-
公开(公告)号：CN111695426A
公开(公告)日：2020-09-22
申请号：CN202010380711.1
申请日：2020-05-08
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于物联网的行为模式分析方法和系统，方法包括：获取待测用户的时间序列数据，时间序列数据包括：待测用户按照指定步骤执行预设活动的至少一个的目标时间点，与目标时间点对应的传感器事件，传感器事件描述目标时间点上各传感器的状态变化情况；根据时间序列数据，确定待测用户的位置序列；根据时间序列数据结合位置序列，确定基于矩阵表示的用户位置子序列；根据基于矩阵表示的用户位置子序列，确定待测用户的活动模式图，基于活动模式图，从定性和定量的角度，给出待测用户的行为模式分析结果。本发明可用于用户痴呆活动模式分类评估，实现传感器时间序列的自动分段，提高基于传感器时间序列进行数据分析的可用性和可解释性。
-
公开(公告)号：CN111401513A
公开(公告)日：2020-07-10
申请号：CN202010086791.X
申请日：2020-02-11
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种基于随机矩阵采样的轻量级深度学习方法与装置，在不牺牲神经网络性能的前提下，降低模型运算时间与空间复杂度，提高计算效率。所述基于随机矩阵采样的轻量级深度学习方法，包括：对神经网络层的高维权重矩阵进行降维处理，得到低维表征矩阵；在推理阶段，根据推理计算复杂度调整低维表征矩阵间乘法顺序；在训练阶段，根据误差矩阵对低维表征矩阵进行更新；对更新后低维表征矩阵进行重叠耦合与再更新变换，得到轻量级的权重矩阵。所述基于随机矩阵采样的轻量级深度学习装置，包括低维权重表征模块、前向推理模块、训练更新模块与权重校准模块。
-
公开(公告)号：CN111310895A
公开(公告)日：2020-06-19
申请号：CN202010086723.3
申请日：2020-02-11
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种输入特征分解的高效CNN推理方法与装置，能够解决推理计算复杂度高的问题。所述方法包括：利用卷积神经网络卷积层的权重张量对输入张量进行降维展开变换，得到过渡输入张量，对所述过渡输入张量进行行采样操作，得到行表征矩阵；根据所述行表征矩阵对所述过渡输入张量进行列采样操作，得到列表征矩阵；根据所述过渡输入张量、所述行表征矩阵与所述列表征矩阵，计算确定核心表征矩阵；调整所述行表征矩阵、所述列表征矩阵、所述核心表征矩阵与所述权重张量间的相乘顺序，使计算复杂度最低，根据相乘结果确定输出张量。所述装置包括行表征矩阵构建模块、列表征矩阵构建模块、核心表征矩阵构建模块与推理计算模块。
-
公开(公告)号：CN109246176B
公开(公告)日：2020-05-01
申请号：CN201810715834.9
申请日：2018-07-03
Applicant: 北京邮电大学
IPC: H04L29/08
Abstract: 本发明提供一种软件定义网络中基于区块链的多控制器同步方法及装置，所述方法包括：向获取到的接入区块链系统的目标控制器发送共识承认信息，以供所述目标控制器根据所述共识承认信息向所述区块链系统发送包含所述目标控制器的本地信息的第一区块；向每一控制器发送包含所述本地信息的第二区块，以供每一控制器根据所述本地信息更新自身存储的网络视图，实现多个控制器的信息同步。本发明提供的软件定义网络中基于区块链的多控制器同步方法及装置，通过许可链实现多控制器之间的信息同步，减少了不必要的信息交互，提高了控制器的效率，并提高了控制器的安全性和可靠性。
-
公开(公告)号：CN106385274B
公开(公告)日：2019-12-27
申请号：CN201610811493.6
申请日：2016-09-08
Applicant: 北京邮电大学
IPC: H04B7/0413 , H04L5/00
Abstract: 本发明实施例提供了一种大规模MIMO系统中导频分配的方法及装置，方法包括：将蜂窝移动网络中的小区划分为三个或者四个小区分组，使蜂窝移动网络中的相邻小区分别属于不同的小区分组；获取待处理的当前小区；根据当前小区中各用户的信道质量，对当前小区中的用户进行排序，得到排序后的用户列表；根据当前小区中各用户受到的导频干扰量，对当前小区中各用户分别使用的导频序列进行排序，得到排序后的导频序列列表；按照预设的分配规则，将导频序列列表中的各导频序列分别重新分配给用户列表中的各用户。应用本发明实施例既能消除不同组小区之间的导频污染，又能进一步减少同组小区之间的导频污染，提升大规模MIMO系统的通信性能。
