-
公开(公告)号：CN113596632A
公开(公告)日：2021-11-02
申请号：CN202110857020.0
申请日：2021-07-28
Applicant: 北京邮电大学
Abstract: 本发明涉及一种无源光网络切片划分方法，本发明的方法基于长短期记忆神经网络模型进行流量预测，并基于流量预测值采用带宽请求的比例分配带宽策略，获得切片的共享带宽比，实现网络切片公平地分配共享带宽资源，并设置了分配上限值，避免一些切片因无法获得足够的宽带造成延迟或丢包的技术缺陷，能够极大地提高资源利用率，降低网络时延，保证各个网络的服务质量需求。
-
公开(公告)号：CN113572577A
公开(公告)日：2021-10-29
申请号：CN202110856469.5
申请日：2021-07-28
Applicant: 北京邮电大学
IPC: H04L1/00 , H04B10/516 , H03M13/13
Abstract: 本发明涉及一种新型缩短极化码方法及系统。该方法包括根据极化码中每一分裂子信道的错误率确定相应分裂子信道的错误概率；并确定极化码错误概率集合；将极化码进行比特翻转运算；对比特翻转运算后的极化码进行分组；并将分组后的极化码确定辅助矩阵；根据辅助矩阵确定的缩短位集合和极化码错误概率集合确定冻结位集合；根据缩短位集合、信息位集合、缩短极化码的码长和冻结位集合进行极化码的缩短模式，确定缩短极化码；利用缩短极化码对光纤信道中传输的信息进行编码；译码时，将缩短极化码的码字位对应的LLR值确定为正无穷大，并利用极化码的译码器进行译码。本发明能够降低缩短极化码的误码率，提高兼容性，进而提高系统的稳定性。
-
公开(公告)号：CN113115451A
公开(公告)日：2021-07-13
申请号：CN202110202985.6
申请日：2021-02-23
Applicant: 北京邮电大学 , 西藏高驰科技信息产业集团有限责任公司
Abstract: 本发明涉及一种基于多智能体深度强化学习的干扰管理和资源分配方案，包括：最优的智能体CPU周期频率分配方案和一种新型的C‑MADDPG优化算法，最优智能体CPU周期频率分配方案可以根据优化理论生成，新型的C‑MADDPG优化算法，包括每个智能体的CPU周期频率分配方法、卸载决策、发射功率分配和信道选择方法，与现有技术相比，本发明通过提出的CPU周期频率优化方法来选取最优的CPU周期频率；当每个智能体接收到多变的、动态的和复杂的信道状态信息时，每个智能体将输出卸载决策、信道分配和发射功率选择；根据获得的奖励函数，来进行actor‑critic网络参数的调整，将得到的结果对神经网络进行间断性的训练，以使其更加稳定且快速的收敛到最优解。
-
公开(公告)号：CN112436992A
公开(公告)日：2021-03-02
申请号：CN202011249767.X
申请日：2020-11-10
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于图卷积网络的虚拟网络映射方法及装置，涉及虚拟网络的技术领域，包括：先获取虚拟网络的映射请求，并基于映射请求和物理网络的属性信息确定物理节点的特征矩阵；然后将物理节点的特征矩阵输入至目标图卷积网络，得到物理节点的映射概率；再基于物理节点的映射概率，按照资源需求顺序对虚拟网络中所有的虚拟节点依次进行虚拟网络映射；最后若虚拟网络映射中的节点映射和链路映射都成功，则确定虚拟网络映射成功。本发明利用目标图卷积网络可以提取物理节点的高阶空间结构信息，进而提高虚拟网络映射的效率和物理网络的资源利用率。
-
公开(公告)号：CN119759455A
公开(公告)日：2025-04-04
申请号：CN202510272535.2
申请日：2025-03-10
Applicant: 北京邮电大学
Abstract: 本发明提供了一种卫星网络故障下的任务快速调度方法和装置，涉及卫星通信的技术领域，方法应用于卫星计算网络中的全局观测卫星，全局观测卫星获取网络中的全局信息，并在确定存在故障计算卫星时，获取目标故障计算卫星上所有未完成任务的任务信息；利用遗传算法生成初始种群，种群中的每个个体表示一种联合卸载策略；根据全局信息、任务信息、遗传算法和粒子群算法对初始种群进行迭代更新，直至达到预设迭代次数，以将全局最优个体对应的联合卸载策略作为目标故障计算卫星的任务调度策略。该方法的执行主体为应用遗传算法和粒子群算法的全局观测卫星，与强化学习算法相比，在保障卫星网络故障下的任务快速调度的前提下对卫星的内存要求更低。
-
Patent Agency Ranking
公开(公告)号：CN119629697A
