-
公开(公告)号：CN119573726A
公开(公告)日：2025-03-07
申请号：CN202411653433.7
申请日：2024-11-19
Applicant: 重庆邮电大学
IPC: G01C21/20 , G01C21/34 , G06N3/0455 , G06F18/25 , G06N5/04
Abstract: 本发明涉及一种基于交互感知和地图自适应的车辆轨迹预测方法，属于自动驾驶技术领域。该方法包括采集车辆的历史轨迹和地理语义信息；利用Transformer建模动态对象之间的交互，并在解码状态序列时融入了地图信息；采用层次化注意力机制，考虑车辆的未来状态，确保预测的一致性和准确性；此外，还构建了一种多分辨率地图编码模块，该模块充分利用Vision Transformer模块高效地捕捉局部与全局场景上下文信息，进而将地图表示与车辆状态紧密关联，以精准建模车辆与场景的交互过程，从而生成更加合理未来轨迹预测结果。本发明展现出广阔的应用潜力，能够有效提高计算性能，适用于更为复杂的交通环境。
-
公开(公告)号：CN119545373A
公开(公告)日：2025-02-28
申请号：CN202411653418.2
申请日：2024-11-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向密集型任务的资源分配方法，属于无线通信技术领域。本发明将地面终端设备的密集型任务收集到高空平台处理或传递至低轨道卫星，构建系统总能耗加权和数学模型；通过构建地面终端设备与高空平台的双向偏好关系以及高空平台与低轨道卫星之间的关联，确定最优路径选择，将系统总能耗加权和数学模型解耦为高空平台选择关联问题、任务卸载和资源分配三个子问题进行求解；对高空平台选择关联、任务卸载决策和资源分配的结果进行联合迭代优化，以每次迭代得到的系统总能耗加权和作为适应度评价标准，直至收敛至最优系统总能耗加权和；本发明提出高能效的混合卸载策略，不仅能高效且灵活地进行分配资源，还能有效地提高系统能效。
-
公开(公告)号：CN119485216A
公开(公告)日：2025-02-18
申请号：CN202411644144.0
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: H04W4/40 , H04W72/0453 , H04W72/50 , H04W72/512
Abstract: 本发明涉及一种面向车联网多基站多切片场景的资源拍卖方法，属于车联网资源管理领域。本发明运用网络切片技术，充分考虑不同车辆的业务需求、时延以及车辆移动性对网络效用的影响，以实现系统效用最大化的目标，构建了多基站多切片的下行链路传输场景。基站依据车辆服务需求向基础设施提供商递交拍卖请求，基础设施提供商确定赢家基站以最大化系统总效用。同时，提出基于拍卖的资源分配方法，可在多基站多切片环境下动态优化资源分配，且确保拍卖具有个体理性与公平性。该方法将系统频谱效率与切片服务满意率相结合，既保障车辆服务质量，又有效提升资源利用效率。
-
公开(公告)号：CN119484857A
公开(公告)日：2025-02-18
申请号：CN202411644143.6
申请日：2024-11-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于语义通信的屏幕内容图像传输方法，属于无线通信和多媒体传输技术领域。该方法包括：对于输入的文本类屏幕内容图像，通过编码器对其进行信源编码；对于信源编码后的码字，通过一权重分配网络对其进行权重分配，使重要的语义特征在高SNR子载波上优先传输；对权重分配后的码字进行信道编码，在OFDM发射机中为高SNR子载波分配更多的传输功率；OFDM接收机接收图像后，通过OCR和场景文本检测模型来检测并识别图像中的文本，计算文本级别置信度；基于文本级别置信度设计损失函数，对关键的文本语义特征进行保护。本发明提升了图像的传输质量、节省了传输带宽，解决了传统屏幕内容图像编码方法受限于香农极限的问题。
-
公开(公告)号：CN114490447B
公开(公告)日：2024-12-10
申请号：CN202210081350.X
申请日：2022-01-24
Applicant: 重庆邮电大学
IPC: G06F12/0877 , G06F9/50 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种多任务优化的智能缓存方法，属于无线通信领域。该方法首先将边缘服务器采集到的用户端信息进行整合，设计模型提取出用户和内容特征；其次根据这些信息，构建多任务优化模型对用户与内容的交互进行特征分析，挖掘用户的隐藏特征，预测未来一段时间内内容热度和用户偏好程度；然后根据内容热度与用户偏好程度重要性的不同，设计联合因子，将两者进行联合优化，并将内容进行降序排列，根据边缘服务器的缓存容量选取Top‑k的内容进行缓存；最终根据联合优化结果优化缓存命中率与用户命中率。本发明提高了边缘服务器的命中率和服务质量。
-
Patent Agency Ranking
公开(公告)号：CN118433914A
公开(公告)日：2024-08-02
申请号：CN202410498369.3
申请日：2024-04-24
