5G網(wǎng)絡(luò)優(yōu)化中人工智能的應(yīng)用研究

◇鶴壁職業(yè)技術(shù)學(xué)院電子信息工程學(xué)院 張玉嬌 肖文珂

1 人工智能技術(shù)

人工智能是一門(mén)新的科學(xué)技術(shù)，它致力于讓機(jī)器或計(jì)算機(jī)具有類似人的智能，能夠模仿人進(jìn)行學(xué)習(xí)、行動(dòng)、思考、感知和語(yǔ)言等智能行為。近年來(lái)，人工智能這一概念越來(lái)越頻繁的進(jìn)入大眾視野，其應(yīng)用也在逐漸滲透到人們的生活的方方面面。人工智能與各行各業(yè)的聯(lián)系也越來(lái)越緊密，在制造、教育、環(huán)保、交通、商業(yè)、健康醫(yī)療和網(wǎng)絡(luò)安全等重要領(lǐng)域都得到了廣泛而深入應(yīng)用。人工智能已不光局限在如何模擬人類行為活動(dòng)，而是更傾向于“泛智能”建設(shè)，即通過(guò)人工智能，實(shí)現(xiàn)問(wèn)題發(fā)現(xiàn)、問(wèn)題分析和問(wèn)題解決.以更具備創(chuàng)意和高效的方式使得復(fù)雜問(wèn)題得以處理[1]。在互聯(lián)網(wǎng)+時(shí)代，能夠有效推動(dòng)各個(gè)領(lǐng)域與互聯(lián)網(wǎng)深度融合的關(guān)鍵因素非人工智能莫屬，同時(shí)它也是推進(jìn)網(wǎng)絡(luò)強(qiáng)國(guó)戰(zhàn)略和制造強(qiáng)國(guó)戰(zhàn)略的重要驅(qū)動(dòng)力量。

2 網(wǎng)絡(luò)優(yōu)化

網(wǎng)絡(luò)優(yōu)化貫穿于網(wǎng)絡(luò)建設(shè)與運(yùn)行的整個(gè)生命周期，是網(wǎng)絡(luò)運(yùn)行維護(hù)過(guò)程中的一項(xiàng)重要內(nèi)容。隨著網(wǎng)絡(luò)覆蓋的不斷完善，用戶數(shù)和業(yè)務(wù)量必然呈現(xiàn)增長(zhǎng)趨勢(shì)，而用戶數(shù)和業(yè)務(wù)量的增長(zhǎng)又不可避免的會(huì)影響用戶的體驗(yàn)和網(wǎng)絡(luò)的各項(xiàng)性能。而網(wǎng)絡(luò)優(yōu)化則是持續(xù)優(yōu)化網(wǎng)絡(luò)運(yùn)行狀態(tài)、改善用戶體驗(yàn)的重要途徑。網(wǎng)絡(luò)優(yōu)化以實(shí)現(xiàn)網(wǎng)絡(luò)性能最優(yōu)、現(xiàn)有網(wǎng)絡(luò)資源效率最佳為目標(biāo)，其運(yùn)用的方法主要有參數(shù)調(diào)整和RF（Radio Frequency，射頻）優(yōu)化。它通過(guò)數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、優(yōu)化方案輸出、方案實(shí)施5個(gè)步驟的迭代執(zhí)行解決網(wǎng)絡(luò)中存在的問(wèn)題。收集數(shù)據(jù)來(lái)源包括業(yè)務(wù)性能指標(biāo)、設(shè)備配置參數(shù)、路測(cè)數(shù)據(jù)、MR（測(cè)量報(bào)告）、用戶跟蹤數(shù)據(jù)等。根據(jù)優(yōu)化內(nèi)容的不同，網(wǎng)絡(luò)優(yōu)化主要分為兩大類，即基礎(chǔ)性能憂化和專項(xiàng)性能優(yōu)化兩大類?；A(chǔ)性能優(yōu)化即RF優(yōu)化，是針對(duì)無(wú)線射頻信號(hào)的優(yōu)化，主要解決覆蓋、干擾、切換等基礎(chǔ)性能問(wèn)題。專項(xiàng)優(yōu)化即網(wǎng)絡(luò)性能優(yōu)化，通過(guò)對(duì)接通性能、移動(dòng)性能、速率性能的優(yōu)化保證用戶體驗(yàn)良好。

