脉冲噪声是影响电力线通信性能的最主要因素。为了提升极化码在电力线信道的性能,文章提出了分段循环冗余校验码辅助串行抵消列表比特翻转(segmented CRC aid SCL-bit flip,SCA-SCL-BF)译码算法,并在加性高斯白噪声(additive white gaus...脉冲噪声是影响电力线通信性能的最主要因素。为了提升极化码在电力线信道的性能,文章提出了分段循环冗余校验码辅助串行抵消列表比特翻转(segmented CRC aid SCL-bit flip,SCA-SCL-BF)译码算法,并在加性高斯白噪声(additive white gaussian noise,AWGN)信道和电力线信道下进行了仿真。在构造关键集合时引入Rate1子块,避免了全集搜索的复杂度;根据关键集合中比特的位置进行分段,每段翻转一比特,可以实现多比特翻转。仿真结果表明,SCA-SCL-BF算法的性能相较于公开文献中性能在信噪比(signal-to-noiseratios,SNR)大于0dB时有显著提升。该算法对于提升电力线传输性能有重要意义。展开更多
利用多接入边缘计算(multi-access edge computing,MEC)和终端直传通信(Device to Device,D2D)技术,可以提升电力智能巡检中传感数据传输和处理的能力,但需要解决频谱复用和干扰条件下的网络资源优化分配问题。针对D2D辅助的MEC网络,文...利用多接入边缘计算(multi-access edge computing,MEC)和终端直传通信(Device to Device,D2D)技术,可以提升电力智能巡检中传感数据传输和处理的能力,但需要解决频谱复用和干扰条件下的网络资源优化分配问题。针对D2D辅助的MEC网络,文章提出了一种基于深度强化学习的资源联合优化分配算法。首先在频道复用与干扰、功率和计算等资源约束条件下,分析了D2D辅助的MEC网络的终端容量、功耗和时延计算方法;然后综合考虑吞吐量、功耗和时延等指标要求,建立了基于综合效益函数最大化的资源优化分配模型;最后采用深度强化学习算法实现任务卸载和资源分配的联合优化。仿真结果表明,该算法可有效提升系统容量和任务卸载的综合性能。展开更多
文摘脉冲噪声是影响电力线通信性能的最主要因素。为了提升极化码在电力线信道的性能,文章提出了分段循环冗余校验码辅助串行抵消列表比特翻转(segmented CRC aid SCL-bit flip,SCA-SCL-BF)译码算法,并在加性高斯白噪声(additive white gaussian noise,AWGN)信道和电力线信道下进行了仿真。在构造关键集合时引入Rate1子块,避免了全集搜索的复杂度;根据关键集合中比特的位置进行分段,每段翻转一比特,可以实现多比特翻转。仿真结果表明,SCA-SCL-BF算法的性能相较于公开文献中性能在信噪比(signal-to-noiseratios,SNR)大于0dB时有显著提升。该算法对于提升电力线传输性能有重要意义。
文摘利用多接入边缘计算(multi-access edge computing,MEC)和终端直传通信(Device to Device,D2D)技术,可以提升电力智能巡检中传感数据传输和处理的能力,但需要解决频谱复用和干扰条件下的网络资源优化分配问题。针对D2D辅助的MEC网络,文章提出了一种基于深度强化学习的资源联合优化分配算法。首先在频道复用与干扰、功率和计算等资源约束条件下,分析了D2D辅助的MEC网络的终端容量、功耗和时延计算方法;然后综合考虑吞吐量、功耗和时延等指标要求,建立了基于综合效益函数最大化的资源优化分配模型;最后采用深度强化学习算法实现任务卸载和资源分配的联合优化。仿真结果表明,该算法可有效提升系统容量和任务卸载的综合性能。