Vehicle Speed Aware Computing Task Offloading and Resource Allocation Based on Multi-Agent Reinforcement Learning in a Vehicular Edge Computing Network
对于车载应用,具有不同速度的车辆具有不同的延迟要求。然而,车辆速度尚未被广泛探索,这可能导致车辆速度与其分配的计算和无线资源之间的不匹配。在本文中,我们提出了一种车辆速度感知的任务卸载和资源分配策略,以减少执行任务的能量消耗,而不超过延迟约束。首先,我们建立了基于不同速度和任务类型的车辆速度感知延迟约束模型。然后,计算了VEC服务器和本地终端执行任务的延迟和能量消耗。接下来,我们制定了一个联合优化的任务卸载和资源分配,以最大限度地减少车辆的能源成本受延误的约束。采用MADDPG方法得到了卸载和资源分配策略。仿真结果表明,该算法在能量消耗和任务完成延迟方面具有较好的性能。
2020-08-19 cs.NI eess.SP
Transmission-Aware Bandwidth Variable Transceiver Allocation in DWDM Optical Networks
本文研究了多周期规划下的灵活光网络传输感知收发器分配问题。该方法的目的是分配带宽可变收发器(BVTRX)的最佳配置考虑放大器噪声和非线性信道干扰使用非相干扩展高斯噪声(EGN)模型。与最近提出的算法相比,所提出的解决方案在早期规划期间提高了网络吞吐量和频谱利用率,并且在后期分配了较少数量的BV-TRX。一个启发式的方法再生器的位置也被应用,实现高达25%的收发器和50%的频谱利用率相比,没有再生器的配置节省。
2022-02-20 cs.NI eess.SP
Energy-Aware Resource Allocation for Energy Harvesting Powered Wireless Sensor Nodes
针对能量收集供电无线传感器网络因射频供电间歇性、功率低难维持持续通信的问题,提出异步积累-然后-传输协议下的能量感知资源分配方案,联合优化功率与EH时间占比,用迭代算法保障局部最优,提升了长期吞吐量与队列表现。
2025-01-11 cs.IT eess.SP math.IT
Flexible Semantic-Aware Resource Allocation: Serving More Users Through Similarity Range Constraints
针对多用户语义通信系统,提出一种语义感知资源分配方案,通过几何规划技术求解非凸MINLP问题,使用户满意度提升17.1%。
2025-04-29 cs.NI eess.SP
Bandwidth and Power Allocation for Task-Oriented SemanticCommunication
已经研究了深度学习支持的语义通信,以提高通信效率,同时保证智能任务性能。与传统通信系统不同的是,语义通信中的资源分配不再仅仅追求比特传输速率,而是关注如何更好地压缩和传输语义,以完成后续的智能任务。针对人工智能(AI)面向任务的语义通信中带宽和功率的合理分配问题,提出了一种联合压缩比和资源分配(CRRA)算法.我们首先分析了人工智能任务的性能和语义信息之间的关系。然后,为了优化资源约束下的人工智能任务的性能,带宽和功率分配问题。由于非凸性,问题首先被分成两个子问题。第一个子问题是给定资源分配方案的压缩比优化问题,通过枚举算法求解。第二个子问题是寻找最优资源分配方案,通过逐次凸逼近方法将其转化为凸问题,用凸优化方法求解。通过迭代求解这两个子问题,得到最优语义压缩比和资源分配方案。仿真结果表明,与基线算法相比,该算法能有效地提高人工智能任务的性能,最高可达30%.
