最新刊期
2024年第8卷第4期
- 摘要：在物联网（IoT, Internet of things）技术迅速发展的背景下，IoT设备受到计算能力、存储空间、通信带宽以及电池寿命的限制，在运行复杂的人工智能（AI, artificial intelligence）算法中，特别是深度学习模型中面临着挑战。模型剪枝技术通过减少神经网络中的冗余参数，在不损伤AI模型性能的前提下可以有效地降低计算和存储需求。该技术适合用于优化部署在物联网设备上的AI模型。首先，回顾了当前流行的结构化剪枝和非结构化剪枝两种典型的模型剪枝技术，两种剪枝技术分别适用于不同的应用场景。之后，详细分析了这些方法在IoT环境下的多样化应用。最后，结合最新研究成果，详细探讨了当前模型剪枝的局限性，并对物联网中模型剪枝方法未来的发展方向进行了展望。关键词：物联网;资源限制;模型剪枝;人工智能;深度学习310|2423|0更新时间：2025-01-20
- 摘要：传统联邦学习的同步训练机制并不适用于动态的车辆算力网络场景，且在恶意车辆攻击的威胁下，缺乏有效的攻击检测机制。为了解决以上问题，首先，提出一种异步鲁棒联邦学习方法，通过车辆之间异步地执行联邦学习过程，在实现车辆数据隐私保护的同时，提高模型协同训练的效率。其次，有针对性地设计了模型选择方法，并提出潜在恶意模型检测方法和车辆信誉评估方法，进一步增强系统鲁棒性。然后，从概率上详细分析了所提方法的安全性，为各项参数优化提供理论基础。最后，仿真结果表明该方法能够在实现高效异步联邦学习的同时具有较好的鲁棒性。关键词：车辆算力网络;联邦学习;鲁棒性;异步学习277|521|0更新时间：2025-01-20
- 摘要：多传感器系统通过整合多种传感器数据，实现了全面且精准的环境感知，然而，如何有效融合异构数据并实现实时处理的高效性，仍然是当前研究的热点和难点问题。为此，围绕多源异构传感器的数据融合和算力优化展开研究，提出了一种创新的解决方案。首先，基于主/从架构设计数据融合系统，解决多源异构数据处理难题；其次，构建了“云—边—端”3层架构，利用边缘服务器分担云服务器的计算压力，权衡任务调度策略，实现网络资源与计算资源的协同管理；最后，针对任务的时延与能耗需求进行建模，在资源约束下构建最小化系统成本的优化问题，将问题转化为马尔可夫决策过程（MDP, Markov decision process），使用深度确定性策略梯度（DDPG, deep deterministic policy gradient）算法进行求解。仿真结果表明，所提出的架构和调度策略在降低时延和能耗方面表现优异，为多传感器系统中的高效数据融合与算力优化提供了新思路。关键词：多源异构数据;数据融合;传感器;算力优化792|689|0更新时间：2025-01-20
- 摘要：随着智能化业务的迅猛发展，传统网络架构与计算能力之间的既有关系已难以满足当前需求，算网融合的实施势在必行。在算网融合所催生的新型算力网络框架下，高效且智能的资源调度策略成为提升用户体验的关键环节，但现有的资源调度算法优化目标单一，无法满足多租户差异化的业务需求。为此，提出了一种基于深度强化学习的多目标资源调度（MODRLRS, Multi objective deep reinforcement learning resource scheduling）算法来调用网络中的计算资源和网络资源，该算法通过构建帕累托最优解集的方法对算网资源进行多目标调度优化以满足不同租户的个性化业务需求。仿真对比实验表明，相比其他多目标资源调度算法，新算法提升了4.9%的请求接受率和4.78%的符合时延请求率，能够灵活适应各种计算业务的独特需求。关键词：算网融合;算力网络;资源调度;多目标优化;深度强化学习551|326|0更新时间：2025-01-20
