(shù)級上升[3]。移動通信迫切需要引入新方法。目前，AI技術(shù)正逐步應(yīng)用于無線通信領(lǐng)域，以解決傳統(tǒng)無線通信技術(shù)面對萬物智聯(lián)的新發(fā)展趨勢時所遇到的瓶頸問題。智能通信被認(rèn)為是無線通信發(fā)展的主流方向之一[4-6]。但目前，人工智能與無線通信的融合研究仍處于初步探索階段，5G網(wǎng)絡(luò)在被設(shè)計(jì)時并未考慮AI技術(shù)，二者的結(jié)合缺乏有效的通用解決方案、場景和設(shè)備，AI技術(shù)在無線智能控制領(lǐng)域的應(yīng)用還具有很大潛力[7]。

為了最小化調(diào)整5G接入網(wǎng)節(jié)點(diǎn)，高效便捷地使用AI技術(shù)解決移動通信領(lǐng)域服務(wù)質(zhì)量、用戶體驗(yàn)等多維復(fù)雜問題，可以在無線側(cè)擴(kuò)展加入無線智能控制器（RAN Intelligent Controller， RIC）。利用RIC的接入網(wǎng)信息增強(qiáng)和智能控制的特點(diǎn)[8]，連通網(wǎng)絡(luò)接入節(jié)點(diǎn)和AI算法進(jìn)程，達(dá)到智能算法自動加工接入網(wǎng)數(shù)據(jù)并下發(fā)智能控制信息，從而提升接入網(wǎng)絡(luò)服務(wù)質(zhì)量的效果。本文詳細(xì)闡述一種適用于NR系統(tǒng)的RIC架構(gòu)方案，并部署了具體的應(yīng)用實(shí)例，描述了這種RIC方案在利用人工智能算法求解切片業(yè)務(wù)資源分配策略時的工作機(jī)理。

二、 5G與AI結(jié)合的發(fā)展現(xiàn)狀

（一）無線網(wǎng)絡(luò)智能化趨勢和現(xiàn)狀

AI已被廣泛應(yīng)用于無線通信領(lǐng)域，以解決空時頻多維資源管理[9-11]、網(wǎng)絡(luò)節(jié)能[12-14]、信道接入[15-16]等問題。3GPP組織對5G NR協(xié)議增添了AI相關(guān)標(biāo)準(zhǔn)[17]。國內(nèi)中國移動、中國電信，國外思科、VIAVI等企業(yè)把AI應(yīng)用作為6G的主攻方向之一。

5G與AI結(jié)合面臨諸多挑戰(zhàn)。AI與移動通信結(jié)合的基本范式還不太明確[18]，大量可能的結(jié)合點(diǎn)，其結(jié)合價(jià)值與結(jié)合方式?jīng)]有產(chǎn)業(yè)共識。同時，運(yùn)營商、設(shè)備商、終端服務(wù)商、芯片制造商、高校、研究機(jī)構(gòu)等的分工及產(chǎn)業(yè)合力的形成路徑不明確[19]。

為了有效利用人工智能技術(shù)，合理使用5G大數(shù)據(jù)和算力資源，使5G更加智能、高效，本文提出一種通用RIC方案。該方案適應(yīng)4G、5G，以及未來的6G系統(tǒng)。

（二）無線智能控制器研究現(xiàn)狀

雖然AI已被廣泛應(yīng)用于無線通信領(lǐng)域，但如何應(yīng)用部署以將智能技術(shù)嵌入無線網(wǎng)是個問題。一種學(xué)術(shù)界和業(yè)界的共識是在RAN側(cè)部署RIC。受限于5G無線網(wǎng)絡(luò)架構(gòu)和各網(wǎng)元的基本功能及邏輯關(guān)系已經(jīng)設(shè)計(jì)完成，AI在5G NR網(wǎng)絡(luò)的引入是外掛式的[20]。現(xiàn)有的RIC方案中，面向無線資源管理分配問題的裝置，其通用性較弱[21]；還有的RIC裝置不具備自主學(xué)習(xí)、不斷進(jìn)化和自主判斷的能力[22]。

