伴隨著行動無線技術向 5G 躍進，無線系統設計的複雜性正在不斷增加。
目前，由於擴大用戶群的需求增加，要加強對寶貴資源最佳化共享，也加大了無線網路的管理難度，這些調整正迫使工程師們突破傳統基於規則的方法、尋找新的解決方案。 AI 已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訊、到優化行動電話資源分配，AI 為現代無線應用發展帶來了必要的複雜性。
在今天，隨著連接到網路的裝置數量和範圍逐漸擴大，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 引入日益複雜的系統，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。
向5G的過渡帶來了行動寬頻網路速度和品質的最佳化，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——這是現代網路中三種不同的用例，以及驅動工程師採用AI的競爭力。
隨著裝置對網路資源的競爭，無線系統的使用者和應用程式數量持續增加，曾經被基於人類的規則所理解的線性設計模式不足。但是，透過自動有效地提取任意模式，人工智慧可以更好地解決非線性問題，這超出了基於人類的方法的能力。
在這種情況下，人工智慧是指那些用於識別連接設備、人員通訊管道模式中的機器學習和深度學習系統，這些系統透過給予該連結的資源進行優化來提高效能。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，是幾乎不可能的任務。
除此之外，人工智慧對專案管理也有幫助。透過估計源環境的行為，將模擬環境整合到演算法模型中，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，從而為探索設計和後續迭代留下了更多時間，降低了成本和開發的時間。
圖註：AI for Wireless 的工作流程－資料產生、AI 訓練、驗證和測試以及硬體上的部署
進入應用程式階段，資料大小和品質對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資料進行訓練。透過基於基元合成新數據，或從無線訊號中提取，無線系統應用程式也會為 5G 網路設計人員提供穩健訓練 AI 所需的數據變化。如果沒有大型訓練資料集、並在此基礎上對不同的演算法進行資料迭代，可能會導致最終效果是狹窄的局部最佳化，而不是對整體實現全域最佳化。
此外，在現場測試 AI 模型的穩健方法也很關鍵。
測試 AI 技術所需的訊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訊號，可能會對工程師優化設計品質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於針對特定位置最佳化 AI，進而對呼叫效能產生負面影響。
在電信和汽車等領域的數位轉型也需要AI 的參與，AI 也是這些應用的主要驅動力。
隨著智慧城市、電信網路和自動駕駛汽車(AV) 等應用程式的連接，如果將電子通訊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，但加入的網路資源也會變得捉襟見肘。
在電信領域，人工智慧部署在兩個層面——物理層(PHY) 和PHY 之上，其中，用於提高連接兩個用戶線路性能的AI 應用稱為在PHY 操作。 AI 技術在實體層的應用包括有數位預失真、頻道估計和頻道資源最佳化，以及在通話期間自動調整收發器參數，也可以稱為自動編碼器設計。
通道最佳化是指增強兩個裝置之間的連接，特別是網路基礎設施和使用者設備之間的連接。通常，這也意味著使用 AI 透過指紋識別和通道狀態資訊壓縮等技術，來克服局部環境中的訊號變異性。
透過指紋識別，AI 可將幹擾映射到室內環境中的傳播模式（由個人進入引起）來優化無線網路的定位，AI 會根據這些個人化的5G 訊號變化來估計使用者的位置。同時，頻道狀態資訊壓縮能透過 AI 壓縮從用戶設備到基地台的回饋數據，確保通知基地台試圖改善通話效能的回饋迴路不超過可用頻寬，進而導致通話中斷。
Above-PHY 主要用於網路管理和資源分配，如排程、波束管理和頻譜分配等應用，是指管理和最佳化核心系統資源的功能，可用於網路中相互競爭的用戶和用例。隨著網路使用者和用例數量的增加，網路設計者已經轉向人工智慧技術，以便即時回應分配需求。
在汽車領域中，使用 AI 進行無線連線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，包括光達、雷達和無線感測器等來解釋它們所處的環境。自動駕駛汽車中的硬體需要處理眾多競爭訊號的數據，而透過 AI 就可以實現感測器融合來融合競爭訊號，使車輛軟體能夠理解其位置，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慧的需求也隨之增加。沒有 AI，那麼如 5G、自動駕駛汽車和物聯網應用等系統也將不具備有效運作所需的複雜性。儘管近年來 AI 在工程，特別是無線系統設計中的地位一直在增加，但隨著用例和網路用戶數量的增長，也可以預期其地位將以更快的速度繼續上升。
以上是無線系統複雜性增加，AI 成克服挑戰的關鍵的詳細內容。更多資訊請關注PHP中文網其他相關文章！
