-
公开(公告)号：CN106681793A
公开(公告)日：2017-05-17
申请号：CN201611051880.0
申请日：2016-11-25
Applicant: 同济大学
IPC: G06F9/455
CPC classification number: G06F9/45558 , G06F2009/4557 , G06F2009/45595
Abstract: 本发明涉及一种基于KVM的加速器虚拟化数据处理系统，包括多个服务器，每个服务器主机含有至少一个FPGA硬件加速器，各个服务器主机使用KVM技术创建了多台虚拟机，各主机通过网络形成一个集群，并共同维系一张包含所有服务器负载情况的负载表，当主机接收到虚拟机发送的数据请求后，查询本机及远端主机的负载情况，选择相应地区的FPGA硬件加速器进行数据处理，使数据处理时间最小。与现有技术相比，本发明具有资源利用率高、成本低等优点。
-
公开(公告)号：CN106572500A
公开(公告)日：2017-04-19
申请号：CN201610918073.8
申请日：2016-10-21
Applicant: 同济大学
CPC classification number: H04W28/08 , G06F9/4881 , G06F9/5011 , G06F9/5083 , H04W28/14
Abstract: 本发明涉及一种C‑RAN中硬件加速器的调度方法，包括以下步骤：1)在虚拟机控制器Dom0内建立任务队列work_queue，同时还针对每个硬件加速器建立任务队列write_queue和任务队列read_queue；2)当虚拟机控制器Dom0接收到虚拟机DomU的请求后，将请求按照先来先服务策略添加到任务队列work_queue；3)依次取出任务队列work_queue中的任务，并选择当前负载最小的硬件加速器，将取出的任务放入对应的任务队列完成多个硬件加速器的调度设计，使虚拟机共享加速器，以提高信号处理速度，均衡硬件加速器负载，且增大系统吞吐量。
-
公开(公告)号：CN114828018B
公开(公告)日：2025-03-21
申请号：CN202210325855.6
申请日：2022-03-30
Applicant: 同济大学
IPC: H04W16/10 , H04W72/0446 , H04W72/53
Abstract: 本发明属于无线通信领域，提出了一种基于深度确定性策略梯度的移动边缘服务器任务卸载方法。假定系统中存在多个用户的情况下，本发明通过合理分配系统资源达到优化系统任务处理时延最小的目的。本发明采用深度确定性策略梯度算法来解决任务在本地端、移动边缘服务器端进行处理的功率分配问题，从而减小系统中的任务处理时延。本发明将计算卸载问题建模为信道时变下整个系统最大计算时延最小问题，同时考虑边缘服务器和用户的能量约束，构造符合强化学习算法模型下的优化目标，使用深度确定性策略梯度算法求解计算卸载策略。
-
公开(公告)号：CN119169426A
公开(公告)日：2024-12-20
申请号：CN202411295174.5
申请日：2024-09-16
Applicant: 同济大学
Abstract: 本发明公开了一种面向城市街道动态场景的融合定位方法，包括以下步骤：S1、摄像头与IMU数据采集；S2、图像特征点检测与追踪；S3、估计位姿变换；S4、滤除图像帧上的动态特征点；S5、静态特征点重收集；S6、视觉和IMU的紧耦合优化；本发明提升了城市街道这类动态物体较多的场景下的定位精度与鲁棒性，引入目标检测神经网络过滤掉动态物体上的特征点，来防止较多的外点对视觉估计结果造成较大干扰，同时在特征点过少的情况下，对部分已过滤的特征点进行重收集，寻找一些可能静态的车、人等目标上的特征点，避免特征点过少而丢失追踪。为无人机、物流机器人、自动驾驶汽车等提供了一种可靠的定位解决方案。
-
公开(公告)号：CN118258389A
公开(公告)日：2024-06-28
申请号：CN202410389004.7
申请日：2024-04-01
Applicant: 同济大学
Abstract: 本发明属于组合导航领域，特别涉及一种基于多传感器融合的车载组合导航方法,采用多种传感器，包括：GNSS、SOP(基于LTE)、ODO和IMU；卡尔曼滤波器的量测方程根据传感器的信息进行更新，包括：GNSS输入速度与位置信息，SOP输入位置信息，ODO输入速度信息；卡尔曼滤波器的状态方程根据惯性测量单元测量值更新位姿信息；获得的位姿、速度与位置信息，输入到卡尔曼滤波器中,由卡尔曼滤波器生成单一的组合导航结果；本发明为解决GNSS定位局限性提供了有效的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN114116557B
