-
公开(公告)号：CN111935205A
公开(公告)日：2020-11-13
申请号：CN202010568458.2
申请日：2020-06-19
Applicant: 东南大学
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。
-
公开(公告)号：CN107895130B
公开(公告)日：2020-10-16
申请号：CN201711063268.X
申请日：2017-11-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于碰撞树的自适应多叉树防碰撞方法，属于射频识别技术领域，本方法根据碰撞标签的个数和碰撞位数自适应地选择八叉碰撞树或二叉碰撞树搜索，在碰撞标签数大于等于4时选择八叉碰撞树搜索，通过发送查询命令获得碰撞序列的前三位碰撞位信息来确定新的查询前缀；在碰撞标签数小于4时选择二叉碰撞树搜索。本发明通过优化查询前缀实现无空闲时隙八叉树搜索，有效避免了在标签个数较多时二叉树的搜索效率低的缺点，也解决了多叉树搜索会增加空闲时隙的问题。与现有技术相比，本发明实现了在搜索过程中无空闲时隙，并在大幅减少了碰撞时隙的同时有效减少了系统总时隙数，提高了系统识别速率和吞吐率。
-
公开(公告)号：CN106788644B
公开(公告)日：2020-07-14
申请号：CN201611254924.X
申请日：2016-12-30
Applicant: 东南大学
IPC: H04L25/02 , H04B7/0456 , H04B7/0413
Abstract: 本发明公开了一种基于改进的牛顿迭代法的大规模MIMO预编码方法。包括步骤如下：首先估计信道矩阵，通过得到的信道矩阵计算RZF预编码表达式。然后采用牛顿迭代法对RZF预编码算法中的逆矩阵进行估计，将矩阵求逆运算转化成矩阵加法和矩阵乘法运算，最后利用得到的预编码矩阵对发送信号进行预编码。改进的牛顿迭代法是构建高阶迭代式，将位于0附近的特征值经过变换，使其更加靠近1，1附近的特征值保持不变，从而加快牛顿迭代的收敛速度。实验结果表明，当迭代次数超过4次时，传统的牛顿迭代法的性能优于基于泰勒级数展开的逆矩阵估计算法。在迭代次数为2时，改进的牛顿迭代优化算法就已经能获得大约95％的RZF预编码平均用户到达率。
-
公开(公告)号：CN107969008B
公开(公告)日：2020-01-03
申请号：CN201711079625.1
申请日：2017-11-06
Applicant: 东南大学
Abstract: 本发明公开了一种软件定义传感网集中式路由计算方法。将周期性信息采集与集中式决策相结合，首先中央控制器采集节点信息，然后中央控制器进行路由计算并将路径信息以“流表”的形式传递给网络中的节点，最后节点按要求采集数据并将数据上传给中央控制器。其中路由计算过程是本发明的重点，根据数据异构节点报告的信息以及网络限制条件，中央控制器将路由计算问题建模成一个最优化问题，首先建立网络模型；然后将网络分簇并选取簇首节点；最后基于簇首节点的负载均衡，在簇首节点之间建立多跳路由。本发明能够有效平衡软件定义传感网中节点的能耗和负载，提高了软件定义传感网的网络生命和资源的利用率。
-
公开(公告)号：CN110418434A
公开(公告)日：2019-11-05
申请号：CN201910607899.6
申请日：2019-07-08
Applicant: 东南大学
Abstract: 本发明公开了一种无人机辅助的无线传感器网络充电方法与装置，所述方法包括：(1)根据无线传感器网络中传感器节点的分布情况，用K均值聚类算法将传感器节点分成若干区域，每个区域设置簇的质心为无人机悬停点，无人机可以在此悬停点为该区域内的传感器节点充电；(2)以区域为单位，选出每个区域中剩余存活时间最短的传感器节点，将该节点的剩余存活时间作为该区域的剩余存活时间，以此确定无人机到达该区域的最晚截止时间；(3)优化无人机为每个区域的充电顺序，使得无人机在每个区域截止时间之前到达该区域的前提下，最短化无人机的飞行路径。本发明能够在满足所有传感器节点充电需求的情况下，最短化无人机飞行路径，提高了无人机的能量效率。
