随着移动无线技术向5G跃进，无线系统设计的复杂度越来越高。目前，由于扩大用户群的需求增加，需要加强对宝贵资源的优化和共享，以及无线网络的管理难度，这些调整正迫使工程师脱离传统的基于规则的方法，寻找新的解决方案。人工智能成为他们应对现代系统挑战的首选解决方案。近日，MathWorks首席产品经理HoumanZarrinkoub在《现代无线系统设计中克服复杂性的关键》一文中指出，从管理自动驾驶汽车之间的通信到优化移动呼叫资源分配，AI带来了现代无线应用发展。必要的复杂性。今天，随着连接到网络的设备数量和范围不断增加，人工智能在无线领域的重要性大大增加。HoumanZarrinkoub表示，工程师必须准备好将AI引入日益复杂的系统，了解AI在无线系统中的优势和应用，以及实施中的最佳实践，将是无线系统技术未来取得成功的关键。1无线系统的AI优势向5G的过渡带来了移动宽带网络速度和质量的优化，以及工业4.0设备之间对时间敏感连接的超可靠低速率和大规模机器通信的需求——以下是三个截然不同的现代网络中的用例，以及推动工程师采用AI的能力。随着设备争夺网络资源，无线系统的用户和应用程序数量不断增加，曾经被基于人类的规则所理解的线性设计模式变得不足。然而，通过自动高效地提取任意模式，AI可以更好地解决非线性问题，这超出了基于人类的方法的能力。在这种情况下，人工智能是指那些机器学习和深度学习系统，用于识别连接设备、人类通信渠道中的模式，以及这些系统通过优化该链接的资源来提高性能。简而言之，在不利用AI方法的情况下为这些不同的用例运行网络是一项几乎不可能完成的任务。除此之外，人工智能还可以帮助项目管理。通过估计源环境的行为，将模拟环境集成到算法模型中，使工程师能够以最少的计算资源更快地研究系统的主要影响，为探索设计和后续迭代留出更多时间并降低成本，开发时间。图例：AIforWireless工作流程-数据生成、AI训练、验证和测试以及硬件部署起着至关重要的作用。为了处理一系列现实世界的场景，这些模型需要使用广泛的数据进行训练。通过基于基元合成新数据，或从无线信号中提取数据，无线系统应用程序还将为5G网络设计人员提供稳健训练AI所需的数据更改。如果没有大的训练数据集，在此基础上对不同算法进行数据迭代，最终的效果可能是狭义的局部优化，而不是整体的全局优化。此外，在现场测试AI模型的可靠方法也很关键。其中一个问题是测试AI技术所需信号的可变性，而在狭窄的局部地理环境中捕获的信号可能会对工程师优化设计质量的方式产生不利影响。如果没有实时迭代，个别案例参数也将无法用于针对特定位置优化AI，从而对呼叫性能产生负面影响。3AI在无线领域的主要应用领域电信、汽车等领域的数字化转型也需要AI的参与，而AI也是这些应用的主要驱动力。随着智能城市、电信网络和自动驾驶汽车(AV)等应用的互联，电子通信在曾经以机械为导向的区域中可以产生大量数据，但增加的网络资源也会产生大量数据。变得绷紧。在电信中，AI部署在两个级别——物理层(PHY)和PHY之上，其中应用AI来提高连接两个用户的线路的性能被称为在PHY上运行。AI技术在物理层的应用包括数字预失真、信道估计和信道资源优化、通话过程中收发信机参数的自动调整，也可称为自动编码器设计。信道优化是指增强两个设备之间的连接，尤其是网络基础设施与用户设备之间的连接。通常，这也意味着使用AI通过指纹识别和信道状态信息压缩等技术来克服本地环境中的信号可变性。通过指纹识别，AI可以将干扰映射到室内环境中的传播模式（由个人进入引起）以优化无线网络的定位，并且AI将根据这些个性化的5G信号变化来估计用户的位置。同时，信道状态信息压缩可以通过AI对用户设备向基站的反馈数据进行压缩，确保通知基站尝试改善通话性能的反馈环路不超过可用带宽，导致通话中断。Above-PHY主要用于网络管理和资源分配，如调度、波束管理、频谱分配等，是指管理和优化核心系统资源的功能，可用于网络中的竞争用户和用例.随着网络用户和用例数量的增加，网络设计人员转向人工智能技术来实时响应分发需求。在汽车领域，使用AI的无线连接可实现安全的自动驾驶。自动驾驶汽车(AV)依赖来自多个来源（包括激光雷达、雷达和无线传感器）的数据来解读其环境。自动驾驶汽车中的硬件需要处理来自许多竞争信号的数据，而人工智能使传感器融合能够融合竞争信号，以便车辆软件能够了解其位置并确定其与环境的交互方式。随着无线技术用例的扩展，在这些系统中应用人工智能的需求也在增加。如果没有人工智能，5G、自动驾驶汽车和物联网应用等系统将不会具备有效运行所需的复杂性。近年来，虽然AI在工程（尤其是无线系统设计）中的重要性不断提高，但随着用例和网络用户数量的增长，它也有望继续以更快的速度增长。
