-
公开(公告)号：CN101399579A
公开(公告)日：2009-04-01
申请号：CN200710178093.7
申请日：2007-11-26
Applicant: 北京邮电大学
IPC: H04B7/005
CPC classification number: Y02D70/122 , Y02D70/44
Abstract: 本发明提供了一种无线通信系统上行链路(反向链路)中的功率控制方法。其核心为：用户(移动台)通过下行导频测得的路径损耗(或大尺度衰落值，包括路径损耗、阴影衰落、天线增益和穿透损耗等)情况，通过最强干扰区和服务区的路径损耗差值，动态的进行功率控制，调整发送功率。本发明提出的方法可以根据用户所在位置情况，动态的调整功率控制参数，进行功率控制，调整用户(移动台)的发送功率，在保证中心用户(移动台)能以较高的发送功率发送数据的同时，适当减小边缘用户的发送功率，从而减小边缘用户(移动台)产生的干扰，在不失公平性的前提下，优化系统资源效率，提升系统性能。
-
-
公开(公告)号：CN119485483A
公开(公告)日：2025-02-18
申请号：CN202411602410.3
申请日：2024-11-11
Applicant: 北京邮电大学
IPC: H04W28/06 , H04W28/084 , H04W28/08
Abstract: 本申请公开了一种移动边缘计算系统中感知通信计算联合优化方法及其系统，其中方法包括以下步骤：进行状态信息的初始化；进行问题重构；进行上层感知持续时间的优化；进行下层卸载决策和资源分配优化；判断是否达到预设收敛条件或达到最大迭代次数；若达到预设收敛条件或达到最大迭代次数，则输出最佳资源分配方案以及系统带宽分配方案；反之则返回执行上层感知持续时间的优化。本申请充分挖掘了移动边缘计算系统为基于多模态数据的感知任务提供计算支持的潜力，考虑了多模态数据的采集和处理过程对于时间同步性的要求，保证了感知信息利用的有效性和准确性。
-
公开(公告)号：CN119383664A
公开(公告)日：2025-01-28
申请号：CN202411476926.8
申请日：2024-10-22
Applicant: 北京邮电大学
IPC: H04W28/084 , G06F9/50 , G06N3/092 , G06N3/0464 , G06N3/045 , G06F18/25
Abstract: 本申请公开了一种基于移动边缘计算服务器集群的自动伸缩方法及其系统，其中自动伸缩方法包括以下步骤：进行伸缩冷却时间和伸缩周期T的初始化，并校验当前是否满足伸缩冷却时间的条件；若当前满足伸缩冷却时间的条件，则获取服务器集群中参与伸缩的全部服务集群边缘节点信息；根据全部服务集群边缘节点信息请求获取负载指标；将获取的负载指标输入模型进行负载预测，获得预测结果；根据预测结果确定自动伸缩策略；根据自动伸缩策略进行决策和动态资源调整的计算。本申请能够提升服务器集群的系统资源利用效率，更好地满足应用服务的SLA要求，提高了系统资源利用效率。
-
公开(公告)号：CN114168328B
公开(公告)日：2024-09-10
申请号：CN202111478407.1
申请日：2021-12-06
Applicant: 北京邮电大学
Abstract: 本申请公开了一种基于联邦学习的移动边缘节点计算任务调度方法及其系统，其中基于联邦学习的移动边缘节点计算任务调度方法具体包括以下步骤：初始化信息参数；响应于完成初始化，对部署在各个移动边缘节点的DQN网络进行本地训练；判断DQN网络训练过程中，更新轮数是否满足聚合频率；若更新轮数满足聚合频率，进行全局参数更新；响应于完成全局参数更新，判断DQN网络训练过程中，训练回合数是否达到指定次数；若训练回合数达到指定次数，输出结果。本申请从计算任务执行顺序的角度考虑，提供了一种移动边缘计算系统中计算任务调度方法，利用多个移动边缘节点的协同缩短了计算任务完成时间。
-
Patent Agency Ranking
公开(公告)号：CN114666803B
公开(公告)日：2024-02-23
申请号：CN202210199452.1
申请日：2022-03-01
Abstract: 本申请公开了一种移动边缘计算系统的部署、控制方法及其系统，其中一种移动边缘计算系统的部署、控制方法，具体包括以下步骤：初始化状态信息；获取用户最佳的信号检测结果；获取最佳发射波束；获取最佳反射相位；获取最佳无人机功率分配和计算资源分配结果；获取并输出最佳无人机飞行轨迹；判断是否收敛到预设精度或迭代次数达到最大迭代次数；若收敛到预设精度或迭代次数达到最大迭代次数，输出最佳结果。本申请提出的一种移动边缘计算系统中无人机和智能反射面联合设计方法，可以实现对移动边缘计算系统中无人机和智能反射面联合设计的目的。
