-
公开(公告)号：CN113258988B
公开(公告)日：2022-05-20
申请号：CN202110523792.0
申请日：2021-05-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于DQN的多业务低轨卫星资源分配方法，属于卫星通信领域，包括以下步骤：S1：建立基于低轨卫星多业务的联合功率和信道分配模型；S2：将多波束低轨卫星通信系统资源分配映射为智能体在环境中交互学习获得最大化长期收益的问题；S3：通过状态重构及DQN算法对S2问题进行求解。本发明可在满足多业务用户需求和维持业务队列稳定的条件下，提升系统吞吐量。
-
公开(公告)号：CN114423035A
公开(公告)日：2022-04-29
申请号：CN202210031530.7
申请日：2022-01-12
Applicant: 重庆邮电大学
IPC: H04W24/08 , H04L41/0893 , H04L41/14
Abstract: 本发明涉及一种网络切片场景下服务功能链异常检测方法，属于移动通信技术领域。该方法包括为：构建分布式异常检测架构；为挖掘易于网络进行学习的数据深层次特征，对每个VNF中的数据进行特征提取，采用滑动窗口捕获时间序列数据之间的关系；由于VNF数据中存在类不平衡问题，采用生成对抗网络(GAN)学习正常数据特征，并结合时间卷积网络(TCN)和自动编码器(AE)以提升GAN对数据特征的学习能力；采用异常得分函数评判VNF的状态，进而完成对SFC的异常检测。本发明的技术方案可以提供较高的检测准确性和稳定性，快速应对网络因受到攻击而产生的数据异常，提升整体虚拟网络的鲁棒性，增强网络安全性。
-
公开(公告)号：CN112887145B
公开(公告)日：2022-04-29
申请号：CN202110113262.9
申请日：2021-01-27
Applicant: 重庆邮电大学
IPC: H04L41/042 , H04L41/0654 , H04L41/0823 , H04L41/14
Abstract: 本发明涉及一种基于分布式的网络切片故障检测方法，属于移动通信技术领域。该方法包括：S1：构建基于联邦学习的网络切片故障检测架构；S2：建立基于CNN‑GRU网络的无监督故障检测方法；S3：在联邦学习参数上传时，采用top‑k梯度压缩机制进行模型压缩；S4：采用适用联邦学习的自适应优化器进行全局模型聚合。本发明能够在保障故障检测模型准确性的同时，减少通信开销，提高模型泛化效果。
-
公开(公告)号：CN114389660A
公开(公告)日：2022-04-22
申请号：CN202111464543.5
申请日：2021-12-02
Applicant: 重庆邮电大学
IPC: H04B7/0452 , H04B17/336 , H04B17/391
Abstract: 本发明涉及通信技术领域，尤其涉及一种超大规模MIMO中包含球面波特征的传输方法，通过在三维空间中建立单小区多用户超大规模MIMO系统模型，根据所建模型，利用统计信道状态信息，基于信号泄露噪声比最大准则，设计出超大规模MIMO中包含球面波特征的最优发射策略；结果表明，球面波模型下的最优发射策略与多用户所处位置有关，采用用户调度策略可以解决波束与用户间的误匹配问题。在此基础上，提出了一种基于贪婪思想的低复杂度用户调度策略。由此，超大规模MIMO中包含球面波特征的传输方法，通过所建模型，以信号泄露噪声比最大得包含球面波特征的最优发射方向，降低波束与用户的误匹配，提出低复杂度的用户调度策略，有效地提高系统频谱利用效率。
-
公开(公告)号：CN110012509B
公开(公告)日：2022-04-19
申请号：CN201910290485.5
申请日：2019-04-11
Applicant: 重庆邮电大学
IPC: H04W28/16 , H04W28/02 , H04W24/10 , H04B17/382
Abstract: 本发明涉及一种5G小蜂窝网络中基于用户移动性的资源分配方法，属于移动通信技术领域。首先，针对小蜂窝网络中严重的干扰问题，当非激活用户通过寻呼成功接入网络后，本发明通过建立以用户为中心的虚拟小区，有效减少用户通信干扰问题。用户在虚拟小区中移动的过程中没有发生切换，保证业务的连续性。其次，为了提高资源利用率，基于Lyapunov优化方法，实现网络平均能量效率最大化。本发明充分考虑用户数据包队列长度和信道质量，将最大化网络的平均能量效率问题分解为用户最优传输资源分配和最优功率分配两个子问题求解。通过对网络资源的优化分配，提升传输质量，并且实现了在最大化系统平均能量效率的同时保证系统队列的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN113056007B
公开(公告)日：2022-04-08
申请号：CN202110165759.5
