融合信息通信和空中计算的认知无线网络鲁棒资源分配优化

针对空中计算网络中无线传感器的功率资源限制及其与现有无线通信网络的频谱竞争,研究一个包含信息通信和空中计算功能的认知无线网络,其中,主网络实现无线信息通信功能,次网络实现空中计算功能,且次网络中的传感器利用主网络基站发送的信号收集无线能量。考虑空中计算的均方误差(MSE)约束和网络中各节点的功率约束,基于随机信道不确定性构建目标函数为无线通信用户的和速率最大化的鲁棒资源分配优化问题,提出一个交替优化(AO)-改进的约束随机连续凸逼近(ICSSCA)算法,即AO-ICSSCA算法,将原鲁棒优化问题转换为确定性优化的子问题,并以交替的方式优化主网络基站的下行波束成形向量、次网络中传感器的功率因子和融合中心的融合波束成形向量。仿真实验结果表明,相较于改进前的约束随机连续凸逼近(CSSCA)算法,AO-ICSSCA算法能以更短的计算用时实现更好的优化性能。

无人机辅助空中计算的轨迹和功率联合优化方法

无人机(UAV)辅助的空中计算(AirComp)系统为大范围、分布式数据的快速聚合提供了有效的解决方法。该文研究了通过无人机辅助空中计算系统联合轨迹规划与功率优化方法。UAV作为移动基站,通过调整其运动轨迹和地面传感器节点发射功率,实现AirComp系统聚合数据均方误差的最优化。在UAV轨迹、传感器功率限制下,联合优化UAV轨迹、去噪因子和传感器功率,使时间平均均方误差最小化。基于块坐标下降和逐次凸逼近方法,提出无人机飞行轨迹与功率联合优化算法,并通过仿真验证了所提算法的性能。

基于无线供电空中计算系统的收发器优化设计

本文研究基于无线供电的空中计算系统,其能量发射器采用能量波束形成技术为多个低功耗传感器提供能源,基于无线多址接入信号叠加的空中计算原理,传感器将感知数据同时传输至无线接入点,无线接入点应用接收滤波技术直接完成感测数据的函数值计算。本文考虑一个先采能后感知再传输的工作协议,建模满足传感器能量收集约束条件和计算均方误差约束条件的能量发射器发射能量最小化问题,以及对能量发射器的能量波束形成向量、无线接入点的接收波束形成向量和传感器终端的发射系数进行联合优化。由于复杂的变量耦合性,基于发射能量最小化的空中计算系统设计问题属于一类非凸优化问题。为降低计算复杂度,本文提出一种交替优化求取次优解的方案。仿真结果表明该设计方案具有快速收敛性和优越性。

基于多无人机的空中计算网络资源分配算法

空中计算(over-the-Air Computation,AirComp)是一种有效提升分布式数据聚合效率的方法.现有研究大多采用单无人机(Unmanned Aerial Vehicle,UAV)方案,未考虑数据聚合质量和系统稳定性.为此,本文提出一种基于多UAV辅助的AirComp网络,旨在实现多个地面移动传感器(Ground Mobile Sensor,GMS)的高效聚合.为了改进数据采集质量并全面反映系统性能,本文设计了一个多约束优化问题,通过联合优化UAV-GMS关联、UAV三维(Three Dimensional,3D)部署、UAV去噪因子以及传输功率分配,以最大化系统的最小可达速率.针对多约束优化问题的非线性特征,本文提出一种AirComp网络下多UAV辅助的深度确定性策略梯度优化算法(DeepDeterministicPolicyGradient-basedoptimizationalgorithmformulti-UAVcooperationinAirCompnetwork,AirDDPG-UAV),用以协助多UAV在复杂环境下快速响应聚合任务.该算法利用深度强化学习的确定性策略对网络中的状态、行为和奖励进行优化,以最大化系统最小可达速率.数值结果显示,AirDDPG-UAV算法在保证较低的系统能耗和计算复杂度前提下,能够使系统最小可达速率提高15%,表明本文所提方案适用于分布式数据聚合,可以有效提高数据聚合效率.

