IFTNews机器学习：与之前的无线网络——3G、4G和LTE——不同的是，它们都成功地推出并实现了更快、更可靠的蜂窝连接，而无线公司正努力向客户推广的5G网络则遇到了一些麻烦。5G连接的无线接入网络依赖于两种尚未解决所有问题的新兴技术。

其中一种技术被称为毫米波，它是一种频谱，频率在30至300千赫之间，而过去用于移动设备的频段低于6千赫。它们的名字来自于它们的尺寸，比目前的无线电波要小得多(约1-10毫米)，而目前的无线电波是用来接收长达几十厘米的智能手机。

5G网络需要发挥潜力的另一项新技术是大规模MIMO。MIMO(多输入多输出)是一种系统，它使用多个发射机和接收机来来回传输比以前的多数据。大规模MIMO在这一过程中又增加了几十个这样的发射机和接收器，从而进一步推动了这一进程。虽然MIMO系统已经可以在许多4G网络中找到，但大规模的MIMO目前只进行了几次测试。为了将其用于5G网络，它必须能够比目前更连续地工作。

如果没有这两个主要的增加来改善数据连接和传输，5G网络将无法生存——更不用说成功地向数百万手机用户推广了。

机器学习可以节省时间

在最近于台湾台北举行的Computex的5G峰会上，诺基亚(Nokia)的高级技术首席技术官拉杰夫•阿格拉瓦尔(Rajeev Agrawal)宣布，该公司正在研究如何实现人工智能，以增强5G的连接，并绕过阻碍5G推出过程的许多主要问题。

Agrawal是诺基亚无线接入网络产品的负责人，他提出了三种方法来解决5G连接面临的问题——所有这些都包括机器学习。

提高MIMO网络

在一个巨大的MIMO网络中，数据传输使用的天线比过去的多。这使得数据传输速度更快，但也会导致这些信号相互干扰。一种称为波束形成的方法，可以向用户发送目标数据，减少信号之间的干扰，可以缓解这一问题。至少理论上是这样的。

诺基亚拥有一个拥有128个天线的系统，所有这些天线共同作用形成32束，并希望在规定的时间内安排最多4束天线。该公司还希望将这些光束排列成能够提供最高频谱效率的序列，这是一种衡量一个基站可以发送给一组用户的每秒比特数的方法。

从数学上说，安排32束光中的4束的可能方法的数量加起来超过3万种。没有足够的处理能力在短时间内决定哪些选项是最好的。

诺基亚表示，它能够训练神经网络如何在离线状态下找到最佳日程安排，然后根据需要快速预测最佳日程安排。不过，该公司没有披露数据以支持自己的表现，也没有允许与其他可能的启发式进行比较。

近距离传输的数据

另一种帮助5G网络更有效地传输数据的方法是在传输过程中添加更小的传输器，这样可以在更短的时间内传输数据，而不必长时间地保存数据。这也可以让网络向用户的物理位置发送信号。这也可以帮助运营商解决另一个问题——找到室内物体的位置，比如在家里的传感器或智能扬声器。GPS信号通常可以识别物体的室内位置，但不能比在50米以内更准确。

Agrawal认为，利用小单元网络的射频数据可以训练一种机器学习算法来推断网络用户设备的位置。从他的演讲中可以看出，在中国一个商场的不同楼层，使用LTE eNB射频数据的平均定位误差为10厘米(cm)、13厘米和9厘米。

首先，诺基亚测量接收到的信号在一个小空间内，看看是否有数据丢失。然后，它利用这些地图训练神经网络，根据从附近细胞接收到的信号强度预测设备的位置。

Agrawal说，机器学习系统将首先预测用户设备的特性，比如机动性。然后，系统会根据不同的设置预测上行链路/下行链路的吞吐量，并选择最佳的设置。