fzq0625的博客

利用5G网络高可靠低时延（uRLLC）、超大带宽（eMBB）的特性，为远控驾驶构建5G虚拟专网承载业务，采用5G SA模式，分配专用的DNN，同时结合切片技术，在5G无线网侧采用RB资源预留、专用FlexE通道（传输通道带宽≥200 M）的硬切片，采用共享UPF，实现全网范围的网络隔离，充分保证业务数据的安全性和隔离性。5G 承载网系统是 5G 无线网、5G核心网、5G MEC以及驾驶舱的承载系统，采用智能城域网架构，主要由MCR、MER、MAR组成，满足各系统的接入需求以及数据可靠传输需求。

本文分析了面向工商业的分布式光伏电站在设计、建设过程中LCOE、IRR指标的优化思路与方法，并结合实际项目进行了仿真测算，验证了优化方法的有效性，为分布式光伏系统所生产的电能“平价上网”提供了参考依据。通过简易计算得知，在不考虑屋面租金、光伏支架、配套线缆及一二次设备等配套支出的情况下，仅将光伏组件单板造价、发电量、维护成本（按功率计算）、保险费等代入式（1）计算得到的LCOE远远小于工程实践中的平均值，因此在特定的装机容量下确保配套设备的高效利用，有助于降低LCOE。实际计算中，折现率可考虑取5%。

基于运营商数据特性，本文在业务理解和技术创新的基础上，采用事实抽取、统计分析、学习类算法等方式对多源合规数据进行标准化、集约化、流程化的设计与研发，形成了一套跨行业、分场景的标签体系，包括通用标签和金融、汽车、文旅3套行业标签。对于合规样本中的异常理赔人群，可基于图计算引擎快速对其内外部共有联系人进行研判分析，准确识别出56%的号码存在亲密关系以及15%的异常号码，进而采用数据挖掘、机器学习等技术，对风险团体成员的联系人、地点、时间等进行关联分析，找到团体活动的规律和特征。

图数据具有不规则的结构，图的节点之间是无序的，图中每个节点与其他节点之间存在复杂的依赖关系。研究了用户精准感知系统的构建方案，系统具备对运营商网络数据、业务数据以及声音、图像、文本数据进行多模态融合的能力，并能够通过图神经网络算法进行建模分析，实现对用户的精准感知与洞察。系统具备一套面向多模态数据处理和图谱挖掘的通用算子库，为相关人员进行算法模型开发提供个性化开发工具，包括图表示学习、图神经网络、数据预处理、多模态信息融合、语音识别、语义理解、文本处理、机器学习、情感识别、文本生成、关系抽取、深度学习等。

随着人工智能技术的发展，出现了基于特征工程的机器学习算法，常见的有逻辑回归、LightGBM等梯度提升模型，这类算法在线性模型的基础上提高了模型的复杂度，模型准确率也有一定幅度提升，同时也衍生了一些基于数据驱动的深度学习预测模型，常见的有循环神经网络（RNN）及其改进模型LSTM等，通常模型可解释性差，需要大量的训练数据且训练耗时。图3为时空图卷积模块的具体结构，模块的计算过程如下，其中f(A,xt)为前面介绍的卷积过程，即式（4），w和b为训练过程每一步骤的权重和偏移量，其他标识含义同上述GRU模块。

传统的宽带维护工作往往只围绕接入段质量开展，且系统、数据分散，不能有效协同，无法满足用户业务质差问题定位和解决，亟需形成宽带网络端到端维护优化工作方法，构建宽带网络全维度质量管理体系，开展面向用户家庭网络、网络侧、设备侧、业务侧、服务侧的数字化生产作业。设备故障和群障管理。拉通B、O、M域数据，构建端、网、业、服多维度全场景的大数据模型，统一数据规范，形成围绕智能规划、运行监控、质量感知、业务支撑、品质服务等“规、建、维、优、营、服”全场景的集约的数字化运营能力（见图5）。d）智能运维能力不足。

