来自GSA的最新报告显示，截至2022年6月底，全球有68个国家和地区的135家运营商已经完成、或者已有计划、抑或是正在开展2G和3G网络的关停进程。具体来看，GSA指出，目前42个国家和地区的75家运营商已经完成或者已有计划关闭2G网络。其中，14个国家和地区的23家运营商已经完成了2G网络关停。32个国家和地区的52家运营商已有2G网络关停计划。另外，目前40个国家和地区的75家运营商已经完成或者已有计划再或是正在开展3G网络关停工作。其中，15个国家和地区的26家运营商已经完成了3G网络关停。30个国家的44家运营商已有3G网络关停计划。5个国家和地区的5家运营商正处于3G网络的关停过程中。GSA的研究表明，2G和3G的关网率将继续增加，尤其是3G的关网速度将超过2G。2G和3G的关网潮将在2025年达到高峰。此外，从区域来看，欧洲地区的2G和3G关网数量最多，占据关网总量的63%。亚洲地区占据31%，北美地区、中东及非洲地区和大洋洲地区则分别占据5%左右。

4G改变生活，5G改变社会，未来的6G又会带给我们怎样的世界呢？在近日举行的“第五届数字中国建设峰会”的“5G应用与6G愿景”论坛上，爱立信中国首席技术官彭俊江表示，6G将成为连接虚拟和现实世界的桥梁，6G将引领人类进入“虚拟世界”和“现实世界”的“统一体”。连接虚拟和现实世界的桥梁随着第五代移动通信技术的规模部署和应用，5G逐渐实现了从连接人到连接物的跨越，成为行业数字化转型的重要使能技术，也印证了人们从未停止对更高性能的移动通信能力和更美好生活的追求。而按照移动通信产业“使用一代、建设一代、研发一代”的发展节奏，当前6G的研发和探讨已经在路上。彭俊江对于未来的6G时代进行了畅想：6G将引领我们进入“虚拟世界”和“现实世界”的“统一体”。在由知觉、行为和体验组成的物理世界和可编程的数字世界之间架起一座“桥梁”。其中，网络提供智能和无限的连通性，实现物理世界和数字世界间的完全同步；嵌入到物理世界中的大量传感器实时发送数据以更新数字世界呈现方式；真实物理世界中的执行机构执行数字世界的智能体发出的命令。这样，我们就可以追溯和分析过去的事件、实时观察并采取行动，并模拟、预测和编程未来操作。与元宇宙（虚拟化身进行交互的VR/AR世界）相比，彭俊江认为“虚拟和现实世界的统一体与现实世界的联系更紧密；数字对象被映射到以数字化方式呈现的物理对象上，使它们可以通过‘融合现实’的方式无缝地共存并增强现实世界。”网络演进三步走，6G为创新提供更广阔平台面向未来，5G的下一波演进将使所有类型的企业受益于增强的移动性、灵活性、可靠性和安全性。彭俊江指出，对于未来十年的网络演进，爱立信遵循了基础、探索、预研三步走的原则：第一步，以现网产品为基础，提供解决现网及近期问题的方案，同时为未来打下基础；第二步，积极探索技术与网络演进，在实现标准化和互操作性的同时，不断探索战略技术领域，拓展新业务、新场景的支持，提升网络智能化水平，降低网络能耗；第三步，推动合作研究，以激励和策划长期技术发展。为了实现6G无缝连接虚拟和现实世界的目标，爱立信梳理出四个重要的技术方向：可适应的无限制连接、统一的网络计算结构、完整的可信赖系统、联合认知网络。根据爱立信此前的预计，6G的需求将在2024年提出，按照3GPP一贯秉持的全球统一标准，预计2028年以后将会形成一个完整的6G标准，并在2030年走向商用。“6G为创新提供了更广阔的平台，最适合成为社会的信息支柱，6G的关键是打造数字化可编程的物理世界、内嵌的先进网络能力、有保障的性能与完整性、开放的技术与业务接口，以及智能化、可持续发展、联结世界的创新平台。”彭俊江表示，5G和6G支持的数字基础设施将在实现虚拟与现实融合方面发挥至关重要的作用，网络中嵌入的先进功能(如全实时空间映射和上下文感知用户数据)将是下一波数字化转型的基础。6G是连接物理世界和未来虚拟世界的一个桥梁，彭俊江表示，为了实现这个桥梁，我们需要打造更加开放的产业生态。今年是爱立信在中国的第130周年，爱立信也希望在未来的网络发展中继续扮演好“桥梁”的角色，与新老合作伙伴共同努力实现这一目标。

信息战与联合部队今天，人们普遍认为，信息就是力量，虽然这个众所周知的公理看起来很老套，但近年来，联合部队在信息战（IW，information warfare）环境中经历了快速变化。军事资产被赋予联合部队或其组成部门，在网络空间领域的新兴工具和作战云概念的支持下，越来越多连接在部队范围或部门间产生。在几乎任何人都可以进入的信息环境中，实现主导地位目标，在一个跨越物理世界和虚拟世界的新兴超级连接现实中面临新的复杂挑战。联合部队在进攻和防守方面都没有单独的责任或权力，这种二分法在新出现的作战环境中尤为突出，在这种情况下，越来越多的行为者和参与者变得越来越明显。因此，在联合和分布式跨域作战中，未来的网络攻击方法将需要从根本上改变和重新调整，以响应联合部队作战空间性质和范围的根本变化。 联合部队调整系统、网络和作战方法以在未来的竞争环境中实现优势，需要对诸如 "信息环境 "和 "信息战 "本身等分类法所推断的内容进行重新概念化。即使在今天，我们也应该问自己，什么是IW，它与联合部队的传统军事行动和活动有何不同，以及它将如何影响全域指挥和控制结构？在为未来建立一支灵活而有弹性的战斗部队（包括网络空间领域）的更广泛努力中，网络攻击的定位是什么？这些都是令人困惑的问题，必须考虑 "权力"的重要因素是如何因信息革命而发生变化的。重新思考当今世界的大战略是理解联合部队必须在理论、规划和行动方面调整其未来方法的关键。越来越多的人以新的和新颖的方式测试和使用IW，联合部队使用IW的频率和复杂性也越来越高，且这种情况只会加快。信息是分散的力量信息中蕴含着巨大的力量，虽然 "传统 "的军事方法强调并寻找 "新 "的IW效果，但这些可能并不反映联合部队的最佳解决方案，也不能提供必要的优势，因为网络空间与计划和作战周期的融合正在进行中。IW的范围、性质和特点已经扩大，然而IW在战术、技术和程序（TTPs）以及大战略本身的层面上仍然是一个模糊不清、定义不明的概念。信息革命导致了新的组织和行为者的形成，以及商业甚至非国家行为者在联合部队 "虚拟 "作战领域中的重要性日益增加。因此，越来越多的人需要把这些在信息环境和网络空间范围内活跃的、最终影响到联合部队如何成功执行任务的、日益增长的、不同的利益相关者和行为者集合起来。 变得更有活力和反应能力的目标将要求联合部队在其互动和影响或被影响的信息环境中，产生一个更 "真实 "的IW威胁和风险的战略和行动画面。安全模式从军事主导的格局转移到一个新的格局，这个格局更加分散，跨越了更大深度和广度的利益相关者和合作伙伴，这说明了在战略和作战层面上，网络攻击具有不连贯性。要真正理解战略和作战环境中正在发生的变化，关键是要理解近年来国家权力结构中发生的巨大变化。具有讽刺意味的是，很少有一个正式的政府部门或机构或作战单位只关注信息力量，负责控制和分配这种权力。然而现实情况是，信息力量被稀释在一系列的机构和组织中。随着联合部队向跨领域综合作战能力的转变，这些能力本质上是由信息领域促成的，而信息领域从本质上讲是一个不透明的领域，模糊了物理世界和虚拟世界，因此越来越需要在与空战或陆战相同的水平上认识IW。试图现在声称或围绕什么是信息力量的要素设定界限，对联合部队和类似的其他部队来说，都将是徒劳的。这有令人信服的理由，即处理分类学和组织关系，以及无法为IW任务设定明确的界线和资金。针对越来越多的政府和军事机构的任务，只会阻碍一个连贯的、综合的国家信息主导战略的发展，在这个战略中，整个军队，特别是联合部队是多个组成部分中的一个。在过去，联合部队或其组成部分的作战C2仅由 "他们 "各自的指挥部负责，他们有自己的通信系统，但现在情况不一定如此。例如，问一下，谁在战略层面上控制着信息力量和信息资源？如果不是联合部队，那么联合部队怎么可能成为IW的关键C2机构？

