一种应用于大规模时间敏感网络的混合流量调度机制

针对仅能保证设备间频率同步的大规模时间敏感网络(TSN,time-sensitive networking)场景,提出一种时间感知整形(TAS,time-aware shaper)结合指定周期的排队和转发(CSQF,cycle specified queuing and forwarding)的混合流量调度机制。首先,研究位于不同时间域内的两个相邻节点间实现周期循环映射对齐的方案;其次,结合段路由技术,提出一种基于CSQF机制的联合路由和调度的启发式算法,完成对大带宽流量的资源分配。实验结果表明,相较于现有方案,所提方案大幅度提升了系统资源利用率及调度成功率,实现了广域网场景下的TSN高效流量调度。

基于雷达方程的AN/TPY-2雷达作用距离与干扰研究

对AN/TPY-2雷达作用距离研究的目的是分析雷达的工作性能以及建立仿真平台以研究干扰其的方法。首先,利用雷达方程推导了不同雷达截面积(radar cross section,RCS)、信噪比、脉冲累积个数下的雷达最大作用距离。信噪比为5时,前置模式(RCS=10m^2)和末端模式(RCS=0.1m^2)时,作用距离分别约为3 735km和834km。其次,针对威胁较强的前置模式,提出使用电子干扰的对抗措施以降低雷达的检测性能。最后,基于SystemVue软件建模了雷达电子干扰系统,对不同信干比条件下的雷达检测概率进行了验证。仿真显示电子干扰能够明显降低该雷达的探测性能。

HSTC:TSN中的混合流量调度机制

针对借助时间敏感网络(TSN)实现工业网络中混合流高效传输的问题,提出了一种结合时间感知整形与循环排队转发的混合流量调度机制。该机制通过求解网络最小时隙并调整预订流量采样周期,大幅降低时间敏感流对传输资源的占用;并针对流预留流,提出奇偶映射方案及流偏移规划算法,实现对大带宽流的调度规划。仿真结果表明,所提机制的系统带宽利用率可达88%,并提升52%的网络调度成功率上界,实现了TSN中混合流的高效调度。

非共轴OAM通信系统的波束管理研究

轨道角动量(orbital angular momentum,OAM)作为一种新的调制自由度,能大幅度提高无线通信的频谱利用率。而基于均匀圆阵列(uniform circular array,UCA)的OAM通信系统要求收发端阵列静止并且完美对准,导致OAM难以实际应用。提出了基于OAM的波束管理,通过收发端波束扫描,确定最佳收发波束匹配,利用匹配波束通信。仿真结果证明该方案能有效解决由收发端阵列非共轴带来的系统性能下降问题。

人工智能物联网中面向智能任务的语义通信方法

随着物联网(IoT)和人工智能(AI)技术的融合发展,传统的数据集中式云计算处理方式难以有效去除数据中大量的冗余信息,给人工智能物联网(AIoT)中智能任务低时延、高精度的需求带来挑战。针对这一挑战,基于深度学习方法提出了AIoT中面向智能任务的语义通信方法。针对图像分类任务,在IoT设备上利用卷积神经网络(CNN)提取图像的特征图;从语义概念出发,将语义概念和特征图进行关联,提取语义关系;基于语义关系实现语义压缩,减小网络传输的压力,降低智能任务的处理时延。实验和仿真结果表明,对比传统通信方案,所提方法的复杂度仅约为传统方案的0.8%,同时具有更高的分类任务性能;对比特征图全部传输的方案,所提方法传输时延降低了80%,大大提升了有效分类准确率。

面向智能任务的语义通信:理论、技术和挑战

未来机-机、人-机万物智能互联对传统通信方式提出了挑战,提取信源语义信息进行传输的语义通信方法为6G提供了新的解决方法。首先,综述了语义通信的发展历程和研究现状,分析了语义通信目前面临的两大瓶颈问题,提出了面向智能任务的语义通信架构,给出了面向智能任务的语义信息熵和语义信道容量的度量方法;其次,针对不同的智能任务,分别提出了语义编码和语义联合信源信道编码方案;再次,搭建了语义通信平台,对所提方法进行实验验证;最后,对语义通信未来的挑战和开放性问题进行了总结。语义通信方法相较于传统通信方法可以大大降低传输数据量和传输时延,将在未来万物智联的通信中发挥重要作用。

智能网联环境下面向语义通信的资源分配

传统的资源分配方法难以满足智能网联环境下各种业务准确理解大量多媒体数据语义的需求。针对该挑战,以智能任务导向的车联网场景为例,首先,提出了两种面向语义通信的资源分配优化准则;然后,针对不同维度的资源,综述了面向语义通信的资源分配模型与算法;构建了面向语义通信的图像数据集,在车联网仿真场景下分析了所研究资源分配方法的性能优势;最后,给出了语义通信资源分配的未来挑战。