-
Patent Agency Ranking
公开(公告)号：CN110418416A
公开(公告)日：2019-11-05
申请号：CN201910680954.4
申请日：2019-07-26
Applicant: 东南大学
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：CN110381161A
公开(公告)日：2019-10-25
申请号：CN201910686327.1
申请日：2019-07-29
Applicant: 东南大学
IPC: H04L29/08
Abstract: 本发明公开了一种电力物联网系统中基于博弈论的资源调度方法，包括：（1）同区域内的智能电表和接入点AP组成一个网络。智能电表以单跳或多跳方式将信息通信到AP。建立传输能耗函数；（2）智能电表有计算任务，若本地计算资源不足，则将任务卸载到路径上的其他电表或AP上，建立任务卸载能耗函数；（3）智能电表选择可接入的下个智能电表或AP；网络内所有智能电表和AP建立网络形成博弈；（4）智能电表计算它的各个策略的代价函数，通过对比选择代价函数最小的策略；（5）每改变一个智能电表的策略更新一次网络的连接状态；（6）博弈达到纳什均衡，所有智能电表不再改变策略，各个智能电表根据所选策略形成的路径进行多跳传输及任务卸载。
-
公开(公告)号：CN110324805A
公开(公告)日：2019-10-11
申请号：CN201910593535.7
申请日：2019-07-03
Applicant: 东南大学
Abstract: 本发明公开了一种无人机辅助的无线传感器网络数据收集方法，包括：(1)传感器节点采集通信范围内信息，并生成对应的事件包发送回基站(2)基站将信息价值衰减指数不为零的分类为关键节点，将为零的分类为普通节点；(3)根据节点的地理位置采用贪婪算法规划所有关键节点的访问路径；(4)根据节点的地理位置采用邻域搜索的蚁群算法规划所有普通节点的访问路径；(5)计算路径总长度，并判断路径总长度是否大于无人机最大飞行长度；(6)若是则计算每个普通节点的删除增益，并在路径中移除最大删除增益对应的节点，并返回执行步骤(5)；若否，则习执行步骤(7)；(7)无人机根据规划的路径依次收集传感器节点的数据。本发明能耗低、结构简单。
-
公开(公告)号：CN106330280B
公开(公告)日：2019-06-21
申请号：CN201610674353.9
申请日：2016-08-16
Applicant: 东南大学
IPC: H04B7/0456 , H04L25/02
Abstract: 本发明公开了一种大规模MIMO预编码方法，该方法包括：对大规模MIMO进行建模，获取信道矩阵；根据信道矩阵得到RZF预编码矩阵；采用截短Kapteyn级数对预编码矩阵中的逆矩阵进行估计，得到预编码估计矩阵；利用得到的预编码估计矩阵对发送信号进行预编码。在截短阶数相同的情况下，与基于截短Taylor级数的展开方法相比，本发明能获得更高的平均用户到达率。
-
公开(公告)号：CN109541533A
公开(公告)日：2019-03-29
申请号：CN201811416628.4
申请日：2018-11-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于无迹卡尔曼滤波的RFID标签室内跟踪方法及设备，属于物联网射频识别技术领域，该方法包括：首先建立目标标签运动的状态模型和观测模型，并通过离线训练构建标签信号强度RSSI与距离的非线性映射关系；然后根据目标标签的RSSI估算距离后构建目标函数，并通过粒子群优化对目标函数求解获取系统的观测向量；再通过无迹卡尔曼滤波对观测向量进行前向滤波；最后用分段RTS平滑对滤波完成后的轨迹进行平滑处理。本发明通过非线性支持向量回归以及粒子群优化的方式提高了系统观测向量的精度，并在此基础上通过无迹卡尔曼滤波和分段RTS平滑对轨迹进行平滑，降低了运动目标轨迹跟踪的误差，极大地提高了轨迹跟踪的精度。
-
-
-
-
-
-
-
-
-
Search Results
282
records
(took 0.034 seconds)
