XiaoMi-AI文件搜索系统
World File Search System无线网络
航空电子无线网络的安全性和信任挑战
在安全方面应该做什么和不应该做什么来构建一个整体的安全系统。最后，我们详细介绍了一些令人兴奋的未来研究方向，以调查与 AWN 相关的具体问题。毫无疑问，在 AWN 可以部署在飞机环境中之前，仍需要进行大量工作，并且还有很多挑战需要克服。本文为使 AWN 成为一个强大而安全的提案而开展的工作奠定了基础。
未来空中无线网络调查... - arXiv
摘要 — 电气化通过引入新型飞行器和新型交通工具，为航空业翻开了新的一页。无人机在解决大量用例方面越来越受到业界关注，并越来越多地出现在天空中。飞行出租车的新兴概念使乘客能够被运送数十公里。因此，无人交通管理系统正在开发中，以应对未来空域的复杂性，从而产生前所未有的通信需求。此外，商用飞机数量的长期增长推动了语音通信的极限，而单人驾驶等未来选择需要强大的连接性。在本次调查中，我们提供了全面的回顾和愿景，以利用当前和未来的通信技术实现飞行器的连接应用。我们首先对每个飞行器的连接用例进行分类，并分析它们的连接要求。通过回顾 500 多项相关研究，我们旨在采用一种全面的方法涵盖无线通信技术，并概述文献中的最新发现，以了解采用无线通信标准的可能性和挑战。在分析了提议的网络架构之后，我们列出了开源测试平台，以方便研究人员进行未来的研究。这项研究帮助我们观察到，虽然许多工作都专注于蜂窝技术以实现空中平台的连接，但单一的无线技术不足以满足空中用例的严格连接需求，尤其是对于驾驶操作而言。我们发现需要进一步研究多技术异构网络架构，以实现空中的稳健和实时连接。未来的工作应该考虑合适的技术组合，以开发能够满足空中用例多样化服务质量需求的统一空中网络。
安全关键系统的飞机无线网络
图 5-9：(a) 10s 周期、(b) 5s 周期、(c) 1s 周期和 (d) 250ms 周期的数据包的时间延迟......................................................................................................................................... 32
计算软件包内无线网络的多通道媒体访问控制协议
摘要 - 由于其低延迟，固有的广播性质和绕过销售限制的限制，芯片量表上的无用通信是对传统电线方法的有趣补充。然而，随着当前趋势推向巨大的和带宽的处理器体系结构，需要无线芯片尺度网络来利用和共享尽可能多的频道。在此上下文中，这项工作通过探索芯片级网络的多通道中型访问控制（MAC）协议的设计空间来解决渠道共享的问题。在现实的交通模式下，呈现和评估了随机访问和代币传递的不同渠道分配策略。表明，即使通过多个渠道实现了改进，这两个协议都保持了其内在优势和缺点。
3. 下一代无线网络（5G 和 6G）
https://www.ntt.com/business/services/network/internet-connect/ocn-business/bocn/knowledge/archive_109.html
无线网络的功率和能量优化策略...
摘要 — 能源消耗是部署在海洋环境中的无线传感器节点的最大制约因素之一。它们通常用于难以提供电力的地区的远程环境监测。因此，这些设备需要由电池和替代能源供电。由于电池能量有限，使用不同的技术来节省能源是无线传感器网络 (WSN) 中最热门的话题之一。已经通过硬件和软件技术开发了各种电池优化方案。基于无线保真 (Wi-Fi) 的网络的普及使其成为建立基于 Wi-Fi 的传感器网络的热门选择，但这些系统相对较高的功率要求与长电池寿命和低维护的要求相冲突。这项工作考虑了是否有可能将 Wi-Fi 功耗降低到可以使用廉价的基于 Wi-Fi 的产品代替其他协议的程度。该设置由一个无线传感器组成，该传感器基于低成本的 esp8266 模块，任务是收集海洋保护区的温度数据。分析了设备固件中不同状态下节点的能耗，以及能耗与传感器数据传输速率和系统休眠期之间的关系。该研究还比较了两种网络实现的能耗：消息队列遥测传输 (MQTT) 与基于服务器-客户端的系统。测试结果表明，如果不实施休眠期，无论传输速率如何，两种传输方法的传感器节点的最大电池寿命均为 15.8 小时。如果实施休眠模式，传输速率会对系统电池寿命产生重大影响。研究发现，传输时间为一小时，电池寿命可增加 43 倍，传输时间为一分钟，电池寿命可增加 40 倍。事实证明，利用 MQTT 传输方案的优化 WSN 配置比服务器-客户端方案的电池寿命延长了 34%。通过这些分析，可以得出最佳固件的设计和网络架构的选择，从而可以在最长的时间内延长电池寿命。索引术语 — 无线传感器网络、功率优化、ESP8266、MQTT、Micropython。
