-
公开(公告)号:CN115833907B
公开(公告)日:2025-01-07
申请号:CN202211438895.8
申请日:2022-11-17
Applicant: 东南大学
Abstract: 本发明公开了一种多无人机辅助MEC系统中的联合轨迹、卸载和资源分配优化方法,包括以下步骤:1、无人机上的MEC服务器收集飞行区域内所有地面用户节点的计算资源、通信资源和任务负载等信息,以及其他无人机计算资源信息;2、引入相关的辅助变量,建立对应的优化问题;3、用户和无人机之间的匹配关系通过卸载匹配博弈算法初始化,其对应的矩阵为卸载匹配矩阵;4、引入辅助变量,将优化问题分解为若干子问题求解。该方法基于块坐标下降方法和连续凸逼近技术,称其为联合多无人机轨迹、卸载和资源优化方案;5、迭代直至前后两次目标函数值之差的绝对值小于阈值。本方法降低了用户的平均服务时延。
-
公开(公告)号:CN115190544B
公开(公告)日:2024-07-05
申请号:CN202210805504.5
申请日:2022-07-08
Applicant: 东南大学
IPC: H04W28/24 , H04W28/22 , H04L41/0893 , H04W4/40 , H04W4/44 , H04W4/46 , H04W16/10 , H04W16/14 , H04W24/02
Abstract: 本发明提供一种基于QoS的车联网网络切片与NOMA分簇联合优化方法,首先,基站在根据各V2I用户服务类型的QoS指标传输速率将同一服务QoS等级的V2I用户归并于同一切片组,同一V2I切片组内的各V2I用户可在当前SPS周期内实现时频资源块的共享。同时,V2V用户通过建立V2V NOMA簇与V2I切片组共享频谱资源。为克服车辆高速移动性所带来的的CSI无法获取问题,基站采用基于地理位置的V2V用户分簇方法以提升NOMA多用户检测技术SIC的解码有效性。此外,基站根据V2I切片组与V2V NOMA簇的位置关系,实现V2V NOMA分簇与V2I切片组的频谱资源匹配共享的联合优化。本发明将网络切片分组方法与NOMA应用于车联网广播通信下行链路场景中,为车联网信道快速时变场景下的QoS服务设计提供了新思路。
-
公开(公告)号:CN113923802B
公开(公告)日:2024-01-26
申请号:CN202111174184.X
申请日:2021-10-09
Applicant: 东南大学
Abstract: 本发明公开了软件定义无线传感器网络中能量高效的分层拓扑控制方法,包括:建立分簇损耗函数。单跳形式将信息传递到上层中继传感器节点;上层中继传感器节点获取分簇信息,在考虑到传输信息大小,接收、发送信息能耗下,建立功率损耗函数。以单跳或者多跳的方式将信息传递到汇聚节点;在基于下层整体普通传感器节点获得最小的分簇损耗函数后,上层所有中继传感器节点网络形成博弈模型,计算各个策略的收益函数,并选择收益函数最大的策略。每一次某个中继传感器节点改变策略更新一次网络拓扑状态,直到博弈达到纳什均衡,形成最终的网络拓扑。每当上层中继传感器节点能量变化大于设置的阈值后,将会重新计算分簇网络以及博弈网络。
-
公开(公告)号:CN116887291A
公开(公告)日:2023-10-13
申请号:CN202310515070.X
申请日:2023-05-09
Applicant: 国网山东省电力公司济南供电公司 , 东南大学
Abstract: 本发明提出一种网络资源优化方法、装置、设备和可读存储介质。首先构建一种集成接入回程(Integrated Access and Backhaul,IAB)架构,考虑该架构下多层干扰及各信道条件,以最大化系统上行链路总能效为目标构造目标函数。其次利用马尔科夫决策过程将所提问题构造为完全协作的多智能体问题,利用多智能体近端策略优化(Multi‑Agent Proximal Policy Optimization,MAPPO)构建分布式动作网络和集中式评价网络。最后通过本地动作网络与环境交互获取的数据信息,在评价网络的指导下对网络参数进行迭代更新,训练完成后的动作网络仅需本地状态信息即可做出资源分配决策。本发明所提资源优化方法考虑终端差异化需求以实现轻量化通信,另一方面所提多智能体框架进一步减少了信令开销和计算复杂度。
-
公开(公告)号:CN116776142A
公开(公告)日:2023-09-19
申请号:CN202310268890.3
申请日:2023-03-20
Applicant: 东南大学
IPC: G06F18/214 , G06F18/2415
Abstract: 本发明提供一种面向不平衡数据集的数据处理方法,通过对每个类别的样本进行有放回抽样,形成多个样本子集,从而使样本子集中每个类别的样本个数大致均衡,提高学习算法对少数类样本的识别能力。本发明结合LOF算法和不同的概率分布函数,通过启发式选择的参数生成人工样本,使得生成的人工样本不受边界噪声的影响,同时能够更多地保证生成样本的多样性。相较于传统的BorderlineSMOTE算法,本发明在生成人工样本时使用局部异常因子算法剔除边界噪声,并引入不同的概率分布函数以保证生成样本的多样性,从而提高分类器的性能。本发明可以有效地应对不平衡数据集的问题,提高学习算法对少数类的识别能力,适用于机器学习、数据挖掘等领域。
