Time/Computationally Optimal Network Architecture: Wireless Sensor Fusion
Gadi Gayathri Devi, Priya Kumari, Eslavath Jyoshna, Deepika, Garimella Rama Murthy
本文对传感器网络体系结构、传感器融合等问题进行了研究.时间/计算最优的网络架构进行了研究。提出了传感器融合的一些新思想。
In this research paper, the problems dealing with sensor network architecture, sensor fusion are addressed. Time/Computationally optimal network architectures are investigated. Some novel ideas on sensor fusion are proposed.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Distributed Spiral Optimization in Wireless Sensor Networks without Fusion Centers
提出了一种用于无线传感器网络分布式优化的分布式螺旋算法。通过在簇间形成螺旋形的消息传递机制，在不损失估计精度和收敛速度的前提下，证明了该算法比分布式簇内算法具有更低的总传输代价.
Low Complexity Indoor Localization in Wireless Sensor Networks by UWB and Inertial Data Fusion
室内运动目标的精确定位是一项具有挑战性的活动，如果不结合不同的信息源，就无法轻松完成。从这个意义上说，不同数据源与适当过滤器的组合可能会提高定位和跟踪性能。提出了一种基于超宽带和惯性信息融合的无线传感器网络混合定位算法。一个恒定增益的稳态卡尔曼滤波器被用来约束系统的复杂性，简化了其在一个典型的低功耗无线传感器网络节点上的实现。所提出的数据融合算法的性能进行了评估，在一个现实的情况下，使用模拟和现实的数据集。实验结果证明了该方法的有效性，有效地融合了不同的定位数据源，降低了定位误差。
Cooperative Positioning for Sparsely Distributed High-Mobility Wireless Networks with EKF Based Spatio-Temporal Data Fusion
提出基于EKF时空数据融合的分布式协作定位算法，通过因子图推断与二阶泰勒近似降低计算复杂度，在恶劣环境中实现更优定位性能。
Context-Capture Multi-Valued Decision Fusion With Fault Tolerant Capability For Wireless Sensor Networks
无线传感器网络（WSNs）通常用于执行事件检测的决策融合。目前的决策融合方案都是基于二值决策的，没有考虑突发上下文捕获。然而，突发上下文和多值数据是无线传感器网络的重要特征。一方面，来自传感器的本地决策通常具有突发性和上下文特征。融合中心必须捕获来自传感器的突发上下文信息。另一方面，在实践中，许多应用需要处理多值数据，例如用于闪电预测的温度和反射水平。为了解决这些挑战，马尔可夫调制泊松过程（MMPP）和多值逻辑被引入到无线传感器网络中执行上下文捕获多值决策融合。整个决策融合分解为两个部分。第一部分是基于叠加MMPP的无线传感器网络上下文捕获模型。通过这个过程，融合中心有更高的概率得到有用的本地决策的传感器。第二个是多值决策融合。也可以基于MVL执行故障检测。一旦融合中心检测到故障节点，则从似然比的计算中移除其所有局部决策。最后，我们评估了上下文捕获和容错的能力。结果支持我们的计划的有用性。
RFID-Assisted Indoor Localization Using Hybrid Wireless Data Fusion
本文提出一种基于分区的混合室内定位方法，结合RFID跟踪设备与多种IoT无线技术，通过仅在分区边界布置标签以降低成本，并利用RSSI进行蓝牙、WiFi和ZigBee的线性位置估计，实验验证了该方法的有效性。
The Role of Game Networking in the Fusion of Physical and Digital Worlds through 6G Wireless Networks
本文阐述游戏网络原理及其向6G时代元宇宙、数字孪生和扩展现实应用的演进，并结合实验案例分析开放研究挑战与可行方案。
