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
随着5G技术的广泛应用,用户通信需求和应用场景的日益复杂,对差异化的服务质量(QoS,Quality of Service)有了愈发严苛的要求。本研究提出了一种基于5G QoS标识(5G QoS Identifier,5QI)与无线频率选择优先级(RAT Frequency Selection Pri...随着5G技术的广泛应用,用户通信需求和应用场景的日益复杂,对差异化的服务质量(QoS,Quality of Service)有了愈发严苛的要求。本研究提出了一种基于5G QoS标识(5G QoS Identifier,5QI)与无线频率选择优先级(RAT Frequency Selection Priority,RFSP)联合的动态调度策略,通过改进的加权比例公平(Weighted Proportional Fair,WPF)调度算法融合接入管理-策略控制功能(Access Management-Policy Control Function,AM-PCF)动态策略机制,实现用户级与业务级的资源灵活分配。设计分层分级网络保障模型,为不同用户分配差异化的5QI和RFSP调度权重。测试结果表明,保障用户平均速率、视频播放质量等关键性能均优于普通用户,验证了差异化调度策略在复杂场景下的有效性。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
针对目前高铁线路GSM-R网络QoS(Quality of Service)测试中,各测试指标独立评价,缺乏综合评估手段的现状,提出一种综合评价GSM-R网络QoS测试结果的方法,应用Kmeans聚类算法、KNN分类算法,建立基于历史测试数据的评价模型;同时,建立完全...针对目前高铁线路GSM-R网络QoS(Quality of Service)测试中,各测试指标独立评价,缺乏综合评估手段的现状,提出一种综合评价GSM-R网络QoS测试结果的方法,应用Kmeans聚类算法、KNN分类算法,建立基于历史测试数据的评价模型;同时,建立完全基于指标规范要求的评价模型;综合2个模型的评价结果,给出对GSM-R网络QoS测试的最终评价。该方法能合理地反映测试结果实际水平。展开更多
为了解决现有路由算法无法学习历史路由决策经验导致的网络负载不均衡问题,将强化学习技术引入软件定义网络(Software Defined Network,SDN)的服务质量(Quality of Service,QoS)路由问题,提出一种基于强化学习的多业务智能QoS路由方法MD...为了解决现有路由算法无法学习历史路由决策经验导致的网络负载不均衡问题,将强化学习技术引入软件定义网络(Software Defined Network,SDN)的服务质量(Quality of Service,QoS)路由问题,提出一种基于强化学习的多业务智能QoS路由方法MDQN(Multi-service QoS routing method based on DeepQ Network)。该方法部署在SDN控制器中,能学习历史决策经验,并在网络状态发生变化时及时调整路径。通过在SDN中部署该方法,有效平衡了网络负载,增加了网络的吞吐量,为SDN中的QoS路由问题提供了一种有效的解决方案。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
文摘随着5G技术的广泛应用,用户通信需求和应用场景的日益复杂,对差异化的服务质量(QoS,Quality of Service)有了愈发严苛的要求。本研究提出了一种基于5G QoS标识(5G QoS Identifier,5QI)与无线频率选择优先级(RAT Frequency Selection Priority,RFSP)联合的动态调度策略,通过改进的加权比例公平(Weighted Proportional Fair,WPF)调度算法融合接入管理-策略控制功能(Access Management-Policy Control Function,AM-PCF)动态策略机制,实现用户级与业务级的资源灵活分配。设计分层分级网络保障模型,为不同用户分配差异化的5QI和RFSP调度权重。测试结果表明,保障用户平均速率、视频播放质量等关键性能均优于普通用户,验证了差异化调度策略在复杂场景下的有效性。
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。
文摘针对目前高铁线路GSM-R网络QoS(Quality of Service)测试中,各测试指标独立评价,缺乏综合评估手段的现状,提出一种综合评价GSM-R网络QoS测试结果的方法,应用Kmeans聚类算法、KNN分类算法,建立基于历史测试数据的评价模型;同时,建立完全基于指标规范要求的评价模型;综合2个模型的评价结果,给出对GSM-R网络QoS测试的最终评价。该方法能合理地反映测试结果实际水平。
文摘为了解决现有路由算法无法学习历史路由决策经验导致的网络负载不均衡问题,将强化学习技术引入软件定义网络(Software Defined Network,SDN)的服务质量(Quality of Service,QoS)路由问题,提出一种基于强化学习的多业务智能QoS路由方法MDQN(Multi-service QoS routing method based on DeepQ Network)。该方法部署在SDN控制器中,能学习历史决策经验,并在网络状态发生变化时及时调整路径。通过在SDN中部署该方法,有效平衡了网络负载,增加了网络的吞吐量,为SDN中的QoS路由问题提供了一种有效的解决方案。
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.
