Abstract ：

在移动边缘计算网络中，无人机搭载缓存服务器可视为移动的边缘节点，它可以按照一定的顺序接近每个地面终端。根据需要缓存数据量的大小，结合无人机能源受限的特点，提出了缓存需求驱动的无人机轨迹优化方案。该方案的目标是用最短的时间满足某一区域内所有地面节点的通信需求。首先，假设无人机与地面网络节点的通信顺序已知；然后，在此基础上根据地面节点的数据传输量，即无人机需缓存的内容长度，设计了一种基于半监督学习的无人机轨迹优化策略。具体而言，根据无人机的计算系统中是否存储最佳飞行轨迹或者贪心指数的大小，可将算法细分为启发式和半监督模型两大类，依实际情况进行选择。仿真表明，方案提出的轨迹长度相比对比方案优化了22...

Keyword ：

轨迹优化 缓存 机器学习 启发式优化 无人机 需求驱动

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对新型冠状病毒肺炎常态化防控的需求,提出基于深度学习人脸佩戴口罩识别算法的视频智能分析系统,该系统主要采用移动边缘计算(MEC)和人脸佩戴口罩识别算法相结合的方式对视频业务进行承载.通过网络将视频采集终端的视频图像数据高速传输至边缘计算节点,通过人脸识别DFS算法以及基于ResNet50的佩戴口罩识别模型在边缘节点处理后,实时反馈至智能分析系统.通过测试,该系统验证了5G MEC架构对视频智能分析业务的承载能力,实现了对实时视频图像信息进行本地分流处理,减少了网络带宽压力,并实现了对流动人员的识别和口罩监测,可有效配合"新冠"疫情常态化防控要求在交通、旅游、商超、小区等多个人群密集区域使用,可满足广泛应用场景需求.

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对新型冠状病毒肺炎常态化防控的需求,提出基于深度学习人脸佩戴口罩识别算法的视频智能分析系统,该系统主要采用移动边缘计算(MEC)和人脸佩戴口罩识别算法相结合的方式对视频业务进行承载。通过网络将视频采集终端的视频图像数据高速传输至边缘计算节点,通过人脸识别DFS算法以及基于ResNet50的佩戴口罩识别模型在边缘节点处理后,实时反馈至智能分析系统。通过测试,该系统验证了5G MEC架构对视频智能分析业务的承载能力,实现了对实时视频图像信息进行本地分流处理,减少了网络带宽压力,并实现了对流动人员的识别和口罩监测,可有效配合"新冠"疫情常态化防控要求在交通、旅游、商超、小区等多个人群密集区域使用,...

Keyword ：

5G DFS算法 人脸识别算法 深度学习 视频智能分析 网络带宽 移动边缘计算 疫情

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种延迟敏感任务分布式移动边缘计算资源调度方法及系统，所述方法包括以下步骤：预测车辆在待处理的延迟敏感任务的最大延迟内，边缘计算网络的接入源边缘节点和汇聚边缘节点；控制层从资源信息表中分别以源边缘节点与汇聚边缘节点为目标节点计算到网络中其他边缘节点的数据传输成本；从资源信息表中抽取各边缘节点的任务处理成本，分别与数据传输成本作和，获得总成本，将边缘节点按照总成本高低放入资源队列中；将待处理的延迟敏感任务分配给资源队列中总成本最低的k个边缘节点进行处理，完成调度。本发明通过对边缘节点进行排序，将计算任务分配到若干边缘节点中，能够实现计算延迟的最小化及最小化任务处理成本。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

考虑物理层安全辅助的私密文件传输问题,提出了带有边缘计算服务器的智能基站作为中继协助完成文件压缩、传输与解压的安全传输方案。首先使用空间泊松点过程刻画多个潜在窃听者场景下的安全传输概率,然后构建两跳总安全传输概率约束下的时延及能耗最小化问题。通过一维搜索结合线性规划,得到了最优压缩与解压方案。仿真结果表明,给定安全概率约束下私密信息速率小的链路在传输前需要进行文件压缩,反之不需要压缩,可直接传输。

Keyword ：

安全传输概率 能耗 时延 物理层安全 移动边缘计算

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本申请属于资源分配策略技术领域，特别是涉及一种边缘计算资源分配方法。关于如何有效分配边缘计算资源，移动边缘计算环境可以建模为马尔可夫决策过程，而该模型高度随机而且十分复杂。一种边缘计算资源分配方法，所述方法包括：1)：定义边缘计算模型状态、动作和奖赏；2)：分析、利用所述1)定义的状态、动作和奖赏，定义神经网络的结构和输入输出的结构；3)：按照给定训练方法更新、训练所述2)定义的神经网络并应用。机器学习中的深度强化学习技术由于其对环境的强大感知能力与决策能力，十分适合应用在此模型，以求解回报最大化的问题。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

