杨旸
- 作品数：14 被引量：97H指数：5
- 供职机构：上海科技大学更多>>
- 发文基金：国家自然科学基金国家重点实验室开放基金上海市科学技术委员会资助项目更多>>
- 相关领域：电子电信自动化与计算机技术电气工程文化科学更多>>
- 基于无标度网络的车联网连通性研究被引量：6
- 2021年
- 移动车辆的连通性是车联网(IoV)的关键指标之一,它会严重影响数据传输的性能。由于车联网的网络拓扑高频动态变化,车辆之间的通信链路容易频繁地断连。如何降低链路建立的随机性和链路断开概率,提高整体网络的连通性一直是急需解决的关键问题。针对上述问题,在视距路径损耗模型和干扰模型下分析网络的连通性,通过对车联网链路在真实世界的表征,设计动态生长(DN)算法。对车辆节点进行增加、删除和链路的偏好连接后,构建无标度车联网。通过仿真结果分析,网络整体的连通性提升了16%。
- 韩涛贺威代俊左勇杨旸葛晓虎
- 关键词：车联网连通性复杂网络
- 面向三维信道幅值预测的自适应神经网络被引量：1
- 2021年
- 针对在采用massive MIMO(multiple-input multiple-output)系统的5G网络规划中,使用传统的系统级仿真方法获得信道幅值的计算量和时间开销非常大的问题,提出一种基于BP(back propagation)神经网络的自适应神经网络来预测massive MIMO系统的信道幅值。自适应神经网络由基本BP子神经网络和特征降维BP子神经网络组成,可实现对给定训练集和预测集的自适应,基于用户射线追踪数据快速准确地预测用户的信道幅值。仿真结果表明,所提出的自适应神经网络在得到与系统级仿真方法精度接近的信道幅值的同时,可大幅降低获得信道幅值的时间开销;并且与采用传统BP神经网络相比,可以明显降低训练时间、预测误差大的用户数和平均预测误差。
- 于文欣李凯周明拓李剑杨旸
- 关键词：自适应神经网络
- 智能工厂中的雾计算资源调度被引量：3
- 2021年
- 随着新一代信息技术的发展,许多传统工厂开始向智能工厂转型。如何对智能工厂中海量数据进行处理,从而提高工厂的生产效率仍然是一个严峻的问题。基于智能工厂的特性提出适用于智能工厂的雾计算框架,使用Kubernetes对容器化的智能工厂应用进行自动化部署。并且提出基于遗传算法改进的区间划分遗传调度算法(interval division genetic scheduling arithmetic,IDGSA)对智能工厂中的容器应用进行调度分配。仿真实验表明,与Kubernetes缺省的调度算法相比,IDGSA算法可使数据处理时间减少50%,雾计算资源使用率提高达60%;与传统的遗传算法相比,在迭代次数更少的情况下,可使数据处理时间减少7%,雾计算资源的使用率提高9%。
- 戴志明周明拓杨旸杨旸李剑
- 关键词：资源调度
- 基于相空间重构方法的三维MIMO无线信道预测
- 2023年
- 第五代(5G)无线通信网络采用的大规模多输入多输出(MIMO)技术需要大量空口资源估计和反馈MIMO信道。除优化导频、估计和反馈设计外,对信道衰落的预测也是节约空口资源的有效途径。运用相空间重构方法研究三维信道模型相关的相空间重构参数,提出一种基于经验知识的小样本在线学习方法,对MIMO信道系数和信道容量进行预测。研究发现无线信道数据具有混沌性,相空间延迟时间和嵌入维数服从一定分布,因此可以作为实时预测的先验参数进行设定。实验结果表明,该方法预测效率比传统ARMA方法提升6倍左右,信道容量的平均误差最小为5.91%。最后,采用某市区的实测数据验证相空间重构方法的有效性,信道容量的预测平均误差最小为0.91%。
- 冯馨玉李凯任天锋李汉辉杨旸周明拓
- 关键词：相空间重构MIMO
- 多层次算力网络中代价感知任务调度算法被引量：25
- 2020年
- 随着越来越多数据的产生以及更加强大的算力和算法的运用,物联网应用也变得越来越智能.典型的物联网应用也从简单的数据感知、收集和表示转向复杂的信息提取和分析.这一持续的趋势需要多层次算力资源及网络.多层次算力网络涉及云计算、雾计算、边缘计算和海计算等技术之间的相互协作,分别针对区域级别、本地级别和设备级别的物联网应用.但是,由于计算技术的不同特征以及任务的不同需求,如何有效地进行任务调度是多层次算力网络中的一个关键挑战.此外,如何激发多层次算力资源的积极性也是一个关键问题,这是多层次算力网络得以成形的前提.为解决上述挑战,提出了一个云雾混合多层次算力网络及计算卸载系统,定义了一个由时延、能耗及付费组成的加权代价函数,并建模了一个代价感知任务调度(cost aware task scheduling,CATS)问题.而且,为激发云和雾的积极性,提出了一个基于计算量的付费模型并将付费相关代价也考虑进总代价.具体来说,根据云和雾的不同特性和需求,分别提出了一个静态付费模型和动态付费模型,从而构建了一个混合付费模型.为解决上述CATS问题,提出了一个基于势博弈的分析框架,并设计了一个分布式任务调度算法——CATS算法.数值仿真结果表明,与集中式最优方法相比,CATS算法可以在系统平均代价方面提供近似最优的性能,并让更多用户受益.此外,与静态付费模型相比,动态付费模型可能可以帮助雾获得更多收入.
