问答及答辩结果在线视频

好 我先问一个问题

就是说第一点

就是你在这个

这个信道汇聚的时候

我觉得你里面很多工作

可能是在信道

就是你不管你知不知道

它在很明确的情况下

用这办法就可以

但是如果它的信道在动态变化

这个用户在不断的变化

这是我觉得这个

可能是一个比较现实的问题

是怎么去做 怎么考虑的

这第一个问题

第二个问题

就是你在你的论文

里面有一个第一部分

就是说你特别写了一下

这个算法是

该问题目前最好的结果

这个结果你是通过

理论证明的

还是通过实验去做出来的

这是我想就这两个问题

好 谢谢杨老师

第一个问题就是

动态变化的情况

也是我们也在考虑的一个问题

就是我在future work里面也列了

就是说我们以后会考虑

因为这个问题很难去模拟它

就是我和我师弟

他们也在做这方面研究

就是说

说当用户的信道动态变化的时候

但是怎么去模拟它

比如说是用动态泊松

还是用什么过程

这是一个比较难的问题

那实际上就是应该把这个

这个信道的变化

你首先是建模

对对

现在这个问题是比较难的

还没有比较好的结果

然后我们也做一些研究

就是还在投当中

还没有结果目前

还没有 就是文章还没中

还没有什么特别好的结果

这个问题也是在做

因为我觉得这个问题

是特别重要的

因为实际中确实用户的

用户的占用可用信道会

就是特别是主要用户

primary user它会占用那些信道

这种情况下我们应该考虑

怎样让那些次要的secondary user

能够立刻释放这些信道

这也是一个很重要的问题

就是这个我们会在以后的研究中

就是更进一步做这块研究

那第二个问题就是说

就这个问题是目前最好的结果

第一就是

我们第一有复杂度的比较

就是说是什么

理论证明

理论证明

第二就我们也做了很多实验

只是说我在我的那个展示里边

没有把实验部分放进去

我在后面有很多

也不是实验 就仿真

做了很多仿真

大量的仿真

就我们的算法在绝大多数情况下

都是很好的

这只是你现在

我觉得它也是对

就是说现在目前的结果是最好的

对对

但是你的算法不是最好的

但是你算出来的结果是最好的

对对

而且就是有的问题

是有一些理论的下限的

比如说那个基于global sequence的下限

我们是给了一个O(N^2)

