基于多属性决策模型的雾计算用户关联算法

针对密集异构蜂窝网络中的雾计算用户关联选择问题,提出一种基于多属性决策模型的雾计算用户关联算法.通过对关键性能指标的选取和建模以及对组合权重的设计,达到调节属性优先级的目的.同时,设计了综合评判指标,实现了对多个属性的联合优化.仿真结果表明,所提方案不仅能对用户体验的质量和系统性能进行权衡处理,还能够平衡业务流量的分配,有效降低关联时延和系统能耗.     

边缘计算网络中区块链赋能的异步联邦学习算法

由于数据量激增而引起的信息爆炸使得传统集中式云计算不堪重负,边缘计算网络(ECN)被提出以减轻云服务器的负担。此外,在ECN中启用联邦学习(FL),可以实现数据本地化处理,从而有效解决协同学习中边缘节点(ENs)的数据安全问题。然而在传统FL架构中,中央服务器容易受到单点攻击,导致系统性能下降,甚至任务失败。本文在ECN场景下,提出基于区块链技术的异步FL算法(AFLChain),该算法基于ENs算力动态分配训练任务,以提高学习效率。此外,基于ENs算力、模型训练进度以及历史信誉值,引入熵权信誉机制评估ENs积极性并对其分级,淘汰低质EN以进一步提高AFLChain的性能。最后,提出基于次梯度的最优资源分配(SORA)算法,通过联合优化传输功率和计算资源分配以最小化整体网络延迟。仿真结果展示了AFLChain的模型训练效率以及SORA算法的收敛情况,证明了所提算法的有效性。     

无人机群辅助的数据采集能耗优化方法

针对无线传感器网络(WSN)中数据采集的安全性和能耗问题,该文提出一种无人机(UAV)群辅助的数据采集能耗优化方法。该方法通过优化无人机的数量、高度和WSN中数据传输数量降低系统总能耗。首先,针对WSN数据采集,提出一种基于信誉值的数据双层压缩(RDCC)算法。该算法根据地理位置将传感器分簇,簇内传感器分为簇头和簇成员,簇成员负责训练预测模型并发送给簇头;簇头则负责模型的筛选、聚合以及信誉值更新,并将聚合结果发送给无人机;其次,针对无人机群数据收集,提出一种无人机优化部署算法,该算法将无人机部署问题转化为圆包装问题,通过动态调整无人机数量,最小化无人机群网络总能耗;同时,针对数据采集过程,在无人机群建立了私有区块链用于存储采集数据,保证了数据的安全性;最后,基于伯克利大学联合研究实验室数据集对所提方法进行验证,仿真结果表明该方法能实现无人机的最优部署,同时具有误差小、能耗低及安全性高的优势。     

感知无线电中的高效频谱侦测方案

感知无线电是一种能有效提高频谱利用率的先进技术,他能在主用户没有使用频谱的时候发现并使用"频谱空洞".近来有研究结果表明,在衰落和阴影效应影响下频谱侦测的结果会有大幅度下降.为了削弱衰落和阴影效应的影响联合侦测诞生了,传统的联合侦测方式在每个用户所受衰落不同的情况下不能有效的工作.文章提出一种加权联合侦测来提高联合侦测性能.由大量分析和仿真结果可以表明加权联合侦测能大幅度提高侦测性能.