An Intelligent Software Workflow Process Design for Location Management on Mobile Devices
网络技术、无线通信技术和计算机技术的进步,推动了移动通信基础设施的快速发展,极大地改变了移动设备上的信息处理方式。携带便携式设备的用户可以自由移动,同时仍然连接到网络。这为随时随地访问信息提供了灵活性。为了提高移动终端的灵活性,移动网络软件系统的设计面临着新的挑战,包括位置和移动性管理、信道分配、节能和安全。在本文中,我们提出了智能软件工具的移动设备上的软件设计,以满足移动定位和移动性管理的新挑战。在这项研究中,提出的业务流程重新设计(BPR)的概念是旨在扩展现有的,广泛使用的过程建模工具在行业中的能力与“智能”的能力,建议有利的替代方案,现有的软件工作流程设计,提高灵活性的移动设备。
2012-04-07 cs.NI cs.SE
Cooperative Short Range Routing for Energy Savings in Multi-Interface Wireless Networks
由于电池供电的移动终端中不断增加的能量消耗,无线网络中的能量效率已经成为一个重要的研究领域。在本文中,我们提出了一种能量有效的路由方案,多标准的基础设施无线网络的基础上,多跳协作中继。所提出的技术的目的是利用短距离合作,以从具有优越的链路的移动终端中获益,从而实现能量效率。性能测试结果表明,通过协作获得的更高数据速率可以补偿由于同一移动终端上多个接口活动而导致的更高能量消耗,从而可以观察到系统的能量效率增益。一个最大的可实现的能源效率增益高达42%,观察在我们的模拟时,使用合作短距离路由技术。
2013-07-11 cs.NI
Intelligent Reflecting Surface Aided Wireless Energy Transfer and Mobile Edge Computing for Public Transport Vehicles
在即将到来的6 G时代,未来公共交通工具(F-PTV),如公共汽车,火车等,将被设计为满足通勤者的通信需求,这些通勤者将携带众多智能设备(智能手机,电子频段等)。这些电池供电的设备需要频繁充电。由于充电设施在通勤时不容易获得,我们设想F-PTV将通过车载接入点通过无线能量传输(WET)提供车载充电。F-PTV还将在内部涂覆智能反射表面(IRS),将入射无线电波反射到预期设备,以提高接收器的信号强度,用于信息和能量传输。F-PTV还将配备移动边缘计算(MEC)服务器,以实现多种目的,包括减少设备的任务完成延迟和提供车载云服务。MEC服务器卸载还将减轻智能设备处理器的密集任务,以节省电池电量。文中还讨论了F-PTV中IRS辅助的MEC-WET集成模型所面临的挑战。我们提出的模拟,以显示这种模型的有效性F-PTV。
2021-02-17 cs.NI
Admission Control with Reconfigurable Intelligent Surfaces for 6G Mobile Edge Computing
针对6G网络中RIS与MEC增强下的用户准入控制难题,提出基于角度过滤、优先级队列和用户分组的优化框架,在高负载下实现高优先级eURLLC服务超90%准入率。
2025-04-20 cs.NI
Intelligent Sensing Scheduling for Mobile Target Tracking Wireless Sensor Networks
边缘计算已经成为一种有前景的范例,以满足移动目标跟踪无线传感器网络(MTT-WSN)不断增长的计算需求。这种模式可以将时间敏感的任务卸载到汇聚节点,以提高计算效率。然而,这是很难执行动态和关键任务的MTT-WSN网络。此外,由于能量有限,网络无法确保连续跟踪。针对这些问题,提出了一种基于边缘智能(EI)技术的分层目标跟踪结构。该结构集成了移动节点和边缘服务器的计算资源,为实时目标跟踪提供高效的计算能力。在此基础上,提出了一个以系统执行延迟和轨迹预测精度为约束的能量优化模型。此外,我们提出了一个长期的动态资源分配算法,以获得最佳的资源分配解决方案的准确和连续的跟踪。仿真结果表明,我们的算法在系统能耗方面优于深度Q学习14.5%以上。与非合作方案相比,该方案在跟踪精度上也有明显的提高。
2021-08-04 cs.NI
Performance issues in content dissemination to metropolitan mobile users
