基于AI大數(shù)據(jù)技術(shù)的5G網(wǎng)絡(luò)容量自適應(yīng)算法研究

【摘要】? ? 5G網(wǎng)絡(luò)為了適應(yīng)當(dāng)前的互聯(lián)網(wǎng)業(yè)務(wù)，需要使用網(wǎng)絡(luò)容量自適應(yīng)算法對(duì)自身的業(yè)務(wù)和性能進(jìn)行提高，傳統(tǒng)的網(wǎng)絡(luò)容量自適應(yīng)算法沒(méi)有考慮基站的網(wǎng)絡(luò)使用行為和特點(diǎn)，導(dǎo)致在不同信噪比以及不同時(shí)延需求下的網(wǎng)絡(luò)吞吐量性能較差，為此，設(shè)計(jì)一種基于AI大數(shù)據(jù)技術(shù)的5G網(wǎng)絡(luò)容量自適應(yīng)算法。建立5G網(wǎng)絡(luò)信道模型，計(jì)算信息沖擊響應(yīng)和信道頻率，利用AI大數(shù)據(jù)技術(shù)分析基站容量時(shí)空特征，將得到的空間數(shù)據(jù)網(wǎng)格化，考慮用戶的QoS需求，對(duì)自適應(yīng)算法進(jìn)行設(shè)計(jì)，分析子載波數(shù)量、基站天線數(shù)、用戶距離基站位置之間的關(guān)系，并設(shè)計(jì)出子載波的調(diào)整算法。實(shí)驗(yàn)結(jié)果表明：在不同信噪比和時(shí)延下，設(shè)計(jì)算法與傳統(tǒng)算法相比優(yōu)勢(shì)更明顯，吞吐量性能更好。

【關(guān)鍵詞】? ? AI大數(shù)據(jù)? ? 5G網(wǎng)絡(luò)? ? 容量自適應(yīng)? ? 信道模型? ? 子載波數(shù)量? ? 基站天線數(shù)

引言：

5G網(wǎng)絡(luò)已經(jīng)逐步在我國(guó)普及，其自身所具有的增強(qiáng)移動(dòng)寬帶、機(jī)器通信以及通信性能等特點(diǎn)。在移動(dòng)互聯(lián)網(wǎng)發(fā)展的歷程中，隨著移動(dòng)互聯(lián)網(wǎng)的普及，網(wǎng)絡(luò)也承擔(dān)著流量大爆發(fā)的考驗(yàn)。目前的網(wǎng)絡(luò)容量自適應(yīng)算法中沒(méi)有考慮用戶需要的特點(diǎn)，導(dǎo)致在不同信噪比以及不同時(shí)延需求下的網(wǎng)絡(luò)吞吐量性能較差，因此本文設(shè)計(jì)一種基于AI大數(shù)據(jù)技術(shù)的5G網(wǎng)絡(luò)容量自適應(yīng)算法。

一、基于AI大數(shù)據(jù)技術(shù)的5G網(wǎng)絡(luò)容量自適應(yīng)算法研究

1.1建立5G網(wǎng)絡(luò)信道模型

信道是5G網(wǎng)絡(luò)信息傳輸?shù)闹匾浇橥ǖ?，這種無(wú)線通信的信道條件非常容易受到外界因素的影響，穩(wěn)定性與有線通信相比總體上較差。因此在傳輸信道中，當(dāng)接收到了一些不存在視距成分的信號(hào)時(shí)，將這些信號(hào)進(jìn)行疊加，得到的包絡(luò)需要服從Rayleigh分布[2]。為了將信道模型進(jìn)行簡(jiǎn)化，將信號(hào)中的多徑鏈路數(shù)量與時(shí)延需求都暫定為恒定不變，因此在信道中的信息沖擊響應(yīng)可以用公式進(jìn)行描述：

上式（1）中，aL表示不穩(wěn)定5G網(wǎng)絡(luò)信道中的信號(hào)多路徑傳輸增益，τL表示多個(gè)路徑所對(duì)應(yīng)的時(shí)延數(shù)量，L表示整個(gè)信道中所有能夠傳輸信息的路徑總數(shù)，fc表示網(wǎng)絡(luò)中通信載波的頻率，δ（τ）表示Diracs Delta函數(shù)。將上式進(jìn)行相應(yīng)的變化，可以求出多信道中的頻域響應(yīng)。無(wú)線信道在不斷變化的情況下，將衰落信道看作是高斯白噪聲，因此在復(fù)沖擊響應(yīng)發(fā)生時(shí)，信號(hào)會(huì)產(chǎn)生衰減，信道頻率相應(yīng)也能隨之求出。

