-
公开(公告)号：CN113258988B
公开(公告)日：2022-05-20
申请号：CN202110523792.0
申请日：2021-05-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于DQN的多业务低轨卫星资源分配方法，属于卫星通信领域，包括以下步骤：S1：建立基于低轨卫星多业务的联合功率和信道分配模型；S2：将多波束低轨卫星通信系统资源分配映射为智能体在环境中交互学习获得最大化长期收益的问题；S3：通过状态重构及DQN算法对S2问题进行求解。本发明可在满足多业务用户需求和维持业务队列稳定的条件下，提升系统吞吐量。
-
公开(公告)号：CN114423035A
公开(公告)日：2022-04-29
申请号：CN202210031530.7
申请日：2022-01-12
Applicant: 重庆邮电大学
IPC: H04W24/08 , H04L41/0893 , H04L41/14
Abstract: 本发明涉及一种网络切片场景下服务功能链异常检测方法，属于移动通信技术领域。该方法包括为：构建分布式异常检测架构；为挖掘易于网络进行学习的数据深层次特征，对每个VNF中的数据进行特征提取，采用滑动窗口捕获时间序列数据之间的关系；由于VNF数据中存在类不平衡问题，采用生成对抗网络(GAN)学习正常数据特征，并结合时间卷积网络(TCN)和自动编码器(AE)以提升GAN对数据特征的学习能力；采用异常得分函数评判VNF的状态，进而完成对SFC的异常检测。本发明的技术方案可以提供较高的检测准确性和稳定性，快速应对网络因受到攻击而产生的数据异常，提升整体虚拟网络的鲁棒性，增强网络安全性。
-
公开(公告)号：CN112887145B
公开(公告)日：2022-04-29
申请号：CN202110113262.9
申请日：2021-01-27
Applicant: 重庆邮电大学
IPC: H04L41/042 , H04L41/0654 , H04L41/0823 , H04L41/14
Abstract: 本发明涉及一种基于分布式的网络切片故障检测方法，属于移动通信技术领域。该方法包括：S1：构建基于联邦学习的网络切片故障检测架构；S2：建立基于CNN‑GRU网络的无监督故障检测方法；S3：在联邦学习参数上传时，采用top‑k梯度压缩机制进行模型压缩；S4：采用适用联邦学习的自适应优化器进行全局模型聚合。本发明能够在保障故障检测模型准确性的同时，减少通信开销，提高模型泛化效果。
-
公开(公告)号：CN113490254B
公开(公告)日：2022-03-29
申请号：CN202110919085.3
申请日：2021-08-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于联邦学习双向GRU资源需求预测的VNF迁移方法，属于移动通信技术领域。该方法包括：S1：在网络切片场景下，考虑时变网络流量引起的VNF迁移问题和对VNF的资源需求缺乏预测引起的VNF迁移时延问题，采用FedBi‑GRU算法预测VNF的资源需求；S2：根据资源需求预测结果，计算物理节点的资源利用率，判定网络系统中资源使用过载或者资源使用轻载的物理节点，通过VNF迁移，在保证网络性能的同时实现系统能耗优化和负载均衡；S3：采用DPPO的深度强化学习方法得到VNF迁移的最优决策。本发明能减少虚拟网络功能的迁移次数并降低网络系统能耗，可以保证网络系统的负载均衡。
-
公开(公告)号：CN111130904B
公开(公告)日：2022-03-29
申请号：CN201911402655.0
申请日：2019-12-30
Applicant: 重庆邮电大学
IPC: H04L41/5051 , H04L41/0894
Abstract: 本发明涉及一种基于深度确定性策略梯度的虚拟网络功能迁移优化算法，属于移动通信技术领域。该算法具体包括以下步骤：S1：在NFV/SDN架构下，考虑SFC资源需求动态变化，在保证底层物理资源和用户QoS需求的前提下，通过VNF迁移，并确定底层每个通用物理服务器的工作状态，实现网络能耗与SFC端到端时延的联合优化；S2：针对状态空间和动作空间是连续值集合，采用基于深度确定性策略梯度的VNF智能迁移算法，从而得到近似最优的VNF迁移策略；S3：在每个离散的时隙上，根据底层通用服务器工作状态、VNF的CPU资源需求以及虚拟链路的带宽资源需求，将VNF迁移至合适的目的服务器上。该算法可以实现网络能耗和SFC端到端时延的折中，并提高物理网络的资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN113015196A
