移动边缘计算中分布式的设备发射功率优化算法

针对大规模移动边缘计算网络架构中的用户设备计算卸载时所需的通信和计算资源难以协同优化的问题,提出了一种基于马尔可夫近似的分布式发射功率优化算法。基于香农定理和链路传输特性,将用户功率最小化策略建模成组合优化模型,通过Log-Sum-Exp函数将目标模型转化为最小权重配置的近似问题;针对该近似问题,提出了马尔可夫状态跳转的规则和分布式的设备自调节机制以实现高效求解。实验结果表明:与随机优化算法相比,该算法的系统用户设备发射总功率优化效果提升了78.5%,在给定场景下,穷举搜索最优解的计算复杂度可达410,而该算法仅需要迭代优化130次即可逼近最优解,能够有效减少通信和计算时延,确保发射功率的调整结果快速向最优目标收敛。     

自反馈BP网云计算信息融合算法及应用

通过对BP网络的输入层节点增加了自反馈,使BP网络对历史数据具有了记忆功能,改进后的局部自反馈BP神经网络具有动态映射和处理历史数据的能力.使用该局部自反馈BP神经网络实现了多信息的融合算法;通过对工矿企业现场诊断技术、信息融合方法和物联网应用分析,设计了一个基于物联网的工矿企业现场诊断与管理系统,并将局部自反馈BP神经网络信息融合算法应用到基于物联网现场诊断系统的云计算层,为设备生产厂家和工矿企业应用物联网进行现场诊断与管理提供了一个解决方案.     

能量收集通信系统中基于深度Q网络的最大化保密速率功率控制策略

研究由能量收集发射节点、目的节点和窃听节点组成的能量收集通信系统中,以最大化平均保密传输速率为目标的发送功率控制问题.在环境状态信息事先未知,且系统模型中信道系数、电池电量、收集的能量连续取值的场景下,提出一种基于深度Q网络(deep Q network,DQN)的、仅依赖于当前系统状态的在线功率分配算法.将该功率分配问题建模为马尔科夫决策过程;采用神经网络近似Q值函数来解决系统状态有无限多种组合的问题,通过深度Q网络求解该决策问题,获得仅依赖于当前信道状态和电池状态的功率控制策略.仿真结果表明,相比较随机功率选择算法、贪婪算法和Q学习算法,提出的算法能获得更高的长期平均保密速率.     

基于CDMA技术的Ad Hoc网络联合功率控制算法

提出了一种用于Ad Hoc CDMA网络的联合功率控制算法．对于一个接收终端,分配在同一时隙的各个发射终端的功率调整是基于通信链路的当前状态信息,其中包括各发射终端下一步使用的调整后的新发射功率值．即发射终端调整后的新发射功率值是基于共同的通信资源计算得出的．使得各移动终端能够共享通信网络链路资源．仿真结果表明,这一新的功率控制算法能有效地减小接收端信噪比动态范围,降低干扰信号强度,提高能量效率和系统性能．     

基于RF的光伏无线数据采集系统设计

从物联网角度研究了光伏系统,分析了FPGA、CPLD、工业总线和ZigBee在光伏物联网中的应用,发现现有研究存在物联网接入范围窄、成本高、能耗高等问题。提出基于RF分时通信的光伏无线数据采集方案,从理论上分析该方案的成本、效率、功耗,提出阶梯发射功率设计以进一步降低功耗,结合实际情况设计基于RF的光伏无线数据采集系统,并使用NS2模拟仿真,结果显示系统在功耗、效率、成本方面优于ZigBee方案。     

车联网中基于深度强化学习的高可靠资源分配算法

针对车联网环境下用户通信质量下降以及频谱资源紧张导致车辆与车辆（vehicle to vehicle,V2V）链路的关键信息传输难以满足高可靠性通信需求的问题,提出了一种基于深度强化学习（deep reinforcement learning,DRL）的高可靠资源分配算法。考虑干扰、传输时延和有效传输概率等约束条件,构建了车联网的可靠性保障优化问题;为了进一步保障V2V链路关键信息传输的可靠性,设计了压缩网络来压缩环境状态信息;根据可靠性保障优化问题设计了相应的奖励函数,并基于双深度Q网络（double deep Q-network,DDQN）设计了一种智能资源分配策略。仿真结果表明,所提算法能有效提高车联网的总速率,实现V2V链路关键信息的高可靠传输。     

基于网络传输增益-匹配经济指数的配电物联网载波通信匹配优化方法

在配电物联网的主从网络传输模式下,结合配电物联网的实际拓扑结构,提出一种基于WP-NMEI(网络传输增益-匹配经济指数)的配电物联网载波通信匹配优化方法。首先利用传输线理论及局部反射理论,推导主从网络模式下各载波设备间的匹配关系,验证了各从载波机间功率的可协调性;然后综合考虑网络传输增益与匹配经济指数之间的协调平衡,将配电物联网区域划分方法建模为非线性多约束条件下,基于WP-NMEI的0-1 整数规划问题;利用改进遗传算法求得配电物联网中继节点设立的最优解,将一个大的复杂配电物联网划分为若干个小的阻抗匹配区域网;最后在每个阻抗匹配区域网内使用粒子群智能算法进行匹配协调,避免网络模式下多通信节点间的功率浪费和阻抗失配问题。该方法匹配优化速度快,可移植性强,理论推导、仿真验证及实验室测试结果表明了该方法的可行性与有效性。     

