【摘 要】
：
为解决高接入量、高数据速率需求下的频谱资源短缺问题,将D2D通信技术引入蜂窝网络,研究密集异构网络中D2D通信的多对多资源分配与功率控制问题。多对多频谱共享将显著提高频谱效率,但在密集场景下会产生干扰累积问题。针对干扰累积问题,提出基于集合划分的多对多资源共享方案,提高D2D用户接入率以及最大化系统吞吐量;设计基于连续凸逼近的功率优化算法,降低主次用户间的干扰,提高D2D用户的稳定性。将仿真结果与其它算法进行比较,验证了该算法可有效控制干扰,显著提高系统吞吐量和D2D用户接入率。
【基金项目】
：
新疆维吾尔自治区自然科学基金项目(2018D01C047)。
论文部分内容阅读
为解决高接入量、高数据速率需求下的频谱资源短缺问题,将D2D通信技术引入蜂窝网络,研究密集异构网络中D2D通信的多对多资源分配与功率控制问题。多对多频谱共享将显著提高频谱效率,但在密集场景下会产生干扰累积问题。针对干扰累积问题,提出基于集合划分的多对多资源共享方案,提高D2D用户接入率以及最大化系统吞吐量;设计基于连续凸逼近的功率优化算法,降低主次用户间的干扰,提高D2D用户的稳定性。将仿真结果与其它算法进行比较,验证了该算法可有效控制干扰,显著提高系统吞吐量和D2D用户接入率。
其他文献
RISC-V作为新一代开源精简指令集,具有功耗低、面积小和性能高的优点,因此基于RISC-V架构的技术和产品发展迅速.然而,目前基于RISC-V架构的中高端64位CPU设计实例很少,也缺乏相应的商用IP,尤其是在面向高速网络应用方面.因此,首先改进了开源的64位U500 RISC-VSoC,包括增加了总线宽度和集成二级缓存等;然后在CPU中实现了完整的100 Gbps以太网功能模块,包括介质访问控
在新加工工艺条件下,针对历史工艺条件下的刀具剩余寿命预测模型失效,且新工艺条件下缺乏足够的训练样本构建新预测模型的问题,提出一种基于动态对抗域适应的迁移学习方法,以快速构建新工艺条件下的刀具剩余寿命预测模型。首先,利用历史工艺条件下带寿命标签的过程监控数据样本,预训练源域的刀具剩余寿命预测模型。其次,通过对抗域适应训练,利用新工艺条件下的少量目标域样本,对源域预训练得到的预测模型进行部分模型参数的调整。利用调整后的模型进行新工艺条件下的刀具剩余寿命预测。最后,更新目标域样本,重复进行对抗域适应训练与预测操
基于草图的图像检索任务根据用户提供的手绘草图,从图像数据库中检索得到与该草图对应的自然图像.与传统基于内容的图像检索不同,草图和自然图像间存在明显的域差异,这使得二者的特征难以直接进行比较.针对自然图像边缘图和草图的相似性,提出了空间注意力下的边缘图融合模型,将自然图像和对应的边缘图分别编码到各自的特征空间,再通过空间注意力掩膜进行加权融合,进而用于草图图像检索.所提模型可以更有效地编码物体边缘轮
针对拉丁方秘密共享方案存在的“初始化和重构困难、秘密共享过程中秘密分片的直接暴露可能会泄露整个秘密”等问题,提出一种拉丁方秘密共享方案。利用拉丁方“轮廓与合适的自合痕”可唯一恢复该拉丁方的特性,将随机生成的拉丁方作为“秘密”,从该秘密拉丁方中随机选择“轮廓”,经过合痕转换后进行秘密共享。分析结果表明该方案能够克服潜在的安全风险,使拉丁方秘密共享方案的初始化和重构简单易行,增强秘密分片的保护,还在秘密共享的多级方案方面有所推广。
为了增强能见度深度学习模型在小样本条件下的准确率和鲁棒性,提出一种基于可见光-远红外图像的多模态能见度深度学习方法.首先,利用图像配准获取视野范围与分辨率均相同的可见光-远红外输入图像对;然后,构造三分支并行结构的多模态特征融合网络;分别在可见光图像、远红外图像及其累加特征图中提取不同性质的大气特征,各分支的特征信息通过网络结构实现模态互补与融合;最后在网络末端输出图像场景所对应的能见度的等级.采
为应对移动互联网下电力营销末端网络侧流量增大后的网络安全问题,提出一种攻防式CNN网络入侵检测模型。针对传统入侵检测模型仅有单个分类器造成精度不高的问题,提出基分类器概念,为找到每个基分类器的最佳权重,建立斯塔克尔伯格博弈数学模型,利用遗传算法寻找模型中的最优解。在实验仿真计算中,使用NSL-KDD数据集验证了该模型的有效性。
针对现有图像隐写模型存在网络训练不易收敛、梯度爆炸且生成样本质量差等问题,提出一种基于改进生成对抗网络的图像自适应隐写模型SWGAN-GP。将生成图像作为载体,使用HUGO自适应隐写算法进行信息隐藏;在损失函数中加入梯度惩罚,在网络结构中引入注意力机制,设置双判别器与生成器进行对抗训练。实验结果表明,该方法生成图像的IS值、PSNR值等均有提高,判别器分类效果明显改善。该模型可以提高收敛速度,使网络训练更稳定,载密图像更具安全性,有效抵御隐写分析算法的检测。
为提高代理模型效率,对数据进行聚类,根据模型构建的需求从聚类结果中选择少量数据训练模型参数,得到一种基于聚类的代理模型构建策略。以该策略构建的代理模型作为近似评价模型,设计一种基于聚类的代理模型辅助粒子群优化算法,提出一种以代理模型辅助迭代搜索作为加速策略的混合变量多目标进化算法。数值实验结果表明,基于聚类的代理模型构建策略具有时间复杂度低、模型构造效率高的优点,模型辅助的迭代搜索过程具有较好的全局探索和局部开发能力。
为解决网络故障恢复期间的反应时间过长的问题,将软件定义网络(software defined networking,SDN)网络架构引入到网络故障恢复的策略设计中,对比现有故障恢复领域研究的优势和不足,提出一种基于SDN的故障恢复方法。通过对整网拓扑结构进行分域,采用无向图环路算法(undirected graph loop algorithm,UGLA)计算当前网络拓扑中的所有环路;根据UGLA,设计链路评估方法,选择最优故障备份转发路径转发数据流量。故障恢复实验数据的分析结果表明,该方法可提高交换机流
针对大规模全局函数优化的维数制约求解性能的问题,提出一种多策略混合进化的粒子群算法。为平衡算法的勘测与开采能力,利用种群分割思想将进化种群分为精英、优质、中等和劣质种群;为增强算法的全局搜索能力,劣质种群向精英种群进行对称学习;为增强算法的局部搜索能力,采用局部高斯扰动增强中等种群中粒子的局部勘测能力;为提升算法的搜索效率,精英以及优质种群直接进入下一代。借助两种标准测试集,比较性的实验结果表明,提出的算法在相同终止条件下,其寻优质量有明显优势,有较好的应用潜力。