世界上最大的“5G+AI+仿真”

產業智能官

以下文章來源於學術plus ，作者plus觀察者

學術plus

中國電子科學研究院學報官方微信，中國信息與電子工程科技發展戰略研究中心公共學術平臺

DARPA的為期三年的“頻譜協作挑戰賽”（Spectrum Collaboration Challenge，簡稱SC2），即將達到尾聲。本文詳細分析了這一大膽的探索項目中，美軍頂尖研究機構是如何將“5G、AI和仿真”這三項高科技全面融合發揮到極限的。同時，也由此一窺用AI高效管理5G頻譜等資源的科技遠景。

文章僅供參考，觀點不代表本機構立場。

5G+AI+仿真

看DARPA如何將三者巧妙融合玩到極致

近年來，第五代移動通信（5G）技術和人工智能（AI）技術發展全面駛入快車道，其研究開發和產業應用如火如荼，這其中也面臨不少的新問題新挑戰，需要運用仿真技術和平臺這一已有半個多世紀發展史，但依然生機勃勃的認識改造世界的第三種方法來幫助解決。無線頻譜的高效利用是包括5G在內的移動通信應用的基礎性難題，AI的發展進步為解決這一問題提供了多種可能解決方案，但各種方案孰優孰劣，必須真刀真槍比拼一下才行，這就需要有一個能反映真實應用場景的全面的仿真驗證環境來進行比武。

肇始於2016年的美國防部高級研究計劃局（DARPA）的為期三年的“頻譜協作挑戰賽”（Spectrum Collaboration Challenge，簡稱SC2），就是一個面向這一問題的大膽探索項目，目前已進入最終決賽階段，13只隊伍將最終將一決雌雄，讓我們有機會領略DARPA這一美軍頂尖研究機構如何將5G、AI和仿真這三項高科技全面融合發揮到極限。

-1-

5G頻譜需求劇增

亟待新型頻譜利用方案

1.1 5G將徹底改變國防部環境

2019年4月美國防部國防創新委員會發布的《5G生態系統：對美國國防部的風險與機遇》報告指出，5G所帶來一系列新技術，將會在從無人駕駛汽車到智能城市、從虛擬現實到作戰網絡等各領域重新建立公眾及個人的業務標準。從4G向5G的轉變將極大地影響全球通信網絡的未來，並從根本上改變國防部的運作環境。

1.2 5G高速發展仍有空間

頻譜在5G的運營、開發和推廣中發揮關鍵作用。峰值數據速率由無線服務可用的頻譜數量決定。在4G中，最多可以將5個20兆赫的信道連接在一起。但在5G中，可以連接多達5個100兆赫的信道，使速度比4G和4G長期演進（LTE）快約20倍左右。雖然部分5G技術將被部署到現有的蜂窩網絡頻譜中，並在性能上實現一定的提高，但5G高速發展應用將需要更多頻譜，以便為國防部和其他部門提高效能提供機會。

1.3 無線電頻譜資源需求飆升

當前使用的頻譜管理方法已有近一個世紀的歷史，它通過將頻譜劃分為嚴格的專有許可頻段來隔離無線系統，這些頻段被分配在廣大的地理區域空間內使用。通過這種方法來確保不同終端使用不同的頻段進行通信，彼此之間不發生干擾。然而，這種人為劃定譜段的方法，難以適應頻譜的動態供需變化。在很多時候，獲得頻譜使用許可的組織或個人並沒有充分使用所分配的頻段，而其他頻段則不堪重負，從而降低了頻譜的使用效率，並使有限的頻譜資源顯得更加稀缺。

5G時代，對有限的無線電頻譜資源的需求正在飆升。近年來，無線數據傳輸年增長率達到50%，這背後主要的驅動力包括：人們在智能手機上隨時播放視頻和瀏覽社交媒體需求，5G所支持的萬物互聯、虛擬/增強現實、人工智能、自動駕駛等新應用生態迸發的高帶寬、低延遲需求。為了滿足這些需求，除了不斷增加可供5G等無線網絡使用的頻譜資源外，儘可能提高頻譜利用效率也是必需探索的路徑。

1.4 5G關鍵詞：基礎性+頻譜共享

5G環境下終端數量巨大、種類繁多，這使得頻譜高效共享問題更加複雜。機器學習和深度學習等人工智能技術有望為5G帶來更主動的頻譜需求預測能力，這對於實現5G宏大願景是必不可少的。基於AI的5G頻譜利用優化的目標是使基站和終端自主地決定所使用的頻段，所有設備通過學習數據而不是依靠預先建立的固定規則策略構建協同的無線通信網絡，獲得比使用傳統頻段劃分方案的無線通信網絡更高的性能。

DARPA的智能無線電方法可能在即將到來的5G時代被證明是“基礎性的”。正如DARPA的SC2項目經理保羅·蒂爾曼（Paul Tilghman）所言，“美國5G發展的一個重點是頻譜共享的概念。然而，其中一個挑戰是沒有明確的實現路徑或系統結構。我們將SC2視為在幫助不同無線電網絡同時使用頻譜方面表現非常出色的技術之一。”

