5G網(wǎng)絡(luò)AI應(yīng)用典型場景技術(shù)解決方案白皮書

目 錄5G網(wǎng)絡(luò)AI應(yīng)用簡介 1發(fā)展背景 1技術(shù)挑戰(zhàn) 1技術(shù)原理 2發(fā)展規(guī)劃 55G網(wǎng)絡(luò)AI應(yīng)用高價(jià)值場景及解決方案 6無線網(wǎng)絡(luò)AI應(yīng)用 6無線網(wǎng)絡(luò)AI應(yīng)用技術(shù)架構(gòu) 6基于業(yè)務(wù)的體驗(yàn)升級場景 7智能網(wǎng)絡(luò)優(yōu)化場景 11智能網(wǎng)絡(luò)節(jié)能場景 20核心網(wǎng)智能控制面AI應(yīng)用 22核心網(wǎng)智能控制面AI應(yīng)用技術(shù)架構(gòu) 22基于業(yè)務(wù)的體驗(yàn)升級場景 235G+AI用戶畫像場景 24基于客戶及特定場景的資源保障場景 265G網(wǎng)絡(luò)AI技術(shù)演進(jìn)愿景 27無線網(wǎng)絡(luò)AI技術(shù)演進(jìn) 28核心網(wǎng)智能控制面AI演進(jìn) 29終端及芯片AI技術(shù)演進(jìn) 31總結(jié)與展望 33縮略語列表 35參考文獻(xiàn) 36參編單位及人員 395GAI發(fā)展背景3D、XR精準(zhǔn)定位等的新質(zhì)要求，運(yùn)營商對用戶業(yè)務(wù)質(zhì)量的多樣性保障提出了更高的期望。與此同時(shí)，AIAI5G+AIAI為中心，實(shí)現(xiàn)業(yè)務(wù)、體驗(yàn)和網(wǎng)絡(luò)規(guī)建維優(yōu)的全面升級。91%的運(yùn)營商計(jì)劃將網(wǎng)絡(luò)智能化納入其戰(zhàn)略并持續(xù)投資，5G+AI2024運(yùn)營商也展示了他們在移動網(wǎng)絡(luò)智能化方面的實(shí)踐，如德國電信DeutscheTelekomOrangeAIAI網(wǎng)絡(luò)性能。與此同時(shí)，作為技術(shù)領(lǐng)航者的國內(nèi)外標(biāo)準(zhǔn)或行業(yè)組織，如3GPP(3rdGenerationPartnershipProject,第三代合作伙伴計(jì)劃)、GTI（GlobalTD-LTEInitiative，TD-LTE）、TMForum(TeleManagementForum，電信管理論壇)、ETSI（EuropeanTelecommunicationsStandardsInstitute，歐洲電信標(biāo)準(zhǔn)化協(xié)會）、CCSA(ChinaCommunicationsStandardsAssociation，中AI技術(shù)挑戰(zhàn)5G5G-A出新的技術(shù)挑戰(zhàn)：1、信道模型更加復(fù)雜。在網(wǎng)絡(luò)覆蓋到工業(yè)封閉園區(qū)、低空等特殊場景后，度提升；2、數(shù)據(jù)處理更龐雜。除了傳統(tǒng)的通信性能指標(biāo)、基站及核心網(wǎng)數(shù)據(jù)等，還151加；34GSLA大。4、跨域融合要求高。從傳統(tǒng)通信方案只關(guān)注單域能力，伴隨網(wǎng)絡(luò)演進(jìn)水平等因素與通信能力的匹配。AIAI據(jù)分析方面，AIAI學(xué)習(xí)和處理。技術(shù)原理通過分析網(wǎng)絡(luò)場景化的問題，將網(wǎng)絡(luò)問題轉(zhuǎn)為數(shù)學(xué)問題，并有針對性的引入AI技術(shù)，典型應(yīng)用場景技術(shù)原理及價(jià)值如下：1、基于業(yè)務(wù)的體驗(yàn)升級無線側(cè)將AI的進(jìn)一步提升。圖1.3-1基于業(yè)務(wù)的體驗(yàn)升級NWDAF（網(wǎng)絡(luò)數(shù)據(jù)分析功能）的核心網(wǎng)網(wǎng)絡(luò)智能化架策略控制功能用戶/業(yè)務(wù)的按需體驗(yàn)，實(shí)現(xiàn)體驗(yàn)升格。2、智能網(wǎng)絡(luò)優(yōu)化AIAI圖1.3-2智能網(wǎng)絡(luò)優(yōu)化3、智能網(wǎng)絡(luò)節(jié)能AI（VoNRAI（如帶寬、RB），防止節(jié)能措施引發(fā)的資AIAI4、5G+AI

