-
公开(公告)号:CN106912083B
公开(公告)日:2020-01-14
申请号:CN201710138361.6
申请日:2017-03-09
Applicant: 西北大学
Abstract: 本发明提出了一种适用于大型野外环境的无线传感网络的路由方法,具体包括,首先对无线传感网络中的节点进行初始化,得到每个节点的预期能耗值C和每个节点所有邻居节点的占空比之和;在数据传输过程中,将首先要发送数据的节点作为当前节点,确定当前节点的邻居节点集合;确定当前节点的转发候选集,并在转发候选集中确定一个转发节点,将该转发节点作为当前节点重复上述步骤,直到找到所有的转发节点,完成数据传输。本发明提供的路由方法,考虑到了退避机制,提高了通信成功率,最终达到降低转发过程能耗,提升网络生存周期的目的。
-
公开(公告)号:CN109347902A
公开(公告)日:2019-02-15
申请号:CN201810977882.5
申请日:2018-08-27
Applicant: 西北大学
IPC: H04L29/08
Abstract: 本发明公开了一种边缘计算网络中兼顾优先级与公平性的数据协同传输方法,该方法综合考虑数据流的传输时间限制、无线信道的通信质量、系统的带宽限制以及数据流的优先级,以满足数据流的时间限制为目标,为低通信质量的节点寻找最佳中转节点,为高优先级的数据流分配尽可能多的带宽,为低优先级的数据流预留带宽,协同多个边缘计算节点,确保数据流的优先级与公平性。该方法能提高数据传输的成功率、系统的吞吐量,并能降低系统能耗与传输时延。本发明方法为边缘计算网络中的终端节点向边缘计算服务器发送数据提供了新的传输方法和具体方案。使用本发明所提方法,系统在吞吐量、传输成功率、平均时延和能耗等方面均有明显优势。
-
公开(公告)号:CN104837196B
公开(公告)日:2018-03-20
申请号:CN201510151720.2
申请日:2015-04-01
Applicant: 西北大学
IPC: H04W56/00
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种基于电压感知的无线传感器网络时间同步方法,该方法包括的步骤有:外部时钟同步、本地时间自我校正。本算法在频偏估计时考虑到了节点当前工作电压变化对节点频偏造成的影响,提高了频偏估计的精度。同时,由于该算法在时间同步的过程中主要依赖本地信息,大大减少了信息传输次数,从而很大程度上降低了能耗,并且减少了由信息逐层传输带来的误差累积。最后,由于该算法对信息传输的依赖较低,从而解决了由于电压以及节点位置动态变化等造成的通信不稳定的问题。
-
公开(公告)号:CN105072657A
公开(公告)日:2015-11-18
申请号:CN201510438360.4
申请日:2015-07-23
Applicant: 西北大学
CPC classification number: Y02D70/30 , H04W40/02 , H04L1/18 , H04W52/0209 , H04W56/001 , H04W84/18
Abstract: 本发明公开了一种基于数据命名为中心的无线传感器网络异步休眠调度方法,本发明的基本思路是:无线传感器网络中命名数据网络框架的实现,网络环境的部署,interest请求包进行下发请求,Data信息包进行回传,节点周期性的进行休眠调度并执行重传机制。该网络结构可以统一多种不同速率的传感器网络,并且能够提供对应的异步休眠调度策略,以达到能够大规模、野外部署,和减少电池能量消耗的目的。
-
公开(公告)号:CN118278460A
公开(公告)日:2024-07-02
申请号:CN202410259304.3
申请日:2024-03-07
Applicant: 西北大学
IPC: G06N3/0464 , G06N3/08 , G06Q50/00 , G06F18/24 , G06F18/214 , G06F17/16 , G06F17/18
Abstract: 本申请涉及一种符号网络中基于图卷积神经网络的细粒度信任评估方法,本申请在符号加权有向社交网络中提出一个基于图卷积神经网络(Graph Convolutional Network,GCN)的面向连续信任度的信任评估框架ContTrust,以预测网络中没有显式连接关系的用户对之间的信任度;基于信任关系的方向和信任权重的正负,将目标用户的邻居分为4类,考虑不同潜在因素对目标用户信任度的影响来提升信任评估的性能;设计了四个基于注意力机制的聚合器和多个堆叠的卷积层来捕获社交网络图结构和用户间的信任;使用来自公共真实世界的数据集来评估ContTrust的性能。与信任评估领域两个最流行的基准算法相比,ContTrust在均方根误差(RMSE)和皮尔逊相关系数(PCC)方面可分别提高51.2%和33.1%的性能。
