Improved Circuit Design of Analog Joint Source Channel Coding for Low-power and Low-complexity Wireless Sensors
为了实现低功耗、低复杂度的无线监测，提出了一种改进的无线传感器节点模拟联合信源信道编码（AJSCC）电路设计。这种创新设计基于模拟分频器模块（ADB），AJSCC电平之间的间距可调。ADB控制两种类型的电压控制电压源（VCVS）之间的切换。LTSpice模拟进行评估的电路的性能，并比较这种新的基于ADB-based设计的功耗和电路复杂度与我们以前的并行VCVS设计。据发现，这种改进的电路设计的基础上ADB优于设计的基础上并行VCVS的大量AJSCC水平（>= 16），无论是在功耗以及电路的复杂性，从而使持久的和更高的时间/空间分辨率的环境感测。
2019-06-30 cs.IT cs.NI eess.SP
GNN-Based Joint Channel and Power Allocation in Heterogeneous Wireless Networks
University of Melbourne（墨尔本大学）
本文提出JCPGNN，将异构无线网络建模为异构图，通过共享消息计算层和两个任务特定层联合优化信道与功率分配，在保证性能的同时提升计算效率。
2024-07-28 cs.IT cs.LG cs.NI
Asynchronous Transmission of Wireless Multicast System with Genetic Joint Antennas Selection
多播传输的最优天线选择算法可以显著减少天线数目，并且可以获得较低的复杂度和接近穷举搜索的高性能。提出了一种基于遗传天线选择的异步组播传输机制。与最优搜索算法相比，遗传天线选择算法在天线总数增加的情况下，计算复杂性保持适中。对该机制的出错率和信道容量进行了分析和仿真，仿真结果表明，该机制在无线多播系统中可以获得较好的误符号率和次最大信道容量。
2014-05-08 cs.IT cs.NI math.IT
Joint Spectrum and Power Allocation for Multi-node Cooperative Wireless Systems
能源效率是无线网络日益关注的问题，这不仅是由于智能设备的新兴流量需求，而且还因为对传统不可持续能源的依赖以及对整体环境的担忧。在满足系统要求的同时降低功耗的迫切要求促使人们越来越多地研究绿色无线电。在本文中，我们研究了一种新的联合频谱和功率分配方案的合作下行链路多用户系统使用频分多址接入方案，其中任意M个基站（BS）协调分配其资源给每个用户设备（UE）。假设多BS UE（由多BS服务的用户）将需要来自这些BS的相同量的频谱，我们得出结论，当多BS UE的数量被M-1限制时，资源分配方案总是可以保证最小的总发射功率消耗，同时满足每个UE的吞吐量要求以及每个BS的功率约束。然后，为了决定多BS UE的集群和单独BS UE（由单独BS服务的用户）的集群，我们提出了UE-BS关联方案和复杂度降低方案。最后，提出了一种新的联合频谱和功率分配算法，以最小化总功耗。仿真结果验证了所导出的方案的最优性。
2014-05-22 cs.IT cs.NI math.IT
Joint Sensing and Communication for Situational Awareness in Wireless THz Systems
下一代无线系统正从仅通信系统快速发展到具有集成传感和通信的多模式系统。本文提出了一种新的联合传感和通信框架，使无线延展实境（XR）在太赫兹（THz）波段。为了收集丰富的传感信息和更高的视距（LoS）可用性，部署了太赫兹操作的可重构智能表面（RIS）作为基站。利用太赫兹的准光学性和机会主义地利用上行链路通信波形来提取感测参数。这使得能够将相同的波形、频谱和硬件用于感测和通信目的。然后，通过利用太赫兹信道的稀疏性，通过张量分解的环境传感参数。因此，一个高分辨率的室内映射推导出，以表征通信的空间可用性和用户的移动性。仿真结果表明，在所提出的框架中，分辨率和数据率的整个系统是正相关的，从而允许这些指标之间的联合优化没有权衡。实验结果还表明，该框架提高了系统在静态和移动系统中的可靠性。特别是，与具有光束跟踪的仅通信系统相比，在步行速度移动环境中实现了10%的最高可靠性增益。
2021-11-28 cs.IT cs.NI eess.SP
Joint Inter-flow Network Coding and Opportunistic Routing in Multi-hop Wireless Mesh Networks: A Comprehensive Survey
网络编码和机会路由是两个公认的创新思想，以提高无线网络的性能，通过利用无线介质的广播性质。在过去的十年中，已经有相当多的研究如何协同流间网络编码和机会路由在一个单一的联合协议优于每个在任何情况下。本文解释了这两种技术的集成背后的动机，并强调了某些情况下，联合方法甚至可能降低性能，强调了一个事实，即它们的协同效应不能用天真和敷衍的组合来实现。这份调查报告还提供了一个全面的分类联合协议的基本组成部分和相关的挑战，并比较现有的联合协议。我们还提出了结论性意见，以及未来的研究方向的纲要。
2018-03-01 cs.NI
Diversity Polynomials for the Analysis of Temporal Correlations in Wireless Networks
无线网络中的干扰是时间相关的，因为节点或用户位置随时间相关，并且干扰发射机是这些节点的子集。对于一个无线网络，其中（潜在的）干扰形成一个泊松点过程，并使用ALOHA信道接入，我们计算的联合成功和中断概率的n个传输在一个参考链路。结果是基于多样性多项式，它捕获的时间干扰相关性。联合中断概率用于确定分集增益（SIR趋于无穷大），结果表明，在简单的重传方案中没有分集增益，即使在所有链路上具有独立的瑞利衰落。我们还确定了两个传输的完整的联合SIR分布和本地延迟的分布，这是直到通过参考链路的重复传输成功的时间。
2013-09-11 cs.IT cs.NI math.IT
Joint Latency-Energy Minimization for Fog-Assisted Wireless IoT Networks
针对多设备向雾节点并行卸载任务的场景，提出在无线与计算约束下联合最小时延和能耗的资源分配方法，利用Tchebyshev定理、Nash议价与块坐标下降求得唯一合作NE并验证有效性。
2023-06-29 cs.GT cs.NI
