基于人工智能的5G 无线网络通信速率优化系统设计

黄宗伟

（广东邮电职业技术学院，广东广州 530630）

为了向网络用户提供5G 多样化的场景和业务，虽然无线网络通信速率已经达到了较高的水平，但依然不能保障最优无线网络服务质量[1-2]。为了提升5G 无线网络通信速率并对无线网络进行优化，需要将人工智能技术引入5G 无线网络中，增强5G 无线网络自动化运维能力。

文献[3]提出了一种5G 微蜂窝中面向业务传输能效的分布式中继选择优化方法，建立了业务传输的中继选择分布式优化模型，有效优化微蜂窝网络的中继选择结果。文献[4]对微型基站进行定位部署，对其结构进行简化操作，研究了一种新的应急通信超密集组网技术，解决传统组网技术存在信号接收效率低，信息完整度差的问题。但是以上系统在对5G 无线网络通信速率优化的过程中，均存在着能量损耗较高、系统的收敛性较差、能量效率较低等问题，导致通信速率优化效果差。

为了解决以上问题，该文设计了基于人工智能的5G 无线网络通信速率优化系统，联合系统的硬件、软件环境，提升实际工作效果。

1 系统硬件设计

该文基于SIM 5.0 环境，完成对数据信息的采集、整合和处理，需要保证所采集的数据的全面性和时效性，提高数据信息的应用效率和安全保障。系统硬件结构如图1 所示。

图1 中，数据采集系统由25 个节点采用拓扑结构联接，采用切换机增加端口数量，提高网络环境的计算能力[5-7]。缓冲机设备用于数据的获取，数据采集存储模块包括信息转换器和前端电路两部分，信息转换器是将缓冲机获取的数据在电力接口辅助下完成信号转换，以分区运行态势，与电压速度同步，合理控制5G 无线网络通信传递速率，增强数据采集时效性，提高资源利用率[8-9]。

核心计算部件采用Intel i7 系统，每个CPU 包括六个核，增大了运算频率和系统内存量，用于直接或间接地控制执行器端的所有硬件设备。采用低功耗芯片，在保证系统硬件性能的同时，对CPU 芯片信息进行深度挖掘，可以完成路径的探索和调整，调整挖掘角度，提高数据存储量，促进系统的优化[10]。主控器电路如图2 所示。

图2 中，网络接口层是负责系统IP 数据包的接收和传送，将传递层信息分组发送请求，通过网络传递，将数据报发至适当的网络接口，防止数据出现拥塞等问题。USB 扩展模块并非原生USB 接口，而是由USB-HUB 为执行器增加更多的功能模块[11-12]。

2 系统软件设计

基于人工智能的5G 无线网络需要支持高可靠、低时延、大容量和高速率的各种业务，内容中心网络架构引入内容中心网络，提高网络性能质量。该网络架构分为物理层、网络层、数据链路层和应用层，能够与原有网络架构兼容。基于人工智能，有利于系统跨平台性，能够通过不同的操作系统实现对软件的更新，使客户端不仅仅依赖于浏览器技术并且软件系统各模块间相互独立，在进行不同软件版本更迭时，无需下载升级包，只需改变服务端程序即可，方便系统的维护[13-15]。基于人工智能的5G 无线网络通信速率优化系统软件流程如图3所示。

利用网络层对中心网络协议进行分析，并对数据进行封装，数据进入网络层后，存入到物理层，利用数据链路层转发，从而保证网络服务质量。在发送站点设置UDP，利用物理连接，对本地端口、本地IP、远端端口和远端IP 进行架构构建，在接收到用户的发送请求之后，在数据信息Interest 包中，请求内容从数据帧发送，转发到发送功能，并且存储在中心网中。

应用层中包含多个高层协议，满足网络应用程序和物理通信介质间的通信要求。

假设S={S0,S1,…,Sn-1} 表示5G 无线网络通信资源节点的服务集合，Si代表浏览器权值，当总节点连接数时，新的连接请求就会分配到m浏览器内，那么Sm需要满足下式：

其中，C(Si)表示资源节点的连接数值。

由于一次选取的总连接数值可以作为不变值，那么将式（1）转变为：

因为比值运算可以对5G 无线网络通信资源配置产生消耗，在Linux 内核中不能准确计算出浮点数值，所以判断出可以转换成C(Sm)W(Si)＞C(Si)W(Sm)。