2022-01-26 eess.SP
Resource allocation for text semantic communications
针对语义通信资源分配空白,首次定义语义频谱效率(S-SE),提出资源分配优化方法,并开发转换方法与传统系统公平比较,仿真验证其有效性和优越性。
2022-04-25 eess.SP
Semantic-Relay-Aided Text Transmission: Placement Optimization and Bandwidth Allocation
本文提出语义中继SemRelay,通过联合优化放置与带宽分配,协助基站向资源受限设备传输文本,最大化有效比特率,并设计高效惩罚算法获得接近最优解,显著优于传统解码转发中继。
2023-11-16 cs.IT eess.SP math.IT
Semantic-Aware Power Allocation for Generative Semantic Communications with Foundation Models
本文提出基于基础模型的生成式语义通信框架,建立传输可靠性与图像感知质量及语义价值的关系模型,并通过约束解耦和二分搜索设计语义感知功率分配方法,在保证语义性能的同时显著降低总功率消耗。
2024-10-08 eess.SP
QoE-Aware Resource Allocation for Semantic Communication Networks
本文针对语义通信网络,提出语义熵度量与QoE模型,通过解耦优化传输符号数、信道和功率分配,实现多小区多任务场景下QoE感知的资源分配,仿真验证其有效性。
2022-05-28 eess.SP
QoS Aware Power Allocation and User Selection in Massive MIMO Underlay Cognitive Radio Networks
研究了认知无线电网络中配备大量天线的次级基站下行链路的功率分配和次级用户选择问题。提出了一种新的优化框架,以选择最大数量的SU和计算功率分配,以满足瞬时速率或服务质量要求的SU。优化框架还旨在使用SBS处的可用不完美CSI将对主用户(PU)的干扰限制在预定义阈值以下。为了获得一个可行的解决方案的功率分配和用户选择,我们提出了一个低复杂度的算法称为DeleteSU与最大功率分配(DeleteSU)。理论分析计算了对PU的干扰和超过所需速率的SU的数量。分析和仿真结果表明,该算法在满足最小速率约束的情况下,能够服务更多的用户,并且在天线数大于用户数一个数量级的情况下接近最优解。
2019-03-15 cs.IT eess.SP math.IT
RL-Driven Semantic Compression Model Selection and Resource Allocation in Semantic Communication Systems
本文提出基于强化学习的框架,通过近端策略优化动态选择语义压缩模型并分配带宽和功率,以平衡多用户语义通信中的准确性、时延和能耗,仿真验证其优于基线方法。
2025-06-23 cs.NI eess.SP
Semantic-Aware Resource Allocation Based on Deep Reinforcement Learning for 5G-V2X HetNets
针对5G-V2X异构网络,提出基于深度强化学习的语义感知资源分配框架,联合优化灵活占空比共存与资源分配,最大化语义频谱效率,实验优于传统方法。
2025-06-19 cs.NI eess.SP
T-s3ra: traffic-aware scheduling for secure slicing and resource allocation in sdn/nfv enabled 5g networks
网络切片和资源分配在软件定义网络(SDN)/网络功能虚拟化(NFV)辅助的5G网络中起着关键作用。在5G通信中,业务速率很高,需要高数据速率和低延迟。深度学习是克服这些限制的潜在解决方案。安全切片避免了资源浪费;然而,DDoS攻击者可以利用切片网络。因此,我们专注于大规模网络流量下的资源分配安全切片。提出了用于SDN/NFV使能的5G网络上的安全切片和资源分配的调度感知。在这种方法(T-S3 RA)中,使用具有基于密码的密钥导出函数的布尔逻辑来认证用户设备。流量在5G接入点中进行调度,并分别使用SliceNet和HopFieldNet等深度学习模型实现安全的网络切片和资源分配。为了预测DDoS攻击者,我们计算Renyi熵进行数据包分类。实验进行了使用网络模拟器与250个节点的网络拓扑。使用吞吐量、延迟、数据包传输率、数据包丢失率、切片容量、带宽消耗和切片接受率等指标评估性能。T-S3 RA在三个具有不同要求的5G用例中实现,包括大规模机器类型通信,超可靠低延迟通信和增强的移动宽带。
2021-07-11 cs.NI eess.SP
Generative Semantic Communications with Foundation Models: Perception-Error Analysis and Semantic-Aware Power Allocation
本文提出搭载预训练基础模型的生成式语义通信框架,分析感知-误差的非递减关系,定义语义值,提出两种语义感知功率分配方法,在图像任务仿真中较传统方法最高节省90%功耗。
2025-01-14 eess.SP
Enhancing Mobile Crowdsensing Efficiency: A Coverage-aware Resource Allocation Approach
本研究针对移动群智感知网络,提出一种覆盖感知的资源分配方法,通过联合优化用户选择、子信道与任务分配,并采用匈牙利算法及双向交换方法,在保证覆盖性能的同时最小化任务延迟。
