面向绿色计算的车辆协同任务卸载方法

车辆边缘计算(VEC)为处理计算密集、延迟敏感型任务提供了新的范式,然而边缘服务器在整合可再生能源方面的能力较差。因此,为了提高边缘服务器的能效,该文设计了一种面向绿色计算的车辆协同任务卸载框架。在该框架中,车辆配备能源收集(EH)设备,通过彼此间共享绿色能源和计算资源协作执行任务。为有效促进车辆的参与积极性,该文通过动态定价激励车辆,并综合考虑了车辆的移动性、任务优先级等。为了使卸载决策适应动态环境的变化,该文提出了一种基于双延迟深度确定性策略梯度(TD3)的任务卸载方法,以在最大化所有车辆平均任务完成效用的同时减少边缘端电网电力的使用。最后,仿真结果验证了该方法的有效性,相比基于深度确定性策略梯度(DDPG)和基于贪心原则(GPE)的方法在性能上分别提升了7.34%和37.47%。

高能闪光照相阵列屏非一致性响应校正技术

阵列屏采用大量独立晶柱组合而成限制了可见光在转换屏内的扩散,能够在提高X光转换效率的同时保证照相系统有较高的空间分辨能力,是高能闪光照相系统中的重要器件。阵列屏由于各晶柱之间的转换系数不同而导致接收图像中存在非一致响应现象,必须将其校正才能对图像进行有效判读。研究了中阵列屏接收图像中非一致响应现象的校正方法,首先使用平板照相获得空场图像,然后对实验图像和空场图像扣除暗电流本底和消除脉冲噪声,最后将实验图像与空场图像进行像素相除运算。针对强振动环境下空场图像与实验图像不匹配问题,提出对空场图像进行位移的方法以实现空场图像与实验图像的重新匹配,采用校正后图像的标准差数据来判断两者的匹配性。实验结果表明位移后的空场图像能够校正强振动环境下阵列屏图像的非一致性响应。

用于闪光图像消噪的改进BM3D方法

高斯噪声是闪光图像中的主要噪声,将在密度反演等后续处理中被放大,严重影响密度重建及客体边界提取结果,因此,消高斯噪声是闪光图像消噪研究的重点内容。针对闪光照相图像噪声及照相客体轴旋转对称的特点,研究了基于三维块匹配滤波(Block Matching and 3D Filtering,BM3D)的闪光照相图像消噪算法,针对闪光照相图像中难以获得更高质量相似块的缺陷,在不破坏噪声独立性的情况下,通过对含噪退化图像进行旋转与镜像操作,增加了提供相似块的图像来源。同时,通过引入图像块的灰度变换,降低了原有相似性要求中的灰度值要求,提高了形状相似的要求,增加了获得高质量相似块的能力。图像的消噪结果表明,由于相似块的质量得到保证,用于闪光图像消噪的改进BM3D方法取得了更好的消噪效果。

基于本地差分隐私的异步横向联邦安全梯度聚合方案

联邦学习作为一种新兴的分布式机器学习框架,通过在用户私有数据不出域的情况下进行联合建模训练,有效地解决了传统机器学习中的数据孤岛和隐私泄露问题。然而,联邦学习存在着训练滞后的客户端拖累全局训练速度的问题,异步联邦学习允许用户在本地完成模型更新后立即上传到服务端并参与到聚合任务中,而无需等待其他用户训练完成。然而,异步联邦学习也存在着无法识别恶意用户上传的错误模型,以及泄露用户隐私的问题。针对这些问题,该文设计一种面向隐私保护的异步联邦的安全梯度聚合方案(SAFL)。用户采用本地差分隐私策略,对本地训练的模型添加扰动并上传到服务端,服务端通过投毒检测算法剔除恶意用户,以实现安全聚合(SA)。最后,理论分析和实验表明在异步联邦学习的场景下,提出的方案能够有效识别出恶意用户,保护用户的本地模型隐私,减少隐私泄露风险,并相对于其他方案在模型的准确率上有较大的提升。

