XiaoMi-AI文件搜索系统
World File Search SystemB5G
B5G 和 6G - 芬兰商务
sic 系统可以提供的功能。提升移动网络系统的大部分工作都集中在无线链路、无线接入网络和分组核心网关功能上。然而，只有确保和更新系统的所有功能、协议和组件以满足应用和服务的要求，才能保证整体端到端系统性能，从数字和模拟无线电和天线组件开始，到接入层的硬件和软件平台和功能，最后到分组交换网络和互联网上的分组路由和传输/应用协议。系统的灵活性和可扩展性也可以算作性能助推器。灵活性意味着系统应该易于优化和管理，但也应易于针对各种用例进行定制。可扩展性意味着系统能够以可持续的方式从本地和专用网络系统扩展到全球系统。这需要从同一基础系统进行模块化性能改进，例如使用卫星等非地面网络。因此，软件设计和软件工具，包括开发、管理、
可交付成果 D1.4 适用于 B5G/6G 网络的 Hexa-X 架构
作者：Bahare Masood Khorsandi（Nog），Mikko Uusitalo（NOF），Marie-Helene Hamon（Ora），BjörnRicherzhagen（Sag），Giovanna d'Aria（Tim），蒂姆（Tim），azeddine gati（ora） Christo AB），Pernilla Bergmark（EAB），Peter Schneider（Nog），Giacomo Bernini（NXW），Kim Schindhelm（SAG），Michael Bahr（SAG），KarstenSchörner（Sag） Pérez（Muu），Joel Joel Valque Ero（UMU），Giovanna d'Aria（Tim），Andreastraßl（tud），Rony Bou Rouphael（Ora），Esteban Selva（Ora），Ömerfaruk faruk tuna（eby），giovanni nardini（winag）是Demes（Win），Christos（Win）），CédricMorin（BCO），Cao-Thanh Phan（BCO），Bin Han（Tuk），Hans D. Schotten（Tuk），Riccardo Bassoli（Tud），Frank HP Fitzek（Tud） Omer Giorgio Giorgio（Avio），Giorgio（Tim），Avio M），Nicola Pio Magnani（Tim），PekkaPérien（Oul），Merve Saimler（EBY），Ahmad Nimr（Tud） Los J. Bernardos（UC3），Rafael（Ourabc），Kuthya Kumar（我们），（NOF），Tamas Borsos（Ehu），Marja Matinmikko-Blue（OUL）
用于 B5G 和 6G 基础设施中卫星网络零接触管理的人工智能
NTN 解决方案 1 。计划中的 Release-18 工作仍包括 NTN 的标准化活动，以进一步定义无线电第 2 层和第 3 层细节，以允许非地面节点在无线接入网络 (RAN) 2 中运行的解决方案。NTN 可以为地面网络带来许多优势 [ 2 ]。促进网络传播，为目前未服务或服务不足的大型区域带来连接，在非正常情况下提供备用链路，例如主要地面基础设施中断或故障，并卸载地面网络，为用户提供额外的连接，以解决地面网络上的流量高峰并保持特定丢失或延迟敏感流的性能只是其中的几个。然而，尽管已经进行了大量研究和开发工作，但仍有几个挑战和悬而未决的问题需要妥善研究和解决，以实现地面和非地面网络之间的无缝集成 [ 3 , 4 ]，例如定义适当的随机接入程序、定时提前策略和切换管理策略 [ 5 ]。人工智能 (AI) 和机器学习 (ML) 原理及相关解决方案的使用是通信网络演进的另一个重要支柱 [ 6 ]。再次查看 3GPP Release-18 计划内容列表，很明显其中包括“下一代 RAN (NG-RAN) 的 AI/ML”、“AI/ML - 空中接口”和“AI/ML 研究、多媒体编解码器、系统和服务”主题，更广泛地说，文献中有大量的研究贡献，其中还包括在 NTN 中采用 AL/ML 技术的研究和解决方案 [ 7 ]。无线电资源管理、移动性管理和非地面/地面网络集成只是 AI/ML 解决方案可以帮助改进的几个方面。然而，由于仍有挑战和悬而未决的问题需要研究和解决 [8]，人们已经考虑将 AI/ML 策略全面集成到通信网络中，尤其是从标准化的角度来看，这是 6G 或超 5G (B5G) 网络演进的问题，而不是 5G 网络整合的问题。因此，这也反映在卫星-地面集成系统中 [9]。本文介绍了仍在进行的欧洲航天局 (ESA) 项目“数据驱动的实时网络管理网络控制器和编排器 - ANChOR”[10] 的现状，该项目旨在为卫星真正融入 5G 时代及以后做出进一步贡献。具体来说，我们将重点描述所考虑的场景之一、相关的网络架构和正在开发的系统原型（第 2 节）、用于驱动最佳卫星网关站动态选择的基于 AI 的方法（第 3 节）以及当前和初步获得的结果（第 4 和 5 节）。最后，在第 6 节得出结论。
可解释的 B5G/6G 人工智能：技术方面、用例、...
