如果你想知道自己的Wi-Fi信号为什么时好时坏,不能覆盖整个房子,其中一个原因是所使用的频率并不适合这一目标。便即提升路由器和天线设计,情况也仍然如此。Wi-Fi通常在2.4 GHz和5 GHz中使用微波频率,这些信号并不具备良好的穿透性。
UHF
部分科学家认为从400 MHz至700 MHz的UHF频谱更为适合,首先其无线电波可更好的覆盖目标。尽管如此,它们并不只有交换那样简单。这一UHF频谱被用于电视广播,这些设备是最先使用 这一频谱的,因此它们可以选择最佳的频率。电视公司喜欢这些UHF信号的原因与我们一样,与微波相比,它们可以传播的更远,变形更少,因此它们更容易被使 用。
信号抵消
休斯顿莱斯大学的科研人员表示,他们找到了一种可以在这些UHF频率中传输数据且不产生干涉的方法。
Xu Zhang和Edward W. Knightly在他们的论文中称,他们是通过信号抵消的方式,在传输数据时“保护”当地电视收看者的。
他们在论文中称,团队开展了一个名为WATCH(活跃的TV信道中的Wi-Fi)的试验,实现了在“千瓦级”电视发射机面前进行Wi-Fi传输,其通过基于智能手机的电视遥控器或是一个与互联网连接的电视通知WATCH控制器关于电视接收机的空间频谱需要
换句话说,该技能能够准确识别频谱的哪一部分收到了电视的请求,然后,它们在同一个频谱中传输Wi-Fi的同时,考虑电视的需求。
Knightly在一篇关于电视技术的文章中称“它们在信道中监视着电视广播,使用信号抵消技术在相同的信道中嵌入无线数据传输,其消除了电视广播 与向计算机用户发送的‘超级’Wi-Fi数据信号的干涉。”在“自干涉抵消算法可让可用频谱翻一倍”之前我曾经写过关于在无线电中的干涉抵消。这一理念与 通过微管理风格的预测优化频谱相似。
监管部门
监管部门正在热切地希望展现自己对重要UHF频谱的公正性。他们允许被称为“白色空间”的未使用UHF频谱被重新规划,前提是只要不影响现有的电视。莱斯大学所展开的研究是让他们的技术可用于在用的UHF频谱,而非未使用的频谱。
这是一个重要的差别,因为尽管监管部门可通过将模拟信号转换成数字信号的方式释放“白色空间”,广播仍然在使用UHF频谱中的大部分频谱。虽然大量 居民开始通过有线、卫星和互联网看电视,但情况仍然如此。研究团队称:“很不幸,许多居民区仍在通过电视广播信号来收看电视,这极大的限制了白色空间的可 用性。”
他们引用消费者电子协会2013年的统计数据称:“在美国,仅7至10%的电视用户是依靠UHF广播收看电视节目的。”尽管UHF已经不再被消费者 大量使用,但是数据等新成员仍然无法使用它们,因为广播公司依然拥有这些频谱,并需要使用它们。如果测试工作取得成功,那么数据和电视广播可以共享这些空 间。但是具有讽刺意味的是,许多数据都是点播电视。
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。