一种基于内容存储的软件定义无线Mesh网络的方法

    公开(公告)号:CN106304229B

    公开(公告)日:2019-08-23

    申请号:CN201610689204.X

    申请日:2016-08-18

    Abstract: 本发明公开了一种基于内容存储的软件定义无线Mesh网络,该方案其中控制平面中的控制器拥有全局的网络状态信息,能够实现基于业务请求和网络状态信息的路由决策,数据平面的Mesh路由器依照控制器下发的路由决策结果传输数据,实现了控制平面与数据平面的分离。同时,Mesh路由器外接存储设备可实现内容存储,在网络状态不好的情况下,先传输优先级高的业务,暂存低优先级的业务,而在链路中断时,暂存业务内容,并请求控制器重新寻路,充分利用有限资源实现高质量传输。本发明使用OpenFlow机制对数据流量进行路由,而使用AODV协议对OpenFlow控制流量进行路由,或者在控制器不可达的紧急情况下对数据流量进行路由,有效缓解了在网络规模扩大的情况下控制流量不断增大的问题。

    基于梯度扩散机制的多机器人网络故障修复方法

    公开(公告)号:CN109302320A

    公开(公告)日:2019-02-01

    申请号:CN201811293412.3

    申请日:2018-11-01

    Abstract: 本发明提供了一种基于梯度扩散机制的多机器人网络故障修复方法,以梯度扩散机制为基础,对多机器人故障网络采取递归的修复方法,选用最少的机器人递归地替换故障机器人来修复多机器人的通信网络拓扑,减小耦合矩阵的第二大特征值,修复多机器人通信网络的拓扑结构,保持多机器人通信网络的连通性和同步性;解决了传统对单机器人通信故障的研究无法适用于多机器人故障引起的网络断开,修复路径冲突等问题。

    基于时延区分业务和比例性速率约束的优化无线资源方法

    公开(公告)号:CN103687023B

    公开(公告)日:2017-09-29

    申请号:CN201310518212.4

    申请日:2013-10-28

    Abstract: 本发明公开了一种基于时延区分业务和比例性速率约束的优化无线资源方法,该方法从物理层将业务划分为两种类型:时延约束型(Delay‑Constraint,DC)业务和尽力而为型(Best‑Effort,BE)业务;具体地,本发明把优化资源分配规划成线性问题,通过引入分时参数,把指数级的混合整数规划问题转换成凸问题来求解;再对结果求拉格朗日微分得到带宽的最佳性能响应,验证其结果是否合理,若不合理,则向前修改决策;若合理,则计算出其他网络分配参数;总的说本发明克服了现有无线资源管理方法不考虑业务类型和用户之间的公平性的缺点,并满足不同类型业务对服务质量(quality of service,QoS)的多样性需求,实现数据传输速率最大化,最大限度提高系统总数据传输速率。

    一种针对非法RIS场景的ISAC系统安全传输方法

    公开(公告)号:CN119995641A

    公开(公告)日:2025-05-13

    申请号:CN202411808767.7

    申请日:2024-12-10

    Abstract: 本发明公开了一种针对非法RIS场景的ISAC系统安全传输方法,该方法构建一种基于RIS辅助的ISAC系统,来同时完成通信和感知任务。感知信号在完成感知任务的同时,还可以有效地干扰IRIS辅助的窃听链路。为了更加有效地应对IRIS所带来的系统安全性能恶化挑战,设计了雷达信号的波束赋形矩阵。考虑到窃听者(Eve)精确位置的不确定性,使用遍历安全速率来表征系统的安全性能,并推导了一个近似的遍历窃听速率。为了高效地解决这两个非凸优化问题,对遍历目标函数进行了适当的转换,随后提出了一种高效的交替优化算法求解各优化变量。经验证,本发明联合波束赋形与RIS反射设计在应对IRIS的窃听过程中更加有效,同时揭示了雷达波束赋形设计在缓解IRIS影响方面的关键作用。

    一种UAV-MEC环境下利用物理层安全技术的高安全卸载能效方法

    公开(公告)号:CN114362877B

    公开(公告)日:2025-01-03

    申请号:CN202210038754.0

    申请日:2022-01-13

    Inventor: 余雪勇 邱礼翔

    Abstract: 一种UAV‑MEC环境下利用物理层安全技术的高安全卸载能效方法,构建一个新型的无人机边缘卸载场景,以最大化系统安全通信传输速率与合法无人机能耗的比值为目标,建立了无人机最大保密能效模型,在满足给定时延、MEC服务器CPU计算频率以及卸载率的约束下,联合优化了合法无人机的轨迹、CPU计算频率分配以及计算任务的卸载策略,同时从物理层安全角度提升了UAV‑MEC场景下的安全通信。构建了一种基于块坐标下降法的全局优化算法来解决优化问题,将该优化问题进行解耦为三个子问题,通过引入松弛变量将非凸子问题近似为局部凸优化问题,对凸问题利用CVX工具进行多次迭代求解系统近似最优解。本方法充分考虑了无人机安全通信与无人机能耗之间的关系,提升系统整体Qos。

