-
公开(公告)号：CN116954522A
公开(公告)日：2023-10-27
申请号：CN202311089522.9
申请日：2023-08-28
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 海南俊码数据研究院有限公司
Inventor： 徐东 , 武秋燕 , 孟宇龙 , 卢中玉 , 赵佳媛 , 刘芳玮 , 杨梓韵 , 蔡成涛 , 王巍 , 赵伟 , 王小芳 , 李承国 , 李冰洋 , 吕宏武 , 吕继光 , 谢晓芹 , 郑丽颖 , 王红滨 , 李熔盛 , 初妍
Abstract: 本发明公开了一种基于IPFS的区块链存储优化方法，包括：构建区块安全性判定模型，获取高安全性区块和低安全性区块；上传UTXO集结合所述高安全性区块，通过压缩所述高安全性区块生成摘要块并更新所述UTXO集，将所述摘要块广播给其他节点存储，其他节点将接收到的所述摘要块进行安全性验证后进行存储；所述低安全性区块直接存储本地节点；所述摘要块通过首尾链接形成摘要链，利用所述本地节点存储所述摘要链代替完整高安全性区块，完成区块链存储优化。本发明能够一定程度缓解区块膨胀问题，减轻节点存储开销的效果，能有效响应交易验证和提高交易处理速度。
-
公开(公告)号：CN117195237A
公开(公告)日：2023-12-08
申请号：CN202311256715.9
申请日：2023-09-26
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 海南俊码数据研究院有限公司
IPC: G06F21/57 , G06F18/2431 , G06F18/2413 , G06F18/214 , G06N3/045 , G06N3/0442
Abstract: 本发明涉及一种面向智能合约的漏洞检测系统及方法，该系统包括：数据预处理模块，用于收集智能合约，将所述智能合约进行无用信息删除、以获取包含与漏洞形成有关的智能合约切片，将所述智能合约切片进行不同漏洞种类标注，获取标注结果；特征提取模块，用于基于所述标注结果，构建智能合约漏洞检测模型，基于所述智能合约漏洞检测模型，获取检测结果；分类模块，用于对所述检测结果进行分类，完成漏洞检测；所述数据预处理模块、所述特征提取模块和所述分类模块依次连接。本发明通过对智能合约的源代码进行切片检测，降低了输入信息的长度，减少了训练的工作量，使代码片段中有用的部分更加密集，提升了智能合约漏洞检测系统的可靠性和准确性。
-
公开(公告)号：CN116796984A
公开(公告)日：2023-09-22
申请号：CN202310789090.6
申请日：2023-06-29
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 知软技术(上海)有限公司
Inventor： 玄世昌 , 张静逸 , 苘大鹏 , 蔡成涛 , 王巍 , 周卫红 , 程雪蕾 , 陈征平 , 毕晓燕 , 孟宇龙 , 吕继光 , 吕宏武 , 冯光升 , 徐东 , 郭方方 , 李伟
IPC: G06Q10/0631 , G06Q10/0639
Abstract: 本发明公开了一种移动群智感知系统中的用户选择方法，包括：基于用户所在位置与任务区域位置之间的距离获取用户的移动能力和历史任务能力，对用户的移动能力和历史任务能力进行计算，获得用户的实效能力；获取用户的直接交互评价和间接推荐评价，对直接交互评价和间接推荐评价进行计算，获得用户的全局信用；对实效能力和全局信用进行计算，获得用户的综合指标，基于用户的综合指标选择用户。本发明提出的用户选择方案能够选择具有强实时性和可靠数据的高质量用户候选者作为感知任务中上传感知数据的工作者，不仅能够抵御移动网络中不可靠的数据聚合，而且满足了任务发布者获取有效数据的要求，达到了移动群智感知系统健康持续发展的目的。
-
公开(公告)号：CN110611902B
公开(公告)日：2022-08-02
申请号：CN201910884528.2
申请日：2019-09-19
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于上下行频谱联合复用的D2D资源分配方法，属于无线通信技术领域。本发明首先对D2D信道分配变量和相关的约束条件进行建模；分别对复用模式下D2D用户和蜂窝用户的传输速率进行建模，以最大化D2D网络的吞吐量为目标，将D2D资源分配问题构建为混合整数非线性规划问题Φ；将问题Φ分解为功率分配问题Φ1和信道分配问题Φ2；利用拉格朗日对偶理论将问题Φ1转化为凸优化问题；将问题Φ1的解代入到Φ中，得到问题Φ2，将其转化为二分图最大权匹配问题，然后利用Hopcroft‑Karp算法进行求解，直到实现所有D2D用户的最佳信道资源分配，进而实现D2D网络吞吐量的最大化。
-
公开(公告)号：CN111083637B
公开(公告)日：2021-04-30
申请号：CN201911402611.8
申请日：2019-12-31
