工业物联网中基于信息熵的联邦增量学习算法与优化

面对工业生产过程中大规模、多样且随时间增长的数据和机器学习任务,该文提出一种基于信息熵的联邦增量学习(FIL)与优化方法。基于联邦框架,各本地计算节点可利用本地数据进行模型训练,并计算信息平均熵上传至服务器,以此辅助识别类增任务;全局服务器则根据本地反馈的平均熵选择参与当前轮次训练的本地节点,并判决任务是否产生增量后,进行全局模型下发与聚合更新。所提方法结合平均熵和阈值进行不同情况下的节点选择,实现低平均熵下的模型稳定学习和高平均熵下的模型增量式扩展。在此基础上,采用凸优化,在资源有限的情况下自适应地调整聚合频率和资源分配,最终实现模型的有效收敛。仿真结果表明,在不同的情景下,该文所提方法都可以加速模型收敛并提升训练精度。

个性化联邦学习的相关方法与展望

目前,随着人工智能研究的进步,人工智能被大规模采用,数据监管等领域的需求也促使人们对隐私保护的认识和关注越来越多,这促进了联邦学习(federated learning,FL)框架的流行。但现有的FL难以应对异构问题以及用户的个性化需求。为了应对上述问题,研究了个性化联邦学习(personalized federated learning,PFL)的相关方法并提出了展望。列举了FL的框架并指出了FL的不足,在FL场景的基础上,引出PFL的研究动机对PFL中的统计异构、模型异构、通信异构、设备异构进行分析并提出可行性方案;将PFL中的客户端选择、知识蒸馏等个性化算法分类并分析各自的创新与不足。最后,对PFL的未来研究方向进行了展望。

海上无线SDMA接入的波束指向切换技术研究

针对海上用户稀疏且呈现独立动态小型局域网分布特点的通信场景,提出了一种基于相控阵天线的海上无线通信系统,其反向链路基于中心站相控阵天线单个点波束动态波束指向切换实现小站在特定空间方向的波束覆盖,从而实现SDMA接入,具有覆盖范围广、组网灵活等特点,适合于海上动态稀疏的通信场景。主要研究了实现SDMA接入的波束指向切换技术,提出了基于位置信息和时隙分配的波束指向切换方法,该方法根据中心站和小站的实时位置信息解算出波束指向信息并在每个时隙的起始时刻调整波束指向。基于系统级现场可编程门阵列芯片实现了该方法,并通过测试证明了基于位置信息可实现点波束指向对准,且所提方法可在1μs内完成波束指向切换并实现多路高速业务同时回传。

多用户OFDM系统子载波比特分配算法

针对多用户正交频分复用(OFDM)系统功率优化问题,提出一种高效的子载波、比特分配算法.该算法基于最小化-最大者(Min-Max)的原则逐个分配子载波,使用户功率递减;采用注水原理分配比特,使用户功率最小化;最后使用贪婪算法将分配比特取整,以实现系统功率最小化的目标.理论分析和仿真结果表明,本算法有效地降低了系统发射功率和运算复杂度.

基于统计特性的多天线能效优化

针对多天线链路,提出基于信道统计特性的传输与能效优化方案.接收端采用基于训练序列的最小均方误差估计获得信道估计值,并基于码本进行有限反馈,从而使得发送端获得信道状态信息并进行波束赋形的数据传输.针对这一传输过程进行能效优化,根据其信道统计特性对最小均方误差估计值和估计误差及码本反馈量化值和反馈误差进行统计分析,进而形成针对能效度量的统计分析和能效优化模型,并给出能效最大化的训练功率及数据功率分配方案.仿真结果表明,与已有静态功率分配方案相比,提出方案可以有效地提高系统能效性,且在快速时变信道环境下,以极低复杂度获得趋近于已有动态功率分配方案的性能.

多用户MIMO-OFDM系统中的资源分配

该文针对多用户MIMO-OFDM系统,基于最大化信号与干扰加噪声比(Signal-to Jamming and Noise Ratio,SJNR)预编码,提出了实用的自适应资源分配方法。根据各用户SJNR值,提出采用递增(Incremental Algorithm,IA)和递减(Decremental Algorithm,DA)两种方法为各子载波选择用户集合,使各子载波被多个用户最优复用,实现多用户分集,以达到最大化系统吞吐量的目的。此外,基于DA思想,给出了考虑不同用户QoS要求下分配子载波的方法(QoS Decremental Algorithm,QDA)。分析和仿真结果表明,IA和DA在大大降低算法复杂度的同时使性能很好地接近最优算法,QDA能在满足不同用户QoS要求的同时最大化系统吞吐量。

