文章来源：尤肖虎,张川,谈晓思,金石,邬贺铨.基于AI的5G技术——研究方向与范例[J].中国科学:信息科学,2018,48(12):1589-1602.
目录
（5）两种常见的学习方法2-Q学习算法（Bellman算法）
? ? ? ? 2.2 辩证看待AI技术在5G移动通信中的应用
（1）自组织网络（self organizing network，SON）
（3）单个模块的优化并无法保证整个物理层端到端通信的整体优化[37]*
?
? ? ? ? 主要做了三件事：
? ? ? ? ? ? ? ? （1）概述5G移动通信技术的基础；
? ? ? ? ? ? ? ? （2）梳理AI技术在5G发展中的发展方向；
? ? ? ? ? ? ? ? （3）给出了有关5G网络优化、资源最优分配、5G物理层统一加速运算以及端到端物理层联合优化等若干典型范例。
? ? ? ? 关键词：AI技术、网络优化、资源分配、统一加速、端到端联合优化
?
? ? ? ? 主要目标：增强带宽，万物互联
? ? ? ? 典型的应用场景、关键技术指标，见：https://blog.csdn.net/qq_30507287/article/details/114537335?
? ? ? ? 新的关键技术：在5G中，新型关键技术指标：网络虚拟化和切片技术，基本思想是5G网络构建在云计算平台上，通过计算资源的隔离、动态调配与迁移，实现网络资源的灵活调配，以适应未来5G极为丰富的应用场景。见paper：Tao X F, Han Y, Xu X D, et al. Recent advances and future challenges for mobile network virtualization. Sci China Inf Sci, 2017, 60: 040301
? ? ? ? Re1：第一个5G技术标准，支持非独立组网（non-standalone,NSA）与eMBB功能[8]；
? ? ? ? Re2：独立组网（standalone,SA）[9]；
? ? ? ? 在4G基础上，5G的改进：
? ? ? ? ? ? ? ? （1）MIMO技术进行增强，引入大规模天线阵列技术；
? ? ? ? ? ? ? ? （2）对OFDM时隙结构和时频资源模块（Resource Block，RB）划分方案进行补充，提出了更为灵活的空中接口技术；
? ? ? ? ? ? ? ? （3）下一个5G版本引入：非正交多用户接入（NOMA）技术，支持广域覆盖的中低速物联网应用；
? ? ? ? ? ? ? ? （4）将无线网络功能单元划分为分布式单元（distributed units,DU）和中心单元（central units, CU），并引入了基于云计算的网络虚拟化与切片技术。
? ? ? ? 典型例子：可在线处理的增强学习方法。基于智能实体agent和环境environment之间的动态交互。
? ? ? ? 参见前期深度学习笔记。
? ? ? ? 基本思想：选择Q函数，作为衡量一个智能实体执行某种动作的代价函数；该智能实体根据所处的环境，对所有可能的动作进行Q函数评估，并从中选择出奖励成分最大的动作，并加以行动。场景的迭代更新形式，满足智能实体的动作、环境的变化和Q函数的调整以在线的方式实现。Q函数的收敛证明见[20]。
?
