5G正在迅速從理想化的未來走向非?，F(xiàn)實的現(xiàn)在。第一款5G手機已經(jīng)發(fā)布。與所有的一代升級一樣,5G承諾比其前身的速度有很大的改進。4G-LTE提供的最高下載率為100M/秒,平均為25-50M/秒。與之形成鮮明對比的是,5g提供了高達1.8Gbps,改進了近20倍。此外,5G有較低的延遲,主要延遲貢獻者是廣播時間。其潛伏期為?在早期部署中 .在用戶移動性、能源效率和同時連接的數(shù)量方面有更多的好處。

然而,這些變化并不是免費的。5G部署需要對現(xiàn)有基礎(chǔ)設(shè)施進行廣泛的修改,以處理更高頻率、波束形成、邊緣計算等新技術(shù)。幸運的是,這些基礎(chǔ)設(shè)施的改進也使以前無法實現(xiàn)的應(yīng)用程序成為可能。例如,5g有可能?強化現(xiàn)實更有說服力 .

5G系統(tǒng)生成的數(shù)據(jù)量之大,使數(shù)據(jù)驅(qū)動控制體系結(jié)構(gòu)能夠?機器學習 ,使5G更加強大和有效。在本文中,我們將討論將機器學習應(yīng)用于5G系統(tǒng)的架構(gòu)。新的架構(gòu)和算法可以帶來巨大的服務(wù)改進和成本節(jié)約5G系統(tǒng),因為它們在未來幾年變得更加廣泛。

新的5G技術(shù)

我們將首先提及一些帶有5G的新技術(shù),這些新技術(shù)使數(shù)據(jù)驅(qū)動的架構(gòu)成為現(xiàn)實。主要驅(qū)動因素涉及移動邊緣計算和無線電接入網(wǎng)絡(luò)。

MK 移動計算從集中服務(wù)器更接近移動數(shù)據(jù)用戶在不同地區(qū)。通常,數(shù)據(jù)從基站轉(zhuǎn)發(fā)到中央服務(wù)器。中央服務(wù)器處理數(shù)據(jù)并向基站發(fā)送響應(yīng)。由于中央服務(wù)器可以從基站到全國的一半,數(shù)據(jù)的往返時間約為幾十至數(shù)百毫秒,這限制了蜂窩網(wǎng)絡(luò)的響應(yīng)能力。

MEC將分散式計算引入蜂窩網(wǎng)絡(luò)。不是單一的中央服務(wù)器,而是分布在全國各地的計算設(shè)備,每個服務(wù)區(qū)域有一個或多個。這種處理延遲時間的減少使算法比以前可能的復(fù)雜得多,特別是實時和區(qū)域特定的算法。

傳統(tǒng)(左)和5G(右)網(wǎng)絡(luò)架構(gòu)延遲時間的比較。

數(shù)據(jù)驅(qū)動的5G架構(gòu)的第二個關(guān)鍵驅(qū)動程序是無線電接入網(wǎng)絡(luò)改進。RAN負責將數(shù)據(jù)從用戶設(shè)備傳輸?shù)胶诵木W(wǎng)絡(luò)。5G技術(shù)增加了多個頻帶,波束形成,和大規(guī)模的MIMO。這些允許在如何向用戶傳遞數(shù)據(jù)方面進行巨大的可重構(gòu)性,但它們在編排方面提出了挑戰(zhàn)。例如,這種可重構(gòu)性使得擁擠的音樂會能大大改善服務(wù)。

在?第一套5G標準中 ,3GPP規(guī)定將前幾代的基站分成不同的單元作為5G標準。他們建議將基站分成中央單位、分布單位和無線電單位(或分別為中央、中央和聯(lián)邦)。5G運行系統(tǒng)的分權(quán)性和靈活性使基于每個服務(wù)區(qū)數(shù)千個單元數(shù)據(jù)的復(fù)雜控制計劃成為可能。

數(shù)據(jù)驅(qū)動的蜂窩結(jié)構(gòu)

一個可能的數(shù)據(jù)驅(qū)動架構(gòu)可以利用分布式運行系統(tǒng),包括以下內(nèi)容:

