IRS辅助的MISO-SWIPT安全速率最大化算法

为增强系统的稳定性,基于智能反射面（intelligent reflection surface,IRS）辅助安全通信,为用户采用功率分配架构的无线携能传输（simultaneous wireless information and power transfer,SWIPT）技术以提高用户安全速率并降低用户的能量消耗,建立了系统安全速率最大化的目标函数模型;考虑IRS相移约束、基站最大发射功率、功率分配比率约束和用户最低能量采集约束,提出了一种基于交替优化的安全速率最大化算法。利用连续凸近似算法,将目标函数转化为凸的形式;采用交替优化,对耦合变量进行解耦处理;提出一种波束赋形算法以实现安全速率最大化。仿真表明,提出的算法能够有效提升IRS辅助的SWIPT系统的安全速率,至少比其他算法提高了2.63bps/Hz。     

基于功率分配器的大规模信息能量同传系统吞吐率优化

研究了基于下行无线信息和能量协同传输(simultaneous wireless-information and power-transfer,SWIPT)大规模多输入单输出(multiple-input and single-output,MISO)系统的吞吐率优化问题.该系统为时分双工(time division duplex,TDD)模式,同时移动站采用先收集后传输的协议.在下行信噪比(signal-to-noise ratio,SNR)和移动站的传输功率约束下,为实现上行吞吐率的最大化,对功率分配系数和下行传输时间进行了联合优化,由于该问题为非凸优化问题,采用基于拉格朗日乘子的梯度算法进行优化.最后,通过与单独优化下行传输时间算法的比较,验证了该联合优化算法的优越性.     

IRS辅助认知无线携能通信网络的发射功率最小化算法

智能反射平面（IRS）和认知无线携能通信技术被视为是提高能量效率和频谱利用率的潜在关键技术。文中研究了基于非线性能量采集模型的IRS辅助认知无线携能通信网络,其中次用户发射机同时给多个次用户接收机发送信息和能量,每个次用户接收机采用功率分割方式实现信息解码与能量采集,目的是通过联合优化次用户发射机的波束成形矢量、次用户接收机的功率分割系数以及IRS相移使次用户发射机的发射功率最小化。为了保证次用户发射机的信息与能量传输效率并限制次用户发射机对主用户接收机的同频干扰,考虑次用户接收机具有最小信干噪比约束、最小能量采集约束与功率分割系数约束,次用户发射机对主用户接收机有最大干扰功率值约束,以及IRS具有反射相移约束。所构建的问题属于非凸的二次约束二次规划问题,并且优化变量之间高度耦合,难以求解。文中提出一种基于半正定松弛法和连续秩一约束松弛法的交替优化算法进行高效求解。为了降低复杂度,进一步提出一种基于IRS分组的低复杂度优化算法。仿真结果表明,与几种基准算法相比,所提算法能够有效降低次用户发射机的发射功率。     

无线携能通信中基于时间反演的能量效率优化

针对无线携能通信(SWIPT)中的能量效率(EE)优化问题,考虑在满足一定通信服务质量和收集能量的条件下,通过一种基于时间反演(TR)的优化算法最大化系统的EE.首先,将TR引入SWIPT中构建新型的传输方案,并分析EE的闭合表达式.其次,对问题进行规划和分析,发现该优化问题是一个二元分式非凸规划问题,需要进行数学变换将其转化为凸优化问题.最后,通过Dinkelbach算法和CVX得到问题的解.仿真结果表明:解码噪声功率、最大发射功率及信噪比增大时,优化后的EE也会增大,且在满足约束条件时,基于TR的优化算法能够明显增大EE,提升系统性能.     

移动边缘网络中深度学习任务卸载方案

为了缓解网络带宽的压力、降低网络延迟,克服移动设备资源匮乏等问题,推动深度学习应用在移动终端的部署,提出一个基于移动边缘计算的深度学习任务卸载方案。基于深度神经网络专用加速芯片Eyeriss的架构,对深度学习任务的计算功耗进行建模,提出了一个基于混合l_1/l_2范数诱导的三阶段组稀疏波束成形(group sparse beamforming, GSBF)框架,通过对计算任务优先级的精心设计,尽可能地删除基站端冗余的计算任务,实现对整体网络功耗(包括发送功率损耗和计算功率损耗)的优化。针对该框架,提出了一个加速优化方案。仿真实验表明,在该场景下,所提出的框架在优化整体网络功耗方面具有显著优势,而加速算法可以进一步提升框架的性能。     

