联通专家：5G拥抱AI当从五方面入手

传统网络的路损计算、覆盖规划、波束成型等都涉及到对网络环境的计算，在5G复杂网络环境的背景下，引入AI解决与网络环境相关的规划优化等问题是必经之路，这时需要将传统代数计算的方法进行基于AI的建模，AI算法中的准确建模对算法的实际应用效果至关重要。

一方面，通信网络具有场景多的特点，针对通信网络中的不同场景，例如导频功率调整、边缘吞吐率提升、M-MIMO波束调整、D-MIMO智能簇分配、多天线特性增益等多种场景，需要分别进行精准化的建模。另一方面，通信网络具有时变性强的特点，针对网络发射的异常行为(如被恶意攻击)或者外部环境变化(如恶劣天气引发的信道突变)导致的突发性变化，需要建立动态学习、持续学习的算法模型，以应对通信场景中的突发问题。例如，建立准确的无线信道大尺度模型对于网络设计至关重要，它可以确定小区的覆盖大小，从而达到减少邻区干扰、优化网络的目的。

但目前信道建模的方法主要依赖于信道测量，基于无线信道的各种统计特性建立的信道模型，具有难以针对特定环境给出准确信道响应的缺点，具有一定局限性。利用人工智能方法，根据无线信道数据的特点，可将大小尺度衰落预测等任务进行抽象，将其归类于机器学习擅长解决的回归分类等问题，通过机器学习和数据挖掘，得到更精确的信道衰落预测和模拟方法。

AI在网络中的应用尚处在起步阶段

通信网络正朝着多元化、宽带化、综合化、智能化的方向发展。无线传输采用越来越高的频谱、越来越大的带宽、越来越多的天线，因此传统的通信方法复杂度太高且性能难以保证。同时，随着智能终端和各种APP的爆发，无线通信网络行为和性能因素比过去更加动态和不可预测。低成本、高效率地运营日益复杂的无线通信网络是当前运营商面临的一项挑战。另外，社交媒体的活动可以影响到用户的网络行为，随着网络运营与优化的焦点从网络性能转变为用户体验，传统的KPI优化方法和网络规划优化工具已经无法满足5G网络的需求。

网络传输中有大量的测量信息，而通信网络本身也有大量的终端、业务、用户、网络运维、无线传输性能等大数据，充分利用这些通信大数据，采用机器学习和深度学习等人工智能方法，进行深度挖掘，并实时进行动态重配置无线网络，是提高网络性能和用户感受，减少人力成本投入，自适应各种新型应用的核心和关键。

但是，人工智能在通信领域的应用仍处于起步阶段，5G网络的智能化演进路线中挑战与机遇并存，运营商需要结合网络现状、云化转型进度、5G技术成熟度分阶段推进二者融合，并与设备商、互联网企业、研究机构等共筑智能新生态。

【编辑推荐】

1. 如何优化数据中心的互连性?
2. F5入选《财富》全球最受赞赏公司名列,公司业绩与声誉连续两年获认可
3. ASLR如何保护Linux系统远离缓冲区溢出攻击? - 网络·安全技术周刊第378期
4. 2019年值得持续关注的安全类新应用 - 网络·安全技术周刊第379期
5. 通过RDP隧道绕过网络限制 - 网络·安全技术周刊第380期

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!