Joint Coding and Scheduling Optimization for Distributed Learning over Wireless Edge Networks
与理论上的分布式学习（DL）不同，无线边缘网络上的DL面临无线连接和边缘节点的固有动态/不确定性，使得DL在高度动态的无线边缘网络（例如，使用mmW接口）。本文通过利用编码计算和深度决斗神经网络架构的最新进展来解决这些问题。通过引入编码结构/冗余，可以完成分布式学习任务，而无需等待离散节点。与仅优化代码结构的传统编码计算不同，无线边缘上的编码分布式学习还需要优化具有异构连接、计算能力和离散效应的无线边缘节点的选择/调度。然而，即使忽略上述动态/不确定性，所得到的编码和调度的联合优化，以最大限度地减少分布式学习时间原来是NP-难的。为了解决这个问题，并考虑到无线连接和边缘节点的动态性和不确定性，我们将该问题重新表述为马尔可夫决策过程，然后设计了一种新的深度强化学习算法，该算法采用深度决斗神经网络架构，在没有关于无线环境和边缘节点的显式信息的情况下，为不同的学习任务找到联合最优编码方案和最佳边缘节点集合。离散参数仿真结果表明，与其他DL方法相比，该框架将无线边缘计算中的平均学习延迟降低了66%。本文中的联合优化框架也适用于任何具有异构和不确定计算节点的分布式学习方案。
2021-03-09 cs.AI cs.NI
Integrated Millimeter Wave and Sub-6 GHz Wireless Networks: A Roadmap for Joint Mobile Broadband and Ultra-Reliable Low-Latency Communications
下一代无线网络必须通过跨越增强型移动宽带（eMBB）的广泛无线服务以及超可靠低延迟通信（URLLC）来实现增强现实和联网自动驾驶汽车等新兴技术。由于频谱稀缺，仅依赖于稀缺的低于6 GHz的微波（$μ$ W）频段的现有无线系统将不能满足未来无线服务的这种严格和混合的服务要求。同时，在高频毫米波（mmWave）频带下操作被视为有吸引力的解决方案，这主要是由于大规模多天线通信的带宽可用性和可能性。然而，毫米波通信由于其对阻塞、高路径损耗和信道不确定性的敏感性而固有地不可靠。因此，为了提供URLLC和高速无线接入，期望将$μ$ W网络的可靠性与毫米波网络的高容量无缝集成。为此，本文介绍了\emph{integrated mmWave-$μ$W}通信的第一个综合教程。这种设想的集成设计将使无线网络能够实现URLLC以及eMBB，这是通过利用两个世界中的最佳世界来实现的：$μ$ W波段的可靠远程通信和毫米波频率的定向高速通信。为了实现这一目标，讨论了关键的解决方案概念，包括无线电接口的新架构、URLLC感知帧结构和资源分配方法以及移动性管理，以实现集成毫米波- $μ$ W通信的潜力。讨论了每种方案的机遇和挑战，并给出了关键结果，以显示所开发的集成毫米波- $μ$ W框架的优点。
2018-10-30 cs.IT cs.NI eess.SP
5G Wireless Backhaul Networks: Challenges and Research Advance
预计5G网络将在未来的蜂窝网络中实现千兆级吞吐量。然而，以有效的方式处理5G无线回程流量是一个巨大的挑战。在本文中，我们分析了两种典型的网络架构，采用小小区和毫米波通信技术的无线回程流量。此外，无线回程网络的能量效率进行了比较，为不同的网络架构和频带。数值比较结果为以经济高效的方式部署未来5G无线回程网络提供了一些指导。
2014-12-23 cs.NI
Optimizing Joint Data and Power Transfer in Energy Harvesting Multiuser Wireless Networks
能量收集是延长能量受限的移动无线设备寿命的一种潜在解决方案。在本文中，我们专注于多用户多载波移动无线网络的射频（RF）能量收集。具体来说，我们提出了联合数据和能量传输优化框架，通过RF能量收集为移动无线设备供电。我们引入了一个功率实用程序，捕获在基站（BS）的功耗成本和用户的电池使用的功率，并确定最佳的功率资源分配，满足数据率的下行链路和上行链路通信的要求。在每个用户处考虑两种类型的收集能力：仅从专用RF信号收集和从专用和环境RF信号两者混合收集。所开发的框架增加了终端用户的电池寿命，但代价是BS功耗略有增加。为了验证我们提出的框架进行了一些评估研究。
2017-07-21 cs.NI
Joint Computation Offloading and Resource Allocation in Cloud Based Wireless HetNets
本文研究了两层无线异构网络（HetNet）中的联合计算卸载和资源分配问题。我们的设计旨在优化计算卸载到云联合子信道分配，以最大限度地减少最大（最小-最大）加权能耗的实际约束的带宽，计算资源和允许的延迟的多用户多任务计算系统。为了解决这个非凸混合整数非线性问题（MINLP），我们采用二分法搜索方法来解决它，我们提出了一种新的方法来转换，并验证在每次迭代的潜在问题的可行性。此外，我们提出了一个低复杂度的算法，它可以减少二进制优化变量的数量，使更多的可扩展性计算卸载优化在实际的无线HetNet。数值研究表明，在严格要求的延迟为0.1s的情况下，与本地计算方案相比，所提出的设计实现了约55%的节能增益。
2018-11-16 cs.NI
Joint Power Allocation and Caching Optimization in Fiber-Wireless Access Networks
光纤-无线（FiWi）接入网络由于大容量光纤回程和无处不在的无线前端的互补优势而得到广泛部署。为了满足对带宽需求量大的应用的日益增长的需求，接入点（AP）被密集地部署，并且针对更高的数据率已经发布了新的无线网络标准。因此，FiWi接入网络中的光纤回程仍然面临着输入带宽容量紧缩。在本文中，我们涉及高速缓存FiWi接入网络，以应付光纤回程瓶颈，提高网络吞吐量。另一方面，功率消耗是无线接入网络中的重要问题。由于无线接入网络中的功率预算和光纤回程的带宽都受到限制，因此，适当地利用用于缓存的功率和用于无线传输的功率来实现最佳系统性能是具有挑战性的。为了解决这一挑战，我们制定了下行链路无线接入吞吐量最大化问题，通过联合考虑在FiWi接入网络的功率分配和缓存策略。为了解决这个问题，首先，我们提出了体积可调回程约束注水法（VABWF）推导出最优无线传输功率分配的表达式。然后，我们将问题转化为一个多选择背包问题（MCKP），并提出了一个动态规划算法来寻找MCKP问题的最优解。仿真结果表明，在不同FiWi接入网络场景下，该算法的系统吞吐量明显优于现有算法.
