智能物联网（artificial intelligence of things，AIoT）是人工智能与物联网技术相融合的产物，这一新兴概念在智慧城市、智能家居、智慧制造、无人驾驶等领域得到了广泛应用。然而AIoT相关技术研究仍处于初级阶段, 存在大量问题和挑战。首先简述了AIoT技术产生的背景，明晰其定义和应用场景。以此为契机，构建了一个新型的面向智能信息处理的云边端融合AIoT架构。在给出AIoT研究体系的基础上, 详细探讨并比较了其各组成技术模块，包括AI融合IoT数据采集、复杂事件处理及协同、云边端融合研究、AI融合IoT安全及隐私保护和AI融合应用服务等方面的研究现状和解决方案。最后, 论述了AIoT未来的研究方向和发展趋势。

为了提升用户体验，降低运营商的成本，将播放最多的视频内容提前放入用户侧缓存是业界的通用做法，如何有效预测视频播放热度已经成为业界热点问题。针对传统预测算法非线性映射能力差、预测精度低及自适应性弱等缺点，提出基于神经网络与马尔可夫组合模型的视频流行度预测算法（Mar-BiLSTM），该算法通过构建双向长短期记忆（bi-directional long short-term memory，BiLSTM）网络模型可以保留时间序列两个方向的信息依赖；同时在避免引入外部变量导致模型复杂度增加的情况下，利用马尔可夫性质进一步提高了模型的预测精度。实验结果表明，与传统的时间序列和经典的神经网络算法相比，所提算法提升了视频流行度预测的准确性、时效性，并降低了计算量。

针对基于无人机中继的星地认知网络，提出了两种波束成形（beamforming, BF）算法，通过对各种干扰进行抑制，实现系统间的频谱共享。具体而言，在基于无人机中继的卫星网络作为次级网络、地面网络作为主网络的情况下，以无人机最大发射功率和主用户所受干扰为约束条件，建立次级用户信干噪比最大化准则的优化问题；接下来在已知次级用户统计信道状态信息的条件下，提出一种基于迭代的BF算法对优化问题进行求解；更进一步，为了降低迭代算法的实现复杂度，提出了一种基于迫零的BF算法。最后，计算机仿真验证了所提两种波束成形方案的正确性与有效性。

摘 要：为了避免在对嵌套阵列做DOA估计时进行空域峰值搜索，将典范分解应用于嵌套阵列，通过单次奇异值分解、双线性映射和张量分解得到阵列导向量矩阵和入射角。但现有典范分解算法只适用于无噪条件，通过两次奇异值分解改进了该算法，使其在无噪和有噪条件下均适用。仿真结果表明：在相同信噪比、快拍数情况下，基于改进典范分解的嵌套阵列DOA估计算法相比MUSIC、空间平滑算法具有更好的估计性能和更少的运算时间。

复杂视觉场景下存在过暗或者过曝的光照、恶劣的天气、严重遮挡、行人尺寸差别大以及图像模糊等问题，大大增加了行人检测的难度。因此，针对复杂视觉场景下行人检测准确度低、漏检严重的问题，提出了改进的YOLOv4算法以增强复杂视觉场景下的行人检测效果。首先，构建复杂视觉场景下的行人数据集。然后，在主干网中加入混合空洞卷积，提高网络对行人特征的提取能力。最后，提出空间锯齿空洞卷积结构，代替空间金字塔池化结构，获取更多细节特征。实验表明，在本文构建的行人数据集上，改进后的 YOLOv4算法的平均精度（average precision，AP）达到了90.08%，相比原YOLOv4算法提高了7.2%，对数平均漏检率（log-average miss rate，LAMR）降低了13.69%。