圖1.3-3智能網(wǎng)絡(luò)節(jié)能利用AIAINWDAF（網(wǎng)絡(luò)數(shù)據(jù)分析功能AI的安全預(yù)警和風(fēng)險(xiǎn)防護(hù)方案，保障用戶安全。5、基于客戶及特定場景的資源保障AIAIAI后章節(jié)會針對以上典型應(yīng)用場景，關(guān)鍵技術(shù)及價(jià)值進(jìn)行詳細(xì)闡述。發(fā)展規(guī)劃AIAIforNetworkNetworkforAIAIforNetworkAINetworkforAIAIAIAI20242026AIforNetworkAIAI5G+AI20252024AIAIAI20252025NetworkforAIAIAIAI此外,3GPPAIR18AI/MLAICSI5GAI無線網(wǎng)AI應(yīng)用AIAIAIAIOMC（OperationandMaintenanceAI圖2.1.1無線AI應(yīng)用技術(shù)架構(gòu)AI典型應(yīng)用場景：AIAI兩級BBU架構(gòu)：網(wǎng)絡(luò)智能化技術(shù)對基站算力提出了新的挑戰(zhàn)，需要基站為AI模型提供計(jì)算能力、存儲能力等。通過在基站內(nèi)部署新增算力，如新增智能融合板的方式，構(gòu)建兩級BBU部署架構(gòu)，為無線網(wǎng)絡(luò)AI應(yīng)用提供硬件能力。AI此類數(shù)據(jù)及能力與傳統(tǒng)的無線性能數(shù)據(jù)區(qū)別較大，屬于AI特有數(shù)據(jù)。基于OpenAPIAI基于業(yè)務(wù)的體驗(yàn)升級場景一、智能業(yè)務(wù)感知AI1、特征自動提?。荷疃葘W(xué)習(xí)能夠自動從原始數(shù)據(jù)中提取特征，而無需依賴型，系統(tǒng)可以從流量數(shù)據(jù)自動提取有效特征，提高感知的準(zhǔn)確性和效率。2AI入位置的關(guān)注點(diǎn)，實(shí)現(xiàn)對全局信息的綜合分析。3、遷移學(xué)習(xí)：遷移學(xué)習(xí)通過將預(yù)訓(xùn)練模型應(yīng)用于新的任務(wù)和數(shù)據(jù)集，可以AI少了對大規(guī)模標(biāo)注數(shù)據(jù)的依賴。4、在線監(jiān)督：在線學(xué)習(xí)系統(tǒng)通過實(shí)時(shí)反饋機(jī)制，對模型的分類效果進(jìn)行即續(xù)學(xué)習(xí)和改進(jìn)，逐步提高業(yè)務(wù)體驗(yàn)感知準(zhǔn)確性。圖2.1.2-1業(yè)務(wù)特征庫的學(xué)習(xí)架構(gòu)95%以上。圖2.1.2-2智能業(yè)務(wù)體驗(yàn)感知技術(shù)流程智能業(yè)務(wù)體驗(yàn)感知對于現(xiàn)代網(wǎng)絡(luò)管理具有重要價(jià)值，主要體現(xiàn)在以下幾個(gè)方面：12、保障網(wǎng)絡(luò)安全。通過業(yè)務(wù)體驗(yàn)感知，可以快速檢測異常流量和潛在的安穩(wěn)定性和可靠性。3、精細(xì)化業(yè)務(wù)和無線性能結(jié)合。智能業(yè)務(wù)體驗(yàn)感知為運(yùn)營商提供了更為詳發(fā)新業(yè)務(wù)、優(yōu)化現(xiàn)有服務(wù)和提高市場競爭力。二、智能業(yè)務(wù)保障5G技術(shù)的推廣和應(yīng)用，使得網(wǎng)絡(luò)不僅要滿足更大的數(shù)據(jù)傳輸需求，還要滿足不同行業(yè)和消費(fèi)者對于服務(wù)質(zhì)量（QoS）和服務(wù)可靠性（QoE）5GAI+KPIKQI監(jiān)控及優(yōu)化的智能解決方案，通過對網(wǎng)絡(luò)KPI/KQI用戶的業(yè)務(wù)體驗(yàn)感知。