2018-12-29 cs.NI
Asymptotic Laws for Joint Content Replication and Delivery in Wireless Networks
我们调查的可扩展性的多跳无线通信，在网络中的一个主要问题，用户访问的情况下，跨节点复制的内容。与随机选择通信对的标准范例相反，内容复制对于文件流行度、高速缓存和网络大小的某些制度是有效的。我们的研究开始于详细的联合内容复制和交付问题的二维正方形网格，一个硬组合优化。这被简化为基于复制密度的更简单的问题，其性能与原始的相同。假设Zipf流行率定律，并让内容和网络的大小都趋于无穷大，我们确定所需的链路容量的缩放定律和制度，范围从O（\sqrt{N}）到O（1）。
2013-01-08 cs.NI
Joint Scheduling and Transmission Power Control in Wireless Ad Hoc Networks
在本文中，我们研究了如何确定并发传输和每个链路的传输功率水平，以最大限度地提高频谱效率和最小化的能量消耗在无线自组织网络。当节点密度趋于无穷大且网络面积无界时，确定了最优的联合传输分组调度和功率控制策略。基于渐近分析，我们确定的无线网络的基本容量限制，受能量消耗约束。我们提出了一个调度和传输功率控制机制，以接近最佳的解决方案，以最大限度地提高频谱和能源效率在一个实际的网络。基于我们在[1]中提出的MAC框架，提出了所提出的调度和传输功率控制方案的分布式实现。仿真结果表明，该方案实现了40%以上的吞吐量比现有的计划。此外，使用所提出的方案的能量消耗是使用现有的节能MAC协议消耗的能量的约20%。
2017-06-18 cs.NI
Joint Device Scheduling and Resource Allocation for Latency Constrained Wireless Federated Learning
Hitachi (China) Research & Development Cooperation（日立（中国）研发有限公司）
在联邦学习（FL）中，设备通过经由无线信道上传其本地模型更新来为全局训练做出贡献。由于有限的计算和通信资源，设备调度对FL的收敛速度至关重要。在本文中，我们提出了一种联合设备调度和资源分配策略，以在给定的总训练时间预算内最大化延迟受限的无线FL的模型精度。训练性能损失的倒数的下限，根据训练轮的数量和每轮调度的设备的数量，导出。在此基础上，将精度最大化问题分解为两个子问题进行求解。首先，给定被调度的设备，最优带宽分配建议将更多带宽分配给具有较差信道条件或较弱计算能力的设备。然后，引入贪婪设备调度算法，在每一步中选择消耗最少更新时间的设备，直到最优带宽分配的下限开始增加，这意味着调度更多的设备会降低模型的准确性。实验结果表明，该策略优于国家的最先进的调度策略下，广泛的数据分布和细胞半径的设置。
2020-07-14 cs.IT cs.LG cs.NI
Joint Data Scheduling and FEC Coding for Multihomed Wireless Video Delivery
研究了异构无线网络中从服务器到多宿主设备的移动视频传输问题。现有的大多数工作都只考虑在单路径上传输视频流，带宽有限，导致最终的视频传输速率。针对这一问题，本文提出了一种新的视频流传输瓶颈解决方案--联合数据分配和喷泉编码（JDAFC）方法，该方法包含以下特点：（1）路径选择，（2）动态数据分配，（3）喷泉编码。我们评估JDAFC的性能通过仿真实验使用Exata和JVSM，并与一些参考解决方案进行比较。实验结果表明，JDAFC在提高视频峰值信噪比以及降低端到端延迟方面优于竞争解决方案。
2015-07-18 cs.MM cs.NI
Joint Routing, Scheduling And Power Control For Multihop Wireless Networks With Multiple Antennas
研究了多天线多跳无线网络的联合路由、调度和功率控制问题。我们扩展的问题和（次优）启发式求解方法JRSP MHWN单天线。我们提出了一个迭代的计划来计算链路容量（可达速率）的干扰环境中的网络使用SINR模型。然后，我们提出了解决JRSP问题的算法。这完成了一个可行的系统模型MHWN时，节点有多个天线。我们表明，我们实现的增益，通过使用多个天线在网络中是线性的最佳性能以及启发式算法的性能。
2011-10-03 cs.NI stat.CO
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。
2017-02-15 cs.NI
Joint Impact of Pathloss Shadowing and Fast Fading - An Outage Formula for Wireless Networks
在本文中，我们分析了路径损耗，阴影和快衰落对无线网络的联合影响。考虑到路径损耗和阴影，我们首先表示位于一个给定的距离从它的服务基站（BS）的移动的SINR分布。这种分布的时刻很容易计算，使用Fenton-Wilkinson方法，和流体模型，认为细胞网络作为连续BS。然后考虑路径损耗，阴影和快衰落的联合影响，我们推导出一个易于计算的中断概率公式，移动站位于任何距离，其服务BS。我们验证了我们的方法，通过比较所有的结果在传统的六边形网络进行蒙特卡罗模拟。事实上，我们建立的公式给出的结果是接近的Monte Carlo模拟。所提出的框架是一个强大的工具来研究蜂窝网络的性能，例如OFDMA系统（WiMAX，LTE）。
2010-01-07 cs.NI
Joint wireless and computing resource management with optimal slice selection in in-network-edge metaverse system
本文提出一种在支持切片的元宇宙网络中联合优化无线与计算资源分配的方法，通过将问题建模为混合整数非线性规划并求解最优解，显著提升系统性能，优于现有基准。
2024-11-07 cs.DC cs.NI
