遷移學(xué)習(xí)在6G無(wú)線通信中的應(yīng)用綜述*

王美玉，林云，司光振

（哈爾濱工程大學(xué)信息與通信工程學(xué)院，黑龍江 哈爾濱 150001）

0 引言

無(wú)線通信的發(fā)展經(jīng)歷了從僅支持基本覆蓋的第一代無(wú)線通信到大規(guī)模商用的大型復(fù)雜的第五代（5G）無(wú)線通信，即將迎來(lái)“一念天地、萬(wàn)物隨心”的第六代（6G）無(wú)線通信[1-2]。6G 既要延續(xù)前幾代的趨勢(shì)[3]，又要克服5G 面臨新挑戰(zhàn)的局限性。6G 的關(guān)鍵驅(qū)動(dòng)力將是過(guò)去所有功能的集成，如網(wǎng)絡(luò)致密化、高吞吐量、高定位精度、能效優(yōu)化和大容量連接。關(guān)于6G 的工作業(yè)界對(duì)大規(guī)模鏈路、復(fù)雜結(jié)構(gòu)和能源效率提出了嚴(yán)格的要求，也提出了一些潛在的技術(shù)，如人工智能（AI,Artificial Intelligence）[4-5]、多輸入多輸出（MIMO,Multiple-In Multiple-Out）[6-7]、量 子 通 信（QC,Quantum Communication）[8]、隨機(jī)接入[9]、設(shè)備通信[10]、太赫茲通信[11]、大規(guī)模多址[12]、100 GHz 以上頻段的使用[7]、自動(dòng)駕駛[13]和無(wú)人機(jī)（UAVs,Unmanned Aerial Vehicles）[14-15]。

如何在節(jié)約成本的同時(shí)提高工作效率是未來(lái)6G 無(wú)線通信領(lǐng)域最重要的研究方向之一，從經(jīng)驗(yàn)中學(xué)習(xí)是實(shí)現(xiàn)這一愿景的重要途徑。遷移學(xué)習(xí)鼓勵(lì)新的任務(wù)/ 領(lǐng)域向有經(jīng)驗(yàn)的任務(wù)/ 領(lǐng)域?qū)W習(xí)，以幫助新任務(wù)變得更快、更高效。在無(wú)線通信的許多領(lǐng)域中，遷移學(xué)習(xí)可以利用不同任務(wù)之間的相關(guān)性和相似性信息來(lái)節(jié)能及提高效率，因此將遷移學(xué)習(xí)應(yīng)用于未來(lái)6G 通信是一個(gè)非常有價(jià)值的課題[16]。關(guān)于6G 的很多研究只把遷移學(xué)習(xí)作為AI 方法的一個(gè)分支，而沒(méi)有詳細(xì)分析遷移學(xué)習(xí)在6G 中的潛在應(yīng)用。基于此，本文對(duì)不同無(wú)線通信領(lǐng)域的遷移學(xué)習(xí)算法進(jìn)行全面綜述，并詳細(xì)討論遷移學(xué)習(xí)與6G 通信之間相互關(guān)系的未來(lái)研究方向，最后提出將遷移學(xué)習(xí)融入到6G 中的挑戰(zhàn)和未來(lái)問(wèn)題。

1 遷移學(xué)習(xí)技術(shù)

1.1 遷移學(xué)習(xí)一般過(guò)程

遷移學(xué)習(xí)利用已有的數(shù)據(jù)、模型和知識(shí)，在領(lǐng)域相似性的基礎(chǔ)上“舉一反三”，把學(xué)到的通用經(jīng)驗(yàn)適配到新的領(lǐng)域、場(chǎng)景和任務(wù)上。一般情況下，可以將遷移學(xué)習(xí)任務(wù)分為三個(gè)階段：何處遷移、何時(shí)遷移、怎么遷移。由此可以概括遷移學(xué)習(xí)的一般過(guò)程如圖1 所示，獲取到所需數(shù)據(jù)后，對(duì)數(shù)據(jù)進(jìn)行可遷移性分析，然后便是遷移過(guò)程。一個(gè)遷移學(xué)習(xí)過(guò)程結(jié)束后，需要按照特定的模型選擇方法對(duì)遷移學(xué)習(xí)模型和參數(shù)進(jìn)行選擇，選擇出最優(yōu)模型后要對(duì)模型進(jìn)行部署與評(píng)估。這些模塊并不一定是順序進(jìn)行，在系統(tǒng)運(yùn)行過(guò)程中存在經(jīng)驗(yàn)推理與反饋機(jī)制[17]。

