摘要：为了保障智能网联汽车的低时延通信,利用蜂窝车联网中V2X(vehicle to everything)信道模型、边缘计算技术,研究计算卸载与边缘缓存联合优化策略。设计了一种智能网联汽车计算卸载与边缘缓存协同模型L-DDPG(least-deep deterministic policy gradient),通过对车载本地与边缘计算资源的整合,支持V2X场景下对不同计算任务的分类处理。由边缘平台对车载计算请求进行预判决,确保对连续的计算任务快速响应;结合基于最近最少使用(least recently used,LRU)的边缘缓存策略,实现对新计算任务的高效管理;基于DDPG算法对计算卸载与边缘缓存进行联合卸载决策。仿真结果表明:L-DDPG模型性能优于传统模型,能够有效提升系统的工作效能,在保障业务服务质量的同时降低时延和系统资源消耗。

摘要：为缓解基站的视频流量过载,本文针对时延敏感的实时视频业务,设计一种D2D协作视频多播传输方案。该方案采用可伸缩视频编码(Scalable Video Coding, SVC)对视频流进行编码处理,利用SVC流的分层结构特征来应对多播信道间的差异性。在SVC编码的基础上,为了改善用户观看体验及提升用户所接收的视频质量,所提出的协作式视频传输方案引入有效吞吐量这一概念,在一定时延约束下,根据信道反馈信息灵活地对不同信道上的不同SVC视频层进行码率调整。仿真结果表明,所提出的方案能够有效地减小端到端时延,有效丢失率,提高有效吞吐量。

摘要：针对未来物联网“万物互联”需求,在分析空间信息网络和天基接入网络体系架构的基础上,设计天地一体化物联网体系架构,并针对天地共存场景进行干扰分析。具体而言,首先,在卫星网络与地面网络融合研究的基础上,结合控制面与数据解耦的先进设计理念,针对物联网接入网和终端的具体特点,设计天地融合的低轨卫星物联网体系架构,其包含天基骨干网、天基接入网、地面物联网、核心网和多模态物联网终端,并给出天基控制面流程;其次,分别针对星间频谱共享场景和星地频谱共享场景进行干扰分析,并相应给出初步分析结果。

摘要：星地融合中继网络(ISTRN,integrated satellite-terrestrial relay network)是下一代无线通信系统的必要组成部分,对加快建成我国空天地一体化网络系统具有重要的现实意义。传统ISTRN架构大量的信令需要转发到地面控制中心进行处理,这增加了网络控制和管理的时延。提出了一种新型云雾计算架构,在地面接入和中心云之间构建分区域的边缘雾计算层,提高业务流管理和控制的灵活性。在该云雾网络框架下,设计了基于Q-learning的边缘计算卸载策略,以时延与能耗作为卸载性能的评价指标。仿真实验结果表明,与Min-min算法和回溯算法相比,基于Q-learning计算卸载算法的时延与能耗性能更优,且可以在时延与能耗的联合优化之间达成平衡。

摘要：随着物联网和移动实时地理信息系统的发展,基于地图的传感器实时监控系统将成为管理物联设备的新途径,而传感器数据的实时可视化是提高监管效率的主要方法。该文提出一种以开源OSMDroid(Open Street Map)为地图平台,基于自定义矢量地图符号实时展示传感器数据的方法,并在Android移动终端上实施验证。该方法利用可缩放矢量图形(Scalable Vector Graphic,SVG)将传感器设备抽象为自定义矢量地图符号,根据传感器数据类型设计地图符号图元与传感器数据的映射规则,据此在地图上实时刷新传感器设备地图符号。地图符号的视觉变量随传感器数据实时改变,从而实现传感器数据的实时可视化显示。实验结果表明,通过地图符号实时可视化传感器数据可有效提高传感器设备管理效率,及时获取设备数据,为传感器设备管理提供一种直接有效的途径。

