摩爾斯微電子攜手Gateworks利用Wi-Fi HaLow革新工業(yè)連接

摩爾斯微電子攜手Gateworks，利用Wi-Fi HaLow革新工業(yè)連接 新型Wi-Fi HaLow M.2卡與開發(fā)者套件：為智能工廠、交通運輸與能源系統(tǒng)實現(xiàn)遠距離、低功耗無線連接

發(fā)表于：6/4/2025

華為F5G-A萬兆全光園區(qū)方案中國市場連續(xù)六年第一

6月3日消息，近日，國際數(shù)據(jù)公司IDC發(fā)布最新了《中國POL市場跟蹤報告，2024H2》。 報告顯示，2024年華為在中國POL（Passive Optical LAN，無源光局域網(wǎng)）市場份額排名第一，這也是華為連續(xù)六年位居該市場第一。 據(jù)IDC預測，2025年中國POL市場將增長7.3%，市場容量達到19.9億人民幣，到2029年市場規(guī)模將達到25.2億人民幣。 作為中國POL市場領導者，華為F5G全光園區(qū)解決方案在教育、醫(yī)療、酒店、制造等場景已超過10000+園區(qū)成功商用。

發(fā)表于：6/4/2025

國內(nèi)首個低空智聯(lián)網(wǎng)網(wǎng)絡規(guī)劃建設系統(tǒng)性標準發(fā)布

6月3日消息，近日，在上海市通信管理局和中國民用航空華東地區(qū)空中交通管理局的聯(lián)合牽頭指導下，國內(nèi)首部針對低空智聯(lián)網(wǎng)網(wǎng)絡規(guī)劃建設的系統(tǒng)性標準——《支持低空智聯(lián)網(wǎng)服務的5G網(wǎng)絡規(guī)劃建設技術規(guī)范》團體標準正式發(fā)布施行。該標準填補了國內(nèi)相關標準的空白，為上海市低空經(jīng)濟的創(chuàng)新發(fā)展奠定了堅實基礎。

發(fā)表于：6/3/2025

我國科研團隊實現(xiàn)四節(jié)點間300公里級量子直接通信網(wǎng)絡

6月2日消息，據(jù)央視新聞報道，近日我國科研團隊創(chuàng)新提出長距離大規(guī)?？蓴U展全連接量子直接通信理論架構，并成功實現(xiàn)四節(jié)點間300公里級量子直接通信網(wǎng)絡，相關研究成果發(fā)表于《科學通報》（Science Bulletin）。 上海交通大學教授陳險峰、上海電力大學教授李淵華團隊以北京量子信息科學研究院副院長、清華大學教授龍桂魯團隊的量子直接通信理論為基礎，展開了進一步研究。

發(fā)表于：6/3/2025

一圖讀懂5G商用六周年大事記

一圖讀懂5G商用六周年大事記

發(fā)表于：6/3/2025

10BASE-T1S 以太網(wǎng) —— 連接物理世界和數(shù)字世界

　　長期以來，汽車一直是整個世界復雜性和創(chuàng)新性的縮影?，F(xiàn)代汽車如今已成為高性能計算平臺，能夠處理海量數(shù)據(jù)，本質(zhì)上就像車輪上的數(shù)據(jù)中心。這些汽車控制著眾多子系統(tǒng)，這些子系統(tǒng)相互依賴信息，實現(xiàn)高度自動化，并通過各種傳感器和執(zhí)行器與物理世界進行交互。

發(fā)表于：5/31/2025

中國移動發(fā)布RISC-V超級SIM卡

5 月 29 日消息，由中共河北省委網(wǎng)絡安全和信息化委員會辦公室、河北省工業(yè)和信息化廳、河北雄安新區(qū)管理委員會共同主辦的“雄安新區(qū) RISC-V 產(chǎn)業(yè)創(chuàng)新發(fā)展活動”，以及中國移動聯(lián)合中國工商銀行、中國雄安集團共同組織的分論壇“基于 RISC-V 超級 SIM 硬載體的數(shù)字一卡通專題研討會”于 5 月 28 日在雄安新區(qū)召開。

發(fā)表于：5/30/2025

LG推出全球首個支持NR-NTN衛(wèi)星寬帶通信的車載5G通信模塊

5 月 29 日消息，LG Innotek 韓國當?shù)貢r間昨日宣布推出全球首個支持 NR-NTN 衛(wèi)星寬帶通信的車載 5G 通信模塊，將汽車終端的直接衛(wèi)星通信頻帶寬度從此前的約 0.2MHz 提升至約 30MHz。

發(fā)表于：5/30/2025

SpaceX計劃2025年實現(xiàn)破紀錄的170次軌道發(fā)射

5 月 30 日消息，SpaceX 國家安全太空發(fā)射部門總監(jiān)安妮?梅森昨日在媒體電話會議上明確表示：“我們今年的目標是到年底完成 170 次發(fā)射?！?/a>

一種基于DRSN-GAN的通信信號調(diào)制識別方法

針對在小樣本和低信噪比條件下通信信號調(diào)制識別率低的問題，提出了一種基于深度殘差收縮生成對抗網(wǎng)絡（Deep Residual Shrinkage Network and Generative Adversarial Network, DRSN-GAN）的深度學習框架。首先，將信號的同相正交數(shù)據(jù)(I/Q data)作為模型輸入，通過生成器生成的數(shù)據(jù)對數(shù)據(jù)集進行擴充，有效解決了高質(zhì)量數(shù)據(jù)稀缺的問題，增強了模型的泛化能力。利用DRSN組成判別器，將經(jīng)過擴充的數(shù)據(jù)送入DRSN進行訓練。同時，對輸入數(shù)據(jù)在空間維度上執(zhí)行全局平均池化，利用通道注意力模塊提取I/Q信號的上下文特征，有效減少了噪聲干擾。該方法解決了因固定閾值很難適用于所有樣本而導致的識別準確率低的問題，并在低信噪比環(huán)境下顯著提高了識別效果。實驗結(jié)果表明，所提出的模型在信噪比為0 dB時準確率達92%，對比其他模型，整體分類精度提升了3%，且在小樣本和低信噪比條件下表現(xiàn)出更強的魯棒性。

發(fā)表于：5/29/2025