Joint Rate Selection and Wireless Network Coding for Time Critical Applications
在本文中，我们动态地选择传输速率和设计无线网络编码，以改善服务质量，如延迟的时间关键型应用。在低传输速率以及因此更长的传输范围的情况下，更多的分组可以被一起编码，这增加了编码机会。然而，低传输速率可能会导致额外的传输延迟，这对于时间紧迫的应用来说是无法忍受的。我们设计了一种新的联合速率选择和无线网络编码（RSNC）方案与延迟约束，以最小化的总数量的数据包错过他们的截止日期在目的节点。我们证明了所提出的问题是NPhard的，并提出了一种新的图模型和传输度量，同时考虑异构传输速率和数据包的截止日期限制在图的建设。使用图模型，我们用数学公式表示的问题，并设计一个有效的算法来确定传输速率和编码策略的每一个传输。最后，仿真结果证明了RSNC方案的优越性。
2011-12-13 cs.NI
Metaverse for Wireless Systems: Architecture, Advances, Standardization, and Open Challenges
本文以教程形式探讨元宇宙在无线系统中的应用，提出新型高层架构，并综述其使能因素、设计方面、管理、可靠性、安全、标准化及开放挑战。
2023-06-22 cs.NI
Joint Optimization of Signal Design and Resource Allocation in Wireless D2D Edge Computing
在本文中，我们研究了设备到设备（D2D）网络的分布式计算能力。D2D网络的一个关键特征是其拓扑结构可重新配置以应对网络需求。对于分布式计算，由于有限的网络和通信资源，导致信道间干扰，资源管理是具有挑战性的。为了克服这一点，最近的研究已经解决了无线调度，子信道分配，功率分配和多输入多输出（MIMO）信号设计的问题，但没有考虑他们联合。在本文中，与以前的移动边缘计算（MEC）方法不同，我们提出了一种无线MIMO信号设计和网络资源分配的联合优化，以最大限度地提高能源效率。鉴于所产生的问题是一个非凸的混合整数规划（MIP），这是禁止在规模上解决，我们将其解决方案分解为两个部分：（i）一个资源分配子问题，优化的链路选择和子信道分配，和（ii）MIMO信号设计子问题，优化的发射波束形成器，发射功率和接收组合器。使用无线边缘拓扑结构的仿真结果表明，我们的方法产生的能量效率大幅提高相比，没有卸载和部分优化的方法的情况下，效率的规模以及网络的大小。
2020-03-04 cs.NI eess.SP
Analysis of Relationship between Strategic and Aggregate Energy Minimization in Delay-Constrained Wireless Networks
我们制定了两个版本的无线网络的功率控制问题与延迟的约束所产生的占空比分配在第一个版本中，战略功率优化，无线节点建模为理性的代理人在一个权力的游戏，谁战略性地调整自己的权力，以尽量减少自己的能量。在另一个版本中，联合功率优化，无线节点联合最小化总能量消耗。我们对这些模型的分析产生了对战略与联合电力优化的不同能源结果的见解。我们推导出这两种模型下的功率分配的解析解，并研究它们是如何受到数据负载和信道质量的影响。我们推导出简单的必要条件存在的纳什均衡的权力游戏，也提供了两种模式下的最优功率分配的数值例子。最后，我们证明了联合优化可以（有时）是帕累托最优的，并主导战略优化，即所有节点的能量消耗低于如果他们使用战略优化。
2005-06-07 cs.GT cs.NI
H-AP Deployment for Joint Wireless Information and Energy Transfer in Smart Cities
随着无线通信在未来变得更加多样化，延长许多电池供电设备的寿命变得具有挑战性，因为频繁更换它们的电池是一项繁琐的工作。混合接入点（H-AP）能够通过利用射频（RF）信号来同时操作无线信息传输（WIT）和无线能量传输（WET）。通过综合考虑用户的移动性和站点的普及性，我们重点研究了H-AP的部署方案的设计。具体而言，基于网格的城市街道的移动性模型被利用来表征用户的运动。基于该模型，首先分析了部署站点的流行度对WIT和WET效率的影响。在此基础上，提出了一种平衡WIT和WET效率的H-AP部署方案，称为B-部署方案。仿真结果表明，B部署方案更灵活，可以满足不同的WIT和WET效率的要求。
2020-02-21 cs.NI cs.SY eess.SY
Joint Scheduling and Coding for Reliable, Latency-bounded Transmission over Parallel Wireless Links
几种新颖的工业应用涉及通过各种高吞吐量反馈系统（例如虚拟现实（VR）和触觉/触觉信号）对车辆、起重机或移动机器人的人类控制。系统和操作员之间的近实时交互要求在分组交换中有严格的延迟约束，这在无线通信链路上难以保证。在这项工作中，我们主张在多个并行（不可靠）链路的数据包级编码和数据包调度有可能提供可靠的，延迟有限的通信周期性数据生成模式的应用程序。然而，这一目标只能通过仔细联合设计这些机制来实现，这些机制的相互作用可能是微妙的，难以预测。在本文中，我们首先讨论这些方面的一般条款，然后提出了一个马尔可夫决策过程（MDP）模型，可以用来找到一个方案，最佳地利用多信道无线接入，以最大限度地提高在截止日期内交付的数据块的分数。然后，我们的说明性示例用于示出在无线链路的不同组合下的最佳编码/调度策略，还示出了用低比特率更稳定的低于6 GHz的链路来备份高比特率不可靠的毫米波链路的常见解决方案在所考虑的场景中实际上可能是无效的
2022-08-25 cs.NI
Joint Task Offloading and Routing in Wireless Multi-hop Networks Using Biased Backpressure Algorithm
针对无线多跳网络中的计算卸载，提出基于有偏背压算法的联合卸载与路由方法，通过扩展图建模并动态调整路由，在大型网络中实现更小的完工时间。
2025-01-24 cs.DC cs.NI eess.SP
