人工智能技术在5G时代的运用探讨

摘要：大数据及云计算、人工智能识别等为主的信息技术，带动不同行业向物联网化、智能化的方向迈进。5G物联网络中，根据不同网络用户的业务需求，通过利用人工智能（AI）技术，对高速率、大容量的数据信息传输场景，进行移动宽带增强、降低通信延时，可以满足大规模、低功耗网络设备和传感器的接入与管理，从而大大降低5G商用化的部署难度和成本。

关键词：人工智能技术  5G时代  运用  研究

中图分类号：TP18   文献标识码：A   文章编号：1672-3791（2021）11（a）-0000-00

Discussion on the Application of Artificial Intelligence Technology in 5G Era

LIU Lin

（Xi'an University of Science and Technology， Xi'an， Shaanxi Province， 710054 China）

Abstract： Information technology based on big data， cloud computing， and artificial intelligence recognition has driven different industries to move towards the Internet of Things and intelligence. In the 5G IoT network， according to the business needs of different network users， artificial intelligence （AI） technology is used to enhance mobile broadband and reduce communication delays for high-speed and large-capacity data information transmission scenarios， which can meet the needs of large-scale， The access and management of low-power network devices and sensors greatly reduces the difficulty and cost of 5G commercial deployment.

Key Words： Artificial intelligence technology; 5G era; Application; Research

人工智能識别技术支持下的网络计算机信息系统，主要根据不同网络用户的业务需求，通过一系列的大数据挖掘与分析技术、迭代计算技术，对接入的5G网络数据信息进行自动清洗与筛选、有价值信息提取，以及最优网络环境的选择和设置，为不同社区空间的网络拓扑结构构建、数据资源传输、干扰控制等提供技术协调，在进一步提升网络灵活性、网络资源利用率的同时，降低5G物联网络设置、运行的部署成本。

1 人工智能技术的内容及特征概述

1.1 人工智能技术的主要内容概述

当前我国不同产业行业中的人工智能技术应用，通常可被划分为基础层、技术层、应用层等的组成层级，不同层级中包括着不同的技术内容。其中基础层包括网络计算机、多源传感设备、后台数据库、存储器等硬件组成架构，技术层包括数据处理、数据储存、数据挖掘，以及深度学习算法、迁移学习算法、监督学习算法等的技术内容，多种人工智能技术都可以被用于计算机自然语言处理、语音或视觉要素交互，应用层则包含不同领域中人工智能技术的具体应用场景，如在5G信息传输、物联网智能控制、智慧安防、自动驾驶等领域的应用。

1.2 人工智能技术具有的特征

人工智能作为网络计算机科学的重要技术，其在海量的数据信息挖掘、筛选与处理，以及机器语言重复性学习、数据重复迭代的过程中，通常具有以下几方面的典型特征。

1.2.1  多传感器的外部数据感知与搜集

人工智能系统往往利用超声波传感器、红外传感器、温湿度传感器、声音传感器、亮度传感器等装置，对外界空间环境中的数据信息进行感知、收集，并将多元数据资源经由5G网络、Wi-Fi无线网络等的通信渠道，将数据信息传输至网络云服务后台中进行处理。另外，CCD光学传感器、声觉/嗅觉传感器、Bumblebee双目高速相机、数据手套、VR眼镜等可穿戴设备，也为人工智能系统的数据信息感知装置，可完成复杂环境下的数据资源采集与传输[1]。

1.2.2  利用神经网络的重复性数据学习与迭代

深度神经网络包括卷积神经网络、递归神经网络等算法，在短时间内具有强大的数据信息挖掘、分析与处理能力，利用深度神经网络（AI）的重复性学习、自动信息处理技术，可以在某一时间序列上，进行不同类别数据信息的感知、学习、记忆、推理、决策等重复性运算，经过深度神经网络算法的多次迭代，可得到数据计算机任务的处理结果。

1.2.3  人工智能技术提高物联网交互、功能实现的智能化

人工智能中多传感设备、机器学习、网络云服务等技术的融合，可以为广域网、局域网数据通信传输，以及不同软件应用的功能实现提供软硬件支持。

2 人工智能感知与识别的主要技术分类

2.1 多传感器的感知与识别技术

目前人工智能在外部用户或客户访问过程中，通常根据有生命、无生命的信息感知需求，设置光敏传感器、热电偶传感器、霍尔传感器、射频识别传感器、智能卡传感装置，以及Bumblebee双目高速相机、数据手套、VR眼镜、智能手表等可穿戴设备，进行有生命的人体面部特征、声音、指纹的监测鉴定，以及无生命的智能磁卡、集成电路板等的自动感知识别。通过对外部声音、光源、无线电磁波等数据信息的感知读取，可检测上传周围环境中的任何有生命、无生命物质属性，将多种数据特征做出整合与标识，以实现监测目标的自动跟踪识别和数据搜集[2]。

2.2 大数据挖掘、关联分析技术

面对广域网/局域网中海量复杂数据信息的传输，通常采取大数据关联规则的挖掘技术、多维度关联分析技术，对不同网络系统内的数据资源进行挖掘分析，包括海量化低价值密度数据信息的筛选、清洗或剔除，以及利用深度机器学习算法、GBM机器学习算法等，进行多源、多维度数据的迭代计算，得出不同类别数据资源的显著性检验、关联分析结果。

