基于大数据的5G 无线网络优化模式研究

陈谱滟，卢睿文，卢文娟，李 洋，尤利航

（中国电信股份有限公司河南分公司 河南 郑州 450046）

0 引言

随着5G 网络的不断发展和普及，网络的规模和复杂性也在快速增加。 同时，大数据技术的兴起为无线网络优化提供了新的机遇和挑战。 大数据技术能够收集、存储和分析海量的网络数据，从中提取有价值的信息，为网络优化提供决策支持和指导［1］。 因此，基于大数据的5G 无线网络优化模式的研究具有重要的理论和实际意义。

1 大数据技术在5G 通信网络中应用的优势

网络通信用户能够体验全新、独特、规模较大的城市移动通信技术，打造大连接、更低功耗的5G 网络通信运营模式。 5G 通信基础设施的基本结构几乎匹配，如图1所示。

图1 5G 通信网络的基本组成结构

近年来，在我国5G 通信基础设施中，大数据技术得到了普遍应用［2］。 大数据技术是最常用的，它能够提高数据处理功能，改善数据中心网络，具体优点如下：

1.1 有助于改善数据处理功能

从数字经济总量来看，发达国家和高收入国家数字经济总量占全球比重均超过七成［3］。 如图2 所示。

图2 2021 年全球不同国家组别数字经济规模（单位：万亿美元）

1.2 有助于完善网络架构

据中国信通院数据，我国数字经济保持较快发展，数字经济规模由2016 年的22.6 万亿元增长至2021 年的45.5 万亿元， 占 GDP 的比重也从30.28% 提升至39.78%［4］。 2022 年，面对经济新的下行压力，各级政府、各类企业纷纷把发展数字经济作为培育经济增长新动能、抢抓发展新机遇的重要路径手段，数字经济发展活力持续释放，我国数字经济规模达到50.2 万亿元，占GDP 比重超过四成，占比达41.5%［5］。 如图3 所示。

图3 2016—2022 年我国数字经济规模及占GDP 比重

2 5G 无线网络优化面临的问题分析

中国移动等运营商积极采取无线网络优化技术，以期提高网络覆盖水平。

2.1 语音话务负载均衡优化技术

目前，5G 移动通信覆盖县级以上行政区域，这些区域周边的人群也非常密集，如高层住宅区、商业写字楼、大型商场等，不可能造成5G 移动通信技术局域网连接完全阻塞，借助语音流量负载均衡器技术来分析每个5G 通信基础设施的实际容量是否能够过载来进行优化。 如果出现信号覆盖过载，能够部署电信基站分流流量数据库数据，维持各个信号覆盖的实际容量，避免语音流量网络拥塞。如果不是语音聊天流量负载均衡器还应该对计算机网络趋势进行具体分析。 一般情况下，根据两个历史时期的计算机网络数据库数据，将为未来网络维护的决策过程予以支持，能够进一步完善。 并提升5G 计算机网络中局域网（local area network，LAN）连接的质量和性能。 只是清理垃圾文件的形式是手动优化，不太容易做到实时自动、准确，不利于进一步提高网络维护的快速性和及时性。

2.2 移动信号干扰控制优化技术

5G 移动通信技术使用无线网络来传输数据库数据。与有线网络通信基础设施不同，无线通信系统在局域网连接中面临巨大的干扰信号。 这些干扰信号可能来自多种因素，比如住宅中央空调、不间断电源和电池等设备。 这些设备通常会对无线路由器信号造成干扰，从而影响5G移动通信局域网连接数据的传输，导致错误或数据传输中断。 以采用移动信号不稳定性比较技术来控制干扰信号。此外还可以采用评估整体信号覆盖范围和所在区域的无线路由器信号干扰情况的手段。 如果不选用先进的信号覆盖范围和接收信号音频放大器等设备，将无法进一步提高5G 移动通信技术的传输数据质量和性能。 大数据辅助规划示意图如图4 所示。

图4 大数据辅助规划示意图

2.3 覆盖优化技术

覆盖优化是一项非常实用的无线网络连接、清理无用文件的技术比较。 该项技术比对能够检测5G 通信基础设施是否存在缺口以及其他未覆盖的异常现象。 目前，大城市拥有相当复杂的计算机网络，还部署了许多5G 基站。 信号覆盖只是理论上做到全覆盖。 但鉴于大面积建筑物遮挡、信号干扰等原因，不易造成部分区域无全覆盖或弱全覆盖。 计算机网络所在区域有良好的无线通信系统，从而避免计算机网络数据库中的数据中断或数据低速减慢。 对比覆盖优化技术后，检测到接收信号没有全覆盖，能够提高该区域的电信基站或直放站，也能够调整智能手机信号放大器的发射功率或相关参数，从而做到各个信号覆盖和信号接收的相互覆盖。