Joint Wireless and Edge Computing Resource Management with Dynamic Network Slice Selection
网络切片是在边缘计算系统中实现低延迟计算卸载的一种有前途的方法。在本文中，我们考虑了网络切片下的边缘计算系统，其中无线设备生成延迟敏感的计算任务。我们解决的问题，联合动态分配的计算任务的切片，跨切片的无线电资源的管理和切片内的无线电和计算资源的管理。我们制定的联合切片选择和边缘资源管理（JSS-ERM）问题作为一个混合整数问题的目标，以最大限度地减少计算任务的完成时间。我们表明，JSS-ERM问题是NP-难的，并开发了一个近似算法与有界的逼近比的基础上的博弈论处理的问题。我们提供了大量的仿真结果表明，网络切片可以提高系统的性能相比，没有切片，所提出的解决方案可以实现显着的收益相比，平等的切片政策。我们的研究结果还表明，所提出的算法的计算复杂性是近似线性的设备的数量。
2020-01-22 cs.NI eess.SP
SWAM: SDN-based Wi-Fi Small Cells with Joint Access-Backhaul and Multi-Tenant Capabilities
需要密集部署小型基站，以提供5G网络所承诺的容量。在本文中，我们提出了SWAM，一个系统，建立在商品Wi-Fi路由器与多个无线接口，提供一个无线接入基础设施，支持多租户，移动性，集成的无线接入和回程。基础设施提供商可以部署廉价的SWAM节点以覆盖给定的地理区域，并转售该容量以向移动网络运营商提供按需连接。我们的主要贡献是设计的SWAM数据路径和控制平面，这是由覆盖技术的启发，用于使多租户在数据中心网络。我们原型SWAM在办公室无线测试平台，并通过实验验证其功能。
2018-04-19 cs.NI
Joint Interference and User Association Optimization in Cellular Wireless Networks
在蜂窝无线网络中，用户关联是指将移动用户分配到基站小区的问题--这在许多新兴的小小区和异构网络中是一个关键但具有挑战性的问题。本文考虑了一类通用的效用最大化问题的移动用户协会和带宽和功率分配的联合优化。该公式可以包含一大类网络拓扑结构、干扰模型、SNR到速率映射和网络约束。此外，该模型可以应用于载波聚合的情况下，移动台可以同时由多个小区服务。虽然问题是非凸的，我们的主要贡献表明，优化承认一个可分离的对偶分解。这个属性使得能够快速计算上界的效用，以及一个有效的，分布式的实现近似局部优化，通过增广拉格朗日技术。模拟在异构网络中的宏和微微蜂窝的混合物。我们证明了所提出的方法在毫微微小区链路中具有可变回程容量的情况下以及在用户密度足够低的情况下的重要价值，即轻度使用的小区可以降低功率。
2013-04-15 cs.NI
Spatial Configuration of Agile Wireless Networks with Drone-BSs and User-in-the-loop
敏捷网络可以减少过度工程、成本和能源浪费。为此，至关重要的是有效地利用无线网络的所有自由度，从而不牺牲服务质量。为了获得灵活的网络的好处，我们提出了一个空间网络配置方案（SNC），这可以导致有效的网络，无论是从网络容量的角度来看，和盈利能力。首先，SNC利用无人机基站（drone-BS）来配置接入点。无人机BS通过提供完全灵活的部署机会来改变异构无线网络的范例。另一方面，其有限的耐久性和潜在的高成本增加了有效利用无人机BS的重要性。因此，第二，用户的移动性是利用用户在环（UIL），其目的是影响用户的移动性，通过提供激励。所提出的非协调SNC是计算高效的方法，然而，它可能不足以利用无人机BS和UIL之间的协同作用。因此，我们提出了联合SNC，这增加了性能增益以及计算成本。最后，半联合SNC结合了联合SNC的优点和计算效率。数值结果表明，半联合SNC比联合SNC快两个数量级，与常规系统相比，可以获得15%以上的利润。
2018-09-14 cs.NI
Joint Optimization of Scheduling and Power Control in Wireless Networks: Multi-Dimensional Modeling and Decomposition
未来网络的能源效率正成为一个重要而紧迫的问题，需要更绿色的网络设计。与此同时，无线网络的快速发展呈现出网络结构和资源空间复杂度不断增加的趋势，使得优化无线网络的能量效率需要在多维资源空间上进行联合求解。然而，耦合的资源维度和不断增长的问题规模带来了巨大的挑战，在获得最佳的解决方案。在本文中，我们开发了一个多维的网络模型的基础上的元组链接与传输模式（TP）和制定的优化问题作为一个TP为基础的调度问题，共同解决传输调度，路由，功率控制，无线电和信道分配。为了解决耦合资源维度带来的复杂性问题，我们提出了一种新的算法，该算法通过利用延迟列生成技术来递归地解决调度的主问题和功率分配的子问题，从而分解耦合调度和功率控制。此外，我们从理论上证明了所提出的算法和最优之间的性能差距是上界的子问题的解决方案，后者是通过解决一个放松的版本的子问题。数值结果表明，多维框架的有效性和所提出的联合优化在提高网络的能量效率的好处。
2017-06-07 cs.NI
On Modeling Geometric Joint Sink Mobility with Delay-Tolerant Cluster-less Wireless Sensor Networks
无线传感器网络中的移动汇点（Moving Sink，MS）由于直接从节点收集数据而取代了中继节点的概念，因此成为一种福音。然而，有一些挑战需要注意，如数据延迟容忍和MS的轨迹，这是NP-难的。在我们提出的方案中，我们将正方形字段划分为小正方形。该算法以Sink的驻留位置为划分区域的中点，MS周围的节点在其传输范围内，以容忍延迟的方式直接发送感知数据。两个汇同时移动;一个在内部，有四个逗留位置，另一个在外部轨道上，有十二个逗留位置。联合移动性的引入提高了网络寿命并最终提高了吞吐量。由于MS属于NP难问题，我们将其转化为几何问题，并将其定义为几何汇运动（GSM）。同时给出了一组线性规划方程组，以支持GSM网络的生存时间。