信息战与联合部队今天，人们普遍认为，信息就是力量，虽然这个众所周知的公理看起来很老套，但近年来，联合部队在信息战（IW，information warfare）环境中经历了快速变化。军事资产被赋予联合部队或其组成部门，在网络空间领域的新兴工具和作战云概念的支持下，越来越多连接在部队范围或部门间产生。在几乎任何人都可以进入的信息环境中，实现主导地位目标，在一个跨越物理世界和虚拟世界的新兴超级连接现实中面临新的复杂挑战。联合部队在进攻和防守方面都没有单独的责任或权力，这种二分法在新出现的作战环境中尤为突出，在这种情况下，越来越多的行为者和参与者变得越来越明显。因此，在联合和分布式跨域作战中，未来的网络攻击方法将需要从根本上改变和重新调整，以响应联合部队作战空间性质和范围的根本变化。 联合部队调整系统、网络和作战方法以在未来的竞争环境中实现优势，需要对诸如 "信息环境 "和 "信息战 "本身等分类法所推断的内容进行重新概念化。即使在今天，我们也应该问自己，什么是IW，它与联合部队的传统军事行动和活动有何不同，以及它将如何影响全域指挥和控制结构？在为未来建立一支灵活而有弹性的战斗部队（包括网络空间领域）的更广泛努力中，网络攻击的定位是什么？这些都是令人困惑的问题，必须考虑 "权力"的重要因素是如何因信息革命而发生变化的。重新思考当今世界的大战略是理解联合部队必须在理论、规划和行动方面调整其未来方法的关键。越来越多的人以新的和新颖的方式测试和使用IW，联合部队使用IW的频率和复杂性也越来越高，且这种情况只会加快。信息是分散的力量信息中蕴含着巨大的力量，虽然 "传统 "的军事方法强调并寻找 "新 "的IW效果，但这些可能并不反映联合部队的最佳解决方案，也不能提供必要的优势，因为网络空间与计划和作战周期的融合正在进行中。IW的范围、性质和特点已经扩大，然而IW在战术、技术和程序（TTPs）以及大战略本身的层面上仍然是一个模糊不清、定义不明的概念。信息革命导致了新的组织和行为者的形成，以及商业甚至非国家行为者在联合部队 "虚拟 "作战领域中的重要性日益增加。因此，越来越多的人需要把这些在信息环境和网络空间范围内活跃的、最终影响到联合部队如何成功执行任务的、日益增长的、不同的利益相关者和行为者集合起来。 变得更有活力和反应能力的目标将要求联合部队在其互动和影响或被影响的信息环境中，产生一个更 "真实 "的IW威胁和风险的战略和行动画面。安全模式从军事主导的格局转移到一个新的格局，这个格局更加分散，跨越了更大深度和广度的利益相关者和合作伙伴，这说明了在战略和作战层面上，网络攻击具有不连贯性。要真正理解战略和作战环境中正在发生的变化，关键是要理解近年来国家权力结构中发生的巨大变化。具有讽刺意味的是，很少有一个正式的政府部门或机构或作战单位只关注信息力量，负责控制和分配这种权力。然而现实情况是，信息力量被稀释在一系列的机构和组织中。随着联合部队向跨领域综合作战能力的转变，这些能力本质上是由信息领域促成的，而信息领域从本质上讲是一个不透明的领域，模糊了物理世界和虚拟世界，因此越来越需要在与空战或陆战相同的水平上认识IW。试图现在声称或围绕什么是信息力量的要素设定界限，对联合部队和类似的其他部队来说，都将是徒劳的。这有令人信服的理由，即处理分类学和组织关系，以及无法为IW任务设定明确的界线和资金。针对越来越多的政府和军事机构的任务，只会阻碍一个连贯的、综合的国家信息主导战略的发展，在这个战略中，整个军队，特别是联合部队是多个组成部分中的一个。在过去，联合部队或其组成部分的作战C2仅由 "他们 "各自的指挥部负责，他们有自己的通信系统，但现在情况不一定如此。例如，问一下，谁在战略层面上控制着信息力量和信息资源？如果不是联合部队，那么联合部队怎么可能成为IW的关键C2机构？

在现代监督学习中，如何在训练数据稀缺的新领域学习预测模型是一个日益严峻的挑战。这激励开发领域适应方法，利用已知领域(源领域)中的知识，以适应具有不同概率分布的新领域(目标领域)。当源和目标域处于异构特征空间(称为异构域适应(HDA))时，这就变得更具挑战性。虽然大多数HDA方法利用数学优化将源数据和目标数据映射到一个共同的空间，但它们具有较低的可转移性。神经表征已被证明更具可转移性;然而，它们主要是为同类环境设计的。基于区域适应理论，我们提出了一种新的框架——异构对抗性神经域适应(Heterogeneous Adversarial Neural domain adaptation, HANDA)，以有效地最大化异质性环境下的可迁移性。HANDA在统一的神经网络体系结构中进行特征和分布对齐，通过对抗核学习实现域不变性。在主要的图像和文本电子商务基准测试中，我们进行了三个实验，以评估与最先进的HDA方法相比的性能。HANDA显示了统计上显著的预测性能改善。HANDA的实际效用在真实世界的暗网在线市场中得到了展示。HANDA是电子商务应用领域成功适应的重要一步。 https://arxiv.org/pdf/2205.07853.pdf

物联网中双重非正交多址接入技术的性能分析李东博1,2, 贾敏1, 郭庆1, 顾学迈1, 刘晓锋11 哈尔滨工业大学电子与信息工程学院，黑龙江 哈尔滨 1500012 中国电子科技集团公司航天信息应用技术重点实验室，河北 石家庄 050081摘要随着智慧城市、人工智能、边缘计算等技术的快速发展，未来物联网将面临海量终端接入和频谱资源紧张等问题，基于高频谱效率的非正交安全接入（HSESA）提出一种双重非正交多址接入（D-NOMA）技术，结合了码域的非正交接入和频域的非正交复用，具有很好的频谱效率性能。发送端和接收端被优化，多用户通过稀疏码本直接映射到重叠的子载波上。通过在莱斯信道下的性能分析表明，D-NOMA比HSESA具有更好的误码率性能。关键词： 物联网 ; 双重非正交多址接入 ; 非正交安全接入 ; 频谱效率 ; 误码率1 引言物联网（IoT，Internet of things）是一种新兴且有前景的技术，通过红外识别、射频识别（RFID， radio frequency identification）以及导航定位等多类型传感器获取信息，借助多种通信网络连接海量传感器终端设备实现应用集成、互联互通（M2M，machine-to-machine）和基于云计算的软件即服务（SaaS，software-as-a-service）运营等模式，形成庞大的交织网络[1,2]。IoT支持大量不同类型的终端，这些终端基于不同类型的无线接口，在资源利用方面有不同需求，以分布式方式形成综合信息网络，将现实世界和数字世界日益交汇融合，构建覆盖全球、无缝连接的网络[3]。IoT 技术的快速发展对我国的城市建设具有重要作用，智慧城市的提出对社会发展与进步有重要意义，目前已延伸至交通、安防、农业、环保以及照明等多个行业[4]中，智慧城市的行业应用。5G时代的来临对IoT的发展提出了更多要求[5,6]， 5G 通信技术使得一些新兴的科技领域有了发展的基础与保障，如无人驾驶、智能安防、人工智能以及边缘计算等领域[7]。IoT技术不断革新，使得IoT能够更好地为人民服务。新兴IoT领域的发展，产生了大规模智能终端的连接、海量数据访问和异构网络环境，为了满足大量用户同时接入并且实时通信的需求，引发了巨大的频谱资源压力和带宽效率问题[8]。