RISTA前沿大讲堂

AI赋能的RIS信道获取与无线资源优化

AI-powered RIS Channel Acquisition and Wireless Resource Optimization

AI赋能的RIS信道获取与无线资源优化

本报告针对智能反射面(RIS)面临的空间超高维、环境强随机、场景快迁移核心挑战,提出了基于人工智能的创新解决方案,系统地阐述了AI赋能的RIS信道高效获取与资源优化系列方法。报告提出了基于生成式AI的RIS信道获取方法,包括条件扩散模型和校正流模型,实现了级联RIS系统的高效信道生成;设计了基于信念推断双层强化学习方法的RIS信道感知动态决策与资源随机优化算法,解决了信道估计开销与系统性能的权衡问题;构建了基于预训练决策模型的RIS资源优化框架与Prompt设计方法,实现了快迁移场景下优化策略的小样本收敛泛化。仿真结果表明,所提方法在信道估计精度、资源分配效率和策略泛化能力方面均显著优于传统方法,为6G智能通信的发展提供了重要技术支撑。

李骏,东南大学教授、博士生导师,IEEE Fellow。致力于下一代移动通信系统(6G)中资源受限环境下的泛在智能架构设计与优化及其在工业互联网中的创新应用。近5年在IEEE系列期刊、美国科学院院刊(PNAS)等国内外期刊上发表SCI检索论文140余篇,其中ESI高被引论文15篇。牵头10家单位制定了工业领域联邦学习相关行业标准,获工信部立项并报批发布。创新研究成果获2023年度中国电子学会自然科学一等奖、2022年度IEEE信号处理学会最佳论文奖、2024年度中国通信大会(ICCC)最佳论文奖等多项学术奖励。担任IEEE Transactions on Wireless Communications副编辑、IEEE Journal of Selected Topics on Signal Processing期刊的客座编辑以及IEEE Communications Letters副编辑。是IEEE智能制造标准委员会/技术咨询委员会专家、工信部工业互联网标识战略推进专家委员会委员、中国信通院5G应用产业方阵产业推进组专家。担任多个国际会议的技术程序委员会委员、国际会议IEEE ICIAfS2021与IEEE GlobeCom2020 Workshop的技术程序委员会主席。