2025-03-27 cs.NI eess.SP
Post-Decision State-Based Online Learning for Delay-Energy-Aware Flow Allocation in Wireless Systems
Iowa State University(爱荷华州立大学);Indian Institute of Technology Bombay(印度理工学院孟买分校)
本文提出基于事后状态的强化学习方法,用于无线系统中延迟和能耗感知的流量分配,通过分离动作动力学与外生因素实现高效自适应分配。
2026-01-06 eess.SP
Efficient Resource Allocation in 5G Massive MIMO-NOMA Networks: Comparative Analysis of SINR-Aware Power Allocation and Spatial Correlation-Based Clustering
针对5G大规模MIMO-NOMA网络,比较多种聚类与功率分配策略,提出在QoS约束下最大化服务用户数,发现GWO聚类能效最优,CIA服务用户最多。
2025-03-11 cs.NI eess.SP
Task-Oriented Delay-Aware Multi-Tier Computing in Cell-free Massive MIMO Systems
本文在无蜂窝大规模MIMO系统中提出多层计算架构,通过解耦带宽分配与任务分配并以拉格朗日部分松弛处理异构时延需求,实现总成本最小化的任务卸载优化。
2023-04-14 cs.NI eess.SP
Joint Device Pairing and Bandwidth Allocation Optimisation for Semantic Feature Multiple Access Networks
King’s College London(伦敦国王学院);Zhejiang University(浙江大学);University of Miami(迈阿密大学)
本文提出基于语义特征多址网络的联合设备配对与带宽分配优化方法,通过交叉用户注意模块实现受控语义特征交换,降低干扰并提升重建质量。
2026-04-10 eess.SP
Resource Allocation for Semantic-Aware Mobile Edge Computing Systems
本文针对移动边缘计算系统提出语义感知的联合通信与计算资源分配框架,通过优化语义提取与资源管理最小化最大执行时延,仿真显示可降低时延高达37.10%。
2023-09-21 eess.SP
Electromagnetic Singularity-Aware MIMO Channels: Scattering-Based Channel Modeling and Physics-Aware Power Allocation
Graduate School of Engineering, The University of Osaka(大阪大学大学院工学研究科);Tsinghua University(清华大学)
该研究针对电磁奇异态附近MIMO信道的不稳定性,构建了电磁奇点感知MIMO信道模型,提出奇点感知发射协方差优化方法,可降低90.32%的加权奇异信道暴露量,同时保留95%的标称注水算法速率。
2026-10-14 eess.SP
HBF MU-MIMO with Interference-Aware Beam Pair Link Allocation for Beyond-5G mm-Wave Networks
本文提出符合5G-NR标准的IABA波束对链路分配方案,通过干扰感知的分布式或集中式BPL分配缓解HBF MU-MIMO空间干扰,显著提升超5G毫米波网络吞吐量并超越全数字MU-MIMO基线。
2024-02-27 cs.NI eess.SP
3-D Positioning and Resource Allocation for Multi-UAV Base Stations Under Blockage-Aware Channel Model
在本文中,我们提出了部署多个无人机(UAV)安装的基站,以服务地面用户在户外环境中的障碍。特别是,地理信息被用来捕捉阻塞效应的空对地(A2G)链路所造成的建筑物,并提出了一个现实的阻塞感知A2G信道模型来表征信道的连续变化在不同的位置。基于所提出的信道模型,通过功率分配、用户关联和子载波分配,建立了无人机三维定位和资源分配的联合优化问题,以最大化用户间的最小可达速率。为了解决这个非凸组合规划问题,我们引入了一个惩罚项来放松它,并通过基于惩罚的双环迭代优化框架开发了一个次优解。内环采用块连续凸逼近(BSCA)技术解决惩罚问题,在每次迭代中交替优化无人机定位和资源分配。外环的目的是获得适当的惩罚乘子,以确保惩罚问题的解收敛到原问题的解。仿真结果表明,所提出的算法优于其他基准计划的最低可达速率。
2022-11-23 eess.SP
Data Processing Efficiency Aware User Association and Resource Allocation in Blockchain Enabled Metaverse over Wireless Communications
本文提出数据处理效率(DPE)概念及DAUR算法,通过将非凸问题转化为凸优化并交替优化用户关联、卸载、计算、带宽和功率等资源变量,提升区块链使能元宇宙无线通信中的单位资源数据处理量。
2024-11-25 cs.DC cs.ET cs.NI
Multiuser Resource Allocation for Semantic-Relay-Aided Text Transmissions
