检索结果-内蒙古大学图书馆

电子与信息学报 2024年第7期46卷 2793-2802页

作者：唐伦李质萱文雯成章超陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题,该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下,以最大化传感信息满意度和最小化切片重配置及DTs同... 详细信息

针对传感数据在无线接入网(RAN)中传输的不可靠性与不及时性造成数字孪生(DTs)同步信息的不精确问题,该文提出一种基于智能分层切片技术的DTs传感信息同步策略。该策略在双时间尺度下,以最大化传感信息满意度和最小化切片重配置及DTs同步成本为目标,联合优化切片无线资源配置以及DTs传感信息同步问题。首先,在大时间尺度,利用网络切片为有着不同服务质量(QoS)的DTs提供隔离以及解决部署问题;在小时间尺度,通过更加灵活的无线资源分配来提高DTs传感信息同步任务对动态环境的适应性,进一步提高通信性能,建立更逼近于物理实体的DTs。其次,为了求解不同时间尺度的优化问题,该文提出一种双层深度强化学习(DRL)框架实现高效的网络资源交互,其中下层控制算法利用优先经验放回(PER)机制加快收敛速度。最后,仿真结果验证了所提策略的有效性。

关键词：数字孪生网络切片深度强化学习状态估计资源分配

来源：评论

学校读者我要写书评

暂无评论

基于重叠Ket增强和张量列车的非平衡频谱制图算法

引用

电子学报 2024年第7期52卷 2468-2476页

作者：王欣申滨黄晓舸重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

近年来,基于张量补全的频谱制图得到了广泛研究.目前用于频谱制图的张量补全算法大多隐含地假设张量具有平衡特性,而对于非平衡张量,难以利用其低秩性估计完整的张量信息,导致补全算法性能受损.本文提出基于重叠Ket增强(Overlapping Ket... 详细信息

近年来,基于张量补全的频谱制图得到了广泛研究.目前用于频谱制图的张量补全算法大多隐含地假设张量具有平衡特性,而对于非平衡张量,难以利用其低秩性估计完整的张量信息,导致补全算法性能受损.本文提出基于重叠Ket增强(Overlapping Ket Augmentation,OKA)和张量列车(Tensor Train,TT)的非平衡频谱制图算法,以解决非平衡张量在应用传统张量补全算法时性能下降的问题.首先使用OKA将低阶高维张量表示为高阶低维张量,在无信息损耗的情况下解决非平衡张量无法利用其低秩性进行张量补全的问题;然后使用TT矩阵化得到较平衡的矩阵,在维度较平衡条件下提高补全算法的精确度;最后利用高阶低维张量的低秩性,使用并行矩阵分解或基于F范数的无奇异值分解(Singular Value Decomposition Free,SVDFree)算法完成张量补全.仿真结果表明,针对非平衡张量,所提方案与现有的张量补全算法相比,可以获得更精确的无线电地图,同时所提SVDFree算法具有更低的计算复杂度.

关键词：频谱制图张量补全张量列车重叠Ket增强并行矩阵分解奇异值分解

来源：评论

学校读者我要写书评

暂无评论

基于主从博弈的分层联邦学习激励机制研究

引用

电子与信息学报 2023年第4期45卷 1366-1373页

作者：贾云健黄宇梁靓万杨亮周继华重庆大学微电子与通信工程学院重庆400044 95696部队重庆400030 重庆金美通信有限责任公司复杂环境通信重庆市重点实验室重庆400030

为了优化分层联邦学习(FL)全局模型的训练时延,针对实际场景中终端设备存在自私性的问题,该文提出一种基于博弈论的激励机制。在激励预算有限的条件下,得到了终端设备和边缘服务器之间的均衡解和最小的边缘模型训练时延。考虑终端设备... 详细信息

