PulseAugur
中
实时 13:37:52
实体 Open Radio Access Network

Open Radio Access Network

PulseAugur coverage of Open Radio Access Network — every cluster mentioning Open Radio Access Network across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
8
90 天内 35
发布 · 30天
0
90 天内 0
论文 · 30天
8
90 天内 35
层级分布 · 90 天
主题
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/2 页 · 共 35 条
  1. RESEARCH · CL_366253 ·

    CoSlice 使用多智能体强化学习进行5G网络切片分配

    研究人员开发了CoSlice,一个利用协调式多智能体强化学习在开放无线接入网络(O-RAN)的5G网络切片中进行资源分配的新框架。该方法采用偏好条件智能体进行快速分配,并使用基于LLM的协调器进行较慢的全局目标适应。该系统被构建为一个多目标部分可观察随机博弈,实验结果表明与现有方法相比,其在减少SLA违规方面是有效的。

  2. TOOL · CL_364032 ·

    SLED框架实现传感器切片,支持从边缘到数据中心的数据传输

    一篇新的研究论文介绍SLED,这是一个旨在改善从边缘设备到数据中心传感器数据管理的框架。SLED实现了传感器切片(SL),为开放无线接入网络中单个用户设备内的独立传感器提供确定性隔离。与现有方法相比,这种方法显著减少了开发时间和人工提示,同时即使在高流量负载下也能确保关键遥测数据的稳定延迟。实验表明,随着传感器切片数量的增加,SLED能够将吞吐量维持在预期的分配范围内,从而优化了从传感器到高性能计算(HPC)管道的资源利用率。

  3. TOOL · CL_338502 ·

    新的 CLIC 系统保护开放式 RAN 中的 LLM 免受注入攻击

    研究人员开发了 CLIC,这是一个闭环意图一致性层,旨在保护集成到开放式无线接入网络 (O-RAN) 中的大型语言模型 (LLM)。该系统通过引入正式的一致性分数来解决运行时提示注入和残余虚拟提示注入 (VPI) 攻击。CLIC 在 OpenAI Cellular 平台上实现,显著降低了攻击成功率,同时略微增加了延迟。

  4. TOOL · CL_324624 ·

    AI代理增强6G系统的意图驱动网络

    研究人员开发了一个新颖的多代理框架,该框架利用大型语言模型(LLMs)来增强6G无线系统的意图驱动网络(IBN)。该系统使用能够分解自然语言意图、咨询无线接入网(RAN)和核心网功能的专用代理,并通过迭代推理和行动周期来合成网络配置的代理。评估表明,这种方法优于单体代理、基于规则的系统和直接LLM提示,为网络自动化提供了一种更具可解释性和约束感知的方法,特别适用于Open RAN部署。

  5. TOOL · CL_317199 ·

    提出AI Agent以增强面向用户的开放无线接入网(Open RAN)性能

    一篇新的研究论文提出了一种基于语言模型的AI Agent,用于管理面向用户的开放无线接入网(Open RAN)集群。该方法旨在有效解决为面向用户的开放无线接入网(Open RAN)架构形成合适集群的挑战。仿真结果表明,与传统的面向网络的架构相比,所提出的AI Agent可以将中位数用户吞吐量提高一倍以上。

  6. TOOL · CL_303501 ·

    新方法增强了异构5G网络中的干扰检测能力

    研究人员开发了一种统计集成方法(SEM),用于在开放无线接入网络(O-RAN)中检测射频干扰。该方法结合了自适应基线检测、异常检测和突变检测,能够泛化到异构的5G环境。SEM无需标记数据即可立即运行,并可随时间推移进行优化,为可能在分布变化下失效的机器学习模型提供了一种更鲁棒的替代方案。

  7. TOOL · CL_300677 ·

    新的 LLM 框架自动化 O-RAN 安全分析

    研究人员开发了 AutoSec-RAN,一个新颖的框架,通过微调大型语言模型来自动化开放无线接入网 (O-RAN) 系统的安全分析。该方法利用 Mistral-7B-Instruct 的基于规范的微调以及对标准文档的检索增强生成 (RAG)。该系统在 5G/O-RAN 测试台上进行了测试,平均评委得分为 0.713,展示了其在验证 AI 原生 O-RAN 安全方面的潜力。