Applicant: 重庆邮电大学
IPC: H04W72/541 , H04W72/543 , H04W72/50 , H04W72/0453 , H04W72/044 , H04W4/40 , H04W4/42 , H04W4/46 , G06N3/126
Abstract: 本发明涉及一种保障信息新鲜度的资源分配方法，属于无线通信领域。该方法包括：构建包括至少一个基站和多种类型车辆的车联网系统场景，并建立V2I用户体验质量模型和V2V用户状态更新模型，并描述信息年龄保障下的频谱分配和功率控制问题；建立等价队列约束判断信息年龄中断事件是否发生，并通过极端事件控制框架优化信息年龄的尾部分布，抑制信息年龄中断事件发生；利用李雅普诺夫优化方法将长期平均优化问题转化为确定时隙下的优化问题，并联合通信可靠性约束条件，得到车联网用户的最优发射功率；根据资源分配问题构建超图，并通过遗传算法改进粒子群算法求解三维资源匹配问题，得到最优车联网用户频谱资源共享方式。
-
公开(公告)号：CN118411748A
公开(公告)日：2024-07-30
申请号：CN202410505558.9
申请日：2024-04-25
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V20/59 , G06V20/40 , G06V10/80 , G06V10/774 , G06F18/213 , G06F18/25
Abstract: 本发明涉及一种边云协同的车联网多模态数据分析方法，属于车联网技术领域。该方法通过车载设备实时采集驾驶人的面部视频和对话音频多模态数据，并进行预处理后发送至路边单元进行计算；在路边单元中，通过CNN捕获人脸区域的重要信息，同时通过区域特征交互模块将区域特征与全局特征进行交叉融合以实现粗粒度的面部表情识别；此外，在路边单元中使用堆叠的卷积神经网络分别对音频和人脸图像进行特征提取，并计算输出性格特征；最后将粗粒度的表情特征与性格特征上传至云端，与语音特征进行融合，识别出驾驶人的真实情绪。本发明嫩巩固提高驾驶人情绪识别精度，有效实现驾驶员的真实情绪识别。
-
公开(公告)号：CN118395449A
公开(公告)日：2024-07-26
申请号：CN202410498360.2
申请日：2024-04-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种信任可靠的资源量化方法，属于无线通信领域。该方法包括：构建边缘网络中多用户异构设备服务交付场景；根据用户间社交关系的复杂动态性以及有向图理论来构建边缘网络用户间社交关系模型，其中每个节点代表实体或个体，边代表节点之间的关系；根据用户的主观信任视角，构建感知信任量化模型；根据基于实证的客观信任视角，构建行为信任量化模型；利用模糊逻辑方法综合信任元素得到针对资源的信任量化评估结果。本发明有效保障了边缘网络系统的安全性，为资源分配和调度提供了可靠依据，具有广阔的运用前景。
-
公开(公告)号：CN118317389A
公开(公告)日：2024-07-09
申请号：CN202410491009.0
申请日：2024-04-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种语义感知的高可靠卫星路由方法，属于卫星物联网领域。该方法包括：S1：控制域构造；S2：分布式路由；S3：链路状态感知；S4：强化学习智能体训练；S5：动态路由决策。其中S1基于非支配排序遗传算法将卫星网络拓扑划分为多个控制域；S2由控制节点动态搜集相邻控制域内所有卫星节点的连接情况，生成实时路由表下发至本控制域内一般卫星节点；S3每个卫星节点感知自身所连星间链路的网络状态信息；S4根据星间链路状态训练强化学习智能体判断S2中路由表的下一跳的优劣；S5卫星节点根据训练后的强化学习智能体动态调整路由表的下一跳选择。本发明能够显著降低星间路由的通信开销，降低端到端时延、提高卫星网络吞吐量。
-
公开(公告)号：CN118301670A
公开(公告)日：2024-07-05
申请号：CN202410490987.3
申请日：2024-04-23
Applicant: 重庆邮电大学
IPC: H04W28/084 , H04W28/08 , H04W28/02 , H04L41/044 , H04L41/142 , H04L41/14 , H04L41/16
Abstract: 本发明涉及一种分层协作内容缓存方法，属于无线通信技术领域。该方法包括：S1：构建一个分层协作的、支持缓存的异构网络模型；S2：根据用户容忍时延约束和缓存容量限制，构建面向系统内容交付成本最小化的边缘缓存优化问题；S3：建立一个部分可观察的马尔可夫决策过程模型，用于描述和解决缓存决策问题；S4：提出通过采用集中训练与分布执行的协作缓存框架；S5：设计一种基于长短期记忆网络和多智能体深度确定性策略梯度的协作缓存算法，以更好的应对动态环境变化的时变特性，更新不同时隙的缓存决策。本发明通过优化缓存决策和执行流程，有效地降低了系统整体的内容交付成本，并提高了缓存命中率。
-
-
-
-
-
-
-
-
-
Search Results
293
records
(took 0.029 seconds)