为了优化分层联邦学习(FL)全局模型的训练时延,针对实际场景中终端设备存在自私性的问题,该文提出一种基于博弈论的激励机制。在激励预算有限的条件下,得到了终端设备和边缘服务器之间的均衡解和最小的边缘模型训练时延。考虑终端设备数量不同,设计了基于主从博弈的可变激励训练加速算法,使得一次全局模型训练时延达到最小。仿真结果显示,所提出的算法能够有效降低终端设备自私性带来的影响,提高分层联邦学习全局模型的训练速度。

关键词：分层联邦学习博弈论激励机制

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的多层卫星网络边缘安全决策方法

引用

通信学报 2022年第6期43卷 189-199页

作者：左珮良侯少龙郭超蒋华王文博北京电子科技学院电子与通信工程系北京100070 西安电子科技大学通信工程学院陕西西安710068 北京邮电大学信息与通信工程学院北京100876

多层卫星网络凭借其全球覆盖、高机动性、强抗毁性等优势,成为学术界和产业界的关注热点。然而,多层异构卫星网络如何依靠卫星节点的自主判决能力,发挥网络边缘场景中针对感知数据包含加解密和压缩在内的处理以及回传方面的任务协作相... 详细信息

多层卫星网络凭借其全球覆盖、高机动性、强抗毁性等优势,成为学术界和产业界的关注热点。然而,多层异构卫星网络如何依靠卫星节点的自主判决能力,发挥网络边缘场景中针对感知数据包含加解密和压缩在内的处理以及回传方面的任务协作相关问题亟待解决。鉴于此,确立了包含低轨卫星的多层卫星网络边缘模型,并提出了一种基于深度强化学习的数据压缩与加密回传决策方法,旨在以确保数据安全为前提,以低传输时延为目标,实现任务卫星在多层卫星网络架构中的边缘决策。仿真和分析表明,所提方法具备合理性和可行性,能够快速地实现收敛,且相比于多个启发式方法具备更优异的性能。

关键词：多层卫星网络低轨卫星边缘决策强化学习数据加密

来源：评论

学校读者我要写书评

暂无评论

工业物联网中数字孪生辅助任务卸载算法

引用

电子与信息学报 2024年第4期46卷 1296-1305页

作者：唐伦单贞贞文明艳李荔陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题,该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先,该算法构建了云-边-端3层数字孪生辅助任务卸载框架,在所创建的数字孪生层中... 详细信息

针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题,该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先,该算法构建了云-边-端3层数字孪生辅助任务卸载框架,在所创建的数字孪生层中生成近似最佳的任务卸载策略。其次,在任务计算时间和能量的约束下,从时延的角度研究了计算卸载过程中用户关联和任务划分的联合优化问题,建立了最小化任务卸载时间和服务失败惩罚的优化模型。最后,提出一种基于深度多智能体参数化Q网络(DMAPQN)的用户关联和任务划分算法,通过每个智能体不断地探索和学习,以获取近似最佳的用户关联和任务划分策略,并将该策略下发至物理实体网络中执行。仿真结果表明,所提任务卸载算法有效降低了任务协同计算时间,同时为每个计算任务提供近似最佳的卸载策略。

关键词：工业物联网数字孪生边缘关联任务划分深度强化学习

来源：评论

学校读者我要写书评

暂无评论

考虑侧向运动的整车质量与道路坡度估计

引用

吉林大学学报（工学版） 2024年第5期54卷 1175-1187页

作者：郭洪艳王连冰赵旭戴启坤吉林大学通信工程学院长春130022 吉林大学汽车仿真与控制国家重点实验室长春130022 吉林化工学院航空工程学院吉林省吉林市132022

为减小侧向运动对整车质量与道路坡度估计精度的影响,提出了一种考虑侧向运动的估计算法,利用加速度修正车辆动力学模型,采用遗忘因子提高新数据适应车辆系统时变特性的最小二乘算法估计整车质量,并将质量估计结果实时输入道路坡度估计... 详细信息