本文提出的RIC方案，可以充分利用人工智能算法和大數(shù)據(jù)，取代部分傳統(tǒng)經(jīng)典算法，解決無線通信領(lǐng)域傳統(tǒng)算法很難解決或無法解決的多維無線通信問題。該方案的RIC可以自主學(xué)習(xí)進(jìn)化，針對特定問題不斷更新逼近最優(yōu)解；裝置引入小區(qū)級節(jié)點(diǎn)管理單元（Cell node Management，CNM）、智能應(yīng)用管理單元（Smart app Management，SAM）、用戶數(shù)據(jù)節(jié)點(diǎn)單元（Data Warehouse Module，DWM）、資源控制節(jié)點(diǎn)單元（Resource Control Management，RCM）、協(xié)議適配解析單元（Protocol Adaptation Management，PAM）、建模決策單元等新模塊，業(yè)務(wù)模塊組件分工合作，具備通用性[23]；本文最后列舉了這種RIC解決切片實(shí)時調(diào)度資源分配的實(shí)例，驗(yàn)證了該系統(tǒng)具備從數(shù)據(jù)按需采集到AI算法的近實(shí)時驗(yàn)證的閉環(huán)能力。

三、 無線智能控制器架構(gòu)設(shè)計(jì)

RIC從接入節(jié)點(diǎn)采集空口的狀態(tài)和業(yè)務(wù)數(shù)據(jù)，并發(fā)送到人工智能和大數(shù)據(jù)組件。同時，RIC接收目標(biāo)AI算法進(jìn)程基于狀態(tài)和業(yè)務(wù)數(shù)據(jù)加工計(jì)算得到的配置信息，并轉(zhuǎn)發(fā)配置控制信息，修改接入節(jié)點(diǎn)設(shè)備的行為屬性。RIC發(fā)揮信息通路和判決作用，可實(shí)現(xiàn)人工智能技術(shù)解決多種無線接入側(cè)問題的基本框架，提供借助AI能力有效提升移動接入側(cè)服務(wù)質(zhì)量和用戶體驗(yàn)的模型，具備一定的通用性。

（一）無線智能控制器結(jié)構(gòu)

RIC連通管控軟件（OAM）、智能算法應(yīng)用（Smart App）、開放基站節(jié)點(diǎn)（Open Node）三個外部實(shí)體。其中，OAM提供實(shí)時信息顯示和人工操控管理界面；Smart App可以針對性地解決或優(yōu)化空口傳輸時延、小區(qū)間干擾、智能切片、基站能耗管理等接入網(wǎng)無線傳輸問題；Open Node提供基站數(shù)據(jù)源和控制載體。RIC內(nèi)部功能模塊包括小區(qū)節(jié)點(diǎn)管理（CNM）、智能算法應(yīng)用管理（SAM）、用戶級數(shù)據(jù)節(jié)點(diǎn)（DWM）、資源控制節(jié)點(diǎn)（RCM）、協(xié)議適配解析模塊（PAM）；接口模塊包含管理控制接口（OAM AP）、智能算法應(yīng)用接口（SMART AP）、基站通信節(jié)點(diǎn)接口（Node AP）。RIC向智能算法應(yīng)用提供實(shí)時基站數(shù)據(jù)，使用數(shù)據(jù)庫存儲基站數(shù)據(jù)，同時對基站數(shù)據(jù)進(jìn)行仿真建模和策略協(xié)同優(yōu)化，實(shí)現(xiàn)智能算法應(yīng)用程序?qū)镜闹悄芸刂??？刂破鞯募軜?gòu)如圖1所示。