2013-04-19 cs.NI
Artificial Intelligence Enabled Wireless Networking for 5G and Beyond: Recent Advances and Future Challenges
目前正在部署第五代（5G）无线通信网络，并且预计在未来十年内将开发超5G（B5 G）网络。人工智能（AI）技术，特别是机器学习（ML），通过涉及需要在B5 G中处理的大量数据，有可能有效地解决非结构化和看似棘手的问题。本文研究了如何利用AI和ML来设计和运营B5 G网络。我们首先全面调查了将AI/ML技术引入B5 G无线网络所带来的最新进展和未来挑战。我们的调查涉及无线网络设计和优化的不同方面，包括信道测量、建模和估计、物理层研究以及网络管理和优化。然后，ML算法和应用B5 G网络进行了审查，其次是应用AI/ML算法B5 G网络的标准发展的概述。我们通过将AI/ML应用于B5 G网络的未来挑战来总结这项研究。
2020-01-02 cs.NI eess.SP
Energy Efficient Federated Learning over Heterogeneous Mobile Devices via Joint Design of Weight Quantization and Wireless Transmission
University of Houston（休斯顿大学）；Beijing University of Posts and Telecommunications（北京邮电大学）；University of Science and Technology of China（中国科学技术大学）；University of Florida（佛罗里达大学）
联邦学习（FL）是一种流行的跨移动设备的协作分布式机器学习范例。然而，资源受限移动设备上的实用FL面临多重挑战，例如，FL中的本地设备上训练和模型更新对于移动设备来说是耗电的和无线电资源密集的。为了解决这些挑战，在本文中，我们试图把FL到未来的无线网络的设计，并开发一种新的无线传输和权重量化的联合设计，在移动设备上的能量有效的FL。具体来说，我们开发灵活的权重量化方案，以促进异构移动设备上的本地训练。基于本地计算的能量消耗与模型更新的能量消耗相当的观察，我们将节能FL问题公式化为混合整数规划问题，其中针对异构移动设备联合确定量化和频谱资源分配策略，以最小化总体FL能量消耗（计算+传输），同时保证模型性能和训练延迟。由于该问题的优化变量是强耦合的，提出了一种有效的迭代算法，其中的带宽分配和权重量化水平的推导。大量的仿真进行了验证所提出的方案的有效性。
2022-05-22 cs.LG cs.NI
Joint Caching and Resource Allocation in D2D-Assisted Wireless HetNet
5G网络需要提供非常快速和可靠的通信，同时应对用户流量的增加。在设备到设备（D2D）通信辅助的异构网络（HetNet）中，业务可以被卸载到小型基站或用户以提高网络的成功数据递送速率。在本文中，我们的目标是最大限度地提高成功交付给用户的文件的平均数量，通过共同优化缓存的位置和通道分配在缓存启用D2D辅助HetNet。首先，推导出平均内容传输延迟的解析上界。然后，制定联合优化问题。缓解了问题的非凸性，并确定了最优解。针对求解的高时间复杂度问题，提出了一种低复杂度的次优方法。数值结果说明了所提出的解决方案的有效性，并将其与传统的方法进行比较。最后，通过研究关键参数的影响，例如功率、缓存容量、QoS要求等，获得了设计这些网络的准则。
2019-04-11 cs.NI
Joint Ranging and Clock Parameter Estimation by Wireless Round Trip Time Measurements
本文提出了一种利用双程到达时间测量估计时钟误差和距离的新方法，通过数值分析和实验验证，实现了频率、相位和距离的高精度估计，适用于实验系统中的同步与定位。
2015-01-22 cs.NI cs.SY eess.SY
Joint Distributed Link Scheduling and Power Allocation for Content Delivery in Wireless Caching Networks
在无线缓存网络中，内容分发方法的设计必须考虑随机用户请求、缓存状态、网络拓扑和干扰管理。在本文中，我们建立了一个无线缓存网络中的内容传输的一般框架，没有严格的假设，限制网络结构，传输链路和干扰模型。基于该框架，我们提出了一个动态的和分布式的链路调度和功率分配方案的内容分发，是由置信传播（BP）算法的辅助。该方案考虑了内容请求用户和潜在缓存节点，实现了无线缓存网络的三个关键目的：1）限制用户请求满足的延迟; 2）保持缓存节点的功率效率; 3）管理用户间的干扰。此外，我们解决了BP算法在我们的网络模型中的固有问题，提出了一个匹配算法的一对一链路调度。仿真结果表明，该方案提供了几乎相同的延迟性能的最佳方案，通过一个穷举搜索的代价是一个小的额外的功耗，并不需要在一个大规模的D2 D网络的聚类方法和正交资源。
2019-11-29 cs.NI cs.SY eess.SY
Joint Coding and Scheduling Optimization in Wireless Systems with Varying Delay Sensitivities
吞吐量和每包延迟可以提出强的权衡，是重要的延迟敏感的applications.We调查这样的权衡使用随机线性网络编码方案的一个或多个接收器在单跳无线数据包擦除广播信道的情况下。我们捕捉不同类型的网络应用程序的延迟敏感性，使用一类基于数据包到达时间的范数的延迟度量。利用这些时延度量，我们建立了一个统一的框架来描述应用的速率和时延要求，并优化系统参数。在单接收机的情况下，我们证明了平均数据包延迟之间的权衡，我们认为作为吞吐量的倒数，和最大有序的到达间隔延迟的各种系统参数。对于一个单一的广播信道与多个接收机具有不同的延迟约束和反馈延迟，我们共同优化的编码参数和时分调度参数的发射机。我们制定的优化问题作为一个广义几何规划（GGP）。该方法允许发射机自适应地调整编码和调度参数，以在不同的延迟约束下有效地分配网络资源。在接收器由多个非干扰无线广播信道服务的情况下，相同的优化问题被公式化为符号规划，其通常是NP难的。我们提供的近似方法，使用连续制定的几何规划，并显示近似的收敛性。
