-
公开(公告)号:CN113611103B
公开(公告)日:2022-09-16
申请号:CN202010535806.6
申请日:2020-06-12
Applicant: 南京理工大学
Abstract: 本发明提供了一种新的基于车流量预测的车联网双边拍卖式边缘计算迁移方案。该方案首先需要收集道路中行驶车辆的特征信息,并统计当前周期内的车流量用以预测下一周期的车流量信息。然后,利用车辆特征信息和车流量预测信息完成车辆对计算资源需求的报价,进而可采用一种双边拍卖算法实现车载边缘计算服务器的计算资源分配,最后通过将车辆的计算任务卸载至分配的服务器完成边缘计算迁移过程。本发明与未考虑车流量信息的两种分配方案相比,更能够充分利用车联网中的计算资源,且能显著提升整个系统的边缘计算迁移效率。
-
-
公开(公告)号:CN113991785A
公开(公告)日:2022-01-28
申请号:CN202111280688.X
申请日:2021-11-01
Applicant: 南京理工大学
Abstract: 本发明公开了一种无人机辅助的传感器节点充电方法。所述方法包括:设置所述无人机辅助充电场景所需参数;基于马尔可夫决策过程建立传感器节点和物联网环境交互的基础模型,获取传感器节点的状态空间、行为空间和奖励;求解无人机最优充电调度策略;根据求解结果派遣无人机对传感器节点进行充电。采用本发明的方法以保障各传感器节点始终具备足够电量进行物联网任务作为前提,能够在恶劣的物联网环境下实现无人机的最优充电调度。
-
-
公开(公告)号:CN113382381A
公开(公告)日:2021-09-10
申请号:CN202110596287.9
申请日:2021-05-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于贝叶斯Q学习的无人机集群网络智能跳频方法,该方法采用Myopic‑VPI决策策略选择无人机集群上行链路的无线信道,在无人机和干扰机均处于未知移动状态的场景下实现对干扰信道的规避;同时在基于对信道环境的数据观测下,运用矩更新方法,逐步修正基于高斯‑伽马分布模型的Q值分布,最终学习到干扰机的干扰策略并智能选择可用的传输信道,最大程度上降低干扰。本发明针对无人机集群网络分别处于单音随机干扰、多音扫频干扰和马尔科夫干扰三种场景下,通过无人机自主交互的协同认知能力规避干扰,实现智能抗干扰通信;相较于传统Q学习能够更快地学习到最优的跳频方法,有效提升了信息传输速率且降低了功率消耗。
-
公开(公告)号:CN107733733B
公开(公告)日:2021-02-05
申请号:CN201710786693.5
申请日:2017-09-04
Applicant: 南京理工大学
Abstract: 本发明提供了一种确定传输时限下无线网络重传广播机制吞吐率的方法,包括确定不使用应答机制的广播数据在传输时限内广播成功的概率,确定在传输时限内广播数据的平均服务时间的概率分布,进而确定在传输时限内无线网络重传广播机制的吞吐率。本发明可以根据网络参数对重传广播的吞吐率进行准确预测,因此能够为无线网络重传广播机制的有效实施提供帮助。
-
公开(公告)号:CN111083762A
公开(公告)日:2020-04-28
申请号:CN201911358148.1
申请日:2019-12-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种通信场景下信道接入方法,数据分组到达服从泊松分布,根据网络中每一时隙等待发送的数据分组估计个数计算最优接入概率,并以最优接入概率发送数据分组,使用应答与重传机制进行接入,若延迟约束时间内数据分组没有成功接入,则被丢弃。本发明有效提高了通信场景下网络的可靠性。
-
公开(公告)号:CN110473142A
公开(公告)日:2019-11-19
申请号:CN201910431489.0
申请日:2019-05-22
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度学习的单幅图像超分辨率重建方法,针对网络架构,去除了残差模块的批归一化层,增加了紧密连接和作用于判别域的网络,针对损失函数,融合了多种不同损失函数。本发明节约了计算资源、增强了层与层之间的传播,使得生成的图像具有高频信息而不是高频噪声,提高了生成图片在不同数据集上的峰值信噪比、结构相似性以及视觉效果。
-
公开(公告)号:CN110213088A
公开(公告)日:2019-09-06
申请号:CN201910406368.0
申请日:2019-05-16
Applicant: 南京理工大学
Abstract: 本发明公开了一种传输时限下ALOHA网络可靠性的优化方法,包括确定马尔可夫决策过程的相关参数,确定传输时限下ALOHA网络的可靠性指标,进而确定传输时限下ALOHA网络的可靠性指标的最大值以及达到该最大值的最优发送概率矩阵。本发明可以对不同传输时限下等待通信的设备数量不断变化的ALOHA网络的可靠性指标进行优化,为传输时限下ALOHA网络的有效实施提供帮助。
-
公开(公告)号:CN108337028A
公开(公告)日:2018-07-27
申请号:CN201711341137.3
申请日:2017-12-14
Applicant: 南京理工大学
IPC: H04B7/06
Abstract: 本发明提供了方向调制中基于广义逆迭代的安全速率最大化合成方法,在设计有用信号波束成形向量和人工噪声投影矩阵前,先利用泄露的概念对两者进行初始化,然后利用广义逆迭代算法(General power iterative,GPI)更新人工噪声投影矩阵,同时通过Rayleigh-Ritz方法更新有用信号波束成形向量。为了最大化安全速率,在设计有用信号波束成形向量和人工噪声投影矩阵时要用到交替迭代结构(Alternatively iterative structure,AIS ),并且需要及时更新对应的安全速率。本发明与传统的方向调制技术相比安全速率在中高信噪比时得到了极大的提升,并且在期望方向能够很好的解调出有用信号,在非期望方向难以恢复出有用信号,从而能够更好地提升系统的安全性能。
-
-
-
-
-
-
-
-
-