在本文中,我们考虑一组异构终端在城市地区有兴趣收集的信息来源于几个来源。该集合包括移动节点(行人和车辆)和固定终端。特别地,每个终端旨在检索以节点位置为中心的有限感兴趣区域(ROI)中的数据项。由于数据项可能会随着时间的推移而变化,因此所有节点都必须努力访问最新版本。本文的目标是评估的信息量,每个节点能够收集(覆盖)诉诸简单的分布式数据汇集和共享,通过本地广播通信。我们研究了信息更新在整个区域的扩散,评估节能政策的影响,在协议版本中运行的行人设备,和上下文感知节点的位置和运动的转发策略的影响。我们在本文中提出的研究已经通过模拟进行。为此,我们开发了一个离散事件模拟器,工作在从UDelModels工具获得的移动性和无线电传播轨迹之上,该工具允许获得移动性和无线电传播的真实轨迹。
2020-09-01 cs.NI
Intelligent networking with Mobile Edge Computing: Vision and Challenges for Dynamic Network Scheduling
移动边缘计算(MEC)被认为是物联网(IoT)的一种有前途的技术。通过在设备附近部署边缘服务器,期望通过智能联网以相对低的延迟提供服务和处理数据。但是,庞大的边缘服务器在协作和资源分配方面可能面临很大的挑战。此外,智能联网要求以分布式模式在线实施。在这类系统中,由于复杂的应用环境,网络调度不能遵循任何已知的规则。然后,统计学习上升为一个很有前途的技术,网络调度,边动态学习环境元素的合作。期望这种基于学习的方法可以缓解模型局限性的不足,从而增强其在动态网络调度中的实际应用。在本文中,我们研究了具有移动边缘计算的智能物联网网络的愿景和挑战。从系统的观点,一些主要的研究机会列举了关于统计学习。
2020-04-29 cs.DC cs.NI
An Intelligent Location Management approaches in GSM Mobile Network
S.V College of Engineering(S.V工程学院);AITS Rajampet(AITS拉贾姆佩特);APGCCS
位置管理是指在无线网络中更新和搜索移动节点的当前位置的问题。为了使其有效,位置数据库的更新成本之和必须最小化。以前的工作依赖于固定位置的数据库是无法充分利用系统中的用户移动模式的知识,以实现这种最小化。该研究提出了一种智能位置管理方法,该方法在智能信息系统和知识库技术之间进行交互,从而可以动态地改变用户模式,减少VLR和HLR之间的转换。该研究提供了算法处理位置注册和呼叫传递的能力
2012-04-07 cs.AI cs.NI
The Effect of Mobility on Delayed Data Offloading
延迟卸载是移动用户在城市地区移动时通过Wi-Fi卸载流量的广泛接受的解决方案。然而,延迟卸载以延迟性能为代价提高卸载效率。以前的工作主要集中在提高卸载效率,同时保持延迟性能在一个可接受的区域。在本文中,我们研究了用户的移动性延迟数据卸载的卸载效率和延迟性能之间的权衡方面的影响。我们将具有延迟数据卸载的移动终端建模为具有三种服务状态的M/MMSP/1排队系统。为了实用,我们在分析中考虑了当前商用移动终端的特征。分析结果表明,用户的移动性可以降低延迟卸载所带来的延迟,并指出在给定延迟要求的情况下,可以根据终端的移动性对延迟卸载策略进行优化。
2019-03-27 cs.NI
An Intelligent Prediction System for Mobile Source Localization Using Time Delay Measurements
本文介绍了一种工业物联网中移动源定位的智能预测系统。该智能系统利用时间延迟(TD)测量值对移动源的位置和速度进行联合预测。为了预测机器人的位置和速度,首先设计了松弛半定规划(RSDP)算法,去掉了秩一约束。然而,丢弃秩一约束导致产生次优解。为了提高优化性能,我们进一步提出了罚函数半定规划(PF-SDP)方法,通过引入罚项来获得优化问题的秩一解。在此基础上,提出了一种自适应罚函数半定规划(APF-SDP)算法,通过自适应地选择罚函数系数来避免罚函数过大的问题。我们在仿真环境和真实系统中进行实验,以证明所提出的方法的有效性。仿真结果表明,无论噪声水平是否较大,智能APF-SDP算法的位置和速度估计性能都优于PF-SDP算法。
2020-08-12 cs.NI eess.SP
Vertical Handover decision schemes using SAW and WPM for Network selection in Heterogeneous Wireless Networks
