Jointly Optimizing Power Allocation and Device Association for Robust IoT Networks under Infeasible Circumstances
针对不可行情况下物联网网络资源受限问题,提出联合优化功率分配与设备关联的框架,通过改进分支定界法和迭代算法最大化满足设备数量与总吞吐量,实现更快运行速度与更高吞吐量。
2024-11-15 cs.IT math.IT
Traffic-Aware Mean-Field Power Allocation for Ultra-Dense NB-IoT Networks
针对超密集 NB-IoT 上行中的小区间干扰、能耗与流量时空波动问题,提出融合随机几何和 MFG 的流量感知分布式功率分配方法,并通过数值分析验证其有效性。
2022-04-16 cs.GT cs.IT cs.SY
Joint Power Allocation and Placement Scheme for UAV-assisted IoT with QoS Guarantee
本文针对无人机辅助物联网中多样化QoS需求与覆盖问题,提出QDPA功率分配和DRMP部署算法,并进一步设计JPAP联合方案,以最少无人机数量实现平均数据速率最大化。
2024-08-02 cs.IT math.IT
Optimal Resource Allocation for Full-Duplex IoT Systems Underlaying Cellular Networks with Mutual SIC NOMA
设备到设备(D2D)和非正交多址(NOMA)是满足下一代移动通信在物联网(IoT)服务的网络密度和多样性方面的挑战的有前景的技术。本文通过优化信道和功率分配来解决蜂窝网络下的物联网系统中最大化D2D总吞吐量的问题。NOMA用于管理蜂窝用户和全双工(FD)物联网设备之间的干扰。为此目的,识别相互连续干扰消除(SIC)条件以允许同时在基站级别去除D2D设备干扰和在D2D设备级别去除蜂窝用户(CU)干扰。为了最佳地解决联合信道和功率分配(PA)问题,阐述了FD上下文中PA问题的时间有效的解决方案。通过图形表示,在恒定的时间复杂度下,有效地解决了复杂的非凸PA问题。这使得通过连续地解决单独的PA和信道分配问题来实现全局最优分辨率。将所提出的策略的性能与经典的最先进的FD和HD场景进行比较,其中SIC不应用于CU和IoT设备之间。结果表明,在HD或FD场景中,通过在IoT蜂窝上下文中应用相互SIC NOMA可以实现重要的增益。
2021-04-08 cs.IT eess.SP math.IT
Joint Beamforming Design and Resource Allocation for IRS-Assisted Full-Duplex Terahertz Systems
Shanghai Jiao Tong University(上海交通大学);Hubei University(湖北大学);Zhengzhou University(郑州大学);ZTE Corporation(中兴通讯);University of New South Wales(新南威尔士大学)
针对IRS辅助全双工太赫兹系统面临的传播损耗、分子吸收及残余自干扰挑战,提出联合优化IRS相移、功率、子带分配与带宽的资源分配框架,设计两种高效算法,实现频谱效率显著提升与用户公平性保障。
2025-10-29 cs.IT math.IT
Spatial-spectral Terahertz Networks
本文主要研究空间频谱太赫兹(THz)网络,其中发射机配备漏波天线发送信息到他们的接收机在太赫兹频段。漏波天线作为一种定向的近平面天线,可以实现窄波束、高增益的信息传输。传统的大型天线阵列面临着具有挑战性的问题,如缩放限制和太赫兹频率的路径发现。因此,这项工作利用泄漏波天线在密集的太赫兹网络的潜力,建立低复杂度的太赫兹链路。通过解决传播角-频率耦合效应,传输速率进行了分析。结果表明,漏波天线是实现高速传输速率的有效方法。当具有大子信道带宽的THz发射机不是非常密集时,共信道干扰管理是不必要的。提出了一种简单的子信道分配方案,与相同数量的子信道在相同频带分配的情况下相比,提高了传输速率。在子信道分配后,提出了一种低复杂度的功率分配方法,以提高能量效率。
2021-11-04 cs.IT math.IT
Resource Allocation Using Gradient Boosting Aided Deep Q-Network for IoT in C-RANs
本文研究实时云无线接入网(C-RAN)中物联网(IoT)的动态资源分配(DRA)问题,结合梯度提升逼近和深度强化学习来解决以下两个主要问题。首先,在C-RAN中,资源分配的决策过程是耗时和计算昂贵的,促使我们使用一种近似方法,即梯度提升决策树(GBDT)来近似二阶锥规划(SOCP)问题的解。此外,考虑到实时C-RAN系统中的无数状态,我们采用深度强化学习框架,即,深度Q网络(DQN)以生成控制远程无线电头端(RRH)的状态的鲁棒策略。本文提出了一种基于GBDT的DQN框架来解决SOCP问题,在整个C-RAN系统中减少了解决SOCP问题的大量计算量,节省了大量的功耗。我们证明了所生成的政策是容错的,即使梯度提升回归可能不严格受到原问题的约束。所提出的方法和现有的基线方法之间的比较证实了我们的方法的优势。
2019-10-29 cs.IT math.IT
