基于网络编码的D2D干扰消除算法

终端直通(device-to-device, D2D)通信与蜂窝网络共享无线资源的同时,会引起D2D用户、蜂窝用户和基站之间互相干扰,影响通信质量,为此提出一种蜂窝网络中基于网络编码的D2D干扰消除算法。该算法中,D2D发送端将检测到的蜂窝干扰信号与D2D信号进行网络编码,D2D接收端接收到编码信号后,利用干扰重构消除蜂窝干扰信号,达到消除干扰的目的。理论分析与仿真结果表明,该算法在保证D2D用户复用蜂窝用户资源以及提高频谱利用率的同时,可以提高D2D通信系统可达速率和系统吞吐量,进一步降低符号错误概率。     

D2D通信中基于帕累托占优的非合作博弈功率控制算法

D2D (device to device)通信系统中传统能效函数仅能捕获瞬时数据流量,而无法获取特定时间段内数据流量的能效。为此,本文将吞吐量和终端使用时间之积作为效用函数,以终端使用时间内的吞吐量最大化为目标,并将其建模为非合作功率控制博弈(non conperative power control game,NPG)问题并得到其纳什均衡解。然而,理论分析表明该纳什均衡解非帕累托有效,故而引入功率线性代价函数来改进效用函数。最后,为了得到帕累托占优解,应用超模博弈理论研究该纳什均衡解的特性,并设计出一个低复杂度的双层迭代最优价格均衡求解算法。理论分析和仿真结果表明所提算法不仅提升系统效用值和终端使用时间,还可以保持系统公平性。     

无线传感器网络的信息收益函数研究

信息获取与能量节省的平衡优化是无线传感器网络研究的热点问题,通过信息收益函数可以有效地解决这一问题。然而信息收益函数的性能受到网络特性和算法特性的影响,很难给出较为完备的参数设计、性能评价和选用原则。以动态协同自组织算法在目标跟踪中的应用为例,选取一些典型信息收益函数在此算法下进行分析与仿真,通过设计评价指标,优化参数设计,给出详细的性能评价,并对其鲁棒性进行分析,最后给出应用场合的选用原则,以提高网络的综合性能优化。     

基于泛函网络的多维函数逼近理论及学习算法

提出一种多维函数逼近的泛函网络逼近方法,设计了一类用于函数逼近的可分离泛函网络,给出了基于泛函网络的函数逼近学习算法。而泛函网络的参数通过解方程组得到,它们能逼近给定函数到预定的精度。仿真结果表明,这种逼近方法简单可行,具有较快的收敛速度和良好的逼近性能。     

基于工作设计的知识型员工激励机制研究

在分析知识型员工工作偏好的基础上,结合工作的内在激励效用设计了其效用函数,利用委托代理框架,分析了知识型员工挑战性工作激励与金钱激励的相互作用关系.结果表明,无论信息完全与否,挑战性工作均能在一定意义上替代金钱对知识型员工的激励作用;信息不完全时,挑战性工作还能够增强知识型员工抵抗报酬风险的能力.最后给出了实证分析,并得出了知识型员工挑战性工作的设计原则与方法.     

一种鲁棒的被动声目标识别方法

针对噪声环境下一些声目标识别技术性能严重下降的问题,提出了一种基于一阶补偿的径向基函数网络模型,并给出了该网络参数选择方法。实际应用表明,这种神经网络对噪声具有较强的鲁棒性,与传统的径向基函数网络相比,其识别性能等同于信噪比提高大约１０～１５ｄＢ。     

带有协作意愿感知的边缘协作中继机制

利用智能终端的协作转发可以缓解海量传感器数据的承载压力。然而,由用户携带智能终端的非合作行为会使转发性能急剧下降。为此,提出了一种带有协作意愿感知的边缘协作中继机制,以提高中继选择的合理性和激励机制的有效性。通过分析用户对转发数据的兴趣度感知用户的主观协作意愿,并考虑用户能量和缓冲的影响,综合选择协作状态最佳的用户作为中继。为了进一步激励中继用户参与协作转发,提出了一种基于讨价还价博弈的激励机制,充分地激励中继用户的客观协作意愿。仿真结果表明所提机制与其他中继机制相比,转发成功率和平均吞吐量分别提高了至少19.4%、17.9%,平均传递时延降低了至少18.6%。     

