方正证券-LightRadioTM 技术深度研究报告：无线通信发生革命性技术进步
基于低轨卫星互联网的双模通信终端技术
基于低轨卫星互联网的双模通信终端技术目录一、摘要 (2)二、内容概括 (2)三、双模通信终端技术原理 (3)1. 低轨卫星互联网技术 (5)2. 双模通信终端技术概念 (6)四、低轨卫星互联网技术 (7)1. 低轨卫星互联网发展现状 (9)2. 低轨卫星互联网的优势与挑战 (10)五、双模通信终端技术 (11)1. 双模通信终端技术原理 (12)2. 双模通信终端技术分类 (14)六、基于低轨卫星互联网的双模通信终端设计 (15)1. 硬件设计 (16)a. 天线设计 (17)b. 信号处理模块 (18)c. 电源管理模块 (20)2. 软件设计 (21)a. 系统软件 (21)b. 应用软件 (23)c. 数据传输协议 (24)七、基于低轨卫星互联网的双模通信终端实现 (26)1. 系统硬件选型与集成 (27)2. 系统软件开发与调试 (28)3. 系统测试与验证 (28)八、结论与展望 (30)1. 双模通信终端技术的优势与应用前景 (30)2. 未来发展趋势与研究方向 (32)一、摘要本文档重点探讨了基于低轨卫星互联网的双模通信终端技术，低轨卫星互联网以其高速度、广覆盖、低延迟的特点在现代通信领域起到了不可替代的作用。
双模通信终端技术作为实现陆基与卫星网络无缝连接的关键，整合地面通信网络与传统卫星通信网络的优势，显著提高了通信系统的灵活性和可靠性。
本文主要介绍了双模通信终端技术的概念、设计原理、技术难点以及实现方式，同时探讨了其在现代通信领域的应用前景，特别是在偏远地区通信、应急通信以及全球互联网连接等方面的潜在价值。
本文旨在为相关领域的研究人员和技术开发者提供理论基础和实践指导，推动基于低轨卫星互联网的双模通信终端技术的进一步发展。
二、内容概括本文档主要围绕“基于低轨卫星互联网的双模通信终端技术”涵盖了该技术的背景、发展现状以及未来可能的应用前景。
在背景方面，随着全球互联网的快速普及和扩展，网络覆盖范围和通信质量的需求持续提升。
爱华收音机说明书
爱华收音机说明书篇一：AIWA CSD快速手册AIWA CSD-ES50手提音响使用指南（快速上手）特奥淘宝店1、注意事项? ? ? ?请确认所用市电为正常范围如用电池，忽略上步骤如果本机从室外带至室内（冷处至温暖处），可能会造成部件结露现象，请稍等片刻机器顶部为CD舱，打开后，可见到激光头，此部件为敏感易损部件，勿触。
2、操作步骤2.1 开机将电源线从机器背部电池仓中取出，一端接机器（插口也在背部），一端接220V交流电插座此时，手提音响处于待机/卡带播放，状态，如果要放卡带，按下相应按键，即可播放。
2.2 CD收听如下图所示，轻按顶部CD舱盖右前部（有防滑触点），舱门即可弹起，将所要播放CD碟放入后，重新关上CD舱盖。
将下图所示FUNCTION波段，拨至CD档（即最右端），可以看到，液晶显示，CD碟开始读取，会显示出总曲目等相关信息，此时可以按PLAY等微触键进行操作左侧旋钮为音量旋钮，顺时针旋转为音量增加最左侧为耳机插孔，用来独享音乐。
2.3 收音机FUNCTION波段，拨至RADIO档（即中间），右侧有BAND 波段开关可以选择电台波段，MW为中波，SW为短波，FM为调频，选择相应波段，（SW，FM收听，需要将拉杆天线抽出），调节TURNING，选出相应电台欣赏。
2.4 磁带收听将FUNCTION波段，拨至TAPE档，可对各仓卡带进行对应操作。
注：音响断开市电前，最好将波段拨至TAPE档（待机状态）。
2.5 音效及其他按键FM STEREO 指示：当收听调频节目为立体声信号时，此灯亮起下面黑色按键，可供用户选择各种音效，如增加低音，增加环绕效果。
感谢选择特奥淘宝店祝：一切顺利 Ups专家篇二：AWA6221A声级计使用说明书AWA6221A型声校准器使用说明书杭州爱华仪器有限公司20XX年8月目录1 概述................................................1 2 主要技术性能....................................2 3 使用方法 (2)3.1 配合器的选用 (2)3.2 开机 (3)3.3 等效自由场声压级 (3)3.4 声压级调整 (4)3.5 “+20dB”的使用 (4)3.6 关机 (4)3.7 频率计权选择....................................4 4 使用与维护 (4)4.1 使用环境 (4)4.2 电池电压 (5)4.3 电池更换 (5)4.4 计量检定 (5)5 注意事项 (5)1 概述AWA6221A型声校准器主要用于对测试传声器和声学测量仪器进行声压灵敏度校准。
基于动态超表面天线的雷达通信一体化设计
doi:10.3969/j.issn.1003-3114.2023.05.021引用格式:高克,张海洋,王保云.基于动态超表面天线的雷达通信一体化设计[J].无线电通信技术,2023,49(5):946-952.[GAO Ke,ZHANG Haiyang,WANG Baoyun.Beamforming Design for Dual-functional Radar-communication Systems with Dynamic Metasurface Antennas[J].Radio Communications Technology,2023,49(5):946-952.]基于动态超表面天线的雷达通信一体化设计高㊀克,张海洋,王保云(南京邮电大学通信与信息工程学院,江苏南京210003)摘㊀要:雷达通信一体化(Dual-Functional Radar-Communication,DFRC)利用相同的硬件平台㊁频谱资源同时实现雷达感知和无线通信双功能,是当前无线通信领域研究的热点技术㊂针对动态超表面天线(Dynamic Metasurface Antenna,DMA)辅助的雷达通信一体化系统,研究了最优波束成形设计问题㊂最优波束成形设计是一个非凸优化问题,很难直接求解㊂设计全数字天线架构下的最优波束,将动态超表面天线雷达波束设计转换为拟合最优编码矩阵问题㊂转换后的波束设计问题仍为非凸,为此将其分解为两个子问题交替最小化,其中两个子问题分别采用黎曼共轭梯度和半正定松弛算法求解㊂数值仿真表明,满足通信质量约束的情况下,动态超表面天线架构的DFRC 雷达波束性能接近于无频谱共享时的纯雷达波束性能㊂关键词:雷达通信一体化;动态超表面天线;交替最小化;黎曼共轭梯度;半正定松弛中图分类号:TN929.5㊀㊀㊀文献标志码:A㊀㊀㊀开放科学(资源服务)标识码(OSID):文章编号:1003-3114(2023)05-0946-07Beamforming Design for Dual-functional Radar-communicationSystems with Dynamic Metasurface AntennasGAO Ke,ZHANG Haiyang,WANG Baoyun(Communication and Information Engineering,Nanjing University of Posts and Telecommunications,Nanjing 210003,China)Abstract :Dual-Functional Radar-Communication (DFRC)uses same hardware platform and spectrum re-sources to realize dualfunctions of radar detection and wireless communication simultaneously,which is a hot topic in the field of wireless communications.Forthe Dynamic Metasurface Antennas (DMA)-assisted DFRC system,an optimal beamforming design problem is studied.The optimalbeamforming design is a non-convex optimization problem that is difficult to solve directly.In this paper,an optimal beam with a digitalantenna architecture is designed first,and then the dynamic metamaterial antenna radar beam design is converted into a fitting optimalcoding matrix problem.Though the resulting design problem is still non-convex.it can be decom-posed into two sub-problems and then been solved alternately.In particular,the two sub-problems are solved by riemannian conjugate gradient and semidefinite relaxation algo-rithms,respectively.Finally,numerical results show that the performance of our proposed beamforming design for DMA-assisted DFRC system is close to that of the radar only beamforming without communication requirement.Keywords :DFRC;DMA;alternate minimization;riemannian conjugate gradient;semidefinite relaxation收稿日期:2023-05-050 引言随着5G 时代的到来,无线设备数量和种类均呈现出了爆发性增长,全球通信产业对无线频谱的需求日益迫切㊂有很多场景需要感知与通信联合设计,例如:自动驾驶㊁智慧城市和智能家居等[1]㊂与此同时,随着无线通信速率需求的不断提高,载波频率被推向了传统上分配给雷达系统的毫米波频率频段[2]㊂未来后5G 及6G 时代,为提高频谱效率以及降低雷达与通信系统之间的电磁干扰问题,雷达通信一体化(Dual-Functional Radar-Communication,DFRC)系统成为了一个有前途的热门研究领域㊂在雷达通信一体化系统中,雷达与通信系统之间共享相同的硬件平台和频谱资源,同时实现通信和雷达感知的双功能㊂在雷达通信一体化系统中,由于雷达和通信具有不同的需求且共享相同的资源,因此需要精心设计传输波束以平衡二者的性能㊂为了在保证通信用户服务质量的同时提高雷达的性能,文献[3]研究了发射波束成形优化设计㊂针对全数字天线架构,文献[4]考虑波束之间的相互干扰因素,设计了性能更优的雷达波束㊂考虑到全数字天线功耗大㊁成本高的问题,目前对雷达通信一体化系统研究比较广泛的是基于相移器的混合波束天线架构[5-10],其中文献[5-6]研究了设计模拟和数字预编码矩阵,使其与最优通信预编码矩阵和最优雷达波束预编码矩阵之间误差的加权总和最小;文献[7-8]研究主要集中在雷达波束与理想波束差距小于一定阈值作为约束条件,最大化用户通信质量;文献[9-10]研究了在保证用户通信质量前提下,最优化雷达波束性能,其雷达的波束性能直接由雷达接收机的信干扰加噪声比(Signal