AI技術助力5G網(wǎng)絡性能提升　無線空口技術引領未來網(wǎng)絡設計

 年來，隨著人工智能（AI）技術快速發(fā)展，利用AI技術提升5G網(wǎng)絡性能也成為移動通信領域的研究熱點。大量研究結果表明，利用AI技術可以從多個層面對現(xiàn)有5G網(wǎng)絡中多項設計進行增強，從而達到提升系統(tǒng)運行效率和用戶體驗的效果。尤其是多項無線空口技術引入基于AI的設計，將帶來無線網(wǎng)絡設計的根本性改變，是未來網(wǎng)絡設計的關鍵方向。

　　5G與AI不斷融合的過程，就是不斷構建5G智能維的過程。5G的智能維是基于5G大數(shù)據(jù)和算力資源，以人工智能技術為基礎的新資源維度。5G智能維可以被認為是與傳統(tǒng)無線移動通信的時域、頻域和空域并列的一個新維度。相較于傳統(tǒng)的維度，5G智能維構建需要基于三項基本元素：5G大數(shù)據(jù)、算力資源和人工智能技術。5G大數(shù)據(jù)既包括5G網(wǎng)絡中原生數(shù)據(jù)也包括5G承載的數(shù)據(jù)。算力資源包括5G終端算力、5G網(wǎng)元算力和云設備算力。人工智能技術就是以機器學習為代表的人工智能技術。構建5G智能維可以定義為：利用人工智能技術，合理使用5G大數(shù)據(jù)和算力資源，使5G更加智能、高效，同時應用于5G網(wǎng)絡智能化適配，實現(xiàn)高質(zhì)量的多樣業(yè)務。

　　把基于AI的多項關鍵技術引入實際網(wǎng)絡還面臨從基礎理論到實際應用相關的一系列關鍵問題急需解決。這些關鍵問題包括關鍵用例選擇、數(shù)據(jù)集構建、模型的管理和算力支撐等。對于5G大數(shù)據(jù)的挖掘需要借助一系列的AI基礎理論和工具，AI工具及算法對數(shù)據(jù)和算力有比較明確的需求，在5G網(wǎng)絡架構進行增強性設計既要考慮不同算法的數(shù)據(jù)需求和實際性能，也要結合相關算法對算力資源進行評估。5G網(wǎng)絡的強大傳輸能力也將推動基于AI的更多應用產(chǎn)生。AI相關應用的數(shù)據(jù)收集方式、計算方式、模型的部署與更新方式都需要考慮和5G網(wǎng)絡進行動態(tài)結合，以便提供更好的服務。

　　5G國際標準開始階段受各方面因素所限并未引入基于AI的設計。隨著AI技術的快速發(fā)展，在5G國際標準不斷演進的過程中，也逐步考慮了與AI進行融合的設計。從R15版本開始至今，5G無線網(wǎng)和核心網(wǎng)逐步引入了基于AI的相關設計，同時也進行了大量對AI技術支持相關的研究。本文結合5G國際標準進展對5G和AI不斷融合的過程進行詳細的介紹與分析。

　　基于AI的空口設計是構建5G智能維度的核心

　　5G中基于AI的物理層設計涉及空口及高層的設計�；�于AI的高層設計先于空口開始了研究，重點關注基站節(jié)能和移動性管理等用例�？湛谠O計主要對無線AI相關的關鍵技術進行研究與標準化。其中，基于AI的空口設計是整個基于AI設計的核心�，F(xiàn)有研究表明，基于AI的空口設計是構建5G智能維度的核心，將有潛力開啟全新的系統(tǒng)設計方式，并奠定6G的設計基礎，也是各公司國際標準化爭奪的焦點。

　　基于AI的高層相關設計在3GPP R17版本中開始研究，其名稱是數(shù)據(jù)收集增強的項目。該項目研究了基于AI的基站節(jié)能和移動性管理相關的數(shù)據(jù)收集內(nèi)容與收集過程，以及AI模型在5G網(wǎng)絡中的運行機制�；�于R17的研究成果，R18版本重點關注基站網(wǎng)元間的信號傳遞和網(wǎng)絡架構上需要的修改，進行了相關用例標準化工作。在R19版本中，除了持續(xù)完善現(xiàn)有用例的性能，基于AI的高層設計還將考慮對基于AI的智能切片等新業(yè)務的支持。

　　基于AI的空口設計在R18中進行了研究項目的立項。該項目是5G演進中最受各公司關注的項目，也是無線AI技術在5G中首次進行標準化。項目重點關注引入基于AI的設計對5G整體框架的影響，并研究一些典型用例的性能及標準化影響。在項目開展過程中定義了AI相關基礎概念、基礎仿真驗證方法論、基站終端合作方式，并針對模型／功能注冊、數(shù)據(jù)傳輸、模型傳輸、模型／功能選擇、模型／功能激活去激活等生命周期管理過程進行了詳細的研究。在用例方面，R18版本對信道信息反饋、定位、波束管理等關鍵用例進行了系統(tǒng)的研究。其中基于AI的定位和波束管理技術得到各方認可，將在R19版本中進行標準化，而基于AI的信道信息反饋由于涉及雙邊模型的標準化，還有較多的問題沒有得到很好的解決，在R19版本中將繼續(xù)進行研究。此外，數(shù)據(jù)集傳輸和模型傳輸也是R18研究的熱點，考慮到數(shù)據(jù)集和模型傳輸?shù)臐撛陂_銷，R18版本的研究還需要在R19版本和信道信息反饋一起繼續(xù)進行研究。