通信接入技术作为 IoT 发展的重要基础和保障，经历了以频分多址接入（FDMA，frequency division multiple access）为主要技术的第一代无线通信系统（1G）、运用全球移动通信（GSM，global system for mobile communications）和通用分组无线服务（GPRS，general packet radio service）技术的第二代无线通信系统（2G）、以码分多址接入（CDMA，code division multiple access）为主要技术的第三代无线通信系统（3G）和以正交频分复用（OFDM，orthogonal frequency division multiple）为主要技术的第四代无线通信系统（4G）等4个阶段，随着数据接入需求的增大，通信技术在不断革新并快速发展。正交频分多址接入（OFDMA，orthogonal frequency division multiple access）是OFDM技术的演进，结合了OFDM和FDMA技术，OFDMA系统将传输带宽划分成正交的互不重叠的一系列子载波集，将不同子载波集分配给不同用户以实现多址接入。从整个系统带宽来看，每个子载波分配了合适的用户，使得各子载波上的有效信道增益显著提高。以上都是正交多址接入（OMA，orthogonal multiple access）方案，通过正交接入和正交传输方式进行通信，目前IoT的主要接入方式以OMA为主。当稀缺带宽资源仅由具有较差信道条件的用户占用时，频谱效率较差。正交资源总量限制了传统OMA方案支持的最大用户数，因此，OMA方案很难满足未来IoT的高数据速率、频谱资源和海量接入需求[9]。3GPP-LTE（the third generation partnership project long-term evolution）提出了非正交多址接入（NOMA，non-orthogonal multiple access）方案，并且设想它是未来 IoT 的关键技术。与传统的 OMA方式不同，NOMA将多个用户分组、信息进行叠加，通过更少的资源块传播。NOMA的主要特点是在同一时间/频率/码上提供多个用户，与传统的OMA相比，频谱效率增益更显著[10]。NOMA通常分为两类，即功率域复用和码域复用。功率域复用由日本通信公司 NTT DoCoMo 提出，其核心思想是在发送端使用叠加编码，在接收端使用连续干扰消除（SIC），在相同的时频资源块上，通过不同功率级在功率域实现多址接入[11,12]。在码域复用方面，文献[13]提出了低密度签名（LDS，low density signature）；文献[14]中EETAL提出了稀疏码多址接入（SCMA，sparse code multiple access）技术，得到学者的深入研究，其可以适应大规模连接，可用于先进通信系统，确保高速、低时延和最大频谱效率；文献[15]提出了多用户共享接入（MUSA，multiuser shared access）。LDS和SCMA都是低复杂度接收技术，但SCMA通过引入多维复杂码本/星座提供了超过 LDS 的额外编码增益。目前，业界还提出了一些其他多址方案，如文献[16]提出格分割多址接入（LPMA，lattice partition multiple access）；文献[17]提出模式分割多址接入（PDMA，pattern division multiple access）；文献[18]提出比特分割多路复用（BDM，bit division multiplexing）；文献[19]提出高频谱效率的安全接入（HSESA，high spectral efficiency secure access）等。在NOMA方案中，每个正交资源块服务于多个用户，确保了具有不同信道条件的用户可以同时利用相同的带宽资源，从而实现用户公平性和系统频谱效率之间的良好平衡[20,22]。目前已经提出的时域和频域上的非正交传输技术，比传统的OFDM具有更好的带宽利用效率。频谱高效频分复用（SEFDM，spectrally efficient frequency division multiplexing）和超奈奎斯特（FTN，faster-than-nyquist）是以超过奈奎斯特极限正交性的速率进行传输的两个重要研究方向，用于给定信道无干扰传输，SEFDM和FTN都是通过减小子载波之间的间隔来实现高频谱效率传输，在相同符号率的带宽情况下，具备显著优势[23,24,25,26]。本文基于 HSESA 提出一种在频域和码域均具备双重非正交多址接入（D-NOMA,dual non-orthogonal multiple access）特性的方法，该方法包含非正交稀疏码接入和非正交频分复用。通过具有稀疏性的码本映射实现多用户接入更少的资源块，采用非正交重叠副载波用于非正交复用，通过减小子载波之间的频率间隔来增强带宽利用率， D-NOMA 通过改变带宽压缩因子可以在非正交频分复用过程中灵活切换正交性和非正交性，以适用于多种场景。2 结束语本文基于 HSESA 提出了具有双重非正交特性的多址接入方法，该方法能够解决未来IoT频谱资源紧缺、多用户接入等问题。D-NOMA结合非正交码映射和非正交频分复用，在相同载波数下支持多用户接入，通过减少子载波间的频率间隔来提高带宽利用率。同时，D-NOMA可以通过改变带宽压缩因子在正交与非正交间进行切换，采用IoT的莱斯信道模型对上行链路进行分析。通过仿真可以看出，D-NOMA具有比HSESA更好的BER性能，同时复杂度更低。The authors have declared that no competing interests exist.作者已声明无竞争性利益关系。3 原文链接http://www.infocomm-journal.com/wlw/article/2019/2096-3750/2096-3750-3-1-00037.shtml

近年来，伴随着国外疫情影响，国际需求大幅萎缩，大量外单被终止，出口额下滑了75%，为求生存，大量的中小微企业开始转入内销。另一方面，餐饮、旅游、航空等服务业、影视娱乐行业遭受一定程度冲击，衣、住、行等方面的内需均有下降，国内相关企业同样面临了不小的挑战。但在食品、生鲜零售、清洁个护、大健康、高性价比家电、医疗防护、网络游戏等行业，也出现了不同程度的增长，并且催生了大量的创新机会。所以，危机之下，亦是机遇。在云服务的生态系统中，华为云云商店与合作伙伴致力于为用户提供优质、便捷的基于云计算、大数据业务的软件、服务和解决方案，满足华为云用户快速上云和快速开展业务的诉求，帮助许多中小微型企业获得转型升级的市场机会。以畅捷通T+Cloud解决方案为例，聚焦于企业、事业单位的财务管理，进销存管理解决方案，融合了企业人、财、货、客等方面管理需求，帮助提高协作效率、降低管理成本。上架云商店以来，众多企业通过部署T+Cloud解决方案实现“智能新生产”。特别是在五金、机械、电子电器、化妆品、食品、服装、紧固件等有加工制造过程的行业。将生产管理的多个流程集中起来，包括生产管理、委外管理、库存管理及财务核算等，实现管理流程的数字化、可视化和透明化，助企业节省更多的时间和人力成本。T+Cloud解决方案能够帮助企业解决哪些问题？以订货型生产企业为例，在订单执行过程中，客户对于交期要求非常严格，业务员时刻会面临客户催单，要保证订单处于可控状态。当订单量大时，业务员难以订单为依据，统计完工、发货和结算情况。