-
公开(公告)号:CN118075884A
公开(公告)日:2024-05-24
申请号:CN202410254640.9
申请日:2024-03-06
Applicant: 西北大学
IPC: H04W72/0453 , H04W72/50 , H04W72/566
Abstract: 本发明公开了一种超密集网络频谱资源分配方法、系统及存储介质,方法包括以下步骤:步骤1,计算用户和子载波在各自通信范围内的对彼此的偏好值,获得用户对子载波的偏好值列表以及子载波对用户的偏好值列表;步骤2,对网络中的子载波资源进行预匹配;步骤3,对子载波进行转移,获得更优的匹配结果。经仿真结果分析,本发明的方法产生的匹配结果是稳定的,保障了用户的最优分配与子载波资源的最佳配置。本发明实现了用户吞吐量需求与子载波资源间的最佳匹配,特别是考虑到不同用户对吞吐量的不同需求与子载波提供的不同吞吐量能力。解决了超密集网络环境下不同用户的吞吐量需求与受限频谱资源间的矛盾。
-
公开(公告)号:CN116416080A
公开(公告)日:2023-07-11
申请号:CN202310287692.1
申请日:2023-03-22
Applicant: 西北大学
IPC: G06Q50/00 , G06F18/22 , G06F18/23213 , H04L41/12
Abstract: 本申请涉及一种符号网络中噪声边感知的社区检测方法,包括:确定符号网络中的噪声边集合和噪声边节点集合;对符号网络中的所有噪声边进行标记,得到更新后的符号网络;对更新后的符号网络的拓扑信息进行嵌入,得到更新后的符号网络的嵌入矩阵,在嵌入过程中,忽略所有噪声边;根据更新后的符号网络的嵌入矩阵和噪声边节点集合,确定符号网络中每个节点所属社区。本申请考虑到符号网络中噪声边对社区检测的影响,感知忽略噪声边,结合平衡理论,并考虑到社区结构存在非平衡态与弱平衡态,从而允许属于平衡三角形的负边位于社区内部,允许属于平衡三角形的正边位于两个社区之间,从而降低了符号网络中噪声边的影响并提高了社区检测的精准度。
-
公开(公告)号:CN111459799B
公开(公告)日:2023-03-10
申请号:CN202010140642.7
申请日:2020-03-03
Applicant: 西北大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于Github的软件缺陷检测模型建立、检测方法及系统,其中检测模型建立包括:首先对Github平台中的数据集进行预处理,得到符合要求的变更记录及其对应的Bug‑Fix文件对;然后对符合要求的变更记录进行处理,生成切片的向量及标签;最后将切片的向量及标签输入到双向LSTM模型中进行训练和学习,得到训练好的检测模型。对于待检测的目标文件,处理得到该目标文件的向量后输入到检测模型中,得到检测结果。本发明方法解决了目前基于源码进行学习的缺陷检测面临的数据集过小而必须面临的数据不平衡,数据多样性不够,模型泛化能力差的问题;且能够达到更高的检测准确率。
-
公开(公告)号:CN111372313B
公开(公告)日:2022-11-04
申请号:CN202010093807.X
申请日:2020-02-14
Applicant: 西北大学
Abstract: 本发明公开了一种基于LoRa上行传输系统的高能效资源分配方法,包括:通过网关的多个信道接收来自多个终端发射的信号;获得所述多个信道接收的所述信号的信噪比;根据所述信噪比对所述多个终端重新分配信道,并根据重新分配的信道调整所述多个终端的发射参数;根据重新分配的信道和调整后的发射参数进行数据传输。本发明的基于LoRa上行传输系统的高能效资源分配方法,能够将LoRa系统的传输参数根据网关的信道条件分配给终端,从而实现了不同的应用场景中高能效的通信。
-
公开(公告)号:CN109347902B
公开(公告)日:2020-05-19
申请号:CN201810977882.5
申请日:2018-08-27
Applicant: 西北大学
IPC: H04L29/08
Abstract: 本发明公开了一种边缘计算网络中兼顾优先级与公平性的数据协同传输方法,该方法综合考虑数据流的传输时间限制、无线信道的通信质量、系统的带宽限制以及数据流的优先级,以满足数据流的时间限制为目标,为低通信质量的节点寻找最佳中转节点,为高优先级的数据流分配尽可能多的带宽,为低优先级的数据流预留带宽,协同多个边缘计算节点,确保数据流的优先级与公平性。该方法能提高数据传输的成功率、系统的吞吐量,并能降低系统能耗与传输时延。本发明方法为边缘计算网络中的终端节点向边缘计算服务器发送数据提供了新的传输方法和具体方案。使用本发明所提方法,系统在吞吐量、传输成功率、平均时延和能耗等方面均有明显优势。
-
-
-
-
-
-
-
-
-