

郵件訂閱
針對面向混合能源供應的 5G 異構云無線接入網(wǎng)(H-CRANs)網(wǎng)絡架構下的動態(tài)資源分配和能源管理問題,該文提出一種基于深度強化學習的動態(tài)網(wǎng)絡資源分配及能源管理算法。首先,由于可再生能源到達的波動性及用戶數(shù)據(jù)業(yè)務到達的隨機性,同時考慮到系統(tǒng)的穩(wěn)定性、能源的可持續(xù)性以及用戶的服務質量(QoS)需求,將H-CRANs網(wǎng)絡下的資源分配以及能源管理問題建立為一個以最大化服務提供商平均凈收益為目標的受限無窮時間馬爾科夫決策過程(CMDP)。然后,使用拉格朗日乘子法將所提CMDP問題轉換為一個非受限的馬爾科夫決策過程(MDP)問題。最后,因為行為空間與狀態(tài)空間都是連續(xù)值集合,因此該文利用深度強化學習解決上述MDP問題。仿真結果表明,該文所提算法可有效保證用戶QoS及能量可持續(xù)性的同時,提升了服務提供商的平均凈收益,降低了能耗。
無損數(shù)據(jù)壓縮系統(tǒng)在通信傳輸過程中容易出現(xiàn)錯誤,會導致碼表和重構數(shù)據(jù)出錯并引發(fā)誤碼擴散,影響其在文件系統(tǒng)和無線通信中的應用。針對在通用編碼領域廣泛使用的無損數(shù)據(jù)壓縮算法LZW,該文分析并利用LZW壓縮數(shù)據(jù)的冗余,通過選取部分編碼碼字并動態(tài)調整其對應的被壓縮符號串的長度來攜帶校驗碼,提出了具有誤碼糾正能力的無損數(shù)據(jù)壓縮方法CLZW。該方法不用額外添加數(shù)據(jù),也不改變數(shù)據(jù)規(guī)格和編碼規(guī)則,與標準LZW算法兼容。實驗結果表明,用該方法壓縮的文件仍然能用標準LZW解碼器解壓,且該方法可以對LZW壓縮數(shù)據(jù)的誤碼進行有效糾正。
由于車載應用的普及和車輛數(shù)量的增加,路邊基礎設施的物理資源有限,當大量車輛接入車聯(lián)網(wǎng)時能耗與時延同時增加,通過整合內容分發(fā)網(wǎng)絡(CDN)和移動邊緣計算(MEC)的框架可以降低時延與能耗。在車聯(lián)網(wǎng)中,車輛移動性對云服務的連續(xù)性提出了重大挑戰(zhàn)。因此,該文提出了移動性管理(MM)來處理該問題。采用開銷選擇的動態(tài)信道分配(ODCA)算法避免乒乓效應且減少車輛在小區(qū)間的切換時間。采用基于路邊單元(RSU)調度的合作博弈算法進行虛擬機遷移并開發(fā)基于學習的價格控制機制,以有效地處理MEC的計算資源。仿真結果表明,所提算法相比于現(xiàn)有的算法能夠提高資源利用率且減少開銷。
物聯(lián)網(wǎng)(IoT)的發(fā)展引起流數(shù)據(jù)在數(shù)據(jù)量和數(shù)據(jù)類型兩方面不斷增長。由于實時處理場景的不斷增加和基于經(jīng)驗知識的配置策略存在缺陷,流處理檢查點配置策略面臨著巨大的挑戰(zhàn),如費事費力,易導致系統(tǒng)異常等。為解決這些挑戰(zhàn),該文提出基于回歸算法的檢查點性能預測方法。該方法首先分析了影響檢查點性能的6種特征,然后將訓練集的特征向量輸入到隨機森林回歸算法中進行訓練,最后,使用訓練好的算法對測試數(shù)據(jù)集進行預測。實驗結果表明,與其它機器學習算法相比,隨機森林回歸算法在CPU密集型基準測試,內存密集型基準測試和網(wǎng)絡密集型基準測試上針對檢查點性能的預測具有誤差低,準確率高和運行高效的優(yōu)點。
在虛擬化網(wǎng)絡切片場景中,底層物理網(wǎng)絡中一個物理節(jié)點(PN)或一條物理鏈路(PL)的異常會造成多個網(wǎng)絡切片的性能退化。因網(wǎng)絡中每個時刻都會產生新的測量數(shù)據(jù),該文設計了兩種在線異常檢測算法實時監(jiān)督物理網(wǎng)絡的工作狀態(tài)。首先,該文提出了一種基于在線一類支持向量機(OCSVM)的PN異常檢測算法,該算法可根據(jù)每個時刻虛擬節(jié)點(VNs)的新測量數(shù)據(jù)進行模型參數(shù)的更新而不需要任何標簽數(shù)據(jù);其次,基于虛擬鏈路兩端點間測量數(shù)據(jù)的自然相關性,該文提出基于在線典型相關分析(CCA)的PL異常檢測算法,該算法只需要少量標簽數(shù)據(jù)就可以準確分析出PL的異常情況。仿真結果驗證了該文所提在線異常檢測算法的有效性和魯棒性。
