面向下一代移动网络的数字与物理开放可编程平台的设计与评估

5G和6G技术中无线接入网络(RAN)的演进标志着向开放、可编程和虚拟化架构的转变，这种转变由Open RAN范式驱动。这种方法强调开放接口以共享遥测数据、智能数据驱动的控制循环以进行网络优化，以及多厂商RAN组件的虚拟化和分离。尽管前景光明，但这种转变引入了诸多挑战，包括需要设计可互操作的解决方案、获取训练和测试AI/ML算法所需的数据集以进行推断和控制，以及开发测试平台以对这些解决方案进行基准测试。实验无线平台和私有5G部署在这一过程中发挥着关键作用，提供与真实世界系统相当的架构，使其能够在真实环境中进行原型设计和测试。本论文聚焦于开发和评估两种互补的实验平台：Colosseum，世界上最大的Open RAN数字孪生体，以及X5G，一种集成了GPU加速的开放、可编程、多厂商私有5G O-RAN测试平台。主要贡献包括：(i) CaST，通过3D建模、射线追踪和信道测量实现自动创建和验证数字孪生无线场景的能力；(ii) 验证了Colosseum数字孪生体的大规模部署，表明仿真环境与真实世界环境的接近性；(iii) X5G，将NVIDIA Aerial GPU加速PHY处理与OpenAirInterface更高层次集成；(iv) 用于实时RAN推断的GPU加速dApp框架，使其能够实现亚毫秒级的AI原生应用控制回路，包括ISAC；以及(v) 跨越频谱共享、干扰检测、网络切片、安全和基于CSI的感知等智能RAN应用。总体而言，本论文提供了一种贯穿数字和物理实验的端到端方法，用于下一代移动网络。