首页/论文/2011.12288

arXiv 2011.122882020-11-24cs.NIcs.LG

5G独立（SA）自组织网络（SON）中的机器学习（ML）

Machine Learning (ML) In a 5G Standalone (SA) Self Organizing Network (SON)

T-Mobile USA Inc（美国T-Mobile公司）

Srinivasan Sridharan

备注：: 5G, Machine learning (ML), Self-organizing Networks (SONs), 5G Standalone, Artificial Intelligence (AI)
DOI：: 10.14445/22312803/IJCTT-V68I11P105

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

机器学习（ML）包含在自组织网络（SON）中，这些网络是增强运营、管理和维护（OAM）活动的关键驱动因素。它包含在5G独立（SA）系统中，是将4G网络转换为基于移动应用的下一代技术的5G通信轨道之一。该研究的主要目的是概述5G独立核心网络中的机器学习（ML）。5G Standalone被服务提供商认为是一个关键的推动因素，因为它提高了网络边缘吞吐量的效率。它还有助于推进新的蜂窝用例，如支持频率组合的超可靠低延迟通信（URLLC）。

英文摘要：

Machine learning (ML) is included in Self-organizing Networks (SONs) that are key drivers for enhancing the Operations, Administration, and Maintenance (OAM) activities. It is included in the 5G Standalone (SA) system is one of the 5G communication tracks that transforms 4G networking to next-generation technology that is based on mobile applications. The research's main aim is to an overview of machine learning (ML) in 5G standalone core networks. 5G Standalone is considered a key enabler by the service providers as it improves the efficacy of the throughput that edges the network. It also assists in advancing new cellular use cases like ultra-reliable low latency communications (URLLC) that supports combinations of frequencies.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于大数据分析的蜂窝技术自组织网络（SON）的实现

Implementation of Self-Organizing Network (SON) on Cellular Technology base on Big Data Analytic

蜂窝技术的发展将与各方面日益增长的需求成正比，如数据传输速度（velocity）、数据变化（variety）和数据存储介质（volume）。各方面的增长将对全球互联网用户的增长产生直接影响。与此相关，对增加的容量和覆盖的需求变得必要，因为用户通过利用资源共享机制使用相同的资源来接入网络。自组织网络（SON）是使系统更高效并保证实验质量（QoE）的解决方案之一。SON可以创建具有自优化、自配置和自愈机制的自动化网络。网络分析中利用大数据作为网络自动化过程中决策活动的参考。本文将5G网络上使用大数据分析的SON与4G网络上的SON作为先前的网络技术进行了比较。在5G网络上，大数据将SON检测范式从被动变为主动。检测问题从数据汇集和分析可能的网络问题开始。通过及早预测网络问题，可以更快地解决网络问题。此外，通过使用多跳中继，用户设备（EU）和基站（BS）之间的距离将更短。因此，可以达到增加容量和覆盖的目的。

2020-05-23cs.NI

自组织蜂窝网络的对抗性ML攻击

Adversarial ML Attack on Self Organizing Cellular Networks

深度神经网络（DNN）已被广泛应用于自组织网络（SON）中，用于自动化不同的网络任务。最近，已经表明DNN对对抗性示例缺乏鲁棒性，其中对手可以通过向原始示例引入小的不可感知的扰动来欺骗DNN模型进行不正确的分类。SON预计将DNN用于多个基本的蜂窝任务，并且文献中提出的用于执行SON任务的许多基于DNN的解决方案尚未针对对抗性示例进行测试。在本文中，我们已经测试和解释了SON对对抗性示例的鲁棒性，并研究了一个重要SON用例在面对对抗攻击时的性能。我们还利用可解释的人工智能（AI）技术生成了对不正确分类的解释。

2019-09-26cs.CRcs.NI

混合自组织网络：演进、标准化趋势和6 G架构愿景

Hybrid Self-Organizing Networks: Evolution, Standardization Trends, and a 6G Architecture Vision

自组织网络需要具有自协调能力，以管理其内部组件之间的复杂关系，并避免其破坏性的相互作用。现有的通信技术通常实现在动态情况下可能非常缓慢的响应自协调机制。第六代（6 G）网络正处于研究和标准化活动的早期阶段，为在开发自协调能力时选择设计驱动的方法提供了新的机会。这可以通过使用混合SON设计来实现。混合体系结构结合了集中式和分布式的管理和控制。在这篇文章中，我们回顾了SONs的历史，包括固有的自我协调功能。然后，我们深入研究了混合SON（H-SON）的概念，并总结了H-SON发展的挑战，机遇和未来趋势。我们提供了一个全面的标准化活动和建议的集合，讨论了继续发展和推动H-SON范式广泛采用的关键贡献和潜在工作。更重要的是，作为一个关键的6 G架构特征，我们建议H-SON应该是松散耦合的网络。松耦合是指不同层的弱交互和同一层用户之间的弱交互，即，各种反馈回路必须几乎彼此隔离，以提高稳定性并避免混乱情况。最后，我们总结了关于未来前景和6 G H-SONs关键驱动因素的关键提示。