基于用户协作干扰的IRS辅助安全传输方案

针对协作通信网络无线信道高度开放的信息安全问题,提出一种基于智能反射面(IRS)辅助通信与用户协作干扰的下行链路物理层安全传输方案,并给出了一种基于交替迭代的保密容量最大化算法.该方案中智能反射面通过调整反射相位辅助合法用户进行通信,并且全双工用户在接收有用信号的同时发射人工噪声,从而增强系统信息安全传输.为了求解系统保密容量的非凸优化问题,利用交替迭代算法将其分解为3个子问题,分别对基站波束成形矢量、系统功率分配系数及IRS相移矩阵进行优化.在求解的过程中推导了波束成形矢量和功率分配系数的闭式解,并分别利用连续凸近似和黎曼流形优化两种算法得到了IRS的最佳相移矩阵.分析与仿真结果表明：所提出的方案能够快速收敛,且基于黎曼流形的优化算法具有更低的复杂度.与随机相位或固定功率系数的方案相比,该方案能够显著提高系统安全性能.     

基于SWIPT的D2D通信辅助移动边缘计算任务卸载策略

为解决5G移动通信系统中移动用户计算能力不足、能量消耗多、无线资源缺乏等问题,本文构建一种基于无线携能通信(Simultaneous Wireless Information and Power Transfer, SWIPT)的多用户设备间(Device to Device, D2D)通信辅助移动边缘计算(Mobile Edge Computation, MEC)系统模型,提出一种D2D-MEC联合卸载策略。该策略以系统中请求用户总能耗最小化为目标,采用二进制卸载模式和功率分流模式对请求用户进行任务卸载和能量收集。针对能耗最小化问题为非线性混合整数规划问题,根据整数变量和实数变量将原问题解耦为功率分配和计算任务卸载两个独立子问题,并分别采用Dinkelbach方法和匈牙利算法求出两个子问题的最优解。仿真实验结果表明,本文所提策略优于传统的D2D卸载策略和MEC卸载策略,有效降低了请求用户的总能耗,提高了任务执行效率。     

基于电力物联网的边缘计算任务卸载优化

为了解决传统卸载模型仅涉及用户设备和边缘计算资源,而在云端资源利用上存在局限性的问题,通过有效利用计算任务时延、能耗及计算资源配置,提出了基于深度强化学习算法的计算任务卸载策略和资源配置优化算法,建立了边云协同的时延、能耗及能效模型,研究了用户设备数量、任务量、任务优先级等对时延、能耗及能效的影响。结果表明：边缘计算服务器资源配置为30 GHz较为合理;高级计算任务优先处理策略和计算资源优化分配,使得时延、能耗均较低;本文所提出的优化算法在时延、能耗及能效方面均优于其他3个对比算法,表明针对不同用户设备数量和计算任务量场景,本文所提出的优化算法和建立的模型能够更有效的实现基于电力物联网的计算任务卸载策略和资源配置优化。     

一种基于强化学习的车联网边缘计算卸载策略

计算密集型、时延敏感型车载应用的不断涌现导致资源受限的车载终端设备无法在短时间内处理大量的应用任务,而且卸载节点的动态变化特性在复杂多变的车联网场景中会导致任务候选卸载节点存在不确定性。针对上述问题,提出一种基于强化学习的计算卸载策略来实现任务卸载预判和计算资源分配。结合设备链接时间与通信半径等因素制定卸载节点发现机制,通过考虑时延与成本对车联网移动边缘计算卸载系统的影响建立效用函数,并以最大化效用作为优化目标将车联网中的卸载问题转化为优化问题,基于卸载节点发现机制采用Q-learning方法提出一种智能节点选择卸载算法求解优化问题,实现任务的智能卸载。仿真结果表明,在车联网场景中,提出的计算卸载策略可实现更高的系统效用。     

移动边缘计算中的无人机群协同任务卸载策略研究

针对应急灾害中通信受限的场景,研究了基于移动边缘计算(mobile edge computing, MEC)的无人机群(unmanned aerial vehicles,UAV)协同任务卸载问题。在对系统通信过程和计算过程的延时与能耗分析的基础上,设计联盟效用函数和回报函数,并基于享乐博弈模型提出联盟分割形成算法。理论分析证明,该算法最终收敛于某个稳定的联盟分割。仿真结果表明,相比其他典型策略,提出的策略具有更低延时和能耗,能够提升用户服务体验、增加设备续航时间,解决通信受限问题。     

