基于联邦元学习的安全移动边缘计算卸载框架

移动边缘计算(MEC)技术通过卸载部分计算任务到边缘服务器,可将第5代网络(5G)、云计算、大数据和人工智能等技术延伸到物联网终端。针对如何高效卸载计算任务和保障边缘数据隐私安全2个关键问题,在综述计算卸载性能优化研究基础上,本文提出了一种融合联邦学习和元学习的计算卸载应用框架,通过对计算任务的计算卸载以及计算资源的联合优化,从而实现系统加权时延和最小。在不泄露用户数据隐私的前提下,联合多个边缘服务器共同训练一个全局模型,并实现边缘服务器个性化计算卸载应用。在新的计算任务场景下,全局模型的网络参数仅用少量训练样本就能快速收敛。实验测试结果表明,本文提出的基于联邦元学习的计算卸载框架可适应未来边缘计算应用的隐私安全需求。     

车联网中基于服务的虚拟网络功能放置算法

为满足车联网中海量数据的采集、传输以及对这些数据的快速处理的需求,可采用移动边缘计算(MEC)技术.本文考虑移动边缘计算中基站连接方式和物理资源的特点,对边缘服务器的部署问题进行了分析,以部署成本和网络时延为优化目标,划分基站集群,并使用整数线性规划(ILP)建立模型.为了获得运行效率更高的边缘服务器部署方案,本文使用...     

移动边缘计算网络中基于DQN的能效性卸载决策及无线资源分配

本文研究多种移动设备、单个移动边缘计算(Mobile Edge Computing,MEC)服务器网络场景下,移动设备计算任务的动态卸载决策及资源分配问题.在移动设备的计算任务队列稳定与时延限制、及最大发射功率约束等条件下,建立以系统长期平均能耗最小化为优化目标,实现任务卸载决策、计算资源分配、无线信道及发射功率分配的...     

车联网中基于SVC视频传输业务的资源分配研究

随着移动通信技术的高速发展,车联网中高清视频传输将变得可能,考虑到车联网网络信道环境的动态特性,提供高质量低时延的视频是一个重大挑战.本文研究车联网中SVC视频传输的资源分配问题,通过解决联合优化用户调度,频谱资源分配和视频层选择等问题,以达到最大化视频质量并且尽可能减少播放卡顿的目标.将其建模为马尔科夫决策过程(MDP),使用能够同时处理离散和连续动作的Actor Critic算法来解决.仿真结果表明,本方案能有效实现优化目标,提高车辆用户视频体验质量(QoE),且相比策略梯度算法(PG)和深度Q-learning算法(DQN),本文算法的学习速度更快.     

移动边缘计算增强的超密集网络上行传输性能分析与基站配置设计

在引入移动边缘计算(MEC)技术的超密集网络(UDN)中,网络性能受无线传输链路质量和基站计算资源部署的共同影响。本文以小型基站接收干扰信号的统计特性分析为基础,对UDN与MEC结合场景的上行空间遍历容量进行分析,并根据空间业务强度和小基站计算服务排队系统的稳定性约束关系,进行小基站配置设计。首先,采用空间泊松点过程对干扰源用户分布进行建模,同时考虑无线信道的多天线与小尺度衰落特性,以小基站部署密度为变量分析上行用户信干比的统计特性及变化规律;然后,根据排队论计算空间业务强度与MEC服务器计算能力之间的约束关系;最后,采用数值仿真验证了信干比与基站密度关系分析的正确性,得出了空间遍历容量的收敛趋势,并给出了小基站与MEC服务器配置设计的例子。     

基于CHU序列的低复杂度OFDMA小区搜索

提出了正交频分多址接入(OFDMA)下行链路中的一种基于CHU序列的小区搜索发送结构和检测算法.与传统的小区搜索方法相比,这种新型方案在保证性能的前提下,能够有效降低计算复杂度和提高检测效率.从仿真结果可以发现,这种优化的小区搜索发送结构和检测算法有效增强了用户的小区搜索性能,特别是当用户处于小区边缘时,性能提升更为明显.并提出了两种基于新型小区搜索方案的大范围小区搜索方式,其中的级联搜索方法不但在小区各个位置上体现了鲁棒性,并能够在较低的复杂度下有效扩展小区的搜索范围.     