to Interference plus Noise Ratio, SINR)决定㊂智能超表面是当前无线通信领域的另外一个研究热点,其可用于增强无线通信盲区覆盖㊁物理层辅助安全通信㊁大规模D2D(Device-to-Device)通信㊁物联网中无线携能通信以及室内覆盖等领域[11]㊂然而,智能超表面除了用来做被动的反射外,还可以用来实现低功耗的主动收发天线㊂动态超表面天线(Dynamic Metasurface Antennas,DMA)是一种典型的基于超表面天线的收发天线㊂在基于DMA的收发器中,每个超表面天线单元是由低功耗的超表面组成,且每个天线单元的幅频特性可以动态实时调控[12]㊂DMA天线架构可以被视为混合模拟数字天线架构,即它不需要额外的专用模拟相移器网络,仅利用自身的信号处理功能便可实现模拟预编码[13]㊂此外,DMA可以包含大量可调谐的超表面天线元件,并且其天线单元之间的距离可以是亚波长,DMA需要的物理面积可以更小,有助于设备的小型化[14]㊂1㊀系统模型和问题描述1.1㊀系统模型雷达通信一体化系统场景示意图如图1所示,一个雷达通信一体化基站拥有N T根天线,为K个单天线用户提供通信服务并探测区域内目标㊂基站使用的动态超表面天线架构,其由数字预编码矩阵㊁L T条射频链路和模拟预编码矩阵组成㊂图1㊀雷达通信一体化系统场景示意图Fig.1㊀Schematic diagram of DFRC基带信号表示为sɪKˑ1,s i~(0,1),iɪ{1, 2, ,K}为第i个用户接收到的信息符号㊂发射信号可以表示为:y=UF DMA F BB s,(1)式中:F DMAɪN TˑL T为DMA天线模拟预编码矩阵, F BBɪN DMAˑK为数字预编码矩阵,DMA微带内的信号传播公式为:u i,j=e-ρi,j(αi+jβi),∀i,j,其中αi为波导衰减系数,βi为波数,ρi,j表示第i微带中第l个单元的位置,其中U((i-1)L+l,(i-1)L+l)=u i,l,L为每条微带上单元的个数[13]㊂功率约束条件为 UF DMA F BB 2FɤP max,P max为基带最大分配功率㊂F DMA矩阵满足以下形式[15]:F DMA=t10 00t2 0︙︙︙00 t L Téëêêêêêùûúúúúú,(2)式中:t iɪN TN DMAˑ1,非零相q i,l=j+e jφi,l2,{φi,lɪ[0,2π]}ɪF DMA,∀i,l㊂雷达在θ角方向的传输功率波束图可以表示为:P(θ;R)=a H(θ)Ra(θ),(3)式中:RɪN TˑN T为传输波束的协方差矩阵,R= UF DMA F BB ss H F H BB F H DMA U-H=UF DMA F BB F H BB F H DMA U H㊂对于N个天线单元的均匀线性天线阵列,其导向矢量为:a(θ)=1N[1,e j2πλdsin(θ), ,e j2πλd(N-1)sin(θ)]T,(4)式中:λ为信号波长,d=λ/2为天线单元间距㊂雷达在θ1和θ2两角之间的波束互相关可以表示为:P c(θ1,θ2;R)=a H(θ1)Ra T(θ2)㊂(5)由式(3)和式(5)可以看出,雷达的传输功率波束图和波束互相关都是由传输波束的协方差矩阵R决定㊂通过波束方向误差和波束互相关两部分的加权和组成一个损失函数,用损失函数评估雷达性能㊂第一部分可以用接收到的波束与理想波束之间的均方差来评估:L r,1(R,α)=1LðL l=1|αd(θl)-P(θl;R)|2,(6)式中:α为比例因子,d(θl)为θl方向理想接收波束㊂第二部分用波束互相关均方差来评估:L r,2(R)=2P2-PðP-1p=1㊀ðP q=p+1|P c(θ-p,θ-q);R|2㊂(7)㊀㊀将以上两部分加权和后,雷达波束图的损失函数表示为:L r(R,α)=L r,1(R,α)+ωL r,2(R)㊂(8)在本文雷达通信一体化系统中,假设通信用户是单天线的,则第k个用户接收信号为:y k=h H k UF DMA F BB,k s k+ðK iʂk h H k UF DMA F BB,i s i+n k,(9)式中:h kɪN Tˑ1为基站与第k个用户之间的下行通道,n k~(0,σ2k)为第k个用户加性高斯白噪声(Additive White Gaussian Noise,AWGN)㊂第k个用户接收信号的SINR可以表示为:γk=|h H k UF DMA F BB,k|2σ2k+ðK iʂk|h H k UF DMA F BB,i|2㊂(10)1.2㊀问题描述雷达通信一体化系统需要权衡通信和雷达之间的性能㊂基于动态超表面天线的雷达通信一体化系统,在保证每个通信用户的SINR高于给定阈值前提下的式(10),使雷达传输波束的性能达到最优的式(8)㊂另外,加上预编码矩阵有功率限制和模拟预编码矩阵相位限制的式(2),雷达通信一体化系统传输波束成形设计问题可以表示为:㊀min FBB,F DMA L r(R,α)㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀s.t.㊀ UF DMA F BB 2FɤP max,F DMA(i,l)=j+e jφi,l2,φi,lɪ[0,2π],|h H k UF DMA F BB,k|2σ2k+ðK iʂk|h H k UF DMA F BB,i|2ȡΓ,(11)式中:Γ为给定用户的SINR阈值㊂式(11)涉及到数字预编码矩阵和模拟预编码矩阵的联合设计,并且问题本身也是非凸的,很难求解㊂当天线架构为全数字天线架构时,该问题对应的问题容易求解,并且在用户SINR满足一定阈值时,其最优预编码矩阵获得的波束与理想波束十分相似㊂因此可以先求出全数字天线最优预编码矩阵,然后将动态超表面天线的模拟预编码矩阵和数字预编码矩阵拟合全数字天线的最优预编码矩阵,由此得到动态超表面天线的模拟与数字最优预编码矩阵㊂2㊀雷达通信一体化波束成形设计2.1㊀基于全数字天线架构先设计基于全数字天线架构的雷达通信一体化系统预编码矩阵W,使其在满足功率约束和用户SINR高于一定阈值前提下,雷达波束性能达到最优㊂其问题表示为:㊀㊀㊀min R L r(R,α)s.t.㊀R=WW HɪS+MW 2FɤP max|h H k w k|2σ2k+ðK iʂk|h H k w i|2ȡΓ,(12)式中:w i为W的第i列,W=(w1,w2 ,w K)㊂将第三个约束化简后的问题为:min R,RkL r(R,α)s.t.㊀R=WW HɪS+MW 2FɤP maxRkɪS+M,rank(R k)=1,k=1,2, ,K(1-Γ-1)h H k R k h kȡh H k Rh k+σ2k,(13)式中:R k=w k w H k,R=ðK k=1R k㊂由于其中的约束条件rank(R k)=1,k=1,2, , K是非凸的,可以先将其松弛掉,松弛后的问题是凸问题:min R,RkL r(R,α)s.t.㊀R=WW HɪS+MW 2FɤP maxRkɪS+M,k=1,2, ,K(1-Γ-1)h H k R k h kȡh H k Rh k+σ2kW=(w1,w2, ,w K),R k=w k w H k㊂(14)可以用Matlab中CVX工具箱求得最优解:R^, R^k,k=1,2, ,K㊂如果式(14)全局最优解满足R^kɪS+M,k=1,2, ,K 秩为1,那么求解式(13)中使用的松弛就是紧的,即松弛后问题的解也是原非凸问题的解㊂定理1㊀式(13)存在最优解R ~,R ~k ,k =1,2, ,K ,满足rank(R ~k )=1,k =1,2, ,K ㊂证明㊀R ^,R ^i ,i =1,2, ,K 为式(14)的全局最优解,将R ^,R ^i,i =1,2, ,K 做以下变换:R ~=R ^,w ~i =(h H i R ^i h i )-1/2R ^i h i ,R ~i =w ~i w ~H i ,R ~,R ~i ,i =1,2, ,K 为半正定矩阵且秩为一㊂因为R ~=R^,并且式(13)和式(14)的最终问题是相同的,所以R ~是式(13)全局最优解㊂现在只要证明R ~,R ~i ,i =1,2, ,K 为式(13)的可行解,则R ~,R ~i ,i =1,2, ,K 为式(13)的全局最优解㊂由于h H kR ~k h k =h H kw ~k w ~H k h k =h H k R ^k h k ,将其带入到(1-Γ-1)h H k R ~k h k=(1-Γ-1)h H k R ^k h k ȡh H k R ^k h k +σ2k =h H k R ~k h k +σ2k 满足式(13)的限制条件㊂所以R ~,R ~i ,i =1,2, ,K 为原问题的全局最优解㊂由定理1可知将式(14)最优解做以下变换:R ~=R ^,w ~k =(h H k R ^k h k )-1/2R ^k h k ,R ~k=w ~k w ~H k ,R ~k ɪS +M ,k=1,2, ,K 且秩为1,并且R ~仍为原问题的解㊂由此可以求解得到全数字天线最优预编码矩阵的列向量w k ,全数字天线架构的最优预编码矩阵W 也就可以求出㊂2.2㊀基于动态超表面天线架构在上节求解得到了全数字天线最优预编码矩阵,本节设计动态超表面天线架构预编码矩阵,使雷达通信一体化系统在满足功率约束㊁模拟预编码矩阵相位约束和通信用户信干扰加噪声比高于一定阈值前提下,最优拟合全数字天线预编码矩阵,其问题表示为:min F BB ,F DMAUF DMA F BB -W ~2Fs.t.㊀ UF DMA F BB 2F ɤP maxq i ,l =j +ej φi ,l2,φi ,l ɪ[0,2π]}{ɪF DMA ,∀i ,l|h H kUF DMA F BB,k|2σ2k+ðKi ʂk|h H kUF DMA F BB,i|2ȡΓ㊂(15)由于此问题不是凸问题,故将问题分解成设计两个子问题相互迭代来求解,两个子问题分别设计数字和模拟预编码矩阵㊂然而,数字和模拟预编码矩阵的设计问题都是非凸问题㊂为此,本文分别采用半正定松弛(Semidefinite Relaxation,SDR )技术[16-17]和黎曼共轭梯度(Riemannian Conjugate Gra-dient,RCG)算法[18]分别设计最优数字和模拟预编码矩阵㊂2.2.1设计模拟预编码矩阵当固定数字预编码矩阵F BB 设计最优模拟预编码矩阵时,限制条件只有模拟预编码矩阵的相位限制㊂其问题为:min FDMAUF DMA F BB -W ~2Fs.t.