-
公开(公告)号：CN110234127A
公开(公告)日：2019-09-13
申请号：CN201910502165.1
申请日：2019-06-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于SDN的雾网络任务卸载方法，属于移动通信技术领域。首先，针对雾节点在不同情况的任务卸载策略，采用动态服务节点更新方式建立志愿节点集，提高任务卸载效率。其次，为解决网络拥塞问题，本发明引入SDN技术，在网络信息资源交互过程中，通过SDN控制器实时监控网络负载，有效降低网络拥塞。此外，为提高网络资源利用率，本发明基于Lyapunov优化算法，充分考虑节点队列情况，将最小化任务卸载代价问题分解为最优传输功率分配和最优卸载方案两个子问题求解。本发明可降低系统总时延和能耗开销，实现任务队列的稳定和有效的资源分配。
-
公开(公告)号：CN110049506A
公开(公告)日：2019-07-23
申请号：CN201910329123.2
申请日：2019-04-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于簇和几何注水资源分配的网络能效提升方法，属于移动通信技术领域。首先，本发明提出了基于负载均衡的最优匹配方案保证网络中基站的负载均衡，有利于合理地配置网络资源并减小流量拥塞。其次，为了减小网络中的干扰，本发明将蜂窝异构网络中的小蜂窝基站分簇，根据能量效率选出簇头，并由簇头重新分配簇内资源。再次，根据几何注水算法，本发明提出了基于能效的信道功率分配方案。最后，本发明将小蜂窝基站簇、信道功率分配和动态小蜂窝基站开/关结合，在保证网络的中断概率、用户设备的最低信干噪比需求和核心区域内UE的通信质量下，进一步提升能量效率。
-
公开(公告)号：CN109656703A
公开(公告)日：2019-04-19
申请号：CN201811566614.0
申请日：2018-12-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及涉及一种移动边缘计算辅助车辆任务卸载方法，属于车辆通信领域，其中车辆任务根据其属性可分为：可卸载任务和不可卸载任务。对于不可卸载的任务，选择本地计算任务；对于可卸载的任务，车辆利用本地计算资源和MEC计算资源共同处理任务，达到最小化任务计算代价的目的。其中最优卸载决策取决于任务在本地处理带来的效益和卸载到MEC带来的效益的对比。本发明在任务计算过程中，数据包队列呈动态变化，既有数据包到达也有数据包离开队列，同时由于时延也会产生丢包。保持队列稳定下，对于任务的丢包率进行优化可以改善减少任务计算代价，以及提高车辆用户数据传输体验。
-
公开(公告)号：CN106231666A
公开(公告)日：2016-12-14
申请号：CN201610832608.X
申请日：2016-09-19
Applicant: 重庆邮电大学
CPC classification number: H04W52/267 , H04B7/0608 , H04L5/0064 , H04L5/0076 , H04W72/0473 , H04W72/0493
Abstract: 本发明涉及一种分布式天线系统中基于能效的联合资源分配方法，属于无线通信技术领域。该方法考虑分布式天线系统中的下行传输链路，得到能量效率函数，进而提出一种优化天线单元选择与子信道分配的方案，然后利用拉格朗日函数求得各子信道上的最优功率分配。本发明可有效实现天线单元与用户的最优分配，及子信道与天线单元的最优分配，同时在满足用户最小速率需求的条件下，满足天线单元的最大功率预算，最大化网络能效，从而达到节能减排的目的。
-
公开(公告)号：CN105721081A
公开(公告)日：2016-06-29
申请号：CN201610085992.1
申请日：2016-02-15
Applicant: 重庆邮电大学
IPC: H04B17/382
CPC classification number: H04B17/382
Abstract: 本发明涉及认知无线电频谱感知技术领域，公开了用于认知无线电合作频谱感知的方法，即基于用户集合势估计和加权增益合并机制，提出了一种有效的、易实现的合作频谱感知方法。首先，采用估计算法估计用户的集合势，确定最终参与生成GTS的最优用户个数；其次，基于用户选择机制改善加权增益合并合作频谱感知的感知性能。基于用户集合势估计的合作频谱感知方法，可以减少合作感知对先验信息的依赖，且可以有效地解决低信噪比条件下授权频段是否被占用难以区分的问题，很大程度地提高了合作频谱感知的性能。
-
Patent Agency Ranking
公开(公告)号：CN105472753A
公开(公告)日：2016-04-06
申请号：CN201610085935.3
申请日：2016-02-15
Applicant: 重庆邮电大学
