考核：无期末考，老师讲8-10课，学生6-8课，每周2篇论文，讨论答疑

pre 45%

lab 25%：移动计算服务的算法，c++，matlab

final project30%：做一个实际的东西，survey，论文

class-1

课程内容

移动计算分为

移动通信
移动硬件
移动软件

移动通信演进

关键技术

可见光的无线通信

用LED阵列传输信息，LIFI，速度10~100Gbps

通信感知一体化

AI for system

多模信任模型，新型密码技术

节能

沉浸式用户体验

10ms是底线，不然会让用户头晕想吐

感知、定位、成像

矿场里机器人挖矿，精细化

class-2

一些术语，缩写

RAN：接入网

UE：user equipment

移动计算通用架构

3G时代，你的请求可能会跑到3 4公里外的基站处理，而不是你身边1cm的基站，因为做负载均衡。

4G时代，做端到端时延的降低，让eNodeB之间互联。个人用户的电路交换是附在ip包上的，4G没有拉到电话网里数据传输，纯用ip网络，但是ip是锁死的，灵活性不如纯ip

S-GW：和基站相连，gate way，负责数据业务转发

MME：移动性管理，小区切换，接管了BSC和RNC的一部分功能

P-GW：和ip网络相连

整体趋势：2G->3G->4G解耦，功能上移

234G网络对比

十倍量级的变化

万物互联时代

5G指标

空中接口：空口，用户设备-RAN之间的接口（目前的瓶颈）

LTE：4G LTE

5G组网架构

1

最简单的一个图了嗷，两层架构

gNB：G Node B

2

灵活性和可扩展性的要求，要求建立更多基站，但没这么多地皮来建基站了，咋办？

所以5G尽量继承一下234G的基础设施，一点点演进过来。非独立子网->演进到独立子网

现在的5G还是借助4G的非独立子网，有点类似ipv6藏在ipv4里运输？

5G的接入网：

34G基站体积都很大，覆盖范围1km

5G覆盖范围200m，微基站50m

要想覆盖江苏省，需要的基站也忒多了。。现在每个楼的楼顶都有基站，一人高，白盒子，一打开里面密密麻麻都是线

5G的核心网：

可靠，可扩展，稳定性，大负载，低时延

不能像以前那样用专有设备来做这件事，这样不满足可扩展，面对潮汐时也不经济（只能按最大流量买设备）

灵活：要求网络切片，粒度要很小，比如就这几小时，在南大体育馆，办一个比赛，直播。

5G接入网

从左到右时代进化ing，解耦

5G组网架构变革技术

NFV

NFV：虚拟化，用通用设备达到专用设备的效果

专用设备，无论是路由器还是交换机，其设计都是很完美的，CPU，内存都是匹配好的，当需求变化时，只能新买整机

SDN

用软件做一切的功能

开放可编程的接口，方便做验证，部署，升级

问题：分布式系统可以做到自适应，鲁棒性好，集中式的管理容易出问题。但历史就是在分布式-集中式之间跳转，循环向上

5G技术要点

亚马逊，微软Azure，阿里，腾讯的云服务，可以体验下

class-3 Iot&Edge

edge和iot所在的位置，红圈

物联网发展

隐私要求、低功耗要求

本地数据安全、传输安全（传输层，应用层都加密）、云计算安全

什么是物

提到了数字孪生设备

朴素iot模型

四层模型

iot七层模型

iot平台

一张arm的架构图

大厂在做小盒子，学名SD-WAN，提供第二列的服务

tx阿里只做了12列

华为做了全4列

iot edge计算平台

edge位于Iot hub之前/

MQTT协议

IBM自己搞的协议

CoAP协议

IETF官方协议，TCP也是这个组织制定的

内容很复杂

protobuf底层也是这个，在网络环境不好时使用

C-RAN

买本书系统化看看，不要看视频碎片化

class-4

讲了2h的趋势

计算能力部署

物联网网关，CDN
提供服务质量保证
业务流调度：多云，多网
安全与隐私：SASE：secure access service edge

另，课件没发，下节课信号处理

class-5

感知