㊀q i ,l =j +ej φi ,l2,φi ,l ɪ[0,2π]}{ɪF DMA ,∀i ,l ㊂(16)由于问题是矩阵形式,不方便求解,所以将矩阵向量化:min FDMAUF DMA F BB -W ~2F =min F DMA(F T BB U )vec(F DMA )-w 2F ,式中:w =vec(W ~)㊂因为vec(F DMA )中的元素除了相位限制元素,其他为零元素㊂由于零元素的具体位置是已知的,所以可以先将零元素剔除掉㊂令q 为vec(F DMA )去除零元素后的向量,A 为(F T BB U )去除掉与vec(F DMA )零元素相对应的列向量㊂此时的问题转换为:㊀min F DMA(F T BB U )vec(F DMA )-w 2F =min q(Aq -w )H (Aq -w )=min qq H A H Aq -2q H A H w +w H w ㊂(17)由于模拟预编码矩阵的非零元素q i ,l 可以描述为圆心点为0,12e j π2(),半径为12的复平面圆上:q i ,l -12e j π2=12,定义向量b 为:b k =2q k -e j π2,所以q =12b +e j π21(),|b k |=1㊂最终可以将问题转换为关于向量b 的问题:min bq H A H Aq -2q H A H w +w H w =min b 14b +e j π21()H A H A b +e j π21()-b +e j π21()H A H w +w H w s.t.㊀|b k |=1ɪb ,(18)这时搜索空间为N T 个复数圆上,是一个N T的黎曼子流形,可以通过RCG 求得最优解b opt ㊂其中该问题的黎曼梯度为Δf (bt +1k)=AH㊃12A b t +1k +e j π21()-w ()㊂由于F DMA 非零位置是已知的,所以将最优解bopt扩展成矩阵形式,可以得到最优模拟预编码矩阵F opt DMA ㊂2.2.2设计模拟预编码矩阵当固定模拟预编码矩阵F DMA 时,限制条件为预编码矩阵功率约束和通信SINR 阈值约束,其问题为:㊀㊀㊀㊀min F BBUF DMA F BB -W ~ 2F㊀㊀㊀㊀s.t.㊀ UF DMA F BB 2FɤP maxh H k UF DMA F BB,k2σ2k+ðKi ʂk|h H kUF DMA F BB,i |2ȡΓ㊂(19)由于式(19)中第二个限制条件F BB 是按列展开的,所以将问题中的矩阵F BB 和W ~也按列展开:ðKk =1UF DMA F BB,k-W ~k 2F =ðK k =1F H BB,k F H DMA U H UF DMA F BB,k -2F H BB,k F H DMA U H W ~k +W ~Hk W ~k ㊂(20)展开后的问题并不容易求解,引入辅助变量t 2=1,可以化解成二次约束二次规划问题(Quadrati-cally Constrained Quadratic Programs,QCQP):v -k =F BB,kt(),Q k =F H DMA U H UF DMA ,-F H DMA U HW ~k ㊀㊀-W ~H k UF DMA ,W ~H k W ~k(),F H BB,k F H DMA U H U F DMA F BB,k -2F H BB,k F H DMA U H W ~k +W ~H k W ~k=v -H k Q v -k ㊂但此时,由于式(20)中第二个限制条件是非凸的,所以该问题也是非凸的㊂引用SDR 技术将问题进行化简,令V k =v -k v -H k ,rank(V k )=1,可以将问题简化为SDR 的标准形式:min V k ðKk =1tr(Q k V k )s.t.㊀ðKk =1trF H DMA U HUF DMA ,00,()V k ()ɤP max ,∀k ,trH k ,00,0()V k ()Γ-ðKi ʂktrH k ,00,()V i ()ȡσ2k ,tr0K ∗K ,00,1()V k ()=1,V k ȡ0,rank(V k )=1,H k =F H DMA U H h k h Hk UF DMA ㊂(21)由于约束项rank(V k )=1是非凸的,先将其松弛掉,之后的问题是凸问题,可以用Matlab 中CVX 工具箱求最优解V opt k ㊂如果该问题可解或有界,则ðKk =1[rank(V opt k )]ɤK +1,又因为每个用户的SINR 阈值限制,最优解满足:rank (V opt k )ȡ1,所以其最优解满足rank(V opt k )=1㊂由此证得rank(V k )=1的松弛是紧的,V opt k是原问题的最优解㊂F opt BB,k 是V optk的最大特征向量乘以最大特征值的平方根,因此,可以得到最优数字预编码矩阵F opt BB ㊂3 仿真分析本节采用数值仿真验证DMA 雷达通信一体化设计算法的性能,并且与全数字天线架构㊁基于相移器的混合波束天线架构和理想雷达波束进行对比㊂考虑雷达通信一体化基站的天线为均匀线性天线阵列,总发射功率为1W 和天线数量为24,其为用户提供通信服务并探测区域内目标㊂在探测区域内设置了方向为-40㊁0ʎ和40ʎ的3个理想目标,其波束表达式为:d (θ)=1,θ0-Δ2ɤθɤθ0+Δ20,㊀㊀otherwise{,(22)式中:Δ为理想波束的宽度,设置为2ʎ㊂当系统设计的DMA 射频链路为12个,信噪比设置为20dB 时,不同天线架构随角度变化的波速比较如图2所示㊂不同天线架构在满足用户需求前提下,使雷达波束达到最优的仿真,图中K =0㊁FD㊁DMA 和BP 线分别为理想目标波束㊁全数字天线架构波束㊁DMA 天线架构波束和基于相移器架构波束㊂可以看出,全数字天线的雷达波束图基本与理想的波束重合,DMA 天线架构和基于相移器架构也很好地还原了最优波束图,并且从中很容易查找出在-40ʎ㊁0ʎ和40ʎ方向有目标,因为这3个方向的波束峰值明显高于其他方向㊂图3是在4个通信用户SINR 的阈值从6dB 调整到14dB,不同天线架构随角度变化的波束比较㊂图2与图3对比可知,在通信用户阈值提高的情况下,DMA 架构和基于相移器的混合架构的目标雷达波束图峰值有明显的变差㊂图4是在6个通信用户信SINR 的阈值为6dB 情况下,不同天线架构随角度变化的波束比较㊂图2与图4对比可知,服务通信用户增加,目标雷达波束图峰值会变差㊂图5是在4个通信用户信SINR 的阈值为6dB,功率约束调整为2W 情况下,不同天线架构随角度变化的波束比较㊂图2与图5对比可知,增加发射功率,图5中目标雷达波束图峰值接近图2中目标峰值的2倍㊂图2㊀不同天线架构随角度变化的波束比较Fig.2㊀Comparison of beams varying by angle fordifferent antennaarchitectures图3㊀调整用户SINR 后的波束比较Fig.3㊀Beam comparison after adjusting theuser sSINR图4㊀调整用户个数后的波束比较Fig.4㊀Beam comparison after adjusting the number ofusers图5㊀调整功率约束后的波束比较Fig.5㊀Beam comparison after adjusting power constraints图6展示了基于DMA 的雷达一体化系统在不同发射功率情况下,用户SINR 阈值约束和雷达波束性能之间的权衡㊂可以看出,在发射功率一定时,随着用户SINR 阈值的增加,DMA 天线预编码矩阵与全数字天线预编码矩阵之间的均方差也在增加,并且发射功率为2W 时的均方差明显大于功率为1W 的设计㊂这是因为当通信质量要求增加时,为满足用户质量需要消耗更多的功率,而生成雷达波束的功率会变少,雷达波束性能也会变差㊂因此,降低通信质量要求,可以提高雷达波束性能㊂图6㊀用户SINR 阈值与雷达波束均方差之间关系Fig.6㊀Relationship between the user s SINR threshold andthe mean square deviation of the radarbeam4 结束语本文研究了基于动态超表面天线的雷达通信一体化系统,设计了相应的最优波束成形策略㊂采用了数字预编码矩阵与模拟预编码矩阵设计联合交替优化设计,分别应用半正定松弛和黎曼共轭梯度算法求解㊂数值仿真结果表明,所提算法设计的动态超表面天线架构的雷达通信一体化系统,在满足通信用户性能的前提下,其雷达性能接近理想雷达波束㊂动态超表面天线架构与基于相移器的混合波束天线架构整体性能相似,其雷达通信一体化系统中雷达与通信性能之间存在负相关,雷达性能随着通信性能的提高而降低㊂参考文献[1]㊀刘凡,袁伟杰,原进宏,等.雷达通信频谱共享及一体化:综述与展望[J].雷达学报,2020,10(3):467-484. [2]㊀ZHENG L,LOPS M,ELDAR Y C,et al.Radar and Com-munication Coexistence:An Overview:A Review of RecentMethods[J].IEEE Signal Processing Magazine,2019,36(5):85-99.[3]㊀CHU J,LIU R,LIU Y,et al.AN-aided Secure Beamform-ing Design for Dual-functional Radar-communication Sys-tems[C]ʊ2021IEEE/CIC International Conference onCommunications in China(ICCC Workshops).Xiamen:IEEE,2021:54-59.[4]㊀LIU X,HUANG T,SHLEZINGER N,et al.Joint TransmitBeamforming for Multiuser MIMO Communications andMIMO Radar[J].IEEE Transactions on Signal Process-ing,2020,68:3929-3944.[5]㊀KAUSHIK A,MASOUROS C,LIU F.Hardware EfficientJoint Radar-communications with Hybrid Precoding andRF Chain Optimization[C]ʊICC2021-IEEE InternationalConference on Communications.Montreal:IEEE,2021:1-6.[6]㊀LIU F,MASOUROS C.Hybrid Beamforming with Sub-arrayed MIMO Radar:Enabling Joint Sensing and Commu-nication at mmWave Band[C]ʊICASSP2019-2019IEEE International Conference on Acoustics,Speech andSignal Processing(ICASSP).Brighton:IEEE,2019:7770-7774.[7]㊀CHENG Z,LIAO B,HE Z.Hybrid Transceiver Design forDual-functional Radar-communication System[C]ʊ2020IEEE11th Sensor Array and Multichannel Signal Process-ing Workshop(SAM).Hangzhou:IEEE,2020:1-5. [8]㊀CHENG Z,HE Z,LIAO B.Hybrid Beamforming for Multi-carrier Dual-function Radar-communication System[J].IEEE Transactions on Cognitive Communications and Net-working,2021,7(3):1002-1015.