圖1 遷移學(xué)習(xí)的一般過(guò)程

1.2 遷移學(xué)習(xí)方法分類

根據(jù)不同的研究對(duì)象，遷移學(xué)習(xí)方法可以分為兩大類：數(shù)據(jù)知識(shí)遷移和工具模型遷移，具體如圖2 所示。數(shù)據(jù)知識(shí)遷移需要統(tǒng)計(jì)實(shí)例、特征、內(nèi)核空間特征等數(shù)據(jù)知識(shí)，將其作為遷移對(duì)象幫助目標(biāo)域完成數(shù)據(jù)標(biāo)注；工具模型遷移是指獲取模型參數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)等，將其作為遷移對(duì)象來(lái)輔助目標(biāo)域模型的構(gòu)建。

圖2 遷移學(xué)習(xí)方法分類

（1）數(shù)據(jù)知識(shí)遷移學(xué)習(xí)：原始數(shù)據(jù)分布代表了環(huán)境或任務(wù)的本質(zhì)，進(jìn)行數(shù)據(jù)知識(shí)遷移是從根本上挖掘源域和目標(biāo)域的潛在共有成分，這部分算法對(duì)源域和目標(biāo)域分布差異要求較高，且計(jì)算復(fù)雜度較大。

（2）工具模型遷移學(xué)習(xí)：一個(gè)好的工具可以事半功倍。工具模型遷移學(xué)習(xí)直接提取在源數(shù)據(jù)上完成的模型的有用部分，應(yīng)用于目標(biāo)域模型訓(xùn)練。這些模型參數(shù)可以用作目標(biāo)模型的初始值，甚至可以用作目標(biāo)模型的一部分。

2 遷移學(xué)習(xí)在無(wú)線通信中的典型應(yīng)用

下面將全面回顧在無(wú)線通信領(lǐng)域中基于遷移學(xué)習(xí)模型來(lái)提高系統(tǒng)效率、降低系統(tǒng)能耗、提高定位精度等方面的工作。后續(xù)研究將進(jìn)一步結(jié)合6G 需求，挖掘這些研究工作的潛在價(jià)值。

（1）遷移學(xué)習(xí)應(yīng)用于Base Stations/Access Points（BSs/APs）切換能源效率

蜂窩網(wǎng)絡(luò)中基站和無(wú)線網(wǎng)絡(luò)中接入點(diǎn)的切換是最耗能的單元。一般情況下，為了避免由于基站始終處于活動(dòng)狀態(tài)而導(dǎo)致負(fù)載能力達(dá)到峰值所產(chǎn)生的高能耗問(wèn)題，BSs/APs 切換的節(jié)能工作主要依賴基于流量狀況的動(dòng)態(tài)開/ 關(guān)動(dòng)作。強(qiáng)化學(xué)習(xí)方法因不需要流量負(fù)載的先驗(yàn)知識(shí)而被廣泛應(yīng)用于BSs/APs 動(dòng)態(tài)切換動(dòng)作中。進(jìn)一步針對(duì)在新環(huán)境、新任務(wù)中強(qiáng)化學(xué)習(xí)模型收斂速度慢的問(wèn)題，強(qiáng)化遷移學(xué)習(xí)模型——TACT 模型被提出，其利用流量負(fù)載的時(shí)間和空間相關(guān)性，將歷史時(shí)間或相鄰區(qū)域（源任務(wù)）的BSs 切換操作策略應(yīng)用于目標(biāo)任務(wù)[18-19]，在Wi-Fi 網(wǎng)絡(luò)[20]、由宏基站和小基站組成的異質(zhì)網(wǎng)絡(luò)[21]也同樣適用。