非完美信道信息下LTE-V2V通信最优功率控制

针对非完美信道状态信息下LTE-V2V (long-term-evolution vehicle-to-vehicle)通信系统中V2V用户与蜂窝用户频谱复用带来的共道干扰问题,提出了一种以最大化能效为目标的最优功率控制方案。该方案通过V2V用户间通信距离的变化来刻画车载通信的时变特性,并利用随机几何理论对LTE-V2V通信系统中的共道干扰进行数学建模。同时,在蜂窝用户的中断概率和V2V用户最大功率约束条件下,得到V2V用户传输功率的可行域。并在此基础上,建立起最大化V2V用户能效目标函数,求解得到V2V用户的最优功率。数值分析表明,通过调整V2V用户的接入密度可最大化平均和速率,并且在不同V2V用户最大通信距离下,提出的功率控制方法所对应的能效均大于先前的最大功率分配方法所对应的能效。     

运用数据链进行雷达合作校正的仿真

估计雷达的系统误差对多传感器数据融合应用具有重要作用.使用数据链系统的通信和时钟同步功能,设计了一种基于交互协作的系统误差估计算法.算法假设飞机的组合导航设备能提供高精度的位置信息,通过使用Kalman滤波器对雷达系统误差进行估计.Kalman滤波器是递归形式,非常高效.通过仿真验证,算法的收敛性能优良,在各种计算周期和通信带宽上都能正常工作.     

考虑长期合同的发电市场竞价机制设计

发电市场中发电公司可能利用其成本信息优势抬高报价从而降低市场效率,应该设计合理的竞价机制鼓励发电公司揭示其真实成本信息.文章在发电成本函数为二次函数的情况下,考虑电力长期合同对现货市场的影响,设计一种激励相容的发电市场新竞价机制,该机制通过给予发电公司合理的信息补偿,使其揭示真实发电成本,从而实现发电市场的经济配置.最后以IEEE-RTS96的数据为基础,对所设计的新机制进行仿真分析,结果表明与现有的MCP机制和PAB机制相比,新机制可以通过揭示发电公司的真实发电成本而提高发电市场的经济效率.     

Auction Mechanism Design in Wholesale Electricity Market Considering Impacts of Long-term Contract

In wholesale electricity market, a generator with cost information advantage will submit a bid higher than its true cost, which may reduce the market efficiency. To solve this problem, this article designs an incentive auction mechanism considering the impacts of long-term contract and the variability of marginal cost. The new mechanism includes an extra payment (information compensation) that will make generators submit their true marginal cost, and thus, achieves distribution efficiency. Then, it makes a demonstration based on the data from IEEE-RTS96. The result shows that the new mechanism can control the market power of generator and avoid strategic bidding behaviors.     

基于烟花算法的基站群协作计算卸载模型研究

车联网、AR、AI等计算密集、时延敏感型应用迅速发展,而移动设备因自身计算能力相对不足,执行此类应用任务时会因高时延而严重影响用户体验甚至无法满足用户需求.针对此问题,提出综合考虑时延与成本的多用户、多MEC (mobile edge computing)服务器的基站群协作计算卸载模型.并提出基于凸优化的改进烟花算法(...     

面向ISP的网络资源市场分配方法

随着因特网商业化进程的发展,在网络资源分配中引入价格因素已成为一种新的趋势。现有研究并没有充分考虑到互联网服务提供商的经济角色。鉴于此,针对互联网服务提供商的自治性与异构性,提出了一种面向互联网服务提供商的网络资源市场分配方法。该方法将互联网服务提供商与用户视为经济活动中的生产者与消费者,在完全竞争的市场条件下,通过价格机制来平衡供需,完成稀缺资源的有效配置。仿真实例表明,本方法是可行的、正确的和有效的。     

