一、固定通信网络
（一）、SDN( Software Defined Network)：
一种新型网络创新架构，是网络虚拟化的一种实现方式，其核心技术OpenFlow通过将网络设备控制面与数据面分离开来，从而实现了网络流量的灵活控制，使网络作为管道变得更加智能。SDN本身就是一种创新网络架构不是一种具体技术和协议，而是一种新架构。 特征：控制/ 处理分离，软硬分离，网元虚拟化，网络可编程。
代表技术：SDN/NFV、Open Stack。
优点：
集中控制-集在络资源全局视图、全局调配和优化；网络设备集中运维和管控。
开放编程接口-应用与网络无缝集成、用户可编程、加快新业务上线 网络虚拟化-屏蔽底层差异，实现网络对应用的透明化。逻辑网可随业务需要配置、迁移，并支撑多租户共享和按需定制。
（二）、光通信：
1、硅光子：
由于光和电采用分立方式，光子与电子技术遵循各自的发展路线，目前光通信系统在功耗、成本、集成度方面遇到提升瓶颈。硅光子技术利用CMOS微电子工艺实现光子器件的集成制备，该技术结合了CMOS技术的超大规模逻辑、超高精度制造的特性和光子技术超高速率、超低功耗的优势。是一种能够解决长技术演进与成本矛盾的颠覆性技术。
目前多项硅光子关键技术已被相继突破，预计在三年内将开始商用。
2、>100G:
100G光传输难以满足未来视频、云计算、大数据、物联网等新兴业务对网络带宽的需求。现网平滑升级超100G光收发单元可成倍提升系统容量，具有较高性价比和可行性。超100G将继承并发扬100G光传输设计思想，在保持传输距离不变的同时提升光纤频谱资源的利用率和频谱效率，引入先进的调制编码和光电集成技术进一步降低单位比特成本。目前业界积极开展现网实验，推进超100G商用进程，预计会在数据中心互联率先展开应用。
3、多维复用和相干技术：
互联网新应用层出不穷，需要更大带宽支撑井喷式增长的数据需求，政企大客户、高端社区用户将需要独享波长入户，以及部分场景下会有长距离高带宽低时延接入需求。光通信技术中的复用维度包括时分、波分、频分、码分、模分等。目前40G PON是采用了时分和波分两维复用，这也是100G PON的可行方式之一。业界将探索上述更多维度的组合，为用户提供更大的带宽。此外，在接收端采用相干接收方式，可在一根光纤承载超过1000个波长，每波长1G/10G，无源传输距离达到100km，实现T比特接入。为用户提供更大带宽、更低时延的接入服务，为运营商提供高效和低运维成本的网络。 40G TWDM-PON将在五年内启动商用之旅，更多维复用和相干技术也是研究热点。
4、IP与光网络深度融合：
当前通信网络采用多层多域网络承载业务，设备种类繁多，海量数据的分组处理能力呈指数级别提高，同时对超大容量路由运算能力提出越来越高的要求,导致机房空间紧张、能耗高、效率低。IP与光网络的融合是解决问题的有效方式之一。
IP与光网络融合可以通过统一交换内核技术来实现，具有分组/ODUk/VC集中交换功能，从而减少网络层次、节省网络投资、降低维护成本，实现网络节点集约化。通过提高单槽位线卡转发能力和采用多框集群技术，可以大幅提升单节点转发能力；通过多核处理器、分布式App架构、模块化管理等技术，可实现千万级别路由表管理。涵盖骨干、汇聚和接入网络的IP与光融合，具有千万级别路由表项的超大容量路由器，提供全网端到端解决方案，运营商已经展开了试点。
5、基于CDC-F特性光交叉构建下一代光网络：
当前随着100G技术的规模部署，超100G技术的蓬勃发展，WDM/OTN系统的传输容量提升较快，光层的灵活调度和高效处理成为了光网络节点的一个重要需求。随着WSS光模块集成度的进一步提升，采用WSS光模块构建的具备CDC-F（Colorless, Directionless, Contentionless, FlexGrid)特性的光交叉组网技术在超大网络节点应用时，因同时拥有超大交换容量、波长及业务灵活调度、低功耗、低时延等关键特性，易于构建灵活、高效的光网络。具备CDC-F特性的光交叉技术越来越受到全球运营商的重视，目前已有运营商率先部署，预计近期将会展开更大范围的试点和商用。
6、中短距离城域高速传输直调直检技术：
