人工智能技術在5G時代的運用探討

摘要：大數據及云計算、人工智能識別等為主的信息技術，帶動不同行業向物聯網化、智能化的方向邁進。5G物聯網絡中，根據不同網絡用戶的業務需求，通過利用人工智能（AI）技術，對高速率、大容量的數據信息傳輸場景，進行移動寬帶增強、降低通信延時，可以滿足大規模、低功耗網絡設備和傳感器的接入與管理，從而大大降低5G商用化的部署難度和成本。

關鍵詞：人工智能技術? 5G時代? 運用? 研究

中圖分類號：TP18? ?文獻標識碼：A? ?文章編號：1672-3791（2021）11（a）-0000-00

Discussion on the Application of Artificial Intelligence Technology in 5G Era

LIU Lin

（Xi'an University of Science and Technology， Xi'an， Shaanxi Province， 710054 China）

Abstract： Information technology based on big data， cloud computing， and artificial intelligence recognition has driven different industries to move towards the Internet of Things and intelligence. In the 5G IoT network， according to the business needs of different network users， artificial intelligence （AI） technology is used to enhance mobile broadband and reduce communication delays for high-speed and large-capacity data information transmission scenarios， which can meet the needs of large-scale， The access and management of low-power network devices and sensors greatly reduces the difficulty and cost of 5G commercial deployment.

Key Words： Artificial intelligence technology; 5G era; Application; Research

人工智能識別技術支持下的網絡計算機信息系統，主要根據不同網絡用戶的業務需求，通過一系列的大數據挖掘與分析技術、迭代計算技術，對接入的5G網絡數據信息進行自動清洗與篩選、有價值信息提取，以及最優網絡環境的選擇和設置，為不同社區空間的網絡拓撲結構構建、數據資源傳輸、干擾控制等提供技術協調，在進一步提升網絡靈活性、網絡資源利用率的同時，降低5G物聯網絡設置、運行的部署成本。

1 人工智能技術的內容及特征概述

1.1 人工智能技術的主要內容概述

當前我國不同產業行業中的人工智能技術應用，通常可被劃分為基礎層、技術層、應用層等的組成層級，不同層級中包括著不同的技術內容。其中基礎層包括網絡計算機、多源傳感設備、后臺數據庫、存儲器等硬件組成架構，技術層包括數據處理、數據儲存、數據挖掘，以及深度學習算法、遷移學習算法、監督學習算法等的技術內容，多種人工智能技術都可以被用于計算機自然語言處理、語音或視覺要素交互，應用層則包含不同領域中人工智能技術的具體應用場景，如在5G信息傳輸、物聯網智能控制、智慧安防、自動駕駛等領域的應用。

1.2 人工智能技術具有的特征

人工智能作為網絡計算機科學的重要技術，其在海量的數據信息挖掘、篩選與處理，以及機器語言重復性學習、數據重復迭代的過程中，通常具有以下幾方面的典型特征。

1.2.1? 多傳感器的外部數據感知與搜集

人工智能系統往往利用超聲波傳感器、紅外傳感器、溫濕度傳感器、聲音傳感器、亮度傳感器等裝置，對外界空間環境中的數據信息進行感知、收集，并將多元數據資源經由5G網絡、Wi-Fi無線網絡等的通信渠道，將數據信息傳輸至網絡云服務后臺中進行處理。另外，CCD光學傳感器、聲覺/嗅覺傳感器、Bumblebee雙目高速相機、數據手套、VR眼鏡等可穿戴設備，也為人工智能系統的數據信息感知裝置，可完成復雜環境下的數據資源采集與傳輸[1]。

1.2.2? 利用神經網絡的重復性數據學習與迭代

深度神經網絡包括卷積神經網絡、遞歸神經網絡等算法，在短時間內具有強大的數據信息挖掘、分析與處理能力，利用深度神經網絡（AI）的重復性學習、自動信息處理技術，可以在某一時間序列上，進行不同類別數據信息的感知、學習、記憶、推理、決策等重復性運算，經過深度神經網絡算法的多次迭代，可得到數據計算機任務的處理結果。

1.2.3? 人工智能技術提高物聯網交互、功能實現的智能化

人工智能中多傳感設備、機器學習、網絡云服務等技術的融合，可以為廣域網、局域網數據通信傳輸，以及不同軟件應用的功能實現提供軟硬件支持。

2 人工智能感知與識別的主要技術分類

2.1 多傳感器的感知與識別技術

目前人工智能在外部用戶或客戶訪問過程中，通常根據有生命、無生命的信息感知需求，設置光敏傳感器、熱電偶傳感器、霍爾傳感器、射頻識別傳感器、智能卡傳感裝置，以及Bumblebee雙目高速相機、數據手套、VR眼鏡、智能手表等可穿戴設備，進行有生命的人體面部特征、聲音、指紋的監測鑒定，以及無生命的智能磁卡、集成電路板等的自動感知識別。通過對外部聲音、光源、無線電磁波等數據信息的感知讀取，可檢測上傳周圍環境中的任何有生命、無生命物質屬性，將多種數據特征做出整合與標識，以實現監測目標的自動跟蹤識別和數據搜集[2]。

2.2 大數據挖掘、關聯分析技術

面對廣域網/局域網中海量復雜數據信息的傳輸，通常采取大數據關聯規則的挖掘技術、多維度關聯分析技術，對不同網絡系統內的數據資源進行挖掘分析，包括海量化低價值密度數據信息的篩選、清洗或剔除，以及利用深度機器學習算法、GBM機器學習算法等，進行多源、多維度數據的迭代計算，得出不同類別數據資源的顯著性檢驗、關聯分析結果。