精準(zhǔn)業(yè)務(wù)保障方案通過預(yù)測技術(shù)和保障策略的結(jié)合，形成一套閉環(huán)體系：1、精準(zhǔn)業(yè)務(wù)保障預(yù)測技術(shù)智能服務(wù)層基于物理網(wǎng)絡(luò)層的算力資源和數(shù)據(jù)資源，進(jìn)行算力的建模和編排，最終將算力、數(shù)據(jù)和算法以服務(wù)的形式向場景應(yīng)用層開放。內(nèi)生智能的模型訓(xùn)練和推理。署。AIAI（AIasaservice,AIaaS）的形式向運(yùn)營商開放，賦能場景應(yīng)用AIAI2

圖2.1.2-3預(yù)測模型層級關(guān)系的保障速率從而實(shí)現(xiàn)對業(yè)務(wù)的精準(zhǔn)保障。為了確保無線網(wǎng)絡(luò)能夠提供優(yōu)質(zhì)的用戶體驗(yàn)，根據(jù)不同業(yè)務(wù)特點(diǎn)，需要提出一套評估用戶感知的體驗(yàn)指標(biāo)體系。業(yè)務(wù)速率。圖2.1.2-4精準(zhǔn)業(yè)務(wù)保障方案2.1.2-4AIAIAI調(diào)度優(yōu)先級和調(diào)度配置參數(shù)，提升保障用戶體驗(yàn)。智能網(wǎng)絡(luò)優(yōu)化場景一、智慧重保診斷1基于專家經(jīng)驗(yàn)固化的預(yù)案，效果不存在不確定性，費(fèi)時(shí)費(fèi)力。2TOP4560降低問題影響的訴求。AIAI合診斷技術(shù)準(zhǔn)實(shí)時(shí)定界定因，以及方案智能生成：圖2.1.3-1智慧重保調(diào)節(jié)業(yè)務(wù)架構(gòu)1、大話務(wù)風(fēng)險(xiǎn)仿真預(yù)測技術(shù)：基于現(xiàn)網(wǎng)數(shù)據(jù)、歷史數(shù)據(jù)和實(shí)驗(yàn)室數(shù)據(jù)相結(jié)特征、話務(wù)變化特征。提取業(yè)務(wù)模型、時(shí)序變化、指標(biāo)預(yù)測等共性特征。圖2.1.3-2“基礎(chǔ)+增量”分層框架2KPIKPIKPIKPI圖2.1.3-3網(wǎng)絡(luò)異常的診斷結(jié)果智慧重保診斷可以精準(zhǔn)預(yù)測網(wǎng)絡(luò)風(fēng)險(xiǎn)和敏捷診斷故障，具有極高的應(yīng)用價(jià)值：面向保障前，絡(luò)潛在問題，實(shí)現(xiàn)網(wǎng)絡(luò)加固。面向保障中，1故障，5二、深度譜效提升XR10E2E從無線網(wǎng)絡(luò)的頻譜來看，頻段越來越多，頻段之間的差異也越來越大，從Sub-1GAI1、多頻場景的智能化協(xié)同技術(shù)圖2.1.3-4智能化虛擬柵格RSRP體驗(yàn)需求的同時(shí)，使得網(wǎng)絡(luò)的整體譜效、能效最大化。2、多波束場景智能化協(xié)同技術(shù)MIMO3~510MIMOMIMOMIMO終端分布、業(yè)務(wù)特征、鏈路質(zhì)量、干擾相關(guān)性等。MU力也有較高的要求?；谟布芰Φ臏?zhǔn)備度，MU圖2.1.3-5多用戶MIMO調(diào)度尋優(yōu)利用多頻、多波束、多站場景的AI協(xié)同技術(shù)，有以下價(jià)值：優(yōu)體驗(yàn)。MIMO35三、智能空分配對MU-MIMO（Multi-UserMultiple-InputMultiple-Output）用空間資源，將多個(gè)終端的數(shù)據(jù)在相同頻段收發(fā)，提升小區(qū)流量。MU-MIMOMU-MIMOMU-MIMOMCSAIMU-MIMO的空分用戶傾斜。