针对传统轨道角动量(Orbital Angular Momentum,OAM)通信系统难以在视距信道受阻塞的非视距环境中正常工作以及无法有效保障多用户的服务质量(Quality of Service,QoS)需求问题,文中基于智能反射表面辅助技术将多用户的非视距信道转化...针对传统轨道角动量(Orbital Angular Momentum,OAM)通信系统难以在视距信道受阻塞的非视距环境中正常工作以及无法有效保障多用户的服务质量(Quality of Service,QoS)需求问题,文中基于智能反射表面辅助技术将多用户的非视距信道转化为等效的视距信道,并在此场景下提出基于太赫兹多用户OAM正交频分多址系统下行资源优化方法。基于双层迭代资源分配算法将非凸联合优化的求解分解成外部和内部两个优化流程,基于交替优化和凸优化理论逐一求解4个核心子问题,实现各用户QoS差异化保障下的系统容量最大化。仿真结果表明,所提方法在通信资源充足时对各用户的QoS需求保障率为100%。在反射单元数量为768时,所提系统比传统OAM系统的系统容量平均提高了19.1%,并且误码率更低。在用户数量为3、信噪比为20 dB时,相较于基于相位补偿的MU(Multiuser)-OAM系统,所提系统的误码率下降了40.5%。展开更多
现有研究在多QoS(quality of service)调度问题中,由于仅依赖即时奖励反馈机制,在资源受限的场景下处理时延敏感数据和具有连续传输需求的媒体数据时,存在可扩展性差和资源浪费的问题。为此,提出了一种基于奖励回溯的DQN(reward backtra...现有研究在多QoS(quality of service)调度问题中,由于仅依赖即时奖励反馈机制,在资源受限的场景下处理时延敏感数据和具有连续传输需求的媒体数据时,存在可扩展性差和资源浪费的问题。为此,提出了一种基于奖励回溯的DQN(reward backtracking based deep Q-network,RB-DQN)算法。该算法通过未来时刻的交互来回溯调整当前状态的策略评估,以更加有效地识别并解决因不合理调度策略导致的丢包。同时,设计了一种时延-吞吐均衡度量(latency throughput trade-off,LTT)指标,该指标综合考虑了时延敏感数据和媒体类型数据的业务需求,并可通过权重调整来突出不同的侧重点。大量仿真结果表明,与其他调度策略相比,所提算法能够有效降低时延敏感数据的延迟和抖动,同时确保媒体类型数据的流畅性与稳定性。展开更多
Web Service是目前研究界和产业界广泛关注的技术之一.随着Web Service的广泛应用,研究者们普遍认识到,服务的非功能属性,即服务质量(Quality of Service,QoS)是面向服务的应用能否成功的关键因素之一.因此,研究者们尝试从多个角度对Qo...Web Service是目前研究界和产业界广泛关注的技术之一.随着Web Service的广泛应用,研究者们普遍认识到,服务的非功能属性,即服务质量(Quality of Service,QoS)是面向服务的应用能否成功的关键因素之一.因此,研究者们尝试从多个角度对QoS相关问题展开了研究.然而,现有工作普遍关注基于QoS的动态服务选择和组装等上层应用技术,而对于如何获取、存储、度量QoS等基础支持技术研究较少,而这些基础性工作对QoS相关的研究工作具有显著的重要性.此外,不同应用领域对Web Service QoS的需求不尽相同,因此,需要有一套灵活的机制支持在QoS模型定义、QoS度量方法、QoS信息采集等方面体现出的领域特性.针对这个问题,文中提出了一个可扩展的Web Service QoS信息管理框架,详细分析了该框架涉及到的重要方法与核心技术,并给出了该框架在北京大学软件构件库系统中的设计决策和方案.最后,介绍了文中框架在一个863计划项目中的应用实例,该实例展示了用户根据其应用的领域需求对本框架进行扩展并进行Web Service QoS管理的方法,从而验证了本管理框架的可扩展性及实用性.展开更多
Wireless sensor network(WSN)technologies have advanced significantly in recent years.With in WSNs,machine learning algorithms are crucial in selecting cluster heads(CHs)based on various quality of service(QoS)metrics....Wireless sensor network(WSN)technologies have advanced significantly in recent years.With in WSNs,machine learning algorithms are crucial in selecting cluster heads(CHs)based on various quality of service(QoS)metrics.This paper proposes a new clustering routing protocol employing the Traveling Salesman Problem(TSP)to locate the optimal path traversed by the Mobile Data Collector(MDC),in terms of energy and QoS efficiency.To bemore specific,to minimize energy consumption in the CH election stage,we have developed the M-T protocol using the K-Means and the grid clustering algorithms.In addition,to improve the transmission phase