-
题名可学习阈值优化的大规模动态多用户接入检测
- 1
-
-
作者
石昌伟
郭里婷
康芃
杜伟庆
陈平平
方毅
-
机构
福州大学物理与信息工程学院
广东工业大学信息工程学院
-
出处
《电子学报》
北大核心
2025年第5期1436-1444,共9页
-
基金
国家自然科学基金(No.62171135)
福建省自然科学基金(No.2023J01399)
+1 种基金
福建省杰青项目(No.2022J06010)
省教育厅重点攻关项目(No.2023XQ004)。
-
文摘
在大规模免授权非正交多址接入(Grant-Free Non-Orthogonal Multiple Access,GF-NOMA)中,多用户检测往往依靠先验信号稀疏度进行活跃用户检测,但在实际应用,特别在动态多用户接入中,用户接入过程变得更加复杂,获取这种先验信息变得更为困难.针对该问题,本文提出一种可学习阈值优化的大规模动态多用户接入检测方案,即阈值改进的自适应交替方向乘子(Threshold-Improved Adaptive Alternating Direction Method of Multipliers,TI-A-ADMM)算法.在该算法中,利用活跃用户连续通信的时间相关性,引入动态相关性度量,对活跃用户检测的噪声阈值进行自适应缩放,提高检测性能.此外,为提升不同信噪比下活跃用户检测的准确度,采用深度学习网络对活跃用户检测初始阈值进行优化,以适应不同的接入环境.仿真结果表明,在未知先验稀疏度信息的动态多用户接入情况下,所提TI-A-ADMM算法相较现有已知稀疏度信息的算法,在误活跃率(Activity Error Rate,AER)和误符号率(Symbol Er-ror Rate,SER)上能得到2.4 dB的性能增益.所提算法对因多用户接入而引起的干扰具有较低的性能衰减和更高的鲁棒性.
-
关键词
大规模机器类通信
多用户检测
压缩感知
交替方向乘子法
阈值
深度学习
-
Keywords
massive machine type communication
multi-user detection
compressed sensing
alternating direction method of multipliers
threshold
deep learning
-
分类号
TN914.5
[电子电信—通信与信息系统]
TN929.5
[电子电信—通信与信息系统]
-
-
题名边缘视频处理的细粒度划分与重组部署算法
被引量：3
- 2
-
-
作者
覃剑
石昌伟
张媛
贾云健
胡浩星
-
机构
重庆大学微电子与通信工程学院
国网重庆市电力公司电力科学研究院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2021年第11期2152-2159,共8页
-
基金
国家自然科学基金(No.61971077)
天奥基金(No.2020154704)。
-
文摘
随着视频数据的迅速增长,大规模视频处理业务需求急剧增加.如何及时处理视频数据获取有效信息,进而向用户快速提供视频分析业务是亟待解决的重要问题.针对此问题,提出一种面向大规模视频处理的边缘功能模块化及重组部署方法(EFMR).该方法将视频处理业务下沉到网络边缘,利用网络功能虚拟化,将边缘服务器中的视频业务请求根据其内在相关性进行功能细粒度划分,按需匹配并最大化复用资源,实现重组部署,从而以较小代价实现边缘视频业务处理功能的平滑扩展.实验结果表明,EFMR方法不仅降低了边缘服务器的接入与响应时延、业务的推理时间,而且还节省了大量的计算资源,提高了视频处理业务部署速度.
-
关键词
移动边缘计算
网络功能虚拟化
模块化
重组
细粒度
-
Keywords
mobile edge computing
network function virtualization
modular
reorganized
fine-grained
-
分类号
TN919.8
[电子电信—通信与信息系统]
-
