公开(公告)号：CN114884957B

公开(公告)日：2022-09-23

申请号：CN202210811924.4

申请日：2022-07-12

Applicant: 北京邮电大学

Inventor： 姚海鹏 ,  宫永康 ,  忻向军 ,  张琦 ,  张尼 ,  吴迪 ,  袁莞迈 ,  吴巍 ,  董涛 ,  韩宝磊

IPC: H04L67/10 ,  H04B7/185 ,  H04L67/1021 ,  H04L67/101 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明提供了一种空天地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：获取空天地网络中计算任务的多时隙问题模型、所有地面用户在每个时隙的通信状态信息和每个时隙下浮空平台的位置信息；多时隙问题模型的目标为最大化计算任务的速率和；将多时隙问题模型转化为单时隙问题模型，利用目标神经网络模型求解每个地面用户在目标时隙的计算任务卸载比例和选定的浮空平台信息；求解目标地面用户在目标时隙的发射功率、CPU周期频率和收集的能量，从而确定出计算任务的卸载策略。该方法能够有效的对抗时变信道增益、随机任务到达和动态浮空平台变换，确保计算任务的速率和最大化，提升空天地网络中的资源利用率。

公开(公告)号：CN115037667A

公开(公告)日：2022-09-09

申请号：CN202210953069.0

申请日：2022-08-10

Applicant: 北京邮电大学

Inventor： 姚海鹏 ,  刘远玲 ,  吴巍 ,  张尼 ,  买天乐 ,  吴小华 ,  江亮 ,  董涛 ,  忻向军 ,  李仁刚

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：CN114884957A

公开(公告)日：2022-08-09

申请号：CN202210811924.4

申请日：2022-07-12

Applicant: 北京邮电大学

Inventor： 姚海鹏 ,  宫永康 ,  忻向军 ,  张琦 ,  张尼 ,  吴迪 ,  袁莞迈 ,  吴巍 ,  董涛 ,  韩宝磊

IPC: H04L67/10 ,  H04B7/185 ,  H04L67/1021 ,  H04L67/101 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明提供了一种空天地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：获取空天地网络中计算任务的多时隙问题模型、所有地面用户在每个时隙的通信状态信息和每个时隙下浮空平台的位置信息；多时隙问题模型的目标为最大化计算任务的速率和；将多时隙问题模型转化为单时隙问题模型，利用目标神经网络模型求解每个地面用户在目标时隙的计算任务卸载比例和选定的浮空平台信息；求解目标地面用户在目标时隙的发射功率、CPU周期频率和收集的能量，从而确定出计算任务的卸载策略。该方法能够有效的对抗时变信道增益、随机任务到达和动态浮空平台变换，确保计算任务的速率和最大化，提升空天地网络中的资源利用率。

公开(公告)号：CN114125905B

公开(公告)日：2022-04-15

申请号：CN202210082856.2

申请日：2022-01-25

Applicant: 北京邮电大学 ,  北京卫星信息工程研究所

Inventor： 姚海鹏 ,  姬小媛 ,  董涛 ,  宫永康 ,  忻向军 ,  张尼 ,  买天乐 ,  韩宝磊

IPC: H04W24/02 ,  H04L41/0823 ,  H04L41/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种邻区关系确定方法和装置，涉及通信的技术领域，包括：获取待处理小区对中每个小区的工参信息；基于工参信息，确定待处理小区对的目标数据特征；利用预设联合神经网络模型对目标数据特征进行处理，得到待处理小区对的邻区关系；本发明提供的邻区关系确定方法是一种基于深度神经网络学习实现邻区关系预测的方案，相比传统人工配置方式，能够节约大量劳动力成本，同时由于联合神经网络模型中每个独立神经网络模型的层级结构、训练阶段所使用的训练数据和激活函数区间各不相同，所以保证了网络间的独立性、非线性和随机性，进而降低了联合神经网络模型中的多个神经网络在同一样本点误判的风险，达到提升邻区关系预测准确率的效果。

公开(公告)号：CN107872348B

公开(公告)日：2021-02-19

申请号：CN201710914939.2

申请日：2017-09-30

Applicant: 北京邮电大学 ,  北京卫星信息工程研究所

Inventor： 顾仁涛 ,  王海涛 ,  秦嘉雯 ,  董涛 ,  郭脐泽 ,  殷杰 ,  纪越峰 ,  刘志慧

IPC: H04L12/24

Abstract: 本发明公开了一种面向天地一体化网络的分域层次化控制方法、装置和系统，该方法在天地一体化网络中，通过将各网络传输设备节点信息进行上报到下层控制器，再由下层控制器进行汇总上报到上层控制器，各层控制器得到自己管辖范围内的网络详细信息，在进行网络管理时，每个控制器负责自己域内的所有业务，业务跨域时由业务节点最初覆盖完整的控制器进行管理，利用从管理者或上层控制器得到的相关控制策略进行计算，得到结果并下发，满足了天地一体化信息系统需要混合化的管理模式，即在终端统一管理的基础上，各终端组、自治域中仍然具有一定程度的单独管理能力。