英特尔和MathWorks利用人工智能减少5G RAN中的前传流量

在高度连接的 5G 世界中，高速、低时延的无线通信必不可少。5G 网络生成了海量数据，这些数据必须通过光纤电缆，在射频和基带之间同步传输。因此需要一个具有光连接能力的庞大网络，这将大幅增加企业在网络上的资本支出。

在 5G 无线接入网 (RAN) 中，使用人工智能 (AI) 技术压缩射频和基站之间交换的数据。英特尔和 MathWorks 使用基于 AI 的自动编码器压缩信道状态信息数据，以减少前传流量。

基于 AI 的压缩不仅能保证用户数据完整性，这些压缩算法还能维持通信系统的可靠性和性能标准。此外，实施 CSI 压缩和自动编码器还会带来其他优势，包括减少数据和降低误块率。这有利于移动网络运营商减少前传流量，降低总体前传带宽要求，最终节省成本。

MathWorks 和英特尔使用 MathWorks MATLAB* 和 Simulink*、面向英特尔 FPGA 的 DSP Builder、英特尔 Quartus Prime 设计软件、英特尔 FPGA 人工智能套件和针对英特尔 SoC FPGA 的 OpenVINO 工具箱来支持基于 AI 的前传压缩技术。

借助领先的英特尔工具和技术，硬件开发者可以使用英特尔 FPGA、MathWorks 5G 工具箱* 和深度学习工具箱，将 AI 无缝集成至 5G RAN 中。

MathWorks：简化英特尔 FPGA 的无线和 AI 开发

MathWorks 深度学习工具箱提供用于设计和实施深度神经网络的算法、预训练模型和应用。您可以使用面向英特尔 FPGA 的 DSP Builder，将 MATLAB 函数和 Simulink 模块直接转化为 HDL 或 Verilog，并将其用于 5G 无线应用。Simulink 包括用于模拟和硬件部署的多个库，您可以在 Simulink 中利用 DSP Builder 模块生成针对英特尔 FPGA 优化的 HDL 代码。

英特尔 FPGA 人工智能套件：简单易用

英特尔 FPGA 人工智能套件的目标是帮助用户在英特尔 FPGA 上实现易于使用的 AI 推理应用。套件的工具流将 MathWorks 深度学习工具箱和英特尔 FPGA 人工智能套件结合在一起，以支持 FPGA 设计人员、机器学习工程师和软件开发者设计与实施经过优化的 FPGA AI 应用。

英特尔 FPGA 人工智能套件中的库使用流行的行业框架（例如 TensorFlow* 和 PyTorch*）和 OpenVINO 工具套件加快基于 FPGA 的 AI 推理应用的开发速度，同时在英特尔 Quartus Prime 设计软件 IDE 中构建强大且业经验证的 FPGA 开发流程。

英特尔 FPGA 人工智能套件与开源项目 OpenVINO 工具套件协同运行，从而优化各种硬件架构上的推理。OpenVINO 工具套件对来自所有主流深度学习框架（例如 TensorFlow、PyTorch 和 Keras*）的深度学习模型进行优化，以便在 CPU、CPU+GPU 和 FPGA 等各种硬件架构上执行推理。




审核编辑：刘清