焦點快播：中國移動研究院張廣晉：基于深度神經網絡的智能干擾識別研究

(資料圖片)

（CWW）上行干擾問題一直是網絡中較難解決的問題，多種類型的干擾嚴重影響了網絡質量和用戶服務質量。由于各種干擾問題的疊加，干擾識別的難度也顯著增加，大量的高干擾小區(qū)排查給運營商的日常運維工作帶來了巨大壓力，如何進行高效準確的干擾識別、降低運維壓力、節(jié)約人工成本，都成為目前智能無線網絡優(yōu)化的焦點問題。

近日，清華大學-中國移動聯合研究院確定性網絡課題組，開展了智能干擾識別方案的研究，聯合發(fā)表了論文《Interference Identification Based on China Mobile Current Network Data》，中國移動研究院張廣晉作為團隊代表，受邀出席帝國理工學院與清華大學主辦的第96屆IEEE/VTC技術會議，并發(fā)表了主題演講。

針對傳統基站上行干擾特征復雜、建模難度大、識別精度低等問題，項目組利用深度神經網絡算法，通過提取低層干擾數據特征構造更加抽象的高層特征以表征干擾類別，使模型學習到現網干擾數據與干擾類型之間的映射關系。在模型優(yōu)化方面，輸入輸出層引入降維和Dropout提高模型訓練效率和防止過擬合，隱藏層采用ReLU激活函數克服梯度爆炸/消失等問題。

現網干擾數據的模型訓練面臨的另一個重要挑戰(zhàn)是缺乏足夠有效的訓練數據和類型標簽，項目組通過對原始數據中的干擾特征和類別進行重新定義和分類，將常見干擾類型歸納總結為十種可用干擾標簽。該算法在現網數據上進行了充分驗證，可實現高效準確的干擾識別，相較于傳統方法準確率提升20%，大幅降低了網絡運維壓力，節(jié)約了人工成本。

未來，項目組將同業(yè)界持續(xù)對無線網絡智能化開展探索研究，助力AI能力在移動通信網絡落地應用。

關鍵詞： 神經網絡 智能干擾識別 無線網絡