  8. TOOL · CL_289585 ·

    新的SR-TTA方法增强了6G网络中的呼吸传感

    研究人员开发了一种名为SR-TTA(空间冗余测试时域自适应)的新方法,以改进未来6G网络中的呼吸传感。该技术解决了干扰问题,这些问题会降低当前方法的准确性,尤其是在运动干扰与呼吸频率带重叠时。SR-TTA利用不同天线子集之间的空间冗余来保持性能,在模拟干扰下显著降低呼吸速率误差,并提高真实测试台记录的可靠性。

  9. TOOL · CL_299678 ·

    新的6G网络架构在意图实现中优先考虑隐私

    提出了一种面向6G网络意图驱动的网络管理新架构,旨在增强隐私并减少对流量检查的依赖。该系统根据声明的意图类别配置资源,并仅使用标准的蜂窝级O1计数器来验证实现,无需进行逐流跟踪或特定厂商的遥测。所提出的方法建立了数据处理不等式,将流量内容信息的泄露限制在K个类别的log2 K比特以内,并在来自四个运营商网络的生产数据上展示了具有竞争力的性能。

  10. TOOL · CL_218964 ·

    UAV-gNB 控制系统整合了空中部署与用户级调度

    研究人员开发了一种用于系留毫米波UAV-gNB的分层控制系统,该系统整合了空中部署与用户级调度。该系统利用O-RAN解耦和多时间尺度RIC架构。一个非实时RIC rApp管理UAV部署和切片预算,而一个近实时RIC xApp则使用排列等变DeepSets Actor-Critic调度器处理用户级资源分配。与现有方法相比,这种方法显著提高了eMBB SLA满意度和URLLC的准时交付率。

  11. TOOL · CL_215982 ·

    轻量级 LLM 在 5G 故障分析方面进行评估,Gemini-3.1-Flash-Lite 在效率方面领先

    一篇新的研究论文评估了轻量级 LLM 在理解 5G 领域知识和执行故障分析方面的能力。该研究使用“LLM 作为裁判”的方法,在自由文本诊断任务上评估了 Claude-Haiku-4.5、GPT-5.4-Mini 和 Gemini-3.1-Flash-Lite 等模型。虽然所有模型在故障诊断方面的准确率都超过 90%,但它们在回忆具体的 3GPP 和 O-RAN 规范方面遇到了困难。由于其准确性、低推理成本和延迟的平衡,Gemini-3…

  12. TOOL · CL_206454 ·

    AI 框架增强 6G 无线网络异常检测能力

    研究人员为下一代无线网络(特别关注开放无线接入网络 O-RAN,并以 6G 能力为目标)开发了一个异常检测框架。该框架利用可解释人工智能 (XAI) 来高精度、高效率地识别恶意流量。一项重要发现是,通过使用 XAI,可以在不牺牲检测准确性的情况下将数据集的复杂性降低 80%,并识别出了协议类型和带宽等关键攻击特征。

  13. RESEARCH · CL_206438 ·

    相位感知卷积神经网络推动 5G/6G 信道估计进入实时阶段 · 已追踪 2 个来源

    研究人员开发了一种用于 5G 和 6G 无线系统实时信道估计的相位感知卷积神经网络 (CNN)。该方法旨在克服传统方法和现有深度学习技术在准确重建信号相位方面的局限性。该 CNN 利用正弦和余弦表示进行相位感知输入编码,并采用轻量级架构,能够在边缘设备上实现稳定的相位预测和高效的实时推理。验证包括使用开放无线接入网 (O-RAN) 测试台进行硬件在环测试,与最小二乘法和 MMSE 基线相比,证明了准确性和泛化能力的提高。