（二）無線智能控制器各模塊功能

OAM AP的主要功能是RIC的可視化呈現(xiàn)，并提供人工管控通道。SMART AP與外部智能算法模型交互，接收AI配置建議，指導(dǎo)基站系統(tǒng)。Node AP是RIC與基站開放節(jié)點(diǎn)的接口，可以同時連接多個基站節(jié)點(diǎn)。PAM模塊負(fù)責(zé)協(xié)議適配管理，包括層1、層2之間的信令消息，以及自定義數(shù)據(jù)對象TLV（Tag-Length-Value）格式消息的解析和轉(zhuǎn)換。DWM模塊進(jìn)行數(shù)據(jù)的提取、管理、存儲。RCM模塊負(fù)責(zé)控制指令管理。建模模塊和協(xié)同決策模塊，用來對基站數(shù)據(jù)進(jìn)行仿真建模和策略協(xié)同優(yōu)化。 協(xié)同決策模塊通過簡單模擬基站的行為，進(jìn)行控制指令的判決，實(shí)現(xiàn)Smart App配置建議的優(yōu)先級排序和有效性判決。無線網(wǎng)絡(luò)信息數(shù)據(jù)庫存儲DWM模塊傳來的基站數(shù)據(jù)，通過SMART AP接口提供給智能算法應(yīng)用程序使用。無線網(wǎng)絡(luò)信息數(shù)據(jù)庫同時供基站數(shù)據(jù)仿真模塊進(jìn)行基站建模，最終協(xié)助RCM模塊進(jìn)行控制協(xié)同。CNM模塊負(fù)責(zé)基站小區(qū)節(jié)點(diǎn)信息顯示控制。SAM模塊負(fù)責(zé)智能算法應(yīng)用的信息顯示和控制下發(fā)。CNM和SAM模塊共同為OAM界面做支撐。

（三）無線智能控制器模塊信息交互流程

1.Open Node和Smart App通信

上行方向：通過UDP協(xié)議傳輸開放基站節(jié)點(diǎn)上報(bào)的基站信息，由基站FAPI（PHY API，物理層應(yīng)用程序接口）數(shù)據(jù)和算法定制數(shù)據(jù)兩部分組成。基站信息通過Node AP，傳送到PAM進(jìn)行數(shù)據(jù)解析，轉(zhuǎn)換成RIC內(nèi)部傳輸數(shù)據(jù)格式（TLV格式）。PAM模塊把數(shù)據(jù)發(fā)送到DWM，DWM模塊進(jìn)行數(shù)據(jù)分類、時間對齊后，按邏輯信道種類存儲到不同的數(shù)據(jù)庫表。SMART AP通過數(shù)據(jù)庫API接口獲取需要的基站數(shù)據(jù)，供Smart App使用。

下行方向：Smart App集成AI模型，自主讀取數(shù)據(jù)庫信息，完成模型訓(xùn)練，并獲取基站實(shí)時數(shù)據(jù)以輸出配置。SMART AP收取Smart App反饋下發(fā)基站的配置控制數(shù)據(jù)，發(fā)送給RIC的RCM模塊。RCM通過決策模塊的協(xié)同優(yōu)化策略，處理配置信息，再經(jīng)由PAM、Node AP，下發(fā)給相應(yīng)基站，RCM模塊同時將協(xié)同優(yōu)化結(jié)果告知Smart App。決策模塊的策略由建模模塊根據(jù)無線網(wǎng)絡(luò)信息數(shù)據(jù)庫信息進(jìn)行實(shí)時更新，自主保障策略模塊策略的及時和有效更新。

2.Open Node和OAM軟件通信

上行方向：基站數(shù)據(jù)上傳到OAM軟件界面顯示。Open Node通過Node AP周期性上報(bào)顯示數(shù)據(jù)，數(shù)據(jù)通過UDP協(xié)議發(fā)送到Node AP，經(jīng)由Node AP轉(zhuǎn)發(fā)到CNM模塊，數(shù)據(jù)再通過OAM AP發(fā)送給顯示軟件OAM。智能控制器內(nèi)部各模塊間的通信皆是TLV傳輸協(xié)議格式。

