多服务移动边缘计算(multiple-services mobile edge computing,MSs-MEC)能根据需求自适应调整服务缓存决策,使得部署在用户侧的边缘服务器能够灵活处理不同服务类型的任务。但在实际应用中,特定类型任务的成功迁移依赖于服务环境的提...多服务移动边缘计算(multiple-services mobile edge computing,MSs-MEC)能根据需求自适应调整服务缓存决策,使得部署在用户侧的边缘服务器能够灵活处理不同服务类型的任务。但在实际应用中,特定类型任务的成功迁移依赖于服务环境的提前安装。此外,同时进行任务迁移和服务缓存可能会因时间冲突而导致计算延时。因此,针对上述相关问题,首先将任务迁移和服务缓存决策进行解耦,针对深度强化学习(deep reinforcement learning,DRL)在具有高维的混合决策空间的性能提升不明显的缺点(例如资源分配时利用率不高),将DRL与Transformer结合,通过在历史数据中学习,输出当前时隙的任务迁移决策和下一时隙的任务决策,保证任务到达边缘服务器时能立即执行。其次,为了提高资源分配问题中的资源利用率,将问题分解为连续资源分配问题和离散的任务迁移与服务缓存问题,利用凸优化技术求解资源分配最优决策。广泛的数值结果表明,与其他基线算法相比,提出的算法能有效地减少任务的平均完成时延,同时在资源利用率和稳定性方面也有优异的表现。展开更多
为了提高水声通信的性能,提出了一种联合运用 M 元扩频(MSS)通信和 Pattern时延差编码(PDS)水声通信体制,并采用单阵元被动式时间反转镜(PTRM)来实现声信道均衡的深海远程水声通信方案。该方案的 M 元扩频-Pattern 时延差编码通信技术...为了提高水声通信的性能,提出了一种联合运用 M 元扩频(MSS)通信和 Pattern时延差编码(PDS)水声通信体制,并采用单阵元被动式时间反转镜(PTRM)来实现声信道均衡的深海远程水声通信方案。该方案的 M 元扩频-Pattern 时延差编码通信技术既能胜任远程水声通信,又能提高通信速率;单阵元被动式时间反转镜信道均衡技术既可抑制多途扩展产生的码间干扰,又能提高信噪比。根据深海声道特性分析,该方案将通信固定节点置于声道轴以获取会聚增益,提高通信距离。计算机仿真结果证明,所提出的深海远程水声通信方案具有很好的鲁棒性和可行性。展开更多
文摘为了提高水声通信的性能,提出了一种联合运用 M 元扩频(MSS)通信和 Pattern时延差编码(PDS)水声通信体制,并采用单阵元被动式时间反转镜(PTRM)来实现声信道均衡的深海远程水声通信方案。该方案的 M 元扩频-Pattern 时延差编码通信技术既能胜任远程水声通信,又能提高通信速率;单阵元被动式时间反转镜信道均衡技术既可抑制多途扩展产生的码间干扰,又能提高信噪比。根据深海声道特性分析,该方案将通信固定节点置于声道轴以获取会聚增益,提高通信距离。计算机仿真结果证明,所提出的深海远程水声通信方案具有很好的鲁棒性和可行性。