学术论文推荐旨在为用户提供个性化的论文资源，针对协同过滤方法面临数据高度稀疏和缺乏负样本的问题，提出了一种融合细粒度语义特征的学术论文对抗推荐模型——TAGAN（title and abstract GAN）。首先，基于具有语义特征的标题和摘要，使用卷积神经网络（CNN）提取标题的全局特征，并构建一个双层的长短期记忆（LSTM）网络分别对摘要的单词序列和语句序列建模，同时，引入注意力机制将标题和摘要进行语义上的关联。然后，将论文的语义特征融入基于生成对抗网络（GAN）的推荐框架中并进行训练，其生成模型会拟合用户的兴趣偏好，能有效替代负采样过程。最后，通过在公开数据集上的实验对比，TAGAN在各个指标上都优于基线模型，验证了TAGAN的有效性。

遮挡下的人脸识别一直是现实场景中的一个难题。特别是新冠肺炎疫情爆发后，在机场、车站等需要鉴别入场人员身份信息的场所，口罩遮挡使得可供识别的面部特征大幅减少，原有的人脸识别算法准确率随之下降。对去除口罩遮挡进行了研究，提出了一个新的框架修复人脸，利用边缘生成网络还原遮挡区域的边缘，在此基础上再利用区域填充网络恢复被遮挡的人脸，同时保留身份信息。为提升模型的性能，提出空间加权对抗损失和身份一致性损失训练上述网络，并利用关键点信息，构建了两个戴口罩的人脸数据集。实验结果表明，恢复被口罩遮挡的人脸的图像使人脸识别算法 ArcFace 的准确率达到 98.39%，比直接采用ArcFace识别遮挡人脸提升了4.13%的准确率。

毫米波大规模多输入多输出系统可以通过部分连接混合预编码方法克服其信号路径损耗带来的不利影响，具有硬件实现复杂度低、能量效率高的优点，当输入的数据流数与射频链路数相等时，可以采用基于串行干扰消除的混合预编码方法。当输入的数据流数与射频链路数不相等时，提出了一种基于改进人工鱼群（IAFS）算法的混合预编码方法。其核心思想是基于频谱效率最优化准则和部分连接结构的特点，将针对模拟预编码矩阵变量的频谱效率优化问题转化为基于矢量变量的频谱效率最优化问题，利用IAFS算法进行寻优求解完成预编码矩阵设计。仿真结果表明，所提方法在低信噪比条件下具有较好的频谱效率与能量效率性能，有望在现实场景中得到应用。

基于移动蜂窝网络技术的定位方案是提供网络优化、紧急救援、公安巡警和位置服务等应用的重要技术途径之一。传统的基于小区基站位置信息的定位方案定位精度低、定位误差大，无法满足某些定位应用需求。基于指纹定位的方案能够在基于小区粗定位方案基础上大幅度提升定位精度、节约计算成本、增强适用性，成为定位研究的热点。针对室外指纹定位的业务需求，深入研究分析了两种基于机器学习的栅格化和非栅格化室外指纹定位方案。通过参数加权、数据拟合等方法对于大规模指纹数据进行了清洗，提高数据源的有效性。通过划定研究区域、栅格化、构建指纹数据库、训练模型、修正模型、非栅格化、粗定位耦合、匹配参数、训练参数等子模块的实现，分析和优化了算法的运行效率和定位精度，确定了影响算法性能的关键指标。进而结合仿真结果，分析了两种基于指纹的定位方案的性能。最后介绍了基于机器学习的指纹定位方案在实际应用中的典型场景。

5G行业无线专网已成为运营商基于5G技术赋能垂直行业的最重要产品服务之一。虚拟化、多接入边缘计算、网络切片等技术的逐渐成熟为5G行业无线专网的发展提供了关键技术保障。介绍了5G行业无线专网的发展现状、关键技术、需求模型、面临挑战和发展建议。对5G行业无线专网的概念和分类进行归纳，对实现5G行业无线专网的关键技术进行分析，并针对业务需求模型提出了设计思路和主要参考指标，最后对运营商开展5G行业无线专网类业务当前面临的挑战进行了总结并给出发展建议。

