无线网络优化技术研究

摘要：互联网、大数据、云计算等技术的快速发展，促进了无线网络的应用和普及，目前，无线网络已经从4G发展到了5G，大大地提高了无线网络的数据传输速度，并且取得了极大的应用成效，比如可以实现高清晰视频传输、大型手机网络游戏，实现了移动宽带高速传输技术。但是，5G无线网络也存在一定的缺陷，比如穿透能力弱、数据传输覆盖范围小等，因此需要加强无线网络优化，从而提高5G无线网络的覆盖能力，确保数据高速度、高可靠的传输。文章详细地分析无线网络优化传输的关键技术，比如增强毫米波优化技术、宏基站+伪基站优化技术等，提高了5G无线网络通信覆盖半径，未来无线网络优化技术，还要持续的引入深度学习技术、可视化技术，进一步提高5G无线网络通信传输范围。

关键词：无线网络；5G通信；覆盖优化；深度学习

1引言

无线网络优化是5G移动通信网络健康可持续运营的基础，也是网络规划和运营的重要工作，能够确保无线网络具有较高的运行稳定性，同时为人们提供更加高效的运营服务质量[1]。目前，5G移动通信技术已经在很多场景得到广泛应用，比如产业集聚区、写字楼、商业广场、文化广场、高铁站、地铁站等，这些区域的建筑设施比较复杂，空间狭窄，5G基站的部署数量比较少，与传统的2G、3G甚至是4G移动通信相比，无线网络的传播特性不同，高频段的5G网络信号对于植被、建筑、电磁等信号更加敏感，因此不利于5G信号的发射和传输[2]。5G移动无线网络的优化就显得非常必要，由于5G移动通信网络部署的频段为Sub-6G频段和28/39G等高频段，这些频段对网络信号传输环境要求非常高，对5G移动基站的选择和规划参数精确度也提出了更高的要求，因此采用3D场景建模和高精度的射线追踪模型提高5G移动通信网络基站规划水平，同时还可以采用多种方法开展网络优化，进一步满足5G移动通信的全场景应用[3]。

2无线网络优化技术应用实践现状

5G无线网络经过多年的普及，网络优化技术也吸引了很多通讯企业和学者研究，比如高通公司为了提高5G通信传输的水平，基于LTE无线网络基站利用毫米波频段基站，构建了一个覆盖率达到65%的毫米波5G无线网络，可以提高无线网络的容量，同时还可以实现4G和5G无线网络的协作组网；同时，高通公司又采取了实际测量的方法，提出了一个增强28GHz毫米波频段的传播质量以及无线信号覆盖的方法，从而达到了数据通信传输性能，具体的5G无线网络覆盖水平，优化后的5G网络通信覆盖范围大大增加，如表1所示.诺基亚公司联合沃达丰开展5G无线网络的测试，发现在毫米波频段的路径损耗模型的基础上，可以针对5G无线网络的智能天线辐射方向，构建一个基站与移动终端之间的最佳配合度，从而可以提升5G基站的信号覆盖范围，并且降低数据传输的电磁干扰，从而可以减少部署5G基站的数量，利用波束赋形技术利用最优发射和接收方向的定向天线可有效改善容量增益[4]。另外，贝尔实验室又针对5G基站的大规模天线阵列进行重构和设计，基于MIMO技术实现了天线阵列的数据传输技术，在高等院校、写字楼等多个用户场景下计算数据的吞吐率，并正式提出大规模MIMO的概念，提高了5G基站的数据传输性能，5G网络优化后的测试结果如图1所示。目前，中国移动、电信和联通等运营商也积极的根据5G网络覆盖和实践结果，提出了很多的无线网络优化测试方法，常用的网络优化技术包括语音话务负载均衡优化技术、移动信号干扰控制优化技术、覆盖优化技术、切换性能优化技术等[5]。中国移动通信公司为了提高5G移动通信水平，积极的采取无线网络覆盖优化技术，以期提高网络覆盖水平，比如中国移动通信集团实践发现，目前部署于室外的5G移动基站技术，其在建筑物内的传输路径更少，传输的信号辐射范围更窄，因此为了提高5G信号的覆盖能力，可以采用“宏站+小站”实现网络建设，提高室内外5G移动信号的覆盖水平，进一步提高5G网络信号的质量和提升信道容量[6]。中国移动通信将这种覆盖优化技术应用于多个场景进行测试，比如大学宿舍、写字楼、产业集聚区、商业百货广场、文化体育广场等，相关测试结果如图2所示。西安电子科技大学天线与微波技术国家重点实验室为了提高5G移动通信的传输水平，采用了极化分集时MIMO系统的网络通信传输模型，该模型可以接受更多的信号空间相关性，提高信道的容量，利用极化分集技术的MIMO系统可以提高信道的抗衰落性，能够使用大规模的MIMO系统，进一步提高5G移动通信的自由度，也可以提高5G高频段传输的效率，这样就可以提升高频段的频谱利用效率，大幅度降低小区内多用户之间进行通信的干扰，同时，MIMO系统利用大规模天线技术可以降低小尺度衰落，平均化噪声功率，并且可以避免信号的深度衰落，因此大规模MIMO系统具有极高的波束赋形增益功能，同时不需要增加基站数量的前提下提高无线网络的无缝覆盖水平，减少数据传输过程中的误码率[7]，具体的，基于大规模MIMO技术的无线网络误码率可以降低到10-6，因此大大地提高了传输的可靠性，目前我国5G网络平均下行接入速率为334.98Mbps，下行峰值接入速率为472.92Mbps；全国5G网络平均上行接入速率为70.21Mbps，上行峰值接入速率为96.02Mbps。

