XiaoMi-AI文件搜索系统
World File Search System波束成形
通过大脑启发的几何透镜重新思考最大流问题和波束形成设计
摘要 — 可以通过双管齐下的方法提高无线网络（如车载网络）的数据速率，即 1）通过并行独立路由提高网络流速率；2）通过波束成形码本自适应提高用户的链路速率。移动中继（如移动路边单元）由于其定位灵活，可用于实现这些目标。首先在网络层面，我们将正则化拉普拉斯矩阵建模为黎曼流形上的点，该矩阵是表示中继相关网络图的对称正定 (SPD) 矩阵。受大脑网络中不同任务的几何分类的启发，黎曼度量（如对数欧几里德度量 (LEM)）用于选择可实现最大 LEM 的中继位置。仿真结果表明，与其他传统度量（如代数连通性）相比，所提出的基于 LEM 的中继定位算法可实现并行路由并实现最大网络流速率。其次，在链路层，我们提出了一种无监督几何机器学习 (G-ML) 方法来学习每个中继相关环境的独特信道特性。鉴于空间相关衰落信道具有 SPD 协方差矩阵，它们可以在黎曼流形上表示。因此，基于 LEM 的黎曼度量用于环境信道的无监督学习，并据此构建匹配的波束成形码本。仿真结果表明，所提出的 G-ML 模型在短暂的训练期后提高了链路速率。
• • BeammWave 具有强大的强化功能……
关于我们 BeammWave AB 致力于提供 24 GHz 以上频率的微型通信解决方案。该公司正在构建面向下一代 5G 和 6G 的基于芯片的解决方案，其形式为带有天线和相关算法的无线电芯片。该公司的数字波束成形方法是独一无二的且已获得专利，旨在以更低的成本提供更高性能的数字通信。该公司 B 股（BEAMMW B）在斯德哥尔摩纳斯达克 First North Growth Market 上市。认证顾问是 Redeye AB。
DIFAR 处理的校准因子 - CANDIS PDF 服务
确定缩放因子所需的设备参数必须取自两个文件，即声纳浮标规格和接收器规格，这些信息在本说明中给出。无线电接收机鉴别器的一个参数常数的值已在实验室中得到实验验证。校准因子是根据设备参数确定的。结果表明，即使没有校准处理，如果要实现波束成形，来自 DIFAR 浮标的定向通道也必须相对于全向通道正确加权。
低地球轨道卫星星座中的多卫星协作信息通信和位置感知
摘要 — 综合感知与通信 (ISAC) 和无处不在的连接是第六代 (6G) 网络的两种使用场景。在此背景下，低地球轨道 (LEO) 卫星星座作为 6G 网络的重要组成部分，有望在全球范围内提供 ISAC 服务。在本文中，我们提出了一种新颖的双功能 LEO 卫星星座框架，该框架使用相同的硬件和频谱同时实现多个用户设备 (UE) 的信息通信和感兴趣目标的位置感知。为了在动态环境下有限的无线资源内提高信息传输速率和位置感知精度，我们根据 LEO 卫星星座的特点，通过联合优化通信波束成形和感知波形，设计了一种多卫星协作信息通信和位置感知算法。最后，给出了大量的仿真结果，以证明所提算法的竞争性能。
高通量卫星系统的演进
摘要 — 高通量卫星 (HTS) 及其数字有效载荷技术有望在即将到来的 6G 网络的推动下发挥关键作用。HTS 主要设计用于提供更高的数据速率和容量。在波束成形、高级调制技术、可重构相控阵技术和电子可控天线等技术进步的推动下，HTS 已成为未来网络生成的基本组成部分。本文全面介绍了 HTS 系统的最新进展，重点关注标准化、专利、信道多址技术、路由、负载平衡和软件定义网络 (SDN) 的作用。此外，我们还为下一代卫星系统提供了一个愿景，我们将其称为超高通量卫星 (EHTS)，该卫星系统面向自主卫星，由这些系统的主要要求和关键技术支持。EHTS 系统的设计将使其最大限度地提高频谱重用和数据速率，并灵活地控制容量以满足用户需求。我们介绍了一种用于未来再生有效载荷的新型架构，同时总结了该架构所带来的挑战。
对 2022-2025 年五年频谱展望草案的回应...
SpaceX 正在利用其在空间系统制造、设计和运营方面积累的专业知识来开发 Starlink，这是一个卫星星座，旨在为新西兰和全球任何地方提供高速、低延迟、价格具有竞争力的宽带服务。SpaceX 的第一代星座由 4,400 多颗非地球静止轨道 (NGSO) 卫星和采用先进通信和空间运营技术的广泛地面基础设施组成。SpaceX 已在该系统上投资了数十亿美元，目前平均每月发射 120 颗卫星，同时建造网关和最终用户终端天线。Starlink 旨在通过优化其与其他授权卫星和地面用户灵活共享频谱的能力来高效利用无线电频谱资源，包括通过先进的波束成形和数字处理技术。SpaceX 目前将卫星连接到 Ku 波段的客户用户终端，用于上行链路和下行链路频率，网关链路位于 Ka 波段。
AIRIS：人工智能增强信号处理...
摘要 —可重构智能表面（RIS）是一种新兴的超表面，可通过反射信号提供额外的通信链路，并被认为是 6G 移动通信系统的有力候选者。同时，最近人们承认，将人工智能（AI）应用于 RIS 通信将大大有利于重构能力并增强对复杂传输环境的鲁棒性。除了传统的模型驱动方法外，AI 还可以通过挖掘真实数据的固有特性以数据驱动的方式处理现有的信号处理问题。因此，AI 特别适合在模型不匹配、资源不足、硬件受损以及动态传输等不理想情况下的 RIS 网络上的信号处理问题。作为最早的调查论文之一，我们将介绍 AI 和 RIS 的融合，称为 AIRIS，涉及各种信号处理主题，包括环境感知、信道采集、波束成形设计和资源调度等。我们还将讨论 AIRIS 面临的挑战并提出一些有趣的未来方向。
5G-Advanced 中用于波束管理的 AI/ML
摘要 — 在 5G 新无线电 (NR) 网络等波束成形无线蜂窝系统中，波束管理 (BM) 是一项至关重要的操作。在正在大力推广的 5G NR 标准化的第二阶段（称为 5G-Advanced）中，关键组成部分是使用基于机器学习 (ML) 技术的人工智能 (AI)。选择用于 BM 的 AI/ML 作为代表性用例。本文概述了 5G-Advanced 中用于 BM 的 AI/ML。首先介绍并比较了传统的非 AI 和主要支持 AI 的 BM 框架。然后，介绍了用于 BM 的 AI/ML 的主要范围，包括提高准确性、减少开销和延迟。最后，讨论了AI/ML在BM标准化方面的关键挑战和未解决的问题，特别是AI支持的BM新协议的设计。本文为基于AI/ML的BM标准化研究提供了指导。