移动融合网络中基于信道质量的分流算法

随着现代社会的发展,各种智能终端已经成为生活中不可或缺的一部分,如何为其提供快速高效的网络服务是一个亟待解决的问题。使用移动融合网络,将固定网络与移动网络进行融合、充分发挥两者的优势,是当前研究的热点。首先介绍了移动融合网络的概念,然后提出了基于信道质量的分流算法,以解决移动融合网络中的分流问题。最后进行了仿真实验,分别仿真了数据全走长期演进(long term evolution, LTE)网络、数据全走无线保真(wireless fidelity, WiFi)网络、基于信道质量进行分流3种情况。通过对比发现该算法可以显著提高系统吞吐量、减小时延,从而验证了其有效性。     

基于移动边缘计算的车联网任务卸载研究与仿真

为能够在接近用户端利用边缘设备的计算资源为人们提供高质量的服务,基于移动边缘计算的车联网架构设计了一种联合资源分配和任务卸载的机制。将原问题分解为资源分配和卸载决策2个子问题分别求解。将原问题简化成系统容量最大化的资源分配问题,通过比例资源分配算法得到初始卸载集合;采用联合卸载决策与资源分配机制求解上述问题。通过迭代直到实验现象趋于平稳。仿真结果表明：与以往方法相比该机制降低了算法的复杂度,并且用户效用始终较高,大大提升了车联网系统的服务效率。     

子任务调度和时延联合优化的MEC卸载方案

移动边缘计算(mobile edge computing, MEC)为5G超低时延业务提供了解决方案。如何设计低时延、高效率的任务卸载方案，是MEC面临的主要难题之一。为此，针对端-边协同MEC服务场景，研究了大型计算任务的低时延、低能耗部分卸载方案，通过将用户任务划分为多个有顺序依赖关系的子任务并构建子任务的有向无环关系图，设计了能够最小化卸载时延的子任务调度方案，提出了基于任务复制的最早卸载执行算法，解决了能耗受限下的任务最小时延卸载计算。仿真结果表明，提出的MEC卸载方案能够有效减少任务处理时延，降低系统能耗。     

云边协同系统中基于博弈论的资源分配与任务卸载方案

综合考虑时延、能耗和计算资源成本，构建云边协同系统中的效用最大化问题，并将其分解为计算资源分配、上行功率分配和任务卸载策略三个子问题。提出一种基于博弈论的资源分配和任务卸载方案（game-based resource allocation and task offloading， GRATO） 以分别解决上述子问题。利用凸优化条件求得计算资源分配最优解；设计一种低复杂度的上行功率分配方法用于降低无线干扰；针对任务卸载策略优化问题，提出一种基于博弈论的分布式任务卸载算法（game-based distributed task offloading algorithm， GDTOA）。仿真结果表明，GRATO方案在时延和能耗方面的性能优于其他方案，还可以感知用户的优先级，使紧急用户具有更高的效用和更低的时延。     

Bilevel programming model and solution method for mixed transportation network design problem

By handling the travel cost function artfully, the authors formulate the transportation mixed network design problem (MNDP) as a mixed-integer, nonlinear bilevel programming problem, in which the lower-level problem, comparing with that of conventional bilevel DNDP models, is not a side constrained user equilibrium assignment problem, but a standard user equilibrium assignment problem. Then, the bilevel programming model for MNDP is reformulated as a continuous version of bilevel programming problem by the continuation method. By virtue of the optimal-value function, the lower-level assignment problem can be expressed as a nonlinear equality constraint. Therefore, the bilevel programming model for MNDP can be transformed into an equivalent single-level optimization problem. By exploring the inherent nature of the MNDP, the optimal-value function for the lower-level equilibrium assignment problem is proved to be continuously differentiable and its functional value and gradient can be obtained efficiently. Thus, a continuously differentiable but still nonconvex optimization formulation of the MNDP is created, and then a locally convergent algorithm is proposed by applying penalty function method. The inner loop of solving the subproblem is mainly to implement an all-or-nothing assignment. Finally, a small-scale transportation network and a large-scale network are presented to verify the proposed model and algorithm. This research is supported by the National Basic Research Program of China under Grant No. 2006CB705500, the National Natural Science Foundation of China under Grant No. 0631001, the Program for Changjiang Scholars and Innovative Research Team in University, and Volvo Research and Educational Foundations.