為了滿足無線數(shù)據(jù)流量大幅增長的需求,異構云無線接入網(wǎng)(H-CRAN)的資源優(yōu)化仍然是亟待解決的重要問題。該文在H-CRAN下行鏈路場景下,提出一種基于深度強化學習(DRL)的無線資源分配算法。首先,該算法以隊列穩(wěn)定為約束,聯(lián)合優(yōu)化擁塞控制、用戶關聯(lián)、子載波分配和功率分配,并建立網(wǎng)絡總吞吐量最大化的隨機優(yōu)化模型。其次,考慮到調度問題的復雜性,DRL算法利用神經(jīng)網(wǎng)絡作為非線性近似函數(shù),高效地解決維度災問題。最后,針對無線網(wǎng)絡環(huán)境的復雜性和動態(tài)多變性,引入遷移學習(TL)算法,利用TL的小樣本學習特性,使得DRL算法在少量樣本的情況下也能獲得最優(yōu)的資源分配策略。此外,TL通過遷移DRL模型的權重參數(shù),進一步地加快了DRL算法的收斂速度。仿真結果表明,該文所提算法可以有效地增加網(wǎng)絡吞吐量,提高網(wǎng)絡的穩(wěn)定性。
針對傳統(tǒng)網(wǎng)絡切片映射方法資源利用率低且可靠性差的問題,該文提出了可靠性感知的網(wǎng)絡切片(NS)重構及映射策略(RNSRE)。首先,建立了面向可靠性和資源的網(wǎng)絡切片可靠映射效用函數(shù)。其次,綜合考慮虛擬網(wǎng)絡功能(VNF)的資源需求和位置約束,提出了一種VNF可靠性需求的度量方法。在此基礎上,以最大化VNF可靠部署收益的同時最小化鏈路帶寬資源開銷為目標,建立了切片可靠映射整數(shù)線性規(guī)劃模型。最后,針對不同的網(wǎng)絡切片類型,提出了基于鄰域搜索的網(wǎng)絡切片映射算法和關鍵VNF備份的網(wǎng)絡切片重構映射算法。仿真結果表明,所提算法在滿足VNF可靠性需求的同時,提高了資源利用率,降低了映射的開銷。
遮擋是行人檢測任務中導致漏檢發(fā)生的主要原因之一,對檢測器性能造成了不利影響。為了增強檢測器對于遮擋行人目標的檢測能力,該文提出一種基于特征引導注意機制的單級行人檢測方法。首先,設計一種特征引導注意模塊,在保持特征通道間的關聯(lián)性的同時保留了特征圖的空間信息,引導模型關注遮擋目標可視區(qū)域;然后,通過注意模塊融合淺層和深層特征,從而提取到行人的高層語義特征;最后,將行人檢測作為一種高層語義特征檢測問題,通過激活圖的形式預測得到行人位置和尺度,并生成最終的預測邊界框,避免了基于先驗框的預測方式所帶來的額外參數(shù)設置。所提方法在CityPersons數(shù)據(jù)集上進行了測試,并在Caltech數(shù)據(jù)集上進行了跨數(shù)據(jù)集實驗。結果表明該方法對于遮擋目標檢測準確度優(yōu)于其他對比算法。同時該方法實現(xiàn)了較快的檢測速度,取得了檢測準確度和速度的平衡。
Hilbert曲線是高維降到1維的重要方法,具有較好的空間聚集和空間連續(xù)性,在地理信息系統(tǒng)、空間數(shù)據(jù)庫、信息檢索等方面有廣泛的應用?,F(xiàn)有Hilbert編碼或解碼算法未考慮輸入數(shù)據(jù)對編碼或解碼效率的影響,因此將不同輸入數(shù)據(jù)同等對待。為此,該文通過設計高效的狀態(tài)視圖并結合快速置位檢測算法提出高效的免計前0的Hilbert編碼算法(FZF-HE)和免計前0的Hilbert解碼算法(FZF-HD),可快速識別輸入數(shù)據(jù)前部為0而無需迭代計算的部分,從而降低迭代查詢次數(shù)及算法復雜度,提高編解碼效率。實驗結果表明,F(xiàn)ZF-HE算法和FZF-HD算法在數(shù)據(jù)均勻分布時效率稍高于現(xiàn)有算法,而在數(shù)據(jù)偏斜分布時效率遠高于現(xiàn)有算法。
現(xiàn)代建筑設計趨于多樣化,內部結構和功能越來越復雜,而傳統(tǒng)疏散系統(tǒng)逃生指示方向固定、人員疏散時間較長,火災發(fā)生時,不能夠及時改變指示方向,易將逃生人員導向危險區(qū)域,威脅被困人員生命安全。該文提出了一種Dijkstra-ACO混合路徑動態(tài)規(guī)劃算法,在Dijkstra算法獲得全局最優(yōu)路徑的基礎上再采用蟻群優(yōu)化(ACO)算法對每個節(jié)點進一步優(yōu)化以獲取最優(yōu)路徑,并節(jié)省算法運行時間。通過實驗仿真驗證了混合算法的有效性,能夠根據(jù)起火點動態(tài)規(guī)劃疏散路徑,及時調整疏散指示方向,為火場中人員疏散逃生贏得寶貴時間。