一种结合入队整形的TSN流量调度算法

时间敏感网络(TSN,time-sensitive network)中混合流量调度的研究目前主要关注如何保证流预留(SR,stream reservation)流的有界低时延传输,然而SR流长时间阻塞尽力而为(BE,best-effort)流,易导致BE流时延过大,影响网络的状态维护及系统管理。为了减小BE类消息的最大端到端时延,提出了一种结合入队整形的流量调度算法,通过减少SR流的预留带宽降低了它对BE流的阻塞程度。首先,在SR队列前增加入队缓存区;然后,通过设置入队整形时每个入队缓存区中数据帧进入SR队列的数目调整相同优先级流量间的预留带宽比;最后,联合出口整形为每条SR流预留与其时延要求相匹配的带宽资源。实验结果表明,结合入队整形可以将BE类消息的最大端到端时延减小9.66%~75.76%。

面向多样化需求的网络切片业务链部署

网络切片通过业务链部署来实现切片的创建和编排。针对网络切片中的业务链部署,考虑了业务链的多样化需求,并引入了虚拟网络功能共享和准入控制,以降低部署成本并提高业务链的接受率。将上述问题建模成一个最大化网络净收益的优化模型,提出了部署算法。仿真结果表明,所提的部署算法优于已有的基准算法,能达到接近最优的性能。

基于业务量突发性的异构蜂窝网络最优基站密度

针对多媒体业务普及导致网络业务量突发性增强的问题,利用随机几何建模,研究了异构蜂窝网络中基于业务量突发性的最优基站密度.基于业务量突发性提出业务覆盖率定义,推导出异构蜂窝网络中业务覆盖率与基站密度之间的关系.以业务覆盖率为限制条件,构建目标为最小化基站密度的优化问题.利用二分搜索法获得最优基站密度,并推导出最优基站密度的上、下限.通过仿真结果验证了理论推导的准确性,证实了业务量突发性对最优基站密度的影响.

基于DRL的6G多租户网络切片智能资源分配算法

未来第6代移动通信系统(6G)网络服务支持虚实结合、实时交互,亟需快速匹配多租户个性化服务需求,对此,提出了一种两层递阶的网络切片智能管理方案,上层部署全局资源管理器,下层部署面向不同租户的本地资源管理器.首先,考虑不同租户多类型切片请求的差异性,基于端到端切片的实时状态描述建立服务质量评估模型.结合服务质量反馈,利用深度强化学习(DRL)算法,优化上层全局资源分配和下层局部资源调整,提升不同域多维资源的使用效益,并使能租户资源定制化.仿真结果表明,所提方案能够在优化资源供应商长期收益的同时,保障服务质量.

蜂窝移动网络低成本高精度授时

传统的网络授时和卫星授时方法受制于授时精度和部署环境,难以满足移动网络业务对高精度同步的需求。针对这一问题,提出了一种移动终端低成本基带授时模组设计,并基于软件定义了无线电的移动通信基站和展锐模组,实现了原型授时系统。定义了移动网络授时端到端的误差源模型和基于空中接口物理层信号的网络授时技术的原理,并重点阐述了如何基于授时信令精确下发绝对时间及如何基于多种空口物理层信号的时延估计补偿、误差感知、鲁棒的机制和统计补偿等方法在移动网络中实现亚微秒的同步精度。实验结果表明,单次空口授时精度优于10^(-7)s。

基于语义重要性的语义编码算法研究

为了满足智能通信实体之间信息高效传输的需求,语义通信研究面临语义信息的表示与度量、编码以及传输等基本问题。针对通信资源紧张、任务时延敏感的万物智联传输场景,提出了基于语义重要性的语义编码算法,并设计、搭建了语义通信实验平台,实现了语义信息传输。首先,结合无线通信的基本流程建立了面向智能任务的语义通信系统模型;其次,设计了语义重要性提取方法,通过聚合图像通道特征并自适应校准其特征响应以获得特征图对于任务结果的重要性权重;然后,设计了语义压缩方法,在实际传输时根据重要性权重进行特征图筛选,以实现语义数据压缩;最后,在搭建的语义通信平台上以工业互联网场景中表面缺陷分类任务为例对所提算法的性能进行实测验证。实验结果表明,所提算法具有传输数据量小、抗噪声能力强和任务处理时延短等优势。

基于多向搜索的SDN流表更新一致性方案

流表更新的无环一致性最优化方案的计算复杂度高,而反向、双向更新方案的计算复杂度低,依赖链长度难以得到有效的优化,为此提出了基于多向搜索的流表更新一致性方案.引入逻辑证明验证了该方案具有无环一致性.仿真结果显示,该方案具有接近最优化方案的依赖链长度,并且计算复杂度得到了显著优化.