[9]㊀CHEN C Y,VAIDYANATHAN P.MIMO Radar Wave-form Optimization with Prior Information of the ExtendedTarget and Clutter[J].IEEE Transactions on Signal Pro-cessing,2009,57(9):3533-3544.[10]DAI Y,HAN K,WEI G,et al.Hybrid Beamforming forDFRC System Based on SINR Performance Metric[C]ʊ2021IEEE/CIC International Conference on Communicationsin China(ICCC Workshops).Xiamen,IEEE,2021:82-87.[11]LAN G,IMANI M F,DEL HOUGNE P,et al.WirelessSensing Using Dynamic Metasurface Antennas:Challengesand Opportunities[J].IEEE Communications Magazine,2020,58(6):66-71.[12]SMITH D R,YURDUSEVEN O,MANCERA L P,et al.Analysis of a Waveguide-fed Metasurface Antenna[J].Physical Review Applied,2017,8(5):054048. [13]ZHANG H,SHLEZINGER N,GUIDI F,et al.Beam Focu-sing for Near-field Multiuser MIMO Communications[J].IEEE Transactions on Wireless Communications,2022,21(9):7476-7490.[14]SHLEZINGER N,ALEXANDROPOULOS G C,IMANI M F,et al.Dynamic Metasurface Antennas for6G ExtremeMassive MIMO Communications[J].IEEE WirelessCommunications,2021,28(2):106-113. [15]SHLEZINGER N,DICKER O,ELDAR Y C,et al.Dynam-ic Metasurface Antennas for Uplink Massive MIMO Sys-tems[J].IEEE Transactions on Communications,2019,67(10):6829-6843.[16]LUO Z Q,MA W K,SO A M C,et al.Semidefinite Relax-ation of Quadratic Optimization Problems[J].IEEE Sig-nal Processing Magazine,2010,27(3):20-34. [17]ZHANG S.Quadratic Maximization and Semidefinite Re-lax-ation[J].Mathematical Programming,2000,87:453-465.[18]YU X,SHEN J C,ZHANG J,et al.Alternating Minimiza-tion Algorithms for Hybrid Precoding in Millimeter WaveMIMO Systems[J].IEEE Journal of Selected Topics inSignal Processing,2016,10(3):485-500.作者简介:㊀㊀高㊀克㊀男,(1994 ),硕士研究生㊂主要研究方向:雷达通信信号处理㊂张海洋㊀男,(1987 ),博士研究生㊂主要研究方向:无线通信信号处理㊁面向6G近场无线通信㊂王保云㊀男,(1967 ),博士,教授㊂主要研究方向:香农信息论㊁无线通信中的博弈与协作㊁无线通信中的信号处理技术㊁视频信息的分析与理解㊂。
lightRadio千幻万化,融会贯通word资料8页
lightRadio千幻万化,融会贯通1 引言随着双核、CPU主频、内存、操作系统等智能终端的核心部件正朝着更高、更快、更强的目标发展，移动通信产业面临着一个转折点，数据业务流量激增，现有的移动网络和构架越来越不能满足最终用户对业务体验的要求，这种情况导致无线网络变革势在必行。
2011年2月阿尔卡特朗讯宣布推出lihtRadio，这一来自贝尔实验室的原创技术，可有效解决运营商网络流量激增的难题，同时显著降低网络的技术复杂性、能源消耗及其它运营成本，该系统将能替代现有基站与大规模蜂窝站塔，缩减基站数量并简化基站建设。
该项技术的发布，表明了阿尔卡特朗讯将颠覆性地改变未来移动网络构架和建设模式。
2 市场需求过去几年是智能终端的爆发式增长期，随着芯片技术的突破和宽屏成本的不断下滑，平板电脑和智能多媒体手机异军突起。
而数据业务的良好适配也使这些终端带来大量移动数据流量需求。
图1预测了未来5年不同终端对数据流量的消耗。
另一方面根据摩尔定律，终端持续升级，业务开发商不断推出全新业务以适配终端能力；而新业务又带来更好的用户体验，增加了业务使用率和使用时间，并推动网络不断演进。
网络性能升级，又为终端性能提升带来需求空间，形成一个封闭反馈的需求驱动环路。
只要业务收入增长能够弥补网络扩容和升级费用，这个环路将一直循环往复。
然而现有的网络构架和部署方式并不能有效支撑该模式。
新频段拍卖、载频扩容，特别是为扩大网络容量和覆盖而激增的射频单元和天馈系统使建网成本急剧增加，循环难以继续。
具体而言，以下几个方面阻挠了网络建设和谐发展。
(1)站址的稀缺性导致建网成本高企。
对于移动运营商而言，设备采购只占总成本的很小部分。
在中国，站址租用和施工成本大约是设备采购成本的3倍。
传统架构的无线设备、巨大的天线令人畏之如虎，站址选择极为困难；同时其要价高昂，在成本压力下的运营商难以确保网络质量。
(2)无线数据流量时间维度的巨大差异，导致运营商处在如何同时降低成本和改进网络质量的两难境地：不同场所、不同时间，无线数据流量会有很大不同；主城区存在明显的话务潮汐效应。
清华大学电子工程系各研究所科研方向及导师相关信息
通信与微波研究所....................................................................................................................... 1 通信技术方向...........................................................................................................................1 数字传输系统、网络及 SoC 课题组................................................................................... 1 多媒体通信技术研究组....................................................................................................... 2 数字电视技术研究中心宽带传输课题组........................................................................... 2 通信网络研究室................................................................................................................... 3 曹志刚、刘序明、晏坚课题组........................................................................................... 4 无线与移动通信技术研究中心无线通信课题组............................................................... 5 陆建华教授课题组............................................................................................................... 7 电磁场与微波技术研究方向................................................................................................... 8
半导体行业深度研究：全球WiFi芯片的竞争格局及市场潜力
市场数据(人民币）市场优化平均市盈率18.90 国金半导体指数1941 沪深300指数3989 上证指数3084 深证成指11160 中小板综指11229相关报告 1.《芯片动能强，估计修正近尾声，库存风险升-《2021年&202...》，2022.5.3 2.《看好新能源、智能汽车产业链机会-创新中心双周报》，2022.4.5 3.《乌俄关系紧张，半导体材料供应风险分析-半导体材料点评》，2022.2.13 4.《EDA 工具：芯片产业基础，国产快速突围-EDA 行业深度》，2021.12.31 5.《IC 设计：看好汽车和AIoT 细分赛道投资机会-IC 设计行业深...》，2021.12.31 邵广雨 联系人 shaoguangyu ＠ 赵晋 分析师 SA C 执业编号：S1130520080004 zhaojin1＠ 全球WiFi 芯片的竞争格局及市场潜力 投资建议 ⏹ 行业策略：我们认为WiFi 芯片应该是无线通讯芯片领域内未来最具有成长潜力的细分市场，从WiFi 4/5到WiFi 6/7，每一次WiFi 规格的升级都在不断地提升带宽及芯片价值，降低延时提高响应速度，以此满足不同的终端产品的需求。
从WiFi 4/5时代的物联网、智能家居到WiFi 6/7时代的VR/AR 、4K 超高清视频，不同终端需求对于更高性能的要求始终推动着WiFi 的升级换代。
目前WiFi 6在WiFi 芯片中的渗透率约为20%，疫情导致的需求暴涨将推动WiFi 6加速渗透，尤其是远程教学、在线协同办公、视频会议等需求的爆发，这些对高带宽、低延时有较高要求的应用场景加速了WiFi 6/7产品更新。
我们预计到2025年，WiFi 6/7产品的占比将接近50%。
从细分市场来看，WiFi 6芯片在智能手机端和家用路由器端渗透率较高，而在物联网芯片端，归因于性价比、功耗等因素，导入速度将落后两到三年。
⏹ 推荐组合： 我们首次推荐买入WiFi 芯片相关科技产业，给予买入评级。
《ICRU号报告》PPT课件
不同检查方法GTV轮廓差异
CT
PET
CTV <Clinical Target Volume>
临床靶体积<CTV>包括和亚临床灶.CTV 是含有可显示的GTV和<或>需要被杀灭的亚 临床恶性病变的体积,这个体积必须得到合适 的放射剂量以达到根治目的.