Resource Allocation for Secure URLLC in Mission-Critical IoT Scenario
超可靠低延迟通信(URLLC)是第五代(5G)网络中的三个主要用例之一,由于其在极高可靠性和低延迟方面的严格和冲突的要求,其研究仍处于起步阶段。为了减少延迟,用于分组传输的信道块长度是有限的,这导致传输速率下降和更高的解码错误概率。在这种情况下,基于无限块长码实现的香农容量的传统资源分配并不是最佳的。安全性是关键任务物联网(IoT)通信中的另一个关键问题,物理层安全性是一种有前途的技术,可以确保无线通信的机密性,因为不需要像传统的上层加密方法那样使用额外的信道进行密钥交换。本文首次研究了基于URLLC的安全关键任务物联网通信系统的资源分配问题。具体来说,我们采用有限块长下的安全容量公式,考虑两个优化问题:加权吞吐量最大化问题和总发射功率最小化问题。每个优化问题都是非凸的,解决起来很有挑战性,我们开发了有效的方法来解决每个优化问题。仿真结果证实了我们提出的算法的快速收敛速度,并证明了现有的基准算法的性能优势。
2020-02-12 cs.IT eess.SP math.IT
A Learning-Based Fast Uplink Grant for Massive IoT via Support Vector Machines and Long Short-Term Memory
Centre for Wireless Communications (CWC), University of Oulu(奥卢大学无线通信中心)
当前的随机接入(RA)分配技术在服务于大规模机器类型通信(mMTC)应用时遭受拥塞和高信令开销。为此,3GPP引入了使用快速上行链路授权(FUG)分配的需求,以减少延迟并提高具有严格QoS约束的智能物联网(IoT)应用的可靠性。本文提出了一种基于支持向量机(SVM)的FUG分配方法。首先,利用SVM分类器对MTC设备进行优先级排序。其次,LSTM架构用于流量预测和校正技术,以克服预测误差。这两个结果被用来实现一个有效的资源调度器的平均延迟和总吞吐量。一个耦合马尔可夫调制泊松过程(CMMPP)的流量模型与混合报警和定期流量的应用比较建议FUG分配其他现有的分配技术。此外,一个扩展的流量模型的基础上CMMPP是用来评估所提出的算法在一个更密集的网络。我们使用从Numenta Anomaly Benchmark(NAB)数据库收集的实时测量数据来测试所提出的方案。我们的仿真结果表明,所提出的模型优于现有的RA分配方案,通过实现最高的吞吐量和最低的接入延迟的顺序为1 ms,通过实现98 $\%$的预测精度服务时,目标的大规模和关键的MTC应用与有限数量的资源。
2021-08-02 cs.IT cs.LG cs.NI
UGV-assisted Wireless Powered Backscatter Communications for Large-Scale IoT Networks
无线供电的反向散射通信(WPBC)能够实现超低功耗通信,因此在物联网(IoT)网络中很有前途。然而,在实践中,由于其通信距离短,因此在大规模物联网网络中应用WPBC具有挑战性。为了应对这一挑战,本文利用无人驾驶地面车辆(UGV)来协助WPBC在大规模物联网网络中的应用。特别是,我们研究了接入点(AP)、标签阅读器和UGV的网络规划和动态资源分配的联合设计,以最大限度地减少总能耗。此外,AP可以在半双工(HD)或全双工(FD)复用模式下操作。在HD模式下,推导了最优小区半径,并以封闭形式给出了最优功率分配和发射/接收波束赋形。在FD模式下,给出了资源分配的最优解和两个低计算复杂性的次优解。仿真结果表明,在标签读取器而不是在AP处的动态功率分配主导了网络能量效率,而在FD模式下工作的AP在能量效率方面优于HD模式下的AP。
2021-10-06 cs.IT eess.SP math.IT
Joint Task Offloading and Resource Allocation for IoT Edge Computing with Sequential Task Dependency
在物联网(IoT)中部署移动边缘计算(MEC)使资源有限的IoT设备能够将其计算任务卸载到附近的边缘服务器。在本文中,我们研究了一个由MEC技术辅助的物联网系统,其计算任务受到顺序任务依赖性的影响,这对于视频流处理和其他智能应用至关重要。为了在限制任务处理延迟的同时最小化每个IoT设备的能耗,在慢衰落和快衰落信道下联合优化任务卸载策略、通信资源和计算资源。在慢衰落信道中,建立了一个非凸的单整数变量优化问题。为了解决这个具有挑战性的问题,我们分解为一维搜索的任务卸载决策问题和非凸优化问题的任务卸载决策给定。通过数学处理,将非凸问题转化为凸问题,并证明了凸问题只能用简单的黄金搜索法求解。在快衰落信道中,即使它们是纠缠的,也可以得到依赖于瞬时信道状态的最优在线策略。此外,还证明了当信道相干时间较小时,该策略将收敛到离线策略,这有助于节省额外的计算复杂度。数值结果验证了我们的分析的正确性和我们提出的策略的有效性比现有的方法。
2021-12-29 cs.IT math.IT
Secure and Multi-Step Computation Offloading and Resource Allocation in Ultra-Dense Multi-Task NOMA-Enabled IoT Networks
