5G网络下BIM技术在智慧建筑中的应用及有效路径

建筑全寿命周期中BIM技术、5G网络技术等技术的联合运用,实现对工程项目信息的动态收集,成为各环节工作的指导依据,为各专业、各部门协作提供条件,有助于减少时间、人力、成本、材料等方面的非必要支出。鉴于现代建筑项目复杂性日益增加,选择智能化管理方式进行全程控制非常必要,本文将探讨在5G网络技术下,BIM技术在建筑不同阶段的运用内容,并结合具体项目介绍新技术的应用要点,旨在推广新技术。

5G网络与广播电视网络融合研究

5G网络具有超高速率、超低时延、高可靠性等显著优势,为广播电视提供了更好的内容传输质量。首先,分析5G网络的技术特点及关键技术框架,包括无线传输、终端直通(Device-to-Device,D2D)通信等,为广播电视网络融合的建设奠定了基础。其次,对比分析广播电视的有线、无线、互联网3种传输方式,并提出它们与5G网络的整合,实现传输的高效化和智能化。最后,提出5G移动与广播电视网络融合的总体框架,包括基础设施层、网络功能层、内容分发层等,并分析相应的核心技术。

5G网络传输背包在体育赛事制作与转播中的应用

本文分析了5G网络通讯技术发展趋势,并基于网络传输背包技术的功能和特点,系统阐述了其在体育赛事制作与转播中的应用。

6G网络中面向AI大模型的联邦学习与协同部署技术综述

随着6G网络的逐步推进和AI技术的迅猛发展,AI模型在无线网络中的应用日益广泛。综述了6G网络中面向AI大模型的无线联邦学习与协同部署技术发展现状与挑战。首先,对比了AI大模型与基础模型的区别,并介绍了不同的联邦学习范式。接着,概述了AI大模型在无线网络中的几种高效联邦微调方案,包括低秩自适应、模型分割、用户分簇和跨组织协作微调等。然后,阐述了AI大模型在无线网络中的多种部署方案,包括基于模型压缩的轻量化部署、分布式横向协同模型部署、云边端纵向协同模型部署等。最后,讨论了在6G网络中应用AI大模型面临的挑战与机遇。

基于广电5G网络实现城市高铁区域覆盖的研究

中国广电作为第4家基础电信运营商已经于2022年6月27日正式启动5G网络服务。针对高铁区域的网络拥塞问题,中国广电在城市高铁区域建设基于广电5G网络信号覆盖,提升城市高铁区域的5G网络质量。本文以上海虹桥站及上海段部分高铁线路为研究对象,介绍了基于广电5G网络实现城市高铁区域覆盖的研究方案。

高铁沿线5G网络部署方案设计与实践

由于高铁运行环境特殊,5G网络在高铁沿线的部署面临诸多挑战。本文主要从容量需求、覆盖需求、特性功能、设备选型等方面,分析高铁红线外网络部署的关键因素,结合实际网络的容量需求、建设场景、现网条件和投资额度等因素,为不同高铁线路精准制定5G网络部署方案提供参考。

5G网络环境下的软件定义网络架构设计与挑战分析

本研究深入探讨了5G网络环境下软件定义网络架构的设计需求与原则,旨在揭示软件定义网络如何支持5G网络的高带宽、低延迟和大规模设备连接需求。通过分析软件定义网络在5G网络中的实际应用,包括网络切片、动态资源分配、安全性保障及与现有技术的融合,展示了软件定义网络架构如何提升网络管理的灵活性、效率和安全性。研究表明:软件定义网络能够有效应对5G网络的挑战,为网络提供强大的支持,同时也为未来网络技术的发展提供了新思路。

基于大数据的5G网络性能分析与优化策略

通过概述5G网络架构的复杂性与高效性,特别是服务化架构(SBA)和边缘计算技术的引入对提升网络灵活性与可扩展性的重要作用,分析5G网络性能评价的多个关键维度,构建全面的性能评价指标体系。重点阐述大数据技术在5G网络性能分析中的应用,通过数据采集与预处理、数据挖掘及数据可视化技术,实现对网络性能的实时监控与潜在问题的精准识别,以及探讨移动云计算技术在5G网络优化中的应用策略。提出针对不同应用场景的5G网络优化策略,阐述了优化策略的实施路径与步骤,为5G网络的持续优化与高效运行提供了有力支持。

