王鴻 遼寧科技大學(xué)
無(wú)線通信網(wǎng)絡(luò)技術(shù)的發(fā)展,不僅可以實(shí)現(xiàn)無(wú)線電波的遠(yuǎn)距離通訊,而且實(shí)現(xiàn)了大容量、寬頻帶等方面的傳送突破,進(jìn)而在各個(gè)領(lǐng)域中得到了廣泛應(yīng)用。通常情況下,無(wú)線通信網(wǎng)絡(luò)又被稱之為自干擾系統(tǒng),以相同載頻的鄰區(qū)為例,其可以在干擾加大的情況下,實(shí)現(xiàn)負(fù)載能量的提升,但卻會(huì)呈現(xiàn)出低覆蓋范圍的特點(diǎn)。為了更多的推動(dòng)無(wú)線通信網(wǎng)絡(luò)的發(fā)展,引入了智能化技術(shù),其不僅可以解決難以建模問(wèn)題、檢測(cè)及估計(jì)問(wèn)題、難以求解問(wèn)題和采用統(tǒng)一的模式實(shí)現(xiàn)問(wèn)題,而且還可以拓展無(wú)線通信網(wǎng)絡(luò)的應(yīng)用領(lǐng)域,進(jìn)而提高其發(fā)展進(jìn)程。
如今,無(wú)線通信技術(shù)成為社會(huì)的重要發(fā)展方向,4G無(wú)線通信技術(shù)已經(jīng)逐步實(shí)現(xiàn),并逐漸推進(jìn)了5G無(wú)線通信技術(shù)的發(fā)展;同時(shí),移動(dòng)電話業(yè)務(wù)也應(yīng)運(yùn)而生,并在一定程度上推動(dòng)了4G業(yè)務(wù)的拓展和延伸,提高了運(yùn)營(yíng)商的經(jīng)濟(jì)利益。(2)由于無(wú)線通信技術(shù)具有較廣的應(yīng)用范圍和差異化的應(yīng)用任務(wù),其存在較多的技術(shù)類型和技術(shù)手段,因此在應(yīng)用無(wú)線通信技術(shù)時(shí),需要在若干領(lǐng)域考慮到其技術(shù)要求和技術(shù)手段的不同,并由此構(gòu)建科學(xué)、合理的無(wú)線通信網(wǎng)覆蓋范圍,結(jié)合自身特點(diǎn)和優(yōu)勢(shì),形成一體化、多元化的無(wú)線通信通信技術(shù)。(3)伴隨著高通道傳輸技術(shù)的應(yīng)用,使得各個(gè)領(lǐng)域中的有線網(wǎng)絡(luò)寬帶也被大量應(yīng)用,不僅改變了網(wǎng)絡(luò)寬帶的帶寬速率,而且提升了寬帶利用的覆蓋率,進(jìn)而逐漸提高了人們的生活水平。(4)隨著無(wú)線通信技術(shù)與高通道傳輸技術(shù)的融合發(fā)展,無(wú)線通信呈現(xiàn)出融合化、綜合化以及多樣化的發(fā)展趨勢(shì),不僅實(shí)現(xiàn)了對(duì)同一核心網(wǎng)絡(luò)的多形式數(shù)據(jù)傳輸和信息傳輸,而且實(shí)現(xiàn)了無(wú)線通信網(wǎng)絡(luò)的市場(chǎng)化、可持續(xù)性發(fā)展。(5)IP 技術(shù)與無(wú)線通信技術(shù)的結(jié)合應(yīng)用,推進(jìn)了無(wú)線網(wǎng)絡(luò)通信的個(gè)性化需求模塊設(shè)計(jì),使得用戶的個(gè)人需求可以被滿足;在充分保障無(wú)線通信技術(shù)應(yīng)用的同時(shí),擴(kuò)充了個(gè)性化的需求功能。
在復(fù)雜的無(wú)線通信網(wǎng)絡(luò)環(huán)境中,經(jīng)常會(huì)遇到各種各樣的NP難問(wèn)題,此時(shí)啟發(fā)式算法可以借助強(qiáng)大的計(jì)算技術(shù)來(lái)使NP難問(wèn)題得到有效解決。通過(guò)大量的調(diào)查與研究發(fā)現(xiàn),NP難問(wèn)題的解決往往以可行的解空間為基礎(chǔ),通過(guò)探索新思路來(lái)得到滿意解。實(shí)際上,新思路的探索過(guò)程是以NP難問(wèn)題的特征信息為基礎(chǔ),通過(guò)啟發(fā)式、盲目式以及隨機(jī)式等搜索形式,形成解決思路。