Quantized Fusion Rules for Energy-Based Distributed Detection in Wireless Sensor Networks
研究了带宽受限的无线传感器网络中的软决策融合问题。无线传感器网络的任务是检测入侵者通过衰落信道发送未知信号。使用传感器节点（SN）的软判决进行二元假设检验。使用似然比检验，在融合中心（FC）的最佳软融合规则已被证明是加权距离软决策均值下的零假设。但是，由于最佳规则需要先验知识，这是很难在实践中获得的，次优融合规则，提出了在实践中是可实现的。我们展示了如何通过增加SN样本的数量来减轻量化检验统计量的影响，即，带宽可以与增加的等待时间进行折衷。最佳的功率和比特分配的无线传感器网络也来自。仿真结果表明，信道好的SN会被分配更多的比特，而信道差的SN会被审查。
An Energy Conserving Routing Scheme for Wireless Body Sensor Nanonetwork Communication
目前纳米技术的发展使电磁通信（EC）在纳米尺度上的应用成为可能，涉及无线[身体]传感器网络（W[B] SN）。无线传感器网络的这一专业分支已经成为一个重要的研究领域，有助于医疗，社会福利，和体育。这个概念是基于通过无线通信的集成纳米机器的相互作用。推进纳米通信的一个关键障碍是缺乏合适的网络协议来满足纳米网络即将到来的需求。最近，已经确定了一些关键挑战，例如具有极端能量约束的纳米节点、有限计算能力、具有有限传输范围的太赫兹频带等，在设计无线纳米传感器网络（WNN）的协议。这项工作提出了一种改进的性能方案的纳米通信太赫兹频段的无线BSN，使其适合智能电子健康应用。该计划包含-一个新的能源效率的转发例程EC在WNN组成的混合集群集中调度，信道行为的模型设计考虑到分子吸收，传播损失和阴影的聚合影响，和能量收集和消耗的能量模型。中断概率推导出单链路和多链路，并扩展到确定中断容量。在一个预定义的融合节点使用合作融合技术推导出多链路的中断概率。使用Nano-Sim模拟器模拟，所提出的模型的性能进行了评估的能源效率，中断容量和中断概率。仿真结果表明，该方法在单跳和多跳通信中均能最大限度地利用能量，多传感器融合提高了链路传输质量。
Power-Efficient Direct-Voting Assurance for Data Fusion in Wireless Sensor Networks
无线传感器网络将传感器放置在一个区域内收集数据并将其发送回基站。数据融合，即在将收集到的数据发送到基站之前对其进行融合，通常在网络上实现。由于传感器通常放置在恶意攻击者可访问的位置，因此数据融合过程的信息保证非常重要。提出了一种基于模糊度的融合数据验证方法。在这种方法中，基站接收融合数据并对来自随机选择的传感器节点的数据进行“投票”。投票来自其他传感器节点，称为“证人”，以验证融合数据的正确性。因为基站通过所选择的节点获得投票，所以如果所选择的节点被泄露，则所选择的节点可以伪造投票。因此，见证节点必须加密投票以防止这种伪造。与投票相比，加密需要更多的比特，增加了从所选节点到基站的传输负担。选择的节点消耗更多的功率。这项工作改进了基于优先级的方法，使用直接投票机制，使所提出的方案具有更好的性能方面的保证，开销和延迟。见证节点将投票直接发送到基站。在这个计划中，伪造不是问题。此外，需要更少的比特来表示投票，从而显著降低了功耗。性能分析和仿真结果表明，该方法可以实现40倍以上的开销比基于业务的方法。
CapEst: A Measurement-based Approach to Estimating Link Capacity in Wireless Networks
估计无线网络中的链路容量是一项复杂的任务，因为链路处的可用容量不仅是该链路处的当前到达速率的函数，而且是干扰该链路的链路处的到达速率以及这些链路之间的干扰的性质的函数。准确描述这种依赖关系的模型要么计算复杂，要么缺乏准确性。此外，它们具有很高的实现开销，并进行限制性假设，这使得它们不适用于真实网络。在本文中，我们提出了CapEst，一个通用的，简单而准确的，基于测量的方法来估计在无线网络中的链路容量。为了计算量小，CapEst允许估计不准确;然而，使用测量，它可以以迭代的方式纠正这种不准确，并收敛到正确的估计。我们的评估表明，CapEst总是在不到18次迭代中收敛到正确值的5%以内。CapEst与模型无关，因此适用于任何MAC/PHY层，并与自动速率适配一起工作。此外，它具有较低的实现开销，可以与需要估计无线链路上的剩余容量的任何应用一起使用，并且可以完全在网络层实现，而无需底层芯片组的任何支持。
Advanced Mathematical Modelling for Energy-Efficient Data Transmission and Fusion in Wireless Sensor Networks
