AI 在 LTE 和 5G-NR 网络基础设施中的现实应用
网络与互联网体系结构
2026-02-04 v1
摘要
通信网络产生大量的性能和环境遥测数据，但大多数 LTE 和 5G-NR 部署仍依赖于静态、人工工程的配置。这限制了在农村、游牧和带宽受限环境中的适应性，因为在这些环境中，流量分布、传播特征和用户行为会快速变化。人工智能(AI)，更具体地说，机器学习(ML)模型，为将无线接入网络(RANs)从刚性、基于规则的系统转变为能够自主响应这些动态的自适应、自优化基础设施提供了新机会。本文提出了一种实际的体系结构，集成 AI 辅助规划、强化学习驱动的 RAN 优化、实时遥测分析和数字孪生验证。在此同时，本文解决了将 embodied-AI 健康服务、教育工具和大型语言模型(LLM)应用程序 deliver 给带宽不足以支持云计算的社区的挑战。我们引入一种边缘托管执行模型，其中应用程序直接在 LTE/5G-NR 基站上运行，使用容器，减少延迟和带宽消耗，同时提高韧性。正是由于这些贡献，AI 能够提高网络性能、降低运营开销，并扩展对先进数字服务的可及性，与可持续和包容性网络发展的更广泛目标相吻合。
引用
@article{arxiv.2602.02787,
title = {Real-World Applications of AI in LTE and 5G-NR Network Infrastructure},
author = {Simran Saxena and Arpad Kovesdy},
journal= {arXiv preprint arXiv:2602.02787},
year = {2026}
}
备注
6 pages and 3 figures