1.2基于AI大數(shù)據(jù)技術(shù)分析基站容量時(shí)空特征

在5G網(wǎng)絡(luò)的容量自適應(yīng)算法中，利用AI大數(shù)據(jù)技術(shù)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)5G基站中的流量空間進(jìn)行特征提取，將提取到的特征數(shù)據(jù)輸入到卷積神經(jīng)網(wǎng)絡(luò)中[3]。卷積神經(jīng)網(wǎng)絡(luò)在基站中具有空間特征提取能力，對(duì)于用戶和基站的一些基本信息進(jìn)行統(tǒng)計(jì)。對(duì)于5G網(wǎng)絡(luò)的容量自適應(yīng)來(lái)說(shuō)，AI大數(shù)據(jù)的流量預(yù)測(cè)能夠得到網(wǎng)絡(luò)基站中的自適應(yīng)網(wǎng)絡(luò)架構(gòu)，能夠提高資源配置精準(zhǔn)性。5G網(wǎng)絡(luò)中使用AI大數(shù)據(jù)進(jìn)行基站的容量分析，可以將已經(jīng)網(wǎng)格化的基站流量預(yù)測(cè)進(jìn)行統(tǒng)一，此時(shí)可以將預(yù)測(cè)的時(shí)間縮短?；局械牧髁繑?shù)據(jù)可以將連續(xù)的時(shí)間數(shù)據(jù)和周期性數(shù)據(jù)作為輸入，在卷積神經(jīng)網(wǎng)絡(luò)中也有不同的對(duì)應(yīng)位置。此時(shí)可以實(shí)現(xiàn)連續(xù)時(shí)間序列數(shù)據(jù)的特征提取，并得到基站流量數(shù)據(jù)的周期性變化。

對(duì)該基站中的全部原始數(shù)據(jù)按照采集時(shí)間進(jìn)行排序整理;由于現(xiàn)階段5G技術(shù)的限制問(wèn)題，原始數(shù)據(jù)中還會(huì)出現(xiàn)一些數(shù)據(jù)缺失以及異常值問(wèn)題，需要在基站運(yùn)行大數(shù)據(jù)中將數(shù)據(jù)異常進(jìn)行統(tǒng)計(jì)，并設(shè)定缺失和異常的閾值，當(dāng)數(shù)據(jù)自身缺失/異常情況超過(guò)該閾值，則需要放棄該數(shù)據(jù)的使用。

1.3考慮QoS速率需求完成算法設(shè)計(jì)

在5G通信網(wǎng)絡(luò)中，子載波的總數(shù)一般為偶數(shù)，在網(wǎng)絡(luò)中存在多種QoS的速率需求時(shí)，系統(tǒng)的頻譜效率與網(wǎng)絡(luò)的基站天線數(shù)量之間成正比[4]。但是基于現(xiàn)實(shí)原因，網(wǎng)絡(luò)中的基站天線數(shù)量固定，因此想要將系統(tǒng)頻譜效率最大化，網(wǎng)絡(luò)容量就要完成優(yōu)化。每個(gè)5G網(wǎng)絡(luò)用戶的信道使用速率與大尺度衰落有關(guān)系，大尺度衰落則受到用戶與基站之間的信息傳輸距離影響，因此在算法優(yōu)化的過(guò)程中，基站天線數(shù)量、QoS速率以及不同位置的子載波需求量之間存在下表所示的關(guān)系：

上表中，V表示速率需求，A表示基站天線數(shù)，L表示用戶距離基站的位置，s表示用戶需要的子載波數(shù)量。為了保證5G網(wǎng)絡(luò)速率的需求，在自適應(yīng)的過(guò)程中，基站天線確定了初始數(shù)量之后，可以根據(jù)上表中的機(jī)損規(guī)律，給5G用戶分配子載波數(shù)[5]。當(dāng)全部用戶需要的子載波的總量與5G網(wǎng)絡(luò)中的總子載波數(shù)量相等時(shí)，此時(shí)網(wǎng)絡(luò)中處于一種平衡且穩(wěn)定的狀態(tài);當(dāng)全部用戶需要的子載波的總量與5G網(wǎng)絡(luò)中的總子載波數(shù)量，說(shuō)明5G網(wǎng)絡(luò)能夠完全覆蓋用戶的通信需求，并且有一定數(shù)量的子載波可以進(jìn)行二次分配，為了將吞吐量提升到最高，可以通過(guò)分配多余子載波給信道狀況好的用戶，以此來(lái)優(yōu)化網(wǎng)絡(luò)中的頻譜效率。當(dāng)全部用戶需要的子載波的總量大于5G網(wǎng)絡(luò)中的總子載波數(shù)量時(shí)，需要增加基站的天線數(shù)量，直到總子載波數(shù)量能夠覆蓋用戶所需的子載波數(shù)量。

基于以上三種情況，在考慮用戶QoS速率的情況下，需要對(duì)5G網(wǎng)絡(luò)容量自適應(yīng)算法進(jìn)行設(shè)計(jì)，首先根據(jù)網(wǎng)絡(luò)中全體用戶的數(shù)量來(lái)確定基站天線的全部數(shù)量，并將此時(shí)的情況設(shè)定為模式1，在網(wǎng)絡(luò)模式1的情況下統(tǒng)計(jì)用戶自身信息和對(duì)于速率的需求，確定不同用戶能夠分配到的子載波數(shù)量，并計(jì)算出子載波沒(méi)有分配的數(shù)量，并將用戶與基站的距離進(jìn)行統(tǒng)計(jì)與排序，并將網(wǎng)絡(luò)中剩余的子載波按照規(guī)則進(jìn)行分配。至此完成基于AI大數(shù)據(jù)技術(shù)的5G網(wǎng)絡(luò)容量自適應(yīng)算法的研究。