基于空中计算架构的通信感知计算一体化

受限于设备条件和计算机网络层级,传统研究将传感设备端的数据感知、服务器端的数据计算和两端之间的数据通信视为相互独立的环节,缺乏全局考虑,严重阻碍了数据处理的效率。为了提高数据感知和传输效率,通信感知融合技术致力于设计同时支持雷达感知和数据通信的复用信号。为了提高数据传输与计算效率,空中计算旨在利用信号在无线多址信道传输过程中的波形叠加性质,在数据传输的同时直接进行计算。为了实现高效准确的数据处理,可以利用通信感知融合技术中的复用信号和空中计算技术中的波形叠加属性,实现基于空中计算架构的通信感知计算一体化,并通过对波束赋形器等信号处理环节进行设计,以降低信道噪声和信号干扰,从而提升数据在通信感知计算过程中的准确度。该技术可应用在目标探测、车联网、边缘智能等多个领域。实验结果表明,相比于传统方案,基于空中计算架构的通信感知计算一体化可以显著提升数据处理的效率和准确度。

基于GAMP-MAP估计器的非对齐空中计算

现有的空中计算依赖融合中心的最大似然(maximum likelihood,ML)估计恢复来自不同设备传输信号的算术和,但在实践中,实现准确的信道增益预编码和设备之间的严格同步很困难,ML估计在非对齐空中计算场景中会遭受严重的错误传播,而且计算复杂度高。针对非对齐空中计算问题,设计了一个基于广义近似消息传递(generalized approximate message passing,GAMP)计算框架的最大后验估计器,即GAMP-MAP。该估计器使用传输符号数据的均值和方差作为先验以提高估计准确性,利用GAMP算法标量估计特性降低计算复杂度。在不同信道相位偏移和时间偏移下进行仿真实验,实验结果表明GAMP-MAP估计器的准确性明显优于ML估计器,其运行时间相对ML估计器和LMMSE估计器有显著下降。

空中计算在指挥控制数据链中的应用

空中计算提供了通信计算一体化的技术基础,具备推动指挥控制数据链系统效能快速提升的技术潜力。首先,对美军指挥控制数据链进行了深入调研,分析其研制历程、典型系统、性能水平和发展趋势;其次,研究了空中计算的技术原理、适用范围和约束;然后,基于实际应用需求,重点设计了指挥控制数据链系统中空中计算技术的使用模式,并给出了在航迹处理方面的典型应用方法;最后,进一步讨论了空中计算技术在宽带链路、树形网络、自组织网络和战术信息系统中的拓展使用模式。

面向边缘智能的空中计算

边缘智能模型训练中的无线通信开销已成为系统性能瓶颈,空中计算是解决该问题的重要技术。利用无线多址接入信道的信号叠加特性,空中计算技术能够在多终端无线信号传输的同时,对参数汇总计算,从而实现通信计算一体化设计,降低无线通信开销,提高边缘智能系统性能。通过实例介绍了空中计算的基本原理及其在边缘智能中的应用,并展望了未来研究方向。

基于空中计算的无线群智感知

为实现服务器对海量传感数据的快速收集,提出了一种基于空中计算的快速传感数据汇聚方案。该方案通过无线功率传输激励用户参与群智感知,为数据感知和空中计算供能。通过对无线功率分配、感知数据量,以及空中计算数据汇聚时间进行联合优化,实现服务器数据开发效益的最大化。该方案的性能通过仿真进行了验证,并与传统的无线群智感知设计进行了比较。

智能反射面辅助的无线供能空中计算系统研究

文章研究了智能反射面辅助的无线供能空中计算系统。其中,接入点通常在IRS的辅助下,经下行链路为多个传感器进行无线能量传输,然后经上行链路进行空中计算。首先刻画了满足传感器能量收集约束条件下的系统计算速率的最大化问题,通过对传输时隙长度、接入点的发送波束赋形矩阵和接收波束向量,以及IRS在上下行链路中的波束赋形矩阵进行联合优化,仿真结果显示,所设计的系统和求解算法性能要远远好于基准方案。

