AI频谱争夺战,对5G意味着什么?

作者: 脑极体 2019-10-30 14:41:30

用AI来治理交通拥堵,在轰轰烈烈的城市智能化改造大潮的席卷下,大家想必或多或少都听说过。那么,利用AI来管理隐形的数据高速公路呢?

没错,指的就是同样火热的5G建设。

AI频谱争夺战,对5G意味着什么?

今天,大部分读者可能都已经了解了频谱之于5G的重要性,而频谱的获得方式也比较直接,要么是竞价拍卖,要么是国家分配发放牌照。如今,各国频谱资源的“抢地盘”竞争早就已经告一段落,而运营商们面对高昂的建设成本,当务之急自然就是怎样提高频谱的利用率了。

其中,频谱共享(spectrum sharing),就被看做是终结频谱稀缺这一局面的关键方式。但在时间的过程中,却存在着许多无法忽视的难题。而AI又将如何影响5G照进现实的脚步呢?

频谱共享究竟难在哪里?

首先需要搞清楚的是,到底什么是频谱共享。

简单来说,就是让不同制式的网络可以根据自身的业务状况,释放一部分频谱资源,和其他网络共同使用。举个例子,在5G初期,如果要从4G原有频谱中分割出来一部分给5G使用,那么就会直接造成4G的可用频谱减少,同时5G终端又没有那么多,分配过去的频谱大概率也是浪费的。

那么,实现高中低频段的频谱共享,让原来“仅限4G”、“仅限5G”的通道上可以数据自由传输,同时又不会相互干扰,就像超跑与普通汽车可以共同在一条道路上穿梭一样,这样的网络融合的局面岂不是能更有效地缓解频谱的供需矛盾。

实际上,早在2017年3GPP加速5G标准的同时,也引入了5G NR频谱共享研究,将频谱共享作为5G标准中的组成部分。但时至今日,频谱共享一直未能被大范围推广。

并不是运营商们不给力,而是造成其应用困难的核心原因,至今仍有待产业去一一解开:

首先是技术上的挑战。频谱共享意味着要让两种无线通讯网络共享统一频段,但信道之间很容易产生相互干扰的兼容问题。

比如4G是宽带系统,信道配置相对粗放,而5G也是宽带系统,同样存在各类物理信道,想要防止两种制式之间物理信道发生干扰,就需要提出非常精确的“交通规则”,才能避免“撞车”。

同时,共存的网络制式越来越多,也进一步加大了共享难度。除了已经存在的2G/3G/4G/5G等之外,卫星互联网、军用系统等也在扩容。

早在2015年,美国联邦通信传播委员会(FCC)就将带宽为150MHz的市民宽带无线电服务(CBRS)频段释放了出来,允许其他用户使用,以缓解频谱资源稀缺而日益拥塞的压力。但2G/3G等网络减频退网并非一朝一夕能够完成的事。在这期间,如何让5G建设与频谱供求相协调,成为运营商生存下去的必要条件。

AI这支“特效药”向5G投掷了什么?

在5G走完了一系列基础准备工作之后,是时候来到产业链的中间层,真实思考一下如何提升运营效率,进而达成用户体验与商业效益的双保险了。

在我们看来,一个能够统筹合理的AI算法,或许是支撑5G网络与现实世界最关键的存在。至少在频谱共享中,AI能够起到三个关键作用:

一是精确认知。管理频谱池使用状况的前提,是对所有节点的情况了如指掌,即使在较弱的环境中,也能够确保在对其他无线电波没有射频干扰的情况下实现成功共享。过去,探测电磁频谱中的能量波动,只能依靠自动探测器来识别,但这些探测器往往缺乏足够的鉴别能力,混淆或忽略雷达等重要信号时有发生。而AI恰恰能够提升检测器的识别准确率。

前不久,美国国家标准与技术研究所(NIST)就训练出了八种深度学习算法,可识别近15000个60秒长的雷达信号频谱图。

二是智能调度。多制式共存的局面,也正在让网络流量的热点峰值变化变得更加难以预测,智能算法能够根据实际流量需求,在4G和5G之间对系统容量进行重新调整,从而让混合组网的5G解决方案所有的设备能够时时保持在最佳性能。

比如华为的CloudAIR解决方案,爱立信的频谱共享软件,就是采用了智能调度算法,实现了4G和5G可以在同一个载波频率上同时运行、按需分配的可行性。

三是高效部署。5G运营商最终竞争还是落点在业务创新上,然而不同类型的业务对于网络指标的要求千差万别,海量物联的逐步入网也对运营商的承载能力提出了更高的要求。要支撑多样化的业务需求和快捷的应用开发,同时还要尽快获取用户回笼投资收益,借助AI的高效部署能力快速发放应用,率先帮助用户获得5G最佳体验,就变得至关重要了。

总而言之,在这场5G频谱的争夺战中,利用AI实现精细化管理,这个命题正等待着顶层设计、运营商、基础设施供应商、开发者等一系列从业者通力合作去构筑的。

未来的产业机遇会在何方?

