-
公开(公告)号：CN105530679A
公开(公告)日：2016-04-27
申请号：CN201610018551.X
申请日：2016-01-12
Applicant: 东南大学
CPC classification number: Y02D70/30 , H04W40/02 , H04L67/1095 , H04W40/08 , H04W52/34
Abstract: 本发明公开了一种基于软件定义网络的无线传感器网络路由方法，该方法为：当监测区域有突发业务时，管控中心执行路由调整过程，包括如下步骤：根据SDSN节点剩余能量情况选择接入节点，执行最小跳数路由发现，根据网络中数据业务情况和接入节点功率上限计算最优接入节点发射功率和各链路业务流速率矩阵，根据计算结果生成镜像文件并传输给各SDSN节点、SDSN节点接收管控中心分发的镜像文件并通过重编程调整发射功率及路由。整个路由协议可在基于CC2530和PC搭建的平台上验证。该方法有效实现了网络中控制平面和数据转发平面的解耦，弥补了传统传感器网络分布式算法收敛性差、调整延时的缺点，确保了网络的稳定性和鲁棒性。
-
公开(公告)号：CN119091892B
公开(公告)日：2025-04-08
申请号：CN202411076009.0
申请日：2024-08-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于自适应语义重构的语义通信方法与系统，属于无线通信技术领域，提出了一种基于自适应语义重建的面向任务的语义通信框架，通过掩码操作和设计集成注意力机制的语义重建网络，实现对语义信息的灵活压缩、对传输过程中数据丢失的仿真和实现适应不同环境的重构效果，同时还提出了一种编码、解码网络和语义重构网络的联合训练方法，以最小化目标任务的损失函数，获得神经网络参数的近似最优解。与现有的语义通信方案相比，所提出的方案对不同的信噪比、语义压缩率和语义损失率条件具有更优越的适应性，而且能够在通信中获得更高的任务执行性能和语义传输效益。
-
公开(公告)号：CN113657292B
公开(公告)日：2025-01-10
申请号：CN202110954229.9
申请日：2021-08-19
Applicant: 东南大学
IPC: G06V20/56 , G06V10/40 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于深度强化学习的车辆自动循迹驾驶方法，包括如下步骤：步骤1、构建双重深度Q网络进行图像特征提取；步骤2、采用经验回放方案进行环境交互训练样本采集和双重网络训练；步骤3、采用RMSprop算法优化网络的训练过程；步骤4、采用训练完毕的双重深度网络进行预测，进而实现自动循迹驾驶。本发明采取深度强化学习方法，直接实现从图像采集到车辆控制的端到端网络建立，避免了传统方法中复杂的PID控制环节，并且采用双重深度网络进行动作预测，可以有效减少单一深度强化学习网络中最大化偏差带来的性能损失。
-
公开(公告)号：CN114839589B
公开(公告)日：2025-01-07
申请号：CN202210307012.3
申请日：2022-03-25
Applicant: 东南大学
IPC: G01S3/14
Abstract: 本发明公开了一种基于阵列信号处理的波达方向估计方法，所述方法针对室内定位场景，提出基于旋转不变子空间信息的循环平稳信号正交匹配追踪算法。引入循环平稳算法作为初始相关函数，将时间刻度上的循环平稳性与空间刻度上的阵列信号结合起来，从而有效解决正交匹配追踪算法对噪声敏感，抗噪性能不好的问题；采用旋转不变子空间信息，从而突破正交匹配追踪算法存在的瑞利极限，有效提高多物体定位分辨力并降低计算复杂度；采用基于压缩感知理论的正交匹配追踪算法，通过稀疏信号重构进一步提高算法的抗干扰性。满足了室内定位场景高精度，低时延的要求。
-
公开(公告)号：CN117651344A
公开(公告)日：2024-03-05
申请号：CN202311616361.4
申请日：2023-11-30
Applicant: 国网山东省电力公司济南供电公司 , 东南大学 , 国家电网有限公司
IPC: H04W72/50 , H04W72/543 , H04W72/542 , H04W72/0453 , G06N3/092 , H04W16/14 , H04B17/382
Abstract: 本发明提出了一种网络资源共享方法、装置、设备及可读存储介质。所述方法将网络中的通信终端分为AOI敏感型终端和AOI容忍型终端；考虑混合频谱共享的网络接入方式，构建终端通信模型；构造基于AOI和有效传输速率的多目标系统效用函数，建立基于混合频谱共享的网络资源的长期优化问题；最后利用马尔科夫决策过程将所提问题构造为长期效用问题，以基站为智能体并利用深度确定性策略梯度DDPG方法构建基于表演家‑批评家结构的深度强化学习框架，通过评价网络与动作网络相互迭代更新，智能体在实现有效的在线学习后，仅需本地状态信息即可快速进行资源的高效分配。本发明有效的满足了两类终端的通信需求，保障了系统的可靠运行，提升了频谱使用效率。