感知：移动设备对周围环境的感知能力，利用传感器等实现，日后做产品这是一个很重要的概念

模拟信号 vs. 数字信号

模拟信号：连续函数，连续的dom和rang，蕴含了无穷的信息量（从不同方向解读出无穷信息）

数字信号：对模拟信号进行采样得到的离散函数

傅里叶变换 Fourier Transform

为什么要有傅里叶变换？在deep learning领域，有些样本特征太小，不好学，放大到频率域之后特征就很显著了

连续傅里叶变换

傅里叶变换：对于周期函数，进行时域和频率域的变换，借助cos和sin的性质

离散傅里叶变换

正vs.逆离散vs.连续

应用

应用：通过傅里叶变换，可以把心跳、呼吸区分出来（变换后有明显区别）

卷积 convolution vs 相关性 correlation

计算得到信号量的某种属性

线性

f(a+b) = f(a) + f(b)，具体是讲什么没听清

class-6

迟到40min，课件未发

Orithogonal Frame Structure

做OFDM的时候

循环位移，保证信号互相正交不干扰，循环10位，在频域上表现为加上了一个数，可以逆向出来

然后讲下一个课件了

sensor

继续sensor

手机摄像头的光圈是按一行一行的条状采样，如果LED灯的频率和细条适合，就会显示几条暗，几条亮，照片呈条纹状。

步幅，步频，判断走路，跑步和摔倒状态

class-7 定位

两大定位方法

Range-Based Localization

三角定位

一式减掉二式，得到线性方程，二式减掉三式，同样，所以只要解线性方程组

测距方法

TOA受限于source和dst的时钟不一致，时钟慢1微秒，光速走了300m

TDOA：多个接受天线、用声波

TOA-GPS

非常厉害的工程，1970s，没有大规模集成电路，还要考虑由于卫星飞行造成相对论的时钟误差，精度几十米

并且提供了纳秒级的时间信息

国内的所有基站都连了GPS天线，用于时间同步，如果GPS关了，那么基站的时钟会慢慢偏掉

GPS信号的频率高，没有办法穿墙

比特率很低，50bit/s，传递一个超帧要30s

TDOA-Cricket

BeepBeep

声音采样率48k/s，每秒采样48k次，声速340m/s，除一下就是7mm

测相位，波峰的距离差

Centroid

天花板上布置密集的bacon

APIT

不那么密集

如果一个点M在三角形ABC内部，他无论往哪个方向移动，都会离某个顶点越来越近

如果在外部，总能找到某个方向，同时远离三个顶点

APIT使用邻居作为虚拟移动点，用户不用真的去移动来移动去

class-8

3节课讲部署DeepLearning的知识，最后一节讲大作业

logistic regression vs. lonear regression

损失函数不同，梯度是一样的

class-9

？

class-10

review on last class

用硬件方案对深度学习进行加速

模型大小进行优化

提高并行度，优化矩阵乘法

分享论文

ppt准备好，可以使用原作的ppt，魔改一下
20min讲解，10min讨论，回答其他同学的问题
最后提交一篇review，内容类似审论文的pros&cons，其他同学的问题，基于这篇论文的启发等等，ddl期末

实验

有框架，自己要改的不多

首先是数据解调，raw->cir

然后是数据拼接，*.cir 拼成 *.nmp

然后是hand_recognition，深度学习识别手势

toAndroid_cnn.py中三条线训练，可以自行修改该文件

论文分享

题目：Ekya: Continuous Learning of Video Analytics Models on Edge Compute Servers

一句话总结：在计算边缘上用持续学习进行视频流分析

问题list

1、为什么视频分析要在edge上跑，而不上传到server？

2、edge上跑DNN有什么限制，怎么解决？

3、持续学习的代价是什么？

4、基于此，改进目标是什么？