在5G 无线网络通信资源配置过程中，网络负载权值和性能权值的计算公式为：

式中，Pcpu表示CPU 的性能，Pmemory表示资源配置的内存性能，Pnetwork表示网卡的性能，资源配置过程中的内存利用率为Ucpu，资源配置网络的利用率为Unetwork，k1、k2、k3、μ1、μ2和μ3表示影响5G 无线网络通信资源配置的因子。

网络路由器收到数据信息Interest 包后，按照网络协议转发策略，完成对Interest 请求数据的处理。

当发出请求前后不相同时，利用不同的网络连接方式存储数据，在数据源中，信息可以原路返回给用户，用户具有自我判断的能力，并在数据包中确定返回路径，将返回数据转移给用户[16]。对发送业务块中的数据进行重新配置，增加人工智能识别程序，主机不需要维持复杂的状态链表，过滤掉无关信息，提高通信速率。

无线网络通信中，安全性是其重要一环，病毒木马的威胁等都会对执行器造成严重损坏，为此，该文采用浏览器和服务器模式来保证Web 服务器的用户性能。客户端只需要浏览器就可以完成信息的获取和业务的处理，提高了方便性。同时，软件系统面向指定的用户群，需要对客户端进行授权，加入人工智能技术，在保证系统灵活性和开放性的基础上，保证系统的安全性。

3 实验研究

为了验证该文设计的基于人工智能的5G 无线网络通信速率优化系统的工作效果，将文献[3]方法与该文优化系统进行对比实验。

在对比实验中，实验参数设置如下：5G 无线网络节点数量为200，5G 无线网络覆盖范围为0.5～2 km，覆盖小区数量为2（随机覆盖），系统可用的载波数量为6，每个载波的标准带宽为30 kHz。

首先，针对不同系统的收敛性进行对比实验。

观察图4 可知，对不同系统采用随机功率初始化和均等功率初始化进行收敛评估，每增加50 个网络节点，可用载波更新一次，即完成一次迭代，随着网络节点数量的不断增加，可用载波不断进行交替优化，5G 无线网络通信速率不断得到优化，两种系统在经过相同次数的优化和迭代后，系统的能量效率均显著提升，并到达了相同的收敛点，但文献[3]方法的收敛点随着载波更新迭代次数的增加而降低，说明文献[3]方法的收敛性在逐步降低；而该文设计的基于人工智能的5G 无线网络通信速率优化系统的收敛点随着载波更新迭代次数的增加没有发生变化，证明了该文系统的收敛性较高，在采用随机功率初始化的收敛评估方式下，该文系统的收敛性优于文献[3]方法。

不同系统在随机覆盖的小区内进行5G 无线网络通信速率优化时，系统能量效率的变化情况如图5所示。

图5 中，文献[3]方法的容量损失系数在不断增加，能量效率值先上升后下降，而该文系统的容量损失系数也在不断增加，但能量效率值呈现持续上升趋势，说明该文系统的能量效率较高。

基于以上设置的实验参数，进行系统能量损耗对比实验，当5G 无线网络的通信速率波动时，5G 无线网络节点会产生一定的能量损耗。能量损耗越高，系统可靠性越低，5G 无线网络通信速率优化效果越差，不同系统中网络节点产生的能量损耗对比结果如图6 所示。

由图6 对比结果可知，随着网络节点数量的增加，文献[3]方法的能量损耗较高，而该文设计的基于人工智能的5G 无线网络通信速率优化系统的能量损耗明显低于文献[3]方法，5G 无线网络通信速率优化效果优于文献[3]方法。这是因为该文方法为了提高5G 无线网络通信速率，利用科学合理的方法对5G 无线网络通信进行优化，将人工智能引入其系统，减小系统时延，降低维护成本。

综上所述，该文设计的基于人工智能的5G 无线网络通信速率优化系统优于文献[3]方法，该文系统的收敛性较好，能量效率较高，能量损耗较低。

4 结束语

5G 无线网络在大数据时代具有强大的核心影响力，能够提升用户网络体验，实现数据的最高价值，对此，该文应用人工智能技术，引入新型数据采集输入设备，存储并智能分组传送输入信息，采用六核CPU 提高系统的数据和业务处理效率，为优化系统提供了硬件支持，并在软件方面给出了优化流程，保证数据的合理采集，有效、准确推送，对5G 无线网络通信速率的提高具有促进意义。

5G 无线网络通信速率在不断得到提升和优化，随着可用载波带宽的功率值的升高，两种系统的能量效率值均上升，当可用载波带宽的功率值升高到一定数值时，该文设计的基于人工智能的5G 无线网络通信速率优化系统的能量效率趋于平稳不再增加，在采用随机功率初始化和均等功率初始化两种收敛评估方式下，其收敛性均较优。