摘要：为适应垂直市场差异化能源需求,保障物联网设备的高效可持续性运行,研究了一种融合射频能量采集的协同节能计算迁移机制。具体地,基于对计算迁移决策、上行带宽资源分配、下行带宽资源分配及基站功率分割的联合优化考量,构建了一个最小化系统总能耗的优化问题。为有效求解该优化问题,融合惩罚函数的概念设计了新的评价指标,并提出了一种基于自适应粒子群优化的协同节能计算迁移算法。该算法构造了动态变化的惯性权重和线性调节的惩罚因子,可在迭代搜索过程中实时变更粒子群落的空间分布密度,以生成可容忍惩罚下的最优计算迁移策略;进一步地,为避免粒子越过探索范围,引入了速度边界限制,可降低无效解的产生概率,提升搜索有效性。最后,仿真结果表明所提算法能够实现较高的收敛效率及求解精度,且与其他常见基准方案相比,完成任务处理的系统总能耗可分别降低34.09%、14.72%和6.86%。

摘要：为了满足物联网场景中不同用户的差异化需求和提高资源利用率,以构建一个高效的边缘计算服务系统,本文提出了一种基于优先级的物联网边缘计算迁移机制。边缘节点通过感知任务的优先程度,合理分配计算资源,并提供相应的计算服务,避免时延敏感型任务因等待时间过长而导致执行失败,提高用户服务质量。通过综合考虑计算迁移决策、带宽资源和边缘节点计算资源分配,构建了一个基于优先级的任务完成总能耗最小化问题。同时,为解决上述优化问题,设计了一种基于优先级的智能资源分配与计算迁移算法。该算法通过融合深度确定性策略梯度算法的思想,构建了双重“行动者-评论家”网络架构,加快了训练过程的收敛速度;并且,为了使该算法适用于本文规划的混合整数优化问题,对连续动作输出做离散化处理,生成二进制迁移决策。仿真结果表明,本文所提机制能够获得近似贪婪算法的最优迁移与资源分配策略,与本地计算、完全迁移和DQN(Deep Q Networks)方案相比,本文提出的算法在系统总能耗方面分别平均减少约52%、 13%和7%。

摘要：首先分析低轨卫星物联网的系统组成和需求特征,并设计低轨卫星物联网的体系架构;其次,研究电磁和传播环境感知方法,通过构建神经网络模型智能提取电磁环境和信道特征;再次,探究活跃终端身份辨识方法,以检测异步接入活跃终端身份;最后,考虑多输入多输出技术作为地面移动通信系统提升容量的主要手段,探索两种卫星空间域资源挖掘算法,以实现低轨卫星物联网终端碰撞减缓和容量提升。仿真结果表明,所设计的空间域资源挖掘方法可有效减缓终端间信号碰撞,显著提升低轨卫星物联网终端并发接入容量。

摘要：随着空间信息网络的建设,可用频谱资源日益紧缺,面临的电磁环境越来越复杂,实现对全球电磁频谱态势的安全掌控所面临的挑战更加突出。针对以上问题,研究电磁频谱占用状态感知方法,通过构建时间卷积神经网络来感知频谱占用状态;探索频谱参数提取方法,结合底噪拟合和聚类分析,实现对中心频率、带宽、峰值功率等参数的提取;为挖掘异常频谱数据,研究利用神经网络自动检测起伏底噪、频谱草和大带宽等异常频谱;考虑星地间的大传播时延,进一步通过构建神经网络来实现对频谱占用状态的预测;将卫星频谱信号的感知、异常、参数和预测结果进行可视化呈现。初步评估结果表明,所设计的一套频谱感知、异常检测、参数认知和态势预测等卫星频谱智能挖掘技术,在提升频谱态势安全掌控能力的同时,还能有效提升频谱资源利用率。

摘要：为解决自然灾害引发的“断电、断网、断路”所导致的通信指挥难题,提出了一种无人机辅助网络系统,通过机载边缘服务器装载地面用户热门访问内容并发布应急通知消息。无人机基于地面服务需求,引入了Q-Learning强化学习算法进行轨迹规划并将整个系统分为无人机探索子系统和无人机服务子系统。无人机探索子系统针对单个无人机信号覆盖面积有限无法采集到区域内所有移动设备位置的问题,创建边界探索方式来确定无人机群的最优数量。无人机服务子系统通过分别对移动设备进行K-means、K-medoids、AGNES聚类选取最优聚类方式确定聚类中心,以聚类中心为导向进行轨迹规划从而尽最大可能为移动设备服务。仿真结果表明,所提无人机辅助系统具有设计可行性,确定了无人机群信号全覆盖的最小配置数量,同时得出不同聚类算法的无人机群适用场景。研究结果可用于评估地面用户的保障服务体验,为无人机辅助通信网络的架构设计与控制优化提供依据。