基于跨层设计的传感器网络寿命最大化算法

面向监测应用的无线传感器网络,当链路存在干扰时,节点在传输数据时会对位于其干扰范围内的节点造成信号干扰,从而使得这些节点不能正确收到其它节点传输的数据.针对这种场景下的网络寿命最大化问题,分析了网络流量和节点能耗,提出了一种将功率控制和数据聚合路由相结合的非凸优化模型.通过对数转换方法将非凸优化问题转化为凸优化问题,利用优化理论和方法将凸优化问题分解为聚合数据率分配子问题和功率控制子问题,最后给出了联合优化问题的分布式解法.仿真实验表明,使用该方法可以有效减少数据通信量,均衡各个节点的能量消耗,有效延长网络寿命.     

智能超表面辅助双小区NOMA系统下行低功耗传输方案研究

由于在频谱效率与功率效率方面的优势,智能超表面(Intelligent Reflecting Surface, IRS)和非正交多址接入(Non-Orthogonal Multiple Access, NOMA)被视为未来无线通信的两项关键技术,文中针对IRS与NOMA的融合系统展开研究。具体地,将IRS部署在两小区的边缘,用于提升小区边缘用户的传输性能,建立了IRS辅助两小区NOMA系统的下行传输功率最小化问题。为了求解建立的发射功耗最小化问题,推导了基站传输功率与IRS相移矩阵之间的关系,并将传输功率分配系数和相移矩阵的联合优化问题转化为单纯的相移优化问题。由于相移向量中每个元素需服从恒模约束,转换后的相移优化问题仍为非凸优化问题,提出了一种顺序相位旋转算法进一步求解相移优化问题。仿真结果表明,在相同的实验配置下,文中提出的下行传输方案在发射功耗方面的性能明显优于其他基准方案。     

一类非光滑优化问题的邻近交替方向法

非光滑优化问题在现实生活中有着广泛应用.针对一类带有结构特征为两个连续凸函数与具有Lipschitz梯度的二次可微函数的和的无约束非光滑非凸优化问题,给出了一种邻近交替方向法,称之为二次上界逼近算法.该算法结合交替方向法与邻近点算法的思想,将上述优化问题转化为平行的子问题.在求解子问题的过程中,对目标函数中的光滑部分线性化,此时子问题被转化为凸优化问题.然后分别对两个凸优化子问题交替利用邻近点算法求解.基于以上思想,首先我们给出算法的伪代码,然后建立了算法收敛性的充分条件,最后证明在该条件下,算法产生迭代序列的每个极限点是原问题的临界点.     

缓存辅助移动边缘计算的任务卸载与资源分配联合优化策略

为了减少资源受限的移动边缘计算场景下任务卸载和资源分配过程中的能量消耗,提出缓存辅助的动态卸载决策和计算、通信、缓存多维资源分配的联合优化策略。该策略根据任务流行度制定缓存服务,通过控制用户设备的发射功率优化通信资源分配,并结合计算卸载合理利用服务器的计算资源。提出最小化时延和能耗的均衡优化目标,设计基于深度强化学习的优化求解算法。最后,通过仿真实验验证所提策略的有效性,结果表明该策略在计算资源和缓存容量约束条件下能展现较优性能。     

无线传感器网络中FSK的电池能耗分析

基于无线传感器网络中周期性数据传输的通信任务,本文探讨采用FSK调制技术时两传感器节点之间通信链路上的电池能耗问题,针对不同的电池耗能模型、不同电路操作模式和不同传输信道情况下的电池能耗进行理论评估和数值仿真比较。结果表明,实际电池能耗总比理想化电池能耗要大;多模式比单模式电路操作节能;在相同的系统参数下,Rayleigh衰落信道环境中的能耗比路径损耗信道中的能耗大得多。     

