利用人工智能驱动的RAN智能，最大化网络潜力
RAN是蜂窝网络的关键部分，因为它管理着CSP最重要的资产:频谱。然而，尽管CSPs在频谱上投资了数十亿美元，但使用现有的RAN控制技术，他们对自己的频谱组合几乎没有控制权。随着新的人工智能驱动RAN智能解决方案的引入，这种情况正在改变。
网络的挑战
随着5克在美国，移动网络正变得越来越复杂。尽管人们正在努力淘汰2G和3G网络，但许多csp将需要在多年时间内运营跨越2G、3G、4G和5G的多种基站类型。此外，他们将需要适应不断扩大的光谱波段范围-可能多达20个波段-从sub-1GHz低波段和3.5GHz中波段到非常高的26-40GHz毫米波段，甚至更高的66GHz及以上波段预计将在未来使用。
未来，csp还需要面对适应多种网络体系结构的挑战，从传统的分布式体系结构到新的分散的RAN和边缘体系结构。与此同时，他们将提供越来越多的服务——语音、视频、基于“增大化现实”技术/虚拟现实，物联网， WBB, LTE-V和澳洲公平工作委员会-每一套都有其特定的技术要求，同时处理不断变化的射频参数、不同程度的信号衰减、信道干扰等。
传统的运营管理
传统的常规RAN网络优化通常涉及使用内部专家处理所有网络告警和故障。这是一个劳动密集型的过程，因为所有的数据收集和分析都是手工完成的，需要一个庞大的运营和管理(O&M)团队。此外，大多数csp只有有限的资源可供使用，因此通常只选择整个网络中“前N个”有问题的单元进行优化。因此，调整网络参数以支持新的应用程序可能需要数周甚至数月的时间。这种方式的网络管理对于csp来说是一种昂贵但不可避免的运营成本。
利用ai驱动的RAN智能
传统的运维不再是CSPs的选择，CSPs需要努力提供跨多标准、多频段2G to组合的集成控制5 g网络．相反，CSPs必须转向新的基于人工智能的RAN智能解决方案，这在未来将发挥关键作用，帮助CSPs管理复杂的集成网络，从而提高网络性能。
提高RAN性能涉及到利用人工智能更新和优化RAN的控制参数跨越时间、频率和空间域。这需要深入了解影响网络性能的不同参数类别的性质和作用，以及了解每个单独类别的复杂性和改进的潜力。通常，RAN算法通过优化网络超参数来适应新的网络场景和条件。[1]这将使网络的特定部分(例如特定的单元组或集群)的性能进入稳定状态，从而提高特定的关键性能指标或kpi。RAN算法的例子包括自组织算法和L1/L2和L3算法。
华为RAN情报组合
为了促进智能网络的使用，华为开发了一系列RAN智能解决方案，包括以下两个解决方案:
- SingleBAND-通过现场情报实现现场级多波段收敛。该解决方案实现了灵活的全波段解耦，通过FDD增强上行链路扩展TDD波段覆盖，同时通过全波段和多波束3D协调提高网络容量。
- 能力涡轮-一个网络级的解决方案，将多波段融合的概念超越单一站点。容量涡轮提高了优化效率，并将专家从重复的任务中解放出来，以专注于更高级的任务。此外，Capacity Turbo能够容纳CSP中现有的专家经验，并以交互式的方式从这些经验中学习。这使得Capacity Turbo变得更加智能。
华为产能涡轮
华为的Capacity Turbo是一种灵活的解决方案，集成了现有的网络和站点AI算法(图1)。Capacity Turbo不是处理网络告警和故障，而是专注于优化网络性能。这涉及到同时优化多个参数，这是传统运维不可能实现的壮举。该解决方案适用于从2G到5G的所有频段和移动网络。
Capacity Turbo使用智能算法实现自动、智能的网络级优化，在多个波段和多个站点之间执行协调优化。这提高了网络性能，增强了用户体验，同时最小化了日常网络优化成本。通过迭代参数优化，结合专家经验，Capacity Turbo可以实现闭环、数据驱动的在线网络优化。
与传统运维相比，Capacity Turbo可以优化更多的参数(20多个参数与传统运维中的3-5个参数相比)，并提供跨整个网络的自动化场景匹配，而不仅仅是单个集群。此外，与传统运维的一个月或更长时间相比，该优化过程可以在不到两周的时间内完成。RAN智能解决方案因此为现场人员无法解决的复杂网络问题提供自动化解决方案——实际上使不可能成为可能!
展品1:华为容量涡轮增压
商业部署
Capacity Turbo已经在世界各地的许多CSPs中投入商业服务。例子包括:
- 中国-使用基于多参数优化的AI，中国领先的CSP在广州的一个1755个cell, 580个基站网络上使用Capacity Turbo实现了18%的下行吞通率提高。Capacity Turbo还使同一CSP在同一网络中下行丢包率提高了81%，上行丢包率提高了22%。在另一个例子中，CSP使用Capacity Turbo优化VoLTE性能，实现了81%的丢包减少，同时减少了约22%的上行丢包。
- 泰国-容量涡轮解决方案已被泰国的一家大型CSP成功使用，以提高4G覆盖。在低覆盖、高干扰和容量有限的地区，capacity Turbo能够提高覆盖率，并将基站吞吐量提高13%至15%
- 西班牙南部-使用人工智能支持的个性化参数策略，西班牙的一个CSP在使用Turbo Capacity时，在优化的766单元网络部分中，平均用户下行吞吐量提高了15%。
- 巴西-巴西领先的CSPs之一使用Capacity Turbo在70个基站站点区域内提高了18%的用户体验。
结论
未来，RAN智能解决方案(如Capacity Turbo)将在管理复杂的多波段、多rat移动网络中发挥关键作用，而ai驱动的网络优化将使CSPs在降低运营总成本的同时，最大化网络潜力。此外，更好的RAN智能将推动新的、创新的5G用例的开发，从而为CSPs提供与竞争对手相比使其网络与众不同的机会。
[1]超参数——机器学习中用来控制学习过程的参数
相关的帖子
