|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 大规模无线通信网络移动边缘计算和缓存研究显示文摘面向未来6G移动通信的大规模网络移动边缘计算与缓存技术,首先,介绍了大规模无线网络下移动边缘计算和缓存的架构与原理,并阐释了移动边缘计算和缓存技术在大规模无线网络中的必要性和普适性。接着,从计算卸载、边缘缓存、多维资源分配、用户关联和隐私保护这5个关键问题出发,综述和分析了移动边缘计算和缓存赋能大规模无线网络时会引入的新型关键问题以及对应的解决方案研究,并进一步指出了未来的发展趋势和研究方向。最后,针对隐私保护问题,提出了一种基于联邦学习的隐私保护方案,并通过仿真结果表明所提方案能够同时保护用户数据隐私且改善系统服务质量。 | 黄永明 郑冲 张征明 尤肖虎 | 2021 | 通信学报2021，42，4： | 23 |
| 2 | 基于数据融合的高效可靠智能电网通信技术显示文摘随着智能电网的大规模部署,传感器等终端设备将会大量增加。面对随之产生的海量数据,高效可靠的通信方式成为新时代智能电网研究的热点。针对智能配电网中通信网络复杂、工作环比较混乱、通信点多的问题,提出了基于数据融合的新型融合组网方案。首先,采用边缘计算和有线无线相结合的新型融合组网方式,提高了组网融合的性能;其次,结合了基于最佳权重分配的数据融合算法解决了数据冗余的问题,降低了能耗;最后,通过理论分析和实验仿真验证了基于数据融合的新型融合组网方案的有效性,在性能上与传统加权算法对比更加优越。 | 桂海涛 秦丽文 杨鑫 吴凡 侯和明 | 2021 | 科学技术与工程2021，21，33： | 13 |
| 3 | Intelligent Task Offloading and Collaborative Computation in Multi-UAV-Enabled Mobile Edge Computing显示文摘This article establishes a three-tier mobile edge computing(MEC) network, which takes into account the cooperation between unmanned aerial vehicles(UAVs). In this MEC network, we aim to minimize the processing delay of tasks by jointly optimizing the deployment of UAVs and offloading decisions,while meeting the computing capacity constraint of UAVs. However, the resulting optimization problem is nonconvex, which cannot be solved by general optimization tools in an effective and efficient way. To this end, we propose a two-layer optimization algorithm to tackle the non-convexity of the problem by capitalizing on alternating optimization. In the upper level algorithm, we rely on differential evolution(DE) learning algorithm to solve the deployment of the UAVs. In the lower level algorithm, we exploit distributed deep neural network(DDNN) to generate offloading decisions. Numerical results demonstrate that the two-layer optimization algorithm can effectively obtain the near-optimal deployment of UAVs and offloading strategy with low complexity. | Jingming Xia Peng Wang Bin Li Zesong Fei | 2022 | China Communications2022，19，4： | 3 |
| 4 | Intelligent Task Offloading and Collaborative Computation over D2D Communication显示文摘In this paper,the problem of computation offloading in the edge server is studied in a mobile edge computation(MEC)-enabled cell networks that consists of a base station(BS)integrating edge servers,several terminal devices and collaborators.In the considered networks,we develop an intelligent task offloading and collaborative computation scheme to achieve the optimal computation offloading.First,a distance-based collaborator screening method is proposed to get collaborators within the distance threshold and with high power.Second,based on the Lyapunov stochastic optimization theory,the system stability problem is transformed into a queue stability issue,and the optimal computation offloading is obtained by solving these three sub-problems:task allocation control,task execution control and queue update,respectively.Moreover,rigorous experimental simulation shows that our proposed computation offloading algorithm can achieve the joint optimization among the system efficiency,energy consumption and time delay compared to the mobility-aware and migration-enabled approach,Full BS and Full local. | Cuili Jiang Tengfei Cao Jianfeng Guan | 2021 | China Communications2021，18，3： | 3 |
