保留模体信息的属性二分图神经网络表示学习

目前网络表示学习方法大多针对通过网络,忽略了属性二分网络的特殊性以及网络的模体信息等。为了解决以上问题,提出一种保留模体信息的属性二分图神经网络表示学习方法MABG。该方法首先通过网络中两节点共同参与形成的蝶形模体数量来调整边的权重,从而构建模体权重矩阵,获得包含模体信息的属性二分网络邻接矩阵。接着采取不同的策略捕捉网络中的显式和属性隐式消息,对于不同类型节点集合间的显式关系采用消息传递机制,对于同类型节点中的隐式关系采用消息对齐机制,同时使用对抗模型最小化输入特征和显式关系表示之间的差异,之后通过级联框架来捕捉高阶信息并得到最终的节点表示。将该模型在四个真实公开的数据集上执行推荐任务并与其他方法进行对比,验证了该模型的有效性。

面向安全通信的智能反射面网络能效优化算法

为了提高智能反射面网络传输安全性和能效,提出了一种面向安全通信的智能反射面网络能效最大资源分配算法。针对多输入单输出的智能反射面辅助蜂窝通信系统,考虑用户的安全速率约束、基站的最大发射功率约束以及连续相移约束,建立了非线性、多变量耦合的能效最大化资源分配模型。利用Dinkelbach方法将目标函数转化为辅助变量相减的形式,采用交替迭代算法求解原变量耦合的非凸优化问题。仿真结果表明,所提算法与传统算法对比,能效提升了8.3%,中断概率下降了77%。

反向散射通信技术的研究与发展

反向散射通信作为物联网部署的重要技术手段,其主要思想是利用入射信号进行低功耗被动通信和能量收集,以期实现物联网节点的能源自持。为了加深对该技术的认识并推动相关领域的发展,对现有研究展开综述并对未来发展进行展望。首先,阐述了反向散射通信的基本原理及架构演进。其次,针对不同的通信架构,对已有工作进行了综述。在此基础上,给出了融主被动传输的互惠共生反向散射通信架构,并进行了初步的研究和仿真分析。最后,结合已有研究探讨了所提通信架构的未来研究方向。

面向隐蔽双站反向散射网络的性能优化

针对双站反向散射通信(Backscatter Communication,BackCom)网络易遭受恶意窃听的问题,提出了隐蔽双站BackCom网络。推导了窃听者检测错误概率和BackCom传输中断概率来刻画其信息传输的隐蔽性与可靠性,并提出一种方法在满足隐蔽性约束下来进一步提高系统的传输性能。利用统计信道状态信息,在高信噪比条件下依次推导窃听者检测错误概率BackCom中断概率的闭合表达式。通过联合优化窃听者的检测阈值和BackCom发射机的反射系数,构建一个BackCom传输中断概率最小化的非凸多维资源分配问题。为了解决该非凸问题,采用块坐标下降法(Block Coordinate Descent,BCD)将其分解为两个子问题。在此基础上,深入分析子问题的结构特性并利用目标函数关于反射系数的单调递减特性设计一种基于BCD的迭代算法,以此求解转换问题。仿真结果验证了分析结果的正确性并且所提方案能够提升基准方案的性能,当传输速率为0.1 Mb/s时,系统的中断概率能够降低至10^(-2);对于较大传输速率,系统的中断概率仍保持在10^(-1)以下。

基于不完美CSI的D2D通信网络鲁棒能效资源分配算法

针对设备到设备(D2D)直连通信网络传统最优资源分配算法在随机信道时延、信道估计误差影响下鲁棒性弱的问题,该文在考虑参数不确定性影响的条件下,提出D2D用户总能效最大的鲁棒资源分配算法。考虑干扰功率门限、用户最小速率需求、最大传输功率和子信道分配约束,建立了下垫式频谱共享模式下多用户D2D网络资源分配模型。基于有界信道不确定性模型,利用最坏准则方法将原非凸鲁棒资源分配问题转换为确定性的凸优化问题。然后利用拉格朗日对偶理论求得资源分配的解析解。仿真结果表明所提出的算法具有很好的鲁棒性。

