Decentralized Spatial Reuse Optimization in Wi-Fi: An Internal Regret Minimization Approach
本文提出基于内部懊悔最小化的去中心化算法，用于优化无线局域网中的空间复用，以提高频谱效率并减少对集中化解决方案的依赖。
2026-02-09 cs.AI cs.NI
Ultra-Reliable and Low-Latency Vehicular Transmission: An Extreme Value Theory Approach
考虑曼哈顿移动模型在车辆到车辆网络，这项工作研究了功率最小化问题的二阶统计约束的延迟和可靠性，捕获的网络范围内的最大数据队列长度。我们调用极值理论的结果来描述统计的极端事件的最大队列长度。随后，利用李雅普诺夫随机优化来处理网络动态，我们提出了两个感知的功率分配解决方案。与基线相比，我们的方法实现了较低的平均值和方差的最大队列长度。
2018-10-29 cs.NI
Spreading Information in Mobile Wireless Networks
设备到设备（D2D）通信使我们能够在没有基础设施支持的情况下在本地传播信息。在本文中，我们专注于在移动无线网络中的所有节点移动的信息传播。源节点使用D2D通信将给定的信息分组传递给移动用户作为蜂窝上行链路的中继。通过随机几何，我们推导出成功接收到给定信息包的节点的平均数量作为传输功率和传输次数的函数。基于这些结果，我们制定了最大传输功率和延迟约束下的冗余最小化问题。通过对该问题的求解，给出了源节点发射功率的最优准则。
2014-06-03 cs.NI
Interference Minimization in 5G Heterogeneous Networks
在本文中，我们将重点关注具有代表性的5G网络场景之一，即多层异构蜂窝网络。为了降低下行链路同信道干扰，研究了用户关联。首先，为了分析多层异构蜂窝网络中不同层的基站通常采用不同的发射功率，我们提出了一种传输功率归一化模型（TPNM），它能够将多层蜂窝网络转换为单层网络，使得所有基站具有相同的归一化发射功率。然后使用TPNM，在复杂的多层环境中的任何点接收到的信号和干扰可以通过考虑等效单层蜂窝网络模型中的相同点来分析，从而显著简化分析。在此基础上，我们提出了一种新的用户关联方案在异构蜂窝网络中，其中的基站，导致最小的干扰，其他同信道移动台是从一组候选基站，满足服务质量（QoS）约束的一个预期的移动台选择。数值结果表明，所提出的用户关联方案是能够显着减少与现有的计划相比，下行链路的干扰，同时保持一个合理的良好的QoS。
2017-01-01 cs.IT cs.NI math.IT
Distortion Minimization with Age of Information and Cost Constraints
针对无线信道下监控随机过程的及时传输问题，提出以平稳随机策略最小化失真并约束信息年龄，证明二维马尔可夫链可集总并推导期望AoI表达式。
2023-06-24 cs.IT cs.NI cs.SY
QoS-aware Link Scheduling Strategy for Data Transmission in SDVN
基于专用短程通信（DSRC）的车载自组织网络（VANET）是一种分布式通信系统，所有节点通过载波侦听多址接入/冲突避免（CSMA/CA）协议共享无线信道。然而，CSMA/CA在信道竞争中的退避机制可能会造成不确定的传输时延，影响应用的一定服务质量（QoS）。此外，仍然存在危险的数据分组冲突的可能性，特别是对于广播或非确认（NACK）传输。本文的主要创新点如下：（1）利用组合理论对VANET中广播或NACK传输的分组碰撞概率进行建模，研究了丢失分组（MMP）问题对VANET中分组碰撞概率的影响。(2)基于软件定义车载网络（SDVN）框架和QoS要求，提出了一种新的链路级调度策略，该策略确定每个连接的开始发送时间，以最大化数据包投递率（PDR）。可替换地，最大化PDR已经被转换为传输持续时间之间的重叠最小化。(3)同时，提出了一种新的传输调度贪婪搜索（TSGS）算法，以降低计算复杂性。在一个结合SUMO和OMNET++的统一平台Veins中进行了大量的模拟。大量实验结果表明，与随机传输相比，该算法能有效提高PDR至少15%，提高碰撞避免性能近40%，降低MMP比率约3%，同时满足QoS要求。
2021-02-01 cs.NI
System Power Minimization to Access Non-Contiguous Spectrum in Cognitive Radio Networks