伴随着大数据和云技术的蓬勃发展，短到芯片片上和片间、长到机柜间和数据中心间的大规模数据交换处理，都渴望高速、稳定、可靠的互联，常规电缆连接将无法应对。目前看来，芯片间和板间的解决方案可以利用硅基光电集成来有效实现光互联。机房间互联、机架间互联、机框间互联、机盘间互联可以利用光电转换和光传输技术取代传统的电缆，主要解决方案包括硅基的光电集成、高速VCSEL和直调DFB等。其中硅基光电集成方案具有CMOS工艺兼容，集成度高，成本低的优势。未来几年，光互联技术将在芯片内部、芯片间、板间、机柜间、机房间普及应用。
7、绿色通信，光通信技术：
随着人们信息消费的不断增加，需要光通信提供的带宽越来越大，消耗的能源越来越多。在能源日趋紧张的今天，如何实现绿色通信成为业界努力的主要方向之一。为了实现绿色通信，一些新的技术正在或将逐渐被采用，如新能源、高集成度芯片、高效率电源模块、智能风扇、液体制冷、智能流量聚合、硬件休眠、新型材料等技术。
通过上述技术的逐步引入和持续优化，光通信设备的每比特能耗将逐渐降低，与环境更为和谐。
二、移动通信网络
（一）、5G
1、5G演进
5G将渗透到未来社会的各个领域，以用户为中心构建全方位的信息生态系统。5G将使信息突破时空限制，提供极佳的交互体验，为用户带来身临其境的信息盛宴；5G将拉近万物的距离，通过无缝融合的方式，便捷地实现人与万物的智能互联。5G将为用户提供光纤般的接入速率，“零”时延的使用体验，千亿设备的连接能力，超高流量密度、超高连接数密度和超高移动性等多场景的一致服务，业务及用户感知的智能优化，同时将为网络带来超百倍的能效提升和超百倍的比特成本降低，最终实现“信息随心至，万物触手及”的总体愿景。 5G需要具备比4G更高的性能，支撑0.1～1Gbps的用户体验速率，每平方公里一百万的连接数密度，毫秒级的端到端时延，每平方公里数十Tbps的流量密度，每小时500Km以上的移动性和数十Gbps的峰值速率。其中，用户体验速率、连接数密度和时延为5G最基本的三个性能指标。同时，5G还需要大幅提高网络部署和运营的效率，相比4G，频谱效率提升5～15倍，能效和成本效率提升百倍以上。性能需求和效率需求共同定义了5G的关键能力，犹如一株绽放的鲜花。红花绿叶，相辅相成，花瓣代表了5G的六大性能指标，体现了5G满足未来多样化业务与场景需求的能力，其中花瓣顶点代表了相应指标的最大值；绿叶代表了三个效率指标，是实现5G可持续发展的基本保障。 2、5G关键技术展望
5G将从频谱效率的提升，通信频带的扩展，新型网络结构这三个维度来提升系统能力，实现性能需求和效率需求。全球各大5G推进组也在积极开展相关研究工作，三个维度的关键技术线仅停留在实验室层面，尚待讨论。 >频谱效率
（1）大规模阵列天线
大规模阵列天线（Massive MIMO）已经被公认为5G的关键技术之一，它采用有源天线阵列技术，将现有的2D天线阵列拓展成为3D天线阵列，，形成极精确的用户级超窄波束，将能量定向投放到用户位置，可以显著改善网络的覆盖能力，降低无线网络能耗，特别是在中高频段组网的情况下尤为明显。目前，基站侧可支撑的协作天线数量将达到128根。 在城市CBD办公区，会场等热点地区，用户数量较多且分布密集，大规模阵列天线技术可以在水平面和垂直面均可实现波束赋形。多个用户级波束在空间上三维赋型，可避免相互之间的干扰，提升系统级容量。
大规模阵列天线技术也受到了业界的重点关注，中国移动和HUAWEI在Massive MIMO技术上的合作研究已超过两年时间，与2014年9月份完成了全球首次TD-LTEMassive MIMO多天线预商用产品演示，这既是对5G先进技术的验证，也可帮助中国移动提升TD-LTE中高频组网的覆盖水平和系统容量。双方将会继续紧密合作，推进大规模阵列天线的成熟与商用。
（2）全双工技术
全双工技术是指在相同的频谱上，通信的收发双方同时发射和接收信号。相对与传统的FDD，TDD半双工模式，全双工技术突破了频谱资源使用限制，使系统可用频谱资源提升1倍，是未来有可能改变移动通信传统工作模式的革命性技术方向。全双工技术需要具备极高的干扰消除能力以消除来自发送天线的自干扰信号，HUAWEI、中国移动研究院联合北京大学等科研单位共同致力于全双工技术的开发，现已成功实现500m点对点全双工通信。目前，将全双工技术应用于多天线系统以及全双工组网是全双工技术在实际系统中应用需要重要点研究的问题。
