前面三个运营商讲的非常的战略，我讲一点战术性的东西，就是我们老师做的非常专业性的东西，我特别赞同我们的网络实际上一直是自动化的过程，我们家我是新疆的，我姥姥是山东的，我1986年的时候给我姥姥打了一个电话，大概需要1个小时，过去10几年技术的发展让我们的生活变的特别多，不敢想象要花一个小时实现通话。

我讲一下关于5G网络未来的规划，我们想可不可以深度的结合，可能就不止我们前面提到的业务层面，网络的管理层面，包括崔老师讲到的增加学习的一个自组网的切入今人，还有一些物理层面的，还有和编码的技术，深度结合的一些思路，所以的话我们就是在探讨，到底是从无线来说有没有可能跟人工智能更深度的结合，我实际上昨天跟前天的话也正好在成都参加华为举办的一个无线轮道，我们想把人工智能和无线深度的融合，我们想我们讲一下我们在深度结合方面的思考。

首先就是我们为什么要把这个无线的研究尤其是信道的研究要跟5G结合，动机是什么？第二是对于信道来说有什么新的进展，第三是关于网络这一方我提了一个无线可预测了网络的想法跟大家分享一下。

首先我想说无线通信的历史，我们要感谢这个人，就是他，在150年前推出了4经典的方程，这也是很多大学生痛恨的方程，也特别的深，是牛顿主导的时代，实际上电和磁的关系不是特别的清晰，电磁这种现象当时牛顿有一个理论，叫超距理论，但是实际上当时的法拉力做了一些实验，实际上电磁之间是可以转换的，可以通过这四个经典的方程，选出最美丽方程之一的方程，他描述出电跟磁之间是客户相互转换的，磁场的大小跟电的关系，有了这个以后就有了我们的无线通信，无线通信是特别有挑战的一件事情就是我们从这个基站到中端之间，他面临的是一个开放和复杂的环境，我们有一些车还有建筑物，有很多的反射折合还有绕射，他叠加以后到达了接收端成为了红色的线，我们有一个经典的称法叫做衰落，实际上对我们无线系统的设计是非常有挑战的，我们之前也谈到了无线规划和优化，就是在这种开放的环境里面像基站来解决一些覆盖的盲区，就是要对这个传播环境的话他的特性进行研究，以及对整个衰落环境效果进行一个重新的复现就是建模的过程。

我们一个是大尺度的衰落，我们经典的有一些（英文）的，还有特别喜欢的一个方程这是一个哈塔模型，另外还有一些小尺度H，它会影响我们经典的技术，各个方面，对信道的了解是指导我们设计的整个系统的工作。

我们回来看一下关于我们信道研究的一个历史，这里面我们要提到这个教授是一个数学家，他给出了描述，当时是一个再带系统，把给了一个分布的情况，后来每隔10年就更新一个带，我们到了5G时代，我本来预想可能前面的专家会讲一些5G的（英文），因为我们对5G要求的话实际上万物信息随心制，万物出手即，包括峰值速率要提高，用户平均信息的速率以及介入的低延时还有大覆盖等等，超链接等等都是5G一个技术指标的体现，为了实现5G技术指标我们看一下到底有什么技术来帮助我们实现5G，我们还是回到经典的公式，就是C等于W，C代表容量，容量从哪来？带来容量的话一方面增加H的特性，这个H的特性就是我们现在出现的（英文），也是我们国家主推的技术，也做出了世界上最的3D（英文）的，所以AI技术要用到波数的管理上，他要管理的就是蓝色的大条，尽量降低干扰，现在的话我们做的很多都是用的信号处理的知识来做的。

另外一方面的话5G要靠带宽来提高他的容量，带宽从哪里来呢？6G赫兹以下是非常拥挤的，这个频段需要我们深入了解找到他的特性。

6G赫兹以上我们国家产业的基础还是薄弱一些，我们重点的策略是在6G赫兹以下的中低频，我们一直引导的是在3.5G还有4G方面做的实验。

关于这个5G实际上在ITU层面，我们通信里最高的组织就是ITU，他给出了整个了时间表，5G的时间表推动的非常快，是以倒的顺利往前推的，我们什么时候要准备好他的提案，什么时候做他的评估，我们的评估时间要限定，什么时候的东西是5G的，评估标准最核心的一部分是什么？就是给出他的模型，信道的模型是什么，然后做方针，然后回来之后告诉我，你是不是满足在这个场景下，能达到这样一个效率。

从2016年2月到去年的年底一直在参加这项工作，这是我们现在做成的信道模型的框架，我想还是要回到我们为什么要做AI上面来。

第一个就是5G和IOT带来大量的问题，我们在做研究的时候有一个特别明显的感触，就是我们需要的数据，我举个例子就是我们现在到了一个基站会发现256个天线，然后我们要在大量的路线做测量，还有很多的候选，我们远远超过了我们原来做研究时候的数据量。