CPC classification number: H04W72/0453 , H04W72/082
Abstract: 本发明涉及认知用户在授权频段和未授权频段上的资源分配和干扰管理问题，尤其是在授权频段与授权用户以及在未授权频段与WiFi用户的共存以及资源分配问题。现有网络的频谱分配政策导致有限的频谱资源已待耗尽，通信信道变得拥塞不堪。本发明考虑具有频谱检测功能的认知小蜂窝网络，它可以检测授权和未授权频段上的频谱空穴，并结合现有的LTE技术利用这些频谱空穴传输信息，在授权频段上认知用户与授权用户共享频谱，在未授权频段上认知用户与WiFi用户竞争使用频谱，提出一种简单有效的干扰管理和资源分配机制，实现授权和非授权频段资源的合理分配，从而最大化整个网络的传输速率，提高用户满意度和系统整体性能。
-
公开(公告)号：CN119440065A
公开(公告)日：2025-02-14
申请号：CN202411599619.9
申请日：2024-11-11
Applicant: 重庆邮电大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 本发明涉及一种多无人机辅助数据传输的轨迹规划方法，属于通信技术领域。该方法首先搭建了一个包含多架无人机、地面用户和地面干扰源的场景。接着，针对传统轨迹规划方法在复杂无人机环境中的不足，以及深度强化学习在多智能体环境中面临的探索不足、收敛缓慢和稳定性差等问题，本发明提出了一种基于集中式训练分布式执行框架的预训练多智能体双延迟深度确定性策略梯度算法。该算法首先在单智能体环境中进行预训练，降低探索难度。随后，在多智能体训练阶段，导入预训练动作网络，通过集中式训练和分布式执行的策略，加速策略收敛并提高学习稳定性。该方法有效优化了无人机群的轨迹规划，并显著提升了数据传输效率。
-
公开(公告)号：CN119107796A
公开(公告)日：2024-12-10
申请号：CN202411122070.4
申请日：2024-08-15
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种车联网中基于双层区块链的个性化智能跟驰方法，属于移动通信技术领域。目前，使用深度强化学习DRL能够让CAV通过不断的与环境交互来学习和优化策略，来提高系统决策的适应性和灵活性。然而，当前交通环境的复杂性对单车独立学习环境变化做出准确响应提出了挑战。联邦学习可以聚合不同环境中的多个学习模型，提升CAV对复杂环境的适应性。本发明建立了一种车联网场景基于双层区块链的群学习DRL架构，基于CAV的移动性，提出了基于名誉值的CAV选择策略，再提出基于确定性策略梯度算法的个性化跟驰模型。该方法可实现个性化安全智能跟驰驾驶，可利用边缘网络和CAV用户数据资源，推动人工智能在车联网场景中的应用。
-
公开(公告)号：CN119107795A
公开(公告)日：2024-12-10
申请号：CN202411122066.8
申请日：2024-08-15
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于用户画像的多维协同车辆变道决策方法，属于移动通信技术领域。在自动驾驶技术中，神经网络在车辆变道决策中的传统方法主要依赖单车数据，导致准确性和实时性差。为解决上述问题，首先，车辆基于传感器数据生成驾驶特征图和车辆轨迹流图，并共享给周围车辆和路侧单元，实现数据协同；其次，车辆从路侧单元下载初始决策模型，结合自身及周围车辆数据进行变道决策；然后，路侧单元基于这些数据及交通因素，使用深度神经网络更新模型并重新下发至车辆，确保决策的实时性和安全性。本发明通过整合历史驾驶特征和车辆轨迹预测生成用户画像，再应用深度神经网络，实现更精准的变道决策，提升交通系统的安全性和运行效率。
-
公开(公告)号：CN116828052A
公开(公告)日：2023-09-29
申请号：CN202310838016.9
申请日：2023-07-10
Applicant: 重庆邮电大学
IPC: H04L67/568 , H04L67/5682 , H04L67/1097 , H04L41/16
Abstract: 本发明涉及一种基于边缘计算的数据智能协同缓存方法，属于移动通信技术领域。首先，用户根据上下文信息完成簇群选择，使得同一簇群中的用户具有相似内容偏好，由于簇群间用户不相交，提出了基于享乐联盟博弈的用户分簇算法；其次，基于分层联邦学习，用户建立深度神经网络DNN训练本地模型并上传至边缘网络层中的MEN和SEN，通过分层联邦学习优化内容缓存放置位置策略；最后，在边缘网络引入内容缓存价值协助SEN进行短期内容更新，基于当前的缓存状态与用户内容输出估计偏好，最大化协同联盟整体内容缓存价值，从而减少缓存冗余。本发明在保证模型精度的前提下，有效提高缓存命中率，降低内容获取时延。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.023 seconds)