-2-

AI賦能的頻譜利用方案

呼之欲出

共享頻段問題並非在5G時代才出現，21世紀初，藍牙和新出現的無線局域網（Wi-Fi）都是用2.4GHz的視距微波頻段，差點導致藍牙技術滅絕。最終，藍牙工程師修改了其標準，並通過開發藍牙設備的跳頻技術避免了早期滅絕的噩運。藍牙設備在檢測到Wi-Fi信號後，會將通信轉移到空閒頻段。跳頻只是避免共享頻段的無線通信設備間相互干擾的一種方法。但在5G的複雜網絡環境下，僅依靠跳頻技術難以滿足日益增長的無線通信頻段共享需求，必須探討基於AI的頻譜共享新方案。

2.1 AI技術三次浪潮

依據DARPA基於技術特徵對AI技術發展階段的分析判斷，AI已經歷第一波和第二波浪潮，將迎來第三波浪潮。

• 第一波AI技術浪潮開始於上世紀60年代初，以“手工知識”為特徵，通過建立一套邏輯規則來表示特定領域中的知識，針對嚴密定義的問題進行推理，沒有學習能力，處理不確定性的能力很弱。
• 第二波AI技術浪潮開始於上世紀60年代末，以“統計學習”為特徵，針對特定的問題域建立統計模型，利用大數據對它們其進行訓練，具有很低程度的推理能力，但不具有上下文能力。
• 第三波AI技術浪潮以“適應環境”（上下文自適應）為特徵，可持續學習並且可解釋，針對真實世界現象建立能夠生成解釋性模型的系統，機器與人之間可以進行自然的交流，系統在遇到新的任務和情況時能夠學習及推理。AI的持續自主學習能力將是第三波AI技術浪潮的核心動力。

2.2 頻譜協作挑戰賽“三原則”

在DARPA目前已舉行的“頻譜協作挑戰賽”中，第一波和第二波AI技術都派上了用場。在挑戰賽開始時，幾乎所有團隊都採用了第一波（AI）方法，為協作共享頻譜的編寫一般規則。每個團隊編寫的規則略有不同，但他們開發的每個系統都有一些共同的一般原則：

（1）系統需要監聽每個網絡需要使用的頻率。

（2）在剩餘的頻段中，每個頻段只能分配一個無線通信終端，而且團隊應該是“好鄰居”，即不要求超過頻譜的平均份額。

（3）如果沒有空頻段，無線電終端應選擇干擾最小的頻段。

2.3 第一波AI頻譜共享方案

問題可能比看上去，更難

不幸的是，這些規則無法捕捉到頻譜管理的所有特性，妨礙了無線通信終端的協作能力，從而導致意外後果。在挑戰賽中，出現了很多使用這類簡單規則的失敗案例。例如，第二條規則，是做一個“好鄰居”而不是獨佔頻率。原則上，這種協作方法應該為其他團隊提供在需要時獲得更多頻譜的機會。但在實踐中，這種策略卻導致三個團隊留下了大量完全未使用的頻譜。

為了解決基於第一波AI頻譜共享方案的問題，團隊必須編寫另一條規則。但當新規則出現異常時，他們會通過編寫另一條規則來解決這個問題，如此類推。這些不斷出現的異常導致不斷地為解決問題的編寫新規則是第一波AI的主要缺點。一個看似簡單的問題最終可能會比看上去更難解決。

2.4 第二波AI頻譜共享方案

精準的預測能力

因此，在2018年12月9日的挑戰賽中，團隊已經開始轉向第二波AI方法。有些團隊已經初步建立了基於第二波AI的頻譜預測方案，可以快速識別其他團隊的無線通信策略，並使用這些信息快速改變自己的無線通信規則。“感知和避免”是一種較容易被想到的策略。當藍牙設備發現其欲使用的頻譜正被Wi-Fi路由器使用時，它就會跳轉到一個新的頻率。但是藍牙的跳頻工作，部分原因是Wi-Fi以可預測的方式工作（即以特定的頻率廣播，不會改變這種行為）。

在實際競賽中，每個團隊的無線通信狀態均不相同，完全不可預測，使這種有意識避免衝突的策略變得毫無意義。相反，更好的方法是預測未來頻譜的狀態，然後根據這些預測來決定哪些頻段可用——哪怕只打開一兩分鐘，就足以傳輸一部分數據。更精確的預測將允許團隊利用每個機會傳輸更多的數據，而不被其他團隊干擾。第二波AI有望在未來獲得更精確的頻譜預測能力。

-3-

無線頻譜挑戰的“鬥獸場”

3.1 世界上最大的射頻仿真實驗環境

為了滿足為期三年、三個階段400餘場頻譜共享方案pk的需要，DARPA清理打造了名為“鬥獸場”（Colosseum）的世界上最大的射頻仿真試驗環境。目前該試驗環境位於馬里蘭州勞雷爾市約翰霍普金斯大學的應用物理實驗室（APL）54平方米的服務器機房內。“鬥獸場”共使用了21個服務器機架，總耗電量達65千瓦，其所需的空調製冷量幾乎相當於10所大型住宅。

