學術咨詢服務正當時學報期刊咨詢網是專業的學術咨詢服務平臺!

熱點關注: 論文檢索頁是什么意思 如何證明自己發表的論文見刊了 可以快速見刊的普刊有哪些?
當前位置: 學報期刊咨詢網學報論文范文》內生智能和端到端服務化的 6G 無線網絡架構設計

內生智能和端到端服務化的 6G 無線網絡架構設計

發布時間:2022-05-16 10:49所屬平臺:學報論文發表咨詢網瀏覽:

  摘 要:為了解決 5G 網絡能耗高、結構復雜和運維管理難度大等問題,同時使得網絡具備更極致的全場景適應能力,從網絡功能、網絡結構、網絡運行三個方面對未來 6G 網絡進行設計,實現 6G 網絡的智慧內生和極簡。在網絡功能層面,提出端到端微服務化的架構,通過按需

  摘 要:為了解決 5G 網絡能耗高、結構復雜和運維管理難度大等問題,同時使得網絡具備更極致的全場景適應能力,從網絡功能、網絡結構、網絡運行三個方面對未來 6G 網絡進行設計,實現 6G 網絡的智慧內生和極簡。在網絡功能層面,提出端到端微服務化的架構,通過按需功能組合與編排提升行業用戶乃至個人用戶定制化需求的滿足能力;在網絡結構層面,提出一種低、中、高多頻段協同的信令廣域覆蓋機制及相關方案設計,實現多制式、多頻段小區的統一管理,進一步降低整網信令開銷、小區管理復雜度和網絡能耗;在網絡運營層面,不同于 5G外掛式 AI,提出網絡內生智能設計和 AI 服務質量(Quality of AI Service,QoAIS)指標體系及保障機制,將 AI打造成 6G 網絡的一種基礎能力和服務。最后,對內生 AI 網絡架構中基于 QoAIS 的 AI 工作流編排方案進行了仿真分析。仿真結果表明,在性能和開銷方面,三種典型方案(集中式、分布式和協同式)各有優缺點,需要針對QoAIS 的具體要求,決定 AI 工作流中相關任務的分布,并調度所需資源,以保證 QoAIS 的達成。

  關鍵詞:6G;服務化 RAN;信令廣域覆蓋;智慧內生;AI 服務質量

智能化技術

  引言

  為了滿足千行百業的差異化和碎片化業務需求,5G 引入了基于 NFV/ SDN 技術的 SBA 架構及網絡切片技術。網絡切片技術通過在同一基礎設施上構建面向不同垂直行業的邏輯隔離網絡,以滿足不同行業的定制化需求。隨著行業需求的進一步擴展,5G 網絡架構及管理方式也變得愈加復雜。2G/3G/4G/5G 多網共存與互操作,網絡結構與功能愈加復雜。為了保證多種業務和不同能力終端的接入需求,5G 通過引入多連接等技術手段實現多種標準(NR、LTE、Wi-Fi 等)共存,在提供更高吞吐量和業務連續性保障的同時,增加了更多網絡功能、交互流程、管理策略、異常因素,使得網絡結構與管理更加復雜。尤其是對于無線接入網,為了滿足各種垂直行業需求,單體式基站需要不斷做加法,而對于某個特定的垂直行業而言,其需要的是更精簡、低成本、易于管理的輕量級網絡。多種專用接口并存,接口協議復雜。

  傳統網元之間采用專用接口進行通信,在通信前需要進行相應的接口建立。為了保證特定業務或服務需求,3GPP 定義了一系列協議,如用于 D2D 發現/通信的ProSe/ PC5 Signalling 協議、用于定位的 LPP/NRPPa協議、用于實現 QoS flow 到 DRB 映射的 SDAP 協議、用于回傳的 BAP 協議等。協議功能的引入不僅帶來了標準化工作量和實現難度,還增加了測試與運維的復雜度和難度。專用與通用硬件共存,基礎設施平臺管理難。5GC 引入了面向 NFV/SDN 的通用硬件平臺,而RAN 考慮到性能、功耗等需求等,還是多采用專用硬件和專用軟件設備實現。為滿足運營商版本快速升級部署、容量彈性可擴展等需求,提高設備資源利用率,通用基礎設施平臺的構建正在成為新的趨勢。