| 5 | 雾计算网络中基于移动感知的任务卸载和资源分配显示文摘在雾计算网络中由于雾计算节点(fog computing node,FCN)有限的覆盖范围和用户的移动,导致用户很容易离开原雾节点的覆盖范围并产生任务执行结果的迁移,同时引起能量消耗和时间延迟,进而影响用户的收益。针对这些问题,在三层雾计算网络中,通过分析用户驻留时间来考虑用户的移动性;通过任务卸载、FCN的选择和计算资源分配进行联合优化减少任务迁移概率,进而降低系统开销,最大化用户的总收益。该最大化问题被分解为任务卸载和资源分配两部分进行求解。在任务卸载方面,提出了基于基尼系数的雾计算节点选择算法;在资源分配方面,提出了基于遗传算法的分布式资源分配算法。仿真实验结果表明,本文算法与其他算法相比能获得更多的用户总收益。 | 陈雷 | 2022 | 武汉大学学报(理学版)2022，68，3： | 2 |
| 6 | Modulation Recognition of Radio Signals Based on Edge Computing and Convolutional Neural Network显示文摘Software defined radio(SDR)is a wireless communication technology that uses modern software to control the traditional“pure hardware circuit”.It can provide an effective and secure solution to the problem of building multi-mode,multi-frequency and multifunction wireless communication equipment.Although the concept and application of SDR have been studied a lot,there is little discussion about the operating efficiency of the established system.For the purpose of shortening the delay of mapping and reducing the high computing load in the cloud,a radio monitoring system based on edge computing is developed to achieve the flexible,extensible and real-time monitoring of high-performance SDR applications.To promote the edge intelligence of deep learning(DL)service deployment through edge computing(EC),we developed an edge intelligence algorithm of convolutional neural network(CNN)based on attention mechanism to carry out modulation recognition(MR)of the edge signal and make MR closer to the antenna terminal.Through the experiment of the system and the edge algorithm,this thesis verifies the effectiveness of the developed multifunction radio signal monitoring system. | Jiyu Jiao Xuehong Sun Yanpeng Zhang Liping Liu Jianfeng Shao Jiafeng Lyu Liang Fang | 2021 | Journal of Communications and Information Networks2021，6，3： | 1 |
| 7 | 基于智能化用户协作的边缘计算任务卸载与资源分配优化显示文摘为了解决移动边缘计算网络中计算资源日益紧缺的问题,设计了一种基于用户协作的边缘计算资源分配机制,充分利用用户之间的空闲计算资源,有效提升系统整体的数据处理性能。以最大化用户的效用函数为目标,将目标优化问题建模为一个关于用户任务卸载决策和本地计算通信资源的联合优化问题,并结合深度学习技术和凸优化理论,提出了一种混合深度学习-优化算法对目标问题进行求解。仿真结果表明,相较于对比算法,所提算法能使用户的效用提升至少85.4%,并能在亚秒级的时间内实现用户效用的近似最优化。 | 李贤 毕宿志 曾泓儒 林彬 林晓辉 | 2022 | 物联网学报2022，6，4： | 1 |
| 8 | 移动感知下小小区网络的任务卸载、迁移及资源分配策略显示文摘针对基于移动边缘计算(mobile edge computing,MEC)的小小区网络中任务迁移产生额外开销的问题,提出一种优化的移动感知下小小区网络的任务卸载、迁移及资源分配策略,以达到减小迁移概率的同时最大化总收益的目的。首先,利用移动设备(mobile equipment,ME)的驻留时间分析移动设备的移动性,并通过效用函数表示总收益最大化这一问题。其次,由于该问题是一个混合整数非线性规划(mixed integer non-linear programming,MINLP)问题,提出基于遗传算法的分布式资源最优化算法(distributed resource optimization algorithm based on genetic algorithm,DROAGA)来进行求解。最后,通过仿真实验模拟移动设备数量、计算资源数量、任务迁移开销和平均驻留时间对移动设备总收益的影响。实验结果表明,与其他算法相比,本文提出的算法能更有效地提高用户的总收益。 | 陈雷 | 2021 | 武汉大学学报(理学版)2021，67，3： | 1 |
