XiaoMi-AI文件搜索系统
World File Search System子载波
Nina Skorin-Kapov 博士
“透明光网络”，自组织系统，计算机科学讲稿（LNCS 4725），（也在 IWSOS2007 论文集 2007 年 9 月 11 日至 13 日），第 131-145 页，Springer scales Sáez，“森林火灾扑灭中空中介质定位的优化模型”，第 10 届国防和安全研发全国大会（DESEi+d 2023）。 14-16 日，2023 年 11 月，西班牙卡塔赫纳 35. Pablo Pavon-Marino、Nina Skorin-Kapov、Antonio Napoli，“一种用于利用基于子载波的点对多点相干光学功能的网络尺寸算法”，ECOC 2022，瑞士巴塞尔，9 月 18-22 日。Skorin-Kapov、FJ Brown Wall、M. -V. Well Thin 和 PP Marino，“指向-
带有混合中继QKD和集中式的节点网络...
1。简介量子网络利用量子密钥分布（QKD）来确保通信安全。为了将QKD网络有效地集成到现有基础架构中并具有最佳功能，欧洲和国际QKD标准[1] - [4]提出了一个分层框架，包括量子层，密钥管理（KMS）层和应用层。此体系结构对于启用各种应用程序和用户的加密通信至关重要。第一个主要的量子网络是由DARPA实施的，该网络遵循三层体系结构，并采用了混合转换/中继实现。其他开发项目包括SECOQC网络，专注于中继QKD（可信的中继器原型）设置，东京项目[5]和剑桥量子网络[6]。最近，中国提出了一个46节点量子大都会区域网络[7]，连接了40个用户节点，包括三个可信赖的继电器和三个光学开关。但是，如果没有集中的编排，网络的管理仍然是最佳和效率低下的。软件 - 定义的QKD（SDQKD）提供了一种潜在的解决方案来解决此问题并提高网络的效率和灵活性。Madrid SDQKD是QKD技术在SDN环境中首次成功的全面集成，该环境可在3个继电器节点之间提供加密通信[8]。子载波[9]用于在启用3个节点SDN的网络配置中启用通信。[10]最后，最近的开发涉及一个针对QKD的软件定义网络作为服务（SDQAAS）的新框架[10]。
Deep Spiking Delayed Feedback Reservoirs and Its Application in Spectrum Sensing of MIMO-OFDM Dynamic Spectrum Sharing
在本文中，我们引入了一种深度脉冲延迟反馈储存器 (DFR) 模型，将 DFR 与脉冲神经元相结合：DFR 是一种新型的循环神经网络 (RNN)，能够捕捉时间序列中的时间相关性，而脉冲神经元是节能且符合生物学原理的神经元模型。引入的深度脉冲 DFR 模型具有节能的特点，并且能够分析时间序列信号。介绍了这种深度脉冲 DFR 模型的相应现场可编程门阵列 (FPGA) 硬件实现，并评估了底层的节能和资源利用率。探索了各种脉冲编码方案，并确定了用于分析时间序列的最佳脉冲编码方案。具体来说，我们利用动态频谱共享 (DSS) 网络中基于 MIMO-OFDM 的认知无线电 (CR) 中的频谱占用时间序列数据来评估所引入模型的性能。在 MIMO-OFDM DSS 系统中，可用频谱非常稀缺，高效利用频谱至关重要。为了提高频谱效率，第一步是确定现有用户未使用的频段，以便次要用户 (SU) 可以使用它们进行传输。由于信道相关性以及用户活动，不同时隙中频带的频谱占用行为存在显著的时间相关性。所引入的深度尖峰 DFR 模型用于捕获频谱占用时间序列的时间相关性，并预测未来时隙中潜在的频谱接入的空闲/繁忙子载波。评估结果表明，与传统的基于能量检测的策略和基于学习的支持向量机（SVM）相比，我们引入的模型在接收者操作特性（ROC）曲线上实现了更高的曲线下面积（AUC）。
IEEE ICCET 2025
征文 – IEEE ICCET 2025 主题：下一代多址网络的多维调制过去十年见证了数据吞吐量和连接节点数量的大幅增加，最近的研究也预示了下一代多址网络的这些增长。这些巨大的增长无疑将导致对频谱效率和能源效率日益严格的要求。为了满足这两个要求，多维调制，例如索引调制、基于媒体的调制、基于RIS/反射调制、OTFS和子载波数调制，近年来引起了研究人员的关注。与传统的幅度相位调制方案不同，稀疏调制除了经典的幅度相位星座图之外，还采用了一个或多个调制维度，从而形成更高维的调制方案，这在适当的系统配置下大大提高了频谱效率。通过多维调制，只有一部分媒体资源或功能块会被激活，以形成独特的激活模式。因此，除了由数据星座符号调制的比特流之外，激活模式本身还可用于调制额外的比特流。作为一个处于起步阶段的范例，仍有大量开放的研究问题等待解决，进一步的研究活动对于最终推动稀疏调制进入实际实施阶段至关重要。除了理论研究外，还需要解决实际实施的问题。鉴于上述将多维调制应用于 6G 通信的优势以及剩余的研究问题，本专题旨在汇集来自不同背景的学术界和工业界的顶尖研究人员，以吸引原创和高质量的出版物，解决与多维调制相关的理论和实践问题。鼓励在会议、研讨会或研讨会论文集上发表的论文的扩展版本供考虑。感兴趣的主题我们欢迎涉及以下领域的投稿，但不限于此： 人工智能和学习技术辅助多维调制 大规模 MIMO 和可重构智能表面 (RIS) 辅助多维调制 毫米波中的多维调制、太赫兹和光无线通信 水下光/声通信的多维调制 距离感知和空间频率相关的多维调制 高移动性的多维调制 多维调制的物理安全和保密相关问题 多用户和协作中继网络中的多维调制 基于多维调制的通信系统的性能分析