MU功能啟動用戶空間特征用戶間干擾度量MU模型初始化流間干擾折算用戶圖像采集預(yù)處理MU跟蹤折算模型訓(xùn)練及修正模型推理模型訓(xùn)練模塊 模型推理模塊圖2.1.3-6智能MU-MIMO模型MCS（ModulationandCodingScheme，調(diào)制與編碼策略）MU-MIMOMCSCQI(ChannelQualityIndicationRI（rankindication，秩指示），空分配對的干擾度量信息，基于信道特AIMUMCSMCSMU-MIMOMCSMCS達(dá)到最佳頻譜效率。四、移動性AI增強(qiáng)在現(xiàn)代移動通信網(wǎng)絡(luò)中，多頻協(xié)同部署日益普及，通常情況下，為了保證最優(yōu)的性能與體驗(yàn)，終端會在不同的頻率之間進(jìn)行切換，以獲得最佳的駐留頻率。延長；終端吞吐量的下降,也可能導(dǎo)致切換過晚，最終引起掉話。AI蓋，并結(jié)合源/AI戶的最佳體驗(yàn)。AI/MLAI覆蓋場景下的駐留時(shí)長。圖2.1.3-7頻率覆蓋預(yù)測AIAI式相比，實(shí)驗(yàn)測試數(shù)據(jù)顯示切換所需時(shí)間縮短60%，提升用戶的下行速率。五、極致告警壓縮5G、物聯(lián)網(wǎng)等新興技術(shù)驅(qū)動下，海量數(shù)據(jù)對突發(fā)、重大事件的高度敏感性，是技術(shù)落地的關(guān)鍵難題。AI利用時(shí)空數(shù)據(jù)分析方法揭示告警的時(shí)空分布特征、傳播規(guī)律及潛在的區(qū)域性故圖2.1.3-8基于AI故障模式挖掘與故障識別AI六、小區(qū)性能監(jiān)控小區(qū)性能監(jiān)控是保障用戶體驗(yàn)、優(yōu)化網(wǎng)絡(luò)布局和提高運(yùn)營效率的關(guān)鍵環(huán)節(jié)。導(dǎo)致關(guān)鍵信息的遺漏，從而無法精準(zhǔn)有效地實(shí)現(xiàn)網(wǎng)絡(luò)的管理和調(diào)整。AIAI顯著成果：1、日常網(wǎng)絡(luò)優(yōu)化AI置等進(jìn)行精細(xì)化調(diào)整，從而顯著提升網(wǎng)絡(luò)的整體性能。90%以上的的時(shí)間。2、網(wǎng)絡(luò)故障的迅速定位與快速排障異常檢測算法能夠?qū)崟r(shí)監(jiān)控并分析海量網(wǎng)絡(luò)數(shù)據(jù)，一旦發(fā)現(xiàn)異常指標(biāo)或潛在故AI50%以上的定位時(shí)間。3、重大節(jié)日、會議、賽事保障確保了網(wǎng)絡(luò)在關(guān)鍵時(shí)期的穩(wěn)定性和安全性。AI在小區(qū)性能監(jiān)控中的關(guān)鍵技術(shù)主要可以分為以下幾個(gè)方面：1、通過自動采集網(wǎng)絡(luò)中的小區(qū)性能監(jiān)控?cái)?shù)據(jù)，為后續(xù)的分析和優(yōu)化提供基AIAI潛在問題。3、AI控?cái)?shù)據(jù)的分析，結(jié)合其它數(shù)據(jù)源，AIAIAI為用戶帶來更加優(yōu)質(zhì)、高效的通信體驗(yàn)。七、干擾識別定位良影響的干擾類別，難以通過人工分析檢測出來。AIAI分析效率得到了大幅提升。干擾智能分析的關(guān)鍵技術(shù)包括兩個(gè)部分：離線訓(xùn)練模塊和在線應(yīng)用模塊。AI最近鄰分類算法1、按相同干擾源對小區(qū)進(jìn)行分組，結(jié)合小區(qū)位置特征使用三點(diǎn)定位法初步形成對干擾源的定位。2、使用改進(jìn)的最大連通子圖法來改善干擾聚類。按位置形成相同干擾源的小區(qū)列表。3（站定位或多站定位）鎖定干擾源。圖2.1.3-9智能干擾類型識別及干擾源定位流程圖5G網(wǎng)絡(luò)智能干擾分析和定位的功能價(jià)值主要在于：及時(shí)、準(zhǔn)確和全面的干擾識別為提升網(wǎng)絡(luò)性能和用戶體驗(yàn)提供了幫助；（區(qū)分內(nèi)部干擾和外部干擾和定位的效率；站/多站定位等方法，較為準(zhǔn)確地完成干擾源定位。最終以地理拓?fù)浜蛨D形化方式直觀展示干擾位置，大大節(jié)約了干擾定位工作的人力成本。