考虑物理层安全辅助的私密文件传输问题,提出了带有边缘计算服务器的智能基站作为中继协助完成文件压缩、传输与解压的安全传输方案。首先使用空间泊松点过程刻画多个潜在窃听者场景下的安全传输概率,然后构建两跳总安全传输概率约束下的时延及能耗最小化问题。通过一维搜索结合线性规划,得到了最优压缩与解压方案。仿真结果表明,给定安全概率约束下私密信息速率小的链路在传输前需要进行文件压缩,反之不需要压缩,可直接传输。

Keyword ：

安全传输概率 能耗 时延 物理层安全 移动边缘计算

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明提供的一种移动边缘计算网络中的多用户安全节能资源分配方法，包括以下步骤：步骤1，当前时隙K个用户接入基站，基站通过信道训练获得该用户的信道状态信息；设定时分双工，信道互易，且信道服从准静态块衰落模型；步骤2，计算各用户本地计算所消耗的能量、以及各用户卸载任务所消耗的能量；步骤3，根据第二步得到的本地计算所消耗的能量和卸载计算任务所需消耗的能量，构建优化问题，所述优化问题包括优化目标和约束条件，该优化目标是指最小化系统的总能耗；步骤4，求解优化问题，得到系统的总耗能的最小值及达到该最小值时所对应的各个优化变量；本发明在实现MEC网络安全节能任务卸载方面显著降低能量消耗。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

随着移动设备数量的爆炸性增长以及许多新兴应用的出现,移动网络的流量呈指数级增长.传统的集中式网络架构由于回程链路负载过重、时延较长,无法满足移动用户的需求.因此,提出了将网络能力从核心网开放至边缘网的新体系结构,即移动边缘计算(MEC).移动边缘计算能够在移动蜂窝网络的边缘提供轻量级的云计算和存储能力.对移动边缘计算相关的最新研究成果进行了详尽的回顾:首先,概述了移动边缘计算的发展历程、关键问题和支撑技术;然后,针对MEC架构、计算迁移、边缘缓存和服务编排这4个关键研究问题进行了全面的综述,并讨论了增强现实、虚拟现实、动态内容交付、车联网和物联网等移动边缘计算中的典型应用案例;最后,从移动边缘计算功能增强、服务质量保障和安全可用性这3个方面展望了移动边缘计算的开放式研究挑战和未来的发展趋势.

Keyword ：

MEC架构 边缘缓存 服务编排 计算迁移 移动边缘计算

Cite：

Copy from the list or Export to your reference management。

Abstract ：

在移动通信网络中，随着各种类型的多媒体和数据业务需求的不断增加，基于云计算的网络架构面临网络容量和回程链路受限、传输时延长等问题，难于提供满意的用户体验。移动边缘计算技术通过在网络边缘配置固定或者移动的边缘计算服务器，可以为网络节点提供互联网内容下载缓存、数据采集缓存、双向信息传输、即时计算、扩展网络覆盖等服务，是应对云计算架构面临挑战的有效方案。本论文主要研究了移动边缘计算网络中两类场景的缓存技术，首先，面向固定的边缘计算服务器节点提供缓存服务的场景，针对内容流行度未知且实时变化的问题，提出了一种基于自适应聚类的在线缓存策略；第二，研究了以无人机作为具有移动性的边缘计算节点并提供信息传递服务的场景。结合无人机能源受限的特点，提出了缓存需求驱动的无人机轨迹优化方案。上述所完成工作的主要内容简介如下： 在固定的边缘计算服务器节点提供缓存服务的场景中，传统研究主要关注等长度内容的缓存策略，而本文着重研究如何提高非等长度内容的高效缓存方案设计。我们兼顾内容流行度和内容长度大小，提出了基于自适应聚类的内容缓存策略。并通过仿真评估了加权命中率、缓存代价比等更能有效反映非等长度内容缓存特性的性能指标。本文所提策略的核心思想是：当用户请求到达边缘计算服务器时，服务器采用自适应聚类的机器学习方法，完成对所请求内容的流行度预测；在此基础上，综合缓存代价，进行是否缓存该内容、如何选取并移除旧有缓存内容的决策。仿真结果表明，本文设计的策略可有效学习内容流行度变化趋势；与传统基准方案相比，能在边缘计算网络中充分优化各项缓存性能。 本文的第二项工作考虑边缘计算缓存服务器具有移动性的场景。具体考察采用无人机作为移动边缘计算节点，为地面网络节点提供信息传递与交换的服务。根据需要缓存数据量的大小，结合无人机能源受限的特点，我们提出了缓存需求驱动的无人机轨迹优化方案。该方案的目标是用最短的时间满足某一区域内所有地面节点的通信需求。我们通过两步算法来完成方案的设计与优化。第一步，利用启发式的蚁群算法构建通信调度表，确定与地面网络节点的通信顺序。第二步，根据地面节点的数据传输量，即无人机需缓存的内容长度，设计了一种基于半监督学习的无人机轨迹优化策略。仿真表明，本方案提出的方法可以有效缩短无人机飞行距离和减少飞行时间，从而可更有效地为地面网络节点提供边缘计算服务。

Keyword ：

轨迹优化 缓存策略 机器学习 无人机 移动边缘计算

Cite：

Copy from the list or Export to your reference management。