信控学院孙彦景教授团队在无人机应急救援及物联网方面取得重要进展

发布者:李鸣轩发布时间:2020-02-07浏览次数:10

近期,我校信控学院2017级博士研究生王博文与导师孙彦景教授、以及来自英国贝尔法斯特女王大学、大连理工大学、南京邮电大学等单位的合作者,在国际顶级期刊IEEE Transactions on Vehicular Technology先后在线发表题为“Social-aware UAV-assisted MobileCrowd Sensing in Stochastic and Dynamic Environments for Disaster Relief Networks”、 “Learn to Coloring: Fast Response to Perturbation inUAV-assisted Disaster Relief Networks”、 “Security Enhanced Content Sharing inSocial IoT: A Directed Hypergraph-based Learning Scheme”的三篇学术论文。该期刊是电信、运输科技等领域的国际顶级期刊,JCR一区、中科院二区TOP期刊,影响因子:5.339。

论文“Social-aware UAV-assisted MobileCrowd Sensing in Stochastic and Dynamic Environments for Disaster Relief Networks”报道了基于匹配理论解决灾害救援网络中的无人机动态任务分配问题的最新研究成果。首先,针对应急救援场景中的数据采集问题,论文提出一种社交感知无人机协助的移动群智感知系统,研究动态随机环境下如何在不同地区合理招募无人机执行感知任务。论文将优化问题转化为动态匹配问题,提出一种基于多等待队列的任务分配算法在任务周期性到达且无人机随机到达的条件下得到稳定匹配,并证明了该算法是可以实现包含策略的防伪性、高效性和无嫉妒性的动态稳定性。

社交感知无人机协助的移动群智感知系统模型

论文“Learn to Coloring: Fast Response to Perturbation inUAV-assisted Disaster Relief Networks”报道了基于图论与机器学习解决灾害救援网络中的无人机动态频谱分配问题的最新研究成果。首先,在无人机以多播方式向地面用户扩散应急救援信息时,由于无人机的高速移动性,网络拓扑结构随之动态变化,从而使拓扑结构变化前的频谱分配方案失效。论文将动态变化的网络结构抽象为动态演进图(多播传输簇抽象为点,干扰关系抽象为边),从而用边的插入与删除表示网络拓扑变化引起的干扰关系演变。因此,论文将动态频谱分配问题转化为动态图着色问题。针对图结构在连续时隙中演化使之前的着色策略失效的问题,论文给出了一种基于随机学习的快速收敛算法。

无人机协助灾后救援网络动态频谱分配模型

论文“Security Enhanced Content Sharing inSocial IoT: A Directed Hypergraph-based Learning Scheme”报道了基于图论与机器学习解决社交物联网中安全性提升的内容共享问题的最新研究成果。论文首次利用用户之间的社交信任度提升物理层的安全内容共享。首先,利用真实的社交数据集提取用户之间的社交信任度,并利用提取的社交信任度与信干噪比建立社交干扰噪声比,以此建立有向超图,对累积非对称的社交干扰进行建模。然后,以该模型为博弈空间建立安全信道选择博弈模型,提出一种非耦合用户并发学习算法,收敛至该博弈模型的纳什均衡点,因此达到帕累托最优。该学习方法能够在相对用户数目相对较少的迭代次数下达到收敛状态,能够在复杂度,安全性以及用户体验之间达到均衡。

社交物联网内容共享模型

王博文同学于2016年9月获得中国矿业大学免试研究生资格, 2017年9月获得硕博连读资格攻读信息与通信工程专业博士学位,2018年10月前往贝尔法斯特女王大学访学并担任物理层安全领域著名学者Trung.Q.Duong教授的研究助理,主要从事社交物联网、无人机应急通信中动态与随机环境下的资源分配方法的研究。读博期间以第一作者发表JCR一区论文9篇(TOP期刊5篇),获中国矿业大学第十四届“‘青春矿大’校园年度人物,INISCOM 2019最佳论文奖,并受邀担任SigTelCom 2020技术委员会委员。

xxfseo.com