AI-управляемое динамическое распределение ресурсов для ISAC-систем в сетях 6G: интеллектуальная формировка диаграммы направленности, управление помехами и распределение мощности

Более умные беспроводные сети для повседневной жизни

Будущие сети 6G будут не только связывать наши телефоны, автомобили и бытовые устройства — они также станут высокоточными датчиками, постоянно сканирующими окружающую среду. В этой статье исследуется, как искусственный интеллект может помочь таким сетям с двойным назначением автоматически решать, куда направлять сигналы, сколько мощности использовать и как избегать помех. Цель — сделать беспроводные соединения быстрее и надежнее, а также обеспечить точное зондирование для приложений, таких как автономное вождение, умные города и системы мониторинга безопасности.

Одна сеть для связи и зондирования

Вместо создания отдельных систем для связи и радароподобного зондирования, интегрированное зондирование и связь (ISAC) объединяет оба в одном оборудовании и радиоканалах. Одна базовая станция 6G использует множество малых антенн для передачи сигналов, которые одновременно несут данные пользователям и отражаются от объектов, раскрывая их положение и движение. Такая общая схема обещает более эффективное использование спектра, снижение затрат и появление новых услуг, но она также создаёт конфликт: сигналы, предназначенные для связи с пользователями, могут мешать зондированию, а зондирующие сигналы — передаче данных. В быстро меняющейся среде — при движении автомобилей с высокой скоростью, на людных городских улицах или при изменяющихся нагрузках — старые «статические» настройки уже не подходят.

Почему фиксированные правила недостаточны

Традиционные беспроводные системы часто опираются на заранее разработанные правила или тяжёлую математическую оптимизацию, предполагающую медленно меняющиеся условия и почти идеальное знание каналов. В ISAC базовая станция должна постоянно балансировать направления лучей, уровни мощности и выбор частот, одновременно справляясь с несколькими видами помех: эхо от собственных сигналов, конфликты между разными пользователями и взаимные помехи между зондированием и связью. Решать эту задачу снова и снова при помощи обычных инструментов слишком медленно и негибко для реальных сценариев 6G, где пользователи перемещаются, меняются требования и паттерны помех меняются от момента к моменту.

Как контроллер на базе ИИ учится адаптироваться

Авторы предлагают контроллер на базе ИИ, основанный на глубоком усиленном обучении. Контроллер непрерывно наблюдает за состоянием сети: насколько хороши каналы, как быстро движутся пользователи, какой уровень помех, насколько точное зондирование требуется и сколько доступно мощности. В каждый момент он выбирает действия — как формировать лучи, как распределять мощность между пользователями и задачами зондирования и как назначать частоты. После каждого решения система получает награду, отражающую несколько целей одновременно: более высокие скорости передачи данных, лучшую точность зондирования, меньшую потребляемую энергию и снижение помех. За многие моделируемые взаимодействия ИИ находит стратегии, которые лучше балансируют эти цели, чем фиксированные решения, и после обучения полученная политика может применяться в реальном времени при умеренных вычислительных затратах.

Работа в городских улицах и открытых полях

Чтобы протестировать подход, исследователи смоделировали три типичных сценария 6G: городской скоростной участок с быстро движущимися транспортными средствами, плотный «умный» город с большим скоплением пользователей и спокойную сельскую зону с небольшим числом устройств, но высокими требованиями к зондированию. Во всех трёх случаях система под управлением ИИ показывает явные преимущества. Она повышает общую пропускную способность до примерно 45% по сравнению с классической оптимизацией и примерно на 50% по сравнению со статическими шаблонами лучей, особенно когда у базовой станции много антенн или выше мощность передачи. При этом ИИ концентрирует энергию в нужных направлениях зондирования, повышая коэффициент усиления диаграммы направленности и снижая теоретические пределы погрешности определения цели, что переводится в более точное определение положения объектов и окружения.

Экономия энергии и снижение помех

Преимущества выходят за рамки скорости и точности. Обученная модель ИИ учится понимать, когда и где действительно нужна мощность, что позволяет поддерживать заданную скорость передачи при сокращении передаваемой мощности примерно на 40% по сравнению с традиционными решениями. Она также умеет подавлять различные формы помех — самопомехи, конфликты между пользователями и взаимные помехи между зондированием и связью — примерно до 50%. Такая более чистая среда сигналов улучшает как каналы связи, так и возможности зондирования, особенно в условиях высокой загруженности или быстрой изменчивости. Авторы дополнительно анализируют вычислительные затраты и показывают, что тяжёлая фаза обучения может выполняться офлайн, а онлайн-решения достаточно быстры для строгих временных требований 6G.

Что это значит для будущих систем 6G

Для широкого читателя главный вывод в том, что статья демонстрирует, как ИИ может выступать в роли реального «диспетчера воздушного движения» для радиоволн в инфраструктуре будущего 6G. Вместо опоры на фиксированные настройки сеть учится в реальном времени направлять лучи, распределять мощность и избегать взаимных помех между связью и зондированием. В результате получается более гибкая, энергоэффективная и точная беспроводная система, способная лучше поддерживать автопилоты, умные фабрики и другие ресурсоёмкие и критичные по безопасности приложения. Исследование указывает, что такое AI-управляемое распределение ресурсов может стать ключевой технологией для практического развёртывания интегрированного зондирования и связи в 6G.

Цитирование: Aman, M., Rehman, G.U., Zubair, M. et al. AI-driven dynamic resource allocation for ISAC systems in 6G networks: intelligent beamforming, interference management, and power allocation. Sci Rep 16, 12613 (2026). https://doi.org/10.1038/s41598-026-42247-y

Ключевые слова: беспроводной 6G, интегрированное зондирование и связь, глубокое усиленное обучение, формирование диаграммы направленности, управление помехами