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
12个问题带你全面认识5G

今天我们一起来学习一下高通Qualcomm关于5G这这篇博文,重新认识一下5G。通过这12个问题,全面认识5G。

未来几年会出现哪些GaN 创新技术?

现在GaN很火 ,人们似乎忘记了GaN 依然是一项相对较新的技术,仍处于发展初期,还有较 大的改进潜力和完善空间。本文将介绍多项即将出现的 GaN 创新技术,并预测未来几年这 些创新技术对基站设计和发展的影响。

向经典学习:八木天线原理分析和制作过程

作为电磁换能元件,天线在整个无线电通信系统中位置十分重要,质量好坏直接影响着收发信距离的远近和通联效果,可以说没有了天线也就没有了无线电通信。

5G高频天线技术探讨

Massive MIMO 天线技术是5G的核心,中兴通信在2017年发表了一篇关于《5G高频天线技术探讨》的文章,作者是赵俊飞,田 珅,戴佳伟,钟坤静,文章详细介绍了5G的一些天线技术。有幸在网络中搜索到了这篇文章,转发分享给大家,一起来学习。

煤矿井下5G覆盖数据分析

2020年5GtoB显著加速,垂直行业逐渐成为5G的重要用户,并深入参与到5G网络能力的验证工作,以考察5G是否满足行业的需求。在测试中,由于业务需求不统一、测试场景单一、未考虑设备厂家能力等因素,造成了行业用户对5G网络能力的认知上的差异。本文针对井工煤矿5G的覆盖能力、业务需求和网络规划进行了定量定性的分析,为5G在煤矿的网络规划提供了一定的参考。