-
Patent Agency Ranking
公开(公告)号：CN117478258A
公开(公告)日：2024-01-30
申请号：CN202311469309.0
申请日：2023-11-07
Applicant: 东南大学
IPC: H04B17/391 , H04W16/26 , H04W4/42 , H04W4/02
Abstract: 本发明公开了一种高速移动下多RIS辅助隧道场景的信道建模与容量分析方法，属于无线通信技术领域。首先，确定RIS部署位置，建立RIS辅助隧道场景下的双路径信道模型，初始化传播路径的参数，包括每个RIS单元的位置和相位，以及信道模型中的距离和角度参数，其次计算发射天线到接收天线的信道函数，然后计算信道容量，最后，通过将RIS部署在不同位置，重复上述步骤，得到RIS部署在不同位置时的最佳作用区间，得到多RIS部署方案，从而使得信道容量最大化。本发明能有效改善隧道场景列车与基站间通信系统的性能，通过改变RIS部署的位置、RIS的尺寸和RIS的间距分析其对信道容量的影响，从而得到多RIS的最佳部署位置，有效提高信号覆盖质量。
-
公开(公告)号：CN116185066B
公开(公告)日：2023-12-08
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：CN110418416B
公开(公告)日：2023-04-18
申请号：CN201910680954.4
申请日：2019-07-26
Applicant: 东南大学
IPC: H04W24/02 , H04W72/0453 , H04L67/10
Abstract: 本发明公开了移动边缘计算系统中基于多智能体强化学习的资源分配方法，包括：（1）将无线信道划分成若干个子载波，每个用户仅仅可以选择一个子载波；（2）每个用户随机选择信道以及计算资源，然后计算用户卸载产生的时延和能耗；（3）将用户在本地计算产生的时延能耗和卸载到边缘云的进行对比，判断卸载是否成功；（4）通过多智能体强化学习得到当前卸载动作的奖励值，并计算价值函数；（5）用户根据策略函数进行动作选择；（6）改变用户的学习速率进行策略更新，得到最优动作集合。本发明基于可变速率的多智能体强化学习，充分利用移动边缘服务器的计算资源和无线资源，在考虑了用户卸载的必要性的同时，得到各智能终端效用函数的最大值。
-
公开(公告)号：CN115209554A
公开(公告)日：2022-10-18
申请号：CN202210729292.7
申请日：2022-06-24
Applicant: 东南大学
Abstract: 本发明提供一种基于网络切片与NOMA的车联网半正定资源分配方法。首先，基站依据各V2I切片组的QoS指标传输速率，利用静态频谱资源池对各V2I切片组的时频资源块RB分配进行初始化，同时，基站根据上一SPS周期内各V2I切片组的数据传输速率，利用动态频谱资源池对当前SPS周期内各V2I切片组的RB分配进行调整，在考虑各V2I切片组公平性的同时，最大化V2I用户的传输能效。此外，假定V2I切片组与车辆与车辆通信V2V NOMA簇的频谱共享模式已知，在考虑V2I切片组干扰的情况下，采用分布式迭代算法获取各V2V NOMA簇内的V2V Tx用户的最优功率控制。将网络切片与NOMA应用于车联网广播通信下行链路场景中，在确保V2I用户服务QoS的基础上，获取V2I用户与V2VTx用户传输能效方面的提升。
-
公开(公告)号：CN111935205B
公开(公告)日：2022-08-26
申请号：CN202010568458.2
申请日：2020-06-19
Applicant: 东南大学
IPC: H04L67/10 , H04L67/1095 , H04W4/06
Abstract: 本发明公开了一种雾计算网络中基于交替方向乘子法的分布式资源分配方法，该方法主要包括两阶段，雾节点信息收集和分布式资源分配。本发明基于多凸不等式约束交替方向乘子法和凸优化理论，充分利用雾计算网络内雾节点的计算资源，通过雾节点间协作的方式，降低了雾计算网络的开销。相较于集中式资源分配算法，本发明中的分布式资源分配算法利用了雾计算网络的分布式特性，将资源分配问题的求解均匀地分散到雾计算网络中的每个节点上，解决了集中式资源分配问题造成单个节点负载过重的问题。同时基站在资源分配问题的求解中只负责任务卸载向量的收集和广播而不用收集所有雾节点的任务，有效降低了基站的负载和网络的传输负载。
-
-
-
-
-
-
-
-
-
Search Results
182
records
(took 0.035 seconds)
