董敬磊

（中国电信股份有限公司福建分公司 福建 福州 350001）

0 引言

作为当前最先进、最新的通信系统，5G通信具有带宽高、延时低、功耗小等特点，为推动通信技术发展提供了助益，尤其是在大数据、人工智能领域凸显出基础性支持作用。人工智能技术作为当前行业尖端科技，主要是借助智能机器或机械，通过算法对人的思维进行模拟，最后依托计算机技术实现人性化管理。人工智能技术起源于20世纪50年代，经过不断地发展已经形成了统一概念，即以计算机软硬件为媒介，通过配备的自主学习模块实现智能化控制，从本质上来看，人工智能技术就是伴随着计算机技术而发展起来的新兴技术，其与5G通信技术之间存在着较高的耦合性，两者融合能够更好地发挥出效能。

1 相关概念解析

1.1 人工智能

简而言之，人工智能就是依托计算机技术、信息技术，通过对人的思维进行模仿，并借助数据处理技术来代替人进行作业，能够有效提高工作质效。经过一段时间的发展，人工智能技术逐渐成熟化。尽管AI人工智能概念提出已经有60多年时间，但直至近几年，随着大数据、云计算、区块链等技术的发展，人工智能才迎来发展新机遇，应用场景也不断丰富，诸如智能语音交互、人脸识别、图像检索、人机协同等人工智能技术已经在交通、通信等各个领域实现了深度应用和广泛普及。通过程序化控制，在面对大量数据时，人工智能可以进行高效管理和精准分析，有效提高了处理效果。可见，人工智能技术具有很强的优势，若能够正确合理应用，必将为人类各项产业发展提供技术支撑。

1.2 5G通信技术

5G通信技术又称之为第五代移动通信技术，是当前最新一代的宽带移动通信技术，凭借着高速率、低时延、大连接等特点，在具体应用场景中能够满足大众随时随地便捷上网的需求，且网速更快，能够面向不同场景进行信息传递。在无线通信系统研发中，引入5G无线网面临着诸多困难，如在引入区域内将面临千倍增量的数据，而且所对应的设备也将大量增加。与此同时，还需要对无线接入的覆盖范围进行持续扩展，增加网络资源运用的灵活性以及系统的适应性，而上述内容都需要网络技术的发展，这也标志着5G支持多种业务模式，能够满足客户多元化的网络需求。

以往，多是由人工完成移动通信网络部署等工作，不仅工作效率低，而且还会耗费大量人力物力，同时也在无形中使得运营成本增加。随着大数据、云计算等现代科技的发展，在很大程度上推动了5G网络管理成效提升。当前大数据分析能力迅速提升，在5G无线网中，巨大的信息量所发挥出的影响力是难以估量的，最大化发挥出了数据价值，从而保障用户能够体验到更佳的网络服务。

2 基于人工智能的5G无线网络关键技术

为进一步提高系统速度，在设计5G系统时通常会通过引进新技术方式创新网络架构，如D2D技术、新型多天线传输等。当前，为了能够解决系统延时问题，因此LTE采用扁平化的接入网架构，从而降低网络维护成本。而5G则主要采用的是绿色无线接入网架构，即C-RAN接入网架构，主要依托于集中化处理、协作式无线电、实时云计算架构等。C-RAN无线信号传输主要是在远端天线与集中化中心节点之间进行，依靠的是高速光传输网络，而且成本不高，还能扩大网络覆盖区域。该架构多用于协同技术中，具有抗干扰、降低功能、提升频谱效率等作用，还有助于智能组网的动态化使用，并且集中化处理模式能够更好地控制成本和运营支出。