考虑信息泄露影响的光纤传感网络传输数据安全导入方法

为了提高对光纤传感网络传输数据安全传输能力,提出基于信息泄漏加密传输的光纤传感网络传输数据安全导入方法。采用离散混沌时间序列同步调制方法实现对光纤传感网络传输数据导入过程中调制编码处理,根据混沌随机编码特性实现对光纤传感网络传输数据过程中的同步输出稳定性调节和自主随机编码,构建光纤传感网络信息传输泄漏抑制的加密密钥,通过Logistics映射实现对光纤传感网络传输数据导入过程中的信息泄漏加密重传,根据光纤传感网络传输数据的混合敏感密钥表征和算术编码,实现信息泄漏控制和数据安全导入。实验结果表明,采用该方法进行光纤传感网络传输数据导入的加密性能较好,其光纤传感网络传输数据已加密比特序列的识别率为98%,误码率仅为2.7∗10-9%,抗泄漏能力达到了0.970,并且导入后的数据完整度达到了0.996,说明该方法具备了较强的加密效果、抗泄漏能力,实现数据的安全导入和加密传输。

基于热释电红外传感器的弱磁信号智能采集方法研究

对弱磁信号采集受到环境干扰和采集传感设备部署节点不合理等因素的影响,导致采集的信号具有大量干扰噪声,为了提高弱磁信号采集的分辨能力,结合阵列信号处理技术,提出基于热释电红外传感器的弱磁信号智能采集方法。构建弱磁信号智能采集的热释电红外传感器的节点分布阵列模型,结合相位偏移修正和噪声干扰抑制的方法,构建弱磁信号采集的滤波模型,基于信号波形的相干阵列检测方法实现对弱磁信号的空域特征增强,结合多径信号相干匹配技术和相应的多个DOA估计技术,通过热释电红外传感器的阵列节点输出信号的增强和滤波处理实现信号智能采集。实验结果表明,采用该方法进行弱磁信号智能采集的输出信号幅度和相位增益性较好,输出信噪比为45.9 dB,弱磁信号的误码率为0.55 bit,说明本方法具有实用性。

复杂环境下激光图像视觉传达修复技术研究

为提高激光图像修复效果,设计一种复杂环境下的激光图像视觉传达修复技术。先设计一种凹字分割噪声抑制算法,实施激光图像去噪处理。然后针对激光图像的复杂成像环境,在去噪后构建激光图像的单像素观测模型中对激光图像实施重建处理,从而实现更好的视觉传达修复效果。最后基于RSM-Net设计视觉传达修复模型,实现图像修复功能。测试结果表明,设计技术的断裂区域修复效果、光斑区域修复效果十分出色,其修复满意率高于94.2%,优于对比方法,能够实现断裂区域的完善修复,整体比较清晰且无噪点,应用效果较好。

基于SRIO的双备份数据传输

为了解决在特殊条件下数据通道受到外界因素影响导致数据无法传输的问题,提出一种基于SRIO的双备份数据传输设计方案。设计中使用两个独立的SRIO IP核来实现主路通道和备份通道数据的独立传输,同时通过通道选择模块对数据传输通道进行备份选择。该方案以Xilinx的Kintex 7系列FPGA为SRIO的连接设备,物理层以FPGA芯片内部集成的GTX高速串行收发器作为传输基础;传输链路采用“光模块+光缆”代替电缆实现数据的高速可靠传输,该方案已运用到遥测系统数据采集装置项目,实现了FPGA设备间双备份数据传输。

线性分组码的GRAND算法研究

随着5G通信技术的发展与应用,高可靠低时延通信场景下的短包信道编译码技术受到了广泛关注。GRAND是一种通用的最大似然译码算法,与传统译码算法不同,GRAND算法通过噪声猜测和码本查询来确定发送码字,具有高效的硬件实现结构。介绍了GRAND及其改进算法的基本原理,通过仿真分析了不同GRAND算法的误码率性能;针对5G NR的LDPC短码以及PAC短码给出了GRAND算法的设计方案,为未来移动通信的短码设计提供参考。

电信运营商在NFT的机遇分析

近些年,NFT在国外掀起一股发展热潮,国内互联网公司等也进行了大量的探索和尝试。对国内外NFT产业现状进行了分析,详细阐述了产业链的组成部分,并对国内外NFT产业链进行了对比。列举了国内外主要运营商的相关进展,最后从NFT产业链划分的角度提出电信运营商在NFT的发展机遇和建议,包括生成NFT资产、开发并运营NFT发行平台和提供NFT行业规范。