-
公开(公告)号:CN116321498A
公开(公告)日:2023-06-23
申请号:CN202310262373.5
申请日:2023-03-17
Applicant: 东南大学
IPC: H04W72/541
Abstract: 本发明公开了一种基于ZigBee优先的分级抗干扰方法。该方法在物联网网关上搭载了WiFi模块和ZigBee模块,将WiFi的无线接入点部署成三信道的蜂窝网通信模型,实时监测WiFi的通信指标并计算干扰度。通过心跳包的包接受率PRR和包错误率PER相结合的方式进行信道状态评估,判断ZigBee传输是否出现干扰。使用分级抗干扰的信道跳变算法减小或消除干扰,干扰刚发生时在WiFi信道间隙中选取ZigBee信道,在干扰仍未解决时利用外层WiFi信道扩大选取范围,在干扰最严重时调整自身WiFi的信道用于选择ZigBee的最佳传输信道。本发明解决了2.4GHz频段ZigBee和WiFi相互干扰的问题。
-
公开(公告)号:CN116185066A
公开(公告)日:2023-05-30
申请号:CN202310067771.1
申请日:2023-02-06
Applicant: 中国人民解放军63983部队 , 东南大学
IPC: G05D1/10
Abstract: 本发明提出了一种无人机编队智能重构方法,该重构方法是基于虚拟刚体结构法的分布式无人机编队重构方法。每个无人机节点根据与跟踪虚拟目标的位置差调整速度保持跟踪,并周期性地广播自身追踪的虚拟目标,当收到来自其他无人机节点的广播信息时更新邻居表。当编队中部分无人机节点遭受打击无法正常运行时,受损无人机节点的邻居将判断自身是否为候选补位无人机节点,再决定是否更换追踪目标,补上空缺位置。当无人机前往补缺时将会发送前往补位广播,告知其他无人机原位置空缺。在每个时隙中重复以上过程,直到已无可补位的无人机节点。上述方法可以在分布式无人机编队遭受打击的情况下进行智能重构,恢复队形完整,提高编队的抗干扰,抗打击能力。
-
公开(公告)号:CN116170424A
公开(公告)日:2023-05-26
申请号:CN202310151254.2
申请日:2023-02-22
Applicant: 东南大学
Abstract: 本发明公开了一种针对流媒体码流的音效增强方法及其系统,属于计算机技术领域,该方法包括:接收流媒体服务传输的码流信息;获取预设音效信息;基于所述音频信息通过推理模型加载量化参数包;对音频码流转码,再对转码后码流进行预处理;基于推理模型确定均衡特征序列和混响特征序列;基于特征序列,音频处理设备对码流进行音效增强;通过播放设备播放增强后的音频数据;其中,推理模型包括均衡特征推理层和混响特征推理层;本发明在音频传输和播放的基础上增加了音效增强的功能,能够动态根据歌曲的不同动态调整音效,为用户提供更好的听觉体验。
-
公开(公告)号:CN115941276A
公开(公告)日:2023-04-07
申请号:CN202211404943.1
申请日:2022-11-10
Applicant: 东南大学
IPC: H04L9/40 , H04L67/01 , H04L67/54 , H04L41/16 , G06N3/0442 , G06N3/0464 , G06N3/08 , G16Y40/10 , G16Y40/20 , G16Y40/50
Abstract: 本发明提供了一种物联网设备安全管理系统,提供如下功能模块:设备生命周期管理模块:用于实现设备认证与鉴权、设备接入、设备状态管理;物模型模块:通过定义产品物模型完成系统的上、下行数据的封装与解析,实现对设备状态和异常事件的实时监控以及设备指令的下发;入侵检测模块:对系统的流量进行监控分析来主动发现恶意入侵节点;所述设备生命周期管理模块、物模型模块相互之间通过物联网应用层协议MQTT方式进行通信;所述入侵检测模块,通过离线训练神经网络模型,实现在线检测;为了避免系统在公网环境下遭受入侵的风险,使用入侵检测模块对系统的流量进行监控分析来主动发现恶意入侵节点。
-
公开(公告)号:CN111935825B
公开(公告)日:2023-02-28
申请号:CN202010567315.X
申请日:2020-06-19
Applicant: 东南大学
IPC: H04W72/0453 , H04W72/542 , H04W72/53
Abstract: 本发明公开了一种移动边缘计算系统中基于深度值网络的协作资源分配方法,包括:(1)计算用户和所有基站连接的信噪比,用户根据信噪比最大原则选择基站进行连接,得到用户基站连接矩阵;(2)随机给用户分配信道,并且给连接用户平均分配计算资源,得到资源分配的系统状态;(3)将服务提供商子载波分配作为动作空间,用载波容量来表示奖励值,利用深度值网络算法得到用户信道连接矩阵;(4)得到资源共享的系统状态;(5)利用深度值网络算法得到服务提供商资源借用集合。本发明基于深度强化学习,不仅考虑了面向移动端的资源分配问题,还通过多服务提供商之间的协作和计算资源共享,提高资源的有效利用率。
-
-
-
-
-
-
-
-
-