CTV的确定是3-D CRT对放射肿瘤学家提 出的最大挑战之一,对CTV的定义除要考虑 原发灶周围的亚临床灶外,还要根据肿瘤生 物学行为特点考虑可能侵犯和转移的范围. 目前影像学检查尚无法发现亚临床灶,其范 围的确定来源于临床资料和随访,如果对亚 临床灶治疗不充分,该区域复发机率会明显 高于其他部位.亚临床灶分为两种类型:GTV 周围的镜下侵润和区域淋巴结,前者通常规 定为CTV1,后者可用CTV2,CTV3等表示.
安全边缘化分为
内在边缘<Internal Margin IM>
IM是为了弥补放射治 疗过程中生理上的运动 和CTV大小,形状及位置 的变化.例如呼吸运动,吞 咽运动,膀胱和结肠充盈 状态,心跳以及小肠蠕动 等.IM来源于生理学的变 化,这种不确定性很难控 制.CTV加IM定义为ITV.
摆位边缘<Set-up
OR <Organs at risk, OR>
危及器官<Organs at risk, OR>OR指放射敏感 性明显影响治疗计划和处方剂量的正常组织.
根据功能亚单位<Functional Sub Unit>的概念 将危及器官分为"串联型"、"并联型"、"串—并联 型".
串联型器官链上任何一个功能单元的破坏将影 响整个器官的功能,它的放射并发症具有较小的体 积效应.
新版核磁共振分析应用软件用户手册——Ver 1.0
纽迈电子科技有限公司
பைடு நூலகம்
核磁共振分析应用软件 Ver 1.0
目录
目录................................................................................................................................ 1 第一章 分析软件概述.................................................................................................. 5 一、软件功能概述................................................................................................ 5 二、软件版本声明................................................................................................ 5 三、软件应用........................................................................................................ 5 1、范例一：如何自动匀场.......................................................................... 5 2、范例二：如何寻找中心频率.................................................................. 8 3、范例三：如何确定的硬脉冲脉宽........................................................ 10 4、范例四：如何设置 RG1、DRG1 和 PRG ........................................... 12 5、范例五：确定样品后，如何设置 TW ................................................ 14 6、范例六：硫酸铜水溶液的 T2 时间 ..................................................... 15 第二章 分析软件介绍................................................................................................ 19 一、软件的结构.................................................................................................. 19 二、实验步骤...................................................................................................... 19 三、登陆界面...................................................................................................... 20 四、主界面.......................................................................................................... 20 五、参数设置界面.............................................................................................. 24 1、工具栏.................................................................................................... 24 2、参数面板................................................................................................ 27 3、显示区.................................................................................................... 28 六、设置计划任务界面...................................................................................... 30 1、参数含义................................................................................................ 30 2、实验步骤................................................................................................ 31 七、用户管理界面.............................................................................................. 33 1、参数含义................................................................................................ 34 2、超级用户................................................................................................ 35 3、普通用户................................................................................................ 35 八、设备参数界面.............................................................................................. 35 九、采样数据界面.............................................................................................. 36 1、查询........................................................................................................ 38 2、输出........................................................................................................ 39
《IE3D射频电路设计与仿真》随笔
《IE3D射频电路设计与仿真》读书笔记目录一、内容概要 (2)1.1 书籍简介 (3)1.2 编写目的和意义 (4)二、IE3D射频电路设计基础 (5)2.1 射频电路概述 (6)2.2 IE3D软件介绍 (7)2.3 IE3D工作原理 (8)三、射频电路设计要素 (9)3.1 线路设计 (10)3.1.1 导线布局 (11)3.1.2 线路走线原则 (13)3.2 振荡器设计 (14)3.3 放大器设计 (16)3.4 滤波器设计 (17)四、IE3D射频电路仿真 (18)4.1 仿真设置 (20)4.1.1 仿真环境设置 (21)4.1.2 模拟参数设置 (22)4.2 仿真过程 (23)4.2.1 仿真步骤 (24)4.2.2 仿真结果分析 (25)4.3 仿真优化 (26)五、案例分析与实践 (28)5.1 微带天线设计 (29)5.2 混合信号前端设计 (31)5.3 射频前端故障诊断与优化 (32)六、总结与展望 (33)6.1 本书总结 (35)6.2 未来发展趋势与应用前景 (36)一、内容概要《IE3D射频电路设计与仿真》是一本关于射频电路设计的重要著作。
这本书详细阐述了射频电路设计的基本原理、方法和仿真技术，帮助读者理解和掌握射频电路的核心知识。
读书笔记的第一部分将简要概述本书的主要内容。
本书介绍了射频电路的基本概念及其在现代通信系统中的应用。
阐述了射频技术的原理，包括电磁波的传播、天线理论等基础知识。
详细论述了射频电路设计的基本原理和技巧，包括电路拓扑结构的选择、元件的选择与配置等。
对于电路设计中的一些常见问题及其解决方法也进行了深入的探讨。
书中重点介绍了仿真技术在射频电路设计中的应用，通过介绍不同的仿真软件及其功能，详细讲解了如何利用仿真软件进行电路设计、仿真验证和优化。
这不仅包括电路性能的仿真分析，还包括电路布局和信号的仿真分析。
还介绍了如何将仿真结果与实验结果进行对比，以提高设计的准确性和可靠性。
基于GCN-LSTM_的频谱预测算法
