XiaoMi-AI文件搜索系统
World File Search System移动用户
5G网络中的同步：一种混合贝叶斯的方法，用于时钟偏移/偏斜估计及其对本地化的影响
1简介移动网络的第五代（5G）预计将提供广泛的基于位置的服务[1]。为了为这些服务铺平道路，文献中已经引入了无数确切的位置技术，其中大多数依赖于为移动用户（MUS）[2]的访问点（APS）之间的合作（APS）之间的合作。，特别是为了估算位置，这些技术利用了代理之间（即MUS和AP之间进行的时间测量），要求它们具有共同的时间群[3]。因此，对于合作的功能方法，需要在彼此之间以及与MUS相互准确同步AP [4，5]。已经付出了巨大的努力来设计从不同网络的快速，连续和精确的同步算法，从无线传感器网络（WSN）到无线通信网络[6]。通常，最新同步
NTP示范工具和任务概念...
本文提出了一种方法，没有对传感器选择和通信网络拓扑计算的反馈，用于使用最大值结果，使用基于地面的分布式感应，计算和通信网络基础架构，并使用最低结果和最低成本。选择标准包括最大的空域与最少的资源，最少的通信时间和功耗，同时保证系统可观察性并及时为固定用户和移动用户提供高质量的高质量信息。开发的算法使用多目标优化策略，考虑到相互构想的目标之间的交易，并使用o {架子计算工具实施。在桌面仿真环境中使用合成传感器数据在选定的区域空域和概念无线通信网络的参数中生成的合成传感器数据进行了验证。
GAO-21-105283，卫星通信
美国国防部 (DOD) 已投资超过 74 亿美元来开发和生产移动用户目标系统 (MUOS)。MUOS 是国防部最新的超高频（窄带）军用卫星通信系统，旨在为作战人员提供全球语音和数据通信，无论在大多数天气条件下，还是在茂密的树叶和城市地形中。海军设计了 MUOS 系统，该系统由四颗卫星、一颗在轨备用卫星以及一个地面控制和网络管理系统组成。该计划旨在为更多用户提供先进的卫星通信，通信容量至少增加 10 倍，而不是它所取代的系统，称为超高频 (UHF) 后续系统。MUOS 开发活动始于 2004 年，2012 年发射了第一颗卫星，2016 年发射了第五颗也是最后一颗计划中的卫星。
随机几何与无线网络
无线通信网络可视为位于某个域中的节点集合，这些节点可以是发送器或接收器（根据所考虑的网络，节点将是移动用户、蜂窝网络中的基站、WiFi 网状结构的接入点等）。在给定时间，一些节点会同时向自己的接收器发送数据。每个发送器-接收器对都需要自己的无线链路。从链路发送器接收到的信号会受到从其他发送器接收到的信号的干扰。即使在最简单的模型中，从某一点辐射的信号功率以欧几里得距离各向同性的方式衰减，节点位置的几何形状也起着关键作用，因为它决定了每个接收器处的信干噪比 (SINR)，从而决定了以给定比特率同时建立此链路集合的可能性。接收器看到的干扰是从所有发送器（其自己的发送器除外）接收到的信号功率的总和。
多代理的深入强化学习，用于密集的MMWave网络中的分布式切换管理
毫米波小细胞与定向光束形成的密集部署是一种有前途的解决方案，可增强当前无线通信的净工作能力。但是，毫米波通信链路的可靠性可能会受到严重的路径，阻塞和耳聋的影响。作为一种款项，移动用户受到频繁的交接，这会限制用户吞吐量和移动终端的电池寿命。为了解决这个问题，我们的论文提出了一个深层的多代理控制学习框架，用于分布式移交管理，称为Rhando（增强移交）。我们将用户建模为代理商，他们在考虑相关成本的同时，学习如何执行移交以通过网络优化网络。所提出的SOUTIOT已完全分布，从而限制了信号传导和计算开销。数值结果表明，与传统方案相比，所提出的解决方案可以提供更高的吞吐量，同时大大限制了移交的频率。
下一代无线网络中的 AI 驱动 UAV-NOMA-MEC
在下一代无线网络预期的前所未有的高吞吐量和低延迟要求的推动下，本文介绍了一种支持人工智能（AI）的框架，其中无人机使用非正交多址和移动边缘计算技术为地面移动用户（MU）提供服务。所提出的框架使地面MU能够同时、智能且灵活地卸载其计算任务，从而增强其连接性并降低其传输延迟和能耗。特别地，首先介绍了该框架的基本原理。然后提出了多种通信和人工智能技术来提高地面MU的体验质量。特别是，介绍了联邦学习和强化学习，用于智能任务卸载和计算资源分配。对于每种学习技术，介绍了动机、挑战和代表性结果。最后，总结了所提框架的几个关键技术挑战和未解决的研究问题。