智能網(wǎng)絡(luò)節(jié)能場景7%AIKPI基站能源互聯(lián)，它是通過數(shù)字化技術(shù)實(shí)現(xiàn)基站能源生產(chǎn)、傳輸、儲存和消費(fèi)之間的高效連接和協(xié)同運(yùn)行的系統(tǒng)。該系統(tǒng)通過采用物聯(lián)網(wǎng)、大數(shù)據(jù)、AI等技AI/ML的高效利用?；灸茉椿ヂ?lián)通過匹配無線設(shè)備的網(wǎng)管和MRAI/ML24智能化節(jié)能。RLCPRBRRC46（GradientBoostingAlgorithm，GBA），預(yù)測網(wǎng)絡(luò)指標(biāo)趨勢。該算法可以使用歷史目標(biāo)值和時(shí)間戳數(shù)據(jù)擬合模型，也可以將可能影響目標(biāo)值的外部數(shù)據(jù)（變量）包括在（變量（或其他與能耗相關(guān)的外部因素。期間的零投訴。圖2.1.4-1傳統(tǒng)節(jié)能VS.AI/ML節(jié)能增強(qiáng)AI5%左右能夠進(jìn)入節(jié)能的基37%因定時(shí)關(guān)閉站點(diǎn)造成的用戶業(yè)務(wù)感知下降：1、根據(jù)網(wǎng)絡(luò)的運(yùn)行特征及各種應(yīng)用場景，調(diào)整主設(shè)備的運(yùn)行狀態(tài)，在對用戶體驗(yàn)無感知的前提下，最大程度調(diào)節(jié)主設(shè)備功耗，降低閑時(shí)的能耗。2BBUAIBBU、跨系統(tǒng)的協(xié)同節(jié)能。AI應(yīng)用AI核心網(wǎng)作為業(yè)務(wù)連接中心，是業(yè)務(wù)使能的關(guān)鍵。為推進(jìn)核心網(wǎng)智能化演進(jìn)，3GPP網(wǎng)絡(luò)數(shù)據(jù)分析功能3GPP，NWDAF為智能業(yè)務(wù)體驗(yàn)感知與保障提供了新思路。圖2.2.1-1核心網(wǎng)AI應(yīng)用技術(shù)架構(gòu)核心網(wǎng)AI應(yīng)用技術(shù)架構(gòu)包括三個(gè)方面：1QoSAI。2、智能聯(lián)合控制與決策：AIAIAI略智能推薦。3KPI/KQI網(wǎng)絡(luò)負(fù)載狀態(tài)（）、用戶移動數(shù)據(jù)，基于網(wǎng)絡(luò)的能力開放架構(gòu)，基于業(yè)務(wù)的體驗(yàn)升級場景一、業(yè)務(wù)感知5G5G4K/8K云游戲、云手機(jī)、XRNWDAFUPF（NWDAF）NWDAF（獨(dú)立運(yùn)營支撐系統(tǒng)的“AI+”能力升級和相互協(xié)同，實(shí)現(xiàn)面向指定用戶/業(yè)務(wù)/實(shí)時(shí)、定制化、智能業(yè)務(wù)感知分析及反饋，這表現(xiàn)在：1、業(yè)務(wù)智能感知：DPIUPFUPF務(wù)形態(tài)關(guān)鍵信息，為每類/略提供重要信息。2、用戶的業(yè)務(wù)體驗(yàn)感知及反饋：傳統(tǒng)網(wǎng)絡(luò)下發(fā)或執(zhí)行體驗(yàn)保障策略后，因UPF-NWDAF-NWDAFUPF二、體驗(yàn)升級5G網(wǎng)絡(luò)資源，無法實(shí)現(xiàn)客戶的極致體驗(yàn)需求。NWDAFAI實(shí)現(xiàn)面向特定用戶、特定業(yè)務(wù)、特定場景的定制化業(yè)務(wù)體驗(yàn)升級?；贜WDAF的體驗(yàn)升級關(guān)鍵技術(shù)包括：1、定制化數(shù)據(jù)采集：根據(jù)簽約要求，定制化實(shí)時(shí)采集指定用戶/業(yè)務(wù)/位置區(qū)域/接入類型的體驗(yàn)數(shù)據(jù)、定制化采集業(yè)務(wù)開通區(qū)域的網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)，實(shí)現(xiàn)面向業(yè)務(wù)體驗(yàn)保障相關(guān)數(shù)據(jù)的精準(zhǔn)實(shí)時(shí)感知、分析、預(yù)判。