摘要：在LTE-V2X系统中,针对车载用户切换过程中蜂窝链路及SideLink(SL)链路质量不高以及SL辅助切换过程中SL链路易中断的问题,该文提出一种基于SL的联合切换方案,主要包含:联合切换流程设计、联合切换信令流程设计以及联合切换判决算法设计。首先,在联合切换流程中利用SL技术实现联合切换,并对执行联合切换的SL链路质量进行筛选,以保证联合切换的可靠性;其次,对联合切换信令流程进行了完善,以优化SL辅助切换过程中SL链路易中断问题;最后,在联合切换判决算法中将车载用户的移动方向纳入切换判决条件,从而减少不必要的切换。仿真结果显示,该文所提方案能有效提升切换成功率,与此同时还能有效减少执行LTE切换的次数。

摘要：无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先,对捕获的稀疏频谱观测数据插值,构建频谱状态地图,作为频谱状态分类器的输入数据。其次,针对频谱数据类别分布不稳定、数据量严重不足的问题,基于小样本学习方法,利用嵌入模块和度量模块协同工作,以实现快速精确的频谱状态分类。具体地,利用嵌入模块将频谱数据映射到嵌入空间,提取频谱数据中的隐含特征;在度量模块的设计中,分别提出基于原型和基于样例的两种类别表示方式,通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后,为了确保分类模型克服测试样本数量少导致过拟合问题,设置A-way B-shot任务训练模型。仿真结果表明,与传统机器学习方法相比,本文模型可以在低信噪比条件下进行精准分类;同时,在测试集样本数很少的情况下,或者在测试集中出现在训练集从未见到的新类时,所训练的模型也可以精准快速判别无线频谱的场景类别。

摘要：为了应对LWA网络下eNB和AP大量密集部署,用户需求难以充分满足的现状,该文提出一种基于最优加权多属性决策(OWMAD)的LWA网络接入点选择算法。该算法预先收集接入点属性并建立属性集合,然后设计决策属性的最优权重,将决策矩阵与最优权重向量叠加,最后根据各个接入点综合性能的计算结果确定用户可选择的最佳网络接入点。仿真结果表明,该算法不仅能有效提升边缘地区及系统整体的吞吐量,还能够降低系统平均时延,提升用户的服务质量。

摘要：传统的合作频谱感知一般将感知环境建模为单级信道,且次用户一般都以相同的发射功率向数据融合中心报告感知数据,难以体现并利用不同次用户感知数据之间的空间分集差异。为解决此问题并有效地设置次用户在感知数据上报阶段的发射功率,该文提出了3种最优功率控制方案,以获得相应设计准则下参与合作感知的次用户最优发射功率。在融合中心理想具备感知信道和报告信道的统计特性时,通过理论推导获得了基于信道统计特性的功率控制闭式解方案;当信道统计特性难以现实具备时,分别获得了基于联合信道统计特性估计的最大特征功率矢量及盲加权多特征功率矢量方案。理论分析和仿真实验表明,在不同的先验信息条件下,3种方案的性能皆远优于缺少功率控制的合作感知方案。

摘要：针对密集异构蜂窝网络中的雾计算用户关联选择问题,提出一种基于多属性决策模型的雾计算用户关联算法。通过对关键性能指标的选取和建模以及对组合权重的设计,达到调节属性优先级的目的。同时,设计了综合评判指标,实现了对多个属性的联合优化。仿真结果表明,所提方案不仅能对用户体验的质量和系统性能进行权衡处理,还能够平衡业务流量的分配,有效降低关联时延和系统能耗。

