2023年十大菠菜网正规平台

信息技术研究生论坛（六）

场次一、

时间：2023年4月3日（星期一）21:00-22:00

地点：十大菠菜网正规平台605教室

报告题目一：基于深度强化学习的移动边缘计算任务卸载研究

报告人：汤靓

报告简介： 移动边缘计算是一种将计算资源和服务推到离用户更近的边缘设备的技术，从而提高响应速度和降低网络延迟。深度强化学习是一种机器学习方法，通过与环境交互来学习如何最大化奖励，以实现目标。迄今为止已被广泛应用于许多领域，如游戏、机器人和自动驾驶等。我们的目的主要将深度强化学习算法与传统的算法运用在在移动边缘计算任务卸载与资源分配的效率进行比较。同时为更加贴近现实，任务采取非二元的可部分卸载的方式。

报告题目二：基于CQPSO移动群智感知紧急任务分配方法研究

报告人：张思远

报告简介：本研究对移动群智感知任务分配类型中的紧急任务分配问题进行讨论,考虑在一定时间约束条件下如何进行任务分配,以感 知成本最低和任务完成数量最多为优化目标,应用群体智能算法对其进行扩展,提出一种基于混沌量子粒子群紧急任务分配方法(CQPSOETA).实验结果表明,混沌量子粒子群算法在移动群智感知紧急任务分配方面有较好的应用效果,能够在短时间 内达到紧急任务分配优化的目标,极大提高了算法的收敛速度,避免了陷入局部最优,获得了全局最优效果。

报告题目三：基于边缘计算的隐私保护工人招募研究

报告人：刘潇

报告简介：随着传感器技术和移动服务的快速发展，数据传输中的数据量快速增长。因此，由于高延迟、网络不稳定和低带宽问题中央服务器难以很好地满足需求。通过边缘计算能够有效的解决这些问题。然而，大多基于边缘计算的应用程序，都需要用户的位置等隐私信息，这要有可能对用户的个人隐私造成威胁。本文在基于边缘计算的情况下，通过地理不可分来对工人的信息进行加密，再选择最优的工人完成任务。最后，我们从理论上分析了该方案的安全性，并在实验中证明了该方案的有效性和可用性。

报告题目四：基于粒子群优化的无人机任务分配

报告人：韩维庚

报告简介：无人机在完成任务过程中，需要对如何有效、安全地完成自己的任务过程进行规划，这就是所谓的任务规划（ Mission Planning）。多无人机协同任务规划，除了需要考虑任务本身构成要素的要求外，还必须考虑多个无人机之间协调一致共同执行任务的约束关系，并根据任务规划指标为无人机设计出协同的飞行航路，使其整体作战效能最优或近似最优。粒子群算法在对动物集群活动行为观察基础上，利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。我们尝试使用改进的粒子群优化算法对无人机任务分配进行求解。

报告题目五：移动人群感知中的进化多目标任务分配
报告人：陆盛林
报告简介：随着移动智能设备的普及，移动人群感知（MCS）逐渐受到研究界的关注。多任务分配是MCS系统中的一个关键研究问题。以前的分配方法通常会使参与者或任务请求者的利益最大化，而不考虑MCS中各方的综合利益。而我们建立MCS多目标综合任务分配模型，目标是最大化任务的总感知质量和工人的效益。针对多任务分配问题求解收敛慢，容易陷入局部最优，我们提出了一个具有特定问题修复策略和新的遗传算子的多目标进化任务分配算法，能够在大规模的任务分配问题中，加快收敛速度，找到全局最优解。

场次二、

时间：2023年04月06日（星期四）上午9：00

地点：十大菠菜网正规平台706

报告题目一：移动边缘计算中服务功能链的自适应优化部署策略

报告人：熊泽凯

报告简介：为解决移动边缘计算中面向用户的服务功能链（Service Function Chain, SFC）部署成本开销过大、时延过长问题，提出了针对服务功能链的支出成本与时延联合自适应优化的部署策略。首先，在虚拟网络功能（Virtualized Network Function, VNF）节点选取阶段，考虑路径损耗这一无线信道衰落问题，根据有线用户与无线用户的位置情况，选择当前最佳节点以降低服务功能链的响应时延。其次，在服务节点配置阶段，根据用户请求处理的数据内容的新鲜度记录，自适应动态增加和删减相应的缓存，利用资源感知算法在保证数据传递可靠性的同时，减少服务节点的配置个数，降低配置开销。最后，在服务功能链部署阶段，利用基于KSP（K-shortest Paths）的功耗感知算法确定最佳节点映射排序与通信链路，在减少通信链路重映射的同时，还能够保证部署的服务功能链的低成本与低时延。实验仿真结果表明，相比于已有方案，该方法能够有效降低部署成本与时延，并能对不同用户的服务功能链部署做到自适应优化，提高了服务功能链的部署成功率。

