9、人工智能赋能 5G 通信技术发展

人工智能赋能 5G 通信技术发展

1. 强化学习与 5G 中的 AI 问题类型

1.1 强化学习原理

强化学习基于马尔可夫决策过程（MDP）。通过迭代动作与奖励/惩罚过程，智能体（Agent）可以学习环境信息，这使得强化学习展现出强大的模式识别能力。在认知无线电领域，通常将频谱可用性的动态转换建模为马尔可夫链，并广泛应用强化学习方法来决策在主许可频谱中是否适合进行二次传输，同时确保对主频谱的干扰最小。

1.2 AI 相关问题类型

使用机器学习（ML）和人工智能（AI）可以解决的问题性质主要分为以下三个领域：
- 优化 ：优化是指以某种方式设置决策变量的值，从而优化相关目标。在 5G NR 中，组合优化问题的一个典型例子是网络资源分配。在资源有限的网络中，需要考虑一种优化方案，为共享网络的不同用户分配资源，以实现资源利用的最大效率。随着 5G NR 中 HetNet 架构的应用，如网络虚拟化、网络切片和自组织网络（SON），网络资源分配问题的复杂性不断增加，需要更有效的解决方案。
- 检测 ：异常检测是指识别不符合预期模式或数据集中其他项目的项目或事件，这些通常是人类专家难以察觉的。通信接收器的设计就是检测问题的一个例子。优化的接收器可以根据接收到的信号恢复传输的消息，实现最小的检测错误率。在 5G 的大规模 MIMO 框架内，检测将具有挑战性。
- 估计 ：估计器是评估给定数量（被估计量）并生成估计值的公式。然后将该估计值插入分类器系统中，以确定采取何种行动。典型的例子是信道估计问题。5G 需要准确估计信道状态