  外掛式 AI 應用,面臨挑戰眾多。人工智能技術在 5G 網絡中的應用促進了移動通信網絡和垂直行業的智能化發展,但 5G 網絡智能化大多使用場景驅動的外掛 AI 模式,其面臨的挑戰如下:一是缺乏統一的標準框架,導致 AI 應用缺乏有效的驗證和保障手段;二是外掛模式難以實現預驗證、在線評估和全自動閉環優化;三是外掛模式下,算力、數據、模型和通信連接屬于不同技術體系,對于跨技術域的協同,只能通過管理面拉通進行,通常導致秒級甚至分鐘級的時延,服務質量也難以得到有效保障。為解決上述問題,需要從如下三個方面著手,構建更加智能、至簡的 6G 網絡[1]:

  一方面需要深化云網融合,加速推進無線網絡的云化改造。目前無線接入網的云化部署尚在起步,需要進一步推動無線協議棧的服務化、無狀態化研究,完善網絡自動化部署和運維,實現適用于無線接入網領域的云原生技術體系[2]。另一方面需要優化網絡結構,結合高低頻頻譜優勢以及控制面與用戶面數據傳輸需求,引入控制面與用戶面深度分離的無線網架構,簡化小區管理流程、降低整網功耗[3]。第三個方面是進一步探索智能化手段提升網絡運行效率及行業差異化需求的適應能力[4]。智能、至簡是未來網絡設計的 2 大原則[5-7]。近年來,隨著人工智能技術的快速發展,人工智能技術在通信網絡中的應用也愈加廣泛而深入。

  首先,AI 助力改善無線網絡的資源分配和網絡管理的自動化等問題。文獻[8]利用深度強化學習技術,設計了一種分布式的動態功率分配方案,為無線網絡中的最優化功率分配問題提供了思路。文獻[9]針對無線網絡中頻譜共享問題,提出了基于深度學習的占空比頻譜共享框架,具有很高的實用性。其次,AI助力提升通信網絡的自動化、智能化水平和網絡安全性。

  文獻[10]使用強化學習結合數字孿生的方法,實現了移動無線網絡的自治優化。在現代通信場景中,涌現了大量視頻和各種非語音流量業務,這類業務利用 AI 分析用戶反饋的數據,預測網絡狀態、用戶行為、業務特性等信息,實現網絡參數的自動優化,不僅降低了網絡運營和優化成本,還提升了用戶服務質量[11]。此外,網絡可應用機器學習方法,基于大量歷史數據進行安全預測,同時對網絡流量進行實時監控,確保及時發現可疑的用戶和攻擊行為,并自動化分析故障原因、輸出解決方案,實現網絡運維智能化,使網絡更加安全可靠[12]。

  但現階段 AI 在網絡中的應用多采用外掛模式,服務質量、效率等難以保障。關于如何實現未來網絡至簡,目前已有一些設計思路,如考慮通過同態化的設計,端到端采用統一的設計思想,采用統一的接口基礎協議,多種接入方式采用統一的接入控制管理技術,基礎網絡架構以極少類型的網元實現完整的功能等。雖然無蜂窩小區等至簡相關技術已經被研究了很多年,但尚無相對系統性的結論。本文從網絡功能、網絡結構、網絡運行三個維度出發,提出智能和至簡網絡關鍵技術方案。主要創新在于:

  1) 提出端到端智能至簡網絡總體構想,涉及基礎設施及資源層面、網絡功能層面、應用與服務層面;2) 提出功能至簡解決方案:端到端服務化架構,通過引入統一的服務化接口、統一的編排管理機制等,實現網絡功能定制化、交互流程最優化;3) 提出結構至簡解決方案:信令廣域覆蓋機制,可實現多制式、多頻段小區的統一管理,在此基礎上,系統信息、小區選擇與重選機制可以進一步降低整網信令開銷、小區管理復雜度。4) 面向內生 AI 設計,提出網絡內生智能面、AI 服務質量(Quality of AI Service,QoAIS)指標體系及保障機制,并從性能、開銷、安全、隱私、自治等多個維度系統分析 AI 訓練服務的 QoAIS 指標體系,從管理面、控制面與用戶面等多個方面提出 QoAIS 機制與流程,保障 AI 服務的 QoAIS 持續達成。5) 對內生 AI 網絡架構中基于 QoAIS 的 AI 工作流編排方案進行了仿真分析。仿真結果表明,在性能和開銷方面,集中式、分布式和協同式三種典型方案各有優缺點,需要針對 QoAIS 的具體要求,決定 AI 工作流中相關任務的分布,并調度所需資源,以保證 QoAIS 的達成。

  1 智能至簡網絡構想

  面對未來不確定的新業務和新場景需求,除了提升網絡傳統關鍵性能指標外,還需要著力于提升網絡的全場景適應能力。網絡的適應能力可以通過如下幾個方面來提升:在基礎設施及資源層面,按需調配合適網絡資源(包括計算、存儲、頻譜、功率、部署位置等各類資源),最大限度提升網絡效率。

  一方面要實現資源的靈活動態共享,適配在網計算、在網存儲、功率共享等業務需求;另一方面要全局考慮資源的靜態劃分,以適應信令與數據解耦、上行與下行解耦等發展趨勢。在網絡功能層面,按需靈活組合與編排必要網絡功能,提供定制化網絡服務能力,避免不必要的功能、流程導致的性能損失或成本增加;谠圃夹g的端到端服務化架構是提升網絡適應能力的必要技術手段。在應用與服務層面,一方面要精確感知業務需求,另一方面要實現網絡功能與網絡資源的多維度智能編排與管理,實現整網的智能管理。

  2 網絡功能至簡:

  端到端服務化架構5G 引入了基于云原生技術的服務化架構(Service Based Architecture,SBA),使網絡具備了按需部署、彈性擴縮容、軟件快速升級等能力,通過網絡切片等有效支撐差異化和碎片化的行業用戶需求。但目前商用的 5G 核心網僅實現了控制面的服務化,這意味著僅核心網控制面功能可以滿足垂直行業用戶的網絡功能定制化需求。為了靈活適配未來不同行業的組網需求,SBA 的概念需要進一步擴展到核心網用戶面、接入網,甚至 UE。

  2.1 服務化架構設計層次綜合考慮產業成熟度、技術成熟度等多個方面,端到端服務化架構的研究可能會包括以下五個層次,不同層次可能單獨出現,也可能同時出現。

  2.1.1 核心網用戶面服務化為了更好滿足垂直行業需求,業界已開始進行核心網用戶面服務化相關研究[13-14]。R18 的 UPF 支持event exposure服務將是UPF服務化的重要開端,文獻[8]的研究內容主要包括兩點:一是定義 UPF信息開放服務并支持通過 NRF 進行服務注冊、發現;二是使 UPF 和其他 5GC NF 可以相互調用彼此的服務,例如,策略控制功能(Policy ControlFunction, PCF)可以直接訂閱 UPF 的 QoS 檢測延時報告以避免重復包傳輸、降低傳輸路徑,或者網絡數據分析功能(Network Data Analytics Function,NWDAF)可以直接訂閱 UPF 實時業務流信息用于大數據采集分析,或者 UPF 通過網絡能力開放功能(Network Exposure Function, NEF)直接開放服務給第三方。