下行方向：OAM軟件下發(fā)控制信息的流程，基站行為控制信息指令首先從OAM發(fā)送到OAM AP模塊。OAM AP模塊把UDP接收到的外部數(shù)據(jù)格式轉(zhuǎn)為內(nèi)部的TLV傳輸格式協(xié)議，隨后轉(zhuǎn)發(fā)數(shù)據(jù)經(jīng)由CNM模塊轉(zhuǎn)發(fā)到Node AP模塊，再由Node AP發(fā)送控制指令到Open Node基站。

OAM軟件除了可以顯示與管控基站數(shù)據(jù)信息，還可以顯示Smart App的數(shù)據(jù)信息，并進(jìn)行控制信息的發(fā)送。此過程中的關(guān)鍵模塊是SAM。Smart App的顯示信息經(jīng)由SMART AP和RCM傳遞到SAM，繼續(xù)經(jīng)由OAM AP上傳到OAM軟件并予以顯示。OAM軟件控制信息的下發(fā)流程，經(jīng)由OAM AP-gt;SAM-gt;RCM，再通過SMART AP模塊把內(nèi)部TLV格式信息轉(zhuǎn)換成外部數(shù)據(jù)格式，并發(fā)送控制指令到指定的控制Smart App。

智能控制器可以和若干個算法Smart App進(jìn)行協(xié)同通信。各Smart App可通過不同的編程語言，實(shí)現(xiàn)不同的智能算法。作為獨(dú)立的進(jìn)程，Smart App通過與RIC交互無線信息和配置作用于基站節(jié)點(diǎn)。這里不同的Smart App輸出的參數(shù)很可能相互影響，需要借助基站建模和決策模塊來進(jìn)行判決。通過對不同的Smart App定義優(yōu)先級來實(shí)現(xiàn)基本配置順序。

四、智能切片應(yīng)用實(shí)例

無線智能控制器具有無線數(shù)據(jù)增強(qiáng)和控制下發(fā)兩重功能，通過連通基站、數(shù)據(jù)庫和人工智能算法軟件，完成智能切片算法數(shù)據(jù)的支持和控制下發(fā)。智能切片應(yīng)用系統(tǒng)連接圖如圖2所示。測試環(huán)境中3臺終端設(shè)備通過CPE、AAU接入5G基站，之后在與核心網(wǎng)連接的服務(wù)器上顯示3類業(yè)務(wù)傳輸?shù)闹庇^效果。3臺終端分別為工業(yè)相機(jī)、4K監(jiān)控器和高清監(jiān)控器，3個終端分別接入3個切片，占用基站的RB資源進(jìn)行數(shù)據(jù)包傳輸。

環(huán)境中5G基站和3個終端的基礎(chǔ)參數(shù)如表1所示。

按接口約定，上行方向傳輸基站FAPI消息和智能切片算法定制信息（包括切片個數(shù)、各切片ID號、上行SINA、上行速率、上行時延、切片滿足率、上行RB配置信息），下行方向傳輸控制信息（包括各切片ID號、RB配置數(shù)量）。

（一） 網(wǎng)絡(luò)切片5G基站內(nèi)部信令流程

5G基站切片信息傳遞的信令流程如下：

1.核心網(wǎng)發(fā)送NGAP_PDU_SESSION_RESOURCE_SETUP_REQUEST請求給基站的UECC模塊，請求攜帶了配置給UE的SST/SD信息。UECC將SST/SD信息存儲在UE實(shí)體UECC Context中。

2.UECC發(fā)送UECC_LLIM_RECONFIG_UE_ENTITY_REQ給LLIM模塊，LLIM接收UECC_LLIM_RECONFIG_UE_ENTITY_REQ消息，將SST/SD信息存入LLIM UE實(shí)體中。