想要给承载着数十亿网民的通讯系统做个改良手术,并不简单。不过,难题也意味着机遇。

谁能在这场频谱共享的技术夺旗赛中率先拔得头筹,显然将以“送水人”的角色率先挖掘出5G革命的第一批金矿。

目前看来,机会更容易出现的领域,一个是云网络基础设施。

由于不同运营商的业务需求在时间、空间和频率上都并不一致,这就需要在多个运营商频谱之间建立共享接口来交互信息,对频谱共享规则进行协商,但出于竞争关系,运营商之间不会也不愿意交互较为细节的敏感信息,那么基于模糊信息如何调控频谱资源呢?今天我们知道,许多AI功能都已经被整合到了云端,核心网上云能够对运营商空口资源实现多维融合,也就成了大势所趋。

另一个则是跨终端的广义物联网。

众所周知,工业互联网、车联网等的智能化改造中,需要多元网络系统与多终端建立稳定的联系,可以说是5G应用的前哨,更是频谱共享的试验田。目前政策上已经在规划划分一些新的频段来支持其发展,同时,在确保不产生无线电干扰的前提下,三家运营商也正在利用现有网络开展NB-IoT(窄带物联网)试验。未来宽带系统频率共享和管理方法,或许将率先在这一领域诞生,行业自身也有机会最先品尝到5G甘甜。

频谱之战,或许还将延伸到更为遥远的6G建设中。而频谱共享从技术蓝图真正抵达现实,AI产业端的支撑必不可少。而我们也是在城市智能升级一步一步的轨迹中,逐渐看清方向。

人工智能 5G 频谱
上一篇:一条曲线看懂 5G、自动驾驶、AI 都到了什么阶段 下一篇:小学生戴上“金箍”:脑机接口头环,实时监测上课走神,自动报送老师家长
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

欺诈不可怕,机器学习算法分分钟拿下! 精选

根据一项调查,采用基于AI的解决方案的防欺诈专家中有80%认为AI对打击欺诈者有效。但是,仍然存在的问题是弄清楚哪种机器学习算法可以有效地检测未知的欺诈模式。监督学习和无监督学习算法哪一个更有效?

读芯术 ·  2天前
助力抗疫,人工智能和大数据将全面爆发? 精选

新型冠状病毒肺炎疫情的爆发和传播,牵动着全国人民的心。社会各界纷纷投入到这场没有硝烟的疫情阻击战中。

中国经营报 ·  3天前
人工智能和区块链如何在2020年彻底改变移动应用产业?

2020年也不例外。移动应用行业将以明显的方式增长。人们需要了解人工智能行业将发生什么变化,以及企业在新的一年中如何计划使用这些革命性技术。

Pradeep Makhija ·  3天前
人工智能“捷径”将模拟速度提高数十亿倍

即使用最快的超级计算机模拟复杂的自然现象也要花上几个小时,如大气雾霾如何影响气候。

辛雨 ·  3天前
人工智能如何推动神经科技发展?

神经科技以人类神经系统原理为基础,旨在研究人类大脑这一极为复杂的模型架构。在实际作用方面,神经科技将帮助研究人员了解大脑功能与引发功能障碍的原因,并助力医生治疗各类神经系统疾病。至于具体应用,神经科技目前主要关注增强认知能力、改善睡眠并改善长寿人群的大脑健康等。

佚名 ·  3天前
2020年了,深度学习接下来到底该怎么走?

机器学习资深从业者 Ajit Rajasekharan 在本文中汇集了深度学习领域各路大佬的想法,并分享了他本人的一些思考。

亚希伯恩•菲 ·  4天前
AI战「疫」:百度开源口罩人脸检测及分类模型

2 月 13 日,百度飞桨宣布开源业界首个口罩人脸检测及分类模型。基于此模型,可以在公共场景检测大量的人脸同时,把佩戴口罩和未佩戴口罩的人脸标注出来,快速识别各类场景中不重视、不注意防护病毒,甚至存在侥幸心理的人,减少公众场合下的安全隐患。

Synced ·  4天前
2020年,比较适合AI的5种编程语言

AI系统的开发必须有计算机代码,而计算机程序的开发有不同类型的编程语言可以选择。本文分析哪些编程语言最适合你的人工智能或机器学习用例开发。

CSDN App ·  4天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载