-
公开(公告)号：CN116279264A
公开(公告)日：2023-06-23
申请号：CN202211474456.2
申请日：2022-11-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种用于遗留车内儿童的安全救援系统，属于汽车安全领域。通过对现有事故情形的综合判断，准确执行车辆的安全救援系统工作，提高儿童救援的成功率，以及降低检测的失误率。若通过该安全救援系统检测到车内存在儿童，通过车机系统第一时间打开窗户并根据温度情况启动空调系统，车窗的开度控制在一定范围内并能够防止儿童从窗户摔出，并同时通过车机系统与车主用户的移动终端通信，警示车主车辆内存在儿童需要救援。
-
公开(公告)号：CN116233923A
公开(公告)日：2023-06-06
申请号：CN202211468082.3
申请日：2022-11-22
Applicant: 重庆邮电大学
IPC: H04W28/08 , H04L41/14 , H04L41/12 , H04L41/142
Abstract: 本发明涉及一种网络切片场景下虚拟网络功能调度和资源分配方法，属于移动通信技术领域。该方法为：在网络切片场景下，建立具有大规模、多样化的业务请求的虚拟网络功能VNF调度过程和资源分配过程的模型，建立计算、带宽、存储资源约束下的网络提供商净利润最大化系统模型；采用符号函数绝对值ASgn映射方法实现VNF调度过程到资源分配过程的映射，简化系统模型和相关资源约束；基于简化优化模型，采用MPMA‑TD3算法，最大化网络提供商净利润；基于分布式多智能体算法的业务资源分配不均衡问题，采用分级式批评家网络结构改进MPMA‑TD3算法，实现业务均衡。本发明能保证业务均衡的实现，有效增加网络提供商净利润。
-
公开(公告)号：CN116187428A
公开(公告)日：2023-05-30
申请号：CN202211467620.7
申请日：2022-11-22
Applicant: 重庆邮电大学
IPC: G06N3/098 , G08G1/16 , G08G1/01 , G06N3/092 , G06N3/0985 , G06N3/047 , G06N7/01 , H04W4/44 , H04W4/70 , G16Y10/40 , G16Y20/00 , G16Y40/10 , G16Y40/20 , G16Y40/50
Abstract: 本发明涉及一种基于自适应联邦学习的碰撞预警方法，属于智能驾驶技术领域。该方法包括：RSU确定本轮全局更新中的训练参数，包括本地训练次数τ和参与聚合的局部模型数量N；ICV利用本地模型参数和本地数据集进行τ次碰撞预警模型的本地更新，并将本地模型参数上传至RSU；当RSU接收到的局部模型数量达到N时，执行模型聚合获得全局碰撞预警模型，否则继续等待其他ICV上传本地模型参数；当全局碰撞预警模型收敛或达到指定模型精度，结束训练；RSU采用A3C的深度强化学习方法实现自适应调整参数。本发明能在保证预测精度的前提下，充分考虑实时的训练和资源情况，自适应调整训练参数，以降低碰撞预警模型训练时延。
-
公开(公告)号：CN111475252B
公开(公告)日：2022-07-15
申请号：CN202010155122.3
申请日：2020-03-06
Applicant: 重庆邮电大学
IPC: G06F9/455 , G06F9/50 , G06N3/04 , H04L41/0823
Abstract: 本发明涉及一种基于深度强化学习的虚拟网络功能部署优化方法，属于移动通信技术领域。本方法在保证物理层CPU、带宽资源和SFC端到端时延约束下，考虑VNF共享，通过部署VNF和分配CPU资源来联合优化服务提供商总成本和SFC端到端时延；其次，由于本方案的状态空间和动作空间是连续值集合，提出一种基于深度强化学习的VNF智能部署算法，从而得到近似最优的VNF部署和资源分配策略。在每个离散的时隙上，根据SFC的到达率、通用服务器的剩余CPU资源以及物理链路的剩余带宽资源，将VNF部署至合适的目的服务器上，并分配给其CPU资源。本发明提出的VNF部署优化算法可以实现服务提供商总成本和SFC端到端时延的折中，并提高物理网络的资源利用。
-
公开(公告)号：CN114726743A
公开(公告)日：2022-07-08
申请号：CN202210218608.6
申请日：2022-03-04
Applicant: 重庆邮电大学
IPC: H04L41/14 , H04L41/0894 , G06N20/00
