摘要：以边缘计算技术(MEC)的系统时延和能耗作为联合优化的核心指标,对多小区-多终端场景进行系统性混合整数非线性规划(MINLP)的数学建模,利用遗传算法中嵌套麻雀觅食算法的思路,建立从整体到局部的联合优化方法;通过分析通信资源与计算资源二者之间的置换机理,给出了高效的终端接入选择、任务卸载策略,以及发射功率、计算频率等优化方法.为未来新型业务在时效与能耗等优化方面起到积极的理论指导作用,也为未来6G通信、计算、存储、控制等4C一体化设计提供有益探索.

摘要：为了解决移动边缘计算网络中计算资源日益紧缺的问题,设计了一种基于用户协作的边缘计算资源分配机制,充分利用用户之间的空闲计算资源,有效提升系统整体的数据处理性能。以最大化用户的效用函数为目标,将目标优化问题建模为一个关于用户任务卸载决策和本地计算通信资源的联合优化问题,并结合深度学习技术和凸优化理论,提出了一种混合深度学习-优化算法对目标问题进行求解。仿真结果表明,相较于对比算法,所提算法能使用户的效用提升至少85.4%,并能在亚秒级的时间内实现用户效用的近似最优化。

摘要：采用小样本学习技术设计了基于CSI的场景鲁棒性跌倒检测系统(FDFL,fall detection system based on few-shot learning)。现有基于Wi-Fi无线信道状态信息(CSI,channel state information)的跌倒检测方法跨场景应用性能退化明显,通常需要在每个应用场景采集并标记大量的CSI样本,给大规模部署造成极高的成本。为此,引入了小样本学习的方法,可以在陌生场景标注样本数量不足的情况下仍然保持高准确率的跌倒检测性能。所提FDFL主要分为源域的元训练和目标域的元学习两个阶段。源域的元训练阶段包含数据预处理和分类训练两个部分,数据预处理阶段将采集的原始CSI幅度和相位数据进行去噪、分段等操作;分类训练阶段利用大量处理好的源域数据样本训练一个基于卷积神经网络的CSI特征提取器。在目标域的元学习阶段,基于元训练模块中训练的特征提取器对目标域中采样的少量标注样本进行有效的特征提取,进而训练生成一个轻量型机器学习分类器对跨场景下的跌倒行为进行检测。通过多个不同场景下的实验,FDFL在只需要目标域少量样本下即可以实现对跌倒、坐着、步行、坐下的四分类任务达到95.52%的平均识别准确率,并且对测试环境、人员目标、设备位置等因素的变化保持鲁棒的检测准确性。

摘要：针对时间敏感网络的流调度问题,提出一种基于网络周期的在线流调度算法。基于网络周期将调度结果分散到各个网络周期中以提高网络的可调度性,增加实时流的调度数量;根据每个网络周期的可调度空间,提出重合度指标及基于该指标的离线调度算法,使用禁忌搜索算法,提高可调度空间,有利于后续的在线调度过程。实验结果表明,该算法能够有效增加网络的可调度流数量,其在线调度计算时间在毫秒级,满足算法在线运行实时性。

摘要：随着射频系统工作频率的不断提高,介质天线因不受导体损耗影响而备受关注。基于高介电常数介质波导在其高次模截止区的漏波辐射以及陶瓷三维打印技术,提出了一种宽带圆极化双环介质天线。相比于同样是工作于行波模式的金属宽带圆极化环天线,该介质天线的漏波辐射更易产生。探究了介质波导的辐射机理,并详细展示了该介质天线的设计过程:先将漏波辐射的直介质波导弯曲成单环以实现圆极化,再把单环结构拓展为双环,从而展宽天线的工作带宽。通过对比单环与双环介质天线可以发现,双环结构的轴比带宽大约是单环的3倍,且两天线在工作频段内均具有良好的右旋圆极化特性。为了验证该天线设计的有效性,利用陶瓷光固化工艺(一种三维打印技术)制作了天线实物,其实测轴比带宽为3.94~5.1 GHz,最大增益为8.6 dBic。

摘要：通信感知一体化(Integrated Sensing and Communication,ISAC)作为6G的关键技术之一,广泛应用于智慧交通、智能家居等领域。随着频谱资源的紧缺、技术发展的融合,促使通信和感知功能的一体化,其中ISAC的波形设计是同时实现高效率通信和高精度感知的研究重点。从ISAC技术趋势、波形设计重要性、应用场景和发展现状四方面进行了简要介绍,对以通信为主的波形设计、以感知为主的波形设计和波形复用设计进行了分析总结,阐述了联合波形设计的一体化性能边界以及潜在的一体化波形新型设计方式;并对ISAC波形设计的发展方向进行展望。