人工智能技術(shù)在認(rèn)知無線電中的應(yīng)用

趙冠州

（大理大學(xué)，云南 大理 671000）

0 引 言

無線電技術(shù)自發(fā)展以來被廣泛應(yīng)用于各個(gè)領(lǐng)域，如人們?nèi)粘Ｉ蠲芮邢嚓P(guān)的調(diào)頻廣播、蜂窩電話和數(shù)字電視等，都是利用電磁波原理進(jìn)行的數(shù)據(jù)傳播。隨著人們對(duì)無線通信的需求不斷增長(zhǎng)，原有的無線頻譜已經(jīng)不能滿足人們對(duì)帶寬的要求。認(rèn)知無線電的出現(xiàn)，能有效解決這一難題。認(rèn)知無線電也被稱為CR技術(shù)，是具有尋找無線空閑頻譜能力的智能無線電技術(shù)。它與傳統(tǒng)無線電技術(shù)的區(qū)別主要在于認(rèn)知能力和重構(gòu)能力兩點(diǎn)。認(rèn)知能力是指CR技術(shù)可在無線環(huán)境中識(shí)別現(xiàn)有的無線頻譜，并自動(dòng)感知工作參數(shù)；重構(gòu)能力即CR技術(shù)可實(shí)現(xiàn)自動(dòng)重構(gòu)編程，對(duì)無線電的工作頻率、調(diào)制方式等參數(shù)進(jìn)行再設(shè)置。而認(rèn)知無線電在各個(gè)領(lǐng)域的應(yīng)用則主要依靠于人工智能技術(shù)的支撐。人工智能是計(jì)算機(jī)學(xué)科的一個(gè)分支，涉及到語言識(shí)別、圖像識(shí)別和聲音識(shí)別等諸多內(nèi)容。人工智能技術(shù)的蓬勃發(fā)展勢(shì)必會(huì)使認(rèn)知無線電智能化成為現(xiàn)實(shí)。

1 認(rèn)知無線電中常用的人工智能技術(shù)

認(rèn)知無線電智能化主要體現(xiàn)在其推理、學(xué)習(xí)和優(yōu)化能力上。推理能力是對(duì)現(xiàn)有知識(shí)庫中所含內(nèi)容進(jìn)行功能分區(qū)，并合理預(yù)測(cè)決策的過程。學(xué)習(xí)能力是指概括原有知識(shí)內(nèi)容，融入到知識(shí)庫中。優(yōu)化能力是對(duì)現(xiàn)有工作參數(shù)進(jìn)行自主調(diào)試，以滿足人們的不同需求[1]。

1.1 推理系統(tǒng)

CR技術(shù)中的推理系統(tǒng)主要分為基于規(guī)則和基于案例的推理。其中，基于規(guī)則的推理系統(tǒng)是指來自各個(gè)行業(yè)領(lǐng)域的專業(yè)人士將學(xué)科前沿知識(shí)以編程方式存入知識(shí)庫中，利用CR技術(shù)對(duì)編程規(guī)則進(jìn)行解讀，隨后完成指令操作。基于規(guī)則的推理系統(tǒng)結(jié)構(gòu)簡(jiǎn)單、操作容易，但穩(wěn)定性不高。CR技術(shù)的實(shí)踐過程是將前期存入知識(shí)庫中的知識(shí)內(nèi)容進(jìn)行解析，然后按照指定操作輸出結(jié)果。這對(duì)知識(shí)結(jié)構(gòu)和準(zhǔn)確性提出了很高要求，一旦知識(shí)網(wǎng)絡(luò)模糊，推理系統(tǒng)無法正確識(shí)別指令，將會(huì)輸出錯(cuò)誤的計(jì)算結(jié)果。另一種推理系統(tǒng)是基于案例進(jìn)行推理，簡(jiǎn)言之是在沒有完備的知識(shí)結(jié)構(gòu)體系前提下，通過對(duì)比已經(jīng)掌握解決某類特定問題的方法，將其應(yīng)運(yùn)在相似環(huán)境中。它的特點(diǎn)在于系統(tǒng)具有類似于人類的思維，可以運(yùn)用已有解題方式解決新問題。在實(shí)際操作過程中，為了豐富拓展推理系統(tǒng)的使用寬度，人們往往將這兩種推理方式結(jié)合使用。當(dāng)知識(shí)庫中知識(shí)儲(chǔ)備能解決問題時(shí)，主要運(yùn)用基于規(guī)則的推理方式；如果知識(shí)網(wǎng)絡(luò)存在漏洞無法利用現(xiàn)有知識(shí)有效解決問題時(shí)，則綜合使用基于案例推理方式，通過案例學(xué)習(xí)做出推理決策。

