检索结果-内蒙古大学图书馆

系统工程与电子技术 2022年第10期44卷 3266-3274页

作者：景小荣宋振远罗悦马玉丹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

针对多输入多输出通信系统信息传输过程中的安全问题,提出一种智能反射表面(intelligent reflecting surface,IRS)与人工噪声辅助的物理层安全设计方案。在该方案中,首先基于系统保密速率最大化准则,构建一非凸优化问题。由于该问题求... 详细信息

针对多输入多输出通信系统信息传输过程中的安全问题,提出一种智能反射表面(intelligent reflecting surface,IRS)与人工噪声辅助的物理层安全设计方案。在该方案中,首先基于系统保密速率最大化准则,构建一非凸优化问题。由于该问题求解需联合优化设计基站波束赋形矩阵、人工噪声协方差矩阵及IRS相移矩阵,为易于求解,基于均方误差准则,对非凸目标函数进行等价转换。最后,以交替迭代方式分别利用内点法和基于黎曼流形的共轭梯度下降算法,求解波束赋形矩阵和人工噪声协方差矩阵以及IRS相移矩阵。仿真结果表明,所提方案的系统保密速率在发送端具有较高的发送功率时,优于其他几种方案。

关键词：物理层安全智能反射表面多输入多输出人工噪声黎曼流形优化

来源：评论

学校读者我要写书评

暂无评论

基于硬件损伤的MIMO异构网络波束成形算法

引用

电子与信息学报 2021年第12期43卷 3571-3579页

作者：徐勇军谢豪陈前斌刘期烈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

由于多输入多输出(MIMO)异构网络能够提高系统容量和实现更多的用户接入,因此受到了学术界和工业界的广泛关注,从而成为下一代通信系统的关键技术之一。然而,由于放大器非线性、相位噪声和I/Q不均衡等因素的影响,这类硬件损伤成为制约当... 详细信息

由于多输入多输出(MIMO)异构网络能够提高系统容量和实现更多的用户接入,因此受到了学术界和工业界的广泛关注,从而成为下一代通信系统的关键技术之一。然而,由于放大器非线性、相位噪声和I/Q不均衡等因素的影响,这类硬件损伤成为制约当前MIMO异构网络波束成形性能进一步提升的瓶颈。为了解决该问题,该文提前将硬件损伤考虑到MIMO异构网络波束成形算法设计当中。首先,考虑了每个基站的最大发射功率约束和每个用户的最小信干噪比约束,建立了一个含硬件损伤参数的系统总能耗最小的资源优化问题。其次,利用等价变换和半正定松弛方法,将原非凸问题转化为凸优化问题进行求解。仿真结果表明,与完美硬件条件下的波束成形算法对比,所提算法具有较好的抗硬件损伤能力和较低的中断概率。

关键词：异构网络多输入多输出硬件损伤波束成形能耗最小化

来源：评论

学校读者我要写书评

暂无评论

基于子空间结构正则化的L_(21)非负矩阵分解高光谱解混

引用

电子与信息学报 2022年第5期44卷 1704-1713页

作者：陈善学刘荣华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

标准的非负矩阵分解(NMF)应用于高光谱解混时,容易受到噪声和异常值的干扰,解混效果较差。为了提高分解性能,该文将L_(21)范数引入标准的NMF算法中,对模型进行了改进,从而提高算法的鲁棒性。其次,为了提高分解后丰度矩阵的稀疏性,将双... 详细信息

标准的非负矩阵分解(NMF)应用于高光谱解混时,容易受到噪声和异常值的干扰,解混效果较差。为了提高分解性能,该文将L_(21)范数引入标准的NMF算法中,对模型进行了改进,从而提高算法的鲁棒性。其次,为了提高分解后丰度矩阵的稀疏性,将双重加权稀疏约束引入L_(21)NMF模型中,使其中一个权值提高每个像元对应的丰度向量上的稀疏性,另一个权值提高每个端元对应的丰度向量上的稀疏性。同时,为了利用像元的全局空间分布信息,观察地物在不同图像中的真实分布情况,引入子空间结构正则项,提出了基于子空间结构正则化的L_(21)非负矩阵分解(L_(21)NMF-SSR)算法。通过在模拟数据集和真实数据集与其他经典算法的比较,验证了该算法具有更好的性能,同时具有去噪能力。