圖：“鬥獸場”的平臺一角（來源：SC2官網）

“鬥獸場”為大規模軍民領域電磁頻譜使用和管理方案研究、測試、驗證等提供了理想的解決方案。該測試環境具有開創性，可在1平方千米範圍內仿真包括手機、軍用無線電、物聯網設備和其他無線通信設備在內的數百種無線通信設備之間的交互，並可實現高保真的無線通信信號穿越、反彈、回聲仿真，將真實信號從發射機轉發到接收機。

該測試環境使用美國國家儀器公司（NI）製造的128臺雙天線“軟件定義無線電”（SDR）單元組裝而成。為了從物理世界的無線電中仿真出電磁波，APL與NI合作，在測試平臺中投入了64個“現場可編程門陣列”（FPGA），可執行超過150萬億次浮點（teraflops）仿真運算。每個FPGA都仿照一個電磁場景設計，可使SDR單元能在任意環境中運行。在SC2的每場比賽中，各個隊伍可以直接將無線電頻率信號“廣播”到“鬥獸場”。該試驗平臺擁有足夠的計算能力，根據給定環境的詳細數學模型來計算這些信號的行為方式。

3.2“鬥獸場”的挑戰所在

“鬥獸場”設計過程中遇到的最大挑戰之一是將SDR技術與雲計算環境集成在一起，以供多個團隊遠程訪問（其中包括參與“頻譜協作挑戰賽”第一階段比賽的30支團隊），並在同一測試平臺中同時實現多個團隊的各種基於AI和SDR框架。

測試平臺的無線電仿真信道數為256乘256，可實現256個無線設備間的實時計算和超過65000個信道的交互仿真。每個仿真信道的帶寬（信息內容）為100MHz，這意味著測試平臺任一時刻的帶寬達到25.6GHz。此外，每個信道的接發頻率可在10MHz（如廣播FM收音機）和6GHz（如WiFi）間調整。測試平臺每秒產生和處理的無線電數據量超過52TB，超過了整個美國國會圖書館印刷品集的預估信息量。

圖：無線電頻率（RF）場景

DARPA通過一系列RF場景測試SC2競賽隊的無線電設計，旨在仿真協同式自主無線電在現實世界中面臨的挑戰。這些自定義的RF場景包括環境的三維模型和所有無線電的運動。由此，工具集自動生成數TB的數據，這些數據描述了每對無線電在移動時無線電波傳播的變化特徵。這些數據實時流入“鬥獸場”以驅動實驗。（來源：SC2官網）

3.3 協同智能無線網絡CIRN

為了在“鬥獸場”中驗證自己的方案，每個參加SC2的競賽隊要設計自己的“協同智能無線網絡”（Collaborative Intelligent Radio Networks，CIRN），並能夠與其他競爭隊的CIRN自主協同的無線網絡。CIRN通過自動化推理和協同來解決當前頻譜管理的低效、勞動密集問題。具體而言，CIRN通過AI模型預測出使用不同無線電通信標準的獨立系統之間共享無線電頻率的最佳方式，並隨情況的變化動態調整。

圖：SC2競賽者技術架構（來源：SC2官網，https://www.spectrumcollaborationchallenge.com）

圖：SC2結果可視化（來源：SC2官網）

-4-

5G+AI+仿真

仍將任重道遠

初步成就

目前，DARPA的頻譜協作挑戰賽（SC2）已經接近尾聲。經過兩年多的競賽，SC2首次見證了自主無線電集體共享無線頻譜的初步實現，傳輸的數據遠遠超過為每個無線電分配專用頻率所能傳輸的數據。

據蒂爾曼介紹，在2018年12月舉行的一次演示中，人工智能無線電的性能比人類頻譜管理員高出50％。但目前各競賽團隊所用的機器學習算法仍有很大的改進空間，“為了充分利用頻譜，我們還有150%的工作要做，確保這些頻譜共享方案走上正確的軌道。縮小差距並讓每個人都有機會使用頻譜是我們的最終目標。這是我們希望在今年10月的冠軍爭奪賽中看到的。”

2019年10月23日，“鬥獸場”仿真測試環境將移師洛杉磯美國移動世界大會SC2現場錦標賽場，13支隊伍將再次出戰，來證明基於人工智能的無線頻譜管理可以創造一個無線通信的新時代。

圖：13支SC2決賽階段參賽隊LOGO（來源：SC2官網）

落實到應用仍有距離

雖然結果令人欣喜，但是使用人工智能來管理無線電頻譜還為時過早，DARPA面臨最大的挑戰就是，將理論轉變為實際應用。例如，2004年國防高級研究的自動駕駛研究成功後，在商用車中的應用又花了10年時間。不管如何，DARPA在推動5G+AI+仿真方面已經邁出了關鍵的一步，在此基礎上，隨著5G、AI技術研究和應用不斷取得突破，用AI來高效管理5G頻譜等資源遠景一定能早日成為現實。

閱讀更多 AI工信科創 的文章

關鍵字: 美好，一直在身邊 學術 我的第一部5G手機