公开(公告)日：2024-02-27
申请号：CN202111346989.8
申请日：2021-11-15
Applicant: 同济大学
Abstract: 本发明涉及一种基于硬件加速器与数字信号处理器的信道估计装置，该装置包括：数字信号处理器模块：包括数字信号处理器、内部存储器和指令存储区域；硬件加速器模块：包括两个硬件加速器，用以实现数据计算；DMA模块：包括四条DMA通道和DMA控制器；外部存储器模块：包括外部存储器，所述的外部存储器为挂载在总线上的一片存储空间；数据存储位置判断与存放模块：用以对数字信号处理器的运算结果进行判断，以实现硬件加速器模块与数字信号处理器相对并行，与现有技术相比，本发明具有提高信道估计装置的兼容性、提高运行效率和灵活性等优点。
-
公开(公告)号：CN117014255A
公开(公告)日：2023-11-07
申请号：CN202310955680.1
申请日：2023-08-01
Applicant: 同济大学
IPC: H04L25/02 , H04B17/309 , H04B17/391
Abstract: 本发明属于无线通信领域，具体设计了一种信道估计方法。针对位置信息辅助的智能反射面(RIS)通信系统，本发明基于信道统计特征分析了信道估计误差。本发明根据带误差的用户位置构建了信道的统计特征，进而利用最小均方误差法进行信道估计。结果表明，随着信噪比增大信道估计误差明显降低；智能反射面尺寸越大，则信道估计误差越小，估计效果越好；实际距离越大均方误差越小，即相对位置误差越小，则信道估计效果越好。本发明的优点在于基于用户位置信息构建信道的先验统计分布，提升了信道估计的精确度。
-
公开(公告)号：CN116663675A
公开(公告)日：2023-08-29
申请号：CN202310605713.X
申请日：2023-05-26
Applicant: 同济大学
Abstract: 本发明提出适用于边缘车联网的区块链赋能联邦学习系统，该区块链系统包括：边缘车辆设备、边缘服务器、任务发布者、云端服务器；车联网中的移动车辆定义为边缘车辆设备，所有边缘车辆设备和边缘服务器分别注册为区块链角色，再连同任务发布者、云端服务器等共同形成区块链系统的参与者；参与者中的边缘车辆设备集合{1,2,...,K}和移动边缘服务器集合{1,2,...,L}，按照区块链架构功能，分为模型节点和共识节点两类。区块链系统的区块链架构自动协调每个模型节点的加入和离开，促进联邦学习的独立性和模块化。
-
公开(公告)号：CN115914230A
公开(公告)日：2023-04-04
申请号：CN202211551204.5
申请日：2022-12-05
Applicant: 同济大学
IPC: H04L67/10 , H04L67/1008 , H04L67/101 , H04L67/1012
Abstract: 本发明设计了一种自适应移动边缘计算卸载和资源分配方法，主要包括以下步骤：用户发送任务卸载请求；移动边缘计算系统根据任务的数据量大小、用户所处的无线信道信息和移动边缘计算系统内各个边缘服务器的可用计算资源计算出任务的最佳卸载策略并通知用户；用户根据通知的卸载策略连接基站并发送任务；基站收到任务后，发送给与其连接的边缘服务器，边缘服务器分配资源处理任务；边缘服务器将处理后的结果发送给基站，基站将处理后的结果返回给用户。本发明采用深度强化学习方法，根据历史系统信息来获得当前时刻的最佳任务卸载方案，并在任务时延的限制下合理分配资源以处理任务，降低了资源的消耗，提升了边缘服务器的利用率。
-
公开(公告)号：CN114980336A
公开(公告)日：2022-08-30
申请号：CN202210562420.3
申请日：2022-05-23
Applicant: 同济大学
IPC: H04W72/04 , H04W72/08 , H04N21/262 , G06N20/00
Abstract: 一种基于强化学习的动态视频传输调度算法，其特征是，包括下列步骤：1)通信系统参数的获取。2)建立优化问题函数：设K为系统服务的用户数，L为系统包含的OFDM资源块数，则优化问题函数为每一个资源块l分给的用户编号，使满足QoS需求的用户数最大化。3)更新通信系统的OFDM资源块分配方式：建立状态、动作以及目标奖励函数，使用强化学习网络输出每一个资源块l分给的用户编号，并组成该通信系统的OFDM资源块分配方式。4)更新强化学习网络参数：利用梯度下降法更新强化学习网络参数。5)判断是否满足优化结束条件：在该算法输出资源块分配结果后，观察是否达到系统满足QoS需求的用户数目标，若未达到，则返回3)进行下一步迭代。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.024 seconds)
