-
公开(公告)号：CN101437300B
公开(公告)日：2010-12-08
申请号：CN200810237144.3
申请日：2008-12-19
Applicant: 重庆邮电大学
Abstract: 本发明请求保护网络最小往返时间PIAD计算方法，涉及通信领域中的TCP技术，根据现有TCP协议中最小往返时间计算方法在异构无线网络中存在的问题。提出了基于消极增加积极减小机制的最小往返时间PIAD算法，将伴随TCP通信采样到的往返时间对比当前最小往返时间，如果往返时间采样大于或等于当前最小往返时间则进入消极增加(PI)算法计算新的最小往返时间；如果小于当前最小往返时间则进入积极减小(AD)算法计算新的最小往返时间。本发明在依赖最小往返时间的TCP改进协议(TCP-Vegas、TCP-Westwood和TCP-Veno等)中实现了精确最小往返时间计算，提高了网络利用率。
-
公开(公告)号：CN119255377A
公开(公告)日：2025-01-03
申请号：CN202410988773.9
申请日：2024-07-23
Applicant: 重庆邮电大学
IPC: H04W72/0446 , H04W72/542 , H04W72/50 , H04L67/12
Abstract: 本发明涉及一种基于ISAC的车联网协同感知资源分配方法，属于移动通信技术领域。其包括：构建基于相对位置的多层协同感知关心区域方案；根据当前车辆的感知关心区域与路测单元、其他车联网车辆的相对位置确认共同感知者；构建基于时分动态帧结构的ISAC时间分配方案，获取共同感知者的雷达感测持续时间的总感知互信息SMI、通信持续时间的平均通信速率以及各个处理方式的执行延迟；建立以最小化协同感知任务完成延迟为目标的感知任务分配、卸载和计算资源分配的联合问题；采用混合动作空间的多智能体深度确定性策略梯度算法求解优化问题得到资源分配方案。本发明能够对车联网协同感知资源分配策略进行优化，降低协同感知的执行延迟。
-
公开(公告)号：CN119052194A
公开(公告)日：2024-11-29
申请号：CN202410988768.8
申请日：2024-07-23
Applicant: 重庆邮电大学
IPC: H04L47/762 , H04L47/78 , H04L67/12
Abstract: 本发明涉及一种车联网场景下数字孪生驱动的切片资源管理方法，属于移动通信技术领域，包括以下步骤：S1：建立数字孪生驱动的车联网网络切片架构，基于该架构通过网络切片进行通信资源与计算资源的智能管理；S2：利用数字孪生网络实时采集用户状态信息及基站、边缘服务器的剩余资源量，将用户任务通过基站卸载边缘服务器；S3：基站和边缘服务器对接收到的任务进行计处理，根据用户需求确定切片级与用户级资源分配量，构建数字孪生驱动的两级资源管理模型；S4：建立以最大化长期效用为目标的通信与计算资源联合分配的优化目标；S5：利用反事实多智能体双行动者柔性演员‑评论家算法依次生成切片级动作与用户级动作。
-
公开(公告)号：CN119012392A
公开(公告)日：2024-11-22
申请号：CN202411091398.4
申请日：2024-08-09
Applicant: 重庆邮电大学
IPC: H04W72/512 , H04W72/50 , H04W4/44 , H04W4/46 , H04L41/16 , H04L67/10 , H04L67/12 , G06F9/50 , G06F16/29
Abstract: 本发明涉及一种数字孪生辅助的协同感知与边缘协作的资源分配方法，属于移动通信技术领域。该方法包括以下步骤：S1：在车联网场景下，提出了一种多层协同感知全局地图框架，帮助联网自动车辆CAV获取全局地图的感知结果；S2：提出了一种数字孪生(DT)辅助的边缘协作方法为计算密集型任务提供卸载服务；S3：根据协同感知过程分析系统任务执行的延迟；S4：以最小化协同感知任务完成延迟为目标的资源分配方案，构建带宽分配、卸载和计算资源分配的联合问题；S5：提出混合动作空间的多智能体深度确定性策略梯度HAS‑MADDPG算法解决优化问题。本发明能够实现对车联网协同感知与边缘卸载的资源分配策略的优化，降低协同感知的执行延迟。
-
公开(公告)号：CN118984183A
公开(公告)日：2024-11-19
申请号：CN202411091393.1
申请日：2024-08-09
Applicant: 重庆邮电大学
IPC: H04B7/185 , H04L41/142 , H04B1/7097
Abstract: 本发明涉及一种低轨卫星基于信息新鲜度及NE均衡的联合退避方法，属于卫星通信领域，包括S1，通过扩频因子的干扰阈值把卫星覆盖区域化为不同的级别；S2，通过对卫星物联网下的信息新鲜度和峰值信息新鲜度的精确分析，得到PAoI的闭式表达；S3，利用优化方法找到了封闭形式的混合策略纳什均衡，对节点的接入进行极其有效的控制；S4，结合了信息新鲜度和纳什均衡的退避算法完成传输。本发明通过改进卫星物联网中节点的退避方式，提升卫星物联网下系统吞吐率，同时尽可能的降低了平均PAoI和AoI。
-
Patent Agency Ranking
