会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

工业互联网中5G切片技术分析

工业互联网是指融合基础科学、工业、信息技术、互联网等领域的综合优势，促进工业化和信息化融合带动工业竞争力的整体提升[5]。工业互联网是网络，实现各个系统之间的联接；工业互联网是平台，实现海量工业数据的继承、处理和分析；工业互联网是新模式新业态，实现智能化生产和服务化延伸。为满足工业智能化发展需求，工业互联网迫切需要具有低时延、高可靠、广覆盖特点的网络基础设施，而5G网络将满足以上需求。而作为关键技术之一的网络切片，如何部署和应用，值得我们研究。

  • 2021-12-31
  • 阅读98
  • 下载0
  • 7页
  • docx

5G网络切片的七种武器

移动通信技术的设计和其它应用系统并没有不同，都是从需求出发的，5G在设计业务数据吞吐量的时候也讨论了几种应用环境，比如室内办公室场景，需要在1000㎡的范围内提供17Gbps的总流量，密集住宅区场景则需要2Tbps/㎞2的流量密度，更具挑战的大型露天集会场景，需要网络提供924Gbpss/0.44㎞2的流量密度。从业务应用的角度来看，3D/高清视频、云游戏等应用需要单用户带宽在100Mbps级别，VR/AR应用则根据帧率等的不同，则可能高达2.34Gbps，而4G的带宽能力在100Mbps~1Gbps，相对以上场景和业务的需求存在差距。

  • 2021-12-31
  • 阅读100
  • 下载0
  • 7页
  • docx

5G大规模天线（MassiveMIMO）系统架构

作为5G关键技术之一的大规模天线技术，在基站端布置几十甚至上百个天线规模的天线阵，通过波束成形（beam forming）技术，构造朝向多个目标客户的不同波束，并有效减少各个波束之间的干扰，这种对空间资源的充分挖掘，可以有效利用宝贵而稀缺的频带资源并且几十倍地提升网络容量

  • 2021-12-31
  • 阅读97
  • 下载0
  • 7页
  • docx

5G前传的25G WDM技术方案探析

在5G网络建设中，光纤直驱是前传主要的解决方案，但是在密集城区等5G优先覆盖的区域，存在光纤资源剩余但不足直驱的场景，需要采用其它技术方案来解决CRAN模式下的AAU拉远。波分复用（WDM）技术通过光波长复用，以波长来连接AAU，可以在单根光纤复用多个波长，大大降低前传对光纤资源的消耗。可用于5G前传的25G WDM技术存在多种方案，包括DWDM、CWDM和LANWDM等，如图1所示，本文将重点探析和比较这些WDM技术方案。

  • 2021-12-31
  • 阅读103
  • 下载0
  • 7页
  • docx

什么是5G前传WDM技术？

5G共站址建设时，无源CWDM具备比较明显的价格优势，5G初期可作为过渡方案进行前传承载，适用于城区等接入距离较短的场景。 ？PAB-WDM、Open-WDM采用半有源方案时既降低了成本，又具备1+1保护及OAM等有源方案的优势，但设备仍处在开发测试阶段，可作为5G成熟期的备选方案。

  • 2021-12-31
  • 阅读100
  • 下载0
  • 7页
  • docx

半有源5G前传技术研究与试验

随着5G网络的大范围部署，5G前传作为承载网络的重要组成部分，前传方案的选择直接影响运营商的投资成本和建设效率，通过对当前不同的5G前传技术优缺点的分析，结合5G通信对高带宽、低时延、绿色节能及云化的需求，从网络的可靠性、可维性以及带宽惯性进行研究，得出半有源WDM是未来网络建设的焦点，是5G前传的网络建设趋势。

  • 2021-12-31
  • 阅读99
  • 下载0
  • 7页
  • docx

5G通信网络承载CBTC系统业务的方案研究及现场测试

为了积极响应国家的5G发展战略，促进上海轨道交通数字化、智慧化水平的提高，以5G应用探索体系化、技术应用适用化、项目试点可快速复制推广为目标，2020年6月，上海电气泰雷兹交通自动化系统有限公司、上海申通地铁集团有限公司技术中心和中国电信上海分公司共同成立了《基于5G的轨道交通生产辅助业务综合应用研究与试点》项目课题组，共同探索5G技术在城市轨道交通CBTC系统的列车控制、视频监控、智能运维、列车定位等场景下的专业化应用。在该课题的第一阶段，将重点研究利用电信运营商的5G通道代替城市轨道交通高架线路的2.4GHz Wi-Fi和1.8GHz LTE-M车地无线系统，用5G承载CBTC系统的列车控制信息。

  • 2021-12-30
  • 阅读127
  • 下载0
  • 7页
  • docx

捍卫数据隐私：联邦学习在临床预测模型中的应用

标准机器学习方法需要在一台机器或数据中心把数据集中起来训练模型，这需要同时处理多家医疗机构的数据，用于临床预测模型的训练。但医疗数据有着极高的敏感性，包括数据的权属问题、数据的隐私问题、数据的合规问题等，这均要求在保证数据绝对安全、合规的前提下进行机器学习模型的训练。如何在医疗数据不出医疗机构安全域的前提下进行一个模型训练，这是联邦学习（Federated learning）兴起的背景。联邦学习使得不同医疗机构能够协同学习、共享预测模型，同时将所有训练数据保存在各自医疗机构内部，从而将机器学习的能力与数据集中存储脱钩。

  • 2021-12-30
  • 阅读96
  • 下载0
  • 7页
  • docx