面向6G的生成对抗网络研究进展综述

人工智能(AI,artificial intelligence)与通信技术的深度融合是6G网络的典型特征。一方面,AI为6G网络发展注入了新动力,能够有效利用网络运行产生的历史数据,使网络具备自维护、自优化的功能,加速了网络智能化进程。另一方面,6G网络丰富的场景和大规模的物联设备入网应用为AI提供了广阔的应用渠道和海量的训练数据,使AI能够更好地训练和部署,充分发挥AI的内在优势,为用户提供更加优质的智能服务。尽管如此,在一些实际应用中,受复杂环境的影响,存在数据样本收集困难、收集成本高和样本普适性不足等问题,难以充分发挥AI的性能优势。为此,学术界和工业界将生成对抗网络(GAN,generative adversarial network)引入无线网络的设计中,利用GAN强大的特征学习和特征表达能力产生大量模拟实际的生成样本,实现无线数据库的扩充,从而有效提升面向无线网络的AI模型的泛化能力。由于其优秀的性能表现,以GAN为代表的生成式模型在无线网络领域受到越来越多的关注,并迅速发展成为6G网络新的研究热点。首先,综述了GAN的原理及其改进衍生模型,对各种衍生模型的框架及优缺点进行了分析归纳;然后,综述了这些模型在无线网络领域的研究及应用现状;最后,面向6G网络的需求展望了GAN在6G网络中的研究趋势,为未来的研究提供了一些有价值的探索。

端到端的通信网综合网络管理系统

设备供应商提供的网元管理系统或子网管系统之间相互独立,不能共享各种配置和故障告警信息,给网络运维带来了诸多困难.本文面向通信业务,设计实现了一个端到端的通信网综合管理系统(E2INMS).E2INMS基于一个分层的体系架构,实现了全网拓扑管理、业务路由管理和端到端故障管理等一系列业务管理功能.该系统已经应用在朔黄铁路通信网的管理中.

联邦学习赋能6G网络综述

基于内生人工智能(AI,artificial intelligence)在大规模复杂异构网络中实现万物智联是6G的重要特征之一。联邦学习(FL,federated learning)因其数据处理本地化这一特有的机器学习架构,被认为是在6G场景中实现分布式泛在智联的重要途径,已成为6G的重要研究方向。为此,首先分析了在未来6G,特别是物联网(IoT,internet of things)场景中引入分布式AI的必要性,以此为基础论述了FL在满足相关6G指标要求的潜力,并从架构设计、资源利用、数据传输、隐私保护、服务提供角度综述了FL如何赋能6G网络,最后给出了FL赋能6G研究存在的一些关键挑战和未来有价值的研究方向。

云计算模型在铁路大规模数据处理中的应用

对铁路行业的计算资源、数据处理进行了特征分析.探讨了云计算模型中的虚拟化技术在铁路计算资源整合及MapReduce编程模型在大规模数据处理中的应用模式.采用Hadoop开源平台和Intel的虚拟化管理平台Tashi,提出和实现了基于云计算技术的铁路数据处理框架模型,并通过大规模的货票数据处理实例验证了框架模型的可扩展性和高效性.

云计算中高效节能的虚拟机分布式管理方法

云计算数据中心的集中管理方法存在虚拟机迁移数量过多、不能很好地扩展到大规模集群上的问题。为此,提出一种节能的虚拟机分布式管理方法。分布式管理方法分为本地管理与全局管理,本地管理负责监控数据中心的各个节点,通过设置高门限值和低门限值决定虚拟机的迁移,全局管理负责将虚拟机迁移到产生最小电源消耗的物理节点上。实验结果表明,分布式管理方法能在减少虚拟机迁移数量、提高系统服务质量的同时,实现云计算数据中心的高效节能。

面向6G高铁移动场景的R10编码传输方案

6G时代越来越多的智能应用将在高铁中部署,需要高铁移动网络提供可靠和高效的传输服务。然而,受高速移动影响,车-地通信链路呈现快时变特性,采用传统的信道估计、反馈机制难以有效跟踪链路的快速时变,因此高铁移动网络亟需高效的前向纠错无反馈传输方案。由于R10编码兼顾了喷泉码和系统码的优点,将其引入高铁移动场景,提出了一种基于R10编码的高速移动车-地编码传输方案。采用该方案,发送端编码过程加入结构化冗余信息结合特定编码规则生成并发送任意数量编码符号,而接收端只需要收集一定数量编码符号结合结构化冗余信息即可更精准地恢复原数据,因此可实现更低的误码率。仿真实验表明,所提方案与传统无需反馈编码传输方案相比误比特率大大降低。以Turbo码为例,误比特率降低了约13%。

一种行人遮挡下的UWB非视距传播识别方法

超宽带(UWB,ultrawideband)技术带宽大、抗干扰能力强、多径分辨率高,是室内定位的热点技术。然而由于室内环境复杂,UWB信号传播不可避免会受到遮挡,产生非视距(NLOS,non-line-of-sight)传播,极大降低了UWB定位的精度。因此,准确识别出NLOS数据,将其进行剔除或矫正,对缓解定位精度下降问题有重要的作用。现有NLOS识别工作多数聚焦于墙体等建筑结构遮挡的场景,行人遮挡的场景需要进一步讨论。由于人体遮挡对信号的影响复杂且不可忽略,针对行人遮挡下的UWB非视距传播识别问题进行研究。综合比较多种机器学习方法和信号特征组合,提出了一种基于第一路径信号功率、总接收信号功率和测量距离三维特征的随机森林方法,使用较少维度的特征达到了良好的NLOS识别效果。基于不同实测数据的实验结果表明,采用所提三维特征的随机森林方法在3组不同数据集上的NLOS识别准确率分别达到了99.05%、99.32%和98.81%。