传统的蜂窝通信系统的组网方式是以基站为中心实现小区覆盖，而基站及中继站无法移动，其网络结构在灵活度上有一定的限制。随着无线多媒体业务不断增多，传统的以基站为中心的业务提供方式已无法满足海量用户在不同环境下的业务需求。 （3）D2D（Device to Device）通信
D2D技术无需借助基站的帮助就能够实现通信终端之间的直接通信，拓展网络连接和接入方式。由于短距离直接通信，信道质量高，D2D能够实现较高的数据速率、较低的时延和较低的功耗；通过广泛分布的终端，能够改善覆盖，实现频谱资源的高效利用，支撑更灵活的网络架构和连接方法，提升链路灵活性和网络可靠性。目前，D2D采用广播、组播和单播技术方案，未来将发展其增强技术，包括基于D2D的中继技术、多天线技术和联合编码技术等。
移动通信传统工作频段主要集中在3GHz以下，这段频谱资源十分拥挤，潜力已经开发殆尽。而在高频段（如毫米波、厘米波频段）可用频谱资源丰富，能够有效缓解频谱资源紧张的现状，可以实现极高速短距离通信，支撑5G容量和传输速率等方面的需求。IMT-2020计划开发6G以下的频段供5G使用，随着射频技术趋于成熟，再逐步开发6G以上的高频段。 >频段扩展
目前，监测中心目前正在积极开展高频段需求研究以及潜在候选频段的遴选工作。高频段资源虽然目前较为丰富，但是仍需要进行科学规划，统筹兼顾，从而使宝贵的频谱资源得到最优配置。 高频段在移动通信中的应用是未来的发展趋势，业界对此高度关注。高频通信存在传输距离短、穿透和绕射能力差、容易受气候环境影响等缺点。考虑到未来的5G网络是高密度性网络，覆盖面积最小的微小区和热点仅需达到50米以下的覆盖范围。高频段频谱资源用于微小区的小型化高增益天线和设备中，可实现很高的通信速率。
>网络架构
随着各种智能终端的普及，数据流量将出现井喷式的增长。未来数据业务将主要分布在室内和热点地区，这使得超密集网络成为实现未来5G的1000倍流量需求的主要手段之一。超密集网络能够改善网络覆盖，大幅度提升系统容量，并且对业务进行分流，具有更灵活的网络部署和更高效的频率复用。5G通信系统将采用更加密集的网络方案，部署更多小小区来满足局部热点地区的大容量需求，同时可以起到为宏站和微站分流的效果。 在无线接入技术上，5G可能采用C-RAN（Cloud-Radio Access Network）接入网架构。C-RAN的基本思想是通过充分利用低成本高速光传输网络，直接在远端天线和集中化的中心节点间传送无线信号，以构建覆盖上百个基站服务区域，甚至上百平方公里的无线接入系统。C-RAN架构适于采用协同技术，能够减小干扰，降低功耗，提升频谱效率，同时便于实现动态使用的智能化组网，集中处理有利于降低成本，便于维护，减少运营支出。各种新型高速无线局域网接入点和蜂窝小基站共同构成立体的超密集的组网方式，形成一张超级带宽能力网络。愈发密集的网络部署也使得网络拓扑更加复杂，小区间干扰已经成为制约系统容量增长的主要因素，极大地降低了网络能效。干扰协调与管理、密集小区间协作、基于终端能力提升的移动性增强方案等，都是目前密集网络方面的研究热点。
（二）、Wi-Fi与LTE融合
Wi-Fi最大的优势在于，它是在未授权的频谱上运行的，任何人都可以部署Wi-Fi网络，而且能够支撑人们能想到的几乎所有智能手持设备或物联网设备。Wi-Fi最适合的是大容量、高密度且低移动性的室内应用。另一方面，蜂窝技术具备无处不在的室外覆盖、无缝的移动等优点，更完美支撑语音和流媒体等实时应用。两项技术的结合将为整个行业带来巨大的希翼。 各行各业不断尝试Wi-Fi/蜂窝网络融合，随着各个技术的不断推进，了解这些不同方法之间的区别非常重要，其实答案并没有正确或错误之分，只是选择不同而已（具体取决于用户的参考架构）,预计在2020年前，Wi-Fi 和LTE小蜂窝基站技术仍将继续融合，带来始终保持最佳连接的使用体验。LTE-U、LTE-LAA、LWA和多链路TCP都是融合这两大无线技术的选择，市场会决定最终在什么时间采用什么方法。
三、云计算、大数据
（一）、云计算：
