适用于车载自组织网络的稳定成簇算法

车载自组织网络中网络拓扑频繁变化、链路不稳定.若直接使用移动自组网的成簇算法,将会引起传输延时增大及丢包率上升等一系列问题.提出一种基于AP相似度改进的稳定成簇算法——SD成簇算法.本算法以节点之间的相似度(similarity)和周围节点度(degree)作为分簇依据,利用节点的地理位置信息和邻居拓扑信息进行簇头选举.NS2仿真结果表明,该算法能有效地改善车载自组织网络中簇结构的稳定性.     

基于队列长度的VANETs广播协议

车载自组织网络中,紧急信息的优先级高于服务信息。当节点接收到紧急信息后就会抑制服务信息的发送,造成紧急信息与服务信息之间发送不公平。针对这一矛盾,提出一种基于缓存队列长度的广播协议(BQLP),该协议通过数据包缓存队列长度来调整信息发送的优先级,缓存队列长度越长,节点发送信息的优先级就越高,从而避免因缓存队列过长而引起的数据丢包。仿真结果表明,BQLP协议不仅提高了数据包和节点的接收率,而且降低了数据包传输延时。     

一种新的Ad hoc网络中的QoS体系结构

由于MAC机制本身具有带宽分配的能力,Ad hoc网中的区分服务不能实现理想的业务区分。针对该问题提出了一种新的Ad hoc网络的QoS体系结构Diff-EDCF,它通过把区分服务体系结构和IEEE 802．11e MAC层的EDCF机制相结合的方法来解决上述问题,并且进行了仿真验证。仿真结果表明,把此体系结构应用于Ad hos网络后,业务在任何情况下均能被区分,在特定拓扑下通过调节MAC层参数可以达到理想的吞吐量的比值。     

基于网络切片的网络效用最大化虚拟资源分配算法

为了实现网络资源的动态分配,提高网络资源利用率,满足用户业务多样性带来的切片网络差异需求,该文提出一种基于网络效用最大化的虚拟资源分配算法。该算法采用商业化模式将频谱资源作为收益载体,并对不同切片网络进行差异化定价。同时将计算资源和回程链路作为开销,还考虑了切片网络对计算资源和频谱资源的差异性需求,最后以最大化网络收益建立效用模型。并通过拉格朗日对偶分解设计了分布式迭代算法对效用模型进行求解。仿真结果表明,该算法提高了服务用户比例,并使得网络资源获得最大收益。     

基于图交互与场景感知融合的轨迹预测方法

在自动驾驶中,精确的环境感知和对周围交通参与者的轨迹预测对道路安全至关重要。基于此,提出了基于鸟瞰图(Bird Eye View, BEV)的实时端到端轨迹预测框架来同时学习交互和场景信息。该框架主要由图交互网络和金字塔感知网络两个模块组成,前者通过时空图卷积网络对交通参与者之间的交互模式进行编码,后者采用时空金字塔网络对周围信息进行场景建模以获取场景特征。然后,对交互特征和场景特征进行单一尺度融合,从而进行分类和轨迹预测任务。在大规模开源数据集NuScenes上的实验和分析表明,与当前先进算法(MotionNet)相比,所提框架平均类别准确度提高了3.1%,轨迹预测平均误差在行驶速度>5m/s时降低了1.43%。此实验结果表明,所提模型具有更好的泛化性和鲁棒性,更符合实际自动驾驶环境中的轨迹预测需求。     

基于中继系统的功率分配研究

首先对现有的中继系统功率分配模型进行阐述,然后对其所涉及的问题进行分类,并对近年来国内外在该方向的研究成果进行总结和分析,最后进一步阐述中继系统中功率分配亟待解决的问题和今后的研究方向.     

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。     

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。     

可重构智能表面中的低复杂度毫米波信道追踪算法

针对可重构智能表面(RIS)中的毫米波通信系统,用户至RIS端信道角度参数的缓慢变化,该文提出一种基于牛顿算法的低复杂度信道追踪方案。该方案将RIS部分元件连接射频(RF)链,首先使用2维快速傅里叶变换 (2D-FFT)算法初始化估计角度,并且使用最大似然算法估计路径增益。在后续时隙中,使用牛顿算法追踪每个时隙的角度参数。由于环境突然变化和终端缓慢变化会导致信道矩阵发生突变,若检测到信道突变,则再次初始化参数,否则使用牛顿算法继续追踪角度参数。仿真结果表明,该方案在具有优良性能的前提下复杂度可以达到最低,极大节约算力资源,在计算复杂度和性能之间可以取得很好的平衡。