无缝连续性是第四代无线网络(FGWNs)的主要目标和挑战,为了实现无缝连接,使用了“切换”技术,切换机制主要用于当移动终端(MT)处于重叠区域时的服务连续性。在异构无线网络的主要挑战是不同的网络之间的连续连接,如WiFi,WiMax,WLAN,WPAN等。在本文中,垂直切换决策方案进行了比较,简单的加法加权法(SAW)和加权乘积模型(WPM)被用来选择最好的网络从可用的访客网络(VT)的连续连接的移动终端。在我们的工作中,我们主要集中在切换决策阶段,以减少切换期间的处理延迟。本文将SAW和WPM两种方法与移动终端的Qos参数进行比较,以选择最佳的网络接入方式。关键词:交递,垂直交递决策,简单加权,权积法。
2011-09-21 cs.NI
Deep Learning-based Intelligent Dual Connectivity for Mobility Management in Dense Network
超密集网络部署已被提出作为实现第五代(5G)移动通信系统中的容量目标的关键技术。然而,较小小区的部署不可避免地导致更频繁的切换,从而使移动性管理更具挑战性,并降低了密集网络部署所提供的容量增益。为了在这样的网络环境中充分收获移动用户的收益,我们提出了一种智能双连接机制,通过基于深度学习的移动性预测进行移动性管理。我们首先使用深度学习算法之一的LSTM(长短期记忆)算法,从每个用户设备(UE)的历史轨迹中学习其移动模式,并预测其未来的移动趋势。基于相应的预测结果,网络将判断UE是否需要切换。对于切换情况,将为相关UE建立双连接。因此,UE可以在切换过程中从两个基站获得无线电信号。仿真结果表明,所提出的智能双连接机制在保证网络能量效率的同时,能够显著提高移动用户在切换过程中的服务质量。
2018-05-30 cs.NI
Energy-Latency Aware Intelligent Reflecting Surface Aided Multi-cell Mobile Edge Computing
本文研究IRS辅助多小区MEC中的能量与时延联合优化问题,提出基于BCD的迭代算法联合优化计算资源、波束成形和IRS相移,并通过数值实验验证其优于基准方案。
2025-06-04 cs.NI
Artificial Intelligence Powered Mobile Networks: From Cognition to Decision
移动网络(MN)有望提供前所未有的机会,以实现一个全新的互联体验世界,并从根本上改变人们与一切事物的交互方式。MN正变得越来越复杂,由日益复杂的配置问题和蓬勃发展的新服务需求驱动。这种复杂性对部署、管理、操作、优化和维护提出了重大挑战,因为它们需要对MN的全面理解和认知。人工智能(Artificial Intelligence,AI)是一种在计算机中模拟智能行为的技术,它在许多应用领域都取得了巨大的成功,这表明了它在认知MN状态和做出智能决策方面的潜力。在本文中,我们首先提出了一个AI驱动的移动网络架构,并讨论了认知复杂性,高维动作空间决策以及自适应系统动态方面的挑战。然后,讨论了与AI相关的潜在解决方案。最后,我们提出了一个深度学习的方法,直接映射MN的状态感知QoS,认知与决策相结合。我们提出的方法可以帮助运营商做出更明智的决策,以保证QoS。同时,我们所提出的方法的有效性和优势,证明了在现实世界的数据集,涉及$31261$用户在$5$天内的$77$站。
2021-12-08 cs.NI
Converged Reconfigurable Intelligent Surface and Mobile Edge Computing for Space Information Networks
空间信息网络(SIN)面临着地面、空中和空间通信一体化的发展,对高速、大容量、无缝数据传输的需求日益增长。然而,这对集成SIN的体系结构设计提出了新的范式。最近,可重构智能表面(RISs)和移动边缘计算(MEC)是最有前途的技术,旨在通过重新配置无线传播环境和卸载来提高通信和计算能力。因此,在SIN中融合RISs和MEC正在成为一种努力,以获得计算和通信的双重好处。在这篇文章中,我们提出了一个RIS辅助协作MEC的SIN架构,并讨论其实现。然后,我们提出了它的潜在好处,主要挑战和可行的应用。随后,我们研究不同的情况下,以评估系统的数据率和延迟。最后,我们总结了在这一研究领域的开放问题的列表。
2021-06-08 cs.NI eess.SP