3.LLIM發(fā)送F1AP_LLIM_UE_CONTEXT_SETUP_REQ消息到DUMGR模塊。

4.DUMGR發(fā)送DUMGER_MAC_RECONFIG_UE_ENTITY_REQ給MAC，MAC收到DUMGR_MAC_RECONFIG_UE_ENTITY_REQ后，將SST/SD存入U(xiǎn)E實(shí)體。

至此，切片信息信令傳遞流程結(jié)束，如圖3所示。

（二）智能切片信息流程

智能切片流程涉及網(wǎng)管OAM、智能切片算法Smart App、RIC、5G基站和用戶終端。流程描述如下：

1.智能切片功能開啟

網(wǎng)絡(luò)工程師可通過OAM管理界面，開啟智能切片功能。OAM通過OAM AP通知RIC，RIC分別通過Node AP和Smart AP通知5G基站Open Node和智能切片算法軟件Smart App。RIC下發(fā)Open Node的消息中包含智能切片功能的小區(qū)列表，向基站進(jìn)行服務(wù)訂閱，基站傳回回執(zhí)。

2.智能切片模型更新

基站向智能控制器上報(bào)基站數(shù)據(jù)和切片信息。消息中包含F(xiàn)API數(shù)據(jù)和切片信息，其中，切片信息中含有切片流量、時延、滿足率等SLA（Service Level Agreement，服務(wù)等級協(xié)議）數(shù)據(jù)，OAM軟件實(shí)時顯示的切片信噪比如圖4所示，資源調(diào)度塊大小如圖5所示，其中slice01是圖2中的4K監(jiān)控器，slice02是工業(yè)相機(jī)，slice03是高清監(jiān)控器。RIC將數(shù)據(jù)存入數(shù)據(jù)庫，算法軟件根據(jù)特征數(shù)據(jù)更新智能算法策略模型。在基站上報(bào)切片信息時，實(shí)時更新策略并通過Smart AP下發(fā)給RIC。

3.智能切片應(yīng)用執(zhí)行

UE向基站發(fā)起切片調(diào)度請求時，基站上報(bào)切片相關(guān)信息。智能控制器向基站下發(fā)測量配置，該測量配置為事件觸發(fā)方式，觸發(fā)條件為基站上報(bào)測量數(shù)據(jù)。根據(jù)智能切片配置信息，基站調(diào)度各個切片響應(yīng)大小的資源。

（三）智能切片對上行空口時延的優(yōu)化效果

接下來，開始驗(yàn)證智能切片配置方案對4K視頻上行傳輸業(yè)務(wù)的上行空口時延優(yōu)化效果?？湛跁r延具體包含終端產(chǎn)生數(shù)據(jù)、數(shù)據(jù)通過空口傳輸至AAU（Active Antenna Unit，有源天線單元），最后到基站BBU（Baseband Unit，基帶處理單元）進(jìn)行數(shù)據(jù)解析的時延。智能切片時延優(yōu)化系統(tǒng)數(shù)據(jù)流如圖6所示。

1.大數(shù)據(jù)平臺從5G基站（BBU）獲取上行信道SINA、RB資源的使用情況、網(wǎng)絡(luò)切片KPI等數(shù)據(jù)，經(jīng)過時間同步等處理得到智能RAN切片配置數(shù)據(jù)集。

2.智能計(jì)算平臺中的智能切片算法從大數(shù)據(jù)平臺獲得數(shù)據(jù)集，訓(xùn)練智能切片配置算法，輸出RB配置組合，完成智能算法的離線訓(xùn)練。

3.在線推測與在線模型更新?；緦⑸闲行诺繱INR、RB資源使用情況傳輸至RIC平臺，根據(jù)離線學(xué)習(xí)的算法模型輸出切片RB配置組合，并通過RIC的決策模塊，下發(fā)相應(yīng)的指令并配置到BBU中。

4.BBU執(zhí)行RB配置命令，同時收集一個切片窗口時間內(nèi)的切片KPI反饋信息，包括切片的流量、用戶速率、誤碼率、時延、滿足率等，將其反饋至RIC平臺中部署的智能RAN切片配置算法，并在線更新算法模型參數(shù)。