1、实时进度：业务员可通过销售订单跟踪工具，一键查询订单的具体生产、出库、收款等情况，“订单执行图”即可清晰反映订单执行进度，故在面临客户询问时，业务员也可及时反馈，做到“心中有数”。老板也能够以订单为中心，查看购产销一体化的数据，根据订单整体的执行情况观察企业的经营活力。2、过程可视： 工序管理过程中，工序流转卡打印快捷、准确。工序报工便捷、高效，工序进度也能一目了然。采用大屏看板，实现数字化、可视化、透明化。工序汇报、工人产量统计、计件工资、薪资核算无缝衔接，管理更加高效、数据也更加透明。业务流程可以灵活掌控。3、采购计划：通过采购需求分析，结合产品结构和库存现存量，自动生成采购需求，调整确认后生成采购订单，做到有据可依，需求分析来源可以来自销售订单或预测单，也可以来自加工单。4、生产计划：针对生产投产备料难掌握的问题，T+Cloud解决方案可以在接单后，根据销售订单和产品结构，参考库存可用量，形成投产建议，支持按BOM结构的全阶、单阶或指定级次投产。根据投产建议， 精确投产，能够帮助生产企业保证生产订单的准确性与及时性，是确保订单的及时交付的前提。另外，合理的备料分析，在帮助生产不缺料的同时，做到库存不积压，同时还能实时有效地掌握库存，实现采购科学及时。合理备料、精确投产，及时交付，防范积压。5、自助报工：工序汇报单统一汇；手机随时随地自助下工序汇报单，提升报单效率，降低出错率。6、工资核算：计件工资核算单可按日/周/月核算，在与工序管理联用时可参照工序汇报单生成，可有效控制虚报冒领、错算、漏算工资等情况，支持自定义工资类型设置审批流程。7、严控成本：根据物料清单严格按生产加工单领料，补料重点监控，管控好直接材料成本。8、成本核算：直接材料、工人人力成本、制造费用等按数量金额及工时多维度进行产品成本分配（产品成本录入工具），无需增加财务核算工作量，轻松核算出成品成本。凭借优秀的产品能力与服务水平，T+cloud解决方案荣登华为云云商店7月热销榜Top2。>>>点击回顾华为云云商店7月热门榜单让企业成为构建新型生意社交网络和营销关系的“智公司”，云商店将携手伙伴持续创新，致力于成为用户首选的企业应用平台！文中提到的商品链接：T+cloud解决方案撰文&编辑 | 格子

【操作步骤&问题现象】1、PC机上安装了网络助手，设置为server端2、小熊派开发办指定为client端。用AT指令【截图信息】弱弱的问一下AT指令发送成功了吗？我直接烧了实例代码，是不是就不需要单独烧录8266wifi模块了？我通过局域网wifi查看了，PC机和小熊版已经都连接了wifi，且在一个网段。

图数据库像新一代的关系型数据库，取代传统关系型数据库在诸多领域大展拳脚、高歌猛进。图数据库较传统关系型数据库有何优势？适用于哪些技术领域？未来是何态势，有何机遇？《新程序员002》特邀Neo4j亚太地区售前和技术总监俞方桦为大家解读图数据库。随着大数据时代的到来，传统的关系型数据库由于其在数据建模和存储方面的限制，变得越来越难以满足大量频繁变化的需求。关系型数据库，尽管其名称中有“关系”这个词，却并不擅长处理复杂关系的查询和分析。另外，关系型数据库也缺乏在多服务器之上进行水平扩展的能力。基于此，一类非关系型数据库，统称“NoSQL”存储应运而生，并且很快得到广泛研究和应用。NoSQL（Not Only SQL，非关系型数据库）是一类范围广泛、类型多样的数据持久化解决方案。它们不遵循关系型数据库模型，也不使用SQL作为查询语言。其数据存储不需要固定的表格模式，也经常会避免使用SQL的JOIN操作，一般都有水平可扩展的特征。简言之，NoSQL数据库可以按照它们的数据存储模型分4类：键值存储库（Key-Value-stores）列存储 (Column-based-stores)   文档库（Document-stores）图数据库（Graph Database）从DB-Engines发布的数据库技术类别变化趋势图（见图1）中，不难看出图数据库在近十年受到广泛关注、是发展趋势最迅猛的数据库类型。那么，到底什么是“图数据库”？相比关系型数据库，图数据库又有哪些优势呢？1、图数据库与关系型数据库的比较图数据库（Graph Database）是指以图表示、存储和查询数据的一类数据库。这里的“图”，与图片、图形、图表等没有关系，而是基于数学领域的“图论”概念，通常用来描述某些事物之间的某种特定关系。比如在我们的日常生活中：社交网络是图。每个社交网络的参与者是节点，我们在社交网络中的交互，例如“加好友”“点赞”就是连接节点的边。城市交通是图。每个路口、门牌号、公交站点等都是节点，街道或者公交线路是边，将可以到达的地方连接起来。知识也是图。每个名称、概念、人物、事件等都是节点，而类属关系、分类关系、因果关系等是边，将节点连接起来，形成庞大、丰富并且随时在演变的知识图谱。可以说，“图无处不在”（Graphs are everywhere），也正因如此，传统关系型数据库不擅长处理关系的问题，能够被图数据库很好地解决，图数据库正是为解决这一问题而生。其实，在某些方面，图数据库就像新一代的关系数据库，区别在于图数据库不仅存储实体，还存储实体之间的关系。关系型数据库通过“主键-外键”表示隐含的“关系”连接，但实际上这里的“关系”是关系代数中的概念，与我们现实世界中的“关系”不同。通过将关系预先物理存储在数据库中（我们称之为“原生”），图数据库将查询性能由原先的数分钟提高到数毫秒，特别是对于JOIN频繁查询，这种优势更加明显。图2中比较了在社交网络数据集上搜索朋友圈的查询，在原生的图数据库和关系数据库的查询执行效率。显然，使用图数据库比使用传统关系数据库效率有极大提升。作为NoSQL数据库的一种，图数据库通常不需要先定义严格的数据模式，以及强制的字段类型，这使其在处理结构化和半结构化的数据时同样得心应手。除了存储和查询效率方面的优势，图数据库也拥有更加丰富的分析能力，我们通过比较这四类主要的非关系型数据库特点（见表1），就可以得知。2、图数据库的主要技术领域既然图数据库有诸多优势且发展迅速，那它主要涉及哪些技术领域呢？我们用图3来描述。具体来讲，图数据库的主要技术领域包括存储模式、图模型、图查询语言、图分析以及图可视化。存储模式原生图vs非原生图图数据库以节点和边来对现实世界进行数据建模。对于实际的底层物理存储技术，目前主流有两大类方法：原生（Native），即按照节点、边和属性组织数据存储。典型代表有Neo4j、JanusGraph、TigerGraph等。非原生，使用其他存储类型。例如基于列式存储的DataStax、基于键值对的OrientDB以及基于文档的MongoDB。部分关系型数据库也在关系存储之上提供类似图的操作。有的图计算平台底层支持各类存储技术，包括图存储，称作“多模式”，例如百度HugeGraph。原生的图存储由于针对图数据和图操作的特点进行了优化，并且从物理存储到内存中的图处理，都采用一致的模型而无需进行“模式转换”，在大数据量、深度复杂查询以及高并发情况下，性能普遍优于非原生的图存储。图的分布式存储为了支持大规模的图存储和查询，需要对图进行分布式存储。这里有两类分布式的实现方法：1、分片（Sharding）。分片就是根据某一原则（例如根据节点的ID随机分布）将数据分布存储在多个存储实例中。根据切分规则，又可以分为：按点切分。每条边只保存一次，并且出现在同一个分区上。如果处于不同分区的两条边有共同的点，那么点会在各自的分区中复制。这样，邻居多的点（繁忙节点）会被分发到多个分区上，增加了存储空间，并且有可能产生同步问题。