摘要：Constellations design for regional terrestrial-satellite network can strengthen the coverage for incomplete terrestrial cellular network. In this paper, a regional satellite constellation design scheme with multiple feature points and multiple optimization indicators is proposed by comprehensively considering multi-objective optimization and genetic algorithm, and "the Belt and Road" model is presented in the way of dividing over 70 nations into three regular target areas. Following this, we formulate the optimization model and devise a multi-objective genetic algorithm suited for the regional area with the coverage rate under simulating, computing and determining. Meanwhile, the total number of satellites in the constellation is reduced by calculating the ratio of actual coverage of a single-orbit constellation and the area of targets. Moreover, the constellations' performances of the proposed scheme are investigated with the connection of C++ and Satellite Tool Kit(STK). Simulation results show that the designed satellite constellations can achieve a good coverage of the target areas.

摘要：在基于马特恩簇过程的下行非正交多址接入型异构网(non-orthogonal multiple access heterogeneous network,NOMA-HetNet)中,针对典型宏小区中不同干扰类型,提出一种联合干扰对齐(interference alignment,IA)与功率分配(power allocation,PA)的干扰管理方案.在该方案中,在分析IA可行性的基础上,通过设计基于干扰信道对齐的两阶段式IA算法、微基站(small base station,SBS)预编码矢量和宏用户(macro user,MUE)检测矢量,来分别消除宏基站(macro base station,MBS)对微用户(small user,SUE)的层间干扰、SBS对SUE的簇间干扰和SBS对MUE的层间干扰.同时,为抑制簇内干扰,以最大化系统和速率为目标,构建一基于PA的非凸优化问题,并通过对非线性最小速率约束条件线性化处理,将原问题转化为凸优化问题,进而利用卡罗需–库恩–塔克(Karush-Kuhn-Tucker)最优性条件,从理论上推导出该问题的最优闭式解.仿真结果验证了所提干扰管理方案的有效性.

摘要：The paper proposes a novel approach for fine frequency synchronization of OFDM syn- chronization systems in multi-path channels. Maximum Likelihood (ML) function of frequency offsets including integral and decimal parts in frequency domain is developed according to the law of great number to eliminate the noise impact of the signal. When the timing delay close to the actual time, the proposed function produces a deep valley indicating frequency offset when large Valley-Square- Error (VSE) appears. Coarse timing offset can also be detected when function’s Valley-Square-Error (VSE) is maximized. Simulation results shows that the proposed algorithm gives very robust estimation of frequency offset, and a coarse timing offset estimation.

摘要：针对中继系统如何满足QoS要求并提高系统吞吐量的问题,提出了在Nakagami-m衰落信道下,联合物理层自适应调制编码(AMC)和链路层协作混合自动请求重传(CHARQ)技术的跨层优化设计方案.该方案利用状态转移图研究了中继系统丢包率性能,采用排队论模型分析了数据包排队时延性能.在满足丢包率、排队时延和传输时延等约束条件下,建立了最大化系统吞吐量的跨层优化模型.仿真结果表明,联合CHARQ与AMC的跨层设计方案,可以在满足QoS要求的情况下,实现最优的吞吐量、最小的丢包率及最短的排队时延和传输时延.

摘要：无人机(UAVs)具有机动性强,低成本及易部署等特性,通过搭载通信及感知设备,支持通信与感知技术的高效资源共享,无人机可作为融合通信与传感技术的高性能空中平台。该文针对多输入多输出(MIMO)无人机使能的联合通信、感知场景,综合考虑无人机飞行能量、多天线传输及用户业务需求等限制条件,建模无人机通信、感知预编码及飞行轨迹联合优化问题为多目标优化问题,以实现通信用户最低速率最大化及目标最小发现概率最大化。由于通信用户最低速率最大化问题为非凸优化问题,难以直接求解,将原优化问题分解为通信预编码设计子问题及无人机轨迹设计子问题,并采用交替迭代法依次求解两个子问题直至算法收敛,其中,对于通信预编码设计子问题,提出一种基于迫零(ZF)算法的求解策略;对于无人机轨迹设计子问题,提出一种基于连续凸逼近(SCA)算法的求解策略。基于所得到的无人机最优轨迹,将无人机感知位置选择问题建模为加权距离和最小化问题,进而应用泛搜索算法优化确定目标感知位置,并设计基于ZF算法的通信感知预编码联合优化策略,以实现通信感知性能的联合优化。最后通过仿真验证了该文所提算法的有效性。

