一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

針對現有虛擬化云無線接入網絡(C-RAN)資源利用率低、能耗高、用戶服務質量無法得到保證等問題，該文提出一種能耗和時延感知的虛擬化資源分配機制。根據虛擬化C-RAN的網絡特點及業(yè)務流量特征，考慮資源約束和比例公平，建立能耗和時延優(yōu)化模型。進而，利用啟發(fā)式算法為不同類型虛擬C-RAN和用戶虛擬基站分配資源，完成資源的全局優(yōu)化配置。仿真結果表明，所提資源分配機制在提高網絡資源利用率的同時，不但使能耗節(jié)省了62.99%，還使時延降低了32.32%。

在云接入網絡(Cloud-RAN)中，現有工作大多假定射頻拉遠頭(RRH)不具備緩存功能。然而下一代通信網絡具有以內容為中心的特性，因此在Cloud-RAN中考慮帶緩存的RRHs也變得有必要。該文考慮在Cloud-RAN中有效設計緩存方案，并通過資源分配有效減輕前程鏈路負擔。假設系統采用正交頻分多址接入(OFDMA)技術，通過聯合優(yōu)化子載波(SC)分配，RRH選擇與傳輸功率，最小化系統下行總功耗，并通過拉格朗日對偶分解轉化非凸問題，獲得最優(yōu)分配方案。仿真結果表明，比起其它緩存方案，該文提出的優(yōu)化算法可以有效地提升系統能效，滿足未來通信需求。

該文在同頻全雙工技術快速發(fā)展的背景下，針對物理層安全研究中波束成形技術的高復雜度和發(fā)端天線選擇(TAS)技術的低性能，提出一種聯合發(fā)端天線選擇和收端人工噪聲(AN)的物理層安全傳輸方法TAS-rAN。首先，有多根天線的發(fā)端，利用天線選擇技術，選取能使合法接收方接收信噪比最大的天線發(fā)送保密消息；其次，有同頻全雙工能力的收端，在接收到消息的同時，發(fā)送人工噪聲來擾亂竊聽方對保密消息的竊聽。在Nakagami-m信道下，推導了安全中斷概率的閉合表達式，并基于此，得到非零安全容量的概率表達式；通過漸進安全中斷概率的推導，得到TAS-rAN方法的安全分集度。仿真結果表明，與已有的TAS-single和TAS-Alamouti方法相比，TAS-rAN安全方法具有較強的穩(wěn)定性，且能提供更優(yōu)的安全性能。

針對云無線接入網絡(C-RAN)的資源分配問題，該文采用max-min公平準則作為優(yōu)化準則，以C-RAN用戶的能量效率作為優(yōu)化目標函數，在滿足最大發(fā)射功率和最小傳輸速率約束條件下，通過最大化最差鏈路的能量效率來實現用戶發(fā)射功率和無線遠端射頻單元(RRHs)波束成形向量的聯合優(yōu)化。上述優(yōu)化問題屬于非線性、分式規(guī)劃問題，為了方便求解，首先將原優(yōu)化問題轉化為差分形式的優(yōu)化問題，然后通過引入變量將差分形式的、非平滑優(yōu)化問題轉化為平滑優(yōu)化問題。最終，提出一種雙層迭代功率分配和波束成形算法。在仿真實驗中，將該文算法與傳統的非能效資源分配算法和能量效率最大化算法進行了比較，實驗結果證明該文算法在改進C-RAN能量效率和提高資源分配公平性方面的有效性。

針對現有研究中缺乏云無線接入網絡(C-RAN)場景下對網絡切片高效的動態(tài)資源分配方案的問題，該文提出一種虛擬化C-RAN網絡下的網絡切片虛擬資源分配算法。首先基于受限馬爾可夫決策過程(CMDP)理論建立了一個虛擬化C-RAN場景下的隨機優(yōu)化模型，該模型以最大化平均切片和速率為目標，同時受限于各切片平均時延約束以及網絡平均回傳鏈路帶寬消耗約束。其次，為了克服CMDP優(yōu)化問題中難以準確掌握系統狀態(tài)轉移概率的問題，引入決策后狀態(tài)(PDS)的概念，將其作為一種“中間狀態(tài)”描述系統在已知動態(tài)發(fā)生后，但在未知動態(tài)發(fā)生前所處的狀態(tài)，其包含了所有與系統狀態(tài)轉移有關的已知信息。最后，提出一種基于在線學習的網絡切片虛擬資源分配算法，其在每個離散的資源調度時隙內會根據當前系統狀態(tài)為每個網絡切片分配合適的資源塊數量以及緩存資源。仿真結果表明，該算法能有效地滿足各切片的服務質量(QoS)需求，降低網絡回傳鏈路帶寬消耗的壓力并同時提升系統吞吐量。

