近期，特斯聯宣布任命IEEE Fellow、國家科技重大專項『新一代寬帶無線移動通信網』總體組專家、科技部創新人才推進計劃『寬帶無線傳感網』創新團隊負責人楊旸博士為集團首席科學家，并對外公布了楊旸博士與團隊在IEEE國際學術期刊和國際頂級會議上發表的智能物聯網技術（AIoT）領域的最新科研成果：

智能物聯網的能耗、時延與交互

隨著5G移動通信系統的廣泛商用，越來越多的物聯網應用選擇了支持海量機器通信場景的NB-IoT（窄帶物聯網）技術。但是由于蜂窩移動通信系統基礎設施的封閉性，以及缺乏有效的現場測量工具，NB-IoT網絡的許多重要指標一直以來都沒有被深入地研究，例如：無線接入性能和能耗等。楊旸博士與團隊針對智慧城市中大量部署的室內外定位傳感器、門禁傳感器、水務傳感器和煙霧傳感器等，研發了精密融合功率測量和協議跟蹤能力的硬件設備，對部署在四個應用場景、1200多個位置的傳感器節點進行了為期三個月時間的大量現場測量，收集了49GB的各種傳感器節點的能耗狀態和過程數據。通過全面深入的數據歸類和分析研究，團隊發現實際物聯網應用場景中的傳感器節點能耗差異可以達到驚人的75倍，這會嚴重影響電池壽命，導致頻繁的網絡分區等問題。團隊認為造成這些節點能耗性能巨大差異的主要原因在于：無線網絡的覆蓋質量參差不齊、功率消耗的長尾特征、以及過度重復的控制消息?；谶@項在實際應用場景中完成的扎實研究工作，團隊進一步給出了提升智能物聯網技術規范和芯片設計方向的優化建議。這項科研成果名為《A First Look at Energy Consumption of NB-IoT in the Wild: Tools and Large-Scale Measurement》（《自然環境窄帶物聯網能耗初探：工具及大規模測量》），已發表在網絡領域的國際頂級期刊IEEE/ACM Transactions on Networking。

圖1：不同無線接入方式和增強覆蓋水平情況下的物聯網應用能耗分析

在工業物聯網的應用場景中，無線傳感器設備無需鋪設專門的有線網絡，具有靈活性和可擴展等優勢。但是，工業生產環境中復雜時變的無線衰落信道會導致無法預測的隨機服務時延和時延抖動，嚴重降低了工業生產閉環反饋控制系統的性能和穩定性，這是無線傳感器設備和無線通信技術應用于高精度、高可靠的自動化工業生產系統的最主要技術挑戰。針對工業物聯網應用場景中的嚴苛時延要求，楊旸博士及團隊提出了在無線多徑衰落信道中對時延分布進行塑形的新方法，通過對原始最優化函數的解耦分析，設計了“雙層閉式反饋控制算法（TACAN）”，實現了時延分布方差的最小化，從而顯著提高了工業物聯網系統的可靠性和穩定性。團隊分別采用經典的萊斯分布（Rician）信道模型和真實工業應用場景中測量的無線衰落信道響應來有效驗證了所提出的新方法和TACAN新算法。這項科研成果名為《TACAN: the Shaping of Delay Distribution under Multi-path Fading Channel for Industrial IoT Systems》（《雙層閉式反饋控制算法：工業物聯網系統多徑衰落信道下的時延分布塑形》），已發表在物聯網領域的國際頂級期刊IEEE Internet of Things Journal。

圖2：雙層閉式反饋控制算法（TACAN）在萊斯分布信道模型（左）和真實工業應用場景（右）中都能夠有效降低平均服務時延和時延方差

作為智能物聯網應用中最重要和最自然的人機交互方式，語音合成技術賦能物聯網終端自主生成真實、可信和富有表現力的類人語音。然而，現有的端到端文本轉語音（TTS）算法所合成的機器語音在表現力上仍然與人類語音有很大的差距，難以在高標準、高頻率的復雜應用場景中實現高可靠商用。楊旸博士與團隊從語音表現力的語言學本質再出發，深入研究和分析了人類語音復雜的韻律變化和生成規律，提出了“跨語句的條件變分自動編碼器文本轉語音算法”（CUC-VAE），它通過從現有文本前后語句中提取上下文相關的韻律特征，并有效整合當前文本信息和說話人狀態，實現了對每個音素韻律變化的后驗概率分布的準確估計和利用。相比于傳統的VAE和CVAE算法從標準高斯分布中采樣，新算法是在前后語句信息為條件的韻律特征先驗分布中進行采樣，所生成的韻律變化與上下文相關，這更接近于人類自然生成韻律的方式，因此顯著提升了用戶在智能物聯網應用場景中的語音交互體驗。這項科研成果名為《Cross-Utterance Conditioned VAE for Non-Autoregressive Text-to-Speech》（《跨語句的條件變分自動編碼器非自回歸文本轉語音算法》），已發表在自然語言處理領域的國際頂級會議ACL。