  2.1.2 接入網控制面服務化可能會包括兩個階段,即接入網與核心網控制面接口的服務化以及接入網內部的服務化。第一階段研究已有公司在 3GPP 觸發討論[15],主要思路是在 NG-RAN 和核心網之間引入新的服務化 N2 接口、同時保留傳統 N2 接口,與 UE 移動性、NAS信令相關的消息通過傳統 N2 接口傳輸,其他消息通過新的服務化接口傳輸。第二階段將會實現 N2接口的全服務化,以及 RAN 控制面功能的服務化重構。RAN 控制面大致可能包括如下幾種服務:無線承載管理服務、連接與移動性管理服務、本地定位服務、多播廣播服務、數據采集服務、信令傳輸服務、接入網開放服務。RAN 控制面服務化可以帶來至少如下兩方面的優勢[16]:一是 RAN 服務可以與 CN 服務直接互訪,由此可以減少網絡中不必要的 AMF 轉發;二是 RAN 控制面服務化后,RAN 的控制面服務與其他服務(包括核心網服務、其他 RAN 控制面服務)之間的交互可從串行交互轉為多方并行交互,由此可優化控制面流程。

  2.1.3 接入網用戶面服務化傳統移動通信協議遵從 OSI 分層協議設計理念。每個分層僅能接收由它下一層提供的特定服務,并且負責為自己的上一層提供特定的服務。上下層之間進行交互時遵循“接口”約定,同一層之間進行交互時遵循“協議”約定。這種分層設計理念存在的問題是,協議及服務模型固定,無法實現靈活的跨層信令交互、跨層功能組合。RAN 用戶面服務化的本質是突破傳統分層設計理念,使服務之間不再受限于上下協議層間的調用關系,服務之間可以靈活地訪問,并在需要時按需組合,以更好滿足多種業務需求。通過 RAN 用戶面服務化,打造極致的跨層傳輸體驗。

  2.1.4 UE 服務化隨著云手機市場的再次興起,UE 也可以具備服務能力,向運營商網絡、第三方應用、其他 UE等提供算力、測量、UE 信息等 UE 服務。UE 服務將與網絡服務融為一體,通過服務化接口互訪,實現更靈活、直接的信息交互。2.1.5 DOICT 融合驅動的服務化架構隨著數據技術、運營技術、信息技術和通信技術( Data, Operation, Information and Communication Technologies,DOICT)的深度融合發展,內生智慧、內生安全、感知通信一體化、計算通信一體化、計算存儲一體化已成為未來網絡發展趨勢,相應的網絡服務能力也需要被引入到網絡中。如網絡內生的 AI 服務可能包括 AI 任務流拆分服務、策略生成服務、數據處理服務等。

  2.2 至簡服務化架構設計

  在服務化架構的基礎上,可以通過如下技術手段進一步實現網絡的至簡。

  (1) 服務聚合與接口統一在 RAN 服務化與 CN 服務化演進的過程中,還需要同步考慮 RAN 服務與 CN 服務的融合或拆分,從端到端角度精簡網絡功能,避免冗余操作帶來的不必要時延。此外,RAN 服務化之后將采用與CN 統一的服務化接口,這也將簡化整個網絡的運維管理,提升管理效率。(2) 流程精簡與并行處理傳統地,RAN 與 CN NF 之間的控制面交互均需要通過 AMF 轉發,而 RAN 服務化之后,RAN服務與 CN 服務可以通過服務化接口直接通信,減少了不必要的 AMF 轉發,由此可精簡端到端流程。此外,服務化 RAN 將一體化 RAN 拆分為多個功能模塊,這有望使傳統串行執行的流程并行化,加速整個處理過程。(3) 統一編排與分域管理基于不同業務需求,自動部署與連接各種虛擬網絡功能服務,按需調配計算、存儲、頻率、功率等資源,由此實現端到端服務的靈活組合與及時交付,最大化網絡資源利用率。為降低管理復雜度,可考慮采用分層分域的編排管理機制。

  3 網絡結構至簡:

  信令廣域覆蓋為了滿足更加豐富的應用場景需求,6G 將是一個低、中、高多頻段協同的全頻譜接入系統。覆蓋仍將以 10 GHz 以下為主,毫米波(70 GHz 以下)將發揮更重要的作用,可見光和太赫茲(100 GHz以上)將在特定場景下提供超高速率和感知探測等能力。為了降低高頻站點密集部署導致的網絡功耗和成本問題,同時保證網絡廣域覆蓋性能,6G 網絡將引入控制信令與業務數據解耦機制。具體而言,由低頻段(如 700 MHz)控制基站提供廣域的統一信令覆蓋,負責 RRC 消息、物理層信令等控制信令的播發,降低高頻段導致的路徑損耗大等影響,保證連續與可靠的連接性與移動性;由高容量、按需開啟的高頻段(如 62.5 GHz 及以上)數據基站提供數據和少量必要信令的傳輸,降低小區間的干擾及整網能耗。為了實現控制信令與業務數據分離,需要解決一些關鍵技術問題,包括高頻數據基站的選擇/重選、系統信息廣播、終端移動性管理、控制基站與數據基站之間的握手機制等。

  3.1 基于區域的系統信息廣播機制

  在傳統系統信息廣播機制中,某小區的信息需要在多個鄰小區通過 SIB3/SIB4/SIB5 廣播,且某些系統信息(如告警、定位輔助信息)需要在多個重疊小區均發送,冗余的系統信息播發降低了整個系統的資源使用效率和能耗效率。與此同時,一旦UE 移到另一個小區,其需要重新讀取系統信息,即便某些系統信息的內容在前一個小區中獲得過。此外,冗余的信令接收也對 UE 功耗造成一定影響。在信令廣域覆蓋場景中,系統信息的播發將不再以單個小區為單位,這也為避免系統信息的重復發送帶來了新的解決思路。將同一地理區域范圍內的多個數據小區歸為一組,以小區組為單位進行系統信息的廣播。由此,鄰區系統信息可以無需在服務小區的 SIB3/4/5 下發,除此,只要鄰區依然屬于信令小區覆蓋范圍,即便 UE 移動到鄰區,也無需再次獲得系統信息,保證了系統信息的可重用性、降低了 UE 功耗。

  3.2 控制小區的選擇與重選低頻段(如 700~900 MHz,1.4 GHz,1.8 GHz,2.1 GHz,2.3 GHz,2.6 GHz 頻帶)穿透損耗小,具有很好的覆蓋性能,但頻譜帶寬相對較窄。為了提升控制小區的容量與覆蓋性能,可以通過載波聚合或多載波服務小區(Multi-carrier Serving cell,MCSC)的方式將零散的控制信令載波聚合為更大的帶寬使用[17]。相比 CA,MCSC 將多個低頻帶聚合到一個服務小區,可以減少載波管理帶來的不必要控制信令開銷,包括同步、小區添加/刪除/激活、測量、移動性等,相應地也提升了處理效率,降低了處理時延,因此 MCSC 具有很好的應用前景,非常適用于廣域信令覆蓋場景。傳統小區只有一個下行載頻,終端在做小區選擇和小區重選時只會計算出一個 RSRP 和 RSRQ值。而在多載波服務小區場景下,同一個 MCSC 控制小區會有多個下行載頻,終端在一個小區內可測得多個針對不同載頻的 RSRP 和 RSRQ 值,因此傳統的小區選擇和小區重選方法將不再適用。在小區選擇時,可能需要優先選擇到多載波服務小區,以減少小區重選的可能;在小區重選時,由于 MCSC控制小區存在多個同頻頻點,因此在執行同頻小區重選時,需要引入 MCSC 小區內頻率優先級這一概念,并基于此重選同頻小區。