2.3 故障采集与控制的认知智能技术

人工智能技术的深度学习神经网络，是被用于网络系统故障诊断、警报处理与管理的主要技术，深度学习神经网络有着较强的在线学习、联想记忆、非线性映射等能力，主要被引入电气系统、电气自动化、智能家居自动化的控制中。现阶段在网络系统故障采集与控制中，存在的深度学习神经网络技术包括BP算法、模糊控制算法等[3]。

3 人工智能技术在5G时代的运用探讨研究

3.1 人工智能技术在5G物联网智能家居中的运用

在小范围局域网内的智能家居监控与控制系统中，通常利用5G网络通信、Wi-Fi、紫蜂协议等数据传输技术，进行底层硬件设备、顶层网络指令控制端之间的通信连接。智能家居监控与控制系統中，包括网络计算机、5G模块、路由器、紫蜂协议协调器、云服务后台等硬件设备，不同类别的数据资源经由5G模块、PAN协调器，以及网络通信串行接口，搜集与整合多种电气设备的数据信息，并通过PAN协调器、数据获取层终端完成网络节点的组网工作[4]。之后由网络传输层利用大数据关联规则挖掘、实时关联分析等的人工智能技术，对下层获取的智能家居数据信息，进行不同节点的数据筛选、清洗或剔除操作后，将数据传输至网络云服务后台中，由深度机器学习算法、GBM机器学习算法等神经网络，进行多源、多维度数据的重复性学习与迭代计算，完成不同控制设备的数据任务响应、控制指令执行，进行智能家用电器设备的状态监控、突发情况控制。

3.2 人工智能技术在5G网联汽车通信中的运用

为满足5G智能网联汽车的数据信号输入/输出、任务响应需求，通常会设置以5G LTE-V核心网、D2D或M2M通信为主的信息传送通道，其中5G LTE-V核心网包括虚拟化资源层、运营管理层的组成结构，利用5G蜂窝频段、网络切片等虚拟组件，为智能网联汽车内部的不同数据资源传输、信息交换、物理计算与存储服务，提供5G网络通信频段、配置的支持，加强智能网联汽车系统横向、纵向业务域的网络编排管理，智能网联汽车系统的5G核心网络配置、组网方案的整体架构。特别面对高速、超高速移动的智能汽车，通常需要更高的通信带宽、更快的网络操控指令响应，因此要利用BP神经网络算法、深度机器学习算法，对网络内智能汽车的定速巡航、辅助驾驶、自动驾驶的业务功能，提供多元数据信息的重复性、迭代性计算，保证移动汽车智能驾驶中各类业务逻辑的功能实现。

3.2.1  虚拟服务器NFV/MANO的弹性资源分配

在SLAs服务等级协议、虚拟服务器、存储数据库、计算机硬件，以及NFV MANO支撑软件组件架构技术等的基础上，建立用于智能网联汽车的虚拟化管理系统，对接入5G无线网络的多种数据资源、业务功能请求，进行灵活的虚拟化组网、资源动态配置、网络功能（VNF）协调与管理，按需对业务路由、任务请求作出自动编排，完成人工智能网联汽车场景下的网络配置、业务响应与功能协调[5]。

3.2.2  控制与转发分离

5G网络环境下的智能网联汽车，主要依托于业务控制组件、媒体功能组件等的虚拟化组件，负责对接入网络的车联网系统，进行连接鉴权、数据传输的管理控制。其中位于数据服务云平台层的业务控制组件，用于车联网客客户、其他连接硬件设备的网络接入授权/鉴权;之后通过网络云服务器（CDN）端的转发面组件，以及D2D、M-MIMO等的5G异构通信传输信道，进行不同报文数据转发、移动终端的分开部署，完成系统分流带宽内接收的分布式数据、服务请求处理[6]。

4  结语

人工智能技术是对人的思维意识等的仿真模拟技术，其作为计算机科学的分支之一，通常包括机器人技术、语音及图像识别技术、自然语言处理技术，以及大数据挖掘、分析与处理技术。而5G网络通信技术的快速发展，也带来不同行业产业业态、智能化控制与管理模式的创新，通过将多种人工智能技术，引入到物联网智能家居控制、智慧安防、网联汽车自动驾驶等的应用之中，可以促进人工智能感知识别、数据传输、指令控制等目标的实现。

参考文献

[1] 杨英仓.大数据时代视频侦查技术课程教学改革与创新研究[J].河北公安警察职业学院学报，2019，19（3）：69-72.

[2] 刘琦，侯丽，彭章友.基于辨识特征后融合的行人再识别[J].计算机应用研究，2019，36（8）：2552-2555.

[3] 王松山，傅新镇，李强.PACS系统中的图像可识别特征分割方法研究与分析[J].微型电脑应用，2017，33（4）：35-38.

[4] 王臣.计算机人工智能识别技术的应用思考[J].计算机产品与流通，2020（4）：4.

[5] 王照.计算机人工智能识别技术及其运用探究[J].通讯世界，2020，27（5）：193，196.

[6] 刘强.面向物联网应用的人工智能相关技术特点分析[J].电子技术与软件工程，2021（17）：23-24.

作者简介：刘琳（1980—），男，硕士，讲师，研究方向为创新创业教育。