使用 IMS 网络通过 VoLTE 和 VoWiFi 进行紧急呼叫的比较
摘要 — 紧急呼叫 (eCall) 服务是移动通信网络的重要组成部分，因为它可以帮助移动用户在警报情况下进行通信。eCall 服务已被 3G 网络广泛使用，并且可被 4G 长期演进 (LTE) 网络以及无线局域网 (WLAN) 网络使用，它们都使用 IP 多媒体子系统 (IMS) 核心。本文提供了有关如何在 IMS 上的长期演进语音 (VoLTE) 和 Wi-Fi 语音 (VoWiFi) 技术中使用 eCall 服务的指南。此外，本研究还评估了 VoLTE 和 VoWiFi 上呼叫的服务质量 (QoS)。此外，使用数据包分析器软件，详细分析了会话初始协议 (SIP) 消息头、每种技术收集用户位置信息的方式以及 VoLTE 和 VoWiFi 上 eCall 的信令过程。索引术语 — eCall、4G、VoLTE、VoWiFi
第 1 章 无线系统概述
1.1 简介 蜂窝系统采用的设计方法与大多数商业无线电和电视系统 [1,2] 不同。无线电和电视系统通常以最大功率运行，并使用国家监管机构允许的最高天线。在蜂窝系统中，服务区域被划分为小区。发射器旨在为单个小区提供服务。该系统旨在通过使用低功率发射器来有效利用可用信道，以便在更短的距离内实现频率重用。最大限度地提高每个信道在给定地理区域内的重用次数是高效蜂窝系统设计的关键。在过去的三十年里，世界电信行业发生了重大变化。无线通信的快速发展有一些值得注意的方面，从移动系统的大规模扩展可以看出。无线系统包括无线广域网 (WWAN) [即蜂窝系统]、无线局域网 (WLAN) [4] 和无线个人区域网 (WPAN)（见图 1.1）[17]。所有这些系统中使用的手机都具有复杂的功能，但它们已成为小型、低功耗的设备，可以低成本批量生产，这反过来又加速了它们的广泛使用。互联网技术的最新进展大大增加了网络流量，导致数据速率快速增长。这种现象也对移动系统产生了影响，导致移动互联网的异常增长。无线数据产品现在正在不断发展以适应消费者，原因很简单，互联网已成为日常工具，用户需要数据移动性。目前，无线数据约占所有通话时间的 15% 到 20%。虽然成功集中在垂直市场，例如公共安全、医疗保健和交通运输，但无线数据的横向市场（即消费者）正在增长。2005 年，有超过 2000 万人使用无线电子邮件。互联网改变了用户对数据访问的期望。通过互联网检索信息的能力一直是无线数据应用的“需求放大器”。超过四分之三的互联网用户也是无线用户，移动用户使用互联网的可能性是非移动用户的四倍
蜂窝和 LPWA 物联网设备生态系统
3GPP 蜂窝技术系列支持广域物联网网络中最大的生态系统。Berg Insight 估计，到 2023 年底，全球蜂窝物联网用户数量将达到 33 亿，占所有移动用户的 28%。2023 年，蜂窝物联网模块年出货量为 4.23 亿台，同比下降 3%。蜂窝物联网模块年收入下降 9% 至 59 亿美元。五大蜂窝模块供应商——移远通信、广和通、Telit Cinterion、Semtech 和 u-blox——在收入方面占有 72% 的市场份额。高通、紫光展锐和翱捷科技是主要的蜂窝物联网芯片组供应商。其他重要的蜂窝物联网芯片组提供商包括本源通、联发科、索尼和信义信息技术。
人工智能未来愿景 人工智能未来愿景 辅助绿色能源效率网络 辅助绿色能源效率
无线通信得到了快速发展，尤其在更高的数据速率、更智能的设备和多样化的应用方面。此外，与 4G 技术相比，5G 使用高频段，这使得节点更加密集。为了在无线接入网（RAN）中实现最佳性能并满足不断增长的移动用户的需求，需要构建数百万个基站（BS）。从 2007 年到 2015 年，发展中地区的基站数量增加了 200 多万，数据传输速率每五年增加十倍 [1]。然而，预期的流量负载激增需要 5G 新无线电实现更密集的网络部署和网络致密化，这会导致更高的能耗。大部分能量被典型 RAN 中的基站消耗。然而，随着更多具有大规模多输入多输出（MIMO）的基站的部署，NR 中的能源效率变得更加紧迫和具有挑战性。