小虫爬行引起的绕竖直轴转动的圆盘转动问题的严格解

给出了小虫在可绕竖直轴无摩擦转动圆盘上爬行时引起圆盘转动问题的严格解 。

蜂窝异构网络中的最优频谱分配算法

异构网络通过在宏基站的覆盖范围内密集地部署低功率的节点,使小区得到分化,提升信道增益。但由于频谱资源有限,资源分配在带有中继节点的蜂窝异构网络中变得较为复杂。为改善信道的频谱效率,研究在带有中继节点异构网络中的最优频谱分配策略以及对应的用户接入策略,提出一个基于乘子法的高效算法,通过在乘子法迭代中寻找一组有限的频谱复用模式,得到最优的频谱分配和用户接入策略,实现最优的比例公平性。数值仿真结果表明,该算法可有效利用有限的频谱资源,相对于传统的频谱分配策略,网络性能明显提升。

非稳态雾赋能网络中的在线任务卸载方法

为充分发掘分布在不同位置上的雾节点的计算资源,任务卸载被寄予众望。在雾计算场景下,以尽可能减少任务卸载的长期成本为目标,试图寻找一个高效的在线任务卸载方法。为此,这一问题被建模成一个随机规划问题,该问题中系统参数所对应的随机变量的期望会在未知时刻突变,系统参数相关信息只能在任务完成后的反馈中获得。基于非稳态多臂老虎机模型,提出一个高效的算法来解决这一具有挑战性的随机优化问题,给出理论分析证明该算法的渐进最优性。数值实验证明了该算法的优越性。

雾计算网络中计算节点的最优布局

雾计算是实现物联网中的计算密集型和时延关键型应用一种很有前景的解决方案。考虑到计算节点的布局会直接影响雾计算网络中任务卸载的性能,旨在解决雾计算网络中计算节点的最优布局问题。通过同时考虑计算节点的通信覆盖和计算能力,该问题可以建模为一个NP难的p中心问题。为解决这个问题,首先给出所需布局的计算节点数量的下界,然后提出2种有效的启发式算法以较低的复杂度对计算节点进行布局。数值结果验证了所提算法的性能和优点。

移动边缘计算中的在线任务卸载方法

为减少移动边缘计算(mobile edge computing,MEC)网络中移动用户的长期任务开销,利用强化学习的马尔科夫决策过程,将用户的移动性与系统的动态信息建模为随机优化问题。依据系统信息的状态,将问题分为系统信息已知、系统信息未知2种情况。在系统信息已知时,提供了问题的最优解;系统信息未知时,基于在线学习提出2个任务卸载策略。一个策略能够收敛到系统最优解,但收敛速度较慢;另一个策略能以更快的收敛速度,达到接近最优解的表现,可用于更复杂的系统。最后在仿真中展示算法的有效性。

分层可见光通信系统

鉴于其安全性,实用性和有效性,可见光通信已经引起了许多研究者的兴趣。在一个多输入多输出的可见光通信系统中,信息可以通过两种不同类型的信道传输。根据是否存在成像透镜,这两种信道分别叫做可成像信道和非成像信道。基于这两种信道特性,本文提出了一种新型的分层可见光通信系统,这个系统能够支持两种不同类型的接收机同时跟同一发射机通信。同时,利用最优功率分配该系统可以达到最大吞吐量。计算机仿真结果也证明了这种设计是可行的。

无线密集网络中的低损耗多臂老虎机算法

近年来人们对移动无线服务的需求与日俱增,为应对这一挑战,超密集无线网络被认为是下一代无线通信网络的基础设施架构和重要组成部分,基站的密集布置可以减少每个小区的服务用户数量,从而可为网络用户提供高速且低延迟的无线服务。但同时带来的不可避免的问题是用户在选择接入时会触发频繁的网络切换以确保可以接入到服务最佳的网络。用户接入问题往往被建模成在线学习模型。本文旨在寻找一个高效的在线用户接入方案以应对频繁网络切换造成的额外性能损失。通过对多臂老虎机模型的分析,提出基于操作杆淘汰机制的改进算法,并通过严格理论分析及数值仿真实验两个角度论证该算法的有效性。

大规模天线耦合效应的节俭校准

在时分双工系统中,上行信道和下行信道的互易性因为存在天线射频元件增益失配而被破坏。同时,在大规模天线系统中,天线元素之间的距离变得很近,相邻天线间的互耦效应会对信道增益产生明显的影响。发送和接收情况下阵列的耦合效应一般是不对称的,同样会破坏上下行信道端对端互易性。为了用较少的通信资源恢复信道端对端的互易性,提出对发送和接收模式的射频增益失配和耦合效应失配的校准系数分开估计。特别的,依赖基站天线阵列的对称性和阵列内天线的导频交换补偿所有天线射频器件的发送和接收增益失配。与之前的校准工作不同,提出的校准方案可以同时估计出校准矩阵的对角线和非对角线元素。数值仿真结果证实了该设计的优越性能。