其中,盲目式搜索具有算法簡(jiǎn)單、運(yùn)行時(shí)間長(zhǎng)、搜索效率低的特點(diǎn),只適合在一些簡(jiǎn)單問(wèn)題求解中應(yīng)用。而為了使上述問(wèn)題得到改善,利用啟發(fā)式搜索可以選擇搜索方向并有效應(yīng)對(duì)復(fù)雜問(wèn)題,但該種搜索方式具有較高的啟發(fā)式信息獲取難度。而當(dāng)具體的求解問(wèn)題存在較大的解題空間時(shí),將會(huì)有效提高解題中隨機(jī)搜索的時(shí)空效率,尤其是搜索策略采用了演化或群智能等思想時(shí),可以大大提高復(fù)雜問(wèn)題的解決效率。
通常情況下,在無(wú)線通信網(wǎng)絡(luò)發(fā)展過(guò)程中,啟發(fā)式算法具有如下幾個(gè)方面的優(yōu)勢(shì):(1)對(duì)一些難以求解、建模困難等問(wèn)題提供了解決辦法;(2)算法步驟具有較強(qiáng)的兼容性,且直觀易理解,可以根據(jù)具體問(wèn)題制定有效的解決方案;(3)啟發(fā)式算法在解題時(shí)具有高效性,并可以有效提升解題并行計(jì)算的收斂速度。
強(qiáng)化學(xué)習(xí)一般是指讓機(jī)器來(lái)模擬人類學(xué)習(xí)能力的一類算法,其隸屬于機(jī)器學(xué)習(xí)范疇。機(jī)器學(xué)習(xí)是通過(guò)大量訓(xùn)練來(lái)對(duì)輸入樣本數(shù)據(jù)中隱含的規(guī)律進(jìn)行學(xué)習(xí),并將此規(guī)律用于分類或預(yù)測(cè)新樣本,并最終輸出所需要的結(jié)果。
在馬爾科夫決策(MDP)理論基礎(chǔ)上發(fā)展而來(lái)的強(qiáng)化學(xué)習(xí)算法,主要是通過(guò)發(fā)揮隨機(jī)動(dòng)態(tài)系統(tǒng)的功能來(lái)獲取問(wèn)題的最優(yōu)決策。通常情況下,馬爾科夫過(guò)程理論涵蓋了馬爾可夫鏈、鏈中狀態(tài)分類、n步轉(zhuǎn)移概率、馬爾可夫決策規(guī)劃、穩(wěn)態(tài)概率等一系列的關(guān)鍵性問(wèn)題。其中一般會(huì)選擇四元組來(lái)表示馬爾科夫決策規(guī)劃(MDP),具體公式如下:
上述公式通過(guò)簡(jiǎn)化可以簡(jiǎn)單表示為{S,R,A,P},在公式當(dāng)中S表示的是狀態(tài)空間,R表示期望報(bào)酬,A表示動(dòng)作決策的集合,P表示轉(zhuǎn)移概率。
在強(qiáng)化學(xué)習(xí)算法中還存在一種比較常見(jiàn)的典型算法:Q學(xué)習(xí)函數(shù),其是在環(huán)境狀態(tài)下,通過(guò)評(píng)估智能體的動(dòng)作獎(jiǎng)懲,來(lái)對(duì)各類潛在動(dòng)作進(jìn)行全面、系統(tǒng)的評(píng)估,從中優(yōu)選出最優(yōu)的動(dòng)作進(jìn)行執(zhí)行。在整個(gè)深化學(xué)習(xí)過(guò)程中,其核心是借助Bellman公式來(lái)更新Q值表,從而完成對(duì)某一種狀態(tài)下所對(duì)應(yīng)具體動(dòng)作的好壞程度的衡量和評(píng)估,進(jìn)而實(shí)現(xiàn)環(huán)境、動(dòng)作的變化,并能夠在線調(diào)整Q函數(shù)。Q學(xué)習(xí)算法既可以評(píng)估該狀態(tài)下的某種動(dòng)作所對(duì)應(yīng)的即時(shí)回報(bào)值進(jìn),而且還會(huì)綜合考慮該動(dòng)作后可能產(chǎn)生的未來(lái)回報(bào)值。
