摘要：随着智能汽车的不断发展,车辆内部网络各层单元之间的连接日益复杂,尤其在车载内部的感知层以及执行层等单元。基于总线架构的密集有线连接方式导致了布线以及功能集成难度的增加,从而限制了智能网联车的发展。研究通过将车辆内部有线连接模式改进为无线连接模式,设计了一个基于ZigBee、Wi-Fi以及蓝牙无线混合组网的环境感知和反向控制系统,模拟了实现了车内无线环境感知以及反向控制的场景,同时对整个通信系统链路的稳定性以及感知和控制的实时性进行了实验分析。实验结果表明,所设计的面向车载网络的无线系统可基本满足人车交互的数据采集和反向控制系统需求。

摘要：随着6G网络技术的发展,组网区域内流量需求与网络容量分布之间的不匹配问题日益凸显,导致资源浪费现象严重。为了应对这一挑战,使用可衡量空间匹配程度的集成相对能效作为优化目标,通过结合提取动态时间特征的FourierGNN时序预测网络与提取空间特征的RBF网络,提出了一种动态资源配置算法优化基站的带宽与功率配置,通过设计两阶段运行机制解决RBF提取动态时间特征有限的问题,有效提高动态流量需求与网络容量之间的空间匹配性,实现集成相对能效的优化。通过数值实验,首先验证了所提算法比起基线算法与端到端算法分别有12.52%与13.47%的性能提升。其次,通过算法子模块的对比,验证了使用基于奇异值分解的稀疏压缩算法虽然损失了1.1%的性能,但是算法运行时间提升60%,实时性更好,同时相较于LSTM网络以及CNNLSTM网络,基于FourierGNN网络的算法有最大2.3%的性能提升。最后,根据所提算法运行机制对实际组网中的资源调度策略做出指导:流量快变时频繁使用两阶段运行机制消除RBF网络的累计误差,流量慢变时可以减少使用两阶段运行机制的频次,增强算法实时性。

摘要：随着5G无线通信网络大规模部署的开展,网络所消耗的能量正在成倍提升。尽管传统基于站点、频带和时隙静态关断的技术能够显著地提升整个无线网络传输和运营的能效,但面对大通量、高动态的5G业务需求,缺少AI支持的静态关断已无法满足系统的能效指标。因此,从无线通信网络的业务与传输层、媒体接入层和物理层等层面,探讨AI技术引入对提升无线通信网络能效带来的积极影响。利用AI所提供的高度非线性拟合能力和泛化能力,针对无线网络业务的有效调度、传输任务的合理分配、收发机的通用架构以及基带和射频系统的联合优化等方面开展高能效的优化设计。通过搭建原型系统并分析部分案例,提出了相关建议,旨在促进5G和6G无线通信网络的能效提升。