2023-01-16cs.NI

通信网络中自组织机制的分布式协调

Distributed coordination of self-organizing mechanisms in communication networks

Orange Labs（橙实验室）；KTH, Royal Institute of Technology（皇家理工学院）；INRIA Sophia Antipolis（索菲亚-安提佩斯国家信息与自动化研究所）

本文提出一种分布式协调方法，通过Rosen的凹博弈框架与凸优化结合，解决通信网络中自组织功能的协调问题，确保冲突-free操作并提升性能。

2013-09-19cs.NIcs.SYeess.SY

具有回程受限无线电接入网络的自优化负载均衡

Self-optimizing load balancing with backhaul-constrained radio access networks

自组织网络（SON）技术旨在自主部署、优化和修复无线接入网（RAN）。SON算法通常使用来自RAN的关键性能指标（KPI）。它示出，在某些情况下，它是必要的，以考虑到回程状态的影响，在设计的SON算法。我们重新考虑考虑回程状态的基站（BS）负载定义。我们提供了一个分析公式的负载以及一个简单的估计弹性和保证比特率（GBR）流量。我们将建议的负载估计在一个自我优化的负载均衡算法。回程约束异构网络的仿真结果说明了正确的负载定义如何保证SON算法的正确运行。

2015-09-22cs.NI

具有eICIC的LTE网络自组织移动性鲁棒性优化

Self-Organizing Mobility Robustness Optimization in LTE Networks with eICIC

Incubation & Innovation Team, Wireless CTO Alcatel-Lucent（阿尔卡特朗讯无线首席技术官办公室孵化与创新团队）

本文提出了一种基于eICIC和MRO的联合优化方法，通过改进的SON解决方案优化移动性KPIs，实验证明了其在异构网络中的有效性。

2013-10-23cs.NIcs.PFcs.SY

更多相关论文收起更多论文

蜂窝无线网络中用于自愈的数据驱动机器学习技术：挑战和解决方案

Data-Driven Machine Learning Techniques for Self-healing in Cellular Wireless Networks: Challenges and Solutions

Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；University of Manitoba（曼尼托巴大学）

为了实现蜂窝网络的自动部署和管理，引入了自组织网络（SON）的概念。SON功能可以增强网络性能，提高服务质量，并降低运营和资本支出（OPEX/CAPEX）。自愈是自组织网络的重要组成部分，它是通过自动触发检测、诊断和补偿等一系列动作来缓解或恢复目标网络故障的一种网络模式。数据驱动的机器学习已被公认为是将智能引入网络并实现自愈的有力工具。然而，用于自我修复的机器学习技术的实际应用存在重大挑战。在本文中，我们首先将这些挑战分为五类：1）数据不平衡，2）数据不足，3）成本不敏感，4）非实时响应，以及5）多源数据融合。然后，我们提供潜在的技术解决方案来应对这些挑战。最后，以不平衡数据下代价敏感故障检测为例，验证了所提方法的可行性和有效性。

2019-06-14cs.LGcs.NIstat.ML

认知自治网络协调机制的必要性与设计

On the Necessity and Design of Coordination Mechanism for Cognitive Autonomous Networks

认知自治网络（CAN）被提升为自组织网络（SON），用认知功能（CF）取代基于规则的SON功能（SF），通过与网络交互来学习最佳行为。如在SON中一样，CF确实由于参数或目标的重叠而遇到冲突。然而，由于CF的非确定性行为，这些冲突不能使用基于规则的方法来解决，需要新的解决方案。本文研究了有和没有协调机制的CF部署，并从理论上和数学上证明了需要协调机制。使用两个CF多智能体系统模型的可能类型的冲突，我们表明，挑战是一个典型的讨价还价的问题，其最佳响应是纳什讨价还价的解决方案（NBS）。我们使用NBS提出了一个协调机制设计，能够解决冲突，并通过模拟显示如何实施所提出的解决方案是可行的，在现实生活中的场景。

2020-01-20cs.NI

Dyna-5G：面向自组织5G M2M网络的动态角色切换

Dyna-5G: Dynamic Role Switching for Self-Organizing 5G M2M Networks

Northeastern University（东北大学）

针对5G M2M网络中基站故障恢复复杂的问题，提出首个符合5G独立组网标准的动态角色切换框架Dyna-5G，通过运行时角色切换、故障检测与协调状态重建实现无需修改3GPP协议的自组织网络。

