6G星地融合网络资源管理关键技术

卫星网络因具备弥补地面网络覆盖盲区的特性,成为6G网络实现泛在连接应用场景的关键技术之一。为了实现卫星网络和地面网络间高效的资源融合管理,首先简要介绍了星地融合网络的发展现状,总结了星地融合网络资源管理技术的研究现状以及面临的挑战。其次,对6G星地融合网络下的移动性管理、跨域多维资源管理和统一的空口协议设计等关键技术进行分析,并基于对现有研究的探讨给出解决方案。最后,对未来面向6G的星地融合网络资源管理的发展提出了新的展望。

面向工业时敏业务的5G TSN融合网络切片资源调度

5G与时间敏感网络(time sensitive network,TSN)融合部署是实现工业互联网无线化和柔性制造的重要基础,如何实现多类型工业业务和移动业务的共网高质量传输,是5G TSN融合网络需要解决的关键问题。为此,面向工业互联网场景,依据业务特征差异划分工业业务流的类型,设计了一种适配周期性时敏业务和突发性时敏业务的网络切片资源调度策略,提出了基于均匀分布的资源分区调度算法。所提方法通过控制资源预留和资源抢占,在优化无线资源使用的同时,保障了工业业务流的时延,满足了移动业务的传输速率需求。最后,通过仿真实验验证了所提方法在提升业务需求满足度和资源利用率方面的有效性。

通信-感知-计算-存储深度融合下的无线资源管控

为满足多样化应用与极致性能需求,6G网络将提供通信、感知、计算与存储的融合服务,实现无缝泛在连接、全域精准感知的愿景。围绕通感算存深度融合下无线资源管控研究,首先简要介绍了通感算存融合网络的产生背景和无线资源管控研究现状,并对通感算存深度融合的灵活组网架构构建与关键技术进行了阐述。进一步地,为实现通感算存深度融合下的多域资源高效管控,对移动边缘计算网络和通感一体化网络的无线资源管控关键技术进行了分析讨论,并在此基础上探讨了通信、感知、计算与存储融合下的无线资源管控相关技术难点。

5G环境下基于深度学习的云化PLC物料识别与定位系统

为了解决智能制造领域中云化控制与视觉分选应用相结合的问题,提出了基于深度学习的云化可编程逻辑控制器(Programmable logic controller,PLC)物料识别与定位系统,并在端到端5G与时间敏感网络(Time sensitive networking,TSN)传输网络环境下,实现了对云化PLC架构和控制功能有效性的验证.首先,将传统PLC系统控制功能容器虚拟化,实现PLC的本地和云端自由部署;其次,在云端设计人工智能学习平台,采用基于You only look once v5(YOLOv5)的目标检测算法实现物料的定位和分类,获取目标的像素坐标和类别信息;然后,利用相机标定方法把像素坐标转换成物理世界坐标,并将目标类别、坐标、时间戳信息传输到云化PLC;最后,在5G和TSN融合网络环境下,实现云化PLC对天车设备的实时控制与复杂计算功能整合.结果表明,该系统能够有效的对多天车进行协同控制,物料定位均值平均精度(Mean average precision,mAP)达到99.65%,分选准确率达到96.67%,平均消耗时间225.99 s,满足工业低时延、高精度的视觉分选需求.

数字孪生赋能下的6G网络资源管控机制

如何提高资源利用率,高效分配和管理稀缺的无线通信资源,是发展未来移动网络通信技术的关键。数字孪生技术因其具有可以连接物理实体与数字模型的特性广泛应用于各个领域。建立数字孪生网络可以实现物理世界与信息世界交互与融合,利用虚拟模型在物理实体的整个生命周期中进行仿真模拟、辅助优化决策,有助于控制和优化物理实体。对移动通信场景下的数字孪生网络建模方法进行阐释,讨论了面向数字孪生的传统无线资源、新型无线资源管理和人工智能赋能下数字孪生技术在无线资源管理方面的应用。

基于人工智能的6G网络技术

未来,人类社会将进入智能化时代,6G也将实现和人工智能(Artificial Intelligence,AI)等信息技术的交叉融合。6G利用原生的AI,持续为未来整个社会进行智慧赋能,实现真正的普惠智能。如何使用6G原生的AI,对未来网络资源、无线资源进行智能管控,是一个热门的研究方向。为实现AI赋能6G网络,能够快速实时调度无线网络多类型资源,满足新兴垂直行业多样化业务需求的同时提升资源利用率,介绍了基于AI的6G网络技术,包括AI原生的新型网络架构和AI原生的新型空口技术。在此基础上详细阐述了AI引擎的相关概念、智能化维护架构等,并提出了网络切片的智能管控算法,分析AI在新型空口中的相关架构以及具体技术。

Best-effort service QoE assessment using visual information based Weber-Fechner law

Quality of experience（QoE） has been one of the most important factors for service providers and operators to develop and deploy services. Previous works have shown that Weber-Fechner law（WFL） can be used to promote the accuracy of best-effort（BE） services＇ QoE assessment. In this paper, based on WFL, we take a deep insight into the visual information of BE services and its role in WFL, especially in web browsing services, and propose an enhanced QoE assessment model for BE services by taking the visual information into account. Both images and texts visual information are extracted and combined to get the visual information for web pages. Finally, a subjective experiment is performed to validate performance of proposed QoE assessment model, which shows that it performs better than traditional WFL based model.