基于人工智能的5G 無線網絡通信速率優化系統設計

黃宗偉

（廣東郵電職業技術學院，廣東廣州 530630）

為了向網絡用戶提供5G 多樣化的場景和業務，雖然無線網絡通信速率已經達到了較高的水平，但依然不能保障最優無線網絡服務質量[1-2]。為了提升5G 無線網絡通信速率并對無線網絡進行優化，需要將人工智能技術引入5G 無線網絡中，增強5G 無線網絡自動化運維能力。

文獻[3]提出了一種5G 微蜂窩中面向業務傳輸能效的分布式中繼選擇優化方法，建立了業務傳輸的中繼選擇分布式優化模型，有效優化微蜂窩網絡的中繼選擇結果。文獻[4]對微型基站進行定位部署，對其結構進行簡化操作，研究了一種新的應急通信超密集組網技術，解決傳統組網技術存在信號接收效率低，信息完整度差的問題。但是以上系統在對5G 無線網絡通信速率優化的過程中，均存在著能量損耗較高、系統的收斂性較差、能量效率較低等問題，導致通信速率優化效果差。

為了解決以上問題，該文設計了基于人工智能的5G 無線網絡通信速率優化系統，聯合系統的硬件、軟件環境，提升實際工作效果。

1 系統硬件設計

該文基于SIM 5.0 環境，完成對數據信息的采集、整合和處理，需要保證所采集的數據的全面性和時效性，提高數據信息的應用效率和安全保障。系統硬件結構如圖1 所示。

圖1 中，數據采集系統由25 個節點采用拓撲結構聯接，采用切換機增加端口數量，提高網絡環境的計算能力[5-7]。緩沖機設備用于數據的獲取，數據采集存儲模塊包括信息轉換器和前端電路兩部分，信息轉換器是將緩沖機獲取的數據在電力接口輔助下完成信號轉換，以分區運行態勢，與電壓速度同步，合理控制5G 無線網絡通信傳遞速率，增強數據采集時效性，提高資源利用率[8-9]。

核心計算部件采用Intel i7 系統，每個CPU 包括六個核，增大了運算頻率和系統內存量，用于直接或間接地控制執行器端的所有硬件設備。采用低功耗芯片，在保證系統硬件性能的同時，對CPU 芯片信息進行深度挖掘，可以完成路徑的探索和調整，調整挖掘角度，提高數據存儲量，促進系統的優化[10]。主控器電路如圖2 所示。

圖2 中，網絡接口層是負責系統IP 數據包的接收和傳送，將傳遞層信息分組發送請求，通過網絡傳遞，將數據報發至適當的網絡接口，防止數據出現擁塞等問題。USB 擴展模塊并非原生USB 接口，而是由USB-HUB 為執行器增加更多的功能模塊[11-12]。

2 系統軟件設計

基于人工智能的5G 無線網絡需要支持高可靠、低時延、大容量和高速率的各種業務，內容中心網絡架構引入內容中心網絡，提高網絡性能質量。該網絡架構分為物理層、網絡層、數據鏈路層和應用層，能夠與原有網絡架構兼容。基于人工智能，有利于系統跨平臺性，能夠通過不同的操作系統實現對軟件的更新，使客戶端不僅僅依賴于瀏覽器技術并且軟件系統各模塊間相互獨立，在進行不同軟件版本更迭時，無需下載升級包，只需改變服務端程序即可，方便系統的維護[13-15]。基于人工智能的5G 無線網絡通信速率優化系統軟件流程如圖3所示。

利用網絡層對中心網絡協議進行分析，并對數據進行封裝，數據進入網絡層后，存入到物理層，利用數據鏈路層轉發，從而保證網絡服務質量。在發送站點設置UDP，利用物理連接，對本地端口、本地IP、遠端端口和遠端IP 進行架構構建，在接收到用戶的發送請求之后，在數據信息Interest 包中，請求內容從數據幀發送，轉發到發送功能，并且存儲在中心網中。

應用層中包含多個高層協議，滿足網絡應用程序和物理通信介質間的通信要求。

假設S={S0,S1,…,Sn-1} 表示5G 無線網絡通信資源節點的服務集合，Si代表瀏覽器權值，當總節點連接數時，新的連接請求就會分配到m瀏覽器內，那么Sm需要滿足下式：

其中，C(Si)表示資源節點的連接數值。

由于一次選取的總連接數值可以作為不變值，那么將式（1）轉變為：

因為比值運算可以對5G 無線網絡通信資源配置產生消耗，在Linux 內核中不能準確計算出浮點數值，所以判斷出可以轉換成C(Sm)W(Si)＞C(Si)W(Sm)。

