首页期刊导航|物联网学报
期刊信息/Journal information
物联网学报
人民邮电出版社有限公司
物联网学报

人民邮电出版社有限公司

季刊

2096-3750

wlwxb@bjxintong.com.cn

010-8105 5478

100078

北京市丰台区成寿寺路11号邮电出版大厦8层

物联网学报/Journal Chinese Journal on Internet of Things
查看更多>>《物联网学报》是由工业和信息化部主管，人民邮电出版社主办的中文学术期刊，办刊宗旨是“服务科学发展，传播科学知识，促进科技创新，培养科技人才”。办刊方针和业务范围为：刊载物联网及相关交叉学科研究领域具有创新性的基础理论、关键技术、研究热点及基础与应用研究成果的学术论文，充分展示我国研究成果，反映我国的前沿研究水平，为我国正在迅速发展的物联网科技创新与产业服务提供学术支持，促进我国物联网技术与应用领域的发展。
正式出版
收录年代

    物联网中模型剪枝技术:现状、方法和展望

    赵军辉李怀城王东明李佳珉...
    1-13页
    查看更多>>摘要：在物联网(IoT,Internet of things)技术迅速发展的背景下,IoT设备受到计算能力、存储空间、通信带宽以及电池寿命的限制,在运行复杂的人工智能(AI,artificial intelligence)算法中,特别是深度学习模型中面临着挑战.模型剪枝技术通过减少神经网络中的冗余参数,在不损伤AI模型性能的前提下可以有效地降低计算和存储需求.该技术适合用于优化部署在物联网设备上的AI模型.首先,回顾了当前流行的结构化剪枝和非结构化剪枝两种典型的模型剪枝技术,两种剪枝技术分别适用于不同的应用场景.之后,详细分析了这些方法在IoT环境下的多样化应用.最后,结合最新研究成果,详细探讨了当前模型剪枝的局限性,并对物联网中模型剪枝方法未来的发展方向进行了展望.

    物联网资源限制模型剪枝人工智能深度学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    车辆算力网络中异步鲁棒联邦学习方法研究

    尹宏博王帅张科张引...
    14-22页
    查看更多>>摘要：传统联邦学习的同步训练机制并不适用于动态的车辆算力网络场景,且在恶意车辆攻击的威胁下,缺乏有效的攻击检测机制.为了解决以上问题,首先,提出一种异步鲁棒联邦学习方法,通过车辆之间异步地执行联邦学习过程,在实现车辆数据隐私保护的同时,提高模型协同训练的效率.其次,有针对性地设计了模型选择方法,并提出潜在恶意模型检测方法和车辆信誉评估方法,进一步增强系统鲁棒性.然后,从概率上详细分析了所提方法的安全性,为各项参数优化提供理论基础.最后,仿真结果表明该方法能够在实现高效异步联邦学习的同时具有较好的鲁棒性.

    车辆算力网络联邦学习鲁棒性异步学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    多源异构传感器数据融合和算力优化研究

    丁凯蒋超越陶铭谢仁平...
    23-33页
    查看更多>>摘要：多传感器系统通过整合多种传感器数据,实现了全面且精准的环境感知,然而,如何有效融合异构数据并实现实时处理的高效性,仍然是当前研究的热点和难点问题.为此,围绕多源异构传感器的数据融合和算力优化展开研究,提出了一种创新的解决方案.首先,基于主/从架构设计数据融合系统,解决多源异构数据处理难题;其次,构建了"云—边—端"3 层架构,利用边缘服务器分担云服务器的计算压力,权衡任务调度策略,实现网络资源与计算资源的协同管理;最后,针对任务的时延与能耗需求进行建模,在资源约束下构建最小化系统成本的优化问题,将问题转化为马尔可夫决策过程(MDP,Markov decision process),使用深度确定性策略梯度(DDPG,deep deterministic policy gradient)算法进行求解.仿真结果表明,所提出的架构和调度策略在降低时延和能耗方面表现优异,为多传感器系统中的高效数据融合与算力优化提供了新思路.