- 摘要：体域网（BAN, body area network）是医疗物联网在个人健康监测领域的关键技术，融合边缘计算实现生理数据实时监测、紧急预警和治疗诊断智能化等服务。然而，体域网中感知节点计算任务的服务质量（QoS,quality of service）随感知数据的紧急程度动态变化，现有的边缘算力网络资源分配方法难以高效灵活地保障体域网中多源异质任务的动态QoS。对长时程动态QoS感知的计算卸载和边缘算力随机优化问题进行了研究。考虑各体域网多源任务优先级和信道状态变化的马尔可夫性质，首先将原始的随机优化问题转化为无穷视域的马尔可夫决策过程问题。然后，构建各体域网的多源任务优先级序列，提出融合近端策略优化（PPO, proximal policy optimization）的深度强化学习任务卸载及算力分配在线决策算法。仿真结果表明，所提的决策算法优于现有基准算法，可有效地满足体域网中任务动态优先级需求，并降低任务完成所需的能量消耗和平均时延。关键词：医疗物联网;边缘计算;资源管理;服务质量236|823|0更新时间：2025-01-20
- 摘要：联邦算力物联网（IoT, Internet of things）旨在通过联邦学习深度融合算力与物联网资源，从而实现对泛在离散部署的海量物联网数据和异构资源的高效利用。为了应对联邦算力物联网中模型反演和梯度泄露等新兴隐私攻击威胁，学术界和产业界对差分隐私（DP, differential privacy）这一高效的隐私保护技术进行了广泛研究和应用。然而，现有差分隐私技术在设定隐私预算时，未考虑本地算力节点的数据特征和隐私预算分配公平性的问题，造成了严重的模型精度损失。因此，提出了一种面向联邦算力物联网的隐私预算自适应优化方案——基于克拉美罗下界差分隐私的联邦学习（FedCDP, federated learning based on Cramér-Rao lower bound differential privacy）。首先，基于克拉美罗下界理论分析边缘算力节点的隐私预算估计值，实现自适应隐私预算规划；其次，通过计算边缘算力节点的上传模型与算力聚合服务器的聚合模型之间的相似度和隐私预算占比，分析得到每个节点的全局贡献度，进一步联合隐私预算估计值公平实时地优化隐私预算设定。理论分析证明了该方案可确保本地模型严格遵守
- 摘要：算力物联网（CPIoT, computing power Internet of things）通过整合物联网（IoT, Internet of things）设备与强大的计算资源，为数据密集型任务提供了强大的支持，实现了智能决策。在CPIoT的隐私保护需求背景下，联邦学习（FL, federated learning）作为一种旨在保护数据隐私、进行分布式学习的技术，为解决数据“孤岛”问题、执行复杂训练任务及大模型训练提供了新途径。虽然研发人员一直致力于开发更加成熟的FL系统以适应CPIoT环境，但目前的研究在深入探讨FL系统设计技术的优势与短板、技术特点与差异、支持与适用情况等方面仍然存在不足。因此，首先深入研究了当前业内有影响力的FL系统，包括开源框架和基准测试平台，并在CPIoT的不同技术维度上深入对比分析系统设计差异，建立了CPIoT环境下详细的FL开源框架与基准测试平台的选择标准及建议，使开发人员可以更加高效地选择合适的框架及平台。然后，列举了多种CPIoT场景下FL系统的选择与完整系统搭建的实验，使开发人员可以更好地借助上述技术实现FL应用。最后，总结了FL系统设计领域的标准化现状和发展挑战，并对未来发展进行了展望。旨在全面概述FL系统及其设计研究进展，为推动CPIoT与FL网络的深度融合提供参考，也为未来研究提供思路。关键词：算力物联网;联邦学习;开源框架;基准测试平台;计算范例330|339|0更新时间：2025-01-20
- 摘要：在车计算中，拥有强大计算能力和丰富传感设备的智能车为用户提供服务，其中众多的传感设备能为用户提供不限时间、地点的服务。智能车拥有大量计算资源和传感资源，其中计算资源为单个用户独享，而传感资源能被多个用户共享。针对车计算的特点，首先设计了一种基于资源共享的资源分配新模型，提出一种基于侏儒猫鼬优化算法的资源共享分配方法。然后针对资源分配的离散问题，提出一种不可行解的修正算法。最后为了解决侏儒猫鼬优化算法易于陷入局部最优解的问题，提出一种基于随机和贪心策略结合的初始解生成算法，以提高算法收敛速度，使其能够快速得到最优分配方案。实验结果表明，所提方法在不同的分配环境下均有较好的表现，并且有较强的适应能力。关键词：车计算;侏儒猫鼬优化算法;资源共享;资源分配125|380|0更新时间：2025-01-20
