CIE云讲堂 | 面向6G的智能通信专题 10月13日（本周四）19:30开播

报告题目：智能通信：基于深度学习的信道状态信息反馈

报告关键词：6G，智能通信，CSI反馈，深度学习

报告摘要：信道状态信息（Channel State Information，CSI）在移动通信系统特别是5G/6G中起着至关重要的作用，CSI的准确与否决定着系统性能的优劣。在诸多典型场景中，用户端获取的CSI需被高精度地反馈至基站端，随着移动通信系统规模的不断扩大，继续沿用现有标准中的反馈方案，将不可避免占用大量系统资源。因此，开发一种低开销、高精度的新型CSI反馈架构势在必行。基于深度学习的CSI反馈架构被认为是解决该项挑战的颇具潜力的技术方案，目前已被列入国际通信标准组织3GPP R18的AI空口相关的研究议题中。本次报告将聚焦基于深度学习的CSI反馈展开讨论，首先详细讲解其基本原理和代表性架构，并将其与5G NR中的TYPE II码本方案进行比较，进而揭示近年来该领域的相关进展，包括专家知识和多域相关性的利用、多模块联合设计、基于深度隐藏的CSI反馈和轻量化反馈等，同时也列出智能CSI反馈在实际部署和标准化过程中面临的挑战，包括性能评估、复杂度、泛化性、用户基站交互和信息共享等核心问题，并给出可能的解决方案及思路，本报告最后将简要总结未来可能的研究方向及期待。

嘉宾简介：2007年获东南大学工学博士学位。2007年6月至2009年10月，受英国工程与自然科学研究理事会资助，在英国伦敦大学学院从事博士后研究。现为东南大学副校长、首席教授、博士生导师、长江学者计划特聘教授、国家自然科学基金杰出青年科学基金获得者、国家“万人计划”科技创新领军人才、江苏省特聘教授。长期围绕5G/6G理论与关键技术、物联网理论与关键技术、以及人工智能在移动通信中的应用等领域开展研究工作。共发表学术论文400余篇，授权国际/国家发明专利50余件，出版专著2部，教材1本。研究成果获省部级科学技术一等奖3项、二等奖1项、IEEE通信学会莱斯奖、IEEE信号处理学会青年作者最佳论文奖、China   Communications最佳论文奖、Electronics Letters最佳论文奖、National Science Review最佳论文奖、Journal   of Communications and Information Networks青年作者最佳论文奖、以及十余个国际重要学术会议最佳论文奖，2014年至今连续入选爱思唯尔中国高被引学者，2019年至今连续入选科睿唯安全球高被引学者。

报告题目：资源受限环境的联邦学习架构设计与优化

报告关键词：联邦学习、差分隐私、区块链、边缘智能、资源优化

报告摘要：近年来，随着边缘计算与深度学习的蓬勃发展，一种基于分布式训练的机器学习范式，即联邦学习，得到越来越多的关注。联邦学习利用边缘节点和终端设备日益增强的计算与感知能力，训练本地机器学习模型，并上传到服务器进行模型聚合。由于训练过程无需数据传输，联邦学习架构在保护用户数据隐私的同时，节省了可观的通信开销，保障了网络算力的负载均衡。然而，联邦学习在无线网络中的应用仍然存在诸多问题，如无线传输环境下的模型窃听、聚合服务器单点失效、算力与通信资源分配等。本报告围绕联邦学习的安全架构与无线资源优化两大方面进行汇报。在安全架构方向，分别介绍基于差分隐私的联邦学习性能分析，基于区块链的去中心化联邦学习架构设计、以及基于伪随机PN序列的模型防抄袭算法。继而，在无线通信环境下，探讨通信与计算融合的联邦学习资源优化问题，分别引入了李亚普诺夫动态优化、多用户多臂赌博机分布式随机优化、以及匹配算法，对算力、能量、发射功率、用户调度等资源进行调度优化，从而最大化模型训练精度或最小化模型训练时间。实际数据集的模型训练表明，我们所提算法，能够有效的提升无线联邦学习的性能，为5G/6G的内生智能提供理论依据。最后，报告将与听众分享联邦学习未来的若干研究方向。

嘉宾简介：南京理工大学教授、博士生导师，国家特聘青年专家，工信部工业互联网项目首席科学家。长期致力于通信、计算融合的分布式人工智能架构、网络多智能体博弈与优化等领域，取得了系统性创新研究成果。在美国科学院院刊（PNAS）、IEEE系列期刊上发表论文160余篇。以第一发明人发表专利获美国、中国、日本、韩国等多国授权，并提交国际标准化组织。担任IEEE智能制造标准委员会/技术咨询委员会委员、中国电子学会高级会员、工业互联网标识战略推进专家委员会委员、信通院5G产业应用方阵专家。同时担任中科院Top期刊IEEE   TWC副编辑、IEEE JSTSP客座编辑、多个国际知名通信会议技术委员会委员。作为首席科学家，主持工信部工业互联网新发展工程项目，总经费1.75亿元，牵头十家单位，围绕5G网络、边缘计算平台、以及工业智能应用等领域开展创新研究和建设。

报告题目：无线网络中的智能资源分配方法

报告关键词：无线通信，资源分配，强化学习，车联网

报告摘要：对包含频谱、功率等在内无线资源进行高效分配是通信网络设计中的一个关键问题，对于降低网络干扰、提升系统容量具有重要意义。本报告中，我们将简要概述利用机器学习方法解决无线资源分配问题的基本思路，并重点介绍基于强化学习的智能资源分配方法。特别地，我们将重新审视无线资源分配问题的基本模型，发掘其时序决策及泛函优化的本质特征，从而启发我们利用强化学习的算法框架对资源分配问题进行建模和求解；进一步，针对车联网的高动态性和业务需求的特殊性，我们提出基于强化学习的分布式频谱接入和功率控制算法，显著提升车联网容量和传输可靠性。

嘉宾简介：东南大学教授，博士生导师，国家青年高层次人才。2012年获东南大学信息工程专业学士学位，2015年获加拿大维多利亚大学电子工程专业硕士学位，2018年获美国佐治亚理工学院电子与计算机工程专业博士学位，2019至2021年，在美国英特尔研究院担任人工智能与机器学习研究科学家，2021年5月起在东南大学信息科学与工程学院、移动通信国家重点实验室工作。研究领域为无线通信、信号处理和机器学习，目前主要从事智能无线系统理论与应用研究，近年来在IEEE   汇刊等权威刊物和会议上发表论文30余篇，其中6篇入选ESI高被引论文，单篇被引用600余次，拥有多项国家和国际发明专利。现担任IEEE   Communications Letters编委，IEEE信号处理学会机器学习技术委员会委员等。

嘉宾简介：赵军辉，教授、博士生导师，华东交通大学信息工程学院院长。目前为中国计算机学会计算机应用专业委员会副主任、中国生产力促进中心协会汽车工作委员会副主任等。担任IEEE   Transactions on Green Communications and Networking等4份英文期刊编委、《应用科学学报》等5份中文期刊编委。研究方向为面向交通的信息技术，包括：移动通信、智能网联、自动驾驶、机器视觉、智能通信等。