云网融合是通信技术与信息技术深度融合发展的产物。在云网融合发展过程中，云网操作系统应运而生。开放网络自动化平台（open network automation platform，ONAP）是Linux网络基金会托管的开源自动化网络编排工具，基于统一的开放架构，可支持多类网络应用的运营编排。基于ONAP开源架构，针对未来云网操作系统的运营和编排需求，深入研究了设计态-运行态和闭环自动化框架，以及端到端切片用例，提出了一种系统的解决方案。该方案基于开源开放的通用架构，可针对云网融合运营需求，敏捷迭代开发高效适用的云网操作系统。

介绍了云网融合发展的背景和要求，以及SRv6的技术原理和优势。同时，提出了基于SRv6的云网融合承载方案及其技术架构，包括基于 SRv6 的 SD-WAN、跨域组网、入云专线和云间互联。通过对比传统承载方案与基于SRv6的承载方案，阐述了后者解决现有云网业务痛点的优势，以及云网融合演进的重要意义。

随着云计算、大数据等新技术的蓬勃发展以及通信基础设施的不断升级，国内三大运营商均提出以智能牵引网络转型，构建集中控制，灵活编排的云网基础架构的发展战略。PCEP 作为一种广泛应用于 SDN架构的路径计算协议，往往应用于解决复杂网络环境跨层、跨域约束路径的计算。从探讨 PCEP 在云网融合场景应用的角度出发，提出了一种基于PCEP的流量端到端保障方案，可实现在本地IP环境下，面向连接的网络通信及端到端业务保障，有助于提升运营商对网络的实时感知、敏捷响应、智能分析等能力，满足通信资源可全局调度、能力可全面开放、架构可灵活调整的运维管理需求。

全球大多数主流运营商已转向5G独立组网架构，并开始了5G独立组网架构的商用部署。5G核心网采用网络功能虚拟化技术，将通用的计算、存储、网络等硬件形成多种虚拟资源，基于需要实现网络功能及资源动态灵活性部署。随着网络功能虚拟化的5G核心网的大规模商用部署，5G核心网的运营维护也面临新的挑战。分析了5G核心网的虚拟化部署方案带来的运营维护工作难点，提出5G核心网运营维护系统建设的架构和方案，并在此基础上提出5G核心网云网一体化运营维护组织架构建议，为5G核心网云网一体化运维工作提供参考。

随着云计算技术的发展和网络业务需求的增加，云网融合成为网络架构变革的必然选择。然而，云网融合时代的到来给传统网络运维带来了巨大的挑战，网络需要向更加智能和便捷的模式转变，目前被业界广泛研究的智能型通信网络——随愿网络，成为解决这一问题的最佳选择。阐述了随愿网络的发展过程、架构和关键步骤，并结合当前运营商云专网多云互联业务的现实需求，以云网融合的典型业务场景为例，分析了基于随愿网络的云网融合业务的实现过程，以期为随愿网络与云网融合业务的结合及实践提供参考。

对人工智能领域中的计算机视觉和深度学习技术的发展进行了简要概述，阐述了两者之间的关联，并结合5G技术对其未来的发展趋势做了一定的展望。剖析了某小区人脸抓拍的实际案例，重点介绍了计算机视觉技术在城市治理智慧安防行业中的应用，包括流程设计、业务逻辑、算法原理等，希望能够为相关领域的专家学者提供合理化建议与新的思路。

随着AR/VR等大流量需求业务的剧增，提高单用户峰值速率势在必行。研究了载波聚合、补充上行和双连接等可以提升单用户峰值速率性能的多频段联合传输技术在不同协议版本的基本原理，分析了不同技术对网络的部署要求，尤其针对不共BBU或不共RRU场景做了定性的性能分析。后续可以开展定量分析或测试验证工作进一步印证定性分析的正确性。计算了不同技术对应的上下行峰值速率和边缘速率，包括不同协议版本的性能对比。最后介绍了不同技术的产业现状。