原標題：中國移動研究院創(chuàng)新提出基于機器學習的交叉時隙干擾混合消除方案

　　11月24日消息：近日，中國移動研究院通過北京郵電大學-中國移動研究院聯合創(chuàng)新中心，聯合北郵泛網無線通信實驗室，針對5G NR動態(tài)場景下的交叉時隙干擾問題，結合人工智能技術，創(chuàng)新提出基于機器學習的交叉時隙干擾混合消除方案并完成仿真驗證，為業(yè)界解決站間交叉時隙干擾難題提供了新的方向。

　　目前，5G在垂直行業(yè)大上行需求日漸凸顯，需要采用區(qū)別于公網的不同時隙配比，但由此會引入交叉時隙干擾問題。目前主要通過拉大站間部署距離，利用空間隔離消除干擾；或降低交叉時隙內下行發(fā)送功率、直接關閉產生干擾的下行時隙等軟件技術解決此類問題，但由此會帶來基站覆蓋和容量的損失�；�于數字域的基帶對消技術能夠在消除干擾的同時降低基站性能損失，但實現復雜度高，產業(yè)進程慢。

　　為此，項目團隊攻關基帶對消技術,創(chuàng)新提出基于機器學習的交叉時隙干擾混合消除方案（Hybrid Canceller），利用復雜的站間MIMO信道模型，構建多項式干擾消除器（Polynomial Canceller）實現高精度線性干擾消除，同時充分考慮信道的非線性效應，利用神經網絡對非線性函數的強大擬合能力，構建神經網絡干擾消除器（Neural Network Canceller）實現非線性干擾消除。

　　為更好評估算法性能，中國移動還聯合北京郵電大學研發(fā)了鏈路級仿真平臺。平臺可提供豐富的數據導入、數據獲取接口和友好的人機交互界面，便于嵌入多種干擾消除算法。通過仿真驗證，最終可實現37.7dB的干擾消除能力，與理論極限值相比，可達到93.3%以上的干擾消除性能。

　　該方案不僅能增加基站間干擾信道建模的準確性，還可適應不同基站間的個性化信道傳播途徑，對于各種復雜部署環(huán)境具有很好的普適性，不需進行不同信道特性的個性化建模。相較于傳統(tǒng)方案可實現至少13.5%的性能改進，減少72%以上的待估計參數量，減少80%以上的計算復雜度。成果不但可應用于交叉時隙干擾消除，也為機器學習技術在5G場景的應用進行了有益探索和技術儲備。

　　該交叉時隙干擾消除技術方案和仿真平臺的成功開發(fā)，為交叉時隙干擾消除提供了理論支撐與有效性驗證。未來，中國移動研究院將與學術界、產業(yè)界繼續(xù)深入合作，持續(xù)推進交叉時隙干擾消除技術演進。