3 5G網(wǎng)絡(luò)優(yōu)化的智能化需求

進(jìn)入數(shù)字經(jīng)濟(jì)時(shí)代，5G網(wǎng)絡(luò)作為新型基礎(chǔ)設(shè)施的重要組成部分，為車聯(lián)網(wǎng)、遠(yuǎn)程醫(yī)療、工業(yè)互聯(lián)網(wǎng)等應(yīng)用領(lǐng)域鋪就了一條數(shù)據(jù)高速公路。與傳統(tǒng)網(wǎng)絡(luò)制式相比，5G網(wǎng)絡(luò)引入了許多新的技術(shù)，如Miassive MIMO（大規(guī)模天線技術(shù)）、上下行解耦、時(shí)隙調(diào)度等，在速率、時(shí)延、最大連接數(shù)等核心性能方面都有了量級(jí)的提升。

新技術(shù)的引入在帶來(lái)服務(wù)質(zhì)量、服務(wù)能力提升的同時(shí)，也使得5G網(wǎng)絡(luò)變得日趨復(fù)雜，給5G網(wǎng)絡(luò)優(yōu)化帶來(lái)了更嚴(yán)峻的考驗(yàn)，多頻段的組網(wǎng)方式使得互操作更加復(fù)雜，異構(gòu)的組網(wǎng)結(jié)構(gòu)提升了宏微協(xié)同要求。據(jù)統(tǒng)計(jì)，5G網(wǎng)絡(luò)的無(wú)線參數(shù)規(guī)模已達(dá)1.8萬(wàn)之多。同時(shí)，Miassive MIMO的引入，讓天饋調(diào)整、波束管理等變得更加繁雜，僅Miassive MIMO 調(diào)優(yōu)就有數(shù)千種Pattern組合。在3G、4G時(shí)代，網(wǎng)絡(luò)優(yōu)化主要依托路測(cè)、人工分析、經(jīng)驗(yàn)判斷等方法進(jìn)行。但5G網(wǎng)絡(luò)形態(tài)復(fù)雜，數(shù)據(jù)信息繁冗龐雜，依靠傳統(tǒng)的優(yōu)化模式顯然無(wú)法快速完成優(yōu)化方案選取、形成精細(xì)化配置，滿足5G網(wǎng)絡(luò)快速多變的業(yè)務(wù)需求。而人工智能技術(shù)在諸如海量數(shù)據(jù)量分析、最優(yōu)策略自動(dòng)選取以及特征數(shù)據(jù)的快速挖掘等方面具有天然優(yōu)勢(shì)。而這種超強(qiáng)的處理分析能力和推理決策能力，正是5G網(wǎng)絡(luò)優(yōu)化所急需的。目前，我國(guó)的5G商用網(wǎng)絡(luò)已進(jìn)入大規(guī)模建設(shè)時(shí)期，面對(duì)網(wǎng)絡(luò)的高性能需求和業(yè)務(wù)的多樣化需求，借助人工智能技術(shù)推動(dòng)5G網(wǎng)絡(luò)優(yōu)化向智能化方向發(fā)展，將是有效降低運(yùn)營(yíng)成本、進(jìn)一步提升資源利用率的有效途徑。

4 基于人工智能的5G網(wǎng)絡(luò)優(yōu)化方案

5G無(wú)線網(wǎng)絡(luò)優(yōu)化方向是趨于精細(xì)化、場(chǎng)景化、業(yè)務(wù)化、自動(dòng)化的。精細(xì)化需達(dá)到柵格化的覆蓋處理粒度，由2D向3D維度轉(zhuǎn)變，時(shí)間維度細(xì)化。場(chǎng)景化仍以無(wú)線綜合覆蓋方案優(yōu)化為主，設(shè)備與場(chǎng)景結(jié)合，深化挖掘設(shè)備功能，滿足場(chǎng)景動(dòng)態(tài)和突發(fā)需求，形成有預(yù)期變化的全時(shí)應(yīng)對(duì)方案。業(yè)務(wù)化需做到不同業(yè)務(wù)的指標(biāo)分離，對(duì)關(guān)鍵指標(biāo)的定義和評(píng)判標(biāo)準(zhǔn)進(jìn)行約定，且具有現(xiàn)實(shí)意義。自動(dòng)化即引入大數(shù)據(jù)分析和AI、ML算法，實(shí)現(xiàn)數(shù)據(jù)采集及分析的自動(dòng)化，模擬人工輸出化方案，做到優(yōu)化方案的流程化實(shí)施和評(píng)估反饋，最終實(shí)現(xiàn)人工實(shí)施到自動(dòng)化實(shí)施演進(jìn)。

4.1 無(wú)線參數(shù)智能調(diào)優(yōu)

