【摘 要】
：
车联网高级安全服务中,智能网联车辆配备了摄像头,可以拍摄周围的视频,用于安全、交通监控和监视等目的.车辆将获取的视频上传到边缘计算节点后,可以对视频进行分析和备份,以满足不同的安全驾驶需求.然而,车辆连续直接向边缘计算节点上传生成的视频内容会非常消耗带宽,并消耗大量的能量.基于该问题,提出一种面向智能网联汽车边缘网络的分布式端-边协同算法.针对车联网高可靠低时延内容传输的特点,引入有限块长度编码机制.同时,引入车辆视频信息源的压缩编码功率消耗,建立车辆能耗模型.根据车辆视频信息源的视频质量要求,通过调整视
【机 构】
：
之江实验室,浙江 杭州311121;中国电信研究院新兴技术研究所,上海200000
论文部分内容阅读
车联网高级安全服务中,智能网联车辆配备了摄像头,可以拍摄周围的视频,用于安全、交通监控和监视等目的.车辆将获取的视频上传到边缘计算节点后,可以对视频进行分析和备份,以满足不同的安全驾驶需求.然而,车辆连续直接向边缘计算节点上传生成的视频内容会非常消耗带宽,并消耗大量的能量.基于该问题,提出一种面向智能网联汽车边缘网络的分布式端-边协同算法.针对车联网高可靠低时延内容传输的特点,引入有限块长度编码机制.同时,引入车辆视频信息源的压缩编码功率消耗,建立车辆能耗模型.根据车辆视频信息源的视频质量要求,通过调整视频编码码率、信息源传输速率,以及车辆多路径路由的决策,提出一种完全分布式的优化算法,以提高网络资源利用率,并保证单个车辆的能耗公平性.
其他文献
5G通信的高带宽、低时延和广连接使工业互联网的发展进入了新的阶段.但互联网的路由策略基本原则大多都已经达到极限,不满足工业网络的务必送达、实时性和优先性要求.为提高工业互联网路由的转发速率,同时对转发数据进行优先级分级,采用了优化的背压算法进行路由分发,改进了背压算法在低负荷时延迟较高的不足,对优先等级较高的分组数据包加大背压,从而实现工业网络优先性要求.通过对原方案和改进后的方案进行仿真对比,验证了优化的方案能将转发时延最高降低接近40％,高优先级数据包通过速度提升超过50％,因此提出的方法可以较好地应
为了提升电力报修成功率和效率,降低电力公司客户管理成本和客诉率,设计一种基于AI的呼叫电力报修系统.该系统主要由用户层、展现层、应用层、适配层、资源层组成,用户通过用户层的浏览器访问系统,在展现层实现信息资源获取和信息交互,通过应用层的AI呼叫模块进行系统故障的智能报修呼叫,并对AI呼叫模块报修故障类型进行汇总,经适配层的各项接口将汇总后数据传输至资源层,实现系统报修.实验结果表明:该系统保修成功率高、保修效率高,可有效降低客户管理成本和客诉率,提高用户满意度.