关键词：高光谱解混非负矩阵分解 L_(21)范数双重加权稀疏子空间结构

来源：评论

学校读者我要写书评

暂无评论

毫米波大规模MIMO-NOMA系统中基于动态子连接混合结构的预编码设计

引用

系统工程与电子技术 2021年第12期43卷 3716-3724页

作者：景小荣张思思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

针对毫米波大规模多输入多输出-非正交多址接入(massive multiple input multiple output non-orthogonal multiple access,mMIMO-NOMA)系统硬件成本和功耗过大问题,基于动态子连接混合结构(dynamically sub-connected hybrid architecture,DSC-HA),提出一种高效预编码方案。首先,在用户分组的基础上,基于等效信道增益最大化原则,利用Kuhn-Munkras算法匹配各NOMA簇用户的信道状态信息,以实现动态天线分组,进而完成模拟预编码设计。接着,利用NOMA簇内强用户的等效信道来实现数字预编码设计,以减小簇间干扰。最后,通过优化簇内用户间功率分配来减小簇内用户间干扰。仿真结果表明,基于DSC-HA的预编码方案不但系统和速率优于基于子连接混合结构的预编码方案,而且能效明显优于基于全连接混合结构和基于全数字结构的预编码方案。

关键词：大规模多输入多输出毫米波非正交多址接入混合预编码 Kuhn-Munkras算法

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

小样本学习驱动的无线频谱状态感知

引用

电子与信息学报 2024年第4期46卷 1231-1239页

作者：申滨李月王欣王紫昕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

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类... 详细信息

无线频谱状态感知是实现无线频谱资源高效利用及各种用频系统和谐共存的先决条件之一。针对复杂无线传播环境下获取的频谱观测往往存在数据稀疏性、数据类别分布不稳定、标记数据严重不足的情况,该文提出基于插值和小样本学习(FSL)分类的无线频谱状态感知方法。首先,对捕获的稀疏频谱观测数据插值,构建频谱状态地图,作为频谱状态分类器的输入数据。其次,针对频谱数据类别分布不稳定、数据量严重不足的问题,基于小样本学习方法,利用嵌入模块和度量模块协同工作,以实现快速精确的频谱状态分类。具体地,利用嵌入模块将频谱数据映射到嵌入空间,提取频谱数据中的隐含特征;在度量模块的设计中,分别提出基于原型和基于样例的两种类别表示方式,通过计算待分类样本与类别之间的相似度判断待分类样本类别。最后,为了确保分类模型克服测试样本数量少导致过拟合问题,设置A-way B-shot任务训练模型。仿真结果表明,与传统机器学习方法相比,本文模型可以在低信噪比条件下进行精准分类;同时,在测试集样本数很少的情况下,或者在测试集中出现在训练集从未见到的新类时,所训练的模型也可以精准快速判别无线频谱的场景类别。

关键词：频谱状态感知频谱状态地图插值小样本学习

来源：评论

学校读者我要写书评

暂无评论

数字孪生辅助联邦学习中的边缘选择和资源分配联合优化

引用

电子与信息学报 2024年第4期46卷 1343-1352页

作者：唐伦文明艳单贞贞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

在基于联邦学习的智能驾驶中,智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联... 详细信息

在基于联邦学习的智能驾驶中,智能网联汽车(ICV)的资源限制和可能出现的设备故障会导致联邦学习训练精度下降、时延和能耗增加等问题。为此该文提出数字孪生辅助联邦学习中的边缘选择和资源分配优化方案。该方案首先提出数字孪生辅助联邦学习机制,使得ICV能够选择在本地或利用其数字孪生体参与联邦学习。其次,通过构建数字孪生辅助联邦学习的计算和通信模型,建立以最小化累积训练时延和能耗为目标的边缘选择和资源分配联合优化问题,并将其转化为部分可观测的马尔可夫决策过程。最后,提出基于多智能体参数化Q网络(MPDQN)的边缘选择和资源分配算法,用于学习近似最优的边缘选择和资源分配策略,以实现联邦学习累积时延和能耗最小化。仿真结果表明,所提算法在保证模型精度的同时,有效降低联邦学习累积训练时延和能耗。