摘要：在虚拟化网络切片场景中,底层物理网络中一个物理节点(PN)或一条物理链路(PL)的异常会造成多个网络切片的性能退化。因网络中每个时刻都会产生新的测量数据,该文设计了两种在线异常检测算法实时监督物理网络的工作状态。首先,该文提出了一种基于在线一类支持向量机(OCSVM)的PN异常检测算法,该算法可根据每个时刻虚拟节点(VNs)的新测量数据进行模型参数的更新而不需要任何标签数据;其次,基于虚拟链路两端点间测量数据的自然相关性,该文提出基于在线典型相关分析(CCA)的PL异常检测算法,该算法只需要少量标签数据就可以准确分析出PL的异常情况。仿真结果验证了该文所提在线异常检测算法的有效性和鲁棒性。

摘要：为了实现网络资源的动态分配,提高网络资源利用率,满足用户业务多样性带来的切片网络差异需求,该文提出一种基于网络效用最大化的虚拟资源分配算法。该算法采用商业化模式将频谱资源作为收益载体,并对不同切片网络进行差异化定价。同时将计算资源和回程链路作为开销,还考虑了切片网络对计算资源和频谱资源的差异性需求,最后以最大化网络收益建立效用模型。并通过拉格朗日对偶分解设计了分布式迭代算法对效用模型进行求解。仿真结果表明,该算法提高了服务用户比例,并使得网络资源获得最大收益。

摘要：智能反射表面(IRS)可通过调整反射单元的相位来提升无线通信物理层安全。针对IRS辅助的多输入单输出(MISO)通信系统,提出一种基于交替迭代的物理层安全设计方案。首先基于安全速率最大化原则,构建一个含有非凸约束的非凸目标函数;然后采用丁克尔巴赫算法和黎曼流形优化算法将非凸问题转化为一系列易于求解的子问题;最后采用交替迭代法实现发送波束成形和IRS相移矩阵的优化设计。仿真结果表明,与现有方案相比,所提方案在计算复杂度与系统安全速率之间取得了更好的折中。

摘要：该文研究了无人机(UAV)辅助无线传感器网络的数据收集问题。首先提出基于均值漂移算法的传感器节点(SN)初始分簇策略,进而以簇间负载均衡为目标,设计SN切换算法。基于所得成簇策略,将UAV数据收集及轨迹规划问题建模为系统能耗最小化问题。由于该问题是一个非凸问题,难以直接求解,将其分为两个子问题,即数据调度子问题及UAV轨迹规划子问题。针对数据调度子问题,提出一种基于多时隙库恩-蒙克雷斯算法的时频资源调度策略。针对UAV轨迹规划子问题,将其建模为马尔可夫决策过程,并提出一种基于深度Q网络的UAV轨迹规划算法。仿真结果验证了所提算法的有效性。

摘要：针对5G网络场景下缺乏对资源需求的有效预测而导致的虚拟网络功能(VNF)实时性迁移问题,该文提出一种基于深度信念网络资源需求预测的VNF动态迁移算法。该算法首先建立综合带宽开销和迁移代价的系统总开销模型,然后设计基于在线学习的深度信念网络预测算法预测未来时刻的资源需求情况,在此基础上采用自适应学习率并引入多任务学习模式优化预测模型,最后根据预测结果以及对网络拓扑和资源的感知,以尽可能地减少系统开销为目标,通过基于择优选择的贪婪算法将VNF迁移到满足资源阈值约束的底层节点上,并提出基于禁忌搜索的迁移机制进一步优化迁移策略。仿真表明,该预测模型能够获得很好的预测效果,自适应学习率加快了训练网络的收敛速度,与迁移算法结合在一起的方式有效地降低了迁移过程中的系统开销和服务级别协议(SLA)违例次数,提高了网络服务的性能。