一种紧急事件优先插入的低延时高速传输策略

在电力电子系统中,某些特殊拓扑电路出现故障不能直接采取保护措施,必须上传故障信号至上层控制器并由其进行统一协调保护,避免引发二次故障,而功率器件可承受的短路故障时间很短,要求对故障等紧急事件的传输延时要小。因此,采用适当的低延时传输策略是确保及时响应和处理紧急信号的关键。为此,设计了一种紧急事件优先插入的低延时高速传输策略。首先,对电力电子装置输入输出信号进行分析,确定不同数据类型的优先级,其中紧急事件的优先级最高,在任何时刻均能优先插入链路中进行传输;然后,依据模块划分原则,采用硬件描述语言完成相关模块的编程;最后,经软件仿真验证及硬件测试,验证了紧急事件优先插入策略的正确性。研究结果表明:该策略能够有效降低紧急事件的传输延时,使系统快速对紧急事件做出响应,达到维护电力电子系统安全的目的。

基于运营商网络数据的数字乡村场景赋能研究

电信运营商在数字乡村建设中充分利用大数据技术,结合网络数据的深度挖掘和外部数据集成,构建了一个以O域、B域、M域数据为核心,辅以外部数据(如全国人口普查数据)的融合数据赋能体系。该体系包括数据引入层、多维度融合分析层和场景应用层3个层级结构,旨在从人口分布、网络资源利用率、营服体系效能、渠道布局优化以及产业行业发展等多个视角全面透视数字乡村现状,制定出因地制宜、因需而变的差异化优先聚焦策略。

基于Golomb Ruler的QC-LDPC码构造方法

针对准循环低密度奇偶校验(QC-LDPC)码中短环结构会影响其纠错性能的问题,基于Golomb Ruler提出了一种新颖的围长为8的QC-LDPC码构造方法。该方法先根据码长码率的需求,从Golomb Ruler中选择部分元素构造一个集合,结合指数矩阵中元素所在位置的四六环特性,通过搜索算法,依次找出符合无四六环条件的元素得到另一个集合,然后构造相应的指数矩阵,最后得到其奇偶校验矩阵。仿真结果表明:在误码率为10^(-6)时,所构造的GR-QC-LDPC码与同码率码长的其他4种QC-LDPC码的码型相比,其净编码增益均有一定的提高,且无明显错误平层现象。

基于卷积神经网络的医疗护理实体关系抽取

针对医疗护理领域知识复杂性强、数据量大以及对准确度要求较高的问题,该研究提出一种基于卷积神经网络的医疗护理学实体关系抽取方法,实现对护理学语义关系的细粒度文本挖掘。该研究构建了医疗护理学语料标注系统,通过将医疗语料转化为向量特征矩阵,实现了对医疗语料的自动过滤和标注。通过向神经网络模型嵌入所构建的医疗关系语料库,一定程度上提高了模型疾病分类的准确度。在医疗护理学数据集上的实验表明,基于卷积神经网络的模型在指标精确度、召回率、F1值可达到89.78%、87.59%、89.77%。综上所述,该研究提出的基于卷积神经网络的医疗护理学实体关系抽取方法能够有效地抽取医疗语料数据中的实体关系,优于传统的实体关系抽取模型。

考虑负载均衡的物联网节点传输速率控制方法

为降低节点负载输出幅值,提升节点传输性能,提出考虑负载均衡的物联网节点传输速率控制方法。分析物联网节点传输速率控制机制,确定限制条件,计算节点吞吐量;在所确定的限制条件下,预测传输时延,采用加权轮询算法实现任务分配和调度,控制物联网节点的负载量,实现负载均衡;通过模糊寻优节点链路,构建传输速率控制算法,完成物联网节点传输速率控制。实验结果表明,设计方法的负载输出幅值较低,传输速率控制较好。