Optimizing Intelligent Reflecting Surface-Base Station Association for Mobile Networks
本文研究了一个由多个基站组成的多智能反射面(IRSs)辅助的无线网络,该网络服务于一组移动用户。我们专注于IRS-BS关联问题,其中多个BS相互竞争,以控制有限数量的IRS的相移,以最大限度地提高长期下行链路数据率的相关用户。我们提出了MDLBI,一种基于多智能体深度强化学习的BS-IRS关联方案,该方案优化了BS-IRS关联以及每个IRS与不同BS关联时的相移。MDLBI不需要在BS之间交换信息。仿真结果表明,MDLBI实现了显着的性能改善,是可扩展的大型网络系统。
2021-04-21 cs.NI cs.SY eess.SY
Future Trends and Challenges for Mobile and Convergent Networks
移动网络的实时性、位置性、社区性等特性以及数据流量的指数级增长,对学术界和标准化界提出了新的、智能的网络管理方式的挑战,否则现有的网络基础设施无法为突发的业务需求和应用需求提供可接受的连接服务。以这种方式,需要解决的一个非常相关的研究问题是,异构无线接入基础设施应如何被控制,以提供具有适当的质量水平的网络接入的各种流结束在移动场景中的多模式设备。本章回顾了最常用的无线接入技术和移动接入建议下开发的最新研究和标准化工作。它全面概述了在未来网络环境中部署这些技术的影响,不仅对网络性能的影响,而且对如何满足内容提供方、网络运营商和用户/终端等几个相关参与者的最重要要求的影响。最后,本章总结了未来网络环境中最值得注意的方面,如技术融合、服务融合、终端融合、市场融合、环境意识、节能、自组织和智能基础设施,以及通过该基础设施解决的最重要的功能性问题,如流移动性、数据卸载、负载均衡和垂直多宿主。
2016-01-22 cs.NI
Intelligent Throughput-based Sleep Control Algorithm for the 5G Dense Heterogeneous Cellular Networks
在最近的过去,许多移动/电信运营商已经看到了对无处不在的高速无线接入的持续增长的需求以及连接的无线设备的前所未有的增长。因此,我们看到了流量的爆炸性增长和广泛的QoS要求。不同的移动运营商已经开发了第五代(5G)异构蜂窝网络(HetNet),以实现不断增长的海量数据容量,并在吞吐量QoS要求和延迟性能之间进行能量效率保证的权衡。然而,现有的能量效率算法不满足吞吐量QoS要求,诸如关于主导整个移动通信网络的5G无线电接入网络(RAN)的能量消耗的三个组成部分的减少的延迟和分组丢失、更长的电池寿命、可靠性和高数据率。此外,诸如语音和视频的实时业务类型在终端侧需要高计算负载,这对能量/电池寿命具有不期望的影响,这进一步影响吞吐量QoS性能,诸如减少的分组丢失、更长的电池寿命、可靠性和高数据率。因此,本文提出了一种基于智能调度的睡眠控制(ITSC)算法,用于提高5G密集HetNet的吞吐量QoS和能量效率。在所提出的ITSC算法中,使用深度神经网络(DNN)来确定小基站(SBS)的小区容量比。
2023-02-27 cs.NI
A Survey on Intelligent Computation Offloading and Pricing Strategy in UAV-Enabled MEC Network: Challenges and Research Directions
移动网络运营商(MNO)必须选择如何将移动终端(MD)查询委托给其移动边缘计算(MEC)服务器,以便最大化具有不同延迟需求的已接纳请求的总体益处。无人机和人工智能由于其部署的灵活性、无人机的高机动性和人工智能算法的高效性,可以提高MNO的性能。MD产生的成本与MNO获得的利润之间存在权衡。另一方面,将智能计算卸载到支持UAV的MEC是一种有前途的方式,可以弥合MD有限的处理资源以及用于UAV-MEC网络中的计算卸载的智能算法与即将到来的应用的高计算需求之间的差距。这项研究着眼于一些研究的好处,计算卸载过程中的无人机MEC网络,以及智能模型,用于计算卸载。此外,本文还探讨了几种智能定价技术在不同结构的无人机MEC网络。最后,本文重点介绍了一些重要的开放式研究问题和未来的研究方向,人工智能(AI)在计算卸载和应用智能定价策略的无人机MEC网络。
2022-08-22 cs.DC cs.NI
Capacitated Kinetic Clustering in Mobile Networks by Optimal Transportation Theory