5.同時將反饋的切片KPI數(shù)據(jù)、信道SINR等最新數(shù)據(jù)，存儲于數(shù)據(jù)庫中，以供后續(xù)完善大數(shù)據(jù)平臺的智能切片數(shù)據(jù)集，更新訓(xùn)練智能切片模型參數(shù)。

針對4K視頻（分辨率3840*2160，幀率25fps）上傳業(yè)務(wù)，分別測試智能切片配置與輪詢算法的平均上行空口時延，測試結(jié)果如表2所示。

統(tǒng)計(jì)結(jié)果顯示：輪詢算法平均上行空口時延為27662us，基于智能切片算法配置的平均上行空口時延為22059us。

由此得到結(jié)論：智能切片配置的平均空口時延降低了20.26%。系統(tǒng)同時驗(yàn)證了智能控制器利用AI算法的可行性和先進(jìn)性。

五、 結(jié)束語

無線智能控制器架構(gòu)方案體現(xiàn)了開放和智能的特性[24]，可以有效地將機(jī)器學(xué)習(xí)和人工智能技術(shù)應(yīng)用到無線通信接入領(lǐng)域，從而實(shí)現(xiàn)自動化的網(wǎng)絡(luò)優(yōu)化調(diào)整并降低網(wǎng)絡(luò)運(yùn)營維護(hù)成本。這種無線智能控制器不僅適用于5G NR系統(tǒng)，用以解決各類需要AI參與的優(yōu)化問題，還可契合6G無線系統(tǒng)“全頻段、全覆蓋、全應(yīng)用、強(qiáng)安全”的發(fā)展新范式[25]，是一種面向6G的移動網(wǎng)絡(luò)架構(gòu)組件和技術(shù)。本文提出的無線智能控制器架構(gòu)方案連通智能算法、5G接入網(wǎng)、大數(shù)據(jù)平臺等，可以提供真實(shí)有效的接入網(wǎng)空口數(shù)據(jù)?？刂破魉惴ㄜ浖褂萌斯ぶ悄芩惴Ｐ?，基于無線控制器和接入網(wǎng)絡(luò)平臺，構(gòu)成了智能切片的算法解決方案，經(jīng)應(yīng)用實(shí)例驗(yàn)證，其性能穩(wěn)定，且隨著人工智能的技術(shù)和網(wǎng)絡(luò)通信技術(shù)的發(fā)展，其可繼續(xù)演進(jìn)。

作者單位：陸淼 楊治宇 劉澤寧 紫金山實(shí)驗(yàn)室

參考文獻(xiàn)

[1]尤肖虎，張川，談曉思，等.基于AI的5G技術(shù)--研究方向與范例[J].中國科學(xué)：信息科學(xué)，2018，48（12）：1589-1602

[2]X.YOU，C.WANG，J.HUANG，et al.Towards 6G wireless communication networks：vision，enabling technologies，and new paradigm shifts[J].Science China，2021，64（01）：1-74.

[3]伏玉筍，楊根科.人工智能在移動通信中的應(yīng)用：挑戰(zhàn)與實(shí)踐[J].通信學(xué)報(bào)，2020，41（09）：190-201.

[4]梁應(yīng)敞，譚俊杰，Dusit Niyato.智能無線通信技術(shù)研究概況[J].通信學(xué)報(bào)，2020，41（07）：1-17.

[5]李建東，張琰，盛敏，等.信息通信網(wǎng)絡(luò)的內(nèi)涵及發(fā)展趨勢[J].中國科學(xué)：信息科學(xué)，2019，49（08）：949-962.

[6]趙亞軍，郁光輝，徐漢青.6G移動通信網(wǎng)絡(luò)：遠(yuǎn)景、挑戰(zhàn)與關(guān)鍵技術(shù)[J].中國科學(xué)：信息科學(xué)，2019，49（08）：963-987.