通信感知计算一体化波束赋形设计

结合通信感知一体化和空中计算的优点,提出了一种空口通信感知计算一体化技术,并通过对多天线雷达感知与空中计算波束赋形进行联合优化设计,从而在保障感知准确度的前提下最大化空中计算的准确度。通过仿真验证,并与传统波束赋形比较后可知,该设计可以有效地同时实现雷达感知与空中计算,显著提升频谱效率。

面向复杂任务的多无人机协同计算资源分配与优化

5G时代出现了大量存在内在数据依赖关系的复杂任务,而现阶段的研究较少关注复杂任务的计算卸载与资源分配问题,且已有研究存在复杂任务关联模型覆盖不全面、无人机协作模式固定及任务延迟大的限制。针对上述问题,提出了多无人机协同部分计算卸载优化决策方案。首先,基于无人机角色划分构建多无人机空中协同计算模型;其次,以最小化任务处理时延为目标,建模子任务执行时序约束、任务响应时间约束、任务卸载约束和无人机能耗约束下的面向复杂任务的多无人机协同部分计算卸载优化问题;最后,提出双层博弈近似计算卸载算法求解该问题。仿真结果证明了所提算法的有效性和低计算复杂度,且通过对比所提算法与已有求解方案得到的任务处理时延,验证所提算法有利于提高任务处理时延的性能。

面向未来6G网络的绿色通信感知计算技术

为支持智慧城市、智慧工业等重大应用,未来6G网络需要满足海量数据由“端(传感设备)”到“边(接入基站)”的可靠传输;还需要完成原始数据的清洗与计算,实现精准环境态势感知。但接入基站侧和传感设备侧的巨大能量消耗,严重影响通信感知计算任务的可持续执行。将以“绿色”为目标,提出缩短计算流程、灵活网络部署和主动能量传输三个方面实现6G通感算的节流与开源,响应国家“碳达峰”“碳中和”的重大战略需求。

基于脉冲神经网络的无线空中联邦学习

联邦学习可以在保护数据隐私的同时,快速地从大量分布式数据中提炼智能模型,已经成为实现边缘人工智能的主流解决方案。然而,现有的联邦学习工作聚焦于在无线网络边缘部署传统的深度神经网络(如卷积神经网络等),给移动设备带来了巨大的计算负载和能量消耗。因此,提出将一种新的低消耗神经网络——脉冲神经网络,应用于联邦边缘学习中。相较于传统的深度神经网络,它训练所需的计算量和能量消耗更低。同时,为了减少通信开销,在每一轮的联邦学习训练中,提出利用空中计算技术来聚合所有局部模型的参数。整个问题是一个二次约束二次规划问题,为解决该问题,提出了一种基于分枝定界算法的算法。通过在CIFAR10数据集上的大量实验表明,该算法优于现有方法,如半正定松弛等。

智能反射面赋能的联邦边缘学习及其在车联网中的应用

针对无线链路和数据分布的异构性导致在FEEL训练中很难实现无线通信和模型精度的最佳权衡的问题,提出了一种智能反射面(RIS)赋能的空中联邦边缘学习系统,其利用智能反射面的信道可重构性自适应地配置信号传播环境,并利用空中计算实现联邦边缘学习模型的快速聚合。具体来说,首先刻画无线信道和数据异构影响下的联邦优化算法收敛行为,并以此构造统一的无线资源优化问题,通过联合设计收发端波束成形方案和RIS相移来优化学习性能。仿真结果验证了所提方案的有效性,并证明RIS可以在数据异构前提下提高空中联邦边缘学习系统准确性。最后,探讨了其在车联网中应用的可能性。

全数字化摄影测量系统在送电线路中的应用——浅谈VirtuoZo AAT计算精度分析

数字摄影测量是国际测绘科学与技术中的一个重要研究方向,当前我国220KV以上的线路工程基本上采用全数字化摄影测量系统进行选线、终勘定位等测量工作。随着全数字化摄影测量系统的不断完善发展,现在已具备电力行业的电厂选置、变电所选置分析、线路选线、终勘平断面图的绘制及大比例尺绘图等工作的要求。本文通过对山西阳泉某500KV线路工程影像资料的室内空中三角测量解算,利用PAB平差程序的计算,对各项误差进行对比,总结出外控布设的准确性、简约性。