XiaoMi-AI文件搜索系统
World File Search System用户设备
确保与蜂窝网络的可靠连接... - NSF PAR
摘要 — 为了将无人机 (UAV) 融入未来的大规模部署，一种新的无线通信模式，即蜂窝连接无人机，最近引起了人们的关注。然而，以视距为主的空对地信道以及蜂窝地面基站 (GBS) 的天线方向图给蜂窝连接的无人机通信带来了严重的干扰问题。特别是，下倾天线的复杂天线方向图和地面反射 (GR) 会为天空中的无人机造成覆盖漏洞和不均匀的覆盖，从而导致底层蜂窝网络连接不可靠。为了克服这些挑战，在本文中，我们提出了一种新的蜂窝架构，该架构在现有的地面用户设备 (GUE) 下倾天线之上采用一组额外的朝向天空的同信道天线来支持无人机。为了对下倾天线产生的 GR 进行建模，我们提出了一种路径损耗模型，该模型同时考虑了天线辐射方向图和配置。接下来，我们制定了一个优化问题，通过调整上倾天线的上倾 (UT) 角度来最大化无人机的最小信号干扰比 (SIR)。由于这是一个 NP 难题，我们提出了一种基于遗传算法 (GA) 的启发式方法来优化这些天线的 UT 角度。在获得最佳 UT 角度后，我们集成了 3GPP Release-10 指定的增强小区间干扰
采用 Open RAN 实现集成接入和回程的联合路由和能源优化
摘要 — 能源消耗占移动网络运营商运营费用的主要部分。随着 5G 及更高版本的密集化，能源优化已成为一个至关重要的问题。虽然文献中广泛研究了能源优化，但对于综合接入和回程 (IAB) 的节能技术的见解和算法有限，IAB 是一种自回程架构，可简化密集蜂窝网络的部署，减少光纤接入的数量。本文提出了一种用于 IAB 网络中动态联合路由和能源优化的新型优化模型。我们利用开放无线接入网络 (O-RAN) 架构引入的闭环控制框架来最小化活动 IAB 节点的数量，同时保持每个用户设备 (UE) 的最小容量。所提出的方法将问题表示为二进制非线性程序，将其转换为等效的二进制线性程序并使用 Gurobi 求解器进行求解。该方法在基于意大利米兰市网络运营商收集的两个月流量的开放数据构建的场景中进行评估。结果表明，所提出的优化模型可将 RAN 能耗降低 47%，同时保证每个 UE 的最小容量。索引术语 — 能源优化、综合接入和回程、O-RAN、5G
Vilte和Vinr：IMS技术视频通话之间的电池消耗比较
关于第五代（5G）通信系统对移动网络发展的影响的讨论很多。根据[1]，与移动网络相关的设备的数量预计在2018年至2023年之间将扩大约48.9％，这表明与网络连接的智能手机的增加到8.8亿增加到131亿。由于Covid-19造成的限制，视频通话服务的使用大幅增加，这是一种快速有效的减少家庭之间距离的方法[2]。作为长期演变的视频和新无线电（Vilte和Vinr）是视频流技术，它们的使用增加了数据流量速率（吞吐量）；因此，电池的消耗量会更高[3]。为了解决这个问题，许多智能手机供应商投资于推进和改进电池技术，但是能源存储的发展速度比市场所需的要慢。因此，该需求的结果是对用户设备（UE）和端到端（E2E）通信网络的功耗的扩增[4]。因此，每年的售价为2000万美元，因为将智能手机插入的时间比保持全额充电的时间长于必要的时间[5]。由于对视频服务的需求很高，因此与4G服务有关的研究有所增加，以提供高清（HD）视频呼叫，以更好的服务质量（QoS）。此外，受4G启发的5G为用户提供了全部高清（FHD）视频通话和可靠的通信服务[3]。最近的研究[6]证明了5G提供了改进的移动宽带（MBB），
思科空间隐私数据表
本隐私数据表描述了思科空间（以前为Cisco DNA空间）对个人数据（或个人身份信息）的处理。Cisco Space是一种基于云的SaaS提供解决方案，由Cisco提供给获得其授权用户使用的公司或人员。思科将以与本隐私数据表相一致的方式来处理思科空间的个人数据。在区分数据控制器和数据处理器的管辖区中，思科是处理和管理客户关系的个人数据的数据控制器。Cisco是Cisco Space处理的个人数据的数据处理器，以提供其功能。注意：此隐私数据表是Cisco在线隐私声明的补充。1。概述思科空间（以前是Cisco DNA空间）使用基于MAC地址的位置数据来洞悉任何具有无线连接的地方最终用户设备和网络连接的对象的行为，从而使客户能够做出知情的业务决策，优化运营并改善经验。Cisco Spaces在统一平台和用户界面（“服务”）中汇集了多个基于位置的服务功能。有关思科空间的详细概述，请在此处访问Cisco Spaces网站：https：//wwwww.cisco.com/c/en_in/solutions/enterprise-networks/dna-paces/dna-paces/index.htex.html 2。个人数据处理下表列出了Cisco Space的“ See”，“ ACT”和“扩展”层处理的个人数据，以提供其服务并描述为什么处理数据的原因。请参阅层
利用基于Wi-Fi的机器学习...