無(wú)線網(wǎng)絡(luò)環(huán)境、網(wǎng)絡(luò)結(jié)構(gòu)的細(xì)微變化都需要無(wú)線參數(shù)與之協(xié)調(diào)變化，小區(qū)的無(wú)線參數(shù)的設(shè)置需協(xié)同周邊環(huán)境、網(wǎng)絡(luò)整體、小區(qū)內(nèi)部等諸多元素，才能保障網(wǎng)絡(luò)質(zhì)量處于最優(yōu)狀態(tài)。5G網(wǎng)絡(luò)結(jié)構(gòu)較為復(fù)雜，并且采用大規(guī)模天線技術(shù)，無(wú)線參數(shù)的數(shù)量宏大，由此會(huì)產(chǎn)生大量的原始數(shù)據(jù)，在優(yōu)化參數(shù)配置中應(yīng)用機(jī)器學(xué)習(xí)算法與深度神經(jīng)網(wǎng)絡(luò)，對(duì)網(wǎng)管數(shù)據(jù)、用戶數(shù)據(jù)進(jìn)行自動(dòng)采集，并對(duì)原始數(shù)據(jù)進(jìn)行清洗及分類。經(jīng)過(guò)場(chǎng)景建模后，使用歷史數(shù)據(jù)訓(xùn)練優(yōu)化模型參數(shù)。當(dāng)出現(xiàn)網(wǎng)絡(luò)問(wèn)題后，根據(jù)場(chǎng)景特性匹配模型，采集現(xiàn)網(wǎng)數(shù)據(jù)自動(dòng)輸出無(wú)線參數(shù)規(guī)劃和調(diào)優(yōu)建議，即實(shí)現(xiàn)無(wú)線參數(shù)的智能優(yōu)化?；舅悸啡缦滤?。

（1）數(shù)據(jù)采集。采集歷史數(shù)據(jù)，包括網(wǎng)管數(shù)據(jù)，如KPI指標(biāo)、核心側(cè)及無(wú)線側(cè)配置數(shù)據(jù)、MR信息等；基站環(huán)境信息，如地形地貌、覆蓋區(qū)域特征等；用戶信息，如受眾分布、終端信息、呼叫跟蹤信息等；規(guī)劃信息，如周邊小區(qū)結(jié)構(gòu)、站型等。

（2）數(shù)據(jù)清洗。經(jīng)過(guò)數(shù)據(jù)清洗、格式規(guī)整、數(shù)據(jù)分割，形成事物數(shù)據(jù)集用于關(guān)聯(lián)挖掘。

（3）訓(xùn)練過(guò)程。通過(guò)AI算法對(duì)上述預(yù)處理后的數(shù)據(jù)進(jìn)行模型訓(xùn)練，建立性能、參數(shù)、小區(qū)特征相關(guān)聯(lián)的規(guī)則庫(kù)。

（3）推理過(guò)程。實(shí)時(shí)采集小區(qū)參數(shù)、性能等特征數(shù)據(jù)，通過(guò)現(xiàn)有規(guī)則發(fā)現(xiàn)網(wǎng)絡(luò)性能問(wèn)題。將現(xiàn)網(wǎng)數(shù)據(jù)與問(wèn)題推送至已訓(xùn)練的優(yōu)化模型，由模型預(yù)測(cè)產(chǎn)生問(wèn)題的原因，同時(shí)提出優(yōu)化建議，包括：天線調(diào)整（方位角、下傾角調(diào)整建議，天線掛高調(diào)整等），參數(shù)調(diào)整（導(dǎo)頻信道功率調(diào)整，切換參數(shù)調(diào)整、鄰區(qū)調(diào)整等）及新增規(guī)劃建議等。

（4）閉環(huán)優(yōu)化。參考優(yōu)化模型的調(diào)優(yōu)建議，優(yōu)化工程師對(duì)方案進(jìn)行研判并實(shí)施。依據(jù)先參數(shù)調(diào)整后物理調(diào)整的順序依次執(zhí)行。并根據(jù)實(shí)際調(diào)整效果對(duì)規(guī)則庫(kù)進(jìn)行專家研判，進(jìn)行進(jìn)一步完善、修正與更新。

4.2 MIMO波束管理

Massive MIMO作為5G網(wǎng)絡(luò)標(biāo)配的關(guān)鍵技術(shù)之一，已在5G網(wǎng)絡(luò)中得到廣泛應(yīng)用，具有諸多增益，如提升網(wǎng)絡(luò)速率、增強(qiáng)網(wǎng)絡(luò)覆蓋、降低干擾、提升頻譜利用率等。在5G網(wǎng)絡(luò)中，Massive MIMO波束賦型的基本原理為：在射頻指紋庫(kù)的基礎(chǔ)上，聯(lián)合數(shù)據(jù)地圖，運(yùn)用AI算法建立模型，訓(xùn)練歷史數(shù)據(jù)輸出波束管理規(guī)則，由此實(shí)現(xiàn)對(duì)波束的自動(dòng)管理、跟蹤，對(duì)場(chǎng)景進(jìn)行室內(nèi)外判決，對(duì)基站進(jìn)行精確定位等功能。

