5G + AI 融合全景圖
王志勤 劉曉峰 沈嘉 吳曉波 劉亮 彭木根
買這商品的人也買了...
-
$780$764 -
$834$792 -
$2865G 與車聯網 — 基於移動通信的車聯網技術與智能網聯汽車
-
$556雲原生模式
-
$414$393 -
$4035G 時代的 AI 技術應用詳解
-
$6535G 車聯網技術及應用
-
$4035G 時代邊緣計算:lf edge 生態與 edgegallery 技術詳解
-
$658國之重器出版工程 5G網絡安全實踐
-
$653國之重器出版工程 5G在智能電網中的應用
-
$352邊緣計算2.0:網絡架構與技術體系
-
$500$395 -
$594$564 -
$662雲計算平臺構建與 5G 網絡雲化部署
-
$414$393 -
$599$473 -
$1,2746G 移動通信系統 : 理論與技術
-
$594$564 -
$1,200$1,020 -
$1,0195G 大規模天線增強技術
-
$480$379 -
$620$489 -
$550$434 -
$630$498 -
$8575G 與衛星通信融合之道:標準化與創新
相關主題
商品描述
5G+AI融合全景圖 在回顧5G和AI技術發展的基礎上,對未來5G與AI融合進行從理論到實際用例及需求,再到國際標準化及產業推進的講解與分析。本書給出“5G智能維”的概念,並對5G引入AI的理論基礎進行分析。其次,基於理論分析,本書對目前5G網絡中引入AI的場景、用例及5G網絡架構需要進行的標準化進行了說明。再次,本書在分析了5G中引入的AI算法之後,對5G網絡支持AI的算法及應用進行了的介紹。並結合基礎的理論和用例分析,本書對未來5G與AI融合賦能各垂直行業進行了展示,同時對未來6G與AI融合、如何構建6G智能維也進行了展望。
本書適合移動通信及AI相關專業學生、從事移動通信及AI相關工作工程師及希望瞭解未來5G與AI發展的的相關人士閱讀。書中部分內容可用於5G及AI入門級培訓班或者高等院校5G及AI相關課程。
作者簡介
王志勤
中国信息通信研究院副院长,教授级高工,IMT-2020(5G)推进组与IMT-2030(6G)推进组组长,CCSA(中国通信标准化协会)无线通信技术工作委员会主席。荣获国家科学技术进步奖特等奖一次、一等奖一次、二等奖两次,国家创新奖一次,部级科技奖多次。
刘晓峰
中国信息通信研究院无线通信创新中心副总工,教授级高工,IMT-2020(5G)推进组 5G与AI融合研究组组长。著有《5G无线系统设计与国际标准》《5G无线增强设计与国际标准》。多项国家重大专项牵头负责人,荣获省部级科技奖多次。
沈嘉
OPPO研究员,IMT-2020(5G)推进组 5G与AI融合研究组副组长,3GPP “AI/ML model transfer in 5GS”项目报告人,2016年获国家科学技术进步奖特等奖,著有《3GPP长期演进(LTE)技术原理与系统设计》《5G技术核心与增强:从R15到R16》等技术专著。
吴晓波
IMT-2020(5G)推进组5G与AI融合研究组副组长,长期参与3GPP SA2标准会议,主要参与4G/5G语音、5G智能化等方面研究。
刘亮
中国移动研究院技术经理,主任研究员,IMT-2020(5G)推进组5G与AI融合研究组副组长。北京航空航天大学博士,,担任3GPP本地定位、无线大数据采集与应用、网络自动化等多个项目的报告人。
彭木根
北京邮电大学教授、信息与通信工程学院执行院长、网络与交换技术国家重点实验室副主任,IEEE Fellow。
目錄大綱
第 1章 總述
1.1 5G發展概述 3
1.2 人工智能發展概述 6
1.3 5G與人工智能融合整體考慮 7
1.3.1 5G智能維構建 8
1.3.2 5G助力AI泛在化 12
1.3.3 5G與AI融合關鍵問題分析 13
1.4 小結 16
第 2章 5G 與AI融合基礎理論分析
2.1 人工智能領域基礎知識 21
2.1.1 數據集 21