二、實(shí)驗(yàn)

2.1實(shí)驗(yàn)準(zhǔn)備

為了驗(yàn)證本文設(shè)計(jì)的基于AI大數(shù)據(jù)技術(shù)的5G網(wǎng)絡(luò)容量自適應(yīng)算法的有效性，需要利用仿真實(shí)驗(yàn)進(jìn)行驗(yàn)證。首先在仿真軟件中將5G網(wǎng)絡(luò)的通信鏈路設(shè)定為高斯白噪聲信道。

為了使仿真條件與實(shí)際的5G網(wǎng)絡(luò)通信業(yè)務(wù)更加相近，并且能夠滿足通信場(chǎng)景中不同的時(shí)延需求，設(shè)置三個(gè)等級(jí)的時(shí)間延遲，分別為2ms、5ms、8ms，相應(yīng)的鏈路時(shí)延信噪比范圍平均分布在4.6 dB -9.2 dB之間。在上述三種不同狀態(tài)下，計(jì)算吞吐量。

2.2實(shí)驗(yàn)結(jié)果分析

在以上實(shí)驗(yàn)條件下，分別使用本文設(shè)計(jì)的算法和傳統(tǒng)的算法在不同時(shí)延需求下，吞吐量與信噪比之間的關(guān)系如圖1所示。

圖1中給出了不同時(shí)延需求下兩方法的吞吐量結(jié)果，本文在傳統(tǒng)算法的吞吐量差距變大，隨著信噪比升高，兩算法的吞吐量差距越來(lái)越小，這說(shuō)明本文設(shè)計(jì)的算法與傳統(tǒng)的算法相比優(yōu)勢(shì)更明顯，在不同信噪比和時(shí)延下，本文算法的吞吐量性能更好。

三、結(jié)束語(yǔ)

5G通信技術(shù)在帶寬上出現(xiàn)了增大，相應(yīng)的子載波數(shù)量也隨之上升。為此，本文對(duì)5G網(wǎng)絡(luò)容量自適應(yīng)算法進(jìn)行研究。建立5G網(wǎng)絡(luò)信道模型，分析基站容量時(shí)空特征，同時(shí)慮QoS速率需求對(duì)算法進(jìn)行設(shè)計(jì)。實(shí)驗(yàn)結(jié)果表明：本文設(shè)計(jì)的算法優(yōu)勢(shì)更加明顯，吞吐量更好。但是本文算法在實(shí)際應(yīng)用中還沒(méi)用得到有效性證實(shí)，因此在后續(xù)的研究中還有很多需要改進(jìn)的地方。

參? 考? 文? 獻(xiàn)

[1] 廖兵，魏康霞.基于5G、IoT、AI與天地一體化大數(shù)據(jù)的鄱陽(yáng)湖生態(tài)環(huán)境監(jiān)控預(yù)警體系及業(yè)務(wù)化運(yùn)行技術(shù)框架研究[J].環(huán)境生態(tài)學(xué)，2019，1（07）：23-31.

[2] 曲思潼，張遠(yuǎn)，王濤，等，曹振新.基于Massive MIMO系統(tǒng)的自適應(yīng)抗干擾算法研究及實(shí)現(xiàn)[J].電視技術(shù)，2020，44（07）：67-75.

[3] 唐倫， 趙培培， 趙國(guó)繁，等. 基于深度信念網(wǎng)絡(luò)資源需求預(yù)測(cè)的虛擬網(wǎng)絡(luò)功能動(dòng)態(tài)遷移算法[J]. 電子與信息學(xué)報(bào)， 2019， 41（06）：1397-1404.

[4] 趙曉娟， 楊守義， 張愛(ài)華，等. 一種稀疏度自適應(yīng)的SIMO-NOMA系統(tǒng)多用戶檢測(cè)算法[J]. 電子技術(shù)應(yīng)用， 2019， 45（01）：64-67.

[5] 王巍振，張安琳，黃道穎，等.一種基于吞吐量變化的OpenFlow網(wǎng)絡(luò)自適應(yīng)測(cè)量算法[J].火力與指揮控制，2019，44（02）：139-143.

基金項(xiàng)目：

2019年廣東省普通高校青年創(chuàng)新人才類(lèi)基金項(xiàng)目：《基于AI技術(shù)在5G無(wú)線網(wǎng)絡(luò)優(yōu)化中的研究與應(yīng)用》（基金編號(hào)2019GKQNCX076）

黃宗偉（1984），男，漢族，江西贛州，碩士，副研究員，研究方向：通信技術(shù)，計(jì)算機(jī)網(wǎng)絡(luò)。