我们考虑的问题,其中$n$移动终端和$k$基站与各自的操作能力的能力限制的动力学集群。任务是将移动终端分配给基站,使得从每个终端到其分配的基站的总平方距离最小化,并且满足容量约束。本文重点介绍了\emph{distributed}的发展和计算效率高的算法,适应终端和基站的运动。建议的最优运输理论,我们利用的结构特性的最优解,它可以表示为一个功率图的基站,使每个功率单元内的节点的总使用量等于相应的基站的容量。通过使用动力学数据结构框架,我们展示了最优解中变化次数的第一个分析上限,即,它的稳定性。在算法方面,使用功率图制定,我们表明,该解决方案可以表示成比例的基站数量的大小,可以解决一个迭代,本地算法。特别是,该算法可以自然地利用运动的连续性,并且比使用最小成本匹配和线性规划的现有解决方案快几个数量级,因此能够处理移动性下的大规模数据。
2016-02-26 cs.CG cs.DS cs.NI
Quarantining Malicious IoT Devices in Intelligent Sliced Mobile Networks
本文提出一种基于SDN的4G/5G网络架构,通过将可疑物联网节点流量重定向至辅助切片进行深度分析,实现早期威胁检测并限制DDoS攻击损害。
2024-03-28 cs.NI
An Intelligent Mobile-Agent Based Scalable Network Management Architecture for Large-Scale Enterprise System
为了解决集中式网络管理模型(SNMP或CMIP管理模型)的可扩展性和灵活性问题,近年来提出了几种基于移动Agent的分布式网络管理模型。虽然使用移动代理来分配和委托管理任务来方便地处理前面提到的问题,许多基于代理的管理框架,如初始平台模型和静态中层管理人员采用移动代理模型不能有效地满足当前网络的需求,这是在规模和复杂性不断增长。此外,各种技术,如SONET、ATM、以太网、DWDM等,存在于网络的接入、城域网和核心(长途)部分的不同层,在它们自己的成帧和协议结构方面增加了复杂性。因此,控制和管理这些网络中的流量是一项具有挑战性的任务。针对上述问题,提出了一种基于智能可扩展层次代理的大规模复杂网络管理模型。提出了成本估算,以期计算管理数据开销方面的总体管理成本。此后获得的结果建立所提出的架构相比,集中式和平床代理模型的有用性。
2012-02-09 cs.DC cs.MA cs.NI
Under Water Waste Cleaning by Mobile Edge Computing and Intelligent Image Processing Based Robotic Fish
由于水污染是对水下资源的严重威胁,我们致力于保护水下植物和物种的资源,通过清洁水中的不可生物降解的废物。废物可以回收再利用。本文设计的机器鱼主要由光学传感器、摄像模块、活塞模块和无线收发模块组成。通过利用LTE和5G网络架构,鱼将有关水下垃圾的信息存储在最近的移动边缘计算服务器以及集中式云服务器中。最后,当鱼清除水下废物时,它将捕获的定位对象的图像卸载到移动边缘计算服务器或有时卸载到云服务器以做出决定。服务器采用智能图像处理技术和自适应学习过程来做出决定。然而,如果服务器无法做出决定,那么鱼就会利用其光学生物传感器。通过该方案,用于清理任何水体的时间延迟被最小化,并且鱼的废物收集能力被最大化。该技术可以有效地帮助政府或市政人员在没有人工的情况下制造清洁水。
2020-08-31 cs.DC cs.NI eess.SP
Intelligent Detection System framework using Mobile agents
基于移动代理的入侵检测系统框架是一种分层的框架机制,旨在支持异构网络环境,以最佳方式识别入侵者。传统的计算机误用检测技术可以有效地识别已知的攻击,但在其他情况下表现得很差。异常检测具有检测未知攻击的潜力;然而,这是一项非常具有挑战性的任务,因为其目的是在没有任何关于特定入侵的先验知识的情况下检测未知攻击。这项技术仍处于早期阶段。本文的目标是该系统可以检测到异常的用户活动。现有的研究在这一领域集中在用户活动或程序操作,但不是同时在这两个。在本文中,试图同时看两个。基于一个入侵检测框架[1],实现了一个新的用户异常检测系统,并通过分析用户活动和程序运行活动,在模拟环境中进行了多个入侵检测实验。建议的框架是一个分层的框架,这是为了满足IDS的核心目的,并允许检测入侵尽可能快地与可用的数据使用移动代理。该框架的主要目的是提供安全的网络使用移动代理机制,增加移动功能,以监视来自不同的计算系统的用户进程。实验结果表明,该系统能够有效地检测用户的异常行为。
