认知定位系统的自适应精度研究

为了能够实现定位精度的自适应,本文分析了认知无线电定位系统(cognitive positioning systems,CPS)的原理。该系统利用频谱及环境感知等模块中的传感器单元来获取所需的定位参数,并将其与到达时间(time of arrival,TOA)定位估计算法相结合,以克拉美罗下界(Cramer-Rao lower bound,CRLB)为准则分析最大似然(maximum likelihood,ML)定位精度自适应算法。本文还对单径和多径环境条件下定位精度自适应性能进行了比较。仿真结果表明,该算法能够实现定位精度的自适应,并能通过改善系统可用的频带带宽、分散频谱的数目、信号的调制方式等因素来提高定位精度。

区块链与边缘计算融合所面临的挑战与机遇

1系统模型在基于边缘计算的网络基础之上,将边缘设备节点赋予区块链属性,从而形成移动区块链系统模型,如图1所示,该系统结构主要由三层组成,即云服务层,边缘计算层和区块链层。2区块链与边缘计算融合所面临的挑战区块链作为分散的公共分类账,可以存储数据(即交易记录),区块链的性能优于集中式分类帐方法。

用于区块链系统中边缘计算节点的资源分配研究

作为区块链的一个核心问题是解决工作量证明难题,由于需要强大的计算能力,因此在移动设备中实施该资源付出的代价成本颇高。因此,这就限制了移动应用中区块链的发展。在本文中,我们将边缘计算视为移动区块链的网络推动者,研究在边缘设备上分配存储资源的问题,从而使边缘设备其具有可扩展性,以支持移动区块链的应用。

基于边缘计算的移动区块链系统的研究

移动边缘计算(MEC,Mobile edge computing)是允许移动设备通过提供计算资源来运行要求很高的应用程序的一种很有前途的解决方案,但是,在MEC中建立多方之间的信任是一个相当性的挑战。而随着区块链技术研究的深入,它可用于确保交易不可修改,可以公平有效地在边缘设备上分配存储资源。本文正是基于边缘计算和区块链的核心技术思想,试图探讨一种基于边缘计算的移动区块链系统模型。

基于协作认知网络中的主用户定位研究

本文研究主用户定位,分析一种协作认知定位的模型。利用认知节点间的协作机制,使得该机制能在提高定位系统精度及改善系统可靠性等方面给出理论参考。