在《电力工程电缆设计标准》（GB50217-2018）中，对电缆的布放提出了明确的要求，包括电缆路径的选择、电缆在支架上的敷设要求、电缆敷设方式的选择等，但在实际工程实施时，由于部分施工人员对相关条款的要求理解不深刻，在电缆敷设过程中采用了不规范的施工方法，施工完成后遗留了不安全因素，导致后期产生各类故障，甚至发生严重的事故。在新装的列头柜内敷设连接电缆的过程中，由于电缆的另一端（电缆头用绝缘胶带包扎好）是悬空的，无论保护地线、工作地线和-48 V电缆的接线顺序如何，都非常安全，不会发生电源短路事故；

该项目在设计阶段，结合国家东数西算政策总体要求，面对该地区土地资源紧张的问题，在工艺要求和投资受控的基础上，通过高指标牵引，土地资源最大化利用，集约模块化布局等方面的多措施并举，最终各项指标均在业界领先：超高亩产率（173架/亩）、超高建筑利用率（81%）、超高出柜率〔7.9 ㎡/架（8 kW）〕。以某数据中心项目为例，对园区和建筑平面的集约化布局进行实证研究分析，提出在满足工艺要求和投资受控的基础上，适合数据中心园区在有限空间内最大化提升出柜率的措施，助力东部大数据产业园区的建设推广。

不同于传统的NTA流量分析技术，5G信令流量安全监测技术更多基于5G网络的业务特点和5G网络的协议特点去做分析，例如5G网络中N1/N2接口的NGAP协议、N3接口的GTP-U（GPRS Tunnelling Protocol for the User plane）协议、N4接口的PFCP协议等，并根据5G网络用户的特点和业务特点构建流量分析模型，对5G网络的安全监测更有针对性。因此，研究5G网络场景下的信令流量监测，对发现5G网络威胁及进行威胁溯源，提高5G网络全网安全态势感知能力，有着重要的意义。

a）由于卫星高速移动，UE和NTN网关之间的传播时延是持续变化的，当传播时延很大时，gNB发送的TA命令到达UE的时刻，TA命令可能是过期的。对于上述方案，UE能够补偿大部分的TA，gNB处理残余的定时误差，由于残余的定时误差足够小，PRACH接收机按照地面5G蜂窝网络的方法即可补偿残余的定时误差，然后gNB向UE发送MSG2即随机接入响应（Random Access Response，RAR），以便对UL定时进一步校准，UE根据MSG2中的定时命令，在MSG3（PUSCH）中应用新的定时校准。

在5G专网的建设中，专网与专网的隔离、专网与公网的隔离是必须要面对的一个难题。通过在园区使用轻量化5GC建设独立专网，对接G城UDM的部署方案，使用PNI-NPN 进行接入控制，在简化网络规模的同时，拟使用 PNI-NPN专网隔离方案，达到PNI-NPN在“专网隔离”上的需求。随着5G网络建设的深入推进，在特定行业属性工业园区内享受便捷的5G网络服务将成为刚需，基于NPN的公专互通机制构建的智慧工业园专网，对解决园区内部对信号的安全、可靠带来的用户的漫游、切换管理机制等问题提供了一个很好的解决思路。

综上，本文所提算法可以改善噪声的影响，从而获得定位结果的全局最优值，有效提高定位精度。基于此，本文在LS算法基础上提出一种基于TDOA二次加权的定位算法，该算法利用噪声信息对测量值进行二次加权，可以有效对抗噪声对定位的影响，并解决了WLS算法局部最优问题，不管是在室内还是室外，本文所提算法都具有良好的可行性。图1（b）所示基站布局为：（0 m，2 100 m），（0 m，4 200 m），（6 300 m，2 100 m），（6 300 m，4 200m），（3 150 m，3 150 m）。

确定性网络的提供者涉及确定性网络产业的基础环节与技术研发环节，掌握着行业的核心技术，决定了确定性网络创新和发展速度，是行业发展的关键。各类技术的总体架构如图1所示。确定性网络技术作为近年来网络研究的热点，无论从技术标准、技术实现还是产业生态都还不够完善和成熟，但是有越来越多的国内外企业、标准组织、产业联盟都已经看到了该技术的价值，也都在积极地进行确定性网络技术的研究和实践，在不久的将来，确定性网络技术一定会有更大的应用和发展，并更好地为包括电力行业在内的越来越多的应用提供精准确定的网络服务。