基于NVDLA与FPGA结合的神经网络加速器平台设计

随着深度神经网络对算力的需求不断增加,传统通用处理器在完成推理运算过程中出现了性能低、功耗高的缺点,因此通过专用硬件对深度神经网络进行加速逐步成为了深度神经网络的重要发展趋势。现场可编程门阵列(FPGA)具有重构性强、开发周期短以及性能优越等优点,适合用作深度神经网络的硬件加速平台。英伟达深度学习加速器(NVDLA)是英伟达开源的神经网络硬件加速器,其凭借自身出色的性能被学术界和工业界高度认可。本文主要研究NVDLA在FPGA平台上的优化映射问题,通过多种优化方案高效利用FPGA内部的硬件资源,同时提高其运行性能。基于搭建的NVDLA加速器平台,本文实现了对RESNET-50神经网络的硬件加速,完成了在ImageNet数据集上的图像分类任务。研究结果表明,优化后的NVDLA能显著提高硬件资源使用效率,处理性能最高可达30.8 fps,实现了较边缘中央处理器(CPU)加速器平台28倍的性能提升。     

基于紧约束鲁棒模型预测控制的无人车辆轨迹跟踪控制

针对无人驾驶车辆的轨迹跟踪问题,基于车辆非线性动力学模型,设计了一种紧约束鲁棒模型预测控制(MPC)方法。首先,利用魔术公式轮胎模型,结合车辆3自由度系统,构建了具有有界干扰的车辆线性离散误差模型;其次,采用紧约束控制策略设计系统的鲁棒优化问题;最后,通过在线优化得到最优控制序列,并离线构造之后多个时刻满足约束条件的可行控制序列。仿真结果表明,所提算法能够使车辆稳定快速跟踪上参考轨迹并有效提高系统计算资源利用率。     

基于集群系统的空间数据并行处理策略研究

为了解决单节点的WebGIS系统存储能力和计算能力受限的问题,提出了一种利用分布式文件系统(DFS)和MapReduce分布式计算框架在集群环境中并行处理空间数据的方法.还特别针对分布式文件系统,结合WebGIS的应用模式,提出了小文件优化策略.该策略的核心思想是通过将小文件合并为大文件来有效降低文件的数目.试验结果表明,在使用了小文件优化策略后,分布式文件系统中的节点平均内存占用率从55.78%降至18.36%,文件的存储和读取性能分别提高了63.3倍和2.0倍.其次,基于经过优化后的分布式文件系统和MapReduce计算框架,设计并且实现了HDWebGIS原型系统,试验结果表明,使用了小文件优化策略后,HDWebGIS系统性能比优化前提升了78.11%.     

5G边缘计算技术详解与应用分析

4G时代的智能终端技术全面促进了传统PC互联网同移动网络的深度融合,而在5G时代,移动边缘计算技术将会推动云计算平台同移动网络的融合,这将减少移动业务交付的端到端时延,发掘无线网络的内在能力,从而提升用户体验,给电信运营商的运作模式带来全新变革,并建立新型的产业链及网络生态圈。该文首先分析了移动边缘计算产生的原因以及5G网络与移动边缘计算的关系,然后从用户维度分析了移动边缘计算的四大应用场景,最后说明移动边缘计算的社会价值。     

TH-MSNS系统中基于IP协议的缓存机制设计与实现

为提高IP-SAN的性能,在清华大学海量存储网络系统（TH-MSNS）存储区域网络的基础上,设计和实现了一种iSCSI环境下的缓存系统。该系统采用服务器内存作为数据的缓存,直接在内存中完成部分读写数据的命令,在存储请求空闲时同步远程网络磁盘数据。通过性能对比测试表明,该缓存系统能够较大地提高IP-SAN存储系统的性能,能增大存储系统的带宽,减少操作延迟。     

新型计算成像技术 --波阵面编码

波阵面编码成像(WFC)技术使用特殊光学表面-立方相位屏(CPM)-以编码的形式捕捉图像;这些由光学系统捕捉的“信息”经由后续的数字处理得到最终的图像。它能够大幅度地提高成像系统的性能并或减少成本。波阵面编码成像系统的设计技术与传统成像系统相比是独特的。这是因为,为使系统性能达到最优,必须对系统的光学与数字处理特性进行共同优化。本文针对波阵面编码成像系统的背景、技术特点、优点、设计和应用进行了简要讨论。     

基于新型多传感器融合策略的移动端双目视觉惯性SLAM闭环算法研究

研究了复杂环境下基于视觉同时定位与地图构建(SLAM)算法的移动端实时定位问题。该问题有如下几个难点:首先是移动端设备的计算资源受限,这对算法的优化与解算效率提出了更严格的要求;其次是测试场景的复杂多变,使得算法在低纹理及快速运动等情况下容易丢失目标;最后是实际应用时对系统的可拓展性要求较高,需要具备复杂场景下的适应性。针对上述问题,本文提出了面向移动端的双目视觉惯性SLA M算法,采用新型多传感器融合策略,通过将双目视觉图像和惯性测量数据进行紧耦合优化,设计了移动端回环检测算法,显著提升了系统的鲁棒性和可靠性。通过实验验证了所提方法的有效性,其在定位精度上超过了当前同类方法的最好结果,并开发了移动端的增强现实(A R)应用,以展示系统在真实场景中的效果。     

基于模糊理论的半导体制造系统时变多目标生产调度研究

针对半导体晶圆制造系统(SWFS)调度中的多目标优化和目标时变性问题,提出了一种时变多目标(TVMO)调度算法.基于模糊理论研究了时变模糊集合与多目标重要程度的复杂非线性量化关系,进而研究了SWDS的优化调度方法.所提出的方法兼顾最大产品交期率、最大生产移动量和瓶颈机台最大产能利用率三个目标,根据时变目标权重计算出在制品的加工优先权序列号.大量的仿真实验数据证明,该调度算法能够改善系统多个绩效目标,可为大规模复杂重入型制造系统的科学生产控制与调度提供有效支持.     