边疆治理现代化与周边命运共同体建设

人类命运共同体是百年未有之大变局下,中国提出的解决人类未来发展前途命运的愿景设计。人类命运共同体是一个从局部到整体的渐进建设过程,周边命运共同体建设就是迈向人类命运共同体的关键步骤和重要环节。中国边疆地区与周边国家存在天然而紧密的地缘关系,经济社会文化领域的联系交往广泛而频繁,繁杂的跨界公共事务需要相邻国家间平等协商治理,才能取得高效共赢的治理效果。推动建设周边命运共同体是达成合作共赢的最佳选择。周边命运共同体建设具有双重功能,一是为中国的未来发展营造良好的周边环境,二是促进中国边疆与周边国家的融合发展,加快边疆治理现代化进程。未来的边疆治理须秉持共生主义理念,统筹边疆治理与跨境区域治理,统筹国内发展与周边发展,统筹国内安全与周边安全,推进边疆治理现代化与周边命运共同体建设的高度耦合和协同演进。

OFDMA用户协作系统的自适应资源分配

针对OFDMA用户协作系统,为提高频谱效率,提出基站不间断地发射信号,中继用户将基站在第一时隙发射的信号以DF方式在第二时隙转发给目标用户的协作传输方案,从而在2时隙对目标用户构成具有空间分集。以效益和最大为目标,提出根据业务特性合理设计效益函数,并采用拉格朗日对偶方法实现联合子载波、功率分配和中继选择的优化方案。仿真结果表明,相对于已有方法,该方案提高了频谱利用率且更有效地满足了用户需求。

使次系统容量最大化的协作频谱感知性能分析及优化

针对认知无线电网络中SU数、检测门限、带宽、频谱利用率和次系统容量间关系的分析表明,一方面C-CSS不仅可降低虚警率、提高频谱利用率,还可利用较少的SU实现较高的次系统容量;另一方面在SU数一定且满足目标要求时,C-CSS与T-CSS实现最大次系统容量所要求的检测门限不同。提出协作频谱感知优化算法,利用NP准则通过直接对数学模型求解即可得到使次系统容量最大的SU数和相应检测门限。理论分析和仿真结果均表明,所提算法在保证目标检测率的前提下最大化了次系统容量。

6G技术中的空中接入网:进展与展望

空中接入网(aerial access network, AAN)具有抗毁性强、覆盖范围广、视距传播概率高的特点,与地面网络相结合能够缓解流量负载压力,提供全时空的连接与服务,可有效助力第六代移动通信网络(6th generation mobile networks, 6G)“万物智联”愿景的实现.因此,在分析AAN中的卫星通信和高空平台(high altitude platform station, HAPS)技术研究进展的基础上,研究了卫星通信在数据接入方面的应用以及HAPS在一体化网络架构中的作用,探究了卫星与HAPS两种技术对未来网络的影响以及进一步优化二者的潜在方法.最后,对卫星接入的数据碰撞问题和HAPS的缓存问题进行讨论分析,并从上述问题出发展望了卫星通信和HAPS技术的未来发展方向.

基于Q-learning的工业互联网资源优化调度

面对5G与工业互联网中日益增长的数据传输与计算需求,移动边缘计算已逐渐成为一种新兴的解决方法,可有效应对工业互联网设备自身计算能力的不足,并充分缓解网络拥塞等问题.然而,当数量庞大的设备同时发送计算请求时,往往会超出边缘计算服务器的计算负载.此外,工业互联网设备通常仅装配有限的能量供给,无法承受能源消耗过多的任务,且庞大的设备数量还决定了网络连接、数据计算等系统开销.因此,面向工业互联网场景中机器类型通信设备的计算任务卸载问题,提出一种基于Q-learning的计算任务卸载决策方法,综合考虑任务卸载过程中的网络环境和服务器状态,并联合优化卸载过程产生的时延、能耗和经济开销.仿真结果表明,所提优化框架可有效减少计算任务卸载系统的时延、能耗和经济的总开销.

扫相空时比特交织编码调制

提出了扫相空时比特交织编码调制(PS-ST-BICM)方案,通过扩展扫相矩阵维数,使得相邻码矩阵之间存在一定的相关性,从而获得了更高的时间分集增益,可有效地抵抗块衰落引起的突发错误.给出了系统最优旋转矩阵的设计准则,以此获得最大化的分集增益和编码增益.从理论上分析了新方案的Singleton界和误码率性能.仿真结果表明,在Rayleigh块衰落信道下新方案的性能有很大改善.

一种新的选择BICM-ID混合调制映射方法

提出了一种基于系统外部信息转移图(EXIT)的改进分析方法,利用该方法可以选择比特交织编码调制迭代译码(BICM-ID)系统中混合调制映射的方案,与EXIT图分析方法不同,该方法利用了系统外部交互信息与整个信噪比区域变化(EMI-SNR)的对应关系.仿真结果表明,使用EMI-SNR图的分析方法,可以在BICM-ID系统中不同的信噪比区域内选择不同的混合调制映射方案,并且能粗略地估算出系统误码率曲线在不同信噪比区域内的高低变化.

