利用 AI 驱动的 O-RAN 实现高度动态且灵活的时空频谱管理：一种多粒度市场框架
系统与控制
2025-02-20 v1 机器学习
系统与控制
摘要
当前的频谱共享框架在适应性方面存在困难，通常要么是静态的，要么动态性不足。它们主要强调时间共享，而忽略了空间和频谱维度。我们提出了一种在 O-RAN 架构内的自适应、AI 驱动的频谱共享框架，集成了判别式 AI 和生成式 AI (GenAI)，以在多个时间尺度和空间粒度上预测频谱需求。由授权频谱经纪人管理的市场模型使运营商能够动态交易频谱，平衡静态分配与实时交易。GenAI 增强了流量预测、频谱估计和分配，在降低成本的同时优化了利用率。这种模块化、灵活的方法促进了运营商协作，最大化了效率和收益。一个关键的研究挑战是超越现有模型，细化分配粒度和时空动态性。
引用
@article{arxiv.2502.13891,
title = {Highly Dynamic and Flexible Spatio-Temporal Spectrum Management with AI-Driven O-RAN: A Multi-Granularity Marketplace Framework},
author = {Mehdi Rasti and Elaheh Ataeebojd and Shiva Kazemi Taskooh and Mehdi Monemi and Siavash Razmi and Matti Latva-aho},
journal= {arXiv preprint arXiv:2502.13891},
year = {2025}
}