【摘 要】
：
认知反向散射是一种高频谱利用率、低功耗的通信技术。在认知反向散射网络中,反向散射设备（Backscatter Device,BD）利用主用户的射频信号实现能量供应与被动信息传输,为频谱与能量双重受限的物联网提供了一种高效的传输方案。本文研究认知反向散射网络公平性保障的资源优化方案,在不同场景下通过设计公平有效的资源分配方案保障BD信息传输的公平性,主要工作如下:1)考虑实际的非线性能量收集模型与动
【基金项目】
：
国家自然科学基金项目（62201451）； 陕西省教育厅科研计划项目（21JK0914）； 陕西省高校科协青年人才托举计划项目（20210121）； 西安邮电大学研究生创新基金项目（CXJJYL2021064）；
论文部分内容阅读
认知反向散射是一种高频谱利用率、低功耗的通信技术。在认知反向散射网络中,反向散射设备（Backscatter Device,BD）利用主用户的射频信号实现能量供应与被动信息传输,为频谱与能量双重受限的物联网提供了一种高效的传输方案。本文研究认知反向散射网络公平性保障的资源优化方案,在不同场景下通过设计公平有效的资源分配方案保障BD信息传输的公平性,主要工作如下:1)考虑实际的非线性能量收集模型与动态能耗模型,提出一种基于最大最小准则的资源分配方案以保证BD间通信容量的公平性。具体地,在满足BD能量因果约束和主用户通信服务质量（Quality of Service,Qo S）约束的前提下,通过联合优化主用户发射功率、BD反射时间及反射系数构建了一个最大最小通信容量的多维资源分配优化问题。所建优化问题存在多个耦合变量以及反凸约束,通过反证法、辅助变量与凸近似等方法转换优化问题,并提出基于连续凸近似的迭代算法来求解转换问题。仿真结果证明,所提迭代算法可快速收敛。此外,与线性能量收集模型下的资源分配方案相比,所提资源分配方案不仅保证了物联网节点通信容量的公平性,而且明显提升了节点的通信容量。2)考虑主用户收发机的硬件损伤（Hardware Impairments,HWIs）因素,在非线性能量收集模型基础上分别研究HWIs下单BD、多BD认知反向散射网络的通信资源优化方案。针对单BD的认知反向散射网络,设计了吞吐量最大化的资源优化问题并获得了优化问题的闭式解。针对多BD认知反向散射网络,在主用户通信Qo S及BD能量因果约束的前提下设计吞吐量公平性保障的资源分配方案,并通过辅助变量、变量解耦等方法转换所建非凸优化问题,然后提出一种基于块坐标下降的迭代算法求解优化问题。仿真结果表明,所提迭代算法具有良好的收敛性,且所提资源分配方案有效保障了BD间通信容量的公平性。3)在实际有限字符输入下研究认知反向散射网络通信容量公平保障的资源分配方案。具体地,以最大最小吞吐量为优化目标,以主用户通信Qo S及BD能量因果条件为约束,建立发射功率、能量收集时间、反射时间及反射系数联合优化的资源分配问题。通过近似法、辅助变量等方法转换问题,并提出基于块坐标下降的迭代算法求解转换问题。仿真实验表明,所提迭代算法具有良好的收敛性能;与设置的基准方案对比,所提资源分配方案实现了公平有效的资源分配。
其他文献
在维护公众安全以及社会稳定的过程中,视频监控系统的作用十分重要,并且随着人们日益增长的高质量视频服务的需求,高清监控摄像头已经广泛应用于我们的日常生活中。随之而来的是大量的高清监控视频。但由于视频编辑软件功能的日益强大和深度篡改技术的发展,使得对监控视频的篡改变得越来越容易。因此,如何保证监控视频内容的真实性成为研究者们关注的重要问题。为了解决该问题,各种数字视频取证技术被广泛研究,其中,视频重压
自5G商用以来,宽带无线通信技术持续快速发展,而频谱资源日趋紧张,传统通信频段已不能满足未来移动通信发展的需要。在B5G及6G系统中应用毫米波频段可以实现更快的数据速率、更大的系统容量、更高的可靠性和更低的时延等。但是毫米波面临路径损耗大,易受环境干扰,覆盖范围小等问题。尽管使用大规模多输入多输出（Massive MIMO）系统结合波束赋形（BF）技术能够有效克服毫米波通信的这部分缺陷,但也面临技
