基于主从博弈的分层联邦学习激励机制研究

为了优化分层联邦学习(FL)全局模型的训练时延,针对实际场景中终端设备存在自私性的问题,该文提出一种基于博弈论的激励机制。在激励预算有限的条件下,得到了终端设备和边缘服务器之间的均衡解和最小的边缘模型训练时延。考虑终端设备数量不同,设计了基于主从博弈的可变激励训练加速算法,使得一次全局模型训练时延达到最小。仿真结果显示,所提出的算法能够有效降低终端设备自私性带来的影响,提高分层联邦学习全局模型的训练速度。     

无线MESH网络QoS机制研究*

随着无线MESH网络与实时多媒体业务的迅速发展,要求无线网络不仅能提供简单的连通性,还需要提供非常有效的QoS保证机制。针对这一需求,提出一种基于服务流映射的QoS保障机制,通过服务流定义及业务映射、基于QoS优先级的带宽预约、分级多轮调度等关键算法,实现多业务QoS保障。并通过仿真和样机测试验证QoS性能。仿真及试验结果分析表明,与无QoS机制相比,时延降低约20%,在各种链路负载下,高优先级业务丢包率维持在0.05%左右,能够很好的满足无线MESH网络多业务QoS需求。     

UCM算法及其在电子政务网页分类系统中的应用

针对大规模训练集的网页分类问题提出UCM(UC and SVM)分类方法。UCM算法结合了支持向量机SVM(Support Vector Machine)与无监督聚类UC(Unsupervised Clustering)的特点,使网页分类既有较高的准确率,又有较快的分类速度。在训练阶段,UCM算法利用UC方法形成聚类中心;在分类阶段,UCM算法计算待分类网页与正例中心及反例中心的距离,若距离差较大,用UC分类,否则用SVM分类。在电子政务网页分类系统中的应用表明,UCM网页分类算法在准确率方面远高于UC,略高于SVM;在分类速度上,UCM介于UC和SVM二者之间,远大于SVM。     

基于硬件损伤的异构网络鲁棒安全资源分配算法

针对多蜂窝多用户异构网络中收发机处信号畸变、用户信息泄露和传输中断等问题,该文提出一种基于硬件损伤的异构网络鲁棒安全资源分配算法。考虑小蜂窝用户最小安全速率约束、小蜂窝基站最大发射功率约束和宏用户干扰功率约束,建立了基于有界信道不确定性的能效最大化资源分配模型。基于Dinkelbach法、最坏准则法和连续凸近似理论,将原非凸资源分配问题等价转换为凸优化问题,并利用拉格朗日对偶算法得到解析解。仿真结果表明,与现有算法相比,所提算法具有较好的能效和鲁棒性。     

室内走廊环境毫米波OAM信道特性分析与统计建模

针对自由空间传播模型仅能描述自由空间场景下携带轨道角动量(OAM)的涡旋信道传播特性,以及确定性稀疏多径涡旋信道模型严格依赖于传播环境而不能准确刻画真实多径场景下OAM信道传播特性的问题,该文提出毫米波OAM多径信道统计建模方法。在室内走廊环境下构建基于均匀圆形天线阵列(UCA)的OAM辐射传输系统,基于光学射线理论与UCA辐射特性,建立OAM多径信道模型。结果表明,在毫米波频段均匀分布和Nakagami-m分布能够准确地表征室内走廊多径环境下的OAM信道波前相位和幅度,视距(LoS)和非视距(NLoS)传播条件下传播距离较大时信道幅度服从瑞利分布,视距传播条件下传播距离较小时信道幅度服从莱斯分布。     

面向窃听用户的RIS-MISO系统鲁棒资源分配算法

针对信道不确定性影响、用户信息泄露和能效提升等问题,该文提出一种基于不完美信道状态信息的可重构智能反射面(RIS)多输入单输出系统鲁棒资源分配算法。首先,考虑能量收集最小接收功率约束、合法用户最小保密速率约束、基站最大发射功率约束及RIS相移约束,基于有界信道不确定性,建立一个联合优化基站主动波束、能量波束、RIS相移矩阵的多变量耦合非线性资源分配问题。然后,利用Dinkelbach,S-procedure和交替优化方法,将原非凸问题转换成确定性凸优化问题,并提出一种基于连续凸近似的交替优化算法。仿真结果表明,与传统非鲁棒算法对比,所提算法具有较低的中断概率。