1.2 機(jī)器學(xué)習(xí)方法

機(jī)器學(xué)習(xí)是指通過編程使計(jì)算機(jī)系統(tǒng)模擬人類思維，學(xué)習(xí)新興知識(shí)的過程。目前，被廣泛應(yīng)用的機(jī)器學(xué)習(xí)方法主要有人工神經(jīng)網(wǎng)絡(luò)和貝葉斯學(xué)習(xí)等。人工神經(jīng)網(wǎng)絡(luò)是近年來學(xué)術(shù)界用來輔助完成科研過程的熱門算法，基本原理是類比人類大腦中神經(jīng)元對(duì)信息的處理方式，通過不斷調(diào)整各數(shù)據(jù)節(jié)點(diǎn)之間的關(guān)系來完成信息處理。人工神經(jīng)網(wǎng)路的優(yōu)勢(shì)在于通過判定預(yù)選輸入系統(tǒng)內(nèi)的起始和輸出數(shù)據(jù)間的邏輯關(guān)系，將輸入的新數(shù)據(jù)按照計(jì)算法則處理即可得出輸出結(jié)果。將現(xiàn)實(shí)案例抽象為數(shù)學(xué)模型，往往是科研過程中最難進(jìn)行的部分。人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，有效解決了這一難題。傳統(tǒng)算法只適用于線性數(shù)學(xué)模型的求解優(yōu)化，無法應(yīng)對(duì)復(fù)雜的數(shù)學(xué)建模過程。人工神經(jīng)網(wǎng)絡(luò)只需要案例原始數(shù)據(jù)，就可完成模型求解。此外，人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)性可被應(yīng)用于認(rèn)知無線電中的頻譜識(shí)別感應(yīng)、信號(hào)感知和工作參數(shù)調(diào)試等問題。貝葉斯學(xué)習(xí)主要針對(duì)數(shù)據(jù)信息的先驗(yàn)概率進(jìn)行推理決策，在通信領(lǐng)域主要應(yīng)用于問題的抽取、儲(chǔ)存等[2]。

1.3 智能優(yōu)化算法

認(rèn)知無線電區(qū)別于傳統(tǒng)無線電技術(shù)的主要特點(diǎn)是能按照環(huán)境和客戶需求實(shí)現(xiàn)工作參數(shù)的智能調(diào)試。工作參數(shù)設(shè)置包括頻譜、客戶需求和客觀環(huán)境等多方面限制，需要以函數(shù)形式進(jìn)行多目標(biāo)求解。遺傳、模擬退火和禁忌搜索算法都是認(rèn)知無線電領(lǐng)域用來智能優(yōu)化的基礎(chǔ)算法。遺傳算法模擬生物學(xué)中自然進(jìn)化的原理，通過自然選擇淘汰劣勢(shì)解尋求問題最優(yōu)答案。將認(rèn)知無線電類比成生物體內(nèi)的染色體，染色體中存在的各個(gè)基于對(duì)應(yīng)程序的不同參數(shù)，經(jīng)過不斷進(jìn)化達(dá)到最終參數(shù)設(shè)置要求。模擬退火方法是模擬物理降溫過程，利用數(shù)學(xué)公式計(jì)算不同狀態(tài)的轉(zhuǎn)移概率與臨界值進(jìn)行搜索。禁忌搜索通過設(shè)置禁忌表，防止搜索內(nèi)容反復(fù)進(jìn)入搜素序列，浪費(fèi)搜索時(shí)間。