报告题目二：一种北斗三号三频周跳探测与修复方法

报告人：王靖君

报告简介：研究了BDS-3 PPP中周跳的性质以及三频周跳探测与修复方法。在传统三频伪距-相位方法的基础上，提出了一种改进的适用于BDS-3 的三频周跳探测与修复方法。该方法针对传统伪距-相位组合中伪距噪声过大的问题引入了多普勒观测值进行辅助，同时再联合无几何相位组合构成一种新的周跳探测与修复方法。在信号方面，选择B2a代替B2I，与B1I、B3I组成了北斗三号卫星导航系统中定位性能更好的北斗三频观测组合。在选频方面，选用无几何相位系数[-1,1,0]、多普勒辅助伪距-相位系数[1,0,-1]，[1,3,-4]组合进行周跳的探测。在修复方面，使用搜索法进行周跳的修复，并根据1-范数原则确保修复值的准确性。实验结果表明：在1s的采样率、电离层延迟稳定情况下，所提方法能探测与修复出所有加入的1周在内的周跳，验证了多普勒辅助伪距-相位组合与无几何相位组合联合探测周跳的可行性。

报告题目三：超密集边缘计算网络下的任务卸载与资源分配

报告人：唐煜星

报告简介：将超密集网络(Ultra Dense Networks, UDN)技术应用于多接入边缘计算(Mobile Edge Computing, MEC)，通过密集化部署小基站与边缘服务器，提升了系统容量。然而，大量用户的接入带来的计算与通信资源不足、用户之间产生严重干扰等问题，使得任务卸载过程面临巨大挑战，制定合理的卸载方案显得尤为重要。针对上述问题，联合考虑了计算与通信资源分配、功率控制以及卸载服务器的选择，提出了基于混合遗传模拟退火算法(Hybrid Genetic Simulated Annealing Algorithm, HGSAA)的任务卸载方法。通过实验仿真表明，所提方法与其他传统方法相比，提高了用户的卸载效益。

报告题目四：移动边缘计算环境下体域网高效任务卸载方案

报告人：祝长鸿

报告简介：移动边缘计算（Mobile Edge Computing，MEC）近年来成为了解决无线体域网（Wireless Body Area Network，WBAN）计算资源匮乏的热门方法之一，但在现有的研究工作中，并没有将患者身边的计算资源充分利用起来，容易造成网络的拥堵。针对这种情况，论文提出了一种联合蜂窝，WiFi网络与设备到设备（Device to Device,D2D）通信的高效任务卸载方案，充分利用了WBAN应用场景中的多种计算资源，有效减少了蜂窝网络的负载，提高了系统的可靠性。并设计了一种低复杂度的遗传算法，在同时考虑患者时延、能耗以及经济开销条件下，得到系统的最小卸载总成本。实验仿真结果表明，相比于随机卸载，蜂窝卸载，无WiFi卸载，无D2D卸载，该方案可以更有效降低系统总成本，为患者提供更高的服务质量。

报告题目五：分级分布式无人机协作频谱感知方法

报告人：余琪琦

报告简介：无人机认知网络(Cognitive UAV Networks, CUAVNs)可以通过高精度的频谱感知提高频谱效率，但传统的集中式协作频谱感知不适用于无人机(Unmanned Aerial Vehicle, UAV)网络。UAV网络拓扑结构动态变化，使得全局信息很难快速收集至一个融合中心。针对上述问题，提出一种基于K-means聚类算法的分级分布式协作频谱感知方法。首先，利用K-means聚类算法基于位置信息对UAV进行分簇；然后，采用两级分布式融合方案进行分层融合，在每个簇内先进行一致性信息融合，得到K个融合结果，再进行第二次融合得到最终全局收敛结果；最后将最终收敛结果与检测阈值对比，得到最终决策。仿真结果表明，所提出的分级分布式融合方案具有较好的收敛性，且信息融合迭代次数比未分级融合方案更少。在不同权重因子的加权情况，分级分布式融合方案较未分级融合方案更好，且当平均接收信噪比越大时，检测性能越好。与未分级分布式融合方案相比，在UAV节点较多的情况下，该方案使CUAVNs的频谱检测性能得到提升。

报告题目六：基于分层的体域网异常数据检测方法

报告人：廖栋森

报告简介：针对无线体域网(Wireless Body Area Network, WBAN)异常数据检测方法忽视人体异常数据的连续性，缺乏异常数据集检测等问题，提出了一种基于Hampel 滤波器和DBSCAN分层的WBAN异常数据检测方法。该方法根据时间相关性利用Hampel滤波器检测异常数据点，保证数据的连续性，使用改进的基于滑动时间窗的DBSCAN算法来检测异常数据集。仿真实验表明，所提出的方法和其他方法相比，实现了分层的异常数据检测，在保证检测精度的同时准确地标注出了异常数据集，具有空间复杂度小的优势。

报告题目七：去蜂窝大规模MIMO系统AP选择算法研究

报告人：智恒中

报告简介：研究了去蜂窝大规模MIMO系统中的AP选择问题，首先我们在传统的去蜂窝大规模MIMO上行链路数据传输模型中添加了体现AP和用户连接状态的连接系数，加入连接系数后，AP选择问题便可以建模为一个离散组合优化问题。传统的粒子群优化算法往往能在组合优化问题上取得不错的效果。但是当优化变量的数量很大时，传统的粒子群算法的搜索效率往往会非常低下。针对这个问题，我们提出了“以用户为中心”的合作进化机制。在该机制中，我们进一步提出了基于概率的粒子进化方式和基于随机采样的粒子评估机制，并有效的解决了传统粒子群算法寻优效率不高的问题。仿真结果显示所提算法取得了比现有其它的算法更好的效果。