超密集网络被广泛认为是物联网(IoT)移动设备(IMD)爆炸性增长应用的有前途的解决方案。然而,在这样的网络中,需要适当地处理复杂和严重的干扰。为此,首先利用正交多址(OMA)和非正交多址(NOMA)。然后,为了实现绿色安全的计算卸载,在均衡分配计算资源的基础上,在时延和安全代价的约束下,通过联合设备关联、信道选择、安全服务分配、功率控制和计算卸载等措施,最大限度地降低所有IMD的总能耗。值得注意的是,多步计算卸载集中,以平衡网络负载,充分利用计算资源。由于最后制定的问题是在一个非线性的混合整数形式,它可能是非常困难的,以找到其封闭形式的解决方案。针对这一问题,设计了一种改进的鲸鱼优化算法(IWOA)。对该算法的收敛性、计算复杂性和并行实现进行了详细的分析。仿真结果表明,在时延和安全代价的约束下,该算法比现有算法具有更低的能耗。
2023-03-11 cs.IT math.IT
Optimal Resource Allocation in Full-Duplex Ambient Backscatter Communication Networks for Green IoT
环境反向散射通信(AmBC)使得无线供电的反向散射设备(BD)能够在不使用RF发射器的情况下通过环境射频(RF)载波传输信息,因此已经成为绿色物联网的有前途的技术。本文考虑了一种AmBC网络,其中全双工接入点(FAP)同时向其传统用户(LU)发送下行正交频分复用(OFDM)信号,并以时分多址方式接收从多个BD反向散射的上行信号。为了从多个设计维度提高系统性能并确保公平性,我们通过联合优化BD的后向散射时间部分、BD的功率反射系数和FAP的子载波功率分配来最大化所有BD之间的最小吞吐量,这受到LU的吞吐量约束、BD的收获能量约束和其他实际约束。因此,我们提出了一个有效的迭代算法来解决制定的非凸问题,利用块协调下降和连续凸优化技术。我们进一步证明了算法的收敛性,并分析了其复杂性。最后,大量的仿真结果表明,所提出的联合设计实现了显着的吞吐量增益相比,基准计划与平等的资源分配。
2018-05-03 cs.IT math.IT
Energy Efficient Resource Allocation in Machine-to-Machine Communications with Multiple Access and Energy Harvesting for IoT
本文研究具有非线性能量收集的机器对机器(M2M)蜂窝网络的节能资源分配,特别关注两种不同的多址接入策略,即非正交多址(NOMA)和时分多址(TDMA)。我们的目标是通过联合功率控制和时间分配,同时考虑电路功耗,以最大限度地减少网络的总能耗。对于NOMA和TDMA策略,我们表明,它是最佳的每个机器类型的通信设备(MTCD)传输的最小吞吐量,和每个MTCD的能量消耗是一个凸函数分配的传输时间。基于推导出的MTCD的发射功率的最优条件,我们将NOMA的原始优化问题转化为一个等价的问题,可以通过迭代功率控制和时间分配算法次优解决。通过一个适当的变量变换,我们也把原来的TDMA优化问题转化为一个等价的易处理的问题,它可以迭代求解。数值结果验证了理论分析的正确性,并表明在MTCD的低电路功率区,NOMA比TDMA消耗更少的总能量,而在MTCD的高电路功率区,TDMA比NOMA具有更好的网络能量效率。
2017-11-29 cs.IT math.IT
Secure Energy Efficiency: Power Allocation and Outage Analysis for SWIPT-in-DAS based IoT
在本文中,我们研究了基于分布式天线系统(DAS)的物联网网络中同时进行无线信息和功率传输(SWIPT)的安全能效(SEE)。我们考虑一个系统,其中合法用户(鲍勃)和窃听者(夏娃)有功率分配(PS)接收器,同时解码信息和收获能量从接收到的信号。当信道状态信息(CSI)是已知的在发送端,我们分析了能量收集窃听(EHE)的最大化系统的SEE的效果。其次,考虑到理想的CSI在实际中很难实现的事实,我们用SEE的中断概率来表征系统性能。对于给定的SWIPT在DAS设置,我们推导出封闭形式的表达式SEE的中断概率,并与数值结果的帮助下,我们研究了发射功率电平,分布式天线(DA)端口的数量和设备的PS比的影响。据我们所知,这是第一次尝试定义SWIPT-在DAS的SEE的中断概率。
2021-03-23 cs.IT eess.SP math.IT
Freshness-aware Resource Allocation for Non-orthogonal Wireless-powered IoT Networks
本文针对无线供能物联网网络的信息新鲜度保障问题,通过构建EWSAoI最小化问题并转化为MDP,设计了基于瞬时AoI和剩余电量的最优传输调度与功率分配策略,验证了其有效性及决策边界切换特性。
2024-02-27 cs.IT eess.SP math.IT
Joint Power Allocation and User Scheduling in Integrated Satellite-Terrestrial Cell-Free Massive MIMO IoT Systems
本文研究集成卫星-地面无蜂窝大规模MIMO IoT系统中的多址接入场景,在非完美CSI下推导了上行遍历吞吐量的闭式表达式,并提出基于交替优化和图神经网络的联合用户调度与功率分配方案以最大化总吞吐量。
2024-01-08 cs.IT eess.SP math.IT
Beamforming and Resource Allocation for Multi-User Full-Duplex Wireless Powered Communications in IoT Networks
