随着物联网(IoT, internet of things)基站的部署愈发密集,网络干扰管控的重要性愈发凸显。物联网中,设备常采用随机接入,以分布式的方式接入信道。在海量设备的物联网场景中,节点之间可能会出现严重的干扰,导致网络的吞吐量性能严重下...随着物联网(IoT, internet of things)基站的部署愈发密集,网络干扰管控的重要性愈发凸显。物联网中,设备常采用随机接入,以分布式的方式接入信道。在海量设备的物联网场景中,节点之间可能会出现严重的干扰,导致网络的吞吐量性能严重下降。为了解决随机接入网络中的干扰管控问题,考虑基于协作接收的多基站时隙Aloha网络,利用强化学习工具,设计自适应传输算法,实现干扰管控,优化网络的吞吐量性能,并提高网络的公平性。首先,设计了基于Q-学习的自适应传输算法,通过仿真验证了该算法面对不同网络流量时均能保障较高的网络吞吐量性能。其次,为了提高网络的公平性,采用惩罚函数法改进自适应传输算法,并通过仿真验证了面向公平性优化后的算法能够大幅提高网络的公平性,并保障网络的吞吐性能。展开更多
为提高射频识别(Radio frequency identification,RFID)标签的识别效率,本文针对RFID动态帧时隙ALOHA防冲突系统,提出了新的标签估计方法和帧长确定方案.标签估计中采用了不同的贝叶斯代价函数,提出了几种贝叶斯标签估计方法,它们的估...为提高射频识别(Radio frequency identification,RFID)标签的识别效率,本文针对RFID动态帧时隙ALOHA防冲突系统,提出了新的标签估计方法和帧长确定方案.标签估计中采用了不同的贝叶斯代价函数,提出了几种贝叶斯标签估计方法,它们的估计结果准确,而且通过减小标签数取值范围可使计算复杂度得到降低.随后,推导出一种根据标签数确定最优帧长的方案,它能使系统达到最大的信道利用率,该最大信道利用率要大于帧的时隙数等于标签数时所能达到的最大利用率.展开更多
文摘随着物联网(IoT, internet of things)基站的部署愈发密集,网络干扰管控的重要性愈发凸显。物联网中,设备常采用随机接入,以分布式的方式接入信道。在海量设备的物联网场景中,节点之间可能会出现严重的干扰,导致网络的吞吐量性能严重下降。为了解决随机接入网络中的干扰管控问题,考虑基于协作接收的多基站时隙Aloha网络,利用强化学习工具,设计自适应传输算法,实现干扰管控,优化网络的吞吐量性能,并提高网络的公平性。首先,设计了基于Q-学习的自适应传输算法,通过仿真验证了该算法面对不同网络流量时均能保障较高的网络吞吐量性能。其次,为了提高网络的公平性,采用惩罚函数法改进自适应传输算法,并通过仿真验证了面向公平性优化后的算法能够大幅提高网络的公平性,并保障网络的吞吐性能。
文摘为提高射频识别(Radio frequency identification,RFID)标签的识别效率,本文针对RFID动态帧时隙ALOHA防冲突系统,提出了新的标签估计方法和帧长确定方案.标签估计中采用了不同的贝叶斯代价函数,提出了几种贝叶斯标签估计方法,它们的估计结果准确,而且通过减小标签数取值范围可使计算复杂度得到降低.随后,推导出一种根据标签数确定最优帧长的方案,它能使系统达到最大的信道利用率,该最大信道利用率要大于帧的时隙数等于标签数时所能达到的最大利用率.