-
公开(公告)号：CN114630397A
公开(公告)日：2022-06-14
申请号：CN202210206235.0
申请日：2022-03-01
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于时隙划分的无人机接入选择方法，属于移动通信领域，包括以下步骤：S1：结合不同任务场景和需求，通过与设置任务阈值比较，考虑两种无人机接入模式；S2：结合所述两种无人机接入模式提出一种基于时隙划分的无人机接入策略；S3：联合优化比特分配、时隙调度、功率分配和无人机轨迹优化提出最小化系统总能耗问题；S4：基于交替迭代优化算法的两阶段分配算法，解决所述最小化系统总能耗问题。本发明能够适应不同的任务场景，显著提高无人机系统计算能力的同时，始终保证系统能耗较小。
-
公开(公告)号：CN114462509A
公开(公告)日：2022-05-10
申请号：CN202210032549.3
申请日：2022-01-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种分布式物联网设备异常检测方法，属于物联网领域。该方法是先学习异常数据潜在特征分布，并进行特征校正与特征判别，获取高质量的重构数据，均衡正常数据与异常数据比例，并通过所述均衡后的数据指导异常检测网络的训练，输出判别门限，对异常数据进行识别。然后采用基于动态模型选择的联邦学习算法，计算每一个模型的置信度，动态选择本地模型上传至中央服务器进行模型聚合。本发明能够实现物联网场景下高维且不均衡数据的高精度异常检测，保障模型的泛化能力。
-
公开(公告)号：CN113015196B
公开(公告)日：2022-05-06
申请号：CN202110204251.1
申请日：2021-02-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于状态感知的网络切片故障愈合方法，属于移动通信技术领域。首先提出了一种基于状态感知的VNF愈合策略选择方法，该方法通过物理节点上的VNF的故障状态与节点资源使用情况，进行VNF愈合策略的选择，以适应不同的故障场景。进一步地，针对需要进行迁移的VNF，提出了一种基于最小化愈合开销的计算模型。最后，通过深度强化学习方法DQN，寻找得到VNF的最佳迁移策略。本发明所提方法能够在进行网络切片故障愈合的同时，减少愈合开销，提高网络的可靠性。
-
公开(公告)号：CN114422605A
公开(公告)日：2022-04-29
申请号：CN202210031546.8
申请日：2022-01-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于联邦学习的通信梯度自适应压缩方法，属于移动通信领域。该方法包括：计算节点梯度参数：联邦学习设备端使用本地数据集进行任务训练，并计算该节点的梯度参数；设计一种梯度自检方式：将本轮所有节点的梯度参数汇总至累计梯度池中，并根据累计梯度池与历史参数信息计算当前轮次阈值；执行节点梯度自检：所有节点执行梯度自检公式，满足条件的节点则参与本轮联邦迭代，不满足条件则继续在本地累计梯度。本发明可以减少设备端与中心服务器之间的冗余通信，有效降低通信开销。
-
公开(公告)号：CN111278132B
公开(公告)日：2022-04-26
申请号：CN202010060434.6
申请日：2020-01-19
Applicant: 重庆邮电大学
IPC: H04W72/04 , H04W72/08 , H04W72/12 , H04L47/783 , H04L47/80
Abstract: 本发明涉及一种移动边缘计算中面向低时延高可靠业务的资源分配方法，属于移动通信技术领域。该方法在多MEC多用户环境下，分别刻画用户任务队列模型和MEC任务队列模型，并以任务队列上溢概率为约束，建立移动服务提供商网络效用最大化的理论模型，对功率资源、带宽资源和计算资源进行联合分配。考虑到优化模型中约束条件包含任务队列溢出概率的极限约束，通过Lyapunov优化理论将时间平均的随机优化问题转化并分解成单时隙求解的三个子问题，包括用户的计算资源分配、带宽与功率分配以及MEC的计算资源分配问题，进而分别对其求解。本发明在满足用户低时延高可靠的需求的同时提高了MSP的平均总收益。
-
Patent Agency Ranking
公开(公告)号：CN114374605A
公开(公告)日：2022-04-19
申请号：CN202210031538.3