云计算(Cloud Computing)是由分布式计算(Distributed Computing)、并行处理(ParallelComputing)、网格计算(Grid Computing)发展来的，其最基本的概念，是透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户。透过这项技术，网络服务提供者可以在数秒之内，达成处理数以千万计甚至亿计的信息，达到和“超级计算机”同样强大效能的网络服务，是一种新兴的商业计算模型。
云计算系统运用了许多技术，其中以编程模型、数据管理技术、数据存储技术、虚拟化技术、云计算平台管理技术最为关键。
1、编程模型
MapReduce是谷歌开发的java、Python、C++编程模型，它是一种简化的分布式编程模型和高效的任务调度模型，用于大规模数据集(大于1TB)的并行运算。严格的编程模型使云计算环境下的编程十分简单。MapReduce模式的思想是将要实行的问题分解成Map(映射)和Reduce(化简)的方式，先通过Map程序将数据切割成不相关的区块，分配(调度)给大量计算机处理，达到分布式运算的效果，再通过Reduce程序将结果汇整输出。
2、海量数据分布存储技术
云计算系统由大量服务器组成，同时为大量用户服务，因此云计算系统采用分布式存储的方式存储数据，用冗余存储的方式保证数据的可靠性。云计算系统中广泛使用的数据存储系统是谷歌的GFS和Hadoop团队开发的GFS的开源实现HDFS。
GFS即谷歌文件系统(谷歌 File System)，是一个可扩展的分布式文件系统，用于大型的、分布式的、对大量数据进行访问的应用。GFS的设计思想不同于传统的文件系统，是针对大规模数据处理和谷歌应用特性而设计的。它运行于低价的普通硬件上，但可以提供容错功能。它可以给大量的用户提供总体性能较高的服务。
一个GFS集群由一个主服务器(master)和大量的块服务器(chunkserver)构成，并被许多客户(Client)访问。主服务器存储文件系统所以的元数据，包括名字空间、访问控制信息、从文件到块的映射以及块的当前位置。它也控制系统范围的活动，如块租约(lease)管理，孤儿块的垃圾收集，块服务器间的块迁移。主服务器定期通过HeartBeat消息与每一个块服务器通信，给块服务器传递指令并收集它的状态。GFS中的文件被切分为64MB的块并以冗余存储，每份数据在系统中保存3个以上备份。
客户与主服务器的交换只限于对元数据的操作，所有数据方面的通信都直接和块服务器联系，这提高了系统的效率，防止主服务器负载过重。
3、海量数据管理技术
云计算需要对分布的、海量的数据进行处理、分析，因此，数据管理技术必需能够高效的管理大量的数据。云计算系统中的数据管理技术主要是谷歌的BT(BigTable)数据管理技术和Hadoop团队开发的开源数据管理模块HBase。
BT是建立在GFS,Scheduler, Lock Service和MapReduce之上的一个大型的分布式数据库，与传统的关系数据库不同，它把所有数据都作为对象来处理，形成一个巨大的表格，用来分布存储大规模结构化数据。
谷歌的很多项目使用BT来存储数据，包括网页查询，谷歌 earth和谷歌金融。这些应用程序对BT的要求各不相同：数据大小(从URL到网页到卫星图象)不同，反应速度不同(从后端的大批处理到实时数据服务)。对于不同的要求，BT都成功的提供了灵活高效的服务。
4、虚拟化技术
通过虚拟化技术可实现App应用与底层硬件相隔离，它包括将单个资源划分成多个虚拟资源的裂分模式，也包括将多个资源整合成一个虚拟资源的聚合模式。虚拟化技术根据对象可分成存储虚拟化、计算虚拟化、网络虚拟化等，计算虚拟化又分为系统级虚拟化、应用级虚拟化和桌面虚拟化。
5、云计算平台管理技术
云计算资源规模庞大，服务器数量众多并分布在不同的地点，同时运行着数百种应用，如何有效的管理这些服务器，保证整个系统提供不间断的服务是巨大的挑战。
云计算系统的平台管理技术能够使大量的服务器协同工作，方便的进行业务部署和开通，快速发现和恢复系统故障，通过自动化、智能化的手段实现大规模系统的可靠运营。
（二）、大数据：
“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据处理关键技术一般包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用（大数据检索、大数据可视化、大数据应用、大数据安全等）。
1、Hadoop