但是我们现在的距离

应该差不多3N平方左右

就是我们也在想办法降低

就是能够越来越接近

那个理论的下限

虽然说是就是nearly optimal

但是还不是optimal

我们还在想办法把它降更低

这是正在一个考虑的问题中

我提几个问题

好 请说

第一个我就是说想问问你这个

因为你在那个论文里说

你说每一个无线的设备

都要可能配置认知无线电

然后我就想问问

你这个是面向什么样的这种用户

就是说你这个设备

是那种大的那种

那种计算能力特别强的装备

还是说是一般的那种

小的一些设备

因为我看你所有的工作里头

可能你没有一个评估

或者说是一个量化的一个分析

就是说你的这些算法呀

或者是什么呀

大概可能会实现在

对什么样的一类的那种设备

可能有这个实现的这种可能性

好的

这个有评估吗

因为这个问题是这样的

就是现在在认知无线电网络

这一块

没有特别好的那种

就是实际的

实际的东西还没做出来

没有做的特别好

就是在国外像那个

国外微软

像微软之前做了类似的东西

但它只能去探测信道

它还没有实现后面的

一些后续功能

就是现在没有这么一个

很好的原型

所以就只能做一些

比较仿真性的结果

就是没有实验

但是我是觉得

它这个能够应用在

最简单的例子

应用在手机上

手机能够去探测信道

因为现在手机特别多

而手机都占用了

这些免费的信道

很拥挤

那么以后如果手机

能够去探测那些已付费的信道

去占用那些信道

将会很好解决这个问题

那大型设备的话

这个是否可行

我们也不得而知

因为现在还具体不知道

但我觉得在小型设备上

应该是可以实现的

我想的和你有点相反

因为我觉得那些大型设备

可能计算能力更强一些

很强

小型的可能有一些

受到计算能力的限制

对对

我的意思是说

小型可能会比较方便

就对于我们移动

就是移动的（用户）来说

这还一个问题

我就是说其它几个

也都不算是问题了

实际上我看你这个论文以后

我是有一点建议

我不知道那个

一个就是我觉得

你做了好多的算法

对

你每一章里边

每一个部分的问题都有

而且你这些算法

其实还是都有这些问题

都是有挺密切的关联性

对对

我倒是希望

我不知道你是不是在第一章

或者是最后总结的那部分

可能是不是把你这些所有的贡献

要总体的有一个

一个那种总结性的

一个综合性的

一个系统性的一个评价

比如说你肯定不是说就是

因为你文章发的很好

都是这个顶级的会

但是总体来说

我觉得你这个

这好几年的工作

应该在某一个区域

或者某一个地方

应该有一个整体的

贡献的一个体现

所以可能或者在最前面

就是论文架构

贡献的评估那一块

可能会有一个总体的描述

会更好一些

然后你的工作

这个价值会更高

这是一个

还有一个就是

我看你所有仿真的部分

你可能都没介绍

你的仿真的条件

包括你用的什么工具

你用的什么平台什么的

你就基本上都是说

我用了大量的仿真

然后我怎么做的

但是可能有一个地方

要介绍一下

那个总体的那个仿真平台

你这样的话

别人可能最起码知道

你这仿真是怎么做的

我其实现在也不知道

你用的Matlab

你还是有专门的

一个simulation的

一个什么tool

还是用的什么

你这个用的什么呀

第一个就是

这个是用的就是一般是

C++和Matlab都用

就是我们是结合的

确实这应该写上去

对 你这个可能要整体介绍一下

就是这点介绍一下

还有最后一个问题

最后一个问题就是说

我看那个你这个论文里头

写了十五章

然后是按照一个

一个部分一个部分那样写的

对对

我不知道这个

是清华的那个format

是可以这样吗

还是 还是你自己创造的

因为我看有的

你像那个你第五章

包括第十一章

它只有三个page

是不是有点太那个

有点短了还是

这个我不知道

因为反正我们一般就是

大概有个六七章什么的

就基本上就可以了

然后你是按照一个部分

一个部分

对

因为那个主要是参照一些

国外比较优秀的博士论文

比如黄老师他们的博士论文

就我参照

这样按每个部分写

就那两部分是因为

就是因为那两部分

主要解决是对于

多跳网络中

多个用户之间的问题

而这个问题很简单

对 我看出来了

你前面重点讲的是

对对 两个用户

比如说一对一的

对对

然后最后你还要从这个逻辑上

你要完整一下

你要再加上一个三个page

对对对

我看出来你是这个意思 对

另外崔老师

那个贡献我是在结束

最后一章也提了

就我把列出了很多表

但是没有像崔老师您说的

就是列出一些具体的贡献

那确实没列

就是我在最后一章

列了一些相关的表格

就是说它结果怎么怎么样

好

谢谢崔老师

好 我提几个问题

第一个问题

就是在你谈到那个

刚才PPT谈到那个

