5G NTN关键技术研究与演进展望

5G非地面网络（non-terrestrial network,NTN）技术是5G通信系统面向卫星通信和低空通信等新应用场景的重要技术，标志着5G技术应用从陆地通信走向了空间通信。首先分析了5G NTN和地面5G的差异点，包括网络架构、时频同步、HARQ和移动性管理等。进而介绍了3GPP Release 17的5G NTN标准进展及关键技术点与3GPP Release 18的5G NTN增强技术。最后展望了未来空、天、地一体化的技术演进。通过对5G NTN技术研究和标准分析，明确了5G和卫星通信融合的技术路线，并为后续6G空、天、地融合系统研究和设计提供基础。     

基于改进MobileFaceNet的人脸识别方法北大核心

针对目前大多数人脸识别算法参数多、计算量大,难以部署到移动端和嵌入式设备中的问题,提出了一种基于改进MobileFaceNet的人脸识别方法。通过对MobileFaceNet模型结构的调整,将bottleneck模块优化为sandglass模块,改良深度卷积和逐点卷积的相对位置,适当增大sandglass模块的输出通道数,从而减少特征压缩时的信息丢失,增强人脸空间特征的提取。实验结果表明:改进后的方法在LFW测试数据集上准确率达99.15%,模型大小和计算量分别仅为原算法的61%和45%,验证了所提方法的有效性。     

塔里木盆地塔西南坳陷柯东构造带甫沙4井原油来源及充注过程

甫沙4井位于塔里木盆地塔西南坳陷昆仑山前冲断带的柯东构造带上，北部和东部分别发育有柯克亚和柯东1井油气田。为研究甫沙4井原油来源与充注过程，对原油样品和连续抽提后的含油砂样各组分（游离态、束缚态、包裹体）进行GC、GC?MS和 GC?IRMS分析，与柯克亚凝析油气田油样进行油—油对比。结果表明：甫沙4井晚期充注原油组分具有C_29?32重排藿烷、重排甾烷和Ts相对含量高，C_27?29甾烷ααα 20R分布呈反“L”型，以及正构烷烃单体碳同位素值较低等特征，与柯克亚凝析油气田来源于二叠系普司格组（P_2?3p）烃源岩的主体原油（I类）地球化学特征一致。而早期充注的原油组分具有重排藿烷、重排甾烷和Ts相对含量较低，C_27?29甾烷ααα 20R分布呈“V”型，以及正构烷烃单体碳同位素值较高等特征，与柯克亚凝析油气田来源于中—下侏罗统湖相泥岩的II类原油地球化学特征一致。甫沙4井经历3个阶段成藏过程：①在上新世，二叠系烃源岩于生油晚期阶段生成的I类原油运移至柯克亚构造带或柯东构造带深部形成油藏；②在更新世早期，侏罗系烃源岩于生油早—中期生成的II类原油运移至甫沙4井白垩系储层；③在第四纪，强烈的构造作用使深部I类原油沿断裂调整进入甫沙4井白垩系储层。最终造成甫沙4井白垩系储层II类原油先充注，I类原油后充注的特殊现象。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

铅基卤素钙钛矿阻变式存储器研究进展

随着数字通信在大数据以及物联网等领域的应用,推动了下一代存储设备的发展。阻变式存储器因其功耗低、尺寸可调、操作速度快等优点被认为是最有前景的信息存储器件之一。近年来,兼具成本低、带隙可调、载流子扩散长度长、离子迁移速率快、载流子迁移率高等优点的铅基卤素钙钛矿,在阻变式存储器领域引起了广泛关注。主要对铅基卤素钙钛矿阻变式存储器最新研究进展进行了概述,就铅基卤素钙钛矿阻变式存储器结构、阻变性能、阻变机理等方面进行了综述。最后,对铅基卤素钙钛矿阻变式存储器当前面临的挑战进行了讨论,并对其未来的发展前景进行了展望。     

基于BERTCA的新闻实体与正文语义相关度计算模型

目前的搜索引擎仍然存在“重形式,轻语义”的问题,无法做到对搜索关键词和文本的深层次语义理解,因此语义检索成为当前搜索引擎中亟需解决的问题。为了提高搜索引擎的语义理解能力,该文提出一种语义相关度的计算方法。首先,标注了金融类新闻标题实体与新闻正文语义相关度语料1万条,然后建立新闻实体与正文语义相关度计算的BERTCA(Bidirectional Encoder Representation from Transformers Co-Attention)模型,通过使用BERT预训练模型,综合考虑细粒度的实体和粗粒度的正文的语义信息,然后经过协同注意力,实现实体与正文的语义匹配,不仅能计算出金融新闻实体与新闻正文之间的相关度,还能根据相关度阈值来判定相关度类别,实验表明该模型在1万条标注语料上准确率超过95%,优于目前主流模型,最后通过具体搜索示例展示了该模型的优秀性能。     

移动边缘计算中资源分配和定价方法综述

移动边缘计算（mobile edge computing,MEC）通过将计算任务卸载至边缘服务器，降低网络负荷，减少传输时延，提升用户服务体验。因此，MEC受到了广泛关注，并成为5G的关键技术。资源分配作为MEC的主要问题，在提升能量效率、缩短任务时延和节约成本方面具有非常重大的研究意义。首先，介绍了MEC的基本概念、参考架构和技术优势；然后，从技术层面和经济层面归纳总结了MEC中最新的资源分配和定价策略；最后，讨论了MEC资源分配和定价策略中可能存在的问题与挑战，并提出了一些可行的解决方案，为后续研究发展提供参考。