本文提出结合模糊逻辑与BPNN的集成框架，优化WSNs中簇头选择和数据融合，实现网络寿命提升30%、数据准确性提高25%、能耗降低40%的显著效果。
Delay Optimal Event Detection on Ad Hoc Wireless Sensor Networks
我们考虑了一个小范围的传感器网络的事件检测，在该网络中，节点定期采样，然后竞争在一个{ \em随机接入网络}发送其测量数据包的融合中心。我们考虑在融合中心的两个程序来处理测量。假设贝叶斯设置;即，融合中心具有关于改变时间的先验分布。在第一个过程中，融合中心处的决策算法是\emph{network-oblivious}，并且仅当在采样时刻进行的测量的完整矢量可用时才做出决策。在第二个过程中，融合中心的决策算法是\emph{network-aware}，并在测量值到达时处理测量值，但按时间因果顺序进行处理。在这种情况下，决策统计也取决于网络延迟，而在网络无关的情况下，决策统计不取决于网络延迟。这产生了贝叶斯变化检测问题，在随机网络延迟和决策延迟之间进行权衡;较高的采样率减少了决策延迟，但增加了随机访问延迟。在周期采样下，在网络不经意的情况下，最优停止规则的结构与无网络时相同，最优变化检测时延分解为网络时延和无网络时的最优判决时延.在网络感知的情况下，最优停止问题被分析为一个部分可观察的马尔可夫决策过程，其中需要保持网络中的队列和延迟的状态。一个足够的统计决策被发现是网络状态和后验概率的变化已经发生给定的测量接收和网络的状态。最佳制度进行了研究，使用模拟。
Wireless Resources Virtualization for Cloud Radio Access Networks (C-RAN)
本文提供了用于虚拟化C-RAN无线资源并在多个移动网络运营商（MNO）之间共享它们的解决方案。所提出的解决方案动态地将无线资源分配给跨网络订阅MNO的用户。此外，所提出的解决方案在不同的MNO之间保持高水平的隔离，提供高效且公平的资源利用，实现不同的调度策略，并管理小区间干扰（ICI）。一个最优的解决方案制定为一个组合问题，这是计算昂贵的。因此，两个低复杂度的次优解决方案具有可比的性能。最优和次优的解决方案进行了比较的复杂性和性能。
Impact of two-level fuzzy cluster head selection model for wireless sensor network: An Energy efficient approach in remote monitoring scenarios
在过去的十年中，无线传感器网络的强大的应用已经增加，由于潜在的使用无线节点的信息传输，通过减少延迟的监视和监测。该研究提出了一种节能的动态场景（EEDS）的簇头分配的最佳平衡，在整个网络的能源消耗，将延长网络的生命周期，在一个有效的方式。提出了一种基于节点定位和网络流量的两级模糊逻辑簇头选择算法。在较高的决策水平称为全球水平的资格导致更好的性能的推理系统的基础上，所有上述六个模糊参数建立一个能源效率的网络模型。我们开发了一种算法来计算整个网络的能量，如果源和目的地是已知的。我们评估的成本和效益的数据融合，以适应性地调整是否应进行融合，以最大限度地减少总能耗时，能源效率的节点调度迁移到另一个节点。仿真结果表明，EEDS给出了最好的性能方面的网络生命时间密度和剩余能量的节点。
Minimum-Energy Mobile Wireless Networks Revisited
我们提出了一个协议，给定一个通信网络，计算一个子网，这样，对于每一对$(u,v)$的节点连接在原始网络中，有一个最小能量路径之间的$u$和$v$在子网（其中最小能量路径是一个，允许消息以最小的能量使用传输）。由我们的协议计算的网络通常是由[13]中给出的协议计算的网络的子网络。此外，我们的协议在计算上更简单。我们证明了通过使用我们的协议计算的子网络，通过模拟获得的性能改善。
Joint Routing, Scheduling and Power Control Providing Hard Deadline in Wireless Multihop Networks
我们认为最佳/有效的功率分配策略在单/多跳无线网络中存在硬端到端的最后期限延迟的传输数据包的约束。这样的约束对于实时的语音和视频是有用的。功率仅在数据的传输中被消耗。我们考虑的情况下，在传输中使用的功率是一个凸函数的数据传输。我们开发了一个计算效率高的在线算法，它最大限度地减少了单跳的平均功率。我们将此问题建模为动态规划（DP），并得到最优解。接下来，我们将其推广到多用户，多跳的情况下，有多个实时的流与不同的硬期限约束。