2010-04-05 cs.CR cs.NI
An Intelligent Network Selection Strategy Based on MADM Methods in Heterogeneous Networks
在下一代无线通信中,为终端用户提供最佳质量的业务连续性是一个非常重要的问题。随着移动设备向多模架构的演进以及多种无线电接入技术(RAT)的共存,用户能够同时从这些RAT中受益。然而,异构无线通信的主要问题是如何选择最适合移动用户的接入网络,使其能够尽可能长时间地用于通信。为了解决这个问题,本文提出了一种智能网络选择策略,它结合了两个多属性决策(MADM)方法,如网络分析法(ANP)和理想解相似性排序(TOPSIS)方法的技术。利用网络层次分析法(ANP),综合考虑各评价指标,确定各备选方案的区分权值,并采用理想解法(TOPSIS)对各备选方案进行排序。新的网络选择策略可以克服MADM方法的局限性,即排序异常和乒乓效应。
2012-04-06 cs.NI
A First Look at Mobile Intelligence: Architecture, Experimentation and Challenges
人工智能(AI)技术使移动设备成为能够自动学习和行动的智能对象。虽然人工智能将为移动应用程序带来巨大的机会,但很少有工作集中在架构和与云的交互上。本文详细介绍了移动智能的三种体系结构,并介绍了其广阔的应用前景。此外,我们进行了一系列的实验,以评估流行的商业应用程序和智能框架的性能。我们的研究结果表明,体验质量(QoE)的要求和现状之间有很大的差距。到目前为止,我们只看到了冰山一角。我们提出了问题和挑战,以推进移动智能领域,并希望为即将到来的铺平道路。
2018-07-12 cs.CY cs.NI
Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning
College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算与数据科学学院);Western University(西安大略大学);College of Information and Communication Engineering, Sungkyunkwan University(成均馆大学信息与通信工程学院);University of Hong Kong(香港大学)
针对移动AIGC中提示质量差与静态资源配置低效问题,提出交互式LLM/IRL提示工程及D3PG动态服务供给算法,显著提升生成成功率与用户体验。
2025-02-17 cs.LG cs.NI
The Interplay of Reconfigurable Intelligent Surfaces and Mobile Edge Computing in Future Wireless Networks: A Win-Win Strategy to 6G
可重构智能表面(RIS)授权通信被认为是第六代(6G)无线网络的使能技术。RIS辅助通信的关键思想是增强现代无线网络的容量、覆盖范围、能源效率、物理层安全性和许多其他方面。与此同时,移动边缘计算(MEC)已经通过将独立云服务器的计算、通信和缓存功能扩展到网络边缘来展示其巨大的潜力。在本文中,我们首先概述了MEC和RIS如何相互受益。我们设想MEC和RIS的集成将为无线网络的未来发展带来前所未有的转变。我们提供了一个系统级的观点,MEC辅助RIS(和RIS辅助MEC),将无线网络向6G发展。我们还概述了一些基本的挑战,涉及到MEC辅助RIS(和RIS辅助MEC)网络的实施。最后,讨论了RIS辅助MEC的关键研究方向。
2021-05-13 cs.ET cs.IT cs.NI
Mobile Reconfigurable Intelligent Surfaces for NOMA Networks: Federated Learning Approaches