（2）遷移學(xué)習(xí)應(yīng)用于頻譜資源動(dòng)態(tài)分配

在基于Q-learning 的遷移學(xué)習(xí)應(yīng)用于頻譜資源分配的前期工作中，探索了分布式認(rèn)知代理通過(guò)知識(shí)遷移來(lái)分享其動(dòng)態(tài)頻譜管理經(jīng)驗(yàn)的關(guān)鍵問(wèn)題，包括遷移的地點(diǎn)、內(nèi)容和時(shí)間[22-23]。后來(lái)，在災(zāi)后和臨時(shí)事件場(chǎng)景中快速部署機(jī)會(huì)網(wǎng)絡(luò)的頻譜和拓?fù)涔芾韴?chǎng)景下，基于Q-learning的遷移學(xué)習(xí)將早期階段學(xué)習(xí)動(dòng)態(tài)無(wú)線環(huán)境傳遞給后期網(wǎng)絡(luò)部署，保持網(wǎng)絡(luò)結(jié)構(gòu)在臨時(shí)事件中高度的靈活性[24]。此外，基于Q-learning 的遷移學(xué)習(xí)還被用于從用戶的角度選擇合適基站小區(qū)[25]，新用戶通過(guò)向相鄰有經(jīng)驗(yàn)的用戶學(xué)習(xí)來(lái)加快決策過(guò)程[26]，多個(gè)經(jīng)驗(yàn)用戶將知識(shí)遷移給一個(gè)新用戶，使其做出更成熟的適應(yīng)策略[27]。TACT 也用于新的用戶向有經(jīng)驗(yàn)的用戶學(xué)習(xí)[28]。

（3）遷移學(xué)習(xí)應(yīng)用于內(nèi)容流行度預(yù)測(cè)

內(nèi)容流行度預(yù)測(cè)在主動(dòng)緩存網(wǎng)絡(luò)和推薦系統(tǒng)中發(fā)揮著重要作用。然而，它們都面臨著類似的數(shù)據(jù)稀疏問(wèn)題，并且為了準(zhǔn)確預(yù)測(cè)，需要花費(fèi)大量時(shí)間來(lái)計(jì)算大量數(shù)據(jù)。最早使用遷移學(xué)習(xí)在該領(lǐng)域是在源域通過(guò)協(xié)同過(guò)濾算法進(jìn)行訓(xùn)練和預(yù)測(cè)，然后在任務(wù)相似的目標(biāo)域共享內(nèi)容流行度矩陣[29]，并進(jìn)一步發(fā)展出了基于遷移學(xué)習(xí)的協(xié)同緩存策略[30]。后來(lái)，為了縮短導(dǎo)出內(nèi)容流行度預(yù)測(cè)模型的時(shí)間，一種新的遷移學(xué)習(xí)途徑是將用戶與社區(qū)互動(dòng)中獲得的知識(shí)作為源域、用戶的請(qǐng)求作為目標(biāo)域[31]。

（4）遷移學(xué)習(xí)應(yīng)用于室內(nèi)無(wú)線定位

基于機(jī)器學(xué)習(xí)的室內(nèi)無(wú)線定位方法大多依賴于收集大量的標(biāo)注數(shù)據(jù)，離線訓(xùn)練一個(gè)精確的定位模型供在線使用。然而，即使在相同的環(huán)境中，同一時(shí)期收集的信號(hào)強(qiáng)度數(shù)據(jù)也可能不同于另一個(gè)時(shí)期，因此在新環(huán)境中校準(zhǔn)本地化定位模型是費(fèi)時(shí)費(fèi)力的?；诹餍袑W(xué)習(xí)的遷移學(xué)習(xí)模型[32-33]、遷移核學(xué)習(xí)[34]、多源域遷移[35]等在該領(lǐng)域很好地解決了上述問(wèn)題，這些方法利用歷史數(shù)據(jù)作為源域、在線實(shí)時(shí)采集數(shù)據(jù)作為目標(biāo)域，或者源域和目標(biāo)域來(lái)自兩個(gè)不同空間的室內(nèi)定位系統(tǒng)。

（5）遷移學(xué)習(xí)應(yīng)用于網(wǎng)絡(luò)入侵檢測(cè)

遷移學(xué)習(xí)在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用可以根據(jù)判斷源域和目標(biāo)域的特征是否同構(gòu)來(lái)劃分。最初研究的基于遷移學(xué)習(xí)的入侵檢測(cè)模型中，假設(shè)源域和目標(biāo)域具有同質(zhì)特征，采用基于實(shí)例的遷移學(xué)習(xí)方法[36]。但是，這種假設(shè)并不適用于快速變化的網(wǎng)絡(luò)環(huán)境，源域和目標(biāo)域來(lái)自不同時(shí)期的網(wǎng)絡(luò)被看作是異構(gòu)數(shù)據(jù)之間的遷移學(xué)習(xí)，因此面向異構(gòu)數(shù)據(jù)的遷移學(xué)習(xí)方法在該領(lǐng)域得到廣泛應(yīng)用[37-39]。