2.3 故障采集與控制的認知智能技術

人工智能技術的深度學習神經網絡，是被用于網絡系統故障診斷、警報處理與管理的主要技術，深度學習神經網絡有著較強的在線學習、聯想記憶、非線性映射等能力，主要被引入電氣系統、電氣自動化、智能家居自動化的控制中。現階段在網絡系統故障采集與控制中，存在的深度學習神經網絡技術包括BP算法、模糊控制算法等[3]。

3 人工智能技術在5G時代的運用探討研究

3.1 人工智能技術在5G物聯網智能家居中的運用

在小范圍局域網內的智能家居監控與控制系統中，通常利用5G網絡通信、Wi-Fi、紫蜂協議等數據傳輸技術，進行底層硬件設備、頂層網絡指令控制端之間的通信連接。智能家居監控與控制系統中，包括網絡計算機、5G模塊、路由器、紫蜂協議協調器、云服務后臺等硬件設備，不同類別的數據資源經由5G模塊、PAN協調器，以及網絡通信串行接口，搜集與整合多種電氣設備的數據信息，并通過PAN協調器、數據獲取層終端完成網絡節點的組網工作[4]。之后由網絡傳輸層利用大數據關聯規則挖掘、實時關聯分析等的人工智能技術，對下層獲取的智能家居數據信息，進行不同節點的數據篩選、清洗或剔除操作后，將數據傳輸至網絡云服務后臺中，由深度機器學習算法、GBM機器學習算法等神經網絡，進行多源、多維度數據的重復性學習與迭代計算，完成不同控制設備的數據任務響應、控制指令執行，進行智能家用電器設備的狀態監控、突發情況控制。

3.2 人工智能技術在5G網聯汽車通信中的運用

為滿足5G智能網聯汽車的數據信號輸入/輸出、任務響應需求，通常會設置以5G LTE-V核心網、D2D或M2M通信為主的信息傳送通道，其中5G LTE-V核心網包括虛擬化資源層、運營管理層的組成結構，利用5G蜂窩頻段、網絡切片等虛擬組件，為智能網聯汽車內部的不同數據資源傳輸、信息交換、物理計算與存儲服務，提供5G網絡通信頻段、配置的支持，加強智能網聯汽車系統橫向、縱向業務域的網絡編排管理，智能網聯汽車系統的5G核心網絡配置、組網方案的整體架構。特別面對高速、超高速移動的智能汽車，通常需要更高的通信帶寬、更快的網絡操控指令響應，因此要利用BP神經網絡算法、深度機器學習算法，對網絡內智能汽車的定速巡航、輔助駕駛、自動駕駛的業務功能，提供多元數據信息的重復性、迭代性計算，保證移動汽車智能駕駛中各類業務邏輯的功能實現。

3.2.1? 虛擬服務器NFV/MANO的彈性資源分配

在SLAs服務等級協議、虛擬服務器、存儲數據庫、計算機硬件，以及NFV MANO支撐軟件組件架構技術等的基礎上，建立用于智能網聯汽車的虛擬化管理系統，對接入5G無線網絡的多種數據資源、業務功能請求，進行靈活的虛擬化組網、資源動態配置、網絡功能（VNF）協調與管理，按需對業務路由、任務請求作出自動編排，完成人工智能網聯汽車場景下的網絡配置、業務響應與功能協調[5]。

3.2.2? 控制與轉發分離

5G網絡環境下的智能網聯汽車，主要依托于業務控制組件、媒體功能組件等的虛擬化組件，負責對接入網絡的車聯網系統，進行連接鑒權、數據傳輸的管理控制。其中位于數據服務云平臺層的業務控制組件，用于車聯網客客戶、其他連接硬件設備的網絡接入授權/鑒權;之后通過網絡云服務器（CDN）端的轉發面組件，以及D2D、M-MIMO等的5G異構通信傳輸信道，進行不同報文數據轉發、移動終端的分開部署，完成系統分流帶寬內接收的分布式數據、服務請求處理[6]。

4? 結語

人工智能技術是對人的思維意識等的仿真模擬技術，其作為計算機科學的分支之一，通常包括機器人技術、語音及圖像識別技術、自然語言處理技術，以及大數據挖掘、分析與處理技術。而5G網絡通信技術的快速發展，也帶來不同行業產業業態、智能化控制與管理模式的創新，通過將多種人工智能技術，引入到物聯網智能家居控制、智慧安防、網聯汽車自動駕駛等的應用之中，可以促進人工智能感知識別、數據傳輸、指令控制等目標的實現。

參考文獻

[1] 楊英倉.大數據時代視頻偵查技術課程教學改革與創新研究[J].河北公安警察職業學院學報，2019，19（3）：69-72.

[2] 劉琦，侯麗，彭章友.基于辨識特征后融合的行人再識別[J].計算機應用研究，2019，36（8）：2552-2555.

[3] 王松山，傅新鎮，李強.PACS系統中的圖像可識別特征分割方法研究與分析[J].微型電腦應用，2017，33（4）：35-38.

[4] 王臣.計算機人工智能識別技術的應用思考[J].計算機產品與流通，2020（4）：4.

[5] 王照.計算機人工智能識別技術及其運用探究[J].通訊世界，2020，27（5）：193，196.

[6] 劉強.面向物聯網應用的人工智能相關技術特點分析[J].電子技術與軟件工程，2021（17）：23-24.

作者簡介：劉琳（1980—），男，碩士，講師，研究方向為創新創業教育。