通信与人工智能融合：基本结构与关键技术

2023-06-26 理论教育版权反馈

【摘要】：图12.26给出了一种结构，可以在信息通信网络的不同层面中引入人工智能，以支持网络的重构能力。图12.26通信与人工智能协同融合网络示意图基础设施层基础设施层功能主要包括非虚拟化的基础设置、云基础设施硬件等，其计算力需求较低、数据量较小、实时性较高；AI技术可以帮助改进网络设备的配置和操作、光学性能监视、调制格式识别、光纤非线性缓解和传输质量估计等。

图12.26给出了一种结构，可以在信息通信网络的不同层面中引入人工智能，以支持网络的重构能力。网络从下至上可以分为基础设施层、运营及编排层、网络业务及控制层，在不同层级均可以引入适宜的AI能力。

pagenumber_ebook=441,pagenumber_book=428

图12.26　通信与人工智能协同融合网络示意图

（1）基础设施层

基础设施层功能主要包括非虚拟化的基础设置、云基础设施硬件等，其计算力需求较低、数据量较小、实时性较高；AI技术可以帮助改进网络设备的配置和操作、光学性能监视、调制格式识别、光纤非线性缓解和传输质量（Qo T）估计等。例如，在发射器和激光器的优化中使用AI技术时，结合期望最大化（EM）的贝叶斯滤波框架，可准确表征激光幅度和相位噪声；在放大器中使用AI技术时，利用多层感知器神经网络自主调整EDFA 级联放大器工作点，可通过最小化传输系统的噪声系数和频率响应的纹波来优化链路的性能；在性能监控中使用AI技术时，可监控分析预测变链路性能参数（光信噪比、非线性因子、色散等）。

（2）网络及业务控制层

网络及业务层功能主要包括多维度的融合智能统一管控。通过搜集当前的网络状态和历史数据，结合AI进行预测和估计，能够为网络规划和网络资源的动态管控提供自动化操作和智能决策的机会。上述智能化的操作和决策可以包括连接建立、自我配置、网络自我优化以及网络安全等问题。

（3）运营及编排层

运营及编排层主要包括业务和资源的设计、调度及管理，如全局业务编排、全局资源编排、运营支撑相关的组件等，同时也包括专用的数据集中管理平台，如大数据系统，负责数据统一采集、统一存储、数据智能挖掘分析等。对于该层面的AI使能策略，可以考虑部署融合的大数据和人工智能平台产品。例如，在大数据系统引入AI引擎，对运营支撑系统和业务支撑系统的数据做更深度、智能化的挖掘，指导运维和运营，实现设备层面、网络层面、业务层面、用户终端层面、运营层面及异厂家跨制式的全方位数据感知与分析，最终提升运营智能化。

人工智能技术具有自适应以及基于“训练”完成后模型可快速求解的优势，由于通信网络环境复杂，网络元素繁多等因素，人工智能技术应用于通信网络仍存在一些挑战。例如，由于网络环境复杂性，人工智能算法需要大量数据进行“训练”，以此保证模型的准确性；通信网中业务复杂多样，网络资源呈现高动态性，而人工智能算法获取数据不足，且泛化迁移能力有待提高。另外，网络环境复杂，数据繁多，数据类型的选取对于人工智能算法的“训练”也尤为重要。网络元素繁多，网络中存在大量元素，如节点、物理拓扑、逻辑拓扑等，如何将这些网络元素进行抽象为数据类型输入人工智能算法也是目前通信网络智能化的关键问题。

通信与人工智能融合：基本结构与关键技术

相关推荐