- 刘泽宁李凯吴连涛王智杨旸
- 关键词：任务调度激励机制
- 动态雾计算网络中基于在线学习的任务卸载算法被引量：2
- 2020年
- 任务卸载是雾计算的主要技术之一,即计算能力不足的节点将任务卸载给具有富余资源的节点帮助计算。以优化任务平均卸载时延和提升卸载服务成功率为目标,利用多臂老虎机理论为动态雾计算网络提出一种基于在线学习的任务卸载算法,可实时做出最优卸载决策。将该算法扩展到非稳定网络状态,使之可以动态追踪网络中节点的资源与环境变化,实时调整卸载决策。详细分析所提出算法的性能、复杂度和存储占用情况。仿真结果表明,这两种算法可达到的长期平均任务卸载时延均十分接近理想算法下的最优时延,卸载服务成功率也得到显著提升。此外,所提算法在非稳定的网络状态下能够追踪到计算资源与环境的变化。
- 谭友钰陈蕾周明拓王昆仑杨旸张武雄
- 雾计算使能的移动机器人编队跟随研究与设计被引量：1
- 2021年
- 多机器人系统中的跟随控制一直是研究热点,新兴的雾/边缘计算技术为机器人系统设计提供了新思路。本文提出无需全局定位信息的机器人编队控制方案,在系统实现上引入雾计算技术,卸载机器人计算任务。雾计算节点提供无线网络接入,运行跟随控制程序。跟随控制方案中,利用领航者航速信息计算期望跟随轨迹;通过视觉测量方法得到实时跟踪误差;采用航速重放和PD型迭代学习控制相结合的方法实现轨迹跟踪控制。原型实验表明,雾节点提供的网络可以满足实时控制需求,跟随控制程序的卸载降低了机器人本地算力要求,并节约了25%的计算能耗。3次场试中,编队平均跟踪误差在0.05 m以内,具有较好的精度。
- 沈国锋周明拓李剑王华俊李凯杨旸
- 关键词：机器人编队视觉测量
- LTE和Wi-Fi系统间灵活频谱使用关键技术被引量：6
- 2015年
- 针对授权辅助接入,提出了一种适用于LTE-U与Wi-Fi共同使用免授权频段的方法,该方法无需更改Wi-Fi协议就能实现LTE-U与Wi-Fi比例公平使用免授权频谱,有效聚合授权频谱与免授权频谱,提升频谱效率,为用户提供更好的业务体验。
- 徐景杜金玲杨旸
- 6G通算融合网络架构被引量：3
- 2022年
- 边缘计算在物理位置上部署在通信网络内,但是在逻辑上计算与通信拥有彼此独立的管控体系,协同是非实时的,在应对超低时延业务场景下用户信道状态、用户移动性等的动态变化时,存在技术挑战。因此,6G网络架构在设计之初,就需要原生的支持通信与计算的深度融合机制,基于此,提出了一种在无线网络内通信资源与分布式计算资源实时协同的计算面方案,来实现6G网络业务适配能力上的突破,提升综合资源能效。在终端和基站联合模型拆分推理场景下,通过仿真对比了控制面融合和管理面融合技术方案,验证了控制面融合方案能更好地应对终端空口连接带宽发生的变化,大幅降低业务时延抖动。
- 彭程晖邓娟吴建军刘哲李芳芳刘光毅孙韶辉杨旸张宏纲李荣鹏
- 关键词：无线通信网络
- 面向6G的区块链物联网数据共享和存储机制被引量：29
- 2020年
- 考虑不同物联网系统的异构性以及集中化数据处理平台单点故障等问题,提出一种基于区块链技术的去中心化物联网数据共享和存储方案。通过存储证明(PoS)的共识机制,实现区块共识和共享数据的分布式存储。基于Gossip协议提出一种在区块链网络的共识节点和验证节点间的区块分层传播机制。然后,推导了区块传播时延模型以及区块链网络的去中心化评估模型,同时对区块传播时延以及网络去中心化程度进行均衡化分析。仿真结果表明,随着共识节点的能力最小值增加,区块传播时延、区块链网络去中心化程度减小。作为应用示例,针对确诊患者轨迹数据共享场景,基于以太坊开发平台进行了数据共享智能合约的实现和测试。
- 蒋宇娜葛晓虎杨旸王承祥李颉
- 关键词：区块链数据共享数据存储去中心化