- 摘要：如何公平、高效地将多维资源分配给需求变化的用户是云计算资源共享的关键问题。该场景下的动态资源分配通常面临着用户任务最小粒度资源需求难以再被分割、任务需求与服务器配置不匹配等问题。现有资源公平分配机制多基于用户任务需求无限可分或任务执行与服务器配置均匹配的理想前提，难以保证分配可行。通过深入分析时变不可分任务需求和任务部署约束的特点，设计了一种基于累计任务份额公平的时变任务份额公平分配机制，以保证资源分配的公平性和效率。理论结果表明，该机制满足激励共享、相差一个任务资源的无嫉妒和帕累托最优属性。基于阿里云数据集的实验结果表明，与现有的公平分配机制相比，该方法有效地减少了用户的等待、作业排队和作业完成时间。关键词：动态多维资源分配;不可分任务需求;任务部署约束;累计任务份额公平291|220|0更新时间：2025-01-20
专题：算力物联网
- 摘要：应用无源反向散射技术的环境物联网（AIoT, ambient Internet of things）是未来物联网的重要演进方向，当前备受关注。环境物联网实际应用场景中会有相位噪声和杂散引起的强自干扰，这对信道参数估计提出新的挑战。因此，针对两节点AIoT系统提出了一种考虑相位噪声和杂散的有效信道估计迭代算法。该算法基于最小二乘法和复指数基扩展模型（CE-BEM, complex expoential basis expansion model）对信道系数和基变量进行估计，而后利用迭代来提高估计精度。此外，推导了信道估计参数的克拉美罗下界（CRLB, Cramer-Rao lower bound），以评估估计精度的理论极限。最后，通过仿真证明了该估计算法的有效性。关键词：反向散射通信;信道估计;复指数基扩展模型;克拉美罗下界;物联网;相位噪声;杂散164|200|0更新时间：2025-01-20
- 摘要：针对双智能反射面（IRS, intelligent reflecting surface）辅助毫米波多入多出（MIMO, multiple-input multiple-output）系统信道估计问题，提出一种基于张量分解和流形优化的信道估计方案。首先，利用接收信号的高维特征构建张量模型，并基于张量的Tucker2分解形式给出信道估计问题的目标函数；其次，利用交替优化理论将信道估计问题拆分为多个子问题，为双IRS场景下用户与IRS、双IRS之间和IRS与基站之间信道的分别估计提供了可行方案；最后，考虑毫米波信道本身的低秩特性，将各个信道估计子问题转化为在复定秩矩阵流形上的优化问题，利用复定秩流形优化求解秩受限优化问题的优势，提出基于流形优化的交替信道估计方案。不同于传统方案，所提方案考虑了毫米波信道的低秩特性，对信道进行了准确描述，并应用流形优化理论有效处理定秩约束，提高了信道估计精度。仿真结果表明，在不同场景下所提方案的估计性能均优于现有参考方案。关键词：毫米波MIMO系统;双智能反射面;信道估计;流形优化;张量分解148|327|0更新时间：2025-01-20
- 摘要：面向无人机（UAV, unmanned aerial vehicle）巡检任务采集数据的高效推理，研究了移动边缘计算（MEC, mobile edge computing）辅助的UAV机载视频中感兴趣区域（RoI, region of interest）提取和高效传输问题，以提升UAV在一般巡检任务中采集和分析数据性能。由于UAV机载计算资源有限，提出了一种基于类激活映射（CAM, class activation mapping）的轻量级RoI提取方法，以快速定位包含潜在目标的区域，并将这些RoI高效卸载至边缘服务器进行推理。为应对UAV动态轨迹与网络环境的变化，进一步通过自适应RoI边界框选择算法对UAV采集的RoI进行有效筛选，并利用量化参数（QP, quantization parameter）自适应调整机载视频编码质量，以进一步压缩传输数据量。在此基础上，构建了一个联合RoI边界框选择与自适应编码配置的优化问题，并采用启发式算法求解该优化问题。实验结果表明，该方案能够有效提升检测精度，减少传输数据量，并显著降低系统时延，在基于UAV的一般巡检任务中表现出优异的性能。关键词：无人机通信;移动边缘计算;RoI提取;视频编码907|1478|0更新时间：2025-01-20