2026-05-27cs.ETcs.NI

从4G到5G：自组织网络管理与机器学习相遇

From 4G to 5G: Self-organized Network Management meets Machine Learning

在本文中，我们提供了自组织网络管理的分析，与网络的端到端的角度来看。应用于蜂窝网络的自组织通常被称为自组织网络（SON），并且它是改进操作、管理和维护（OAM）活动的关键驱动力。SON旨在降低4G和未来5G网络的安装和管理成本，通过配置、优化和自我修复的能力简化运营任务。为了满足5G网络管理需求，这种自主管理愿景必须扩展到端到端网络。在文献中以及在市场上可用的产品的一些实例中，机器学习（ML）已被确定为实现自主适应性并在决策时利用经验的关键工具。在本文中，我们调查了网络管理如何从机器学习解决方案中显着受益。我们回顾并提供了SON、网络管理和ML的基本概念和分类。我们分析了文献、标准化和市场中现有的最新技术。我们特别关注第三代合作伙伴计划（3GPP）在网络管理领域的演进以及可以从3GPP网络中提取的数据，以便获得有关网络工作方式的知识和经验，并以主动方式提高网络性能。最后，我们将讨论与这一研究领域相关的主要挑战，包括4G和5G的设计，同时确定新的研究方向。

2018-01-16cs.NI

用于5G无线网络的混合自动邻居关系

Hybrid Automatic Neighbor Relations for 5G Wireless Networks

5G无线网络旨在实现无缝移动宽带服务、机器对机器和超可靠的低延迟通信。这些目标需要在容量、可靠性、延迟减少和可扩展性方面进行大规模改进。除了软件定义网络和网络功能虚拟化之外，自组织网络（SON）是另一种使5G可行的技术。自动邻居关系（ANR）是SON的重要组成部分，其直接影响无线网络的可靠性、可扩展性和容量。当考虑ANR功能的标准化和实施的当前状态时，可以看出ANR需要一种新的方法来符合5G要求。因此，在本文中，提出了一种全面的混合ANR（H-ANR）架构，它导致利用广泛的通用性能标准，配置指标和测量的关系管理。H-ANR功能不是基于瞬时信息而是基于性能标准和其他度量的历史值来对邻居进行排名。分布式ANR（D-ANR）模块的属性也由H-ANR管理，以防止通过D-ANR或X2接口重复添加不需要的邻居。所提出的H-ANR功能的性能也进行了比较的情况下，只有D-ANR是可用的长期演进高级网络。

2017-07-23cs.NI

异步弱承诺搜索在认知无线电网络自主服务质量提供中的应用

Application of Asynchronous Weak Commitment Search in Autonomous Quality of Service Provision in Cognitive Radio Networks

本文提出了一种分布式的解决方案，在认知无线电网络的自主服务质量提供。具体而言，认知STDMA和CDMA通信网络进行了研究。基于异步弱承诺搜索，将QoS提供任务分配给不同的网络节点。仿真结果表明，该方案收敛速度快，适合于实际的实时的系统。人工智能在无线和移动通信中的这种应用可以用于家庭自动化和网络以及车辆技术。该方法的推广和扩展可以用于长期演进自组织网络（LTE-SON）中。此外，它可以为毛细网络中的分散和自主QoS提供铺平道路，毛细网络到达物联网的端节点，其中中央管理不可用或效率低下。

2014-03-14cs.MAcs.NI

智能无人机巡洋舰的通信和网络技术

Communications and Networking Technologies for Intelligent Drone Cruisers

National Chiao Tung University（国立交通大学）；National Taipei University of Technology（国立台北科技大学）

未来的移动通信网络需要具有快速移动性和长期悬停能力的空中基站（ABS）。目前，无人机（UAV）或无人机飞行时间不长，主要用于监视、监视和图像后处理。另一方面，传统的飞艇体积太大，不容易起降。因此，我们建议开发一种“人工智能（AI）无人机-巡洋舰”基站，可以帮助5G移动通信系统及其他系统在灾难发生后快速恢复网络，并处理闪电人群的即时通信。无人机巡航基站可以克服三种类型的闪光人群的通信问题，例如在体育场，游行和大型广场，以便可以准确地部署适当数量的空中基站，以满足大的和动态的交通需求。人工智能可以通过分析采集到的数据来解决这些问题，然后在自组织网络（SON）框架下调整系统参数，达到自配置、自优化、自修复的目的。在人工智能技术的帮助下，5G网络可以变得更加智能。本文旨在提供一种新型的服务，按需空中基站作为一种服务。这项工作需要克服以下五个技术挑战：长时间悬停的无人机巡洋舰的创新设计，人群估计和预测，快速3D无线信道学习和建模，空中基站的3D放置以及WiFi前传和毫米波/WiGig回传网络的集成。

2019-09-25cs.CVcs.LGcs.NI