九天智慧网络仿真平台设计和开放服务

doi:10.11959/j.issn.1000-0801.2023178

电信科学 ›› 2023, Vol. 39 ›› Issue (9): 43-53.doi: 10.11959/j.issn.1000-0801.2023178

• 专题：网络智能化与生成式人工智能 • 上一篇

九天智慧网络仿真平台设计和开放服务

赵雷, 张苗苗, 李光宇, 关焯文, 刘思佳, 肖赵斌, 曹玉婷, 吕喆, 梁燕萍

中国移动通信有限公司研究院，北京 100053

修回日期:2023-09-02 出版日期:2023-08-01 发布日期:2023-08-01
作者简介:赵雷（1997- ），男，中国移动通信有限公司研究院工程师，主要研究方向为无线网络智能化技术及算法
张苗苗（1993- ），女，中国移动通信有限公司研究院工程师，主要研究方向为无线网络智能化技术及算法
李光宇（1989- ），男，中国移动通信有限公司研究院工程师，主要研究方向为无线网络智能化技术
关焯文（1993- ），男，中国移动通信有限公司研究院工程师，主要研究方向为无线网络智能化技术
刘思佳（1994- ），女，中国移动通信有限公司研究院工程师，主要研究方向为无线网络智能化技术及算法
肖赵斌（1990- ），男，中国移动通信有限公司研究院工程师，主要研究方向为无线网络智能化技术
曹玉婷（1993- ），女，中国移动通信有限公司研究院工程师，主要研究方向为无线网络智能化技术及算法
吕喆（1988- ），男，中国移动通信有限公司研究院工程师，主要研究方向为网络智能化技术及算法
梁燕萍（1986- ），女，中国移动通信有限公司研究院工程师，主要研究方向为网络智能化技术

Design and open services of JiuTian intelligent network simulation platform

Lei ZHAO, Miaomiao ZHANG, Guangyu LI, Zhuowen GUAN, Sijia LIU, Zhaobin XIAO, Yuting CAO, Zhe LYU, Yanping LIANG

China Mobile Research Institute, Beijing 100053, China

Revised:2023-09-02 Online:2023-08-01 Published:2023-08-01

摘要/Abstract

摘要：

介绍了九天智慧网络仿真平台，该平台可提供智慧网络开放创新平台的无线通信仿真数据和环境服务。包含一系列可扩展的仿真器功能，通过开放服务方便用户基于仿真环境和数据利用强化学习等算法进行模型训练和推理，并且可以通过上传和更新参数配置解决不同场景下的优化任务。主要从背景、整体架构、仿真器、业务场景和未来方向来介绍此平台及其开放的服务。

关键词: 仿真平台, 仿真器, 业务场景, 无线通信, 网络智能化

Abstract:

The JiuTian intelligent network simulation platform was proposed, which could provide wireless communication simulation data services for the open innovation platform.The platform contained a series of scalable simulator functionalities, offering open services that enable users to use reinforcement learning algorithms for model training and inference based on simulation environments and data.Additionally, it allowed users to address optimization tasks in different scenarios by uploading and updating parameter configurations.The platform and its open services were primarily introduced from the perspectives of background, overall architecture, simulator, business scenarios, and future directions.

Key words: simulation platform, emulator, business scenario, wireless communication, network intelligence

中图分类号:

TN929

赵雷, 张苗苗, 李光宇, 关焯文, 刘思佳, 肖赵斌, 曹玉婷, 吕喆, 梁燕萍. 九天智慧网络仿真平台设计和开放服务[J]. 电信科学, 2023, 39(9): 43-53.

Lei ZHAO, Miaomiao ZHANG, Guangyu LI, Zhuowen GUAN, Sijia LIU, Zhaobin XIAO, Yuting CAO, Zhe LYU, Yanping LIANG. Design and open services of JiuTian intelligent network simulation platform[J]. Telecommunications Science, 2023, 39(9): 43-53.