公开(公告)号：CN118984182A
公开(公告)日：2024-11-19
申请号：CN202411091392.7
申请日：2024-08-09
Applicant: 重庆邮电大学
IPC: H04B7/185 , H04W28/02 , H04W74/0833 , H04W84/06
Abstract: 本发明涉及一种低轨卫星下终端估算传输时间的退避方法，属于卫星通信领域，包括以下步骤：S1：每个终端节点根据卫星的轨迹和自己的位置估算卫星可见时间；S2：根据传输时间对卫星可见范围内的覆盖区域进行区分；S3：针对之前覆盖区域内能传输数据的终端使用适用于自身可见时间的退避值；S4：将碰撞后退避的数据包在退避时间后重新发送；S5：重新发送后完成数据传输并建立与卫星的通信连接。本发明通过对卫星接入部分的改进，降低了卫星物联网中随机接入的碰撞率，提高了接入概率。
-
公开(公告)号：CN117880895A
公开(公告)日：2024-04-12
申请号：CN202410157857.8
申请日：2024-02-04
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车联网场景中可变粒度车辆数字孪生体的边缘构建方法，属于移动通信技术领域。该方法，包括以下步骤：构建面向车联网的数字孪生网络；边缘服务器负责确定网络中每个车辆数字孪生体构建策略；车辆根据边缘服务器确定的数字孪生体构建粒度采集对应属性的数据，将数据通过基站传输至目标边缘服务器；边缘服务器对接收到的数据进行计算等处理以构建车辆数字孪生体模型，并评估车辆数字孪生体模型的效用；建立最大化网络中的所有车辆数字孪生体平均效用的优化模型；采用多智能体强化学习算法求解最佳车辆数字孪生体边缘构建方案。本发明考虑了孪生体粒度以及资源分配策略对于车辆孪生体的影响，提高了车联网场景下车辆数字孪生体的效用。
-
公开(公告)号：CN116980424A
公开(公告)日：2023-10-31
申请号：CN202311113123.1
申请日：2023-08-30
Applicant: 重庆邮电大学
IPC: H04L67/101 , H04L67/1023 , H04L41/14 , H04L41/0803 , H04L67/12 , H04W28/082 , H04W28/084
Abstract: 本发明涉及一种用于车联网场景中的车辆数字孪生体边缘部署方法，属于移动通信技术领域。该方法包括：构建数字孪生驱动的智慧交通车联网络；基站负责确定其服务范围内各车辆数字孪生体在边缘侧的部署位置；车辆数字孪生体初始化部署在离当前接入基站最近的边缘服务器上；基站将车辆实时上传的状态数据转发至其孪生体所在的边缘服务器上进行数字孪生同步，数据经过处理后再提供给云端应用层；计算当前部署方式下云端平均信息年龄及孪生体迁移成本；建立最小化云端平均信息年龄和迁移成本的目标函数，并采用多智能体强化学习算法求解最佳车辆数字孪生体部署方案。本发明降低了云端平均信息年龄和孪生体的迁移成本，提高了车辆数字孪生体的部署效率。
-
公开(公告)号：CN114710195B
公开(公告)日：2023-07-25
申请号：CN202210300476.1
申请日：2022-03-24
Applicant: 重庆邮电大学
IPC: H04B7/185
Abstract: 本发明涉及一种基于跳波束技术的低轨卫星高能效资源分配方法，属于无线通信技术领域。该方法包括：建立基于用户时间平均时延及卫星瞬时功率受限的，联合考虑波束调度和功率分配的多时隙能量优化问题P1；利用虚拟队列方法将时间平均时延约束转化为队列稳定性约束，即将P1转化为仅带瞬时约束和队列稳定性约束的问题P2；S3：利用李雅普诺夫随机优化理论以及漂移加惩罚概念，将P2转化为单时隙联合优化问题P3；S4：针对P3的非凸性，首先将整数变量松弛为连续变量，再将P3分解为波束调度子问题和功率分配子问题；S5：利用交替优化获得P3的局部最优解。本发明在满足用户时间平均时延要求的前提下，显著降低卫星的时间平均能耗。
-
公开(公告)号：CN116309704A
公开(公告)日：2023-06-23
申请号：CN202310138614.5
申请日：2023-02-20
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于无锚框检测网络和特征再融合模块的小目标跟踪方法，属于多目标跟踪技术领域，包括以下步骤：S1：利用无人机对目标对象进行图像采集，并将采集到的图像按照Pascal VOC数据集的格式进行命名；S2：对图像进行预处理；S3：根据计算机内存、GPU能力和用户所需的识别效果和训练速度设计卷积神经网络输入图像的尺寸、识别种类的数量、训练次数、学习率，网络的层数；S4：对特征提取网络部分、检测部分和重识别部分的网络结构进行改进，得到改进的监测模型；S5：训练网络模型，训练结束后保存训练好的网络模型权重；S6：运用训练完成的网络模型权重进行识别。
-
-
-
-
-
-
-
-
-
Search Results
347
records
(took 0.029 seconds)