摘 要VoWiFi语音业务是移动网语音解决方案VoLTE/VoNR的一个重要补充，可以解决室内弱覆盖情况下的语音业务需求问题。在当前家庭小区覆盖类投诉中语音投诉超过1/3的情况下，该方案显得尤为重要。在VoWiFi解决方案中引入精准溯源，保证给用户提供电信级安全标准的语音通话。在现网上对基于溯源网关的VoWiFi解决方案进行了组网部署，并对可能影响VoWiFi语音质量的因素进行了测试验证分析，最后对VoWiFi业务的部署提出了参考建议。前 言 根据统计，当前运营商的家庭小区覆盖类投诉占比在60%

国际移动通信（IMT）技术为公众移动通信的发展提供了技术支撑，持续为6G或未来技术寻求更多的IMT频率资源，以满足不断增长的无线宽带数据和覆盖需求，以及IMT产业和移动运营商与日俱增的新业务所需频谱需求，以支持其未来技术和应用的发展。合成孔径雷达的天线模式（见图2）为俯仰角以及方位角的函数，此种情况下，需要分别确定干扰链路与卫星俯仰角平面以及方位角平面之间的角度即可，可分为2步实现，需要首先确定干扰链路在卫星俯仰角平面以及方位角平面上投影矢量，然后再确定干扰链路与两投影矢量间夹角。

如图7所示，对龙门吊PLC远控数据采取空口链路级保护技术— —双发选收，支持双发选收的终端（CPE）将PLC流数据包复制之后，把原始包和复制包通过2条无线空口链路同时上传，所有的数据包送到UPF，由UPF处部署的网关功能对数据包进行缓存、排序、去重复操作，恢复原始的数据流。本文研究的某码头智慧港口5G SA网络部署方案，基于5G+智慧港口行业应用场景，构建5G+网络切片专网，融合5G龙门吊远控、5G智能集卡等典型应用，形成满足智慧港口应用需求的5G SA网络方案，树立了5G智慧港口行业应用示范标杆。

随着数字经济快速发展，基础电信企业、增值电信企业、互联网平台企业等众多市场主体，纷纷推出了新形态的通信服务，云通信服务就是其中的典型代表之一，不少学者就云通信开展过相关研究。对于新业态、新模式发展过程中可能出现的垃圾信息问题，应积极促进服务以用户权益为核心，尊重用户的安宁权、选择权，合法合规收集用户意愿，建立健全数据连通能力，持续改进云通信营销等重点服务方式，一方面使得服务能精准触及确有需求的用户，另一方面能预判垃圾信息侵扰风险，主动阻止源头传播防止扰民，让云通信服务更好地赋能实体经济良性发展。

P帧是前向预测编码帧，编码是通过前面已编码帧的时间冗余信息来压缩图像，在解码时需要参考前一帧的信息才可以完成解码，P帧的压缩率相较于I帧更大，其数据量更小，由于P帧的解码需要依靠已传输的I帧，所以I帧的传输优先级更高。二是多业务流模型，针对XR业务不同数据流形成差异化保障模型，其中包括对帧内编码帧（intra picture，I帧）和前向预测编码帧（predictive-frame，P帧）的差异化保障、视频和语音的差异化保障、视野图景（Field of View，FOV）和全向图景的差异化保障等。

NTN采用与传统地面5G蜂窝移动通信网络类似的流程，即gNB根据UE发送的随机接入前导码计算定时提前（Timing Advance，TA），然后再通过定时提前命令（Timing Advance Command，TAC）通知给UE，UE提前发射上行信息，以便不同UE发送的上行信息在同一个时刻到达gNB，只要定时误差落在循环前缀（cyclic Prefix，CP）范围内，gNB就能正确接收UE所发送的上行数据。对于再生转发，单向时延定义为从UE到卫星的时延，双向时延定义为从UE到卫星，再从卫星到UE的时延。