| 9 | 动态网络下交替优化正交匹配追踪混合预编码显示文摘为解决毫米波大规模多输入多输出(multiple input multiple output,MIMO)系统中混合预编码频谱性能损失严重的问题,本文提出了一种动态网络下交替优化正交匹配追踪混合预编码算法。首先,通过恒模约束条件下的模拟预编码矩阵确定固定相位移相器与天线之间较好的初始连接状态,以提高迭代收敛速率;然后,根据连接状态构造最佳候选模拟预编码矩阵,从而求解全局最优的索引向量;最后,由最优索引向量组成的数字预编码矩阵反馈到动态网络,可动态实现移相器与天线阵列连接状态的交替优化更新。同时,所提出的算法只需要少量固定相位的移相器,在频谱性能和复杂度之间达到良好平衡。仿真结果表明,与其他现有算法相比,该算法具有更高频谱效率、更高迭代收敛速率和更低复杂度,特别是当射频链路数大于数据流数时,频谱效率的提升更加显著。 | 王舟明 李正权 代涛 | 2022 | 电子测量与仪器学报2022，36，5： | 0 |
| 10 | 分布式网络的多任务扩散算法综述显示文摘在分布式网络中,如何从带噪的实时数据流中估计潜在的模型参数是一个非常重要而极具挑战的问题。应对该问题的一种有效途径是设计扩散算法,通过网络局部信息交换和自组织协同方式来估计网络中所有节点的模型参数。相关方面早期的研究主要关注的是单任务问题,即所有节点估计同一个模型参数。但实际应用中不同节点往往需要应对不同的估计任务,同时多个待估计的模型参数又可能具备一定的关联性,所以近年来人们将研究重点聚焦到了多任务问题,包括多任务关系建模以及参数优化问题的设计与求解等,并取得了一些重要进展。本文对分布式网络中多任务问题的建模以及当前常用的多任务扩散算法进行简要综述,内容涵盖无监督类型的扩散算法和有监督类型的扩散算法等。具体而言,针对使用无监督方式设计多任务扩散算法,介绍了静态组合矩阵的选取、自适应组合矩阵的设计、两个组合矩阵的组合结构,并简单讨论了三者的适用场景。针对使用有监督方式设计多任务扩散算法,讨论了基于梯度投影法和正则化架构的两种设计方式,并借助文献中的一些典型算法对这些设计方式进行说明。论文侧重于算法原理、算法架构和求解思路等方面的探讨,具体的算法实现细节感兴趣的读者可以参考相应的文献。 | 靳丹琦 陈捷 陈景东 | 2023 | 信号处理2023，39，11： | 0 |
| 11 | 基于PSO的联合任务卸载与缓存算法研究显示文摘随着各类计算敏感(Computation-Sensitive, CS)型和高数据率(High-Rate, HR)服务的不断涌现,诸如移动游戏、认知辅助和虚拟/增强现实服务等,移动终端(Mobile Terminal, MT)对存储和计算资源的需求越来越大。为满足移动边缘计算(Mobile Edge Computing, MEC)网络中MT对CS和HR服务的通信需求,联合任务卸载、缓存与资源分配算法的研究被广为关注。现有研究鲜有涉及多蜂窝无线回程网络,不利于现实应用与低网络成本部署。针对支持CS和HR服务的多蜂窝无线回程网络,以MT所需资源占其服务基站的所有MT所需资源的比例分配频谱、计算与缓存资源。在该资源分配方式下,提出了最小化MT平均时延的问题,涉及MT关联指示的优化,其中MT关联兼顾基站的选择、计算和缓存模式的选择。为处理该问题,开发了基于粒子群优化(Particle Swarm Optimization, PSO)的MT关联与资源分配(PSO-based MT Association and Resource Allocation, PMARA)算法。仿真结果表明,在上述资源分配方式下,同其他现有算法相比,所设计的算法通常可以获得更低的MT时延。 | 周天清 许铭 | 2024 | 无线电工程2024，54，3： | 0 |
| 12 | 面向海洋节能边缘计算的任务卸载研究显示文摘针对海洋通信网络能源不稳定、时延较长的问题,提出一种混合能量供应的边缘计算卸载方案。对于能量供应问题,移动边缘计算(MEC)服务器集成混合电源和混合接入点,混合电源利用可再生能源为MEC服务器供应能量,采用电力电网作为其补充能源,保证边缘计算系统的可靠运行,船舶用户通过混合接入点广播的射频(RF)信号收集能量。针对任务卸载优化问题,以能耗-时延权衡优化为目标,联合能量收集方法制定任务卸载比例、本地计算能力和发射功率的优化方案,最后利用降维优化算法,将目标函数简化为关于任务卸载比例的一维多约束问题,并利用改进的鲸鱼优化算法获得最优的执行总代价。利用边缘云模拟器EdgeCloudSim仿真的结果表明,所提方案较具有能量收集的资源分配方案和基本海上通信网络优化的方案执行成本分别降低了13.4%和9.6%。 | 蒋欣秀 常俊 李波 杨志军 丁洪伟 | 2022 | 计算机工程与科学2022，44，9： | 0 |
| 13 | 基于携能和边缘缓存的5G移动通信系统传输技术研究显示文摘针对传统传输技术无法适用于5G通信要求的问题,提出一种基于携能和边缘缓存的5G移动通信系统传输技术。在构建的5G移动通信系统中,用户基于功率分流中继协议完成携能传输,并有选择性地将数据缓存至边缘基站,而基站利用收集的能量将数据转发至云中心。同时,以系统时延与能耗最小化设计为优化目标,通过用精英保留策略改进的遗传算法进行求解,计算得到理想的传输缓存方案。基于Matlab平台对所提技术进行实验论证,结果表明,该技术时延及能耗分别为9 s和3000 J,因此具有一定的应用前景。 | 汪诗经 高玉芹 滕勇健 | 2023 | 电子设计工程2023，31，18： | 0 |
| 14 | 具有边缘缓存机制的混合启发式任务卸载算法显示文摘边缘计算因其与用户物理距离短、响应速度快等特点,被认为是可以解决未来大规模网络计算资源不足等问题的关键技术之一。在多进多出的边缘计算环境下,通过将部分服务缓存到边缘节点可以降低用户请求任务的执行时间。但以往工作或假设边缘节点具有无限的缓存空间,或忽略当前缓存列表和缓存替换机制对任务卸载的影响,导致卸载决策失效或任务执行时间变长。面向具有缓存机制的边缘计算环境,提出一种基于整数编码的混合启发式任务卸载算法IPSO_GA,将任务卸载问题建模为一个混合整数非线性规划问题。结合粒子群优化和遗传算法,使各粒子通过交配运算和变异运算不断寻优,在合理的时间复杂度内搜索任务卸载决策。实验结果表明,与随机算法、贪心算法、平均算法等经典算法和目前较新算法相比,IPSO_GA算法在设备数量居中环境中的任务执行时间减少了58%~298%,能适用于设备数量多、计算密集的边缘计算环境。 | 桑永宣 魏江坡 王博 宋莹 | 2023 | 计算机工程2023，49，4： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员