基于Q-Learning的分簇无线传感网信任管理机制

针对无线传感器网络中存在的安全问题,提出了基于Q-Learning的分簇无线传感网信任管理机制(Q-learning based trust management mechanism for clustered wireless sensor networks,QLTMM-CWSN).该机制主要考虑通信信任、数据信任和能量信任3个方面.在网络运行过程中,基于节点的通信行为、数据分布和能量消耗,使用Q-Learning算法更新节点信任值,并选择簇内信任值最高的节点作为可信簇头节点.当簇中主簇头节点的信任值低于阈值时,可信簇头节点代替主簇头节点管理簇内成员节点,维护正常的数据传输.研究结果表明,QLTMM-CWSN机制能有效抵御通信攻击、伪造本地数据攻击、能量攻击和混合攻击.

AI使能的高能效无线通信技术

随着5G无线通信网络大规模部署的开展,网络所消耗的能量正在成倍提升。尽管传统基于站点、频带和时隙静态关断的技术能够显著地提升整个无线网络传输和运营的能效,但面对大通量、高动态的5G业务需求,缺少AI支持的静态关断已无法满足系统的能效指标。因此,从无线通信网络的业务与传输层、媒体接入层和物理层等层面,探讨AI技术引入对提升无线通信网络能效带来的积极影响。利用AI所提供的高度非线性拟合能力和泛化能力,针对无线网络业务的有效调度、传输任务的合理分配、收发机的通用架构以及基带和射频系统的联合优化等方面开展高能效的优化设计。通过搭建原型系统并分析部分案例,提出了相关建议,旨在促进5G和6G无线通信网络的能效提升。

基于3次握手改进机制和SVM的无人机网络协作邻居发现协议

无人机在军事和民用领域都得到了广泛的应用,无人机的组网也成为研究热点之一.邻居发现作为组网完成的前提步骤,发挥着至关重要的作用.首先提出了基于3次握手改进机制的非协作邻居发现(3-handshake non-cooperation neighbor discovery,3-NCND)协议;然后融入支持向量机(support vector machine,SVM)算法,提出了基于3次握手改进机制和SVM的协作邻居发现(3-handshake and SVM cooperative neighbor discovery,3-SVMCND)协议,SVM作为分类器加入到邻居协议中,智能地将自身邻居节点信息发送给目标节点,减少了邻居节点推荐的数量,提高了邻居发现的速度.通过仿真实验比较了邻居发现时隙数、邻居发现率和能量消耗这3个性能指标.研究结果表明,相较于3-NCND协议,SVM-CND协议具有更快的发现速度和更高的邻居发现率.

基于改进式随机不完全着色算法的无线体域网干扰协调

该文在基于随机不完全着色干扰避免资源调度算法基础上,提出一种改进式随机不完全着色算法以优化无线体域网间干扰协调,通过控制已着色节点继续参与下一轮的着色算法实现网络更高的资源空间复用,通过限制相邻节点分配颜色数量差距保证节点间资源分配的公平性。仿真结果表明该文所提改进式随机不完全着色算法可在避免无线体域网用户间干扰的同时,进一步提高网络吞吐量和频谱空间复用率。

基于MODBUS协议的车载空气质量检测系统设计

在车联网中,需要对车内空气质量进行检测,结合Modbus协议,设计了一种可拓展的车内空气质量检测系统。该系统以微型控制单元(MCU)STM32F439为主控制核心,采用微控制单元(MCU)STM32F103作为传感器协议适配器,对甲醛浓度传感器、温湿度传感器、PM2.5/PM10传感器等气体传感器进行协议适配,将不同的传感器原生协议统一成一致的协议。基于Modbus协议通过RS485接口将传感器数据输出给主控制核心,在主控制核心对数据过滤及处理之后,发送给加速处理器(APU),并通过GPRS通信模块实时向服务端上传信息。

D2D网络中联合资源分配和功率控制的干扰协调

基于蜂窝网络的Underlay D2D(Device-to-Device Communication)模式下,D2D用户通过复用蜂窝用户频谱资源通信可有效提高系统频谱资源利用率,但同时会造成蜂窝D2D网络严重的层间干扰问题。为此提出一种联合资源分配和功率控制的干扰协调算法。首先提出基于蜂窝用户到D2D用户通信距离最大化的频谱资源复用算法,以协调蜂窝用户对D2D用户的干扰;提出基于用户分组的闭环功率控制算法,基于复用同一频谱资源的蜂窝用户和D2D用户的位置信息划分高低干扰用户组,并对高低干扰用户组采用不同的路损补偿因子,以进一步协调网络层间干扰。仿真结果表明,所提方案可有效改善网络吞吐量。

