版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
无线数字李生网络实践和探索郑青碧中国移动研究院未来研究院数字孪生网络的驱动力总结与展望数字孪生网络典型场景2312运维
5CUAAU优化……数字孪生助力网络智能化决策、高效率创新、低成本试错
,从而应对效率挑战、风险挑战、成本挑战,
推动网络演进升级。持续规划效果预验证6智能化决策
高效率创新
低成本试错数字孪生网络物理网AAU数字孪生将助力解决网络演进效率、风险、成本三大挑战
•网络系统升级、新设备/新技术迭代更新存在不可预知的网络故障风险•网络系统复杂
,基于专家经
验的决策准确性较低
,基于人工运维的配置响应速度较慢;峰
率
b
~导致运维成
;
升2倍人工辅助运维方式增加人
力成本;接入用户提提升2
3倍风险
挑战效率
挑战成本
挑战3大挑战数字孪生网络迭代寻优••••G规划设建DUCUDU•数字孪生网络驱动力总结与展望数字孪生网络典型场景2314l
性能预验证优化模型:•
性能综合计算•
A
I决策模型优化触发机制基于数字孪生网络的计算资源协同分配方案l
网络状态预测模型:•
用户状态预测•
业务特征预测•
多种预测机制结合l
资源分配AI模型:•
基站关断决策•RL算法广域覆盖场景(控制信令与业务信令解耦机制)
:
DTN方案
基站根据未来的网络状态生成决策
,解决相应的决策状态与实际网络状态不一致的问题。5
实现精细化、计算任务精度的要求。未来6G网络将具备控制信令与业务数据的解耦机制
,通过实现高频数据点播
,降低高频BSs密集部署带来的网络功耗
,保证网络广域覆盖性能。•策略算法的推理和优化会产生延迟•策略部署时间滞后于用户数据上报时间•系统业务性能下降
,能源消耗增加
,对现有网络
产生重大影响l
控制信令与业务数据解耦机制:•控制基站
-控制信令数据基站-
业务数据•
通信与计算资源深度融合广域覆盖场景(控制信令与业务信令解耦机制)
:
背景介绍智能化的通信和计算资源分配策略
,降低系统能耗
,有效响应用户对通信时延和6:数字孪生网络仿真平台实践:•
数字孪生网络与智能体多
种联动方案•
实现多种场景
结论:数字孪生网络预测、预验证功能能实现网络性能问题提前发现与解决
,提升决策准确度
,提升
网络性能
挑战:数字孪生网络模型与智能体模型体量大
,需要强大算力支撑
,对网络动态适应性不足数字孪生网络解决方案可以提高业务性能
,业务数据处理时
延降低约20%
,降低能耗
,具有较好的网络动态适应性。广域覆盖场景(控制信令与业务信令解耦机制)
:
DTN成效决策提前优化使得决策更快的适应网络变化。
基于网络数字孪生的智能天线权值优化技术将无线通信物理模型和真实无线网络数据相结合
,建立网络的数字孪生体
,并融入了专家经验作为权值决策的保障
,对决策的性能进行预验证进一步
保障决策性能。面向未来6G无线网络
,更高频段的应用(如毫米波、太赫兹等)将带来覆盖范围更小、部署更密集的无线站点
,对小区间协作进行的大规模天线波束权值优化的需求将更加凸显。
:•
权值调整对网络性能
的不良影响•
权值调整样本采集成
本高
,开销大•
权值调整复杂大规模MIMO权值优化:
背景介绍8l
数据增广:•
CGANl
A
I决策模型:
•
RL基于数字孪生网络的大规模MIMO权值优化方案大规模MIMO权值优化:
DTN方案l
性能预验证模型<-----------------------•
神经网络l
安全决策模型:--------------->•
专家经验决策
数字孪生网络将专家经验决策作为安全基线
,降低AI决策对网络性能的影响。
数字孪生网络对采集样本进行数据增广
,增加性能预验证模型的准确性。
基于大规模MIMO权值优化的数字孪生网络原型由东南大学完成搭建
,并于紫金山实验室完成试验网测试。9基于数字孪生网络的大规模MIMO权值优化方案将所有终端在区域内的平均NRSINR提升了14.4%
,
5G信干噪比(
NRSINR)性能有提升。
结论:数字孪生网络数据增广技术能提升建模预验证精度
,安全保障机制能降低决策对网络的不良影
响
,数字孪生网络方案可提升网络性能
挑战:采集数据质量不稳定
,隐私保护限制采集数据类型
,难以全面准确感知网络状态;数字孪生网
络模型与智能体模型体量大
,需要强大算力支撑AugmentationalgorithmsMaximal
MMDMinimum
MMDMeanMMDGaussiandistribution
algorithm0.02880.01750.0220CGAN0.02880.01380.0177通过增加生成样本的数量来减少KPI预测的误差
,可以提供比DNN
更好的KPI预测
,
KPI预验证相对误差为0.9%。大规模MIMO权值优化:
DTN成效
基于网络数字孪生的智能
RAN切片旨在挖掘切片配置经验
,捕捉短期环境变化特性实现高效
率、高可靠切片资源管理。
基于智能RAN切片的数字孪生网络原型由东南大学完成搭建
,并于紫金山实验室完成试验网测
试。网络切片是6G无线网络的典型场景之一
,网络切片是一种网络架构
,它支持在相同的物理网络基础设施上多路复用虚拟化且独立的逻辑网络。
:•
环境自适应性较差•
计算复杂度高•用户移动性、信道动态性、网络密
集部署等为该场景带来了巨大挑战智能RAN切片:
背景介绍11
数字孪生网络将构建虚拟切片网络系统
,根据网络状态和策略预测性能并调整切片策略
,使得智能RAN切片系统更快速适应不同环境。
数字孪生网络的数据生成功能能利用实际数据和深度生成模型训练生成更多数据
,增强切片策
略的鲁棒性和泛化能力。基于数字孪生网络的智能RAN切片方案l
数据增广:
<•RCGANl
切片配置模型:•
DNN
<•
RLl
性能预验证模型•RNN•DNNl
数字孪生网络与真实环境交
互智能RAN切片:
DTN方案12
结论:数字孪生网络能提升智能RAN切片场景性能
挑战:预验证准确率影响切片配置决策
,对方案性能影响较大
基于数字孪生网络的智能RAN切片优化方案将系统性能提升了约4%。预验证环境拟合精度数字孪生方案性能数字孪生方案模型扰动智能RAN切片:
DTN成效数字孪生网络驱动力总结与展望数字孪生网络典型场景23114
总结与展望
挑战:数据:采集数据质量不稳定
,隐私保护限制采集数据类型
,难以全面准确感知网络状态建模:模型体量大
,拟真度不足
,泛化性不足
,需要强大算力支撑预验证:预验证准确度有待进一步提升后续研究
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
评论
0/150
提交评论