智能频谱编排，无线频谱管理的强引擎
发布时间：2021-09-15 作者：中兴通讯 张贺 阅读量：
运营商面临的频谱挑战
随着无线通信技术的发展，对无线频谱的需求也在不断增长，管理这些日益增长的需求，对任何一个运营商来说都是不小的挑战。在一定程度上，现阶段频谱资源是稀缺的，为了适应各种无线网络制式的应用与发展，当前频谱从700MHz到3.5GHz均被全球各大运营商广泛应用，甚至更高频段已经逐步开始应用在无线通信中，如4.9GHz、毫米波等。对于运营商来说，如此多的网络制式、如此多的频谱如何分配及使用，又是一个复杂的命题，既要提升经营收入，又要提高用户体验，还要保障网络质量及稳定性。
传统频谱分配大都是静态模式，即为已授权的用户提供一个固定的频谱，且具有独占性，被授权用户即使在某段时间或空间内不使用，其他用户也无权使用。这种模式让本来就紧缺的频谱资源在时间或空间上白白浪费。以中兴通讯为代表的通信技术解决方案提供商提出了Magic Radio、Cloud Air等动态频谱共享解决方案，在一定程度上缓解了在2G/3G/4G时代的频谱利用率问题，提升了4G用户体验，但在5G/6G时代，应用场景更丰富、带宽更大、规模更大、连接设备更多，需要更加科学、高效、实时、精细化地管理频谱资源，化解频谱供需矛盾。
基于上述需求，针对5G网络形态复杂化、业务需求多样化、终端能力差异化等问题，中兴通讯提出无线智能频谱编排解决方案。
智能频谱编排方案
随着5G网络中ToC及ToB业务的日益多元化，与相对固化的网络资源策略之间的矛盾日益突出。为了在有限的网络资源内更优质地服务差异化业务需求，需要从“网络中心化”的资源配置策略向“用户中心化”的精准资源服务模式转型。
无线通信因为其时变性带来了巨大的复杂度和不确定性，是无线通信技术发展的主要难题，而人工智能（AI）的不断发展，展示了其在解决一些困难问题上的巨大潜力。无线智能频谱编排就是利用智能AI算法和技术实现动态频谱管理，打破现有的以授权为主的静态频谱分配模式，提升频谱利用率，提高用户体验。
无线智能频谱编排以提升网络服务能力为最终目标，通过AI算法与业务特征(业务类型、流量、频谱、干扰等)、终端能力等信息的结合，达到整个网络服务能力最优解（见图1）。
图1 中兴通讯智能频谱编排方案
频谱编排通过多维感知、智能推理，实现网络服务能力最大化，感知维度越多推理越准确，网络服务能力越强。多维信息主要包括终端服务能力、业务特征、终端时空位置、跨域信息以及当前网络服务能力，综合这些信息，结合AI算法计算出一个最优的网络服务能力，并将网络动态调整到该服务能力，提升用户体验。其中当前网络服务能力表示网络在终端当前位置上能够提供的服务能力，包括：有几层网覆盖（4G/5G），各频层小区上/下行的带宽资源、信道质量、负荷，以及频层之间的聚合模式等；终端业务特征表示业务需求及特征，如：数据、语音、大/小包业务等；终端能力包括CA/DC频段组合能力、频点支持能力、测量能力等；终端时空位置包括终端在哪个频层上、在小区近/中/远点等；跨域信息 表示射频指纹栅格知识库的原子能力，及其他跨域信息。
智能频谱编排的核心在于智能和编排，智能即AI算法，编排即管理。
- 智能AI算法：要想对频谱进行动态、实时、精细化的管理，首先需要获得网络用户特征，将网络内用户大数据信息提供给AI处理模块，AI算法结合网络大数据信息评估网络当前能力、业务特征、话务模型等，进行话务模型及话务负荷预测；
- 频谱编排：系统根据AI处理模块提供的话务模型（业务特征、用户分布）及话务负荷预测信息作出决策，来动态决定网络提供什么样的服务能力，部署什么样的频谱，开启什么样的功能等，实现动态频谱管理，达到提升用户体验、降低运营成本的目的。比如根据业务特征动态开启/关断3.5G载波，保证VR/AR用户更好的体验，甚至在4G网络能够满足当前用户需求的情况下动态关断/唤醒5G网络，节省运营成本。
频谱编排以AI算法为抓手，从用户体验出发，实现从传统“以网络为中心”的服务模式到“以用户为中心”的服务模式的转变，经过准确预测、精准匹配、动态编排等一系列组合拳，一次性完成网络部署，降低网络规划复杂度，提高网络服务能力，提升用户体验。
.png)
.png)
.png)