面向5G大连接场景的eMTC技术解析

针对第3代合作伙伴计划(3GPP)提出的增强型机器类型通信(e MTC)技术方案,总结了e MTC在第5代移动通信系统(5G)大连接场景下的一系列技术改进,从系统成本与复杂度、网络覆盖范围和功耗3个方面对其进行了讨论与分析,并介绍了Rel-14 e MTC的主要增强与演进技术,最后根据目前物联网所面临的问题,对e MTC未来的发展趋势进行了阐述与分析.

面向语义通信的3D骨骼点数据编码与压缩方法

传统视频编码与压缩方法难以有效去除视频数据中的大量冗余信息,降低了传输效率。对此,提出了一种面向语义通信的三维(3D)骨骼点数据信源编码与压缩方法(DMDCT)。针对骨骼点数据中的冗余问题,提出了多尺度骨骼点表示方法,自适应地描述参与每个不同动作语义骨骼点运动状态的同时保留人体骨骼语义架构;引入离散余弦变换(DCT)从频域层面分离多尺度骨骼点表示的低频分量和高频分量,进一步减少了整体数据量。区别于传统通信传输原始视频数据的方式,结合语义通信只传输与高层任务相关的骨骼点数据,提高了数据传输效率。在公开数据集NTU RGB+D上以动作识别为例的实验结果表明,DMDCT在同等压缩率的top1准确率比同类算法提高了约5%,且在仅保留10%的DCT系数时仍可达到74.2%的准确率,而数据量仅为原始数据量的6%。

面向5G无缝连接的云无线接入网系统及实现

基于云无线接入网(C-RAN)灵活的无线功能部署模式,提出了面向第5代移动通信系统(5G)无缝连接的CRAN架构,继而基于开源虚拟化的软件无线电系统Open Air Interface搭建了C-RAN演示平台.面向5G无缝连接的C-RAN演示平台实现了完整的蜂窝通信功能,既可以对接虚拟化的核心网,也支持用户设备的高效无缝接入,并且具备较高的可扩展性,可以面向5G新型需求和场景进行持续更新.

基于对信号功率谱拟合特征提取的信号识别方法

针对通信信号业务种类识别问题,提出利用机器学习领域的线性回归算法和多项式拟合模型提取信号功率谱的多项式拟合因子作为信号的统一特征来构建训练集,并在深度学习平台keras上构建了全连接的神经网络分类器模型.相比传统的方法,新方法具有对无线电信号统一表征而无需对业务逐个提取个性化特征的优点.选取实际无线电监测数据中的码分多址（CDMA）上行、CDMA下行、增强型全球移动通信系统（EGSM）上行、EGSM下行、无线局域网（WLAN）以及长期演进（LTE）6种信号的功率谱数据作为数据集,通过验证得到了97%的分类准确率,并证明了该方法的可行性.

多径信号辅助的网联车辆无线协作定位

为解决全球定位系统(GPS)和北斗卫星导航系统(BDS)等传统定位方式在信号被遮挡的区域定位范围受限以及精度不足的问题,基于第5代移动通信系统和车联网技术提出了一种多径信号辅助的网联车辆无线协作定位方法.首先将车联网中接收端与发射端之间多径信号成分携带的定位信息提取成多径定位线段,并基于最小二乘法估计出接收端与发射端之间的相对位置;然后基于置信传播算法,将相对位置信息以及部分覆盖的GPS/BDS信息进行协作融合,得出整个车联网中各个车辆的位置.仿真结果表明,在不同的车辆密度和GPS/BDS可用概率下,新算法能提升网联车辆的定位精度,有效解决车辆GPS/BDS覆盖不充分的问题,为网联车辆提供高精度的定位.

基于Sumtree DDPG的智能交通信号控制算法

提出了基于和树—深度确定性策略梯度(Sumtree DDPG)的多路口智能交通信号控制算法,通过对交叉路口数据的实时观测,智能地调控交通信号周期时长、相位顺序以及相位持续时间,提高路口通行效率.同时,基于和树结构的经验数据存储模式提高采样效率,加速了算法收敛.仿真结果表明,在动态环境下,该算法在车辆排队长度、车辆等待时间、车辆平均速度等性能指标上均优于现有的固定配时方案和基于流量权重的配时算法.