对于物联网(IoT)网络中的自维持无线通信系统,能量收集(EH)可以在每个用户节点处实现为恒定的可再生电力供应源。因此,本文提出了一种使用无线供电通信网络(WPCN)协议,以促进接入点(AP)和多个移动用户(MU)之间的通信的调查。AP具有多个天线,并且在全双工(FD)模式下操作。另一方面,MU具有单天线并且在半双工(HD)模式下工作。基于用于上行链路(UL)或下行链路(DL)通信的时间分配和信道接入,将与FD-AP通信的每个MU分配到两个组中的一个。优化信道分配、时间资源和功率资源分配以最大化UL加权和速率。和率优化问题被发现是非凸的。因此,研究了一种迭代算法来优化所提出的FD-WPCN系统的UL加权和速率。接着,针对AP与多个MU之间的HD-WPCN通信,对FD-WPCN算法进行了改进,并进行了大量的仿真,验证了FD-WPCN算法的有效性,并与HD-WPCN算法进行了比较。从仿真结果来看,FD-WPCN在低AP发送信噪比(SNR)区域的性能优于HD-WPCN。由于FD-AP处的残余自干扰增加,对于高AP发射SNR观察到相反的行为。
2020-04-14 cs.IT math.IT
Mobile Device Association and Resource Allocation in Small-Cell IoT Networks with Mobile Edge Computing and Caching
为了满足计算敏感(CS)和高速率(HR)通信的需求,移动边缘计算和缓存框架被广泛认为是一种有前途的解决方案。当这样的框架在小小区IoT(物联网)网络中实现时,如何将移动边缘计算和缓存服务器分配给具有CS和HR通信的移动设备(MD)是一个关键和开放的话题。由于这些服务器被集成到小型基站(BS)中,因此它们的分配不仅涉及BS选择(即,MD关联),而且还包括计算和缓存模式的选择。为了减轻网络干扰,从而提高系统性能,一些高效的资源划分机制,首先引入接入和回程链路。在此基础上,提出了一个最小化MD加权时延之和的问题,以实现有限资源下的MD关联和资源分配的联合目标。考虑到MD关联与资源分配参数之间的耦合,根据联盟博弈和凸优化理论,提出了一种交替优化算法。为了保证所设计的算法从一个可行的初始解开始,我们根据传统的最佳信道关联开发了一个初始化算法,用于仿真中的比较和联盟博弈的输入。仿真结果表明,以最小化MDs加权时延和为目标的算法比一般的初始(最佳信道关联)算法具有更好的性能。
2022-02-26 cs.IT eess.SP math.IT
Cognitive Hierarchy Theory for Distributed Resource Allocation in the Internet of Things
针对由机器型设备(MTD)和人类型设备(HTD)组成的异构节点群组成的物联网(IoT)系统,研究了分布式资源分配问题。该问题被表述为异构物联网设备之间的非合作博弈,这些设备寻求找到最佳时间分配,以满足其在能量、速率和延迟方面的服务质量(QoS)要求。由于每个设备的策略空间依赖于其他设备的行动,广义纳什均衡(GNE)的解决方案的特点,并推导出的唯一性的条件。然后,明确地捕捉设备的异质性,在资源约束和QoS需求方面,提出了一种新的和更现实的博弈论方法,基于认知层次(CH)理论的行为框架。然后,这种方法被示出为使IoT设备能够达到CH均衡(CHE)概念,该概念考虑到与异构计算能力相对应的各种合理性水平以及可用于MTD和HTD中的每一个的信息。仿真结果表明,对于包含多达10,000个设备的物联网网络,所提出的CHE解决方案将满足QoS约束的设备百分比保持在96%以上,而不会显著降低整体系统性能。
2017-08-22 cs.IT math.IT
Backscatter Data Collection with Unmanned Ground Vehicle: Mobility Management and Power Allocation
从大规模物联网(IoT)设备收集数据是一项具有挑战性的任务,因为通信电路对功率要求很高,而IoT设备的能源供应有限。为了克服这一挑战,反向散射通信成为一种很有前途的解决方案,因为它消除了物联网设备中的射频组件。不幸的是,后向散射通信的传输范围很短。为了便于后向散射通信,这项工作提出了集成无人地面车辆(UGV)与后向散射数据汇集。通过这种方案,UGV可以通过接近各种物联网设备来提高通信质量。然而,移动也会消耗能量,一个基本的问题是:在移动和通信上花费能量之间的正确平衡是什么?为了回答这个问题,本文研究了能量最小化下的联合图移动性和后向散射通信模型。在联合模型下,移动性管理和功率分配问题涉及移动性带来的离散变量和通信带来的连续变量之间的非线性耦合。尽管优化的挑战,算法,理论上实现了最小的能量消耗的推导,它导致之间的自动权衡的UGV反向散射系统中的移动与通信上的花费能量。仿真结果表明,如果噪声功率较小(例如,-100 dBm)时,UGV应在小幅度移动的情况下收集数据。但是,如果噪声功率增加到较大的值(例如,-60 dBm),UGV应该花费更多的运动能量来接近物联网用户。
2019-04-05 cs.IT math.IT
Optimizing Information Freshness in RIS-assisted NOMA-based IoT Networks
