摘要：为进一步提高边缘计算(MEC)中移动设备(MD)对低时延、低能耗计算卸载任务的需求,利用深度Q学习(DQN)、长短期记忆网络(LSTM)和注意力机制,设计一种基于DQN的深度强化学习卸载算法(LA-DQN)。以最小系统总代价(时延和能耗加权和)为目标建立模型,使用一维残差卷积网络(Conv1D)和带有注意力机制的LSTM网络替换DQN网络的全连接层,提取MD的状态特征,减少需要计算的参数量并加强对输入状态的重点特征信息提取,加速算法收敛并得到最优卸载策略。仿真结果表明,与DQN、Full Local、Full Offload算法相比,LA-DQN算法能够有效降低任务处理的时延和能耗。

摘要：针对水下设备内存和计算能力有限和水下环境复杂造成的目标错检和漏检问题,提出一种轻量级水下目标检测方法 YOLOv7-SDBB。在YOLOv7的骨干网络上引入ShuffleNetv2轻量级网络,降低特征提取网络的参数量和计算量;设计了D-ELAN和D-MPConv模块,在进一步实现网络轻量化的同时提高模型检测速度;由于水下检测过程中容易出现错检、漏检的现象,利用BiFPN(bidirectional feature pyramid network)进行多尺度特征融合,融合深层的特征信息;针对BiFPN特征融合导致的特征信息丢失的问题,采用BiFormer注意力机制保留关键信息,提高目标检测精度。实验结果表明,改进后模型在URPC2020数据集上的精度提高了2.7个百分点,参数量和计算量分别下降了20.3%和41.7%,检测速度提升至100.9 FPS,从而验证了提出的算法在精度和速度之间取得了很好的平衡。

摘要：针对边缘服务器有限的计算、存储资源与大量用户任务请求之间的矛盾,设计了基于多服务器协同的边缘计算任务缓存网络架构,该架构中边缘服务器可以在内存中缓存并执行用户任务,未缓存的任务放在云端执行。结合用户任务请求时变和邻近区域用户更倾向于请求相似任务的特点,提出一种基于改进Soft Actor-Critic的多服务器协同任务缓存算法(MSAC)。该算法以最小化用户平均任务执行时延为目标,为避免反复选择同一动作而收敛于局部最优,引入最大熵模型来鼓励边缘服务器探索最优动作。通过设计经验共享机制,收集并学习本地边缘服务器和相邻服务器的经验以优化任务缓存策略。仿真结果表明,与最高流行度算法、独立SAC算法、DQN算法、遗传算法相比,所提出的MSAC算法在降低用户任务平均执行时延方面的效果最好。

摘要：卷积神经网络性能的快速提升是以不断堆叠的网络层数以及成倍增长的参数量和存储空间为代价,这不仅会使模型在训练过程中出现过拟合等问题,也不利于模型在资源受限的嵌入式设备上运行,因而提出模型压缩技术来解决上述问题,主要对模型压缩技术中的特征蒸馏算法进行了研究。针对特征蒸馏中利用教师网络特征图指导学生网络并不能很好地锻炼学生网络特征拟合能力的问题,提出基于特征分布蒸馏算法。该算法利用条件互信息的概念构建模型特征空间的概率分布,并引入最大平均差异(maximum mean discrepancy,MMD)设计损失函数以最小化教师网络和学生网络特征分布间的距离。在知识蒸馏的基础上利用toeplitz矩阵对学生网络进行权重共享操作,进一步节省了模型的存储空间。为验证在特征分布蒸馏算法训练下学生网络的特征拟合能力,在图像分类、目标检测和语义分割三种图像处理任务上进行了实验验证,实验表明所提算法在以上三种学习任务中的表现均优于对比算法且实现了不同网络架构间的蒸馏。

摘要：针对多个基站覆盖下的移动用户如何选择最佳的卸载策略问题,提出一种与匹配博弈论结合的双延迟深度确定性策略梯度(GT-TD3)算法来实现用户计算任务的卸载。以最小化时延及能耗为目标提出优化问题,使用多基站博弈算法求解用户与其对应卸载基站的最佳匹配方案,使用深度强化学习算法求解系统开销最小化的优化问题。仿真结果表明,所提算法相较4种对比算法可以有效减少MEC系统总花费,为移动用户提供更高效的服务。

摘要：为了实现高精度大范围应变传感信号的测量并解决单光栅匹配滤波解调系统存在的严重双值问题,基于光纤布拉格光栅匹配解调原理,设计了一种新型的光纤光栅匹配解调系统。通过将四个中心波长与传感光栅中心波长相匹配的解调光栅两两并联,并对其二次反射的传感光信号进行分析,得到了应变与光电探测器探测到的光功率之间的对应关系,建立了理论模型并进行了系统仿真。仿真结果表明该方案切实可行,不仅可以解决双值问题并且可以同时检测正负应变,在不添加驱动装置的情况下其传感测量范围可达952με。

摘要：为了快速捕获高动态直接序列扩频信号,文章基于全相位FFT(apFFT)设计了一种变换域伪码捕获方法,该方法利用apFFT的频率通道完成了对不同码相位上多普勒频偏的并行搜索,同时在apFFT的基础上,利用全相位时移相位差法进行频率校正,理论分析和仿真结果表明,相比于传统的FFT伪码捕获法,该方法在进行伪码搜索时,可完成对多普勒频高精度估计,并且该方法具有更强的抗噪性能,适用于存在强噪声且快速移动的复杂通信环境。

摘要：提出了一种双阈值电压的动态门限静态功耗优化算法。该算法通过直接统计电路门级节点的松弛裕度,利用静态时序分析其最大松弛裕度及邻节点松弛裕度特征,区分电路中的关键与非关键节点并分步调整其相应的阈值电压,从而有效地实现了对CMOS电路静态功耗的优化设计。基于ISCA85基准实验电路集,采用该技术和以往的算法进行了对比验证。结果表明,该算法在不降低静态功耗优化效率的同时,优化时间缩短了95%以上,适合于超大规模电路静态功耗优化。

摘要：针对椭圆曲线密码体制中标量乘与多标量乘运算耗时过长的问题,设计以2、3、7为基元的多基整数表示方法,并结合多基数系统(MBNS)及滑动窗口算法,提出基于MBNS滑动窗口(Sliding MBNS)和交错MBNS滑动窗口(I-MBNS)的多标量乘快速算法,分析并比较两种多标量乘快速算法在二元域和素域及不同窗口宽度下的平均运算量。实验结果表明,与Shamir和交错非邻接形式算法相比,Sliding MBNS和I-MBNS算法在标量长度为160 bit的二元域上的平均运算量分别减少了10.00%、1.69%和13.00%、4.97%,具有更低的运算复杂度和更高的标量乘算法效率。

摘要：为了进一步提高直接序列/跳频(DS/FH)扩频系统的抗干扰能力,基于小波包变换结合递归最小二乘算法设计了一种变换域自适应干扰抑制算法,该算法采用小波包分解定位窄带干扰,递归最小二乘算法抑制窄带干扰。通过蒙特卡罗仿真分析在增加抗干扰模块后,DS/FH系统工作在准静态时,在不同信噪比条件下抗窄带干扰性能。仿真结果表明:该算法具有较强的自适应性以及抗窄带干扰能力,其性能优于传统的直接置零法,适用于多音干扰下的恶劣通信环境。