基于AI的5G下行增益控制算法.pdf

基于AI的5G下行增益控制算法

冯若富

(上海诺基亚贝尔股份有限公司江苏分公司，南京210037）

摘要：针对5G无线射频下行链路增益控制要求，在规范定义的极限高温或低温环境里、吞吐量满负

荷或零负荷等各种场景下能够保持下行链路增益稳定的问题，提出一种基于人工智能（AI）的5G射频

下行链路增益控制算法。该算法综合开环控制和闭环控制的优点，利用AI技术构建的模型，同时引入

实时数据及时修正制参数，满足射频下行链路系统的增益稳定的要求，明显提高了系统处理速度，达

到了节能的目的，最后通过数据验证了算法的有效性。

关键词：下行增益控制；5G节能；AI节能技术；闭环增益控制

1概述再通过功率放大器产生的功放增益，进入双工滤波器，

[1]到达天线口为实时发射功率。对于反馈回路，功放的输

为了维持5G基站小区稳定在预定的覆盖范围内，

或者5G基站做波束赋形时射频信号的功率发射强度能出功率经过耦合器进入反馈通道，经过反馈通道增益，

够达到预期目标值，5G基站中的有源天线单元（AAU）输出为实时反馈功率。模拟增益和反馈通道增益一般通

或者射频拉远单元（RRU）中的TX下行链路增益控制过设置数字步进衰减器（DSA）来实现。

算法需要在各种场景下能够控制TX增益为预设的目标P:数字G:数字G:模拟G:功放G:滤波器Pout:天线口

dBFS1234功率

功率增益增益增益插损

[2]

增益不变。传统的TX增益控制算法主要还是依赖设

定好校准数据及人工设定的固定周期的轮训机制来进行数字功率

放功

输入

双工滤波器

简单的增益控制。在实际场景中，每个站点的运行环境TXDSA耦合

复杂多变，即使同一个站点在不同的时间段的流量负荷FBDSA

也有较大波动。因此，在5G现场部署中，会遇到多种

P:反馈

FB

复杂的情景问题需要解决。首先，由于功率放大器存在通道功率

G:反馈

5

非线性化的特性，且射频器件的增益深受运行环境温度