基于软件定义网络和移动边缘计算的车联网高效任务卸载方案

随着车联网(IoV)中车辆和智能应用数目的增加使计算密集型任务激增,传统架构难以满足用户需求。为解决车联网计算资源不足且分配不均匀、应用时延需求无法满足、任务能耗成本较高的问题,结合移动边缘计算(MEC)和软件定义网络(SDN),设计了一种从宏基站到MEC服务器到车辆的车联网架构中的高效任务卸载方案,并提出一种改进的低复杂度非支配排序遗传算法,优化任务卸载成本和MEC服务器的负载均衡率。实验仿真结果表明,相比于随机卸载,NO-MEC卸载,NO-I卸载,传统NSGA、NSGA-Ⅱ卸载,GA卸载,Q-learning卸载,DQN卸载方案,所提方案有着更低的卸载成本,更优的负载均衡率,得到近似最高的系统效用,能够给车联网中的车辆用户带来更优质的网络服务。     

基于拓扑优化和链路感知的无线体域网路由协议

为解决无线体域网(Wireless Body Area Networks,WBAN)在人体运动过程中网络拓扑结构频繁变化导致链路质量和WBAN性能下降等问题,首先根据人体结构对WBAN网络拓扑进行优化,通过添加中继节点建立WBAN主干网,提供节点和hub之间相对稳定的链接,然后提出了适用于WBAN拓扑优化后的路由策略(Routing Protocol Based on Topology Optimization and Link Awareness,R-TOLA)。R-TOLA综合了链路质量感知和代价函数,通过调整主干网中继和节点中继获得最优化路径。仿真实验表明,基于拓扑结构优化和链路感知的R-TOLA协议和其他路由协议相比,在人体拓扑网络结构频繁变化的环境下具有网络生存时间更长、吞吐量更大等优势。     

雾计算辅助的无线体域网任务卸载方法

基于无线体域网（Wireless Body Area Network,WBAN）的智慧医疗在取得广泛关注的同时也面临诸多挑战,传统方法引入云计算解决体域网网关设备（HUB）资源受限问题,但实时性差。采用低时延的雾计算辅助的方法对体域网生理数据进行处理,提出了一种雾计算目标节点优化选择及任务卸载方法。该方法充分考虑紧急任务的实时性需求,采用抢占式任务调度及有效的资源分配方式降低紧急任务的总时延。同时该方法根据任务紧急与否自适应调整目标节点的评价尺度,在紧急情况下,以时延及任务负载最小为优化目标,在非紧急情况下,以时延及可靠性为优化目标以确定目标任务卸载目标节点。仿真结果表明,该方法可以有效提升系统的实时性,保证系统的可靠性,尤其是可以在很大程度上降低紧急任务处理时延,满足紧急任务的低时延需求。     

一种基于体域网的智慧医疗系统双层安全机制

为了保证基于体域网(Wireless Body Area Network,WBAN)的智慧医疗系统的安全性,促进其实际落地应用,提出了一种体域网内(Intra-WBAN)及体域网外(Beyond-WBAN)的系统级的双层体域网安全机制.为了保护Intra-WBAN数据的安全与隐私,设计了一个基于双异或操作带密钥哈希链的...     

分级分布式无人机协作频谱感知方法

无人机认知网络(Cognitive UAV Network,CUAVN)可以通过高精度的频谱感知提高频谱效率,但传统的集中式协作频谱感知不适用于无人机(Unmanned Aerial Vehicle,UAV)网络。UAV网络拓扑结构动态变化,使得全局信息很难快速收集至一个融合中心。针对上述问题,提出了一种基于K-means聚类算法的分级分布式协作频谱感知方法。首先,利用K-means聚类算法基于位置信息对UAV进行分簇;然后,采用两级分布式融合方案进行分层融合,在每个簇内先进行一致性信息融合得到獽个融合结果,再进行第二次融合得到最终全局收敛结果;最后将最终收敛结果与检测阈值对比,得到最终决策。仿真结果表明,所提出的分级分布式融合方案具有较好的收敛性,且信息融合迭代次数比未分级融合方案更少。在不同权重因子的加权情况下,所提方案较未分级融合方案更好,且平均接收信噪比越大时检测性能越好。与未分级分布式融合方案相比,在UAV节点较多的情况下,该方案使CUAVN的频谱检测性能得到了提升。     

移动边缘计算中服务功能链的自适应优化部署策略

为解决移动边缘计算中面向用户的服务功能链（Service Function Chain,SFC）部署成本开销过大、时延过长问题,提出了针对SFC的支出成本与时延联合自适应优化的部署策略。首先,在虚拟网络功能（Virtualized Network Function,VNF）节点选取阶段,考虑路径损耗这一无线信道衰落问题,根据有线用户与无线用户的位置情况,选择当前最佳节点以降低SFC的响应时延。其次,在服务节点配置阶段,根据用户请求处理的数据内容的新鲜度记录,自适应动态增加和删减相应的缓存,利用资源感知算法在保证数据传递可靠性的同时,减少服务节点的配置个数,降低配置开销。最后,在SFC部署阶段,利用基于KSP（K-shortest Paths）的功耗感知算法确定最佳节点映射排序与通信链路,在减少通信链路重映射的同时还能保证部署的SFC的低成本与低时延。实验仿真结果表明,相比于已有方案,该方法能够有效降低部署成本与时延,并能对不同用户的SFC部署做到自适应优化,提高了SFC的部署成功率。     

移动边缘计算环境下体域网高效任务卸载方案

移动边缘计算（mobile edge computing,MEC）近年来成为解决无线体域网（wireless body area network,WBAN）计算资源匮乏的热门方法之一，但在现有的研究工作中，并没有将患者身边的计算资源充分利用起来，容易造成网络的拥堵。针对这种情况，提出了一种联合蜂窝、WiFi网络与设备到设备（device to device,D2D）通信的高效任务卸载方案，充分利用了WBAN应用场景中的多种计算资源，有效减少了蜂窝网络的负载，提高了系统的可靠性。设计了一种低复杂度的遗传算法，在同时考虑患者时延、能耗以及经济开销条件下，得到系统的最小卸载总成本。实验仿真结果表明，相比于随机卸载、蜂窝卸载、无WiFi卸载、无D2D卸载，该方案可以更有效降低系统总成本，为患者提供更高的服务质量。