doi:10.3969/j.issn.1003-3114.2023.02.001引用格式:薛文举,付宁,高玉龙.基于GCN-LSTM 的频谱预测算法[J].无线电通信技术,2023,49(2):203-208.[XUE Wenju,FU Ning,GAO Yulong.Spectrum Prediction Algorithm Based on GCN-LSTM[J].Radio Communications Technology,2023,49(2):203-208.]基于GCN-LSTM 的频谱预测算法薛文举,付㊀宁,高玉龙(哈尔滨工业大学通信技术研究所,黑龙江哈尔滨150001)摘㊀要:无线频谱是一项重要的㊁难以再生的自然资源㊂在频谱数据中随着信道的动态变化,各个信道不能建模成规则的结构㊂由于卷积神经网络提取的是规则数据结构的相关性,没有考虑信道动态变化以及各个信道节点之间的相关性影响,基于此研究了基于图卷积神经网络(Graph Convolutional Network,GCN)和长短期记忆(Long Short-TermMemory,LSTM)网络结合的GCN-LSTM 频谱预测模型,并且引入了注意力机制,仿真得到了GCN-LSTM 在正确数据集和有一定错误数据的数据集上的预测性能和算法运行时间㊂结果表明在引入注意力机制后,GCN-LSTM 预测模型的准确性和实时性都得到了提高㊂关键词:频谱预测;图神经网络;LSTM;注意力机制中图分类号:TN919.23㊀㊀㊀文献标志码:A㊀㊀㊀开放科学(资源服务)标识码(OSID):文章编号:1003-3114(2023)02-0203-06Spectrum Prediction Algorithm Based on GCN-LSTMXUE Wenju,FU Ning,GAO Yulong(Communication Research Center,Harbin Institute of Technology,Harbin 150001,China)Abstract :Wireless spectrum is an important and hard-to-regenerate natural resource.Since convolutional neural network extractscorrelation of regular data structure,dynamic changes of channel and the correlation between each channel node are not considered.Therefore,this paper studies a GCN-LSTM spectrum prediction model based on the combination of graph convolution neural network GCN and LSTM network,and introduces an attention mechanism.Simulation results show that the prediction performance and algorithm running time of GCN-LSTM on the correct dataset and the dataset with certain error data.Results show that the accuracy and real-timeperformance of GCN-LSTM prediction model are improved after introducing the attention mechanism.Keywords :spectrum prediction;graph neural network;LSTM;attention mechanism收稿日期:2022-12-29基金项目:国家自然科学基金(62171163)Foundation Item :National Natural Science Foundation of China(62171163)0 引言随着无线通信事业的蓬勃发展,各种接入无线网的智能设备数量迅速增长[1],频谱资源趋于紧缺㊂传统的静态频谱分配方式不适配于需求日渐多样化的频谱环境,出现了大量的 频谱空洞 ,造成了频谱资源浪费㊂为解决频谱利用不足的问题,Mitola 在1999年提出了认知无线电(Cognitive Radio,CR)的概念[2]㊂频谱预测的核心就是挖掘并利用历史频谱数据的相关性特征㊂频谱预测可以分为预测信道的占用情况或者是预测用户的位置和传输功率两大类㊂本文主要针对第一类,即预测信道的占用情况㊂早期研究主要采用例如自回归模型[3]㊁隐马尔可夫模型[4]㊁模式挖掘等传统方法㊂随着神经网络的发展,人们开始将神经网络,比如循环神经网络(Recurrent Neural Network,RNN)[5]和长短期记忆网络(Long Short-Term Memory,LSTM)[6]用于预测,LSTM 网络有效缓解了梯度消失和梯度爆炸现象㊂此外,有很多学者对时频联合域频谱预测展开了研究㊂文献[7]利用频谱的这种相关性提出一种二维频繁模式挖掘算法㊂由于不同地点频谱的使用情况也会有很大不同,因此也有研究将频谱预测的维度扩展到时频空域上㊂文献[8]利用神经网络来进行多维频谱预测的方法研究,提出了LSTM网络和其他神经网络结合的方法进行时频空三维的预测,然而只是提出了想法,并没有实现,算法仍处于仿真阶段㊂图神经网络最早由Gori等人[9]提出㊂GCN广泛用于提取图结构的特征信息,从理论上可以将GCN分为基于谱域和空域两类㊂Bruna等人在2014年提出了第一代GCN[10],定义了图上的卷积方法图结构㊂基于空域的图卷积则没有借助谱图理论,可以直接在空域上操作,非常灵活㊂Petar等人在2018年提出了图注意力网络(Graph Attention Network, GAT)[11],在图卷积网络中使用注意力机制,为图结构中不同的节点赋以不同的权重也就是注意力系数,解决了图卷积神经网络(Graph Convolutional Network,GCN)必须提前知道完整图结构的不足㊂把数据处理成图结构之后,利用图神经网络来学习图结构形式的数据可以更有效地挖掘发现其内部特征和模式,与频谱预测的核心不谋而合,因此可以使用图神经网络来进行频谱预测㊂本文首先分析了频谱预测的特点和发展趋势,说明了频谱预测的重要性和可行性㊂其次,针对频谱预测问题提出了GCN-LSTM模型进行二维时频频谱的预测,采用GCN提取频谱数据的拓扑特征,提取得到频谱数据中的频率相关性之后㊂然后利用LSTM网络进行时间维度动态性特征的提取㊂最后,通过引入注意力机制对GCN-LSTM频谱预测算法进行了改进研究㊂1 基于GCN-LSTM网络的频谱预测问题建模㊀㊀图神经网络可以通过分析研究各个节点的空间特征信息得到既包含内容也包含结构的特征表示,因此在本文中处理频谱数据时,不再是建模成规则的图片,而是建模成如图1所示的图结构㊂图结构中的每个节点代表频谱中的各个信道,信道之间是存在关联的,用图中的边表示,时间维度上的各个信道状态即是各个节点的特征㊂图1㊀频谱建模成图结构Fig.1㊀Spectrum modeling and mapping structure为了提取非欧式拓扑图的空间特征,研究人员利用GCN通过图结构的信息和图中节点的信息提取图的结构特征[12],如图2所示㊂GCN如今已经广泛应用于图数据的研究处理领域[13]㊂图2㊀图神经网络的结构示意图Fig.2㊀Structure diagram of graph neural network对于给定的图G=(V,E),V表示图中的节点集合,假设其长度为N㊂可以用图中的节点V和边E来对图进行定义㊂第二代图卷积GCN公式可以简化成:x G∗gθʈðK k=0θk T k(L~)x㊂(1)㊀㊀由式(1)可以看出,图上的卷积不需要整个图都参与运算,只需捕捉到图上的局部特征,减少了需要训练学习的参数量;并且不再需要对图进行特征分解,避免了特征分解的高昂代价㊂但是由于进行矩阵相乘操作,计算的时间复杂度仍然比较高㊂为了对问题进行简化,Kipf等人在文献[14]中设置K=1,只考虑节点的一阶邻居节点㊂如图3所示,当K=1时,对每个节点的特征进行更新时,不但会考虑各个节点本身的输入特征,还会将各个节点的一阶邻域的邻居节点的输入特征也考虑在内㊂取λmax =2,K =1,得到多层传播的图卷积计算公式:H (l +1)=σD ~-12A ~D ~-12H (l )W (l )(),(2)式中,σ(㊃)为非线性激活函数,A ~=A +I N ,A ~为加上自身属性后的邻接矩阵,D ~=ðjA ~ij 表示邻接矩阵A ~的度矩阵,H (l )为第l 层中图节点特征,H (0)=χ,即输入的特征矩阵,W (l )为第l 层的权重,即可训练的卷积滤波参数㊂图3㊀图卷积计算的简单示意图Fig.3㊀Simple diagram of convolution calculation2㊀增加注意力机制的GCN-LSTM 频谱预测算法2.1㊀GCN-LSTM 网络模型利用信道占用模型产生频谱数据,然后将频谱建模成图,频谱中的各个信道建模成图中的各个节点,在频率上提取信道之间的相关性即是提取节点之间的相关性,用GCN 进行提取,时间上的相关性则由LSTM 进行提取㊂GCN-LSTM 频谱预测算法示意如图4所示,内部结构如图5所示㊂图4㊀GCN-LSTM 模型示意图Fig.4㊀GCN-LSTM modeldiagram图5㊀GCN-LSTM 模型内部结构Fig.5㊀Internal structure diagram of GCN-LSTM model图4中,先将图结构形式的频谱输入GCN,提取其拓扑结构特征(即频率相关性),GCN 的输出Z N t 是已经提取了频率相关性的序列数据;然后将提取频率相关性的Z N t 序列输入进LSTM 网络,提取序列数据的时序相关性;最终通过激活函数的激活得到输出,并与真实的频谱数据利用损失函数衡量比较得到误差㊂Z N t 代表输入数据χt 经过图卷积网络后的数据特征㊂i t ㊁f t ㊁o t 分别代表了输入门(Input Gate)㊁遗忘门(Forget Gate)和输出门(Output Gate)㊂图5所示的χt 代表输入的处理成图结构的频谱数据,节点之间的关联强弱代表信道相关性的强弱㊂GCN-LSTM 预测模型公式如下:i t=σ(W iχ㊃Z Nt +W ih ㊃h t -1+b t )f t =σ(W f χ㊃Z N t +W fh ㊃h t -1+b f )o t =σ(W o χ㊃Z N t +W o h ㊃h t -1+b o )c ~t =g (W c χ㊃Z N t +W ch ㊃h t -1+b c )c t =i t☉c ~t +f t ☉c t -1h t =o t☉h -(c t )ìîíïïïïïïïï㊂(3)2.2㊀增加注意力机制的GCN-LSTM 预测模型注意力机制[15]是关注更重点的信息而忽略一些无关的信息,在GCN-LSTM 模型基础上,加入注意力机制,就是对不同时间步的特征赋予不同的权重㊂Soft Attention 注意力机制示意如图6所示,可以分成三步:一是信息输入h j ;二是注意力系数e ij 的计算,e ij 利用神经网络计算,再利用softmax 函数对e ij 进行归一化得到注意力的分布a ij ;三是利用注意力分布αij 与输入的信息进行加权平均得到输出c i㊂αij =exp(e ij )ðN k =1exp(eik)㊂(4)㊀㊀输出c i 为权重与输入的加权平均:c i =ðN j =1αijh j㊂(5)图6㊀Soft attention 注意力机制示意F i g.6㊀Schematic