在5G 無線網絡通信資源配置過程中，網絡負載權值和性能權值的計算公式為：

式中，Pcpu表示CPU 的性能，Pmemory表示資源配置的內存性能，Pnetwork表示網卡的性能，資源配置過程中的內存利用率為Ucpu，資源配置網絡的利用率為Unetwork，k1、k2、k3、μ1、μ2和μ3表示影響5G 無線網絡通信資源配置的因子。

網絡路由器收到數據信息Interest 包后，按照網絡協議轉發策略，完成對Interest 請求數據的處理。

當發出請求前后不相同時，利用不同的網絡連接方式存儲數據，在數據源中，信息可以原路返回給用戶，用戶具有自我判斷的能力，并在數據包中確定返回路徑，將返回數據轉移給用戶[16]。對發送業務塊中的數據進行重新配置，增加人工智能識別程序，主機不需要維持復雜的狀態鏈表，過濾掉無關信息，提高通信速率。

無線網絡通信中，安全性是其重要一環，病毒木馬的威脅等都會對執行器造成嚴重損壞，為此，該文采用瀏覽器和服務器模式來保證Web 服務器的用戶性能。客戶端只需要瀏覽器就可以完成信息的獲取和業務的處理，提高了方便性。同時，軟件系統面向指定的用戶群，需要對客戶端進行授權，加入人工智能技術，在保證系統靈活性和開放性的基礎上，保證系統的安全性。

3 實驗研究

為了驗證該文設計的基于人工智能的5G 無線網絡通信速率優化系統的工作效果，將文獻[3]方法與該文優化系統進行對比實驗。

在對比實驗中，實驗參數設置如下：5G 無線網絡節點數量為200，5G 無線網絡覆蓋范圍為0.5～2 km，覆蓋小區數量為2（隨機覆蓋），系統可用的載波數量為6，每個載波的標準帶寬為30 kHz。

首先，針對不同系統的收斂性進行對比實驗。

觀察圖4 可知，對不同系統采用隨機功率初始化和均等功率初始化進行收斂評估，每增加50 個網絡節點，可用載波更新一次，即完成一次迭代，隨著網絡節點數量的不斷增加，可用載波不斷進行交替優化，5G 無線網絡通信速率不斷得到優化，兩種系統在經過相同次數的優化和迭代后，系統的能量效率均顯著提升，并到達了相同的收斂點，但文獻[3]方法的收斂點隨著載波更新迭代次數的增加而降低，說明文獻[3]方法的收斂性在逐步降低；而該文設計的基于人工智能的5G 無線網絡通信速率優化系統的收斂點隨著載波更新迭代次數的增加沒有發生變化，證明了該文系統的收斂性較高，在采用隨機功率初始化的收斂評估方式下，該文系統的收斂性優于文獻[3]方法。

不同系統在隨機覆蓋的小區內進行5G 無線網絡通信速率優化時，系統能量效率的變化情況如圖5所示。

圖5 中，文獻[3]方法的容量損失系數在不斷增加，能量效率值先上升后下降，而該文系統的容量損失系數也在不斷增加，但能量效率值呈現持續上升趨勢，說明該文系統的能量效率較高。

基于以上設置的實驗參數，進行系統能量損耗對比實驗，當5G 無線網絡的通信速率波動時，5G 無線網絡節點會產生一定的能量損耗。能量損耗越高，系統可靠性越低，5G 無線網絡通信速率優化效果越差，不同系統中網絡節點產生的能量損耗對比結果如圖6 所示。

由圖6 對比結果可知，隨著網絡節點數量的增加，文獻[3]方法的能量損耗較高，而該文設計的基于人工智能的5G 無線網絡通信速率優化系統的能量損耗明顯低于文獻[3]方法，5G 無線網絡通信速率優化效果優于文獻[3]方法。這是因為該文方法為了提高5G 無線網絡通信速率，利用科學合理的方法對5G 無線網絡通信進行優化，將人工智能引入其系統，減小系統時延，降低維護成本。

綜上所述，該文設計的基于人工智能的5G 無線網絡通信速率優化系統優于文獻[3]方法，該文系統的收斂性較好，能量效率較高，能量損耗較低。

4 結束語

5G 無線網絡在大數據時代具有強大的核心影響力，能夠提升用戶網絡體驗，實現數據的最高價值，對此，該文應用人工智能技術，引入新型數據采集輸入設備，存儲并智能分組傳送輸入信息，采用六核CPU 提高系統的數據和業務處理效率，為優化系統提供了硬件支持，并在軟件方面給出了優化流程，保證數據的合理采集，有效、準確推送，對5G 無線網絡通信速率的提高具有促進意義。

5G 無線網絡通信速率在不斷得到提升和優化，隨著可用載波帶寬的功率值的升高，兩種系統的能量效率值均上升，當可用載波帶寬的功率值升高到一定數值時，該文設計的基于人工智能的5G 無線網絡通信速率優化系統的能量效率趨于平穩不再增加，在采用隨機功率初始化和均等功率初始化兩種收斂評估方式下，其收斂性均較優。