为减小侧向运动对整车质量与道路坡度估计精度的影响,提出了一种考虑侧向运动的估计算法,利用加速度修正车辆动力学模型,采用遗忘因子提高新数据适应车辆系统时变特性的最小二乘算法估计整车质量,并将质量估计结果实时输入道路坡度估计中;建立车辆运动学和动力学两个坡度估计模型,并在模型中添加加速度修正项,设计强跟踪滤波算法分别针对2种模型进行道路坡度估计,时变交互多模型融合算法根据两个坡度估计模型的权重系数和模型间的转移概率得到道路坡道估计值。本文算法在中国第一汽车股份有限公司技术中心农安汽车试验场进行了实车试验和评估,与未考虑侧向的融合估计算法相比,提高了车辆横向运动时的道路坡度估计精度。

关键词：车辆工程质量与坡度估计时变交互多模型融合侧向运动实车试验

来源：评论

学校读者我要写书评

暂无评论

多普勒雷达下的机动多目标跟踪算法

引用

西安交通大学学报 2023年第9期57卷 174-184页

作者：国强卢宇翀戚连刚 KALIUZHNY Mykola 哈尔滨工程大学信息与通信工程学院哈尔滨150001 先进船舶通信与信息技术工业和信息化部重点实验室哈尔滨150001 哈尔滨工程大学物理与光电工程学院哈尔滨150001 哈尔科夫国立无线电电子大学乌克兰哈尔科夫61166

针对多普勒雷达在跟踪机动多目标过程中由于多普勒盲区(DBZ)造成量测丢失、对跟踪器性能产生严重影响这一问题,提出将最小可检测速度(MDV)带入到交互多模型广义标签多伯努利(IMM-GLMB)滤波器中,利用MDV信息抑制DBZ对跟踪器的影响。首先... 详细信息

针对多普勒雷达在跟踪机动多目标过程中由于多普勒盲区(DBZ)造成量测丢失、对跟踪器性能产生严重影响这一问题,提出将最小可检测速度(MDV)带入到交互多模型广义标签多伯努利(IMM-GLMB)滤波器中,利用MDV信息抑制DBZ对跟踪器的影响。首先,通过采用基于马尔科夫分支合并策略的交互多模型(IMM)算法,解决单一运动模型的情况下无法跟踪机动目标的问题;其次,将并入MDV信息的检测概率模型带入IMM-GLMB滤波器的更新方程中,并给出了详细实现过程,利用MDV和多普勒信息来改善跟踪器性能;最后,面对目前算法需要固定航迹起始位置才可以进行跟踪的问题,提出了一种适用于广义标签多伯努利(GLMB)滤波器的自适应航迹起始算法。仿真结果表明,所提出的滤波算法在不同宽度的DBZ下都具有更好的性能表现,尤其在DBZ较小时,对滤波器的性能基本没有影响,并且所提算法在单步运行时间上有34%的提升。

关键词：机动多目标跟踪多普勒盲区航迹起始广义标签多伯努利

来源：评论

学校读者我要写书评

暂无评论

云边端协同的机床刀具故障智能诊断系统研究

引用

中国机械工程 2023年第5期34卷 584-594页

作者：李东阳袁东风张海霞郑安竹狄子钧梁道君山东大学信息科学与工程学院青岛266237 山东大学控制科学与工程学院济南250061 山东省无线通信技术重点实验室济南250100 5G应用产业方阵创新中心济南250061

为提高机床刀具磨损故障诊断精度,借助三轴加速度传感器采集机床刀具磨损振动数据,并以此为基础,提出一种基于长短时记忆网络与多尺度卷积神经网络集成的机床刀具故障诊断算法,挖掘机床刀具在不同故障模式下的空时域多尺度特征,实现机... 详细信息

