-
公开(公告)号：CN116367342A
公开(公告)日：2023-06-30
申请号：CN202310340147.4
申请日：2023-03-31
Applicant: 东南大学
Abstract: 本发明公开了一种广播场景下的无人机自组网信道接入方法及系统，包括：当无人机节点有发送需求时，节点统计上一次传输的反馈，根据Q‑Learning算法输出一个退避窗口值CW，退避完成后节点接入信道；发包前，节点根据接收成功率门限选择转发节点的个数，将选中的转发节点编号和CW附在数据包中广播发出；节点收到广播包后读取MAC头字段，统计邻居CW值，维护邻居表和CW流行度表，并比对自身是否是转发节点；若当前节点为选中的转发节点，则节点需要将收到的数据包以广播的形式进行转发；源节点在ACK时限到达时统计此次发送收到的有效ACK个数，计算得出此次传输的反馈，在下次传输前更新Q‑Learning的权值表；节点重复以上过程，迭代更新出自适应的信道接入策略。
-
公开(公告)号：CN116319603A
公开(公告)日：2023-06-23
申请号：CN202310383570.2
申请日：2023-04-06
Applicant: 国网山东省电力公司济南供电公司 , 东南大学 , 国家电网有限公司
IPC: H04L47/76 , H04L41/0893 , H04L41/0894 , H04L67/12 , H04L41/0896
Abstract: 本发明公开了一种基于网络切片的资源分配方法，包括如下步骤：(1)为切片构建招标信息；(2)为终端用户构建投标信息；(3)筛选出符合切片叫价的用户筛选出符合用户条件的切片；(4)符合双方要求的用户和切片根据用户对资源的估价和切片资源的成本来计算出双方达成匹配的效用，构建效用矩阵；(5)将系统建模为二分图模型，根据效用矩阵初始化辅助变量顶标值；(6)将终端用户随机排序，根据顺序为用户寻找增广路径；(7)根据一定的匹配策略得到匹配矩阵和匹配后系统的总效用。相较于传统的资源分配方法，本发明中不仅使用了拍卖理论中的投标、招标等技术，而且利用了二分图模型来达成匹配。
-
公开(公告)号：CN108990159B
公开(公告)日：2023-04-07
申请号：CN201810762239.0
申请日：2018-07-12
Applicant: 东南大学
IPC: H04W72/53
Abstract: 本发明公开了一种移动边缘计算系统中基于分层博弈的联合资源分配方法，包括：(1)用户端根据不同的基站/AP接入策略建立代价函数；(2)基站/AP获取覆盖区域内各个移动用户端连接数和当前区域内的可用资源，反馈至用户端，用户端进行演进博弈，确定基站/AP选择并请求资源，且基站/AP将资源请求和网络信道信息发送至相连的MEC服务器；(3)MEC服务器基于完全势博弈进行资源共享，建立效用函数，利用KKT条件得到全局最优解；(4)基站/AP和MEC服务器根据全局最优解为当前请求用户端分配无线资源和计算资源。本发明基于分层博弈，最小化用户端代价和最大化服务器层收益，延长用户终端寿命，充分利用MEC服务器的有限资源，满足移动用户的任务处理需求。
-
公开(公告)号：CN115190544A
公开(公告)日：2022-10-14
申请号：CN202210805504.5
申请日：2022-07-08
Applicant: 东南大学
IPC: H04W28/24 , H04W28/22 , H04L41/0893 , H04W4/40 , H04W4/44 , H04W4/46 , H04W16/10 , H04W16/14 , H04W24/02
Abstract: 本发明提供一种基于QoS的车联网网络切片与NOMA分簇联合优化方法，首先，基站在根据各V2I用户服务类型的QoS指标传输速率将同一服务QoS等级的V2I用户归并于同一切片组，同一V2I切片组内的各V2I用户可在当前SPS周期内实现时频资源块的共享。同时，V2V用户通过建立V2V NOMA簇与V2I切片组共享频谱资源。为克服车辆高速移动性所带来的的CSI无法获取问题，基站采用基于地理位置的V2V用户分簇方法以提升NOMA多用户检测技术SIC的解码有效性。此外，基站根据V2I切片组与V2V NOMA簇的位置关系，实现V2V NOMA分簇与V2I切片组的频谱资源匹配共享的联合优化。本发明将网络切片分组方法与NOMA应用于车联网广播通信下行链路场景中，为车联网信道快速时变场景下的QoS服务设计提供了新思路。
-
公开(公告)号：CN115052245A
公开(公告)日：2022-09-13
申请号：CN202210660422.6
申请日：2022-06-13
Applicant: 东南大学
Abstract: 本发明提出一种基于深度学习的无人机辅助无线传感器网络节点定位方法。该定位方法的应用场景是室外区域，具体表现为无人机以固定轨迹在定位区域上方平行区域内周期运动，并以固定时间周期广播信标信号，地面传感器节点接收无人机信标信号，节点计算RSSI值形成RSSI向量，计算节点间RSSI相似度，进而计算锚节点与未知节点距离，建立卷积神经网络定位模型，输入节点与锚节点距离估计节点位置坐标，该模型能够一定程度克服环境噪声的影响，定位性能相比现有定位技术有较大提高。该模型能够利用空地通信信道优势以及卷积神经网络学习能力，提供一个节点定位问题解决方案，为人工神经网络技术在无线传感器网络领域的应用研究提供理论支撑。