A Self-Tuning Receiver-Initiated MAC Protocol for Wireless Sensor Networks
无线传感器网络的接收器发起的媒体访问控制协议理论上能够以分布式方式适应不断变化的网络条件。然而，现有的算法依赖于在每个接收机固定的信标速率。我们提出了一个新的接收发起的MAC协议，适应在每个接收机的信标速率，其实际流量负载。我们的建议使用一个计算成本低廉的公式来计算最佳的信标速率，最大限度地减少网络能耗，因此，它可以很容易地被接收器采用。仿真结果表明，我们的建议减少了冲突，减少了交付时间保持低占空比。
A Learning Approach for Low-Complexity Optimization of Energy Efficiency in Multi-Carrier Wireless Networks
本文提出了计算效率高的算法，以最大限度地提高能量效率的多载波无线干扰网络，通过一个合适的分配系统的无线电资源，即发射功率和子载波分配。该问题被制定为最大化的系统的全球能源效率受到最大功率和最小速率约束。这导致了一个具有挑战性的非凸分数问题，这是通过分数规划，学习和博弈论的相互作用来解决的。所提出的算法框架是可证明收敛的，并具有线性的复杂度的用户和子载波的数量，而其他可用的解决方案只能保证多项式的复杂度的用户和子载波的数量。数值结果表明，所提出的方法执行类似的其他，更复杂的算法。
Efficient Data Compression with Error Bound Guarantee in Wireless Sensor Networks
我们提出了一个数据压缩和降维方案的数据融合和聚合应用，以防止数据拥塞，减少能源消耗在网络连接点，如簇头和网关。我们的网络方法可以很容易地调整，分析数据的时间或空间相关性，使用无监督的神经网络计划，即自动编码器。特别是，我们的算法从以前收集的历史样本中提取固有的数据特征，将原始数据转换为低维表示。此外，所提出的框架提供了一个错误约束保证机制。我们评估所提出的解决方案，使用真实世界的数据集，并将其与传统的方法进行时间和空间的数据压缩。实验结果表明，该方法在压缩效率和信号重构方面优于现有的几种无线传感器网络的数据压缩方法。
Scheduling wireless links by graph multicoloring in the physical interference model
调度无线链路以使所有传输在接收器处被成功解码并且此外网络容量被最大化的方式同时激活是计算上困难的问题。通常，它是由一系列的时隙，其中每一个链接出现在一个时隙的输出处理。这样的方法可以被解释为图的顶点的着色，使得每个顶点都得到一种颜色。在这里，我们介绍了一种新的方法，可以被视为分配多个颜色给每个顶点，这样，在产生的时间表中，每个链接可能会出现一次以上（虽然所有链接的次数相同）。我们报告了大量的计算实验，在物理干扰模型下，揭示了各种随机生成的网络的实质性收益。
Two-hop Power-Relaying for Linear Wireless Sensor Networks
本文提出在无线传感器网络中利用双跳中继增益调度控制来估计具有高斯概率分布的静态目标，通过线性传感器网络传输观测数据至融合中心，采用放大转发中继节点进行最终估计，通过迭代低计算复杂度方法优化传感器和中继的传输功率分配以最小化均方误差。
Collusion resistant self-healing key distribution in mobile wireless networks
任何安全组通信系统的一个基本问题是密钥管理，无线环境带来了新的挑战。这些新兴网络的一个核心要求是自我修复。在用户可能离线并错过更新的系统中，自我修复允许用户恢复丢失的会话密钥并重新进入安全通信，而不会给组管理器带来额外的负担。显然，自我修复必须仅对授权用户可用。本文解决了现有的自愈密钥分发方案中存在的合谋攻击问题，并提供了一个高效的方案相比，现有的工作。它具有计算安全性，能抵抗新加入用户和撤销用户之间的合谋攻击，并实现了前向和后向保密。我们的安全分析是在一个适当的安全模型。与现有的建设，我们的计划不禁止被撤销的用户重新加入以后的会议。
In Order Packet Delivery in Instantly Decodable Network Coded Systems over Wireless Broadcast
在本文中，我们研究了在无线广播网络的即时解码网络编码系统中的按顺序分组传输。我们感兴趣的应用程序，其中成功交付的数据包取决于正确接收这个数据包和所有它的前面的数据包。我们制定的问题，最小化未交付的数据包的数量，所有接收器在所有的传输，直到完成作为一个随机最短路径（SSP）的问题。虽然使用SSP找到最佳的数据包选择策略是计算复杂的，它使我们能够系统地利用问题的结构，并制定有效的数据包选择策略，可以减少所有接收器的未交付数据包的数量，直到完成的指导方针。根据这些准则，我们设计了一个简单的启发式数据包选择算法。仿真结果表明，我们提出的算法提供了更快的数据包传输到接收器相比，现有的算法在文献中。