（6）其他應(yīng)用

遷移學(xué)習(xí)在無(wú)線通信領(lǐng)域的一些新鮮領(lǐng)域也有一些初步嘗試。例如，在無(wú)人機(jī)通信中應(yīng)用遷移學(xué)習(xí)來(lái)預(yù)測(cè)場(chǎng)景或頻率變化時(shí)數(shù)據(jù)的有限路徑損耗[14]；在無(wú)線電信號(hào)分類中解決小樣本訓(xùn)練問(wèn)題[40]；在具有不同特征空間的不同類型對(duì)象之間遷移知識(shí)來(lái)評(píng)估物聯(lián)網(wǎng)網(wǎng)絡(luò)環(huán)境[41]；在VR（Virtual Reality）資源管理中，遷移學(xué)習(xí)模型可以將已經(jīng)學(xué)習(xí)到的資源分配策略遷移到新的資源分配任務(wù)中，當(dāng)用戶請(qǐng)求分配和數(shù)據(jù)相關(guān)性發(fā)生變化時(shí)更快地提高收斂速度[42]；在自動(dòng)駕駛系統(tǒng)中協(xié)助多感知信息融合[43]。

本文從遷移學(xué)習(xí)過(guò)程三個(gè)基本問(wèn)題出發(fā)，將遷移學(xué)習(xí)在無(wú)線通信中的應(yīng)用匯總?cè)绫? 所示，這些研究是未來(lái)遷移學(xué)習(xí)應(yīng)用于6G 通信的基礎(chǔ)，也說(shuō)明遷移學(xué)習(xí)對(duì)于6G 通信是不可或缺的。

3 遷移學(xué)習(xí)服務(wù)于6G無(wú)線通信的愿景

目前6G 還處于規(guī)劃和發(fā)展階段，其應(yīng)用服務(wù)需求和支撐技術(shù)的研究大多以任務(wù)驅(qū)動(dòng)的方式在已有技術(shù)的基礎(chǔ)上進(jìn)行創(chuàng)新。本文根據(jù)遷移學(xué)習(xí)在無(wú)線通信領(lǐng)域的已有工作，將6G 無(wú)線通信中可能與遷移學(xué)習(xí)技術(shù)有關(guān)的服務(wù)需求分成五大類，具體如下：

（1）高效率：是一個(gè)綜合問(wèn)題，包括高傳輸速率、高容量、大規(guī)模數(shù)據(jù)處理能力和高精確的預(yù)測(cè)結(jié)果。在6G 技術(shù)研究中，對(duì)應(yīng)于高效率的支撐技術(shù)有動(dòng)態(tài)頻譜分配、動(dòng)態(tài)網(wǎng)絡(luò)切片、智能天線系統(tǒng)、大數(shù)據(jù)分析和高容量回程網(wǎng)絡(luò)。

（2）無(wú)縫銜接：是指實(shí)現(xiàn)多領(lǐng)域銜接無(wú)障礙，使6G 通信更加流暢和快速。具體實(shí)現(xiàn)雷達(dá)技術(shù)與移動(dòng)技術(shù)、無(wú)線信息和能量傳輸、感知與通信、接入網(wǎng)和回程網(wǎng)等成對(duì)信息或技術(shù)的無(wú)縫銜接。

（3）高精度定位：是未來(lái)6G 中虛擬現(xiàn)實(shí)、上下文感知、推薦系統(tǒng)等分布式模型能夠準(zhǔn)確運(yùn)行的前提，由于移動(dòng)設(shè)備和移動(dòng)用戶的增加，通信環(huán)境將變得越來(lái)越復(fù)雜，噪音和障礙物的影響將更加強(qiáng)烈，高精度定位也會(huì)更加困難。

（4）超級(jí)連接：包括智能連接、深度連接、全息連接和泛在連接，6G 將把無(wú)線技術(shù)的發(fā)展從“物聯(lián)網(wǎng)”更新為“互聯(lián)智能”。在集空、天、地、海于一體的三維（3-D,3-Dimension）連接發(fā)展的推動(dòng)下，未來(lái)將會(huì)有通過(guò)無(wú)人機(jī)、低軌衛(wèi)星接入網(wǎng)絡(luò)和核心網(wǎng)的功能，可以稱之為超級(jí)3-D 連接。