本文研究了在基于上行链路非正交多址接入的物联网(IoT)网络中集成可重构智能表面(RIS)对最小化平均信息总和(AoI)的益处。在此设置中,制定优化问题以优化RIS配置、每个IoT设备的发射功率和IoT设备的集群策略。所制定的问题是一个混合整数非凸的,为了解决它,我们首先得到的RIS配置采用半定松弛(SDR)的方法。然后,利用双层优化的概念,将联合功率分配和用户聚类问题分解为外部用户聚类问题和内部功率分配问题。内部问题的最优封闭形式的表达式推导和匈牙利法是用来解决外部的。数值结果表明,我们的方法的性能优越。
2022-02-28 cs.IT eess.SP math.IT
Centralized and Distributed Age of Information Minimization with non-linear Aging Functions in the Internet of Things
由于物联网系统的大规模和异构性,物联网(IoT)系统中的资源管理是一个重大挑战。例如,大多数物联网应用需要及时交付收集的信息,这是物联网的一个关键挑战。本文提出了新颖的集中式和分布式资源分配方案,以使IoT设备能够共享有限的通信资源并及时发送IoT消息。在所考虑的系统中,信息的及时性是使用非线性信息年龄(AoI)指标来捕获的,该指标可以自然地量化信息的新鲜度。为了对物联网系统的固有异构性进行建模,根据物联网设备类型和消息内容定义了非线性老化函数。为了最小化AoI,所提出的资源管理方案考虑AoI来分配有限的通信资源。特别地,所提出的集中式方案使得基站能够学习设备类型并确定老化功能。此外,所提出的分布式方案使得设备能够基于关于其他设备及其AoI的可用信息来共享有限的通信资源。证明了所提出的分布式方案的收敛性,并分析了在部分信息情况下降低AoI的有效性。仿真结果表明,所提出的集中式方案实现显着较低的平均瞬时AoI相比,简单的集中式分配没有学习,而所提出的分布式方案实现显着较低的平均瞬时AoI相比,随机分配。结果还表明,所提出的集中式方案在几乎所有情况下都优于所提出的分布式方案,但分布式方法对于大规模物联网更可行。
2021-01-03 cs.IT math.IT
Secure Collaborative Computation Offloading and Resource Allocation in Cache-Assisted Ultra-Dense IoT Networks With Multi-Slope Channels
本文针对缓存辅助超密集物联网MEC网络,提出一种结合OFDMA、NOMA与基站分簇的安全计算卸载方案,并开发FIHAS算法以在严格时延和成本约束下最小化设备能耗。
2024-10-21 cs.IT math.IT
Joint Orthogonal Band and Power Allocation for Energy Fairness in WPT System with Nonlinear Logarithmic Energy Harvesting Model
无线电力传输(WPT)通过提供物联网传感器的永久运行,预计将在物联网服务中发挥重要作用。然而,为了延长物联网网络的生命周期,需要有效的资源分配算法,特别是物联网传感器之间的能量公平性问题一直是WPT系统的关键挑战。在本文中,考虑到能量公平的最小接收能量的所有能源贫困物联网传感器(EPIS),我们分配正交频段的多个EPIS和每个正交频带上的RF功率传输,使用能量波束成形。基于能量贫乏的特点,提出了正交频段分配规则,将优先权分配给接收能量较少的EPIS。我们还制定了两个传输功率分配问题,纳入非线性的能量收集(EH)模型。首先,总接收功率最大化(TRPM)的问题,并解决了著名的Karush-Kuhn-Tucker(KKT)条件与改进的注水算法相结合。其次,共同的接收功率最大化(CRPM)的问题,制定和最优解的推导使用迭代二分法搜索方法。为了将二分搜索法应用于该问题,本文提出了一种确定单调函数和所定义的目标函数的解的范围的方法。在数值计算中,假设EPIS的移动性为一维随机游走模型,给出了EPIS的移动性对所有EPIS的最小接收能量的有效性。最后,通过比较Round Robin和等功率分配等资源分配方案,验证了本文提出的资源分配方案的性能
2020-03-30 cs.IT eess.SP 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
Resource Allocation for Compression-aided Federated Learning with High Distortion Rate
Sejong University(世宗大学);Pusan National University(釜山国立大学)
最近,已经进行了大量的工作来解决联邦学习(FL)中的通信负担(例如,模型量化、数据稀疏化和模型压缩)。然而,现有的方法,提高FL的通信效率,导致通信效率和全局收敛速度之间的相当大的权衡。我们为压缩辅助FL制定了一个优化问题,该问题捕获了失真率、参与物联网设备数量和收敛率之间的关系。然后,目标函数是最小化FL收敛的总传输时间。由于问题是非凸的,我们建议将其分解成子问题。基于FL模型的属性,我们首先确定参与FL过程的IoT设备的数量。然后,通过基于联盟游戏有效地分配无线资源来优化IoT设备和服务器之间的通信。我们的理论分析表明,通过主动控制参与物联网设备的数量,我们可以避免压缩辅助FL的训练发散,同时保持通信效率。
2022-06-02 cs.AI cs.IT cs.LG
Optimal Time Scheduling Scheme for Wireless Powered Ambient Backscatter Communication in IoT Network
