ARCADE：一种混合 AI 环境下的 6G 网络 RAN 诊断方法论-计算机科学-人工智能-6G 网络.pdfVIP

ARCADE：一种混合AI环境下的6G网络RAN诊断方法论

DanielRicardoCunhaOliveira,RodrigoMoreira

FláviodeOliveiraSilva

FacultyofComputing(FACOM)–FederalUniversityofUberlândia(UFU)

Uberlândia–MG–Brazil

FederalUniversityofViçosa(UFV)

RioParanaíba–MG–Brazil

DepartmentofInformatics–SchoolofEngineering

本UniversityofMinho–Braga,Portugal

译

中drcoliveira@ufu.br,rodrigo@ufv.br,flavio@di.uminho.pt

1Abstract.ArtificialIntelligence(AI)在发展6G网络中起着关键作用。虽然当

v

1前规范已经将NetworkDataAnalyticsFunction(NWDAF)作为提供有关核

6

8心信息的网络元素，但仍需要更全面的方法来实现尚未在5G背景下完全

7

1探索的网络部分的自动化。本文介绍了AutomatedRadioCoverageAnoma-

.

7liesDetectionandEvaluation(ARCADE)，这是一种识别和诊断蜂窝接入网

0

5络异常的方法论。此外，我们展示了在网络向6G演进过程中，混合架

2

:构的网络分析功能如何能够增强AI在更广泛网络环境中的应用，并使用

v

iARCADE作为这种方法的实际示例。

x

r

a

1.介绍

近年来，蜂窝网络已成为社会不可或缺的重要组成部分，特别是在依赖无处

不在且可靠服务的全球化数字社区中。连接设备数量的指数级增长使得RadioAc-

cessNetworks(RANs)非常复杂，特别是考虑到多个技术世代共存以及对Internetof

Things(IoT)基础解决方案需求的增长。在此背景下，简化RAN优化方案的需求日

益增加，尤其是由于在4G和5G系统中——如果下一代网络采取演进方式来处理

接入网络，则可能包括6G——网络自干扰与效率和流量容量呈负相关关系。随着

系统容量和复杂性的扩大，依赖于人工流程和高度专业化技术专长的传统网络优

化方法正变得越来越无效。

本研究提出了一种方法论，即ARCADE，用于评估和识别标准3GPP蜂窝系

统中的覆盖异常。更重要的是，我们解决了一个关键问题：ARCADE如何从RAN

获取数据来分析特定集群内小区间的覆盖和干扰情况。这通过一种混合架构提案

实现，该提案旨在在未来6G核心网络中实施AI。

Figure1.网络元素间MRs和MinimizationofDriveTests(MDT)的简化信令图。作

者创建的图表。

本工作组织如下：第2节介绍了该领域的相关工作概述。第3节描述了

ARCADE。第4节对NWDAF的