-
公开(公告)号：CN114025359B
公开(公告)日：2024-04-23
申请号：CN202111280872.4
申请日：2021-11-01
Applicant: 湖南大学
IPC: H04W16/10 , H04W28/06 , H04W72/0453 , H04W72/0446
Abstract: 本发明公开了一种基于深度强化学习的资源分配与计算卸载方法、系统、设备及介质，方法为：将移动设备的能量收集时间、任务卸载大小、任务卸载时间、CPU频率联合作为计算任务卸载策略变量，基于移动设备的计算任务大小、运算能力、通信信道特点以及计算任务卸载策略变量，构建移动设备收集的能量计算模型和消耗的能量计算模型，两者相减得到移动设备在各时隙的剩余能量计算模型；对所有移动设备所有时隙的剩余能量求和，得到移动边缘计算系统的剩余能量计算模型；将移动边缘计算系统的剩余能量作为优化目标，采用深度强化学习方法，通过最大化优化目标，计算得到各移动设备的计算任务卸载决策。本发明提高移动设备用户的应用体验。
-
公开(公告)号：CN115643301B
公开(公告)日：2024-04-09
申请号：CN202211299698.2
申请日：2022-10-24
Applicant: 湖南大学
Abstract: 本发明公开了一种基于压缩布谷鸟过滤器的DDS自动发现方法和介质，方法包括：网络中的任意节点A在参与者发现阶段把自身端点信息以指纹形式封装到压缩布谷鸟过滤器中并广播发送到其余节点B，B对A发送的信息进行匹配，完成对A的发现并进入端点发现阶段；在端点发现阶段，B查询压缩布谷鸟中是否有自身需要订阅的主题，若有则向A发送订阅的主题信息，完成端点匹配；压缩布谷鸟过滤器对其中非空条目，使用指纹第1bit表示非空条目，指纹末尾增加1bit表示该指纹数量；对空条目则使用1bit表示当前位置为空条目，再使用3bit表示当前位置开始的连续空条目数量。本发明能加速DDS的自动发现环节，且有效降低网络负载和内存消耗。
-
公开(公告)号：CN114025350B
公开(公告)日：2023-09-19
申请号：CN202111500384.X
申请日：2021-12-09
Applicant: 湖南大学
Abstract: 本发明提供了一种基于密码和频偏的双重认证方法，包括：步骤1，待认证设备将带特定SSID的probe request帧信号发送给通用软件无线电外设，通用软件无线电外设与主机相连；步骤2，根据通用软件无线电外设接收到的信号运行GNU radio对接收到的信号进行信号处理，得到待认证设备的载波频偏特征；步骤3，通过最近邻的模式匹配算法将待认证设备的载波频偏特征与已存储的所有授权用户的载波频偏特征进行相似度计算。本发明通过通用软件无线电外设提取出无线智能设备的频偏指纹特征，并利用频偏对智能设备进行识别，通过通过密码和频偏双重认证模式，增强了无线网络识别机制，避免了非法设备的接入，网络安全性提高。
-
公开(公告)号：CN113986370B
公开(公告)日：2023-08-25
申请号：CN202111145242.6
申请日：2021-09-28
Applicant: 湖南大学
IPC: G06F9/445
Abstract: 本发明公开了一种移动边缘计算系统的基站选择与任务卸载方法、装置、设备及介质，方法：基于服务放置和基站选择这两个决策变量，构建移动边缘计算系统在任意时隙的切换时延、通信时延和排队时延的计算模型；最小化非切换时延获得初始时刻的服务放置和基站选择决策；根据前一时隙的决策，计算当前时隙的切换时延和非切换时延，基于容忍更多非切换时延的原则，确定当前时隙是否迁移服务；若不迁移服务，则当前时隙的决策保持为与前一时隙相同；若迁移服务，最小化当前时隙的非切换时延，获得当前时隙的服务放置和基站选择决策；迭代计算所有时隙的服务放置和基站选择决策。本发明保障低时延处理和用户服务质量，满足用户移动的随机性。
-
公开(公告)号：CN116092514A
公开(公告)日：2023-05-09
申请号：CN202310049668.4
申请日：2023-02-01
Applicant: 湖南大学