基于孤立森林算法的弹性光网络异常流量自动识别方法

弹性光网络流量传输受到时间波动导致异常,为了提高网络传输稳定性,提出基于孤立森林算法的弹性光网络异常流量自动识别算法。根据流量的异常分布特征和正常数据的差异性进行波谱密度检测,构建弹性光网络流量的谱特征提取模型,通过低通滤波器卷积向量重组,实现对异常流量的谱特征筛选,采用孤立森林算法实现对网络流量异常检测的自适应寻优控制,结合多维空间结构重组方法实现对弹性光网络异常流量检测和识别。结果表明,漏检率及误检率较低,分别为3.16%,1.03%。检测用时较少,仅用16秒。在进行检测时,外部入侵率未超过1%,抗扰性较强。

面向全息通信的6G智简网络架构

全息通信作为一种全新的未来通信范式,通过再现真实物体细粒度画面,向用户提供三维沉浸式的交互体验,克服了传统媒体交互方式单一和场景临场感不足的问题。然而,相对于传统实时通信业务,全方位沉浸的真实全息通信对网络,特别在带宽、时延、安全性等多方面都提出了更为苛刻的要求。如何更好地扩展6G概念与特征,实现高质量、高沉浸的全息新通信成为当前学术界面临的一大挑战。为解决上述问题,率先提出面向全息通信的6G智简网络架构,旨在通过两层网络架构和三维动作模型合理调配6G泛网资源,解决全息通信所面对的超高带宽、超低时延、超大计算等挑战,推动经济社会高质量发展。

面向算力网络的算力建模与度量技术研究

算力度量与建模技术作为算力网络发展的重要基础,通过统一建模算力需求和资源,结合网络性能指标,形成算网能力模板,为算力路由、管理和计费提供统一度量标准。深入探讨了该技术的发展趋势与挑战,分析了算力网络发展中的算力度量需求。在此基础上对算力网络各层级进行抽象建模,设计了一种基于任务基本处理单元的算力度量和管理方法,并提出了一套完善的算力度量与建模体系,为算力网络的进一步发展提供了有力支撑和新的思路。

特征域近端高维梯度下降图像压缩感知重构网络

压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注。现有的深度学习重构算法可以划分为“黑盒子”以及基于优化启发网络两种类型。与“黑盒子”式的网络结构相比,基于优化启发的深度网络更容易获得高精度的恢复,同时也更具可解释性。然而现有基于优化启发的图像压缩感知重构网络在每个优化阶段仅学习单一梯度,存在测量值信息利用不足、难以准确地学习梯度等缺点,限制了重构性能的提升。为了更充分地利用测量值信息,降低梯度学习的难度,本文提出了高维空间梯度学习思想,实现更准确的梯度回归。在此基础上,本文提出了特征域近端高维梯度下降(FPHGD)算法,并设计了实现该算法的深度神经网络(FPHGD-Net)以获得高精度图像重构结果。此外,本文设计了3种不同复杂度的深度空间近端映射网络结构,以满足不同的应用条件,按空间复杂度从低到高,相应模型分别为FPHGD-Net-Tiny、FPHGD-Net、FPHGD-NetPlus。实验结果表明,与OPINE-Net+相比,所提3种模型在Set11数据上的平均PSNR分别提升1.34、1.51和1.88 dB,并且在重构视觉效果上,能够恢复出更丰富的图像细节。

基于FPGA的自滑动同步法TFT-LCD屏TCON的实现

不同厂家、不同尺寸、不同分辨率的TFT-LCD屏与时序控制器TCON的接口不同,对应不同的差分信号格式。为了适应不同屏的图像显示,需要一种可编程的时序控制器TCON。通过在FPGA芯片上采用自滑动同步法,实现了TFT-LCD屏的TCON系统。该系统从视频处理主板输出的差分信号中提取视频数据,提出通过自滑动同步法使之与同步控制信号对齐;将提取的视频数据转换为源驱动器的输入信号,即mini-LVDS或RSDS格式的差分信号,同时产生门驱动器的时序信号;由源驱动器和门驱动器输出的信号驱动TFT-LCD屏显示图像信号。为了测试TCON的性能,使用两块FPGA电路板进行实验。一块FPGA电路板实现TCON时序控制器;另一块作为TCON的输入测试信号源,用于测试所设计的TCON性能。实验结果显示,所设计的TCON能够从LVDS视频差分数据中正确解析出视频数据,并转换为屏的源驱动器和门驱动器信号,驱动TFT-LCD屏显示视频信号。通过对比分析可知,使用自滑动同步法具有资源消耗少,功耗较低等优点。