从核心网出发，分析卫星网络与通信网络融合发展现状，探索未来融合网络可能的网络形态，选择边缘计算和VN组通信2个典型场景，详细分析了其面临的问题，并提出了相应的技术方案。卫星上UPF网元，通过N6接口与卫星上MEC平台相连，实现星上本地用户面数据的路由转发和处理，缩短用户面时延。综上所述，5G与卫星的互补优势将推动5G与卫星网络走向融合发展，从透明转发到再生模式，再到星载核心网，人们在不断探索5G网络与卫星网络的融合形态，不断增强卫星融合网络的业务体验，拓展更加丰富的融合业务场景，实现空天地一体化业务覆盖。

其次，项目基于5G专网，结合MEC、AR/VR、人工智能、物联网、5G消息等技术，探索5G智慧校园管理平台、5G智慧消息平台、5G互动直播教学、5G节能管控系统、5G同声传译、5G智能化考场等智慧校园应用，促进了5G在教育行业的规模部署。具体来说，如图3所示。首先，项目研究了基于教科网的5G绿色校园专网组网方式，依托教科网华南地区网络中心现有的网络基础，通过在华南地区网络中心下沉部署一套教育行业共享的5G专网设备，利用ULCL技术，为接入教科网的各学校提供一种低成本、简单、快速、安全的5G专网构建方法。

本文提出的基于信道图谱的5G+北斗融合定位算法，将基于5G的网络定位与北斗定位相融合，在只有单射频天线的情况下，即可在室内环境下，利用信道矩阵将5G定位问题转化为图像识别问题，利用3D卷积神经网络将信道图像和位置信息关联起来，满足室内高精度定位的需求，同时也可在室外环境下，基于5G+北斗联合定位模型，利用5G的定位结果来辅助北斗进行定位，从而弥补北斗在遮挡条件下定位性能的不足，大幅度拓展北斗应用场景。其中，it为输入门输入信息，ot为输出门的输出信息，ft为遗忘门的输出信息，gt为更新门的输出信息。

通过本文的智能城域网功能服务链调度方案，可以实现运营商网络快速适应流量多样化、算力下沉的需求，为不同业务提供多种多样的、可灵活选择的大带宽、低延时、灵活路径随选、安全可信等网络增值服务能力，满足云专线、云间高速、云边协同、政企专线等业务的承载需求，打造简洁、敏捷、开放、融合、安全、智能的云网融合新型信息基础设施。为了应对互联网+时代带来的网络能力升级的需求和挑战，运营商势必要面对细分的企业市场，并快速向可提供差异化服务的网络服务提供商转型，网络服务也需要从传统的管道式连接为主转向算网一体的差异化网络服务。

因此，如果在不影响原有业务的情况下进行SRv6等新技术的部署，还可以采用增加网络平面的方式进行网络设备改造，即新平面设备部署SRv6，最后形成SRv6+MPLS双平面共存的网络拓扑，并基于SDN控制系统，实现SRv6+MPLS双平面的按需智能选路，解决SRv6与MPLS网络融合的问题。在报文转发过程中，普通中间节点仅支持IPv6转发即可，无需支持特殊的转发逻辑，这使得SRv6可以打破运营商网络和数据中心网络之间的界限，进入数据中心网络，极大地增强了SRv6的扩展性和部署的灵活性。可能的演进方案有以下几种。

在NTN中，传播时延非常大，LEO卫星的双向传播时延最大可达25.77 ms（LEO，卫星高度600 km，透明转发）或者41.77 ms（LEO，卫星高度1 500 km，透明转发），GEO卫星的双向传播时延最大可达541.46 ms（透明转发），且高速移动的LEO卫星还会导致UE和服务小区之间以及UE和邻小区之间的传播时延随着时间的推移而变化，随着卫星高度的增加以及考虑到馈电链路的时延，这个传播时延将变得更为复杂和恶劣，大且快速变化的传播时延为SMTC和测量间隙配置带来了巨大的挑战。

其次，IPv4网络安全能力不足，未来网络涉及到人和物以及物和物的连接，需要更强的网络安全保障，IPv4不能满足未来网络对安全性的诉求，IPv4在制定时并未针对安全性做设计，不支持端到端安全，NAT技术会导致无法溯源和管理。同时，中国联通一直致力于IP网络的差异化和商用化创新，随着业务和应用IPv6化趋势的到来，中国联通积极汲取业界最新的网络技术，通过中国联通自研骨干网SDN控制系统，结合SRv6技术进行改造升级，采取“局部试点-逐步扩展-全网应用”的分步方案，实现骨干网层面试点应用。