diagram of Soft Attention mechanism㊀㊀增加了注意力机制的GCN-LSTM 模型网络,如图7所示㊂将GCN-LSTM 的输出作为注意力层的输入,通过一个全连接层,再经过softmax 归一化,计算对时间步的权重即注意力分配矩阵,将注意力分配矩阵和输入数据进行逐元素的相乘即得到注意力的输出㊂图7㊀增加注意力机制的GCN-LSTM 模型示意图Fig.7㊀Schematic diagram of GCN-LSTM model forincreasing attention mechanism3 仿真结果利用信道占用模型,产生了5个信道的频谱数据,时间长度为10000,损失函数选择二分类交叉熵损失函数㊂在实验中,设置GCN 的模型参数为:图卷积网络层数为1,初始学习率为0.001,评价GCN-LSTM 预测算法的性能指标为准确率㊂预测窗口长度为10,隐藏单元数hidden_units 为128,batch_size 为64,迭代次数epoch 为20㊂基于GCN-LSTM 预测算法预测的准确率如图8和图9所示㊂图8㊀GCN-LSTM 模型准确率Fig.8㊀GCN-LSTM modelaccuracy图9㊀增加注意力机制的GCN-LSTM 模型精确率Fig.9㊀Increase the accuracy of GCN-LSTMmodel of attention mechanism二分类交叉熵binary_cross entropy 公式为:loss (y ,y ^)=-1nðni(y i lb(y^i )+(1-y i )lb(1-y ^i )),(6)式中,y i 为真实的值,y^i 为预测的值㊂在基础的GCN-LSTM 模型上增加了注意力机制之后,同样训练20轮之后,准确率从96.89%增长到97.86%,准确率得到了提升,训练时间从10.23s 变为12.69s,网络输出时间从0.13s 变为0.15s,时间基本为原来的1.19倍㊂这是因为增加注意力机制后,训练的参数数量从70020增长为78120,数量增多㊂增加注意力机制确实可以提高GCN-LSTM 模型整体的预测性能,而且性能略平稳一些㊂同时对比在频谱数据出现错误情况下的GCN-LSTM 和增加了注意力机制之后的预测模型的预测性能㊂图10为错误概率为0.05的情况,图11为错误概率为0.1的情况㊂比较无错误㊁错误概率为0.05和0.1时,随着错误概率的增加,准确率会略有下降㊂增加注意力机制后的预测算法比没有增加注意力机制的GCN-LSTM 算法指标提高一点,预测性能更好㊂图10㊀GCN-LSTM 模型错误率为0.05时的准确率Fig.10㊀Accuracy when GCN-LSTM model error rate is 0.05图11㊀GCN-LSTM 模型错误率为0.1时的准确率Fig.11㊀Accuracy when GCN-LSTM model error rate is 0.14 结论本文主要研究了基于GCN-LSTM 的频谱预测算法,采用GCN 和LSTM 复合网络GCN-LSTM 预测模型进行时频频谱预测㊂为了考量不同时间步的重要程度,在GCN-LSTM 预测模型基础上增加了注意力机制来提高预测效果㊂此外,实际数据可能存在错误的情况,对无错误数据和错误数据的情况分别进行了仿真㊂仿真结果表明,GCN-LSTM 方法预测准确率较高,且训练时间和预测时间更短,实时性大大提升㊂另外,增加注意力机制后,预测性能也得到一些提高,时间约是没增加注意力机制时的1.2倍㊂对比数据出现错误的情况下,使用GCN-LSTM 算法的预测性能也在可以接受的范围内㊂参考文献[1]㊀DEHOS C,GONZÁLEZ J L,DOMENICO A D,et -limeter-wave Access Andbackhauling:The Solution to the Exponential Data Traffic Increase in 5G Mobilecommuni-cations Systems [J ].IEEE Communications Magazine,2014,52(9):88-95.[2]㊀MITOLA J,MAGUIRE G Q.Cognitive Radio:MakingSoftware Radios More Personal[J].IEEE Personal Com-munications,1999,6(4):13-18.[3]㊀WEN Z,LUO T,XIANG W,et al.Autoregressive Spec-trum Hole Prediction Model for Cognitive Radio Systems [C]ʊIEEE International Conference on Communications Workshops.Beijing:IEEE,2008:154-157.[4]㊀何竞帆.认知无线电频谱预测算法研究[D].成都:电子科技大学,2019.[5]㊀邢玲.基于递归神经网络的频谱预测技术研究[D].成都:电子科技大学,2019.[6]㊀YU L,CHEN J,DING G.Spectrum Prediction via LongShort Term Memory [C]ʊ20173rd IEEE InternationalConference on Computer and Communications (ICCC).Chengdu:IEEE,2017:643-647.[7]㊀YIN S,CHEN D,ZHANG Q,et al.Mining SpectrumUsage Data:A Large-scale Spectrum Measurement Study[J].IEEE Transactions on Mobile Computing,2012,11(6):1033-1046.[8]㊀周佳宇,吴皓.基于神经网络的多维频谱推理方法探讨[J].移动通信,2018,42(2):35-39.[9]㊀GORI M,MONFARDINI G,SCARSELLI F.A New Modelfor Learning in Graph Domains [C]ʊProceedings 2005IEEE International Joint Conference on Neural Networks.Montreal:IEEE,2005:729-734.[10]BRUNA J,ZAREMBA W,SZLAM A,et al.Spectral Net-works and Deep Locally Connected Networks on Graphs [J /OL].arXiv:1312.6203[2022-12-20].https:ʊ /abs /1312.6203.[11]VELIC㊅KOVIC'P,CUCURULL G,CASANOVA A,et al.Graph Attention Networks[J/OL].arXiv:1710.10903[2022-12-20].https:ʊ/abs/1710.10903.[12]魏金泽.基于时空图网络的交通流预测方法研究[D].大连:大连理工大学,2021.[13]SCHLICHTKRULL M,KIPF T N,BLOEM P,et al.Mod-eling Relational Data with Graph Convolutional Networks[C]ʊEuropean Semantic Web Conference.Heraklion:Springer,2018:593-607.[14]KIPF T N,WELLING M.Semi-supervised Classificationwith Graph Convolutional Networks[J/OL].arXiv:1609.02907[2022-12-20].https:ʊ/abs/1609.02907.[15]UNGERLEIDER L G,KASTNER S.Mechanisms of VisualAttention in the Human Cortex[J].Annual Review ofNeuroscience,2003,23(1):315-341.作者简介:㊀㊀薛文举㊀哈尔滨工业大学硕士研究生㊂主要研究方向:频谱预测㊂㊀㊀付㊀宁㊀哈尔滨工业大学硕士研究生㊂主要研究方向:频谱预测㊂㊀㊀高玉龙㊀哈尔滨工业大学教授,博士生导师㊂主要研究方向:智能通信㊁频谱态势认知㊁智能信息融合㊂。
通信行业周报：物联网市场高速成长，通信模组是不是一条好赛道？
通信行业研究/行业周报主要观点： 1）物联网高速增长，中国将成为全球最大市场 物联网经历无序竞争正由冷静期进入复苏期，增速依旧可观。
IDC 预计到2024年中国将超越美国成为全球第一大物联网市场。
其中硬件占比最大，硬件支出主要在流量基建部分，模组，智慧终端等具有长期成长价值。
2）通信模组是不是一条好赛道，行业痛点破局之法在何处 行业痛点在于研发和测试时间长、获客成本高、客户测试周期长、需求不确定性高、供应链准入门槛越来越高。
破局之法在于（1）自建产线，缩短研发周期，实现模组的快速迭代，典型如移远通信；（2）聚焦垂直领域，在颗粒度较大的行业纵深发展，典型如广和通；（3）社区化运营，扁平化销售，控制成本，典型如合宙通信。
行情回顾上周，通信（申万）指数上涨1.65%，跑赢沪深300指数2.33pct ，在申万一级行业指数中表现排名第4。
板块行业指数来看，表现最差的是卫星导航和光纤，跌幅分别为0.99%和1.27%，光模块和芯片表现最好，涨幅分别为2.89%和2.30%；板块概念指数来看，表现最好的是工业互联网，涨幅为2.20%，表现最差的是智能电网和卫星互联网，跌幅分别为2.24%和2.64%。
产业要闻 1）思科以45亿美元收购Acacia ，涨幅超70%；2）台积电2020年销售额467.5亿美元 同比增长25.2%；3）诺基亚拿下5G SA 大单；4）英特尔换CEO ，30年技术老兵回归；5）ICinsights ：2020年的半导体并购金额创历史新高；6）韩国将迎来2G 服务彻底终结，LG U+宣布6月关网。
重要公司公告1）中兴通讯：10.35亿转让子公司90%股权；2）辉煌科技：签署日常经营重大合同，合同金额为5.50亿元；3）通宇通讯：拟以自有现金1.39亿元购买深圳光为41.18%股权；4）中贝通信：子公司签订海外合同，合同金额约为1.72亿元；5）共进股份：公司拟与管委会、新华三签署价值2亿元协议。
无线通信模组行业调研报告
无线通信模组行业调研报告一、引言随着物联网技术的快速发展，无线通信模组作为连接物联网设备和网络的关键环节，其市场需求呈现出爆发式增长。
本报告旨在对无线通信模组行业进行深入调研，分析其市场现状、发展趋势、竞争格局以及面临的挑战与机遇。
二、行业概述无线通信模组是将芯片、存储器、功放器件等集成在一块线路板上，并提供标准接口的功能模块。
其功能是实现设备与网络之间的无线通信，让各类物联网终端设备能够接入网络并进行数据传输。
三、市场现状（一）市场规模近年来，全球无线通信模组市场规模持续扩大。
据相关数据显示，2020 年市场规模达到约_____亿美元，预计到 2025 年将超过_____亿美元。
（二）应用领域无线通信模组广泛应用于智能交通、智能电表、工业监控、智能家居、智能安防等众多领域。
其中，智能交通和智能家居领域的需求增长尤为迅速。