在本文中,我们研究的最佳方案来管理不同的模块,包括频谱感测,射频(RF)能量收集(RFH)和环境反向散射通信(ABCom)的时间调度,通过最大化物联网(IoT)中的数据传输速率。我们首先考虑使用频谱感测与能量检测技术来检测高功率环境RF信号,然后使用它们执行RFH和ABCom。具体地,为了提高频谱感测效率,压缩感测被用于检测宽带RF信号。我们提出了一个优化时间调度参数和功率分配比的联合优化问题,其中功率分配比是由于REH和ABCom同时工作而产生的。此外,提出了一种通过分析反向散射通信中断概率来确定反向散射通信频谱感知阈值的方法。数值结果表明,在更大的传输速率下,可以获得最优的频谱感知方案。实验结果表明,基于压缩感知的方法更有效,且随着网络运行时间的增加,其优势更加明显。此外,最佳的调度参数和功率分配比。仿真结果表明,通过分析后向散射通信中断概率,得到了后向散射通信频谱感知的门限。
2018-10-13 cs.IT math.IT
Smart Pilot Assignment for IoT in Massive MIMO Systems: A Path Towards Scalable IoT Infrastructure
Iowa State University(爱荷华州立大学)
针对大规模MIMO物联网网络中的导频污染瓶颈,提出结合用户聚类、图着色建模与ILP优化的智能导频分配方案,并设计低复杂度二分启发式算法,实现导频开销降17%、频谱效率提8-14%,提升系统可扩展性。
2024-04-16 cs.GT cs.IT cs.LG
Optimal Resource Allocation in Full-Duplex Ambient Backscatter Communication Networks for Wireless-Powered IoT
该文研究了一种环境后向散射通信(AmBC)网络,其中全双工接入点(FAP)以时分多址方式同时向其传统用户(LU)发送下行正交频分复用(OFDM)信号和接收来自多个BD的后向散射上行信号。为了最大限度地提高系统的吞吐量,并确保公平性,我们的目标是最大限度地提高所有BD之间的最小吞吐量,通过联合优化的反向散射时间和反射系数的BD,和FAP的子载波功率分配,受到LU的吞吐量约束,BD的收获能量的约束,和其他实际的约束。对于单个BD的情况,我们得到了封闭形式的解决方案,并提出了一个有效的算法,通过使用拉格朗日对偶方法。对于一般情况下,多个BD,我们提出了一个迭代算法,利用块协调下降和连续凸优化技术。我们进一步展示了所提出的算法的收敛性能,并分析其复杂性。此外,我们研究了吞吐量区域的特点帕累托最优吞吐量权衡所有BD。最后,大量的仿真结果表明,所提出的联合设计实现了显着的吞吐量增益相比,基准计划。
2018-06-18 cs.IT math.IT
Optimizing Information Freshness Leveraging Multi-RISs in NOMA-based IoT Networks
本文研究了集成多个可重构智能表面(RIS)在增强上行物联网(IoT)网络的实时性性能方面的好处,其中IoT设备(IoTD)使用非正交多址(NOMA)将其带时间戳的状态更新信息上传到基站(BS)。考虑到由于传播环境的杂质(诸如深衰落、阻塞等)而导致的潜在不可靠的无线信道,在所考虑的IoT网络中部署多个RI,以减轻传播引起的损害,增强无线链路的质量,并确保实现所需的信息新鲜度。在该设置中,已经制定了优化问题,以通过优化IoT的发射功率、IoT集群策略和RIS配置来最小化平均信息年龄(AoI)。所制定的问题最终是一个混合整数非凸问题。为了解决这一问题,首先采用半定松弛(SDR)方法得到RISs的构型。然后,利用双层优化的概念,将原问题分解为外部IoTDs聚类问题和内部功率分配问题,求解了联合功率分配和用户聚类问题.最佳的封闭形式的表达式推导出的内部问题和匈牙利方法被调用来解决外部问题。数值结果表明,我们提出的方法实现了最低的AoI相比,其他基线方法。
2022-09-01 cs.IT eess.SP math.IT
Energy-Efficient Beamforming and Resource Optimization for AmBSC-Assisted Cooperative NOMA IoT Networks
在这篇手稿中,我们提出了一种基于多天线环境反向散射通信(AmBSC)辅助下一代(NG)物联网(IoT)通信网络的协作非正交多址(NOMA)的节能交替优化框架。具体而言,通过优化发射机处IoT NOMA用户的主动波束成形向量和功率分配系数(PAC)以及多天线辅助反向散射节点处的被动波束成形向量,实现了所考虑的AmBSC使能的多集群协作IoT NOMA系统的能量效率最大化。通常,增加每个集群中IoT NOMA用户的数量会导致集群间干扰(ICI)(在不同集群之间)和集群内干扰(在IoT NOMA用户之间)。为了对抗ICI的影响,我们利用迫零(ZF)为基础的主动波束成形,以及一个有效的聚类技术在源节点。此外,通过利用有效的功率分配策略来减轻集群内干扰的影响,该功率分配策略在服务质量(QoS)、协作、SIC解码和功率预算约束下确定IoT NOMA用户的PAC。利用逐次凸近似(SCA)和凸规划差分(DC)将非凸无源波束形成问题转化为标准半定规划(SDP)问题,并基于惩罚方法得到无源波束形成的秩1解.此外,数值分析的仿真结果表明,所提出的能量效率最大化算法表现出有效的性能,实现收敛,只有几个迭代。