2.1.2 常用人工智能學習算法 23
2.1.3 小結 48
2.2 5G與AI融合基礎理論研究 48
2.2.1 5G與AI融合數據集建立 49
2.2.2 5G與AI融合算法及模型 57
2.2.3 5G與AI融合模擬及驗證方法 60
2.3 小結 62
第3章 5G 無線側引入AI技術
3.1 5G無線系統設計簡述 65
3.1.1 5G無線系統設計架構 65
3.1.2 5G無線物理層設計 68
3.1.3 基本波形與幀結構設計 70
3.1.4 大規模天線設計 71
3.1.5 調制編碼設計 81
3.1.6 定位技術設計 82
3.2 5G無線側引入AI技術 85
3.2.1 基於AI的頻譜效率提升 85
3.2.2 基於AI的定位增強技術 105
3.2.3 基於AI的覆蓋和容量優化 107
3.2.4 基於AI的基站節能 111
3.2.5 基於AI的移動性管理 116
3.2.6 基於AI的負載均衡技術 120
3.3 5G無線側引入AI技術標準化架構
分析 121
3.4 小結 123
第4章 5G 核心網側引入AI技術
4.1 5G核心網設計簡述 126
4.2 5G核心網側引入AI技術的主要
場景 129
4.2.1 AI輔助終端業務體驗提升 129
4.2.2 AI輔助終端行為監管 132
4.2.3 AI輔助核心網網元選擇 137
4.2.4 AI輔助V2X應用層參數調整 138
4.2.5 AI輔助網管切片SLA保障 138
4.3 網絡智能化的整體框架 139
4.3.1 網絡智能化的基本框架 140
4.3.2 網絡智能化的框架增強 141
4.3.3 網絡智能化的關鍵流程 144
4.4 NWDAF可提供的數據分析結果 152
4.4.1 業務體驗數據分析結果 152
4.4.2 網元負載數據分析結果 155
4.4.3 UE移動性數據分析結果 157
4.4.4 UE交互性分析結果 160
4.4.5 終端異常分析結果 163
4.5 5G智能網絡架構持續演進展望 166
4.5.1 如何緩解數據孤島 166
4.5.2 對漫游場景的支持 167
4.5.3 網絡優化策略推薦 167
4.5.4 ML模型跨廠商共享 167
4.5.5 NWDAF部署建議 168
4.5.6 其他 168
4.6 小結 169
第5章 5G 支持AI算法及應用
5.1 基於5G的分割AI/ML與
協作AI/ML 173
5.1.1 基本特徵 173
5.1.2 分割式圖像識別業務 181
5.1.3 網絡與機器人之間的分割式控制 192
5.1.4 機器人之間的協作式AI操作 194
5.2 基於5G的AI/ML模型下載、
分發與共享 198
5.2.1 基本特徵 198
5.2.2 圖像識別AI模型下載 200
5.2.3 語音識別AI模型下載 207
5.2.4 智能汽車AI模型更新 208
5.2.5 基於覆蓋信息的預測性AI/ML
模型下載 211
5.2.6 終端AI模型性能監測 213
5.3 基於5G的聯邦學習與分佈式學習 215
5.3.1 基本特徵 215
5.3.2 用於圖像識別模型訓練的實時
聯邦學習 218
5.4 小結 222
第6章 5G 與AI賦能垂直行業
6.1 5G與AI融合推動產業數字化轉型 224
6.1.1 智能車聯網 225
6.1.2 工業互聯網 227
6.1.3 智慧港口 229
6.1.4 智能電網 230
6.2 5G與AI融合推動社會生活智能化 231
6.2.1 智慧醫療 231
6.2.2 智慧環保 232
6.2.3 智能家居 233
6.2.4 智慧城市 235
6.2.5 智能安防 236
6.3 小結 237
第7章 6G 與AI融合展望
7.1 AI成為未來6G設計的核心基礎
維度 241
7.1.1 6G智能維 241
7.1.2 6G智能維基礎設計 242
7.2 6G智能維度開發是長期持續的
過程 243
7.3 小結 245
參考文獻