論壇名稱：通信·網(wǎng)絡(luò)·安全先進技術(shù)研討會：通信網(wǎng)絡(luò)專場

論壇時間：2020-09-12 8:30

會議地點：騰訊會議直播（會議ID：647 645 159 會議密碼：0805）

主辦單位：綜合業(yè)務(wù)網(wǎng)理論及關(guān)鍵技術(shù)國家重點實驗室

報告1：面向物聯(lián)網(wǎng)的區(qū)塊鏈理論與技術(shù)

講座人介紹：

曹儐，博士、副教授、博士生導師，目前任職北京郵電大學信息與通信工程學院。從事面向物聯(lián)網(wǎng)、區(qū)塊鏈等相關(guān)方面的研究工作。于2010年在電子科技大學抗干擾國家級重點實驗室獲得博士學位。2015年7月至2016年7月在新加坡國立大學進行博士后研究。

講座內(nèi)容：

報告以區(qū)塊鏈的基本概念以及物聯(lián)網(wǎng)的行業(yè)痛點為切入點，首先討論了區(qū)塊鏈運用在物聯(lián)網(wǎng)中的優(yōu)勢，包括：降低單點失效（Single Point of Failure）、提高安全性、促進物聯(lián)網(wǎng)中的行業(yè)合作等。這些優(yōu)勢促使業(yè)內(nèi)研究者們進行了深入的研究。研究指出：區(qū)塊鏈有極大潛力實現(xiàn)透明的供應(yīng)鏈系統(tǒng)、分布式點對點的智能充電系統(tǒng)等。報告總結(jié)了針對物聯(lián)網(wǎng)的區(qū)塊鏈解決方案工作流程，并闡述了共識機制在這個過程中的重要作用。

報告2：面向6G的去蜂窩大規(guī)模MIMO系統(tǒng)

講座人介紹：

章嘉懿，北京交通大學教授，德國洪堡學者，中國科協(xié)青年人才托舉工程入選者。研究方向為大規(guī)模MIMO基礎(chǔ)理論和關(guān)鍵技術(shù)，主持國家自然科學面上基金等科研項目10余項，發(fā)表SCI論文50余篇，其中以第一作者發(fā)表IEEE期刊論文26篇，第一作者ESI高被引論文6篇，授權(quán)美國發(fā)明專利1項，中國發(fā)明專利5項，研究成果獲教育部自然科學二等獎、WCSP 2017和APCC 2017國際會議最佳論文獎。擔任IEEE JSAC、IEEE TCOM、IEEE CL、IEEE Access和IET Communications等期刊編委，中國電子學會青年科學家俱樂部會員、中國通信學會青年工作委員會委員。

講座內(nèi)容：

未來移動通信系統(tǒng)需持續(xù)提高頻譜效率和能量效率，并提供全區(qū)域均勻覆蓋。以用戶為中心的去蜂窩（Cell-Free）大規(guī)模MIMO系統(tǒng)突破傳統(tǒng)蜂窩系統(tǒng)設(shè)計理念，通過拉近用戶與天線之間的距離，深度挖掘宏分集增益，大幅提升用戶體驗，是極具潛力的研究方向。然而該技術(shù)正處在起步階段，存在諸多科學問題亟待深入研究。本報告將圍繞去蜂窩大規(guī)模MIMO系統(tǒng)基礎(chǔ)理論和關(guān)鍵技術(shù)，介紹最新的研究進展和未來挑戰(zhàn)。

報告3：Resource Allocation for Ultra-Reliable Low-Latency Vehicular Communications

講座人介紹：

郭重濤，1987年5月出生，博士，副教授，碩士研究生導師，IEEE會員，于2009年和2014年在西安電子科技大學分別獲得學士和博士學位，美國佐治亞理工學院博士后，主要從事無線通信網(wǎng)絡(luò)（包括車聯(lián)網(wǎng)、物聯(lián)網(wǎng)、超密集蜂窩網(wǎng)絡(luò)等）的規(guī)劃、組網(wǎng)、管理與優(yōu)化研究，以第一作者在IEEE JSAC、IEEE TWC、IEEE TCOM、IEEE GLOBECOM等國際高水平期刊和會議發(fā)表論文十多篇，獲深圳市海外高層次人才“孔雀計劃”、深圳市南山區(qū)領(lǐng)航人才。

講座內(nèi)容：

In vehicular communications, safety-critical information exchange has stringent reliability and latency requirements. However, lack of accurate instantaneous channel state information due to high mobility poses a great challenge to meet these requirements and the situation gets more complicated when packet retransmission is considered. Based on only large-scale fading channel information, we perform spectrum and power allocation to maximize the sum ergodic capacity of vehicular-to-infrastructure (V2I) links, while guaranteeing reliability and latency requirements of vehicular-to-vehicular (V2V) links. First, for each possible V2I–V2V spectrum reusing pair, we analyze the queueing system for the V2V link and derive the packet loss probability and average packet sojourn time under fixed power allocation. Then, an optimal power allocation is derived for each possible pair. Afterwards, we optimize the spectrum reusing pattern by addressing a polynomial time solvable bipartite matching problem. Simulation results confirm the accuracy of the proposed queueing analysis. Moreover, the proposed resource allocation strategy can improve the ergodic capacity of the V2I links under the precondition of guaranteeing the V2V links’ requirements on reliability and latency.

