-
公开(公告)号：CN104684095B
公开(公告)日：2018-10-02
申请号：CN201510105413.0
申请日：2015-03-10
Applicant: 东南大学
IPC: H04W72/04
Abstract: 本发明提供了一种异构网络融合场景中基于遗传运算的资源分配方法，其主要包括建立优化目标函数、遗传运算处理和无线网络资源分配三个阶段。首先，根据获取的异构网络资源信息、移动终端数量、业务种类及其服务质量QoS要求来建立优化目标函数和其所需要满足的约束条件；其次，将优化目标函数映射为遗传运算的适值函数，初始化种群并设置遗传参数，通过选择、交叉、变异，种群更新等一系列迭代操作后找到适应值最大的个体即为最佳资源分配方案；最后，根据遗传运算求得的最佳资源分配方案，给移动终端的每个业务请求分配最佳的资源块数。本发明所提供的方法解决了异构网络中能最大化资源利用率和网络效用，同时满足业务服务质量的最佳资源分配问题。
-
公开(公告)号：CN108174403A
公开(公告)日：2018-06-15
申请号：CN201810151725.9
申请日：2018-02-14
Applicant: 东南大学
Abstract: 本发明公开了一种无线传感器网络的k‑覆盖空洞检测方法。将无线传感器网络建模为一个图G＝(V,E)，V为所有节点的集合，E为所有相邻节点连线的集合；根据相邻节点间的距离信息，发现目前网络中所有1‑覆盖空洞的边界线段，并计算其权重；在发现的边界线段中，寻找合适的起始边界线段，并由此边界起始线段开始向其他相连的边界线段依次传递消息，发现所有1‑覆盖空洞的边界圆周；在当前网络中寻找一个能够完全覆盖目标区域的节点集合，休眠此集合中的节点使当前网络的覆盖度减去1，再次检测当前网络中存在的1‑覆盖空洞；再重复k‑1次，发现所有k‑覆盖空洞的边界线段和边界圆周。本发明在仅知局部化距离信息的情况下，能够准确检测网络中存在的k‑覆盖空洞。
-
公开(公告)号：CN107969008A
公开(公告)日：2018-04-27
申请号：CN201711079625.1
申请日：2017-11-06
Applicant: 东南大学
Abstract: 本发明公开了一种软件定义传感网集中式路由计算方法。将周期性信息采集与集中式决策相结合，首先中央控制器采集节点信息，然后中央控制器进行路由计算并将路径信息以“流表”的形式传递给网络中的节点，最后节点按要求采集数据并将数据上传给中央控制器。其中路由计算过程是本发明的重点，根据数据异构节点报告的信息以及网络限制条件，中央控制器将路由计算问题建模成一个最优化问题，首先建立网络模型；然后将网络分簇并选取簇首节点；最后基于簇首节点的负载均衡，在簇首节点之间建立多跳路由。本发明能够有效平衡软件定义传感网中节点的能耗和负载，提高了软件定义传感网的网络生命和资源的利用率。
-
公开(公告)号：CN107801195A
公开(公告)日：2018-03-13
申请号：CN201711099357.X
申请日：2017-11-09
Applicant: 东南大学
Abstract: 本发明提供了一种车联网定位中的路边单元优化部署方法，采用几何精度因子作为评价车联网定位性能的度量指标，并将K覆盖条件下路边单元的部署问题建模为优化函数建模时首先将K覆盖路边单元部署问题分解为简化的1覆盖部署问题，通过对各路边单元部署模式的几何分析给出部署效率最高的基本部署模式，然后将其扩展到K覆盖场景，寻求K层基本部署模式的空间组合并转化为一个优化函数，随后利用异步粒子群优化算法求解优化函数，以降低计算复杂度，对路边单元部署位置进行启发式搜索。本发明能够在K覆盖场景下通过优化路边单元部署位置，提高路边单元的部署效率，使系统获得最佳的定位性能。
-
公开(公告)号：CN107249218A
公开(公告)日：2017-10-13
申请号：CN201710413708.3
申请日：2017-06-05
Applicant: 东南大学
IPC: H04W72/04 , H04W52/14 , H04L12/911 , H04L29/08
CPC classification number: H04W72/0406 , H04L47/70 , H04L67/10 , H04L67/32 , H04W52/146 , H04W72/0473 , H04W72/0493
Abstract: 本发明公开了一种MEC中无线资源和云资源的联合分配方法，包括：(1)MEC中的终端发起任务卸载请求，并建立终端的任务卸载代价函数；(2)异构网络的各个接入点获取覆盖区域内各个终端任务卸载代价函数，并将终端的任务卸载请求和网络的信道信息发送至朵云；(3)朵云基于合作博弈进行无线资源和云资源联合分配，利用KKT条件得到纳什均衡解，并将博弈纳什均衡解发送至终端；(4)终端根据纳什均衡解向朵云和接入点进行计算资源和无线资源请求；(5)朵云和接入点根据终端请求分配计算资源和无线资源。本发明基于合作博弈，充分利用朵云中有限的计算资源，在以最小化所有终端任务卸载代价为目标的同时，保证各终端任务的实时性，满足各移动终端的任务卸载需求。
-
Patent Agency Ranking
公开(公告)号：CN107249217A
