6G智能MIMO通信 : 基于人工智能的传输技术

\\\"《6G智能MIMO通信：基于人工智能的传输技术》全书共分为八个章节，系统论述了6G无线通信中智能MIMO技术的理论基础、技术挑战及创新应用，主要内容概括如下： 第一章“绪论”回顾了通信系统的发展历程，阐述了传统蜂窝通信在物理层架构、能效以及无线覆盖等方面的不足，并提出了智能通信的新思路和研究方向，为后续内容奠定了理论基础。 第二章介绍了人工智能技术的基本原理和最新进展，涵盖了从传统卷积神经网络和循环神经网络到基于注意力机制的先进模型，同时讨论了如何将智能信号处理方法融入通信系统，实现数据驱动与模型驱动的有机结合。 第三章至第六章是全书的核心部分，分别从以下几个关键应用方向展开讨论：  • 基于人工智能的毫米波大规模MIMO信道估计：详细描述了数据驱动和模型驱动两大类方法的系统模型、算法设计及性能分析。  • 基于深度学习的信道压缩反馈：探讨了CSI反馈方案的创新设计及其在复杂信道环境下的应用优势。  • 智能波束赋形设计：分别从全数字和混合模拟―数字阵列架构两方面介绍了波束赋形技术，并通过仿真实验展示了各方案的性能表现。  • 可重构智能表面信道估计：结合智能表面的物理和信道建模，研究了基于人工智能技术的导频传输和信道估计策略。 第七章围绕端到端通信系统设计展开，重点介绍了TDD和FDD系统中基于深度学习的端到端优化方案，以及RSMA技术在系统中的应用，为构建高效智能通信网络提供了全新的技术路径。 第八章则将视角延伸至无人机通信领域，通过引入深度强化学习方法，讨论了多用户无人机通信下的二维及三维轨迹优化问题，为无人机在未来6G网络中的广泛应用提供了理论依据和实践指导。 全书理论联系实际，图文并茂，既适合作为科研人员和研究生的参考书籍，也为通信系统的工程实践提供了切实可行的技术方案。希望本书能够激发更多学者对6G智能通信技术的深入探索，共同推动下一代无线通信的发展与创新。\\\"

高镇于2011年在北京理工大学信息与电子学院获得学士学位，2016年在清华大学电子工程系获得博士学位，目前任北京理工大学前沿交叉科学研究院副教授，入选教育部青年长江学者奖励计划。主要从事通信信号探测与处理研究，发表SCI论文50余篇，包括7篇ESI高被引论文，2 篇前0.1%热点论文，谷歌学术引用3800余次，获得IEEE Trans. Broadcast. 2016最佳论文奖、IET Electron. Lett. 2016最佳论文奖、UCET 2020最佳论文、IEEE/CIC ICCC 2021 最佳论文、IEEE IWCMC 2022最佳论文，入选爱思唯尔2020、2021年中国高被引学者。承担国家自然基金、民航联合基金重点项目、军口973等无人机电磁反制领域重点项目10余项，获电子学会自然科学一等奖、技术发明一等奖，指控学会科技进步一等奖等奖励。

第1章 绪论 1.1 通信系统发展概述 1.2 传统蜂窝通信的局限性 1.2.1 物理层架构 1.2.2 能效 1.2.3 无线覆盖 1.3 智能通信 第2章 人工智能技术简介 2.1 背景 2.1.1 传统卷积模型 2.1.2 传统循环模型 2.1.3 基于注意力模块的最新进展 2.2 将智能信号处理整合到通信系统中 2.2.1 回归问题 2.2.2 生成问题 2.3 小结 第3章 基于人工智能技术的毫米波大规模 　　　　MIMO信道估计 3.1 引言 3.2 基于数据驱动深度学习的毫米波大规模MIMO信道估计 3.2.1 系统模型 3.2.2 基于数据驱动深度学习的毫米波大规模MIMO信道估计 3.2.3 性能分析 3.2.4 小结 3.3 基于模型驱动深度学习的毫米波大规模MIMO信道估计 3.3.1 信号模型 3.3.2 帧结构设计 3.3.3 MMV-LAMP网络 3.3.4 性能分析 3.3.5 小结 第4章 基于人工智能技术的信道压缩反馈 4.1 引言 4.2 基于深度学习的CSI反馈 4.2.1 系统模型 4.2.2 提出的CSI反馈方案 4.3 仿真 4.3.1 仿真设置 4.3.2 不同CSI反馈方案的性能比较 4.4 小结 第5章 基于人工智能技术的波束赋形设计 5.1 引言 5.2 问题建模 5.3 基于数据驱动的大规模MIMO系统波束赋形 5.3.1 全数字阵列波束赋形方案 5.3.2 扩展至混合模拟-数字阵列架构 5.4 基于模型驱动的大规模MIMO系统波束赋形 5.4.1 模型介绍 5.4.2 全数字阵列波束赋形方案 5.4.3 扩展至混合模拟-数字架构 5.5 数值结果