面向6G内生AI的空口无损压缩编码算法与存算一体加速器设计.docxVIP

PAGE2

面向6G内生AI的空口无损压缩编码算法与存算一体加速器设计

摘要

随着第六代（6G）移动通信系统的演进，内生人工智能（AI）成为提升网络智能化水平的关键技术。然而，6G空口面临大带宽、海量数据传输与极低时延的矛盾，传统前传链路与基带处理架构面临严重瓶颈。本课题旨在设计面向6G空口大带宽数据的低时延无损压缩算法，并基于存算一体架构设计硬件加速器，以实现吞吐量与能效的协同优化。

论文首先分析了6G空口数据传输的痛点，明确了低时延无损压缩的必要性。随后，提出了一种改进的基于字典的低时延无损压缩算法（ELC-6G），通过多级哈希匹配与并行流水线技术降低编码时延。在硬件设计方面，构建了基于SRAM的存算一体加速器架构，利用基尔霍夫定律在存储阵列内直接进行模式匹配计算，消除冯·诺依曼瓶颈。详细设计涵盖了算法逻辑、存算阵列结构及模块间交互接口。

系统实现与测试表明，本设计在保证数据无损恢复的前提下，压缩吞吐量达到12.8Gbps，端到端处理时延低于0.8微秒，能效比达到3.5TOPS/W。本课题的核心创新点在于将低时延压缩算法与存算一体硬件深度协同，为6G内生AI的空口数据加速提供了一种高能效、低时延的解决方案。

第一章绪论

1.1研究背景

第六代移动通信系统（6G）正朝着全域覆盖、万物智联的方向演进，内生AI被视为6G网络的核心特征之一。通过在空口引入AI模型，网络能