-
公开(公告)号：CN116367178A
公开(公告)日：2023-06-30
申请号：CN202310627358.6
申请日：2023-05-31
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群自适应组网方法与装置，涉及通信的技术领域，该方法首先根据无人节点之间信噪比和链路有效值构建出当前时隙下无人集群对应的图结构，然后利用裂变谱聚类算法对上述图结构进行谱聚类处理，得到多个子图，其中，裂变谱聚类算法包括以下聚类条件：每个子图中无人节点的数量小于或等于预设阈值，每个子图中至少存在一个与其他无人节点之间的信噪比均小于预设信噪比限值的目标无人节点。裂变谱聚类算法的聚类条件能够确保分簇结果中保留高性能通信链路，同时确保簇结构的合理性、稳定性及其通信能力。因此，该方法能够有效地缓解现有的无人集群聚类算法存在的无法保障分簇后的无人集群通信性能的技术问题。
-
公开(公告)号：CN115329985A
公开(公告)日：2022-11-11
申请号：CN202211087378.0
申请日：2022-09-07
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群智能模型训练方法、装置和电子设备，涉及通信的技术领域，该方法将无人集群的训练划分为簇内集中式联邦学习和簇间分布式联邦学习两个阶段，簇内集中式学习时，簇头作为模型所有者来和簇内节点进行参数传递，并进行模型聚合，从而缓解了传统的集中式联邦学习方式存在的通信拥塞和计算瓶颈的技术问题；并且，簇间分布式学习时，由于只有邻居簇头间进行参数传输和模型聚合，所以与传统分布式联邦学习相比，本发明还能有效地减少通信能耗。
-
公开(公告)号：CN115037667B
公开(公告)日：2022-11-08
申请号：CN202210953069.0
申请日：2022-08-10
Applicant: 北京邮电大学
IPC: H04L45/00 , H04L45/121 , H04L47/12 , G06N3/04
Abstract: 本发明提供了一种细粒度网络态势感知与源路由智能优化方法与装置，涉及通信的技术领域，包括：获取目标网络内所有网络设备的状态信息和待传送数据包的属性信息，利用深度强化学习算法对状态信息和属性信息进行处理，得到待传送数据包的路由路径。深度强化学习算法中，每条可选路由路径的奖励为可选路由路径上每个网络设备的奖励之和，且每个网络设备的奖励为网络设备的节点时延与目标网络的最大链路利用率的加权和的相反数，因此，本发明方法可以在最小化最大链路利用率和路径时延的情况下，计算出最优路由路径，从而不会导致大量数据流堆积在同一路径，避免出现网络拥塞的问题，保证了数据包传输的及时性，进而提升了整体网络传输性能。
-
公开(公告)号：CN114942653B
公开(公告)日：2022-10-25
申请号：CN202210881139.6
申请日：2022-07-26
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本发明提供了一种无人集群飞行策略的确定方法、装置和电子设备，涉及通信的技术领域，包括：获取目标区域内无人集群的位置信息、所有地面用户的位置信息和正常地面基站的通信吞吐量；无人集群包括多个无人机基站；基于每个无人机基站的位置信息和所有地面用户的位置信息，确定每个无人机基站的状态信息；利用目标混合网络模型对所有无人机基站的状态信息和正常地面基站的通信吞吐量进行处理，得到每个无人机基站的动作信息，以确定无人集群的飞行策略。目标混合网络模型为每个无人机基站都设有相应的单智能体网络模型，避免了环境非平稳的问题；目标混合网络模型基于联合动作价值函数进行训练，解决了动作空间维度爆炸的技术问题。
-
公开(公告)号：CN114884958B
公开(公告)日：2022-09-20
申请号：CN202210811936.7
申请日：2022-07-12
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L67/1008 , H04L67/101 , H04B7/185 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种星地融合网络中的计算任务卸载方法、装置和电子设备，涉及通信的技术领域，包括：获取星地融合网络中目标边缘网络内所有地面装置的任务状态参数；利用目标神经网络模型对所有地面装置的任务状态参数进行处理，得到每个地面装置的配置参数；其中，目标神经网络模型是基于目标边缘网络的计算任务传输开销计算模型训练的，且计算任务传输开销计算模型的目标为计算任务的传输开销最小；基于所有地面装置的配置参数确定目标边缘网络的计算任务卸载策略；基于计算任务卸载策略，对目标边缘网络中的所有待执行计算任务进行卸载。该方法能够有效的对抗时变信道增益和随机任务到达，在满足用户服务质量的前提下最小化计算任务的传输开销。