（5）綠色安全：是指6G 通信既需要節(jié)能，也需要隱私。在6G 網(wǎng)絡(luò)中，一切都是互連的，設(shè)備是可互操作的，這對(duì)生物認(rèn)證、隱私保護(hù)和入侵檢測(cè)提出了新的挑戰(zhàn)。

面對(duì)以上6G 無(wú)線通信應(yīng)用服務(wù)需要，遷移學(xué)習(xí)技術(shù)可用于從多個(gè)不同的角度促進(jìn)實(shí)現(xiàn)愿景。如圖3 所示，展示出了6G 無(wú)線通信中遷移學(xué)習(xí)的可能場(chǎng)景，相信這些場(chǎng)景只是6G 中未來(lái)遷移學(xué)習(xí)應(yīng)用的一小部分。遷移學(xué)習(xí)將使6G 更加安全可靠、更快、更智能、更準(zhǔn)確和節(jié)能，并促進(jìn)綠色通信的發(fā)展。下面將重點(diǎn)闡述遷移學(xué)習(xí)在6G中的應(yīng)用愿景。

（1）基于遠(yuǎn)域遷移的大型異構(gòu)平臺(tái)：遠(yuǎn)域遷移學(xué)習(xí)利用源域和目標(biāo)域之間的中間域進(jìn)行多跳遷移，放松了源域和目標(biāo)域之間的緊密關(guān)系[49]。6G 將涉及各種各樣的異構(gòu)通信系統(tǒng)，如頻帶、通信拓?fù)浜头?wù)交付。此外，接入點(diǎn)和移動(dòng)終端的硬件設(shè)置也會(huì)有很大不同。因此，將所有通信系統(tǒng)集成到一個(gè)平臺(tái)將具有挑戰(zhàn)性。如果能將遠(yuǎn)域遷移學(xué)習(xí)應(yīng)用到這個(gè)大型異構(gòu)平臺(tái)上，不僅可以緊密連接異構(gòu)設(shè)備相互學(xué)習(xí)，還可以避免重復(fù)訓(xùn)練帶來(lái)的損失。

（2）基于在線遷移學(xué)習(xí)實(shí)時(shí)信息處理：6G 無(wú)線通信中對(duì)很多場(chǎng)景下的實(shí)時(shí)處理效率要求將會(huì)非常嚴(yán)格，如無(wú)單元通信、動(dòng)態(tài)網(wǎng)絡(luò)切片以及集成傳感和通信。在線遷移學(xué)習(xí)支持目標(biāo)域數(shù)據(jù)以流的形式增長(zhǎng)，結(jié)合源域來(lái)綜合考量目標(biāo)域數(shù)據(jù)分布變化[50]，對(duì)6G 無(wú)線通信中的在線實(shí)時(shí)信息處理將會(huì)起到很大的作用。

（3）基于聯(lián)邦遷移學(xué)習(xí)安全協(xié)同通信：聯(lián)邦遷移學(xué)習(xí)允許用戶協(xié)作學(xué)習(xí)共享模型，并保留未共享的私有數(shù)據(jù)，隱私是聯(lián)邦遷移學(xué)習(xí)的基本屬性之一[51]。無(wú)線移動(dòng)設(shè)備不斷增長(zhǎng)的計(jì)算和存儲(chǔ)能力將為6G 本地處理數(shù)據(jù)提供機(jī)會(huì)，然而不穩(wěn)定的無(wú)線信道無(wú)法保證數(shù)據(jù)的隱私性和安全性，成為移動(dòng)設(shè)備上分布式訓(xùn)練的重要瓶頸。聯(lián)邦遷移學(xué)習(xí)將為大規(guī)模緊密結(jié)合的獨(dú)立網(wǎng)絡(luò)結(jié)構(gòu)提供一種非常重要的互聯(lián)學(xué)習(xí)和隱私保護(hù)方式。

（4）基于多維域遷移的3-D 連接：6G 系統(tǒng)將擴(kuò)大通信覆蓋的廣度和深度，即在傳統(tǒng)蜂窩網(wǎng)絡(luò)的基礎(chǔ)上分別與衛(wèi)星通信和深海、遠(yuǎn)洋通信深度融合，通過(guò)低軌衛(wèi)星和無(wú)人機(jī)組成三維網(wǎng)，以支持用戶在垂直擴(kuò)展中的通信。多維域遷移學(xué)習(xí)可以促進(jìn)維度溝通，幫助衛(wèi)星系統(tǒng)協(xié)同以及衛(wèi)星系統(tǒng)與地基系統(tǒng)的協(xié)同，大大提升整體系統(tǒng)性能，降低時(shí)延，提高系統(tǒng)效率。