2 人工智能技術(shù)的CR應(yīng)用實(shí)例

2.1 在無線區(qū)域網(wǎng)中的應(yīng)用

無線區(qū)域網(wǎng)是以認(rèn)知無線電技術(shù)為基礎(chǔ)，實(shí)現(xiàn)固定頻段的無線電數(shù)據(jù)傳輸。無線區(qū)域網(wǎng)與寬帶撥號(hào)上網(wǎng)的區(qū)別在于其使用的是全新的頻譜帶，主要應(yīng)用于農(nóng)村等偏遠(yuǎn)地區(qū)。人工智能技術(shù)在無線區(qū)域網(wǎng)中的應(yīng)用主要體現(xiàn)在認(rèn)知引擎的升級(jí)換代上。以Newman等人研制出的基于CBR認(rèn)知引擎為例，作用機(jī)理為感知模塊、無線環(huán)境圖與主控模塊的互相關(guān)聯(lián)。其中，無線環(huán)境圖是由分布在各個(gè)客戶終端的網(wǎng)絡(luò)節(jié)點(diǎn)與網(wǎng)絡(luò)線路連接而成的抽象數(shù)據(jù)庫，內(nèi)部包含了地理信息、知識(shí)體系和服務(wù)信息客戶需求等。無線環(huán)境圖中的信息通過不斷觀測(cè)引擎中感知模塊的節(jié)點(diǎn)狀態(tài)變化將變化信息由CR傳送至主控模塊。主控模塊由效用、基于案例/規(guī)則的推理、信道建模和預(yù)測(cè)、多目標(biāo)優(yōu)化和頻譜管理幾部分組成。接收到數(shù)據(jù)信息后，主控模塊按順序完成推理、學(xué)習(xí)和優(yōu)化過程，最終輸出結(jié)果。

與人工智能技術(shù)完美結(jié)合后的無線區(qū)域網(wǎng)絡(luò)可實(shí)現(xiàn)為用戶提供不對(duì)稱的數(shù)字用戶線寬帶接入服務(wù)。隨著互聯(lián)網(wǎng)和無線網(wǎng)絡(luò)的發(fā)展與普及，人們?nèi)粘Ｐ畔⒌墨@取渠道早已由平面紙質(zhì)報(bào)紙等轉(zhuǎn)化為網(wǎng)絡(luò)自媒體。為了滿足人們的日常生活需求，絕大部分地區(qū)的寬帶撥號(hào)上網(wǎng)業(yè)務(wù)已廣泛普及。但是，包含山區(qū)在內(nèi)的許多人口密度較低的偏遠(yuǎn)地區(qū)，由于線路接入成本較高，一直無法享受寬帶撥號(hào)上網(wǎng)業(yè)務(wù)。基于802.22的無線區(qū)域網(wǎng)系統(tǒng)雖然在上網(wǎng)速度和網(wǎng)絡(luò)性能上與固定上網(wǎng)差異不大，但可適應(yīng)農(nóng)村等偏遠(yuǎn)地區(qū)條件，可為類似地區(qū)提供上網(wǎng)業(yè)務(wù)[3]。

2.2 在無線電測(cè)試平臺(tái)的應(yīng)用

國外許多學(xué)者已經(jīng)研制出了基于人工神經(jīng)網(wǎng)絡(luò)算法的認(rèn)知無線電測(cè)試平臺(tái)。無線電測(cè)試平臺(tái)需實(shí)現(xiàn)的設(shè)計(jì)目標(biāo)是調(diào)試網(wǎng)絡(luò)頻譜帶、設(shè)置帶寬等工作設(shè)備參數(shù)，同時(shí)實(shí)現(xiàn)網(wǎng)絡(luò)最大吞吐量和最小運(yùn)輸速率目標(biāo)。結(jié)合人工智能技術(shù)中的遺傳算法，可建立解決問題的認(rèn)知引擎。認(rèn)知引擎的主要作用機(jī)理為：初始化無線電通過無線系統(tǒng)遺傳算法模塊收集信道信息并建模信道，信道建模過程完成后，將信道模型傳輸至認(rèn)知系統(tǒng)檢測(cè)器模塊。在認(rèn)知系統(tǒng)檢測(cè)器中判定決策無線電是否需要重新配置，并根據(jù)過去記憶的信道情況與參數(shù)配置對(duì)無線電性能的影響，決定哪些參數(shù)應(yīng)該保留，哪些參數(shù)需要修改。經(jīng)認(rèn)知系統(tǒng)檢測(cè)器判定系統(tǒng)需要更新配置時(shí)，模擬器會(huì)將產(chǎn)生的適值函數(shù)和初始代的染色體提供給無線系統(tǒng)遺傳算法模塊，最終將適值函數(shù)表達(dá)為數(shù)學(xué)函數(shù)形式并輸出仿真結(jié)果。但是，如果經(jīng)認(rèn)知系統(tǒng)檢測(cè)器檢測(cè)系統(tǒng)無需更新配置時(shí)，系統(tǒng)自動(dòng)生成子代染色體數(shù)據(jù)庫，用來檢驗(yàn)基帶配置性能結(jié)果。該技術(shù)的優(yōu)點(diǎn)在于系統(tǒng)可對(duì)當(dāng)前環(huán)境產(chǎn)生的系統(tǒng)配置結(jié)果不斷進(jìn)行優(yōu)化更新，直至最后輸出目標(biāo)結(jié)果，達(dá)到檢驗(yàn)?zāi)康摹?/p>

