基于O-RAN架構的無線網絡嵌入式人工智能探索

王曼

摘要：近年來，伴隨著我國科學技術的快速發展，移動運營商在運營過程之中正面臨著流量暴增和增量不增收的困境，而且當前在移動運營商運營過程之中面臨著需求投資和效能不平衡狀態的這一新的不均衡問題。而伴隨著5g時代的到來，o-RAN架構的無線網絡也隨之而被越來越廣泛的應用到社會生活生產之中去。該種新型架構的出現應用到了大數據時代下的人工智能技術，能夠在更加有限資源的情況下為運營客戶提供極致化的服務和體驗。而且該架構的無線網絡在應用過程之中，會利用AI大數據技術對基站容量時間和空間特征進行更加全面化的分析，從而能夠更好地為網絡建設和資源的投放與分析等具體內容進行服務。為此，文章主要對5g時代下的O-RAN架構的無線網絡嵌入式人工智能發展進程進行簡單的闡述和探討。

關鍵詞：O-RAN架構;無線網絡;嵌入式;人工智能

引言：隨著5g時代的到來以及廣泛應用，當前5G網絡的發展過程中對網絡需要提出了越來越多樣化的需求，比如說在多種業務和部署場景等方面均需要比以前有更加全面性的發展。而為了更好地對當前5g時代下快速發展的網絡需求進行滿足，移動運營商需要不斷對空口技術和網絡架構等進行不斷創新與發展，同時他們還需要不斷增強在發展過程之中的網絡的開放性和靈活性。移動運營商在對空口技術進行發展的過程之中，運營商需要不斷增加我這網絡發展過程之中的頻段和天線數量，從而來更好的保證5G網絡在正常運營過程之中能夠擁有更加多元化的幀結構參數和物理層控制。而移動運營商在對網絡架構進行發展的過程中，他們需要不斷增加對5G網絡的多次解耦工作，比如說像5G網絡在正常運營過程之中的網絡虛擬化的軟硬解耦、控制與轉發分離、控制面與用戶面解耦和無線接入網的中心單元與分布式單元分離等均是5G網絡在運營過程之中需要開展的工作。我就忘了，在鄭成運營過程中開展以上各項工作，能夠更好的讓運營商在正常運營過程之中的業務和差異化的網絡需求得到更好的滿足以及資源的更加充分化的利用。這也就能夠讓垂直行業在未來以更加高效化的形式來開展各項網絡切片服務，從而能夠實現不斷為5G網絡使用過程之中不同客戶的具體使用要求提供極致化的、差異化的服務體驗的目的。

一、5g時代下開展人工智能與機器學習的重要性

在5g時代下網絡的各個方面都有了更高程度上的發展，但是其在發展過程之中隨著5G網絡靈活性的不斷增強也使得網絡的各個方面都具有了較以前所不可比擬的復雜性。這也就要求了移動運營商在正式開始運營工作之中需要不斷對網絡的管理和運維效率進行進一步提升，只有這樣才能夠更好地對當前5g時代下不斷發展的復雜網絡環境以及用戶的差異化越來越大的網絡需求進行滿足。而在5G網絡時代發展的大潮流下開展人工智能和機器學習，能夠更好地滿足當前社會生產過程之中不同人對于網絡使用的愈來愈大的差異化需求，主要是由于的這一過程之中應用人工智能和機器學習能夠更好的為網絡資源編排以及無線網絡資源分配和網絡的高效化控制提供更加全面性且靈活性更高的支持。而且由于傳統移動網絡在發展過程之中過度依賴人工干預以及理論建模的網絡設計和優化，這就會在很大程度上使得5g網絡要在正常營業過程之中涉及到的一些復雜網絡管理問題很難得到最優化的解決。除此之外，由于采用傳統的方法不能夠更好地對5G網絡開展無線網絡優化問題精確建模和高效求解工作，所以采用傳統網絡運營方法對5G網絡開展正常運營工作就很難保證無線網絡頻譜效率和能量效率等方面的性能，而這也就會在很大程度上造成5g網絡運營過程之中無在該方面性能的損失。而且在另一方面，傳統運營商在發展過程之中網絡用戶信息的瞬時狀態所采用的方案不能夠更好地對當前網絡潛在的用戶環境特征以及相關網絡用戶環境行為規律的時間規律性和空間規律性特征進行變化分析，這也就會導致5G網絡在運營過程之中其最優化網絡性能以及其潛在的大量網絡資源未能夠得到充分的發揮。

在5G網絡時代之下引入人工智能和機器學習，它首先能夠為5g網絡正常運營和發展提供一個更加可靠的預測模型。一般來說，在5G網絡運營過程之中會涉及到網絡故障預測、業務感知預測和干擾預測等具體預測內容。這些預測工作的開展可以更好地為網絡工作的管理和控制實現主動式的發展。而且該可靠預測模型在建立的過程之中，還能夠有效的對網絡運維效率和網絡資源利用效率進行更大程度上的提升，從而能夠更好地滿足5G網絡的正式運營過程之中個性化的、差異化的用戶體驗網絡需求。其次，5G網絡在運營過程之中采用人工智能和機器學習能夠擁有更加先進化的決策方法，國際網絡在正式運營過程之中，會采用機器學習的形式來進行網絡算法方面的實現，而機器學習算法主要是采用以數據為驅動的形式來具體完成的，這就可以十分有效的對5g網絡之中存在的大量的傳統算法所難以建模和高效解決的問題進行更加全面化且完善的解決。