Abstract: 本公开实施例中提供了一种多异构设备下的扬声器音频分类方法，属于数据识别技术领域，具体包括：步骤1，调用手机内置加速度传感器采集同一板载扬声器播放的初始振动信号；步骤2，对初始振动信号进行预处理操作；步骤3，剔除预处理后的初始振动信号中的干扰信号，得到目标振动信号；步骤4，筛选与音频内容高度相关和设备无关的信号统计特征；步骤5，根据信号统计特征，使用对抗性神经网络对目标振动信号的音频内容进行分类。通过本公开的方案，提高了语音识别的效率和精准度。
-
Patent Agency Ranking
公开(公告)号：CN115985102A
公开(公告)日：2023-04-18
申请号：CN202310114056.9
申请日：2023-02-15
Applicant: 湖南大学深圳研究院
IPC: G08G1/01
Abstract: 本发明公开了一种基于迁移对比学习的城市交通流量预测方法和设备，方法包括预测模块、源数据对比学习模块和目标数据对比学习模块；预测模块基于源城市数据和目标城市数据进行迁移学习，即首先利用编码器捕获输入数据特征，然后采用三维卷积层和MMD来进行迁移学习，最后通过注意力机制同时引入外部因素进行预测；两个对比学习模块基于增强处理前数据相对于增强处理后的正对和负对数据的相关性，尽可能提高与正对数据的相似性，减少与负对数据的相似性，实现采用对比学习自监督地学习目标数据和源数据的特征来辅助预测目标城市交通流量。本发明综合迁移学习和对比学习的优点，提高交通流量综合预测模型的泛化能力，进一步提高预测精度。
-
公开(公告)号：CN114006816B
公开(公告)日：2022-11-22
申请号：CN202111318254.4
申请日：2021-11-09
Applicant: 湖南大学
IPC: H04L41/0823 , H04L41/14 , H04L67/1004 , H04W28/08
Abstract: 本发明公开了一种不确定性条件下移动云计算任务卸载与资源分配方法和系统，方法包括：搭建移动云卸载模型，将各移动用户终端的任务表示为任务大小和计算周期数；基于任务大小、计算周期数期望值及任务执行主体的参数，构建任务分别在移动用户终端本地、计算接入点和远程云中心执行的能耗和时延模型，加权求和确定任务的期望成本函数表达式；参照任务的期望成本函数表达式，确定基于计算周期波动值的波动成本函数表达式；结合期望和波动的成本函数表达式建立目标函数；求解最小化目标函数，得到N个移动用户终端任务的卸载与资源分配方案。本发明在多接入点不确定计算条件下，对任务进行卸载和资源分配，提高在保持期望的成本效率水平的稳健性。
-
公开(公告)号：CN114025310B
公开(公告)日：2022-08-12
申请号：CN202111280871.X
申请日：2021-11-01
Applicant: 湖南大学
Abstract: 本发明公开了一种基于边缘计算环境的位置服务隐私保护方法、装置及介质，方法：接收用户注册，接收用户基于位置的服务需求生成真实的位置服务请求，并进行隐私保护处理，得到k个位置服务请求发送给边缘服务器，以获取对应匹配的位置查询结果；对得到的位置查询结果进行评估，若评估结果达到阈值，则将边缘服务器匹配的位置查询结果反馈给用户；否则将k个位置服务请求发送给云服务器，以从云服务器获取匹配的位置查询结果；对从云服务器和边缘服务器得到的所有位置查询结果中，择优反馈给用户。本发明合理的利用边缘服务器和云服务器，在保障基于位置服务的质量的条件下，实现用户的位置隐私保护。
-
公开(公告)号：CN114170264A
公开(公告)日：2022-03-11
申请号：CN202111501811.6
申请日：2021-12-09
Applicant: 湖南大学
Abstract: 本发明提供了一种基于智能可穿戴设备的驾驶状态监测方法，包括：步骤1，驾驶员在驾驶状态下佩戴内置IMU惯性传感单元的智能耳机，通过IMU惯性传感单元实时采集驾驶状态下驾驶员头部的运动数据；步骤2，基于采集的驾驶员头部的运动数据进行预处理，得到预处理后的驾驶员头部的运动数据；步骤3，基于预处理后的驾驶员头部的运动数据进行动作分割提取；步骤4，对分割提取后的驾驶员头部的运动数据进行校正。本发明可以准确识别驾驶员在驾驶状态下头部的运动状态，实现对驾驶状态下驾驶员的行为监测。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.023 seconds)
