无线通信网络优化系统及方法与流程

摘要: 本发明涉及无线通信,尤其涉及一种无线通信网络优化系统及方法。背景技术:1、随着移动通信技术的广泛部署及向未来新一代技术的演进,无线通信网络的复杂性呈指数级增长,...
无线通信网络优化系统及方法与流程

本发明涉及无线通信,尤其涉及一种无线通信网络优化系统及方法。

背景技术:

1、随着移动通信技术的广泛部署及向未来新一代技术的演进,无线通信网络的复杂性呈指数级增长,传统的依赖于人工经验和静态规则的运营与运维模式已无法满足新业务对网络性能提出的极致要求。

2、为应对上述挑战,将人工智能技术引入网络运维领域已成为业界共识。现有的基于人工智能的网络优化方案中,一类方案采用纯中心化的智能架构,将海量原始数据汇聚至云端,利用全局人工智能模型实现网络性能的整体优化。另一类方案采用分布式的边缘智能架构,在网络边缘设备上部署轻量化人工智能模型,利用本地实时数据进行快速决策与闭环控制。

3、然而,上述两类方案均存在固有局限性。纯中心化智能架构要求将网络边缘端的原始运行数据实时回传至云端,其“数据上云、分析决策、指令下发”的闭环流程所引入的端到端时延无法满足毫秒级的近实时控制需求,导致纯中心化智能架构的实时响应能力不足。纯分布式边缘智能架构的决策视野受限于局部数据,缺乏对网络全局拓扑和跨域因果关联的宏观认知,其决策往往是局部最优,甚至可能引发冲突造成全局性能恶化,导致纯分布式边缘智能架构的全局认知能力不足。由此可见,现有技术中的基于人工智能的网络优化方案无法同时兼顾网络优化的实时响应能力与全局认知能力。

技术实现思路

1、本发明提供一种无线通信网络优化系统及方法,用以解决现有技术中基于人工智能的网络优化方案无法同时兼顾网络优化的实时响应能力与全局认知能力的技术问题,实现对无线通信网络的闭环优化。

2、本发明提供一种无线通信网络优化系统,包括:

3、无线数据单元,用于采集多源异构信息;

4、全局智能中枢,连接至所述无线数据单元,用于根据所述多源异构信息生成协同调度指令;

5、边缘智能体集群,连接至所述全局智能中枢,用于采集所述边缘智能体集群管辖范围内无线通信网络的本地实时状态,根据所述协同调度指令和所述本地实时状态执行本地优化,得到无线通信网络优化结果;

6、闭环反馈单元,分别连接至所述边缘智能体集群和所述全局智能中枢,用于根据所述本地实时状态、所述无线通信网络优化结果和协同请求生成反馈信息,并将所述反馈信息发送至所述全局智能中枢,所述反馈信息用于更新所述全局智能中枢。

7、在一实施例中,所述全局智能中枢包括:

8、表征模块,连接至所述无线数据单元,用于根据所述多源异构信息生成全域网络知识图谱和跨域特征集;

9、推理模块,连接至所述表征模块,用于根据所述全域网络知识图谱进行性能趋势预测得到性能预测信息,并根据所述全域网络知识图谱进行根因定位得到网络异常诊断结果;

10、决策模块,分别连接至所述表征模块和所述推理模块,用于根据所述跨域特征集、所述性能预测信息和所述网络异常诊断结果生成全局优化策略,根据所述跨域特征集和优化目标生成所述协同调度指令。

11、在一实施例中,所述表征模块包括:

12、统一表征子模块,用于将所述多源异构信息映射到统一的向量空间,生成统一表征向量;

13、知识图谱构建子模块,连接至所述统一表征子模块,用于根据所述统一表征向量生成全域网络知识图谱;

14、特征集生成子模块,连接至所述知识图谱构建子模块,用于根据所述全域网络知识图谱生成跨域特征集。

15、在一实施例中,所述推理模块,包括:

16、性能预测子模块,用于根据所述全域网络知识图谱,生成关键性能指标的预测值,将所述预测值作为所述性能预测信息;

