以无线速度学习：面向下一代AI赋能MIMO的在线实时学习

将人工智能（AI）和机器学习（ML）集成到空中接口已被视为下一代（NextG）蜂窝网络的关键技术。在空中接口中，多输入多输出（MIMO）及其变体（如多用户MIMO（MU-MIMO）和大规模/全维度MIMO）已成为蜂窝网络各代演进的关键使能技术，其复杂性和设计挑战不断演变。积极研究利用AI/ML工具应对MIMO的这些挑战，是迈向AI赋能的NextG空中接口的关键一步。在NextG空中接口中，底层无线环境将极其动态，MIMO操作（如MU-MIMO调度和秩/链路自适应）在亚毫秒级进行自适应。考虑到操作自适应可能性极其庞大，我们认为基于在线实时AI/ML的方法是一种有前景的范式。为此，我们概述了固有挑战，并提供了设计此类用于MIMO操作的在线实时AI/ML解决方案的见解。然后，提出了一种用于MIMO-OFDM信道估计的在线实时AI/ML方法，为在NextG中各种MIMO操作开发类似技术提供了潜在路线图。