实际上现在主流两种，一种就是确定性的方法还有统计性的方法，这两种方法都有他的优缺点，他其实都存在一些不通用的地方，我就在想有没有一种方法可以解决它的负责度和矛盾的问题，我来讲一下第二部分，就是为什么我们可以把我们的关于整个无线环境的研究可以跟机遇来结合，主要的原因我们还是要收集数据，回来做处理（英文），实际上他跟整个的（英文）思路是相似的，尤其是跟有监督的学习这一块，我们可以想一些特征来做训练，我们在尝试也没有可能把这两个结合在一起。

蓝色的点是我们做的（英文）的结果，红色的线是我们发的一个论文（英文），后来我们就用这个方法来PCA是一个最简单数据挖掘的方法，我们来看是不是更好的做一个拟合，这个红色的线我们比原来做的要好，我们就开始做整个的成分以及它的影射举证，我们可以看到他的主成分以后就做一个信道来，大家可以看到最右侧是我们测量的结果，然后蓝线是我们拟合的结果，我们觉得还挺受鼓舞的。然后可能因为旧药灌了新水，给的评价也很好，所以我们就接着往下做，还是可以做出新东西的，我们就可以把这块做一个更新，研究性的工作，今天早上也有人提到关于小样本训练的实行，这个是2015年底的封面文章，这个封面文章讲的是机器可以像人一样看一眼就可以写出来，这个是（英文）做的一个工作，他是给了一个结构，他不是在整体上重新复现这个字，然后它分别这几层结构特征以后然后实现小样本的训练，并且通过了福林的测试，结构化加上学习，所以我们也是想提一个方法出来解决这个传统的时候我们做的这个信道研究时候的一个忽略的情况，我们把一个统计的建模跟确定建模结合在一起。

我们还是传统的分簇聚簇的效果，然后自动进行三维环境的重构，就像是我们描述生命体不是在一个基础上而是再一个INA的情况下描述出来，然后又一些疾病的机理，这些的话我们就形成了一个三重的结构，就是形成一个波，有一个各种物理性的参数，然后就可以更加想象化的规律，然后描述信道的验收情况。

我们现在这两方面都在进展，很多人多在说个太复杂了，我们又在找材质方面的进展，微软也在提高这方面的工作，我们都在推进。

最后的话我想说为什么可以支持5G或者5G之后的技术，5G之后会使用大规模的天线，他传播不一样的话实际上我可以通过每一个工作，看到的簇和不一样，他会形式一个相关性，另外就是一个在移动的时候有移动的簇和，会有移动性。

这是我们用的神经网络做的大小尺度的复线，可以发现蓝色是测量自结果，红线是DP网络来做的。

我最后讲一下这个是一个低层面的融合，到底对我们的建模有什么方法和帮助，这块的话我们分析一个人早上从出发上班他到底经历了什么，比如说在北京非常的远，通过高铁进入微蜂窝，然后进行办公室，进行室内热点，我想提一个尺度的概念，第一个尺度就是环境的尺度，他是在城市热点里还是在微蜂窝来，还是再一个办公室的室内热点里，在室内的话要解决的是一个大容量，以及各个方面的要求，还有很多人要（英文）所以要做联网需求，这个尺度解决的是一个覆盖的问题，所以的话从每一个层次可能跟AI结合的就不一样，我们就感觉出来他们结合的时候，不能盲目的结合在一起，不能说AI可以应用到各个方面，会有他的特点，比如说刚才说的很多的关于网络运营维护还有包括（英文）出了事情等等，他有第一个层次。

第二个层次是跟资源管理有关系的，这样的话解决了自适应的一些问题，这里面有很多是一个推演，最底下其实是最难跟人工智能结合的层次，就是传统物理层的方面，就是（英文）还有信道估计，这方面结合的时候我感觉可以结合哪些内容呢，不是用顺势的信息而是用统计的分析，实际上还是有利于解决这个一些结合的问题的。

最后我想达到一个什么效果呢？能实现一个（英文）的（英文），我通过簇和的学习，我们有影响无线的内容形成一个关于整个传播自动的预测，所以可以在实验室内部可以做到网络优化，最后总结一下，我讲非常贴近物理这方面，其实每一个（英文），都有自己的（英文），5G这个网络非常丰富多彩，尤其是面向还有IOT的方向等等，实际上出现5G比较大的挑战，运营商做选择的时候，有很多的（英文），你的（英文），到最后合在一起的效果是什样的，都是一个非常的（英文），（英文）好几个选项，也不做选择，（英文），每个都要实现，上这个5G的时候都要（英文）这可能是一个非常大的挑战的问题，很多的可预测的这样方法，来做很多的技术的选择，帮助他们降低未来的困难性，一方面加速5G的产品的成熟以及未来的商业化，将来也能实现5G快速的运营。非常感谢大家。

最后我想说一下，我上博士的时候我的笔记，1999年的，这个是我们去世的一个老教授，今天有很多老师都在为北邮人的培养做了很多的贡献，我在这个学校了里面学到了很多。回来看的时候发现这个学校里面为我们做了很多的努力，特别感谢这个学校，感谢大家。