Efficiency Evaluation Metrics for Wireless Intelligent Sensors Applications
随着无线智能传感器系统的出现，计量领域取得了进展，提供了更多的功能，如信号处理，远程多传感融合等，这种设备正在迅速进入医疗和工业监测，防撞，交通控制，汽车和其他应用。然而，无线智能传感器系统的许多设计挑战被施加以克服数据流量中的物理限制，例如系统噪声、实时的通信、信号衰减、响应动态、功耗和有效转换速率等，特别是对于需要特定性能的应用。本文分析了上述传感设备系统的性能指标，这些传感设备系统代表了更高的测量精度和可靠性。研究结果规定研究人员，开发人员/工程师和用户实现最佳的传感微粒设计策略，提供操作优势，可以为应用提供具有成本效益的解决方案。
Design of Wireless Sensors for IoT with Energy Storage and Communication Channel Heterogeneity
自治无线传感器（AWSs）是无线传感器网络（WSN）的核心。目前的AWS技术允许开发许多基于物联网的应用程序，从军事到生物工程，从工业到教育。AWS的能量优化主要取决于：结构、功能和应用规格。整体设计方法解决了上述所有因素。从这个意义上说，我们提出了一个原始的解决方案的基础上，一个新的架构，重复的收发器，也使用混合存储系统的电源。通过识别收发器的消耗需求，提出了一种适当的方法来调整和控制电源的功率流。本文通过一组收发器测试场景，强调AWS在频谱信息方面的信息、通信和能耗之间的融合，找出影响传感器节点设计的主要因素及其相互依赖关系。系统的优化考虑了所有这些因素，获得了一个节能的AWS，通过向它们添加能量收集元素，为自主传感器铺平了道路。
Cross Layer Design for Maximizing Network Utility in Multiple Gateways Wireless Mesh Networks
本文以信号干扰噪声比（SINR）为干扰模型，研究了多网关无线Mesh网络中网络效用最大化问题。其目标是一个跨层的设计，考虑联合速率控制，流量分割，路由，调度，链路速率分配和功率控制，制定网络效用最大化问题。由于这个问题是计算复杂的，我们提出了联合动态网关选择，链路速率分配和功率控制（JGRP）算法的基础上差分积压作为一个次优的解决方案。该算法首先构造初始网络拓扑，然后在每个时隙内，同时确定每个业务流的产生速率和目的网关。该算法的另一个主要任务是联合路由、调度、链路速率分配和节点功率分配。此外，为了提高公平性，我们提出了一些新的参数来代替JGRP算法中的差分积压。仿真结果表明，在JGRP算法中使用所提出的参数，从吞吐量和延迟的角度提高了公平性。
Auction-based Resource Allocation in MillimeterWave Wireless Access Networks
研究了60 GHz毫米波无线接入网中客户端对可用接入点的最优分配的资源分配问题。这个问题被看作是一个多任务优化问题。所提出的解决方案将初始问题转化为最小费用流问题，并允许设计一个有效的算法的组合拍卖算法。该解决方案算法利用了问题的网络优化结构，因此比计算密集型通用求解器更强大。理论和数值结果表明，许多属性，如最优性，收敛性和可扩展性相比，现有的方法。
Achieving the Scaling Law of SNR-Monitoring in Dynamic Wireless Networks
无线通信信道的特性可能由于衰落、环境变化和移动无线设备的移动而随时间变化。因此，跟踪和估计无线信道的信道增益是许多无线通信系统的基本重要元素。特别地，许多无线网络中的接收机需要借助于训练序列来估计信道增益。研究了无线网络中信道增益监测开销与网络规模的缩放定律。我们首先调查的情况下，接收器需要跟踪相对于多个发射器的信道增益。具体而言，假设有n个发射机，并且在当前一轮信道增益估计中，不超过k个信道自上一轮以来遭受显著变化。我们证明了“Θ（k \log（（n+1）/k））时隙”是赶上k个变化信道所需的最小时隙数。同时，我们提出了一种新的信道增益监测方案ADMOT，以达到开销下限。ADMOT利用无线通信中的信号处理和干扰处理中的压缩感测的最新进展，以使接收机能够在O（k \log（（n+1）/k））个时隙内以可靠且计算高效的方式估计所有n个信道。据我们所知，所有先前的信道跟踪方案都需要Θ（n）个时隙，而不管k。注意，基于上述针对单个接收器场景的结果，实现了其中存在多个发射器、中继节点和接收器的一般设置的缩放定律。