膨胀螺栓装配机螺母工位装配装置的设计与仿真

膨胀螺栓装配机中的螺母工位装配装置由螺母装配装置与拧紧装置组成。基于Creo软件,对两种装置的机构进行三维建模,并采用ADAMS软件对螺母套入螺杆过程进行仿真分析,从而能够较为清晰地显示螺母装配过程中角度是否合理,机构设计方案是否具有可行性。

演进、实践与未来议题:中美两国边疆观的比较研究

边疆观是对边疆的形态、特征、功能、治理实践的较为稳定的认知。中美两国由于历史传统、政治体制、政治文化等因素的差异,以致产生截然不同的边疆观。通过对比中美两国边疆观,可以理解两国现代国家构建历程的差异,也可以为进一步构建我国与时俱进的边疆观提供借鉴。

阀控式铅酸蓄电池的等效电路模型和参数辨识

电池模型是研究电池性能的重要工具,根据阀控式铅酸蓄电池的特性,建立一种能反应其内部特性的二阶RC电路等效模型。然后根据模型,推导出能够反映出电池性能的开路电压和内阻。设计伪随机序列作为模型激励,对铅酸电池在特定条件下的充放电实验进行模拟,利用基于遗忘因子的最小递推二乘法进行模型参数辨识。通过端电压比较法对辨识结果进行验证,结果表明:采用M序列作为激励的参数辨识方法,能够准确有效地辨识阀控式铅酸电池等效电路模型的参数,并可以对其参数的获取提供理论基础与支持。二阶等效电路模型及基于递推最小二乘算法的模型参数的辨识结果可以精确地进行充放电过程仿真。

MEC和区块链赋能无人机辅助的物联网资源优化

针对物联网设备部署在较偏远地区而导致的传输链路易受损或传输覆盖范围有限等问题,在此场景中引入无人机和移动边缘计算(mobile edge computing, MEC)技术,有效改善物联网设备能源供给,优化计算资源,同时提升通信覆盖范围,减少不必要的网络开销.另外,区块链技术的引入保证了数据计算卸载与交互过程中的安全性和可靠性,实现了数据共享.因此,面向无人机辅助的物联网系统提出一种融合MEC和区块链的资源分配决策方法,以实现MEC系统和区块链系统性能的最佳权衡为目标,综合考虑频谱资源和计算资源的分配,构建问题模型,并采用基于交替方向乘子(alternating direction method of multipliers, ADMM)法的分布式优化算法求解该优化问题.仿真结果表明,所提优化框架可以有效减少MEC系统的总能耗和区块链系统的计算时延.同时,所提方法具有良好的收敛性能,系统稳定性得到充分保证.

基于合作博弈和知识蒸馏的个性化联邦学习算法

为克服联邦学习(FL)客户端数据和模型均需同构的局限性并且提高训练精度,该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习(pFedCK)算法。在该算法中,每个客户端将在公共数据集上训练得到的局部软预测上传到中心服务器并根据余弦相似度从服务器下载最相近的k个软预测形成一个联盟,然后利用合作博弈中的夏普利值(SV)来衡量客户端之间多重协作的影响,量化所下载软预测对本地个性化学习效果的累计贡献值,以此确定联盟中每个客户端的最佳聚合系数,从而得到更优的聚合模型。最后采用知识蒸馏(KD)将聚合模型的知识迁移到本地模型,并在隐私数据集上进行本地训练。仿真结果表明,与其他算法相比,pFedCK算法可以将个性化精度提升约10%。

阀控式铅酸电池老化实验及其失效性预测方案

为了实现对阀控式铅酸蓄电池失效性的有效检测,建立了以内阻变化率为依据的预测模型。根据电池老化实验,所测得的电池内阻,电压,充放电流,温度等数据进行回归分析。通过回归分析得到蓄电池内阻随放电时间的关系,推导出内阻的变化率函数。同时根据大量的实验数据分析、估计出当蓄电池内阻增加到其基准值的30%,放电容量达到80%时的斜率值范围,并根据内阻变化率来建立预测模型。实验结果表明:阀控式铅酸蓄电池内阻随着时间变化趋势接近三次函数和指数函数,以内阻变化率来建立模型预测蓄电池失效时期比内阻更加可靠和精确。

基于联邦学习的毫米波大规模MIMO的混合波束赋形和资源分配

针对大规模毫米波(millimeter wave,mm-Wave)多输入多输出(multiple input multiple output,MIMO)系统中的混合波束赋形在中心式机器学习(centralized machine learning,CML)中导致的通信开销过大问题,提出了分层联邦学习(federated learning,FL)框架下的混合波束赋形与基于合同理论的资源分配优化方法。首先,在分层系统中对多用户计算系统开销,并通过优化分配资源实现系统的效益最大化;然后,用户利用分配的资源对信道数据和相应的预编码数据进行反向传播神经网络(back propagation neural network,BPNN)模型训练,利用边缘服务器(edge server,ES)收集用户训练的权值和参数进行边缘聚合,达到一定精度后上传到云服务器(cloud server,CS)进行云聚合,直到取得最优的模型。实验结果表明,资源优化极大地降低了通信开销,并且基于FL的混合波束赋形不仅取得了和CML类似的和速率,而且其和速率要优于基于正交匹配追踪(orthogonal matching pursuit,OMP)的混合波束赋形以及全数字波束赋形方案。