图/表 11

图1

图2

图3

图4

图5

图6

表1

图7

表2

表3

图8

参考文献 23

[1]	王胡成, 徐晖, 程志密 ,等. 5G 网络技术研究现状和发展趋势[J]. 电信科学, 2015,31(9): 149-155.
	WANG H C , XU H , CHENG Z M ,et al. Current research and development trend of 5G network technologies[J]. Telecommunications Science, 2015,31(9): 149-155.
[2]	SCHANK R C . Where’s the AI?[J]. AI Magazine, 1991,12(4): 38-38.
[3]	中国移动. 九天人工智能平台[Z]. 2022.
	China Mobile. JiuTian intelligent network simulation platform[Z]. 2022.
[4]	GUO J , HE H , HE T ,et al. Gluoncv and gluonnlp:deep learning in computer vision and natural language processing[J]. The Journal of Machine Learning Research, 2020,21(1): 845-851.
[5]	RADFORD A , METZ L , CHINTALA S . Unsupervised representation learning with deep convolutional generative adversarial networks[J]. arXiv preprint, 2015,arXiv:1511.06434.
[6]	KAELBLING L P , LITTMAN M L , MOORE A W . Reinforcement learning:a survey[J]. Journal of Artificial Intelligence Research, 1996(4): 237-285.
[7]	SCHULMAN J , WOLSKI F , DHARIWAL P ,et al. Proximal policy optimization algorithms[J]. arXiv preprint, 2017,arXiv:707.06347.
[8]	SUTTON R S , BARTO A G . Reinforcement learning:an introduction[M]. Cambridge: MIT Press, 1998.
[9]	BELLEMARE M G , NADDAF Y , VENESS J ,et al. The arcade learning environment:an evaluation platform for general agents[J]. Journal of Artificial Intelligence Research, 2013(47): 253-279.
[10]	LONG Q Y , WANG H D , LI T ,et al. Practical synthetic human trajectories generation based on variational point processes[C]// Proceedings of the 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. New York:ACM Press, 2023.
[11]	FENG J , YANG Z Y , XU F L ,et al. Learning to simulate human mobility[C]// Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery ＆ Data Mining. New York:ACM Press, 2020: 3426-3433.
[12]	KINGMA D P , WELLING M . Auto-encoding variational bayes[J]. arXiv preprint, 2013,arXiv:1312.6114.
[13]	GOODFELLOW I , POUGET-ABADIE J , MIRZA M ,et al. Generative adversarial networks[J]. Communications of the ACM, 2020,63(11): 139-144.
[14]	AFROZ F , SUBRAMANIAN R , HEIDARY R ,et al. SINR,RSRP,RSSI and RSRQ measurements in long term evolution networks[J]. International Journal of Wireless ＆ Mobile Networks, 2015,7(4): 113-123.
[15]	PARK C S , PARK S . Analysis of RSRP measurement accuracy[J]. IEEE Communications Letters, 2016,20(3): 430-433.
[16]	GUO H Y , LIANG Y C , CHEN J ,et al. Weighted sum-rate maximization for reconfigurable intelligent surface aided wireless networks[J]. IEEE Transactions on Wireless Communications, 2020,19(5): 3064-3076.
[17]	IWAMURA M , ETEMAD K , FONG M H ,et al. Carrier aggregation framework in 3GPP LTE-advanced[WiMAX/LTE Update][J]. IEEE Communications Magazine, 2010,48(8): 60-67.
[18]	MOUNTASER G , ROSAS M L , MAHMOODI T ,et al. On the feasibility of MAC and PHY split in cloud RAN[C]// Proceedings of 2017 IEEE Wireless Communications and Networking Conference (WCNC). Piscataway:IEEE Press, 2017: 1-6.
[19]	MAEDER A , LALAM M , DE DOMENICO A ,et al. Towards a flexible functional split for cloud-RAN networks[C]// Proceedings of 2014 European Conference on Networks and Communications (EuCNC). Piscataway:IEEE Press, 2014: 1-5.
[20]	YOU X H , ZHANG C , TAN X S ,et al. AI for 5G:research directions and paradigms[J]. Science China Information Sciences, 2019,62(2): 21301.
[24]	HENDERSON P , ISLAM R , BACHMAN P ,et al. Deep reinforcement learning that matters[J]. Proceedings of the AAAI Conference on Artificial Intelligence, 2018,32(1).
[25]	KINGMA D P , BA J . Adam:a method for stochastic optimization[J]. arXiv preprint, 2014,arXiv:1412.6980.
[26]	王建斌, 王恒钧, 吴松 ,等. 基于粒子群优化算法的5G波束权值寻优方法[J]. 电信科学, 2023,39(7): 23-34.
	WANG J B , WANG H J , WU S ,et al. 5G beamforming weight optimization method based on particle swarm optimization algorithm[J]. Telecommunications Science, 2023,39(7): 23-34.
[27]	GUO J , WEN C , JIN S ,et al. Overview of deep learning-based CSI feedback in massive MIMO systems[J]. arXiv preprint, 2022,arXiv:2206.14383.
[28]	POLI A A , CIRILLO M C . On the use of the normalized mean square error in evaluating dispersion model performance[J]. Atmospheric Environment.Part A.General Topics, 1993,27(15): 2427-2434.
[21]	LI R P , ZHAO Z F , ZHOU X ,et al. Intelligent 5G:when cellular networks meet artificial intelligence[J]. IEEE Wireless Communications, 2017,24(5): 175-183.
[22]	LU L , LI G Y , SWINDLEHURST A L ,et al. An overview of massive MIMO:benefits and challenges[J]. IEEE Journal of Selected Topics in Signal Processing, 2014,8(5): 742-758.
[23]	LARSSON E G , EDFORS O , TUFVESSON F ,et al. Massive MIMO for next generation wireless systems[J]. IEEE Communications Magazine, 2014,52(2): 186-195.