? ? ? ? （1）组合优化问题：5GNR的资源分配问题就是组合优化问题。找一种最优的资源配置方式，将资源利用率最大化。
? ? ? ? （2）检测问题：5G通信接收机就是一个检测问题。对接收信号进行辨识，确定发射信号，并使检测错误概率最低。
? ? ? ? （3）估计问题：5G通信信道参数估计是实现系统相关接收的必要条件。根据5G系统所发送的导频信号，估计出无线信号从发射端到接收端所历经的信道畸变。
Re*：AI在5G系统中的应用[25-37]。
? ? ? ? （1）已经拥有典型设计和处理方法；
? ? ? ? （2）存在性能界（Shannon 容量限）；
? ? ? ? （3）AI学习本身的局限性，收敛时间问题，需要进行充分评估才行；
? ? ? ? （4）AI学习算法的计算复杂度通常较高。
? ? ? ? 难以统一建模的问题，例如：覆盖问题、干扰问题、邻区选择、越区切换问题等。还包括多种，多个维度的指标相互依赖或相互矛盾，难以建立全局性的优化模型。
? ? ? ? 资源分配问题[39,40]，例如：小区间时频资源块分配、正交导频资源分配、波束分配、大规模MIMO多用户聚类、无线网络虚拟化资源池调配等。（最优解求解问题通常属于NP-hard类型的组合优化问题）。AI技术可以支持此类问题的求解。
? ? ? ? 可以理解为：一些基本功能模块的级联组合问题（说白了就是：方案执行流程中模块组合问题）。例如5GNR的物理层涉及：大规模MIMO多用户空时处理、NOMA信号检测、LDPC码和Ploar码信道编译码等功能模块。每个模块算法不一，但理论上均可采用AI逐一解决[25-33]，目的：简化系统设计流程、加速工程实现的进程、提高物理层实现的课配置性，并最终降低系统实现成本、提高实现效率。
? ? ? ? ①用人工神经网络取代传统发射机和接收机的基本功能模块；
? ? ? ? ②使用AI技术进行跨层联合优化：物理层与媒体控制层的联合优化、信源和信道的联合优化、算法设计与硬件实现的联合优化等。
?
? ? ? ? 1）SON包括了网络自动配置、自优化、自愈合等。
? ? ? ? 2）实现：网络规划、网络配置、网络优化的高度自动化；节省运营成本，降低人为故障。
? ? ? ? 3）涉及基站自主参数配置、动态规划、迁移学习、网络故障的自动检测和定位、网络参数的自动优化。
? ? ? ? 4）涉及AI方法有：人工神经网络学习、蚁群优化、遗传算法。
? ? ? ? 1）AI技术需要克服两个问题：
? ? ? ? ? ? ? ? ①现有数据的KPI种类多；
? ? ? ? ? ? ? ? ②减少人工参与（人工诊断成本高，能力有限）
? ? ? ? 2）基于AI的故障诊断系统，核心诊断步骤：
? ? ? ? ? ? ? ? ①利用1.2 （2）中图2的无监督自组织映射（SOM）实现对无标签高维度数据的初步分类；
? ? ? ? ? ? ? ? ②对SOM建立的神经元进行一次无监督的聚类。（欧式距离即表示其映射数据之间的差异，采用沃德Ward聚类算法可实现对神经元的聚类）
? ? ? ? ? ? ? ? ③引入专家对分好类的数据进行故障分析，有监督地贴上故障标签。
? ? ? ? ? ? ? ? ④自动故障诊断系统，其诊断流程如图4所示：
? ? ? ? 以Q学习算法的应用为例：智能实体具有对移动用户的RB（资源块）分配，其分配更新原则：
? ? ? ? （1）同一小区，选择SIR（信干比）较好的空闲RB分配给用户；
? ? ? ? （2）不断更新本小区SIR最差用户的RB；
? ? ? ? （3）对于同一RB，把本小区最差和邻小区最好的SIR进行配对或分簇；Q学习算法参考图3。
? ? ? ? 下图图5是一个典型的多小区，多用户下行链路RB分配示意图：
? ? ? ? 目标：智能实体在动作集合确定后，以所有用户的信息容量之和最大化为准则；其次，还要与用户的功率最优分配相结合，最后，可以进一步考虑用户QoS的比例公平性（采用Lagrange乘子法）。
? ? ? ? Re50，51：对AI在5G资源分配中的应用进行了总结和展望；（*）
? ? ? ? Re52：提出了增强学习方法在5G新框架中的网络切片技术方面的新应用。（*）