局部序列分布式信道汇聚算法的时候

你提到一个就是

用户ID和他的local sequence

它这个用户ID

和这个local sequence有什么关系呢

刚才PPT上没太看清楚

有

其实是这样的

就这块我也没有特别详细的介绍

因为就是如果说

在第一个部分

我是介绍global sequence

那是因为用户他没有别的信息

那么他们只能运行

一个同样的算法

但如果说用户有ID

其实他们可以运行

不一样的算法相当于

比如说我们

我和另外一个同学有ID

那么我可以始终在一个地方等

就相当于普通的汇聚问题

我可以在一个地方等

而另外一个用户可以来找我

那他总能找到我

所以说这个ID

其实在这一块

就发挥了这么一个作用

我的意思说

你比如说用户ID 1

换成3

它是不是要变它的sequence

会变会变

会变

就每个sequence是根据ID变的

这只是举了一个例子

但是它那个结果

汇聚的那个

复杂度是不变的

复杂度是不变的

就是那个sequence会变

因为sequence相当于

ID就是给了人一个

相当于一个标志

就是他是主动去寻找

还是他要被动去等待

相当于给这么个标志

而在global sequence里面

因为他们没有ID的话

他们就不能做这样的事情

他们就只能不断的去跳

就是根据一个sequence

去访问信道

就不能像这样

有一个role在里面相当于

那你在第九章当中

整篇文章当中

有大量的理论分析

我觉得这个是非常好

那第九章当中

这个非匿名用户的

完全分布式信道汇聚算法当中

它的最坏情况

应该是O（N的立方） 是吧

但是那个可用的信道个数

就是在多少

很多情况下是平方

它有一种特别坏的情况

可能是立方

但那种情况

我们也验证

是几乎不会发生的

就是概率特别特别小

还有一个问题就是

就是你其中的CBH算法

你说在大部分情况下

就可以在max

Ca，Cb平方的情况下

来实现汇聚

对对

那你怎么来证明呢

你是通过仿真来证明

不是 都是理论分析

都是理论分析

理论分析过后

我再通过仿真来验证这个算法

和之前算法的性能上的比较

理论分析就简单来说

主要是分两块吧 因为就是

你有没有就是仿真结果进行比较

也有也有

有验证 有验证 有比较

其实主要思路

就是根据这会做一个

就是ID会convert

成立一个（位）串

就跟这个（位）串

因为它只有两个信息其实是

就是两个信息

其实是很难做的

那么我们会把它

的ID进行convert

其实跟这个（位）串的长度

和这个素数有关

如果说这两个用户

convert过后

这个ID（位串）的个数都是两个的话

它们在素数不同时

就能保证汇聚

就如果说素数

就如果两个素数相同的话

那么他们convert这个ID

会不一样

就相当于是这么一个大概的思路

再用一些中国剩余定理

一些别的数学工具就能分析

还有看你这个论文

所有的都是仿真

有没有testbed

没有没有

因为现在这块没有

刚才

可能跟论文不是特别相关的

就是有没有考虑在实现的时候

一些实际问题

就是说两个用户

同时选择某一个信道

就是空洞这种问题是吗

就是这种没考虑

因为

就是说他怎么知道

具体的一些实现问题

实现没考虑

因为实现其实还需要考虑

很多别的问题

比如说他们怎么握手协议

怎么考虑别的

都还 就是因为现在

还没有一个原型的话

就是没法继续做

继续实际的东西

所以现在没有做

但是那块我

今年应该有人开始做一些

就是基于rendezvous过后

更加

就是更加深入的分析

比如说怎么做broadcast

怎么做一些aggregation

就是也有做这样的工作的

现在

都是理论的

对对

如果要能够有一些testbed

可能很快被工业应用

可能会有帮助

对对对

这是很好的建议

对

还有一个就是

这个很多的公式

可能也没

仔细看 有的变量

含义有的地方没看到

应该都有解释

前面有解释

有解释是吧

对对

再一个比如说像第十四章当中

你这个你有没有一些对比实验

你光说自己的算法

比较好

有

肯定有别的一些算法

对对

就是你说的这个heterogeneous

我是跟他的算法做了比较的

你是在这个第十四章提出这个

对对

TP和MTP

分布式信道汇聚算法

对

我看就是光有你自己的一个算法

有比较吗

有有有

有比较

对对

都有对比

那么有没有说就是

这个

就是说是在所有的情况下

你的算法都是较好的

还是说在某些程度上

你的好别的算法也好

就是这种情况下

Fully avalable这种情况下

我们的算法绝对比它好

因为我们是线性的

其实它可以理解成

是一个平方级的

然后我们其实是个线性的

是max(Ca，Cb)