Abstract: 本发明涉及一种基于联邦强化学习的服务功能链部署方法，属于移动通信技术领域，包括以下步骤：S1：在云边协同网络场景下，联合网络边缘端和云端共同进行服务功能链SFC部署，实现部署成本和部署能耗联合优化；S2：对时延敏感和资源密集这两大类型的物联网网络应用请求，分别建立两种不同时间尺度的基于参数化深度Q学习P‑DQN的本地SFC部署算法；S3：根据步骤S2得到的多个本地P‑DQN算法参数，建立一种基于联邦学习的全局SFC部署模型训练方法，对时延敏感型的小时间尺度SFC部署建立一种基于窗口值的异步联邦参数聚合方式，对资源密集型的大时间尺度SFC部署建立一种弹性参数更新的同步联邦参数聚合方式。
-
Patent Agency Ranking
公开(公告)号：CN114710195A
公开(公告)日：2022-07-05
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：CN111368888B
公开(公告)日：2022-07-01
申请号：CN202010116968.6
申请日：2020-02-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度动态贝叶斯网络的服务功能链故障诊断方法，属于通信技术领域，结合服务功能链场景的特点，根据服务功能链的分层网络架构中的故障传播关系，构建故障诊断模型，采用在物理节点监测其上多个虚拟网络功能性能数据的方式收集症状的高维数据。并且考虑到基于SDN/NFV架构下网络症状观测数据的多样性以及物理节点和虚拟网络功能的空间相关性，采用深度信念网络对观测数据特征进行提取。最后，利用故障传播的时间相关性，引入动态贝叶斯网络对故障根源进行实时诊断。本发明提出5G端到端网络切片场景的服务功能链故障诊断方法能够在有效处理高维网络数据的同时，满足系统对故障诊断精度的要求。
-
公开(公告)号：CN114546660A
公开(公告)日：2022-05-27
申请号：CN202210193785.3
申请日：2022-03-01
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多无人机协作边缘计算方法，属于边缘计算无人机领域。本发明中多架边缘计算无人机通过组网，构建成一个分布式的计算系统；预设每个无人机上边缘计算服务的中央处理器的周期频率、存储大小；以任务计算服务延迟和严苛任务失败惩罚的加权和最小为优化目标；采用深度确定性策略梯度算法确定各个任务卸载的无人机；采取深度确定性策略梯度算法确定各个任务计算结果的交付无人机，然后交付无人机任务计算结果反馈给用户。本方法充分考虑各个无人机上边缘计算服务器的任务负载状况、车辆的移动特性和任务对服务质量的需求，能够保证任务的及时交付。
-
公开(公告)号：CN111371742B
公开(公告)日：2022-04-29
申请号：CN202010107298.1
申请日：2020-02-21
Applicant: 重庆邮电大学
IPC: H04L9/40 , H04L41/0893
Abstract: 本发明涉及一种基于SVDD的网络切片物理节点异常检测方法，属于移动通信技术领域。该方法在网络切片场景下，采用网络切片部署和VNF产生观测数据的模型，结合考虑无监督异常检测和VNF观测数据网络切片间共享，构建分布式部署于各网络切片管理器上的网络切片物理节点异常检测模型，通过随机近似函数实现在各切片内分布式处理VNF观测数据，最后采用随机梯度下降法实现分布式在线的物理节点异常检测。本发明能够在利用虚拟网络功能观测数据实现物理节点异常检测的同时，保证观测数据在切片内处理，从而解决VNF运营方担忧的信息泄露问题。
-
公开(公告)号：CN111147307B
公开(公告)日：2022-04-29
申请号：CN201911397560.4
申请日：2019-12-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度强化学习的服务功能链可靠部署方法，属于通信技术领域。该方法包括以下步骤：S1：基于设备使用度和周边安全系数的可靠性度量方式得到可靠性值；S2：通过功能特性、拓扑特性初步确定每个虚拟网络功能的可靠性需求；S3：求得满足虚拟链路可靠性需求的链路可靠性需求可部署长度；S4：基于各个可靠性需求，使用深度强化学习寻找适合虚拟网络环境和基层环境的最佳映射方案；S5：在映射过程中如VNF可靠性不能满足，使用基于重要度的节点备份方法，链路部署结果不满足链路可靠性，使用基于链路备份重要度的链路备份方法。本方法在保证可靠性需求的基础上能够有效应对基层故障，减少失效SFC数量，同时保证负载均衡使整个虚拟网络更加稳定可靠。
-
-
-
-
-
-
-
-
-
Search Results
347
records
(took 0.03 seconds)