  14. TOOL · CL_200221 ·

    面向6G开放RAN的新型MIMO波束映射框架

    研究人员为面向未来6G网络智能开放RAN开发了一种新颖的自定位MIMO波束映射框架。该系统使用稀疏信道状态信息(CSI)构建分层无线记忆,无需显式位置标签。该框架利用波束域接收信号强度(RSS)进行高效的空间签名估计,并结合双尺度提取器和混合时间编码器来捕捉复杂的信道动态。实验表明,与现有方法相比,物理锚点恢复和信道容量有了显著提高。

  15. TOOL · CL_165063 ·

    新型联邦模型通过物理约束增强O-RAN SLA风险预测能力

    研究人员开发了Monotone FedNAM,这是一种联邦加性模型,用于预测Open Radio Access Networks (O-RAN)中的服务水平协议 (SLA) 风险。该模型解决了在不汇集敏感的每切片KPI数据的情况下跨基站进行训练的挑战,这对于多租户O-RAN环境至关重要。通过为具有清晰物理关系的KPI纳入物理约束单调样条,Monotone FedNAM确保了模型的可审计性和有效性,消除了非约束模型出现的违规现象,并将约…

  16. TOOL · CL_141377 ·

    JEPA 提议用于 AI 原生 6G 网络

    研究人员提议将联合嵌入预测架构 (JEPA) 集成到 AI 原生的第六代 (6G) 网络中。这种自监督学习方法旨在在复杂的 6G 环境中实现从有限标签和多样化数据类型中进行高效学习。所提出的方法包括对各种无线和网络数据进行分词,对其部分进行掩码,并使用学习到的编码器作为不同网络功能的预测表示层。一项关于波束管理的案例研究表明,与传统的监督方法相比,JEPA 可以提高标签效率和鲁棒性。

  17. RESEARCH · CL_135146 ·

    ADORN 使用强化学习管理开放无线接入网中的 AI/ML 模型漂移

    研究人员开发了 ADORN,这是一种管理开放无线接入网 (O-RAN) 中使用的 AI/ML 模型的性能漂移的新方法。该系统利用基于 Q 学习的强化学习代理来做出自适应再训练决策,平衡预测准确性与计算成本。ADORN 采用多专家长短期记忆 (LSTM) 集成,以防止灾难性遗忘并增强模型在不同流量条件下的鲁棒性。实验结果表明,与现有方法相比,ADORN 显著降低了再训练开销,同时确保系统性能保持在服务水平协议之内。

  18. TOOL · CL_133600 ·

    新的防御系统ORAN-DEFEND针对开放无线接入网中的后门攻击

    研究人员开发了ORAN-DEFEND,一个旨在保护开放无线接入网(O-RAN)免受嵌入在第三方深度强化学习(DRL)xApp中的后门攻击的新系统。该防御机制通过将KPI窗口投影到通过可信数据奇异值分解识别出的安全子空间上来运行,而无需重新训练受损的xApp。该系统的有效性取决于后门触发器的能量是否集中在与安全子空间正交的子空间中。在Colosseum COLORAN数据集上的实证结果显示,针对各种DRL后门攻击,该系统实现了100%的…

  19. TOOL · CL_117519 ·

    新框架采用多智能体深度强化学习优化工业6G网络

    研究人员开发了一个面向工业6G网络的新型框架,该框架整合了地面和非地面组件,包括无人机挂载的可重构智能表面(RIS)、地面无线电单元和高空平台(HAP)。该系统旨在改善在复杂环境中密集工业物联网设备的连接性。为应对优化数据速率、延迟和能耗的复杂性,采用了多智能体深度强化学习方法,并展示了相较于现有方法的显著改进。

  20. RESEARCH · CL_107764 ·

    新的自适应机器学习框架优化6G网络中的无人机轨迹

    研究人员开发了一种新的自适应机器学习框架,用于优化无人机(UAV)在6G蜂窝系统中作为开放无线单元(O-RU)时的轨迹。该框架利用增强的持续迁移学习和模型选择机制,能够有效地适应新环境,减少了广泛重新训练的需求。通过利用预训练模型和真实世界数据,该系统与传统方法相比显著缩短了收敛时间,提高了整体网络效率和可靠性。