基于AI大數據技術的5G網絡容量自適應算法研究

【摘要】? ? 5G網絡為了適應當前的互聯網業務，需要使用網絡容量自適應算法對自身的業務和性能進行提高，傳統的網絡容量自適應算法沒有考慮基站的網絡使用行為和特點，導致在不同信噪比以及不同時延需求下的網絡吞吐量性能較差，為此，設計一種基于AI大數據技術的5G網絡容量自適應算法。建立5G網絡信道模型，計算信息沖擊響應和信道頻率，利用AI大數據技術分析基站容量時空特征，將得到的空間數據網格化，考慮用戶的QoS需求，對自適應算法進行設計，分析子載波數量、基站天線數、用戶距離基站位置之間的關系，并設計出子載波的調整算法。實驗結果表明：在不同信噪比和時延下，設計算法與傳統算法相比優勢更明顯，吞吐量性能更好。

【關鍵詞】? ? AI大數據? ? 5G網絡? ? 容量自適應? ? 信道模型? ? 子載波數量? ? 基站天線數

引言：

5G網絡已經逐步在我國普及，其自身所具有的增強移動寬帶、機器通信以及通信性能等特點。在移動互聯網發展的歷程中，隨著移動互聯網的普及，網絡也承擔著流量大爆發的考驗。目前的網絡容量自適應算法中沒有考慮用戶需要的特點，導致在不同信噪比以及不同時延需求下的網絡吞吐量性能較差，因此本文設計一種基于AI大數據技術的5G網絡容量自適應算法。

一、基于AI大數據技術的5G網絡容量自適應算法研究

1.1建立5G網絡信道模型

信道是5G網絡信息傳輸的重要媒介通道，這種無線通信的信道條件非常容易受到外界因素的影響，穩定性與有線通信相比總體上較差。因此在傳輸信道中，當接收到了一些不存在視距成分的信號時，將這些信號進行疊加，得到的包絡需要服從Rayleigh分布[2]。為了將信道模型進行簡化，將信號中的多徑鏈路數量與時延需求都暫定為恒定不變，因此在信道中的信息沖擊響應可以用公式進行描述：

上式（1）中，aL表示不穩定5G網絡信道中的信號多路徑傳輸增益，τL表示多個路徑所對應的時延數量，L表示整個信道中所有能夠傳輸信息的路徑總數，fc表示網絡中通信載波的頻率，δ（τ）表示Diracs Delta函數。將上式進行相應的變化，可以求出多信道中的頻域響應。無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，因此在復沖擊響應發生時，信號會產生衰減，信道頻率相應也能隨之求出。

1.2基于AI大數據技術分析基站容量時空特征

在5G網絡的容量自適應算法中，利用AI大數據技術結合卷積神經網絡來對5G基站中的流量空間進行特征提取，將提取到的特征數據輸入到卷積神經網絡中[3]。卷積神經網絡在基站中具有空間特征提取能力，對于用戶和基站的一些基本信息進行統計。對于5G網絡的容量自適應來說，AI大數據的流量預測能夠得到網絡基站中的自適應網絡架構，能夠提高資源配置精準性。5G網絡中使用AI大數據進行基站的容量分析，可以將已經網格化的基站流量預測進行統一，此時可以將預測的時間縮短。基站中的流量數據可以將連續的時間數據和周期性數據作為輸入，在卷積神經網絡中也有不同的對應位置。此時可以實現連續時間序列數據的特征提取，并得到基站流量數據的周期性變化。

對該基站中的全部原始數據按照采集時間進行排序整理;由于現階段5G技術的限制問題，原始數據中還會出現一些數據缺失以及異常值問題，需要在基站運行大數據中將數據異常進行統計，并設定缺失和異常的閾值，當數據自身缺失/異常情況超過該閾值，則需要放棄該數據的使用。