本文提出语义中继辅助多用户文本传输,通过联合优化功率和带宽分配最大化加权和速率,利用块坐标下降法求解,并在小带宽区域优于传统解码转发中继。
2023-11-12 eess.SP
Detection-Aware Rate--CRB Characterization for Resource Allocation in ISAC Systems
York University(约克大学)
针对ISAC系统,研究检测感知的速率--CRB表征,提出DA和DTE两种约束公式,揭示仅CRB分配会掩盖检测可靠性不足,并显著影响功率-带宽分配与通信-感知权衡。
2026-10-02 eess.SP
Adaptable Semantic Compression and Resource Allocation for Task-Oriented Communications
面向任务的通信是一种新的模式,旨在为完成智能任务提供有效的连接,而不是接收每一个传输的比特。本文提出了一种基于深度学习的面向任务的通信架构,其中用户以端到端(E2E)的方式提取,压缩和传输语义。此外,提出了一种方法来压缩语义根据其相关的任务,即自适应语义压缩(ASC)的重要性。假设延迟不容忍系统,支持多个用户指示以较高压缩比执行需要较少信道资源但导致语义失真的问题,而以较低压缩比执行需要较多信道资源且因此可能由于延迟约束而导致传输失败。为了解决这个问题,压缩比和资源分配优化面向任务的通信系统,以最大限度地提高任务的成功概率。具体来说,由于问题的非凸性,我们提出了一个压缩比和资源分配(CRRA)算法,通过分离的问题分为两个子问题,并迭代求解,以获得收敛的解决方案。此外,考虑到用户具有不同的服务水平的场景,压缩比,资源分配,用户选择(CRRAUS)算法被提出来处理这个问题。CRRAUS采用分支定界法自适应地选择用户完成相应的智能任务,但算法复杂度高于CRRA。仿真结果表明,提出的CRRA和CRRAUS算法可以获得至少15%和10%的成功率分别比基线算法。
2022-04-19 eess.SP
Fair Resource Allocation in UAV-based Semantic Communication System with Fluid Antenna
本文针对配备流体天线的多用户无人机语义通信系统,通过联合优化无人机轨迹、波束成形、语义压缩率及流体天线激活端口选择,提出交替算法以最大化用户最小等效速率,并通过仿真验证其有效性。
2025-04-08 eess.SP
Feature Allocation for Semantic Communication with Space-Time Importance Awareness
针对语义通信中关键特征易经差状态子信道传输导致性能下降的问题,提出具备时空重要性感知的FAST框架,通过特征重要性评估、时域信道预测与时隙分配并扩展至MIMO场景,无需复杂微调即可显著提升图像传输的语义通信性能。
2024-01-26 eess.SP
Online Resource Allocation for Semantic-Aware Edge Computing Systems
本文针对MEC系统提出语义感知联合通信与计算资源分配框架,利用Lyapunov优化、块坐标下降和逐次凸近似实现在线低复杂度求解,仿真显示能耗最多降低41.8%。
2023-09-25 eess.SP
Blocker-Aware Beamforming and Dynamic Power Allocation for Multicarrier ISAC-NOMA Systems
Hanyang University(汉阳大学)
本文提出一种阻挡感知的多载波ISAC-NOMA系统,通过混合波束成形、信道切换和动态功率分配应对环境阻挡,在严重阻挡下实现感知速率提升400%而通信速率仅降20%。
2025-11-09 eess.SP
Optimal Distortion-Aware Multi-User Power Allocation for Massive MIMO Networks
本文提出了一种针对大规模MIMO网络中PA失真问题的最优功率分配策略,通过非凸优化分解和交替优化算法,显著提升了系统总速率性能。
2025-09-08 eess.SP
Semantics-Aware Hierarchical Token Communication: Clustering, Bit Mapping, and Power Allocation
Yonsei University(延世大学);Singapore University of Technology and Design(新加坡科技设计大学);Inha University(仁荷大学)
本文提出H-TokCom框架,通过将语义结构嵌入物理层设计,解决传统令牌通信中语义丢失问题。通过聚类和分层位映射,增强语义鲁棒性,实验显示在SNR范围内显著提升语义相似度。
2026-04-30 eess.SP
A Baseline Mobility-Aware IRS-Assisted Uplink Framework With Energy-Detection-Based Channel Allocation
School of Engineering, Ulster University(阿尔斯特大学工程学院)
本文提出了一种移动性感知的IRS辅助多节点上行框架,结合直传和IRS辅助窄带传播,采用几何IRS相位控制与有限比特相位量化,基于逆速率优先权重的自适应IRS-用户聚焦,以及由能量检测引导的顺序信道分配。
2026-03-17 cs.SY eess.SP eess.SY
SARAMS: Split-Aware Joint Resource Allocation for Multi-Monostatic Sensing