申请日：2021-02-06
Applicant: 重庆邮电大学
IPC: H04W72/04
Abstract: 本发明涉及基于正交频分多址的并行移动边缘计算网络资源分配方法，其包括以下步骤：步骤一：建立一个基于正交频分多址的单MEC服务器、多用户的场景模型；步骤二：建立远端计算模型，在满足传输和时延的约束条件下，通过系统的总能耗数学表达式，建立以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；步骤三：引入简化变量，改变系统的总能耗数学表达式，以获得简化后的以系统总能耗最小化为目标的资源分配方案优化问题的数学模型；步骤四：通过使用基于连续松弛和基于罚凹凸算法，分别获得一种使系统总能耗最小的资源分配结果。本发明相比于现有的串行操作能更好地利用移动边缘计算系统的通信资源和计算资源，实现系统能耗最小化。
-
公开(公告)号：CN113490254B
公开(公告)日：2022-03-29
申请号：CN202110919085.3
申请日：2021-08-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于联邦学习双向GRU资源需求预测的VNF迁移方法，属于移动通信技术领域。该方法包括：S1：在网络切片场景下，考虑时变网络流量引起的VNF迁移问题和对VNF的资源需求缺乏预测引起的VNF迁移时延问题，采用FedBi‑GRU算法预测VNF的资源需求；S2：根据资源需求预测结果，计算物理节点的资源利用率，判定网络系统中资源使用过载或者资源使用轻载的物理节点，通过VNF迁移，在保证网络性能的同时实现系统能耗优化和负载均衡；S3：采用DPPO的深度强化学习方法得到VNF迁移的最优决策。本发明能减少虚拟网络功能的迁移次数并降低网络系统能耗，可以保证网络系统的负载均衡。
-
公开(公告)号：CN111130904B
公开(公告)日：2022-03-29
申请号：CN201911402655.0
申请日：2019-12-30
Applicant: 重庆邮电大学
IPC: H04L41/5051 , H04L41/0894
Abstract: 本发明涉及一种基于深度确定性策略梯度的虚拟网络功能迁移优化算法，属于移动通信技术领域。该算法具体包括以下步骤：S1：在NFV/SDN架构下，考虑SFC资源需求动态变化，在保证底层物理资源和用户QoS需求的前提下，通过VNF迁移，并确定底层每个通用物理服务器的工作状态，实现网络能耗与SFC端到端时延的联合优化；S2：针对状态空间和动作空间是连续值集合，采用基于深度确定性策略梯度的VNF智能迁移算法，从而得到近似最优的VNF迁移策略；S3：在每个离散的时隙上，根据底层通用服务器工作状态、VNF的CPU资源需求以及虚拟链路的带宽资源需求，将VNF迁移至合适的目的服务器上。该算法可以实现网络能耗和SFC端到端时延的折中，并提高物理网络的资源利用率。
-
公开(公告)号：CN110312231B
公开(公告)日：2022-03-18
申请号：CN201910580120.6
申请日：2019-06-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车联网中基于移动边缘计算的内容缓存决策和资源分配联合优化方法，属于移动通信技术领域。移动边缘计算MEC作为一种很有前景的边缘计算，具有强大的计算能力和存储能力。MEC服务器部署在RSU侧，可以给车辆用户提供存储空间和计算资源。虽然MEC提供了类似云计算的服务，但依然存在缓存、计算资源分配、频谱资源分配等问题。本发明旨在保证时延要求的条件下最大化网络收益。此方法将内容缓存决策、MEC服务器计算资源分配、频谱资源分配联合建模成马尔可夫决策过程MDP，使用深度强化学习方法进行求解，得出最优内容缓存决策、计算资源分配以及频谱分配。
-
公开(公告)号：CN110602730B
公开(公告)日：2022-03-11
申请号：CN201910883988.3
申请日：2019-09-19
Applicant: 重庆邮电大学
Abstract: 本发明属于通信技术领域，特别涉及一种基于无线携能的NOMA异构网络的资源分配方法，包括在NOMA无线携能通信系统中部署宏基站和飞基站，其中每个飞蜂窝用户接收端具有NOMA和无线携能通信的功能，且飞蜂窝用户配备能量收集整流电路；构建基于信道不确定性的资源分配模型，基于丁克尔巴赫方法，将资源优化模型转化为凸优化问题；利用凸优化求解或者拉格朗日对偶方法对凸优化问题求解，获得飞基站分配给每个用户的发射功率、用于信息解码的传输时间，即获得资源分配方案；本发明在保证系统总能量效率最大化的同时，有效遏制了干扰，满足了用户的服务质量要求。
-
-
-
-
-
-
-
-
-
Search Results
848
records
(took 0.033 seconds)