认知多用户多中继协作蜂窝网络最优共同功率和频谱分配

研究了基于认知无线电的多用户多中继协作蜂窝网络最优功率和频谱共同分配问题,建立了基于发射功率向量和中继结点频谱分配向量为参数的网络最优功率和频谱最优化分配模型,应用罚函数法对提出的最优化分配模型进行求解,提出了一种多认知用户多中继协作蜂窝网络最优功率和频谱共同分配方法。仿真验证了提出的方法正确性和有效性,仿真结果表明提出的分配方法能对发射功率和中继结点频谱进行最优分配,保障每个结点获得最优吞吐量的基础上最大化网络总的吞吐量。     

DF多跳协作系统中基于最大系统容量的功率分配优化算法

针对多协作节点参与的多跳协作通信系统,以最大化系统容量为目标,在总发射功率受限的条件下提出一种译码转发(DF)模式下的功率分配优化算法,基于这种算法得到了最大化系统容量的功率分配最优解.仿真时采用BPSK调制.仿真结果表明,提出的算法和基于最小化中断概率优化算法、平均功率分配算法及直接传输相比误码率明显下降.     

可保持最大吞吐量的IEEE 802.11 DCF协议功率控制机制

在无线Ad Hoc网络中使用功率控制不仅可以节省能耗,还能提高网络吞吐量。基于IEEE 802.11 DCF协议,提出了一种新的适用于车辆自组织网络的功率控制算法。该算法根据节点的通信状况,动态地调整接收节点的CTS帧发射功率和发送节点的数据包发射功率,进而根据使网络吞吐量达到最大时的最佳接入节点数目调节RTS帧的发射功率,从而避免冲突,增大吞吐量。仿真表明该算法不仅能降低平均能耗,延长网络生存时间,还能增大网络复用率,提高网络的平均吞吐量。     

实时车牌识别边缘系统设计及FPGA实现

为解决边缘设备端车牌识别系统适应性差和识别率低的问题,提出一种基于深度学习处理单元(DPU)的车牌识别系统设计方法.该方法首先将车牌识别网络进行改造使其可在DPU上运行,并通过压缩与激励(SE)模块组合优化神经网络识别率.将DPU部署在现场可编程门阵列(FPGA)上,调用神经网络对视频图像进行车牌识别,设计出可兼顾新能源车牌的车牌识别系统.实验结果表明,以大规模数据集作为图像输入,车牌识别系统的平均识别准确率可达94.1%,运行速率可达4 ms.     

密集用户场景下802.11ax WiFi网络的干扰控制优化

近年来,连接互联网的WiFi设备数目日益增长,为解决用户密集的802.11ax WiFi网络严重的同频干扰问题,对其干扰管理进行了综合研究,采用了一种基于功率协调的干扰控制优化方案.在研究WiFi网络的干扰管理问题时引进了中心控制器,中心控制器需要相应优化算法在保障网络传输和快速计算的同时尽可能降低WiFi网络间的同频干扰.干扰优化目标与用户需求相关,通过网络模型和相关知识对优化目标进行建模,从而得出基于功率的干扰优化函数.所提出的算法以最大化网络吞吐率为目标,在发射功率有一定限制的条件下,利用改进的遗传算法和强化学习算法对接入点发射功率进行优化.改进的遗传算法前期反应速度快、搜索范围广,而强化学习算法更为简单、易实现、实用性更强.仿真结果表明,所提算法能够比较快速地提升网络吞吐率.     

Femtocell网络中基于对数效用的功率控制算法

针对Femtocell网络中干扰管理和功率控制的问题,考虑FBS间的同层干扰,提出基于对数效用的功率控制算法.运用K-Means算法对大量部署的FBS进行分簇,K-Means分簇算法可在低复杂度条件下将FBS划分成不同的簇,以便进行干扰管理.基于对数效用的功率控制算法,能保障FUE处于最低信干噪比,深度优化FBS的发射功率,可在保障吞吐量的同时提升系统能效.     

