頭條 Frost & Sullivan發布2025年5G網絡基礎設施報告 近日，愛立信連續第五年在Frost &Sullivan發布的《Frost Radar：2025年5G網絡基礎設施》報告中被評為行業領軍企業。這一結果彰顯了愛立信對創新和發展的堅定承諾，以及其滿足運營商（CSP）與企業不斷變化需求的能力。 Frost &Sullivan在全球100多家參與者中，獨立標識出了Frost Radar分析中排名前23位的公司。這些公司在市場的各個細分領域處于領先地位或具有創新性。 最新資訊 電信中興和高通聯合完成5G-A高低頻多路并發VR演示 電信、中興和高通聯合完成5G-A高低頻多路并發VR演示 發表于：7/26/2024 中國聯通長安汽車攜手部署5G-A低功耗高精定位技術 中國聯通部署5G-A低功耗高精定位技術助力重慶長安汽車工廠打造安全生產管理新能力 發表于：7/26/2024 大氣環境監測衛星與陸地生態系統碳監測衛星正式投入使用 大氣環境監測衛星與陸地生態系統碳監測衛星正式投入使用 發表于：7/26/2024 5G通信基站光儲配置及充放電方法的研究 5G通信基站作為信息通信領域的基礎設施，滿足了人們對日常通話和流量使用的基本需求。為響應國家“3060”雙碳戰略，通信基站需要改變傳統的電網供電模式，引進光伏系統和儲能電池等綠色能源，實現“綠色、節能、低碳”發展。在不同的電力條件下，如何規劃光伏和儲能配置已成為信息和通信領域的一個重要研究方向。創新模擬光伏函數模型，探索不同電力條件下光儲配置的最優方法，創新光儲系統的充放電方法，實現綠色能源應用的效益最大化。 發表于：7/25/2024 110 GHz頻段山地無人機視距通信概率及傳播損耗研究 利用射線追蹤法建立了基于視距概率的無人機毫米波信道模型，并針對路徑損耗進行了雙斜率模型分析，闡述了視距概率的建模過程并進行了模型參數分析。由于地形遮擋等環境的影響，損耗較大的反射和繞射路徑致使信號的接收強度在突變點前后波動較大，導致單斜率擬合模型不再適用。因此利用線性回歸分別在兩種地形下對仿真數據進行了單斜率和雙斜率接收功率模型的擬合。結果表明雙斜率接收功率模型比單斜率模型的擬合效果更好，兩種模型在地形更平坦區域擬合的精確度更高。 發表于：7/25/2024 一種低軌衛星網絡中編隊組網路由算法研究 低軌道分布式衛星網絡作為6G通信技術的重要組成部分，可以實現高速傳輸和低延時的通信，可以滿足6G通信技術的高速率和低延時的需求。針對低軌道分布式衛星網絡的組網方法進行了研究，對衛星網絡的路由算法進行了歸納總結，提出一種基于帶寬和延遲聯合的路由選擇算法，并實現了三種不同的路由選擇算法，發現各算法性能差異明顯。實驗結果表明基于帶寬和延遲聯合算法在選擇最佳路徑的同時，能夠更好地平衡網絡的負載和減小時延，提高衛星網絡的傳輸效率。 發表于：7/25/2024 面向船舶通信應用場景的5G小基站覆蓋方案設計與驗證 隨著5G設備部署密度逐步增大，5G大時代來臨，單純從增加宏基站部署的角度來看，成本價格太高，另一方面，5G toB、toC個性化需求逐步增加。針對5G頻段上移、穿墻能力減弱、個性化要求的問題，5G一體化小基站應運而生，并在補盲、補熱范疇作用逐步提升。針對水上作業通信困難的問題，提出了一種新型基于CPE的組網方案，該方法安裝便捷、價格低廉，極大滿足用戶需求，可大范圍推廣。 發表于：7/25/2024 改進自適應加權的海面目標距離測量和跟蹤 海上目標距離探測和跟蹤是海洋安全和軍事應用中的關鍵任務之一，針對復雜海面環境在海雜波等影響因素下目標距離測量精度低的問題，提出了一種改進的多傳感器數據融合算法。該算法利用海面艦船雷達及陸地雷達聯合探測結果，先對多個數據源數據進行坐標系轉換，利用Robust Z-score方法進行縱向數據預處理剔除異常數據，再通過重新定義置信距離度量，將置信度較高的傳感器結果代替被踢除數據后，對結果進行自適應加權融合。同時，為了進一步提高數據精度，引入了一種分段融合機制，將改進的傳感器數據融合算法與階梯式自適應加權融合算法進行級聯，通過度量各分段融合結果的相似度，設定一個置信閾值，通過該置信閾值確定最終的融合結果。仿真實驗結果證實了算法的有效性和準確性。 發表于：7/25/2024 改進轉移概率矩陣的三維交互式跟蹤模型算法 由于現有的簡單的轉移概率矩陣會導致跟蹤精度不高，復雜的轉移概率矩陣會導致跟蹤時間過長，難以滿足三維空間中機動目標跟蹤要求。針對轉移概率矩陣的設計問題，從機理分析入手，提出了一種基于隸屬度函數的模型轉移概率矩陣設計方法，并對三維交互式多模型算法進行了改進完善。仿真結果表明，依據隸屬度函數修正轉移概率矩陣的方法有效提高了三維機動目標的跟蹤精度。 發表于：7/25/2024 有偏量測下基于最大相關熵卡爾曼濾波的目標跟蹤方法 針對傳感器存在系統偏差且噪聲非高斯條件下目標狀態估計精度較差的問題，提出一種有偏量測下基于最大相關熵卡爾曼濾波（Maximum Correntropy Kalman Filter， MCKF）的目標跟蹤方法。該方法通過引入差分機制，利用目標相鄰時刻的有偏量測之差構建差分量測方程，有效克服了系統偏差的影響。隨后基于最大相關熵準則（Maximum Correntropy Criterion， MCC）量化估計誤差的高階矩信息，并以差分量測為先驗條件推導出有偏量測下算法的濾波迭代方程。仿真結果表明，當系統觀測值受傳感器系統偏差和非高斯噪聲干擾時，與現有方法相比，所提方法具有更好的跟蹤性能。 發表于：7/25/2024 ?…73747576777879808182…?