- 摘要：随着物联网（IoT, Internet of things）设备的迅速普及，针对IoT设备的攻击频率和强度不断上升，因而持续更新安全机制以保障物联网设备的安全显得尤为重要。然而，随着公众隐私意识的增强，越来越多的数据集不再对外共享，形成数据“孤岛”现象，阻碍了物联网安全防护能力的提升。为了解决这一问题，提出了一种基于联邦强化学习的入侵检测方法，并通过医疗物联网（IoMT, Internet of medical things）和车联网（IoV, Internet of vehicles）场景下的两个数据集进行实验验证。为模拟真实环境，在每个边缘代理中设计了不平衡的流量样本分布，进而评估全局模型的检测精度和鲁棒性。采用双深度Q网络（DDQN, double deep Q-network）为边缘代理的强化学习框架，并通过准确率、精确率、召回率和F1分数对实验结果进行评估。实验结果表明，提出的方法具有良好的鲁棒性和检测精度。关键词：联邦强化学习;入侵检测;物联网安全;物联网333|502|0更新时间：2025-01-20
- 摘要：合成孔径雷达（SAR, synthetic aperture radar）遥感图像凭其全天候、全时段优势，在军事侦察、交通监管等领域得到了广泛的应用。卷积神经网络因其较强的学习能力，被广泛用于SAR图像船舶检测算法。然而，SAR图像中船舶特征提取难度较大。此外，计算资源和内存空间受限，实际应用对算法推理速度需求较高。为此，提出了一种基于注意力的轻量级船舶检测（LASD, lightweight attention-based ship detector）算法。该算法设计了一种新的线性混合注意力残差模块，先后用全局通道注意力和局部空间注意力在深层特征空间中提取船舶潜在特征；基于跨阶段部分通道连接的空间金字塔池化模块优化多尺度特征融合质量，用串联小核池化组替换并行大核池化组以提升算法推理速度；设计了一种新的基于局部注意力的特征融合策略，在特征融合阶段利用局部注意力进一步扩大船舶和背景噪声的差异。在公开数据集SSDD和LS-SSDD-v1.0上的实验数据表明，LASD算法同时兼顾了检测精度和推理速度，相比其他先进算法更具竞争力。关键词：SAR;船舶检测;卷积神经网络;注意力机制;多尺度特征融合294|1164|0更新时间：2025-01-20
- 摘要：针对频分双工（FDD, frequency-division duplexing）模式下可重构智能反射面（RIS, reconfigurable intelligent surface）辅助的多用户大规模多输入多输出（MIMO, multiple-input multiple-output）系统信道反馈开销大的问题，提出了一种基于流形学习的信道状态信息（CSI, channel state information）反馈框架。该框架首先通过简化CSI反馈过程实现初步的反馈开销降低，然后结合流形学习思想训练两组字典，从而实现增量CSI的降维和重构，最后在基站端恢复原始信道。仿真结果表明，在多用户和有限散射环境下，所提的CSI反馈方案与现有的方法相比具有更低的开销和复杂度，而且重构质量得到显著提高。关键词：大规模MIMO;频分双工;智能反射面;信道反馈;流形学习631|324|0更新时间：2025-01-20
理论与技术
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：212817 今日访问量：640
0