主题一：基于DDPG和自监督学习的智能反射面辅助信道的边缘缓存
主讲：黄璜
（导师：周发升）
主题二：联邦学习异构性问题的研究
主讲：李国明
（导师：刘外喜）
主题三：缓存辅助无线供电NOMA网络中随机到达的信息年龄感知自适应中继
主讲：周实
（导师：陈庆春）
主办机构
best365英国体育在线
时间安排
2023年11月23日10:30-12:00
地点
B4–213
为拓宽研究生学术视野，促进研究生学术交流，营造良好的学术氛围，best365英国体育在线主办的“研途青年说”第52讲于11月23日10:30-12:00在B4-213举行。本次主讲人为21级研究生黄璜、李国明和周实。
黄璜同学汇报的主题是基于DDPG和自监督学习的智能反射面辅助信道的边缘缓存，他的讲解主要包含以下7个部分：选题背景及意义、现状与研究目标、研究方法及过程、关键技术与实践难点、研究结果与应用、论文总结、生活感悟。黄璜同学讲述了智能反射面（IRS）是由大量放置在基站和用户之间的被动式低成本反射元件组成的平面。之后讲了创新方向是引入了属于物理层的时延功率谱(APDP)指标来评估用户和小基站之间的信道质量，基于现状通过部署IRS和学习一个合理的缓存放置策略来最大化所考虑的系统的频谱效率，并提出了一种基于深度强化学习和自监督学习框架的方法来预测IRS相位和协作缓存策略。针对边缘缓存策略设计深度强化学习算法找出最佳的缓存策略，提升系统的通信性能。第一次用强化学习算法同时优化IRS和缓存策略，允许用户在一定范围内速度随机变化，考虑的IRS辅助的通信场景更符合现实，提出功率时延谱这一指标来锁相。最优的功率时延谱的时延与最优相位一一对应。数值仿真结果表明，该算法比现有算法具有更好的收敛速度和学习精度，有望应用于未来的大规模动态内容交付应用中。同时提出的算法在训练复杂度上更优于传统算法。当问题的规模较大时，所提出算法更有利于系统的快速响应，从而大大减少推理延迟。
李国明同学汇报的主题是联邦学习异构性问题的研究，他的讲解主要包含以下五个部分：选题背景及意义、国内外研究概况、研究方法及过程、关键技术与实践难点、研究结果与应用。李国明同学首先阐述了联邦学习的意义以及核心思想。接着讲了基于分组客户选择，服务器通过预训练将客户端进行聚合分组，数据相关性分析联系，通过强化学习方法在每轮通信总选择最优客户端子集，通过AU调整单元训练果进行最优化调整。还有集群构建、模型优化、动态优化、数学分析。最后通过实验验证在不同数据集的不同数据异构性设置下，在达到相同的模型精度，CSFL相比于现有的方法如FedAvg，FAVOR等，都具有更大的通信轮数，提高了通信效率，减轻了训练开销，并且还减少了总体训练时间。
周实同学汇报的主题是缓存辅助无线供电NOMA网络中随机到达的信息年龄感知自适应中继，他的讲解包括以下四个部分：选题背景及意义、研究内容、研究思路与方法、研究结果。首先他讲述了随着5G等技术的不断进步，物联网( Internet of Things，IoT )近年来呈现爆发式增长。5G技术因其更高的速率、更低的时延和更大的容量，正在推动各行业的数字化转型，并大力推动智慧城市、自动驾驶汽车、远程医疗和物联网等应用。物联网应用中存在大量的实时感知和监控任务，其中信息的新鲜度起着至关重要的作用。例如，在自动驾驶汽车、无人机和工业控制网络中，设备需要及时接收来自控制中心的控制命令，以保证系统正常运行。他的主要研究内容是考虑一个由一个源（S）、一个中继（R）以及两个用户{U_1,U_2}NOMA下行系统，两个用户和源节点之间由于地形限制、路径损耗等因素没有直接的链路，需要通过中继在半双工模式下将基站的信号转发给两个用户，同时，中继还为源节点进行充能服务。
黄璜
2021级best365英国体育在线
通信工程 专业型硕士
导师：周发升
主要研究方向：无线通信
主要科研成果：IRS-Aided Caching with Channel Power-Delay-Profile via DDPG and Self-Supervision Learning (IEEE会议论文)
李国明
2021级best365英国体育在线
电子与通信工程学术型硕士
导师：刘外喜
主要研究方向：联邦学习异构性问题研究
主要科研成果：发表一篇会议论文在审核
周实
2021级best365英国体育在线
电子与通信工程学术型硕士
导师：陈庆春教授
主要研究方向：无线通信网络优化
主要科研成果：提出了一种AoI感知的自适应传输方案使得下行NOMA网络中的AoI性能显