摘要：近年来,深度学习成为无线通信领域的关键技术之一。在基于深度学习的一系列MIMO信号检测算法中,大多未充分考虑相邻天线之间的干扰消除问题,无法彻底消除多用户干扰对误码率性能的影响。为此,该文提出一种将深度学习与串行干扰消除(SIC)算法进行结合的方法用于大规模MIMO系统上行链路信号检测。首先,通过优化传统的检测网络(DetNet)及改进ScNet检测算法,该文提出一种基于深度神经网络(DNN)的检测算法,称为ImpScNet。在此基础上,进一步将SIC思想应用到深度学习框架结构设计中,提出一种基于深度学习的大规模MIMO多用户SIC检测算法,称为ImpScNet-SIC。此算法在每个检测层上分为两级,其中,第1级由该文提出的ImpScNet算法提供初始解,再将初始解解调至相应的星座点上作为SIC的输入,由此构成该算法的第2级。此外,在SIC中也使用了ImpScNet算法估计传输符号,以便获得最优性能。仿真结果表明,与已有的各种典型代表算法相比,该文所提ImpScNet-SIC检测算法特别适合大规模MIMO信号检测,具有收敛速度快、收敛稳定及复杂度相对较低的优势,并且在10–3误码率上有至少0.5 dB以上的增益。

摘要：在大规模机器类通信(mMTC)系统中,以用户活跃性为先验信息,接收机可以基于稀疏感知最大后验概率(S-MAP)准则来检测多用户信号。为了降低S-MAP检测的计算复杂度,基于干扰消除的思想,该文提出一种改进的活跃性感知有序正交三角分解(IA-SQRD)算法,以适用于mMTC系统上行链路多用户信号检测。IA-SQRD算法将传统的活跃性感知有序正交三角分解(A-SQRD)算法的最终解作为初始解,并额外增加迭代干扰消除操作,以进一步提高检测性能。此外,利用与改进A-SQRD算法相似的思路,该文对稀疏感知串行干扰消除(SA-SIC)、有序正交三角分解(SQRD)及数据相关的排序和正则化(DDS)算法亦进行了改进设计,分别获得了相应的改进型算法,即ISA-SIC、I-SQRD及I-DDS算法。仿真结果表明:相对于A-SQRD算法,在未显著增加计算复杂度的情况下,在系统误比特率(BER)为2.5×10^-2时,该文所提IA-SQRD算法可取得3 dB性能增益;并且,对于不同的活跃概率或扩频序列长度等参数配置下的mMTC系统,IA-SQRD算法相对于其它算法均表现出更优良的多用户检测性能。

摘要：将扬州八怪文化艺术与宴席有机地融为一体,这是文化餐饮对本土文化资源整合利用的有益实践,是餐饮企业自觉地把饮食活动融入地方旅游文化经济板块的品牌铸造行为。八怪宴的设计充分合理地吸纳了扬州八怪的诗画艺术与逸闻掌故,从菜名设计与整席主题,从上菜形式到装盘效果,从席间说唱到酒令游戏,均体现了浓郁的地方文化特色。这样不仅提高了宴席的文化内涵与艺术感染力,而且通过宴席这种饮食形式,宣传本土文化,从而满足来自异地的游客对扬州历史文化知识的渴求。

摘要：通过雾计算可将基于云的服务拓展至无线网络边缘和多种场景。针对密集异构蜂窝网络雾计算系统中的协作计算卸载问题,提出一种基于雾节点协作贡献度的计算卸载算法。首先,对协作可行性、协作公平性和协作稳定性进行了建模设计;其次,定义了协作贡献度和协作贡献比系数;然后,结合雾节点的剩余计算容量阈值和协作贡献度阈值,在满足任务可容忍的最大时延约束下,提出以任务执行能耗和用户支付成本的加权和最小化为目标的优化问题,使用外部罚函数法和方向加速法(Powell法)得到最优卸载决策。仿真结果表明,所提算法在各种任务参数和时延约束下能够有效降低执行任务的总开销,并且能够在协作可行性、协作公平性之间进行权衡处理。

摘要：在小小区大量部署的网络场景下,用户进行异频扫描所检测的载波数相比传统网络部署场景会大量增加,因此用户能耗也会相应增加。基于此,提出了一种基于宏小区参考信号到达时间(TOA)指纹数据库的小小区发现策略,通过减少用户不必要的异频检测操作,进而减少用户能量消耗,以解决用户在进行小小区发现时可能存在的能耗过高问题。仿真表明,该方案相比现有的基于参考信号接收功率(RSSI)指纹数据库方案,受噪声影响程度低,小小区发现准确率高。同时,该方案能有效地限制处于高速移动状态的用户进行异频检测,从而增大了用户与小小区连接的成功率。