5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

基于误差估值累加开环校正的诱导式欺骗检测方法

诱导式卫星欺骗干扰可诱导航空器逐渐偏离预定航迹，难以被发现，因此及时有效地检测干扰是飞行安全的保障。在现有紧组合导航体制基础上，设计了一种基于误差估值累加开环校正的紧组合导航结构，并证明了其性能与传统闭环校正紧组合导航性能等效。在此结构中，将紧组合导航系统与自适应序贯概率比检测方法结合，提出了一种基于误差估值累加开环校正的诱导式欺骗检测方法，融合紧组合导航信息与其他不受欺骗影响的导航信息，构建欺骗检测统计量进行诱导式欺骗检测。仿真结果表明，开环校正结构可避免随时间累加的惯性导航系统误差所导致的组合导航滤波器发散问题，同时欺骗检测方法可进一步提高算法对“最坏”情形下微小诱导式欺骗的检测效果。     

智慧标识网络服务机理研究进展及安全性分析

随着互联网规模的不断扩大以及应用场景的多元化,传统网络无法很好地满足新业务的动态多样化需求,因此国内外对未来网络展开了深入研究.本文首先介绍了未来互联网体系架构的研究现状.其次,介绍了具备"三层、两域"特征的智慧标识网络(Smart Identifier NETwork,SINET)体系架构,然后重点阐述了SINET服务机理在服务的命名与解析、路由机制、服务缓存、移动性、传输控制机制、可扩展性、绿色节能等关键技术方面取得的研究进展,并进一步详细分析了SINET服务机理的安全性.最后总结了SINET面临的挑战,对SINET服务机理在大规模场景部署中可能存在的问题做出讨论.     

有机-无机压电材料TMCM-MnCl3的研究

有机-无机压电材料是一种分子铁电体，具有柔性、结构灵活、易成膜、全液相合成及环保节能等优点，可满足新一代薄膜器件及可穿戴设备的需求。该文以三甲基卤代甲基铵(TMXM, X=F, Cl, Br)为有机部分，MnCl₂为无机部分，通过溶液蒸发法制备了具有钙钛矿分子结构的有机-无机压电材料三甲基氯三氯化锰(TMCM-MnCl₃)，并对其分子结构组成、压电、热学、声学及铁电性进行表征。结果表明，TMCM-MnCl₃的压电常数为106 pC/N，居里温度为130 ℃，声阻抗值约为16.5 MRayl，低于压电陶瓷PZT-4(大于33 MRayl)，具有广阔的应用前景。     

直通链路技术的发展与展望

直通链路技术己广泛应用于车联网场景。对于直通链路技术的潜在技术方向给出可行的建议，包括传统直通链路技术的增强方向，如载波聚合、使用非授权频谱等；侧行链路对于中继场景的应用扩展，包括终端到终端之间的中继，以及中继的多链接场景；在高精度定位场景使用直通链路技术。并且，给出直通链路技术与各种新技术的融合应用，如智能反射面与区块链技术，从而解决直通链路技术自身的缺陷。     

北斗星历解析及实时卫星位置解算实现

利用 C 语言编程进行北斗卫星星历数据的实时读取，更新结构体的卫星轨道参数， 从而实现北斗卫星位置的解算，并与武汉大学数据中心提供的北斗精密星历作比较，对解算的卫星位置结果进行评估，最大误差不超过 3.5 米，满足实际应用需要。     

矢量语音传感器微阵列

人工智能的普及促进了语音交互技术的发展,语音传感器阵列作为智能语音交互的硬件前端,成为语音交互领域的前沿研究方向.矢量语音传声器自有的偶极子指向性、零点深度以及阵列体积小便于集成的特点特别符合语音交互技术对硬件设备的要求.基于此,通过采用两组矢量敏感单元"共点正交"形成矢量微阵列实现声源空间锐化波束指向,其不受瑞利限与空间采样率限制,与传统空间离散分布的声压麦克风阵列有着本质区别,是矢量微阵列的核心优势所在.矢量微阵列传声器弥补了现有双麦阵列的不足,具有更为广阔的应用前景,作为智能语音交互的硬件前端,对推动智能语音交互领域的发展具有重要意义.     

Organic Semiconducting Luminophores for Near-Infrared Afterglow,Chemiluminescence, and Bioluminescence Imaging

Optical imaging has played a pivotal role in deciphering in vivo bioinformatics but is limited by shallow penetration depth and poor imaging performance owing to interfering tissue autofluorescence induced by concurrent photoexcitation. The emergence of near-infrared (NIR) self-luminescence imaging independent of real-time irradiation has timely addressed these problems. There are two main kinds of self-luminescent agents, namely inorganic and organic luminophores. Inorganic luminophores usually suffer from long-term biotoxicity concerns resulting from potential heavy-metal ions leakage and nonbiodegradability, which hinders their further translational application. In contrast, organic luminophores, especially organic semiconducting luminophores (OSLs) with good biodegradable potential, tunable design, and outstanding optical properties, are preferred in biological applications. This review summarizes the recent progress of OSLs used in NIR afterglow, chemiluminescence, and bioluminescence imaging. Molecular manipulation and nanoengineering approaches of OSLs are discussed, with emphasis on strategies that can extend the emission wavelength from visible to NIR range and amplify luminescence signals. This review concludes with a discussion of current challenges and possible solutions of OSLs in the self-luminescence field.