-
公开(公告)号：CN117058903B
公开(公告)日：2024-10-29
申请号：CN202311024071.0
申请日：2023-08-15
Applicant: 重庆邮电大学
IPC: G08G1/0967 , G06Q10/0639 , G06N3/092 , G06N3/084 , G06N20/00 , H04W4/44 , H04L67/12 , H04L9/00
Abstract: 本发明涉及一种智能网联汽车安全数据协同方法，属于移动通信技术领域。所述方法包括接收来自路边单元的Tip交易，并从中选择质量指标最高的两个驾驶策略模型进行聚合；根据感知的当前道路环境，进行本地决策，得到相应的多目标奖励，并将决策相关信息作为经验存储到经验回放区；根据预设优先级对经验回放区的经验进行采样，根据训练样本更新驾驶策略模型，并根据经验回放区最新的多组训练样本获得的奖励，计算驾驶测量模型的质量指标；将满足质量要求的驾驶策略模型结合更新后的质量指标进行打包，生成新Tip交易；发送新Tip交易至路边单元。本发明在保证智能网联汽车数据安全性的同时，有效提升自动驾驶决策的准确性、安全性和舒适性。
-
公开(公告)号：CN118502481A
公开(公告)日：2024-08-16
申请号：CN202410561422.X
申请日：2024-05-08
Applicant: 重庆邮电大学
IPC: G05D1/695 , H04B17/391 , H04B7/06 , G05D109/20
Abstract: 本发明涉及一种无人机通感融合系统波束成形及飞行轨迹设计方法，属于无人机通信感知技术领域。该方法包括：建模无人机通感融合系统模型并对地面区域进行离散化处理；建模目标存在概率、无人机感知信道模型、无人机通信信道模型、无人机通感融合系统发送信号、建模目标检测概率、用户通信数据传输时间、无人机传输感知数据至基站所需时间；构建无人机飞行能耗及信号功率约束、无人机任务调度约束、无人机飞行轨迹约束；基于目标平均检测概率及无人机通信时延优化确定无人机飞行轨迹、波束成形及通感任务调度策略。本发明通过联合优化无人机飞行轨迹、波束成形及通感任务调度策略，实现目标平均检测概率最大化以及无人机通信时延最小化。
-
公开(公告)号：CN117956507A
公开(公告)日：2024-04-30
申请号：CN202410118855.8
申请日：2024-01-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种智能网联汽车协同感知及数据融合方法，属于移动通信技术领域。本发明首先构建双层协同感知和多源异质数据融合的网络模型，并基于此实现智能网联汽车的多智能体群体协同感知和融合任务的卸载优化；其次，提出双分支融合任务划分模型，实现多车辆图片数据和点云数据融合；然后，基于任务内在依赖性，设计一种任务优先级评价算法，以获得任务的优先级列表；创新性提出一种基于深度强化学习的多源融合任务卸载算法以实现最小化多源感知数据融合的时延。该方法具有良好的鲁棒性和并行性，能够在扩大感知覆盖范围的同时，降低融合任务处理时延。
-
公开(公告)号：CN117880895A
公开(公告)日：2024-04-12
申请号：CN202410157857.8
申请日：2024-02-04
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车联网场景中可变粒度车辆数字孪生体的边缘构建方法，属于移动通信技术领域。该方法，包括以下步骤：构建面向车联网的数字孪生网络；边缘服务器负责确定网络中每个车辆数字孪生体构建策略；车辆根据边缘服务器确定的数字孪生体构建粒度采集对应属性的数据，将数据通过基站传输至目标边缘服务器；边缘服务器对接收到的数据进行计算等处理以构建车辆数字孪生体模型，并评估车辆数字孪生体模型的效用；建立最大化网络中的所有车辆数字孪生体平均效用的优化模型；采用多智能体强化学习算法求解最佳车辆数字孪生体边缘构建方案。本发明考虑了孪生体粒度以及资源分配策略对于车辆孪生体的影响，提高了车联网场景下车辆数字孪生体的效用。
-
公开(公告)号：CN117767988A
公开(公告)日：2024-03-26
申请号：CN202311769837.8
申请日：2023-12-21
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04B7/185 , H04B17/391 , H04W24/02 , H04W84/06
Abstract: 本发明涉及一种无人机通信感知融合系统波束成形及飞行轨迹设计方法，属于无线通信技术领域。该方法包括以下步骤：S1：建模无人机通信感知融合系统模型；S2：建模无人机通信感知融合系统联合发送信号；S3：建模无人机通信信道模型；S4：建模无人机感知信道模型；S5：建模用户通信速率；S6：建模目标发现概率；S7：建模无人机飞行能耗及联合信号功率约束；S8：建模无人机通信感知关联变量约束；S9：基于系统性能优化确定无人机飞行轨迹、波束成形及关联策略。本发明以最低用户平均通信速率最大化为优化目标，实现通信感知波束成形、无人机飞行轨迹与无人机通信感知关联策略的联合优化。
-
Patent Agency Ranking
公开(公告)号：CN117135597A