1.3考慮QoS速率需求完成算法設計

在5G通信網絡中，子載波的總數一般為偶數，在網絡中存在多種QoS的速率需求時，系統的頻譜效率與網絡的基站天線數量之間成正比[4]。但是基于現實原因，網絡中的基站天線數量固定，因此想要將系統頻譜效率最大化，網絡容量就要完成優化。每個5G網絡用戶的信道使用速率與大尺度衰落有關系，大尺度衰落則受到用戶與基站之間的信息傳輸距離影響，因此在算法優化的過程中，基站天線數量、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系：

上表中，V表示速率需求，A表示基站天線數，L表示用戶距離基站的位置，s表示用戶需要的子載波數量。為了保證5G網絡速率的需求，在自適應的過程中，基站天線確定了初始數量之后，可以根據上表中的機損規律，給5G用戶分配子載波數[5]。當全部用戶需要的子載波的總量與5G網絡中的總子載波數量相等時，此時網絡中處于一種平衡且穩定的狀態;當全部用戶需要的子載波的總量與5G網絡中的總子載波數量，說明5G網絡能夠完全覆蓋用戶的通信需求，并且有一定數量的子載波可以進行二次分配，為了將吞吐量提升到最高，可以通過分配多余子載波給信道狀況好的用戶，以此來優化網絡中的頻譜效率。當全部用戶需要的子載波的總量大于5G網絡中的總子載波數量時，需要增加基站的天線數量，直到總子載波數量能夠覆蓋用戶所需的子載波數量。

基于以上三種情況，在考慮用戶QoS速率的情況下，需要對5G網絡容量自適應算法進行設計，首先根據網絡中全體用戶的數量來確定基站天線的全部數量，并將此時的情況設定為模式1，在網絡模式1的情況下統計用戶自身信息和對于速率的需求，確定不同用戶能夠分配到的子載波數量，并計算出子載波沒有分配的數量，并將用戶與基站的距離進行統計與排序，并將網絡中剩余的子載波按照規則進行分配。至此完成基于AI大數據技術的5G網絡容量自適應算法的研究。

二、實驗

2.1實驗準備

為了驗證本文設計的基于AI大數據技術的5G網絡容量自適應算法的有效性，需要利用仿真實驗進行驗證。首先在仿真軟件中將5G網絡的通信鏈路設定為高斯白噪聲信道。

為了使仿真條件與實際的5G網絡通信業務更加相近，并且能夠滿足通信場景中不同的時延需求，設置三個等級的時間延遲，分別為2ms、5ms、8ms，相應的鏈路時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下，計算吞吐量。

2.2實驗結果分析

在以上實驗條件下，分別使用本文設計的算法和傳統的算法在不同時延需求下，吞吐量與信噪比之間的關系如圖1所示。

圖1中給出了不同時延需求下兩方法的吞吐量結果，本文在傳統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越小，這說明本文設計的算法與傳統的算法相比優勢更明顯，在不同信噪比和時延下，本文算法的吞吐量性能更好。

三、結束語

5G通信技術在帶寬上出現了增大，相應的子載波數量也隨之上升。為此，本文對5G網絡容量自適應算法進行研究。建立5G網絡信道模型，分析基站容量時空特征，同時慮QoS速率需求對算法進行設計。實驗結果表明：本文設計的算法優勢更加明顯，吞吐量更好。但是本文算法在實際應用中還沒用得到有效性證實，因此在后續的研究中還有很多需要改進的地方。

參? 考? 文? 獻

[1] 廖兵，魏康霞.基于5G、IoT、AI與天地一體化大數據的鄱陽湖生態環境監控預警體系及業務化運行技術框架研究[J].環境生態學，2019，1（07）：23-31.

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

[3] 唐倫， 趙培培， 趙國繁，等. 基于深度信念網絡資源需求預測的虛擬網絡功能動態遷移算法[J]. 電子與信息學報， 2019， 41（06）：1397-1404.

[4] 趙曉娟， 楊守義， 張愛華，等. 一種稀疏度自適應的SIMO-NOMA系統多用戶檢測算法[J]. 電子技術應用， 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網絡自適應測量算法[J].火力與指揮控制，2019，44（02）：139-143.

基金項目：

2019年廣東省普通高校青年創新人才類基金項目：《基于AI技術在5G無線網絡優化中的研究與應用》（基金編號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，計算機網絡。