    一种基于边缘计算-D2D的区块链资源共享方法

    公开(公告)号:CN115802323B

    公开(公告)日:2023-10-10

    申请号:CN202211505647.0

    申请日:2022-11-28

    Inventor: 余雪勇 张露丹

    Abstract: 本发明公开了一种基于边缘计算‑D2D的区块链资源共享方法包括:建立边缘计算‑D2D计算资源共享框架模型,并使用拉格朗日插值法预测挖掘过程中移动设备的轨迹;基于对于移动终端的移动轨迹预测建立区块链模型;建立两阶段多领导多跟随斯塔伯格博弈模型,提出优化目标;证明两阶段斯塔克尔伯格博弈的纳什均衡点存在;使用一种异步最佳响应的算法求解矿工的最优卸载策略和移动终端的最优定价策略;不仅通过提高矿工成功挖掘出块的概率从而提高了矿工的收益,减少了矿工的通信成本;提高了矿工的效用;通过求解出矿工向各个移动中申请的最优资源请求量得到矿工的最大效益;通过求解出移动终端向各个买家矿工确定的最优资源单价得到移动终端的最大效益。

    工业物联网中基于声誉机制的数字孪生激励方法

    公开(公告)号:CN116827982A

    公开(公告)日:2023-09-29

    申请号:CN202310502011.9

    申请日:2023-05-06

    Abstract: 本发明属于联邦学习与边缘计算技术领域,公开了一种工业物联网中基于声誉机制的数字孪生激励方法,该方法由短期激励机制与长期激励机制即声誉管理机制结合而成的激励机制完成,包括步骤1:构建数字孪生体传输模型;步骤2:设计数字孪生体的类型,进行分类;步骤3:利用联邦学习对数字孪生体进行模型聚合,对边缘数字孪生体进行补偿,得出每个数字孪生体设备的效用以及任务发布者的效用,对每次数字孪生体的联邦学习进行延迟分析;步骤4:设计公平稳定的联邦学习模型。本发明一种混合的长短期激励机制加入进边缘服务器中的数字孪生体与云端的联邦学习之中,避免数字孪生体与云端之间的信息传输出现误差和不准确性。

    一种利用数字孪生辅助模型训练的联邦学习方法

    公开(公告)号:CN115802389B

    公开(公告)日:2023-04-25

    申请号:CN202310063181.1

    申请日:2023-01-17

    Abstract: 本发明公开了一种利用数字孪生辅助模型训练的联邦学习方法,包括:首先,根据设备的时延和能耗限制,一部分设备选择在本地进行训练得到局部模型然后上传到小基站;另一部分设备选择与小基站进行边缘关联,用小基站上部署的边缘服务器构建数字孪生,利用数字孪生训练得到局部模型;本发明将上述局部模型训练策略问题分解为一个两阶段的问题,包括设备的训练方式选择问题,以及边缘关联问题;其次,小基站将收集到的这些局部模型进行边缘聚合得到边缘模型;最后,各个小基站将自己的边缘模型再次上传到宏基站进行云聚合,得到最终的全局模型;在本发明提出的边缘关联算法下,系统能耗得到有效优化。

    一种地空协同组网系统及控制方法

    公开(公告)号:CN113271357B

    公开(公告)日:2023-04-18

    申请号:CN202110536575.5

    申请日:2021-05-17

    Abstract: 本发明是一种地空协同组网系统及控制方法,该系统包括高空移动网关节点装置、地面移动网关节点装置和监管后台,高空移动网关节点装置负责从高空采集图像实时发送给所述监管后台;地面移动网关节点装置负责从地面采集图像实时发送给所述监管后台;监管后台对两个网关节点装置进行控制。本发明以无人机为主从高空进行目标探测以及图像采集与视频传输,地面加以小车就平面地形进行图像采集并辅助勘测的组网装置,既能同时得到清晰的高空和平面图像信息,还有位置信息还有地形信息。本发明利用多旋翼无人机和无人小车,有效互补了二者在运作时的短板,更高效地完成巡检任务,且在运作故障时损失降低了很多。

    一种利用数字孪生辅助模型训练的联邦学习方法

    公开(公告)号:CN115802389A

    公开(公告)日:2023-03-14

    申请号:CN202310063181.1

    申请日:2023-01-17

    Abstract: 本发明公开了一种利用数字孪生辅助模型训练的联邦学习方法,包括:首先,根据设备的时延和能耗限制,一部分设备选择在本地进行训练得到局部模型然后上传到小基站;另一部分设备选择与小基站进行边缘关联,用小基站上部署的边缘服务器构建数字孪生,利用数字孪生训练得到局部模型;本发明将上述局部模型训练策略问题分解为一个两阶段的问题,包括设备的训练方式选择问题,以及边缘关联问题;其次,小基站将收集到的这些局部模型进行边缘聚合得到边缘模型;最后,各个小基站将自己的边缘模型再次上传到宏基站进行云聚合,得到最终的全局模型;在本发明提出的边缘关联算法下,系统能耗得到有效优化。

Patent Agency Ranking