-
公开(公告)号：CN117494473A
公开(公告)日：2024-02-02
申请号：CN202311655125.3
申请日：2023-12-05
Applicant: 北京邮电大学
IPC: G06F30/20
Abstract: 本申请公开了一种多无人机协同计算方法及其系统，其中方法包括以下步骤：进行优化目标的构建；进行状态信息的初始化；根据构建的优化目标，以及初始化的状态信息，进行多无人机协同的依赖性任务卸载以及计算资源分配方案的确定；根据构建的优化目标、任务卸载以及计算资源分配方案进行无人机飞行轨迹规划的确定；判断是否达到预设收敛精度或达到最大迭代次数；若达到预设精度或大于最大迭代次数，则输出多无人机协同的依赖性任务卸载、计算资源分配方案以及无人飞行轨迹。本申请充分挖掘了多无人机之间的协同潜力，提出了综合的多无人机协同依赖性任务卸载、计算资源分配以及无人机飞行轨迹规划的联合优化设计方案。
-
公开(公告)号：CN113743591B
公开(公告)日：2023-12-26
申请号：CN202111074325.0
申请日：2021-09-14
Applicant: 北京邮电大学 , 江西鑫铂瑞科技有限公司
IPC: G06N3/0464 , G06N3/084 , G06F18/23 , G06N3/082
Abstract: 本申请公开了一种自动化剪枝卷积神经网络的方法及其系统，其中自动化剪枝卷积神经网络的方法具体包括以下步骤：进行超网络的训练；响应于完成超网络的训练，对未修剪的卷积神经网络的每一层过滤器进行聚类；响应于完成对未修剪的卷积神经网络的每一层过滤器进行聚类，将修剪前的卷积神经网络进行学习得到修剪策略，完成卷积神经网络的修剪；响应于完成卷积神经网络的修剪，对卷积神经网络进行优化处理。本申请引入超网络能够快速得到随机网络权重，相较于之前的仅仅对未修剪网络的权重进行删减而得到子网络权重的方法，本申请得到的随机网络权重更加合理，这样做会加快使用强化学习进行剪枝的收敛速度。
-
公开(公告)号：CN113610164B
公开(公告)日：2023-12-22
申请号：CN202110913433.6
申请日：2021-08-10
Applicant: 北京邮电大学 , 江西鑫铂瑞科技有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本申请公开了一种基于注意力平衡的细粒度图像识别方法及其系统，其中基于注意力平衡的细粒度图像识别方法包括以下步骤：进行细粒度图像识别模型的初始化，将输入数据输入至细粒度图像识别模型中；将输入数据传输至细粒度图像识别模型后，获取输入特征；根据获取的输入特征进行卷积神经网络模型的训练；根据训练后的卷积神经网络模型进行输入数据的预测识别，并输出预测结果。本申请针对细粒度图像识别中注意力过度关注局部的关键位置，可能会忽略很多有价值的信息的问题，从而提出了注意力分散方法，可以有效地抑制模型对局部位置的过度关注，同时抑制了噪声的影响，使模型能够从数据中提取出更多有价值的特征信息，提升模型
-
公开(公告)号：CN116419325A
公开(公告)日：2023-07-11
申请号：CN202310178099.3
申请日：2023-02-28
Applicant: 北京邮电大学
IPC: H04W28/084 , G05D1/10 , H04W28/08 , G06F9/50
Abstract: 本申请公开了一种多无人机协同计算的任务卸载、资源分配与轨迹规划方法及其系统，其中方法具体包括以下子步骤：进行所有状态信息的初始化，确定目标函数；获取多无人机协同的计算任务卸载结果；根据计算任务卸载结果进行目标函数的更新，根据更新后的目标函数获取无人机计算资源分配方案；根据无人机计算资源分配方案对更新后的目标函数进行再次更新，获取无人机水平轨迹；判断是否达到最大迭代次数；若未达到最大迭代次数，则迭代次数加1，重复执行上述步骤。本申请挖掘了多无人机之间的协同能力，达到了多无人机协同的计算任务卸载、计算资源分配以及无人机飞行轨迹规划的目的。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.03 seconds)
