能效最优的解码转发OFDM中继链路功率分配

针对解码转发OFDM(orthogonal frequency division multiplexing,OFDM)两跳中继链路,研究了以系统能效最优为目标的链路功率分配优化算法.首先考虑系统的电路功耗,将其建模为速率的线性增函数;然后在满足链路速率和误码率的限制条件下,建立了链路能效优化目标函数;最后,基于凸优化理论,求得使链路能效最优的调制方式和功率分配.仿真结果表明,所提功率分配算法,能够使解码转发OFDM两跳中继链路的能效达到最优.     

基于二项分布的无线传感器网络信任管理系统

由于无线传感器网络不同于传统网络的特点,导致其很容易受到来自妥协节点的内部攻击。信任管理系统是防御无线传感器网络内部攻击的最有效方法。针对无线传感器网络节点信誉和信任的评估,我们改进了用于无线传感器网络的基于贝塔的信誉系统BRSN( Beta Reputation System for Sensor Networks),提出了基于二项分布的无线传感器网络信任评估系统BTMS( Binomial-based Trust Management System)。 BTMS基于对节点行为的监控,利用二项分布来描述节点信誉的分布,并进一步得到节点信任值,从而指导中继节点的选择,降低内部攻击的危害。实验结果表明,利用BTMS可以有效的防御来自妥协节点的内部攻击,提高网络安全性。     

基于图着色的密集D2D网络资源分配算法

蜂窝设备到设备(D2D)网络通过D2D用户与蜂窝用户的上行链路复用,可大幅提高网络的频谱效率,但当D2D用户数大于蜂窝用户数时,即在D2D密集部署场景下,传统的资源复用算法不能满足D2D用户的频谱资源需求。针对该问题,提出基于图着色理论的D2D网络干扰协调频谱资源分配算法,可实现信道资源在多个D2D用户对间的多重复用,从而提升网络负载能力,改善网络吞吐量。在此基础上,给出一种改进的资源分配算法,以提高D2D用户的公平性。仿真结果表明,该算法在降低D2D用户获取信道资源"饥饿"概率的同时,能够提升网络信道资源的空间复用率及系统吞吐量。     

面向多类不均衡网络流量的特征选择方法

针对网络流量分类中的多类不均衡问题,提出一种基于相对不确定性和对称不确定性的Hybrid型特征选择方法。首先,利用相对不确定性为每个类选择候选特征集;然后,保留每个候选特征集中对称不确定性较高的特征并去除其它特征;最后,利用基于C4.5决策树的Wrapper型特征选择方法确定最优特征子集。在真实网络流量数据集上的实验结果表明,与传统方法相比,该方法具有较高的整体准确率、小类召回率和g-mean值,从而可以减轻多类不均衡问题带来的不良影响。     

AI使能的高能效无线通信技术

随着5G无线通信网络大规模部署的开展,网络所消耗的能量正在成倍提升。尽管传统基于站点、频带和时隙静态关断的技术能够显著地提升整个无线网络传输和运营的能效,但面对大通量、高动态的5G业务需求,缺少AI支持的静态关断已无法满足系统的能效指标。因此,从无线通信网络的业务与传输层、媒体接入层和物理层等层面,探讨AI技术引入对提升无线通信网络能效带来的积极影响。利用AI所提供的高度非线性拟合能力和泛化能力,针对无线网络业务的有效调度、传输任务的合理分配、收发机的通用架构以及基带和射频系统的联合优化等方面开展高能效的优化设计。通过搭建原型系统并分析部分案例,提出了相关建议,旨在促进5G和6G无线通信网络的能效提升。     

基于时空加权目标函数的无线传感网分簇协议

针对无线传感器网络中能量受限的特点,提出了基于时空相关加权目标函数粒子群优化算法（SC-WOFPSO）的分簇协议。首先,该协议使用Kohonen神经网络提取节点间的数据相似性。在分簇过程中,该协议综合考虑了节点间的数据相似性、节点间距离以及节点剩余能量等因素,使用PSO算法进行迭代寻优,寻找最优的簇头集合;在成簇过程中,网络中的非簇头节点为每个簇头分别计算goal函数值,选择加入函数值最大的簇头。最后从网络总能量消耗、网络寿命和网络吞吐量三个性能指标出发,验证了该协议能够有效降低网络能耗、提高网络寿命、提高网络吞吐量。     

基于改进式随机不完全着色算法的无线体域网干扰协调

该文在基于随机不完全着色干扰避免资源调度算法基础上,提出一种改进式随机不完全着色算法以优化无线体域网间干扰协调,通过控制已着色节点继续参与下一轮的着色算法实现网络更高的资源空间复用,通过限制相邻节点分配颜色数量差距保证节点间资源分配的公平性。仿真结果表明该文所提改进式随机不完全着色算法可在避免无线体域网用户间干扰的同时,进一步提高网络吞吐量和频谱空间复用率。     

基于联邦深度强化学习的车联网资源分配

车辆通信(V2X)能够有效地提高交通安全性和移动性,是车辆部署场景中的关键技术之一.V2X通信链路需要满足不同应用的服务质量(QoS)要求,如车对车(V2V)链路的延迟和可靠性要求.面向车辆高速移动性导致的无线信道快速变化,为保证不同车辆链路的QoS约束和车辆动态网络的鲁棒性,提出一种基于联邦深度强化学习(FDRL)的...     

面向智慧交通的图像处理与边缘计算

随着全球人口的持续增长和城市化进程的加速,道路拥挤、交通事故和污染排放增加等问题日益严重。智慧交通系统旨在借助先进的信息与通信技术建成高效安全、环保舒适的交通与运输体系,提供全方位的交通信息服务和安全高效、经济快捷的交通运输与出行服务。经过各国多年来的竭力推进与发展,智慧交通系统在交通管理、自动驾驶与车路协同等方向均得到广泛的应用。智慧交通的发展离不开通信、计算机与控制等研究方向的突破与创新。其中,图像处理作为智慧交通系统的核心技术之一,它的研究进展直接影响着智慧交通系统的部署。图像处理技术是指计算机对图像进行增强、复原、提取特征、分类和分割等技术处理,通过对交通视觉图像的处理,为智慧交通系统的感知、识别、检测、跟踪和路径规划等功能提供了最直接与重要的信息。此外,面对智慧交通系统所产生的大量数据计算任务,边缘计算技术则将中心云服务下沉至各边缘节点附近,不但能够优化算力负载分配,还能够满足智慧交通应用与服务对低时延、高响应速度的需求。本文从智慧交通系统的发展现状入手,分别围绕面向智慧交通的图像处理与边缘计算技术,阐述其研究热点与前沿进展,汇总与比较国内外的相关学术和产业成果,并对智慧交通...