  人工智能方向論文:基于STM32的智慧家庭設計

  3.3 數據小區的選擇/重選傳統小區選擇或重選基于信道質量測量結果,而這一方式并不適用于信令廣域覆蓋場景的數據小區選擇,因為高頻數據基站可能出于節能原因關斷了,或者正處于干擾協調受限狀態。因此,需要引入新的數據小區選擇/重選機制,如需要結合基站位置信息、基于 AI 的信道質量預測信息等進行選擇。在小區選擇/重選之后,可能還涉及小區激活。傳統的多小區激活方式有兩種,一種是 4G 研究CA/DC 時提出的,基站通過 RRC 消息配置多個小區,但不激活,后續基站按需通過 MAC CE 對小區進行激活。另一種是 5G 研究時提出的,為了實現小區的快速激活,即基站 RRC 配置即激活小區。這兩種方式都是網絡直接控制小區激活,UE 需要持續上報測量結果以便于網絡確定最優小區進行激活,這將導致大量上行信令開銷,尤其對于未來6G 網絡大量高頻站點密集部署的場景。一種可行的解決方案是,基站為 UE 配置多個小區、但不激活,同時配置小區激活相關的觸發條件等,當滿足觸發條件時,UE 上報多小區激活指示 MAC CE 給基站,而無需發送測量結果,由此可避免不必要的上行信令開銷。

  4 智慧內生網絡

  4.1 驅動力

  面向智慧泛在的未來社會發展愿景,6G 網絡需助力千行百業的數智化轉型,實現“隨時隨地”智能化能力的按需供應。相比云服務供應商,6G網絡需提供實時性更高、性能更優的智能化能力服務,同時提供行業間的聯邦智能,實現跨域的智慧融合和共享。由于終端的數據存儲和計算能力也越來越強,考慮到數據隱私需求,需要協同網絡和終端的算力、通信連接和算法模型等資源,比如算力卸載、模型編排等,為 2C 客戶提供極致業務體驗和高價值新型業務。另一方面,6G 網絡需實現高水平自治和安全可信。目前網絡自治水平較低(約為 2.2 級),未來網絡需要支持對運營商和用戶意圖的感知和實現,實現網絡的自我設計、自我實施、自我優化、自我演進,達到 L5 級高水平網絡自治。

  此外,未來網絡將承載更多樣化的業務,服務更多的應用場景,承載更多類型的數據,因此網絡將面臨大量新的、復雜的攻擊方式,需要安全能力在 6G網絡的各環節嵌入,實現自主檢測威脅、自主防御或協助防御等。以上均需要 6G 網絡在設計之初即考慮 AI 技術的融入和內化,實現 6G 網絡內生 AI。6G 網絡內生 AI 是在 6G 網絡架構內部提供數據采集、數據預處理、模型訓練、模型推理、模型評估等 AI 工作流全生命周期的完整運行環境,將AI 服務所需的算力、數據、算法、連接與網絡功能、協議和流程進行深度融合設計。因此內生智慧需要構建 AI 的服務質量評估和保障體系,重構網絡架構、協議和功能,實現基于服務質量的 AI 全生命周期編排,包括算力、模型和數據,進而實現計算與通信的深度融合。

  4.2 智能面6G 網絡將 AI 三要素(數據、算法和算力)作為網絡內部的基本資源,每種資源要素在具有自身內部的管理、控制、處理和傳輸機制之外,還應與其他資源之間協同,共同完成 AI 任務。6G 網絡將新增“智能面”以實現對數據、算法和算力端到端的控制和編排。智能面包括管理面、控制面和用戶面上的功能設計,為各類 AI 工作流的全生命周期提供了完整的運行環境,滿足各類 AI 服務的質量保障需求。圖 4 為 6G 網絡的智能面功能架構設計。

  4.2.1 總體描述

  面向不同行業和場景對 6G網絡AI能力的千差萬別的需求,本文提出采用“AI 用例”表達和導入用戶對 6G 網絡 AI 服務的需求。AI 用例是用戶向網絡一次性提出的 AI 服務請求,一個 AI 用例可能涉及到一類或多類網絡 AI 服務的調用(6G 網絡的AI 服務可以分為 AI 數據類、AI 訓練類、AI 推理類和 AI 驗證類等)。6G 網絡應具備自動生成 AI 用例(需求表達形式)的能力,以避免人工認知的局限性及打補丁式的問題解決方式在用例間產生的效果沖突。