MIMO全双工双向安全通信系统的预编码矩阵设计

研究多输入多输出全双工双向通信系统中,合法节点在接收信息的同时向对方发送保密信息,并协同发送人工噪声的物理层安全方案的预编码矩阵设计。针对合法信道、窃听信道的信道状态信息完美的场景,使用DC规划优化信息信号与人工噪声的预编码矩阵以最大化系统保密和速率。对于信道CSI不完美的场景,使用最差准则建模信道,利用加权最小均方误差算法对预编码矩阵进行稳健设计。仿真结果验证了优化算法能有效提高系统的保密和速率。

反向散射辅助的无线供能通信网络中用户能效公平性研究

针对反向散射辅助的无线供能通信网络中由于信道质量差异导致的用户能效不公平问题,提出了一种基于最大最小准则的资源分配方法。首先,考虑用户服务质量与能量因果约束,并以最大最小化用户能效为目标,将优化问题建模为混合整数非凸分式规划问题。其次,利用广义分式规划理论将其转化为一个混合整数非凸减式优化问题,并通过引入松弛变量、反证法和辅助变量将非凸减式问题进一步转化为一个等价的凸问题。最后,提出一种迭代算法来获取原优化问题的最优解。实验仿真验证了所提迭代算法的快速收敛性,并证明了所提资源分配方法能够有效地保障用户能效公平性。

能量收集中继安全传输网络的在线功率控制算法

针对源节点和中继节点均采用收集能量供电的放大转发中继网络,考虑两个目的节点之间信息相互保密的场景,该文提出最大化长期时间平均保密速率的源节点和中继节点发送功率联合优化算法。由于能量到达和信道状态是随机过程,该问题是一个随机优化问题。利用Lyapunov优化框架将电池操作和能量使用约束下的长期优化问题转化为每时隙的“虚队列漂移加惩罚”最小化问题,并求解。仿真结果显示该文提出的算法在长期平均保密速率上相较于对比算法具有显著的优势,同时算法仅依赖于当前的电池状态和信道状态信息做出决策,是一种实用的、低复杂度的算法。

认知ad hoc网络中的多信道路由安全威胁及其对策研究

在日趋紧张的频谱资源环境中,不依赖固定基础设施和固定频谱分配策略的认知ad hoc网络相关技术已经获得了十分迅速的发展。但是,认知ad hoc网络的多信道路由特点使其收益与风险并存,面临着严重的安全威胁困扰。为深入理解多信道路由安全威胁,掌握其防御对策的研究现状及发展趋势,从节点路由和多信道选择这2个层面细化出具体的威胁类型,归纳目前的典型防御对策,总结出保障认知ad hoc网络安全的首要前提是在认知节点之间建立信任关系,而信任管理正是解决多信道路由安全威胁的基础。最后,针对目前多信道路由及其防御对策研究中存在的亟待解决问题,明确了一些有待继续研究的方向。

反向散射通信网络资源分配综述

随着物联网技术的发展,无线网络呈现出大规模用户接入、高功耗、高吞吐量需求等特点。为了满足传输和降低能耗的需求,反向散射通信技术被认为是解决上述问题最有效的方案之一。面对复杂的网络场景,提高网络的频谱效率、系统容量以及节点的能量管理,成为了当前反向散射通信资源分配领域亟待解决的问题。针对该问题,着重对反向散射通信网络资源分配算法进行了综述。首先,介绍了反向散射通信的基本概念,并对不同的反向散射通信网络架构进行了分析;然后,根据不同的网络类型、优化目标以及天线数量,对反向散射通信网络的资源分配算法进行了阐述;最后,对反向散射通信网络资源分配问题所面临的挑战以及未来的研究趋势进行了展望。