[7]李文璟，喻鵬，張平.6G智能內(nèi)生網(wǎng)絡(luò)架構(gòu)及關(guān)鍵技術(shù)分析[J].中興通訊技術(shù)，2023，29（05）：2-8.

[8]ZHAO Y J， YU G H， XU H Q. 6G mobile communication networks： vision， challenges， and key technologies[J]. SCIENTIA SINICA Informationis， 2019， 49（08）：963-987.

[9]Zening Liu，Jie Wu，Wanli Lu，et al.A General Downlink Frequency-domain ICIC Framework for Next-generation RAN[C].IEEE Global Communications Conference，2022，978-1.

[10]YANG Y，GAO F，LI G Y，et al.Deep learning-based downlink channel prediction for FDD massive MIMO system[J].IEEE Communications Letters， 2019，23（11）：1994-1998.

[11]BALEVI E， DOSHI A， ANDREWS J G. Massive MIMO channel estimation with an untrained deep neural network[J].IEEE Transactions on Wireless Communications， 2020， 19（03）： 2079-2090.

[12]張鵬，田輝，趙鵬濤，等.多智能體協(xié)作場景下基于強(qiáng)化學(xué)習(xí)值分解的計(jì)算卸載策略[J].通信學(xué)報(bào)，2021，42（06）：1-15.

[13]JUNHONG Y E，ZHANG Y J.DRAG：deep reinforcement learning based base station activation in heterogeneous networks[J].IEEE Transactions on Mobile Computing，2019.

[14]王哲，李陶深，葛麗娜，等.基于深度學(xué)習(xí)的傳感云 sink 節(jié)點(diǎn)最優(yōu)能效 SWIPT 波束成形設(shè)計(jì)[J].通信學(xué)報(bào)，2021，42（7）：176-188.

[15]TAN J，ZHANG L，LIANG Y C，et al.Intelligent sharing for LTE and Wi-Fi systems in unlicensed bands：a deep reinforcement learning approach[J].IEEE Transactions on Communications，2020，68（5）：2793-2808.

[16]NAPARSTEK O，COHEN K.Deep multi-user reinforcement learning for distributed dynamic spectrum access[J].IEEE Transactions on Wireless Communications，2018，18（1）：310-323.

[17]3GPP.Study on Enhancement for Data Collection for NR and ENDC： TR37.817（v17.0.0）[R].Valbonne：3GPP，2022.

[18]時曄.人工智能在5G通信領(lǐng)域上的發(fā)展探究[J].電子測試，2021（08）：131-132.

[19]AcousticZLY.基于AI的5G技術(shù)[OL].https：//blog.csdn.net/qq_32778575/article/details/81841305，2018-12.

[20]CHEN Li，AI Ming，SUN Shaohui.AI Based Radio Access Network Architecture[J].Radio Communications Technology，2022，48（4）：574-582.

[21]孫軍帥，韓星宇，段然.一種進(jìn)行無線資源管理的方法和nRT RIC[P].中國：CN201910156342.5，2019-03.

[22]羅張宇.一種信息處理方法和近實(shí)時無線接入網(wǎng)控制器[P].中國：CN202010074902.5，2020-01.

[23]黃永明，陸淼，劉東杰，等.應(yīng)用于接入網(wǎng)的信息處理方法、系統(tǒng)、裝置及存儲介質(zhì)[P].中國：CN202111544681.4， 2021-12.

[24]崔春風(fēng)，段然，王桂珍.O-RAN：致力于ICDT融合 打造開放與智能的無線接入網(wǎng)[J].通信世界，2019（07）：32-35.

[25]朱敏，張教，華炳昌，等.面向6G的太赫茲光纖一體融合通信系統(tǒng)：架構(gòu)、關(guān)鍵技術(shù)與驗(yàn)證[J].中國科學(xué)：信息科學(xué)， 2023，53（01）：191-210.