面向可持续 6G 通信的 AI 驱动绿色认知无线电网络
网络与互联网体系结构
2025-12-25 v1 人工智能
机器学习
摘要
6G 无线通信旨在实现 Tb/s 峰值数据速率、亚毫秒级时延以及大规模物联网/车联网接入，这需要可持续的无线资源获取和节能功能。认知无线电网络 (CCN) 有助于缓解频谱稀缺问题，但传统的探测与分配方法仍耗能且对快速频谱变化敏感。我们的框架以 AI 驱动的绿色 CRN 为核心，集成深度强化学习 (DRL) 与迁移学习、能量收集 (EH)、可重构智能表面 (RIS) 等轻量级遗传优化操作，最优组合探测时序、发射功率、带宽分配和 RIS 相位选择。与两种基线方法相比：在 MATLAB + NS-3 密集负载下的传统 CRN（固定策略能量探测）和基于协作探测的混合 CRN（资源启发式分配），本文的方法可减少 (25-30%) 能量消耗，探测 AUC 超过 0.90，检测概率提升 6-13 个百分点。该集成框架易于扩展至大规模物联网和车联网应用，为 6G CRN 提供了可行且可持续的发展路径。指数关键词--认知无线电网络 (CRN)、6G、绿色通信、能效、深度强化学习 (DRL)、频谱探测、RIS、能量收集、QoS、IoT。
引用
@article{arxiv.2512.20739,
title = {AI-Driven Green Cognitive Radio Networks for Sustainable 6G Communication},
author = {Anshul Sharma and Shujaatali Badami and Biky Chouhan and Pushpanjali Pandey and Brijeena Rana and Navneet Kaur},
journal= {arXiv preprint arXiv:2512.20739},
year = {2025}
}
备注
10 pages, 8 figures. Full research article with MATLAB and NS-3 simulations