公开(公告)日：2017-10-13
申请号：CN201710377887.X
申请日：2017-05-25
Applicant: 东南大学
CPC classification number: H04W72/0453 , G06Q30/0611 , H04W72/0493 , H04W84/20
Abstract: 本发明公开了一种自组织移动云网络的联合任务卸载和资源分配方法该方法。首先将联合任务卸载和资源分配建立为一个买家‑卖家的博弈问题，然后根据Stackelberg均衡策略分别最大化买卖双方的效用函数，通过拉格朗日对偶和KKT(Karush‑Kuhn‑Tucker)条件获得最优定价，同时，根据买家的优化函数获得最优的任务卸载和资源分配结果，最后，通过分布式的激励机制，使得买卖双方快速达到均衡状态。
-
公开(公告)号：CN106851800A
公开(公告)日：2017-06-13
申请号：CN201710045105.2
申请日：2017-01-20
Applicant: 东南大学
CPC classification number: Y02D70/00 , H04W52/0248 , H04W52/0274 , H04W64/003 , H04W64/006 , H04W72/1231 , H04W76/40
Abstract: 本发明提出本发明提出一种无线传感器网络定位中的锚节点调度方法，该调度方法是一种基于软件定义网络技术的集中式调度方法。网络中的移动盲节点向其通信范围内的节点广播唤醒信息，被唤醒的锚节点向SDN控制器发送自身信息。控制器为唤醒的锚节点建立信息表，同时为它们设计定时器。当某个锚节点定时完毕时，发送请求信息至控制器，控制器计算当前时刻盲节点的连接度并与设立的阈值进行比较，如果小于阈值，该锚节点保持“工作”状态，否则“休眠”，控制器同时更新该锚节点的信息表。在每个时隙重复以上过程，直至定位结束。上述方法在无线传感器网络能量受限的情况下对定位锚节点进行调度，节约能量消耗，延长网络寿命。
-
公开(公告)号：CN104793182B
公开(公告)日：2017-05-03
申请号：CN201510190763.1
申请日：2015-04-21
Applicant: 东南大学
IPC: G01S5/10
Abstract: 本发明公开了一种非高斯噪声条件下基于粒子滤波的室内定位方法，该方法采用基于次优重要性函数的粒子滤波方法，在训练阶段，将物体运动的加速度和测量噪声建模为服从混合高斯分布的随机向量；在定位阶段，通过对非线性的观测方程进行局部线性化，得出次优重要性函数和权系数，进而改善粒子滤波中粒子退化现象，实现对状态向量的最优估计。该方法的优点在于：一方面，混合高斯模型的建模相比较高斯噪声更接近实际情形，可以有效的减小模型近似带来的误差；另一方面，通过求得的次优重要性函数可以改善粒子滤波过程中权系数的退化速度，提高算法效率和精度，从而有效提高定位精度。
-
公开(公告)号：CN106209336A
公开(公告)日：2016-12-07
申请号：CN201610557130.4
申请日：2016-07-14
Applicant: 东南大学
CPC classification number: H04L5/0094 , H04W72/0473
Abstract: 本发明公开了一种软件定义移动网络中的资源分配方法，包括以下步骤：1、各个MBS对MUE进行资源分配，并将子信道分配的结果上传给SDMNs控制面；2、各个FUE估计信道增益，并上传给SDMNs控制面；3、各个FBS获得本Femtocell小区内FUE的信道增益，并上传给SDMNs控制面；4、以最大化接入FUE数和最小化占用子信道数为目标函数，建立凸优化问题；5、求解步骤4建立的凸优化问题，得到全局最优解，即最优联合用户接入和信道分配方案，以及分配在各个子信道上的功率。该方法在保证接入用户的QoS前提下，对所需接入网络中的FUE进行接入控制，从而最大化网络中的FUE接入数和最小化信道占用数。
-
公开(公告)号：CN105530707A
公开(公告)日：2016-04-27
申请号：CN201510962869.9
申请日：2015-12-21
Applicant: 东南大学
CPC classification number: H04W72/04 , H04W72/087 , H04W72/1236
Abstract: 本发明提供了一种异构网络融合场景中基于混合优化的资源分配方法，其包括建立优化目标函数、基于遗传运算的资源初次分配和基于蚁群算法的资源再分配三个阶段。首先，根据获取的异构网络资源信息、移动终端数量、业务种类及其服务质量要求来建立优化目标函数和其所需要满足的约束条件；其次，将优化目标函数映射为遗传运算的适值函数，初始化种群并设置遗传参数，通过选择、交叉、变异，种群更新等一系列迭代操作得到资源初次分配结果；最后，将遗传运算得到的资源初次分配结果作为蚁群算法中的初始信息素分布，通过蚁群算法对资源进行再次分配。本发明所提供的方法解决了异构网络中能最大化资源利用率，同时满足业务服务质量的最佳资源分配问题。
-
-
-
-
-
-
-
-
-
Search Results
285
records
(took 0.049 seconds)