通过协议描述分析，不同行业、不同场景的不同业务，对于网络的时延、可靠性、速率、移动性等都有不同的需求。通过小包业务场景和大包业务场景下，各功能组合测试的结果分析可以看出，采用uRLLC R15的技术和功能后，在时延和可靠性方面都有显著提升，因此，对于低时延场景，建议采用功能组合3或功能组合4，即开启预调度、low-SE、minislot的功能组合，或在此基础上再叠加乱序递交功能，对于低时延、高可靠场景，建议采用功能组合3，即开启预调度、low-SE、minislot的功能组合。uRLLC整体产业链滞后。

另一种为用于语音的数据包，语音业务占用数据量较小，但传输非常频繁，以24.4 kbit/s编码速率为例，采用IPv6时，压缩前语音帧为984 bit，开启ROHC功能后，整个语音帧由984 bit减小至544 bit，压缩比可达55.28%，无线覆盖能力提升2～3 dB。5G网络支持基于语音质量的异频/异系统切换，该功能打开时，可以基于丢包率进行切换判决，当语音业务上行丢包率或者下行丢包率大于基于语音质量的异频/异系统丢包率门限时，认为语音质量较差，触发基于语音质量的异频/异系统切换。

当UE向港口移动时，服务小区由NTN小区1变更为NTN小区2，由于NTN小区2与TN小区覆盖区域有重叠，网络为UE配置TN小区使用的频率，UE先检测自身位置，当UE的位置超过某个门限后，触发UE上报D1事件，为了响应该报告，网络为UE配置一个测量间隙以便UE测量TN小区使用的频率，网络接收到A3事件报告后，将发起从NTN小区2到TN小区的切换。选择B小区的优点是卫星1的高度低，可以减少UE的功耗，缺点是B小区的服务时间短，这将使UE在短时间后执行另一起切换，进而导致不必要的信令负荷和可能的服务中断。

为应对边耦合相依网络中因少部分的连边失效引起的网络大面积的结构性破坏甚至崩溃，本文提出了一种基于共同边界连边的边耦合相依网络级联失效修复模型。将修复过程与网络级联失效过程动态结合，同时根据边耦合网络的特征提出了复合冗余度择优修复策略和一种改进的复合冗余度择优修复策略。分别在随机故障和蓄意攻击情况下对ER-ER（Erdős-Rényi随机网络）、SF-SF（scale-free无标度网络）边耦合相依网络进行仿真，与随机修复策略及介数择优修复策略对比，寻找最优修复策略。

智能回答整个认知活动中“在哪里”“是什么”“为什么”和“怎么做”等基本问题，涵有丰富的内质，当前尚不存在公认的“智能”标准定义，本文分析了这种窘境，给出“智能”的33字新定义，不再区分是人的智能，还是机器的智能，让智能不再被人的生命特质中的意识、欲望、情感等纠缠困扰，把智能从身体中单独释放出来到体外，拓展开去，成为人工智能，如机器智能。同时，把学习对智能的重要性也在定义里理清楚了。这个定义通俗、简明、精辟，无需转出再定义。

本文旨在梳理粒度模糊规则模型中的主要研究及构建方法，并且进行系统分析与总结。粒计算是一种能模拟人类思维方式和求解复杂问题的新兴理论体系，以此为基础的粒度模型为复杂非线性系统的描述和问题求解探索了新的方向。粒度模糊规则模型将信息粒融入现有的模糊规则建模方法中，进行粒度级别的系统建模，以实现更高层次的数据分析与推理。本文简要介绍模糊聚类和模糊规则模型的基础知识；归纳了信息粒的构建方法，并讨论了相应的评估方法；总结了典型的粒度模糊规则模型的设计架构和优化方法。

