-
公开(公告)号：CN106851770A
公开(公告)日：2017-06-13
申请号：CN201710112438.2
申请日：2017-02-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种于链路质量的车联网通信方法，车联网中的各个车辆周期性地广播Hello数据包，Hello数据包中包括源车辆ID、源车辆位置坐标、区域ID和邻接车辆列表，邻接车辆列表通过持续接收其他车辆广播的Hello数据包进行更新维护；同时车辆周期性地根据接收到的其他车辆的Hello数据包判断与邻接车辆间否存在双向链路，如果存在则进行链路质量评估；当车辆需要作为源车辆进行通信时，先根据与邻接车辆间的距离进行初步筛选，然后根据与邻接车辆间的链路质量和距离计算链路的评估值，根据评估值来选择中继节点对源车辆的信息数据包进行转发。本发明综合多种因素评估移动车辆和停放车辆与源车辆的链路来选择中继节点，以提高车联网的通信质量。
-
公开(公告)号：CN104144135B
公开(公告)日：2017-06-13
申请号：CN201410359412.4
申请日：2014-07-25
Applicant: 电子科技大学
IPC: H04L12/917 , H04L12/761
Abstract: 本发明公开了一种用于多播虚拟网络的资源分配方法，属于MVN技术领域。本发明首先采集当前物理网络信息，从MVN的跟节点开始，依次为各虚拟节点分配对应的物理节点，每映射完成一对虚拟节点和物理节点，则将其从对应的待映射节点集合中剔除，在完成每个虚拟节点的映射配置后，基于设定的时延窗口对其对应的映射物理路径进行调整，使得得到的映射物理路径满足MVN的业务传输需求，完成对应工作资源的配置。同时为了实现单失效区域下多播虚拟网络的抗毁资源分配方法，本发明在上述映射资源的配置基础上，分别从物理网络中剔除各失效区域所对应的物理节点和链路，配置关于各失效区域的冗余备份资源。本发明用于MVN的映射配置，其效率高，具备抗毁性。
-
公开(公告)号：CN106713055A
公开(公告)日：2017-05-24
申请号：CN201710107267.4
申请日：2017-02-27
Applicant: 电子科技大学
IPC: H04L12/24
CPC classification number: H04L67/1008 , H04L41/0803 , H04L41/142 , H04L41/145 , H04L41/147 , H04L41/16 , H04L41/20 , H04L43/14 , H04L67/1002 , H04L67/101 , H04L67/1031 , H04L41/00 , H04L41/08
Abstract: 本发明公开了一种虚拟CDN的节能部署方法，根据虚拟CDN历史流量数据和控制器中的预测模型(ARIMA)预测下一时间段内的网络峰值流量，然后根据峰值流量计算下一时刻虚拟CDN系统规模。同时增加几台冗余服务器以纠正预测误差。通过负载均衡器将网络流量聚合到控制器计算所需的虚拟服务器下。如此，可以增加虚拟CDN系统的利用率，节省了因CDN系统利用率较高而消耗的能量。
-
公开(公告)号：CN104243263A
公开(公告)日：2014-12-24
申请号：CN201410427321.X
申请日：2014-08-27
Applicant: 电子科技大学
IPC: H04L12/46 , H04L12/24 , H04L12/911
Abstract: 本发明公开了一种在线混合虚拟网络映射方法，将到达的混合虚拟网络请求进行分离，得到多播虚拟网络请求和单播虚拟网络请求，分别对多播虚拟网络请求和单播虚拟网络请求进行映射，在进行单播虚拟网络映射时，优先对以多播虚拟网络请求和单播虚拟网络请求中重叠虚拟节点为源节点和目的节点的虚拟链路进行映射，然后对其他虚拟节点和虚拟链路进行映射。本发明可以处理包含单播虚拟网络请求和多播虚拟网络请求的混合虚拟网络请求，并且对于传统的单播虚拟网络请求或者多播虚拟网络请求也是适用的，适用范围很广。
-
公开(公告)号：CN120050453A
公开(公告)日：2025-05-27
申请号：CN202510103433.8
申请日：2025-01-22
Applicant: 电子科技大学
IPC: H04N21/238 , H04N21/262 , H04N21/647 , H04L47/32 , H04L47/2416 , H04L47/24 , G06N3/0442 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于机器学习和启发式算法的混合传输控制方法，其包括S1接收移动流媒体应用程序生成的数据块，丢弃错过截止日期的数据块，并根据数据块的优先级，选定数据块存储至缓存区；S2判断当前时刻是否为监控间隔的整数倍，若是，则进入步骤S3，否则进入步骤S4；S3获取最近一个监控间隔内的无线网络的网络综合数据，并将其输入已训练的LSTM模型，预测得到发送数据块的发送速率，之后进入步骤S5；S4根据应用层接收端返回的ACK，采用启发式拥塞控制算法计算发送数据块的发送速率，之后进入步骤S5；S5读取缓存区中的数据块，并根据发送速率，将读取的数据块通过无线网络发送给应用层接收端。