2022-09-11 cs.IT eess.SP math.IT
Secure Transmission in NOMA-enabled Industrial IoT with Resource-Constrained Untrusted Devices
针对含资源受限不可信设备的 NOMA-IIoT,本文联合优化安全解码顺序与功率分配,给出最大化最小保密速率的闭式全局最优解。
2023-08-17 cs.IT math.IT
Distributed Learning for Low Latency Machine Type Communication in a Massive Internet of Things
物联网(IoT)将包括大量的机器类型设备,这些设备必须近实时地无线传输从其环境中感知到的各种消息。因此,设计资源分配方案来支持这种共存的异构通信是物联网的一个关键挑战。特别是,需要自组织资源分配解决方案,该解决方案可以解决独特的物联网特征,例如大规模和严格的资源约束。本文提出了一种新的有限内存多状态顺序学习框架,使不同的物联网设备能够共享有限的通信资源,同时传输延迟容忍的周期性消息和紧急的关键消息。所提出的学习框架使得IoT设备能够学习关键消息的数量,并且重新分配用于周期性消息的通信资源以用于关键消息。此外,所提出的学习框架明确考虑了物联网设备在内存和计算能力方面的限制。证明了所提出的学习框架的收敛性,并推导出物联网设备使用该学习框架可以实现的最低预期延迟。此外,所提出的学习算法在具有不同延迟目标、网络密度、检测概率和存储器大小的物联网网络中的有效性根据成功随机接入请求的概率和正确学习的设备的百分比进行了分析。结果表明,该学习算法通过智能地重新分配分配给延迟容忍的周期性消息的通信资源,可以有效地减少紧急、关键消息的延迟。
2019-03-06 cs.IT math.IT
Sum Rate Maximization for Intelligent Reflecting Surface Assisted Terahertz Communications
本文提出了一种智能反射面(IRS)辅助太赫兹(THz)通信的方法。分子吸收导致路径损耗峰出现在THz频段,衰落峰受传输距离的影响很大。在本文中,我们的目标是最大化的总和速率与个人的速率约束,其中IRS的位置,IRS相移,太赫兹频谱的子带的分配,和UE的功率控制进行联合优化。对于具有单个子带的单个用户设备(UE)的特殊情况,提供了全局最优解。对于多个UE的一般情况,提出了基于块坐标搜索(BCS)的算法来解决非凸问题。仿真结果表明,该方案可以显着提高系统性能。
2020-08-27 cs.IT math.IT
Relay-Enabled Backscatter Communications: Linear Mapping and Resource Allocation
针对中继辅助反向散射通信中连续时间分配不可行的问题,提出基于帧结构的离散时间方案,采用线性映射确定子帧分配与功率,联合优化反射系数、接入点功率和映射矩阵以最大化吞吐量,并设计低复杂度迭代算法验证其优越性。
2023-07-26 cs.IT math.IT
Joint Computation and Communication Design for UAV-Assisted Mobile Edge Computing in IoT
无人机辅助移动边缘计算(MEC)系统是一个突出的概念,其中配备有MEC服务器的无人机被部署为在有限的时间段内为物联网(IoT)的多个终端设备(TD)服务。在本文中,每个TD都有一定的延迟临界计算任务,在每个时隙完成。三种计算策略可用于每个TD。首先,每个TD可以自己操作本地计算。其次,每个TD可以将任务比特部分地卸载到UAV以用于计算。第三,每个TD可以选择经由UAV中继将任务比特卸载到接入点(AP)。提出了一种新的优化问题形式,旨在通过优化比特分配、时隙调度和功率分配以及无人机轨迹设计来最小化包括通信相关能量、计算相关能量和无人机飞行能量在内的总能量消耗。由于所提出的问题是非凸的,很难找到最优解,因此我们分两部分求解该问题,并在十几次迭代内获得了近最优解。最后,数值结果验证了所提出的算法,这是有效的,优于其他基准情况。
2019-10-18 cs.IT eess.SP math.IT
Network Massive MIMO Transmission Over Millimeter-Wave and Terahertz Bands: Mobility Enhancement and Blockage Mitigation
移动性和阻塞是毫米波(mmWave)和太赫兹(THz)频段上的无线传输中的两个关键挑战。在本文中,我们研究了移动性和阻塞的存在下,网络的大规模多输入多输出(MIMO)传输毫米波/太赫兹下行链路。考虑到毫米波/太赫兹波的传播特性,我们首先提出将每个波束同步应用于网络大规模多输入多输出,以减轻信道多普勒和延迟色散效应。因此,我们建立了一个传输模型。然后,我们研究网络大规模多输入多输出下行链路传输策略,只有统计信道状态信息(CSI)在基站(BS),制定的策略设计问题作为一个优化问题,以最大限度地提高网络总速率。我们表明,波束域是有利的执行传输,并证明BS可以单独工作时,发送信号到用户终端。基于这些见解,网络大规模多输入多输出预编码设计被简化为关于波束域功率分配的网络和速率最大化问题。利用序贯优化方法和随机矩阵理论,进一步提出了一种保证收敛性能的波束域功率分配迭代算法。数值结果表明,所提出的基于统计CSI的网络大规模多输入多输出传输方法可以有效地缓解阻塞效应,并在毫米波和太赫兹频段上提供移动性增强。
