近期，特斯聯(lián)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(wǎng)』總體組專家、科技部創(chuàng)新人才推進(jìn)計劃『寬帶無線傳感網(wǎng)』創(chuàng)新團(tuán)隊負(fù)責(zé)人楊旸博士為集團(tuán)首席科學(xué)家，并對外公布了楊旸博士與團(tuán)隊在IEEE國際學(xué)術(shù)期刊和國際頂級會議上發(fā)表的智能物聯(lián)網(wǎng)技術(shù)（AIoT）領(lǐng)域的最新科研成果：

智能物聯(lián)網(wǎng)的能耗、時延與交互

隨著5G移動通信系統(tǒng)的廣泛商用，越來越多的物聯(lián)網(wǎng)應(yīng)用選擇了支持海量機器通信場景的NB-IoT（窄帶物聯(lián)網(wǎng)）技術(shù)。但是由于蜂窩移動通信系統(tǒng)基礎(chǔ)設(shè)施的封閉性，以及缺乏有效的現(xiàn)場測量工具，NB-IoT網(wǎng)絡(luò)的許多重要指標(biāo)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(tuán)隊針對智慧城市中大量部署的室內(nèi)外定位傳感器、門禁傳感器、水務(wù)傳感器和煙霧傳感器等，研發(fā)了精密融合功率測量和協(xié)議跟蹤能力的硬件設(shè)備，對部署在四個應(yīng)用場景、1200多個位置的傳感器節(jié)點進(jìn)行了為期三個月時間的大量現(xiàn)場測量，收集了49GB的各種傳感器節(jié)點的能耗狀態(tài)和過程數(shù)據(jù)。通過全面深入的數(shù)據(jù)歸類和分析研究，團(tuán)隊發(fā)現(xiàn)實際物聯(lián)網(wǎng)應(yīng)用場景中的傳感器節(jié)點能耗差異可以達(dá)到驚人的75倍，這會嚴(yán)重影響電池壽命，導(dǎo)致頻繁的網(wǎng)絡(luò)分區(qū)等問題。團(tuán)隊認(rèn)為造成這些節(jié)點能耗性能巨大差異的主要原因在于：無線網(wǎng)絡(luò)的覆蓋質(zhì)量參差不齊、功率消耗的長尾特征、以及過度重復(fù)的控制消息。基于這項在實際應(yīng)用場景中完成的扎實研究工作，團(tuán)隊進(jìn)一步給出了提升智能物聯(lián)網(wǎng)技術(shù)規(guī)范和芯片設(shè)計方向的優(yōu)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(huán)境窄帶物聯(lián)網(wǎng)能耗初探：工具及大規(guī)模測量》），已發(fā)表在網(wǎng)絡(luò)領(lǐng)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(lián)網(wǎng)應(yīng)用能耗分析

在工業(yè)物聯(lián)網(wǎng)的應(yīng)用場景中，無線傳感器設(shè)備無需鋪設(shè)專門的有線網(wǎng)絡(luò)，具有靈活性和可擴(kuò)展等優(yōu)勢。但是，工業(yè)生產(chǎn)環(huán)境中復(fù)雜時變的無線衰落信道會導(dǎo)致無法預(yù)測的隨機服務(wù)時延和時延抖動，嚴(yán)重降低了工業(yè)生產(chǎn)閉環(huán)反饋控制系統(tǒng)的性能和穩(wěn)定性，這是無線傳感器設(shè)備和無線通信技術(shù)應(yīng)用于高精度、高可靠的自動化工業(yè)生產(chǎn)系統(tǒng)的最主要技術(shù)挑戰(zhàn)。針對工業(yè)物聯(lián)網(wǎng)應(yīng)用場景中的嚴(yán)苛?xí)r延要求，楊旸博士及團(tuán)隊提出了在無線多徑衰落信道中對時延分布進(jìn)行塑形的新方法，通過對原始最優(yōu)化函數(shù)的解耦分析，設(shè)計了“雙層閉式反饋控制算法（TACAN）”，實現(xiàn)了時延分布方差的最小化，從而顯著提高了工業(yè)物聯(lián)網(wǎng)系統(tǒng)的可靠性和穩(wěn)定性。團(tuán)隊分別采用經(jīng)典的萊斯分布（Rician）信道模型和真實工業(yè)應(yīng)用場景中測量的無線衰落信道響應(yīng)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(yè)物聯(lián)網(wǎng)系統(tǒng)多徑衰落信道下的時延分布塑形》），已發(fā)表在物聯(lián)網(wǎng)領(lǐng)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(yè)應(yīng)用場景（右）中都能夠有效降低平均服務(wù)時延和時延方差

