通信 | 5G话题炙手可热，通信领域究竟为何急需AI？

扫码关注“学术头条”

AMiner下周将发布《通信与人工智能研究报告》。

在5G话题火热的当下，通信与人工智能的结合会对我们产生什么意义？一起来看。

随着现代社会生活节奏的不断加快，人们对通信速率的要求越来越高。

然而在现实生活中，无线通信的速率却面临两方面的限制：传输频谱，即带宽的限制；以及发射功率的限制。

整个地球的通信带宽是有限的，但是人们对通信速率的需求却在不断上升。

由于能量发动率是有上限的，提升速率只能寻求于增加带宽，或者提高功率。

但由于辐射、电池功率、能量等方面的限制，提高功率以提升通信速率是不现实的。唯一现实的途径便是从带宽上寻求突破。

要进一步满足用户对于高速率的追求，运营商必须解决带宽的问题。

在所有的通信服务中，不同于其他点对点的通信服务，广播是点对面的。这也就是说，广播是最节约带宽的。

但是，因为不同用户之间的需求是不一样的，广播什么内容是无线通信需要考虑的问题。

AI的介入能够使得广播对不同用户精准投放内容成为可能。在这一方面，AI预测可以在基站内容流行度的分析方面产生作用。

此外，无线网络的全覆盖是有代价的。

事实上，我国的无线网络只覆盖了95%的人口。无线网络的覆盖需要与人的行为匹配。

其中，区域内是否有人，决定了运营商是否在当地覆盖无线网络，而有多少人决定了给当地分配多少带宽。

然而带宽的分配也是动态的。

举例而言，特定区域内白天与晚上的带宽是有区别的。

在北京回龙观地区，白天的人口是远远少于晚上的人口的。因此，运营商白天分配给回龙观的带宽也是少于晚上的。

据悉，为了控制带宽，运营商现在对于回龙观的基站控制还是人为地手动控制开关。

然而在实际的商业化的运作中，带宽的分配并不是简单地只关注白天与夜晚的区别。

带宽的分配需要关注更精确的时间刻度，而当时间刻度精确到小时、分钟时，对人口变化的预测提出了更为严格的要求。

运营商开关基站是有代价的。一旦关错基站，运营商将面临客户满意度下降、用户流失等困境。

因此，准确预测特定时段特定区域内的用户数量与需求对于运营商来说至关重要。目前的算法并无法支撑预测的准确率和遗漏率。

然而，AI对数据的处理能力却能在这一方面产生作用。

它可以帮助运营商调研该地区的人均收入、教育背景、年龄分布等信息，最终帮助运营商对基站开关等进行决策。

总的来说，现代通信网络可以看作是一个巨大的，不断发展的分布式数据库。移动手持设备和应用程序相当于其中的上下文和信息，所有用户的基站当前流量负载相当于其中的网络，由车辆交通管理系统提供的预测用户轨迹则相当于数据库中的环境。

移动运营商需要开发并结合大量数据的新型知识提取机制和预测分析手段，以加强整个网络的决策过程。提取的上下文信息可以用于：

• 需求建模：根据用户预测的请求建立一个精确的QoS模型。

• 预先缓冲：在移动用户到达覆盖不足的区域之前，通过填充播放缓冲区来确保媒体流的流畅。

• 预期性交接：通过在交接决策中包含覆盖图，以避免交接失败。

• 预期流量卸载：通过延迟流量来减少蜂窝流量负载，直到用户到达容量充足的区域。

• 小区间调度：为用户分配多个小区的资源，以提高用户体验的服务质量。

对当前和未来覆盖图的可靠重建，将使未来的网络能够更好地利用稀缺的无线资源，并提高用户体验的服务质量（QoS）。

例如，预计路径损失预测对实现主动式资源分配至关重要。

关于资源分配的决定不仅基于当前的信道状态信息，而且还基于关于未来传播条件的信息。

特别是，如果将沿用户路线的未来路径损耗传播条件的信息用于主动资源分配，移动用户所经历的服务质量可以显着提高。

人工智能，例如其中计算复杂度较低的在线机器学习方法的开发，将对此方面的研究产生重要影响。

这些功能十分重要，因为在实时网络中，信道质量测量报告持续传递给网络，决策算法必须实时处理（在线）。

运营商需要解决的主要挑战之一是设计自适应算法，特别是在某些场景下实时测量数据缺失时，仍能在实时约束和传输质量要求下，提供准确的路径损耗估计。

同时，无线通信还面临着信号干扰的问题。不管是同频段还是不同频段，信号之间都是存在干扰的。

一方面，我们可以寻求法律法规的帮助，从差异化的角度，减少信号干扰的产生，另一方面则是要寻求技术的突破。

通信抗干扰技术能够让人们发现干扰、消除干扰。在战争中，如何有效干扰和抗干扰是非常重要的。

由于现实生活中没有无穷大的功率，因此，信号干扰机不能时时刻刻工作。这也就意味着，信号干扰机的工作是有着一定的模式存在的——总有一个间隙，干扰机是不工作的。

AI如果能够预测出这样的干扰模式，则可以在干扰机不工作的时候传送信息，实现反干扰。