為了滿足網絡切片多樣化需求，實現無線虛擬資源的動態(tài)分配，該文提出在C-RAN架構中基于非正交多址接入的聯合用戶關聯和功率資源分配算法。首先，該算法考慮在不完美信道條件下，以切片和用戶最小速率需求及時延QoS要求、系統中斷概率、前傳容量為約束，建立在C-RAN場景中最大化長時平均網絡切片總吞吐量的聯合用戶關聯和功率分配模型。其次，將概率混合優(yōu)化問題轉換為非概率優(yōu)化問題，并利用Lyapunov優(yōu)化理論設計一種基于當前時隙的聯合用戶調度和功率分配的算法。最后采用貪婪算法求得用戶關聯問題次優(yōu)解；基于用戶關聯的策略，將功率分配的問題利用連續(xù)凸逼近方法將其轉換為凸優(yōu)化問題并采用拉格朗日對偶分解方法獲得功率分配策略。仿真結果表明，該算法能滿足各網絡切片和用戶需求的同時有效提升系統時間平均切片總吞吐量。

在時分波分無源光網絡(TWDM-PON)與云無線接入網(C-RAN)的聯合架構中，由于無線域的負載不均衡問題，限制了網絡整體的傳輸效率。為了充分利用TWDM-PON與C-RAN聯合架構的網絡資源，并保證用戶的服務質量(QoS)，該文提出一種負載平衡的用戶關聯與資源分配算法(LBUARA)。首先根據不同用戶的服務質量需求以及分布式無線射頻頭端(RRH)的負載對用戶的影響，構建用戶收益函數。進而，在保證用戶服務質量的前提下，根據網絡狀態(tài)建立隨機博弈模型，并基于多智能體Q學習提出負載均衡的用戶關聯和資源分配算法，從而獲得最優(yōu)的用戶關聯與資源分配方案。仿真結果表明，所提的用戶關聯和資源分配策略能夠實現網絡的負載均衡，保證用戶的服務質量，并提高網絡吞吐量。

針對5G云化接入網場景下物理網絡拓撲變化引起的高時延問題，讀文提出一種基于部分觀察馬爾可夫決策過程(POMDP)部分感知拓撲的接入網服務功能鏈(SFC)部署方案。該方案考慮在5G接入網C-RAN架構下，通過心跳包觀測機制感知底層物理網絡拓撲變化，由于存在觀測誤差無法獲得全部真實的拓撲情況，因此采用基于POMDP的部分感知和隨機學習而自適應動態(tài)調整接入網切片的SFC的部署，優(yōu)化SFC在接入網側的時延。為了解決維度災問題，采用基于點的混合啟發(fā)式值迭代算法求解。仿真結果表明，該模型可以優(yōu)化部署接入網側的SFC，并提高接入網吞吐量和資源利用率。

針對傳感數據在無線接入網(RAN)中傳輸的不可靠性與不及時性造成數字孿生(DTs)同步信息的不精確問題，該文提出一種基于智能分層切片技術的DTs傳感信息同步策略。該策略在雙時間尺度下，以最大化傳感信息滿意度和最小化切片重配置及DTs同步成本為目標，聯合優(yōu)化切片無線資源配置以及DTs傳感信息同步問題。首先，在大時間尺度，利用網絡切片為有著不同服務質量(QoS)的DTs提供隔離以及解決部署問題；在小時間尺度，通過更加靈活的無線資源分配來提高DTs傳感信息同步任務對動態(tài)環(huán)境的適應性，進一步提高通信性能，建立更逼近于物理實體的DTs。其次，為了求解不同時間尺度的優(yōu)化問題，該文提出一種雙層深度強化學習(DRL)框架實現高效的網絡資源交互，其中下層控制算法利用優(yōu)先經驗放回(PER)機制加快收斂速度。最后，仿真結果驗證了所提策略的有效性。