Mit zunehmender Komplexität drahtloser Systeme wird KI zum Schlüssel zur Bewältigung von Herausforderungen

Da die Mobilfunktechnologie den Sprung zu 5G macht, nimmt die Komplexität des drahtlosen Systemdesigns zu.

Aufgrund der steigenden Nachfrage nach erweiterten Benutzergruppen ist es derzeit notwendig, die Optimierung und gemeinsame Nutzung wertvoller Ressourcen zu verstärken, und es erhöht auch die Schwierigkeit der drahtlosen Netzwerkverwaltung. Diese Anpassungen zwingen Ingenieure dazu, traditionelle Regeln zu durchbrechen -basierte Methoden und neue Lösungen finden. KI wird zu ihrer bevorzugten Lösung für moderne Systemherausforderungen.

Kürzlich wies Houman Zarrinkoub, Hauptproduktmanager von MathWorks, in dem Artikel „Der Schlüssel zur Überwindung der Komplexität im modernen drahtlosen Systemdesign“ darauf hin, dass KI von der Verwaltung der Kommunikation zwischen selbstfahrenden Autos bis zur Optimierung der Ressourcenzuweisung für mobile Anrufe reicht ein wichtiger Wegbereiter für moderne drahtlose Anwendungen. Die Entwicklung bringt die notwendige Komplexität mit sich.

Da heute die Anzahl und Reichweite der mit dem Netzwerk verbundenen Geräte allmählich zunimmt, hat auch die Bedeutung der KI im drahtlosen Bereich stark zugenommen. Ingenieure müssen darauf vorbereitet sein, KI in immer komplexere Systeme einzuführen und die Vorteile und Anwendungen von KI in drahtlosen Systemen sowie Best Practices bei der Implementierung zu verstehen, was der Schlüssel zum zukünftigen Erfolg der drahtlosen Systemtechnologie sein wird, sagte Houman Zarrinkoub.

1 Die Notwendigkeit, mit Maschinen in großem Maßstab zu kommunizieren – das sind drei verschiedene Anwendungsfälle in modernen Netzwerken und die Kompetenzen, die Ingenieure dazu bewegen, KI einzuführen.

Da Geräte um Netzwerkressourcen konkurrieren und die Anzahl der Benutzer und Anwendungen für drahtlose Systeme weiter zunimmt, greifen lineare Entwurfsmuster, die einst als menschenbasierte Regeln verstanden wurden, nicht mehr zurück. Durch das automatische und effiziente Extrahieren willkürlicher Muster kann KI jedoch nichtlineare Probleme besser lösen, als es mit menschenbasierten Methoden möglich wäre.

In diesem Fall bezieht sich künstliche Intelligenz auf Systeme des maschinellen Lernens und des Deep Learning, die zur Erkennung von Mustern in verbundenen Geräten und menschlichen Kommunikationskanälen verwendet werden. Diese Systeme verbessern die Leistung, indem sie die Ressourcen dieser Verbindung optimieren. Einfach ausgedrückt ist der Betrieb eines Netzwerks für diese verschiedenen Anwendungsfälle ohne den Einsatz von KI-Methoden eine nahezu unmögliche Aufgabe.

Darüber hinaus ist künstliche Intelligenz auch im Projektmanagement hilfreich. Durch die Abschätzung des Verhaltens der Quellumgebung ermöglicht die Integration der Simulationsumgebung in das Algorithmusmodell den Ingenieuren, die Haupteffekte des Systems schneller und mit minimalen Rechenressourcen zu untersuchen, sodass mehr Zeit für die Erkundung des Entwurfs und nachfolgende Iterationen bleibt, wodurch Kosten und Entwicklung gesenkt werden Zeit.

Bildunterschrift: Arbeitsablauf von KI für drahtlose Systeme – Datengenerierung, KI-Schulung, Verifizierung und Tests sowie Bereitstellung auf Hardware

2 Best Practices für die Anwendung von KI in drahtlosen Systemen

Eintritt in die Anwendungsstadium, Datengröße und -qualität spielen eine entscheidende Rolle für den effektiven Einsatz von KI-Modellen.

Um eine Reihe realer Szenarien zu bewältigen, müssen diese Modelle anhand einer Vielzahl von Daten trainiert werden. Durch die Synthese neuer Daten auf der Grundlage von Grundelementen oder deren Extraktion aus drahtlosen Signalen werden drahtlose Systemanwendungen 5G-Netzwerkdesignern auch die Datenänderungen liefern, die für ein robustes Training der KI erforderlich sind. Ohne einen großen Trainingsdatensatz, anhand dessen verschiedene Algorithmen iteriert werden können, könnte das Endergebnis eher eine eng begrenzte lokale Optimierung als eine globale Optimierung des Ganzen sein.

Außerdem ist ein robuster Ansatz zum Testen von KI-Modellen vor Ort von entscheidender Bedeutung.

