-
公开(公告)号：CN1257627C
公开(公告)日：2006-05-24
申请号：CN200410064948.X
申请日：2004-10-14
Applicant: 东南大学
IPC: H04L1/00
Abstract: 扩展循环码纠错能力的方法是通信技术中的差错控制编码技术，所采用的方法为；a.遍历码重小于t+1的错误图样，并分别计算出与每个错误图样对应的伴随式；b.再将这些一一对应的错误图样和伴随式保存至文件file1；c.遍历码重为t+1的错误图样，并分别计算出与每个错误图样对应的伴随式；d.将上步中计算出的每个伴随式与文件file1中保存的伴随式进行比较，e.对下一个码重为t+1的错误图样进行同样的运算直至遍历所有的码重为t+1的错误图样；f.将文件fi1e2中的每个伴随式与file2中其余的伴随式进行比较；g.对下一个伴随式进行同样的做法直至遍历file2中所有的伴随式；最后将文件file1和file2中的内容按伴随式由小到大排序存储各个相应的错误图样。
-
公开(公告)号：CN119091892A
公开(公告)日：2024-12-06
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：CN115209554B
公开(公告)日：2024-12-06
申请号：CN202210729292.7
申请日：2022-06-24
Applicant: 东南大学
IPC: H04W72/542 , H04W72/566 , H04W4/44 , H04W4/46
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：CN117880177A
公开(公告)日：2024-04-12
申请号：CN202410125384.3
申请日：2024-01-29
Applicant: 东南大学
IPC: H04L45/12 , H04L45/24 , H04L45/021 , H04L45/302 , H04L45/76 , H04L47/12 , H04L67/12
Abstract: 本发明公开一种基于SDN的物联网服务质量保障方法与系统。本发明首先利用SDN控制器周期性收集并存储网络参数；其次根据进入物联网系统的业务流的QoS需求为各业务流做QoS优先级评分，并通过评分区分AF、EF和BE业务流。对于AF业务流，根据路径代价从多条最短路径中选择最优路径，并通过队列机制优先保障数据传输；对于EF业务流，基于改进的遗传算法的拥塞后路径重规划机制，进行多路径传输；对于BE业务流，分配至链路负载率最低的路径进行传输。本发明应用于物联网系统，通过优先级分级，自适应QoS感知路径代价计算以及基于遗传算法的拥塞避免机制，有效提升网络吞吐量，为物联网系统中服务质量保障问题提供了新的思路。
-
公开(公告)号：CN116506915A
公开(公告)日：2023-07-28
申请号：CN202310489119.9
申请日：2023-05-04
Applicant: 东南大学
Abstract: 本发明提出了一种基于位置预测的无人机自组网路由方法。该方法采用基于位置的贪婪转发策略，路由决策时考虑距离、偏转角度、运动方向角度、速率和邻居数目等因素，在邻居节点中，基于决策值选择优于当前节点的邻节点作为下一跳。同时为减小无人机高移动性导致的位置不精确性对路由决策的影响，所提方法采用高斯‑马尔科夫模型预测节点的精确位置信息。若贪婪失败，则在该节点的两跳邻居节点中，根据决策值选择比该节点更优的节点进行转发。所提方法能提高数据包投递率，减小端到端时延，能够为数据传输建立一个可靠、高效的路由转发机制，为无人机自组网的应用提供理论支撑。
-
Patent Agency Ranking
公开(公告)号：CN116367342A
公开(公告)日：2023-06-30
申请号：CN202310340147.4
申请日：2023-03-31
Applicant: 东南大学
Abstract: 本发明公开了一种广播场景下的无人机自组网信道接入方法及系统，包括：当无人机节点有发送需求时，节点统计上一次传输的反馈，根据Q‑Learning算法输出一个退避窗口值CW，退避完成后节点接入信道；发包前，节点根据接收成功率门限选择转发节点的个数，将选中的转发节点编号和CW附在数据包中广播发出；节点收到广播包后读取MAC头字段，统计邻居CW值，维护邻居表和CW流行度表，并比对自身是否是转发节点；若当前节点为选中的转发节点，则节点需要将收到的数据包以广播的形式进行转发；源节点在ACK时限到达时统计此次发送收到的有效ACK个数，计算得出此次传输的反馈，在下次传输前更新Q‑Learning的权值表；节点重复以上过程，迭代更新出自适应的信道接入策略。
-
公开(公告)号：CN116319603A
公开(公告)日：2023-06-23
申请号：CN202310383570.2
申请日：2023-04-06
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: H04L47/76 , H04L41/0893 , H04L41/0894 , H04L67/12 , H04L41/0896
Abstract: 本发明公开了一种基于网络切片的资源分配方法，包括如下步骤：(1)为切片构建招标信息；(2)为终端用户构建投标信息；(3)筛选出符合切片叫价的用户筛选出符合用户条件的切片；(4)符合双方要求的用户和切片根据用户对资源的估价和切片资源的成本来计算出双方达成匹配的效用，构建效用矩阵；(5)将系统建模为二分图模型，根据效用矩阵初始化辅助变量顶标值；(6)将终端用户随机排序，根据顺序为用户寻找增广路径；(7)根据一定的匹配策略得到匹配矩阵和匹配后系统的总效用。相较于传统的资源分配方法，本发明中不仅使用了拍卖理论中的投标、招标等技术，而且利用了二分图模型来达成匹配。
-
公开(公告)号：CN108990159B
公开(公告)日：2023-04-07
申请号：CN201810762239.0
申请日：2018-07-12
Applicant: 东南大学
IPC: H04W72/53
Abstract: 本发明公开了一种移动边缘计算系统中基于分层博弈的联合资源分配方法，包括：(1)用户端根据不同的基站/AP接入策略建立代价函数；(2)基站/AP获取覆盖区域内各个移动用户端连接数和当前区域内的可用资源，反馈至用户端，用户端进行演进博弈，确定基站/AP选择并请求资源，且基站/AP将资源请求和网络信道信息发送至相连的MEC服务器；(3)MEC服务器基于完全势博弈进行资源共享，建立效用函数，利用KKT条件得到全局最优解；(4)基站/AP和MEC服务器根据全局最优解为当前请求用户端分配无线资源和计算资源。本发明基于分层博弈，最小化用户端代价和最大化服务器层收益，延长用户终端寿命，充分利用MEC服务器的有限资源，满足移动用户的任务处理需求。
-
公开(公告)号：CN115190544A
公开(公告)日：2022-10-14
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：CN115052245A
公开(公告)日：2022-09-13
申请号：CN202210660422.6
申请日：2022-06-13
Applicant: 东南大学
Abstract: 本发明提出一种基于深度学习的无人机辅助无线传感器网络节点定位方法。该定位方法的应用场景是室外区域，具体表现为无人机以固定轨迹在定位区域上方平行区域内周期运动，并以固定时间周期广播信标信号，地面传感器节点接收无人机信标信号，节点计算RSSI值形成RSSI向量，计算节点间RSSI相似度，进而计算锚节点与未知节点距离，建立卷积神经网络定位模型，输入节点与锚节点距离估计节点位置坐标，该模型能够一定程度克服环境噪声的影响，定位性能相比现有定位技术有较大提高。该模型能够利用空地通信信道优势以及卷积神经网络学习能力，提供一个节点定位问题解决方案，为人工神经网络技术在无线传感器网络领域的应用研究提供理论支撑。
-
-
-
-
-
-
-
-
-
Search Results
282
records
(took 0.03 seconds)