Link Scheduling in Multi-Transmit-Receive Wireless Networks
本文研究了多发射接收（MTR）无线网络中满足业务需求的链路调度问题。MTR网络是一类新的网络，其中每个节点可以同时向多个其他节点发送，或者同时从多个其他节点接收。MTR能力可以通过使用多个定向天线或多个信道来实现。港铁可大大提升网络容量。然而，在此之前，必须制定充分利用MTR能力的链路调度。我们表明，最优链路调度可以制定为一个线性规划（LP）。然而，这个问题是NP难的，因为我们需要先找到图中的所有极大独立集。我们提出了两个计算效率高的算法，称为重权重优先（HWF）和最大度优先（HWF）来解决这个问题。仿真结果表明，HWF和CSTR在运行时间和最优性方面都能获得优异的性能。
A Multi-Channel Spectrum Sensing Fusion Mechanism for Cognitive Radio Networks: Design and Application to IEEE 802.22 WRANs
IEEE 802.22是一种新的认知无线电标准，旨在将无线覆盖范围扩展到农村地区。WRAN被称为无线区域网络，基于无干扰频谱共享模型设计，是在未充分利用的UHF/VHF电视频段上工作的信道化和中央控制网络，用于与远程用户（所谓的客户端设备（CPE））建立通信。尽管在这些频率中的可靠和无干扰操作的重要性，在IEEE 802.22中建议的频谱感测融合机制是基本的，并且不能满足严格的强制感测要求。其他根深蒂固的缺点是在不同信噪比制度下的性能不一致，不平衡的性能，不稳定和缺乏灵活性。受此启发，本文提出了一种基于多信道学习的分布式感知融合机制（MC-LDS）。MC-LDS被证明是自我训练，稳定，并通过其固有的奖惩方法来补偿故障报告。此外，MC-LDS在所有业务状态中表现出更好的统一性能，是公平的（减少了误报警/误检测间隙）、可调节的（以几个自由度工作）和带宽高效的（为更多CPE打开传输机会）。仿真结果和比较一致证实MC-LDS优于IEEE 802.22推荐算法，即，和，或和投票规则。
WirelessLLM: Empowering Large Language Models Towards Wireless Intelligence
本文提出WirelessLLM框架，通过知识对齐、融合与演化原则及多种适配技术增强LLM的无线领域能力，并以案例验证其应用价值。
Raptor Codes Based Distributed Storage Algorithms for Wireless Sensor Networks
本文研究了一个大规模无线传感器网络中的分布式存储问题，该网络中的$n$节点之间$k$获取（感知）独立的数据.目标是在整个网络中传播所获取的信息，使得每个$n$传感器存储一个可能编码的分组，并且对于一些小的$ε>0$，可以稍后以计算简单的方式从任何$(1+ε)k$节点恢复原始$k$数据分组。我们提出了两个基于Raptor码的分布式存储算法来解决这个问题。在第一种算法中，所有传感器都具有$n$和$k$的知识。在第二种情况下，我们假设没有传感器具有这样的全局信息。
Privacy Preserving Data Aggregation in Wireless Sensor Networks
在互联网和移动技术极度渗透的今天，隐私保护是一个重要的问题。在无线传感器网络（WSNs）中，收集的数据通常需要网络内处理和协作计算，这一点更为重要。这一领域的研究主要集中在应用数据采掘技术来保护数据的隐私内容。这些技术大多是计算昂贵，不适合资源有限的WSN节点。在本文中，一个计划，以提供一个更简单的方式与安全的密钥管理方案和随机数据扰动技术的帮助下，隐私保护。我们考虑这样一种情况，即拥有机密数据的两方或多方仅需要出于聚合目的向第三方共享数据，而不会泄露数据的内容。通过仿真结果验证了该方案的有效性，并与文献[1]中的一种方案进行了比较。
Linear Network Coding Based Fast Data Synchronization for Wireless Ad Hoc Networks with Controlled Topology
无线自组织网络中的快速数据同步是一个具有挑战性和关键性的问题。它是分布式系统中有效的信息融合、控制和决策的基础。以前，分布式数据同步主要是在容延迟的分布式数据库中研究的，或者假设无线自组网的一般模型。在本文中，我们提出了一对线性网络编码（NC）和全对全广播的快速数据同步算法的无线ad hoc网络的拓扑结构下的运营商的控制。我们考虑两个数据块的选择和发送节点的选择，利用NC的好处。与传统的未编码方法中的存储转发协议不同，我们的方案采用了计算转发协议，提高了传输效率。在不同的网络规模、网络连接度和每跳数据包出错率下，研究了所提算法的性能。仿真结果表明，我们的算法显着减少用于数据同步的时隙相比，基线，不使用NC。