这种方法的好处是减少了网络通信。按边切分。通过边切分之后，顶点只保存一次，切断的边会打断保存在不同分区上。在基于边的操作时，对于两个顶点分到两个不同分区的边来说，需要通过网络传输数据。这增加了网络传输的数据量，但好处是节约了存储空间。出于优化性能的考虑，目前按点切分的分布式图更加常见。2、分库（Partitioning）。由于现实世界中的图往往遵循“幂律分布”，即少数节点拥有大量的边，而多数节点拥有很少的边。分片存储不可避免地会造成大量数据冗余复制，或增加分区间网络通信的负担。因此，另外一种分布式的方法是分库。这是借助图建模的方法，将节点按照业务需求、根据查询类型分布在不同库中，是最小化跨库的网络传输。不同库中的数据则通过联邦式查询（Federated Query）实现。图模型在基于图的数据模型中，最常见的两种方法是资源描述框架（Resource Description Framework，RDF）和标签属性图（Labelled Property Graph，LPG）。RDFRDF是W3C组织指定的标准，它使用Web标识符（URI）来标识事物，并通过属性和属性值来描述资源。根据RDF的定义：资源是可拥有URI的任何事物，比如 "http://www.w3school.com.cn/rdf"；属性是拥有名称的资源，比如"author"或"homepage"；属性值是某个属性的值，比如"David"或"http://www.w3school.com.cn"（请注意一个属性值可以是另外一个资源）。我们来看看RDF是怎样描述 “西湖是位于杭州的一个旅游景点”这个事实的（见图4）。RDF图的查询语言是SPARQL。如果要询问“位于杭州的旅游节点有哪些？”，使用SPARQL的查询如下：PREFIX ns: <http://kg.com/ns/travel#> SELECT ?place WHERE { ?place ns:地理位置 ns:杭州 . ?place ns:实例 ns:旅游景点 . }LPG在LPG属性图模型中，数据对象被表示成节点（拥有一个或多个标签）、关系和属性。我们用下面的例子来说明（见图5）。在图5中：节点/顶点是事物（Object）或者实体（Entity）的抽象，可以是“人”“导演”“电影”“演员”等抽象。节点可以拥有一个或多个标签，例如代表“张艺谋”的节点可以有“个人”“导演”“演员”等标签。节点的属性。节点的属性为节点提供丰富的语义，根据顶点代表的类型不同，每个顶点可以有不同的属性，比如以“人”作为顶点，属性可以是“姓名”“性别”等。边/关系。边连接两个节点或同一个节点（指向自己的边），边可以有向或无向。边可以有类型，比如连接“李连杰”和“英雄”的边的类型是“主演”。边的属性。和顶点的属性类似，每条边上也可以有属性。比如连接“李连杰”和“英雄”的边有属性“角色”，其值是“无名”。相比RDF，LPG由于可以在节点和边上定义丰富的属性，更加易于我们理解，建模也更加灵活。图查询语言应该说，关系型数据库在过去半个世纪的成功离不开SQL查询语言标准化。目前，图查询语言的标准化（GQL）工作还在进行当中，其核心语法和特性基于Neo4j的Cypher、Oracle的PGQL和GCORE框架。从查询语言本身来说，主要有两类：声明型（Declarative）。声明型查询语言只要求使用者描述要实现的目标，由查询引擎分析查询语句、生成查询计划然后执行。SQL是声明型查询语言。在图数据库领域，Cypher是最流行的声明型查询语言。命令型（Imperative）。命令型查询语言要求使用者描述具体执行的操作步骤，然后由数据库执行。在图数据库领域，Gremlin是最流行的（近似）命令型的查询语言。从未来的发展趋势来看，声明型查询语言由于其易于理解、学习门槛低、便于推广等特性，将成为主流的图查询语言。智能、优化的查询执行引擎将成为衡量图数据库技术优势的关键。图分析在计算机科学领域，图算法是一个重要的算法类别，经常用于解决复杂的问题。大家应该还能记得在《数据结构》或者软件开发相关课程中都会学到的“树的遍历”（前序、中序、后序等），这就是典型的图算法。部分成熟的图数据库内置了这些图算法，以提供对图数据的高级分析功能。最短路径搜索最短路径是图计算中一类最常见的问题，通常见于解决下面的应用场景：在两个地理位置之间寻找导航路径；在社交网络分析中，计算人们之间相隔的距离，“最短”则基于路径上边的距离和成本，例如：最少跳转次数；Dijkstra算法：边带权重的最短路径；A*算法：基于启发式规则的最短路径；k条最短路径。计算范围则包括：节点对之间；单一起点到图中其他所有节点；全图中所有节点对之间。除此之外，最小生成树、随机游走等图遍历算法也属于这一类。社团检测“物以类聚，人以群分”，这句话非常形象地描述了网络的一个重要特征：聚集成群。群也称作“社区”“团体”“群组”。社区的形成和演变是图分析和研究的又一个重要领域，因为它帮助我们理解和评估群体行为、研究新兴现象。社区检测算法就是在图中对节点进行分组和集合（见图6）：在同一集合中的节点之间的边（代表交互/连接）比分属不同集合的节点之间更多。从这一意义上，我们认为它们有更多共同点。社区检测可以揭示节点集群、隔离的群组和网络结构。在社交网络分析中，这种信息有助于推断拥有共同兴趣的人群。在产品推荐中，可以用来发现相似产品。在自然语言处理/理解中（NLP/NLU），可以用来对文本内容自动分类。社区检测算法还用于生成网络的可视化展现。有助于推断拥有共同兴趣的人群。在产品推荐中，可以用来发现相似产品。在自然语言处理/理解中（NLP/NLU），可以用来对文本内容自动分类。社区检测算法还用于生成网络的可视化展现。中心性算法在图论和网络分析中，中心性指标识别图中最重要的顶点。其应用广泛，包括识别社交网络中最有影响力的人、互联网或城市网络中的关键基础设施节点，以及疾病的超级传播者。最成功的中心度算法当属“页面排行”（PageRank）。这是谷歌搜索引擎背后的网页排序算法的核心。页面排行除了计算页面本身的连接，同时评估链接到它的其他页面的影响力。页面的重要性越高，信息来源的可靠度也越高。应用到社交网络中，这一方法可以简单地解释成“认识我的人越重要，我也越重要”。是不是挺有道理？相似度算法相似度描述两个节点以及更加复杂的子图结构是否在何等程度上属于同一类别，或者有多相似。图/网络相似性度量有三种基本方法：结构等价（Structural Equivalence）；自同构等价（Automorphic Equivalence）； 正则等价（Regular Equivalence）。还有一类是先将节点转换成N维向量(x 1,x 2,…x n)并“投射”到一个N维空间中，然后计算节点之间的夹角或者距离来衡量相似度。这个转换的方法叫作“嵌入”（Embedding），转换的过程叫作“图的表示”，如果是由算法自动得到最佳的转换结果，那么该过程叫作“图的表示学习”。基于图的学习是近年来在人工智能领域非常热门的一个方向，被广泛应用到欺诈检测、智能推荐、自然语言处理等多个领域。图可视化“一图胜万言”这句话是对图可视化最恰当的描述。图可视化直观、智能地展现数据之间的结构和关联，能看到从前在表格或者图表中看不到的内容。2019年，当新冠病毒开始在全球肆虐时，来自Neo4j图数据库社区的一群成员集成了多个异构生物医学和环境数据集（https://github.com/covid-19-net/covid-19-community），建立了关于新冠病毒的知识图谱，以帮助研究人员分析宿主、病原体、环境和病毒之间的相互作用。