-
公开(公告)号：CN117939679A
公开(公告)日：2024-04-26
申请号：CN202311578388.9
申请日：2023-11-23
Applicant: 江南大学
IPC: H04W72/25 , H04W72/12 , H04W4/40 , H04B17/318
Abstract: 本发明涉及一种基于C‑V2X mode4的车联网资源调度方法，包括：构建车联网场景模型；为模型中每个用户分配初始SSR集合与计数器，将计数器值存入用户携带的SCI格式信息中；用户每次传输占用其对应的初始SSR集合的一个SSR，计数器数值减1，直至计数器数值为0后，重置计数器为初始值，用户随机选取概率值，与预设概率值比较：当随机选取概率值不大于预设概率值时，以最后一次传输所使用的SSR为标准SSR，当随机选取概率值大于预设概率值，则将利用改进资源选择方法选取标准SSR；根据标准SSR利用预设映射函数进行资源预留，获取更新SSR集合，并从中选取对应位置处的SSR进行下一次传输。
-
公开(公告)号：CN116912074A
公开(公告)日：2023-10-20
申请号：CN202310811504.0
申请日：2023-07-04
Applicant: 江南大学
IPC: G06T1/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于残差改进MWCNN网络的图像隐写方法，属于隐蔽通信技术领域。所述方法通过改进基于MWCNN网络的图像隐写方案，将网络下采样由传统的池化操作改为小波变换，将残差网络与小波分量跳层融合引入图像隐写网络中，在彩色图像隐写方面可以获得较好的隐藏效果，该方法同时还能够提高提取图像视觉质量，该隐写方案在隐藏大容量图像信息的同时也能保证载密图像的质量以及提取图像准确率。
-
公开(公告)号：CN116542342A
公开(公告)日：2023-08-04
申请号：CN202310553063.9
申请日：2023-05-16
Applicant: 江南大学
Abstract: 本发明涉及一种可防御拜占庭攻击的异步联邦优化方法，其包括：配置可信数据集DRSU至路边单元；选择异步联邦聚合所需的车辆；被选择的车辆从路边单元处下载全局模型，路边单元复制全局模型；被选择的车辆利用本地数据训练下载的全局模型，得到车辆本地模型以及车辆损失值Lwk；路边单元利用可信数据集DRSU训练复制的全局模型，得到路边本地模型以及路边损失值LRSU；被选择的车辆将车辆本地模型以及车辆损失值Lwk上传到路边单元；当满足Lwk≤βR·LRSU时，将车辆本地模型与全局模型联邦聚合，得到更新的全局模型；其中，βR为预设参数。本发明能够有效筛选出被恶意攻击的车辆，从而避免全局模型精度受影响。
-
公开(公告)号：CN111611063B
公开(公告)日：2023-04-11
申请号：CN202010458226.1
申请日：2020-05-27
Applicant: 江南大学
Abstract: 本发明提供一种基于802.11p的云感知移动雾计算系统任务卸载方法，其充分考虑了移动雾计算系统的特征，计算方法符合真实场景，计算复杂度低，降低了计算时间，进而提高了计算效率。本发明的技术方案中，考虑到由802.11p不同优先级接入队列传输的任务的计算需求是不同的这一特征，基于定义状态、动作、奖励和转移概率，建立基于半马尔可夫决策过程的任务卸载模型表示任务卸载过程，利用值迭代算法求解贝尔曼方程，获得不同状态下的最优动作，即最优卸载策略。
-
公开(公告)号：CN110489218B
公开(公告)日：2023-03-28
申请号：CN201910681783.7
申请日：2019-07-26
Applicant: 江南大学
Abstract: 本发明提供基于半马尔可夫决策过程的车载雾计算系统任务卸载方法，其可以根据任务卸载过程的实际情况全面的考虑各种时延，得到更符合实际情况的卸载策略，进而使系统获得更多的长期收益。其包括以下步骤：S1：基于半马尔可夫决策模型定义系统的状态集合；S2：定义系统的动作集合；S3：定义系统的奖励模型；S4：定义系统的转移概率；S5：求解车载雾计算系统中的最优卸载策略；其特征在于：步骤S3中，系统奖励可以表示为立即收益和开销的差值；立即收益的计算通过不同的时延进行，包括：通过本地处理任务需要的时延、请求车辆发送给计算单元的传输时延、系统将任务卸载给计算单元处理需要的时延。
-
Patent Agency Ranking
