机器学习如何助力5G网络?

分享到:

机器学习

机器学习属于工程领域,在过去的十年中,由于计算系统的功能不断增强以及数据的可用性,该领域已显着成熟。与传统系统不同,机器学习为工程师提供了一种工具,不仅可以教其识别模式,还可以从其环境中学习,这有助于随着时间的推移提高其性能。

在机器学习的早期发展中,它主要用于图像和语音识别,但是近年来这种情况正在改变。机器学习现在被广泛应用于医疗诊断、股市决策甚至环境控制等领域。

频道搜寻

机器学习如何助力5G网络?

无线技术异常复杂,每次技术迭代都增加了一层额外的复杂性。基于无线电信号的第一个无线技术将使用火花隙来接收信号,而下一代无线电将使用二极管来解调信号以提取音频信息。在无线技术经过几次迭代之后,将部署结合了密码功能的复杂数字电路,以保持信息的私密性。

现在,许多设备都在朝着移动技术发展,因此对蜂窝塔的需求量很大,同时可能有成千上万的同时连接请求。为了帮助管理此负载,无线电系统部署的信道中每个信道处理的设备数量非常多,一个信道中的设备不能干扰另一信道中的设备。

但是,找到流量较低的频道可能要花费一段时间,而使用最佳频道通常会成为附近设备和环境的一个因素。由于使用反复试验来选择通道,因此效率低下会导致能耗增加和执行时间增加。

机器学习应用

为了解决此问题,美国国家标准技术研究院(NIST)的一组研究人员开发了一种数学公式,该公式的行为类似于机器学习算法。

本质上,该公式是基于先验经验而不是使用试错法来选择无线网络频道。由于该系统过去具有与外部因素有关的选定配置,因此可以说相同的设置提供了更好的运行机会。对此类系统的需求源于以下事实,即移动网络正在部署一种称为“许可辅助访问”的解决方案,该解决方案同时使用许可频段和非许可频段。这意味着同时使用Wi-Fi和蜂窝设备的环境最终会在信道上竞争,从而导致信道查找速度变慢。

因此,如果两个天线(Wi-Fi和移动天线)都使用类似于机器学习的公式来查找最佳信道,则它们可以独立运行以找到最佳解决方案。根据计算机模拟,该公式可以映射环境条件,例如存在的发射器和通道的数量,可以将尝试次数从45000个减少到10个,从而使其速度提高了5000倍。

机器学习能够适应其环境的能力使其能够随着时间的推移提高性能。这样的算法不必仅限于音频和视频应用。从理论上讲,他们可以改善任何流程。因此,工程师应着眼于自己的设计,并尝试找出涉及反复试验的情况,然后查看是否可以用学习算法代替。

继续阅读
深入对比4/5G Qos

LTE是基于承载 Bearer的Qos策略设计。无线承载分为SRB(Signalling Radio Bearer)和DRB(Data Radio Bearer)。SRB用于信令的传输,DRB用于数据的传输,所有SRB的调度优先级要高于所有的DRB。

5G and 卫星,到底啥关系?

近些年来,卫星通信引起了国内外的广泛关注。人们普遍看好这项技术的长远发展,认为它会对现有的通信技术造成颠覆性的改变,甚至可能取代现在最先进的移动通信技术——5G。

5G如何提升上行能力?

5G上下行能力差异明显。5G上行能力薄弱,行业急盼上行千兆能力。

三大运营商当前5G用户数最新情况!

三大运营商近日公布截至10月份的用户数情况,我们进行了汇总

5G基站成了“电老虎”,如何降低成本?

前一段时间,关于洛阳联通在夜间部分时段休眠关闭部分5G基站的消息引发了普遍关注。有媒体探究背后的原因发现主要是由于5G基站的耗电量太大,让运营商难以承受高昂的电费,因此在没有5G用户连接或连接数低于某个阈值就休眠关闭5G基站,由4G+基站提供数据服务。