加入收藏 | 设为首页 | 会员中心 | 我要投稿 怀化站长网 (https://www.0745zz.cn/)- 语音技术、云资源管理、物联设备、云计算、决策智能!
当前位置: 首页 > 站长资讯 > 评论 > 正文

3GHz是个坎儿!

发布时间:2021-02-04 13:34:32 所属栏目:评论 来源:互联网
导读:5G小站需要克服传统建设的困难 中国移动全力建设5G精品网络,为业务发展奠定了基

5G小站需要克服传统建设的困难

中国移动全力建设5G精品网络,为业务发展奠定了基础。据了解,中国移动克服新冠肺炎疫情影响,全力建设覆盖广泛、技术先进、性能卓越的5G精品网络,并基于全球最大规模SA网络,大力推进ToC和ToB业务发展。张俪表示,基于5G业务特点,中国移动为三个应用场景提出了不同的规划要求,采取相应的频率规划。针对普通公网场景容量需求不高,可考虑室内统一采用2.6G。

针对机场、商场等高容量公网场景,可优先采用2.6G,如与室外周边宏站存在同频干扰,可考虑精细调整切换带或采用频率隔离过渡;超高容量区域可采用2.6G小区分裂或叠加4.9G频段。

针对智慧工厂等室内专网场景,对可靠性、时延、上行速率等有较高要求,室内可考虑4.9G大上行时隙配比等方案。“我们在5G室内进行了全局规划,针对行业与网的大带宽、低时延、可靠性等特殊需求,进行与网区域特殊规划。”张俪表示。

同时,张俪认为,室内采用传统建设方案,将面临无源DAS室分改造、及管控困难等问题,亟需性价比高、易于部署和管理的5G小基站及创新建设方案。“垂直行业千差万别,业务丰富,5G小站具有部署方便、容量高、帧结构更灵活的特点,可满足行业网大上行等多样性、差异化需求。”张俪表示。

5G小站应用场景更广泛

与4G相比,5G小站既有相同点,也有不同点。张俪认为,5G小站站型与4G类似,借鉴4G部署经验,5G有源室分目前将以分布式和扩展型为主。
 

5G是一个室内覆盖为王的时代。5G所拥有的高速率、大连接、低时延的三大特性,将会使得5G业务大多发生在室内。随着2020年运营商室内外基站建设的加速,预测5G将有超过80%的流量会发生在室内。

11月23日,通信世界全媒体策划组织了5G“加速跑”系列论坛第十二期——蓄势而发,5G小基站将迎来爆发拐点。中国移动研究院无线与终端技术研究所主任研究员张俪就5G小基站的需求和应用进行了探讨,她认为产业链上下游需考虑产品方案的优化和成熟、性价比提升、室内外干扰规避等关键问题,同时提高售后、交付、运维能力。
 

3. 自动化

知名风险投资家马克·安德森曾表示,“软件正在毁灭地球”。如今,软件似乎正在进入每个组织的核心业务。2021年将在技术领域实现新的模式,因此管理不善将增加组织的技术债务,而这些债务到最后必须还清。因此,相对于今年技术采用的发展趋势,可能会发现技术支出的变化。企业预算将继续从IT转向更关键的业务运营。由于DevOps指标十分关键,随着业务价值取代发展速度,组织的领导者将吸引更多的投资来增加收入。

软件开发和数据技术支出的重点将放在人工智能的实现上。2021年的众多主题之一将是现有的技术实现自动化。因此,基于Tamr、Paxata和Informatica CLAIRE等基于人工智能的项目可以识别并修复异常值、复制记录和不同的缺陷,这些项目将使其不断学习,这归功于数据净化和更高的质量。

4. 机器学习与物联网的交集

物联网是一个快速发展的细分市场。根据分析机构Transforma Insights公司的预测,到2030年,全球物联网市场将增长到241亿台物联网设备,并将创造1.5万亿美元的收入。

机器学习的利用与物联网逐渐交织在一起。例如,现在正在利用机器学习、人工智能、深度学习来使物联网设备和服务更智能、更安全。在任何情况下,由于机器学习和人工智能需要大量的数据才能有效地工作,这两者的优势是双向的,这正是物联网传感器和设备网络所提供的。

例如,在工业环境中,制造工厂的物联网网络都可以收集运营和性能信息,然后由人工智能系统进行分析,以提高生产系统的性能、支持效率并预测机器何时需要维护。

5. 更快的计算能力

人工智能分析师开始了解人工神经网络的功能以及采用它们的最佳实践。这表明在未来一年内,算法的突破将继续出现在务实的发展和新的问题解决系统。随着第三方云计算服务提供商鼓励在云平台中部署机器学习算法,云计算机器学习解决方案也正在迅速崛起。人工智能可以解决一系列问题,这些问题需要寻找洞察力并做出决策。然而,如果组织没有处理机器建议的能力,则很难接受这个建议。通过特定的路线,可以预见在此期间的持续增长,以提高有关人工智能算法的透明度和可解释性。

6. 强化学习

强化学习(RL)在未来几年内可以被组织普遍采用。它是对深度学习的独特利用,组织可以利用自己的经验来提高捕获数据的有效性。

在强化学习中,人工智能编程是在各种条件下设置的,这些条件描述了软件将执行何种活动。针对不同的动作和结果,采用软件进行自学习,以达到理想的最终目标。

强化学习的一个理想例证是聊天机器人,它可以处理简单的用户查询,例如问候、订单预订、咨询电话。机器学习开发公司可以利用强化学习(RL)通过添加顺序条件使聊天机器人更加巧妙,例如区分潜在客户并将呼叫转移到相关的服务代理。强化学习(RL)的其他一些应用包括商业战略规划的机器人技术、机器人运动控制、工业自动化以及飞机控制。

(编辑:怀化站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    推荐文章
      热点阅读