2.3 在WLAN中的應(yīng)用

WLAN即人們常說的無線局域網(wǎng)。在無線局域網(wǎng)發(fā)明前，人們上網(wǎng)只能通過有線寬帶形式，將物理線纜連接成一個(gè)電子運(yùn)行通路，費(fèi)事且成本較高。無線局域網(wǎng)應(yīng)用到人們?nèi)粘Ｉ詈?，可直接利用射頻技術(shù)使用電磁波傳輸數(shù)據(jù)，在空中進(jìn)行通信連接?；贗EE802.11標(biāo)準(zhǔn)的無線局域網(wǎng)可實(shí)現(xiàn)特定頻段的無線電波連接。以家庭用網(wǎng)為例，家庭WLAN上網(wǎng)主要包含路由器、交換機(jī)、防火墻和無線接入點(diǎn)等幾部分，可通過以上設(shè)施設(shè)備實(shí)現(xiàn)數(shù)臺(tái)電子設(shè)備的以太網(wǎng)訪問需求。將人工智能技術(shù)應(yīng)用在WLAN網(wǎng)絡(luò)后，具有認(rèn)知功能的無線局域網(wǎng)可通過數(shù)據(jù)接入點(diǎn)的不同進(jìn)行頻譜掃描，將對(duì)系統(tǒng)產(chǎn)生干擾的其他頻譜帶區(qū)分出來，并結(jié)合系統(tǒng)原有的通信信道模型建立適應(yīng)用戶需求的通信信道模型。另外，基于人工智能技術(shù)支撐的無線局域網(wǎng)還可在對(duì)數(shù)據(jù)接入點(diǎn)頻譜掃描時(shí)核查非法入侵終端，防止網(wǎng)絡(luò)黑客惡意攻擊。

2.4 在多入多出系統(tǒng)中的應(yīng)用

多入多出系統(tǒng)是指通過加設(shè)輸入端及輸出端上的接收信號(hào)天線方式，實(shí)現(xiàn)天線之間的信號(hào)傳輸，以達(dá)到改善通信質(zhì)量和用網(wǎng)質(zhì)量的目的。多入多出技術(shù)可高效改善目前的頻譜帶有限情況，提高現(xiàn)階段頻譜效率。將人工智能技術(shù)引入認(rèn)知無線電系統(tǒng)后，能大大提高頻譜使用效率。人工智能技術(shù)與認(rèn)知無線電系統(tǒng)的結(jié)合已不僅僅局限于學(xué)術(shù)范圍，這一創(chuàng)新形式早在2006就被應(yīng)用于工業(yè)領(lǐng)域。墨爾本一通信公司已經(jīng)開發(fā)出基于人工智能技術(shù)的商用CR系統(tǒng)，并廣泛投入到了生產(chǎn)環(huán)節(jié)[4]。

3 結(jié) 論

認(rèn)知無線電是在無線電發(fā)展基礎(chǔ)上衍生出來的時(shí)代產(chǎn)物?；谌斯ぶ悄芗夹g(shù)的蓬勃發(fā)展，認(rèn)知無線電被廣泛應(yīng)用于通信、數(shù)據(jù)交互等多個(gè)行業(yè)領(lǐng)域。基于此背景，本文對(duì)人工智能技術(shù)在認(rèn)知無線電領(lǐng)域的應(yīng)用情況展開探討，將認(rèn)知無線電領(lǐng)域中體現(xiàn)的人工智能歸納為推理、學(xué)習(xí)和優(yōu)化能力。其中，推理能力包含了基于規(guī)則推理和案例推理兩種方式。機(jī)器學(xué)習(xí)能力部分簡(jiǎn)述了人工神經(jīng)網(wǎng)絡(luò)和貝葉斯學(xué)習(xí)方法等，算法優(yōu)化部分則主要列舉了遺傳、模擬退火和禁忌搜索三種優(yōu)化算法模型。最后，詳述了人工智能技術(shù)在WRAN、WLAN、無線電測(cè)試平臺(tái)和多入多出系統(tǒng)中的實(shí)際應(yīng)用過程。