報告4：Octopus: A Multiserver and Multipath DASH Strategy over Erasure-coded Edge CDN for UHD Video Streaming

講座人介紹：

蒲凌君，南開大學計算機學院，副教授，天津市青年人才托舉計劃入選者。研究方向為未來網(wǎng)絡(luò)架構(gòu)、邊緣計算、視頻傳輸和分析等，近五年在IEEE JSAC、TMC、IoTJ、INFOCOM、SECON等國際權(quán)威期刊和會議上發(fā)表論文10余篇。

講座內(nèi)容：

近年來，諸如4K、8K等超高清視頻 （Ultra-High-Definition）得到了用戶的廣泛關(guān)注。這類視頻通常具有較高的比特率（bitrate），為了能夠給用戶提供較好的服務(wù)體驗，這就要求用戶具有較高的下行網(wǎng)絡(luò)帶寬。然而，對實際帶寬數(shù)據(jù)集的分析表明，目前70%的網(wǎng)絡(luò)環(huán)境無法提供充足的下行帶寬。為此，我們將糾刪碼技術(shù)引入到視頻傳輸中，并提出了基于糾刪碼化CDN的多服務(wù)器、多鏈路DASH協(xié)議，為超高清視頻傳輸提供便利。本報告將介紹這一新型服務(wù)模式及其關(guān)鍵問題，討論其優(yōu)缺點、并給出未來研究內(nèi)容。

報告5：基于超圖學習的高光譜圖像降維

講座人介紹：

羅甫林，武漢大學副研究員，入選2017年博士后創(chuàng)新人才支持計劃，主要從事高光譜圖像處理、圖學習、稀疏表達等方面的研究。目前，發(fā)表SCI期刊論文20余篇，包括1篇ESI高被引論文，申請發(fā)明專利4項；主持國家青年科學基金1項、博士后基金3項；參與國家重點研發(fā)計劃1項、國家自然科學基金2項；擔任IEEE T-Cyber、 TGRS、GRSL、JSTARS等國際期刊審稿人。

講座內(nèi)容：

高光譜圖像光譜分辨率高，可辨識細微差異的地物，目前已廣泛應(yīng)用于環(huán)境監(jiān)測、精準農(nóng)業(yè)、目標識別和地物分類等領(lǐng)域。在高光譜圖像分類中，傳統(tǒng)分類方法因數(shù)據(jù)量大、波段數(shù)多、波段間的相關(guān)性強而導致“維數(shù)災(zāi)難”。因此，如何減少波段數(shù)且不丟失有用信息是目前高光譜圖像分類領(lǐng)域的研究前沿與熱點。降維是減少高光譜圖像波段數(shù)的有效方法，能獲得有用的內(nèi)在信息，可有效改善分類結(jié)果。根據(jù)高光譜圖像的特點，圍繞圖理論展開研究: (1) 單一圖結(jié)構(gòu)難以有效表達高光譜圖像數(shù)據(jù)的內(nèi)在復雜關(guān)系，于是建立不同結(jié)構(gòu)的圖，提出混合圖學習方法，實現(xiàn)不同圖結(jié)構(gòu)特征之間的協(xié)同表達，增強特征表達力，改善分類精度；(2) 利用高光譜圖像空譜一致性的特點，建立空譜超圖結(jié)構(gòu)，提出鑒別空譜超圖學習方法，挖掘高光譜圖像的空譜特征，提升地物分類精度；(3) 由于大量標記樣本類別信息獲取困難，通過少量的標記樣本和大量的無標記樣本，建立半監(jiān)督超圖學習方法，增強缺少標記樣本情況下高光譜圖像特征表達的性能，改善地物分類精度。

報告6：A Game Theoretic Scheme for Collaborative Vehicular Task Offloading in 5G HetNets

講座人介紹：

惠一龍，西安電子科技大學通信工程學院講師，發(fā)表包括 IEEE/ACM TON、IEEE TVT、IEEE TETC、IEEE TITS、IEEE WCM、IEEE JSAC等交通和網(wǎng)絡(luò)領(lǐng)域權(quán)威期刊學術(shù)論文26篇，引用500余次，于2016-2020年共5篇文章入選了ESI高被引論文。獲IEEE CyberSciTech2017和WICON2016國際會議最佳論文獎。出版車聯(lián)網(wǎng)領(lǐng)域英文專著《The Next Generation Vehicular Networks, Modeling, Algorithm and Applications 》一部。并擔任IEEE WCSP、IEEE CyberSciTech、IEEE VTC、IEEE ICC、IEEE ACCESS 、International Journal of Communication Systems、Sensors、IEEE TVT、IEEE TITS以及IEEE IoT等通信領(lǐng)域?qū)W術(shù)期刊的審稿人。

講座內(nèi)容：

The 5G HetNets are capable of providing real-time computing services for autonomous vehicles AVs by deploying ECDs at MCBSs and SCBSs. With the imbalanced distribution and fast moving AVs contending intensely for computing services, how to efficiently exploit cooperation among participants in 5G HetNets to improve the service performance is therefore challenging. In this paper, we develop a game theoretic scheme for collaborative vehicular task offloading. Specifically, we propose a two-stage task offloading mechanism to promote the cooperation among participants to improve the task completion rate, where the mechanism jointly considers the network architecture of the HetNets, the imbalanced distribution of AVs and the reuse of task results. In the first stage, an auction model is designed to help the MCBS select the optimal SCBS to execute the offloaded task based on the requirement of the task and the available computing resources. According to the task computing cost declared by the selected SCBS, the MCBS then bargains with the AV for the agreement of the task offloading service to maximize their utilities in the second stage. Using simulations, we show that the proposed scheme can achieve a higher task completion rate and bring higher utilities to participants than conventional schemes.