6Gオーケストレーションスペクトル認識ネットワークにおけるAIネイティブPHYレイヤー

科学分野:

• 電気通信工学
• 人工知能
• 信号処理

背景:

• 6G無線ネットワークへの移行は、無線アクセスネットワーク（RAN）内でのAIネイティブオーケストレーションへの移行を必要とします。
• 現在のシステムは、非効率的である可能性のあるネットワークパラメータの識別のために、上位レイヤーのシグナリングに依存することがよくあります。

研究 の 目的:

• 6Gネットワークにおける物理（PHY）レイヤー認識のためのAIベースのイネーブラーを開発すること。
• スペクトル認識とシステム適応性を向上させるために、RAN内に固有のインテリジェンスを有効にすること。

主な方法:

• 直交周波数分割多重（OFDM）および直交時間周波数空間（OTFS）信号を同相/直角位相（IQ）サンプルを使用して区別するためのAIベースの波形分類器の開発。
• サブキャリア間隔、FFTサイズ、スロット期間、およびサイクリックプレフィックスタイプなどのパラメータを上位レイヤー情報なしで確認するためのAIベースのヌメロロジー検出器の実装。

主要な成果:

• 直交周波数分割多重（OFDM）および直交時間周波数空間（OTFS）信号を同相/直角位相（IQ）サンプルを使用して区別するためのAIベースの波形分類器の開発。
• サブキャリア間隔、FFTサイズ、スロット期間、およびサイクリックプレフィックスタイプなどのパラメータを上位レイヤー情報なしで確認するためのAIベースのヌメロロジー検出器の実装。

結論:

• AIネイティブPHYレイヤー認識は、6G無線システムで実現可能です。
• 開発されたイネーブラーは、自己最適化、コンテキスト認識、および適応型6Gネットワークへの道を開きます。
• RANの固有のインテリジェンスは、スペクトル利用率とシステムパフォーマンスを向上させます。