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...
-
統計學 (Keller: Statistics for Management and Economics + XLSTAT Bind-in, 11/e)$780$764 -
微服務架構設計模式 (Microservices Patterns: With examples in Java)$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 -
數據中台實戰：手把手教你搭建數據中台$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 -
使用 AWS 在雲端建置 Linux 伺服器的 20堂課$500$350 -
$662雲計算平臺構建與 5G 網絡雲化部署 -
$3525G+ 智慧交通 -
資料科學的統計實務 : 探索資料本質、扎實解讀數據，才是機器學習成功建模的第一步$599$473 -
$1,2746G 移動通信系統 : 理論與技術 -
$505工業物聯網：平臺架構、關鍵技術與應用實踐 -
人工智能硬件電路設計基礎及應用$1,188$1,129 -
既會用也了解：最新一代 5G 核心技術加強版$1,200$948 -
$1,0195G 大規模天線增強技術 -
圖解區塊鏈的工作原理與機制$480$379 -
AWS 職場實戰手冊 - 企業架站、安全防護、費用監控，用最省錢的方式紮實學會！$620$489 -
文科生也學得會！資料 科學 ✕ 機器學習實戰 探索 - 使用 Excel$550$434 -
一步到位！Python 程式設計 -- 最強入門教科書, 3/e$630$498 -
$8575G 與衛星通信融合之道：標準化與創新
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
中國信息通信研究院副院長，教授級高工，IMT-2020(5G)推進組與IMT-2030(6G)推進組組長，CCSA（中國通信標準化協會）無線通信技術工作委員會主席。榮獲國家科學技術進步獎特等獎一次、一等獎一次、二等獎兩次，國家創新獎一次，部級科技獎多次。
劉曉峰
中國信息通信研究院無線通信創新中心副總工，教授級高工，IMT-2020(5G)推進組 5G與AI融合研究組組長。著有《5G無線系統設計與國際標準》《5G無線增強設計與國際標準》。多項國家重大專項牽頭負責人，榮獲省部級科技獎多次。
沈嘉
OPPO研究員，IMT-2020(5G)推進組 5G與AI融合研究組副組長，3GPP “AI/ML model transfer in 5GS”項目報告人，2016年獲國家科學技術進步獎特等獎，著有《3GPP長期演進(LTE)技術原理與系統設計》《5G技術核心與增強：從R15到R16》等技術專著。
吳曉波
IMT-2020(5G)推進組5G與AI融合研究組副組長，長期參與3GPP SA2標準會議，主要參與4G/5G語音、5G智能化等方面研究。
劉亮
中國移動研究院技術經理，主任研究員，IMT-2020(5G)推進組5G與AI融合研究組副組長。北京航空航天大學博士，，擔任3GPP本地定位、無線大數據採集與應用、網絡自動化等多個項目的報告人。
彭木根
北京郵電大學教授、信息與通信工程學院執行院長、網絡與交換技術國家重點實驗室副主任，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 工業因特網 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