公开(公告)日：2023-11-28
申请号：CN202311088483.0
申请日：2023-08-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于分布式学习的智能网联汽车低时延数据共享方法，属于移动通信技术领域。所述方法包括获取来自路边单元下发的全局模型；所述全局模型由学生模型和全局聚合权重聚合得到；采集车辆数据，在本地训练全局模型对应的学生模型和教师模型；向路边单元上传学生模型，以及基于教师模型确定的全局聚合权重；若全局模型与学生模型的偏差程度超过预设阈值，则向路边单元的数据缓冲区上传部分车辆数据；获取来自路边单元下发的共享数据，在本地修正所述全局模型对应的学生模型和教师模型；所述共享数据由上传的部分车辆数据的新旧比例以及重要模型参数的变化率确定。在本申请的实施例所提供的技术方案中，能够显著提升模型的精度。
-
公开(公告)号：CN117058903A
公开(公告)日：2023-11-14
申请号：CN202311024071.0
申请日：2023-08-15
Applicant: 重庆邮电大学
IPC: G08G1/0967 , G06Q10/0639 , G06N3/092 , G06N3/084 , G06N20/00 , H04W4/44 , H04L67/12 , H04L9/00
Abstract: 本发明涉及一种智能网联汽车安全数据协同方法，属于移动通信技术领域。所述方法包括接收来自路边单元的Tip交易，并从中选择质量指标最高的两个驾驶策略模型进行聚合；根据感知的当前道路环境，进行本地决策，得到相应的多目标奖励，并将决策相关信息作为经验存储到经验回放区；根据预设优先级对经验回放区的经验进行采样，根据训练样本更新驾驶策略模型，并根据经验回放区最新的多组训练样本获得的奖励，计算驾驶测量模型的质量指标；将满足质量要求的驾驶策略模型结合更新后的质量指标进行打包，生成新Tip交易；发送新Tip交易至路边单元。本发明在保证智能网联汽车数据安全性的同时，有效提升自动驾驶决策的准确性、安全性和舒适性。
-
公开(公告)号：CN116980424A
公开(公告)日：2023-10-31
申请号：CN202311113123.1
申请日：2023-08-30
Applicant: 重庆邮电大学
IPC: H04L67/101 , H04L67/1023 , H04L41/14 , H04L41/0803 , H04L67/12 , H04W28/082 , H04W28/084
Abstract: 本发明涉及一种用于车联网场景中的车辆数字孪生体边缘部署方法，属于移动通信技术领域。该方法包括：构建数字孪生驱动的智慧交通车联网络；基站负责确定其服务范围内各车辆数字孪生体在边缘侧的部署位置；车辆数字孪生体初始化部署在离当前接入基站最近的边缘服务器上；基站将车辆实时上传的状态数据转发至其孪生体所在的边缘服务器上进行数字孪生同步，数据经过处理后再提供给云端应用层；计算当前部署方式下云端平均信息年龄及孪生体迁移成本；建立最小化云端平均信息年龄和迁移成本的目标函数，并采用多智能体强化学习算法求解最佳车辆数字孪生体部署方案。本发明降低了云端平均信息年龄和孪生体的迁移成本，提高了车辆数字孪生体的部署效率。
-
公开(公告)号：CN116633523A
公开(公告)日：2023-08-22
申请号：CN202310636636.4
申请日：2023-05-31
Applicant: 重庆邮电大学
IPC: H04L9/00 , H04L67/12 , H04L41/14 , H04L49/102 , H04L49/103
Abstract: 本发明涉及一种基于区块链的车联网安全数据共享方法，属于移动通信技术领域。首先建立了车联网场景的云‑边‑端三层网络模型。然后，提出双层区块链架构赋能数据共享过程，进一步提出共享策略和异步分区共享方法。该方案可实现车联网场景下，安全高效的异步模型共享同时保护了用户车辆的数据隐私。该方案在车辆移动场景下最大化共享效率，高效利用边缘网络和用户数据资源，打破车联网场景下人工智能应用的瓶颈。
-
公开(公告)号：CN116528364A
公开(公告)日：2023-08-01
申请号：CN202310553022.X
申请日：2023-05-17
Applicant: 重庆邮电大学
IPC: H04W72/044 , H04W72/1263 , H04W72/50 , H04W72/53
Abstract: 本发明涉及一种基于RIS辅助的NOMA边缘计算动态任务传输功率分配方法，包括：构建RIS‑NOMA边缘计算任务传输系统；在队列长度约束下成立UE端总成本表达式；利用惩罚理论加入惩罚因子将队列约束转换为稳定性表达式构建UE端总成本稳定表达式；根据马尔可夫的决策过程对RIS‑NOMA边缘计算任务传输过程进行建模得到基于RIS‑NOMA边缘计算任务传输的MDP模型；根据基于RIS‑NOMA边缘计算任务传输的MDP模型以UE端总成本最小化为目标利用DDQN算法计算得到最优的UE传输功率分配方案，本发明方法考虑更实际的动态任务传输场景，更容易找到使用户成本最小化的全局最优解。
-
-
-
-
-
-
-
-
-
Search Results
848
records
(took 0.036 seconds)