（三）区域分布亚太地区是无线通信模组的最大市场，其中中国市场占据重要地位。
欧洲和北美地区的市场规模也在稳步增长。
四、发展趋势（一）技术升级随着 5G 技术的普及，5G 无线通信模组逐渐成为市场主流。
同时，低功耗广域网（LPWAN）技术如 LoRa 和 NBIoT 也在特定场景中得到广泛应用。
（二）行业融合无线通信模组行业与人工智能、大数据等技术不断融合，推动物联网应用向智能化、精细化方向发展。
（三）产业链整合为了降低成本、提高竞争力，产业链上下游企业之间的整合趋势日益明显。
五、竞争格局（一）主要厂商目前，全球无线通信模组市场竞争激烈，主要厂商包括_____、＿____、＿____等。
这些厂商凭借技术优势、品牌影响力和规模效应，占据了较大的市场份额。
（二）竞争策略厂商之间的竞争主要体现在产品性能、价格、服务和解决方案等方面。
一些厂商通过不断研发创新，提高产品性能和质量；另一些厂商则通过优化成本，提供更具性价比的产品。
六、面临的挑战与机遇（一）挑战1、技术更新换代快，研发投入大。
2、市场竞争激烈，价格压力较大。
方正证券 新能源换电研究框架
方正证券新能源换电研究框架一、概述随着全球环境保护意识的不断提高，新能源汽车逐渐成为国家政策扶持的重点发展项目。
在新能源汽车技术体系中，换电技术是一种重要的充电方式，其具有快速充电、无污染等诸多优势。
为了更好地了解新能源换电技术的市场潜力和发展前景，方正证券对新能源换电进行了深入研究，提出了一套全面的研究框架。
二、研究背景1. 新能源汽车市场现状根据国家统计局数据显示，我国新能源汽车销售量连续多年保持增长态势。
但与此新能源汽车充电基础设施配套不足、充电时间长等问题也逐渐凸显。
换电技术作为新能源汽车充电的主要方式之一，受到了市场和政府的高度关注。
2. 前沿技术趋势随着科技的不断进步，换电技术也在不断演进和创新。
国内一线新能源汽车厂商已经开始进行换电站的建设，并引入了自主研发的换电桩设备。
这些实践和技术创新带动了新能源换电技术的持续发展。
三、研究目的为了全面了解新能源换电技术在市场中的地位和未来发展方向，方正证券决定对新能源换电技术进行深入研究，并提出一套研究框架，以期为投资者和相关企业提供可靠的投资和发展建议。
四、研究内容1. 对新能源换电技术的市场发展现状进行梳理，包括政策导向、市场需求、竞争格局等方面的调查分析。
2. 分析国内外新能源换电技术的发展趋势，重点关注技术创新、成本控制、用户体验等方面的研究成果。
3. 对新能源换电技术在实际应用中的局限性和优势进行客观评估，提出发展策略和解决方案。
4. 结合实地调研和行业专家意见，对新能源换电技术未来的市场空间和发展前景进行深入研究和预测。
五、研究方法1. 文献综述法：对国内外关于新能源换电技术的研究成果进行综合梳理，获取更多的第一手资料和信息。
2. 问卷调查法：通过向新能源汽车用户和相关行业人士发放问卷，了解他们对新能源换电技术的看法和需求。
3. 实地调研法：走访新能源换电站点和相关企业，收集一手资料，深入了解实际情况。
4. 专家访谈法：邀请新能源汽车行业专家和学者进行深入交流，获取更多的行业内部信息和前沿技术趋势。
新兴产业行业研究周报：美国青少年电子烟用户突破255万，拜登宣布将审查联邦层面cannabis合法化
行业报告 | 行业研究周报新兴产业证券研究报告 2022年10月09日投资评级 行业评级 强于大市(维持)上次评级 强于大市作者吴立 分析师SAC 执业证书编号：S1110517010002 **************蒋梦晗 分析师SAC 执业证书编号：S1110519110001 *********************相关报告1 《新兴产业-行业研究周报:雾芯科技发布2022Q2季报，通过业务调整和产品研发适应监管新变化》 2022-09-252 《新兴产业-行业研究周报:Juul 与美国34个州达成和解协议，FDA 对合成尼古丁审查取得重大进展》 2022-09-123 《新兴产业-行业研究周报:英国电子烟民数量创历史新高，国内电子烟监管10月1日起正式实施》 2022-09-04美国青少年电子烟用户突破255万，拜登宣布将审查联邦层面cannabis 合法化本周关注：1、FDA 和CDC 发布2022年美国青少年烟草调查报告，美国青少年电子烟用户数突破255万人；2、拜登宣布将审查联邦层面cannabis 合法化事项，并对非法持有者进行大规模赦免1、FDA 和CDC 发布2022年美国青少年烟草调查报告，美国青少年电子烟用户数突破255万人10月7日，美国食品药物监管局（FDA ）与疾病控制预防中心（CDC ）联合发布2022年美国青少年烟草调查报告（2022 National Youth Tobacco Survey ，简称NYTS ）。
根据NYTS ，2022年美国青少年群体中的电子烟用户为255万人；2019 年，19.6% 的中学生在过去 30 天内至少吸过一次电子烟，2022年的总体数字为 9.4%，其中高中生群体中电子烟用户数量占比14.1%，初中生群体中电子烟用户数量占比3.3%。
在电子烟的使用频率方面，每月使用天数超20天者占比约42.3%，每月使用6-19天者占比17.1%，每月使用天数低于5天者占比40.6%。
新兴产业行业研究周报：2021第五届国际电子烟产业高峰论坛成功举办，雾化产业发展前景如何？
行业报告 | 行业研究周报新兴产业证券研究报告 2021年12月19日投资评级 行业评级 强于大市(维持评级)上次评级 强于大市作者吴立 分析师SAC 执业证书编号：S1110517010002 **************蒋梦晗 分析师SAC 执业证书编号：S1110519110001 *********************资料来源：贝格数据相关报告1 《新兴产业-行业深度研究:全球智能驾驶产业链巡礼：从马力到算力，All In 智能化时刻来临》 2021-12-182 《新兴产业-行业研究周报:英美烟草发布2021全年业绩预告，新型烟草业务涨势强劲加速转型》 2021-12-123 《新兴产业-行业投资策略:重点布局新型烟草产业链，关注新兴赛道“隐形冠军”》 2021-12-07行业走势图2021第五届国际电子烟产业高峰论坛成功举办，雾化产业发展前景如何？本周关注：12月17日，由中国电子商会指导、中国电子商会电子烟行业委员会主办的“2021第五届国际电子烟产业高峰论坛”在深圳成功举办。
本次大会上半场以“持续创新·突破边界·迎接雾化新时代”为主题，围绕电子烟新政、品牌出海等话题展开讨论，下半场以“雾化20年·新起点·新征程”为主题，同时发布《2021电子烟产业蓝皮书》、《雾化二十年》系列纪录片，吸引了超1000人现场参会，线上观看人数超40万人次。
电子烟法治化、规范化治理促进产业长久持续发展，成长空间广阔 根据《2021电子烟产业蓝皮书》，截至2021年底国内电子烟制造及品牌企业超过1500家，电子烟零售网点超过19万家，电子烟供应链及周边服务企业近10万家。
国内电子烟产业直接就业约150万人，带动间接就业400万人，总计约550万人。
市场规模方面，2021年，全球雾化电子烟预计零售额达800亿美元，同比增长120%，预计未来三年将保持35%的增速；2021年国内零售额预计197亿元人民币，同比增长36%。
通讯行业研讨会发言稿范文
大家好！今天，很荣幸能在此与大家共同探讨我国通讯行业的未来发展。
在此，我代表我国通讯行业发表以下观点：一、光通讯产业近年来，光通讯产业在我国取得了长足的发展。
根据会议纪要，骨干网单载波400G已成为光传送网演进升级的核心技术，预计在未来10年将成为技术大代。
400G QPSK更能满足长距离传输需求，预计在2024年试商用，2025年规模商用，2026年在性价比优势下大规模商用。
此外，干线100G资源预计于2026年逐步到达使用寿命，前传网络目前以50G为主流发展方向，100G/100G将成为未来面向6G 的应用方向。
针对光模块市场，目前高速光模块为100G电口100G光口速率方案，下一代产品为100G电口200G光口。
随着单波光速率的增长，多模方案占比或逐步被单模方案取代。
在传统光模块方面，目前支持1.6T的光芯片已于2023年实现量产，未来1-2年1.6T可插拔光模块将量产，4-5年3.2T可插拔光模块样品将出来。
尽管LPO及CPO面临问题，但传统可插拔光模块目前仍具有较强生命力。
二、数通AI市场数通AI市场在近年来也呈现出迅猛的发展态势。
根据会议纪要，AI算力训练需求每3.5个月便可翻番。
传统叶脊架构收敛比为3:1，而目前AI胖树架构收敛比为1:1，光模块用量为3倍。
AI集群中跨机架需求增大，带动更多高速率、长距离光模块需求。
未来，随着单波光速率的增长，多模方案占比或逐步被单模方案取代。
三、传统光模块在传统光模块方面，我国企业也在不断努力提升产品性能。
目前，支持1.6T的光芯片已实现量产，未来1-2年1.6T可插拔光模块将量产，4-5年3.2T可插拔光模块样品将出来。
尽管LPO及CPO面临问题，但传统可插拔光模块目前仍具有较强生命力。
四、展望未来面对未来，我国通讯行业应继续加大研发投入，推动技术创新，提升产品竞争力。
具体而言，应关注以下方面：1. 加快光通讯产业升级，提高光模块性能，满足未来网络需求；2. 加强数通AI市场研究，推动AI技术在通讯领域的应用；3. 深化产业链协同，提高产业链整体竞争力；4. 加强政策引导，营造良好的产业发展环境。
无线网络产品在证券网络的应用
无线网络产品在证券网络的应用证券公司的数据采集和发送目前主要采用三种方式：最重要的一种方式，就是各营业部通过各自的地面卫星信号收发装置，直接与当地上空的同步卫星进行通信。
这种方式是目前最为稳定、准确、安全、高速的通信方式，也是证券公司日常进行数据采集和发送的主干系统。
第二种方式，是各个证券公司的营业部为了预防地面卫星信号收发装置出现问题，无法采集和发送数据而配备的第二套通信系统，这套系统被称为备用系统。
现在使用这套系统的大多数证券公司都采用租用DDN、T1、ISDN等专线的方式。
第三种方式是专为大户和各操盘公司提供的。
因为股市大户和操盘公司的每笔交易金额都很大，对买卖的时间要求也非常高，因此各营业部为大户建立了大户室，为操盘公司提供了网络接口。
大户和操盘公司可以利用营业部的主干系统或备用系统进行买卖活动。
针对证券公司数据采集和传输系统的应用现状，建议采用无线网络产品，该系列产品特别适用于上述的第二种和第三种应用情况。
在第二种方式中，各营业部间的通信采用的是专线方式，专线的带宽不仅很低，一般只有512K，而且费用也很高，128K ISDN的月租费为5000元，也就是说每个营业部每年的线路租用费用都要在六、七万元。
另外各营业部还要另外购置高端路由设备，这个设备的费用通常高达几万元。
而无线网络产品可提供11M的带宽，采用这种方式，各营业部只需在第一年投资几万元用于设备安装，之后就不用再交纳任何租费，既能提高速度又能节省投资。
对于第三种方式来说，现在的很多股市大户不愿意在大户室内进行操作，而选择从营业部到所住的宾馆或自己的公司直接拉专线进行交易，一般都采用双绞线、同轴电缆或光纤的方式进行远程联网，这样的做法铺设费用高，施工周期长，无法移动，维护成本也很高。
而无线网络产品可以提供比专线更快、费用更低、安装使用更灵活方便的连接方案。
应用案例某证券公司由于业务的扩大，需要在现有营业部的对面增加一个新的营业部。