XiaoMi-AI文件搜索系统
World File Search System蜂窝网
对每个单个蜂窝网络数据集的复杂性生成
随着移动设备成为人类存在和活动的代理，移动运营商收集的数据集（即呼叫详细记录（CDRS））被公认为是研究人类行为的常见工具，在多种研究中和行业中，社会学[1]，例如，流行病学[2]，运输[3]，交通[3]，[4]（CF>）图1a）。CDR描述了与操作员网络交互的每个移动设备生成的时期和地理参考事件类型（例如，呼叫，SMS，数据）（参见表I）。 它们包括城市，地区或乡村地区，通常涵盖长期（月或数年）；当今，没有其他技术提供同等的人均精确范围。 然而，现实世界中CDR对研究的剥削面临许多局限性（参见 §ii）。 首先，可访问性：CDRS数据集未公开可用，施加了严格的移动运营商协议。 第二，可用性：CDR通常以汇总形式（即分组的迁移率流和粗时空信息）提供，限制了相关分析的精确性。 第三，隐私：即使是匿名化的CDR，CDRS描述了用户习惯的敏感信息，这使他们的共享性硬化[5]。 第四，灵活性：限制访问CDRS的限制了高级研究，需要在人口规模，持续时间或地理覆盖范围内进行数据丰富。 本文介绍了实施CDR的自动生成，以解决上述挑战。表I）。它们包括城市，地区或乡村地区，通常涵盖长期（月或数年）；当今，没有其他技术提供同等的人均精确范围。然而，现实世界中CDR对研究的剥削面临许多局限性（参见§ii）。首先，可访问性：CDRS数据集未公开可用，施加了严格的移动运营商协议。第二，可用性：CDR通常以汇总形式（即分组的迁移率流和粗时空信息）提供，限制了相关分析的精确性。第三，隐私：即使是匿名化的CDR，CDRS描述了用户习惯的敏感信息，这使他们的共享性硬化[5]。第四，灵活性：限制访问CDRS的限制了高级研究，需要在人口规模，持续时间或地理覆盖范围内进行数据丰富。本文介绍了实施CDR的自动生成，以解决上述挑战。尤其是（1）我们通过建立这种生成的痕迹的范围并描述它如何为研究进展提供新的途径，详细介绍了这种解决方案的动机，（2）我们通过提出相关要求和挑战来分享对现实CDR生成的可行性研究。
下一代蜂窝网络的数字双胞胎
数字双胞胎是行业4.0的流行概念[1]。他们在制造系统中建模实际过程，对于例如预测性维护和连续优化特别有用。最近，它们开始用于网络[2]。的确，现代网络体系结构利用软件定义的网络（SDN）范式[3]，其中一组控制器协调网络。数字双胞胎似乎是使网络自适应的正确工具，例如，通过选择不同流量的最佳路径来平衡负载[4]。
人工智能与蜂窝网络 1
在物理层 (L1)，AI 在优化空中接口、改善信号质量和提高整体频谱效率方面发挥着至关重要的作用。在数据链路层 (L2) 和网络层 (L3)，AI 有助于调度、移动管理和拥塞控制等任务，确保设备和网络之间的通信顺畅。在更高级别，包括无线接入网络 (RAN) 和分组核心，AI 有助于网络切片、动态资源分配以及协调不同用例之间的复杂操作。判别性 AI 一直是电信闭环控制系统的核心，特别是在 L1 和 L2 等较低层，其中精确、实时的决策对于信号处理和资源分配等任务至关重要。这些模型擅长根据现有数据优化网络性能。
dauth：联合私人蜂窝网络的弹性身份验证体系结构
我们提出了Dauth，这是一种蜂窝网络中设备身份验证的方法，它重构了Au-thentical的职责，可以使多个小型的私人蜂窝网络共同融合在一起，以提供比自己可以实现的更可靠和更弹性的服务。Dauth设计为与现成的4G和5G蜂窝设备兼容的后区，今天可以逐步部署。它使用加密的秘密共享以及与备份网络一起存储的敏感数据与非敏感公共目录数据之间的关注点，以在不同和不信任组织之间使用多种冗余节点进行安全扩展身份验证。具体来说，它允许在没有家庭网络的情况下代表其家庭网络收集预配置的备份网络，以代表其家庭网络。我们通过活跃的联邦社区网络的生产设备评估了Dauth的性能，发现它能够与现有系统一起使用。我们使用模拟的5G运行进行评估，发现它的性能与低负载下的基于云的独立5G核心相当，并且由于其先天负载共享属性而在高负载下优于集中式核心。
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
光伏和能源存储系统的最佳尺寸，用于为蜂窝网络中的绿色基站供电
摘要：满足下一代蜂窝网络中的移动运输需求会增加能源供应的成本。可再生能源是以自我融合和成本效益的方式对电站进行电力站的有前途解决方案。本文提出了一种最佳方法，用于设计光伏（PV） - 故障系统，以提供蜂窝网络中的基站。提出了一种系统的方法来确定光伏发电机和电池容量的功率等级，从技术和经济的角度来确定投资成本和运营支出，而PV -Battery系统的功率自主权在多目标框架中最大化。该提出的方法适用于最佳尺寸的光伏电池系统，用于三种具有不同太阳能可用性的情况，以研究环境条件的效果。使用拟议方法解决问题的解决方案可导致一套以不同成本与不同级别的电力自主权的解决方案。根据每个标准的重要性和决策者的偏好，可以选择一种实现的解决方案，以实现光伏电池系统以提供蜂窝网络中的基站。
人工智能蜂窝网络 - NSF-PAR
移动网络运营商 (MNO) 正在将其传统的宏蜂窝网络与短距离蜂窝（例如室外微蜂窝）进行覆盖。由此导致的网络复杂性增加，在规划和管理方面产生了巨大的运营费用、时间和劳动力开销。人工智能 (AI) 为 MNO 提供了以更有机和更具成本效益的方式运营其网络的潜力。我们认为，在第五代 (5G) 及以后的网络中部署 AI 将需要克服稳健性、性能和复杂性方面的重大技术障碍。我们概述了未来的研究方向，确定了五大挑战，并提出了实现超 5G 和第六代 (6G) 网络的 AI 蜂窝网络愿景的可能路线图。