5G/6G及未来网络中用于点对点通信的AI/ML技术：概念、应用、挑战与未来发展方向

《IEEE Open Journal of the Communications Society》：AI/ML for D2D Communication in 5G/6G Networks and Beyond: Concept, Applications, Challenges, and Future Directions

　　

摘要：

设备对设备（D2D）通信已成为第五代（5G）和第六代（6G）无线网络的关键技术，它允许邻近设备在绕过基站的情况下直接进行通信。这一技术范式在频谱效率、能源效率、系统容量以及超低延迟通信方面带来了显著提升，对于包括车对一切（V2X）、工业物联网（Industrial IoT）和扩展现实（Extended Reality）在内的新兴应用至关重要。然而，要充分发挥D2D通信的潜力，需要解决许多技术挑战，如设备发现、模式选择、干扰管理、功率控制、安全性、无线资源分配、小区密集化和卸载、服务质量保障、毫米波集成以及无缝切换等。这些挑战的复杂性和动态特性促进了人工智能（AI）和机器学习（ML）解决方案的广泛研究。本综述对经典、先进和新兴范式下的D2D通信中使用的AI/ML方法进行了结构化、多维度的评估。我们将相关文献分为三个主要类别：经典技术（如模糊逻辑、Q学习、神经网络、遗传算法/粒子群优化/蚁群优化）、先进范式（如深度强化学习、图神经网络、模糊逻辑）以及新兴技术（如大型语言模型、生成式AI、语义通信、随机干扰信道）。我们不是孤立地列举各种方法，而是通过跨领域的分析视角对文献进行了综合，涵盖了挑战覆盖范围、性能与复杂性的权衡、收敛性和可扩展性趋势、自主性准备情况以及研究成熟度等方面，参考了170多篇文献，其中包括2023年至2025年与6G导向的D2D系统相关的最新研究成果。性能数据是根据不同研究综合得出的指示性范围，并未经过标准化处理，因此不能直接用于不同论文之间的排名...

显示更多