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
直播预告丨5G 将带来哪些改变?

在即将举办的慕尼黑上海电子展期间,Qorvo 公司移动事业部高级销售经理赵玉龙将会参加与非网举办的一场圆桌派直播活动,与大家探讨 5G 领域的技术、市场现状,分析产业面临的机会和挑战。

5G手机里的封装学问

从5G的发展态势来看,将有越来越多的芯片元器件被封装在一起,而且它们的工作频率要比4G和3G提高很多,这些元器件互相之间的干扰也会越来越复杂,需要做更好的屏蔽处理。这些都对先进封装技术提出了更高的要求,同时也充满着商机。

5G传送技术及标准化进展

自2019年10月我国5G商用正式启动以来,国内运营商加快5G网络建设步伐,逐步在全国开通增强移动宽带(eMBB)业务并加快拓展5G+垂直行业应用。为了满足5G规模商用、5G+垂直行业应用发展等典型需求,5G传送网络不仅要满足近期5G前传和中回传的高速率、大带宽、灵活连接、低时延、低成本、智能管控和高精度同步等特性网络建设需求,还要面对中长期5G业务发展的支持小颗粒业务承载、L3 VPN大规模灵活组网、软硬网络切片资源管控、城域边缘云的动态互联等传送需求的挑战。

SiP技术在5G时代的新机遇

各大手机厂商相继发布5G手机,5G手机的销量超预期,基于毫米波技术的5G手机对SiP的需求量增大。对于整机厂来说,采用成熟的SiP方案可以简化手机的设计和制造流程,节省成本,并缩短开发时间,加快机型的商业化时间,成为成本和抢占市场先机竞争的利器。

5G+电网,一场正在路上的变革

电力与通信已是人类生产生活不可或缺的基础设施。回顾过去,电的发明和利用掀起了第二次工业革命,信息技术发展推动了第三次工业革命,如今进入5G新基建时代,5G与电网这两大超级基础设施的融合和相互赋能,让沟通和光明无处不在,必将掀起一场新的时代变革。