2（體驗(yàn)不好PCF按需分配。3、智能控制閉環(huán)：NWDAFPCF，PCF中心，進(jìn)一步?jīng)Q策生成策略控制規(guī)則，建立專載保障。NWDAFAI自優(yōu)化，可有效提升特定用戶/業(yè)務(wù)的按需體驗(yàn)，實(shí)現(xiàn)體驗(yàn)升格。圖2.2.2-1核心網(wǎng)智能控制面、用戶體驗(yàn)可保障、感知升格示例5G+AI一、個(gè)性服務(wù)推薦5GAI解決這些問題的關(guān)鍵。在個(gè)性服務(wù)推薦場景中，網(wǎng)絡(luò)實(shí)時(shí)獲取用戶的位置信息、業(yè)務(wù)流量等數(shù)據(jù),NWDAFAI用戶，網(wǎng)絡(luò)可以優(yōu)先分配帶寬資源，確保其觀看體驗(yàn)的流暢性。精準(zhǔn)度和用戶滿意度。效率；通過個(gè)性化服務(wù)，提高用戶對網(wǎng)絡(luò)服務(wù)的依賴和滿意度。二、用戶行為預(yù)測5GAI安全。NWDAFAI這些異常行為。AINWDAFPRBAI通過對用戶投訴和反饋數(shù)據(jù)的分析，AI用戶行為預(yù)測的優(yōu)勢在于通過對網(wǎng)絡(luò)資源的精準(zhǔn)配置，提升網(wǎng)絡(luò)運(yùn)營效率，此外，通過行為預(yù)測識別潛在的安全風(fēng)險(xiǎn)，提前采取措施，保障網(wǎng)絡(luò)安全。圖2.2.3-25G+AI用戶畫像場景示例基于客戶及特定場景的資源保障場景一、固定場景保障在高鐵、景區(qū)等固定場景下，當(dāng)前網(wǎng)絡(luò)面臨的主要問題包括用戶流量集中、AIAIAI，AI運(yùn)營商可以提前做好網(wǎng)絡(luò)資源的準(zhǔn)備和調(diào)整，避免突發(fā)流量高峰導(dǎo)致的網(wǎng)絡(luò)擁堵。AIAIAI景區(qū)，當(dāng)某個(gè)區(qū)域游客突然增多導(dǎo)致網(wǎng)絡(luò)擁堵時(shí)，AI5GAI營商帶來更高的商業(yè)價(jià)值。二、靈活場景保障AIAIAI大型體育賽事或演唱會期間，AIAIAIAIAI期間，當(dāng)比賽進(jìn)入高潮時(shí)，觀眾的網(wǎng)絡(luò)使用量會急劇增加，AI下的網(wǎng)絡(luò)服務(wù)質(zhì)量。資源浪費(fèi)。服務(wù)的可靠性。5GAI20245G-A已經(jīng)從愿景走向現(xiàn)實(shí)，商用元年正式開啟。面向未來，標(biāo)準(zhǔn)5G-A5G-A3DXR、通感一體、低空通信、高精3GPPAIAIAI5G-AAIAIAIAIAIAIAI協(xié)同實(shí)現(xiàn)網(wǎng)絡(luò)問題的端到端解決。無線網(wǎng)絡(luò)AI技術(shù)演進(jìn)一、無線新技術(shù)智能化演進(jìn)5G-AAI5G-A5G-A量虛警產(chǎn)生。圖3.1-1通感一體識別示意圖AIAI（牌等），提升檢測率；通過微多普勒特征提取+AI2、意圖驅(qū)動的節(jié)能技術(shù)AI略。圖3.1-2意圖驅(qū)動的節(jié)能示意圖AI力凈零碳目標(biāo)達(dá)成。AI演進(jìn)一、網(wǎng)元平臺化能力構(gòu)建AI智能、靈活的平臺，以支撐智能化技術(shù)與網(wǎng)絡(luò)的深度融合和在網(wǎng)絡(luò)的高效應(yīng)用。AIAIAIAIAIAI為解決上述問題，需實(shí)現(xiàn)核心網(wǎng)智能網(wǎng)元平臺化三項(xiàng)能力構(gòu)建。