图7是该知识图谱的部分可视化结果，图中最左边的部分是病毒暴发的地理位置子图，包含国家、地区、城市；中间绿色的部分是流行病学子图，包括有关病毒株、病原体和宿主生物的信息，病例和菌株分别与报告和发现它们的位置相关联；右边紫色的部分是生物学子图，代表生物体、基因组、染色体、变异体等等。图数据的可视化建立了关于事物之间关联的最直观的展现，并且使得原本并不明显、甚至于淹没在数据汪洋中的重要特征得以显现出来，成为新的认知。3、图数据库的未来展望在图数据库出现并兴起的十余年间，它在各个领域都得到了成功的应用，并且产生了众多创新性的解决方案。在社交平台的“网络水军”识别方面，通过分析用户的关系图特征、结合传统的基于用户行为和用户内容的发现方法，可以有效提高预测的准确性和鲁棒性。在金融领域，图和图分析帮助机构更高效地发现异常的关联交易，以赢得反洗钱战争。在电力、电信行业，图数据库帮助管理复杂庞大的设备和线路网络，并及时为故障分析根源、估算影响。在制造、科研、医药等领域，图数据库广泛用于存储和查询知识图谱，成为大数据管理、数据分析和价值挖掘乃至人工智能技术领域的重要支撑。在可预见的未来内，图数据库与人工智能技术的结合应用将会带来更多创新和飞跃。图数据库至少能在以下四个领域帮助提升AI能力。第一，知识图谱，它为决策支持提供领域相关知识/上下文，并且帮助确保答适合于该特定情况。第二，图提供更高的处理效率，因此借助图来优化模型并加速学习过程，可以有效地增强机器学习的效率。第三，基于数据关系的特征提取分析可以识别数据中最具预测性的元素。基于数据中发现的强特征所建立的预测模型拥有更高的准确性。第四，图提供了一种保证AI决策透明度的方法，这使得通过AI得到的结论更加具有可解释性。AI和机器学习具有很大的应用潜力，而图解锁了这种潜力。这是因为图数据库技术支持领域相关知识和关联数据，使AI变得更广泛适用。除此以外，近年来，云端部署的图数据库（SaaS/DaaS）成为了又一个发展趋势。国内的众多大厂纷纷推出自研的云端图数据库产品，例如百度的HugeGraph、阿里的GDB、腾讯的TGDB、华为的GES图计算引擎。就总体趋势而言，我们能够预见，大数据时代，数据缺失不再是最大的挑战，我们渴求的是挖掘数据价值的能力，而数据的价值很大一部分在于数据之间的关联。图数据库和图分析作为处理关联数据最有效的技术和方法，一定会继续大放异彩，书写数据库应用的新篇章。来源：CSDN

基于势博弈的负载已知超密集网络用户关联算法于佳1, 梁亚超2, 顾术实1, 王野11 哈尔滨工业大学（深圳）电子与信息工程学院，广东 深圳 5180552 鹏城实验室网络通信研究中心，广东 深圳 518055摘要针对采用多点协调传输技术的异构超密集网络，提出了基于势博弈的负载已知用户关联算法。负载已知用户关联算法可在满足用户服务质量需求的前提下均衡基站负载，避免宏基站过载，同时可有效提升网络吞吐量。该算法适用于对数据传输速率有一定要求的物联网应用场景，仿真实验验证了算法的有效性。关键词： 超密集网络 ; 多点协调 ; 负载已知 ; 用户关联1 引言思科公司预测，到2021年全球月均IP业务量将达278 EB，其中，超过63%的业务量来自Wi-Fi和移动通信系统[1]。此外，随着物联网应用的发展，网络接入设备的数量出现爆炸式增长。爱立信公司在白皮书[2]中预测，到2020年移动通信系统需要满足的设备连接数量为250亿，业界期望通过第五代移动通信系统（5G）实现万物互联。为了满足移动数据流量和接入量的需求，移动通信系统需要从时、频、空、码等多维度扩展资源以提升资源利用率。超密集网络（UDN，ultra dense network）是充分利用空间资源提升移动通信系统整体性能的有效手段[3,4]，其基本思想是：在大功率宏基站的覆盖范围内增加大量小功率基站，以补充宏小区覆盖的不足，提升目标覆盖区域内的接入量和流量密度， UDN被视为5G的关键技术之一[5]。UDN缩短了基站间距，导致小区间干扰加剧，尤其是当宏基站和小功率基站工作在相同频段时。采用频率复用方法可以有效避免小区间干扰，但极大地降低了覆盖区域内的频谱利用率，不符合移动通信系统的发展方向；另一种可以有效对抗小区间干扰的技术是多点协调（CoMP，coordinated multi-point）传输技术[6]，该传输技术允许多个基站通过相互协调为处于小区边缘的用户服务，以期达到降低干扰、增强信号以及提升边缘用户数据速率的目的。联合传输（JT，joint transmission）是CoMP传输技术的主要类型之一，JT CoMP中与边缘用户关联的多个基站在相同的时频上为用户传输数据，利用空间多样性提升数据传输的质量和速率。本文出现的CoMP传输技术，如无特殊说明均指JT CoMP。在移动通信系统中，用于传输的无线资源有限，因此每个基站在一个传输周期内可承载的用户数量有限。如在LTE系统中，频谱资源被分割成资源块（RB，resource block），每个RB的带宽为180 kHz。假设基站使用20 Mbit/s带宽，即共有100个RB。如果每个用户为满足服务质量（QoS，quality of service）需求至少需要2个RB，则基站服务的用户数不能超过50个。若超过50个，则将有一部分用户不能获得满足QoS需求的服务。传统的用户关联方法是：用户基于接收的参考信号，选择强度最大的基站进行关联，此方法执行简单，在同构网络中效率较高。在异构网络中，由于宏基站的发射功率比低功率小基站的发射功率大得多，使得用户倾向于与宏基站关联，从而导致宏基站负载过重，无法满足用户的QoS需求，而靠近用户的低功率小基站负载较轻甚至空载。上述负载不均衡现象严重影响了 UDN 的性能，小区扩展（CRE，cell rage expansion）偏置[7]，可提高用户选择小功率基站的概率。相比于传统基于参考信号接收功率（RSRP， reference signal receiving power）的方法，CRE可有效均衡基站负载，且实现简单。CRE已被3GPP引入LTE-A技术标准中，但由于无线网络环境是时变的，自适应设置CRE的偏置成为难题。在物联网中，由于接入设备数量庞大，如果在用户关联过程中不考虑基站负载均衡，则容易引起部分基站超载，从而影响网络的正常运行。针对采用 CoMP 传输技术的异构 UDN，提出基于势博弈的负载已知用户关联（LAUA，load-aware user association）算法，该算法能在保障用户 QoS（即数据速率）的前提下平衡基站负载，从而避免发生过载现象。本文所提算法适用于有一定数据速率要求的物联网应用场景，如有视频数据上传需求的场景。该算法同时也适用于非物联网应用场景，因此下文提到的用户既可以表示移动用户，也可以表示物联网设备。2 结束语针对采用 CoMP 传输技术的异构 UDN，提出基于势博弈的 LAUA 算法，能够在满足用户 QoS需求的基础上实现负载均衡，同时提升网络吞吐量。LAUA算法分为LAUA-C算法和LAUA-D算法，可适用于不同的网络需求。仿真结果表明， LAUA 算法在吞吐量和负载均衡方面均优于RSRP算法和CRE算法。The authors have declared that no competing interests exist.作者已声明无竞争性利益关系。3 原文链接http://www.infocomm-journal.com/wlw/article/2019/2096-3750/2096-3750-3-1-00030.shtml