使用非连续频谱块的无线传输由于各种场景而变得越来越重要，诸如：次要用户在TV空白空间中避开现任用户;商业和军事系统之间的预期频谱共享;以及未授权频带中的未协调的运营商之间的频谱共享。多信道多无线电（MCMR）平台和非连续正交频分多址（NC-OFDMA）技术是接入这些非连续频谱块的两种商业上可行的传输选择。固定MC-MR由于其支持无线电前端的固定集合而不随着非连续频谱块的数量的增加而缩放。NC-OFDMA允许节点访问这些非连续频谱块，并将空子载波放在剩余的块中。然而，使子载波归零增加了采样率（频谱跨度），这又增加了无线电前端的功耗。我们的工作从跨层的角度来描述这种权衡，特别是通过展示ADC/DAC功耗与采样率曲线的斜率如何影响多跳网络中的调度决策。具体而言，我们提供了一个分支定界算法为基础的混合整数线性规划的解决方案，执行联合功率控制，频谱跨度选择，调度和路由，以最大限度地减少系统功率的多跳NC-OFDMA网络。我们还提供了一个低复杂度（O（E^2 M^2））的贪心算法，其中M和E分别表示信道和链路的数量。数值模拟表明，我们的方法降低了30%的系统功率比经典的基于跨层算法的发射功率最小化。
2016-02-15 cs.IT cs.NI math.IT
Joint Power and Admission Control: Non-Convex $L_q$ Approximation and An Effective Polynomial Time Deflation Approach
在干扰受限网络中，联合功率和准入控制（JPAC）旨在支持最大数量的链路处于其指定的信号与干扰加噪声比（SINR）目标，同时使用最小的总传输功率。各种凸近似紧缩的方法已经开发的JPAC问题。在本文中，我们提出了一个有效的多项式时间非凸逼近紧缩方法来解决这个问题。该方法是基于非凸的$\ell_q$ -最小化近似的等价稀疏$\ell_0$ -最小化重新制定的JPAC问题，其中$q\in(0,1).$我们表明，对于任何情况下的JPAC问题，存在一个$\bar q\in(0,1)$，使它可以通过求解其$\ell_q$ -最小化近似问题与任何$q\in(0, \bar q]$精确地解决。我们还表明，寻找全局解的$\ell_q$近似问题是NP-困难的。然后，我们提出了一个潜在的减少通道点算法，它可以返回一个NP-难的$\ell_q$ -最小化近似问题的$ε$-KKT解决方案在多项式时间。返回的解决方案可用于检查网络中所有链路的同时可支持性，并指导迭代链路删除过程，从而导致JPAC问题的多项式时间非凸近似收缩方法。数值仿真结果表明，该方法在支持链路数和总传输功率方面优于现有的凸近似方法，特别是在选择支持链路子集方面表现出相当好的性能。
2014-10-01 cs.IT cs.NI math.IT
Distributed Noncoherent Joint Transmission Based on Multi-Agent Reinforcement Learning for Dense Small Cell MISO Systems
针对密集小小区MISO系统中非相干联合传输和速率最大化的非凸NP难问题，推导最优波束成形结构降维，提出基于深度确定性策略梯度的分布式方案，以更低开销达到接近集中式优化的性能。
2024-09-11 cs.AI cs.NI eess.SP
Near Optimal Online Distortion Minimization for Energy Harvesting Nodes
我们考虑在线调度的能量收集通信系统中的传感器节点收集样本从高斯源，并将它们发送到一个目标节点的高斯信道。传感器配备有有限大小的电池，该电池由独立同分布（i.i.d.）能量收集过程。目标是最大限度地减少目的地接收的源样本的长期平均失真。我们研究两个问题：第一种情况是抽样是免费的，第二种情况是每次收集样本都有抽样费用。我们表明，固定分数的政策[Szov-Ozgur]，其中固定比例的电池状态在每个时隙中被消耗，是接近最优的，在这个意义上，他们实现了长期的平均失真，位于一个恒定的加性差距从最优解的所有能量到达和电池的大小。对于采样成本的问题，传输策略是突发的;传感器只能在一部分时间内收集样本并进行传输。
2017-05-29 cs.IT cs.NI math.IT
Average Peak Age-of-Information Minimization in UAV-assisted IoT Networks
出于确保及时提供信息的需要（例如，状态更新），本文研究了无人机（UAV）作为移动中继的作用，以最小化源-目的地对的平均峰值信息量（PAoI）。对于这种设置，我们制定了一个优化问题，以共同优化无人机的飞行轨迹以及数据包传输的能量和服务时间分配。为了解决这个非凸问题，我们提出了一个有效的迭代算法，并建立其收敛性分析。对一些子问题也给出了封闭解。在此过程中，我们解决的子问题之一是联合优化的能量和服务时间分配为一个给定的轨迹的无人机。这个问题本身就很有趣，因为在某些情况下，我们可能无法根据物联网设备的位置改变无人机的轨迹（特别是当其主要任务是其他任务时）。我们的数值结果量化的增益，可以通过额外优化无人机的轨迹。
2018-12-21 cs.IT cs.NI math.IT
Makespan minimization of Time-Triggered traffic on a TTEthernet network
