科研之友
微信
新浪微博
Facebook
分享链接
摘要
人工智能（AI， artificial intelligence）与通信技术的深度融合是6G网络的典型特征。一方面，AI为6G网络发展注入了新动力，能够有效利用网络运行产生的历史数据，使网络具备自维护、自优化的功能，加速了网络智能化进程。另一方面，6G网络丰富的场景和大规模的物联设备入网应用为AI提供了广阔的应用渠道和海量的训练数据，使AI能够更好地训练和部署，充分发挥AI的内在优势，为用户提供更加优质的智能服务。尽管如此，在一些实际应用中，受复杂环境的影响，存在数据样本收集困难、收集成本高和样本普适性不足等问题，难以充分发挥AI的性能优势。为此，学术界和工业界将生成对抗网络（GAN， generative adversarial network）引入到无线网络的设计中，利用GAN强大的特征学习和特征表达能力产生大量模拟实际的生成样本，实现无线数据库的扩充，从而有效提升面向无线网络的AI模型的泛化能力。由于其优秀的性能表现，以GAN为代表的生成式模型在无线网络领域受到越来越多的关注，并迅速发展成为6G网络新的研究热点。首先，综述了GAN的原理及其改进衍生模型，对各种衍生模型的框架及优缺点进行了分析归纳；然后，综述了这些模型在无线网络领域的研究及应用现状；最后，面向6G网络的需求展望了GAN在6G网络中的研究趋势，为未来的研究提供了一些有价值的探索。
- 单位