基于Modbus协议的OBD设备检测控制系统设计

随着智能网联汽车的飞速发展，车载设备的高效数据采集、安全远程控制变得日益重要。结合Modbus协议，设计了一种封闭式的车载OBD设备检测控制系统。该系统以STM32F439单片机为控制核心，基于自定义Modbus协议帧包装OBD数据，微控制单元通过CAN总线采集OBD数据并解析后发送至加速处理器，加速处理器实时上传数据至网络服务器，用户终端通过访问网络服务器上的数据实现对OBD设备的检测；同时，用户可通过安卓平台手机应用，向系统发送反向控制信令，实现远程控制。

OFDM-PON系统的非线性损伤补偿方法

围绕正交频分复用-无源光网络（OFDM-PON）系统中非线性损伤的补偿问题开展研究.使用VOLTERRA模型对非线性补偿器进行辨识,利用差异因子并结合QR分解,推导出修正向量的解析表达式,提出模型核向量的自适应修正方法,形成正交频分复用-无源光网络系统中非线性损伤的补偿算法.仿真结果表明,所提出的方法可使系统误比特率提升1％～3％,在系统比特率为130 Gb/s时,系统误比特率可保持在1％左右.

基于图着色的密集D2D网络资源分配算法

蜂窝设备到设备(D2D)网络通过D2D用户与蜂窝用户的上行链路复用,可大幅提高网络的频谱效率,但当D2D用户数大于蜂窝用户数时,即在D2D密集部署场景下,传统的资源复用算法不能满足D2D用户的频谱资源需求。针对该问题,提出基于图着色理论的D2D网络干扰协调频谱资源分配算法,可实现信道资源在多个D2D用户对间的多重复用,从而提升网络负载能力,改善网络吞吐量。在此基础上,给出一种改进的资源分配算法,以提高D2D用户的公平性。仿真结果表明,该算法在降低D2D用户获取信道资源"饥饿"概率的同时,能够提升网络信道资源的空间复用率及系统吞吐量。

基于二项分布的无线传感器网络信任管理系统

由于无线传感器网络不同于传统网络的特点,导致其很容易受到来自妥协节点的内部攻击。信任管理系统是防御无线传感器网络内部攻击的最有效方法。针对无线传感器网络节点信誉和信任的评估,我们改进了用于无线传感器网络的基于贝塔的信誉系统BRSN(Beta Reputation System for Sensor Networks),提出了基于二项分布的无线传感器网络信任评估系统BTMS(Binomial-based Trust Management System)。BTMS基于对节点行为的监控,利用二项分布来描述节点信誉的分布,并进一步得到节点信任值,从而指导中继节点的选择,降低内部攻击的危害。实验结果表明,利用BTMS可以有效的防御来自妥协节点的内部攻击,提高网络安全性。

面向多类不均衡网络流量的特征选择方法

针对网络流量分类中的多类不均衡问题,提出一种基于相对不确定性和对称不确定性的Hybrid型特征选择方法。首先,利用相对不确定性为每个类选择候选特征集;然后,保留每个候选特征集中对称不确定性较高的特征并去除其他特征;最后,利用基于C4.5决策树的wrapper型特征选择方法确定最优特征子集。在真实网络流量数据集上的实验结果表明,与传统方法相比,该方法具有较高的整体准确率、小类召回率和g-mean值,从而可以减轻多类不均衡问题带来的不良影响。

基于DHT和PTS的光OFDM系统PAPR抑制算法

提出了一种基于离散哈特利变换(DHT)和部分传送序列(PTS)的PAPR抑制算法。在每个子块中,通过利用快速哈特利逆变换(IFHT)代替传统的快速傅里叶逆变换(IFFT),并结合非对称限幅技术,对子载波信号进行调制。该方法 PAPR抑制效果好,且不需要Hermitian对称,运算复杂度低。

基于DQN的超密集网络能效资源管理

小基站的密集随机部署会产生严重干扰和较高能耗问题,为降低网络干扰、保证用户网络服务质量(QoS)并提高网络能效,构建一种基于深度强化学习(DRL)的资源分配和功率控制联合优化框架。综合考虑超密集异构网络中的同层干扰和跨层干扰,提出对频谱与功率资源联合控制能效以及用户QoS的联合优化问题。针对该联合优化问题的NP-Hard特性,提出基于DRL框架的资源分配和功率控制联合优化算法,并定义联合频谱和功率分配的状态、动作以及回报函数。利用强化学习、在线学习和深度神经网络线下训练对网络资源进行控制,从而找到最佳资源和功率控制策略。仿真结果表明,与枚举算法、Q-学习算法和两阶段算法相比,该算法可在保证用户QoS的同时有效提升网络能效。