Verizon认为，企业必须优先考虑移动和物联网设备的安全性。在截至今年4月的一年里，网络攻击数量恢复增长，该公司将之归因于企业难以适应不断变化的工作模式。Verizon在2022年版移动安全指数中指出，在接受调查的632名安全策略、政策和管理专业人士中，有45%的人在12个月内报告了移动或物联网设备上的入侵，而2021年这一比例约为25%。Verizon将这一增长归因于混合和远程工作模式的持续流行，但指出2021年的数字是个反常现象，因为受到移动攻击影响的公司比例有所下降，与2018年至2022年14%的复合年增长率趋势背道而驰。在最新的调查中，79%的受访者认为工作方式的改变对他们所在组织的网络安全产生了不利影响。他们中的大多数（85%）表示没有涉及使用家庭Wi-Fi、移动网络和热点的公司政策，同时68%的受访者表示员工被允许使用公共Wi-Fi。超过半数受访者承认，他们之前牺牲了移动和物联网设备的安全性来达到最后期限或生产率目标。“公司需要在他们的安全架构上投入时间和预算，尤其是涉及到外部设备时。”Verizon Business首席执行官桑帕斯·索姆亚纳拉炎（Sampath Sowmyanarayan）表示。“对于企业来说，无论在行业、规模或地理上身处的位置如何，停机时间就是金钱损失。数据泄露意味着信任的丧失，那些时刻虽然不是不可克服的，但很难从中恢复。”

【功能模块】【操作步骤&问题现象】链接：https://www.hiascend.com/zh/software/modelzoo/models/detail/2/2858f2f1366344cbb901b82ec8247464这个利用mtcnn网络做数据预处理操作，是将vggface2数据集中的人脸扣出来放在train_cropped里吗？【截图信息】【日志信息】（可选，上传日志内容或者附件）

【功能模块】串口数据线连接后，启动QCOM_V1.6执行AT指令只反映send ok没有其他数据显示【操作步骤&问题现象】\esp_iot_sdk\bin\at这个路径没找到，所以也没看到什么readme,麻烦请教一下，我把实例代码烧录进去后，还需要单独烧录At指令这个么？如果需要单独烧录的话，以上的路径应该在资料的什么位置？

基于移动热点共享的物联网激励机制研究刘怀哲, 高林哈尔滨工业大学（深圳）电子与信息工程学院，广东 深圳 518055摘要物联网中的许多设备，尤其是能量受限的传感器设备，通常缺乏高效的网络连接方式。若采用基于移动热点共享的组网方式，则可以高效实现大面积网络覆盖。该组网方式的基本思想是激励蜂窝网中的部分移动节点（如智能手机和其他智能设备的持有者）开启移动热点，为资源受限节点提供Wi-Fi连接，满足这些节点的通信需求，从而实现移动互联网的高效接入。在这种组网方式中，如何激励移动用户贡献热点是关键。主要研究移动热点共享网络中的激励机制及其对网络性能的影响，并设计了一套新颖的激励机制，使部分用户可以通过贡献Wi-Fi 热点获取一定收益。首先，研究了该激励机制下不同类型用户的最优共享决策以及不同用户之间决策的影响；然后，分析了用户行为和网络整体状态随时间的演化规律以及系统的均衡状态。仿真结果表明，在系统均衡状态下，移动热点贡献者的数量随免费流量配比的增大而增大，因此导致热点使用者数量增大。若单位流量价格过高，则使用者数量将减少，不利于网络运行。此外，与无热点共享网络相比，采用移动热点共享的组网方式可使网络性能最高提升148%。关键词： 物联网 ; 移动热点共享 ; 激励机制1 引言“万物互联”时代将至，移动终端设备数量激增，全球移动数据流量呈爆发式增长。思科公司预测，2022年全球互联网用户数量将达41亿，连网设备和连接数量将达263亿，网络数据流量每月将达4.8 ZB[1]。不难看出，人们对移动网络的需求持续攀升，提升网络容量的任务迫在眉睫。针对这一问题，传统解决方案如缩小单个蜂窝的规模[2]或通过Wi-Fi接入点、家庭蜂窝等方式，可提高单位面积的网络接入能力[3]，并缓解蜂窝网拥塞。如韩国的KT、LG和SK电信投资4 400万美元，在首尔部署了10 000个固定热点，成本昂贵[4]。因此，如何以较低的成本部署热点，实现更高的网络覆盖面是值得研究的问题。文献[5]中通过整合大量家庭Wi-Fi热点实现网络覆盖的方式，既节约了部署成本，又提高了网络覆盖面[6]。目前，FON是成功运营家庭Wi-Fi热点共享网络的商业案例[7]，但此方式灵活性差，无法适应移动节点动态组网的需求。因此，有研究者提出了一种新思路，即对移动设备所提供的移动Wi-Fi 热点进行整合，从而得到更灵活且具有动态拓扑的移动热点共享网络。Karma是一个成功的移动热点共享网络的商业案例[8]。该公司的运营对象是移动 Wi-Fi 热点共享网络，其思想是激励移动智能设备的持有者成为热点的贡献者，将3G/4G信号转换为Wi-Fi信号从而满足其他智能设备用户的上网需求。Karma公司的激励机制如下[9]：当某个注册用户启动Karma定制的 Wi-Fi 路由器后，设备网络将根据该用户的Karma账户设置网络名称。然后此网络将自动变成一个不设密码的开放Wi-Fi热点，任何“蹭网者”在使用贡献者的Wi-Fi带宽时，该贡献者的Karma账户都会增加100 MB数据流量。因此，只要成为Karma会员，就有机会赚取大量免费流量，从而减少自己的上网开销。此网络由Karma运营商集中控制，即用户无法根据自身意愿来决定是否让其他人接入、让多少人或多少设备接入，也无法控制自己贡献带宽的方式。因此，Karma所运营的网络缺乏由用户自身情况决定带宽贡献的分布式激励机制。移动热点共享网络在满足灵活性的同时，其运营也更具挑战性[10]。在该网络中，节点的功能多种多样，移动模式也不同，从而导致对网络连接的需求差异很大。对网络运营者来说，节点分类和网络拓扑建模是一项具有挑战性的工作。两项重要技术的进步为移动热点共享网络的兴起提供了必要条件：1) 硬、软件的技术进步使得移动设备智能化，且具有较强的计算能力和充足的存储资源[11]；2) 近年来，4G 网络已经普及，终端用户拥有足够的网络带宽。因此，移动设备的持有者就能拥有富裕的资源如移动数据流量和电池电量，为其他用户提供网络连接服务，社交网络的兴起也促进了终端用户通过共享移动热点满足彼此的利益需求。移动用户在共享自己的热点为其他用户提供网络接入并转发数据的过程中，其自身的服务体验可能会下降，同时设备的电池电量消耗也会加剧。如果不给予贡献者一定的补偿，则移动用户成为贡献者的意愿可能会减弱，热点共享网络也很难继续运行。因此，制定合理的激励机制来激励用户贡献自己的热点至关重要。现有的激励机制大多针对固定热点共享网络，如家庭Wi-Fi或公共场所的Wi-Fi热点，移动热点共享网络中的激励机制尚不存在。针对上述问题，本文提出了分布式的激励机制，其基本思想是：以博弈论为理论框架，使用效用函数对各类用户节点的行为决策进行描述，使整个网络在用户节点演化的过程中逐渐达到均衡状态。进一步分析了在该激励机制下，用户节点的最优共享决策、不同用户之间决策的影响，以及在不同激励机制下不同的系统均衡状态。届时，移动热点网络中公平、高效的网络连接将实现。本文的主要贡献如下。1) 研究了新型的基于移动热点共享的网络接入方式，可以有效提高物联网中异构节点接入网络的能力。2) 提出了基于数据流量折扣的激励机制，将对Wi-Fi 热点的贡献者给予奖励，并激励用户根据自身资源掌握情况（数据流量、电池电量等）贡献热点和带宽。3) 利用演化博弈理论系统地分析了在基于数据流量折扣激励机制与不同带宽分配方式下，移动热点共享网络中用户决策行为的演化和网络的均衡状态。2 结束语在物联网中，基于移动热点共享的组网方式可有效提升网络性能，在这类网络中，适当的激励机制至关重要。本文以博弈论为理论框架，将用户节点行为作为切入点，为热点共享网络设计了激励机制。仿真结果表明，在激励机制作用下，移动热点的贡献者采取静态或动态的带宽分配方式都能使网络达到稳定状态，且适当的激励机制可将网络性能最高提升148%，能够实现移动互联网的高效接入。在未来的工作中，可以对智能设备与用户节点进行更细化的分类，对网络演化过程进行更精确的描述，从而制定更贴合实际情况的激励机制。The authors have declared that no competing interests exist.作者已声明无竞争性利益关系。3 原文链接http://www.infocomm-journal.com/wlw/article/2019/2096-3750/2096-3750-3-1-00020.shtml