5G網(wǎng)絡(luò)的Massive MIMO技術(shù)，因?yàn)樘炀€陣子數(shù)的增多，其波束賦形能力明顯增強(qiáng)，可同時(shí)形成水平方向和垂直方向的三維波束覆蓋。5G下行所有信道均可波束賦形，其中公共信道采用靜態(tài)波束，業(yè)務(wù)信道采用動(dòng)態(tài)波束。靜態(tài)波束采用波束輪詢掃描方式，波束配置優(yōu)化涉及波束時(shí)域位置、波束方位角、波束傾角、水平波束寬度、垂直波束寬度、波束功率因子等；波束管理優(yōu)化主要涉及寬波束和多波束輪詢配置以及波束級(jí)的權(quán)值配置優(yōu)化[2]。

Massive MIMO技術(shù)的調(diào)優(yōu)方案高達(dá)數(shù)千種，需要大量的數(shù)據(jù)計(jì)算與推理才能確定最優(yōu)方案，而人工智能技術(shù)的引入，則可通過(guò)訓(xùn)練、推理、執(zhí)行和迭代優(yōu)化三個(gè)步驟快速鎖定最優(yōu)方案，完成調(diào)優(yōu)配置。借助AI算法，我們可以對(duì)用戶的分布規(guī)律進(jìn)行精細(xì)化場(chǎng)景分析，根據(jù)場(chǎng)景特征匹配Massive MIMO波束管理規(guī)則，對(duì)控制信道和廣播信道的波束分布進(jìn)行聯(lián)合調(diào)整，達(dá)到覆蓋容量最優(yōu)、干擾最小的理想效果。

舉一個(gè)藝術(shù)館場(chǎng)景的例子，藝術(shù)館為固定場(chǎng)館類的場(chǎng)景，其用戶分布特征為在一定時(shí)間段內(nèi)，用戶數(shù)量及分布規(guī)律呈現(xiàn)規(guī)定狀態(tài)?；诖颂卣?，我們可以首先對(duì)廣播權(quán)值進(jìn)行自適應(yīng)設(shè)置，以達(dá)到最優(yōu)覆蓋效果。在此基礎(chǔ)上，實(shí)時(shí)收集現(xiàn)場(chǎng)數(shù)據(jù)，包括網(wǎng)管數(shù)據(jù)、用戶MR信息、話務(wù)統(tǒng)計(jì)數(shù)據(jù)等等，再運(yùn)用相應(yīng)的 AI 算法將此固定類場(chǎng)景進(jìn)一步細(xì)分為體育比賽、演唱會(huì)、晚會(huì)等細(xì)分場(chǎng)景。隨后根據(jù)該細(xì)分場(chǎng)景的特征值，結(jié)合波束優(yōu)化原則輸出最優(yōu)權(quán)值，再次提升信道質(zhì)量及信噪比，優(yōu)化用戶感知，實(shí)現(xiàn)網(wǎng)絡(luò)性能的進(jìn)一步優(yōu)化。最后，為方便后期的網(wǎng)絡(luò)優(yōu)化，對(duì)于相同場(chǎng)景能夠快速匹配獲取最優(yōu)權(quán)值，把權(quán)值組合、KPI（關(guān)鍵性能指標(biāo)）、用戶分布等信息作為原始數(shù)據(jù)建立關(guān)聯(lián)數(shù)據(jù)庫(kù)，對(duì)現(xiàn)有方案模型進(jìn)行迭代優(yōu)化。

5 結(jié)束語(yǔ)

隨著5G網(wǎng)絡(luò)的逐步完善，基于5G的特征，未來(lái)5G網(wǎng)絡(luò)的運(yùn)營(yíng)必將向智能化轉(zhuǎn)型。目前，5G網(wǎng)絡(luò)優(yōu)化與人工智能技術(shù)僅處于初步結(jié)合與應(yīng)用階段，在優(yōu)化網(wǎng)絡(luò)性能方面實(shí)現(xiàn)了初級(jí)智能化。將來(lái)，隨著人工智能技術(shù)的逐漸成熟，必將向網(wǎng)絡(luò)高度自治模式的高級(jí)智能化發(fā)展。