评论:用人工智能革新无线系统设计

随着工业4.0的到来，以及移动无线技术从3G和4G发展到5G甚至更远，无线系统设计的复杂性显著增加。反过来，由于需要在越来越多的用户之间实现最佳资源共享，无线网络也变得越来越难以管理。这些挑战迫使工程师超越传统的基于规则的方法进行思考，导致许多人转向人工智能(AI)作为解决现代系统引入的需求的首选解决方案。

凭借其管理自动驾驶车辆之间通信和优化移动呼叫资源分配的能力，人工智能已成为现代无线应用的关键。随着连接到网络的设备数量和范围的扩大，人工智能在无线领域的作用将进一步增长。工程师必须准备好将其集成到日益复杂的系统中。了解AI在无线系统中的优势和当前应用，以及优化实施的最佳实践，对于这项技术未来的成功至关重要。

AI在无线领域的优势

向5G的转变要求工业4.0设备之间进行超可靠、低延迟和大规模的机器式通信。随着无线系统处理越来越多的用户和应用程序，线性设计模式变得不够用。人工智能可以自动提取和解决基于人类的方法之外的非线性问题，为各种用例优化资源。

通过使用机器学习和深度学习系统来识别通信渠道中的模式，人工智能提供了项目管理方面的好处，包括使用最少的计算资源快速研究系统的主导效应的能力。

将模拟环境合并到算法模型中可以帮助工程师更快地探索、设计和执行更多的迭代，从而减少成本和开发时间。如果没有AI，为不同的用例运行一个网络几乎是不可能的。

用强大的方法掌握AI

AI模型的有效性取决于数据的大小和质量。使用原语合成新数据或从空中信号中提取数据，为训练能够处理现实场景的健壮模型提供了数据可变性。如果不能探索一个大的训练数据集，并在不同的算法上迭代，可能会导致狭窄的局部优化。

在现场测试人工智能模型时，信号的可变性至关重要。狭窄的局部地理可能会对设计质量产生不利影响。如果没有现场迭代，工程师就无法使用个别案例的参数来优化特定位置的AI，从而对呼叫性能产生负面影响。

探索无线世界的潜力——人工智能用例

电信和汽车等领域的数字化转型需要使用人工智能，也是其应用的主要驱动力。将电子通信放在曾经以机械为导向的领域，会产生大量数据，如智能城市、电信网络和自动驾驶汽车(AV)等应用程序连接起来。当他们这样做时，连接他们的网络资源变得紧张。

在电信领域，AI部署在两个层面——物理层(PHY)和物理层以上。AI在连接两个用户的线路中提高性能的应用被称为PHY操作。人工智能技术在物理层的应用包括数字预失真、信道估计和信道资源优化，以及在调用期间自动调整收发器参数，也称为自动编码器设计。

信道优化是增强两个设备之间的连接，特别是网络基础设施和用户设备。通常，这意味着使用AI通过指纹识别和信道状态信息压缩等技术来克服局部环境中的信号可变性。

人工智能可以使用指纹识别来优化无线定位，并映射室内环境中由个人进入造成的传播模式中断。然后，人工智能根据这些个性化的5G信号估计用户的位置。信道状态信息压缩还可以用于压缩反馈数据，防止带宽过载导致通话掉线。

上述phy应用涉及网络管理和资源分配，如调度、波束管理和频谱分配。随着网络用户和用例数量的增加，网络设计人员正在转向人工智能技术来实时响应分配需求。

人工智能也被用于汽车行业，以实现安全的自动驾驶。自动驾驶汽车解读来自多个来源的数据，包括激光雷达、雷达和无线传感器，以了解周围环境。人工智能实现了传感器融合，融合相互竞争的信号，帮助车辆确定其位置，以及如何与环境交互。

总体而言，人工智能对于5G、自动驾驶汽车和物联网等无线系统的功能越来越重要。随着用例的扩大，它在工程和无线系统设计中的重要性将继续上升。

Houman zarrinkub博士是MathWorks的首席无线产品经理