基于Q-learning的多业务网络选择博弈策略

为了增加网络吞吐量并改善用户体验,提出一种基于Q学习(Q-learning)的多业务网络选择博弈(Multi-Service Network Selection Game based on Q-learning,QSNG)策略。该策略通过模糊推理和综合属性评估获得多业务网络效用函数,并将其用作Q-learning的奖励。用户通过博弈算法预测网络选择策略收益,避免访问负载较重的网络。同时,使用二进制指数退避算法减少多个用户并发访问某个网络的概率。仿真结果表明,所提策略可以根据用户的QoS需求和价格偏好自适应地切换到最合适的网络,将其与基于强化学习的网络辅助反馈(Reinforcement Learning with Network-Assisted Feedback,RLNF)策略和无线网络选择博弈(Radio Network Selection Games,RSG)策略相比,所提策略可以分别减少总切换数量的80%和60%,使网络吞吐量分别提高了7%和8%,并且可以保证系统的公平性。

融合多层次结构信息的深度属性二分网络表示学习

网络表示学习旨在将网络中的节点转换到低维向量空间,并保持网络固有属性。现有方法大多针对普通网络,忽略了属性二分网络的特殊性及网络的高度非线性特性等。针对上述问题,首先引入一个扩展权重矩阵融合二分网络显式和携带属性信息的隐式结构;接着提出一种基于深度自编码器的属性二分网络表示学习模型,以捕捉网络的高度非线性特性;通过深度自编码器重构二阶邻近度以保持全局网络结构,同时该编码器利用节点一阶邻近度作为监督信息来保持局部网络结构;最后进行联合优化。将该模型在Yelp、Douban Book、Douban Movie和MovieLens四个数据集上进行推荐任务,结果显示该模型的F 1@10、MAP@10、MRR@10和NDGG@10指标在四个数据集上的平均值相较最新基准方法(ABNE)分别提高4.29%、5.63%、6.26%、4.21%。

结合属性信息的二分网络表示学习

现有的网络表示学习算法主要是针对同质网络或异质网络设计的,而忽略了在推荐系统、搜索引擎和问答系统等领域出现的二分网络的特殊特征以及这类网络所携带着的非常丰富的属性信息。为了解决上述问题,提出了一种结合属性信息的二分网络表示学习方法(ABNE)。该方法首先将连边分解成邻居节点间的间接关系集,嵌入显式关系,接着通过余弦相似性引入并定义节点的属性相似度矩阵,并将其作为权重矩阵的一部分指导有偏随机游走,从而嵌入隐式关系和属性信息。最后通过一个联合优化框架得到同时携带网络结构信息和属性信息的节点表示向量。在四个真实公开数据集上进行了推荐任务,并与其他现有方法进行比较,实验结果表明该算法的优越性和合理性。

无线供能反向散射通信中能耗最小化资源分配方法

针对无线供能反向散射通信网络,提出了一种满足传感设备通信需求及能量因果的专用能量站能耗最小化资源分配方法。在考虑非线性能量收集模型及不完美串行干扰消除基础上,通过联合优化专用能量站发射功率、传感设备反向散射通信时间、反向散射系数及其能量收集时间,构建了一个专用能量站能耗最小化的非凸多维资源分配问题。首先,构建辅助变量对反向散射系数与时间进行解耦,再利用目标函数是关于专用能量站发射功率的单调递减函数这一特性来设计一种基于二分法的迭代算法来获取原问题的最优解。仿真验证了所提算法的快速收敛性,同时,与同类算法相比,所提方法可为专用能量站节约更多的能量。

基于无线传播环境的无蜂窝大规模MIMO系统接入点部署优化

无蜂窝大规模多输入多输出(MIMO)系统通过在覆盖区域内部署大量的接入点(AP),可以为用户提供均匀、可靠的服务。传统的无蜂窝大规模MIMO系统采用随机部署,未考虑AP周围的路径损耗、阴影衰落散射物以及环境遮挡对覆盖质量的影响。为了考虑实际环境下无蜂窝大规模MIMO能实现均匀、一致的覆盖,提出了基于无线传播环境的AP部署方案。首先,通过混合概率路径损耗模型对无线传播环境进行表征,其次构建了以最大化平均吞吐量为目标的AP部署优化问题,最后将问题转化为马尔可夫博弈过程,并且基于多智能体深度确定性策略梯度(MADDPG)算法得出最优的AP部署策略。仿真结果表明,相比于传统的随机部署和现有AP部署策略,所提方案可明显改善复杂环境下的非均匀覆盖问题,为用户提供良好一致的均匀覆盖。