17、根因分析子模块,连接至所述性能预测子模块,用于根据所述全域网络知识图谱以及所述预测值和实际观测值之间的偏差信息进行因果推理,生成根因定位结果及对应的因果贡献度,将所述根因定位结果及对应的因果贡献度作为所述网络异常诊断结果。

18、在一实施例中,所述边缘智能体集群包括以下至少一项:

19、基站智能体,用于根据所述协同调度指令和所述本地实时状态对无线接入网进行本地优化;

20、核心网智能体,用于根据所述协同调度指令和所述本地实时状态对核心网进行本地优化;

21、终端智能体,用于根据所述协同调度指令和所述本地实时状态对终端进行本地优化。

22、在一实施例中,所述边缘智能体集群中每个边缘智能体内部集成一个或多个执行实时决策的内生智能模型;

23、所述每个边缘智能体包括:

24、数据采集子模块,用于采集所述边缘智能体管辖范围内的内生数据;

25、增量学习子模块,连接至所述数据采集子模块,用于根据所述内生数据进行增量学习,微调所述内生智能模型的模型参数,生成微调后的内生智能模型,并将所述微调后的内生智能模型的模型更新梯度发送至所述全局智能中枢;接收全局智能中枢根据所述边缘智能体集群中多个边缘智能体的模型更新梯度生成的模型更新参数;根据所述模型更新参数更新所述内生智能模型。

26、在一实施例中,所述闭环反馈单元包括:

27、感知反馈子模块,用于根据所述本地实时状态、所述无线通信网络优化结果和所述协同请求生成反馈信息,将所述反馈信息发送至所述全局智能中枢;

28、协同请求升级子模块,连接至所述感知反馈子模块,用于若所述协同请求满足预设条件,则将所述协同请求发送至所述全局智能中枢。

29、在一实施例中,所述决策模块还用于:

30、在所述协同调度指令为风险指令的情况下,向网络运维专家发送审核请求;

31、接收所述网络运维专家的审核结果,根据所述审核结果更新所述协同调度指令。

32、在一实施例中,所述全局智能中枢根据所述反馈信息进行更新的方式包括以下至少一项:

33、根据所述反馈信息中的所述无线通信网络优化结果,更新所述全域网络知识图谱;

34、根据所述反馈信息中的所述无线通信网络优化结果,优化所述决策模块的决策参数。

35、本发明还提供一种无线通信网络优化方法,包括:

36、控制全局智能中枢根据多源异构信息生成协同调度指令;

37、控制边缘智能体集群根据所述协同调度指令和边缘智能体集群管辖范围内无线通信网络的本地实时状态执行本地优化,得到无线通信网络优化结果;

38、控制闭环反馈单元根据所述本地实时状态、所述无线通信网络优化结果和协同请求生成反馈信息,并将所述反馈信息发送至所述全局智能中枢;

39、控制所述全局智能中枢根据所述反馈信息进行更新。

40、本发明提供的无线通信网络优化系统及方法,通过边缘智能体集群采集边缘智能体集群管辖范围内无线通信网络的本地实时状态,根据全局智能中枢生成的协同调度指令和本地实时状态执行本地优化,得到无线通信网络优化结果,无需将海量原始数据上传至云端等待决策结果,保证了实时响应能力。全局智能中枢根据无线数据单元采集的多源异构信息生成协同调度指令,为边缘智能体的本地优化提供全局层面的决策依据。闭环反馈单元根据本地实时状态、无线通信网络优化结果和协同请求生成反馈信息,将反馈信息发送至全局智能中枢,反馈信息用于更新全局智能中枢,使全局智能中枢生成的协同调度指令能够随着网络环境和边缘执行效果的变化持续演进。本发明在边缘侧保障实时响应,同时由中心侧提供全局决策依据,并通过闭环反馈实现中心与边缘的协同进化,从而同时兼顾了无线通信网络优化的实时响应能力与全局认知能力,实现对无线通信网络的闭环优化。