2020年第五代通信技术(5G)到来时,工程师们期望它能够处理1000倍于今天蜂窝系统的移动数据。也有人认为它也将会成为物联网(IoT)的 骨干网,连接固定和移动设备(如固定售货机、汽车),成为新经济革命的一部分。新的架构、新的通信技术以及新的硬件将会使这种转变成为可能。上个月在《中 国科学》杂志上,Lancsater大学Ding Zhiguo所在的研究团队和中国西南交通大学的研究者们回顾了当前的研究和未来5G的需求。在一次通过Skype的采访中,Ding对Spectrum 谈了关于5G会如何改变未来的观点。

S(Spectrum):许多国家正部署4G,但它已经过时了吗?
D(Ding):事实上,在今天4G是足够的,但是未来5或10年,新应用会层出不穷,4G显然不能满足要求。 5G会提升数据速率,减少端到端的延迟,提升覆盖。这些特性对于许多物联网相关的应用是尤为重要的。比如,在新近出现的自动驾驶车辆和智能交通中,小的延 迟就是必须的。另一个例子是,随着交互移动游戏的普及,对于带宽的需求是更加迫切的。不幸的是,当前的4G不支持这些。
S:所以5G会在物联网中扮演一个基础的角色?
D:我认为物联网会成为5G理想的应用场景。当前物联网的现状是有一些各自独立的系统。比如,我们有RIFD, 有短距离通信技术,如UWB、蓝牙等等。当我们谈到像智慧城市这样大的图景时,我们需要一个无缝连接的统一框架,这恰恰是一个问题。而5G恰好是提供统一 框架的一个好机会。
S:5G如何处理巨量连接到物联网的设备?带宽够吗?
D:之前的1G-4G技术依赖于所谓正交多址接入技术。以2G中使用的时分多址接入为例,我们把1秒划分为许多 短的间隔,称为时隙。之后我们给每个用户分配一个特定时隙,一个用户不能接入分给别人的信道。这种正交多址接入技术很难支持未来的物联网应用。我们将会有 大量设备,且我们不得不为它们中的每个分配专用的时隙。但由于可用的时隙和带宽数量是有限的,我们最终将无法做到。这就是正交多址接入技术不适用于5G的 原因。
当前有许多关于如何在有限的带宽信道上容纳大量用户的非正交多址接入技术的研究。理想的情况下,非正交多址接入技术会在系统吞吐量和用户公平性之间 取得一个更好的平衡。当然,在用户之间会有干扰,一些用户只能体验低数据速率。但非常有趣的是,在物联网中,有许多设备只需要适时地保持低速率即可。比如 无线医疗中,可穿戴设备(如心跳检测器、生物传感器等)需要把病人的数据及时地发给医院服务器,但这些设备使用的数据速率并不高。通过使用非正交多址接 入,我们可以将大量有不同业务质量需求的物联网用户/设备挤在相同的时隙或频带上。在这个意义下,非正交方法的概念对于物联网来说,是非常令人兴奋和完美 的。
另外的一种解释打破正交多址接入好处的方法是将非正交多址接入视为认知无线电技术的一个特例。当前,我们将单个带宽或信道分配给一个用户,由于此信 道正被该用户占用,所以不能被复用。通过认知无线电通信,我们可以让新的用户进入该信道。如果这些用户到基站之间有好的连接,则我们可以实现高数据速率。 当然这也会引起初始用户一些性能上的下降,但当这些初始用户到基站的连接不佳或者用户间实现了精细的功率控制机制时,这种下降并不十分严重。
S:5G准备如何处理“频谱紧张”(可用的频带已经满了)?
D:要解决频谱紧张的问题,我们需要一系列技术的组合。一种方式是提升当前可用带宽的效率,在这个意义下,我们可以应用非正交多址接入,大规模MIMO,云无线接入网,全双工等等。
另一种方式是使用更短的毫米波长,60或90GHz,更多的频谱带宽可被用于电信。这里有一些挑战。如,频率越高,空气衰减越严重,这就排除了长距 离传输的可能性。另外,还有一个遮挡的问题,需要在发射机和接收机之间有完整的视距传输。通过多天线可以解决该问题,当一条链路被阻挡了,在发射机和接收 机之间还有其它链路。值得指出的是,在物联网的许多应用场景中使用毫米波通信是有前景的,传感器之间有视距连接且距离并不长。
S:下一步准备做什么?
D:5G进展的时间表还未被官方确认。人们普遍预计,正式的讨论以及标准化活动将在明年启动,而商业部署会从2020年开始。当前工业界和学术界正共同识别哪些标准和技术应该被使用,哪些不会。
好文章,需要你的鼓励
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。