是开源大数据项目的总称，是一个由Apache基金会所开发的分布式系统基础架构，主要是由HDFS和MapReduce组成，HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。
MapReduce是处理大量半结构化数据集合的编程模型。编程模型是一种处理并结构化特定问题的方式。例如，在一个关系数据库中，使用一种集合语言实行查询，如SQL。告诉语言想要的结果，并将它提交给系统来计算出如何产生计算。还可以用更传统的语言(C++，Java)，一步步地来解决问题。这是两种不同的编程模型，MapReduce就是另外一种。
四、物联网
（一）、工业以太网：
工业控制网络从最初的计算机集成控制系统CCS到集散控制系统DCS，发展到现场总线控制系统。近年来，以太网进入工业控制领域，出现了大量基于以太网的工业控制网络。同时，随着无线技术的发展，基于无线的工业控制网络的研究也已开展。
现场总线：广泛应用于连接现场设备，如控制器、传感器与实行器等，采用全数字通信，结构简单，节约线缆。现场总线是综合运用微处理技术、网络技术、通信技术和自动控制技术的产物，他在现场控制设备和测量仪器中嵌入微处理器，使他们具有数字计算和数字通信的能力，构成能独立承担某些控制、通信任务的网络节点。
工业以太网：随着应用需求的提高，现场总线的高成本、低速率、难于选择以及难于互连、互通、互操作等问题逐渐显露。以太网具有传输速度高、易于安装和兼容性好等优势，因此基于以太网的工业控制网络是发展的趋势,将以太网应用于工业控制领域 ,构成工业以太网。
工业无线网：无线通信技术逐渐进入工业控制网络领域，为工业控制带来了诸如降低安装复杂度以及减少线缆等好处，同时其配置灵活，使用方便。目前，无线通信在工业自动化领域的研究主要有以下几类：无线总线 RFiel dbus、无线传感器与实行器网络WSAN、基于IEEE 802.11的无线局域网WL AN以及基于IEEE 802.15的无线个域网WPAN等。 （二）、车联网：
1、ADAS:
先进驾驶员辅助系统（Advanced Driver Assistant System），简称ADAS，是利用安装于车上的各式各样的传感器，在第一时间收集车内外的环境数据， 进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险， 以引起注意和提高安全性的主动安全技术。ADAS 采用的传感器主要有摄像头、雷达、激光和超声波等，可以探测光、热、压力或其它用于监测汽车状态的变量，通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。早期的ADAS 技术主要以被动式报警为主，当车辆检测到潜在危险时，会发出警报提醒驾车者注意异常的车辆或道路情况。对于最新的ADAS技术来说，主动式干预也很常见。
ADAS的两个关键技术是处理器和传感器，虽然ADAS应用系统越来越复杂，但随着器件性能升高成本降低，ADAS的应用正在从豪华高档汽车向中低档汽车中普及。例如，自适应巡航控制、盲点监测、车道偏离警告、夜视、车道保持辅助和碰撞警告系统，具有自动转向和制动干预功能的主动ADAS系统也已开始在更广阔的市场上得以应用。 2、自动驾驶：
无人驾驶汽车通过环境感知模块来辨别自身周围的环境信息，为其行为决策提供信息支撑。汽车配备了立体多功能摄像头、车载雷达、超声波传感器。通过摄像机和雷达探测信息的叠加，可以获得周围路况信息，包括车辆精确位置，速度，障碍物形状和体积。2014年5月GOOGLE发布无人汽车，App和传感装置取代了方向盘、油门、刹车灯传统汽车配置。奔驰企业的Intelligent Drive2013年9月发布，顺利完成了长达100公里的无人驾驶试验之旅，成功实现城市内及跨城之间的无人驾驶。特斯拉于2014年10月发布其P85D四驱智能驾驶版车型，增设的雷达和摄像头可以识别行人和路标，实现自动泊车、高速公路自动驾驶，堵车自动跟随等功能。2014年07月24日，百度启动“百度无人驾驶汽车”研发计划。中国汽车行业在智能汽车领域起步较晚，包括一汽、吉利等在内的自主品牌车企均表示要大力研发智能汽车，积极备战智能汽车市场争霸赛。
| 
288
发表于 2015-6-11 15:22:59