中文引用格式： 成剛，羅曄. Wi-Fi與機器學習結合的綜合分析[J]. 電子技術應用，2026，52(1)：1-7.
英文引用格式： Cheng Gang，Luo Ye. Survey and analysis of the integration of Wi-Fi and machine learning[J]. Application of Electronic Technique，2026，52(1)：1-7.
引言
隨著Wi-Fi 6至Wi-Fi 7[1]和Wi-Fi 8[2]的技術演進，與Wi-Fi連接性能相關的Wi-Fi技術參數的數量、配置和動態選擇也越來越復雜，比如正交頻分多址（Orthogonal Frequency Division Multiple Access，OFDMA）參數、頻譜資源單位（Resource Unit, RU）分配、業務質量（Quality of Service, QoS）調度、多鏈路操作、多接入點(Access Point, AP)協作等。如何根據外部環境實時動態地調整這些參數，使得高速率、低延時等業務有更優化的業務質量和用戶體驗，已經成為Wi-Fi技術發展和部署的重大挑戰。而人工智能和機器學習（Artificial Intelligence/Machine Learning, AI/ML）能夠從大量數據中學習和建立數據特征模型，然后把模型應用到實際環境中進行網絡優化，近年來已經成為Wi-Fi技術發展的熱點話題和研究方向。
目前AI/ML在Wi-Fi上的解決方案主要體現在運營商的運行維護以及云平臺管理。對于Wi-Fi性能的業務質量提升，需要更深入地探討AI/ML在Wi-Fi物理層和數據鏈路層應用的可行性，這是Wi-Fi網絡性能改善的關鍵領域和發展趨勢。
IEEE 802.11 AI/ML主題興趣小組（Topic Interest Group, TIG）對Wi-Fi網絡性能提升的AI操作曾定義了4個主要用例[3-4]，隨后TIG轉成AI/ML常設委員會（Standing Committee,SC）。雖然IEEE的討論最終沒有成為802.11規范，也沒有看到Wi-Fi 8（IEEE 802.11bn）會采納AI/ML的方案，但AI/ML與Wi-Fi技術在標準中的結合預計在2030年之后的Wi-Fi 9將可能繼續討論。
本文首先對Wi-Fi技術特征以及發展趨勢進行綜合闡述，指出Wi-Fi規范中的參數復雜度對性能優化的挑戰，以及機器學習優化Wi-Fi網絡參數的必要性。然后綜合介紹和分析AI/ML在提升Wi-Fi性能和用戶體驗的研究及可行性。接著，介紹IEEE 802.11 AI/ML興趣組的技術報告中的四個具體的AI/ML用例，探討和建議Wi-Fi與AI/ML相結合的系統設計框架，并對Wi-Fi設備的典型應用場景用例進行說明。最后對Wi-Fi與AI/ML結合的技術挑戰和行業發展做歸納和總結。
本文詳細內容請下載：
http://www.tom3567.com/resource/share/2000006904
作者信息：
成剛1，羅曄2
（1.上海諾基亞貝爾股份有限公司，上海 201206；
2.上海諾基亞貝爾軟件有限公司，上海 201206）