· 管理給定服務(wù)區(qū)域運行控制器的云控制器

· RAN控制器負責協(xié)調(diào)集中和分散的單元,以處理用戶設(shè)備操作,如運行傳輸和負載平衡

· 處理數(shù)據(jù)傳送業(yè)務(wù)的中央和分布單位

· 無線電裝置控制把數(shù)據(jù)放在空氣中的射頻收發(fā)器

這個架構(gòu)的描述和描述更詳細。 在本文中,他們提出了一種基于邊緣控制的蜂窩網(wǎng)絡(luò)結(jié)構(gòu),并利用美國一個主要基地站的數(shù)百個實際數(shù)據(jù)來評估其性能。操作員。它們根據(jù)用戶的全局移動模式,提供了如何動態(tài)集群和關(guān)聯(lián)基站和控制器的見解。

云和運行控制器,甚至中央單位都可以部署在MEC中。組件的分布為協(xié)議棧中的不同層提供了一個分離關(guān)注點,因此,允許云和運行控制器做出更高級別的決策,而不必擔心像通道編碼和波束形成這樣的低級操作。

圖2.波利斯等人提出的5G分布式控制架構(gòu)。

例如,該控制器可以從其相應(yīng)的集中和分布單元中收集數(shù)據(jù),并運行機器學習算法,以實時優(yōu)化服務(wù)。然后,云控制器可以從多個運行控制器中收集數(shù)據(jù),并確定哪些算法的性能最好。它還可以創(chuàng)建一個用戶行為的估計,并可以在一天中監(jiān)視不同地區(qū)的網(wǎng)絡(luò)阻塞。

機器學習

波利斯等人。在加州的一個手機供應(yīng)商的實際4G-LTE數(shù)據(jù)上測試了他們的體系結(jié)構(gòu)。LTE體系結(jié)構(gòu)是完全分布的,但它沒有5G體系結(jié)構(gòu)中現(xiàn)有的聚合和數(shù)據(jù)共享。他們的研究發(fā)現(xiàn),與LTE體系結(jié)構(gòu)相比,如上所述,基于控制器的5G體系結(jié)構(gòu)通過將來自云中多個來源的數(shù)據(jù)和運行控制器聚集起來,大大提高了預(yù)測的準確性。這種從眾多來源獲取信息的權(quán)限,使體系結(jié)構(gòu)成為新的數(shù)據(jù)驅(qū)動策略和機器學習的一個很好的候選者。算法可以在云和運行控制器上運行,這些控制器可以將決策傳播到它們各自的CUS、DUS和RUS。

在機器學習算法方面。隨機林、貝葉斯嶺和高斯過程回歸器的實驗。作者利用這些算法預(yù)測不同的關(guān)鍵性能指標.作者還試驗了基于集群的方法,而不是基于本地的方法?；诩旱姆椒ㄔ噲D根據(jù)位置或數(shù)據(jù)對控制器進行分組。作者認為,基于數(shù)據(jù)的集群更為有效?；跀?shù)據(jù)的集群必須根據(jù)網(wǎng)絡(luò)活動定期更新,這需要網(wǎng)絡(luò)開銷來協(xié)調(diào)集群之間的工作,但作者發(fā)現(xiàn),每日更新的性能可與15分鐘的更新相比。

最成功的算法是基于集群的高斯過程回歸器,其次是基于集群的隨機林和基于局部的貝葉斯嶺?；诩旱腉PR在1到10分鐘的時間間隔中超過了所有其他算法。此外,與基于本地的方法相比,使用基于集群的方法可以使RMSE減少53%,這直接顯示了5G體系結(jié)構(gòu)在LTE上的潛在改進。

主要措施

隨著5G繼續(xù)推廣,將需要利用5G網(wǎng)絡(luò)的獨特特性的新應(yīng)用程序來充分實現(xiàn)性能和效率的提高。使用數(shù)據(jù)驅(qū)動技術(shù),如機器學習,運行控制器可以安排如何分散的基站提供服務(wù)。簡單地將數(shù)據(jù)共享添加到完全分散的LTE體系結(jié)構(gòu)中,可以使RMSE減少53%的回歸算法。以這種精確度預(yù)測負載、吞吐量和中斷時間的能力非常有利于有效地管理網(wǎng)絡(luò)。

20240908_66dd109bf1e7b__使用ML的數(shù)據(jù)驅(qū)動控制如何提高5G網(wǎng)絡(luò)性能