摘要：无人机(Unmanned Aerial Vehicle,UAV)辅助的移动边缘计算(Mobile Edge Computing,MEC)网络能够为地面用户设备(User Equipment,UE)提供优质的计算服务,但是为多无人机进行实时的轨迹设计仍是一个挑战.针对该问题,提出基于多智能体深度强化学习的轨迹设计算法,利用多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient,MADDPG)框架对无人机的轨迹进行协作设计.考虑到无人机有限的电池容量是限制无人机网络性能的重要因素,因此以无人机的能量效率之和为优化目标构建优化问题,联合优化无人机集群的轨迹和用户设备的卸载决策.每个智能体与边缘计算网络环境进行交互并观测自己的局部状态,通过Actor网络得到轨迹坐标,联合其他智能体的动作和观测训练Critic网络,从而改善Actor网络输出的轨迹策略.仿真结果表明:基于MADDPG的无人机轨迹设计算法具有良好的收敛性和鲁棒性,能够高效地提升无人机的能量效率;所提算法性能较随机飞行算法最高可提升120%,较圆周飞行算法最高可提升20%,较深度确定性策略梯度算法可提升5%~10%.

摘要：提出一种跨层设计机制,目的是最大化网络下行链路吞吐量,同时保证业务公平性。网络架构为多小区、多用户、多业务的Macro-Femto异构网络架构。物理层传输技术为多输入多输出正交频分复用技术。所建立的最优化问题在多项式时间内是不可解的。结合工程实际,提出一种易于实现的次优算法。此外,针对异质业务环境,提出一种公平性观点,并改进传统的Jain’s公平指数。修正的公平指数能够有效地评估未来多业务无线网络各种机制的公平性。系统级仿真结果表明:在异构网络中,本文提出机制的吞吐量性能和公平性能均优于简单跨层设计SCLD(Simple Cross-Layer Design)机制。本文提出的机制和SCLD机制的业务公平性能均优于比例公平机制的公平性能。比例公平机制仅考虑速率公平,没有考虑业务公平。

摘要：与传统宏蜂窝网络架构相比,异构网络架构可以增加系统吞吐量,提高频谱效率,在4G/B4G(FourthGeneration/Beyond Fourth Generation)系统中提供泛在的用户体验。严重影响小区边缘用户吞吐量的小区间干扰是成功部署异构网络需要解决的难点。增强的小区间干扰协调技术可以分为3类:智能功率控制、跨层设计和协作多点传输。本文对各种技术的优缺点、性能、复杂度和存在的问题进行研究,指出了各种技术所面临的挑战和未来的发展方向。

摘要：M2M通信是今后通信行业发展热点之一,因当前LTE具有覆盖范围广、运营成本低、支持向后扩展和系统容量高的特点,LTE必将成为未来M2M业务最重要的承载网络.通过分析M2M通信的业务特征,提出一种嵌入宽带中的窄带低功耗M2M通信设计方案;基于LTE TTI绑定机制提出了几种接收设计方案,以达到更深的覆盖范围;同时能够降低终端功耗和成本.通过搭建实际的软件和硬件平台,对提出的几种方案的性能进行了测试.结果表明：提出的方案相比LTE系统可获得17~21dB的覆盖性能增强.

摘要：在毫米波(Millimeter Wave,mmWave)通信中,波束成形(Beam Forming,BF)技术使得小区间的干扰模型不同于工作在低频带的情况,小区间干扰(Inter-Cell Interference,ICI)的影响随着小区密度的增加而增加.为了解决毫米波小区间波束干扰研究中较多的信道状态信息反馈的开销和较高的计算复杂度问题,以时隙调度波束为基础设计了多个小区的波束调度算法.首先针对相邻的毫米波小区在同一时隙向同一边缘用户进行服务会产生较差的传输质量这一特征,构建了波束冲突矩阵.其次充分考虑用户需求的不同服务时隙数量,不同的小区波数数量,小区链路数有限等限制条件,提出了一种基于深度图搜索的波束干扰协调算法.仿真结果表明:所提算法能够明显降低波束碰撞的数量,提高信噪比,改善网络和速率.

摘要：现有的移动设备(Mobile Device,MD)受到自身物理体积的限制,其计算能力难以满足5G场景下的计算需求,因此需要借助移动边缘计算(Mobile Edge Computing,MEC)来高效地完成计算任务.为了激励边缘节点提供服务,在非竞争环境与竞争环境下分别提出了相应的激励机制算法.针对非竞争环境,利用经典的经济学规律进行建模,并采用凸优化方法对该利益最大化问题进行求解.对于竞争环境,基于拍卖理论中的威克瑞拍卖与维克瑞-克拉克-格罗夫斯(Vickery-Clarke-Groves,VCG)拍卖,分别设计了两种竞争环境下的激励机制算法.仿真结果表明:竞争环境下的激励机制在收益性能方面与非竞争环境下的理想情况十分接近,并且算法性能不会随用户数量上升而明显下降,可以较好地应对5G的海量运算数据场景.

摘要：Based on the cross-layer design, the power-optimization problem of Macro-Femto Heterogeneous Networks （HetNets） has been formulated. The constraints of power and re-source block allocation in the physical layer, delay and target data rate in the medium ac-cess control layer, urgent queue length in the network layer, and packet error rate in the transport layer, have been considered. The original problem is non-deterministic polyno-mial time hard, which cannot be solved practi-cally. After the restrictions of upper layers are translated into constraints with physical layer parameters, and the integer restrictions are relaxed, the original problem can be decom- posed into convex optimization subproblems. The optimal solutions of resource block allo-cation and power allocation can be obtained by using the Lagrangian optimization. Simula-tion results show that the proposed scheme is better than both the round robin algorithm and the max-rain one in terms of energy efficiency, throughput and service fairness. The round robin algorithm and the max-min one only focus on the user fairness rather than quality of service fairness. Compared to the round robin scheme （the max-min one）, the proposed scheme improves the energy efficiency 58.85% （62.41%）, the throughput 19.09% （25.25%）, the service fairness 57.69% （35.48%）.

摘要：在认知无线Ad Hoc网络中,路由问题面临巨大挑战。由于各认知节点可用频谱的时变性、多样性和差异性,传统的路由尺度不再适用于认知无线Ad Hoc网络。本文在自组织认知网络环境下,应用主用户信道的使用模型,同时考虑次用户之间的干扰情况,提出了两类路由尺度和算法,仿真结果表明,这两类路由尺度都能很好地反映端到端性能。