公开(公告)号：CN113760511B
公开(公告)日：2022-07-12
申请号：CN202111045585.5
申请日：2021-09-07
Applicant: 江南大学
Abstract: 本发明公开了一种基于深度确定性策略的车辆边缘计算任务卸载方法、装置、设备及计算机可读存储介质，包括：对车辆边缘计算系统进行建模，基于系统模型，建立基站覆盖范围内的车辆用户与所述基站之间的通信模型以及所述基站覆盖范围内的车辆用户的计算模型；根据通信模型和计算模型，将车辆边缘计算系统的任务卸载功率分配过程描述为马尔科夫决策过程，建立状态空间、动作空间及奖励函数，得到深度强化学习框架；利用DDPG算法得到最优任务卸载功率分配策略。本发明所提供的方法、装置、设备及计算机可读存储介质，通过DDPG算法解决VEC环境随机且动态的问题，求得车辆用户最优功率分配测量，最小化功率消耗与延迟。
-
公开(公告)号：CN114727316A
公开(公告)日：2022-07-08
申请号：CN202210319016.3
申请日：2022-03-29
Applicant: 江南大学
Abstract: 本发明公开了一种基于深度确定性策略的物联网传输方法、装置、设备以及计算机可读存储介质包括：基于物联网系统模型建立信息年龄模型和能耗模型；以最小化的信息年龄和能耗为优化目标，以基站和物联网设备的采样决策和发射功率为优化变量，建立了优化问题；将优化问题中的采样决策和发射功率两个优化变量简化为只有发射功率一个优化变量，建立状态空间、动作空间以及奖励函数，得到深度强化学习框架；利用DDPG算法得到最优传输功率分配策略。本发明所提供的方法，通过DDPG算法解决物联网系统中传输功率的时效性和能耗的问题，求得物联网设备的最优发射功率策略，以及最小的信息年龄和能耗。
-
公开(公告)号：CN113891287A
公开(公告)日：2022-01-04
申请号：CN202111199487.7
申请日：2021-10-14
Applicant: 江南大学
Abstract: 本发明公开了保证车联网中车辆信息年龄公平性的V2I接入方法及系统。包括获得包括智能传感器节点和车辆的设备在每个离散时间间隔的平均信息年龄、得到每个离散时间间隔的车载网络的年龄公平性损失，根据年龄公平性损失得到每个离散时间间隔的年龄公平性效益；根据智能传感器节点的平均信息年龄、车辆的平均信息年龄总和、智能传感器节点的最小竞争窗口、车载网络中的设备数目得到智能传感器节点的状态；将状态、动作、立即收益作为Rainbow DQN算法的神经网络的参数输入，最后根据Rainbow DQN算法训练智能传感器节点。本发明解决了基站覆盖的高速公路场景内，不同的传感器节点与车辆共同通信所导致的车辆信息年龄不公平的问题。
-
公开(公告)号：CN113326076A
公开(公告)日：2021-08-31
申请号：CN202110594462.0
申请日：2021-05-28
Applicant: 江南大学
Abstract: 本发明涉及基于半马尔可夫决策过程车载雾辅助的车队任务卸载方法。本发明同时考虑任务卸载中的发送时延和计算时延等因素，建立基于半马尔可夫决策过程的任务卸载模型。然后分别定义了系统状态集、动作集并推导了系统状态转移概率公式以及系统奖励函数，其次基于贝尔曼方程利用值迭代算法求解SMDP模型获得最优的任务卸载策略。该方案计算复杂度适中，系统模型合理，充分考虑了任务如何分配以及任务卸载过程中涉及到的各种时延。仿真结果表明，该方案在保证任务卸载时延的前提下，能获得更大的系统长期收益。
-
公开(公告)号：CN109660308B
公开(公告)日：2020-09-04
申请号：CN201910090550.X
申请日：2019-01-30
Applicant: 江南大学
IPC: H04B17/391
Abstract: 本发明公开了一种多墙穿透损耗模型的建立方法及其应用，属于无线通信技术领域。通过利用两个独立的Gamma变量的乘积来描述两面墙存在或不存在情况下的接收功率。提出了一种闭合表达式来表示穿过两堵墙所引起的信号损耗的小尺度分布特性，解决了目前存在的多面墙所导致的信号波动更加复杂从而传统模型无法进行准确描述其特性的问题，使得能够对超密集小小区网络下无线信号的墙体嵌入损耗进行准确预测，从而更好的解决室内通信的覆盖空洞和增强用户的体验质量。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.032 seconds)