作为数字图像处理的关键技术之一,无监督图像分割由于普适性强、无需人工事先标注图像等特点得到了广泛关注。在无监督图像分割领域,粗糙模糊C-均值聚类算法由于其效率高、原理简单等优势得到了广泛研究与应用。该算法将粗糙集与模糊集理论与聚类方法相结合,利用粗糙集中的上、下近似概念和模糊隶属度来处理数据中的不完备性与模糊性。然而,传统的粗糙模糊C-均值聚类算法具有对初始化敏感、容易陷入局部最优以及仅考虑一个聚
极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）作为雷达成像技术中最常用的手段之一,被广泛应用在各个领域,其中对PolSAR地物进行有效地分类是目前遥感领域的研究热点。近年来,随着深度学习的快速发展,其在解决PolSAR地物分类问题中也取得了优越的表现。PolSAR地物分类是一个小样本分类任务,传统的深度学习需要从大量标记样本中获取特征信
聚类在图像分割领域有着重要且广泛的应用。基于聚类的图像分割就是根据灰度、颜色、纹理等特征把图像划分成若干个特定的、具有特殊涵义的不同区域的过程。多目标进化聚类图像分割是一类将多目标进化优化与聚类方法相结合的图像分割方法,其可以有效地缓解传统聚类算法对初始聚类中心敏感、容易陷入局部最优以及聚类准则单一的问题。然而,在解决复杂图像分割问题的过程中,传统的多目标进化聚类算法通常直接搜索问题的完整Pare
与传统平面电磁波相比,携带轨道角动量（Orbital Angular Momentum,OAM）的涡旋电磁波是一种独特的波束,具有螺旋相位结构和环形幅度场。由于OAM模式的无穷性和不同模式间的正交性,提供了一种独立于时域、频域和极化域的全新自由度。在信道扩容和提升频谱效率方面,OAM波具有极大的潜力。随着OAM技术的不断发展,如何利用结构紧凑、低成本的方案产生宽带高效率的多模OAM波束,已成为亟待
情感分类是自然语言处理领域的重要研究方向。早期的研究集中在词典和传统机器学习方法,这两种方法的性能分别受限于词典和特征工程的设计困难。因此,当前多数研究采用深度学习方法。然而,此类方法的准确度依赖于大量高质量的人工标注数据,数据标注工程代价昂贵。随着互联网的快速发展,网络用户产生了大量带标注的文本,这些易于获取的资源可以充当弱标注数据训练情感分类器。然而,弱标注数据中含有用户标注与文本真实情感倾向
图像分割是图像识别、分析与理解的重要预处理步骤。由于各种主客观因素的影响,数字图像通常具有一定的模糊性。在众多结合不确定性理论的图像分割算法中,基于证据理论的证据C-均值（Evidential C-Means,ECM）聚类算法,通过基本信任分配函数来刻画像素对各类别的信任度。在信任划分中,像素不仅可以属于单一类或噪声类,还可以属于由单一类组成的复合类,这种额外附加的灵活性有利于更合理地表达与处理图
深度神经网络作为当前人工智能兴起的核心技术,解决了使用传统机器学习技术多次尝试却难以解决的复杂学习问题,并在图像分类任务上拥有了超越人类的表现。然而深度神经网络的结构具有非线性,会诱导基于深度神经网络模型的系统对某些样本出现误判,这种样本称为对抗样本,通常在正常样本上添加人类肉眼难以分辨的对抗性扰动构成,其存在能够严重地破坏深度学习智能系统的鲁棒性。因此,如何有效防御对抗样本的攻击是当前深度学习广
无线传感器网络（Wireless Sensor Network,WSN）作为远程环境监测系统应用的关键技术,能够在有限的能源供应下提供高效的传感和通信服务。覆盖控制是保证高效通信和可靠数据传输的重要手段。鉴于复杂的物理环境限制了节点部署方式并阻碍了能量补充和恢复,我们的研究动机是在传感器节点重部署过程中修复覆盖孔,降低能耗,以实现对WSN覆盖范围的优化和增强。近年来,群智能算法的发展和成熟推动了其