2012-02-03 cs.NI
A Joint Learning and Communications Framework for Federated Learning over Wireless Networks
Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系）；Department of Engineering, King’s College London（伦敦国王学院工程系）；Beijing Key Laboratory of Network System Architecture and Convergence, Beijing University of Posts and Telecommunications（北京邮电大学网络系统架构与融合北京市重点实验室）；Shenzhen Research Institute of Big Data and Future Network of Intelligence Institute, the Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）智能科学与技术研究院未来网络与大数据研究院深圳分院）
本文研究了联邦学习（FL）算法在实际无线网络中的训练问题。特别地，在所考虑的模型中，无线用户执行FL算法，同时使用他们自己的数据训练他们的本地FL模型，并将训练的本地FL模型发送到基站（BS），基站（BS）将生成全局FL模型并将其发送回用户。由于所有训练参数都是通过无线链路传输的，因此训练的质量将受到诸如分组错误和无线资源的可用性之类的无线因素的影响。同时，由于有限的无线带宽，BS必须选择合适的用户子集来执行FL算法，以便准确地建立全局FL模型。该联合学习、无线资源分配和用户选择问题被公式化为优化问题，其目标是最小化捕获FL算法的性能的FL损失函数。为了解决这个问题，FL算法的预期收敛速度的封闭形式的表达式首先推导出量化的影响FL的无线因素。然后，基于FL算法的预期收敛速度，推导出每个用户的最佳发射功率，在给定的用户选择和上行链路资源块（RB）分配方案。最后，优化用户选择和上行链路RB分配，以最小化FL损失函数。仿真结果表明，所提出的联合联邦学习和通信框架可以减少FL损失函数值分别高达10%和16%，相比：1）最佳用户选择算法与随机资源分配和2）标准FL算法与随机用户选择和资源分配。
2022-01-29 cs.LG cs.NI stat.ML
CALO: Constraint-Aware Learning Optimization for Joint Resource Allocation in Double-Active RIS-Assisted Wireless Networks
Princess Sumaya University for Technology（公主苏玛耶科技大学）；Virginia Tech（弗吉尼亚理工大学）
针对双有源RIS辅助无线网络中联合资源分配问题，提出约束感知学习优化框架，通过分组分数表示和约束保持变换确保可行性，采用直通估计器和遗憾驱动目标实现高效学习，在保证100%可行性的同时提升可达速率并大幅降低推理时间。
2026-07-01 cs.NI
Wireless Data Center Networks: Advances, Challenges, and Opportunities
数据中心网络（DCN）是迎接新兴技术应用产生的高度多样化的大量数据时代的重要基础设施。为了存储和处理这样的数据洪流，今天的DCN必须部署巨大长度的电线来互连过多的服务器和交换机。遗憾的是，具有统一且不灵活的链路容量的有线DCN暴露出若干缺点，诸如高布线成本和复杂性、低空间利用率以及缺乏带宽效率。无线DCN（WDCN）已经成为一种有前途的解决方案，可以减少部署和维护电线所花费的时间、精力和成本。由于其可重新配置性和灵活性，WDCN可以通过有效利用带宽提供更高的吞吐量，并减轻过度订阅和热点的慢性DCN问题。此外，无线链路通过消除对易出错的耗电开关的需要来增强容错性和能量效率。因此，本文首先比较了毫米波（mmWave），太赫兹（THz）和光无线通信作为潜在的候选人的优点和缺点。随后，深入讨论了WDCN的进展和挑战，包括物理和虚拟拓扑设计，服务质量（QoS）配置，流分类，数据疏导和负载均衡。最后，提出了令人兴奋的研究机会，以促进WDCN的前景。
2018-11-28 cs.NI
Joint Approximation of Information and Distributed Link-Scheduling Decisions in Wireless Networks
Microsoft（微软）
对于一个大型的多跳无线网络，节点是优选的，使分布式和本地化的链路调度决策，只有少量的邻居之间的相互作用。然而，对于一个缓慢衰减的信道和人口稠密的干扰，一个小尺寸的邻居往往会导致非平凡的链路中断，因此不足以作出最佳的调度决策。在分布式链路调度中，如何处理邻域外的信息是一个亟待解决的问题。在这项工作中，我们开发联合逼近的信息和分布式链路调度。我们首先应用机器学习的方法来建模分布式链路调度与完整的信息。然后，我们将邻域外的信息以剩余干扰的形式表征为随机损失变量。损失变量的进一步特点是要么平均场近似或正态分布的基础上的李雅普诺夫中心极限定理。邻域外的近似信息被合并到因子图中。这导致联合近似和分布式链路调度的迭代方式。链路调度决策首先在每个单独的节点上的近似损失变量的基础上。然后更新损耗变量并用于下一个链路调度决策。算法在这两个阶段之间重复，直到收敛。这些变量之间的交互式迭代实现了一个因素图上的消息传递算法。仿真结果表明，使用学习的信息以外的邻居联合分布式链路调度减少中断概率接近于零，即使是一个小的邻居。
2012-03-04 cs.LG cs.NI