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无线定位技术领域，特别是涉及一种联合MIMO基站与非MIMO基站的高精度定位方法。该方法包括以下步骤：获取MIMO通信基站的基站标识符以及天线数量；由MIMO通信基站发送PRS定位参考信号；获取非MIMO辅助定位基站的基站标识符；由非MIMO辅助定位基站发送PRS定位参考信号；移动用户设备接收来自MIMO通信基站和非MIMO辅助定位基站的定位参考信号波形，并选取MIMO通信基站作为基准基站，计算出信号到达时间差和信号到达角度；根据所获得的信号到达角度和信号到达时间差混合解算移动用户设备的位置。本发明减少了阵列天线的需求数量，降低了基站硬件要求，节约了成本。提升了信号质量和可用基站数量，提高了定位的稳定性。提高了移动用户设备的定位精度。
-
Patent Agency Ranking
公开(公告)号：CN112055306A
公开(公告)日：2020-12-08
申请号：CN202010955879.0
申请日：2020-09-11
Applicant: 哈尔滨工程大学
Abstract: 本发明属于室内定位技术领域，具体涉及一种用于减小TDOA定位误差的参考基站选择方法。本发明解决了LOS和NLOS混合的环境下如何选择参考基站的问题，避免参考基站NLOS误差导致所有TDOA值都含有NLOS误差的极端情况，从而保证参考基站测量精度，进而提升定位精度。本发明的一种用于减小TDOA定位误差的参考基站选择方法可以识别出测量误差较小的基站，以这个基站为参考基站可以减小TDOA定位误差。
-
公开(公告)号：CN108990148B
公开(公告)日：2020-09-25
申请号：CN201811017199.3
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明属于室内定位方法领域，具体涉及一种面向室内协作定位的参考点选择方法。包括一种面向固定参考点不足的参考点选择算法和一种面向固定参考点冗余的参考点选择算法，本发明针对固定参考点不足的场景，采用近邻加权的参考点选择算法，通过对移动参考点的权值进行分配和择优选取，从而选择出满足权值较大部分的参考点，解决移动参考点位置误差带来的定位结果干扰问题；针对固定参考点冗余的场景，采用特征匹配的参考点选择算法，通过历史选择方案记录和修正后选择记录的信息，进行特征匹配而选择出最为相似的参考点组合方案。这两种算法结合使用，减小了定位误差，提高了定位精度，应用前景广阔。
-
公开(公告)号：CN111432364A
公开(公告)日：2020-07-17
申请号：CN202010216383.1
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于径向基函数神经网络的非视距误差抑制方法，包括：将原始多径TOA样本数据进行标准化分类预处理，得到标准化分类的多径TOA样本数据；建立径向基函数神经网络，并使用量子人工蜂群对径向基函数神经网络进行优化，该径向基函数神经网络由隐层和输出层组成；由标准化分类的多径TOA样本数据训练径向基函数神经网络；使用径向基函数神经网络识别并剔除未知多径TOA数据中的非视距误差。本发明提高移动用户设备的定位精度；不增加任何额外冗余基站，降低部署成本；不带来额外的解算复杂度，提升定位效率。
-
公开(公告)号：CN110992126A
公开(公告)日：2020-04-10
申请号：CN201911066246.8
申请日：2019-11-04
Applicant: 哈尔滨工程大学
IPC: G06Q30/06
Abstract: 本发明属于无线通信技术领域，具体涉及基于流量分享的超额预售方法。本发明根据数据购买者不同的QoS偏好以超额预售方法提供不同的数据共享服务，允许数据购买者取消订单，提高数据共享服务的灵活性。本发明能够保证数据流量交易管理者获得经济收益，使数据购买者可以选择不同QoS的网络服务，并允许数据购买者取消预订和超额预售，提高数据流量交易过程中的灵活性的同时优化管理收益。本发明关注数据共享过程中的平台管理收益，以超额预售方法降低管理平台的数据流量虚耗，减少管理经济损失，优化平台管理收益，以提高数据共享过程中管理者参与积极性。本发明可用于管理数据流量交易，为用户提供网络服务。
-
公开(公告)号：CN110535700A
公开(公告)日：2019-12-03
申请号：CN201910813878.X
申请日：2019-08-30
Applicant: 哈尔滨工程大学
IPC: H04L12/24
Abstract: 本发明公开了一种多用户多边缘服务器场景下的计算卸载方法，属于移动云计算领域。本发明包括以下具体步骤：1.控制器依据收集到的全体用户信息及系统的目标，利用多用户多边缘服务器场景下的计算卸载建模方法对多用户多边缘服务器计算卸载问题进行建模，得到双层优化模型。2.控制器根据上一步得到的初始问题模型的特点，将原始的双层优化问题转化为等价的单层优化问题。3.控制器利用分支限界法对上一步得到的单层优化问题模型进行求解。本发明本发明提出的方法同时考虑到用户的计算时延和计算能量问题，满足用户需求的多样性，极大的提高了经济效益；发明提出的方法同时考虑用户在本地和云端计算代价，有效减少了总体用户的计算代价。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.024 seconds)
