【摘 要】
：
"开放化"和"软件化"是运营商网络重构的重要目标,开源软件技术是运营商网络重构的重要技术手段。认为当前运营商领域的开源技术体系正在日益完善中,但是在软件能力、知识产权、社区运营等方面仍存在一定风险。运营商需要将开源技术的引入提升到企业战略的高度,强化开源管理的重点举措,弥补在网络发展和业务创新中的软件短板,并遵循完善软件研发模式,深度参与社区建设,实现重点领域突破的工作步骤,有序推进开源技术在现网
论文部分内容阅读
"开放化"和"软件化"是运营商网络重构的重要目标,开源软件技术是运营商网络重构的重要技术手段。认为当前运营商领域的开源技术体系正在日益完善中,但是在软件能力、知识产权、社区运营等方面仍存在一定风险。运营商需要将开源技术的引入提升到企业战略的高度,强化开源管理的重点举措,弥补在网络发展和业务创新中的软件短板,并遵循完善软件研发模式,深度参与社区建设,实现重点领域突破的工作步骤,有序推进开源技术在现网的规模引入。
其他文献
无线信道均衡可以被看成将接收端符号恢复成发射符号集中某个符号的问题;而无线通信系统中的许多恢复过程可以被认为是通过学习一组具有良好的概率包络和相干时间的随机滤波器来克服信号的线性混合、旋转、时移、缩放以及卷积等特性。具体地,使用卷积神经网络(CNN)来学习这些滤波器,然后将学习到的滤波器送入后续的循环神经网络进行时域建模,最后对信号进行分类。实验显示:卷积-循环神经网络(CRNN)均衡器与传统的递
针对宽带多天线毫米波系统面临的频率选择性信道衰落和硬件实现约束,提出结合单载波频域均衡技术的数模混合波束赋形算法。以均衡器输出信号的最小均方误差为准则,优化波束赋形矩阵和均衡器的系数。为降低求解复杂度,应用迭代天线阵列训练技术将原始优化问题分解为在基站和用户端的本地优化问题,使需优化的系数通过通信两端的交替迭代处理获得收敛。仿真表明:提出的新算法在误比特率为10~(-4)时较传统算法在信噪比上具有
构建了系统性评估软件定义网络(SDN)/网络功能虚拟化(NFV)技术能力的三级测试方法体系:接口级别的测试方法、网元级别的测试方法和平台级别的测试方法。结合技术发展的具体特点,该体系分级别抽象了测试工作需要开展的测试方向,首次形成了相应的测试评估指标。该测试方法体系将为进一步的测试研究工作提供重要的参考。
针对目前域自适应目标识别问题的学习方法,进行系统总结。首先,提出目标识别的两个基本主题:基于域自适应的目标分类和目标检测;然后,围绕这两个主题,从特征和样本两个角度,展开具体综述。认为对于域自适应目标分类,几种算法的主要问题为:忽略了样本所构成的流形几何结构,如果能利用几何结构来约束特征表达,将有利于样本特征鲁棒性的提高。对于域自适应目标检测,其问题为:现有方法对源样本和带标签的目标域样本存在依赖
提出了一种基于半矢量复模式匹配方法的类矩形波导模式求解方法,利用一维复模式求解和复模式匹配方法,求解包括矩形波导在内的任何类矩形波导的电磁场分布和有效折射率。首先在波导一个维度进行差分离散,得到一维复模式分布,在另一个维度利用波导的边界条件和电磁场在波导内的奇偶分布特性得到解析关系,最后通过求解特征矩阵得到类矩形波导中电磁场的分布。与传统方法相比,利用复模式匹配方法求解类矩形波导中的模场具有计算精
提出一种新型立体式网络空间安全体系结构,新结构有助于实现立体式网络空间安全防御体系,克服了传统线性防御体系只能应对单一性安全威胁的缺点。在新的体系结构中,网络空间
深度学习技术的应用日渐广泛,在语音、图像、文本处理、搜索引擎、广告推荐等领域都取得了巨大的成功。认为深度学习自身具有盲点,无法解决全部的机器学习问题,并指出了深度学习的优缺点,为深度学习的使用者提供了一定的理论指导。最后,还展望了深度学习的未来发展趋势。
封装天线(AiP)是基于封装材料与工艺,将天线与芯片集成在封装内实现系统级无线功能的一门技术。AiP技术顺应了硅基半导体工艺集成度提高的潮流,为系统级无线芯片提供了良好的天线与封装解决方案。最新权威市场分析报告断言:AiP技术会是毫米波5G通信与汽车雷达芯片必选的一项技术,所以AiP技术最近受到广泛重视,取得了许多重要进展。尝试全方位总结AiP技术在过去不到1年的时间内所获得的最新成果,内容包括新
主要探讨5G非正交多址(NOMA)及相应的接收机设计。NOMA在与免调度传输结合时,其收发机的设计除了需要考虑多用户干扰抑制及分集增益的最大化以外,还需要考虑实际的用户检测和识别以及存在碰撞情况下的非理想信道估计。在经典的最小均方误差估计结合串行干扰消除(MMSE-SIC)接收机算法基础上,针对几种不同的免调度实现方案给予相应的解决方案。仿真结果表明:所提方案在误差传播抑制和复杂度降低等方面均有较