5G + AI 融合全景圖

5G+AI融合全景圖 在回顧5G和AI技術發展的基礎上，對未來5G與AI融合進行從理論到實際用例及需求，再到國際標準化及產業推進的講解與分析。本書給出“5G智能維”的概念，並對5G引入AI的理論基礎進行分析。其次，基於理論分析，本書對目前5G網絡中引入AI的場景、用例及5G網絡架構需要進行的標準化進行了說明。再次，本書在分析了5G中引入的AI算法之後，對5G網絡支持AI的算法及應用進行了的介紹。並結合基礎的理論和用例分析，本書對未來5G與AI融合賦能各垂直行業進行了展示，同時對未來6G與AI融合、如何構建6G智能維也進行了展望。

本書適合移動通信及AI相關專業學生、從事移動通信及AI相關工作工程師及希望瞭解未來5G與AI發展的的相關人士閱讀。書中部分內容可用於5G及AI入門級培訓班或者高等院校5G及AI相關課程。

王志勤

中国信息通信研究院副院长，教授级高工，IMT-2020(5G)推进组与IMT-2030(6G)推进组组长，CCSA（中国通信标准化协会）无线通信技术工作委员会主席。荣获国家科学技术进步奖特等奖一次、一等奖一次、二等奖两次，国家创新奖一次，部级科技奖多次。

 

刘晓峰

中国信息通信研究院无线通信创新中心副总工，教授级高工，IMT-2020(5G)推进组 5G与AI融合研究组组长。著有《5G无线系统设计与国际标准》《5G无线增强设计与国际标准》。多项国家重大专项牵头负责人，荣获省部级科技奖多次。

 

沈嘉

OPPO研究员，IMT-2020(5G)推进组 5G与AI融合研究组副组长，3GPP “AI/ML model transfer in 5GS”项目报告人，2016年获国家科学技术进步奖特等奖，著有《3GPP长期演进(LTE)技术原理与系统设计》《5G技术核心与增强：从R15到R16》等技术专著。

 

吴晓波

IMT-2020(5G)推进组5G与AI融合研究组副组长，长期参与3GPP SA2标准会议，主要参与4G/5G语音、5G智能化等方面研究。

 

刘亮

中国移动研究院技术经理，主任研究员，IMT-2020(5G)推进组5G与AI融合研究组副组长。北京航空航天大学博士，，担任3GPP本地定位、无线大数据采集与应用、网络自动化等多个项目的报告人。

 

彭木根

北京邮电大学教授、信息与通信工程学院执行院长、网络与交换技术国家重点实验室副主任，IEEE Fellow。

第　1章 總述

1.1　5G發展概述　3

1.2　人工智能發展概述　6

1.3　5G與人工智能融合整體考慮　7

1.3.1　5G智能維構建　8

1.3.2　5G助力AI泛在化　12

1.3.3　5G與AI融合關鍵問題分析　13

1.4　小結　16

 

第　2章 5G 與AI融合基礎理論分析

2.1　人工智能領域基礎知識　21

2.1.1　數據集　21

2.1.2　常用人工智能學習算法　23

2.1.3　小結　48

2.2　5G與AI融合基礎理論研究　48

2.2.1　5G與AI融合數據集建立　49

2.2.2　5G與AI融合算法及模型　57

2.2.3　5G與AI融合模擬及驗證方法　60

2.3　小結　62

 

第3章　5G 無線側引入AI技術

3.1　5G無線系統設計簡述　65

3.1.1　5G無線系統設計架構　65

3.1.2　5G無線物理層設計　68

3.1.3　基本波形與幀結構設計　70

3.1.4　大規模天線設計　71

3.1.5　調制編碼設計　81

3.1.6　定位技術設計　82

3.2　5G無線側引入AI技術　85

3.2.1　基於AI的頻譜效率提升　85

3.2.2　基於AI的定位增強技術　105

3.2.3　基於AI的覆蓋和容量優化　107

3.2.4　基於AI的基站節能　111

3.2.5　基於AI的移動性管理　116

3.2.6　基於AI的負載均衡技術　120

3.3　5G無線側引入AI技術標準化架構

　分析　121

3.4　小結　123

 

第4章　5G 核心網側引入AI技術

4.1　5G核心網設計簡述　126

4.2　5G核心網側引入AI技術的主要

　場景　129

4.2.1　AI輔助終端業務體驗提升　129

4.2.2　AI輔助終端行為監管　132

4.2.3　AI輔助核心網網元選擇　137

4.2.4　AI輔助V2X應用層參數調整　138

4.2.5　AI輔助網管切片SLA保障　138

4.3　網絡智能化的整體框架　139

4.3.1　網絡智能化的基本框架　140

4.3.2　網絡智能化的框架增強　141

4.3.3　網絡智能化的關鍵流程　144

4.4　NWDAF可提供的數據分析結果　152

4.4.1　業務體驗數據分析結果　152

4.4.2　網元負載數據分析結果　155

4.4.3　UE移動性數據分析結果　157

4.4.4　UE交互性分析結果　160

4.4.5　終端異常分析結果　163

4.5　5G智能網絡架構持續演進展望　166

4.5.1　如何緩解數據孤島　166

4.5.2　對漫游場景的支持　167

4.5.3　網絡優化策略推薦　167

4.5.4　ML模型跨廠商共享　167

4.5.5　NWDAF部署建議　168

4.5.6　其他　168

4.6　小結　169

 

第5章　5G 支持AI算法及應用

5.1　基於5G的分割AI/ML與

　協作AI/ML　173

5.1.1　基本特徵　173

5.1.2　分割式圖像識別業務　181

5.1.3　網絡與機器人之間的分割式控制　192

5.1.4　機器人之間的協作式AI操作　194

5.2　基於5G的AI/ML模型下載、

　分發與共享　198

5.2.1　基本特徵　198

5.2.2　圖像識別AI模型下載　200

5.2.3　語音識別AI模型下載　207

5.2.4　智能汽車AI模型更新　208

5.2.5　基於覆蓋信息的預測性AI/ML

　模型下載　211

5.2.6　終端AI模型性能監測　213

5.3　基於5G的聯邦學習與分佈式學習　215

5.3.1　基本特徵　215

5.3.2　用於圖像識別模型訓練的實時

　聯邦學習　218

5.4　小結　222

 

第6章　5G 與AI賦能垂直行業

6.1　5G與AI融合推動產業數字化轉型　224

6.1.1　智能車聯網　225

6.1.2　工業互聯網　227

6.1.3　智慧港口　229

6.1.4　智能電網　230

6.2　5G與AI融合推動社會生活智能化　231

6.2.1　智慧醫療　231

6.2.2　智慧環保　232

6.2.3　智能家居　233

6.2.4　智慧城市　235

6.2.5　智能安防　236

6.3　小結　237

 

第7章　6G 與AI融合展望

7.1　AI成為未來6G設計的核心基礎

　維度　241

7.1.1　6G智能維　241

7.1.2　6G智能維基礎設計　242

7.2　6G智能維度開發是長期持續的

　過程　243

7.3　小結　245

 

參考文獻