混合有-无源智能反射面辅助大规模MIMO安全传输

针对存在恶意窃听者的大规模MIMO网络安全传输问题,提出了一种混合有-无源智能反射面辅助的下行安全传输方法。受基站总发射功率、混合有-无源智能反射面功率和反射相位模量约束,讨论了最大化系统总保密速率的优化问题,该问题为多变量耦合的非凸优化。提出了基于逐次凸近似的主动波束成形和反射相位优化算法,首先利用交替优化算法将原始问题转变为两个单变量的子问题,然后采用逐次凸逼近或半定松弛算法分别求解每个子问题的最优主动波束成形和反射相位。仿真结果表明,相比传统的被动智能反射面辅助安全传输方案,提出的方案能够有效利用混合有-无源智能反射面高增益的技术优势,进一步提高级联链路的信道增益,获得更高的保密速率。     

异构蜂窝网络中基于SWIPT的D2D资源分配算法研究

为了解决异构蜂窝网络中D2D(Device-to-Device)通信干扰导致系统能量效率下降的问题,提出一种基于SWIPT的D2D通信资源分配策略,以实现D2D链路的能量效率最大化。该策略对系统中多种干扰进行建模,构建干扰图和伙伴候选集合;将优化问题转化为功率控制和信道分配两个子问题,运用KKT条件和拉格朗日乘子法,求解D2D链路复用候选集中子信道的最优发射功率和功率分割比。仿真结果表明,所提出的分配策略能明显提升系统的能量效率,在保证服务质量的前提下能有效提高D2D用户接入率。     

轨迹和干扰功率联合优化的无人机主动窃听算法

研究一种无人机(UAV)作为合法窃听器的无线通信窃听算法.首先,将一个合法窃听器(UAV(E))用于窃听可疑发射器(UAV(B))发送到地面可疑接收器的可疑信息.然后,利用可疑系统的特点,提出一种有效的主动干扰方案,从而最大限度地提高有效窃听速率;针对构造的原问题是一个优化变量耦合的混合非凸优化问题,应用更新速率辅助的块坐标下降和连续凸优化技术,在每次迭代中交替优化无人机轨迹和干扰功率.最后,针对非凸的无人机轨迹优化和干扰功率优化问题,分别利用连续凸优化算法将原非凸问题转化为近似的次优化问题,再使用凸优化方法进行求解.仿真结果表明:相较于其他基准算法,文中算法具有更高的有效窃听速率.     

鲁棒截断L1-L2全变分稀疏恢复模型

信号获取过程中,除了有高斯噪声外,还有具有脉冲性质的稀疏噪声,常用的鲁棒稀疏信号恢复模型能够在稀疏噪声环境下恢复出原始的稀疏信号。但是,许多实际应用问题需要考虑原始信号的结构稀疏性,如梯度稀疏。为了从稀疏噪声和高斯噪声共存的环境下恢复出结构稀疏的原始高维信号,文中基于截断L₁-L₂全变分、3维截断L₁-L₂全变分和鲁棒压缩感知,提出了两个非凸非光滑优化模型,用于解决高斯噪声和稀疏噪声混合影响下的结构稀疏信号恢复问题,并采用含有外推的邻近交替线性极小化算法求解这两个优化模型,使用含外推的邻近凸差算法求解子问题,在势函数具有Kurdyka-Lojasiewicz(KL)性质的条件下,给出了含外推交替极小化算法和含外推邻近凸差算法的收敛性分析。数值实验测试了高斯噪声灰度图像、混合噪声彩色图像、混合噪声灰度视频等,采用图像峰值信噪比(PSNR)作为评价准则。实验结果表明,文中模型能够更好地恢复出原始的结构稀疏信号,且在同一噪声环境下文中模型恢复的信号具有更优的PSNR值。     

OFDM放大转发中继系统信息与能量同传优化算法研究

信息与能量同传是解决无线通信网络能量受限问题的有效技术.文章针对能量受限无线中继的OFDM放大转发中继系统,研究信息与能量同传的快速优化算法,在提高系统端到端传输速率性能的同时,延长中继结点电池的使用寿命.1研究了OFDM放大转发中继系统的最优能量传输和子载波配对方案;2将信息传输功率分配和能量传输时间优化问题形成为具有非凸目标函数和非凸能量收集约束的非凸优化问题;3通过分式规划问题优化方法和CCCP(Constrained Concave Convex Procedure)方法对该非凸优化问题进行求解,提出了相应的资源分配优化算法.仿真结果表明,与已有算法相比,文章提出的资源分配优化算法可明显提高信息与能量同传OFDM AF中继系统的速率性能.