申请日：2022-01-12
Applicant: 重庆邮电大学
IPC: H04L41/0823 , H04L41/0894 , H04L41/14 , H04L41/147 , H04L41/40 , H04L43/0876
Abstract: 本发明涉及一种网络切片场景下服务功能链动态调整和迁移方法，属于移动通信技术领域。该方法为：S1：在网络切片场景下，考虑由于业务请求变化导致的流量改变，进而引起SFC的迁移问题和对SFC的资源需求缺乏预测而引起的SFC迁移带来的迁移连锁反应，采用一种基于集成深度神经网络算法预测流量变化情况；S2：建立计算、内存、带宽资源约束下的SFC迁移惩罚最小化模型；S3：将流量预测结果转化为SFC未来的资源请求情况，并感知物理节点和链路资源占用情况，通过SFC的迁移，最小化最优策略；S4：得到SFC迁移的最优策略。采用本方法能够降低运营商惩罚，减少迁移连锁反应发生的概率，保证服务可靠性。
-
公开(公告)号：CN109905918B
公开(公告)日：2022-04-01
申请号：CN201910138998.4
申请日：2019-02-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于能效的NOMA蜂窝车联网动态资源调度方法，属于移动通信领域。该方法为：在支持V2V通信的NOMA蜂窝网络场景下，根据V2V用户的可靠性、V2V用户时延、NOMA用户速率需求及用户的功率限制为约束条件，以最大化系统能效的长时平均能效为优化目标，建立联合NOMA用户的子信道分配、V2V用户的频谱分配和拥塞控制需求的随机优化模型，为NOMA用户和V2V用户制定功率分配和子信道调度策略。本发明能够在保证系统稳定性前提下最大化系统能效，并同时满足V2V用户时延、可靠性及NOMA用户的速率需求。
-
公开(公告)号：CN113490254A
公开(公告)日：2021-10-08
申请号：CN202110919085.3
申请日：2021-08-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于联邦学习双向GRU资源需求预测的VNF迁移方法，属于移动通信技术领域。该方法包括：S1：在网络切片场景下，考虑时变网络流量引起的VNF迁移问题和对VNF的资源需求缺乏预测引起的VNF迁移时延问题，采用FedBi‑GRU算法预测VNF的资源需求；S2：根据资源需求预测结果，计算物理节点的资源利用率，判定网络系统中资源使用过载或者资源使用轻载的物理节点，通过VNF迁移，在保证网络性能的同时实现系统能耗优化和负载均衡；S3：采用DPPO的深度强化学习方法得到VNF迁移的最优决策。本发明能减少虚拟网络功能的迁移次数并降低网络系统能耗，可以保证网络系统的负载均衡。
-
公开(公告)号：CN113258988A
公开(公告)日：2021-08-13
申请号：CN202110523792.0
申请日：2021-05-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于DQN的多业务低轨卫星资源分配方法，属于卫星通信领域，包括以下步骤：S1：建立基于低轨卫星多业务的联合功率和信道分配模型；S2：将多波束低轨卫星通信系统资源分配映射为智能体在环境中交互学习获得最大化长期收益的问题；S3：通过状态重构及DQN算法对S2问题进行求解。本发明可在满足多业务用户需求和维持业务队列稳定的条件下，提升系统吞吐量。
-
公开(公告)号：CN113242085A
公开(公告)日：2021-08-10
申请号：CN202110523790.1
申请日：2021-05-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种低轨卫星网络的终端位置管理方法，属于低轨卫星通信领域，包括：终端位置更新：当终端的驻留波束不在系统分配的邻区列表时或者到达系统为其分配分配邻区列表的时间，终端进行新的位置更新；终端仰角预测：通过终端的地理位置信息，结合卫星在将来一段时间的位置信息，对终端仰角进行预测；终端邻区列表设计：通过对终端仰角的预测，结合卫星多波束天线拓扑模型，对终端的驻留波束进行分配，为终端设计出合适的邻区列表。本方法优化了将整个卫星作为一个邻区列表，最大限度地减少了位置管理总开销。
-
-
-
-
-
-
-
-
-
Search Results
347
records
(took 0.031 seconds)