摘要 - 传统的两因素身份验证（2FA）的方法主要依赖于在身份验证过程中手动输入代码或令牌的用户。这可能是繁重且耗时的，尤其是对于必须经常认证的用户而言。为了应对这一挑战，我们提出了一种新颖的2FA AP-用机器学习（ML）做出的决策代替用户的输入，该决策不断以零努力来验证用户的身份。我们的系统利用与用户相关的独特环境特征，例如BEACON框架特征和接收的信号强度指示器（RSSI）值，从WI-FI访问点（APS）。这些功能由我们的ML算法实时收集和分析，以确定用户的身份。为了增强安全性，我们的系统要求将用户的两个设备（即登录设备和移动设备）放置在预定的接近性中，然后才能授予访问权限。这种预防措施确保未经授权的用户也无法访问敏感信息或系统，即使使用正确的登录凭据。通过实验，我们证明了基于信标框架特征和RSSI值确定用户设备位置的有效性，获得了92.4％的精度。此外，我们进行了全面的安全分析实验，以评估所提出的2FA系统对各种网络攻击的弹性。我们的发现表明，面对这些威胁，该系统表现出可靠性和可靠性。我们系统的可伸缩性，灵活性和适应性为寻求安全便捷的身份验证系统的组织和用户提供了有希望的选择。
ETSI TR 121 917 V17.0.1 (2023-01)
• 覆盖范围扩大：许多商业活动，如农业、采矿、林业，都发生在有人居住的区域之外。卫星网络的覆盖范围扩大有助于实现语音通信、视频监控和远程控制等，这些功能可在未覆盖或覆盖不足的区域实现。• 物联网：许多物联网应用涉及资产监控（例如船舶、火车、卡车）、基础设施（例如桥梁、管道、铁路轨道）或环境（例如农业传感器）。在许多物联网应用中，仅交换少量数据，并且通信针对低功耗进行了优化。卫星通信也应该能够满足这些要求。• 灾害通信：公共安全部门有责任在发生自然灾害时提供援助。这需要通信，即使在由于灾难导致蜂窝基础设施受损的情况下也是如此。卫星通信可用作这些情况的后备。理想情况下，当蜂窝网络可用时，用户设备 (UE) 和工作方式也应可用于卫星接入。• 全球漫游：集装箱跟踪和追踪等应用需要通过卫星和地面网络在全球范围内可用。当集装箱在港口或卡车上运输时，使用地面蜂窝网络可能是最有效的。但是，当集装箱在大海中央的船上时，只能使用卫星通信。• 广播：卫星通信特别适合在非常广阔的区域广播相同的信息。这也可以用于 5G 移动边缘应用（例如移动游戏），其中应用程序内容需要在许多不同的边缘位置可用。
非地球静止卫星系统综述
摘要 — 卫星技术的下一阶段以非地球静止轨道 (NGSO) 卫星的新发展为特征，它带来了令人兴奋的新通信能力，可提供非地面连接解决方案并支持来自各个行业的各种数字技术。与传统的地球静止轨道 (GSO) 卫星相比，NGSO 通信系统具有许多关键特性，例如更低的传播延迟、更小的尺寸和更低的信号损耗，这可能使延迟关键型应用能够通过卫星提供。NGSO 有望大幅提高通信速度和能源效率，从而解决 GSO 卫星商业化的主要阻碍因素，以实现更广泛利用。NGSO 系统有望实现的改进促使本文对最先进的 NGSO 研究进行全面调查，重点关注通信前景，包括物理层和无线接入技术以及网络方面以及整体系统功能和架构。除此之外，NGSO 部署仍有许多挑战需要解决，以确保不仅与 GSO 系统无缝集成，而且与地面网络无缝集成。本文还讨论了这些前所未有的挑战，包括在频谱接入和监管问题、卫星星座和架构设计、资源管理问题和用户设备要求方面与 GSO 系统的共存。最后，我们概述了一系列创新研究方向和未来 NGSO 研究的新机遇。索引术语 — 非地球静止 (NGSO) 卫星星座、非地面网络 (NTN)、卫星通信、空间信息网络、太空互联网提供商、航天器。
©2023 IEEE。允许个人使用此材料。必须在任何其他用途中获得IEEE的许可，在任何当前或将来的Media，Inc
