论文部分内容阅读
物联网(InternetofThings,IoT)是5G及之后移动网络最有前途的技术之一。IoT中低功耗电池供电IoT设备随时可能由于距离汇聚节点远或障碍物而经历服务质量(QualityofService,QoS)的降低。因此,将中继技术融入IoT提升QoS的研究工作具有重要实际意义。深度学习(DeepLearning,DL)促进人工智能(ArtificialIntelligence,AI)在无线网络边缘获得大量应用,进而在边缘侧催生出海量数据。边缘计算(EdgeComputing,EC)可以缓解IoT设备资源受限问题。近年来,将基于云的DL计算下沉到靠近IoT设备和数据源侧的边缘学习(EdgeLearning,EL)成为研究热点,其中边缘端海量数据收集成为关键问题之一。将无人地面车(UnmannedGroundVehicle,UGV)作为移动边缘服务器引入IoTEL系统中以辅助数据高效收集是一个可行且有价值的尝试,同时关于IoT移动EL系统的构建及其性能优化算法的研究具有重要意义。与此同时,IoT中继系统中存在频谱资源受限和能量受限问题,全双工(FullDuplex,FD)技术和双向中继技术分别是提高系统频谱效率和频谱利用率而缓解频谱资源压力的高效方案之一;无线携能(SimultaneousWirelessInformationandPowerTransfer,SWIPT)技术是为能量受限网络提供稳定和永久电能供应、保持设备持久连接性的非常有前途的解决方案。基于以上问题,本文开展相关研究,主要工作包括:针对信道状态信息(ChannelStateInformation,CSI)非完美估计下的IoTMIMOSWIPTFD中继系统,提出了一种基于奇异值分解(SingularValueDecomposition,SVD)的几何规划算法。其中,中继采用放大转发(Amplifying-and-forward,AF)方式并使用时间切换中继(TimeSwitchingRelaying,TSR)携能策略。针对这一系统,建立了在发送功率和收集能量的约束下最大化系统可达速率的源传感器节点波束赋形矩阵和中继节点波束赋形矩阵的联合优化问题模型,提出了基于SVD算法的几何规划(GeometricProgramming,GP)方法的非凸问题优化求解方案。建立了中继节点的天线数不少于源传感节点天线数情况下的GP推导的一般表达式。通过对比不同参数下所提方案与波束赋形矩阵设置为初始值的独立方案及基于SVD的交替优化(AlternatingOptimization,AO)方案的仿真实验结果,验证了所提方案的有效性及优越性。针对IoTMIMO双向FD设备节点携能中继系统,设计了一种使系统总均方误差最小化的联合优化设计方案,提出了基于可行点追踪逐次凸逼近(FeasiblePointPursuit-SuccessiveConvexApproximation,FPP-SCA)的AO与基于对角化算法的低复杂度AO两种优化算法。首先构建了在所有节点发送功率及传感器设备节点无线携能接收机收集能量的约束下使系统总均方误差(MeanSquareError,MSE)最小化的传感器设备节点波束赋形矩阵、中继节点波束赋形矩阵以及传感器设备节点接收矩阵的联合优化问题模型。然后提出了基于FPP-SCA的AO与基于对角化算法的低复杂度AO两种多变量耦合非凸问题求解方案。以总MSE及误码率(BitErrorRate,BER)作为系统性能评价指标并与独立方案及常规SDR方案进行仿真实验结果对比,展现出两种方案的有效性、优越性及适用性。同时,通过对比仿真实验结果证实,在不同的SNR值下,所提出系统性能也优于MIMO双向HD传感器节点携能中继通信系统,验证了所提方案的有效性。针对IoTEL系统中,基于UGV进行数据收集和处理时所遇到的学习性能优化及无线通信路径损耗下的系统性能受限问题。构建了基于F-measure的优化模型,提出了一种基于禁忌搜索(TabuSearch,TS)的路径优化算法。设计UGV辅助的IoT移动EL系统,即EL-UGV系统,该系统包括路径规划、能量规划以及样本量规划模块,UGV使用时分多址(TimeDivisionMultipleAccess,TDMA)协议访问IoT设备且以单跳方式收集数据,支持多DL任务。提出使用F-measure作为性能指标评价数据样本不平衡下的系统性能,并在仿真验证所提出的基于F-measure的学习曲线模型的合理与准确基础上,建立了一个在通信容量、总执行时间、总能量消耗以及图移动性约束下使得系统中所有任务的最小F-measure性能最大的联合UGV移动路径、发送时间、发送功率以及少数类样本量规划的优化问题,即JPESP优化问题模型,提出了求解所建立的大规模混合整数非线性规划(MixedIntegerNonlinearProgramming,MINLP)问题的基于TS的算法方案。通过对比UGV始终停靠于起始点的固定EL方案及UGV访问所用顶点的全路径EL方案,仿真实验结果验证了所提方案的可行性、优越性和智能性。论文提出了IoT中继与移动EL学习系统遇到的频谱资源受限、能量受限以及UGV移动边缘服务器进行高效数据传送中的学习性能优化和无线通信路径损耗下系统性能受限问题的解决方案,并通过仿真验证了系统的有效性和可行性,为深化IoT相关研究提供了有效实验方法及理论依据。