伴隨著移動無線技術向 5G 躍進，無線系統設計的復雜性正在不斷增加。

當前，由于擴大用戶群的需求增加，要加強對寶貴資源優化共享，也加大了無線網絡的管理難度，這些調整正迫使工程師們突破傳統基于規則的方法、尋找新的解決方案。AI 成為他們應對現代系統挑戰的首選解決方案。

近日，MathWorks 首席產品經理 Houman Zarrinkoub 在文章“The key to overcoming complexity in modern wireless systems design”中指出，從管理自動駕駛汽車間的通信、到優化移動通話資源分配，AI 為現代無線應用發展帶來了必要的復雜性。

在今天，隨著連接到網絡的設備數量和范圍逐漸擴大，AI 在無線領域的重要性也大大增加。工程師必須準備好將 AI 引入日益復雜的系統，了解 AI 在無線系統中的優勢和應用、及實施過程中的最佳實踐， Houman Zarrinkoub 表示，這將是無線系統技術未來成功的關鍵。

1 AI 對無線系統帶來的好處

向5G的過渡帶來了移動寬帶網絡速度和質量的優化，以及對工業4.0設備之間在時間上敏感連接的超可靠低速率和大規模機器通信的需求——這是現代網絡中三種不同的用例，以及驅動工程師采用AI的競爭力。

隨著設備對網絡資源的競爭，無線系統的用戶和應用程序數量持續增加，曾經被基于人類的規則所理解的線性設計模式不足。但是，通過自動有效地提取任意模式，人工智能可以更好地解決非線性問題，這超出了基于人的方法的能力。

在這種情況下，人工智能是指那些用于識別連接設備、人員通信渠道模式中的機器學習和深度學習系統，這些系統通過給該鏈接的資源進行優化來提高性能。簡而言之，在不利用 AI 方法的情況下為這些不同的用例運行網絡，是幾乎不可能完成的任務。

除此之外，人工智能對項目管理也有幫助。通過估計源環境的行為，將模擬環境整合到算法模型中，使工程師能用最少的計算資源更快地研究系統的主要影響，從而為探索設計和后續迭代留下了更多時間，降低了成本和開發的時間。

圖注：AI for Wireless 的工作流程——數據生成、AI 訓練、驗證和測試以及硬件上的部署

2 在無線系統中應用 AI 的最佳實踐

進入應用階段，數據大小和質量對 AI 模型的有效部署起到至關重要的作用。

為了處理一系列現實世界中的場景，這些模型需要使用廣泛的數據進行訓練。通過基于基元合成新數據，或從無線信號中提取，無線系統應用程序也會為 5G 網絡設計人員提供穩健訓練 AI 所需要的數據變化。如果沒有大型訓練數據集、并在此基礎上對不同的算法進行數據迭代，可能會導致最終效果是狹窄的局部優化，而不是對整體實現全局優化。

此外，在現場測試 AI 模型的穩健方法也很關鍵。

測試 AI 技術所需的信號變化是其中的一個問題，在狹窄的局部地理環境中捕獲的信號，可能會對工程師優化設計質量的方式產生不利影響。如果沒有現場迭代，個別案例的參數也將無法用于針對特定位置優化 AI，從而對呼叫性能產生負面影響。

3 無線世界里 AI 的主要應用領域

在電信和汽車等領域的數字化轉型也需要 AI 的參與，AI 也是這些應用的主要驅動力。

隨著智能城市、電信網絡和自動駕駛汽車 (AV) 等應用程序的連接，如果將電子通信放置在曾經以機械為導向的區域中時，雖然能夠產生大量的數據，但加入的網絡資源也會變得捉襟見肘。

在電信領域，人工智能部署在兩個層面——物理層 (PHY) 和 PHY 之上，其中，用于提高連接兩個用戶線路性能的 AI 應用稱為在 PHY 操作。AI 技術在物理層的應用包括有數字預失真、信道估計和信道資源優化，以及在呼叫期間自動調整收發器參數，也可以稱為自動編碼器設計。

信道優化是指增強兩個設備之間的連接，特別是網絡基礎設施和用戶設備之間的連接。通常，這也意味著使用 AI 通過指紋識別和通道狀態信息壓縮等技術，來克服局部環境中的信號變異性。

通過指紋識別，AI 可將干擾映射到室內環境中的傳播模式（由個人進入引起）來優化無線網絡的定位，AI 會根據這些個性化的 5G 信號變化來估計用戶的位置。同時，信道狀態信息壓縮能通過 AI 壓縮從用戶設備到基站的反饋數據，確保通知基站試圖改善通話性能的反饋回路不超過可用帶寬，從而導致通話中斷。

Above-PHY 主要用于網絡管理和資源分配，如調度、波束管理和頻譜分配等應用，是指管理和優化核心系統資源的功能，可用于網絡中相互競爭的用戶和用例。隨著網絡用戶和用例數量的增加，網絡設計者已經轉向人工智能技術，以便實時響應分配需求。

在汽車領域中，使用 AI 進行無線連接讓安全自動駕駛成為可能。自動駕駛汽車 (AV) 依靠來自多個來源的數據，包括激光雷達、雷達和無線傳感器等來解釋它們所處的環境。自動駕駛汽車中的硬件需要處理眾多競爭信號的數據，而通過 AI 就可以實現傳感器融合來融合競爭信號，使車輛軟件能夠理解其位置，確定自身同環境的交互方式。

隨著無線技術用例的擴展，在這些系統中應用人工智能的需求也隨之增加。沒有 AI，那么如 5G、自動駕駛汽車和物聯網應用等系統也將不具備有效運行所需的復雜性。盡管近年來 AI 在工程，特別是無線系統設計中的地位一直在增加，但隨著用例和網絡用戶數量的增長，也可以預期其地位將會以更快的速度繼續上升。