基于支持向量机的健康状态评估方法

随着高速铁路动车组的快速发展和应用,其安全性和可靠性引起了广泛关注.为了准确判别高速铁路动车组轴箱轴承(以下简称轴箱轴承)的健康状态情况,提出通过采集轴箱轴承温度及在相同和不同转向架驱动侧、非驱动侧各个部件的温度数据,利用主成分分析法(PCA)进行特征降维,将基于决策树的支持向量机(DT-SVM)多分类算法作为判别算法,同时结合层次分析法(AHP)确定向量值权重,从而进一步提高分类精度.大量实验表明该方法可使分类准确率提升5%左右,此外通过建立健康状态评估模型,将轴箱轴承健康状态分为健康、温升、强温和激温四类,有助于提高轴箱轴承健康状态的判别力和运维决策的准确性.

基于终端干扰和链路稳定性的多终端协同维护机制

在泛在末梢环境中,为了减少协同方案维护代价,满足一定的业务质量需求,提出了一种基于终端干扰和链路稳定性的多终端协同维护机制(MDCMM)。该机制建立了协同方案维护模型,结合终端干扰和链路稳定性确定了维护指标,并使用动态规划思想优先选择可靠的协同方案,减少方案切换对用户的干扰,满足用户多样化的业务质量需求。经OPNET和MATLAB仿真实验,该机制具有较低的维护代价,并且协同方案切换更平滑,证明该机制能更好地保障用户体验。

具有强泛化性的高铁逆变器开路故障诊断算法

针对高速铁路工况复杂、不同工况下牵引电机定子电流差异较大、传统逆变器开路故障诊断算法泛化能力较差等问题,提出新的牵引电机定子电流数据预处理方法和基于卷积神经网络的逆变器开路故障诊断算法。该数据预处理算法先对三相定子电流进行角度域同步重采样,再采用基于积分的波形修复算法对电流波形进行修复,并对数据进行规范。提出用于单相定子电流故障诊断的卷积神经网络(T-CNN),以及用于解决两个绝缘栅双极型晶体管同时故障可能导致T-CNN误诊断问题的故障冲突解决规则。实验证明,相比于传统的智能诊断算法,当仅采用单个工况的故障数据训练故障诊断算法时,所提算法在其他工况下具有更好的诊断精度和泛化能力。

基于交路接续规律的动车组运营里程预测算法

为了实现高精度的动车组运营里程预测,提出一种新的以交路接续规律为依据的动车组运营里程预测算法。首先,将数据记录时间作为分段参数,提出用分段函数的形式为动车组历史开行数据附加时间权重。然后,根据动车组历史开行数据中的交路接续情况,结合时间权重,将交路转移概率矩阵作为交路接续规律的载体,并考虑新交路的情况对矩阵进行修正。最后,基于交路转移概率矩阵中的概率值,以随机的方式实现了动车组的交路接续预测。实验结果表明,与传统的日均里程法相比,所提算法在预测准确率和预测结果稳定性上均有显著提升。

基于Radon变换的非纯文本图像倾斜校正

文档图像中除了纯文本文档图像和纯图像文档外还有很多在文本中包含图像的文档。图文图像的研究有别于纯文本图像,因为它不仅仅包含文字,还包含图像。单纯的文本图像的倾斜检测是不能够精确的判断出图文图像的的倾斜角度,从而不能完成正确的校正。对于基于Radon变换的图文图像的倾斜角度检测,我们提出了一种新的方法,要在检测过程中排除掉图像的干扰,这样可以很精准的得到倾斜的角度,从而减少校正的误差。

一种基于带宽分配的联邦学习激励机制

联邦学习(FL,federated learning)是一种新兴的机器学习范式,它可以充分利用移动众包资源进行去中心化数据训练。然而,在无线网络中部署FL面临网络带宽有限、移动用户自私等挑战。为了应对这些挑战,提出了一种基于带宽分配的激励机制(IMBA,incentive mechanism with bandwidth allocation)。IMBA考虑用户数据质量和计算能力的不同设计支付方案,以激励高数据质量用户贡献其计算资源,进而提升模型训练精度。通过最小化训练时间和支付成本权重和确定最佳支付与带宽分配方案,通过优化带宽分配降低训练时延。实验表明,IMBA能够有效提高训练精度,降低训练时间,并帮助服务器灵活权衡训练时间和支付报酬。

云计算环境下虚拟机快速实时迁移方法

针对云计算数据中心中虚拟机实时迁移时间过长的问题,提出了一种虚拟机快速实时迁移方法.通过对预拷贝模型进行公式化描述和性能分析,在预拷贝方法中增加了用于标记改动频繁内存页的页位图.在迁移过程中对改动频繁的内存页进行判断,将改动频繁的内存页标记到新增的页位图中,并只在最后一轮迭代中传输.实验结果证明,与传统的预拷贝方法相比,改进后的预拷贝方法明显地减少了迁移时间,达到了快速迁移虚拟机的目的.

一种面向多泛在业务的终端聚合算法

综合业务模型和网络模型提出了面向多业务的终端聚合问题模型,并在此基础上,提出了一种面向多业务的终端聚合算法,包括多终端协同集合的构造与决策两部分.通过仿真与面向业务的终端组合模式及随机分配算法比较可知,所提算法具有更高的性能.