0
| 本文作者： 我在思考中 | 2022-10-24 10:06 |
作者 | Houman Zarrinkoub
編輯 | 陳彩嫻
伴隨著移動無線技術向 5G 躍進，無線系統(tǒng)設計的復雜性正在不斷增加。
當前，由于擴大用戶群的需求增加，要加強對寶貴資源優(yōu)化共享，也加大了無線網絡的管理難度，這些調整正迫使工程師們突破傳統(tǒng)基于規(guī)則的方法、尋找新的解決方案。AI 成為他們應對現(xiàn)代系統(tǒng)挑戰(zhàn)的首選解決方案。
近日，MathWorks 首席產品經理 Houman Zarrinkoub 在文章“The key to overcoming complexity in modern wireless systems design”中指出，從管理自動駕駛汽車間的通信、到優(yōu)化移動通話資源分配，AI 為現(xiàn)代無線應用發(fā)展帶來了必要的復雜性。
在今天，隨著連接到網絡的設備數(shù)量和范圍逐漸擴大，AI 在無線領域的重要性也大大增加。工程師必須準備好將 AI 引入日益復雜的系統(tǒng)，了解 AI 在無線系統(tǒng)中的優(yōu)勢和應用、及實施過程中的最佳實踐， Houman Zarrinkoub 表示，這將是無線系統(tǒng)技術未來成功的關鍵。
向5G的過渡帶來了移動寬帶網絡速度和質量的優(yōu)化，以及對工業(yè)4.0設備之間在時間上敏感連接的超可靠低速率和大規(guī)模機器通信的需求——這是現(xiàn)代網絡中三種不同的用例，以及驅動工程師采用AI的競爭力。
隨著設備對網絡資源的競爭，無線系統(tǒng)的用戶和應用程序數(shù)量持續(xù)增加，曾經被基于人類的規(guī)則所理解的線性設計模式不足。但是，通過自動有效地提取任意模式，人工智能可以更好地解決非線性問題，這超出了基于人的方法的能力。
在這種情況下，人工智能是指那些用于識別連接設備、人員通信渠道模式中的機器學習和深度學習系統(tǒng)，這些系統(tǒng)通過給該鏈接的資源進行優(yōu)化來提高性能。簡而言之，在不利用 AI 方法的情況下為這些不同的用例運行網絡，是幾乎不可能完成的任務。
除此之外，人工智能對項目管理也有幫助。通過估計源環(huán)境的行為，將模擬環(huán)境整合到算法模型中，使工程師能用最少的計算資源更快地研究系統(tǒng)的主要影響，從而為探索設計和后續(xù)迭代留下了更多時間，降低了成本和開發(fā)的時間。
圖注：AI for Wireless 的工作流程——數(shù)據(jù)生成、AI 訓練、驗證和測試以及硬件上的部署
進入應用階段，數(shù)據(jù)大小和質量對 AI 模型的有效部署起到至關重要的作用。
為了處理一系列現(xiàn)實世界中的場景，這些模型需要使用廣泛的數(shù)據(jù)進行訓練。通過基于基元合成新數(shù)據(jù)，或從無線信號中提取，無線系統(tǒng)應用程序也會為 5G 網絡設計人員提供穩(wěn)健訓練 AI 所需要的數(shù)據(jù)變化。如果沒有大型訓練數(shù)據(jù)集、并在此基礎上對不同的算法進行數(shù)據(jù)迭代，可能會導致最終效果是狹窄的局部優(yōu)化，而不是對整體實現(xiàn)全局優(yōu)化。
此外，在現(xiàn)場測試 AI 模型的穩(wěn)健方法也很關鍵。
測試 AI 技術所需的信號變化是其中的一個問題，在狹窄的局部地理環(huán)境中捕獲的信號，可能會對工程師優(yōu)化設計質量的方式產生不利影響。如果沒有現(xiàn)場迭代，個別案例的參數(shù)也將無法用于針對特定位置優(yōu)化 AI，從而對呼叫性能產生負面影響。
在電信和汽車等領域的數(shù)字化轉型也需要 AI 的參與，AI 也是這些應用的主要驅動力。
隨著智能城市、電信網絡和自動駕駛汽車 (AV) 等應用程序的連接，如果將電子通信放置在曾經以機械為導向的區(qū)域中時，雖然能夠產生大量的數(shù)據(jù)，但加入的網絡資源也會變得捉襟見肘。
在電信領域，人工智能部署在兩個層面——物理層 (PHY) 和 PHY 之上，其中，用于提高連接兩個用戶線路性能的 AI 應用稱為在 PHY 操作。AI 技術在物理層的應用包括有數(shù)字預失真、信道估計和信道資源優(yōu)化，以及在呼叫期間自動調整收發(fā)器參數(shù)，也可以稱為自動編碼器設計。
信道優(yōu)化是指增強兩個設備之間的連接，特別是網絡基礎設施和用戶設備之間的連接。通常，這也意味著使用 AI 通過指紋識別和通道狀態(tài)信息壓縮等技術，來克服局部環(huán)境中的信號變異性。
通過指紋識別，AI 可將干擾映射到室內環(huán)境中的傳播模式（由個人進入引起）來優(yōu)化無線網絡的定位，AI 會根據(jù)這些個性化的 5G 信號變化來估計用戶的位置。同時，信道狀態(tài)信息壓縮能通過 AI 壓縮從用戶設備到基站的反饋數(shù)據(jù)，確保通知基站試圖改善通話性能的反饋回路不超過可用帶寬，從而導致通話中斷。
Above-PHY 主要用于網絡管理和資源分配，如調度、波束管理和頻譜分配等應用，是指管理和優(yōu)化核心系統(tǒng)資源的功能，可用于網絡中相互競爭的用戶和用例。隨著網絡用戶和用例數(shù)量的增加，網絡設計者已經轉向人工智能技術，以便實時響應分配需求。
在汽車領域中，使用 AI 進行無線連接讓安全自動駕駛成為可能。自動駕駛汽車 (AV) 依靠來自多個來源的數(shù)據(jù)，包括激光雷達、雷達和無線傳感器等來解釋它們所處的環(huán)境。自動駕駛汽車中的硬件需要處理眾多競爭信號的數(shù)據(jù)，而通過 AI 就可以實現(xiàn)傳感器融合來融合競爭信號，使車輛軟件能夠理解其位置，確定自身同環(huán)境的交互方式。
隨著無線技術用例的擴展，在這些系統(tǒng)中應用人工智能的需求也隨之增加。沒有 AI，那么如 5G、自動駕駛汽車和物聯(lián)網應用等系統(tǒng)也將不具備有效運行所需的復雜性。盡管近年來 AI 在工程，特別是無線系統(tǒng)設計中的地位一直在增加，但隨著用例和網絡用戶數(shù)量的增長，也可以預期其地位將會以更快的速度繼續(xù)上升。
原文鏈接：
https://spectrum.ieee.org/ai-for-wireless
未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區(qū)進行轉載！
公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。
雷峰網(公眾號：雷峰網)
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
