基于迁移演员-评论家学习的服务功能链部署算法

针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,该文提出了一种基于迁移演员-评论家(A-C)学习的服务功能链(SFC)部署算法(TACA)。首先,该算法建立基于虚拟网络功能放置、计算资源、链路带宽资源和前传网络资源联合分配的端到端时延最小化模型,并将其转化为离散时间马尔可夫决策过程(MDP)。而后,在该MDP中采用A-C学习算法与环境进行不断交互动态调整SFC部署策略,优化端到端时延。进一步,为了实现并加速该A-C算法在其他相似目标任务中(如业务请求到达率普遍更高)的收敛过程,采用迁移A-C学习算法实现利用源任务学习的SFC部署知识快速寻找目标任务中的部署策略。仿真结果表明,该文所提算法能够减小且稳定SFC业务数据包的队列积压,优化系统端到端时延,并提高资源利用率。     

融合区块链与雾计算系统中基于网络时延和资源管理的优化任务卸载方案

针对如何基于有限的系统剩余资源进行任务优化卸载以增加移动终端的数字货币收益问题,该文在融合区块链与雾计算系统中提出一种基于节点剩余资源、网络时延的任务卸载方案。为了实现任务的优化卸载,首先基于任务量对移动终端的预期收益进行了分析,其次基于网络节点剩余计算资源、存储资源、功率资源、网络时延联合分析了移动终端的支出。此后以最大化移动终端的数字货币收益为优化目标建立了数学优化模型,并利用模拟退火(SA)算法对优化模型进行求解。仿真结果证明上述方案的有效性。     

云雾混合网络下基于多智能体架构的资源分配及卸载决策研究

针对D2D辅助的云雾混合架构下资源分配及任务卸载决策优化问题,该文提出一种基于多智能体架构深度强化学习的资源分配及卸载决策算法。首先,该算法考虑激励约束、能量约束以及网络资源约束,联合优化无线资源分配、计算资源分配以及卸载决策,建立了最大化系统总用户体验质量(QoE)的随机优化模型,并进一步将其转化为MDP问题。其次,该算法将原MDP问题进行因式分解,并建立马尔可夫博弈模型。然后,基于行动者-评判家(AC)算法提出一种集中式训练、分布式执行机制。在集中式训练过程中,多智能体通过协作获取全局信息,实现资源分配及任务卸载决策策略优化,在训练过程结束后,各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。最后,仿真结果表明,该算法可以有效提升用户QoE,并降低了时延及能耗。     

非正交多址技术中利用对称矩阵的用户分组

现有非正交多址接入技术中,用户分组算法的实现首先对信道相似度门限值进行判断,选出候选成组用户;进而对候选成组用户的信道增益差进行比较,选出最优的成组用户。然而,上述分步求解算法中信道相似度门限值的设置存在一定的随机性,导致候选成组用户的选取不准确,从而影响分组结果,限制系统性能的提升。针对上述问题,提出利用对称矩阵的用户分组算法,对用户信道相似度进行非线性变换,而后将用户信道相似度和增益差线性求和构建成新的信道信息矩阵,进一步利用该矩阵的对称性进行求解。仿真分析表明该方法分组结果比设置门限的传统方法更优,在不同用户数目时系统容量均得到提升。在传统方法门限值为0.95时,所提算法系统容量在用户数为16时提升了13.4 Mb/s。     

可靠的机会网络自私节点检测算法

针对现有机会网络自私节点检测算法没有考虑节点收到错帧和节点脱离通信范围监听失败的情况而影响检测准确性的问题,提出一种可靠的自私节点检测新算法——RSND。采用基于跨层监听机制的错帧解析、基于节点相遇的信息挖掘和基于RSSI的节点距离估计3种新机制消除错帧和节点脱离通信范围监听失败对节点自私性检测的影响,提升检测可靠性。理论分析证明了RSND算法的有效性,仿真结果显示,相对于现有的基于2-ACK的自私节点检测算法和Watchdog检测算法,新算法的自私节点检测准确率和网络吞吐量至少提高了6%和4%。     

工业物联网中数字孪生辅助任务卸载算法

针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题,该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先,该算法构建了云-边-端3层数字孪生辅助任务卸载框架,在所创建的数字孪生层中生成近似最佳的任务卸载策略。其次,在任务计算时间和能量的约束下,从时延的角度研究了计算卸载过程中用户关联和任务划分的联合优化问题,建立了最小化任务卸载时间和服务失败惩罚的优化模型。最后,提出一种基于深度多智能体参数化Q网络(DMAPQN)的用户关联和任务划分算法,通过每个智能体不断地探索和学习,以获取近似最佳的用户关联和任务划分策略,并将该策略下发至物理实体网络中执行。仿真结果表明,所提任务卸载算法有效降低了任务协同计算时间,同时为每个计算任务提供近似最佳的卸载策略。     

自适应调制和HARQ跨层设计的中继协作系统能耗

为了提高协作中继系统能量效率,提出了一种节能的跨层设计方法.在Nakagami-m衰落信道中,通过物理层自适应调制和链路层混合自动重传请求(HARQ)协议跨层设计,首先建立HARQ状态转移图,推导协作中继系统平均总能耗和中断概率表达式,然后提出最小化系统平均总能耗的跨层优化模型,并给出该跨层优化模型的穷尽搜索算法,最后对比分析了非协作HARQ和协作HARQ协议下的中继系统能耗特性.仿真结果表明,协作HARQ比非协作HARQ更节能,且通过自适应调节星座尺寸b的大小,最多可节省80%的能量.     

基于TD-HSUPA新增信道链路预算

本文简要概述了TD-HSUPA新增物理信道以及链路预算的一般应用模型,详述了链路预算基本参数取值和传播模型的选取,并对TD-HSUPA新增物理信道进行初步链路预算并估算出其小区覆盖半径,来解决容量和覆盖规划的平衡问题。     

两跳双中继协同ARQ策略研究*

基于中继择优选择,提出一种新型协同通信系统传输方案：两跳双中继协同ARQ策略。该方案是传输时延和传输效率的优化折中。理论分析和仿真结果说明,在时间相关瑞利衰落信道模型下,两跳双中继协同ARQ策略无论是在源到中继链路质量较好时,还是源到中继链路衰落较为严重时,给系统带来的性能增益都远优于单中继协同ARQ策略和双中继协同系统。     

认知无线电最优线性协作宽带频谱感知

本文提出了基于最优线性协作的宽带频谱感知方案。通过次级用户之间的协作,为认知网络的频谱感知提供分集,利用融合中心融合多个次级用户的宽带频谱感知数据来获取最优权重,并生成全局判决统计量,最终使用全局阈值完成最后的检测判决。由于所提出的两种协作宽带感知方案或需要精确地估计授权用户的信号强度和噪声方差,或感知性能不足,因而,还提出一种更易实现的方案。理论分析和仿真结果表明,本文所提出的协作感知方案可以有效地提高频谱感知性能,并且性能优于传统等增益合并方案。