公开(公告)日：2025-03-14
申请号：CN202510148120.4
申请日：2025-02-11
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群分布式智能路由的方法、装置和电子设备，属于组网通信的技术领域，该方法中，通过无人集群网络中各智能体（即各网络节点）间的信息共享与动态交换，全面提升智能体对网络状态的感知能力，从而增强路由决策的全局优化能力，使网络在高动态环境下仍能保持高效协同，另外，各节点能够基于自身的历史本地状态向量，结合实时网络变化（即本地状态信息），智能预测未来的网络状态并制定路由转发策略，充分挖掘了历史信息的潜在价值，大幅提升了节点在复杂网络环境中进行路由决策的准确性和前瞻性，此外，上述过程可在当前智能体本地进行上述分布式同步的运算，网络通信的灵活性好、效率高。
-
公开(公告)号：CN118382108A
公开(公告)日：2024-07-23
申请号：CN202410822351.4
申请日：2024-06-25
Applicant: 北京邮电大学
Abstract: 本申请提供了一种网络资源管理方法、装置、设备及可读存储介质，包括：基于初始网络配置策略将目标交换机的传输网络划分为多个网络切片；获取目标交换机上待传输的网络数据包的带宽需求量、非占用状态的网络切片的带宽量及未来网络状态；根据这三个数据判断是否需要更新初始网络配置策略；若需要，则将待传输数据带宽需求量、非占用状态的网络切片的带宽量及未来网络状态输入到训练完成的网络策略生成模型中生成网络配置更新策略；网络配置更新策略包括网络切片配置策略以及数据传输策略；基于网络配置更新策略重新划分网络切片；将数据传输策略发送给目标网络切片。本申请提高了网络切片的灵活性和适应性，并提高了交换机的传输性能。
-
公开(公告)号：CN116367178B
公开(公告)日：2023-07-25
申请号：CN202310627358.6
申请日：2023-05-31
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群自适应组网方法与装置，涉及通信的技术领域，该方法首先根据无人节点之间信噪比和链路有效值构建出当前时隙下无人集群对应的图结构，然后利用裂变谱聚类算法对上述图结构进行谱聚类处理，得到多个子图，其中，裂变谱聚类算法包括以下聚类条件：每个子图中无人节点的数量小于或等于预设阈值，每个子图中至少存在一个与其他无人节点之间的信噪比均小于预设信噪比限值的目标无人节点。裂变谱聚类算法的聚类条件能够确保分簇结果中保留高性能通信链路，同时确保簇结构的合理性、稳定性及其通信能力。因此，该方法能够有效地缓解现有的无人集群聚类算法存在的无法保障分簇后的无人集群通信性能的技术问题。
-
公开(公告)号：CN116367178A
公开(公告)日：2023-06-30
申请号：CN202310627358.6
申请日：2023-05-31
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群自适应组网方法与装置，涉及通信的技术领域，该方法首先根据无人节点之间信噪比和链路有效值构建出当前时隙下无人集群对应的图结构，然后利用裂变谱聚类算法对上述图结构进行谱聚类处理，得到多个子图，其中，裂变谱聚类算法包括以下聚类条件：每个子图中无人节点的数量小于或等于预设阈值，每个子图中至少存在一个与其他无人节点之间的信噪比均小于预设信噪比限值的目标无人节点。裂变谱聚类算法的聚类条件能够确保分簇结果中保留高性能通信链路，同时确保簇结构的合理性、稳定性及其通信能力。因此，该方法能够有效地缓解现有的无人集群聚类算法存在的无法保障分簇后的无人集群通信性能的技术问题。
-
公开(公告)号：CN115329985A
公开(公告)日：2022-11-11
申请号：CN202211087378.0
申请日：2022-09-07
Applicant: 北京邮电大学
Abstract: 本发明提供了一种无人集群智能模型训练方法、装置和电子设备，涉及通信的技术领域，该方法将无人集群的训练划分为簇内集中式联邦学习和簇间分布式联邦学习两个阶段，簇内集中式学习时，簇头作为模型所有者来和簇内节点进行参数传递，并进行模型聚合，从而缓解了传统的集中式联邦学习方式存在的通信拥塞和计算瓶颈的技术问题；并且，簇间分布式学习时，由于只有邻居簇头间进行参数传输和模型聚合，所以与传统分布式联邦学习相比，本发明还能有效地减少通信能耗。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.028 seconds)
