面向 Open RAN 的机器学习：体系结构、挑战与机遇的综合调查
网络与互联网体系结构
2026-04-03 v1 人工智能
摘要
随着无线通信系统的不断 advancement，Open Radio Access Networks（O-RAN）作为一种推动互操作性和成本效益的突出框架。对 O-RAN 体系结构演进及其 underlying 原理的审视，揭示了机器学习（ML）在解决包括谱管理、资源分配和安全性在内的各种挑战方面的重要性。因此，本 survey 提供了 ML 在 O-RAN 中集成的综合概述，突出其在提升网络性能和效率方面的变革性潜力。本 survey 旨在描述 ML 在 O-RAN 中的当前应用状态，同时通过分析现有文献指明可能的未来研究方向。所得 findings 旨在帮助研究人员和利益相关者制定最佳服务策略，加深对智能无线网络的理解。
引用
@article{arxiv.2604.01239,
title = {ML-Enabled Open RAN: A Comprehensive Survey of Architectures, Challenges, and Opportunities},
author = {Mira Chandra Kirana and Patatchona Keyela and Fatemeh Rostamian and Deemah H. Tashman and Soumaya Cherkaoui},
journal= {arXiv preprint arXiv:2604.01239},
year = {2026}
}