人工智能在5G无线网络优化中的设计与实现

王 浩 赵 伦

(1.广州科技职业技术大学 信息工程学院 广东 广州:510440;2.重庆邮电大学 国防研究院 重庆: 400065)

0 引言

在目前4G无线网络中，通信服务公司对4G无线网络进行网络优化主要是由人工完成的。工程师要带着测试手机和测试软件进行现场路测，将测试数据导入后台网优分析软件进行数据分析，找出网络中出现的问题，然后通过网管系统对通信设备系统的相关参数进行修改，有时候也需要新建一些基站、直放站等通信设备[1]。完成设备系统参数修改和新建硬件设备以后，工程师会再次去信号覆盖有问题的区域进行路测。经过多次路测和系统参数修改、新建硬件设备以后，最后达到测试数据满足运营商的指标要求。一个区域无线网络优化工作可能就需要1个月甚至更长的时间，耗费的人力和物力成本很高，工作效率比较低。

在5G网络中，我们能够将大数据分析、机器学习运用到5G无线网络优化中，实现5G无线网络优化的人工智能化[2]。

本文采用贝叶斯模型，建立多层感知器预测模型，设计了5G无线网络优化系统，该系统能够对5G网络设备和系统参数进行及时调整，5G无线终端具有更高的信噪比和接收功率，更低的通信误码率，更高的通信传输速率，解决了人工无线网络优化工作效率低，成本高的问题。

1 5G网络架构

5G网络系统应用了软件定义网络、网络功能虚拟化、云无线接入网等技术。5G网络架构图如图1所示。

图1 5G网络架构图

RAP提供信令覆盖的功能，类似宏基站。LRAP提供数据传输功能，类似小基站。核心网由UCE和UDW组成，UCE集成了MME, SGW-C, PGW-C的功能，UCE和SDN控制器一起管理GTP-U隧道。UDW实现数据转发功能，集成了SGW-D和PGW-D的数据传输功能[3]。

5G网络系统架构包含三层，最上层提供各种应用及服务。中间层是网络控制平台，是整个系统的重要组成部分，中间层为上层的各种类型应用服务。执行面向应用的网络控制功能，可以对底层的网络资源进行灵活的管理和相应参数的配置。底层为基础设施层，无线接入网和核心网的数据将利用底层的基础设施进行信息传输。

在5G网络架构中，控制面和数据面的解耦不仅体现在核心网，而且体现在无线接入网和无线传送网之间。5G网络的控制层将无线控制和网络控制相结合，而业务管理功能从5G控制层独立出来，成为单独的实体，从而使5G网络成为灵活的，可以通过软件编程进行相关配置的网络[4]。

5G网络部署非常密集，网络的拓扑结构非常复杂，切换更加频繁和复杂。网络拓扑结构，干扰图样，业务的空间和时间分布也是动态变化的。通过5G 网络的动态部署技术，超密集小基站可以自动感知周围的无线环境，并自动完成功率、扰码、频点、邻区等相关无线参数的规划和配置[5]。保证5G网络可以满足运营商各项指标的要求，使5G网络更好地满足用户需求。

2 5G无线网络优化系统设计

在5G通信网络中，我们运用多层感知器预测模型和贝叶斯网络设计了一个5G无线网络优化系统。该系统使用多层感知器预测模型，由信息正向传播和误差反向传播两个过程组成。该模型的输入信息为5G无线网络的路测数据，网络设备相关系统配置，参数配置信息和实时的通信信令数据。该模型的输出信息为5G无线网络优化问题的解决建议。该模型的运行过程是内部信息处理层。在信息正向传播阶段，当输入端获取大量经典无线网络优化案例信息数据后，内部信息处理层负责信息变换，该层设计为多隐层结构，最后一个隐层传递到输出端的信息，经过进一步处理后完成一次无线网络优化分析方法学习的正向传播处理过程[6]。多层感知器预测模型学习过程如图2所示，具体的实施方案包括7个步骤：

图2 多层感知器预测模型学习过程

(1)将5G网络中的大量经典无线网络优化案例信息数据输入到5G无线网络优化系统中，系统对优化案例信息数据进行特征分析，确定劣化原理，小区场景和相对应的无线网络优化分析方法；

(2)构建贝叶斯模型，通过贝叶斯模型计算不同场景下对应的无线网络优化分析方法所使用的频率；

(3)按照不同场景智能学习优化分析方法，通过分析5G终端路测数据、网络设备系统配置，参数配置信息和实时的通信信令数据等信息，找出在5G无线网络信号覆盖中出现问题的区域；