机器学习算法在5G网络分流提升中的应用

为探索机器学习算法在提升5G网络分流效率中的应用,本研究深度探究机器学习算法在5G网络分流提升中的应用。通过深度学习、支持向量机、随机森林和决策树等算法,实现了流量预测、网络资源优化和异常检测。研究发现,这些算法能有效预测流量趋势,提高资源配置效率,并在异常流量检测和安全威胁分析方面表现突出。测试结果显示,机器学习算法显著提升了5G网络管理的效率和安全性。因此,进一步探索和优化机器学习算法在5G网络应用中具有重要价值。

6G网络任务卸载与细粒度切片资源调度联合优化算法

针对未来全域、全场景多样化的业务需求,6G网络需要提供场景化、个性化的服务能力。针对未来细粒度业务服务质量保障问题,提出了6G网络任务卸载与细粒度切片资源调度联合优化算法,联合考虑多MEC的计算卸载和网络切片的资源调度,在有限的资源内,最小化任务的执行时延和能耗成本,并采用异步训练的A3C强化学习算法进行求解。仿真结果表明,对比传统算法,该算法可以在满足用户业务需求的情况下降低计算成本,并且算法收敛速度快,可以实现快速决策。

基于5G网络的配电网设备状态在线监测和控制研究

为了降低数据的通信时延,保证配电网监测实时性和可靠性,提出基于5G网络的配电网设备状态在线监测和控制方法。根据5G网络和其他电力物联网进行5G组网,传输采集设备运行状态数据;通过DS证据理论方法诊断设备运行状态,利用滚动优化模型控制存在故障设备的电压。测试结果表明:该方法数据传输时延小,可准确诊断出设备的故障状态,诊断可信度较高,可实现电压控制。

面向工业超高可靠低时延通信的5G网络上行混合重传策略

5G网络支持更细粒度、更灵活的通信资源分配,对于保障工业自动化的可靠、实时无线传输将发挥关键作用.本文提出一种面向工业超高可靠低时延通信的5G网络上行混合重传策略(Hybrid Uplink Retransmission Scheme,HURS).考虑上行周期性工业数据的传输场景,HURS将优势互补的按需重传机制和循环重传机制相结合,基于对两种重传机制的可靠性建模,在线选择最可靠的重传机制;最后,大量仿真验证了HURS的传输可靠性和最坏时延不仅优于其他重传方法,还满足工业URLLC要求.

基于5G网络的日间化疗过程移动监测系统研发与应用效果评价

目的:研发基于5G网络的患者日间化疗过程移动监测系统,解决日间化疗过程监测规范化管理、数据自动化保存和核对问题。方法:基于5G网络,使用My SQL5.6数据库和WebService中间层连接,采用客户端与服务器(C/S)架构研发基于5G网络的患者日间化疗过程移动监测系统,护理人员使用平板电脑扫描患者腕带及配液条码,系统自动完成患者、药物、化疗床位和化疗药物输注顺序核对,在患者化疗过程中定时提醒护理人员巡视患者、输注完成预警、治疗后评估等指令,并将数据传输到管理系统,自动完成过程数据记录。选取2021-2022年遂宁市中心医院进行日间化疗的11297例次患者日间化疗数据,对比采用日间化疗过程移动监测系统应用前(5269例次)和应用后(6028例次)化疗的患者化疗药物使用正确率、输液顺序正确率和患者满意度。结果:采用日间化疗过程移动监测系统后,患者化疗药物正确率和输液顺序正确率分别为99.43%(5994/6028)和97.15%(5856/6028),均高于系统应用前,其差异有统计学意义(x^(2)=126.28、96.55,P<0.05);采用日间化疗过程移动监测系统后患者满意度评分为(9.35±0.744)分,高于系统应用前,其差异有统计学意义(t=-3.796,P<0.05)。结论:日间化疗过程移动监测系统的使用,能够自动核查患者和配液信息,降低化疗药物配给出错率和输注过程中的顺序差错,减少医疗事故风险,提高患者满意度。

知识嵌入深度强化学习的6G网络决策算法

为了保证6G网络场景下用户的服务质量(quality of service, QoS)时延以及解决深度强化学习(deep reinforcement learning, DRL)收敛时间较长的问题,对云-边-端架构下的计算网络进行了研究。提出了多评论家深度强化学习框架,在此基础上提出知识嵌入多评论家深度强化学习算法,将无线通信知识嵌入深度强化学习,采取深度强化学习与计算网络结合的方式对网络中的计算资源和频谱资源进行分配。仿真结果表明,所提出的方法相比于传统的深度强化学习方法能够有效减少收敛时间,并且能够在信道时变的环境下,保证用户时延的基础上能够实现实时决策。

