面向6G通感算融合的网络智能感知

面向6G通信-感知-计算(通感算)融合的发展需求,亟需突破网络智能感知方法,特别是基于深度学习的业务识别与流量预测。因此,首先提出了基于卷积神经网络的业务类型估计算法,以避免人工提取数据特征的复杂过程与估计误差,并减少训练模型参数数量;然后,将基于注意力机制的序列到序列(Sequence to Sequence,Seq2Seq)算法用于预测业务流量,以解决信息损失问题,并根据预测场景的差异性,使用不同的预测步长,在保证预测准确性的前提下减少预测时间和计算消耗;最后搭建基于微服务的智能内生融合实验平台,并在此平台上实现了流量预测与业务类型估计,该平台以微服务的形式将各种能力拆分为多个网络功能,并使用人工智能(AI)技术将各种能力进行融合,实现功能模块共享,减少网络功能冗余,赋予网络智能扩展能力。实验结果表明流量预测模型预测误差较小、业务类型估计模型准确率较高。