    多源异构数据数据融合传感器算力优化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于深度强化学习的多租户算网资源分配算法

    胡宇翔冯旭董永吉和孟佯...
    34-44页
    查看更多>>摘要：随着智能化业务的迅猛发展,传统网络架构与计算能力之间的既有关系已难以满足当前需求,算网融合的实施势在必行.在算网融合所催生的新型算力网络框架下,高效且智能的资源调度策略成为提升用户体验的关键环节,但现有的资源调度算法优化目标单一,无法满足多租户差异化的业务需求.为此,提出了一种基于深度强化学习的多目标资源调度(MODRLRS,Multi objective deep reinforcement learning resource scheduling)算法来调用网络中的计算资源和网络资源,该算法通过构建帕累托最优解集的方法对算网资源进行多目标调度优化以满足不同租户的个性化业务需求.仿真对比实验表明,相比其他多目标资源调度算法,新算法提升了 4.9%的请求接受率和 4.78%的符合时延请求率,能够灵活适应各种计算业务的独特需求.

    算网融合算力网络资源调度多目标优化深度强化学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    面向动态QoS感知的体域网智能边缘算力资源管理算法

    穆司琪文硕陆杨艾渤...
    45-53页
    查看更多>>摘要：体域网(BAN,body area network)是医疗物联网在个人健康监测领域的关键技术,融合边缘计算实现生理数据实时监测、紧急预警和治疗诊断智能化等服务.然而,体域网中感知节点计算任务的服务质量(QoS,quality of service)随感知数据的紧急程度动态变化,现有的边缘算力网络资源分配方法难以高效灵活地保障体域网中多源异质任务的动态QoS.对长时程动态QoS感知的计算卸载和边缘算力随机优化问题进行了研究.考虑各体域网多源任务优先级和信道状态变化的马尔可夫性质,首先将原始的随机优化问题转化为无穷视域的马尔可夫决策过程问题.然后,构建各体域网的多源任务优先级序列,提出融合近端策略优化(PPO,proximal policy optimization)的深度强化学习任务卸载及算力分配在线决策算法.仿真结果表明,所提的决策算法优于现有基准算法,可有效地满足体域网中任务动态优先级需求,并降低任务完成所需的能量消耗和平均时延.

    医疗物联网边缘计算资源管理服务质量

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    面向联邦算力物联网的隐私预算自适应优化方案

    马文玉陈谦胡宇翔闫皓楠...
    54-69页
    查看更多>>摘要：联邦算力物联网(IoT,Internet of things)旨在通过联邦学习深度融合算力与物联网资源,从而实现对泛在离散部署的海量物联网数据和异构资源的高效利用.为了应对联邦算力物联网中模型反演和梯度泄露等新兴隐私攻击威胁,学术界和产业界对差分隐私(DP,differential privacy)这一高效的隐私保护技术进行了广泛研究和应用.然而,现有差分隐私技术在设定隐私预算时,未考虑本地算力节点的数据特征和隐私预算分配公平性的问题,造成了严重的模型精度损失.因此,提出了一种面向联邦算力物联网的隐私预算自适应优化方案——基于克拉美罗下界差分隐私的联邦学习(FedCDP,federated learning based on Cramér-Rao lower bound differential privacy).首先,基于克拉美罗下界理论分析边缘算力节点的隐私预算估计值,实现自适应隐私预算规划;其次,通过计算边缘算力节点的上传模型与算力聚合服务器的聚合模型之间的相似度和隐私预算占比,分析得到每个节点的全局贡献度,进一步联合隐私预算估计值公平实时地优化隐私预算设定.理论分析证明了该方案可确保本地模型严格遵守ε-差分隐私,并保证全局模型收敛.基于多个公开数据集上的实验结果表明,在满足相同隐私保护需求的前提下,该方案将全局模型精确度最多提升了10.19%.