2020-05-06 cs.IT eess.SP math.IT
Efficient C-RAN Random Access for IoT Devices: Learning Links via Recommendation Systems
我们专注于物联网设备的C-RAN随机接入协议,这些协议在大型阵列远程无线电头的密集网络中产生低延迟高速率的活动设备检测。在这种情况下,我们研究的问题,学习检测到的设备和网络站点之间的链接的强度。特别是,我们开发的启发式算法,它利用随机访问的观察收集整个网络的活动设备和网络站点之间的链接分类网络。我们的模拟和分析揭示了数据驱动的计划,这样的飞行链路分类和随后的资源分配在广域网的潜在优点。
2018-01-11 cs.IT math.IT
Energy-Efficient Massive IoT Shared Spectrum Access over UAV-enabled Cellular Networks
数据聚合已成为支持大规模物联网(IoT)的新兴范例,这是第五代新无线电(5G-NR)的一个新的关键用例。事实上,数据聚合器可以补充蜂窝基站并处理物联网流量以减少网络拥塞。在本文中,我们考虑使用移动数据聚合器,例如,无人机,收集物联网流量并将其聚合到网络。具体来说,我们首先讨论如何在无人机存在的情况下在蜂窝用户(UE)和物联网设备之间共享频谱,提出一种时分复用协议。我们使用随机几何分析该协议,比较它的标准频谱共享和正交分配协议。然后,我们制定了一个随机优化问题,以优化标称物联网发射功率,最大限度地提高受干扰约束的物联网设备的平均能效(EE),以保护UE。仿真结果验证了该协议的理论和有效性。结果表明,使用无人机来聚合物联网流量,提高了物联网设备的EE,但EE会随着高度的增加而降低。同样重要的是,优化发射功率对于进一步提高EE至关重要,同时确保与UE的公平共存。
2020-05-25 cs.IT math.IT
Joint Resource Allocation and Cache Placement for Location-Aware Multi-User Mobile Edge Computing
随着对延迟关键型和计算密集型物联网(IoT)服务的需求不断增长,面向IoT的网络架构,移动边缘计算(MEC),已经成为一种有前途的技术,以增强资源受限的IoT设备的计算能力。为了充分利用网络边缘的类云功能,实现了服务缓存以重用计算任务输入/输出数据,从而有效减少了数据重传和重复执行同一任务所带来的延迟。在多用户缓存辅助MEC系统中,用户对不同类型服务的偏好(可能取决于其位置)在通信、计算和服务缓存的联合设计中起着重要作用。在本文中,我们考虑多个代表性的位置,在同一位置的用户共享相同的偏好配置文件为一组给定的服务。具体而言,通过利用位置感知用户的偏好配置文件,我们提出了联合优化的二进制缓存放置,边缘计算资源和带宽分配,以最大限度地减少预期的总能耗,受带宽和计算的限制,以及服务延迟的约束。为了有效地解决混合整数非凸问题,我们提出了一种基于深度学习(DL)的离线缓存放置方案,使用一种新的基于随机量化的离散动作生成方法。所提出的混合学习框架主张从无模型DL方法和基于模型的优化中获益。仿真结果表明,与贪婪缓存和流行缓存相比,所提出的基于DL的方案分别节省了大约33%和6.69%的能耗,同时实现了高达99.01%的最佳性能。
2022-08-06 cs.IT eess.SP math.IT
UAV-Enabled Data Collection for IoT Networks via Rainbow Learning
针对多天线UAV采集多地面物联网节点数据的问题,提出双环 Rainbow 学习算法联合优化轨迹、调度、功率与接收波束成形,显著提升总采集量、能效和公平性。
2025-06-11 cs.IT eess.SP math.IT
Energy-Neutral Coverage Optimization by Joint Deployment and Scheduling in Ambient IoT Devices with Directional Sensing
University of Oulu(奥卢大学);Universidad Tecnológica Metropolitana(metropolitan 理工大学);Federal University of Santa Catarina(圣卡塔琳娜联邦大学)
本文针对带方向感知的环境物联网设备,研究联合部署与调度的覆盖优化,提出四种策略,实验显示混合LP+RL等方法在低中能量收集场景下覆盖更优、收敛更快。
2026-08-28 cs.IT cs.SY eess.SY
Clustering and Power Optimization for NOMA Multi-Objective Problems
本文研究了上行多址接入(MA)传输,其中MA技术在非正交多址接入(NOMA)和正交多址接入(OMA)之间自适应地选择。两种类型的用户,即物联网(IoT)和增强型移动宽带(eMBB)共存,需要优化不同的指标,即IoT的能效(EE)和eMBB的频谱效率(SE)。针对NOMA和OMA,分别求解了以EE和SE的加权和最大为目标的多目标功率分配问题。基于最佳MA策略的识别,然后提出了一种聚类算法,以最大限度地提高每个簇的多目标度量以及NOMA使用。所提出的聚类,功率分配和MA选择算法优于其他聚类解决方案和非自适应MA技术。
2020-06-26 cs.IT eess.SP math.IT