神经网络轻量化的方法有直接设计轻量级网络和压缩现有的神经网络模型2种思路。直接设计轻量级网络分为人工设计轻量级网络模型和基于神经网络架构搜索(neural architecture search , NAS)的自动化神经网络架构设计。人工设计轻量级神经网络的思路是设计更加高效的卷积计算方式、构造更高效的神经网络结构，如谷歌采用深度可分离卷积替代传统卷积提出了MobileNet v1[4。

针对混沌系统参数辨识精度不高的问题，以鲸鱼优化算法(whale optimization algorithm，WOA)为基础，提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm，MIWOA)。采用Chebyshev混沌映射选取高质量初始种群，采用非线性收敛因子和自适应权重，提高算法收敛速度，为了避免算法陷入局部最优，动态选择自适应t分布或蚁狮优化算法更新后期位置，提高处理局部极值的能力。

针对密度分布不均数据，密度峰值聚类算法易忽略类簇间样本的疏密差异，导致误选类簇中心；分配策略易将稀疏区域的样本误分到密集区域，导致聚类效果不佳的问题，本文提出一种面向密度分布不均数据的加权逆近邻密度峰值聚类算法。该算法首先在局部密度公式中引入基于sigmoid函数的权重系数，增加稀疏区域样本的权重，结合逆近邻思想，重新定义了样本的局部密度，有效提升类簇中心的识别率；其次，引入改进的样本相似度策略，利用样本间的逆近邻及共享逆近邻信息，使得同一类簇样本间具有较高的相似度，可有效改善稀疏区域样本分配错误的问题。

针对基于深度学习的真实路面病害图像识别算法主要面临的复杂道路背景与病害前景比例不同、病害尺度小等导致的类别严重不平衡、路面病害与道路的几何结构特征对比不明显导致其不易识别等问题，本文提出一种基于双分支语义先验网络，用于指导自注意力骨干特征网络挖掘背景与病害前景的复杂关系，运用高效自注意力机制和互协方差自注意力机制分别对二维空间和特征通道进行语义特征提取，并引入语义局部增强模块提高局部特征聚合能力。本文提出了一种新的稀疏主体点流模块，并与传统特征金字塔网络相结合，进一步缓解路面病害的类别不平衡问题；

针对现有盲图像质量评价算法在面对真实失真图像时性能较差的问题，本文提出多层特征融合和语义信息增强相结合的无参考图像质量评价算法。提取图像的局部和全局失真特征，利用特征融合模块对特征进行多层融合；利用多层扩张卷积增强语义信息，进而指导失真图像到质量分数的映射过程；考虑预测分数和主观分数之间的相对排名关系，对L1损失函数和三元组排名损失函数进行融合，构建新的损失函数Lmix。

近年来，社交机器人已经成为人工智能领域的一个最新的研究方向。由于新冠疫情、俄乌冲突、英国脱欧等一系列重大事件中，社交机器人对公众舆论产生了重要影响，学界对社交机器人的关注度日渐升高。本文提出了基于社交机器人的社会舆论形成过程模型，分为舆论出现、争夺影响力、舆论形成3个阶段，社交机器人可以在3个阶段介入和影响。研究了社交机器人的级联效应、工作原理、影响因素，指出媒体类型、事件模糊性和争议性、受众群体等均是影响社会舆论的主要因素。

为解决近海环境下水下无人航行器（unmanned underwater vehicle，UUV）的动态路径规划问题，本文提出一种结合全局和局部动态路径规划的算法。首先，本文提出一种基于自适应目标引导的快速拓展随机树算法，以增加随机树生长的方向性，并通过转向和重选策略减少无效拓展加快算法的收敛速度。接着，获得全局路径之后使用自适应子节点选取策略获取动态窗口法的子目标点，将复杂的全局动态任务规划分解为多个简单的动态路劲规划，从而防止动态窗口法陷入局部极小值。

针对由于甲骨文中部分字符的出现频率较低，直接利用深度神经网络进行识别会产生严重的过拟合现象，进而导致识别精度较差的问题，本文提出一种基于监督对比学习的小样本甲骨文字识别方法。选用利用增强样本的Y型（ensemble augmented-shot Y-shaped ，EASY）学习框架作为网络的主干部分，通过集合数据增强、多骨干网络集成、特征向量投影等训练策略，直接实现利用少量带标签样本进行识别；