公开(公告)日：2021-06-22
申请号：CN202110204251.1
申请日：2021-02-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于状态感知的网络切片故障愈合方法，属于移动通信技术领域。首先提出了一种基于状态感知的VNF愈合策略选择方法，该方法通过物理节点上的VNF的故障状态与节点资源使用情况，进行VNF愈合策略的选择，以适应不同的故障场景。进一步地，针对需要进行迁移的VNF，提出了一种基于最小化愈合开销的计算模型。最后，通过深度强化学习方法DQN，寻找得到VNF的最佳迁移策略。本发明所提方法能够在进行网络切片故障愈合的同时，减少愈合开销，提高网络的可靠性。
-
公开(公告)号：CN112887999A
公开(公告)日：2021-06-01
申请号：CN202110113348.1
申请日：2021-01-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于分布式A‑C的智能接入控制与资源分配方法，属于通信技术领域。该方法中，根据eMBB和URLLC切片的性能需求，构建了一个联合eMBB切片用户传输速率和URLLC切片用户时延的双目标优化模型。其次，将联邦学习与强化学习融合，建立一个联邦强化学习框架，各个智能体协作，以更新全局权重参数，且各个智能体本地数据不相互交换。联邦强化学习框架中的智能体利用A‑C学习不断与环境进行交互，各个智能体间相互协作，动态调整接入控制与资源分配策略，优化系统模型。本发明所提能够满足各切片用户性能需求且维持各切片用户队列处于稳定状态，优化eMBB用户传输速率和URLLC用户时延，提高资源利用率。
-
公开(公告)号：CN112887145A
公开(公告)日：2021-06-01
申请号：CN202110113262.9
申请日：2021-01-27
Applicant: 重庆邮电大学
IPC: H04L12/24
Abstract: 本发明涉及一种基于分布式的网络切片故障检测方法，属于移动通信技术领域。该方法包括：S1：构建基于联邦学习的网络切片故障检测架构；S2：建立基于CNN‑GRU网络的无监督故障检测方法；S3：在联邦学习参数上传时，采用top‑k梯度压缩机制进行模型压缩；S4：采用适用联邦学习的自适应优化器进行全局模型聚合。本发明能够在保障故障检测模型准确性的同时，减少通信开销，提高模型泛化效果。
-
公开(公告)号：CN112822738A
公开(公告)日：2021-05-18
申请号：CN202110050082.0
申请日：2021-01-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种密集用户场景下低轨卫星通信系统切换管理方法，属于卫星通信技术领域。该方法通过测量卫星发射的导频信号强度，用户终端进行判断，当用户触发分群操作后，会进行分群属性预测，将结果交付给服务卫星完成分群操作，选择出群首用户及群成员，当群首用户的测量结果满足条件时，触发切换流程，群首代替群成员决定切换时选择的目的卫星，进入切换准备和执行阶段，当群内所有成员切换成功后，释放资源，完成切换。本发明解决了现有技术中存在大量用户因同时向卫星发送切换请求消息，造成网络拥塞，产生大量系统开销等问题。
-
公开(公告)号：CN112821941A
公开(公告)日：2021-05-18
申请号：CN202110058292.4
申请日：2021-01-14
Applicant: 重庆邮电大学
IPC: H04B7/185
Abstract: 本发明涉及一种多波束低轨卫星通信系统预切换方法，属于微信卫星通信领域，包括步骤1，终端接入卫星网络后，登记上报位置信息；步骤2，卫星判断是否需要进行星间波束切换，若需要则转发至地面控制中心，若不需要则在卫星侧进行星内波束切换。卫星网络依据星历信息及终端位置信息预测切换时刻及向目标波束预留资源时刻；步骤3，目标波束预留信道资源后，通过源波束转发至终端；步骤4，终端待预切换时刻达到后，直接接入目标波束，完成切换。本发明通过卫星轨迹的可预测性，能够简化切换信令流程、提高切换成功率及用户通信体验。
-
-
-
-
-
-
-
-
-
Search Results
347
records
(took 0.03 seconds)