作為智能物聯(lián)網(wǎng)應(yīng)用中最重要和最自然的人機交互方式，語音合成技術(shù)賦能物聯(lián)網(wǎng)終端自主生成真實、可信和富有表現(xiàn)力的類人語音。然而，現(xiàn)有的端到端文本轉(zhuǎn)語音（TTS）算法所合成的機器語音在表現(xiàn)力上仍然與人類語音有很大的差距，難以在高標(biāo)準(zhǔn)、高頻率的復(fù)雜應(yīng)用場景中實現(xiàn)高可靠商用。楊旸博士與團(tuán)隊從語音表現(xiàn)力的語言學(xué)本質(zhì)再出發(fā)，深入研究和分析了人類語音復(fù)雜的韻律變化和生成規(guī)律，提出了“跨語句的條件變分自動編碼器文本轉(zhuǎn)語音算法”（CUC-VAE），它通過從現(xiàn)有文本前后語句中提取上下文相關(guān)的韻律特征，并有效整合當(dāng)前文本信息和說話人狀態(tài)，實現(xiàn)了對每個音素韻律變化的后驗概率分布的準(zhǔn)確估計和利用。相比于傳統(tǒng)的VAE和CVAE算法從標(biāo)準(zhǔn)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(jìn)行采樣，所生成的韻律變化與上下文相關(guān)，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(lián)網(wǎng)應(yīng)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(zhuǎn)語音算法》），已發(fā)表在自然語言處理領(lǐng)域的國際頂級會議ACL。

圖3：文本轉(zhuǎn)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(qū)分出不同的前后語句環(huán)境

算力網(wǎng)絡(luò)的資源管理和任務(wù)調(diào)度

在智能物聯(lián)網(wǎng)的應(yīng)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(yīng)等服務(wù)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(shù)。異構(gòu)的邊緣計算設(shè)備有著不同的硬件資源（如CPU和GPU）和運行環(huán)境，它們能為終端用戶運行和完成各種任務(wù)，并產(chǎn)生不同的資源占用成本和服務(wù)質(zhì)量。然而，如何合理區(qū)分各種計算任務(wù)，并把它們高效地分配給最適合的異構(gòu)邊緣計算節(jié)點，是一個極具挑戰(zhàn)的學(xué)術(shù)問題。針對這些邊緣計算硬件設(shè)備的異構(gòu)性，以及用戶任務(wù)服務(wù)質(zhì)量需求的多樣性，楊旸博士及團(tuán)隊提出了服務(wù)編排和任務(wù)調(diào)度的新思路和新方法，在滿足各類用戶的服務(wù)等級協(xié)議的同時，有效降低系統(tǒng)資源占用的總成本。以計算機視覺應(yīng)用為例，作者們設(shè)計了名為“邊緣視覺”（EDGEVISION）的系統(tǒng)服務(wù)架構(gòu)，在異構(gòu)的邊緣計算設(shè)備上實現(xiàn)了多種計算機視覺應(yīng)用的高效任務(wù)區(qū)分和服務(wù)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(gòu)邊緣平臺上的任務(wù)劃分及編排：以視覺應(yīng)用為例》），已發(fā)表在物聯(lián)網(wǎng)領(lǐng)域的國際頂級期刊IEEE Internet of Things Journal。