節(jié)點位置保護對于海洋無線傳感器網(wǎng)絡(MWSNs)至關重要,尤其是對于無人值守的環(huán)境。然而,由于大多數(shù)靜態(tài)部署,傳感器的能量、存儲和通信能力的限制,MWSNs容易受到各種位置(和衍生)攻擊的影響。該文從攻擊和防御兩個方面研究節(jié)點位置隱私保護問題。首先,針對兩種重要節(jié)點(包括基站和源節(jié)點)提出了一種新的二相定位攻擊,它可以在少量的本地無線傳輸監(jiān)視中找到基站節(jié)點,反向跟蹤源節(jié)點的位置。與現(xiàn)有方法不同,提出的攻擊根據(jù)傳輸方向確定節(jié)點位置,從而突破現(xiàn)有的防御。然后,為了抵御這種攻擊,該文設計了一種基于Hilbert填充曲線的傳感器網(wǎng)絡路由節(jié)點位置隱私保護方法(HLPS)。攻防理論分析與對抗實驗表明,該方法能夠保護目標節(jié)點的位置隱私,具有較小的通信和計算開銷。
基于代換–置換網(wǎng)絡結構的輕量級分組密碼算法PUFFIN在資源受限的硬件環(huán)境中使用較廣泛,差分故障攻擊是針對硬件密碼算法較為有效的攻擊手段。該文針對PUFFIN算法,改進多比特故障模型,通過構建輸出差分和可能輸入值之間的關系,注入5次故障即可確定單個S盒唯一輸入值;在最后一輪加密過程中注入10次故障,成功恢復輪密鑰的概率為78.64%,進而可恢復初始密鑰。
為進一步提高聚合位向量(ABV)算法分類數(shù)據(jù)包的速度,該文提出一種面向連接的改進ABV(IABV)算法。該算法利用同一連接包分類查找規(guī)則相對一致的特點,建立哈希表-規(guī)則庫兩級優(yōu)化查找結構,首先通過哈希表查找包分類規(guī)則,若未命中繼續(xù)從規(guī)則庫中查找。利用連接時效性特點設計哈希表沖突處理機制,根據(jù)表項最近命中時間判斷是否進行覆寫更新,避免規(guī)則累積導致查找時間增加;其次對ABV算法各維度進行等分處理,為各等分區(qū)間建立數(shù)組索引,從而快速縮小向量查找范圍,加快查找規(guī)則庫速度;最后,將規(guī)則中前綴轉化為范圍降低輔助查找結構復雜度,以減少內存空間占用量并加快規(guī)則查找速度。實驗結果表明,將規(guī)則中前綴轉化為范圍后能夠有效提升算法性能,相同條件下IABV算法相比ABV算法時間性能有顯著提高。
針對云平臺上共享數(shù)據(jù)的完整性驗證問題,該文提出一種多方參與高效撤銷組成員的共享數(shù)據(jù)審計方案(SDRM)。首先,通過Shamir秘密共享方法,使多個組成員共同參與撤銷非法組成員,保證了組成員間的權限平等。然后,結合代數(shù)簽名技術,用文件標識符標識數(shù)據(jù)擁有者的上傳數(shù)據(jù)記錄和普通組成員的訪問記錄,使數(shù)據(jù)擁有者能夠高效更新其所有數(shù)據(jù)。最后對方案的正確性、安全性和有效性進行理論分析和實驗驗證,結果表明,該文方案的計算復雜度與被撤銷組成員簽名的文件塊數(shù)之間相互獨立,達到了高效撤銷組成員的目的。并且,隨數(shù)據(jù)擁有者數(shù)量增加,該方案更新數(shù)據(jù)效率較NPP明顯提升。
對運動目標進行SAR成像時,參數(shù)估計是必不可少的?,F(xiàn)有算法主要針對運動目標的徑向速度和方位向速度進行估計,而對3維運動目標的法向速度無法估計。該文利用L型基線的機載多通道SAR系統(tǒng),提出一種方位向速度和法向速度的聯(lián)合估計算法。該算法在距離-多普勒域提取運動目標信號,并利用多幅SAR圖像之間的相位差進行方位向速度和法向速度的聯(lián)合估計。該算法不依賴圖像配準,不需要解多普勒模糊,因此具有較高的估計精度和魯棒性,有較強的實際意義和應用價值。
針對風云三號衛(wèi)星微波濕溫度計,該文建立了全功率式微波輻射計系統(tǒng)的仿真模型,重點對熱輻射噪聲源、混頻器、低噪放、濾波器與檢波器等關鍵性器件進行了參數(shù)化建模。從信號處理的角度對全功率式微波輻射計的工作過程進行了模擬,并對仿真系統(tǒng)的輸出功率、靈敏度和線性度進行評估與分析。通過與實際儀器的測試結果對比,驗證了所提仿真模型的正確性。