  進一步地,如何將用戶的需求轉化為網絡可以理解的對網絡 AI 服務能力的要求?對此,本文提出 AI 服務質量(Quality of AI Service,QoAIS)的概念,并認為網絡應提供對 QoAIS 的評估和保障體系。當網絡收到一個 AI 用例請求后,需要獲知該用例對應的 QoAIS 要求,以便分解到對各類資源的編排、調度和控制的具體要求上,以保障 QoAIS 的持續達成,這涉及到 AI 的管理、控制、業務流等多個層面。從管理角度,本文提出可以通過對 AI 全生命周期工作流的編排管理,半靜態地使相關資源要素(算力、數據、算法、連接)的配給滿足 QoAIS 要求;從控制和業務角度,則需要多維資源的融合,協同控制前述資源要素的調配,以實時、持續的滿足 QoAIS,其中 AI 計算和通信的深度融合是主要理念。

  6G 內生 AI 架構是集中式與分布式相結合的架構。中央 AI 超腦算力充足,存儲量大,數據抓取范圍大,適用于模型規模大(如大規模通用 AI 模型)、性能要求高、實時性要求較低的智能應用場景,所需數據跨域的場景,包含用戶相關數據的場景。無線、傳輸和核心網各域內 AI 小腦作為域內集中式 AI 引擎節點,負責本地域內可完成的 AI 用例。各域內分布式部署的網元節點算力和存儲有限,將通過網元間協作,支持本地實時性要求較高的智能應用場景。當本地域內 AI 用例的 QoAIS 無法在域內達成時(比如缺少其他域的特征數據、缺少算力資源),則該用例上升到中央 AI 超腦,通過全局資源編排來達成。這種分級分域的部署架構可減輕單一集中的超腦面臨的性能壓力,并兼顧到各種智能應用場景的性能需求。

  4.3 仿真分析

  本節結合多小區天線波束聯合賦形的場景用例,進一步闡述內生 AI 架構的思想和流程。該 AI用例旨在解決在多個基站覆蓋的區域中出現人群聚集場景時,基站天線的波束權值動態調整方案。目前常用的解決方案是通過使用歷史數據,學習人群運動的規律,指導基站天線進行決策。但是由于人群聚集屬于突發事件,不出現在歷史的軌跡數據中,機器學習較難準確地預知人群的分布位置,因而做出的基站天線決策有偏差。利用 6G 智慧內生AI 架構可以解決這一問題。內生 AI 架構能夠綜合利用本地邊緣節點和全局中心節點的優勢,可以在遇到人群熱點時,通過本地的模型預測和全局的推理計算,對人群分布作出準確的預測,及時指導基站天線作出決策。上述 AI 用例所需調用的 AI 服務包括數據類、訓練類和推理類。網絡資源部署方式是集中式云腦和多個分布式邊腦(基站)。

  其中 AI 數據類服務的工作流包括數據采集、數據傳輸、數據預處理、特征提取、數據存儲;AI 訓練類服務的工作流包括訓練和測試數據集構建、模型選擇、模型訓練;AI推理的工作流包括模型部署(含模型優化),輸入樣本構建,推理計算、推理結果優化、推理結果傳輸等 AI 任務。上述 AI 任務在集中式云腦和多個分布式邊腦中的分布情況。