Adaptive determinantal scheduling with fairness in wireless networks
本研究提出基于行列式点过程的公平无线网络调度框架，将问题转化为$L$-系综上的凸优化问题，验证了其在SINR网络模型中的适用性，为网络调度提供了兼具数学简洁性与计算可行性的新方案。
Retrieval Augmented Generation with Multi-Modal LLM Framework for Wireless Environments
针对无线网络优化，提出多传感器检索增强生成框架，通过多模态预处理构建统一向量数据库，在GPT和Gemini上相比传统LLM设计在五项指标上提升7%-12%，并满足实时收敛要求。
Multi-Modal Recurrent Fusion for Indoor Localization
本文考虑使用包括Wi-Fi、惯性测量单元（IMU）和超宽带（UWB）在内的多模无线信号进行室内定位。通过将定位问题描述为多模态序列回归问题，提出了一种多流递归融合方法，该方法在递归神经网络的背景下结合每个模态的当前隐藏状态，同时考虑直接从其自身的最近状态学习的模态不确定性。在大规模SPAWC 2021多模态定位数据集上对所提出的方法进行了评估，并与包括三边测量方法、传统指纹方法和基于卷积网络的方法在内的各种基线方法进行了比较。
Cooperative Communication Based on Random Beamforming Strategy in Wireless Sensor Networks
针对大规模传感器网络中传感器观测数据向融合中心传输的问题，提出了一种两阶段协作通信策略和最优功率分配策略。中断概率被用来评估所提出的系统的性能。仿真结果表明：1）在低信噪比条件下，该系统在不相关慢衰落瑞利信道中的性能优于多输入多输出系统; 2）在给定传输速率和总传输信噪比的情况下，存在一个最优功率分配，使得中断概率最小; 3）在相关慢衰落Rayleigh信道中，信道相关性对系统性能的影响与相关程度成线性关系。
FAWN: A MultiEncoder Fusion-Attention Wave Network for Integrated Sensing and Communication Indoor Scene Inference
本文提出FAWN，一种基于Transformer架构的多编码器融合-注意力波网络，用于整合感知与通信的室内场景推断，通过融合Wi-Fi和5G信号提高环境感知精度。
The Tradeoff Between Coverage and Computation in Wireless Networks
我们考虑一个分布式边缘计算的情况下，由几个无线节点，位于感兴趣的区域。具体地，一些“主”节点的任务是感测环境（例如，通过经由摄像机获取图像或视频）并处理相应的传感数据，而其他节点被分配为“工作者”以帮助主节点的计算密集型处理任务。一个新的权衡，以前没有在现有的文献中探索出现在这样的配方：一方面，希望分配尽可能多的主节点，以覆盖大面积的准确监测。另一方面，人们还希望分配尽可能多的工作节点，以最大化感测数据的计算速率。正是在这种权衡的背景下，这项工作提出。通过利用无线通信系统的基本物理层原理，我们制定和分析空间网络的覆盖和计算性能之间的权衡。我们还提出了一个算法，找到最佳的权衡，并通过数值模拟证明其性能。
Decentralized Coding Algorithms for Distributed Storage in Wireless Sensor Networks
我们考虑具有$n$节点的大规模无线传感器网络，其中k个节点拥有，（例如，已经感测或以某种其它方式收集）k个信息分组。在网络节点由于例如有限的能量或恶劣的环境而易受攻击的场景中，期望在整个网络中传播所获取的信息，使得n个节点中的每个节点存储一个（可能编码的）分组，使得对于某个小ε> 0，可以本地地并且以计算简单的方式从任何k（1 + ε）个节点恢复原始k个源分组。我们开发了基于分散喷泉码的算法来解决这个问题。与所有以前开发的计划，我们的算法是真正的分布式，也就是说，节点不知道在网络中的n，k或连接，除了在自己的社区，他们不维护任何路由表。
Distributed optimization in wireless sensor networks: an island-model framework