引入有源天线阵列，2D阵列将被3D天线阵列所替代，在基站侧可支持的协作天线数量达到128根。此外，借助大规模阵列天线技术，即3D-MIMO技术，能够增强覆盖，缓解当前容量所带来的压力，并且通过与高频段毫米波技术联合运用，还能进一步优化无线信号性能。3D-MIMO作为一种高增益阵列天线，与8T8R天线相比，不仅实现了水平面赋型，同时通过更多振子和通道，实现了垂直面赋型 。对于LTE广播信道而言，3D-MIMO通过32个双极化通道中每个极化通道权值来实现对波束的调整和优化。在小区网络覆盖中，传统蜂窝通信系统主要采取的是以基站为核心的组网方式，但是基站无法进行移动，因此限制了网络结构，使得传统蜂窝通信系统灵活性欠缺。但随着无线多媒体业务量增加，传统业务模式已经无法满足用户多元化的业务需求。D2D技术不需要依靠基站就可以实现终端之间的直接通信，进一步拓展了网络连接和接入方式。这种直接通信方式距离短，因此信道质量好，具有速率高、低延时、低功耗等特征。凭借着对终端进行广泛分布，能够实现网络覆盖的优化，从而对频谱资源进行更高效的利用；支持灵活性更高的网络架构，使得链路灵活性以及网络可靠性得到有效提升。

此外，5G通信网络用户预测的产生主要是借助人口规模实现，这充分体现出了用户与人口规模之间所存在的密切关系。因此，在对5G网络进行规划时，需要对所产生的数据进行更加全面深入的分析，以数据作为用户预测的前提和基础，综合考虑移动通信空间布局。借助无线网传输技术，在人口密集区域接入5G网络，从而满足不同业务需求，实现节省网络资源的目的，构建良好的网络环境。

3 5G无线网智能规划

3.1 频率规划

在人工智能时代下，移动通信应用场景呈现多元化特征，因此频谱需求也更多样，而业务发展不断变化，一些业务量较小的频率资源得不到有效释放，一些业务量较大的频率资源又有所缺乏，从而造成资源浪费。因此，急需提高频率利用率。AI凭借着共享技术，依托无线网设备能够对系统频率进行优化调整[2]。基于人工智能的频率规划如图1所示。

图1 基于人工智能的频率规划

通过建立一个涵盖频率与业务的周期性数据库，对频率资源、业务量等数据进行收集。根据对应的业务量和频率信息，深入挖掘数据内在联系，并结合具体周期内的网络频率，对这一时间内网络功能进行科学合理的预测，从而找出限制网络的时间段。通过动态分配在空闲时间段将频率释放出来，进而对频率进行调整。

3.2 站址规划

从站址角度来看，同质化可以使得站址规划取得不错的经济收益，还能达到控制成本的目的。此外，面对站址规划所提出的精细化要求，差异业务模式则能很好达成。而在站址规划过程中，对于规划能力、工程建设等指标，还是应当以基站数据作为评估标准，借助智能算法得出最佳的站址列表，从而扩大投资收益空间。而对于站址级别判断所选择的指标应从周期性角度出发，从而推动站址规划的有效开展。

3.3 Massive MIMO参数设置与精准部署

随着3D-MIMO技术的应用和发展，网络覆盖面积在很大程度上扩大，并且在AI技术的支持下，通过构建经验库来实现网络功能优化的目的。依托3D-MIMO技术实现网络覆盖进一步扩大，以此来避免各种干扰，保障系统功能正常运行。在网络覆盖和配置上，主要是借助宽波束来实现，并与窄波束组建成密集构成。与此同时，当地面和垂直覆盖更具灵活性时，Massive MIMO参数配置复杂度将提升，此时借助AI辅助技术构建数据库，进行规则训练，以实现网络功能的优化[3]。Massive MIMO借助空分复用技术和多天线技术，从水平、垂直方向产生三维波束，扩大了容量，同时也使得立体覆盖范围扩大。部分技术在4G网中已经进行应用，能够很好地解决高容量、高负荷等问题，但与传统扩容方式相比，Massive MIMO基站投资更高，因此需要对Massive MIMO基站投放进行精准计算。在传统基站投放模式中主要依靠的是手工审查以及工程师经验等方式，不仅消耗了大量人力和时间，同时基站部署精确度没能得到有效保障，而机器学习的K-means聚类方法能够解决这一问题。