-
Patent Agency Ranking
公开(公告)号：CN114942653A
公开(公告)日：2022-08-26
申请号：CN202210881139.6
申请日：2022-07-26
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本发明提供了一种无人集群飞行策略的确定方法、装置和电子设备，涉及通信的技术领域，包括：获取目标区域内无人集群的位置信息、所有地面用户的位置信息和正常地面基站的通信吞吐量；无人集群包括多个无人机基站；基于每个无人机基站的位置信息和所有地面用户的位置信息，确定每个无人机基站的状态信息；利用目标混合网络模型对所有无人机基站的状态信息和正常地面基站的通信吞吐量进行处理，得到每个无人机基站的动作信息，以确定无人集群的飞行策略。目标混合网络模型为每个无人机基站都设有相应的单智能体网络模型，避免了环境非平稳的问题；目标混合网络模型基于联合动作价值函数进行训练，解决了动作空间维度爆炸的技术问题。
-
公开(公告)号：CN114884940A
公开(公告)日：2022-08-09
申请号：CN202210311799.0
申请日：2022-03-28
Applicant: 北京邮电大学 , 西藏高驰科技信息产业集团有限责任公司
Abstract: 本发明公开一种隐私驱动的空天地网络智能任务调度与资源配置方法，包括构建一个覆盖空天地三层的网络模型，包括地面层、空基层和天基层，其中所述地面层由偏远地区的N个IoT设备构成，这些设备运行会产生有不同计算需求的任务；所述空基层由搭载边缘服务器的M架UAV构成，这些边缘服务器具有一定的计算资源，能够对地面层的设备提供计算服务；通过深度强化学习得到隐私保护需求驱动的最优任务调度策略，可以更好地提高计算应用的服务质量，保障用户的隐私权益。
-
公开(公告)号：CN114221686A
公开(公告)日：2022-03-22
申请号：CN202210154367.3
申请日：2022-02-21
Applicant: 北京邮电大学 , 北京天弛网络有限公司
Abstract: 本发明提供了一种MIMO资源优化方法、装置和电子设备，涉及通信的技术领域，包括获取待优化MIMO地理区域的备选子波束集合和目标天线权值组的权值数量；基于权值数量和备选子波束集合确定初始飞蛾种群；利用预设飞蛾扑火算法对初始飞蛾种群进行迭代更新，直至达到预设结束条件；将预设结束条件下的最优飞蛾智能体对应的可选天线权值组确定为待优化MIMO地理区域的目标天线权值组。该方法采用的预设飞蛾扑火算法是基于策略函数和贪婪算法确定每代飞蛾种群中每个飞蛾智能体动作的算法，相比传统群体智能飞蛾扑火算法中的飞蛾单智能体的固定动作策略，该方法解决了传统算法存在的无效寻优问题，提升了算法对MIMO天线权值组的寻优速度。
-
公开(公告)号：CN119653395A
公开(公告)日：2025-03-18
申请号：CN202510157748.0
申请日：2025-02-13
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群辅助的多策略网络服务动态迁移方法和装置，涉及通信的技术领域，该方法考虑了多种网络服务迁移策略以优化应急通信网络中的网络服务迁移问题，在构建出应急通信网络中所有用户的长期网络服务优化函数之后，鉴于长期网络服务优化函数无法直接求解，因此，通过李雅普诺夫理论将长期网络服务优化函数进一步解耦为独立时隙策略优化函数再求解，从而得到应急通信网络中所有用户在每个时隙下的网络服务迁移策略，以为应急通信网络中用户的网络服务迁移提供科学指导，从而提升了用户服务质量，保证了系统的稳定性。
-
公开(公告)号：CN116614377B
公开(公告)日：2023-09-19
申请号：CN202310890312.3
申请日：2023-07-20
Applicant: 北京邮电大学
IPC: H04L41/0895 , H04L41/16 , H04L41/40 , H04L67/10 , H04L67/12
Abstract: 本发明提供了一种无人机集群服务功能链动态配置方法和装置，涉及无人机通信技术领域，本发明所使用的目标神经网络模型采用按需协作通信方式进行服务功能链动态部署，对不同队友建立不同队友模型，相比于现有的广播式通信算法或点对点式通信方式，按需通信的方式下，无人机之间传送不同的激励信息，且每个无人机的Q值都要加入其他无人机发送的激励信息，也即，每个无人机在动作选取时都受其余无人机的激励信息影响，并且按需通信还能减少信令的开销，因此，在利用本发明方法对服务功能链进行动态配置时可以加快收敛速度，提高算法收敛性，使无人机集群网络延迟保持在较低水平。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.027 seconds)