    联邦算力物联网差分隐私隐私预算自适应优化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    面向算力物联网的联邦学习系统及设计研究进展

    鲁剑锋祁盼潘林雨李冰...
    70-88页
    查看更多>>摘要：算力物联网(CPIoT,computing power Internet of things)通过整合物联网(IoT,Internet of things)设备与强大的计算资源,为数据密集型任务提供了强大的支持,实现了智能决策.在CPIoT的隐私保护需求背景下,联邦学习(FL,federated learning)作为一种旨在保护数据隐私、进行分布式学习的技术,为解决数据"孤岛"问题、执行复杂训练任务及大模型训练提供了新途径.虽然研发人员一直致力于开发更加成熟的FL系统以适应CPIoT环境,但目前的研究在深入探讨FL系统设计技术的优势与短板、技术特点与差异、支持与适用情况等方面仍然存在不足.因此,首先深入研究了当前业内有影响力的FL系统,包括开源框架和基准测试平台,并在CPIoT的不同技术维度上深入对比分析系统设计差异,建立了CPIoT环境下详细的FL开源框架与基准测试平台的选择标准及建议,使开发人员可以更加高效地选择合适的框架及平台.然后,列举了多种CPIoT场景下FL系统的选择与完整系统搭建的实验,使开发人员可以更好地借助上述技术实现FL应用.最后,总结了FL系统设计领域的标准化现状和发展挑战,并对未来发展进行了展望.旨在全面概述FL系统及其设计研究进展,为推动CPIoT与FL网络的深度融合提供参考,也为未来研究提供思路.

    算力物联网联邦学习开源框架基准测试平台计算范例

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    车计算中基于侏儒猫鼬优化算法的资源共享分配方法

    刘曦刘俊吴鸿李伟东...
    89-97页
    查看更多>>摘要：在车计算中,拥有强大计算能力和丰富传感设备的智能车为用户提供服务,其中众多的传感设备能为用户提供不限时间、地点的服务.智能车拥有大量计算资源和传感资源,其中计算资源为单个用户独享,而传感资源能被多个用户共享.针对车计算的特点,首先设计了一种基于资源共享的资源分配新模型,提出一种基于侏儒猫鼬优化算法的资源共享分配方法.然后针对资源分配的离散问题,提出一种不可行解的修正算法.最后为了解决侏儒猫鼬优化算法易于陷入局部最优解的问题,提出一种基于随机和贪心策略结合的初始解生成算法,以提高算法收敛速度,使其能够快速得到最优分配方案.实验结果表明,所提方法在不同的分配环境下均有较好的表现,并且有较强的适应能力.

    车计算侏儒猫鼬优化算法资源共享资源分配

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种面向不可分任务需求和部署约束的动态多维资源公平分配机制

    李杰汪建洲
    98-109页
    查看更多>>摘要：如何公平、高效地将多维资源分配给需求变化的用户是云计算资源共享的关键问题.该场景下的动态资源分配通常面临着用户任务最小粒度资源需求难以再被分割、任务需求与服务器配置不匹配等问题.现有资源公平分配机制多基于用户任务需求无限可分或任务执行与服务器配置均匹配的理想前提,难以保证分配可行.通过深入分析时变不可分任务需求和任务部署约束的特点,设计了一种基于累计任务份额公平的时变任务份额公平分配机制,以保证资源分配的公平性和效率.理论结果表明,该机制满足激励共享、相差一个任务资源的无嫉妒和帕累托最优属性.基于阿里云数据集的实验结果表明,与现有的公平分配机制相比,该方法有效地减少了用户的等待、作业排队和作业完成时间.

    动态多维资源分配不可分任务需求任务部署约束累计任务份额公平

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    环境物联网中的信道估计

    王若珩董岚刘铭王公仆...
    110-118页
    查看更多>>摘要：应用无源反向散射技术的环境物联网(AIoT,ambient Internet of things)是未来物联网的重要演进方向,当前备受关注.环境物联网实际应用场景中会有相位噪声和杂散引起的强自干扰,这对信道参数估计提出新的挑战.因此,针对两节点AIoT系统提出了一种考虑相位噪声和杂散的有效信道估计迭代算法.该算法基于最小二乘法和复指数基扩展模型(CE-BEM,complex expoential basis expansion model)对信道系数和基变量进行估计,而后利用迭代来提高估计精度.此外,推导了信道估计参数的克拉美罗下界(CRLB,Cramer-Rao lower bound),以评估估计精度的理论极限.最后,通过仿真证明了该估计算法的有效性.

    反向散射通信信道估计复指数基扩展模型克拉美罗下界物联网相位噪声杂散

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据