眼下，5G发展已经来到下半场。不少运营商发现，当前部署的频谱与满足用户和市场未来对移动数据的预期需求之间存在着巨大的差距。事实上，与此前的移动通信标准相比，5G技术在全球市场的推出要复杂得多。由于5G需要达到前所未有的性能水平，运营商们必须在错综复杂的无线电频率中选择和使用，以确保他们能够提供尽可能好的网络速度和覆盖范围。相较于2G、3G和4G技术，5G覆盖了更大的频谱范围，从低频段600MHz到非常高的47GHz频段。行业间对此已经达成了一致共识：成功的5G部署需要低、中和高频段的搭配使用，这样将使运营商能够在覆盖范围和性能之间取得相对理想的平衡。不难发现，全球许多国家中低频段的连续频谱资源已经变得越来越稀缺，也因此在频谱拍卖中“屡现天价”。正如市场研究公司Omdia在近期一篇报告写到的那样，移动运营商需要一系列的频谱来支持5G服务，随着创新服务的开发和下一代网络的发展，这无疑也包括毫米波频谱。而一般来说，对毫米波频谱的竞争并不像对中低频段频谱那样激烈，这使得毫米波频谱的价格较为适中。毫米波频谱以其独特的物理特性带来了挑战和机遇。与其他5G频段相比，毫米波频谱提供了巨大的带宽，超高容量、超快速度和超低延迟。GSMA智库最新报告《愿景2030: 毫米波频谱需求》指出，因为这些特性，毫米波非常适合为密集人口地区的中低频段网络部署提供补充，并通过5G固定无线接入（FWA）向家庭用户提供类光纤的网络连接。此外，毫米波频谱还有助于在工厂或企业网络中确保安全、可靠和低延迟的网络环境。毫米波频谱不是中低频段的替代品当然，必须承认的是，尽管毫米波带来的超大带宽、低时延好处显而易见，但是其覆盖能力有限，部署成本较高，这些短板也不容忽视。不过，当我们来到5G发展的下半场，也即5G覆盖范围足够广、服务广泛可用的情况下，对特定情况下的容量和速度需求会更明显，而这正是我们利用毫米波的最佳场景。来自Fact.MR的研究就表示，到2032年，毫米波技术市场的估值将从2022年的22亿美元增至127亿美元，在整个预测期内将以19.3%的年复合增长率快速增长。其中，高带宽内容和应用使用量的增加，是推动毫米波技术采用增长的主要驱动因素。我们认为，毫米波频谱不应被视为中低频段的替代品，而是可以为中低频段提供补充，并共同确保5G部署取得成功。随着移动数据流量持续快速增长，同时，为了服务新应用所产生的更高数据传输速率需求，都将推动毫米波频谱在保证5G网络容量方面发挥关键作用。由于这些频段中的频谱资源非常丰富，因此毫米波频谱非常适合作为中低频段频谱的补充，从而为5G网络提供更大的容量。GSMA在报告中指出，许多5G用例将依赖于毫米波的成功部署，包括eMBB，尤其是在人口密集的城市地区；城市和郊区及农村城镇的FWA服务；以及工业4.0的5G企业网络。毫米波对于确保成功部署5G至关重要具体来看，毫米波频段可以帮助在中低频段频谱提供的现有容量之上为消费者提供高容量eMBB应用。这在人口密集的城市环境和产生大量数据的特定场所（例如交通枢纽和体育馆等）尤其重要。预计在未来几年，5G服务的需求将继续快速增长。在城市地区，尤其是人口最密集的地区，如果不使用毫米波频谱，其网络容量可能会接近饱和。分析称，对毫米波频谱的需求主要是由人口密度和预期的5G渗透率驱动的，大多数发达国家城市人口最密集的地区，将是毫米波频谱在增加中低频段频谱网络容量方面发挥最重要作用的地方。同时，目前的5G FWA部署依赖于中频段和毫米波频段。从全球来看，5G FWA网络正在服务不足、几乎没有固定宽带替代解决方案的地区推出。此外，在FTTH覆盖率较低的市场，如低收入和中等收入国家，FWA正被用作FTTH的替代方案，并且更加可靠，落地速度更快。研究显示，根据FTTH覆盖情况，5G FWA可以实现比光纤网络更经济、更快地部署，并为农村地区的家庭和企业带来100Mb /s的连接。在农村城镇使用5G FWA毫米波方案，相较于FTTH部署，预计将带来大量的成本节省。5G FWA服务目前正在全球范围内推出，截至2022年3月，已有72家运营商提供5G FWA服务，另有16家已宣布推出计划。此外，毫米波有望在安全、可靠和超高速企业网络的部署中发挥重要作用。由于该频段提供的高容量和极低延迟，以及支持大流量上传的能力，使用毫米波频谱部署的5G网络有望支持更多的工业用例。毫米波非常适合室内环境，因为其干扰风险低，且这些频段中有大量的连续带宽，可用于流量密集型用例。同时，它也非常适合用于并发流量高且上行要求特别重要的应用，例如机器人、计算机视觉、高清摄像头、AR/VR应用以及AGV等。大部分的需求都来自于上传，因为高清摄像头和其他设备在上传时比下载时需要更高的带宽。因此，毫米波频谱特别适合高上传比特率，非常适合用于工业制造网络。应尽快分配足够毫米资源满足市场需求纵观全球，美、日、韩运营商在5G毫米波频谱技术应用和发展方面走得较为靠前。目前美国几家全国性大型运营商均已部署了毫米波网络，用于支持FWA用例或是人口密集地区的热点分流。而在近期，包括加拿大、英国等国的监管机构都正式发出了为移动技术分配毫米波频谱的官方问询。目前的行业主张要求在初始毫米波频段（例如26GHz/28GHz）中为每个运营商分配至少800MHz的频谱。然而，GSMA认为，从长远来看，这可能还不够。成功有效的毫米波频谱分配，对于确保5G在性能和社会经济影响方面实现其真正潜力非常重要。频谱容量限制应该通过尽早为IMT服务分配足够的毫米波资源来解决。《愿景2030: 毫米波频谱需求》报告中对全球多个市场进行建模评估后估算，到2030年，每个市场平均需要总计5GHz的毫米波频谱才能满足不同5G用例的需求。假设到2030年各个国家分配了足够多的中频段频谱，那么每个市场平均将需要4.5GHz的毫米波频谱才能提供高质量的eMBB服务。同时，到2030年，5G FWA用例将需要350MHz至1.2GHz带宽的毫米波频谱，毫米波将补充sub-7GHz频谱提供的容量和覆盖范围，从而使这些地区的家庭用户享受到类似光纤的速度。此外，垂直领域企业网络将需要大约150MHz的毫米波频谱。为了确保到2030年有足够的网络容量，GSMA建议各国监管机构需提供5GHz或更多的毫米波频谱；同时，政府应该对所有5G频段的频谱释放和分配采取全盘着眼的方法，确保运营商有一个明确的分配路线图；另外，还需要考虑到5G达到峰值时的频谱需求，在大多数国家这个时间点可能在2025-2030年期间。面对未来愈发复杂的5G网络需求情况，运营商若想要在覆盖范围和性能之间取得理想的平衡，就必须均衡使用高中低频段频谱，对其各取所长，针对不同场景采用最合适的技术，从而在确保网络质量的同时实现成本降低。