基于联邦学习的无线任务:数据非IID一定影响性能？

作为一种分布式训练框架,联邦学习在无线通信领域有着广阔的应用前景,也面临着多方面的技术挑战,其中之一源于参与训练用户数据集的非独立同分布（Independent and identically distributed,IID）。不少文献提出了解决方法,以减轻户数据集非IID造成的联邦学习性能损失。本文以平均信道增益预测、正交幅度调制信号的解调这两个无线任务以及两个图像分类任务为例,分析用户数据集非IID对联邦学习性能的影响,通过神经网络损失函数的可视化和对模型参数的偏移量进行分析,尝试解释非IID数据集对不同任务影响程度不同的原因。分析结果表明,用户数据集非IID未必导致联邦学习性能的下降。在不同数据集上通过联邦平均算法训练得到的模型参数偏移程度和损失函数形状有很大的差异,二者共同导致了不同任务受数据非IID影响程度的不同;在同一个回归问题中,数据集非IID是否影响联邦学习的性能与引起数据非IID的具体因素有关。      

内容流行分布动态性对基站端缓存性能的影响

为了满足移动数据的爆炸性增长,在无线边缘部署缓存已经成为下一代移动通信的研究热点之一。业务模型与实际相符的程度直接决定了无线缓存性能评估的准确性,然而目前几乎所有关于无线缓存的文献所采用的文件请求模型并未考虑内容流行分布的动态变化。最近已有文献考虑时变流行分布,但是均采用了被动缓存策略,而主动缓存策略对无线缓存十分重要。本文分别基于一个能够描述内容流行度动态变化的文件请求模型——散粒噪声模型、和现有文献中广泛采用的独立参考模型,分析了采用被动和基于预测的主动基站缓存策略时内容流行分布动态变化对命中率和无线网络吞吐量的影响。仿真结果表明,采用散粒噪声模型对评估无线缓存系统吞吐量的影响很大,特别是当网络中干扰较小时;另外,已有文献基于被动缓存策略得到的结论并不适于主动缓存策略。      

超密集网络中最大化网络吞吐量的预测资源分配

在超密集网络中,小区间干扰严重制约了小区边缘用户的性能体验以及网络吞吐量。无线大数据分析的飞速发展,使得人们有可能通过预测未来的信道状态来分配资源,在无干扰网络中可达到很大的性能增益。但是在干扰网络中如何利用预测信息,在分配资源的同时有效协调干扰还是一个尚未研究的问题。本文分析了干扰网络中预测资源分配的设计难点和存在的问题,针对该问题提出了相应的解决方法,将资源分配建模成一个凸优化问题,通过求解优化问题得到最优的资源分配方法。仿真表明,与未知预测信息的最大化网络吞吐量方法相比,所提方法能够有效提高用户的成功传输率、平均传输进度和网络的吞吐量。当用户数据需求较大时,所提方法可以提供较大的网络性能增益。      

Massive MIMO异构网的高能效资源分配

为满足第五代移动通信系统高频谱效率和高能量效率的需求,提出一种工作在不同频段下行两层异构网中的高能量效率资源分配方法,考虑用户数据率需求和基站最大发射功率。天线和传输带宽是影响系统能量效率的关键因素。通过研究宏基站和小基站的天线资源和带宽分配发现:当系统天线数很大时,发射功耗的影响可以忽略不计;给定带宽分配因子时,达到宏基站或微基站最大发射功率的天线分配因子几乎可以达到最高能效;给定天线分配因子时,系统平均总功耗是关于带宽分配因子的下凸函数,存在全局最优带宽分配因子使能效最高。仿真结果表明,与给定带宽和天线资源的异构网和小小区网络相比,所提出的异构网可以显著提高系统能量效率,而且在大量用户、高数据率需求时能效提升更明显。      

面向无线边缘缓存的文件库大小分析

文件库大小对无线边缘缓存的性能具有重要的影响。本文基于Zipf文件流行度模型，分析了文件库大小与用户请求数、流行度参数等因素的渐近关系。研究结果表明，当用户请求数较少时，文件库大小随请求数线性增长，而当请求数较多时，文件库大小随请求数呈负指数增长，这一结论适用于不同的流行度参数。仿真结果验证了所分析结果的准确性，并基于校园网中采集的典型视频网站请求记录验证了分析结果的有效性。在实际系统中，无线边缘节点覆盖范围内的用户请求数通常远小于视频网站的文件总数，因此用户请求的文件库大小随请求数线性增长，而非文献中猜测的亚线性增长，这对提升无线边缘缓存性能带来严峻挑战。      

相控阵雷达数据处理的预处理算法

本文研究相控阵雷达中的重复录取现象和为消除这种现象所采和的规测数据预处理方法，首先研究了出现竽复观测的概率随信噪比和波位间距等参数变化的规律，而后在重复现测预处理算法中引入最大合并数和合并距离的先验信息，以减小错误合并概率，最后，研究合并前后的观测误差，比较了这种合并方法与不加任何约束合并算法的性能。     

多径环境中的盲空时降维多用户检测

在多径多址干扰DS-CDMA环境中,本文根据空时信号模型,用扩展的盲方法估计用户信道,从而进行盲MMSE检测.另外,针对全维处理运算量大及接收信号采样数需求量大的问题,本文通过最大化输出信杂噪比,借用雷达信号处理中的概念,推导出一种优于已有子空间方法的降维处理方法.仿真实验证实了上述方法的有效性.     

基于TLS的相控阵雷达目标角度截获方法

本文提出了一种在相控阵雷达中利用总体最小二乘(TLS)估计进行目标角度截获,提取目标角度信息的方法.该方法不仅考虑了线性模型中观测向量的噪声扰动,而且考虑了数据矩阵中的噪声扰动,采用TLS估计的角度截获方法可以使包括观测向量误差和数据矩阵误差在内的误差矩阵达到Frobenius范数的最小值.     

基于IEEE 802.15.4的传感器网络性能研究

本文针对传感器网络协议关心的设计指标,分析了IEEE 802.15.4应用于传感器网络的有效性.文中在ns-2仿真平台上建立了较为精确的能量模型,仿真分析了负载、占空比、工作/睡眠切换频率和节点数对传感器网络性能的影响,为实际应用中设置合理的参数以及进一步改进MAC协议提供了依据.还对网络的能耗、时延和可升级能力进行了定量研究.     

一种多波形调制系统中的码片级判决反馈均衡器

多波形调制是指一个码元可以由多个波形来表示多个比特的调制方法,其中每一个波形由一组码片组成,所以可以看作是直接序列扩频调制的推广.由于这种调制方式比直扩具有更高的频谱效率,所以在高速无线通信系统中正受到越来越多的重视.本文针对这种调制系统,研究了一种码片级的判决反馈均衡器(DFE),导出了这种均衡器在最小均方误差(MMSE)准则下的最优权系数.为了降低其计算量,提出了一种低复杂度实现算法.仿真结果表明,这种均衡器的性能优于码片级线性均衡器,也优于只抑制码元间干扰(ISI)的码元级判决反馈均衡器.