3GPP
PulseAugur coverage of 3GPP — every cluster mentioning 3GPP across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
6G ISAC框架利用AI进行铁路入侵检测
研究人员开发了一个新颖的铁路安全框架，采用了集成感知与通信（ISAC）技术，该技术结合了感知和通信能力以优化无线资源使用。该框架利用了5G-Advanced和6G系统的先进特性，特别是利用信道状态信息（CSI）进行物理层感知。一个由3D卷积神经网络（3D CNN）和双向长短期记忆（BiLSTM）网络组成的机器学习模型，在合成CSI数据上进行了训练，以检测铁路轨道上的入侵者并预测碰撞风险。该模型表现出高精度，实现了99.57%的入侵者检…
-
New MINT-V2X dataset integrates vehicle mobility and network data
研究人员推出 MINT-V2X，一个旨在通过整合移动性和无线网络参数来弥合车联网（V2X）通信研究差距的新数据集。该综合数据集是通过结合 SUMO 的交通模拟和 OMNeT++/Simu5G 的网络模拟生成的，符合 3GPP Release 14 和 ETSI 标准。MINT-V2X 包含来自 1,386 辆汽车的超过 987 万个同步数据点，提供了真实的城市交通场景。通过路侧单元负载预测的案例研究证明了该数据集的实用性，显示出在纳入…
-
新框架在移动网络中以95%的准确率检测GNSS欺骗
研究人员开发了一个新的框架，用于在3GPP移动网络中检测GNSS欺骗，准确率超过95%。该框架旨在符合3GPP标准，解决了网络运营商面临这一安全挑战的关键需求。研究结果已在arXiv上发表。
-
CFM-Bench 基准测试规范了无线AI模型的评估标准
研究人员推出了一款新的基准测试CFM-Bench，旨在规范渠道基础模型（CFM）的评估。该统一平台解决了当前CFM评估流程不一致的问题，这些流程使用不同的数据、配置和指标，导致难以进行公平比较。CFM-Bench 整合了来自模拟和真实世界测量的各种信道配置，以及特定的数据划分策略，以确保严格的测试。该基准测试支持物理层智能、无线接入网决策智能以及通信感知一体化等六个任务组，旨在为评估CFM的可迁移性提供一个通用基础。
-
新框架统一了无线网络的CSI压缩和预测
研究人员开发了一个新颖的框架，该框架统一了无线网络的信道状态信息（CSI）压缩和预测。该方法将对比预测编码（CPC）直接集成到符合3GPP的CSI反馈架构中，解决了当前标准未能充分解决的信道老化问题。该框架提供了两种变体：CPC-before-Compression，在量化之前对未来的潜在表示进行建模；CPC-after-Compression，将此建模转移到基站以降低设备复杂度。评估表明，与现有方法相比，在重建准确性和计算效率方面有了显著提高。
-
TelcoAgent 框架通过可解释 AI 增强 5G 网络预测
研究人员开发了 TelcoAgent，一个旨在改进 5G 及未来电信网络关键绩效测量 (KPM) 预测的新框架。该基于基础模型的系统解决了当前机器学习方法在可扩展性和可解释性方面的局限性。TelcoAgent 采用三代理管道从 3GPP 规范构建知识图谱，利用时间序列基础模型进行零样本预测，并包含一个用于可操作诊断的推理管道。该框架在真实 5G 数据集上进行了测试，在多个 KPM 上展示了高准确性，并为网络问题解决提供了可解释的见解。