C114通信网  |  通信人家园

资讯
2022/8/16 13:50

中国移动研究院李博然:基于小样本数据的智能无线网络优化

C114通信网  

5G网络大规模部署后,对智能网络优化也提出了新的挑战以及更高的要求,在小样本数据条件下,如何范化样本数据、如何进行数据的多尺度信息特征挖掘,以及如何提高算法的鲁棒性都成为了目前的热点和焦点问题。

近日,中国移动研究院李博然受邀出席第十一届IEEE/CIC中国通信国际会议,并发表了基于《Compound Interference Identification Based on Multi-scale Feature Pyramid using CNN》论文的主题演讲,以无线网络干扰为突破口,在小样本数据的前提下,将人工智能技术与现网运维经验相结合,实现了高效准确地识别现网中的复合干扰问题,在提高生产效率的同时,降低了网络运维成本,降低了训练数据获取成本,降低了算力成本,为今后的无线网络智能化研究做出了技术铺垫。



面向现网单类型、复合类型等干扰类型频带特征,首选将现网常见干扰类型做出普遍分类,并通过对干扰成因研究发现数据的多频点多带宽的情况,得出了频带中存在大量多尺度特征的结论。其次通过设计多通道卷积核以及多层金字塔结构的结合,对复合多尺度干扰识别的泛化能力及效率进行了充分论证。最后设计了算法网络,实现了在小数据集下范化样本,充分挖掘多尺度特征等功能,并通过引入极少的学习参数,在几乎不影响运行效率的同时,极大地提高了算法的性能和鲁棒性。



基于该设计理念,通过将不同尺度信息充分融合后输入到分类网络,即可完成复合干扰识别任务的小模型算法。该算法在多种现网条件下进行了充分验证,算法运行效率为在CPU硬件环境下达到每秒识别1.5万个高干扰小区,算力较传统方式提升了15倍。各干扰类型的平均mAP指标可达86%,对于常见干扰类型识别精度90%以上。

中国移动研究院将同业界持续对无线网络智能化开展探索研究,助力5G和AI能力的落地应用。

给作者点赞
0 VS 0
写得不太好

  免责声明:本文仅代表作者个人观点,与C114通信网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

热门文章
    最新视频
    为您推荐

      C114简介 | 联系我们 | 网站地图 | 手机版

      Copyright©1999-2022 c114 All Rights Reserved | 沪ICP备12002291号

      C114 通信网 版权所有 举报电话:021-54451141