无线传感器网络（WSNs）是一种新兴的技术，在几个应用领域，从城市监控到环境和结构监测。计算智能（CI）技术特别适合于增强这些系统。然而，当将CI嵌入到无线传感器中时，必须考虑到严重的硬件限制。在本文中，我们调查的可能性，在一个无线传感器网络进行在线，分布式优化过程。例如，这样的系统可以用于实现高级网络功能，例如分布式建模、自优化协议和异常检测等。所提出的方法，称为DOWSN（分布式优化的WSN）是一个岛屿模型的基础设施，其中每个节点执行一个简单的，计算成本低（无论是在CPU和内存方面）的优化算法，并与邻居共享有前途的解决方案。我们进行了广泛的测试，不同的DOWSN配置的基准组成的连续优化问题，我们分析的网络参数（节点数量，节点间的通信周期和接受传入的解决方案的概率）的优化性能的影响。最后，我们剖析能源和内存消耗的DOWSN显示传感器节点上可用的有限的硬件资源的有效利用。
Autonomous UAV Base Stations for Next Generation Wireless Networks: A Deep Learning Approach
为了满足无线通信不断增长的连接需求，采用巧妙的解决方案，如无人机（UAV）作为移动基站（BS），势在必行。通常，UAV基站（UAV-BS）的位置通过优化算法来确定，其具有高计算复杂度并且对UAV资源提出了高要求。在本文中，我们表明，一个卷积神经网络（CNN）模型可以被训练来推断实时的的无人机基站的位置。在这样做时，我们创建一个框架，以确定无人机的位置，考虑移动用户（MU）的部署，通过使用从优化算法获得的数据来生成标签。性能评估表明，一旦CNN模型用给定的标签和MU的位置进行训练，所提出的方法就能够以高保真度逼近所采用的优化算法给出的结果，优于基于强化学习（RL）的方法。我们还探讨了未来的研究挑战，并强调关键问题。
Fine-grained graph representation learning for heterogeneous mobile networks with attentive fusion and contrastive learning
针对异构移动网络中手动构建无线数据知识图谱成本高、易出错的问题，提出无监督DMGSL框架，通过分层细粒度优化与循环神经网络融合历史信息实现图谱自动更新，节点分类准确率优于基线。
A Deep Q-Learning Method for Downlink Power Allocation in Multi-Cell Networks
最优资源分配是具有大规模无线连接的密集和异构无线网络的基本挑战。由于优化问题的非凸性，获得最佳资源分配的计算要求很高。最近，深度强化学习（DRL）已经成为解决非凸优化问题的一种很有前途的技术。与深度学习（DL）不同，DRL不需要任何最佳/接近最佳的训练数据集，这些数据集在生成合成数据时不可用或计算昂贵。在本文中，我们提出了一种新的集中式DRL为基础的多小区系统的下行链路功率分配方案，旨在最大限度地提高总的网络吞吐量。具体来说，我们应用深度Q学习（DQL）方法来实现接近最优的功率分配策略。为了对所提出的方法进行基准测试，我们使用遗传算法（GA）来获得接近最优的功率分配解决方案。仿真结果表明，所提出的基于DRL的功率分配方案相比，在多小区的情况下，传统的功率分配方案的性能更好。
Graph Neural Networks for Power Allocation in Wireless Networks with Full Duplex Nodes
针对含全双工节点的无线网络功率分配非凸难题，提出新型图表示法并设计F-GNN模型分配发射功率以最大化吞吐量，在显著减少计算时间的同时实现了性能与复杂度的优异权衡。
Towards an Intelligent Edge: Wireless Communication Meets Machine Learning
最近人工智能（AI）的复兴正在彻底改变科学和技术的几乎每一个分支。鉴于无处不在的智能移动设备和物联网（IoT）设备，预计大多数智能应用将部署在无线网络的边缘。这一趋势引起了人们对实现“智能边缘”的强烈兴趣，以支持各种边缘设备上支持AI的应用程序。边缘学习是无线通信和机器学习两个学科交叉的一个新的研究领域。边缘学习的一个主要主题是克服每个边缘设备上有限的计算能力和有限的数据。这是通过利用移动边缘计算（MEC）平台并利用分布在大量边缘设备上的海量数据来实现的。在这样的系统中，从分布式数据中学习和边缘服务器与设备之间的通信是两个关键的耦合方面，它们的融合带来了许多新的研究挑战。本文倡导一套新的边缘学习无线通信设计原则，统称为学习驱动通信。提供了说明性的例子来证明这些设计原则的有效性，并确定了独特的研究机会。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。