摘要 - 具有低地球轨道（LEO）卫星的Non-Trrestrial网络（NTN）被认为是支持全球无处不在的无线服务的有前途的补救措施。由于狮子座卫星的快速流动性，特定用户设备（UE）经常发生梁间/卫星切换。为了解决此问题，已经研究了地球固定的细胞场景，其中Leo卫星将其横梁方向调节朝向其停留时间内的固定区域，以保持UE的稳定传输性能。因此，LEO卫星需要执行实时资源分配，但是，Leo卫星的计算能力有限。为了解决这个问题，在本文中，我们建议在NTN中进行两次尺度的协作深度强化学习（DRL）方案（DRL）计划，其中Leo卫星和UE具有不同的控制周期，以不同的控制周期更新他们的决策政策。具体来说，UE更新其政策主题，以提高两个代理的价值功能。fur-hoverore，Leo卫星仅通过有限步骤推出，并通过从UE收到的参考决策轨迹做出决策。仿真结果表明，所提出的方案可以有效地平衡传统贪婪搜索方案的吞吐量性能和计算复杂性。索引术语 - 非事物网络（NTN），地球固定细胞，资源分配，深度强化学习（DRL），多时间级马尔可夫决策过程（MMDPS）。
用于移动边缘计算任务卸载的组合客户端-主多智能体深度强化学习
最近，执行计算密集型任务的移动应用程序激增，例如视频流、数据挖掘、虚拟现实、增强现实、图像处理、视频处理、人脸识别和在线游戏。然而，平板电脑和智能手机等用户设备 (UD) 执行任务计算需求的能力有限。移动边缘计算 (MEC) 已成为一种有前途的技术，可以满足 UD 日益增长的计算需求。MEC 中的任务卸载是一种通过在 UD 和 MEC 服务器之间分配任务来满足 UD 需求的策略。深度强化学习 (DRL) 在任务卸载问题中越来越受到关注，因为它可以适应动态变化并最大限度地降低在线计算复杂度。然而，UD 和 MEC 服务器上各种类型的连续和离散资源限制对设计高效的基于 DRL 的任务卸载策略提出了挑战。现有的基于 DRL 的任务卸载算法侧重于 UD 的约束，假设服务器上有足够的存储资源。此外，现有的基于多智能体 DRL（MADRL）的任务卸载算法是同质智能体，并将同质约束视为其奖励函数中的惩罚。我们提出了一种新颖的组合客户端-主 MADRL（CCM_MADRL）算法，用于 MEC 中的任务卸载（CCM_MADRL_MEC），该算法使 UD 能够决定其资源需求，并让服务器根据 UD 的需求做出组合决策。CCM_MADRL_MEC 是任务卸载中第一个除了考虑 UD 中的约束之外还考虑服务器存储容量的 MADRL。通过利用组合动作选择，CCM_MADRL_MEC 表现出优于现有 MADDPG 和启发式算法的收敛性。
优化移动边缘智能系统中的 AI 服务布局和资源分配
摘要 — 利用移动边缘计算 (MEC) 的最新进展，边缘智能已成为支持网络边缘移动人工智能 (AI) 应用的有前途的范例。在本文中，我们考虑了多用户 MEC 系统中的 AI 服务放置问题，其中接入点 (AP) 将最新的 AI 程序放置在用户设备上以在用户端启用本地计算/任务执行。为了充分利用严格的无线频谱和边缘计算资源，仅当在用户处启用本地计算可获得更好的系统性能时，AP 才会将 AI 服务程序发送给用户。我们制定了一个混合整数非线性规划 (MINLP) 问题，通过联合优化服务放置（即哪些用户接收程序）和资源分配（在本地 CPU 频率、上行链路带宽和边缘 CPU 频率上），以最小化所有用户的总计算时间和能耗。为了解决 MINLP 问题，我们推导出解析表达式来以低复杂度计算最佳资源分配决策。这样，我们可以通过基于搜索的算法（例如元启发式或贪婪搜索算法）有效地获得最佳服务放置解决方案。为了提高算法在大型网络中的可扩展性，我们进一步提出了一种基于 ADMM（交替方向乘数法）的方法，将优化问题分解为可并行处理的 MINLP 子问题。ADMM 方法消除了在高维空间中搜索服务放置决策的需要，因此具有较低的计算复杂度，并且随着用户数量的增加而线性增长。仿真结果表明，所提出的算法的性能非常接近最优值，并且明显优于其他代表性基准算法。