参数名称	调整范围	步长
水平波宽	[15°, 15°]	1°
垂直波宽	[6°, 12°]	6°
方位角	[-47°, 47°]	2°
下倾角	[-6°, 13°]	1°

指标	调整前（现网默认）	调整后	对比
SS RSRP/dBm	-70.12	-64.50	5.62
SS SINR/dB	16.46	17.41	0.94
5G 综合覆盖率	98.11%	99.90%	1.79%
下行速率/(Mbit·s^-1)	788.35	894.59	106.24
上行速率/(Mbit·s^-1)	103.01	155.24	52.22

指标	调整前	调整后	对比
SS-RSRP/dBm	-71.12	-68.89	2.23
SS-SINR/dB	12.70	14.85	2.15
5G综合覆盖率	100%	100%	0
上行速率/(Mbit·s^-1）	128.15	127.66	-0.49
下行速率/(Mbit·s^-1)	1 056.11	1 098.48	42.37

九天智慧网络仿真平台设计和开放服务

Design and open services of JiuTian intelligent network simulation platform

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 23

相关文章 15

Metrics

推荐阅读 0

[1]	蒋跃宇, 承昊新, 王康, 戴文骏, 刘笑宇. PLC-RF无线传输网络中的能效最优设计方法[J]. 电信科学, 2023, 39(4): 111-119.
[2]	丁青锋, 王松. 高铁场景下联合天线与IOS单元选择的分布式IOS-SM传输方案[J]. 电信科学, 2023, 39(4): 31-42.
[3]	许鸣睿, 姚玉才, 朱晓荣. 基于Fisco-Bcos平台的区块链系统性能精确分析模型[J]. 电信科学, 2023, 39(1): 79-91.
[4]	王晴天, 刘洋, 刘海涛, 宗佳颖, 杨峰义. 面向6G的网络智能化研究[J]. 电信科学, 2022, 38(9): 151-160.
[5]	冯楠, 刘贺林, 周泉, 杨海俊, 付蜜能, 钟大平. 5G核心网业务模型的智能化预测研究[J]. 电信科学, 2022, 38(8): 111-119.
[6]	贾兴华, 刘鹏, 齐望东, 刘升恒, 黄永明, 李佳璐, 徐佳. 5G通导融合高精度定位技术进展及仿真验证平台[J]. 电信科学, 2022, 38(8): 75-85.
[7]	戴亚盛, 马柏林, 乐光学. 复杂气象环境海上无线通信信道衰落估计模型[J]. 电信科学, 2022, 38(3): 158-171.
[8]	朱明伟. 网络智能化中的AI工程化技术方案[J]. 电信科学, 2022, 38(2): 157-165.
[9]	李攀攀, 谢正霞, 乐光学, 刘鑫. 基于深度学习的无线通信接收方法研究进展与趋势[J]. 电信科学, 2022, 38(2): 1-17.
[10]	李楠楠, 韩瑜, 高宁, 金石. 基于幅度和相位联合分区的无线物理层密钥生成方法[J]. 电信科学, 2021, 37(5): 100-112.
[11]	李光宇, 梁燕萍, 余立, 王昆, 陈扬铭, 刘思佳. 智能语音业务质量评估保障方案[J]. 电信科学, 2021, 37(5): 64-71.
[12]	欧阳晔, 王立磊, 杨爱东, 马利克·萨哈, 大卫·贝兰格, 高同庆, 韦乐平, 张亚勤. 通信人工智能的下一个十年[J]. 电信科学, 2021, 37(3): 1-36.
[13]	李斌. 基于MEC的高速铁路无线通信网络优化方案[J]. 电信科学, 2019, 35(11): 88-95.
[14]	吴哲夫, 汪晗, 陈骋, 王中友, 黄巍. 基于信道状态信息的室内感知技术[J]. 电信科学, 2019, 35(10): 84-91.
[15]	张克,刘留,袁泽,张琨,张建华,刘志军. 工业物联网无线信道与噪声特性[J]. 电信科学, 2018, 34(8): 87-97.