AI技術助力5G網絡性能提升 無線空口技術引領未來網絡設計變革

近年來，随着人工智能（AI）技術快速發展，利用AI技術提升5G網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有5G網絡中多項設計進行增強，進而達到提升系統運作效率和使用者體驗的效果。尤其是多項無線空口技術引入基于AI的設計，将帶來無線網絡設計的根本性改變，是未來網絡設計的關鍵方向。

5G與AI不斷融合的過程，就是不斷建構5G智能維的過程。5G的智能維是基于5G大資料和算力資源，以人工智能技術為基礎的新資源次元。5G智能維可以被認為是與傳統無線移動通信的時域、頻域和空域并列的一個新次元。相較于傳統的次元，5G智能維建構需要基于三項基本元素：5G大資料、算力資源和人工智能技術。5G大資料既包括5G網絡中原生資料也包括5G承載的資料。算力資源包括5G終端算力、5G網元算力和雲裝置算力。人工智能技術就是以機器學習為代表的人工智能技術。建構5G智能維可以定義為：利用人工智能技術，合理使用5G大資料和算力資源，使5G更加智能、高效，同時應用于5G網絡智能化适配，實作高品質的多樣業務。

把基于AI的多項關鍵技術引入實際網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、資料集建構、模型的管理和算力支撐等。對于5G大資料的挖掘需要借助一系列的AI基礎理論和工具，AI工具及算法對資料和算力有比較明确的需求，在5G網絡架構進行增強性設計既要考慮不同算法的資料需求和實際性能，也要結合相關算法對算力資源進行評估。5G網絡的強大傳輸能力也将推動基于AI的更多應用産生。AI相關應用的資料收集方式、計算方式、模型的部署與更新方式都需要考慮和5G網絡進行動态結合，以便提供更好的服務。

5G國際标準開始階段受各方面因素所限并未引入基于AI的設計。随着AI技術的快速發展，在5G國際标準不斷演進的過程中，也逐漸考慮了與AI進行融合的設計。從R15版本開始至今，5G無線網和核心網逐漸引入了基于AI的相關設計，同時也進行了大量對AI技術支援相關的研究。本文結合5G國際标準進展對5G和AI不斷融合的過程進行詳細的介紹與分析。

基于AI的空口設計是建構5G智能次元的核心

5G中基于AI的實體層設計涉及空口及高層的設計。基于AI的高層設計先于空口開始了研究，重點關注基站節能和移動性管理等用例。空口設計主要對無線AI相關的關鍵技術進行研究與标準化。其中，基于AI的空口設計是整個基于AI設計的核心。現有研究表明，基于AI的空口設計是建構5G智能次元的核心，将有潛力開啟全新的系統設計方式，并奠定6G的設計基礎，也是各公司國際标準化争奪的焦點。

基于AI的高層相關設計在3GPP R17版本中開始研究，其名稱是資料收集增強的項目。該項目研究了基于AI的基站節能和移動性管理相關的資料收集内容與收集過程，以及AI模型在5G網絡中的運作機制。基于R17的研究成果，R18版本重點關注基站網元間的信号傳遞和網絡架構上需要的修改，進行了相關用例标準化工作。在R19版本中，除了持續完善現有用例的性能，基于AI的高層設計還将考慮對基于AI的智能切片等新業務的支援。

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中首次進行标準化。項目重點關注引入基于AI的設計對5G整體架構的影響，并研究一些典型用例的性能及标準化影響。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、資料傳輸、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版本對信道資訊回報、定位、波束管理等關鍵用例進行了系統的研究。其中基于AI的定位和波束管理技術得到各方認可，将在R19版本中進行标準化，而基于AI的信道資訊回報由于涉及雙邊模型的标準化，還有較多的問題沒有得到很好的解決，在R19版本中将繼續進行研究。此外，資料集傳輸和模型傳輸也是R18研究的熱點，考慮到資料集和模型傳輸的潛在開銷，R18版本的研究還需要在R19版本和信道資訊回報一起繼續進行研究。

持續推進核心網側智能化

3GPP啟動核心網側智能化的研究及标準化已有幾個版本。在R15階段，3GPP在5G網絡架構中引入了NWDAF（Network Data Analytics Function，網絡資料分析功能網元）。NWDAF用于網絡資料采集、網絡資料分析，以及向其他的網絡功能網元提供網絡切片執行個體負載等的分析資訊。

在R16階段，3GPP專門成立了使能5G網絡自動化（enabler of Network Automation for 5G，eNA）的立項，對R15NWDAF功能進行了補充和增強，定義了基于單執行個體集中式的智能網絡架構和能力。同時，也梳理了業務體驗、網元負載、網絡性能、UE移動性、UE互動性、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，繼續研究網絡架構的進一步增強包括NWDAF功能分解、資料收集效率提升、UE資料收集，定義了基于多執行個體分布式的智能網絡架構和能力。同時進一步梳理了業務分布分析、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，重點研究資料收集性能提升、模型性能監控、跨廠商模型共享、聯邦學習、漫遊資料共享、如何和定位系統協同以及如何和網管協同等。R19階段，由于跨廠商模型共享、聯邦學習比較複雜、涉及内容也較多，R18隻定義基本架構，在R19還将進一步研究。另外，由于核心網智能化在R18版本及之前沒有和RAN進行關聯，在R19版本還将研究如何支援核心網和RAN聯合智能化。

5G與AI融合持續推進

5G對于AI算法的支援也有所讨論。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模型的大小及運作方式。這部分内容在核心網需求組（SA1）的AI模型分析項目中開展。項目對模型分割、模型下載下傳、分發和共享，以及聯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版本持續在核心網架構組（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的無線和核心網側設計，5G網絡對于AI算法的支援目前僅停留在研究層面，并未進行過多标準化支援。

5G與AI的融合是一個逐漸探索與完善的過程。标準化是5G網絡演進的最關鍵一環，标準化的過程也是5G與AI融合持續研究與達成共識的過程，5G智能維的建構需要與标準化工作進行緊密結合。5G與AI融合的标準化工作是系統工程，标準化内容與産業實作整體路線圖進行有機結合，循序漸進地實作。與5G網絡相關的标準化工作還将在3GPP持續進行，基于AI的5G網絡相關用例可以根據實作所需網元在3GPP的核心網側和無線側進行不斷标準化，而5G網絡對于AI技術和應用的支援增強需要根據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，以使整個行業對新技術有充分的了解。例如，大規模MIMO的研究已經在4G Advanced開始，支援大規模MIMO的産品在5G推出。無線AI是一種曆史水準的新技術，對無線系統來說，長時間的研究是必不可少的。5G已經研究和标準化的用例也将在未來6G的AI原生性設計中得到支援。同時，沿着5G已有的标準化過程，更多用例也将實作不斷的研究和标準化。

本文轉載自 人民郵電報