近年来,物联网的普及让数以亿计的移动设备连接到互联网上,在网络边缘产生了海量的数据,使得一种全新的计算范式——边缘计算兴起.同时,得益于深度学习算法和摩尔定律的突破,使得人工智能的发展再一次迎来了高潮.在这一趋势下,将边缘计算与人工智能相结合是必然的,由此产生的新的交叉研究——边缘智能引起了许多学者的广泛关注.在该综述中,边缘智能被分为基于边缘计算的人工智能和基于人工智能的边缘计算(即AI on edge和AI for edge)两部分.AI on edge侧重于研究如何在边缘计算平台上进行人工智能模型的
增强现实、自动驾驶、智慧城市、工业互联网等新型业务应用对网络算力的需求逐渐增强,然而,边缘算力网络系统面临着网络共存的问题——负载不均衡,导致一部分边缘服务器无法满足业务应用的处理需求,另一部分边缘服务器的算力资源处于空闲状态.为了高效协同地感知利用泛在、异构的算力资源,提升6G通信网络的内生感知和算力自适应能力,急需对边缘算力网络中任务路由策略以及算力资源分配进行研究.首先介绍了面向6G网络愿景的算力感知网络的演进和需求,然后构建了任务调度智能决策、存储资源和算力资源按需分配的联合优化路由控制与资源分配
5G Advanced演进愿景中实时宽带交互(Real Time Broadband Communication,RTBC)、通信感知一体(Harmo?nized Communication and Sensing,HCS)、上行超宽带(Uplink Centric Broadband Communication,UCBC)业务对网络时延、轻量级部署等带来新挑战.该综述系统回顾了5G边缘网络整体架构及关键技术方向,包括智能边缘路由技术、智能业务寻址技术、3GPP标准演进节奏等.展望了5G Advanced
多阶段博弈方法及免疫网络为对整个通信网络进行集中控制,导致电网通信过程中能量消耗较高,运行时间过长,通信误差过大.为此,提出基于SDN架构的电网通信恶意攻击防御控制方法.分析SDN架构的相关理论,将熵检测算法和阈值计算方法相结合,计算对应的关键参数.将关键参数应用于控制模块中,同时设计符合需求的防护模块,将其应用于SDN架构中,确保SDN控制器在遭受电网通信恶意攻击的前期能够追溯攻击源头,同时对攻击强度进行分级量化,以达到电网通信恶意攻击防御控制的 目的.仿真实验结果表明,当节点数量为100个时,提出的方
干扰识别是通信抗干扰过程的前置环节,为抗干扰决策和波形选择提供关键的先验知识,是抗干扰成功与否的关键步骤.在复杂的电磁条件下,对干扰信号进行大量标记往往是困难的,并且对干扰识别的实时性要求很高.针对上述问题,研究了一种基于数据增强的小样本干扰信号识别技术,以解决小样本条件下分类器训练过程的欠拟合问题.小样本条件下,在正态贝叶斯分类器和朴素贝叶斯分类器训练过程中,分别设计了两种数据增强方法增加训练样本以提高分类器性能.仿真结果表明,采用数据增强的干扰识别技术能够显著提高小样本条件下干扰识别的准确率.
由于传统方法尺度选择不准确,导致出现角点漏判和误判等问题,为了解决这个问题提出了一种基于视觉传感技术的工业机器人轮廓曲线角点识别系统设计方案.系统以Virtex 5 FX100T系列产品为目标器,硬件部分由运动补偿模块数据缓存器模块组成.在软件设计过程中,为提高系统功能性实现程度,构建机器人运动参数模型,并通过视觉传感技术获得机器人轮廓点在相机坐标系下位置,通过轮廓点的方向性完成角点的粗识别,随后采用尺度由小到大的方式逐步剔除伪角点,实现角点的精准识别.通过对比实验表明,所提出方法的识别效果较好,角点定位
边缘计算场景下,边缘设备时刻产生海量蜂窝流量数据,在异常检测任务中针对直接对原始数据检测异常存在的计算冗余问题,提出基于特征降维的蜂窝流量数据异常检测方法.该方法在全局范围内利用LSTM自编码器提取流量数据特征和标识异常网格,然后在存在可疑异常的网格使用K?means聚类进行局部异常确认,结果表明可以更好地检测出不同活跃度区域内的漏报异常;同时,对于流量数据预测任务中只考虑时空相关性,忽略不同业务间相关性的问题,提出多数据集联合预测方法,引入注意力机制学习不同业务间的相关性.该方法进一步提高了流量预测的准
随着5G商用的推进,涌现出大量依赖高速率、低时延的新应用,混合现实(Mixed Reality,MR)就是其中之一.考虑到从中心云传输服务内容到MR设备会带来很大时延和能耗问题,引入移动边缘计算(Mobile Edge Compu?ting,MEC)技术,通过在MEC服务器上缓存用户的预渲染环境帧,以减少延迟和能耗.针对MEC服务器上有限的缓存资源,提出了一种基于内容流行度的深度强化学习(Deep Reinforcement Learning,DRL)方法来做缓存决策,并构造一个新的效用函数来衡量缓存方案