1AIAIAIAI低管理運(yùn)營成本；2AI針對性開發(fā)多套代碼并進(jìn)行多次集成、測試、優(yōu)化工作；3、從通用算力到異構(gòu)智能算力：通過平臺化設(shè)計(jì)，打破當(dāng)前核心網(wǎng)算力以CPUAI二、智能控制面數(shù)字孿生中，數(shù)字孿生技術(shù)可通過網(wǎng)絡(luò)仿真模擬促進(jìn)網(wǎng)絡(luò)服務(wù)的持續(xù)優(yōu)化，例如：1、面向業(yè)務(wù)體驗(yàn)的數(shù)字孿生應(yīng)用：NWDAFAIQoS網(wǎng)絡(luò)操作，循環(huán)迭代測試和評估，不斷優(yōu)化策略。2、面向信令風(fēng)暴的數(shù)字孿生應(yīng)用：信令風(fēng)暴是網(wǎng)絡(luò)故障或重大事件中短時(shí)間內(nèi)大量信令請求導(dǎo)致的過載問題。數(shù)字孿生-信令風(fēng)暴仿真架構(gòu)通過構(gòu)建網(wǎng)絡(luò)DC加流控閾值調(diào)整操作的準(zhǔn)確性。和用戶體驗(yàn)。AI技術(shù)演進(jìn)3GPPR18AI狀態(tài)信息（ChannelStateInformation，CSI）AIAIAI1、終端信道信息反饋增強(qiáng)MIMO/提升系統(tǒng)吞吐量，MIMO的功率選擇取決于信道狀態(tài)信息（ChannelStateInformation，CSI）的反饋。與時(shí)分雙工（TimeDivisionDuplex，TDD）系統(tǒng)不同，頻分雙工（FrequencyDivisionDuplex，F(xiàn)DD）系統(tǒng)不具備上/下行信道CSICSIAI/ML（Transformer,Resnet,CNNCSICSICSI圖3.3-1基于AI的CSI壓縮推理過程示例2、終端波束預(yù)測及管理MIMO為了獲得性能增益，如何選擇和映射最佳的窄波束是波束管理（BeamManagement，BM）過程中最關(guān)鍵的挑戰(zhàn)之一。3GPPR18AI/MLAI/ML量結(jié)果，推斷出一組下行波束中的最佳波束。時(shí)域下行波束預(yù)測技術(shù)通過利用AI/ML3

圖3.3-2波束管理的推理過程示例/無信號//無信號/保障視頻流暢度,讓用戶有更好的觀賞體驗(yàn)。AI區(qū)域的時(shí)間，終端提前做出應(yīng)對策略，以提升應(yīng)用在弱網(wǎng)下的業(yè)務(wù)體驗(yàn)。圖3.3-3終端基于AI的弱信號預(yù)測示意圖4、終端RRM及移動性管理增強(qiáng)3GPPR19NRAI/MLAI/MLL3AI/MLRRMUE/區(qū)，以實(shí)現(xiàn)對移動性的支持，從而減少參考信號（RS）UEUERRM（頻率/小區(qū)幫助確定哪些測量目標(biāo)（頻率/小區(qū)）更為重要，從而優(yōu)先分配資源，減少高優(yōu)先級目標(biāo)的測量延遲和保證其測量的要求。圖3.3-4終端基于AI的RRM測量增強(qiáng)總結(jié)與展望5GAI5G5G5GAIAI20245G+AIAI率。5GAI5G+AI縮略語列表縮略語英文全名中文解釋3GPP3rdGenerationPartnershipProject第三代合作伙伴計(jì)劃GTIGlobalTD-LTEInitiativeTD-LTE全球發(fā)展倡議ETSIEuropeanTelecommunicationsStandardsInstitute歐洲電信標(biāo)準(zhǔn)化協(xié)會TMFTeleManagementForum電信管理論壇CCSAChinaCommunicationsStandardsAssociation中國通信標(biāo)準(zhǔn)KPIKeyPerformanceIndicator關(guān)鍵性能指標(biāo)MIMOMultiple-inputmultiple-output多入多出技術(shù)AIArtificialIntelligence人工智能ANAutonomousNetwork自智網(wǎng)絡(luò)QoSqualityofservice服務(wù)質(zhì)量QoEqualityofexperience客戶感知體驗(yàn)XRextendedreality