（5）基于融合人類經(jīng)驗(yàn)遷移的自主無(wú)線系統(tǒng)：6G系統(tǒng)將為自動(dòng)系統(tǒng)提供全面支持，如自動(dòng)駕駛汽車、UAVs 和基于AI 的工業(yè)4.0。為了創(chuàng)建自治的無(wú)線系統(tǒng)，需要混合不同的軟件子系統(tǒng)（如自治計(jì)算、互操作流程、ML、自治云）和不同的異構(gòu)硬件系統(tǒng)，整個(gè)系統(tǒng)之間的協(xié)作非常重要。融合人類經(jīng)驗(yàn)的遷移學(xué)習(xí)可以將人的體驗(yàn)轉(zhuǎn)化給自動(dòng)化系統(tǒng)，如駕駛員的駕駛體驗(yàn)、工人的操作體驗(yàn)等，降低了從零開始學(xué)習(xí)的難度和挑戰(zhàn)。

（6）基于學(xué)習(xí)遷移的大規(guī)模自適應(yīng)銜接：6G 系統(tǒng)中無(wú)線銜接復(fù)雜多樣，包括能量與信息銜接、跨時(shí)空銜接和硬件與軟件銜接，不同場(chǎng)景下所適用的遷移學(xué)習(xí)算法不同，手動(dòng)選擇不僅耗時(shí)，有時(shí)還不夠精確，學(xué)習(xí)遷移模型（L2T,Learning to Transfer）可以利用先前的遷移學(xué)習(xí)經(jīng)驗(yàn)來(lái)自適應(yīng)選擇遷移模型[52]。因此，建立6G無(wú)線通信需求下的遷移學(xué)習(xí)方法庫(kù)，應(yīng)用學(xué)習(xí)遷移模型，根據(jù)不同的環(huán)境需求，自動(dòng)匹配庫(kù)中的最優(yōu)遷移學(xué)習(xí)方法，實(shí)現(xiàn)復(fù)雜無(wú)線通信環(huán)境下的大規(guī)模自適應(yīng)銜接。

4 挑戰(zhàn)與展望

盡管遷移學(xué)習(xí)在6G 無(wú)線通信中有巨大潛力，但也存在巨大挑戰(zhàn)，本文將其分為三大方向：源域大規(guī)模數(shù)據(jù)獲取、源域與目標(biāo)域相似性度量以及遷移過(guò)程中安全隱私與模型效率的沖突。第一，盡管遷移學(xué)習(xí)可以解決數(shù)據(jù)稀疏的問(wèn)題，大大減輕目標(biāo)域網(wǎng)絡(luò)實(shí)體和BSs 的計(jì)算負(fù)擔(dān)，但它無(wú)法避免源域?qū)?shù)據(jù)量和豐富模型訓(xùn)練經(jīng)驗(yàn)的需求；第二，源域和目標(biāo)域的匹配程度將直接影響遷移模型的效果，但隨著網(wǎng)絡(luò)規(guī)模的擴(kuò)大和節(jié)點(diǎn)任務(wù)的增加，源域和目標(biāo)域的相似性度量將變得越來(lái)越復(fù)雜；第三，在源域信息向目標(biāo)域遷移過(guò)程中，如何平衡隱私信息保護(hù)與遷移模型有效性和成本消耗之間的關(guān)系也是一大難題。遷移學(xué)習(xí)服務(wù)于6G 無(wú)線通信挑戰(zhàn)與展望如圖4 所示：

