北邮、中国移动6G智能空口重要突破

不吹不黑

6G AI 使能空口（AI?）是未来无线通信的关键方向，但其在实际应用中面临场景适应性差、实时推理效率低、系统被动适应环境、导频开销过高等核心痛点，严重制约通信质量与资源效率。5G与6G公众号（ID：angmobile）注意到北邮张建华教授团队联合中国移动研究院的最新研究成果“迈向6G AI空口的四个步骤：无线环境信息感知、特征、语义和知识”提出 “无线环境信息辅助的6G AI使能空口（WEI-6G AI?）” 框架及WEI四步演进体系，系统性解决这些问题。




首先，解决了6G AI?场景适应性差的问题。


传统AI空口模型依赖离线场景特定数据训练，学习“信道 - 信道”映射关系，一旦场景变化（如从室内办公切换到城市宏站），模型泛化能力骤降，需重新训练。


文章提出的 WEI-6G AI? 框架（如下图），通过 “环境感知数据获取”模块，利用多模态传感技术（GPS、激光雷达点云、RGB / 深度图像）构建3D环境模型——静态物体（建筑、植被）由无人机预存，动态物体（行人、车辆）实时检测。AI模型不再隐式学习环境，5G与6G公众号注意到而是直接学习“环境 - 信道”映射，新场景下仅需输入新环境传感数据，即可获取信道衰落状态，大幅提升模型可移植性。




其次，解决了6G AI?实时推理效率低的问题。


传统传感数据量巨大（如7.20×6.07×2.56m?空间的激光点云含68848个点），直接输入深度学习模型会导致计算复杂度指数级上升，无法满足10ms内的实时推理要求。


文章通过WEI四步演进（S1原始传感数据→S2环境特征→S3环境语义→S4环境知识）实现数据降维：S1数据冗余（499×402像素+ 3坐标），S4则将信息量化为3个电磁传播参数（反射、绕射、遮挡贡献），数据量缩减超99%。




仿真显示，S4的模型推理时间仅2.2ms，远低于10ms阈值，且5G与6G公众号注意到计算复杂度降低（CNN层数从S1的5层减至2层），彻底解决实时性瓶颈。


再者，解决了6G AI?系统被动适应环境的问题。


传统通信系统仅能被动根据已检测的信道变化调整参数，无法提前优化。WEI-6G AI?框架通过WEI预测信道全维度参数（大尺度路径损耗PL、小尺度多径功率/时延、任务导向波束索引等），5G与6G公众号注意到其AI模型主动设计信号处理方案——例如根据WEI预测的PL值优化功率控制，根据多径参数调整编码调制方式，实现“主动行动（proactive action）”，而非被动响应，显著提升传输有效性与可靠性。


最后，解决了6G AI?导频开销过高的问题。


传统信道训练需大量导频传输、反馈或波束扫描，占用宝贵通信资源。而WEI可直接预测与环境强相关的信道参数（如LoS遮挡状态），跳过冗余导频流程；对难与环境关联的参数，WEI也能降低剩余信道不确定性，减少导频用量。根据文章提供的仿真验证结果，5G与6G公众号注意到WEI可减少25%导频开销，且S4环境知识在低导频比下性能优于S2特征，兼顾资源效率与预测精度。


综上，文章通过WEI-6G AI?框架与WEI四步演进，从场景适配、实时性、主动性、资源开销四维度，系统性解决6G AI使能空口的核心挑战，为6G空口的高效设计提供了可行方案。