无线网络量子密钥分发综述
随着无线网络日益成为现代通信基础设施不可或缺的一部分，对保护敏感信息的强大安全机制的需求从未如此迫切。量子密钥分发 (QKD) 提供了一种革命性的通信安全方法，它利用量子力学原理确保加密密钥在理论上不可破解。本研究全面回顾了无线网络环境下 QKD 技术的现状，利用二级数据源分析了最近的进展、实施和挑战。本文首先概述了 QKD 的基本原理及其相对于传统加密方法的优势。然后，它研究了 QKD 协议的最新发展及其对无线环境的适应性，重点介绍了成功的案例研究和实验。详细讨论了关键挑战，包括技术限制、与现有网络基础设施的集成障碍以及成本考虑。本评论还探讨了新兴趋势和创新，例如混合 QKD 系统和基于卫星的实施，这些趋势和创新有望扩大 QKD 在无线网络中的适用性和可行性。最后，该研究概述了未来的前景和潜在的研究方向，强调需要跨学科合作来克服现有的局限性，并充分发挥 QKD 在增强无线网络安全性方面的潜力。
大数据驱动和基于人工智能的框架实现无线网络的个性化
当前的通信网络使用的设计方法阻碍了实现最大网络效率。首先，虽然用户对满意服务的感知差异很大，但当前的网络设计为“通用”，通常过度设计以提供吸引所有类型用户的服务。此外，当前的网络缺乏用户级数据认知智能，无法通过自动化实现快速个性化的网络决策和行动。因此，在本文中，我们建议利用人工智能、大数据分析和实时非侵入式用户反馈来实现无线网络的个性化。根据每个用户的实际 QoS 要求和环境，多目标公式使网络能够同时微观管理和优化所提供的 QoS 和用户满意度水平。此外，为了实现用户反馈跟踪和测量，我们提出了一个基于容忍区概念的用户满意度模型。此外，我们提出了一个大数据驱动和基于人工智能的个性化框架，将个性化融入无线网络。最后，我们通过案例研究实现了一个个性化网络原型，以展示所提出的个性化概念及其潜在优势。案例研究展示了如何实现个性化，从而实现网络资源的有效优化，从而实现一定要求水平的用户满意度和以节省资源的形式实现的收入。
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。
物联网无线网络中人工智能的挑战
物联网 (IoT) 这一术语由 Kevin Ashton 在 [1] 中首次提出，是网络连接向物理设备（如执行器、传感器和移动设备）的扩展，这些设备能够相互交互和通信，并可进行远程控制或监控。物联网被誉为下一次工业革命的推动者，它将改变我们看待、交互和使用周围现有物理系统的方式。它已经对医疗保健、智能家居、制造业、商业、教育和日常生活的许多其他关键领域产生了重大影响。物联网市场正在经历惊人的增长，预计到 2025 年物联网行业将增长 10 倍 [2]。在可预见的未来，智慧城市将以各种形式出现，例如无人机 (UAV)、智能家居、电子健康设备以及日常生活中使用的情境感知增强现实 (AR) 和虚拟现实 (VR) 应用，底层通信网络必须不断发展以满足其需求。由于服务不断变化、网络流量空前增加以及由于各种物联网设备和服务的融合而导致的安全威胁形势日益复杂，通信网络还必须支持自主操作。所有这些挑战进一步增加了网络操作的复杂性。人工智能 (AI) 及其学科，即机器学习 (ML)，是实现自主和智能运行网络的主要推动力。自从 Hinton 等人的开创性工作以来。[3] 2006 年，随着深度神经网络快速训练方法的出现，人们对神经网络和其他 ML 方法在通信网络中的兴趣重新燃起 [4]。ML 在无线网络中的应用引起了极大的兴趣，并发表了大量研究文章。然而，这并不是人工智能第一次引起研究界的极大关注。在 70 年代和 80 年代，人们对 ML 产生了极大的热情，