随着国家“双千兆”网络计划的深入推进，运营商业务量和网络规模持续发展，对于早期已完成基础传输组网建设的高业务量、高价值城区区域，逐渐出现区域划分不合理、业务接入不规范、建设运维投资成本高、网络资源利用率低等网络结构问题。提出一种通过创新融合本地GIS地图和本地网络资源管理平台，开展综合业务接入区、C-RAN网格、汇聚机房、无线站点等点线面一张光缆网在线规划，统筹家宽、政企、基站等业务的高效收敛方法。该方法在眉山东坡岛进行了实际探索与应用，开展系统性、全面性的网络结构调整，打造了一张面向未来发展的高品质网络，降低网络建设运维成本，有效提高了网络安全性和效率效益。
在乡村振兴战略背景下，人工智能生成内容（AIGC）技术为破解乡村发展瓶颈提供新动能。本文聚焦成都平原特色，通过构建“技术-场景-生态”三维框架，系统分析AIGC技术在农业生产智能化、乡村治理数字化、文旅融合创新三大领域的实践成效，提出以产业升级为核心、服务优化与文化赋能为两翼的发展路径。研究表明，成都需重点突破数据孤岛、商业模式缺失、技术适应性不足等瓶颈，为西部乡村提供“科技赋能-文化铸魂-产业兴农”的可复制模式。
针对切片分组网SPN设备的技术架构和安全机制现状，分析了在SDN系统架构下设备潜在的安全风险，借鉴《网络关键设备安全通用要求》等国家标准和人工智能手段，提出通过强化硬件与软件标识、加强漏洞排查和攻击防范、完善内部安全体系、构建动态保障机制及提升自动化运维和智能自治能力等方式，改进SPN设备的综合防护能力的建议。
第五代移动通信系统（5G）的大规模部署加速了室内数字化场景建设，但现网中大量高口碑场景（如交通枢纽、商业中心）的室分系统面临低效益小区困境。增大小区覆盖范围的传统小区合并方法并不能充分释放网络的MIMO潜能。本文提出了一种基于通道重组的MIMO改造方法，通过逻辑层面的射频单元（RRU）协同调度与覆盖区域整合，实现传统室分系统的低成本升级。实践结果表明，5G室分通过通道重组合并技术，实现了错层MIMO的效果，在解决了室分低零小区的同时为客户提供了更好的网络体验。
5G-A(5G-Advanced)作为5G向6G过渡的关键阶段，在带宽、连接数、定位精度和能效四个维度实现十倍提升，围绕通感一体、无源物联和元宇宙三大方向持续演进。文章详细探讨了5G-A在工业互联网、卫星通信、XR/元宇宙、通感一体化、无源物联网等领域的创新应用，分析了行业环境与竞争现状，并对5G-A的商用进程和发展趋势进行了预判。研究表明，5G-A将通过技术创新推动数字经济发展，为6G时代奠定基础。
针对目前施工场地安全衣帽在复杂环境中漏检率高和误检现象频繁等问题，提出一种改进YOLOv11n方法，通过引入RepVGG模块，代替C3K2模块中Bottleneck模块中的Conv模块，增强网络对安全衣帽特征提取能力。实验结果表明，相比于原YOLOv11n模型，改进模型准确率（P）提升1.9%，召回率（R）提升1.5%,mAP值提升3.1%。说明改进模型在复杂环境下对穿戴衣帽的检测更具优势。
感应式磁声成像(Magneto-Acoustic Tomography with Magnetic Induction, MAT-MI)是具备高对比度与高空间分辨率优势的多物理场耦合的新型成像技术，但其逆问题，即重建过程中存在的弧状伪影、噪声敏感干扰限制了成像精度。为此，本文提出一种时间反演-代数迭代(Algebraic Reconstruction Technique ,ART)融合重建算法，通过结合声波传播的物理聚焦机制与正则化数值优化，以声学均匀生物组织模型为研究对象，通过仿真计算得到声压分布，结合时间反演-代数迭代融合重建算法实现声源图像重建。仿真实验表明，本文提出的重建算法能准确有效地重建出声学均匀介质中的声源图像，研究结果对磁声成像实验设计和后续研究提供研究基础。
随着5G技术的广泛应用，用户通信需求和应用场景的日益复杂，对差异化的服务质量（QoS,Quality of Service）有了愈发严苛的要求。本研究提出了一种基于5G QoS标识（5G QoS Identifier,5QI）与无线频率选择优先级（RAT Frequency Selection Priority,RFSP）联合的动态调度策略，通过改进的加权比例公平（Weighted Proportional Fair,WPF）调度算法融合接入管理-策略控制功能（Access Management-Policy Control Function,AM-PCF）动态策略机制，实现用户级与业务级的资源灵活分配。设计分层分级网络保障模型，为不同用户分配差异化的5QI和RFSP调度权重。测试结果表明，保障用户平均速率、视频播放质量等关键性能均优于普通用户，验证了差异化调度策略在复杂场景下的有效性。
针对传统天线阵列参数优化依赖经验调参且计算效率低下的问题，提出了一种基于全连接神经网络（Fully Connected Neural Network,FCNN）的天线阵列参数优化方法。首先，构建了一个用于训练网络的数据集。其次，设计了多隐藏层的FCNN网络，学习辐射特性与16维幅度和16维相位参数之间的非线性映射关系，以实现主瓣增益最大化和旁瓣抑制比增强条件下的最优天线参数输出。实验结果表明，所构建的FCNN网络获得的天线激励参数在1.6GHz频段下实现了8.97dBi的主瓣增益，旁瓣抑制比相比于人工优化方法和支持向量回归（SVR）算法分别提高了11.71dB和7.41dB。在2.5GHz频段，该方法的天线主瓣增益达到13.45dBi，旁瓣抑制比仍显著优于对比方法，分别提高了7.85dB和6.38dB。综合性能指标（主瓣增益与旁瓣抑制比的加权得分）方面，所提出的方法在1.6 GHz频段比人工优化和SVR算法分别提升了57.9%和29.3%；在2.5 GHz频段，则分别提升了30%和22.2%。该方法突破了传统人工调参效率低和仿真时间长的技术瓶颈，为大规模阵列设计提供高效解决方案。
提出一种基于人工智能（AI）的网络功能虚拟化（NFV）架构，以提升网络管理的自动化、弹性和智能化水平。通过集成深度学习和强化学习算法，AI驱动的NFV实现了动态资源分配、实时流量预测和智能故障恢复。实验结果表明，相较于传统NFV,AI驱动架构在资源利用率上提升了20%、系统响应时间减少了30%、网络吞吐量提高了25%、丢包率降低了15%、服务质量（QoS）提升了10%及故障恢复时间缩短了30%。消融实验验证了各AI组件的有效性。研究还探讨了该架构在5G/6G、智能边缘计算和云网络中的应用潜力，展示了其优化网络性能和管理效率的显著优势。尽管面临训练数据需求和算法复杂度等挑战，研究表明AI驱动NFV在未来网络中具有广阔的应用前景。