提出了一种新的可重构智能表面(RIS)增强型室内无线网络框架,其中一个RIS安装在机器人上调用,使移动的RIS和提高移动用户的服务质量。同时,采用非正交多址(NOMA)技术以进一步提高频谱效率,因为RISs能够为NOMA提供人工控制的信道条件,这可以被视为获得NOMA增益的有利操作条件。为了优化所有用户的总速率,调用深度确定性策略梯度(DDPG)算法来优化移动RIS的部署和相移以及功率分配策略。为了提高DDPG智能体训练的效率和有效性,采用了联邦学习(FL)的概念,使多个智能体能够同时探索相似的环境并交流经验.我们还证明了在相同的随机探索策略下,FL武装深度强化学习(DRL)代理理论上可以获得与独立代理相比的奖励增益。我们的仿真结果表明,移动RIS方案可以显着优于固定RIS范式,它提供了约三倍的数据率增益相比,固定RIS范式。此外,NOMA方案能够在和速率方面实现与OMA方案相比42%的增益。最后通过多小区仿真验证了FL增强DDPG算法比独立训练框架具有更优的收敛速度和优化性能。
2021-03-20 cs.NI cs.SY eess.SY
Massive Access of Static and Mobile Users via Reconfigurable Intelligent Surfaces: Protocol Design and Performance Analysis
本文提出了一种由多个可重构智能表面(RISs)辅助的下一代多址接入(NGMA)方案与MAC协议,兼顾静态与移动用户,仿真表明其在系统吞吐量和接入公平性上优于基准并揭示了两者间的权衡关系。
2023-09-12 cs.NI eess.SP
Mobile Edge Intelligence and Computing for the Internet of Vehicles
车联网(IoV)是一种新兴的模式,由车辆通信和网络的最新进展驱动。研究的进步现在可以通过车辆到车辆通信在车辆之间提供可靠的通信链路,以及通过车辆到基础设施通信在车辆和路边基础设施之间提供可靠的通信链路。与此同时,车辆的能力和智能正在迅速增强,这将有可能支持大量新的令人兴奋的应用,这些应用将集成全自动驾驶汽车,物联网(IoT)和环境。这些趋势将带来智能车联网时代,这将严重依赖通信、计算和数据分析技术。为了存储和处理智能车联网产生的大量数据,车载处理和云计算将不足以分别由于资源/功率限制和通信开销/延迟。通过在无线网络边缘部署存储和计算资源,无线接入点,边缘信息系统(EIS),包括边缘缓存,边缘计算和边缘AI,将在未来智能车联网中发挥关键作用。这样的系统将不仅提供低延迟的内容交付和计算服务,而且还提供本地化的数据采集、聚合和处理。本文综述了智能车联网EIS的最新发展。主要设计问题,方法和硬件平台进行了介绍。特别是,说明了智能车辆的典型用例,包括边缘辅助感知,映射和定位。此外,各种开放的研究问题被确定。
2019-06-02 cs.NI eess.SP
Emerging Trends in Intelligent Sensing
IBM Research – Europe(IBM 欧洲研究院)
本文探讨了人工智能、连接设备与高速移动网络推动下,传感器架构向边缘计算转变的趋势,并总结了关键架构与性能指标。
2026-04-24 cond-mat.mtrl-sci cs.NI
Scaling Mobile Agent Systems: From Capability Density to Collective Intelligence
Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
本文提出通过紧凑基础模型设计与压缩提升单个代理能力密度,并通过通信丰富的多代理协作实现集体智能,以解决移动代理系统的扩展性问题。
2026-04-29 cs.CL cs.DC cs.MA
Intelligent Reflective Surface vs. Mobile Relay-supported NLoS Avoidance in Indoor mmWave Networks
第六代无线通信(6G)被设想为产生用于改善端到端通信性能的各种技术,其中通信被设想为利用毫米波(mmWave)频率和更高频率的无线信号。其中,这些技术包括智能反射表面(IRS)和移动中继(MR),其设想的作用包括减轻非视线(NLoS)连接的负面影响,特别是在毫米波和更高频率下。这些技术背后的核心思想是使用协作网络,其中源向中继器(在这种情况下为IRS或MR)发送信号,该信号在接收时被转发到目的地。当比较这两种技术时,重要的是要认识到IRS主要被设想为附着到环境中的各种对象(例如墙壁和家具)的静态实体。相比之下,MR将具有更高的自由度,因为它们将能够在环境中无缝定位。基于上述假设,我们推导出一种用于确定室内环境中IRS和MR的最佳位置的方法,即,最大化源和目的地之间的端到端链路质量的方法。接下来,我们捕获在室内毫米波通信中IRS和MR支持的NLoS避免的通信质量指标。我们的研究结果表明,从端到端的链路质量的角度来看,MR通常优于IRS,这表明其利用潜力的吞吐量优化的NLoS避免场景。
