頭條 Frost & Sullivan發布2025年5G網絡基礎設施報告 近日，愛立信連續第五年在Frost &Sullivan發布的《Frost Radar：2025年5G網絡基礎設施》報告中被評為行業領軍企業。這一結果彰顯了愛立信對創新和發展的堅定承諾，以及其滿足運營商（CSP）與企業不斷變化需求的能力。 Frost &Sullivan在全球100多家參與者中，獨立標識出了Frost Radar分析中排名前23位的公司。這些公司在市場的各個細分領域處于領先地位或具有創新性。 最新資訊 中國星網正式升空 12月16日18時，我國在海南文昌衛星發射中心使用長征五號乙運載火箭，以一箭10星方式成功將衛星互聯網低軌01組衛星發射升空，衛星順利進入預定軌道，發射任務獲得圓滿成功。gw星座與星鏈有何不同 發表于：12/17/2024 基于編程組態軟件的二總線圖形建模及調試研究 以太網控制自動化技術（Ethernet Control Automation Technology，EtherCAT）是當前工業控制領域的一個重要應用技術。基于EtherCAT總線的PLC可以集成控制二總線系統，在實施過程中，用戶為PLC編程時會編寫大量代碼，在異步系統間也會存在消息不同步的問題。為解決上述問題，提出了一種基于編程組態軟件對二總線設備組態建模和圖形化調試技術，該技術包括異步系統間消息同步、二總線協議轉換與解析、二總線拓撲構建狀態機、在線實時調試功能以及可視化交互界面設計。 發表于：12/16/2024 通信模塊和計算主機分離場景下安全有效入網認證的研究 隨著5G、移動技術的不斷發展，移動終端的形態越來越多樣，具備移動接入能力的設備推動了萬物互聯時代的到來。移動終端從CDMA時代開始就已經實現了機卡分離，全網通的出現使得計算主機和通信模塊進一步解耦。人們希望自己的移動終端可以在任何時間、任何地點接入任何網絡。無線技術之所以能夠實現突飛猛進的發展，正是因為順應了分工合作、各自發展這一趨勢。物聯網的時代，終端設備往往規格低、數量大，新技術、新頻段的不斷涌現，導致主機和通信模塊發展不同步，終端組合式接入給移動安全提出新挑戰。探討了如何通過數字證書、安全管控等技術實現通信模塊和計算主機機分離場景下終端的入網認證。 發表于：12/16/2024 基于深度殘差神經網絡的5G信號室內分布預測 為解決5G信號室內覆蓋的質量與穩定性問題，提出了一種基于深度殘差神經網絡的5G信號室內分布預測方法。采用基于全連接的深度殘差神經網絡構建預測模型，利用發射機與接收機的三維空間坐標信息和接收機的參考信號接收功率（Reference Signal Receiving Power， RSRP）數據作為輸入特征，而無需收集復雜的環境特征信息。實驗結果表明，該深度殘差神經網絡模型在不依賴詳細環境參數的情況下，經歸一化訓練，預測出的RSRP與實際值相比，MAE為0.029 455，RMSE為0.041 495，能有效地預測室內的5G信號分布，驗證了基于深度殘差神經網絡的預測方法在室內5G信號覆蓋預測問題上的有效性，為優化室內5G網絡部署和提升用戶體驗提供了科學依據和技術手段，具有重要的實際應用價值。 發表于：12/16/2024 高速以太網均衡技術的綜述與思考 由于云計算、以太網、物聯網的廣泛運用產生的數據爆炸式增長，大型數據中心網絡的有線輸入輸出（I/O）帶寬需求迅速增長，高速以太網的發展順應了網絡流量的快速增長趨勢。而隨著以太網數據傳輸速率的提升，對串行鏈路的信號完整性挑戰性進一步增大。針對高速傳輸下以太網均衡技術面臨的挑戰，聚焦于各類均衡技術，對各類均衡技術進行深入分析，探討各類均衡器的工作原理和特性以及闡述了這些均衡器在高速傳輸環境中的適用場景，為未來高速以太網均衡器的發展和優化提供了參考，以更好地滿足通信中不斷增長的對更高的傳輸效率和更低的誤碼率的需求。 發表于：12/16/2024 基于自適應優化的高速交叉矩陣設計 提出了一種基于自適應優化的交叉矩陣傳輸設計，采用AHB協議并引入自適應突發傳輸調整和自適應優先級調整的創新機制。通過動態調整突發傳輸的長度和優先級分配，實現了對數據流的有效管理，提升了系統的帶寬利用率和傳輸效率。對該設計進行前端仿真和后端布局布線，仿真驗證了該方法在不同負載環境下的優越性，能夠優化總線資源分配，提升傳輸速度，降低總體功耗。 發表于：12/16/2024 高速車載數據傳輸物理層接口芯片標準綜述 作為實現汽車智能化的關鍵技術之一，高速、高可靠性、低時延的車載數據傳輸技術正獲得越來越多的關注；同時，對于打破私有協議壟斷、增強設備間互聯互通的需求日益增長，推動著車載數據傳輸公有標準的制定成為了國內外標準組織的研究熱點。首先介紹了車載數據傳輸鏈路的特點，接著聚焦于高速車載數據傳輸物理層接口芯片標準，對主要標準組織及其標準的制定情況進行了綜述，并對各標準的主要性能指標與物理層技術進行了分析與對比。 發表于：12/16/2024 基于深度學習的神經歸一化最小和LDPC長碼譯碼 LDPC碼是一種應用廣泛的高性能糾錯碼，近年來基于深度學習和神經網絡的LDPC譯碼成為研究熱點。基于CCSDS標準的（512，256）LDPC碼，首先研究了傳統的SP、MS、NMS、OMS的譯碼算法，為神經網絡的構建奠定基礎。然后研究基于數據驅動（DD）的譯碼方法，即采用大量信息及其經編碼、調制、加噪的LDPC碼作為訓練數據在多層感知層（MLP）神經網絡中進行訓練。為解決數據驅動方法誤碼率高的問題，又提出了將NMS算法映射到神經網絡結構的神經歸一化最小和（NNMS）譯碼，取得了比NMS更優秀的誤碼性能，信道信噪比為3.5 dB時誤碼率下降85.19%。最后研究了提升NNMS網絡的SNR泛化能力的改進訓練方法。 發表于：12/16/2024 10G以太網的信號處理關鍵技術 隨著AI PC、Wi-Fi路由器、GPON等產品的快速升級，高速有線網絡作為網絡基礎設施的重要組成部分，以太網物理層芯片需要提供更高的傳輸速率，更好地滿足大數據時代下日益增長的帶寬需求。10G以太網技術將成為下一代以太網技術的重點發展方向。10G以太網芯片的研發需要攻克高速信號完整性、低功耗設計等一系列技術難題。圍繞10G以太網PHY芯片的信號處理關鍵問題，首先介紹10G以太網的相關國際標準背景，然后討論10G以太網的網絡需求，接著重點闡述10G以太網物理層信號處理的關鍵技術。最后對全文進行總結并探討未來高速以太網的進一步發展。 發表于：12/16/2024 愛立信：大型活動中5G用戶滿意度較4G高20% 愛立信研究顯示，在2024年的大型活動中，5G用戶的滿意度較4G用戶高出20% 發表于：12/16/2024 ?…35363738394041424344…?