区块链全局账本数据的拆分技术研究

分析了区块链用于交易网络的技术特点,指出在目前的区块链技术架构中,交易数据和新区块数据的泛洪式全网广播及全局区块链数据在所有共识节点全复制存储,成为区块链系统规模扩展的瓶颈。考虑到区块链网络存在交易频率局部性这一特征,提出了将区块链全网共识划分为若干区域子网共识的方法,并解决了网络划分前后的"双花"问题、节点的跨区移动和跨区支付问题,使得网络I/O负载和区块链数据存储负载在全网均匀划分。该方法是在区块链原有核心协议基础上进行的优化和改进,因此,并不会引入额外的安全问题。最后,利用数学方法理论分析了划分区块链网络前后的系统整体负载变化情况,证明了该方法在资源消耗方面具有明显的优势。     

区块链技术应用于物联网:发展与展望

近年来,随着数字货币的日益兴起和商业应用,区块链技术越来越受到政府部门、工业界以及学术界的关注和认可。与此同时,移动通信网络的快速发展和广泛覆盖,促使物联网(IoT)逐渐走入日常生活,极大程度地提升了工作效率与生活品质。然而,物联网场景中仍存在能效性低、数据传输安全性差等问题,使用区块链技术可有助于促进物联网更好地发展和普及。本文对区块链技术在物联网中的应用进行了系统性综述,首先介绍了背景知识和相关研究,其次提出了区块链的基础架构模型,并且详细阐述了区块链技术应用于物联网各场景的发展现状以及相关特征,最后讨论了一些挑战及未来发展趋势。     

考虑桥路面粗糙度的移动体参数识别

基于虚拟变形(VDM)方法中移动动态影响矩阵的概念,利用双自由度质量-弹簧阻尼模型模拟移动车辆,系统推导和阐述了车-桥耦合系统中粗糙路面上移动体参数的识别方法。以移动体参数的修正因子为优化变量,通过最小化桥体结构实测响应和计算响应的平方距离进行识别,识别精度高,对噪声鲁棒性强,且较少的传感器就能识别多个移动体参数。利用移动动态影响矩阵,每步优化中无需时时重构系统参数矩阵,计算效率高。利用一个三跨连续梁模型验证该方法的有效性,在5%的噪声影响下,利用一个传感器可以准确地识别多个移动体参数和移动荷载。此外,通过比较平坦路面与粗糙路面上的移动体参数的识别方法和结果,结合车体参数的灵敏度分析,说明了路面粗糙度、移动体参数对结构响应的影响及不同情况下参数识别中优化变量的选取原则。     

基于改进粒子群算法的分布式天线系统跨层功率分配方案

结合数据链路层的队列状态信息和物理层的信道状态信息定义了系统的吞吐量系数和公平性系数,建立了分布式天线系统跨层功率分配的离散速率集优化模型。对粒子群优化算法的初始群体产生、粒子更新等步骤进行了改进,形成了改进粒子群算法(IMPSO)。利用IMPSO进行了动态功率分配和跨层优化。数值仿真结果表明,IMPSO能够取得很好的队列时延性能,选取不同的权重可对系统吞吐量性能和公平性性能产生重要影响,IMPSO获得的系统吞吐量性能和公平性性能较之功率固定分配算法(AP)均有较大幅度的提高。     

OFDMA系统中支持混合业务的跨层调度算法

针对正交频分多址接入(OFDMA)系统下行链路的混合业务调度问题,提出了一种基于队列等待时间的跨层调度算法.该算法联合利用了MAC层的队列等待时间与物理层的信道状态信息作为调度参数,通过队列等待时间反映用户的服务质量要求,并利用多用户分集增益提高系统性能;针对实时和非实时用户的不同服务质量要求,在队列等待时间的计算上采取了不同的策略;在子载波的分配过程中根据分配状态及时更新队列等待时间,使资源的利用更为有效.仿真结果表明,提出的算法可显著降低实时用户的平均时延和最大延时违反概率,同时保证了非实时用户的吞吐量需求,能够有效地支持下一代网络中混合业务的多种服务质量要求.     

雾计算辅助车联网中面向视频直播业务的资源分配研究

提出一种车辆雾计算网络中视频直播业务的资源分配方法,通过联合优化比特率选择、用户调度和频谱资源分配,以实现在最大化视频质量的同时降低时延和视频抖动.为了降低时延和视频抖动,在效用函数的设计中将时延和比特率切换作为惩罚因子.由于网络的动态变化特性和可用的频谱资源,将上述优化问题建模为马尔可夫决策过程,采用Soft Actor-Critic深度强化学习算法获得最优资源分配策略.仿真结果证明,所提方法比现有强化学习算法具有更好的探索能力和收敛性能.