越来越多的现代应用和系统的可靠性在很大程度上取决于互连技术。例如，在汽车或航空电子工业中，通常需要交换多媒体数据以及安全相关信息的复杂系统对通信的高带宽和确定性行为提出了要求。TTEthernet是一种面向这些需求而开发的协议，它提供了高达1，Gbit/s的以太网带宽，并通过遵循预定时间表的时间触发消息传输来增强其确定性。因此，综合一个好的调度，满足所有的实时性要求是至关重要的整个系统的性能。在本文中，我们研究的概念，创建的时间触发的交通，同时最大限度地减少其完工时间的通信计划。其目的是最大限度地提高每个集成周期中剩余流量类别的不间断间隙。所提供的调度算法，基于资源受限的项目调度问题的公式化和负载均衡启发式，即使对于工业规模的实例，也在5分钟内获得接近最优的（非紧下限的15%以内）解决方案。所提供的方法的通用性允许根据特定的工业需求容易地修改或扩展问题陈述。最后，根据事件触发交通的最坏情况延迟分析，通过具有孔隙度的调度概念证明了所研究的最大完工时间最小化概念的合理性。
2020-06-20 cs.NI cs.SY eess.SY
Semantic Enabled 6G LEO Satellite Communication for Earth Observation: A Resource-Constrained Network Optimization
针对6G低轨卫星地球观测图像下行的带宽与时延瓶颈，提出融合联合语义/信道编码、DWOA与一对一匹配博弈的SC资源优化框架，在保证高质量传输下最小化时延。
2024-07-31 cs.NI eess.SP
Policy Gradient Algorithms for Age-of-Information Cost Minimization
Department of Communications, Universitat Politècnica de València（通讯学院，瓦伦西亚理工大学）；Department of Electronic Systems, Aalborg University（电子系统学院，奥尔堡大学）
本文提出两种策略梯度算法，用于在生成随时模型下优化网络物理系统的信息更新过程，通过最小化时间平均成本，实现信息年龄成本最小化。
2025-12-12 cs.IT cs.LG cs.NI
On-Demand AoI Minimization in Resource-Constrained Cache-Enabled IoT Networks with Energy Harvesting Sensors
我们考虑一个资源受限的物联网网络，其中多个用户向启用缓存的边缘节点发出按需请求，以发送有关各种随机过程的状态更新，每个过程都由能量收集传感器监控。边缘节点通过决定是否命令相应的传感器发送新的状态更新或从缓存中检索最近接收的测量结果来满足用户的请求。我们的目标是找到边缘节点的最佳动作，以最小化在请求时接收到的测量的平均信息年龄（AoI），即，平均按需AoI，服从每时隙传输和能量约束。首先，我们推导出一个马尔可夫决策过程模型，并提出了一个迭代算法，获得最优策略。然后，我们开发了一个渐近最优的低复杂度算法-称为松弛，然后截断-并证明它是最佳的传感器的数量趋于无穷大。仿真结果表明，所提出的松弛，然后截断的方法显着降低了平均按需AoI相比，一个请求感知的贪婪（近视）的政策，也描绘了它执行接近最佳的解决方案，即使是中等数量的传感器。
2022-01-28 cs.IT cs.NI cs.SY
Energy and Social Cost Minimization for Data Dissemination in Wireless Networks: Centralized and Decentralized Approaches
我们研究了无线网络中从一个源到多个节点的多跳数据传播，其中网络中的一些节点充当转发节点，并帮助源进行数据传播。在这个网络中，我们研究了两种情况; i）发送节点不需要激励进行传输，ii）它们确实需要激励，并且由相应的接收节点通过虚拟令牌支付。我们研究两个问题; P1）第一场景的网络功率最小化，以及P2）第二场景的社会成本最小化，定义为网络的节点为接收数据而支付的总成本。在本文中，为了解决P1和P2，我们提出了集中式和分散式的方法，确定网络中的哪些节点应该充当发送节点，找到它们的发送功率和相应的接收节点。为了能量效率，在我们的模型中，我们采用最大比合并（MRC）在接收器，使一个接收器可以由多个发射器。所提出的分散式方法是基于非合作成本分担博弈（CSG）。在我们提出的游戏中，每个接收节点选择其各自的发送节点，因此，成本被分配给它根据施加在其选择的发送节点的功率。我们讨论了网络是如何以分散的方式形成的，找到了游戏中节点的行为，并表明，尽管是分散的，所提出的游戏收敛到一个稳定的解决方案。为了找到集中式全局最优值，这是我们分散式方法的基准，我们使用混合整数线性程序（MILP）。仿真结果表明，我们提出的分散式方法优于传统算法的能源效率和社会成本，同时它可以解决需要的激励合作。
2020-03-21 cs.GT cs.NI cs.SI
