从 DeepSense 到 Open RAN：动态频谱感知中的 AI/ML 进展及其应用

人工智能（AI）和机器学习（ML）在下一代无线通信系统中的集成已成为推动智能、自适应和可扩展网络发展的基石。本篇阅读报告考察了动态频谱感知（DSS）领域的关键创新， beginning with 深入浅出 DeepSense 框架，该框架使用卷积神经网络（CNN）和基于频谱图的分析进行实时宽带频谱监控。 在这一基础上，报告概述了 DeepSweep 和宽带信号拼接等进展，这些进展通过并行处理、语义分割和稳健的数据增强策略，解决了可扩展性、延迟和数据集多样性方面的挑战。报告随后探讨了开放式无线接入网络（ORAN），聚焦于针对无人机实验、数字孪生优化、网络分片和自愈 xApp 开发的 AI/ML 驱动增强。通过将 AI 驱动的 DSS 方法与 ORAN 的开放、供应商中立架构相结合，这些研究凸显了软件定义、智能基础设施在实现 5G/6G 生态系统中高效、韧性和自优化网络潜力。通过这一综合，报告突显了人工智能在塑造无线通信和自主系统未来的变革作用。