人工智能是克服现代无线信息系统设计复杂性的关键 - IT思维

公众号/  ScienceAI（ID：Philosophyai）

编译 | 白菜叶

移动无线技术从 3G/4G 到 5G 的演进以及工业 4.0 的引入，导致无线系统设计的复杂性不断增加。由于需要优化共享资源以扩大用户组的需求，无线网络也变得更加难以管理。这些挑战迫使工程师不能仅仅使用传统的基于规则的方法进行思考，许多人开始转向人工智能（AI）作为应对现代系统带来的挑战的首选解决方案。

从管理自动驾驶汽车之间的通信到优化移动通话中的资源分配，人工智能为现代无线应用带来了必要的复杂性。随着连接到网络的设备数量和范围的扩大，人工智能在无线领域的作用也将扩大。工程师必须准备好将其引入日益复杂的系统。了解人工智能在无线系统中的优势和应用，以及最佳实施所需的最佳实践，将是该技术未来成功的关键。

人工智能为无线带来的主要优势

向 5G 的过渡带来了移动宽带网络的速度和质量的优化，以及对超可靠低速率和大规模机器类型通信的需求，以实现工业 4.0 设备之间的时间敏感连接——现代网络中的三种不同使用案例，以及推动工程师采用人工智能的竞争力量。

随着设备对网络资源的竞争，无线系统的用户和应用程序的数量一直在增加，以前的线性设计模式曾经被基于人类的规则所理解，不再足够了。然而，人工智能技术可以通过自动有效地提取任何模式来更好地解决非线性问题，这超出了基于人类的方法的能力。

在这种情况下，人工智能是指那些用于识别连接设备和人员的通信渠道中的模式的机器学习和深度学习系统。然后，这些系统优化分配给该链接的资源以提高性能。简而言之，在不利用 AI 方法的情况下为这些不同的用例运行网络几乎是不可能完成的任务。

除了带来复杂性和优化之外，人工智能还具有项目管理优势。通过估计源环境的行为，将模拟环境整合到算法模型中，可以使工程师使用最少的计算资源快速研究系统的主要影响。这为探索设计和更快地进行更多迭代留下了更多时间，从而降低了成本和开发时间。

人工智能在无线系统中的应用最佳实践

数据大小和质量对于 AI 模型的有效部署至关重要，因为它们仅与训练它们所用的数据一样有效。为了处理一系列现实世界的场景，这些模型需要使用广泛的数据进行训练。通过基于基元合成新数据或从无线信号中提取它们，MathWorks 的 5G Toolbox 等应用程序为 5G 网络设计人员提供了稳健训练 AI 所需的数据可变性。未能探索大型训练数据集并基于该数据迭代不同的算法可能会导致狭窄的局部优化而不是整体全局优化。

在现场测试 AI 模型的稳健方法对于成功同样至关重要。测试 AI 技术所需的信号可变性是一个问题，在狭窄的局部地理环境中捕获的信号可能会对工程师优化设计质量的方式产生不利影响。如果没有现场迭代，个别案例的参数无法用于针对特定位置优化 AI，从而对呼叫性能产生负面影响。

无线世界的人工智能——主要应用领域

电信和汽车等领域的数字化转型需要使用人工智能，并且是其应用的主要驱动力。随着智能城市、电信网络和自动驾驶汽车（AV）等应用程序的连接，将电子通信放置在曾经以机械为导向的区域会产生大量数据。当他们这样做时，加入他们的网络资源变得捉襟见肘。

在电信领域，人工智能部署在两个层面——物理层（PHY）和 PHY 之上。用于提高连接两个用户的线路性能的 AI 应用称为在 PHY 操作。AI 技术在物理层的应用包括数字预失真、信道估计和信道资源优化，以及在呼叫期间自动调整收发器参数，也称为自动编码器设计。

信道优化是增强两个设备之间的连接，特别是网络基础设施和用户设备。通常，这意味着使用人工智能通过指纹识别和通道状态信息压缩等技术来克服局部环境中的信号可变性。

通过指纹识别，人工智能通过将干扰映射到室内环境中的传播模式（由个人进入它们引起）来优化无线网络的定位和定位。然后，人工智能会根据这些个性化的 5G 信号变化来估计用户的位置。同时，信道状态信息压缩是利用人工智能压缩从用户设备到基站的反馈数据，确保通知基站试图提高呼叫性能的反馈回路不超过可用带宽，从而导致掉话。

Above-PHY 主要用于网络管理和资源分配。调度、波束管理和频谱分配等应用是为竞争用户和网络用例管理和优化核心系统资源的功能。随着网络上用户和用例数量的增加，网络设计人员已转向人工智能技术，以实时响应分配需求。

在汽车行业，使用人工智能进行无线连接使安全自动驾驶成为可能。自动驾驶汽车 (AV) 依靠来自多个来源的数据，包括激光雷达、雷达和无线传感器，来解释它们所处的环境。自动驾驶汽车中的硬件必须处理来自众多竞争来源的数据。人工智能支持传感器融合，融合竞争信号，使车辆的软件能够理解其位置并确定它将如何与环境交互。

无线人工智能的未来

随着无线技术用例的扩展，在这些系统中实施人工智能的需求也随之增加。没有它，5G、自动驾驶汽车和物联网应用等系统将不具备有效运行所需的复杂性。尽管近年来人工智能在工程，特别是无线系统设计中的地位一直在增加，但随着用例和网络用户数量的增长，可以预期它会继续上升——而且速度更快。

相关报道：https://spectrum.ieee.org/ai-for-wireless