授权链路保护的频谱分配算法

研究了在保护授权链路的前提下认知无线电网络(CRN)的频谱优化分配问题。基于博弈论提出了一种新型的频谱分配模型,设计了一种保护授权链路的快速收敛的频谱分配算法(FCAPLL)。仿真分析证明,FCAPLL算法能在保护授权链路的前提下对认知无线电(CR)链路进行最优化频谱分配,有较快的收敛速度;同时仿真给出了网络性能参数与比例因子的关系,为FCAPLL应用于不同性能要求的CRN提供了依据。     

注聚合物后抽油井示功图的变化分析

对喇嘛甸油田北东块聚合物驱已见效的抽油机井示功图形状、载荷变化及与此有关的产油量变化进行了初步的分析，取得了初步认识，丰富了聚合物驱评价资料，使试井资料这一成果为聚合物驱的工作者全面分析评价聚合物驱油提供了经验，为今后进一步开展聚合物驱采油提供了实践依据。     

认知无线电关键技术及应用的研究现状

1、引言 目前随着无线通信业务需求的快速增长，可用频谱资源变得越来越稀缺。人们通过采用先进的无线通信理论和技术，如链路自适应技术、多天线技术等努力提高频谱效率的同时，却发现全球授权频段，尤其是信号传播特性比较好的低频段频谱的利用率极低。以美国为例，美国联邦通信委员会（federal communications commission，FCC）的大量研究报告说明频谱的利用情况极不平衡，一些非授权频段占用拥挤，而有些授权频段则经常空闲[1]。     

认知无线电网络中物理层频谱检测算法的研究

频谱检测是认知无线电网络(CRN)的关键技术之一,本文对认知无线电网络中物理层频谱检测的算法进行了研究.首先阐述了经典检测算法的应用场景、检测性能和设备实现复杂度,针对经典算法中的问题和不足,提出一系列改进型算法以及利用信号与噪声相关性差异的新型检测算法,并对各种检测算法进行了分类比较,在此基础上提出了结合不同检测算法优势的CRN检测策略,最后指出可能的研究方向.     

一种新的快速响应的AQM算法

该文应用控制理论,设计了具有快速响应特征的比例积分(Proportional-Integral, PI)控制器,并以此提出了一个新的主动队列管理(Active Queue Management, AQM)算法,称为Active PI算法(简称A-PI)。A-PI用一组参数实现快速响应,用另一组参数保证队长稳定,使用门限值实现两组参数间平滑切换,算法实现简单。理论分析和仿真实验表明,A-PI算法在保证队长稳定的同时实现了对不同网络环境的快速响应。     

PD辅助的P3P可见光定位算法

针对可见光定位中的发光二极管（LED）数目和朝向对定位性能影响较大的问题,提出光电传感器（PD）辅助的3点透视（P3P）定位算法。算法首先基于图像信息估算入射角,然后使用经典P3P算法得出4组接收器到3个LED的距离解集,最后基于光强信息确定唯一的距离解集并计算位置信息。仿真结果表明,该算法能有效地降低LED倾斜带来的定位误差。为了进一步验证算法性能,搭建了可见光定位平台。基于实测平台验证了该算法使用3个倾角在15°之内的LED可以实现20 cm以内的定位误差。     

认知无线电中基于相似性的自适应分簇算法

针对认知无线电网络(CRN)中可用信道实时变化的特点,运用图形理论提出一种基于相似性的自适应分簇(CBAC)算法. 以用户可用信道的相似性为基础,结合考虑用户的移动性,通过计算节点权值实现CRN的优化分簇. 仿真分析证明,CBAC算法提高了系统的链路平均可用信道数,相比传统的分簇算法,能提高频谱的利用效率.     

面向会话型推荐系统的个性化分层循环模型

为了精准地捕捉用户行为模式,引入中期兴趣的概念,提出一个基于循环神经网络（RNN）的个性化分层循环模型,通过在同一框架下联合利用用户的会话、区块和全部行为序列来学习用户的综合兴趣.利用一个捕捉会话内序列模式的会话级RNN建模用户的短期兴趣;设计了一个捕捉区块内相邻会话关联关系的区块级RNN,进一步描述用户的中期兴趣;使用一个用户级RNN追踪长期兴趣的演化;引入带有不同交互机制的融合层,以有效融合不同层次的兴趣信息.在3个真实数据集上进行实验,结果表明,该方法与先进的推荐方法相比,Recall@10提升了18.35%.     

面向智能任务的语义通信：理论、技术和挑战

未来机-机、人-机万物智能互联对传统通信方式提出了挑战,提取信源语义信息进行传输的语义通信方法为6G提供了新的解决方法。首先,综述了语义通信的发展历程和研究现状,分析了语义通信目前面临的两大瓶颈问题,提出了面向智能任务的语义通信架构,给出了面向智能任务的语义信息熵和语义信道容量的度量方法;其次,针对不同的智能任务,分别提出了语义编码和语义联合信源信道编码方案;再次,搭建了语义通信平台,对所提方法进行实验验证;最后,对语义通信未来的挑战和开放性问题进行了总结。语义通信方法相较于传统通信方法可以大大降低传输数据量和传输时延,将在未来万物智联的通信中发挥重要作用。     

车联网中视频内容理解任务的计算卸载决策研究

视频数据能够为车辆的智能网联化提供丰富的信息,为了更好地提取视频内容并使卸载后的视频中包含更多的有效信息,在时延约束条件下,设计一种内容驱动的计算卸载指导方式并提出基于改进蒙特卡洛树搜索的计算卸载决策算法。在车辆端通过关键帧提取来对视频内容进行预处理,以有效分析视频内容理解任务的重要性,使得更重要的任务能够获得更多的计算资源。采用基于强化学习的启发式搜索算法完成计算卸载决策,并引入深度神经网络预训练先验转移概率,从而优化算法的收敛速度并降低计算复杂度。实验结果表明,该算法能够在时延约束下有效降低能耗并提升视频内容理解精度,相比基于Q-learning、基于模拟退火的算法,其收敛速度更快,计算复杂度更低,在700 ms时延约束下系统总效用达到37%。