基于深度神经网络的高环境 适应性水声通信系统研究

深度神经网络中的自动编码器(Autoencoder,AE)通过收发端两个神经网络模块进行全局优化,利用端到端的训练方式以提高通信系统的可靠性.然而,现有对AE的研究未针对信道进行特殊设计,尤其对于时变的水声信道的多径效应,难以进行灵活调整,降低了该方法的实用性.本文提出一种提高水声通信系统信道环境适应性的Attention-Autoencoder网络模型,基于Attention网络可以高效地从大量信息中筛选出关键信息的特点,设计了一种针对水声信道的Attention机制,该机制能够增加网络提取水声信道特征的能力,使系统的适应性大大提高.仿真验证和湖试实验结果表明,基于Attention-Autoencoder网络模型的通信系统与基于文献中AE模型和没有引入神经网络的水声通信系统相比,具有更高的信道环境适应性.     

基于ASP.NET和移动andriod平台的物联网系统

为了解决工厂内众多设备相互间无法通信交互的问题,提出了基于ASP.NET和移动andriod平台的物联网系统,实现设备与设备、设备与服务器、移动终端与服务器的通信交互.首先基于ASP.NET在服务器端开发物联网系统网站,该网站通过局域网和Socket通信与各个设备相互连接的同时,对设备反馈的状态信息进行智能分析,并进而控制各个设备.然后在各个设备端的应用软件加入Socket通信功能,支持与服务器的通信.最后在移动端基于Andriod平台和Java语言开发APP,通过无线局域网实现移动端与服务器的通信.实验测试结果表明:所提物联网系统可以实现对设备、服务器的连接和智能运作,为智能工厂的推进奠定基础.     

云边协同的轻量级网络结构人脸识别方法

为了解决人脸识别因采用复杂度较高的卷积神经网络导致在计算与存储资源受限的物联网(IoT)边缘设备中无法部署的问题，提出了可通过云边协同技术部署在物联网边缘设备上的轻量级Mobile MTCNN人脸检测与识别算法，以减少物联网边缘设备资源开销.在人脸检测算法中使用轻量级子网络获取人脸框位置和人脸关键点坐标，并在人脸识别算法中设计了基于Mobile-Inception与Mobile-Resent结构的IMobileNet网络模型.实验结果表明：人脸检测算法在较现有算法准确率平均下降1%的情况下，虽然漏检率平均增加1%,但运行时间平均减少20%以上；人脸识别算法在达到MobileNet V2网络相同准确率情况下，设计并选用的IMobileNet-Small网络平均识别时间减少12%以上.因此，轻量级人脸检测与识别算法可维持识别精确度，同时满足边缘设备部署要求.     

基于功率控制的认知无线网络能效研究

针对Underlay频谱共享模式下的认知无线网络的能量效率问题,提出了一种双重改进的粒子群功率控制优化算法(Dual Improved Particle Swarm Optimization,DIPSO),通过最小化约束条件下认知用户的发射功率以实现网络能量效率优化.在仿真过程中,以保证认知用户基本通信的同时不对主用户正常通信构成影响为基本前提,对信道衰落及噪声干扰进行了综合考虑,搭建出多约束条件下的网络能量效率函数,实现认知无线网络中认知用户发射功率的最小化.仿真结果表明:该算法可有效提升无线网络的能量效率.     

基于最小综合发射功率的路由算法的研究

多跳蜂窝网络作为蜂窝网络与MANET网络两种不同性质的融合网络,可以提高系统的容量和吞吐量、扩大覆盖范围、均衡小区业务、提高用户下行传输速率等等.本文针对多跳蜂窝网络提出了一种新的路由算法—基于综合最小功率的稳定路由协议算法CMPSR,将处于基站覆盖盲区或阴影区域的移动终端用户通过寻找一条基于最小综合发射功率的稳定路由接入基站.该算法将节点与节点间的发射功率和节点到基站的发射功率通过一个控制参量结合起来得到一个综合最小功率,再通过该综合最小功率来寻找一条路由接入基站.     

异构需求下无人机无线携能传输优化策略

物联网设备电池容量有限且充电不便，无人机无线携能传输技术很好地解决了这个问题，可以实现能量和数据的同时传输。根据节点设备的异构能量需求，提出了基于全网满意度最大化的无人机位置和功率联合优化策略。将无人机与地面节点关联系数的优化问题建模成联盟形成博弈问题，通过设计合作准则，证明了其存在纳什均衡点。基于最大化满意度准则，探索无人机最佳悬停位置。在确定关联系数、无人机位置后，采用凸优化方法求解无人机与节点之间的发射功率。仿真结果表明，所提联合优化策略能够较大幅度地提升全网满意度。     

反向散射辅助无线供电D2D网络中的鲁棒能效优化

为了提高反向散射辅助无线供电中设备对设备（device-to-device,D2D）的网络能效（energy efficiency,EE）和系统的鲁棒性,研究了在具有信道不确定性的反向散射辅助无线供电D2D网络中的鲁棒能效资源分配问题。在功率站最大发射功率、所需服务质量和能耗约束下,通过联合优化发射功率、传输时间和反射系数使所有D2D用户的总EE最大化;利用一个次优解的迭代鲁棒算法解决了提出问题的非凸性。仿真结果表明,提出的算法具有收敛性及对不确定信道的鲁棒性。