在特定时刻所使用的特定应用程序中,我们能使用的无线频谱是有限的。而且,我们所能使用的传输功率也是有限的(受限于法规及无线规模、成本及功耗等实际条件)。因此,无线设计人员和无线系统架构师开发了许多更加聪明的技术,在不违反本地法规或物理原理的前提下提升无缝网络的性能——而且通常提升幅度很大。
这其中最重要的技术是MIMO(多输入/多输出)——或许也是自19世纪末和20世纪初无线技术面世以来最大的一个进步。这里的输入和输出是无线频道。其核心概念是将我们要发送的数据编码成多个版本,然后同时通过多个无线通道发送和传输出去。这些传输就称为空间串流。这项技术的成功实际上取决于多路技术,而它在以前却一直是一个问题,因为它经常会导致无线信号发生毁灭性衰减。
但是,使用的路径越多,MIMO系统的表现就越好。这似乎有点不可理解。确实。以前有很多人认为MIMO是不可用的,因为它似乎违反了香农定律,它定义了可通过任意通道传输的信息数量。但是,MIMO实际上是一种三维技术,其中包括无线信号的频率、时间及空间维度。在三维空间去计算香农公式,其结果是正确的。最终结果是:MIMO的光谱效率很大程度取决于现代无线系统的吞吐量,而且未来还有继续提升的空间。
无论无线的效率有多高,我们都有理由去使用各种复杂的无线协议和网络协议,而它们通常都包含在标准中。这些协议包括许多无线LAN及其他无线系统的IEEE标准、各种蜂窝系统标准及其他无线实现。当然,这些协议在设计时都考虑了提高互操作性和降低成本,特别是通过减少通信流量来提升性能。它们还通过对操作系统及应用软件隐藏低层实现来提高可靠性,因此最终能够降低成本。例如,IEEE 802.11标准的设计目标是让无线通信变得像有线LAN通信一样——一个考虑了无线技术本身所有内在差异性的伟大壮举。
一旦我们到到网络层(第3层)以上,各种上层网络技术还能够提供进一步的优化。这里最重要的是系统供应商用于优化流量流的架构与实现决策。这些技术封装了许多智能,如应用感知性、在线时间公平性、无线资源管理(优化传输功率、使用无线频道等)及许多其他让最终用户体验到更高性能无线网络的改进。因此,虽然用户觉得一个无线网络性能高于另一个网络,但是它们的无线传输却没有太多的差异。相反,这些改进可能源于无线价值链中其他环节的优化。
现在,无线网络中有一些元件已经由软件实现,甚至有一些已经被移到云上。与等同代技术已经非常多地参与同代的无线系统,同样承诺会继续提高性能和降低价格。更快、更好、更便宜——是不是早就听过这些说法啊?它们已经真实地发生在无线领域中。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。