深度學(xué)習(xí)法是由機(jī)器通過(guò)模擬神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)模式,在構(gòu)建神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)關(guān)系的同時(shí),完成對(duì)無(wú)線網(wǎng)絡(luò)的組建。在深度學(xué)習(xí)的深度階段,其通常會(huì)形成涵蓋多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò),并確定神經(jīng)網(wǎng)絡(luò)模型,該種方法在無(wú)線通信網(wǎng)絡(luò)等領(lǐng)域得到了廣泛的應(yīng)用。
在無(wú)線通信網(wǎng)絡(luò)發(fā)展過(guò)程中,深度學(xué)習(xí)屬于比較常用的一項(xiàng)智能化工具,由于其具有優(yōu)越的性能,因此在無(wú)線通信網(wǎng)絡(luò)中扮演者至關(guān)重要的角色。同時(shí),在無(wú)線網(wǎng)絡(luò)物理層中,深度學(xué)習(xí)也具有比較廣闊的應(yīng)用潛力,并可以順利達(dá)到預(yù)期的應(yīng)用效果。通常情況下,在物理層傳輸中,深度學(xué)習(xí)應(yīng)用方式主要包括數(shù)據(jù)驅(qū)動(dòng)型和數(shù)據(jù)與模型雙驅(qū)動(dòng)兩種類型,其中前者主要是把無(wú)線通信系統(tǒng)所具有的多個(gè)功能模塊看作是未知的黑盒子,然后借助深度神經(jīng)網(wǎng)絡(luò)和大量數(shù)據(jù)來(lái)對(duì)其進(jìn)行訓(xùn)練,進(jìn)而達(dá)到預(yù)期的應(yīng)用效果。而后者可以借助原有系統(tǒng)模型和深度神經(jīng)網(wǎng)絡(luò)來(lái)訓(xùn)練有關(guān)參數(shù)或替代某個(gè)模塊,進(jìn)而達(dá)到調(diào)整和優(yōu)化性能的目的。
在正交頻分復(fù)用(OFDM)系統(tǒng)中,深度學(xué)習(xí)可以被廣泛應(yīng)用到信號(hào)檢測(cè)和信道估計(jì)上,其中為了時(shí)信號(hào)畸變問(wèn)題得到有效解決,可以借助能夠表現(xiàn)出信道統(tǒng)計(jì)特征等數(shù)據(jù)來(lái)完成深度學(xué)習(xí)模型的訓(xùn)練,只有經(jīng)過(guò)訓(xùn)練之后,才能達(dá)到有效回復(fù)或者發(fā)送數(shù)據(jù)信號(hào)的效果。通過(guò)對(duì)仿真結(jié)果進(jìn)行分析可以發(fā)現(xiàn),深度學(xué)習(xí)法的利用可以及時(shí)、有效的解決信號(hào)畸變問(wèn)題,而且還與MMSE估計(jì)器存在較多的比較相似的檢測(cè)性能。同時(shí), OFDM系統(tǒng)的應(yīng)用,還可以借助深度學(xué)習(xí)方法來(lái)達(dá)到降低脈沖噪聲的目的,其中第一階段可以借助深度神經(jīng)網(wǎng)絡(luò)(DNN)來(lái)有效檢測(cè)脈沖噪聲;在第二階段則可以實(shí)現(xiàn)對(duì)檢測(cè)到脈沖噪聲的降低,進(jìn)而削弱異常值所帶來(lái)的有害影響。因此,從誤碼率性能等角度考慮,深度神經(jīng)網(wǎng)絡(luò)可以有效替代以閾值檢測(cè)為基礎(chǔ)的脈沖噪聲消除法,進(jìn)而在一定程度上增強(qiáng)無(wú)線通信網(wǎng)絡(luò)的運(yùn)行速度。
綜上所述,現(xiàn)階段無(wú)線通信網(wǎng)絡(luò)已經(jīng)慢慢向人們的社會(huì)生活和工作滲透,此時(shí)為了更好的發(fā)揮其作用,就需要加強(qiáng)對(duì)智能化技術(shù)的應(yīng)用,其既可以解決傳統(tǒng)無(wú)線通信技術(shù)中所存在的問(wèn)題,而且還可以推動(dòng)無(wú)線通信技術(shù)的健康、可持續(xù)發(fā)展。