? ? ? ? 对于基带多模块问题不统一性，可以使用一个基于置信传播的、参数可配置的通用加速器实现整个基带功能。
? ? ? ? 但是，上述基带功能受其性能限制，一些场景下置信传播算法无法满足要求，因此采用AI的5G通用加速器，这种加速器有两种方法，可以将置信传播算法改进为一个性能更好的AI算法。
? ? ? ? （1）将置信传播算法的因子图复制多次，按照原有连接方式连成一个深度神经网络，复制次数等于置信算法的迭代次数。
? ? ? ? （2）对DNN进行训练。
? ? ? ? R30：基于DNN的Polar码译码器；
? ? ? ? R58：基于DNN的MIMO检测器。
? ? ? ? （1）将置信传播算法的因子图节点排列在图片上，其中每个像素代表一个节点，像素相邻表示对应节点在因子图中相连。
? ? ? ? （2）利用CNN进行训练。R35：提出的BP-CNN信道译码器。
? ? ? ? （1）神经网络带来的是系统的提升和硬件架构的统一。分析CNN的核心操作是卷积运算，分析DNN的核心运算是二维矩阵乘法运算。二维脉动阵列可以同时完成CNN和DNN的功能，从而实现基于AI的5G通用加速器。二维脉动阵列结构，如下图所示。参考Re：28。
? ? ? ? （2）Re31，在有信道编码、信道、信道均衡器，及译码器组成的系统中，接收机的均衡器与译码器分别可以用CNN和DNN实现。
? ? ? ? 针对上述均衡器和译码器，有两种方法设计AI加速器：
? ? ? ? ①硬件消耗的优先设计；
? ? ? ? ②吞吐速率有限的设计。
? ? ? ? Re36：基于神经网络的调制模式识别；
? ? ? ? Re30：DNN极化码译码器；
? ? ? ? Re35：基于DNN的MIMO检测算法
? ? ? ? Re31：基于神经网络的信道均衡和信道译码的联合优化；
? ? ? ? Re37、59：AI在物理层各模块的应用进行了总结。
? ? ? ? Re59：将物理层通信看作是一个端到端的信号重构问题。并应用自编码器概念来表示物理层的通信过程，进行联合优化。
? ? ? ? 自编码器包含：编码、调制、信道均衡等物理层模块，被简单表示为发射端、信道、接收端。
? ? ? ? ①发射端和接收端表示为全连接的DNN；
? ? ? ? ②发射端连接一个归一化层来确保输出值符合物理约束；
? ? ? ? ③接收端连接一个softmax激活函数层；
? ? ? ? ④输出一个概率向量来决定接收到的信息；
? ? ? ? ⑤发射端和接收端之间的信道用一个噪声层（Noise Layer）表示。
? ? ? ? 联合优化问题中的自编码器构建端到端通信模型的结构如下图8所示：
? ? ? ? Re59：将自编码器模型推广到干扰信道的多用户模型上；
? ? ? ? Re60：将自编码器优化方法推广到MIMO上，通过增加信道矩阵相关模块，形成如图9所示的MIMO自编码器通信模型。
?
非ES6代码实现继承的主流方式主要可以分为： 构造继承、原型链继承、构造继承+原...
伪静态：即网站本身是动态网页如.php、.asp、.aspx等格式，而这类网页还带“”加...
分享背景 由于一直在虚拟机的状态下开发PHP,尝试一下mac本地搭建环境.mac本身是...
注入获取 注入获取通过IConfiguration直接获取的方法官方文档里就有，可以直接看...
前言 最近在阅读某开源框架源码的时候，发现作者在其中运用了很多 Action委托 和...
分析可能是： asp的一些保留字段导致，具体的大家可以参考这篇文章： ASP常见的...
1．如果你连追求自己喜欢的事物与人的勇气都没有，你注定是个失败者。 2．不要因...
问题 如果打算为项目选择一款免费、开源的 数据库 ，那么你可能会在 MySQL 与Pos...
HTML常用meta 文章目录 HTML常用meta Meta(元数据) 提示以下是本篇文章正文内容...
了解类似的获取字符位置的方法： charAt() 获取字符串指定位置的字符 用法：strO...
![[Asp.Net Core]提高开发效率的方法](/images/defaultpic.gif)
