多无人机辅助MEC系统中联合轨迹、卸载和资源分配优化方法

    公开(公告)号:CN115833907A

    公开(公告)日:2023-03-21

    申请号:CN202211438895.8

    申请日:2022-11-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种多无人机辅助MEC系统中的联合轨迹、卸载和资源分配优化方法,包括以下步骤:1、无人机上的MEC服务器收集飞行区域内所有地面用户节点的计算资源、通信资源和任务负载等信息,以及其他无人机计算资源信息;2、引入相关的辅助变量,建立对应的优化问题;3、用户和无人机之间的匹配关系通过卸载匹配博弈算法初始化,其对应的矩阵为卸载匹配矩阵;4、引入辅助变量,将优化问题分解为若干子问题求解。该方法基于块坐标下降方法和连续凸逼近技术,称其为联合多无人机轨迹、卸载和资源优化方案;5、迭代直至前后两次目标函数值之差的绝对值小于阈值。本方法降低了用户的平均服务时延。

    一种基于多用户博弈与联邦学习的车联网计算卸载方法

    公开(公告)号:CN115134778A

    公开(公告)日:2022-09-30

    申请号:CN202210744843.7

    申请日:2022-06-28

    Abstract: 本发明提出的一种基于多用户博弈与联邦学习的车联网计算卸载方法,采用二进制卸载的方式对信道和功率进行选择,利用势博弈算法和联邦学习算法共同优化深度Q网络,通过这种方式选择的信道与发射功率可以有效降低整个系统的总开销,即减小服务时延、降低系统能量损耗。本发明使用的势博弈算法可以使用户车辆在训练之前就获得近最优的卸载决策,让深度Q网络更有效地收敛,经过训练的智能体能在特定环境中做出对整体最有利的卸载决策,降低系统开销,且经过联邦学习优化后的深度Q网络训练出的模型能够很好地适应于更多用户的场景,具备一定的鲁棒性。

    一种低轨卫星通信网络中的星间路由方法

    公开(公告)号:CN111953399B

    公开(公告)日:2022-06-17

    申请号:CN202010660779.5

    申请日:2020-07-10

    Abstract: 本发明提出一种低轨卫星通信网络中的星间路由方法,该方法是一种基于心跳包技术的动态星间网络路由方法。首先,网络中的每个卫星节点使用心跳包机制,维护与邻居节点的动态链路和节点逻辑地址等信息,进而维持一个由逻辑地址组成的卫星通信网络的拓扑结构。源节点根据与目的节点的相对位置,先确定轨道内跳数和轨道间跳数,然后确定数据包的垂直传输方向和水平传输方向,最后,确定垂直传输和水平传输的优先级。此外,当有链路故障或拥塞时,将故障链路信息在网络中泛洪,采用规避算法,避开故障链路,选择合适路由。上述方法在低轨卫星通信网络节点故障等情况下,能动态进行卫星节点路由,同时具有较小的路由开销和平均端到端时延。

    一种多协议接入的机场物联数据转发系统

    公开(公告)号:CN113676492A

    公开(公告)日:2021-11-19

    申请号:CN202111127516.9

    申请日:2021-09-26

    Applicant: 东南大学

    Abstract: 本发明公开了一种多协议接入的机场物联数据转发系统。该转发系统内部由上行数据收集器,下行数据收集器,设备信息校验器组成。设备通过唯一标识符以及各自协议连入物联网,将设备采集到的数据、设备信息通过消息传入系统,设备信息校验器校验后传入上行消息收集器,合法性判断后转入决策层。决策层下发的命令转至下行数据收集器,合法性判断后根据判断后的信息将命令发送至各设备,设备校验成功后获得命令。设备信息校验器通过设备标识符及数据链路方向判断设备的合法性。本系统可以实现多协议设备数据的集中管理,在较为封闭的机场环境中可以有较好的应用。

