i卡會員

隨著5G-Advanced與6G朝向更高頻段、更大頻寬及超高容量演進，傳統無線通訊面臨路徑損耗增加、波束管理複雜化及頻道狀態資訊(CSI)回饋負擔急遽攀升等挑戰。Massive MIMO與Beamforming雖可提升頻譜效率與連線品質，但在高移動性及高密度環境下，仍受限於波束掃描延遲與CSI回饋耗用大量系統資源。近年產業界導入AI技術，以波束預測取代傳統掃描機制，並透過深度學習、自然語言處理、生成式AI與大型語言模型等方法，實現CSI壓縮、重建與智慧化資源分配，雖然還在實驗室測試階段，但已證實可大幅提升波束對準精度與系統效率。臺灣通訊產業也應及早布局硬體算力需求輕量化和系統參數自動優化技術，把握切入AI原生網路架構和6G生態系的布局契機。

【內容大綱】

• 一、需克服高頻傳輸物理限制以滿足未來6G需求
• 二、整合天線與波束管理技術同時提高效率與靈活性
  • (一)Massive MIMO大幅提升頻譜效率
  • (二)Beamforming克服訊號衰減
  • (三)運作關鍵前提須掌握頻道狀態資訊
  • (四)傳統波束管理機制仍有限制
• 三、導入AI技術改善訊號傳輸問題
  • (一)以波束預測取代波束掃描
  • (二)對CSI回饋極致壓縮和精準重建
• 四、AI賦能波束管理五大技術策略方向
• IEKView

【圖表大綱】

• 表一、AI與非AI波束管理測試效能比較
• 表二、AI CSI回饋模型發展進程
• 表三、波束管理智慧化技術策略