(4)针对出现问题的区域，找出这些区域出现无线信号覆盖问题的原因，并提出相应的解决建议；

(5)将5G无线网络优化系统输出的建议和工程师在相同区域进行人工优化工作得到的建议进行对比分析，找出其中的误差，将误差通过输出层输入到5G无线网络优化系统中，系统按照误差梯度下降的方式修正各路权值，向隐层、输入层进行逐层反传，在反传过程中对各层权值进行不断调整，对系统模型进行训练，从而将5G无线网络优化系统的输出误差减小到可以接受的程度；

(6)5G测试终端自动实时向5G无线网络优化系统上传现场路测数据，系统对终端上传的数据、网络设备系统配置、参数配置信息和实时的通信信令数据等信息进行分析，输出对应的解决建议；

(7)5G无线网络优化系统将这些解决建议传送到5G网络的网管系统中，由网管系统对5G网络系统参数进行相应的调整，并提示哪些位置需要新建基站等通信设备，改善5G网络无线信号覆盖质量，实现5G无线网络优化工作的智能化。

贝叶斯网络在多层感知器模型中的逻辑结构图如图3所示。

图3 贝叶斯网络在多层感知器模型中的逻辑结构图

3 5G无线网络优化系统的可行性分析

5G网络具有更大的带宽，更大的网络传输速率。5G网络终端都是智能终端，工程师可以在智能终端上安装测试软件，随时获取该终端的接收功率、信噪比、误码率、上传速率、下载速率等相关参数。工程师只需要带着5G智能测试终端在需要进行无线网络优化的区域路线上测试一遍，5G智能终端再进行无线信号测试，同时将测试数据上传到无线网络优化系统中。该系统收到终端传送的数据后，调取网管系统的设备参数配置和实时通信信令进行大数据分析，对无线网络信号覆盖情况进行诊断。无线网络优化系统发现无线网络覆盖问题，及时给出解决建议，并将解决建议传送到网管系统中。如果是系统参数修改的建议，则网管系统自动进行相关系统和设备参数的修改。如果网络需要新增或者更换通信设备，则网管系统将进行提示，工程师根据系统提示，对5G无线网络信号覆盖情况进行分析，从而决定是否需要更换或者新建通信设备。在5G网络中基站都使用智能天线，工程师将多个BBU放置在一起，对多个RRU天线进行集中控制。如果是基站天线参数需要调整，工程师通过网管系统控制基站天线的下倾角，方位角等，对其进行调整，而不需要他们去现场对基站天线参数进行机械调整。

当系统完成一次无线网络优化过程以后，工程师再次携带5G测试终端对出现问题的路线重新测试一遍。无线网络优化系统将对再次上传的数据进行分析验证，分析修改后的网络是否满足通信要求。经过多次数据测试和5G通信系统调整，无线网络信号覆盖满足运营商的各项指标要求。

4 5G无线网络优化系统在现网中应用效果

5G无线网络优化系统在广州某运营商的某一小段道路无线信号覆盖上进行了试用。在广州某区域进行簇集成优化测试中，从光明北路往桥兴大道的路上发生了一次掉话，从span软件测试log分析掉话时候UE RSCP值非常差，如图4所示。

图4 优化系统使用前的信号覆盖图

从路测log数据上分析，在掉话前UE从繁华路进入光明北路，从路测图中回放反映出，UE由华海大厦1小区切换到电子公司1小区。如图5所示，当UE切换到电子公司1小区后继续往前移动，在距离电子公司基站670m、离汀沙基站160m、离富华花园基站230m处，已经满足切换条件，但UE依旧占用电子公司1小区 。如图6，电子公司1小区RSCP比较差了，但是仍然不和强邻小区切换。

图5 服务小区参数信息图

图6 小区切换信息图

UE由光明北路进入到桥兴大道后，UE依旧占用电子公司1小区，且此时电子公司1小区信号非常差了。从图7可以看出明显没有切换。

图7 服务小区和邻小区信息图

在完成5G无线网络优化系统和该运营商网管系统数据对接后，5G无线网络优化系统对该段道路无线信号覆盖相关参数进行调整，把HC算法参数中电子公司1的“系统内切换的算法开关”属性值由“关闭”修改为“打开”。在5G无线网络优化系统完成对该段道路无线信号覆盖相关参数调整之后，效果明显，切换顺利进行，该区域无线信号覆盖效果明显改善，参数调整后的路测数据如图8所示。

图8 优化系统使用后的信号覆盖图

5 结束语

本系统通过大数据分析，采用机器学习技术，经过对无线网络优化工作进行人工智能化，与目前人工的无线网络优化相比较，减少了网络优化的时间，降低了网络优化使用的人力和物力成本，具有很高的经济效益。