擴(kuò)展現(xiàn)實(shí)eMBBenhancedMobileBroadband增強(qiáng)移動寬帶SLAServiceLevelAgreement服務(wù)水平協(xié)議OPEXoperationalexpenditure運(yùn)營支出SDLsupplementarydownlink輔助下行SULsupplementaryuplink輔助上行RSRPreferencesignalreceivedpower參考信號接收功率MCSmodulationandcodingscheme調(diào)制和編碼方案eMBBenhancedMobileBroadband增強(qiáng)移動寬帶MU-MIMOMulti-UserMultiple-Input-Multiple-Output多用戶多入多出技術(shù)AI/MLArtificialIntelligence/MachineLearning人工智能/機(jī)器學(xué)習(xí)OSS/MROperationsupportsystem/MeasurementReport網(wǎng)管/測量報(bào)告ERABEvolvedRadioAccessBearer用戶面的承載RLCRadioLinkControl無線鏈路層控制協(xié)議PRBPhysicalResourceBlock物理資源塊RRCRadioResourceControl無線資源控制層BBUBaseBandUnit基帶處理單元PRBPhysicalResourceBlock物理資源塊MRMeasurementReport測量報(bào)告KNNKNearestNeighborsK-近鄰ResnetResidualNetwork殘差網(wǎng)絡(luò)KmeansK-meansK均值聚類參考文獻(xiàn)Vaswani,A.,Shazeer,N.,Parmar,N.,Uszkoreit,J.,Jones,L.,Gomez,A.N.,Kaiser,&Polosukhin,I.(2017).Attentionisallyouneed.AdvancesinNeuralInformationProcessingSystems,30.preprintarXiv:2212.01020.3GPPTR28.810:“Studyonconcept,requirementsandsolutionslevelsofautonomousnetwork”.3GPPTS28.100:“Managementandorchestration;Levelsofautonomousnetwork”.3GPPTR28.812:“Telecommunicationmanagement;StudyonscenariosforIntentdrivenmanagementservicesformobilenetworks”.3GPPTS28.312:“Intentdrivenmanagementservicesfornetworks”.3GPPTS28.535:“Managementandorchestration;Managementforcommunicationserviceassurance;Requirements”.3GPPTS28.536:“Managementandorchestration;Managementforcommunicationserviceassurance;Stage2andstage3”.3GPPTR28.809:“StudyonenhancementofManagementDataAnalytics(MDA)”.3GPPTS28.313:“Self-OrganizingNetworks(SON)for5G3GPPTR28.861:“StudyontheSelf-OrganizingNetworks(SON)5Gnetworks”.3GPP TR 37.816: “Study on RAN-centric data collection utilizationforLTEandNR”.3GPPTS23.288:“Architectureenhancementsfor5GSystemtosupportnetw