3无线网络优化技术未来发展趋势

无线网络优化是一个动态的、复杂的工作，需要利用先进的信息化系统实时监控网络运行信号的质量，从而可以更好地控制无线网络运行性能，确保用户数据传输准确可靠。但是，由于无线网络通信传输采取了不可视化的介质，因此未来无线网络优化就需要引入可视化技术，利用可视化的操作平台或系统，监控无线网络的运行状态，一旦发现某些区域信号薄弱或无状态，此时可以及时地启动无线网络优化技术，进一步提高无线网络传输水平。无线网络优化还要加强监控的实时性和准确性，进一步提高无线网络的监控能力，因此未来可以引入大数据技术，比如深度学习等，可以从海量的无线网络通信信号中发现潜在的薄弱区域，进一步提高无线网络通信信号的预测准确度。无线网络采用深度学习算法进行优化监控，该算法主要包括输入层、卷积层、池化层和全连接层，每一层都可以从上一层接受信号，并且将训练完成的结果发送给下一层，从而可以提取网络数据特征，基于深度学习的无线网络优化应用模型如图4示。深度学习在应用中的每一层的功能及作用描述如下。（1）输入层无线网络承载的通信数据非常多，并且这些信号需要利用多个基站系统，因此这些基站系统的数据存储在无线网络优化管理系统，比如基站位置、覆盖半径、通信传输性能、并发用户数量等，这些数据涉及到无线网络的运行状况，深度学习利用归一化处理技术实现信息的预处理，从而可以删除5G移动通信网络中的一些边缘噪声数据，这些数据可以实现量纲统一，从而能够提高无线网络数据优化的准确度和可靠性。（2）卷积层深度学习技术包括两个非常关键的层次，分别是卷积层和池化层，卷积层C1和C2完成数据特征的挖掘和识别，从而能够有效的过滤数据，并且将相似的特征提取出来融合在一起，从而可以大幅度缩小数据处理工作量，避免发生过度拟合的操作。池化层可以完成特征窗口的滑动操作，能够减少深度学习算法获取特征数量，避免一些效果不显著的特征数据增加计算量。目前，卷积层常用的函数为Sigmoid函数，其可以完成特征提取操作。（3）池化层池化层也是深度学习算法的关键层，为了降低深度学习算法的计算量，可以采用池化层精简特征数量、参数数量，并且不降低深度学习算法的特征提取准确度，从而还可以避免发生过度拟合操作。池化层在卷积层获取特征值之后，可以根据5G网络信号的进行平滑操作，从而能够计算特征的最大值及最小值，获取平滑操作的均值。（4）全连接层全连接层能够保存深度学习算法训练完成的各个参数，生成一个分类器，该分类器能够完成5G网络信号的后续优化操作。比如，可以将全连接层接入到5G通信网络，这样就可以实时的监控网络信号的运行状态，一旦发现某些区域无信号或信号较弱，此时就可以及时的进行优化，比如增加直放站等，从而提高5G网络信号的优化水平。

4结语

5G移动通信网络采用语音话务负载均衡优化技术、移动信号干扰控制优化技术、覆盖优化技术、切换性能优化技术等方法进行信号优化，一定程度上可以提高5G移动通信网络信号的覆盖水平，实现全覆盖和较强的通信信号，但是这些优化技术都是被动的和不及时的，因此本文还针对未来5G移动通信网络优化进行了展望，提出利用可视化技术和深度学习技术，分析5G移动通信的传输信号状态，提高数据传输速度。

参考文献：

[1]高媛,靳世杰,赵永峰.智能优化技术在无线网络优化中的应用及算法研究[J].电信快报:网络与通信,2022(2):17-20.

[2]韦运玲.自适应人工免疫网络算法的无线传感网络拓扑结构优化[J].电子测量技术,2020,43(1):85-89.

[3]黄红波,王勇智.基于离散粒子群算法的无线传感器网络拓扑优化[J].电脑知识与技术:学术版,2021,17(22):10-12.

[4]刘文成.复杂电磁环境下离岸舰船无线网络信号优化[J].舰船科学技术,2020,42(06):119-121.

[5]杨燚.人工智能视角下的5G无线网络智能规划和优化[J].现代工业经济和信息化,2021,11(4):103-104.

[6]雷禹.大数据环境下无线校园网络优化的设计分析[J].信息周刊,2020(8):111-112.

[7]宋德强,高建.无线网络优化技术应用及发展[J].计算机产品与流通,2020(2):101-102.

作者：孙东东 司春波 赵志强 单位：中国移动通信集团内蒙古有限公司阿拉善分公司 中国移动通信集团内蒙古有限公司赤峰分公司 中国移动通信集团内蒙古有限公司