二、關于人工智能技術在O-RAN結構之中的嵌入

為了更好地對無限極入式網絡的嵌入式人工智能技術進行發展，移動運營商在具體發展的過程之中需要從無線接入網架構和關鍵技術層面這兩個方面為具體出發點，綜合考慮這兩方面，在具體運營過程之中的影響因素，從而實現系統綜合性的思考和分析，保證5G網絡在正常運營過程之中能夠實現系統化的創新和發展。該新型架構的產生主要是以無線網絡cu和du以及功能虛擬化為基礎，在該基礎上來對無限大數據進行分析以及對人工智能引擎進行引入，保證5G網絡在正式運營過程之中能夠實現時間和空間多維度以及無線智能化的應用。其中關于O-RAN架構的多層智能應用及其控制閉環結構圖主要表現在了以下圖中。

根據該圖我們可以看到，在該新型整體架構之中引入了無線網絡智能控制器功能實體，他能夠在更大程度上對時間尺度的智能閉環管控進行支持。而無線網智能控制器在具體應用過程之中，其核心主要是應用到了大數據分析和人工智能分析技術，從而能夠實現對5g網絡運營過程之中無線網絡環境的實時化感知預測以及對無線資源的合理化分配和決策。在這一過程之中有關工作人員還可以根據時延處理特性，將無線網智能控制器劃分為非實時無線網智能控制器和近實時無線網智能控制器。首先從非實時層無線網智能控制器這一方面來說，這種類型的無線網智能控制器可以被主要性的用于嵌入網管平臺部署之中，這種部署可以實現多維度的、大規模的、整網級的數據量方面的分析和處理，而這也就使得其可以更好地對秒級以上的策略管理和控制進行支持。非實時智能控制器本身就具有服務和意圖策略管理、無線網分析以及AI訓練等具體功能，而且經過訓練后的AI模型可以以AI接口的形式來對無線智能控制器進行實時化的推理和執行工作的開展。與此同時，它還可以對無線數據及其特征模型進行高效化的提取，比如說像網絡用戶級流量時空分布和用戶移動項目特征及模型等具體數據均可以以這種形式來實現高效化的提取。而且通過對該數據模型的有效使用，非實時智能控制器在一方面可以更好的協助有關工作人員對網絡參數配置進行優化，它同時還能夠將相關的數據特征以及近實時智能控制器進行控制面和用戶面等雙方面的協調性的操作，就這樣才能夠更好地對無線資源進行精確精細化管理和優化。

三、該新型結構的典型應用場景

該新型結構在5g通信使用過程之中的具體應用，它可以很好地被用于業務體驗的實時化保障這一方面，移動運營公司在進行運營的過程之中會綜合考慮雙向移動跨層優化的設計。首先，他們可以利用cu來對感知特征進行識別和提取，通過彼此之間的感知特征提取和識別來實現對空口網絡的精確化、詳細化提取和調整，從而能夠實現對不同用戶使用過程之中的差異化和個性化要求。除此之外，Cu側還可以對空口傳接的具體傳輸質量進行更加精確化的測量，從而能夠實現對TCP窗口以及業務的整體速率進行提升的目的。但是在這一過程之中要需要著重以下三個方面的內容：首先是智能業務識別這一方面，智能業務識別主要是為了更好的對AI領域的算法進行學習，在這一過程之中要以用戶業務數據傳輸特征和業務標簽訓練來得到精確的業務識別模型為具體工作基礎，在得到訓練模型的前提下才能讓無線接入網對實時數據進行感知和識別。其次是預測與優化這一部分，在該過程之中需要綜合考慮到跨層優化的問題，該問題就需要綜合利用到人工智能理論之中的識別建模這一內容來進行建模工作的開展，通過數據驅動和智能算法來建立根煙數據分析模型，從而能夠實現對網絡策略的最終實時化的保障。最后是空口狀態預測這一方面的內容。該方面需要以歷史信息為主要基礎來進行精確化預測，通過人工智能再對算法進行深入化學系的前提下來，對空口狀態的未來發展前提以及質量進行預測，從而能夠實現對最終的上層業務調整，以及底層資源的最優化分配。

結束語：綜上所述，o-RAN架構的無線網嵌入式人工智能發展模式對于5g時代下的通信業發展具有十分重要的影響，它可以更好地滿足當前5g時代下發展的各種新型業務需求以及用戶使用需求，因此，移動運營商需要不斷加強該種新型結構在5g移動網絡之中具體的應用水平和程度，綜合分析題應用過程之中的各種影響因素，保證最終能夠以最優化的效果讓該新型無線網嵌入式人工智能結構但具體應用到5G網絡之中去，5g發展已經成為了當前大數據時代下的一種大潮流，只有更好地順應潮流發展研發出新型技術結構才能夠更好地實現5g時代高潮的整體到來。

參考文獻：

[1]袁孫奇，段然，崔春風.基于O-RAN架構的無線網絡嵌入式人工智能探索[J].通信世界，2019（07）：36-39.

[2]崔春風，段然，王桂珍.O-RAN：致力于ICDT融合 打造開放與智能的無線接入網[J].通信世界，2019（07）：32-35.

[3]云晴.從O-RAN的誕生和發展看無線網變革之路還有多長[J].通信世界，2019（07）：29-31.

[4].諾基亞攜手中國移動成功完成基于O-RAN架構的利用人工智能保障VR用戶體驗的5G外場測試[J].電信工程技術與標準化，2019，32（03）：49.