未來(lái)5G通信的發(fā)展使得越來(lái)越多的移動(dòng)終端接入無(wú)線網(wǎng)絡(luò)中，使得頻譜資源的短缺問(wèn)題變得嚴(yán)重，同時(shí)造成網(wǎng)絡(luò)中復(fù)雜的干擾。而終端直通(Device-to-Device，D2D)技術(shù)作為一種很有發(fā)展前途的技術(shù)，可以在用戶之間提供直接的通信鏈路，以提高頻譜效率、提升系統(tǒng)容量等。并被3GPP等一些標(biāo)準(zhǔn)化組織納入到協(xié)議標(biāo)準(zhǔn)演進(jìn)中，具有廣闊的應(yīng)用前景。本書面向未來(lái)通信網(wǎng)絡(luò)演進(jìn)，介紹了D2D通信在當(dāng)下結(jié)合人工智能(ArtificialIntelligence)相關(guān)技術(shù)進(jìn)行信號(hào)處理、資源復(fù)用等方向的理論研究熱點(diǎn)，提出了一系列基于傳統(tǒng)通信手段以及AI的D2D通信解決方案。本書首先對(duì)人工智能基礎(chǔ)理論進(jìn)行介紹，進(jìn)一步從物理層通信角度分析了利用深度學(xué)習(xí)、機(jī)器學(xué)習(xí)對(duì)D2D中的信道狀態(tài)信息反饋和智能波束選擇進(jìn)行分析，接著，分析了基于經(jīng)典理論的D2D部署策略，采用強(qiáng)化學(xué)習(xí)提高了D2D通信中的頻譜接入的效率，最后探討了利用經(jīng)典算法以及基于AI中強(qiáng)化學(xué)習(xí)的D2D資源與功率分配方案，在介紹上述算法的過(guò)程中，本書充分比較了傳統(tǒng)算法以及智能化算法的差異，分析了優(yōu)劣性，從而致力于推動(dòng)未來(lái)D2D技術(shù)的持續(xù)研究與不斷發(fā)展。