-
Patent Agency Ranking
公开(公告)号：CN113055076B
公开(公告)日：2022-09-06
申请号：CN202110256514.3
申请日：2021-03-09
Applicant: 东南大学 , 上海航天电子通讯设备研究所
Abstract: 本发明公开了一种LEO/MEO双层卫星通信网络中的路由方法，双层卫星网络中有多个分簇，每个分簇有一颗MEO卫星和多颗LEO卫星，LEO卫星负责收集链路时延和拥塞信息，MEO卫星以时延和拥塞因子作为权重，使用最短路算法，计算路由表。此外，通过双层卫星的层间链路代价、MEO卫星间链路代价和LEO卫星间链路代价确定LEO层路由跳数门限，根据仅通过LEO层进行数据转发需要的路由跳数与LEO层路由跳数门限关系，决定通过MEO卫星进行数据包转发或通过查询路由表在LEO卫星进行数据包转发。上述双层卫星通信网络方法，针对远距离通信中路由跳数过多问题，通过MEO卫星进行转发，可有效减小路由跳数，降低路由开销。
-
公开(公告)号：CN110996279B
公开(公告)日：2022-04-26
申请号：CN201911292024.8
申请日：2019-12-16
Applicant: 东南大学
Abstract: 本发明公开了一种应用于无人机通信的多路并行传输数据调度方法与系统，该方法中遥控端与无人机端的主控制器同时控制多个射频芯片，以实现多通道并行传输。发送端将待发送数据分组打包为多个数据包，并为数据包标记全局唯一的序列号；以发送设定数量的数据包后收到接收端反馈的ACK包为一个估计周期对每条数据传输通道的吞吐量进行估计，并根据吞吐量估计情况计算各个数据传输通道发送数据包后到达接收端的时间，将数据包分配给抵达接收端最快的数据传输通道，使得接收端尽可能按序接收数据包。本发明避免了因接收端缓存阻塞造成的传输通道吞吐量低问题，有效利用了多条数据传输通道的优势，提高了无人机通信多路并行通道的数据传输速率。
-
公开(公告)号：CN109960952B
公开(公告)日：2022-03-29
申请号：CN201910159509.3
申请日：2019-03-04
Applicant: 东南大学
Abstract: 本发明涉及射频识别领域，公开了一种动态RFID系统中基于EDFSA的标签防碰撞方法，该方法在一帧识别过程中，首先利用上一帧开始时待识别标签数量、上一帧识别过程中出现的成功时隙数和碰撞时隙数、上一帧新进标签等信息估计系统有效识别范围内待识别标签的数量；然后根据待识别标签数量设置帧长并对标签进行分组，对每组标签进行识别；最后根据识别结果统计标签识别过程中出现的碰撞时隙数、成功时隙数，对每个标签群剩余待识别标签数量和离开有效区但未被识别的标签数量进行估计，为下一帧识别提供数据。本发明考虑了动态RFID系统中标签的移动性，为准确估计待识别标签数量和减少标签识别丢失率提供了解决思路。
-
公开(公告)号：CN110324805B
公开(公告)日：2022-03-08
申请号：CN201910593535.7
申请日：2019-07-03
Applicant: 东南大学
Abstract: 本发明公开了一种无人机辅助的无线传感器网络数据收集方法，包括：(1)传感器节点采集通信范围内信息，并生成对应的事件包发送回基站(2)基站将信息价值衰减指数不为零的分类为关键节点，将为零的分类为普通节点；(3)根据节点的地理位置采用贪婪算法规划所有关键节点的访问路径；(4)根据节点的地理位置采用邻域搜索的蚁群算法规划所有普通节点的访问路径；(5)计算路径总长度，并判断路径总长度是否大于无人机最大飞行长度；(6)若是则计算每个普通节点的删除增益，并在路径中移除最大删除增益对应的节点，并返回执行步骤(5)；若否，则习执行步骤(7)；(7)无人机根据规划的路径依次收集传感器节点的数据。本发明能耗低、结构简单。
-
公开(公告)号：CN109144719B
公开(公告)日：2022-02-15
申请号：CN201810755942.9
申请日：2018-07-11
Applicant: 东南大学
IPC: G06F9/50
Abstract: 本发明公开了一种移动云计算系统中基于马尔科夫决策过程的协作卸载方法，包括：(1)将任务队列状态、边缘云状态、移动自组织云状态和中心云状态组合成马尔科夫决策过程的状态空间，并计算得到状态转移概率矩阵；(2)定义动作空间；(3)以时延和能耗定义马尔科夫决策过程的立即回报函数；(4)将一系列输入任务作为统计样本，计算任务分割阈值；(5)根据已得到的阈值，通过任务分割算法实现任务的自适应分割；(6)根据子任务的大小、状态转移概率矩阵和立即回报函数，通过值迭代算法得到卸载决策结果。本发明基于马尔科夫决策过程，满足时延和能耗最小化；通过任务分割算法将任务自适应分割，实现了云计算资源的充分利用和负载均衡。
-
-
-
-
-
-
-
-
-
Search Results
182
records
(took 0.033 seconds)
