机器学习的最新进展用于O-RAN中的网络自动化
Mutasem Q Hamdan1, Haeyoung Lee2, Dionysia Triantafyllopoulou3
1Samsung Electronics R&D Institute, Staines TW18 4QE, UK.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
机器学习 (ML) 是自动化开放无线电接入网络 (O-RAN) 的关键. 本调查探讨了智能化,自动化O-RAN管理的ML应用,挑战和机会.
科学领域:
- 电信工程 电信工程 电信工程
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 电信行业正在转向开放和智能网络架构.
- 开放无线电接入网络 (O-RAN) 架构为多供应商互操作性提供分类和虚拟化.
- 管理和自动化复杂的O-RAN生态系统带来了重大挑战.
研究的目的:
- 提供O-RAN中使用机器学习 (ML) 对网络自动化当前研究的全面调查.
- 为了突出O-RAN架构中自动化需求.
- 探索O-RAN对ML技术的支持,并确定研究机会.
主要方法:
- 对O-RAN架构及其组件的概述.
- 对O-RAN对ML技术的固有支持进行分析.
- 探索应用ML用于O-RAN自动化的挑战.
- 对O-RAN自动化ML算法和框架的现有研究进行审查.
主要成果:
- 确定了ML作为一个有希望的解决方案,用于自动化复杂的O-RAN环境.
- 详细的当前研究工作,包括对O-RAN应用的ML算法和框架.
- 突出了O-RAN中的ML驱动网络自动化的主要挑战和机遇.
结论:
- 机器学习技术对于解决O-RAN网络自动化的复杂性至关重要.
- 该调查为未来的研究提供了路线图,用于利用ML进行智能O-RAN管理.
- 通过将ML应用于O-RAN的各个方面,进一步的研究可以释放显著的好处.


