移动无线技术的发展，从3G、4G到5G，以及工业4.0的引入，导致无线系统设计的复杂性不断增加。无线网络也变得更加难以管理，因为需要将有价值的资源最佳地共享给不断扩大的用户群体，这些挑战迫使工程师超越传统的基于规则的方法，许多人转向人工智能(AI)作为解决方案，以应对现代系统带来的挑战。
从管理自动驾驶车辆之间的通信，到优化移动通话中的资源分配，人工智能为现代无线应用带来了必要的复杂性。随着连接到网络的设备数量和范围的扩大，人工智能在无线领域的作用也将扩大，工程师们必须准备好将它引入日益复杂的系统中。了解人工智能在无线系统中的好处和当前应用，以及优化实现所需的最佳实践，将是该技术未来成功的关键。
无线人工智能的主要好处
向5G的过渡给移动宽带网络带来了速度和质量的优化，以及对工业4.0设备之间的时间敏感连接的超可靠的低速率和大规模机器式通信的需求——这是现代网络中的三个不同的用例，推动了工程师采用AI的竞争力量。
随着设备对网络资源的竞争，以及无线系统的用户和应用程序的数量一直在增加，曾经被基于人类的规则所理解的线性设计模式已经不再足够。然而，人工智能技术可以更好地解决非线性问题，通过自动和有效地提取任何模式，超越了基于人类的方法的能力。
这里的人工智能指的是那些用于识别连接设备和人的通信渠道模式的机器学习和深度学习系统，这些系统然后优化给该链接的资源，以提高性能。简单地说，为这些不同的用例运行一个网络而不利用AI方法几乎是不可能的任务。
除了带来复杂性和优化，人工智能还带来了项目管理方面的好处。通过估计源环境的行为，将模拟环境合并到算法模型中，可以使工程师使用最小的计算资源快速研究系统的主导效应，这就留下了更多的时间来探索设计并更快地执行更多的迭代，减少了成本和开发时间。
AI for Wireless 工作流程：数据生成、AI 训练、验证和测试以及硬件上的部署
人工智能在无线系统应用的最佳实践
数据的大小和质量对于有效部署AI模型至关重要，因为它们的有效性取决于训练所用的数据。为了处理一系列现实场景，这些模型需要使用广泛的数据进行训练。通过基于原语合成新数据或从空中信号中提取新数据，MathWorks的5G Toolbox等应用程序为5G网络设计师提供了必要的数据可变性，以强健地训练AI。如果不能探索一个大的训练数据集，并基于该数据迭代不同的算法，可能会导致狭隘的局部优化，而不是全面的全局优化。
在该领域测试AI模型的稳健方法对成功同样至关重要。测试AI技术所需的信号的可变性是一个问题，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产生不利影响，如果没有现场迭代，单个案例的参数就不能用于优化特定位置的AI，从而对呼叫性能产生负面影响。
无线世界的人工智能——主要应用领域
电信和汽车等领域的数字转型需要使用人工智能，这也是人工智能应用的主要驱动因素。当智能城市、电信网络和自动驾驶汽车(AV)等应用连接起来时，在曾经以机械为导向的领域放置电子通信将产生大量数据，当他们这样做的时候，连接他们的网络的资源变得很紧张。
在电信领域，人工智能部署在物理层(PHY)和物理层以上。为了提高连接两个用户的线路的性能，人工智能的应用被称为在PHY操作。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，以及在调用过程中自动调整收发器参数，也称为自动编码器设计。
信道优化是增强两个设备之间的连接，特别是网络基础设施和用户设备。通常，这意味着通过指纹识别和信道状态信息压缩等技术，使用人工智能克服局部环境中的信号变异性。
利用指纹技术，人工智能可以通过将室内环境中由个人进入引起的传播模式的中断映射到室内环境中，来优化无线网络的定位和定位。然后，AI根据这些个性化的5G信号变化来估计用户的位置。同时，信道状态信息压缩是利用AI将用户设备的反馈数据压缩到基站，确保告知基站试图提高呼叫性能的反馈循环不会超过可用带宽，从而导致掉线。
以上PHY主要用于网络管理和资源分配，诸如调度、波束管理和频谱分配等应用程序是为网络的竞争用户和用例管理和优化核心系统资源的功能。随着网络上用户和用例数量的增加，网络设计者已经转向人工智能技术，以实时响应分配需求。
在汽车行业，使用人工智能进行无线连接使安全的自动驾驶成为可能。自动驾驶汽车(AV)依赖多种来源的数据，包括激光雷达、雷达和无线传感器，以解释其所处的环境。自动驾驶汽车中的硬件必须处理来自这些相互竞争的数据源的数据。人工智能实现了传感器融合，融合竞争信号，使车辆的软件能够理解其位置，并确定如何与环境交互。
无线人工智能的未来
随着无线技术用例的扩展，在这些系统中实现AI的需求也在增加。如果没有它，5G、自动驾驶汽车和物联网应用等系统将不具备有效运行所需的复杂性。虽然人工智能在工程，特别是无线系统设计中的地位近年来一直在上升，但可以预期，随着用例和网络用户数量的增长，人工智能的地位将持续上升——而且速度会更快。