　　持續(xù)推進核心網(wǎng)側智能化

　　3GPP啟動核心網(wǎng)側智能化的研究及標準化已有幾個版本。在R15階段，3GPP在5G網(wǎng)絡架構中引入了NWDAF（Network Data Analytics Function，網(wǎng)絡數(shù)據(jù)分析功能網(wǎng)元）。NWDAF用于網(wǎng)絡數(shù)據(jù)采集、網(wǎng)絡數(shù)據(jù)分析，以及向其他的網(wǎng)絡功能網(wǎng)元提供網(wǎng)絡切片實例負載等的分析信息。

　　在R16階段，3GPP專門成立了使能5G網(wǎng)絡自動化（enabler of Network Automation for 5G，eNA）的立項，對R15NWDAF功能進行了補充和增強，定義了基于單實例集中式的智能網(wǎng)絡架構和能力。同時，也梳理了業(yè)務體驗、網(wǎng)元負載、網(wǎng)絡性能、UE移動性、UE交互性、終端異常行為等應用場景以及涉及的關鍵技術。

　　在R17階段，3GPP進一步成立了eNA_phase2立項，繼續(xù)研究網(wǎng)絡架構的進一步增強包括NWDAF功能分解、數(shù)據(jù)收集效率提升、UE數(shù)據(jù)收集，定義了基于多實例分布式的智能網(wǎng)絡架構和能力。同時進一步梳理了業(yè)務分布分析、WLAN性能、會話管理擁塞控制體驗、DN性能等典型應用場景以及涉及的關鍵技術。

　　在R18階段，3GPP進一步成立了eNA_phase3立項，重點研究數(shù)據(jù)收集性能提升、模型性能監(jiān)控、跨廠商模型共享、聯(lián)邦學習、漫游數(shù)據(jù)共享、如何和定位系統(tǒng)協(xié)同以及如何和網(wǎng)管協(xié)同等。R19階段，由于跨廠商模型共享、聯(lián)邦學習比較復雜、涉及內(nèi)容也較多，R18只定義基本框架，在R19還將進一步研究。另外，由于核心網(wǎng)智能化在R18版本及之前沒有和RAN進行聯(lián)動，在R19版本還將研究如何支持核心網(wǎng)和RAN聯(lián)合智能化。

　　5G與AI融合持續(xù)推進

　　5G對于AI算法的支持也有所討論。在R17版本中，主要針對AI模型的相關特征進行了分析，尤其是AI模型的大小及運行方式。這部分內(nèi)容在核心網(wǎng)需求組（SA1）的AI模型分析項目中開展。項目對模型分割、模型下載、分發(fā)和共享，以及聯(lián)邦學習和分布式學習涉及的典型模型和運作方式進行了非常詳細的說明。R18版本持續(xù)在核心網(wǎng)架構組（SA2）中考慮模型傳輸方面的需求和解決方案。總體而言，相對于基于AI的無線和核心網(wǎng)側設計，5G網(wǎng)絡對于AI算法的支持目前僅停留在研究層面，并未進行過多標準化支持。

　　5G與AI的融合是一個逐步探索與完善的過程。標準化是5G網(wǎng)絡演進的最關鍵一環(huán)，標準化的過程也是5G與AI融合持續(xù)研究與達成共識的過程，5G智能維的構建需要與標準化工作進行緊密結合。5G與AI融合的標準化工作是系統(tǒng)工程，標準化內(nèi)容與產(chǎn)業(yè)實現(xiàn)整體路線圖進行有機結合，循序漸進地實現(xiàn)。與5G網(wǎng)絡相關的標準化工作還將在3GPP持續(xù)進行，基于AI的5G網(wǎng)絡相關用例可以根據(jù)實現(xiàn)所需網(wǎng)元在3GPP的核心網(wǎng)側和無線側進行不斷標準化，而5G網(wǎng)絡對于AI技術和應用的支持增強需要根據(jù)AI各種應用的特點和需求進行對應的增強。

　　5G與AI融合也為未來6G的AI原生性設計奠定基礎。3GPP的一個好傳統(tǒng)是，對于任何重要的新功能，研究都應該提前至少兩個版本進行，以使整個行業(yè)對新技術有充分的了解。例如，大規(guī)模MIMO的研究已經(jīng)在4G Advanced開始，支持大規(guī)模MIMO的產(chǎn)品在5G推出。無線AI是一種歷史水平的新技術，對無線系統(tǒng)來說，長時間的研究是必不可少的。5G已經(jīng)研究和標準化的用例也將在未來6G的AI原生性設計中得到支持。同時，沿著5G已有的標準化過程，更多用例也將實現(xiàn)不斷的研究和標準化。

　�。ㄗ髡撸簞�曉峰  單位：中國信息通信研究院移動通信創(chuàng)新中心）