Die zum Testen der KI-Technologie erforderliche Signalschwankung ist eines der Probleme, und Signale, die in engen lokalen geografischen Umgebungen erfasst werden, können sich negativ auf die Art und Weise auswirken, wie Ingenieure die Designqualität optimieren. Ohne Felditeration werden Parameter für Einzelfälle auch nicht zur Optimierung der KI für bestimmte Standorte verwendet, was sich negativ auf die Anrufleistung auswirkt.

3 Hauptanwendungsgebiete von KI in der drahtlosen Welt

Die digitale Transformation in Bereichen wie Telekommunikation und Automobil erfordert auch die Beteiligung von KI, und KI ist auch die Hauptantriebskraft für diese Anwendungen.

Da Anwendungen wie Smart Cities, Telekommunikationsnetze und autonome Fahrzeuge (AVs) vernetzt werden, kann elektronische Kommunikation riesige Datenmengen erzeugen, wenn sie in Bereichen platziert wird, die früher maschinenorientiert waren Die hinzugefügten Netzwerkressourcen werden ebenfalls überlastet.

Im Telekommunikationsbereich wird künstliche Intelligenz auf zwei Ebenen eingesetzt – der physischen Schicht (PHY) und oberhalb der PHY, die dazu dient, die Leistung der Verbindung zweier Ebenen zu verbessern Benutzerzeilen Eine KI-Anwendung wird als PHY-Operation bezeichnet. Die Anwendung der KI-Technologie auf der physikalischen Ebene umfasst digitale Vorverzerrung, Kanalschätzung und Kanalressourcenoptimierung sowie die automatische Anpassung von Transceiver-Parametern während eines Anrufs, was auch als Autoencoder-Design bezeichnet werden kann.

Kanaloptimierung bezieht sich auf die Verbesserung der Verbindung zwischen zwei Geräten, insbesondere der Verbindung zwischen der Netzwerkinfrastruktur und dem Benutzergerät. Oftmals bedeutet dies auch den Einsatz von KI zur Überwindung von Signalschwankungen in der lokalen Umgebung durch Techniken wie Fingerabdruck und Komprimierung von Kanalzustandsinformationen.

Durch Fingerabdruck kann die KI die Positionierung drahtloser Netzwerke optimieren, indem sie Störungen den Ausbreitungsmustern in Innenräumen zuordnet (verursacht durch persönlichen Zutritt), und die KI optimiert die Positionierung von drahtlosen Netzwerken basierend auf diesen Persönlichkeiten. Die Schätzung des Standorts des Benutzers basierend auf Änderungen in 5G-Signalen. Gleichzeitig kann die Komprimierung von Kanalzustandsinformationen mithilfe von KI die Rückkopplungsdaten vom Benutzergerät zur Basisstation komprimieren und so sicherstellen, dass die Rückkopplungsschleife, die die Basisstation darüber informiert, zu versuchen, die Anrufleistung zu verbessern, die verfügbare Bandbreite nicht überschreitet, was zu Problemen führt Anrufunterbrechung.

Above-PHY wird hauptsächlich für die Netzwerkverwaltung und Ressourcenzuweisung verwendet, wie z. B. Planung, Strahlverwaltung und Spektrumszuweisung. Es bezieht sich auf die Funktion der Verwaltung und Optimierung des Kernsystems Verfügbar für konkurrierende Benutzer und Anwendungsfälle im Netzwerk. Da die Anzahl der Netzwerkbenutzer und Anwendungsfälle zunimmt, greifen Netzwerkdesigner auf die Technologie der künstlichen Intelligenz zurück, um in Echtzeit auf Verteilungsanforderungen zu reagieren.

Im Automobilbereich ermöglicht drahtlose Konnektivität mittels KI sicheres autonomes Fahren. Autonome Fahrzeuge (AVs) stützen sich bei der Interpretation ihrer Umgebung auf Daten aus mehreren Quellen, darunter Lidar-, Radar- und drahtlose Sensoren. Die Hardware in selbstfahrenden Autos muss Daten aus vielen konkurrierenden Signalen verarbeiten, und KI kann eine Sensorfusion erreichen, um die konkurrierenden Signale zu fusionieren, damit die Fahrzeugsoftware seinen Standort verstehen und bestimmen kann, wie es mit der Umgebung interagiert.

Mit der Ausweitung der Anwendungsfälle für drahtlose Technologie steigt auch die Notwendigkeit, künstliche Intelligenz in diesen Systemen einzusetzen. Ohne KI werden Systeme wie 5G, selbstfahrende Autos und IoT-Anwendungen nicht die Komplexität aufweisen, die für einen effektiven Betrieb erforderlich ist. Während die Rolle der KI in der Technik und insbesondere beim Entwurf drahtloser Systeme in den letzten Jahren zugenommen hat, ist davon auszugehen, dass sie mit zunehmender Anzahl von Anwendungsfällen und Netzwerkbenutzern noch schneller zunehmen wird.

Das obige ist der detaillierte Inhalt vonMit zunehmender Komplexität drahtloser Systeme wird KI zum Schlüssel zur Bewältigung von Herausforderungen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!