RWTH Aachen University(亚琛工业大学);Indian Institute of Technology Jodhpur(焦特普尔印度理工学院)
针对多单站感知中忽略功能分离约束的问题,提出SARAMS算法,联合优化功率、带宽和观测时间,最小化最坏情况SPEB,仿真显示较等功率分配降低65.7%且接近最优。
2026-09-21 eess.SP
Semantic-Aware Sub-Band Allocation for Terahertz Communications
American University of Beirut(贝鲁特美国大学)
针对太赫兹通信中子带质量不均的问题,本文提出基于SBERT和模仿学习的语义感知子带分配方法,性能优于基准方案且接近神谕水平。
2026-09-01 eess.SP
URLLC-Awared Resource Allocation for Heterogeneous Vehicular Edge Computing
本文针对融合DSRC、mmWave和C-V2I的异构车辆边缘计算场景,提出一种基于MGF随机网络演算建模URLLC约束、并由李雅普诺夫引导深度强化学习求解的资源分配策略,以在满足URLLC要求下最小化系统效用。
2023-11-30 eess.SP
Energy-Aware Resource Allocation and Trajectory Design for UAV-Enabled ISAC
本文研究多用户多目标UAV使能的ISAC系统中的联合资源分配与轨迹设计,通过联合优化轨迹、波束成形等变量并利用交替优化算法求解MINLP问题,在保障服务质量的条件下显著降低了UAV的平均功耗。
2023-10-24 eess.SP
Degeneracy-Aware Resource Allocation for Resilient 6G RAN
Trinity College Dublin(都柏林三一学院);South East Technological University(东南科技大学)
针对异构6G RAN的资源分配挑战,提出DG-RA框架,通过多层面量化弹性,在保持相当吞吐量的同时,能快速恢复故障后的高吞吐量,将退化作为弹性储备。
2026-08-04 eess.SP
Parameter Training Efficiency Aware Resource Allocation for AIGC in Space-Air-Ground Integrated Networks
本文提出PARA技术,通过联合优化用户关联、数据卸载和资源分配,提升空间-空-地一体化网络中参数训练效率,从而提高AIGC应用的移动体验。
2026-01-01 cs.ET eess.SP
Channel-Aware Deep Learning for Superimposed Pilot Power Allocation and Receiver Design
Southeast University(东南大学);Purple Mountain Laboratories(紫金山实验室);Nanjing University of Posts and Telecommunications(南京邮电大学);Zhejiang University(浙江大学);The University of Hong Kong(香港大学)
针对多用户移动场景下叠加导频分离难题,提出信道感知学习框架CaSIP,利用路径增益联合优化导频数据功率分配与基于深度神经网络的接收机,有效消除干扰,显著提升了高移动低信噪比下的吞吐量与估计精度。
2025-10-13 eess.SP
Delay-aware Resource Allocation in Fog-assisted IoT Networks Through Reinforcement Learning
Virginia Tech(弗吉尼亚理工大学);China University of Petroleum(中国石油大学)
物联网设备附近的雾节点有望通过将物联网设备的任务卸载到它们来提供低延迟服务。移动物联网由车辆、可穿戴设备和智能手机等移动物联网设备组成。由于时变的信道条件、业务负载和计算负载,提高移动IoT设备的服务质量(QoS)具有挑战性。由于任务延迟由传输延迟和计算延迟组成,我们研究了资源分配(即,包括无线资源和计算资源),以在满足QoS约束的同时最小化所有任务的延迟。我们将资源分配问题转化为一个整数非线性问题,其中既考虑了无线资源,又考虑了计算资源。由于物联网任务是动态的,不同任务的资源分配是相互耦合的,并且获得未来的信息是不切实际的。为此,我们设计了一种在线强化学习算法,根据系统的经验回放数据,实时的做出次优决策。所设计的算法的性能已被广泛的仿真结果所证明。
2020-07-10 cs.DC cs.LG eess.SP
UAV-Assisted 5G Networks: Mobility-Aware 3D Trajectory Optimization and Resource Allocation for Dynamic Environments
提出融合稀疏二阶移动预测、启发式聚类与SCA迭代优化的无人机辅助网络框架,实现三维轨迹和资源联合分配,显著提升远端速率、中断恢复与边缘覆盖鲁棒性。
2025-06-11 eess.SP
Resource Allocation for Semantic Communication under Physical-layer Security
Nanyang Technological University(南洋理工大学)
针对6G语义通信中效用与时延的权衡及安全需求,本文引入物理层保密速率约束,提出总时延与效用的联合资源分配优化算法,实验显示其性能优于基线。
2023-12-07 cs.CR cs.LG eess.SP