    一种基于深度强化学习的车辆自动循迹驾驶方法

    公开(公告)号:CN113657292A

    公开(公告)日:2021-11-16

    申请号:CN202110954229.9

    申请日:2021-08-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度强化学习的车辆自动循迹驾驶方法,包括如下步骤:步骤1、构建双重深度Q网络进行图像特征提取;步骤2、采用经验回放方案进行环境交互训练样本采集和双重网络训练;步骤3、采用RMSprop算法优化网络的训练过程;步骤4、采用训练完毕的双重深度网络进行预测,进而实现自动循迹驾驶。本发明采取深度强化学习方法,直接实现从图像采集到车辆控制的端到端网络建立,避免了传统方法中复杂的PID控制环节,并且采用双重深度网络进行动作预测,可以有效减少单一深度强化学习网络中最大化偏差带来的性能损失。

    一种太赫兹通信系统中最大化频谱效率的资源分配方法

    公开(公告)号:CN113612558A

    公开(公告)日:2021-11-05

    申请号:CN202110885602.X

    申请日:2021-08-03

    Applicant: 东南大学

    Abstract: 本发明针对太赫兹通信系统,提出了一种最大化系统频谱效率的资源分配方法。首先,基于太赫兹室内通信系统的信道模型,以最大化频谱效率为目标,在用户最低速率的约束下,建立子带分配和功率分配的联合优化问题。其次,基于分解理论,将联合优化问题分解为子带分配和功率分配两个子问题。基于长用户使用中心窗口原理和二分图匹配方法匈牙利算法分配子带,后使用序列二次规划算法进行功率的优化,得到最终的子带分配和功率优化结果。上述资源分配方法能够利用太赫兹通信的特性,达到更高的系统频谱效率。

    一种基于加权Kapetyn级数展开的大规模MIMO低复杂度信道估计方法

    公开(公告)号:CN106817155B

    公开(公告)日:2020-12-15

    申请号:CN201710049022.0

    申请日:2017-01-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于加权Kapetyn级数展开的大规模MIMO低复杂度信道估计方法。首先采用Kapteyn级数展开法对Bayesian‑MMSE信道估计表达式中的信道协方差逆矩阵进行近似展开,将矩阵求逆运算转换成矩阵乘法和矩阵加法运算,接着对多项式每项系数采用加权方式来优化多项式展开,建立模型对加权系数向量α和β进行求解使得估计的均方误差最小化,利用α和β的求解结果对信道矩阵进行估计。实验结果表明随着多项式阶数的增大,基于加权Kapetyn级数展开的信道估计方法得到的MSE会收敛于MMSE方法,然而计算复杂度低于MMSE方法。对比与传统Taylor‑MMSE和Kapetyn级数展开信道估计方法,基于加权Kapetyn级数展开方法收敛到MMSE方法的速度更快。

    一种低轨卫星通信网络中的星间路由方法

    公开(公告)号:CN111953399A

    公开(公告)日:2020-11-17

    申请号:CN202010660779.5

    申请日:2020-07-10

    Applicant: 东南大学

    Abstract: 本发明提出一种低轨卫星通信网络中的星间路由方法,该方法是一种基于心跳包技术的动态星间网络路由方法。首先,网络中的每个卫星节点使用心跳包机制,维护与邻居节点的动态链路和节点逻辑地址等信息,进而维持一个由逻辑地址组成的卫星通信网络的拓扑结构。源节点根据与目的节点的相对位置,先确定轨道内跳数和轨道间跳数,然后确定数据包的垂直传输方向和水平传输方向,最后,确定垂直传输和水平传输的优先级。此外,当有链路故障或拥塞时,将故障链路信息在网络中泛洪,采用规避算法,避开故障链路,选择合适路由。上述方法在低轨卫星通信网络节点故障等情况下,能动态进行卫星节点路由,同时具有较小的路由开销和平均端到端时延。

Patent Agency Ranking