在这种情况下

我们跟他们相比

就是说如果说VA完全等于CA的话

可能我们会差

但差也不过loglog N

所以在绝大多数情况下

我们这个MTP算法

在Partially avalable情况下

也会比它好

因为它这个是所有的

集合就是相当于信道的

可用信道个数

而且

更重要的一点是说

就是他们这个算法只适用于

就是说连续的信道

因为前面也讲

就是heterogeneous

这个网络中它的信道是连续的

但是我们这个算法在

它的信道不连续

也是可以适用的

就是我们适用范围更加广

好

谢谢牛老师

我就问两个问题

第一个是你之前在文章里面说

那个global sequence

跟DRDS

时equivalent

对对

然后你算法可以算

是基于DRDS

对对

所以是不是说

如果直接基于

global sequence来做

会比较难吗

还是说它其实没有本质上的区别

对 比较难

因为不知道该怎么去设计

这么一个global sequence

就是我们相当于引入了一个工具

就是因为如果我们有

DRDS过后

我们就能够根据这个DRDS

去设计这个global sequence

其实它们难度

应该算是等价的

因为这两个是完全等价的

就是我也证明了

一个global sequence

可以还原成一个DRDS

那么任何一个DRDS

也能还原成一个

good global sequence

最后也证明是等价的

但是说现在没有一个很好的

大家没有一个很好的方法

去构造这么一个好的

good global sequence

所以我就提出这么一个

基于DRDS的方法

我下一个问题是

你提到那个一个extension是stochastic case

我想听一下现在stochastic case

大家做到一个什么样的

不好意思哪一种情况

比如说有随机的情况的时候

大家现在是做到了

什么样的程度了

据我们了解应该只有

就是

应该就我们，还有我学弟

我们一起做的

应该算是

就是考虑它信道

比如说以某种概率

就是相当于

这个信道以P的概率

比如说是均匀分布的

就是以P的概率可用

或者以1-P的概率不可用

在这样的情况下

我们做出来一些结果

比如说如果它是一个

泊松的概率

就是没有考虑一种

在一个时间它已经可用了

在下一个时间

它有多少概率变成不可用

这么一个过程

就还没有考虑

就考虑现在独立了

没有考虑这种连续性的

独立了我们有考虑

所以就是说现在这个方向

做的人不多

对

不多

谢谢 黄老师

我问一个

就是你现在做的

是rendezvous做的就是汇聚

对

是两点之间

找到它们那个共同信道

进行通信

那么现在就是我也跟你讨论过

就是现在在物联网当中

比方说我们撒了很多传感器下去

我怎么样让每一个传感器节点

找到它的邻居

就像neighbor discovery

邻居发现是吧

对

就是说我就想了解一下

因为我们也讨论过一些

neighbor discovery的工作

我就想这个rendezvous

和这个neighbor discovery

它有一些这个

联系和区别在哪个地方

如果说

你不可能两个之间先rendezvous

然后两个交换一下

我就知道它的邻居是吧

对

就是有没有直接的neighbor discovery

更实际一点

在传感器网络中

neighbor discovery主要是说

就是说两个用户

因为它传感器是

能量很有限的

那它应该在什么时间醒来

去发现对方

它主要是那个醒来

就涉及一个序列相当于

比如说有十个时间

我应该在哪几个时间醒来

去找对方

使得A醒来过后

B也同时醒来

那么它们俩发现对方

它主要是做这一个过程

那做这个过程

和rendezvous

其实有很多相象之处

因为它相当于也可以看成

两个序列

然后怎样的设计一个算法

它能够在同一个时间

同一个时间醒过来

或者同一个时间汇聚

可以这样理解

这就是在传感器网络

一般现在的neighbor discovery

是基于这个唤醒时间

然后基于

如果我们把它

如果在多（跳）网络

多个用户的话

现在一般的做法就是说

假设说两个用户能够汇聚了

那么它就交换信息

但是现在我们也在考虑就是说如果当用户

就是说用户并没有

一个共同的信道

那么他可能会建立一些不同的

相当于在一些不同的信道上

实现汇聚

这样其实也能建立这么一个

认知网络

但现在的所有算法都假设说

有一个共同信道

那么他们就只能交换信息

交换信息过后

然后再去构造这个认知网络

因为neighbor discovery

它一个节点

可能有很多个邻居了

对对对

其实它那个主要就是

为了能够唤醒

而且也很少考虑那种

就是有干扰的情况

比如今年我们

INFOCOM开会的时候也有人做这方面的研究

但是他们对干扰这块考虑

都不是特别多

可能这个我觉得也是

在neighbor discovery里面一个

很好的前景

没有问题我们就这个

答辩先到这里

暂时休息

下面我代表答辩委员会

来宣读一下答辩的决议

清华大学博士学位论文答辩

委员会决议书

答辩委员会对论文

及答辩情况的评语如下

顾钊铨同学的博士论文

针对认识无线电网络中

信道汇聚问题

研究了盲目信道汇聚

忘却盲目

信道汇聚和异构认知无线电

网络中盲目信道汇聚问题

论文选题具有重要的理论意义

和实际价值

创新工作如下

第一针对盲目信道会聚问题

分别设计了基于全局序列

和局部序列的确定性

分布式信道汇聚算法

可保证不同类型的用户

可以快速实现信道汇聚

理论分析和仿真结果表明

该算法的有效性

第二首次提出忘却盲目信道

汇聚问题

并针对匿名用户提出

随机信道汇聚算法

针对非匿名用户

提出确定性分布式算法

理论分析和仿真实验表明

这两种算法对同步和异步用户

均能实现快速信道汇聚

第三针对异构认知无线电网络中

信道汇聚问题

提出了高效的确定性

分布式算法

理论分析和仿真实验表明

该算法比现有算法

具有更快的信道汇聚效率

以上工作表明

作者掌握了本学科坚实宽广的

理论基础

和深入系统的专业知识

独立从事科学研究工作能力强

论文条理清晰结构完整

有创新性

是一篇优秀的博士学位论文

顾钊铨同学在答辩中表述清楚

回答问题正确

答辩委员会经过无记名投票表决

一致同意通过博士论文答辩

并一致建议授予顾钊铨同学

工学博士学位

好

有什么想法和建议

可以说说

首先谢谢各位老师

杨老师 牛老师 崔老师

华老师和黄老师

以及秘书王老师

谢谢您们能让我通过这次答辩

十分感谢

然后在以后的科学研究上

我会更加努力

不断的创新

争取能够为中国的

计算机科学事业

做出一份属于自己的贡献

谢谢您们！