圖4：任務(wù)調(diào)度新算法MLTS/MCTS（藍(lán)色）有效降低了系統(tǒng)總成本和邊緣服務(wù)時延

針對復(fù)雜多變的無線信道環(huán)境和多層次的移動通信網(wǎng)絡(luò)架構(gòu)，楊旸博士與團(tuán)隊提出了基于大規(guī)模多天線中繼節(jié)點輔助的多層次算力系統(tǒng)，來增強復(fù)雜用戶任務(wù)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(wù)卸載給附近由大規(guī)模多天線中繼節(jié)點所構(gòu)成的計算和緩存資源，或者分配給由霧接入網(wǎng)絡(luò)所鏈接的云計算資源。然而，如何綜合考慮任務(wù)調(diào)度、服務(wù)緩存和功率分配等不同需求，實現(xiàn)多用戶任務(wù)調(diào)度的總體時延最小化，是一個很有挑戰(zhàn)性的學(xué)術(shù)問題。團(tuán)隊分析了無線信道狀態(tài)信息不完備的負(fù)面影響，將其建模為一個強健的非凸優(yōu)化理論問題，并提出了一個有效的替代優(yōu)化算法。首先，針對給定的任務(wù)分配和服務(wù)緩存結(jié)果，該算法通過將非凸功率分配優(yōu)化問題轉(zhuǎn)化為一個簡單的線性優(yōu)化問題來解決。其次，采用經(jīng)典的拉格朗日（Lagrange）部分松弛方法將任務(wù)分配和服務(wù)緩存的限制條件放松，構(gòu)建和解決了相應(yīng)的對偶問題，獲得任務(wù)分配和軟件緩存結(jié)果。最后，基于這些初步結(jié)果，團(tuán)隊提出了一個迭代優(yōu)化算法來找到任務(wù)調(diào)度、服務(wù)緩存和功率分配的聯(lián)合優(yōu)化結(jié)果。仿真結(jié)果顯示，新算法的總體性能優(yōu)于傳統(tǒng)的標(biāo)準(zhǔn)方法，即采用等效信干噪比（SINR）來漸進(jìn)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(guī)模MIMO輔助多層次算力網(wǎng)絡(luò)的聯(lián)合任務(wù)調(diào)度與緩存》），已發(fā)表在通信領(lǐng)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(tǒng)參數(shù)和應(yīng)用場景下都能夠有效降低服務(wù)時延

多智體反饋神經(jīng)網(wǎng)絡(luò)框架和應(yīng)用

深度神經(jīng)網(wǎng)絡(luò)在計算機視覺、自然語音處理、語音合成、人工智能游戲等領(lǐng)域取得了突破性的進(jìn)展，但現(xiàn)有的大部分神經(jīng)網(wǎng)絡(luò)框架只支持單向的數(shù)據(jù)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(fā)，楊旸博士及團(tuán)隊提出了“多智體反饋神經(jīng)網(wǎng)絡(luò)”（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(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的反饋學(xué)習(xí)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(tuán)隊創(chuàng)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(jīng)網(wǎng)絡(luò)），已發(fā)表在無線通信領(lǐng)域的國際頂級期刊IEEE Transactions on Wireless Communications。

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

在跨領(lǐng)域應(yīng)用方面，MAFENN框架首先被用于設(shè)計基于深度學(xué)習(xí)的無線信道智能均衡器，其中內(nèi)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(tǒng)的無線信道均衡器相比，基于MAFENN框架的智能均衡器在復(fù)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(tǒng)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(yīng)、大氣損耗、雨衰、材料穿透阻擋等環(huán)境因素的嚴(yán)重干擾，團(tuán)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(nèi)生的反饋糾錯機制能夠高效準(zhǔn)確地修復(fù)和分類受損嚴(yán)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(zhì)量和服務(wù)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(zhǔn)性和實用性。這些相關(guān)的跨領(lǐng)域應(yīng)用研究成果已發(fā)表在通信領(lǐng)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(tǒng)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(zhǔn)確地修復(fù)和分類受損嚴(yán)重的無線視頻幀，CIFAR-10 數(shù)據(jù)集