2.4 切换性能优化技术

随着5G 移动通信技术的普及和应用，越来越多的大城市开通了5G 通信基础设施，直连移动互联网用户数量也在以最快的速度增长。 除了传统的5G 手机和无线路由器外，各种客户端设备和无线网口也需要相应的设备支持。 尽管计算机网络中有数以亿计的用户和智能终端设备，但5G 手机的网络仍存在一些漏洞和数据通信拥堵等问题。 为了达到更好的效果，必须进一步提高5G 计算机网络的质量和性能。 借助交换质量和性能技术的比较来优化5G 通信基础设施，进一步改善手机连接的5GLAN 信号。 上海、北京、广州等一线城市的5G 手机网络毫米波频段资源相对丰富，不太可能造成接收信号网络终端和5G 通信质量和性能恶化，与交换技术相比，能够提高移动通信技术LAN 连接的常用水平，进一步提高质量和性能。5G 移动通信技术的切换质量和性能技术涵盖多种技术，主要有垂直平分切换和水平切换。 结合具体分析评估水平，最终发挥5G 通信基础设施的数据传输潜力。

3 大数据驱动5G 网络的优化

3.1 大数据支撑大规模天线与分布式天线

在5G 通信基础设施中，需要选用具备多个输入和多个输出的大型天线，并且5GLAN 连接中从数据库数据网络终端到数据中心基础设施的通道数量并不大。 高阶多输入多输出（multiple input multiple output，MIMO）能够为每个通道予以一个信号放大器，用于传输合成孔径雷达，促进空分设备复用，但合成孔径雷达之间会存在不可靠的干扰信号，从而降低MIMO 运行效率。 一定要从密集SAR相互间的干扰信号数据库中收集数据，并借助恢复系统强大的计算能力进行优化。 考虑到连接局域网的网络终端在信号覆盖中心处实际接收到的功率较大，而信号覆盖边缘接收到的相关信息较差，能够采取使用分布式网络信号放大器。 在常用的分布式网络信号放大器具体应用过程中，考虑到分布式网络信号放大器之间也存在信号干扰的问题，借助大数据的技术对比，采集所有信号放大器的信道数据库数据和干扰信号数据库数据。 另外，还能够收集MIMO 数据库数据和LAN 连接数据库数据，借助大数据技术比对进行具体分析，促进精准定位。 在具体情况下，能够将内部和外部信号放大器与无线路由器局域网连接技术相结合。 重视三维模拟与三维光线追踪技术的对比效果更佳。 以保证接收信号的接收质量。

3.2 大数据支撑5G 无线接入网资源管理

在传统2G、3G 时代的环境下，无线接入网络是多级局域网连接。 参照结合局域网连接基本结构下逐步形成的漩涡效应，信号覆盖范围繁忙。 4G 通信基础设施借助信号覆盖分解为基带处理单元和射频远程定制模块。 为了应对多个信号覆盖，基带处理单元可以集中到巴龙5000 池中，进而做到资源的集约化利用。 在5G 通信基础设施中，主要采用集中式五单元和分布式五单元来处理基带信号。 集中式单元能够对多个分布式五单元做到更有效的信息管理。 推动干扰信号信息管理与业务融合，五台分布还可做到多信号放大处理和前传压缩，可灵活应对传输数据变化和定制化需求，保证实时传输。 定时自动质量优化和性能，促进计算机硬件产品成本更加有效可控。 如果没有设计和制作，能够缩短计算机用户与计算机用户相互间的直线距离，并能够促进集中信息管理。 在对多个分布式五单元进行集中式单元信息管理的情况下，需要借助大数据技术比对收集大量计算机用户空间内的行为、未知等相关信息。 结合相关信息进行优化设计和生产，从能源效率的角度做到忙闲时不同资源的科学配置。