-
Patent Agency Ranking
公开(公告)号：CN107979540B
公开(公告)日：2019-12-24
申请号：CN201710954226.9
申请日：2017-10-13
Applicant: 北京邮电大学
IPC: H04L12/803 , H04L12/823 , H04L12/855
Abstract: 本发明提供一种SDN网络多控制器的负载均衡方法及系统，所述方法包括：S1、获取SDN网络的数据平面发送的待处理数据集以及所述SDN网络的控制平面发送的各个控制器负载反馈信息；S2、基于预设的服务质量QoS学习模块，对所述各个控制器负载反馈信息进行预设次数的学习，以得到所述各个控制器的负载分配方式；S3、将所述待处理数据集中各个数据，按照所述各个控制器的负载分配方式进行负载分配。本发明提供的SDN网络多控制器的负载均衡方法及系统，通过在SDN网络的控制平面和数据平面之间设置有控制器大脑CM，所述CM能够基于QoS进行自主学习，从而自主的进行负载分配，避免了频繁的数据交换所产生的时延。
-
公开(公告)号：CN110582072A
公开(公告)日：2019-12-17
申请号：CN201910757486.6
申请日：2019-08-16
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种蜂窝车联网中基于模糊匹配的资源分配方法及装置，其中方法包括：基于获取的网络资源信息和车辆用户信息，计算每一车辆用户在不同资源块上的信道功率增益，以及与该信道功率增益对应的时变信道功率增益；基于时变信道功率增益，构建基于三角模糊数的模糊空间模型；基于信道功率增益，计算每一车辆用户在对应接收端的信干噪比，及每一车辆用户在不同资源块上的数据速率；将数据速率映射到模糊空间模型中，得到模糊空间模型的效应函数；使用第一预设匹配算法，在资源块中为每一车辆用户选择目标匹配资源块，得到每一车辆用户的目标匹配资源块。本发明实施例，能够解决网络资源分配不合理的问题。
-
公开(公告)号：CN106549805B
公开(公告)日：2019-09-24
申请号：CN201610946352.5
申请日：2016-11-02
Applicant: 北京邮电大学
IPC: H04L12/24 , H04L12/26 , H04L12/803
Abstract: 本发明提供一种SDN网络架构及通信方法，所述网络架构包括：一个超级控制器和一个或者多个集群，所述一个超级控制器通过多个端口和所述每个集群的每个集群控制器相连，所述超级控制器对每个集群仅激活其中一个或者多个端口，所述端口所连接的集群控制器具有最大的度中心度或者紧密中心度。本发明具有减少控制器关闭和负载转移过程中延迟、节约超级控制器端口个数以及降低系统能耗的有益效果。
-
公开(公告)号：CN107333281B
公开(公告)日：2019-08-20
申请号：CN201710340027.9
申请日：2017-05-15
Applicant: 北京邮电大学
Abstract: 本发明提出一种移动计算卸载协同控制系统及方法，该系统包括以下至少两种的预设控制器和虚拟控制器簇生成子模块，其中，预设控制器为以下之一：第一控制器、多个第二控制器、多个第三控制器、多个第四控制器、多个节点级控制器、虚拟控制器簇生成模块，其中，不同的虚拟控制器簇的组合中所包含的预设控制器不同；其中，第一至四控制器的类型可以分别为全局控制器、宏基站级控制器、微基站级控制器，以及微云簇头级控制器中的任一种。本发明能够完成基于软件定义的计算卸载优化控制，灵活地支持基于用户为中心或基于计算资源和/或网络资源优化为中心的不同移动计算卸载协同优化目标，提升该移动计算卸载协同控制方法的可扩展性和灵活性。
-
公开(公告)号：CN110109049A
公开(公告)日：2019-08-09
申请号：CN201910239760.0
申请日：2019-03-27
Applicant: 北京邮电大学
IPC: G01S3/14
Abstract: 本发明公开了一种用于大规模天线角度估计的无迹卡尔曼滤波方法及装置，所述方法包括：对当前时刻的目标角度状态、协方差和系统观测值进行预测，获得当前时刻的预测状态、预测协方差和预测观测值；计算所述预测观测值的自协方差矩阵，并将所述自协方差矩阵近似为两个低维矩阵的组合；根据所述两个低维矩阵计算无迹卡尔曼滤波增益矩阵；根据所述预测状态、所述预测协方差、所述预测观测值、所述无迹卡尔曼滤波增益矩阵和当前时刻的系统观测值，更新获得当前时刻的目标角度状态和协方差，从而降低运算复杂度，且降低算法运行时间。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.036 seconds)