2022-07-14 cs.ET cs.NI eess.SP
Intelligent Reflective Surface Deployment in 6G: A Comprehensive Survey
智能反射表面(IRSs)被认为是一种很有前途的技术,可以智能地重新配置无线环境,以提高未来无线网络的性能。然而,由于高度动态和移动的无人机(UAV)使无线环境能够实现更高的容量,IRS的部署仍然面临挑战。本文揭示了不同的部署策略的IRS在未来的陆地和非陆地网络。具体来说,在本文中,我们介绍了关键的理论概念的IRS范式,并讨论了设计方面的IRS在6G网络中的部署。我们还探讨了基于优化的IRS部署技术,以提高系统性能的地面和空中IRS。此外,我们调查无模型强化学习(RL)技术从部署方面,以解决复杂和移动IRS辅助无人机无线系统实现更高容量的挑战。最后,我们强调了IRS部署方面的挑战和未来的研究方向,以提高未来6G网络的系统性能。
2022-11-06 cs.NI eess.SP
Integrating Base Station with Intelligent Surface for 6G Wireless Networks: Architectures, Design Issues, and Future Directions
本文综述了面向6G无线网络的IS集成基站架构与设计问题,通过数值结果对比了不同IS集成BS与传统BS的性能,并指出了未来研究方向。
2024-11-19 cs.NI eess.SP
Envisioning Device-to-Device Communications in 6G
为了满足各种新兴应用的需求,未来的第六代(6G)移动网络预计将是一个天生智能的、高度动态的、超密集的异构网络,其以极低延迟和高速数据传输将所有事物互连。人工智能(AI)将是最具创新性的技术,可以在未来复杂的6G网络中实现智能自动化的网络运营、管理和维护。在人工智能技术的推动下,设备到设备(D2D)通信将成为6G拼图中的一块。为了在未来6G中构建智能D2D的有效实现,我们概述了许多与6G相关的潜在D2D解决方案,包括移动边缘计算,网络切片和非正交多址(NOMA)认知网络。
2019-12-12 cs.NI eess.SP
Analysis of Intelligent Vehicular Relaying in Urban 5G+ Millimeter-Wave Cellular Deployments
针对城市5G+毫米波蜂窝场景下移动中继性能研究不足的问题,构建数学框架评估车载毫米波中继性能,分析连接策略增益并明确适用场景,为相关标准化与部署提供支撑。
2019-08-16 cs.NI eess.SP
True-data Testbed for 5G/B5G Intelligent Network
Southeast University(东南大学);China Information and Communication Technology Group Corporation(中国信息通信科技集团有限公司);Purple Mountain Laboratories(紫金山实验室)
未来的第五代(B5 G)和第六代(6 G)移动通信将从促进人际通信转向支持万物互联(IoE),其中大数据和人工智能(AI)充分融合的智能通信将在提高网络效率和提供高质量服务方面发挥重要作用。作为一种快速发展的模式,人工智能支持的移动通信需要从真实网络环境中获取大量数据进行系统的测试和验证。为此,我们打造了全球首个5G/B5 G智能网真数据试验床(TTIN),包括5G/B5 G现场实验网、数据采集与数据仓库、AI引擎与网络优化。TTIN具备真实网络数据采集、存储、标准化、分析等功能,实现面向B5 G/6 G关键技术的系统级在线验证,通过闭环控制机制支持数据驱动的网络优化。本文详细阐述了TTIN的系统架构和模块设计。还展示了详细的技术规格和一些已建立的用例。
2021-01-04 cs.AI cs.AR cs.NI
Towards an Intelligent Edge: Wireless Communication Meets Machine Learning
University of Hong Kong(香港大学);Hong Kong University of Science and Technology(香港科技大学)
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。
2018-09-02 cs.IT cs.LG cs.NI