【摘 要】
：
800 Git/s光模块场景包括SR场景（100 m）、DR/FR/LR场景（500 m/2 km/10 km）、ER/ZR场景（40 km/80 km）。结合商用规律和技术成熟度两个维度，提出了单模方案下沉、单波200 Gbit/s来临、相干下沉3个趋势判断。预测了800 Gbit/s主流模块接口形态，具体包括基于直接调制激光器（DML）/硅光（SiPh）的800 Gbit/s SR8、基于电吸
论文部分内容阅读
800 Git/s光模块场景包括SR场景（100 m）、DR/FR/LR场景（500 m/2 km/10 km）、ER/ZR场景（40 km/80 km）。结合商用规律和技术成熟度两个维度，提出了单模方案下沉、单波200 Gbit/s来临、相干下沉3个趋势判断。预测了800 Gbit/s主流模块接口形态，具体包括基于直接调制激光器（DML）/硅光（SiPh）的800 Gbit/s SR8、基于电吸收调制激光器（EML）/SiPh的800 Gbit/s DR4、基于EML的800 Gbit/s FR4
其他文献
针对工业物联网（IIoT）中，工业设备将数据存储到云端，导致数据易被篡改且无法追踪恶意用户，引起恶性循环的问题，借助区块链的可溯源性和不可篡改性等特点，提出了一种基于区块链的双重可验证云存储方案。首先，使用同态加密技术加密数据并上传至云端，确保传输安全性，实现数据的隐私保护；其次，将聚合密文和上传者信息存储在区块链上，有效避免数据被非法用户篡改的风险，并能对恶意用户进行追溯，实现对云端数据完整性的
北斗卫星导航系统（BDS）已于2020年6月完成全球组网，为我国独立自主地开展卫星定位工作提供了坚实的基础。目前在铁路勘测及建设领域，仍普遍使用美国的全球定位系统（GPS）。为了探索BDS在铁路工程测量应用中的可行性，需要对比分析其实测精度。为此，2020年在高海拔地区的西藏昌都某控制测量实验场和低海拔地区的安徽宣城既有宣杭铁路，使用国产多星多频测量型接收机，进行了基础平面控制网（CPI）、线路平
触觉作为互联网的第3种媒体流，将广泛应用于未来的触感应用中。在触感交互任务中，要将用户的体验质量维持在最佳水平，仍是一个具有挑战性的任务。介绍了触感信号的主要特点和触感交互面临的挑战，并对触感信息获取与再现、编码、传输等技术的研究进行了综合讨论。未来多模态的触觉设备、高效率的触感编码与双边遥操作控制方法的相互融合，以及标准的网络传输协议的发展，都将推动触感技术在多媒体交互任务中的应用。
针对传统伽马通频率倒谱系数（GFCC）存在频谱泄漏和单一语音特征增强性能不佳的问题，提出了一种基于改进伽马通频率倒谱系数（IGFCC）的多目标学习语音增强算法。首先，根据机载噪声非平稳特性提出一种结合改进加权平滑的多窗谱估计和幂函数压缩的GFCC新特征；然后，构建一种基于IGFCC的多目标学习深度神经网络模型，联合带噪语音的IGFCC、对数功率谱（LPS）、Mel频率倒谱系数（MFCC）以及静态噪
顺应6G网络发展趋势，围绕触觉互联网（TI）超低时延、超高可靠的关键性能需求，从网络架构、信息传输、资源管理3个层面系统性地提出了TI关键使能技术框架。在网络架构方面，提出基于软件定义网络（SDN）/网络功能虚拟化（NFV）和人工智能（AI）赋能的新型网络架构；在信息传输方面，提出采用多模态通信增强沉浸体验，并利用语义通信促进智能体间的达意通信；在资源管理方面，提出通过通信-计算-存储多维资源融合
提出了一种面向视触融合人机交互的三维柔性触觉传感器以及相应的触觉采集软硬件装置，用于采集真实物理操作过程中的触觉力信息。该触觉传感器由前、左、右三面组成，可佩戴在人手指尖部位并捕捉抓取过程中的触觉信息。通过实验测量，该传感器的测量范围是0～20 N，检测精度为0.1 N，平均响应时间为23.8 ms，能够提供实时、高精度的触觉信息采集。
面向未来以低时延、高可靠、双向互动为目标的触觉通信，从触觉感受以及触觉信号特性出发，描述了触觉信号的采集与表征方法；针对以远程工业控制、远程医疗、沉浸式游戏等为代表的典型触觉业务、多模态业务中存在的触觉信号受损或丢失问题，分别从同模态和跨模态两个角度提出了触觉信号的恢复架构。所提出的触觉通信原型系统，能够实现远程触觉信息的精准感知和反馈，增强用户的沉浸式体验。
大气信道是具有记忆且随时间不断变化的弥散信道效应，使得数字传输过程中的误码率增大，影响了系统整体传输性能。研究了基于人工神经网络（ANN）算法的自适应数字均衡技术在大气信道中的应用，构建了大气信道模拟框图。将均衡等效于分类问题，对输入信号进行边界判决。选用反向传播（BP）神经算法来进行判决分类，进而实现自适应均衡。最后研究了基于ANN算法的线性均衡和判决反馈均衡算法，完成了基于开关键控（OOK）和
针对MIMO-OFDM系统中的脉冲噪声问题，提出了一种基于多测量向量压缩感知理论的信道与脉冲噪声联合估计方法。该方法将信道冲激响应和脉冲噪声联合组成一个具有行稀疏性的待估计矩阵，构建了一个基于全部子载波的多测量向量压缩感知模型。由于数据子载波中未知的发射符号导致观察矩阵的部分元素不确定，为此将发射符号视作未知参数，利用稀疏贝叶斯学习理论和期望最大值算法实现了一种能联合估计信道、脉冲噪声和发射符号的
为了增强图像特征鉴别力和鲁棒性，获取图像紧致的特征表达是关键。然而，现有的图像特征学习的方法大多采用最大化L_(2)范数的方式定义，导致其对噪声和异常值十分敏感。针对这个问题，提出了一种基于L_(2，1)范数的鲁棒鉴别特征学习算法。该算法在数据预处理中加入了类内聚拢操作，使得同类样本尽可能靠近，减小了类内异常样本以及强噪声样本的影响；此外，引入L_(2，1)范数重新定义了数据的类内和类间相关矩阵，