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csp在频谱上投资了数十亿美元，但历史上使用现有RAN控制器技术对其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，这种情况正在发生改变。
网络的挑战
随着5克在美国，移动网络正变得越来越复杂。尽管目前正在努力淘汰2G和3G网络，但许多csp将需要在2G、3G、4G和5G上运营多种基站类型很多年。此外，它们还需要适应不断扩大的频段范围(可能多达20个频段)，从低于1ghz的低频段和3.5GHz的中频段，到非常高的26-40GHz毫米频段，预计未来还将使用更高的66GHz及以上频段。
在未来，csp还需要面对适应多种网络架构的挑战，从传统的分布式架构到新的分解RAN和边缘架构。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-每种都有其特定的技术要求，同时还要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网络优化通常需要使用内部专家来处理所有网络告警和故障。这是一个劳动密集型的过程，因为所有数据收集和分析都是手动完成的，需要一个庞大的运营和管理(O&M)团队。此外，大多数csp的资源有限，因此通常只选择整个网络中“前N”的问题单元进行优化。因此，可能需要几周，有时甚至几个月的时间来调整网络参数以支持新的应用程序。这种方式的网络管理对于csp来说是一项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csp努力提供跨多标准、多频段2G to组合的集成控制的选择5 g网络．相反，csp必须转向新的基于人工智能的RAN智能解决方案，这在未来将在帮助csp管理复杂的集成网络方面发挥重要作用，从而提高网络性能。
提高RAN性能涉及到杠杆人工智能跨时间、频率和空间域更新和优化RAN的控制参数。这需要深入理解影响网络性能的不同参数类别的性质和作用，以及理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(如特定组或单元集群)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RAN智能解决方案，包括以下两种解决方案:
- 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频带解耦，通过FDD增强上行链路扩展TDD频带覆盖，同时通过全频带和多波束3D协调提高网络容量。
- 能力涡轮—网络级解决方案，将多频段融合概念引入单一站点之外。Capacity Turbo提高了优化效率，将专家从重复的任务中解放出来，专注于更高级的任务。此外，Capacity Turbo能够适应CSP现有的专家经验，并以互动的方式从这些经验中学习。这使得Capacity Turbo变得更加智能。
华为Capacity Turbo
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，这是传统运维无法做到的。该解决方案可在从2G到5G的所有频谱和移动网络上运行。
Capacity Turbo使用智能算法在多个频段和多个站点之间进行协调优化，实现自动、智能网络级优化。这可以提高网络性能，增强用户体验，同时最大限度地减少日常网络优化成本。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可以优化更多参数(20+，而传统运维为3-5)，并在整个网络中提供自动化的场景匹配，而不仅仅是在单个集群中。此外，这个优化过程可以在不到两周的时间内完成，而传统的运维则需要一个月或更长时间。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Capacity Turbo
商业部署
Capacity Turbo已经为世界各地的许多csp提供商业服务。例子包括:
- 中国-中国一家领先的网络服务提供商使用基于多参数优化的人工智能技术，在广州的1755个单元、580个基站网络上使用Capacity Turbo进行试验，使下行链路吞吐量比提高了18%。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使用容量涡轮优化VoLTE性能，实现了81%的丢包减少，同时减少了约22%的上行链路丢包。
- 泰国-容量涡轮增压器解决方案已被泰国一家大型CSP成功用于提高4G覆盖范围。在覆盖较弱、高干扰和容量有限的地区，capacity Turbo能够提高覆盖范围并将基站吞吐量提高13%至15%
- 西班牙南部-使用支持人工智能的个性化参数策略，西班牙的CSP在使用Turbo Capacity时，在其网络的优化766单元部分中，平均用户下行吞吐量提高了15%。
- 巴西-巴西领先的csp之一使用Capacity Turbo在70个基站站点区域内将用户体验提高了18%。
结论
未来，RAN智能解决方案(如Capacity Turbo)将在管理复杂的多频段、多rat移动网络方面发挥关键作用，而人工智能驱动的网络优化将使csp能够最大限度地发挥网络潜力，同时降低运营总成本。此外，更好的RAN智能将推动新的创新5G用例的发展，从而为csp提供与竞争对手相比使其网络与众不同的机会。
[1]超参数-在机器学习中用来控制学习过程的参数
相关的帖子
