智能反射面和协作干扰的无人机安全通信算法

为了进一步增强无人机通信系统的保密率,提出了基于智能反射面和协作干扰的无人机安全通信系统。通过利用智能反射面动态地加强回传链路以及通过协作无人机引入人工噪声干扰非法窃听者,从物理层提高无人机通信系统的安全性。考虑源无人机轨迹、干扰无人机轨迹、功率控制和智能反射面相移,以最大化系统的保密率为目标提出联合优化问题。提出了一种交替优化算法,将原问题变为4个子问题,并通过连续凸逼近、半定松弛将原始的非凸问题转换为近似凸性子问题,使其可通过凸优化工具直接求解。仿真结果表明,所提优化算法能够快速收敛,相比于传统的非智能反射面辅助的通信网络,所提算法能显著地提高系统的安全保密率。     

On-line learning algorithm for dynamic sensitivity control in IEEE 802.11ax network

The popularity of IEEE 802.11 based Wireless Local Area Network (WLAN) increased significantly in recent years and resulted in the dense deployment of WLANs. While densification can contribute to increasing coverage, it could also lead to increasing interference and cannot insure high spatial reuse due to the current physical carrier sensing of IEEE 802.11. To tackle these challenges, the dynamic sensitivity control (DSC) is considered in IEEE 802.11ax, which dynamically selects the appropriate carrier sensing threshold (CST) to improve spectrum efficiency and enhance spatial reuse in densely deployed network. A dynamic Q-learning based CST selection method is proposed to enable a network to select the optimal CST according to the channel condition. Simulation results show that the propsoed scheme provides 40% aggregate throughput gain of a dense network when compared with legacy IEEE 802.11.     

基于Sumtree DDPG的智能交通信号控制算法

提出了基于和树—深度确定性策略梯度(Sumtree DDPG)的多路口智能交通信号控制算法,通过对交叉路口数据的实时观测,智能地调控交通信号周期时长、相位顺序以及相位持续时间,提高路口通行效率.同时,基于和树结构的经验数据存储模式提高采样效率,加速了算法收敛.仿真结果表明,在动态环境下,该算法在车辆排队长度、车辆等待时间、车辆平均速度等性能指标上均优于现有的固定配时方案和基于流量权重的配时算法.     

基于行人安全的交通信号灯智能控制算法研究

提出了一种基于深度确定性策略梯度(DDPG, deep deterministic policy gradient)的行人安全智能交通信号控制算法;通过对交叉口数据的实时观测,综合考虑行人安全与车辆通行效率,智能地调控交通信号周期时长,相位顺序以及相位持续时间,实现交叉路口安全高效的智能控制;同时,采用优先经验回放提高采样效率,加速了算法收敛;由于行人安全与车辆通行效率存在相互矛盾,研究中通过精确地设计强化学习的奖励函数,折中考虑行人违规引起的与车辆的冲突量和车辆通行的速度,引导交通信号灯学习路口行人的行为,学习最佳的配时方案;仿真结果表明在动态环境下,该算法在行人与车辆冲突量,车辆的平均速度、等待时间和队列长度均优于现有的固定配时方案和其他的智能配时方案。