From 4496aad12e47a1edece531ddd396aed9fe8e79f6 Mon Sep 17 00:00:00 2001 From: Xingyu Wang Date: Wed, 12 Jan 2022 13:10:09 +0800 Subject: [PATCH] PP @CN-QUAN https://linux.cn/article-14171-1.html --- ...ng more efficient for wireless networks.md | 64 ++++++++++++++++++ ...ng more efficient for wireless networks.md | 65 ------------------- 2 files changed, 64 insertions(+), 65 deletions(-) create mode 100644 published/20200629 NIST aims to make frequency sharing more efficient for wireless networks.md delete mode 100644 translated/talk/20200629 NIST aims to make frequency sharing more efficient for wireless networks.md diff --git a/published/20200629 NIST aims to make frequency sharing more efficient for wireless networks.md b/published/20200629 NIST aims to make frequency sharing more efficient for wireless networks.md new file mode 100644 index 0000000000..6b0b26ee32 --- /dev/null +++ b/published/20200629 NIST aims to make frequency sharing more efficient for wireless networks.md @@ -0,0 +1,64 @@ +[#]: collector: (lujun9972) +[#]: translator: (CN-QUAN) +[#]: reviewer: (wxy) +[#]: publisher: (wxy) +[#]: url: (https://linux.cn/article-14171-1.html) +[#]: subject: (NIST aims to make frequency sharing more efficient for wireless networks) +[#]: via: (https://www.networkworld.com/article/3561618/nist-aims-to-make-frequency-sharing-more-efficient-for-wireless-networks.html) +[#]: author: (Patrick Nelson https://www.networkworld.com/author/Patrick-Nelson/) + +NIST 的目标是使无线网络的频率共享更加有效 +====== + +> 机器学习方案将帮助不同的无线电协议，如 Wi-Fi 和 LTE，在同一的无线频谱中更有效地协同工作。 + +![](https://img.linux.net.cn/data/attachment/album/202201/12/130824n8rkw1iwiveadcgr.jpg) + +美国国家标准与技术研究所（[NIST][1]）开发的机器学习方案有可能显著改善 [5G][2] 和其他无线网络选择和共享通信频率的方式。研究人员声称，与试错法相比，NIST 的方案可以使共享通信频率的过程的效率提高多达 5000 倍。 + +NIST 系统的理念是，无线电设备可以从经验中学习其网络环境，而不是像现在这样，简单地根据试错法选择频率信道。 + +NIST 在 [其网站上的一篇文章][3] 中说，在特定的环境条件下，“该算法可以学习哪个信道提供最好的结果”。 + +该团队说:“该方案可以被编程到现实世界中许多 [不同] 类型网络的发射机软件中。” + +从本质上讲，这个计算机模拟的算法是一个映射环境射频条件的先前经验的公式。例如，这些条件可以包括在一个信道（一组相邻的频率）内运行的发射机的数量。 + +文章说：“……如果发射机选择了一个未被占用的信道，那么成功传输的概率就会上升，从而导致更高的数据速率。”同样地，当发射机选择一个没有太多干扰的信道时，信号会更强，你也会得到更好的数据速率。发射机会记住哪个信道提供了最佳结果，并学会在下次需要清晰信号时学会选择那个位置。 + +这与今天的工作方式不同。也就是说，无线电只是试图找到一个开放频率，然后与类似协议的无线电进行通信。在复杂的情况下，使用诸如 Wi-Fi、跳频和 [波束成形][4] 等技术来优化信道。 + +研究人员解释说，NIST 的机器学习技术的亮点在于共享频谱，比如通过授权频谱辅助接入（LAA）共享 Wi-Fi。LAA 是非授权频谱中的 LTE 频谱，称为 LTE-U，频率为 5GHz。在相同频率下的 Wi-Fi 与 LAA 的组合中，协议是不同的：无线电之间不能相互通信以协调工作，而且频带越繁忙就可能出现混乱 —— 传输会遇到其他传输。但是，如果所有的无线电接收机都能更好地选择它们的占位，通过学习哪些有效，哪些无效，那么这将会更好。 + +NIST 工程师 Jason Coder 在文章中说：“这可能会使非授权频段的通信更加高效。” + +事实上，NIST 声称，它“可以帮助 5G 和其他无线网络选择和共享通信频率，其效率大约是试错法的 5000 倍。” + +这里的关键词是“共享”，因为为了在有限的频谱内增加通信，必须进行更多的共享 —— 物联网或媒体流等用户都在争夺同样的隐喻资产。随着物联网和数字技术的不断发展，非授权和授权频段的结合，就像 LAA 中的情况一样，可能会变得更加普遍。（非授权的频段是指那些没有分配给特定用户的频段，比如移动网络运营商；授权频段是在拍卖中中标并分配的。） + +在 NIST 场景中，相互竞争的发射机“各自学习在不相互通信的情况下最大化网络数据速率”。因此，多种协议和数据类型，如视频或传感器数据，或 Wi-Fi 和移动网络，可以相互协作。 + +NIST 的方案大大简化了为发射机分配最佳信道的过程，根据这篇文章研究发现，穷尽努力 [使用试错法] 来确定最佳解决方案需要大约 45600 次试验，而这个方案只需要尝试 10 个渠道就可以选择类似的解决方案，仅仅付出 0.02% 的努力。” + +NIST 的研究人员在 IEEE 第 91 届车辆技术会议上展示了他们的研究成果。 + +-------------------------------------------------------------------------------- + +via: https://www.networkworld.com/article/3561618/nist-aims-to-make-frequency-sharing-more-efficient-for-wireless-networks.html + +作者：[Patrick Nelson][a] +选题：[lujun9972][b] +译者：[CN-QUAN](https://github.com/CN-QUAN) +校对：[wxy](https://github.com/wxy) + +本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出 + +[a]: https://www.networkworld.com/author/Patrick-Nelson/ +[b]: https://github.com/lujun9972 +[1]: https://www.nist.gov/ +[2]: https://www.networkworld.com/article/3330603/5g-versus-4g-how-speed-latency-and-application-support-differ.html +[3]: https://www.nist.gov/news-events/news/2020/05/nist-formula-may-help-5g-wireless-networks-efficiently-share-communications +[4]: https://www.networkworld.com/article/3445039/beamforming-explained-how-it-makes-wireless-communication-faster.html +[5]: https://events.vtsociety.org/vtc2020-spring/conference-sessions/program/ +[6]: https://www.facebook.com/NetworkWorld/ +[7]: https://www.linkedin.com/company/network-world diff --git a/translated/talk/20200629 NIST aims to make frequency sharing more efficient for wireless networks.md b/translated/talk/20200629 NIST aims to make frequency sharing more efficient for wireless networks.md deleted file mode 100644 index 40d4b8165c..0000000000 --- a/translated/talk/20200629 NIST aims to make frequency sharing more efficient for wireless networks.md +++ /dev/null @@ -1,65 +0,0 @@ -[#]: collector: (lujun9972) -[#]: translator: (CN-QUAN ) -[#]: reviewer: ( ) -[#]: publisher: ( ) -[#]: url: ( ) -[#]: subject: (NIST aims to make frequency sharing more efficient for wireless networks) -[#]: via: (https://www.networkworld.com/article/3561618/nist-aims-to-make-frequency-sharing-more-efficient-for-wireless-networks.html) -[#]: author: (Patrick Nelson https://www.networkworld.com/author/Patrick-Nelson/) - -NIST的目标是使无线网络的频率共享更加有效 -====== -机器学习公式将帮助不同的无线电协议，如Wi-Fi和LTE，在同一的无线频谱中更有效地协同工作。 -马丁·威廉姆斯/IDG - - -美国国家标准与技术研究所([NIST][1])开发的机器学习公式有可能显著改善[5G][2]和其他无线网络选择和共享通信频率的方式。研究人员声称，与试错法相比，NIST的公式可以使共享通信频率的过程效率提高多达5000倍。 - -NIST系统的理念是，无线电设备可以从经验中学习其网络环境，而不是像现在这样，简单地根据试错法选择频率信道。 - -NIST在[其网站上的一篇文章][3]中说，在特定的环境条件下，“该算法可以学习哪个信道提供最好的结果”。 - -**阅读更多内容：**[波束成形如何提高无线通信速度][4] - -该团队说:“这个公式可以被编程到现实世界中许多[不同]类型网络的发射机的软件中。” - -从本质上讲，计算机模拟的算法是一个公式，它映射了先前在环境射频条件下的经验。例如，这些条件可以包括在一个信道(一组相邻的频率)内运行的发射机的数量。 - -文章说：“…如果发射机选择了一个未被占用的信道，那么成功传输的概率就会上升，从而导致更高的数据速率。”同样地，当发射机选择一个没有太多干扰的信道时，信号会更强，你也会得到更好的数据速率。发射机记住哪个信道提供最佳结果， 并学会在下次需要清晰信号时学会选择刻度盘上的那个位置。 - -这与今天的工作方式不同。也就是说，无线电只是试图找到一个开放频率，然后与类似协议的无线电进行通信。在复杂的情况下，例如Wi-Fi，跳频和[波束成形][4]被用来优化信道。 - -研究人员解释说，NIST的机器学习技术的亮点在于共享频谱，比如通过授权频谱辅助接入(LAA)共享Wi-Fi。LAA是未经许可的LTE频谱，称为LTE-U，频率为5GHz。在相同频率下的Wi-Fi与LAA的组合中，协议是不同的：无线电之间不能相互通信以协调工作，而且频带越繁忙就可能出现混乱——传输会遇到其他传输。但是，如果所有的无线电接收机都能更好地选择他们的时段，通过学习哪些有效，哪些无效，那么这将会更好。 - -NIST工程师杰森·科德（Jason Coder）在文章中说：“这可能会使未经许可的频段的通信更加高效。” - -事实上，NIST声称，它“可以帮助5G和其他无线网络选择和共享通信频率，其效率大约是试错法的5000倍。” - -这里的关键词是“共享”，因为为了在有限的频谱内增加通信，必须进行更多的共享——物联网或媒体流媒体等用户都在争夺同样的隐喻地产。随着物联网和数字技术的不断发展，无授权和授权频段的结合，就像LAA中的情况一样，可能会变得更加普遍。(未授权的频段是指那些没有分配给特定用户的频段，比如移动网络运营商；授权的频段是在拍卖中中标并分配的。) - -在NIST场景中，相互竞争的发射机“都学习在不相互通信的情况下最大化网络数据速率”。因此，多种协议和数据类型，如视频或传感器数据，或Wi-Fi和移动网络，可以相互协作。 - -NIST的公式大大简化了为发射机分配最佳信道的过程，根据这篇文章研究发现，穷尽努力[使用试错法]来确定最佳解决方案需要大约45600次试验，而这个公式只需要尝试10个渠道就可以选择类似的解决方案，仅仅0.02%的努力。” - -NIST的研究人员最近在今年举行的IEEE第91届车辆技术会议上展示了他们的研究成果。 - --------------------------------------------------------------------------------- - -via: https://www.networkworld.com/article/3561618/nist-aims-to-make-frequency-sharing-more-efficient-for-wireless-networks.html - -作者：[Patrick Nelson][a] -选题：[lujun9972][b] -译者：[CN-QUAN](https://github.com/CN-QUAN) -校对：[校对者ID](https://github.com/校对者ID) - -本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出 - -[a]: https://www.networkworld.com/author/Patrick-Nelson/ -[b]: https://github.com/lujun9972 -[1]: https://www.nist.gov/ -[2]: https://www.networkworld.com/article/3330603/5g-versus-4g-how-speed-latency-and-application-support-differ.html -[3]: https://www.nist.gov/news-events/news/2020/05/nist-formula-may-help-5g-wireless-networks-efficiently-share-communications -[4]: https://www.networkworld.com/article/3445039/beamforming-explained-how-it-makes-wireless-communication-faster.html -[5]: https://events.vtsociety.org/vtc2020-spring/conference-sessions/program/ -[6]: https://www.facebook.com/NetworkWorld/ -[7]: https://www.linkedin.com/company/network-world