如虎添翼！新机器学习算法使5G“抢网”再快5000倍

美国国家标准与技术研究所(NIST)的研究人员开发了一个数学公式，可以帮助5G和其他无线网络选择和共享通信频率，其效率比试错法高出约5000倍。

新公式是机器学习的一种形式，它基于在特定网络环境中的先前经验来选择称为信道的无线频率范围。在本周一次会议的演示上，该公式可以用于现实中多种网络发射机的软件。

这种公式是关于无线网络(包括5G)需求爆发问题的其中一种解决思路，它通过共享未经许可的频段来增强传输能力。所谓“未经许可的频段”，最典型的就是Wi-Fi频段，这些频段并未由联邦通信委员会分配给特定用户。

NIST的研究重点是Wi-Fi与蜂窝系统竞争特定频率或子信道的场景。其中的亮点在于，他们的蜂窝网络试图通过使用一种称为许可辅助接入(LAA)的方法来提高其数据传输速率，该方法结合了无许可和有许可的频带。

NIST工程师Jason Coder说：“这项工作探索了机器学习在决定传输哪个频率通道时的应用。”这可能会使未经许可的频段的通信效率更高。”

NIST公式使发射机能够快速选择最佳子信道，以便在未经许可的频带内成功地同时操作Wi-Fi和LAA网络。每个发射机都学习在不相互通信的情况下最大化网络总数据速率。该方案在穷举的信道搜索和错误搜索的基础上，快速获得了接近最佳结果的整体性能。

这项研究不同于以往对通信中机器学习的研究，它考虑了多个网络“层”、物理设备以及基站和接收机之间的信道访问规则。

这个公式是一种“Q-learning”技术，意味着它将环境条件(如网络类型、存在的发射机和信道的数量)映射到最大化一个值(称为Q)的操作上，由该值返回最佳结果。

通过与环境交互并尝试不同的操作，算法学习哪个通道提供最佳结果。每个发射机学习选择在特定环境条件下产生最佳数据速率的信道。

如果两个网络都选择了合适信道，则组合的整个网络环境的效率将提高。尤其是在发射机选择了没有被占用的信道的情况下，成功传输的概率还会上升，带来更高的数据速率。同时，如果发射机选择干扰更小的信道，信号也会更强，带来更高的接收数据速率。

在计算机模拟中，最优分配方法通过搜索所有可能的组合来为发射机分配信道，以找到最大化总网络数据速率的方法。NIST公式产生的结果接近最优公式，但过程要简单得多。研究发现，要想彻底找出最佳的解决方案，需要进行约4.56万次试验，而该公式只需尝试10个通道就可以选择类似的解决方案，仅需0.02%的努力。

这项研究针对的是室内场景，比如一栋有多个Wi-Fi接入点的建筑，以及在没有许可证的频段内进行手机操作。研究人员现在计划在更大规模的户外场景中模拟这种方法，并进行物理实验来证明这种效果。

译/前瞻经济学人APP资讯组

参考资料：

[1]https://www.sciencedaily.com/releases/2020/05/200526161117.htm