Joint Power Control and Rate Allocation enabling Ultra-Reliability and Energy Efficiency in SIMO Wireless Networks
未来的蜂窝系统被设想为向具有严格的可靠性和能量效率要求的新服务开放。在本文中，我们集中在单输入多输出（SIMO）无线系统中的瑞利衰落和严格的可靠性约束的联合功率控制和速率分配问题。我们提出了一种分配方案，最大限度地提高系统的能源效率，同时只利用平均统计的信号和干扰，以及天线的数量$M$，可在接收机侧。我们显示的最大比合并（MRC）计划选择合并（SC）在能源效率方面的优越性，并证明了最佳分配的资源之间的差距收敛到$(M!)^(1/(2M))$的可靠性约束变得更加严格。同时，在大多数情况下，MRC也被证明比切换和保持组合（SSC）方案更节能，尽管这仅在以极大的$M$、极高/小的平均信号/干扰功率和/或高功耗接收电路操作时不成立。数值结果表明，当$M$增加时，超可靠工作是可行的，发射放大器的固定功耗和漏极效率越大，最佳发射功率和速率越大。
2019-05-14 cs.NI
Joint Design of Congestion Control Routing With Distributed Multi Channel Assignment in Wireless Mesh Networks
在无线网状网络（WMN）中，信道分配必须平衡保持连通性和增加聚合带宽的目标。信道分配算法的主要目的是根据每个虚拟链路上的给定预期负载将信道分配给网络接口。从目前所做的工作来看，我们可以发现，没有多信道分配与路由和拥塞控制的组合解决方案。在本文中，我们提出了一个拥塞控制路由协议以及多信道分配。我们在这个协议中使用流量感知度量，以提供服务质量。该协议提供了多信道分配和拥塞控制的解决方案，可以很大程度上提高系统的吞吐量和信道利用率。所提出的算法分配的方式，避免拥塞和同信道的链路之间的干扰水平降低的信道。在NS2中的仿真结果表明，该协议具有较高的吞吐量和信道利用率，同时降低了延迟。
2010-04-11 cs.NI
Joint Model Caching and Resource Allocation in Generative AI-Enabled Wireless Edge Networks
本文研究了生成式AI赋能的无线边缘网络中的联合模型缓存与资源分配问题，采用基于DDPG的强化学习方法平衡AIGC服务质量与延迟，实现了更高的模型命中率和更低延迟。
2024-11-13 cs.NI eess.SP
Joint Application Admission Control and Network Slicing in Virtual Sensor Networks
针对共享物理无线传感器网络中资源租赁问题，提出数学规划框架联合解决应用准入控制（AAC）与网络切片（SNS）问题，并在现实基础设施上验证了算法有效性。
2024-02-14 cs.NI
Joint link scheduling and power allocation in imperfect and energy-constrained underwater wireless sensor networks
本文针对能量受限且存在节点故障的水下无线传感器网络，提出基于深度多智能体强化学习的ICRL-JSA方案，通过联合链路调度与功率分配实现公平、高效、可靠的通信。
2025-08-11 cs.NI
Mapping Wireless Networks into Digital Reality through Joint Vertical and Horizontal Learning
North Carolina State University（北卡罗来纳州立大学）；University of Miami（迈阿密大学）；Zhejiang University（浙江大学）
针对无线网络缺乏详细数字孪生映射方法的问题，提出基于时间序列数据的VH-Twin框架，通过垂直与水平联合学习及周期性聚类机制实现网络数字孪生的构建、部署与维护，并验证了其在效率与准确性间的平衡能力。
2024-04-22 cs.LG cs.NI eess.SP
Generative AI for Vulnerability Detection in 6G Wireless Networks: Advances, Case Study, and Future Directions
本文探讨了生成式AI在6G无线网络漏洞检测中的应用，提出了包含技术层、能力层和应用层的三层框架，并通过LLM驱动代码漏洞检测的案例研究展示了其有效性，为构建弹性自适应安全方案提供了路线图。
2025-06-25 cs.CR cs.NI
Joint Compressed Sensing and Manipulation of Wireless Emissions with Intelligent Surfaces
Foundation for Research and Technology - Hellas (FORTH)（希腊研究与技术基金会）；Aristotle University of Thessaloniki - Hellas (AUTH)（塞萨洛尼基亚里士多德大学）
本文提出了一种无需额外硬件的无线发射压缩感知与智能表面联合处理系统，通过简单的单天线功率测量实现电磁波的感知与操控。
2019-04-24 cs.ET cs.NI cs.SY
Joint Freshness and Age-Dispersion Control over Finite-State Markov Wireless Channels
Mount Royal University（蒙特皇家大学）；York University（约克大学）；PSG College of Technology（PSG理工学院）；K. N. Toosi University of Technology（K.N.托伊西理工大学）
本文针对有限状态马尔可夫无线信道，提出联合控制信息年龄与年龄离散度的方法，通过约束马尔可夫决策过程优化，在相同传输预算下减少37.3%的阈值违规。
2026-09-16 cs.NI cs.PF cs.SY