-
Patent Agency Ranking
公开(公告)号：CN119945995A
公开(公告)日：2025-05-06
申请号：CN202510103432.3
申请日：2025-01-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于优化和机器学习双驱动的算网存资源协同分配方法，其包括获取待资源分配的所有用户请求，并将其存储至请求集合；将当前网络资源状态和算法决策状态及请求集合中未遍历的服务请求φ的服务功能m的用户状态输入已训练的DRL模型，得到服务请求φ的服务功能m及其所需的静态对象分别放置在各节点的效益权重wf、ws；将wf、ws分别拼接至算法决策状态的权重矩阵Wf和Ws，判断m是否等于服务请求φ的服务功能总数量，若是，则进入下一步，否则更新m＝m+1，并返回模型识别步骤；判断服务请求φ是否等于H，若是，则通过求解ILP优化问题和LP优化问题得到资源分配策略，否则更新φ＝φ+1，并返回模型识别步骤。
-
公开(公告)号：CN114844787B
公开(公告)日：2024-01-26
申请号：CN202210375290.2
申请日：2022-04-11
Applicant: 电子科技大学
IPC: H04L41/14 , H04L41/0803
Abstract: 本发明公开了一种支持灵活高效动态实验的网络模拟系统，属于网络通信技术领域。本发明基于容器、veth‑pair、tc等技术对网络进行模拟，以及设置的基于键值对的网络状态管理模型，从而构建了一种支持灵活高效动态实验的网络模拟系统。该系统灵活地实现了多种维度的动态性，即节点动态启停、节点属性动态配置、链路动态启停、链路属性动态配置。本发明基于网络状态管理模型，向上提供了简洁统一的动态性API接口，研究人员可在模拟网络部署后的任意时刻在自己的网络创新程序中调用API接口，从而实现高效批量、可编程的动态性管理。本发明极大地方便了研究人员在网络动态性场景下的实验工作，为网络创新注入了新的动力。
-
公开(公告)号：CN114585024B
公开(公告)日：2023-03-31
申请号：CN202210125562.3
申请日：2022-02-10
Applicant: 电子科技大学
IPC: H04W28/26 , H04W48/06 , H04L47/6275 , H04L47/72
Abstract: 本发明提出了一种5G/B5G网络的切片接入控制方法，涉及5G/B5G网络技术领域，包括以下步骤：S1、初始化接入决策；S2、根据接入决策计算各队列的累计接收率，检查各队列的累计接收率满足优先级约束的状况，对不满足优先级约束的队列进行修正，对满足优先级约束的队列进行公平性优化以得到优化结果；S3、根据优化结果更新接入决策并作为最终的接入结果；本发明提出的一种5G/B5G网络的切片接入控制方法，在网络处于高负载状态时，可以对各种服务请求的接入数量进行决策，以维持服务优先级约束并尽可能提升接入的公平性。
-
公开(公告)号：CN115361726A
公开(公告)日：2022-11-18
申请号：CN202210540268.9
申请日：2022-05-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种网络切片智能接入控制方法及系统，属于通信技术领域。本发明针对网络切片资源需求动态变化的特点，提出了跨时间窗的网络切片智能接入控制方法及系统，本发明利用资源需求预测器预测下一接入控制时间窗内的可用资源，为充分利用跨时间窗的空闲资源块提供信息基础，并利用深度强化学习实现网络切片接入控制自主决策，并能在时间窗内有效调度网络切片实例化时间，避免过于保守而导致低接受率和过于激进导致高违约率，充分利用网络资源，提高网络切片调度系统容量。
-
公开(公告)号：CN115134859A
公开(公告)日：2022-09-30
申请号：CN202210690131.1
申请日：2022-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种高动态网络中面向多样化传输需求的智能拥塞控制方法及系统，本发明的开发主要集中在应用层和传输层中，包括两个模块：一个是信道容量预测模块，本发明拟基于长短期记忆神经网络对底层网络容量进行预测，来更好的适应信道容量高度动态变化的5G网络；另一个是强化学习模块，本发明拟基于强化学习，结合应用具体的带宽、时延需求值以及应用在多个需求维度之间的偏好性设计智能拥塞控制算法，从而最大化加权需求满足率，提高用户体验。
-
-
-
-
-
-
-
-
-
Search Results
232
records
(took 0.025 seconds)