首先，通过K-means收集小区级数据，并开展聚类操作，有效区分开繁忙和不繁忙小区簇，以此来获得特征性数据，这些数据对于Massive MIMO的影响较大，如下行用户平均速率、上行用户平均速率、CQI、下行PRB利用率、上行PRB利用率等[4-5]。其次，根据中心点值聚类产生门限值，科学布置Massive MIMO小区，获得相对繁忙的小区信息，同时甄别出超过门限值的小区，这些小区就是5G无线网规划和建设的主要对象，通过这种方法能够进一步提高5G无线网部署的针对性。

根据上述算法，选取xx城市24 567个现网小区进行聚类，结果584个小区超出门限值，这些小区将作为Massive MIMO基站拟部署点。通过专家分析和研判小区现网数据，借助AT算法进行数据传输，结果与专家预测诊断结果存在高度一致性，这也为Massive MIMO精准部署提供了科学的参考建议。

3.4 CU-DU-MEC规划

5G网络复杂，相互之间纵横交错，这就要求小区之间必须深化合作，从而灵活进行CU-DU--MEC方案部署。通过AI技术、数据库进行系统化训练，从而得出最佳方案，以满足业务发展需求[6-7]。然后延伸至端对端的网络预测能力，满足多样化的5G业务要求。基于人工智能的CUDU-MEC规划如图2所示。

图2 基于人工智能的CU-DU-MEC规划

首先根据CU-DU-MEC所部署的位置、网络能力、现网退服率等对数据库进行重构，然后进行系统化训练，并结合4G网络拓扑结构和现网能力，评估所部署的5G网络方案的运行速率；接着根据4G网络拓扑结构、DU部署位置，对所部署的5G网络方案的运行时延进行测试评估，最后经过反复迭代，根据业务特殊性获得最佳的部署方案。

4 5G无线网优化措施

4.1 单站点优化

在5G无线网优化工程中，单站点优化是首要环节，主要是检测各个站点的基本功能，以便能够获取站点相关数据信息，为后续网络优化提供更加详实的参考资料，确保各站点小区网络功能正常，5G无线网覆盖全面。在完成上述优化后，工程设备功能质量基本能够得到保障，这也为后续调试优化奠定了良好基础。同时通过单站点优化还能有效掌控当前信息，为后续优化提供参考。

4.2 分簇优化

在完成单站点优化后可进行分簇优化，以此来提升网络性能。根据LTE网络系统设计要求，簇优化的前提是要保证每簇基站不得少于15个，要想启动簇优化必须要达到每个簇开启90%以上的基站都通过单站验证这一条件，剩余站点在启动后以单站点进行优化即可。分簇优化的步骤主要是：

（1）制定簇优化目标。根据各项指标做好分簇优化准备工作，包括网络覆盖、网络接入性、网络掉线率、网络切换成功率以及吞吐率等。

（2）开展簇测试。在进行簇测试时需要注意以下事项：首先，在进行路测时，应保证在测试过程中网络系统机器设备工作状态稳定，并且不得在此过程中进行其他与网络有关的操作。其次，在测试时必须要对实际情况进行综合全面的考量，加强信号后台追踪，并对信号传输情况进行实时监控，及时对异常情况进行分析，并随时关注终端接入/掉线行为，掌握吞吐量趋势，最好预测性分析，以便能够掌握异常情况，同时快速响应和预警[8-9]。

（3）数据分析及问题处理。优化手段主要有参数优化、天馈优化、质量优化、邻区优化等。数据分析和处理内容主要包括网络覆盖优化、吞吐量优化、掉线优化、时延优化等，通过数据分析，为优化提供更加科学的建议[10]。

（4）调整以及验证。针对数据分析阶段所给出的优化建议进行执行，同时如实记录整个调试过程，并时刻关注异常情况，一旦发现问题立即反馈，以便能够及时解决问题，最终完成网络的整体优化。

5 结语

总而言之，随着各种智能终端广泛普及，也在很大程度上使得移动数据流量快速增长，在此环境下，无论是城市建设还是社会发展，都需要科学合理的网络规划，确保建设成效，尤其是当前5G技术的广泛应用，应当推动其与人工智能的结合，从而全方位提高信息化建设水平，进一步推动万物互联的实现。