of the Low Energy Adaptive Clustering-Grid-KMeans(LEACH-G-K)protocol,the MDC is employed as an intermediary between the CH and the sink to improve the wireless sensor network(WSN)QoS.The results of the experiment demonstrate that the M-T protocol enhances various Low Energy Adaptive Clustering protocol(LEACH)improvements such as the LEACH-G-K,LEACH-C,Threshold sensitive Energy Efficient Sensor Networks(TEEN),MDC maximum residual energy leach protocol.展开更多
文摘现有研究在多QoS(quality of service)调度问题中,由于仅依赖即时奖励反馈机制,在资源受限的场景下处理时延敏感数据和具有连续传输需求的媒体数据时,存在可扩展性差和资源浪费的问题。为此,提出了一种基于奖励回溯的DQN(reward backtracking based deep Q-network,RB-DQN)算法。该算法通过未来时刻的交互来回溯调整当前状态的策略评估,以更加有效地识别并解决因不合理调度策略导致的丢包。同时,设计了一种时延-吞吐均衡度量(latency throughput trade-off,LTT)指标,该指标综合考虑了时延敏感数据和媒体类型数据的业务需求,并可通过权重调整来突出不同的侧重点。大量仿真结果表明,与其他调度策略相比,所提算法能够有效降低时延敏感数据的延迟和抖动,同时确保媒体类型数据的流畅性与稳定性。
文摘Web Service是目前研究界和产业界广泛关注的技术之一.随着Web Service的广泛应用,研究者们普遍认识到,服务的非功能属性,即服务质量(Quality of Service,QoS)是面向服务的应用能否成功的关键因素之一.因此,研究者们尝试从多个角度对QoS相关问题展开了研究.然而,现有工作普遍关注基于QoS的动态服务选择和组装等上层应用技术,而对于如何获取、存储、度量QoS等基础支持技术研究较少,而这些基础性工作对QoS相关的研究工作具有显著的重要性.此外,不同应用领域对Web Service QoS的需求不尽相同,因此,需要有一套灵活的机制支持在QoS模型定义、QoS度量方法、QoS信息采集等方面体现出的领域特性.针对这个问题,文中提出了一个可扩展的Web Service QoS信息管理框架,详细分析了该框架涉及到的重要方法与核心技术,并给出了该框架在北京大学软件构件库系统中的设计决策和方案.最后,介绍了文中框架在一个863计划项目中的应用实例,该实例展示了用户根据其应用的领域需求对本框架进行扩展并进行Web Service QoS管理的方法,从而验证了本管理框架的可扩展性及实用性.
基金supported by the Ministry of Education of the Republic of Korea and the National Research Foundation of Korea(NRF-2023S1A5C2A07096111).
文摘Wireless sensor network(WSN)technologies have advanced significantly in recent years.With in WSNs,machine learning algorithms are crucial in selecting cluster heads(CHs)based on various quality of service(QoS)metrics.This paper proposes a new clustering routing protocol employing the Traveling Salesman Problem(TSP)to locate the optimal path traversed by the Mobile Data Collector(MDC),in terms of energy and QoS efficiency.To bemore specific,to minimize energy consumption in the CH election stage,we have developed the M-T protocol using the K-Means and the grid clustering algorithms.In addition,to improve the transmission phase of the Low Energy Adaptive Clustering-Grid-KMeans(LEACH-G-K)protocol,the MDC is employed as an intermediary between the CH and the sink to improve the wireless sensor network(WSN)QoS.The results of the experiment demonstrate that the M-T protocol enhances various Low Energy Adaptive Clustering protocol(LEACH)improvements such as the LEACH-G-K,LEACH-C,Threshold sensitive Energy Efficient Sensor Networks(TEEN),MDC maximum residual energy leach protocol.