为提高机床刀具磨损故障诊断精度,借助三轴加速度传感器采集机床刀具磨损振动数据,并以此为基础,提出一种基于长短时记忆网络与多尺度卷积神经网络集成的机床刀具故障诊断算法,挖掘机床刀具在不同故障模式下的空时域多尺度特征,实现机床刀具磨损状态的精准识别。同时,为满足实际产线对故障诊断的高实时性要求,设计一种适用于机床刀具故障诊断的云边端协同架构,通过底层产线、边缘节点与工业云平台的高效协同,实现机床刀具故障的及时预警。研究结果表明,所提云边端协同的机床刀具故障智能诊断系统可实现机床刀具磨损状态的精准识别,同时可缩短故障诊断任务的完成时间。

关键词：智能制造刀具故障智能诊断云边端协同人工智能数控机床

来源：评论

学校读者我要写书评

暂无评论

基于双向正交泵浦半导体光放大器结构的全光相位保持幅度再生技术

引用

物理学报 2022年第20期71卷 97-106页

作者：孙凡文峰武保剑 Tan Ming-Ming 凌云邱昆电子科技大学信息与通信工程学院光纤传感与通信教育部重点实验室成都611731 Aston Institute of Photonics Technologies Aston UniversityBirmingham B47ETUK

提出了一种基于双向正交泵浦半导体光放大器(SOA)的相位保持幅度再生方案,实验分析了泵浦、信号及其端面反射场之间的多重四波混频(FWM)转换过程,探索了同向场作用下的共轭光再生能力.测量了注入不同信号光功率、信号质量情况下获得的... 详细信息

提出了一种基于双向正交泵浦半导体光放大器(SOA)的相位保持幅度再生方案,实验分析了泵浦、信号及其端面反射场之间的多重四波混频(FWM)转换过程,探索了同向场作用下的共轭光再生能力.测量了注入不同信号光功率、信号质量情况下获得的幅度噪声压缩效果以及相位输出特性,印证双向正交泵浦SOA再生器的相位保持幅度再生功能,通过实验测量得到2.2 dB的幅度噪声压缩结果.进一步通过仿真分析系统,探讨了多进制数字相位调制(MPSK)信号的工作特性,表明该再生器可在相同工作参数下支持高阶信号的再生需求.

关键词：光相位共轭半导体光放大器四波混频全光再生

来源：评论

学校读者我要写书评

暂无评论

基于数字孪生的多自动驾驶车辆分布式协同路径规划算法

引用

电子与信息学报 2024年第6期46卷 2525-2532页

作者：唐伦戴军成章超张鸿鹏陈前斌重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065

针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心... 详细信息

针对多辆自动驾驶车辆(AVs)在进行路径规划过程中存在的车辆之间协作难、协作训练出来的模型质量低以及所求结果直接应用到物理车辆的效果较差的问题,该文提出一种基于数字孪生(DT)的多AVs分布式协同路径规划算法,基于可信度加权去中心化的联邦强化学习方法(CWDFRL)来实现多AVs的路径规划。首先将单个AVs的路径规划问题建模成在驾驶行为约束下的最小化平均任务完成时间问题,并将其转化成马尔可夫决策过程(MDP),使用深度确定性策略梯度算法(DDPG)进行求解;然后使用联邦学习(FL)保证车辆之间的协同合作,针对集中式的FL中存在的全局模型更新质量低的问题,使用基于可信度的动态节点选择的去中心化FL训练方法改善了全局模型聚合质量低的问题;最后使用DT辅助去中心化联邦强化学习(DFRL)模型的训练,利用孪生体可以从DT环境中学习的优点,快速将训练好的模型直接部署到现实世界的AVs上。仿真结果表明,与现有的方法相比,所提训练框架可以得到一个较高的奖励,有效地提高了车辆对其本身速度的利用率,与此同时还降低了车辆群体的平均任务完成时间和碰撞概率。

关键词：数字孪生自动驾驶去中心化联邦强化学习路径规划

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：