基于时空加权目标函数的无线传感网分簇协议

针对无线传感器网络中能量受限的特点,提出了基于时空相关加权目标函数粒子群优化算法(SC-WOFPSO)的分簇协议。首先,该协议使用Kohonen神经网络提取节点间的数据相似性。在分簇过程中,该协议综合考虑了节点间的数据相似性、节点间距离以及节点剩余能量等因素,使用PSO算法进行迭代寻优,寻找最优的簇头集合;在成簇过程中,网络中的非簇头节点为每个簇头分别计算goal函数值,选择加入函数值最大的簇头。最后从网络总能量消耗、网络寿命和网络吞吐量三个性能指标出发,验证了该协议能够有效降低网络能耗、提高网络寿命、网络吞吐量。

宽带无线通信课程教学创新

本文围绕宽带无线通信的课程建设,针对目前该课程教学普遍存在的一些问题,提出了与时俱进,更新课程内容安排,提高学生的学习兴趣和自主性,提升教学效果,以及通过项目课题的设计培养学生的实际操作能力来促进课程的教学质量。经过三个学期的教学实践和学生反馈表明,上述方法对加深学生对知识的理解和提高实践能力起到了良好作用。

基于MATLAB的高效自动化功耗测量系统

在电子、通信等工科领域的实验测试中,经常需要测量设备和器件的功耗。针对此需求,提出了一种基于MATLAB的自动化功耗测量系统设计,搭建了完整的软硬件平台。该系统以计算机和可编程电源为主要硬件设备,并采用串口通信,以MATLAB开发的上位机控制软件按照Modbus通信协议对可编程电源发送程序指令,实现对电源的程序控制和输出监测,利用监测到的电源输出电压和输出电流数据演算出设备或器件的功耗并显示。实验结果表明,该系统可实现对设备或器件功耗的自动化测量,操作简单方便,运行高效稳定。

基于MATLAB的高效自动化通信实验平台

伴随着通信技术的不断演进,数字通信实验平台在操作效率和处理速度上面临着挑战。为此,采用MATLAB作为中央控制平台,为实验仪器编写了各自的通信接口程序,实现了对于信号发射机、信号接收机和数字电源的软件控制,并利用MATILAB强大的信号处理能力,开发出一套软硬件结合的自动化数字通信实验平台。该平台利用软件指令调控可编程仪器,进行数据采集和过程监控,并完整实现了调制、发射、接收、解调等通信过程。在日常实验和教学中,该实验平台可有效提高通信实验系统的自动化程度和运行效率,其软件系统具有很高的开放性,使用者可以根据不同的实验方案进一步开发所需的软件功能。

基于蚁群优化算法的移动边缘协作计算

针对用户集聚效应所造成的单个移动边缘计算(MEC)服务器负载过重的问题,本文提出了一个多MEC服务器协作计算框架,面向任务并发场景,基于任务的传输时间和计算时间消耗,建立了任务总处理时间最小化的目标函数,并提出一种定制的最大最小蚁群系统算法(CMMAS),实现了目标函数的优化,缓解了MEC服务器之间负载的不公平性,从而充分利用全局的计算资源。仿真结果表明,相比较其它算法,所提出的CMMAS算法任务总体时延最小,成功卸载率最高,且与贪婪算法相比,CMMAS算法避免了陷入局部最优。

能效最优的解码转发OFDM中继链路功率分配

针对解码转发OFDM(orthogonal frequency division multiplexing,OFDM)两跳中继链路,研究了以系统能效最优为目标的链路功率分配优化算法。首先考虑系统的电路功耗,将其建模为速率的线性增函数;然后在满足链路速率和误码率的限制条件下,建立了链路能效优化目标函数;最后,基于凸优化理论,求得使链路能效最优的调制方式和功率分配。仿真结果表明,所提功率分配算法,能够使解码转发OFDM两跳中继链路的能效达到最优。

基于联邦深度强化学习的车联网资源分配

车辆通信(V2X)能够有效地提高交通安全性和移动性,是车辆部署场景中的关键技术之一。V2X通信链路需要满足不同应用的服务质量(QoS)要求,如车对车(V2V)链路的延迟和可靠性要求。面向车辆高速移动性导致的无线信道快速变化,为保证不同车辆链路的QoS约束和车辆动态网络的鲁棒性,提出一种基于联邦深度强化学习(FDRL)的频谱分配和功率控制联合优化框架。框架首先根据不同车辆链路需求提出了对应的优化问题,并定义了强化学习的状态空间、动作空间和奖励函数;然后介绍了联邦深度强化学习的训练框架;最后,通过分布式的车辆端强化学习和基站聚合平均训练,找到最佳的频谱分配和功率控制策略。仿真结果表明,与其他对比算法相比,所提出算法能够提高车对基站(V2I)的总用户信道容量,并保证了新加入车辆时动态网络的鲁棒性。