智能电网中边缘计算迁移技术的应用一定程度上满足了电力业务的实时性要求,然而,随着电网规模的扩大,电力终端设备接入密度越发增高,分布情况越发复杂,传统的静态边缘计算节点难以完全覆盖分散的电力终端设备,进而导致计算迁移性能和效...智能电网中边缘计算迁移技术的应用一定程度上满足了电力业务的实时性要求,然而,随着电网规模的扩大,电力终端设备接入密度越发增高,分布情况越发复杂,传统的静态边缘计算节点难以完全覆盖分散的电力终端设备,进而导致计算迁移性能和效率过低。提出了一种基于双重延迟深度确定性策略梯度的多无人机辅助计算迁移算法(Collaborative Cloud‑Edge Computing Offload‑ing Based on TD3,CeCO‑TD3),该算法构建了一个联合无人机飞行角度、距离、迁移服务选择和任务迁移比的多目标优化函数,以最小化系统的计算时延与能耗,利用深度强化学习算法对问题求解。并且引入云边协作框架和带有优先级的云端策略经验池,进一步保障了多无人机的计算迁移服务质量。实验结果表明,所提算法在缩减任务传输时延和降低计算能耗方面优于传统优化算法。展开更多
随着物联网、人工智能等技术的飞速发展,基于物联网的“人-机-物”智能感知识别技术成为当前研究的热点方向。在众多的感知识别技术中,射频识别技术(Radio Frequency Identification, RFID)作为物联网的核心技术之一,被广泛应用在物流...随着物联网、人工智能等技术的飞速发展,基于物联网的“人-机-物”智能感知识别技术成为当前研究的热点方向。在众多的感知识别技术中,射频识别技术(Radio Frequency Identification, RFID)作为物联网的核心技术之一,被广泛应用在物流追踪、身份认证和室内定位等各个领域。由于目前广泛使用的个人移动设备并不支持RFID信息读取,限制了RFID技术的大范围应用。针对智能手机不能直接读取RFID标签信息的问题,提出一种利用用户预定义的基于RFID反射信号的手势特征实现面向智能手机和RFID标签之间的跨域互联方法。该方法不需要对部署的RFID系统或智能手机进行任何硬件修改,通过用户在感兴趣标签面前做出手势而产生的RFID相位特征,并与智能手机捕获到的运动传感器数据的相关时间戳进行匹配,从而实现了智能手机与RFID标签的关联配对。最后,通过实验验证了文中提出的跨域互联方法的可行性。展开更多
文摘智能电网中边缘计算迁移技术的应用一定程度上满足了电力业务的实时性要求,然而,随着电网规模的扩大,电力终端设备接入密度越发增高,分布情况越发复杂,传统的静态边缘计算节点难以完全覆盖分散的电力终端设备,进而导致计算迁移性能和效率过低。提出了一种基于双重延迟深度确定性策略梯度的多无人机辅助计算迁移算法(Collaborative Cloud‑Edge Computing Offload‑ing Based on TD3,CeCO‑TD3),该算法构建了一个联合无人机飞行角度、距离、迁移服务选择和任务迁移比的多目标优化函数,以最小化系统的计算时延与能耗,利用深度强化学习算法对问题求解。并且引入云边协作框架和带有优先级的云端策略经验池,进一步保障了多无人机的计算迁移服务质量。实验结果表明,所提算法在缩减任务传输时延和降低计算能耗方面优于传统优化算法。
文摘随着物联网、人工智能等技术的飞速发展,基于物联网的“人-机-物”智能感知识别技术成为当前研究的热点方向。在众多的感知识别技术中,射频识别技术(Radio Frequency Identification, RFID)作为物联网的核心技术之一,被广泛应用在物流追踪、身份认证和室内定位等各个领域。由于目前广泛使用的个人移动设备并不支持RFID信息读取,限制了RFID技术的大范围应用。针对智能手机不能直接读取RFID标签信息的问题,提出一种利用用户预定义的基于RFID反射信号的手势特征实现面向智能手机和RFID标签之间的跨域互联方法。该方法不需要对部署的RFID系统或智能手机进行任何硬件修改,通过用户在感兴趣标签面前做出手势而产生的RFID相位特征,并与智能手机捕获到的运动传感器数据的相关时间戳进行匹配,从而实现了智能手机与RFID标签的关联配对。最后,通过实验验证了文中提出的跨域互联方法的可行性。
