作者|孫封蕾
伴隨著蜂窩無線通信技術的發(fā)展,5G NTN技術相伴相生,為衛(wèi)星通信的發(fā)展帶來了更豐富的想象力,NTN(Non-Terrestrial Network),即非地面網(wǎng)絡通信,是地面蜂窩通信技術的重要補充。NTN可以用手機直接和近地軌道衛(wèi)星相連,地面上再架設信關站作為網(wǎng)關,最終連接到5G核心網(wǎng)。5G NTN技術利用衛(wèi)星通信網(wǎng)絡與地面5G網(wǎng)絡的融合,可以在不受地形地貌的限制和影響下,實現(xiàn)空、天、地、海多維空間的連接。
衛(wèi)星通信和5G的鏈接
衛(wèi)星通信為偏遠地區(qū)提供更廣泛、更高速的網(wǎng)絡服務,真正實現(xiàn)智能設備的廣泛連接,NTN技術可以填補移動通信網(wǎng)絡覆蓋的空白,中微普業(yè)帶來的衛(wèi)星通信室內(nèi)信號覆蓋的解決方案,簡單來看,就是一個針對于衛(wèi)星通信的中繼站。
中微普業(yè)方案技術專家戢紅偉介紹,這樣的中繼站,其實并不需要大家去理解技術原理,只需要知道,他它很安全、方便、高效、可靠。
中微普業(yè)方案技術專家戢紅偉
“把一端的天線所接收到的無線信號收到之后經(jīng)過濾波放大、再用電纜傳達到另一端的天線上、并發(fā)射出去。這么一個過程,如室外的衛(wèi)星天線收到衛(wèi)星的信號,經(jīng)過濾波放大器,再用電纜傳遞到室內(nèi)的天線并發(fā)射出去,完成衛(wèi)星信號從室外到室內(nèi)的“搬移”,反之亦然。實現(xiàn)室內(nèi)等無衛(wèi)星信號的地區(qū)的信號雙向覆蓋。
此基站支持天通、北斗三號、海事衛(wèi)星、星網(wǎng)等星座,可廣泛適用于電子產(chǎn)品測試實驗室、生產(chǎn)工廠中的產(chǎn)品及功能測試,以及人防掩體、船舶艙室、應急指揮車等場景。
測試默默給我們帶來了什么?
中微普業(yè)還有很重要的一部分業(yè)務,是射頻測試,這個測試在默默的陪伴著我們身邊,改變著我們的生活。
戢紅偉介紹,智能穿戴產(chǎn)品的測試就是很重要的一個場景,例如藍牙耳機,藍牙也算是一種無線通信的方式,是短距通信藍牙,它既然是一個通用的標準,它就會有一些標準。測試的標準,就是要看藍牙符不符合標準。諸如發(fā)射的功率,功率大了之后對人體是有危害的,因為戴在耳朵上,離大腦近,發(fā)射功率大就可能對人體的大腦會產(chǎn)生一些損害,功率就不能高于某個值。
盡管藍牙耳機不像手機一樣,有wifi,有2G、3G、4G、5G信號等蜂窩網(wǎng)絡信號,需要測試的內(nèi)容比手機少,比手機簡單,但也同樣有要求。
“比如說,一個正規(guī)的藍牙耳機廠商,他的產(chǎn)品上市之前,都要經(jīng)過嚴格的我們的測試,包含發(fā)射功率、接收靈敏度、寄生發(fā)射等參數(shù),用于評判此產(chǎn)品是否符合藍牙協(xié)議及法規(guī)的標準,但也有一些小作坊做出的藍牙耳機,在使用中會明顯感到信號或者其他地方會存在聯(lián)接有問題,影響使用體驗,區(qū)別就在于此。”
測試還不止于此
數(shù)據(jù)/信號傳輸?shù)年P乎質(zhì)量事關重要,數(shù)據(jù)/信號傳輸?shù)目煽颗c否需要有據(jù)可循,還有很多線材廠商就也成為了中微普業(yè)的客戶。
戢紅偉說,“以前的線材,如以前的視頻傳輸線:AV線、一根線只傳一個圖像,而且只傳出圖像,畫質(zhì)會比較模糊,現(xiàn)在都是 HDMI,又叫高清線,所以說一根高清線可以傳輸更高的速率的信號,在相同的時間以內(nèi),可傳的數(shù)據(jù)就更多了,支持的畫質(zhì)就可以更清晰,還有其他的空間,就能把音頻一起傳過去。要傳輸這么多的信號,這跟線材在出廠場的時候,就也需要進行檢測,看信號傳輸?shù)馁|(zhì)量。”
影響數(shù)據(jù)傳輸速率的因素,存在一系列關鍵參數(shù),如抖動和串擾等,它們會在高速數(shù)據(jù)傳輸時產(chǎn)生顯著影響。為確保數(shù)據(jù)傳輸在可控范圍內(nèi)并符合標準,需要控制并降低時延、抖動和串擾等影響因素。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結(jié)構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。
琢磨技術發(fā)展史,關注算力產(chǎn)業(yè),關注數(shù)字經(jīng)濟。
參與編寫了《開源法則》(人民郵電出版社),《人類計算簡史:從中國算盤到數(shù)字經(jīng)濟》(中共中央黨校出版社)。