無線網絡空中計算專題導讀

專題策劃人 衛(wèi)國中國科學技術大學教授，曾任國家“863”計劃通信技術主題專家組成員、中國第三代移動通信系統(tǒng)研究開發(fā)項目總體組成員、國家“863”計劃 B3G移動通信重大項目總體組成員、“新一代寬帶無線移動通信網”國家科技重大專項總體專家組成員；主要從事無線通信技術、移動通信網絡、信號處理等方面的研究；獲國家科技進步二等獎 1項；發(fā)表論文 100 余篇，擁有國家發(fā)明專利 10 余項。

專題策劃人 陳力中國科學技術大學信息技術學院副研究員；主要從事無線通信、通信計算融合、通信感知融合等相關研究；負責國家自然科學基金、國家重大專項子課題等多個研究項目；曾獲中國科學院院長優(yōu)秀獎；發(fā)表SCI期刊論文30余篇，擁有國家發(fā)明專利10余項。

5G移動通信網絡的海量接入能力和低時延傳輸特征，一方面為物聯網開辟了一片新的廣闊天地，另一方面也釋放出強烈的信號：未來移動通信網不再只是為了滿足人們的通信需求，而是朝著更為廣泛的物與物之間的數據連接演進。

無線節(jié)點的海量增長，帶來的是高達百億的內連接數量與每年數澤字節(jié)的數據總生成量。無線網絡由于其資源限制，無論采用怎樣的接入技術，匯聚如此海量的數據都成為一件非常困難的事。此外，對于海量數據的計算處理，物聯網節(jié)點也同樣面臨著巨大挑戰(zhàn)。這就催生了無線空中計算這個新的研究方向。

機器學習通過大數據的分析與處理，使得越來越多的領域智能化，并產生了更多新功能的應用。無線網絡天然具備海量的數據，而利用機器學習錘煉這些數據，打造無線網絡的新功能是一種值得探索的可能。與傳統(tǒng)機器學習的架構不同，無線網絡通常是分布式的層次化架構，并受制于節(jié)點性能與無線鏈路狀態(tài)。這將為無線網絡智能化帶來全新挑戰(zhàn)。

無線網絡空中計算的核心問題，一方面在于如何解決海量數據收集與大規(guī)模計算帶來的傳輸時延與計算時延，另一方面在于如何設計適合于無線網絡的智能計算框架。針對這些挑戰(zhàn)性的問題，本期專題提供了一個討論的平臺?！兑苿舆吘売嬎阒械馁Y源管理》與《大規(guī)模移動邊緣計算網絡：空間建模及計算吞吐量優(yōu)化》從建模、網絡規(guī)模與資源管理等方面為移動邊緣計算架構提供了重要的設計指南。該網絡架構為無線網絡創(chuàng)造無處不在的快速計算環(huán)境，將計算任務遷移到邊緣端來降低計算時延與數據收集量。《基于神經網絡計算的無線容量高實時預測》指出充分利用海量節(jié)點提供的信道狀態(tài)信息，并基于神經網絡，能夠為無線網絡提供無線容量實時預測的新功能。《基于空中計算的無線群智感知》引入了空中計算技術來實現網絡的智能感知功能。該技術利用無線多址接入信道的信號疊加特性，能在信號傳輸的同時完成目標函數的計算，從而降低傳輸開銷。《面向高效通信邊緣學習網絡的通信計算一體化設計》與《面向邊緣智能的空中計算》提出機器學習、邊緣計算與空中計算的結合，可以為無線網絡提供新功能，并降低傳輸與計算帶來的時延。

上述工作基本上反映出在空中計算這一方向上中國研究者的主要成果與學術觀點，從不同側面為該領域的研究展示了多種可能。希望能對無線網絡新技術的研究發(fā)展起到一定的推動作用。

衛(wèi)國 陳力

2020年6月30日