基于NOMA的无线携能D2D通信鲁棒能效优化算法

针对频谱短缺、基站负荷过高、通信系统功耗较大等问题,考虑不完美的信道状态信息,该文提出一种基于非正交多址接入的无线携能(SWIPT)D2D网络鲁棒能效(EE)最大化资源分配算法(SREA)。考虑用户的服务质量约束以及最大发射功率约束,基于随机信道不确定性建立鲁棒能效最大化资源分配模型。利用Dinkelbach和变量替换方法,将原NP-hard问题转换为确定性的凸优化问题,通过拉格朗日对偶理论求得解析解。仿真结果表明,所提算法在保证蜂窝用户通信质量的同时,能够有效提高D2D用户的能效性和鲁棒性能。

无人机辅助的NOMA网络用户分组与功率分配算法

为了提高传输的灵活性和应对应急通信的场景,提出了一种基于无人机辅助的非正交多址接入系统用户分组与功率分配联合优化算法。考虑基站最大发射功率约束与用户分组约束,构建了NOMA多用户和速率最大化的资源分配问题。为了解决该非凸问题,基于图论提出了最大割定理下的用户分组算法,实现了组内用户与无人机的相对距离最小。基于分组结果,利用辅助变量法,将原非凸功率分配子问题转化为凸优化问题求解。仿真结果表明,所提算法具有较好的和速率性能。

基于能量收集的UAV-D2D网络资源分配算法

为更好地利用周围环境中的射频信号能量,提升终端直连(D2D)通信的运行时间和无人机(UAV)通信的频谱利用率,该文提出一种基于能量收集的UAV-D2D网络资源分配算法。考虑UAV最大发射功率和移动性约束,蜂窝用户和D2D用户的最小速率约束,建立了系统和速率最大化的多变量耦合资源分配问题。利用连续凸近似和变量替换方法将混合整数非线性规划问题转化为凸优化问题,并利用拉格朗日对偶方法获得闭式解。仿真结果表明,所提算法具有良好的收敛性能,并能够有效提升系统容量。

面向数据压缩的NOMA-MEC系统能耗最小化研究

该文研究基于数据压缩的非正交多址-移动边缘计算(NOMA-MEC)系统中系统能耗最小化问题。考虑到部分压缩与卸载方案和基站端计算能力有限等条件,通过联合优化各用户的任务压缩和卸载比例、发射功率以及任务压缩时间等变量,建立一个系统能耗最小化优化问题。为了求解该问题,首先推导出各用户最佳发射功率的闭式表达式。接着利用连续凸逼近(SCA)方法对原问题的非凸约束进行近似,然后提出一个基于SCA的高效迭代算法来求解原问题,从而得到该系统的最佳资源分配方案。最后借助于计算机仿真对所提出方案的性能优势进行验证,仿真结果表明相比于其他基准方案,该文所提方案能有效降低系统能耗。

无线供能移动边缘网络中计算时延最小化资源分配方法研究

针对无线供能移动边缘计算(MEC)网络,该文将计算时延定义为数据卸载与计算所消耗的时间,并提出一种节点计算时延之和最小化的多维资源分配方法。首先,在节点能量因果约束下,通过联合优化专用能量站工作时长、任务分割系数、节点计算频率和发射功率来建立一个计算时延之和最小化的多维资源分配问题。由于存在优化变量耦合与max-max函数,所建问题非凸且无法采用凸优化工具获取最优解。为此,通过引入一系列松弛变量和辅助变量来进行优化问题简化以及优化变量解耦,并在此基础上,通过深入分析简化问题的结构特性,提出一种基于二分法的迭代算法来求解原问题的最优解。最后,计算机仿真验证了所提迭代算法的正确性以及所提资源分配方法在计算时延方面的优越性。