圖3：文本轉語音新算法CUC-VAE生成的“Mary asked the time”的能量分布和音高升降曲線，更自然地區分出不同的前后語句環境

算力網絡的資源管理和任務調度

在智能物聯網的應用場景中，邊緣計算資源的廣泛部署可以及時有效地滿足終端用戶的低時延、強計算、快響應等服務需求，例如：基于多維度計算機視覺的3D同步定位和建圖技術。異構的邊緣計算設備有著不同的硬件資源（如CPU和GPU）和運行環境，它們能為終端用戶運行和完成各種任務，并產生不同的資源占用成本和服務質量。然而，如何合理區分各種計算任務，并把它們高效地分配給最適合的異構邊緣計算節點，是一個極具挑戰的學術問題。針對這些邊緣計算硬件設備的異構性，以及用戶任務服務質量需求的多樣性，楊旸博士及團隊提出了服務編排和任務調度的新思路和新方法，在滿足各類用戶的服務等級協議的同時，有效降低系統資源占用的總成本。以計算機視覺應用為例，作者們設計了名為“邊緣視覺”（EDGEVISION）的系統服務架構，在異構的邊緣計算設備上實現了多種計算機視覺應用的高效任務區分和服務編排。這項科研成果名為《Task Partitioning and Orchestration on Heterogenous Edge Platforms：The Case of Vision Applications》（《異構邊緣平臺上的任務劃分及編排：以視覺應用為例》），已發表在物聯網領域的國際頂級期刊IEEE Internet of Things Journal。

圖4：任務調度新算法MLTS/MCTS（藍色）有效降低了系統總成本和邊緣服務時延

針對復雜多變的無線信道環境和多層次的移動通信網絡架構，楊旸博士與團隊提出了基于大規模多天線中繼節點輔助的多層次算力系統，來增強復雜用戶任務的計算能力和效率。在這個方案中，多種類型的用戶把它們的計算任務卸載給附近由大規模多天線中繼節點所構成的計算和緩存資源，或者分配給由霧接入網絡所鏈接的云計算資源。然而，如何綜合考慮任務調度、服務緩存和功率分配等不同需求，實現多用戶任務調度的總體時延最小化，是一個很有挑戰性的學術問題。團隊分析了無線信道狀態信息不完備的負面影響，將其建模為一個強健的非凸優化理論問題，并提出了一個有效的替代優化算法。首先，針對給定的任務分配和服務緩存結果，該算法通過將非凸功率分配優化問題轉化為一個簡單的線性優化問題來解決。其次，采用經典的拉格朗日（Lagrange）部分松弛方法將任務分配和服務緩存的限制條件放松，構建和解決了相應的對偶問題，獲得任務分配和軟件緩存結果。最后，基于這些初步結果，團隊提出了一個迭代優化算法來找到任務調度、服務緩存和功率分配的聯合優化結果。仿真結果顯示，新算法的總體性能優于傳統的標準方法，即采用等效信干噪比（SINR）來漸進式控制功率分配。這項科研成果名為《Joint Task Offloading and Caching for Massive MIMO-Aided Multi-Tier Computing Networks》（《大規模MIMO輔助多層次算力網絡的聯合任務調度與緩存》），已發表在通信領域的國際頂級期刊IEEE Transactions on Communications。

圖5：新算法（最下方曲線）在不同系統參數和應用場景下都能夠有效降低服務時延

多智體反饋神經網絡框架和應用

深度神經網絡在計算機視覺、自然語音處理、語音合成、人工智能游戲等領域取得了突破性的進展，但現有的大部分神經網絡框架只支持單向的數據流動和處理。受到靈長類動物大腦中存在信號反饋機制的啟發，楊旸博士及團隊提出了“多智體反饋神經網絡”（MAFENN）框架，包含三個充分合作的智能體，其中的反饋智能體模擬了靈長類動物大腦中的信號反饋和錯誤糾正機制，有效提升了神經網絡訓練過程中的反饋學習能力、特征提取能力、噪聲和干擾消除能力。在理論分析方面，團隊創新地將MAFENN框架建模成三個玩家的反饋斯塔爾伯格博弈（feedback Stackelberg game），理論證明了其可以確定收斂到博弈均衡點。這項科研成果名為《Multi-Agent Feedback Enabled Neural Networks for Intelligent Communications》（面向智能通信的多智體反饋神經網絡），已發表在無線通信領域的國際頂級期刊IEEE Transactions on Wireless Communications。

圖6：多智體反饋神經網絡（MAFENN）的框架和三個玩家的反饋斯塔爾伯格博弈建模

在跨領域應用方面，MAFENN框架首先被用于設計基于深度學習的無線信道智能均衡器，其中內生的反饋糾錯機制有效減輕和消除了無線信號傳輸中的碼間干擾、噪聲、以及非線性失真等問題。與傳統的無線信道均衡器相比，基于MAFENN框架的智能均衡器在復雜多變的線性和非線性無線多徑信道情況下，都能夠顯著提升信道的均衡效果，有效降低了系統的符號誤碼率。其次，針對無線視頻信號在傳播過程中極易受到多徑效應、大氣損耗、雨衰、材料穿透阻擋等環境因素的嚴重干擾，團隊提出了基于MAFENN框架的視頻接收端無線干擾消除算法，其中內生的反饋糾錯機制能夠高效準確地修復和分類受損嚴重的無線視頻幀，新算法不僅顯著提高了海量視頻信號在無線多徑衰落信道中的實時傳輸質量和服務性能可靠性，而且有效增強了各種類型視頻幀分類和識別的精準性和實用性。這些相關的跨領域應用研究成果已發表在通信領域的兩大旗艦會議：ICC和GLOBECOM。

圖7：基于MAFENN框架的智能均衡器（黑色）在線性（左）和非線性（右）無線信道情況下都能夠有效降低系統的符號誤碼率

圖8：基于MAFENN框架的視頻接收端無線干擾消除算法能夠高效準確地修復和分類受損嚴重的無線視頻幀，CIFAR-10 數據集