基于数字孪生的5G网络安全推演

为了对5G网络可能遭受的攻击及缓解攻击的措施进行研究,提出针对5G网络的安全推演模型。模型通过数字孪生技术将物理网络映射至孪生网络中,并依据模型构建虚实结合的网络推演环境;依据设计的推演场景在孪生网络中进行攻防推演,并将推演结果应用于物理网络中。结果表明利用孪生技术进行推演可减少对物理网络的影响,其得到的推演结果也可以无差别地应用于物理网络中,且具有一致的防御效果。

AI与6G网络融合研究与挑战分析

简要介绍了3GPP涉及的AI研究项目,及国内外6G研究中AI与6G网络融合的方式与现状。作为6G AI潜在的重要场景,分析了大模型应用的发展历程,讨论了应用的大模型部署不同位置及与终端不同交互方式下6G网络面临的挑战,最后总结了6G网络部署应用大模型所具有的优势。

基于5G网络的复合型糖尿病AI管理平台的设计与应用

目的 构建基于5G网络的复合型糖尿病AI管理平台,观察在糖尿病患者管理及基层医护培训中的应用效果。方法 选取2型糖尿病出院患者340例,采用随机数字表法分为观察组和对照组各170例。对照组接受常规糖尿病院外管理,观察组基于5G网络的复合型糖尿病AI管理平台实施院外管理,于干预前和干预3个月后观察患者血糖控制相关指标和患者自我管理行为的变化。另在基层医院内选取护理人员60名,通过平台进行培训。比较干预前和干预6个月后基层护士综合能力评分。结果 干预3个月后,观察组患者空腹血糖、餐后2 h血糖及糖化血红蛋白显著低于对照组,自我管理行为评分显著高于对照组(均P<0.05)。项目开展6个月后,护理人员理论知识、实践操作及护理团队建设评分显著高于开展前(均P<0.05)。结论 基于5G网络的数字医疗平台的应用可改善糖尿病患者的血糖,提高患者的自我管理能力,且促进基层护士的能力提升,有利于区域内护理质量持续改进。

面向星地融合的5G网络增强及关键技术研究

卫星在覆盖范围、可靠性和灵活性等方面与地面5G网络具有融合互补的优势,尤其是低轨卫星和5G网络的融合已成为业界研究热点之一。重点面向星地融合领域介绍了5G网络增强架构及融合关键技术。首先,分析了星地融合领域发展趋势并列举重点应用场景;其次,介绍了5G网络增强架构,涉及基于透明转发卫星和基于可再生卫星的两种组网架构;最后,重点围绕星地融合通信业务需求分析了相关关键技术并进行了简要总结,为5G星地融合的应用落地提供有益参考。

5G网络大数据智能分析技术探究

该文旨在通过收集相关文献明确研究目的,对5G网络下大数据智能分析技术进行深入研究。5G网络的高速、低延迟和大带宽特性为大数据智能分析技术提供更好的基础。大数据智能分析技术通过深度学习、机器学习等手段可以有效处理和分析庞大的数据,提供准确的预测和决策支持。在实际应用中,5G网络的大数据智能分析技术已广泛应用于智慧城市、物联网、智能交通等领域,取得显著的成果。为5G网络大数据智能分析技术在实践中的应用提供科学依据,对于推动5G网络和大数据智能分析技术的发展具有重要意义。

5G网络量子安全算法应用研究

随着5G网络的广泛应用,数据传输速度与容量显著提升,推动了物联网、自动驾驶、远程医疗等领域的创新发展,同时也对网络安全提出了更高要求。量子计算的进步对传统公钥密码体系构成重大威胁,Shor算法和Grover算法可分别破解基于大整数分解和离散对数问题的公钥密码,并提高对称加密算法和杂凑算法的破解效率。为应对这一挑战,全球多个标准化组织正积极推进量子安全密码的研究与标准化工作。首先概述了5G网络架构及其安全需求,并分析了量子计算对传统密码体系的影响。随后,介绍了量子安全密码算法的最新进展,并探讨了这些算法在5G网络终端接入与数据传输安全中的集成方式。最后,提出了量子安全密码应用策略,并验证了其技术可行性,以期为构建更加安全可靠的5G网络提供理论和技术参考。