  4.3.1 仿真實驗

  本文的仿真方案在 Linux 系統下實現,仿真平臺模擬了 2 萬名用戶在一定區域內熱點聚集的運動場景,其中仿真區域的大小為 1.5 kmΧ1.5 km,中間有一棟100 mΧ50 mΧ60 m高樓矗立。在仿真場景中,非熱點區域的用戶初始隨機分布在中心高樓以外的空曠區域,熱點區域分布著較為密集的人群。非熱點區域的用戶軌跡是從四周向高樓移動,而熱點區域內的人群軌跡是從左向右運動。用戶的類型分為三種:在空曠區域隨機閑逛的用戶為漫游用戶,靜止在某一特定位置的用戶為靜態用戶,向高樓移動或隨著熱點人群一起移動的用戶為動態用戶。仿真采用正六邊形小區模型,基站均勻分布。本文對三種典型編排結果進行了仿真,這三種方案分別是:① 集中式編排方案(以下簡稱:集中式);②分布式編排方案(以下簡稱:分布式);③ 集中分布相結合編排方案(以下簡稱:協同式)。在仿真實驗中,模擬了三種不同的場景,場景一、場景二和場景三分別含有 10%、50%和 100%的動態用戶。對于每一種場景,分別使用集中式,分布式和協同式三種方案進行波束選擇,并分析三種方案對該用例 QoAIS 相關指標的滿足程度。

  5 結束語

  本文從網絡功能、網絡結構、網絡運行三個維度設計了一種智能、至簡的 6G 網絡架構,具體包括端到端服務化架構、信令廣域覆蓋機制、智慧面,提出 AI 服務質量 QoAIS 指標體系及保障機制,并從性能、開銷、安全、隱私、自治等多個維度系統分析 AI 訓練服務的 QoAIS 指標體系。最后,本文對內生 AI 網絡中基于 QoAIS 的 AI 工作流編排方案進行了仿真分析。仿真結果表明,在性能和開銷方面,三種典型方案各有優缺點,編排功能會根據當前 AI 用例對QoAIS 的具體要求,決定 AI 工作流中相關任務的分布,并調度所需資源,以保證 QoAIS 的達成。編排算法的一種簡單實現方式是基于 QoAIS 與編排方案的映射表進行選擇,如將上述三種編排方案寫入映射表供算法靈活選擇。在實際設備實現中,可采用更復雜、更智能的算法,計算出更精細、效果更優的編排方案,如管理面采集工作流各環節的性能監測數據,評估 QoAIS 的達成情況,學習出工作流的任務設計和資源編排方案對 QoAIS 的影響,從而不斷優化方案和策略,實現智能化的編排管理。

  參考文獻

  [1] 劉光毅,王瑩瑩,王愛玲. 6G 進展與未來展望[J].無線電通信技術,2021, 284(06): 668-678.

  [2] 中國移動. 6G 服務化 RAN 白皮書. 2022.

  [3] 中國移動. 6G 至簡無線接入網白皮書. 2022.

  [4] 中國移動. 6G 無線內生 AI 架構與技術白皮書. 2022.

  [5] LIU G, LI N, DENG J, et al. The SOLIDS 6G Mobile Network Architecture: Driving Forces, Features, and Functional Topology[J]. Engineering, 2022, 8(1): 42-59.

  [6] IMT-2030(6G)推進組. 6G 網絡架構愿景與關鍵技術展望白皮書.

  [7] LIU G, HUANG Y, et al. Vision, requirements and network architecture of 6g mobile network beyond 2030[J]. China Communications,2020, 17(9): 92–104.

  [8] NASIR Y, GUO D. Multi-Agent Deep Reinforcement Learning forDynamic Power Allocation in Wireless Networks[J]. IEEE Journal onSelected Areas in Communications, 2019, 37(10): 2239-2250.

  作者:劉光毅 1,鄧 娟 1,李 娜 1,冷昀橘 2,田開聰 2

轉載請注明來源。原文地址:http://www.dmadaa2021.com/xblw/7563.html

《內生智能和端到端服務化的 6G 無線網絡架構設計》

學報期刊咨詢網

專業提供學報論文發表咨詢平臺

學術咨詢正當時

百度十下,不如咨詢一下

国产国产人免费视频成_张津瑜吕总的视频哪里看_久久精品久久精品国产大片无码_三年片在线观看免费大全