5G网络人工智能化的基本框架和关键技术探索

（中睿通信规划设计有限公司，广州 510630）

5G网络即第五代移动通信网络，通过融合多种制式异构网络，采用各种先进的无线传输技术，使5G网络具有非常强大的通信能力。但这也导致5G网络的结构更加复杂，需要支持多种接入技术的使用，满足用户使用需求，运行维护难度较大。只有应用人工智能化技术，使5G网络具备一定的自感知和自调整功能，才能满足实际运行需求。

1 5G网络基本特征及人工智能化发展方向

1.1 基本特征

2G时代发展至5G时代，不仅网络传输速率明显提升，网络配置参数也出现相应增加。从2G网络的50个，增加至3G网路的100个，再到4G网络的1500个，而5G时代则将超过2000个。配置参数的增加意味着5G网络组成结构及运行维护的复杂性将进一步提升，在4G网络中，已经开始采取半自动网络管理方式，但仍对人工操作依赖性较高，其管理效率难以满足5G网络的实际需求。而且在5G网络时代，网络业务类型更多，为适应增强移动宽带、大规模物联网等的发展需求，5G网络也需要具备业务自动识别和资源自动调配等功能。为适应5G网络的基本特征，目前国际电信联盟（ITU）已经成立人工智能化技术研究小组，重点突破机器学习等关键技术，从而为5G网络技术发展提供支持[1]。

1.2 人工智能化发展

5G网络需要利用人工智能化技术，对复杂的网络结构、多样化的通信资源进行智能管理，从而对实际业务作出快速相应，为通信网络管理决策提供支持。传统通信网络主要为语音业务，易于实现流量模型预测，网络调控较为简单。但在智能设备大量应用下，通信网络的流量模型非常复杂，需要依靠智能化的决策控制功能，满足网络中的流量需求，保证用户使用体验良好。同时人工智能化技术也是降低5G网络运行维护成本、提高其运行维护效率的重要技术途径，对于5G网络发展具有关键性影响[2]。

2 5G网络人工智能化的基本框架分析

2.1 整体结构

在5G网络建设中要提高其运行决策能力，为特定业务的开展提供充分支持，需要实现对5G网络的灵活管理，让5G网络具备一定的环境感知能力。由系统自动对网络中的不确定因素进行学习和控制，快速做出反应，调节网络配置。在人工智能化技术的应用过程中，要重点解决变量学习、未来状态预测、环境交互分析等问题，并提出具体的解决方案。最终在人工智能化技术的支持下，实现5G网络与运行环境的交互运作，最大化的满足各类业务的实际需求。以此为出发点，在5G网络人工智能化基本框架设计过程中，要包含三部分内容，即智能中心、环境舱、网络策略。具备这些功能，可以自动读取环境信息，制定相应的控制策略。5G网络人工个智能化基本框架如图1所示。

2.2 主要组成部分

在上述网络框架下，智能中心是网络核心部分，采用人工智能技术实现感知、预测、挖掘等功能，对网络环境数据进行分析处理。比如实现业务预测、用户请求分析功能等，然后将处理结果传输至决策模块，制定合理的决策方案。环境舱是与真实网络环境进行交互的部分，主要负责维护网络运行秩序、向智能中心实时传送网络信息数据。最终由网络决策部分根据智能中心的分析结果，制定网络控制策略，经过环境舱反馈给实际网络环境，并对其状态信息进行更新。

图1 5G网络人工个智能化基本框架

3 5G网络人工智能化的关键技术研究

3.1 业务预测

基于上述5G网络人工智能化基本框架结构，可以在人工智能化技术的支持下，实现多种5G网络控制功能。其中，业务需求量预测是5G网络进行调节和控制的前提。在业务类型、用户需求量不断增加下，必须提高5G网络的业务预测精确度。通过对5G网络业务中的数据流进行动态追踪，建立实时网络业务模型，反映数据流变化。考虑到网络的实际运行中，存在非线性影响因素，在时域上分析中具有不规律性，无法采取线性回归方法满足5G网络的业务变化预测。针对这种情况，5G网络人工智能化主要通过研究实时方法、时序分析方法、反向传播机制、支持向量机技术等，实现对5G网络业务变化的分析预测。

3.2 网络切片

由于5G网络中的业务类型众多，采用一体适用型网络结构，难以满足所有业务的实际需求，不同业务可能产生冲突，影响用户体验。为解决此类问题，可采用网络切片技术，根据实际业务特点，自行组建物理和逻辑网络，构建服务模型，动态响应各类业务的需求。在网络切片技术的应用下，也能够对网络资源进行灵活配置，可以根据实际5G网络通信场景，确定网络切片，保证其调度的灵活性。人工智能技术在5G网络切片设置中发挥着重要作用，比如通过设计代理实体，利用多个基本模块联合调用，提高网络资源配置和利用效率。其基本处理过程包括切片请求、训练阶段、预测信息、控制调节、请求受理和切片调度等。此外，还可以利用相关函数，对业务进行监测，判断其是否符合相关标准协议。

3.3 资源分配与共享

5G网络运行中中的业务动态响应，实际是对无线资源的动态分配。目前人工智能算法已经在无线资源分配管理方面得到了应用，包括遗传算法、Q学习算法、多臂赌博机算法等。同时5G网络也要实现高度的资源共享功能，在网络虚拟化技术等的支持下，由供应商统一提供基础物理设施服务。在业务建设中，可直接租用设备构建虚拟网络，向用户提供服务。物理网络的节点和路径，支撑着虚拟网络的虚拟节点及链路。为提高物理基础济源的共享程度，实现对底层物理资源的高效利用，可将上述过程分解为两个步骤。一是通过虚拟网络映射，建立节点、链路与物理节点、路径的映射关系。二是在虚拟网络中为虚拟节点、链路进行资源动态分配。具体可采用人工神经网络实现上述资源共享及分配过程，人工神经网络的输入即网络资源状态，输出即高效的资源共享方案。此外，也可以采用图形神经网络、前馈神经网络来实现资源动态分配。

3.4 人工智能算法

在5G网络人工智能化发展过程中，离不开人工智能算法的支持。面对结构复杂、数据超负荷运行的5G蜂窝网络，只有充分发挥人工智能算法的作用，才能实现对5G网络运行的动态调控，预测各类业务变化趋势。人工智能算法涵盖面广泛，上述提到的支持向量机、Q学习、人工神经网络等，都属于人工智能算法的范畴。其中，神经网络算法和深度学习算法是目前5G网络应用最广泛的人工智能算法，可以使5G网络具备较强的自学习能力，从而对各种突发状况进行及时应对，避免对用户的5G网络应用体验造成影响。应加快人工智能算法的研究和应用，从而使5G网络人工智能化功能得到进一步完善。

4 结束语

综上所述，人工智能化技术在5G网络中的应用对5G网络建设发展有重要的推动作用。根据5G网络的自身特点，只有实现人工智能化调控管理，才能满足实际业务运行需求，从而真正发挥5G网络高速通信技术的优势，优化用户体验。在5G网络的建设过程中，应合理搭建人工智能化框架，掌握人工智能化的关键技术，不断提高5G网络的自动化和智能化水平。