无线传感网络中拥塞控制与路由的跨层设计:分布式牛顿法

无线传感网络应用广泛, 其性能与路由选择和拥塞控制密切相关. 致力于拥塞控制与多径路由的跨层优化, 以实现在链路容量受限和节点能量受限情况下的无线传感网络效用最大化. 针对对偶次梯度算法具有收敛速度慢与信息交互量大等缺陷, 设计了具有二阶收敛性能的分布式牛顿算法来实现网络效用最大化. 通过矩阵分裂技术, 实现了只需单跳信息交互的牛顿对偶方向的分布式求解方法. 仿真结果表明, 分布式牛顿算法的收敛性能显著优于对偶次梯度算法.     

无线传感网中节点能量和链路容量约束的二阶分布式流控制方法

分布式流控制设计是确保无线传感网络性能的关键问题。本文针对无线传感网络中的分布式流控制设计问题,建立了一种节点能量和链路容量共同约束的流控制优化模型。由于对偶次梯度分解算法存在收敛速度慢、步长选择敏感等缺点,本文设计了基于矩阵分裂的分布式牛顿算法来实现网络效用最大化。该算法具有与对偶次梯度分解算法几乎相同的通信复杂度,但能够达到快速的二次收敛速度。仿真结果表明,该算法的收敛性能明显优于对偶次梯度算法。     

一种基于支撑向量机学习预测井眼轨迹的新方法

对影响井眼轨迹的几个主要因素进行了分析,提出了一种利用小样本统计学习理论中的支撑向量机来进行井眼轨迹预测的新方法,介绍了用于非线性回归估计的支撑向量机的基本原理,通过对一口或几口已钻井的轨迹数据、钻进方式和底部钻具组合结构参数进行学习训练支撑向量机,建立了井眼轨迹的支撑向量机预测模型,并利用多口实钻井的轨迹数据进行了验证。结果表明,这种新方法的预测精度远高于传统的定曲率几何预测方法。     

服装CAD技术现状及发展趋势

近几年,服装CAD系统在服装企业中的应用得到了迅速的发展。综述了国内服装CAD系统的发展及服装CAD技术在企业应用中存在的问题,对其中制约其发展的因素进行了阐述,特别是关于3D服装CAD技术方面,并对服装CAD技术的发展趋势进行了分析。     

多功率移动锚节点辅助的分布式节点定位方法

提出了一种移动锚节点辅助的分布式定位算法.与以前的基于移动锚节点的定位算法不同,此算法不需要任何测距技术支持.它是利用移动锚节点的功率控制,即以不同的发射功率发射信标信号,接收到信标信号的未知节点将这些信标信息转化为一系列二次不等式约束,然后通过凸优化技术求解这些不等式组来逼近未知节点位置的最佳估计.仿真结果表明,提出的距离无关的定位算法可适合实际定位情况且具有较高的定位精度.     

一种面向电磁识别模型的分散计算方法

基于张量分裂技术,设计了一种面向电磁目标识别的神经网络模型分散计算方法。该方法根据不同的隐藏层选择特定的张量分裂方法,将权重无损地分散到多个分布式节点上,以分散、聚合的方式完成协同推理计算。在树莓派设备上进行的仿真实验表明,该方法可以对集中式电磁识别模型进行无损拆分并分布式部署,可以保持与原始模型完全相同的准确率。并且当原始模型由于参数量过大而无法加载到内存中进行处理时,该方法仍可以正常完成计算。     

6G关键技术研发竞争格局与应对策略

数字经济作为新的经济形态成为推动经济增长的重要驱动力，第六代移动通信（6G）与数字经济之间存在着互促和依存的关系，相应关键技术研发价值重大且国际竞争格局激烈。本文从无线技术、网络技术、安全技术3个维度出发，系统梳理了6G关键技术研发的原理和发展现状，评估了我国在这些关键技术方向上的全球竞争力；具体技术方向包括无线人工智能技术、超大规模天线技术、太赫兹通信、智能反射面、通信感知一体化，分布式网络技术、“空天地”一体化组网技术、内生智能网络技术、算力网络技术，物理层安全技术、网络层安全技术、数据安全及隐私保护技术。研究建议，加速6G无线、网络、安全等核心技术产业化，以6G网络能力跨越式发展来服务未来业务需求；注重创新保障、产业支撑、扩大内需、人才保障，支持创新生态构建，形成6G产业发展保障支撑；与全球通信产业开展密切合作，积极参与6G国际标准制定，共同推动6G技术产业化。     

适老建筑环境的情绪健康理论及研究方法综述

随着我国人口老龄化问题不断加深,老年人的情绪健康问题日益凸显。探索如何利用科学技术改善老年人情绪质量,进而为构建可以促进使用者情绪健康的智慧建筑提供理论基础及数据支撑,具有重要的研究价值及社会意义。文章通过筛选国内外相关文献178篇(2014—2019年),以情绪理论、量化手段两个维度为切入点,勾勒出该类研究的历史脉络及发展趋势,提出老年人情绪量化方法策略,为深入研究该类问题提供理论基础及实验策略。     

Massive MIMO中通信高效的分布式预编码设计

针对多BBU基带处理架构，提出一种通信高效的分布式预编码方案，旨在降低BBU间前传交互和计算复杂度。首先，提出基于R-WMMSE算法的分布式框架，利用最优解的子空间特性无损压缩交互数据，降低数据交互量。然后设计了2种基于矩阵乘法的可学习压缩模块，通过优化的计算结构和矩阵参数减少参数和计算量，并保持函数表达能力。最后，以可达速率为优化目标，将可学习模块和分布式预编码算法框架联合优化得到最终模型。所提方案可以在更低的数据交互和计算复杂度要求下，实现预编码性能的保障。