摘要 — 当 5G 在 2020 年左右开始其商业化之旅时，关于 6G 愿景的讨论也浮出水面。研究人员预计 6G 将具有更高的带宽、覆盖范围、可靠性、能源效率、更低的延迟，以及由人工智能 (AI) 驱动的集成“以人为本”的网络系统。这样的 6G 网络将导致大量实时自动决策。这些决策范围很广，从网络资源分配到自动驾驶汽车的防撞。然而，由于高速、数据密集型的 AI 决策超出了设计者和用户的理解范围，失去决策控制的风险可能会增加。有前景的可解释 AI (XAI) 方法可以通过增强黑箱 AI 决策过程的透明度来减轻这种风险。本文从各个方面概述了XAI在即将到来的6G时代的应用，包括6G技术（例如智能无线电、零接触网络管理）和6G用例（例如工业5.0）。此外，我们总结了最近尝试中的经验教训，并概述了在不久的将来将XAI应用于6G的重要研究挑战。
迈向 B5G/6G 网络中 QoE 预测的可信人工智能
摘要 预测体验质量 (QoE) 指标的能力对于未来 B5G/6G 网络提供的多种应用和服务至关重要。然而，QoE 时间序列预测迄今为止尚未得到充分研究，主要是因为缺乏可用的真实数据集。在本文中，我们首先介绍了一种从真实的 5G 网络模拟中获得的新型 QoE 预测数据集，该数据集以视频流应用的服务质量 (QoS) 和 QoE 指标为特征；然后，我们接受了在采用 AI 系统解决 QoE 预测任务时可信度的热门挑战。我们展示了如何有效利用可解释人工智能 (XAI) 模型（即决策树）来解决预测问题。最后，我们将联邦学习确定为隐私保护协作模型训练的合适范例，并从算法和 6G 网络支持的角度概述了相关挑战。
B5G/6G中的可持续移动性：V2X技术趋势和用例
摘要最近扩展了可持续性的概念以涵盖经济和社会因素，除了传统的环境因素。本文反映了移动通信标准对实现可持续移动性的潜力，重点是智能城市情景中的车辆通信和用例。在这种情况下，智能运输系统（包括连接和自动驾驶汽车）将是开发负担得起且可持续的基础设施和服务的关键。我们首先要确定三种当前的技术趋势，即朝着气候中立的趋势。云化和边缘计算；以及大数据和人工智能，然后我们研究了它们在5G和6G网络以外的驾驶汽车到全能（V2X）通信系统中的能力。在本文的第二部分中，提出了一组涉及连接和自动驾驶汽车的选定用例类别，展示了所选技术趋势的潜在影响。最后，提供了对环境相关参数（例如能源/燃料消耗和温室气体排放）中可以实现的定量节省的估计值的回顾。
人工智能助力 5G 及更高版本的无线网络：最新进展和未来挑战
5G无线通信网络目前正在部署，预计B5G网络将在未来十年内发展。人工智能技术，尤其是机器学习，有可能通过涉及B5G中需要处理的大量数据来有效解决非结构化和看似棘手的问题。本文研究如何利用人工智能和机器学习来设计和运营B5G网络。我们首先全面概述了将人工智能/机器学习技术引入B5G无线网络的最新进展和未来挑战。我们的调查涉及无线网络设计和优化的不同方面，包括信道测量、建模和估计、物理层研究以及网络管理和优化。然后回顾了机器学习算法和在B5G网络中的应用，随后概述了将人工智能/机器学习算法应用于B5G网络的标准发展。我们以将人工智能/机器学习应用于B5G网络的未来挑战作为本研究的结束。
6G卫星前体 - 打开轨内6G实验室
7C.082 5G连接的汽车7C.084 5G汽车天线原型和演示Q3 2023 5G.07 - 5G HUB用于空气验证Q2 2023 7C.086终端示范5G 5G NEW - NR-5G NER-drive Drifornwore（N）卫星验证验证任务3E.019超过5G（B5G）端到端解决方案和服务的开放可重编程的可隔离空间基础设施床Q3 2023 3E.011 6G卫星前体Q1 2023 5G.09 - 5G.09 - 5G超过5G（B5G）和6G 3A.184超过5G（B5G）和6G（B5G）和6G（B5G）卫星Q2 2023 3A.185超出5G（B5G）和6G 3D网络的光谱共享技术
