|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于无人机无线能量传输的边缘计算系统能耗优化方法研究显示文摘无线能量传输(WPT)和移动边缘计算(MEC)可以为无线设备提供能量供应和任务计算,有效提高设备的能量效率。该文提出一种基于无人机无线能量传输的边缘计算系统能耗优化方法,在所提方法中,通过联合优化能量收集(EH)时间、用户发射功率和卸载决策,最小化系统总能耗。利用块坐标下降法(BCD),将优化问题分解为两个子问题,通过交替优化来获得最优能量收集时间、用户发射功率和卸载决策。仿真结果表明,该文提出的系统能耗优化方法优于其他基准方案,并且系统所需能量可以显著减少。 | 卢为党 詹悦者 花俏枝 高原 曹江 韩会梅 黄国兴 | 2022 | 电子与信息学报2022，44，3： | 7 |
| 2 | 无人机辅助边缘计算中安全通信与能效优化策略显示文摘无人机的灵活移动性在移动边缘计算系统中引起了广泛的关注。然而,空中窃听者的存在使它的安全传输仍然面对巨大的挑战。为了解决高安全通信速率与低能耗之间的矛盾,引入安全通信能效这一概念,即无人机安全通信传输速率与无人机能耗之间的比值。首先,在满足给定任务时延、无人机的CPU计算频率以及任务卸载率的约束下,提出一种最大化安全通信能效的卸载策略,即联合优化合法无人机悬停位置、CPU计算频率分配以及区分计算任务复杂度的卸载策略;同时从物理层安全角度提升了无人机-移动边缘计算场景下的安全通信。其次,由于该策略是一个复杂的非凸问题,将其解耦为3个子问题,通过块坐标下降法与连续凸逼近(SCA)相结合的全局优化算法来求解该非凸问题。仿真结果表明,针对不同任务复杂度的系统,所提策略都能在满足地面终端卸载需求的同时,平衡整体的通信安全性能和能耗之间的关系,并提高安全通信能效。 | 余雪勇 邱礼翔 宋家宁 朱洪波 | 2023 | 通信学报2023，44，3： | 4 |
| 3 | 基于无线携能传输和多级边缘卸载的空地协作巡检算法显示文摘变电站采用智能机器人和无人机可实现高效、自动设备巡检。地面机器人在地上和室内近距离巡检方面具有优势;无人机更加灵活,巡检范围和效率更大,但是易受供能等限制。为了充分发挥空地联合巡检的优势,文章提出一种基于无线携能传输和多级边缘卸载的地面机器人和无人机协作巡检算法。首先针对典型变电站场景,给出各级设备在本地计算和卸载时的能耗、速率和时延计算方法,并建立无线携能传输和无人机中继条件下的多级任务卸载模型。接着兼顾时延和能耗要求,将最优化巡检问题描述为马尔科夫决策过程,提出一种基于Q-Learning的最佳任务卸载算法。仿真对比验证了论文算法的有效性与可靠性,通过灵活的卸载算法可实现系统综合性能最大化。 | 陈智雄 杨家伟 肖楠 田新成 | 2022 | 电网技术2022，46，10： | 3 |
| 4 | UAV辅助NOMA-V2X通信网络性能的优化显示文摘在能量受限的无人机辅助NOMA-V2X(Non-Orthogonal Multiple Access Assisted Vehicle-to-Everything)网络中引入无线信息和能量同时传输技术,解决了无人机续航能力差的问题。以最大化系统的传输速率为优化目标,在联合优化过程中,采用逐次凸逼近(Successive Convex Approximation,SCA)方法,将非凸复杂优化问题分解为无人机位置、发射功率、基站对用户的功率分配3个子优化问题,找到了无人机轨迹、基站分配给车辆的发射功率和中继节点发射功率的最优值。最后通过仿真验证了所提方案的有效性。 | 薛建彬 武清清 张海军 | 2023 | 邮电设计技术2023，，5： | 0 |
| 5 | 无人机任务卸载与充电协同优化显示文摘在野外恶劣环境应用中,可以使用具有灵活性和便捷性的无人机(UAV),通过无线数据传输辅助携带用户任务到边缘服务器。然而,UAV飞行平台难以提供长时间的任务卸载服务,大大限制了其应用前景。本文研究了在移动边缘计算环境中,如何有效整合UAV的任务卸载和充电调度。首先,构建了一个新的应用模型,该模型协同处理UAV的任务卸载调度和自身充电需求,并在UAV辅助任务卸载应用场景中加入了若干个无线充电平台。其次,考虑了用户任务的价值和UAV的充电需求,以在时延敏感和能量约束的条件下优化UAV辅助用户设备进行任务卸载的收益。最后,采用深度强化学习算法,对深度Q网络(DQN)进行调优后形成Fixed DQN算法,以有效处理模型中的大规模状态动作搜索空间问题。本文以UAV仅作为任务载体并考虑其自主充电需求为前提,通过在一个半径为3000 m、含有11个节点的区域验证Fixed DQN算法的可行性;并在不同用户节点数量、充电节点数量及服务时间条件下,通过与蚁群算法、遗传算法和DQN算法的对比实验评估其性能。实验结果表明:本文提出的Fixed DQN算法在所有测试条件下均显著优于蚁群算法、遗传算法和DQN算法,特别是在节点数量增加和服务时间延长的情景中;此外,Fixed DQN算法相对于DQN算法的性能提升突显了深度强化学习在参数调优方面的有效性。研究结果证实了Fixed DQN算法在解决UAV任务卸载和充电调度问题中的高效性和调参策略的重要性。 | 何涵 刘鹏 赵亮 王青山 | 2024 | 工程科学与技术2024，56，1： | 0 |
| 6 | 基于深度强化学习的D2D辅助MEC网络资源分配算法显示文摘利用多接入边缘计算(multi-access edge computing,MEC)和终端直传通信(Device to Device,D2D)技术,可以提升电力智能巡检中传感数据传输和处理的能力,但需要解决频谱复用和干扰条件下的网络资源优化分配问题。针对D2D辅助的MEC网络,文章提出了一种基于深度强化学习的资源联合优化分配算法。首先在频道复用与干扰、功率和计算等资源约束条件下,分析了D2D辅助的MEC网络的终端容量、功耗和时延计算方法;然后综合考虑吞吐量、功耗和时延等指标要求,建立了基于综合效益函数最大化的资源优化分配模型;最后采用深度强化学习算法实现任务卸载和资源分配的联合优化。仿真结果表明,该算法可有效提升系统容量和任务卸载的综合性能。 | 姜华 杨家伟 黄巍 黄成斌 丛犁 李思佳 陈智雄 | 2023 | 电力信息与通信技术2023，21，7： | 0 |
| 7 | 应急通信场景下基于JTORATPAIA的NOMA-MEC系统研究显示文摘在移动边缘计算(MEC)与非正交多址接入(NOMA)技术相结合的应急通信场景中,针对用户自身电池电量受限所导致的无法满足用户业务需求的问题,提出了一个以最小化用户总能耗为目标的无人机辅助NOMA-MEC应急通信系统,设计了一种低复杂度的联合任务卸载比例和传输功率分配迭代算法(JTORATPAIA)。仿真结果表明,与其他基准方案相比,该方案更有效地降低了所有用户的能耗。特别是当输入数据大小为7.5Mbits时,本文所提方案下的能耗与文献[30]相比降低了约40%左右。可见,该方案对于改善应急通信场景下的用户能耗是非常适用的。 | 薛建彬 安娜 王琪 张寒 | 2023 | 计算机科学2023，50，S02： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员