场次三、

时间：2023年4月7日（星期五）16:30-18:30

地点：十大菠菜网正规平台509

报告题目一：卫星光网络研究

报告人：王信君

报告简介：随着全球化时代的到来，人们需要便捷和高质量的通信服务。近些年，地面通信网络快速发展，为用户提供了更便捷、更高速率、更大带宽的通信服务。但地面通信网络依赖地面基站，因而面临着覆盖范围有限、易受地面灾害影响等问题目前的地面通信网络需要依赖大量的地面基站,而地面基站的部署受到很多限制，例如沙漠、高山、海洋等地区由于地形限制难以部署地面基站，而人口密度太小的地区则由于收益太少而较少有地面基站;此外，地面基站还容易受到地震、飓风等地面自然灾害的影响，导致其无法为用户提供服务。本次报告主要介绍卫星光网络，卫星网络不依赖地面基站，能够实现全球覆盖且不受地面灾害影响。但现有卫星网络所使用的微波无线通信有天线尺寸大、功率消耗大、速率有限、带宽有限、频谱资源紧张、较易受到星间环境干扰等缺点，难以满足新时代对通信网络提出的高数据速率、大通信容量抗干扰等新需求。

报告题目二：基于光纤技术的热疗探针

报告人：卢叶平

报告简介：光纤热疗探针（Fiber-optic Thermotherapy Probe）是一种基于光纤技术的热疗探针，用于在医疗领域中进行局部热疗治疗。相比于传统的热疗探针，光纤热疗探针具有更高的精度和更好的控制性能，同时可以实现对更深层次的组织进行治疗。光纤热疗探针主要由光纤、光纤耦合器、热敏探头和温度控制装置等组成。光纤作为信号传输的介质，将激光能量从外部光源传输到热敏探头，控制热敏探头的温度，从而实现局部组织的治疗。光纤热疗探针可以根据不同的热敏探头进行定制化设计，以适应不同部位的治疗需求。本次汇报介绍当前热疗法的相关的基础知识，并就热疗法的研究现状进行阐述。通过对不同热疗探针的原理方法以及每种热疗探针的创新性、优点和不足进行比对分析，分别进行疗效的分析和综合评估。并就制备实用性，稳定性好的热疗探针进行设计畅想。

报告题目三：基于深度学习的目标检测

报告人：肖俊波

报告简介：目标检测是一种计算机视觉技术，用于在图像或视频中定位和识别某一类语义对象（如人、建筑物或汽车）的实例。目标检测在许多领域有着广泛的应用，如监控安全、自动驾驶、医疗诊断等。随着深度学习的发展，目标检测算法也取得了显著的进步，提高了检测的精度和效率。基于深度学习的目标检测算法主要分为两类：一类是两阶段检测器，另一类是单阶段检测器。两阶段检测器先通过区域建议网络（Region Proposal Network, RPN）生成候选区域，然后通过卷积神经网络（Convolutional Neural Network, CNN）对每个候选区域进行分类和回归，得到最终的检测结果。两阶段检测器的代表性算法有R-CNN系列（包括R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN等）、R-FCN、FPN等。两阶段检测器的优点是检测精度高，缺点是速度慢，不适合实时应用。单阶段检测器直接从输入图像中预测目标的类别和位置，不需要区域建议步骤，因此具有较高的速度和效率。单阶段检测器的代表性算法有YOLO系列（包括YOLO、YOLOv2、YOLOv3、YOLOv4等）、SSD、RetinaNet、CenterNet、EfficientDet等。单阶段检测器的优点是速度快，适合实时应用，缺点是检测精度低于两阶段检测器，尤其是对小目标和密集目标的检测。

报告题目四：基于逆向设计的MMI可控功率分束器

报告人：何虹霖

报告简介：随着大数据时代以云计算、物联网和大数据为代表的新型信息化技术的迅猛发展，对通信网络信息数据的储存、处理和传输容量的要求不断提高。作为当下主流的集成光学研究平台，硅基光子集成电路被用来缓解摩尔定律的通信瓶颈和满足日益增长的通信容量需求，并由于其与互补金属氧化物半导体工艺兼容性、低损耗、结构紧凑、多功能等优势受到了越来越多的青睐。通过对各种功能器件的集成互连，硅基光子集成电路为克服传统微电子技术的数据容量增长的瓶颈提供了有效的解决方案。光电混合集成成为研究的发展趋势。集成光功率分束器是光子集成电路的基本组成部分之一。它能为光互联、光计算和光传感提供明显的多路并行性，是光学集成电路中不可或缺的关键部件。而传统的基于MMI（多模干涉）的功率分配器由于具有合理的占地面积且易于制造而被广泛使用。