圖4 遷移學(xué)習(xí)服務(wù)于6G無(wú)線通信挑戰(zhàn)與展望

具體闡述如下：

（1）豐富實(shí)測(cè)數(shù)據(jù)集的收集和開放訪問(wèn)：從以往的研究中發(fā)現(xiàn)，遷移學(xué)習(xí)在無(wú)線通信中的應(yīng)用大多基于該領(lǐng)域的機(jī)器學(xué)習(xí)模型，尤其是對(duì)強(qiáng)化學(xué)習(xí)的依賴。源域中的機(jī)器學(xué)習(xí)模型在訓(xùn)練過(guò)程中需要大量的數(shù)據(jù)，不得不承認(rèn)在各種應(yīng)用環(huán)境中，大量可訪問(wèn)的測(cè)量數(shù)據(jù)集是技術(shù)興起的重要源泉，如計(jì)算機(jī)視覺(jué)領(lǐng)域最著名的“ImageNet”，這些開放存取數(shù)據(jù)集為同一領(lǐng)域不同學(xué)習(xí)算法的比較提供了支持。然而這種可訪問(wèn)的無(wú)線通信數(shù)據(jù)集仍在開發(fā)中，開放獲取真實(shí)通信數(shù)據(jù)的難點(diǎn)在于數(shù)據(jù)保護(hù)和隱私法規(guī)。遷移學(xué)習(xí)可以減少對(duì)數(shù)據(jù)量的需求，因?yàn)樗軌虮苊庵貜?fù)工作，而不是毫無(wú)根據(jù)地創(chuàng)建數(shù)據(jù)，這是在無(wú)線通信領(lǐng)域應(yīng)用遷移學(xué)習(xí)時(shí)需要認(rèn)識(shí)到的一個(gè)事實(shí)。

（2）復(fù)雜的相似性度量分析：尋找相似的源域是正遷移學(xué)習(xí)的前提，否則會(huì)造成負(fù)遷移等不良影響。到目前為止，遷移學(xué)習(xí)應(yīng)用于無(wú)線通信時(shí)，源域和目標(biāo)域的搭配只是通過(guò)簡(jiǎn)單的相似性分析或人工選擇。但6G 網(wǎng)絡(luò)結(jié)構(gòu)將更大、異構(gòu)性更強(qiáng)，業(yè)務(wù)類型和應(yīng)用場(chǎng)景也將更加復(fù)雜多變，導(dǎo)致終端和網(wǎng)絡(luò)設(shè)備的類型更多。環(huán)境越復(fù)雜，相似性分析就越困難，在未來(lái)應(yīng)該更加重視相似性分析即源域和目標(biāo)域的匹配。

（3）遷移學(xué)習(xí)過(guò)程中的隱私保護(hù)：隱私和安全是有效技術(shù)的先決條件。目前遷移學(xué)習(xí)在無(wú)線通信的應(yīng)用中隱私保護(hù)問(wèn)題沒(méi)有得到足夠的重視，原因可能是目前的遷移場(chǎng)景還比較簡(jiǎn)單。遷移過(guò)程中的隱私保護(hù)是一個(gè)非常困難的問(wèn)題，因?yàn)樗婕岸鄠€(gè)方面，如源域知識(shí)選擇、模型定義、遷移知識(shí)獲取等，并且這些因素需要相互協(xié)調(diào)以確保有效性和控制成本。

5 結(jié)束語(yǔ)

無(wú)線通信需要更靈活、更節(jié)能、更快、更大規(guī)模，遷移學(xué)習(xí)在無(wú)線通信中扮演著越來(lái)越不可或缺的角色，并將為未來(lái)6G 研究帶來(lái)巨大價(jià)值。本文重點(diǎn)討論兩個(gè)科學(xué)問(wèn)題：首先，為什么6G 通信需要遷移學(xué)習(xí)？在6G 無(wú)線通信中許多需求與技術(shù)要求是相互矛盾的，如高效率和高密度、安全隱私與大規(guī)模連接，遷移學(xué)習(xí)不僅可以緩解這些矛盾，而且還將提升6G 服務(wù)性能。其次，如何在6G 通信中應(yīng)用遷移學(xué)習(xí)？本文詳細(xì)回顧了基于遷移學(xué)習(xí)的無(wú)線通信領(lǐng)域的前沿工作，并重點(diǎn)介紹了遷移學(xué)習(xí)在BSs/APs 切換能源效率、頻譜資源動(dòng)態(tài)分配、內(nèi)容流行度預(yù)測(cè)、室內(nèi)無(wú)線定位和網(wǎng)絡(luò)入侵檢測(cè)等六個(gè)不同應(yīng)用背景下的突出貢獻(xiàn)，這些研究是未來(lái)遷移學(xué)習(xí)推動(dòng)6G 自適應(yīng)無(wú)線通信的基石。遷移學(xué)習(xí)技術(shù)和6G無(wú)線通信時(shí)代需求必須是相互促進(jìn)、共同發(fā)展的，希望本文能為遷移學(xué)習(xí)在6G 通信未來(lái)的應(yīng)用提供一些思路和啟發(fā)。