3.3 大数据分析支撑异构接入组网

5G 局域网连接的主要特点是毫米波频段高、上传下载量大。 在选用低功耗版本的窄带物联网时，能够参照结合具体情况进行设置，网络运行应该需要比较高的产品成本，但是大量采取使用窄带物联网也存在严重的干扰信号问题，如何解决公交车站选址和优化相对困难。 针对具体情况，借助大数据技术来比较宏蜂窝和微蜂窝独立组网。宏蜂窝小区负责构建多层，支持或不支持高优先级网银业务；微蜂窝覆盖所有热点，支持低优先级的高速公路网银。此外，还可以采取使用控制面和数据库数据面分开独立组网的方式，用集中信息管理大量窄带物联网。 为了防止干扰信号问题，可以将控制面数据链路与来自同一台计算机的用户数据库数据分开，并将控制面数据链路接入平台到宏蜂窝小区。 在具体案例中，网络终端在切换中不受窄带物联网数据链路的影响，借助园区集群集中控制系统，能够有效解决小单调问题。 为了减少干扰信号并解决协调器和负载平衡器的问题，可以使用上行链路和下行链路分布式架构的异构数据网络解决方案的形式。 考虑到网络终端的MIMO 数量并不明显小于信号覆盖范围，使得下行总覆盖范围低于下行，在小区边缘，可以使用“5G 下行＋4G 上行”的异构数据形式进行操作。

3.4 大数据支撑5G 云网

5G 通信基础设施属于基于云的局域网连接，具体涵盖直连云、转发云和控制云。 在接入云中，窄带物联网（narrow band IoT，NB⁃IoT）集群根据微蜂巢的超强覆盖逐步形成虚拟软件园社区，促进达成NB⁃IoT 资源相互间的协同信息管理和干扰信号协调。 转发云是各行业、流的共享高速公路存储文件、防火墙、流媒体服务器等网银服务的五个单元。 控制云是根据服务器资源审核、局域网连接潜力研发等自定义模块以及可控制的简单逻辑。 结合5G场景，还涉及移动云计算和人工智能、移动边缘计算技术、云边、飞云等各种云。 从某种角度看来，对于局域网连接和计算机用户，借助大数据分析来优化资源分配。

3.5 大数据支撑5G 终端与云端的智能

目前，智能移动终端的能力较强，但网络终端机器人的人工智能和数据处理能力相对较弱。 例如，当智能手机采取使用2D 人脸识别技术时，识别效果不是很好，并且会受到发射光线、角度、面部表情和化妆学习等因素的影响。 具体过程中很难区分是照片还是真人。 在实际选用3D 面部识别技术过程中，采用本地网络连接到云端来处理智能手机，可以有效提高安全性和减少无法识别的可能性。 借助云计算和人工智能，手机WiFi 不断完善，能够有效支持计算强度的共同使用。 但不予以通用支持，即不能够将计算任务从计算机客户端转移到最后的云端。 绝大多数网络终端智能手机仍然是云智能手机，具体情况需要结合大数据分析技术的使用进行比较。

3.6 大数据支撑5G 网络切片

网络切片是5G 通信基础设施中相对最重要的功能。考虑到5G 通信基础设施网络运行的具体流程要支持不同的定制需求，当上传和下载不同时，对局域网连接的质量和性能的具体要求会有明显的差异。 借助不同的定制需求，将计算机用户的外围组织切成不同的切片，此外，应用到两小组软件的深度检测数据库数据，从而构建统计模型，准确请求数据库热点数据预测。

3.7 借助网络大数据优化5G 源选路

切片子网在处理内部传输和回程时扮演着重要的角色。 在传统的IP 局域网连接中，采用无连接方式工作，对于来自同一源、具有完全相同详细源地址和目标地址第二个计算机网络的每个IP 组，都会被独立处理。 并且，从某种角度上看，它们之间的前后关系通常会被忽略。 来自同一源、具有相同源地址和目标地址的第二个计算机网络的两个IP 组，将各自独立选择路由甚至可能使用不同的宽带路由器。 因此，在确保局域网连接稳定性和可靠性方面存在困难。 然而，当前局域网连接质量和性能已经有了显著改善。 通过结合第一个计算机网络中前两个组的外部特征，并配置数据库数据以具备两个平面设备后续计算机数据库数据网络将两个组抽象成为一个流，并且无须再选择第二个计算机网络后续IP 路由。 分段路由也被称为源路由，选择正确的设计生产源码路由的局域网连接非常重要。 对于中间进程来说，通常不需要进行小标签分发协议内容或数据链路协议内容。 相反，可以借鉴互联网流量建设工程扩展的资源预留协议内容，并适应中心网络数据的控制。 通过此方式，可以提高局域网连接的性能和质量。

4 结语

通过综合分析，可以在优化无线网络连接的过程中利用大数据分析。 该方法结合局域网连接情况和用户的实际需求进行计算，并参考大数据分析进一步完善实际应用场景，提高效果。 因此，在大数据计算研究方面，更重要和有效的是对大数据信息收集和详细分析工作的改进。 可以进一步提高无线网络连接的效果，保证常用大数据处理的效率，并为市场上使用网络连接的用户提供更好的服务。