基于UCB算法的信道选择方案

物联网在设备中的应用导致了更多的网络交通堵塞,本地服务器无法满足大数据传输的需要。很难做到在大数据下的中央处理模式云计算。边缘计算的出现,将数据卸载到多个边缘服务器进行处理。卸载到服务器的数据需要通过信道,以前的信道选择方法是基站的统一分配。如果终端设备可以通过自己的学习选择信道,可以提高效率、减轻基站的负担。文章对此开展分析。     

数字孪生辅助的智能楼宇多模态通信资源管理方法

多模态通信网络为智能楼宇能源调控数据的采集、传输、处理以及能源调控模型训练提供了通信支撑。数字孪生可以提供计算资源、信道特性等状态估计,辅助多模态通信资源管理优化,提高能源调控模型训练精度。然而,数字孪生辅助的智能楼宇多模态通信资源管理面临能源调控模型训练误差大、多时间尺度资源分配耦合、模型训练精度提高与能耗优化相互矛盾等挑战。针对上述挑战,提出基于数字孪生和经验匹配学习的多时间尺度通信资源管理优化算法,通过联合优化大时间尺度网关选择和小时间尺度信道分配与功率控制,最小化全局模型损失函数和能耗加权和。仿真结果表明,所提算法可以提高全局模型损失函数和能耗加权和性能,保障智能楼宇能源精准调控需求,促进智能楼宇能源调控低碳运行。     

输配电5G卫星融合组网数据卸载方法

随着输配电网的快速发展,输配电业务对时延、能效、可靠性等差异化通信指标提出了更高的的要求。为此,基于5G高速率大连接和卫星灵活广覆盖的特点,结合边缘计算高效处理数据的优势,构建了面向输配电场景的5G卫星融合组网架构。然后以最大化输配电业务数据传输平均能效与总时延的加权差为优化目标,构建了5G卫星融合组网数据卸载优化问题,并提出基于差异化业务需求感知的5G卫星融合组网数据卸载算法(Differentiated Service Requirement-aware Learning-based Data Offloading algorithm for 5G satellite integrated networking, DSRL-DO)求解。仿真结果表明,所提算法能够降低数据卸载时延的同时保证较高的能效,有效满足输配电业务的差异化需求。