-
公开(公告)号：CN119544121A
公开(公告)日：2025-02-28
申请号：CN202411599610.8
申请日：2024-11-11
Applicant: 重庆大学
IPC: H04B17/391 , G06F18/25 , G06N3/0464 , G06N3/042 , G06N3/084
Abstract: 本发明涉及一种多源数据特征融合的无线网络流量预测方法，属于数据预测技术领域，包括以下步骤：S1：获取历史时刻的网络的历史流量数据，将网络流量转换成热力图；S2：采用残差卷积模型，将相邻区块的流量特征和不同时间跨度下的历史流量特征进行融合，得到流量融合特征；S3：使用卷积网络将天气特征融合为外部特征，将流量融合特征和外部特征融合，得到多源数据融合特征；S4：将多源数据融合特征划分为训练集和测试集，对基于图卷积网络的无线网络流量预测模型进行训练并测试。
-
Patent Agency Ranking
公开(公告)号：CN118861630B
公开(公告)日：2025-04-01
申请号：CN202411041143.7
申请日：2024-07-31
Applicant: 重庆大学 , 西南大学 , 航天新通科技有限公司
IPC: G06F18/213 , G06F18/25 , G06F18/26 , G06N3/042 , G06N3/0464 , G06N3/084 , H04W24/06 , H04W84/18
Abstract: 本发明涉及多模态网络技术领域，具体为一种无线传感网络主特征提取方法、系统、装置及存储介质，包括：S1、接收无线传感网络数据；S2、根据无线传感网络的数据模式，构建目标损失函数，评估无线传感网络主特征及主特征提取的运算和优化过程；S3、根据无线传感网络数据，构建描述节点间时空关系的邻接张量，根据无线传感网络数据和邻接张量，提取主特征，并进行融合，提取符合预设精度要求的融合的主特征，并进行存储。本方案作用于无线传感网络数据，能进行符合统计规律的、准确度高的主特征提取，以解决现有技术无法针对现代大型算网系统中的无线传感网络，进行高精度的蕴含时空模式的主特征提取的问题。
-
公开(公告)号：CN118861630A
公开(公告)日：2024-10-29
申请号：CN202411041143.7
申请日：2024-07-31
Applicant: 重庆大学 , 西南大学 , 航天新通科技有限公司
IPC: G06F18/213 , G06F18/25 , G06F18/26 , G06N3/042 , G06N3/0464 , G06N3/084 , H04W24/06 , H04W84/18
Abstract: 本发明涉及多模态网络技术领域，具体为一种无线传感网络主特征提取方法、系统、装置及存储介质，包括：S1、接收无线传感网络数据；S2、根据无线传感网络的数据模式，构建目标损失函数，评估无线传感网络主特征及主特征提取的运算和优化过程；S3、根据无线传感网络数据，构建描述节点间时空关系的邻接张量，根据无线传感网络数据和邻接张量，提取主特征，并进行融合，提取符合预设精度要求的融合的主特征，并进行存储。本方案作用于无线传感网络数据，能进行符合统计规律的、准确度高的主特征提取，以解决现有技术无法针对现代大型算网系统中的无线传感网络，进行高精度的蕴含时空模式的主特征提取的问题。
-
公开(公告)号：CN119450726A
公开(公告)日：2025-02-14
申请号：CN202411599612.7
申请日：2024-11-11
Applicant: 重庆大学
IPC: H04W72/0446 , H04W72/512
Abstract: 本发明涉及一种时敏流从DetNet跨域至TSN的融合调度方法，属于远距离时敏应用通信技术领域，包括以下步骤：S1：利用网络演算曲线模型刻画时敏流经过DetNet调度机制的输出累积函数；S2：利用网络演算曲线模型刻画时敏流经过DetNet调度机制的输入累积函数；S3：根据输入累积函数与输出累积函数的最大水平距离构建时敏流经过DetNet的最坏消耗时延模型；S4：结合跨域时敏流的最小剩余时延需求严格设计TSN调度机制。本发明保障时敏流经过DetNet调度至TSN时可以根据TSN调度机制按时输出，使得时敏流能够在多种调度机制融合的网络中实现端到端的确定性传输。
-
公开(公告)号：CN107222290B
公开(公告)日：2020-04-28
申请号：CN201710015191.2
申请日：2017-01-09
Applicant: 重庆大学
Abstract: 本发明提供的快时变信道下非数据辅助的误差矢量幅度自适应调制方法，首先采用QAM进行调制，然后接收端估算信道的相干时间，统计相干时间内发送的符号数；其次根据当前调制阶数的数据符号计算出所有调制阶数的NDA‑EVM值，以及当前信道下各调制阶数的NDA‑EVM对应的误码率；最后在指定误码率的条件下，选择当前最优调制阶数，返回执行下一轮的调制阶数调整。该方法与SNR‑AM和DA‑EVM‑AM相比，NDA‑EVM‑AM可提高信道质量评估与调制阶数选择的实时性和准确性，进而提升系统的频谱利用率，最高可提升0.82bit/s/Hz和0.53bit/s/Hz。
-
公开(公告)号：CN107222290A
公开(公告)日：2017-09-29
申请号：CN201710015191.2
申请日：2017-01-09
Applicant: 重庆大学
Abstract: 本发明提供的快时变信道下非数据辅助的误差矢量幅度自适应调制方法，首先采用QAM进行调制，然后接收端估算信道的相干时间，统计相干时间内发送的符号数；其次根据当前调制阶数的数据符号计算出所有调制阶数的NDA‑EVM值，以及当前信道下各调制阶数的NDA‑EVM对应的误码率；最后在指定误码率的条件下，选择当前最优调制阶数，返回执行下一轮的调制阶数调整。该方法与SNR‑AM和DA‑EVM‑AM相比，NDA‑EVM‑AM可提高信道质量评估与调制阶数选择的实时性和准确性，进而提升系统的频谱利用率，最高可提升0.82bit/s/Hz和0.53bit/s/Hz。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
