本书首先回顾了移动通信系统从第一代演进到第五代的发展历程，以及人工智能的历史、关键技术与应用进展；然后深入剖析了人工智能与无线通信融合的驱动力和必然性，对人工智能与无线通信融合的主要方向、典型场景及案例、国际标准化进展进行了全方位的讲解和分析；最后分别从物理层和网络侧选取了人工智能与无线通信融合的四个典型应用深入讲述，并提供了一些翔实的工程实践案例。本书是一本面向无线通信与人工智能领域跨学科交叉的教材，内容上将前沿技术研究和案例实践强结合。每一章均融入了与章节内容相关的中国传统文化知识，是一本具有互动性学习体验的新形态教材。

本书适用于通信工程、电子科学与技术及人工智能等相关专业领域的学生，从事移动通信及人工智能相关工作的工程师及技术人员，以及所有希望深入了解并掌握智能无线通信理论与实践的读者阅读。

前辅文
第1章 移动通信导论
  1.1 移动通信的发展史
  1.2 移动通信系统的基础
   1.2.1 无线通信中的信道特性
   1.2.2 移动通信的频谱发展及规划
   1.2.3 移动通信的理论基础
  1.3 移动通信网络的业务需求、应用场景与性能指标
   1.3.1 移动通信网络的业务需求
   1.3.2 移动通信的应用场景
   1.3.3 移动通信系统的性能指标
  1.4 移动通信系统及关键技术概述
   1.4.1 移动通信系统架构
   1.4.2 无线接入网技术
   1.4.3 核心网技术
  1.5 6G移动通信的发展概述
   1.5.1 6G业务场景
   1.5.2 6G性能需求
   1.5.3 6G潜在使能技术
  本章小结
  习题
  参考文献
第2章 人工智能导论
  2.1 人工智能的起源与发展
   2.1.1 什么是人工智能
   2.1.2 人工智能的发展历史
   2.1.3 当下的人工智能新特征
   2.1.4 基本术语
  2.2 神经网络基础
   2.2.1 人工神经元
   2.2.2 神经网络基本结构
   2.2.3 激活函数
   2.2.4 神经网络的训练
   2.2.5 过拟合和欠拟合
   2.2.6 优化器
  2.3 人工智能关键技术
   2.3.1 卷积神经网络
   2.3.2 循环神经网络
   2.3.3 生成对抗网络
   2.3.4 强化学习
  2.4 人工智能应用进展
  2.5 常用的深度学习框架
  本章小结
  习题
  参考文献
第3章 当无线通信遇见人工智能
  3.1 后5G时代移动通信网络的需求与挑战
  3.2 人工智能与无线通信的融合
   3.2.1 人工智能融入无线通信的必然性和驱动力
   3.2.2 人工智能赋能无线通信的主要特征和变化
  3.3 人工智能在移动通信网络中的发展
   3.3.1 人工智能在无线接入网中的发展
   3.3.2 人工智能在核心网中的发展
   3.3.3 人工智能在终端中的发展
  3.4 人工智能赋能无线通信的主要方向
   3.4.1 人工智能赋能移动通信网络的物理层传输
   3.4.2 人工智能赋能无线通信网络侧应用
   3.4.3 安全态势感知和故障告警分析
  3.5 智能无线通信的应用及发展趋势
   3.5.1 无线通信+AI赋能行业应用
   3.5.2 无线通信+AI的标准化趋势
   3.5.3 6G网络中的人工智能
  本章小结
  习题
  参考文献
第4章 物理层技术中人工智能的应用
  4.1 物理层技术中人工智能的应用简介
  4.2 机器学习在编译码与调制技术中的应用
   4.2.1 研究现状
   4.2.2 信道编译码技术
   4.2.3 自动调制识别技术
  4.3 基于深度学习的信道估计和CSI反馈糞T〗
   4.3.1 研究现状
   4.3.2 传统信道估计
   4.3.3 基于深度学习的信道估计
   4.3.4 基于人工智能的CSI反馈与重构
  4.4 基于深度学习的信号检测技术
   4.4.1 研究现状
   4.4.2 传统信号检测技术
   4.4.3 基于深度学习的OFDM信号检测技术
   4.4.4 OFDM系统中DNN信号检测器案例
  4.5 大规模多天线系统中的智能波束选择技术
   4.5.1 研究现状
   4.5.2 传统波束选择技术
   4.5.3 低时延高鲁棒性智能波束选择方法
  4.6 基于深度学习的物理层端到端设计
   4.6.1 研究现状
   4.6.2 自编码器简介
   4.6.3 基于自编码器的端到端通信系统设计与案例
  本章小结
  习题
  参考文献
第5章 基于人工智能的移动通信网络流量预测
  5.1 流量预测在移动通信中的应用
   5.1.1 移动通信网络流量预测问题定义
   5.1.2 移动通信网络智能化运维与流量预测
   5.1.3 人工智能在流量预测中的应用
  5.2 移动通信网络流量数据
   5.2.1 移动通信网络的流量数据集
   5.2.2 移动通信的流量数据探索性分析
  5.3 流量预测建模
   5.3.1 时间序列和时空序列流量预测模型
   5.3.2 流量预测的性能指标
  5.4 时间序列流量预测案例
   5.4.1 数据预处理
   5.4.2 简单流量预测方法
   5.4.3 基于ARIMA的时间序列流量预测
   5.4.4 基于LSTM的时间序列流量预测
  5.5 时空序列流量预测案例
   5.5.1 基于空间CNN的时空序列流量预测
   5.5.2 其他时空序列流量预测
  本章小结
  习题
  参考文献
第6章 移动性管理中人工智能的应用
  6.1 移动性管理的基本概念
   6.1.1 移动性管理的定义
   6.1.2 5G中的移动性管理
  6.2 移动性管理的基本内容
   6.2.1 切换管理
   6.2.2 位置管理
   6.2.3 AI赋能移动性管理
  6.3 基于AI的切换管理案例
   6.3.1 切换管理场景介绍
   6.3.2 移动性数据集处理
   6.3.3 基于LSTM用户移动性预测的切换管理
  6.4 基于AI的高精度无线定位案例
   6.4.1 高精度定位场景介绍
   6.4.2 信道状态信息特征图构建
   6.4.3 基于CNN的Wi-Fi定位案例
  本章小结
  习题
  参考文献
第7章 智能边缘网络中的多维资源调度
  7.1 智能边缘网络中的资源调度问题
   7.1.1 智能边缘网络中的多维资源
   7.1.2 多维资源调度问题的分类
   7.1.3 多维资源调度问题的建模
  7.2 基于强化学习的通信与计算资源联合调度
   7.2.1 智能边缘网络中的计算卸载
   7.2.2 计算卸载过程的数学建模
   7.2.3 基于强化学习的卸载算法
  7.3 基于深度强化学习的网络切片动态调度
   7.3.1 智能边缘网络中的网络切片技术
   7.3.2 网络切片动态调度的数学建模
   7.3.3 基于深度强化学习的切片调度算法
  本章小结
  习题
  参考文献
结束语