关键词：智能驾驶联邦学习数字孪生深度强化学习

来源：评论

学校读者我要写书评

暂无评论

移动sink传感网低时延数据收集方法

引用

华中科技大学学报（自然科学版） 2012年第3期40卷 35-39页

作者：任智李玉兰曹建玲姚玉坤重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学移动通信技术重庆市重点实验室重庆400065

提出一种基于环形线路的低时延数据收集(LDCR)方法,使sink节点沿环形路线移动,减少部分数据分组等待传输的时间,并在sink节点到达停留点时立即发送HELLO消息,使其通信范围内的传感器节点及时发送数据分组.性能分析结果表明:与现有的sin... 详细信息

提出一种基于环形线路的低时延数据收集(LDCR)方法,使sink节点沿环形路线移动,减少部分数据分组等待传输的时间,并在sink节点到达停留点时立即发送HELLO消息,使其通信范围内的传感器节点及时发送数据分组.性能分析结果表明:与现有的sink节点使用往复路线的数据收集方法相比,提出的LDCR方法在数据分组平均端到端时延、吞吐量、分组传送成功率和存储空间占用等方面的性能得到整体提升.

关键词：无线传感器网络数据传送 sink节点移动路线时延吞吐量

来源：评论

学校读者我要写书评

暂无评论

基于邻居信息交换的机会网络低时延路由算法

引用

华中科技大学学报（自然科学版） 2011年第2期39卷 94-97页

作者：任智黄勇曹建玲祖力重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学移动通信技术重庆市重点实验室重庆400065

提出一种以Epidemic Routing为基础、采用两跳邻居信息交换方式的机会网络低时延路由算法———LDREN,在分组索引的交换过程中交换两跳邻居信息从而增强对本地拓扑的掌握,并优先发送位于最后两跳的数据分组;同时在节点相遇感知过程中借... 详细信息

提出一种以Epidemic Routing为基础、采用两跳邻居信息交换方式的机会网络低时延路由算法———LDREN,在分组索引的交换过程中交换两跳邻居信息从而增强对本地拓扑的掌握,并优先发送位于最后两跳的数据分组;同时在节点相遇感知过程中借助ECHO消息从节点缓存中删除已到达目的节点的分组.性能分析结果表明,与经典的Epidemic路由算法及其改进算法ARER相比,LDREN在分组端到端时延、分组传送成功率、存储空间占用等方面的性能得到整体提升.

关键词：无线网络机会网络路由算法两跳邻居信息交换

来源：评论

学校读者我要写书评

暂无评论

高斯噪声背景下多用户波达方向估计与互耦自校正

引用

电子与信息学报 2014年第5期36卷 1266-1270页

作者：景小荣杨洋张祖凡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

在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array,ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival,DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonal... 详细信息

在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array,ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival,DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonalization of Eigen matrix,JADE)方法估计出各用户广义空间特征矢量,然后定义了一个将各用户广义空间特征矢量转换为只与部分阵元相关的转换矩阵,进而在斜投影及前后向空间平滑的基础上,实现了多用户相干信源DOA估计,最后以多用户相干信源DOA及广义空间特征矢量估计值为基础,给出一种互耦自校正方法。仿真结果表明:该算法具有较高的DOA估计精度及DOA估计成功率,而且对高斯白噪声/色噪声背景,阵列互耦误差已知/未知情形,均具有普适性。

关键词：信号处理多用户DOA估计均匀线阵互耦自校正

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：