王鴻 遼寧科技大學(xué)

無線通信網(wǎng)絡(luò)技術(shù)的發(fā)展，不僅可以實(shí)現(xiàn)無線電波的遠(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，但卻會呈現(xiàn)出低覆蓋范圍的特點(diǎn)。為了更多的推動無線通信網(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題、檢測及估計(jì)問題、難以求解問題和采用統(tǒng)一的模式實(shí)現(xiàn)問題，而且還可以拓展無線通信網(wǎng)絡(luò)的應(yīng)用領(lǐng)域，進(jìn)而提高其發(fā)展進(jìn)程。

1 無線通信技術(shù)發(fā)展現(xiàn)狀

如今，無線通信技術(shù)成為社會的重要發(fā)展方向，4G無線通信技術(shù)已經(jīng)逐步實(shí)現(xiàn)，并逐漸推進(jìn)了5G無線通信技術(shù)的發(fā)展；同時(shí)，移動電話業(yè)務(wù)也應(yīng)運(yùn)而生，并在一定程度上推動了4G業(yè)務(wù)的拓展和延伸，提高了運(yùn)營商的經(jīng)濟(jì)利益。（2）由于無線通信技術(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)、合理的無線通信網(wǎng)覆蓋范圍，結(jié)合自身特點(diǎn)和優(yōu)勢，形成一體化、多元化的無線通信通信技術(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）隨著無線通信技術(shù)與高通道傳輸技術(shù)的融合發(fā)展，無線通信呈現(xiàn)出融合化、綜合化以及多樣化的發(fā)展趨勢，不僅實(shí)現(xiàn)了對同一核心網(wǎng)絡(luò)的多形式數(shù)據(jù)傳輸和信息傳輸，而且實(shí)現(xiàn)了無線通信網(wǎng)絡(luò)的市場化、可持續(xù)性發(fā)展。（5）IP 技術(shù)與無線通信技術(shù)的結(jié)合應(yīng)用，推進(jìn)了無線網(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。

2 智能化技術(shù)

2.1 啟發(fā)式算法

在復(fù)雜的無線通信網(wǎng)絡(luò)環(huán)境中，經(jīng)常會遇到各種各樣的NP難問題，此時(shí)啟發(fā)式算法可以借助強(qiáng)大的計(jì)算技術(shù)來使NP難問題得到有效解決。通過大量的調(diào)查與研究發(fā)現(xiàn)，NP難問題的解決往往以可行的解空間為基礎(chǔ)，通過探索新思路來得到滿意解。實(shí)際上，新思路的探索過程是以NP難問題的特征信息為基礎(chǔ)，通過啟發(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單、運(yùn)行時(shí)間長、搜索效率低的特點(diǎn)，只適合在一些簡單問題求解中應(yīng)用。而為了使上述問題得到改善，利用啟發(fā)式搜索可以選擇搜索方向并有效應(yīng)對復(fù)雜問題，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)具體的求解問題存在較大的解題空間時(shí)，將會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)雜問題的解決效率。

通常情況下，在無線通信網(wǎng)絡(luò)發(fā)展過程中，啟發(fā)式算法具有如下幾個(gè)方面的優(yōu)勢：（1）對一些難以求解、建模困難等問題提供了解決辦法；（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。

2.2 強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)一般是指讓機(jī)器來模擬人類學(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)是通過大量訓(xùn)練來對輸入樣本數(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)展而來的強(qiáng)化學(xué)習(xí)算法，主要是通過發(fā)揮隨機(jī)動態(tài)系統(tǒng)的功能來獲取問題的最優(yōu)決策。通常情況下，馬爾科夫過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)鍵性問題。其中一般會選擇四元組來表示馬爾科夫決策規(guī)劃（MDP），具體公式如下：

上述公式通過簡化可以簡單表示為{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，通過評估智能體的動作獎懲，來對各類潛在動作進(jìn)行全面、系統(tǒng)的評估，從中優(yōu)選出最優(yōu)的動作進(jìn)行執(zhí)行。在整個(gè)深化學(xué)習(xí)過程中，其核心是借助Bellman公式來更新Q值表，從而完成對某一種狀態(tài)下所對應(yīng)具體動作的好壞程度的衡量和評估，進(jìn)而實(shí)現(xiàn)環(huán)境、動作的變化，并能夠在線調(diào)整Q函數(shù)。Q學(xué)習(xí)算法既可以評估該狀態(tài)下的某種動作所對應(yīng)的即時(shí)回報(bào)值進(jìn)，而且還會綜合考慮該動作后可能產(chǎn)生的未來回報(bào)值。

2.3 深度學(xué)習(xí)

深度學(xué)習(xí)法是由機(jī)器通過模擬神經(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)，完成對無線網(wǎng)絡(luò)的組建。在深度學(xué)習(xí)的深度階段，其通常會形成涵蓋多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)，并確定神經(jīng)網(wǎng)絡(luò)模型，該種方法在無線通信網(wǎng)絡(luò)等領(lǐng)域得到了廣泛的應(yīng)用。

在無線通信網(wǎng)絡(luò)發(fā)展過程中，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，因此在無線通信網(wǎng)絡(luò)中扮演者至關(guān)重要的角色。同時(shí)，在無線網(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)動型和數(shù)據(jù)與模型雙驅(qū)動兩種類型，其中前者主要是把無線通信系統(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)來對其進(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)用到信號檢測和信道估計(jì)上，其中為了時(shí)信號畸變問題得到有效解決，可以借助能夠表現(xiàn)出信道統(tǒng)計(jì)特征等數(shù)據(jù)來完成深度學(xué)習(xí)模型的訓(xùn)練，只有經(jīng)過訓(xùn)練之后，才能達(dá)到有效回復(fù)或者發(fā)送數(shù)據(jù)信號的效果。通過對仿真結(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)、有效的解決信號畸變問題，而且還與MMSE估計(jì)器存在較多的比較相似的檢測性能。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）來有效檢測脈沖噪聲；在第二階段則可以實(shí)現(xiàn)對檢測到脈沖噪聲的降低，進(jìn)而削弱異常值所帶來的有害影響。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)無線通信網(wǎng)絡(luò)的運(yùn)行速度。

3 結(jié)束語

綜上所述，現(xiàn)階段無線通信網(wǎng)絡(luò)已經(jīng)慢慢向人們的社會生活和工作滲透，此時(shí)為了更好的發(fā)揮其作用，就需要加強(qiáng)對智能化技術(shù)的應(yīng)用，其既可以解決傳統(tǒng)無線通信技術(shù)中所存在的問題，而且還可以推動無線通信技術(shù)的健康、可持續(xù)發(fā)展。