-
公开(公告)号：CN109190811A
公开(公告)日：2019-01-11
申请号：CN201810946898.X
申请日：2018-08-20
Applicant: 浙江工业大学
Abstract: 一种基于自适应扩展卡尔曼滤波的车辆速度跟踪方法，包括以下步骤：首先，在智能网联交通系统中，通过DSRC技术自动识别行驶的车辆并获取相关数据，实现车载系统与路边单元的信息交互；接着，针对采集的相关信息，首先通过量化公式对路边单元与车载系统的方位差进行量化，其次通过自回归滑动平均法对加速度进行预测，最后利用自适应扩展卡尔曼滤波进行速度预测；最后，将处理好的信息广播给路边单元，以便于下一次与车载系统的信息交互。本发明提供了一种基于自适应扩展卡尔曼滤波的车辆速度跟踪方法。
-
公开(公告)号：CN109118787A
公开(公告)日：2019-01-01
申请号：CN201810947321.0
申请日：2018-08-20
Applicant: 浙江工业大学
Abstract: 一种基于量化自适应卡尔曼滤波的车辆速度预测方法，包括以下步骤：首先，在智能网联交通系统中，通过DSRC技术自动识别行驶的车辆并获取相关数据，实现车载系统与路边单元的信息交互；接着，针对采集的相关信息，首先通过量化公式对路边单元与车载系统的方位角进行量化，其次通过自回归滑动平均法对加速度进行预测，最后利用深度神经网络进行速度预测；最后，将处理好的信息通过光缆传送给其他3个路边单元，以便于下一次与车载系统的信息交互。本发明提供了一种在智能网联交通系统下基于深度神经网络的车辆速度预测方法。
-
公开(公告)号：CN109118786A
公开(公告)日：2019-01-01
申请号：CN201810947025.0
申请日：2018-08-20
Applicant: 浙江工业大学
IPC: G08G1/052
Abstract: 一种基于量化自适应卡尔曼滤波的车辆速度预测方法，包括以下步骤：首先，在智能网联交通系统中，通过DSRC技术自动识别行驶的车辆并获取相关数据，实现车载系统与路边单元的信息交互；接着，针对采集的相关信息，首先通过量化公式对路边单元与车载系统的方位角进行量化，其次通过自回归滑动平均法对加速度进行预测，最后利用自适应卡尔曼滤波进行速度预测，达到速度修正值；最后，将处理好的信息通过光缆传送给另外3个路边单元，以便于下一次与车载系统的信息交互。本发明提供了一种在智能网联交通系统下基于量化自适应卡尔曼滤波的车辆速度预测方法。
-
公开(公告)号：CN109104734A
公开(公告)日：2018-12-28
申请号：CN201810795748.3
申请日：2018-07-19
Applicant: 浙江工业大学
Abstract: 一种基于深度确定性策略梯度的集能型无线中继网络吞吐量最大化方法，包括以下步骤：1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化问题；2)将问题P1分解为两部分优化：功率子优化和时隙子优化，即深度确定性策略梯度方法优化变量pi和 来得到最优的ri。本发明提供一种在集能型无线中继网络中通过联合时间调度和功率分配实现以最大吞吐量最大化系统效益的方法。
-
公开(公告)号：CN108990141A
公开(公告)日：2018-12-11
申请号：CN201810795991.5
申请日：2018-07-19
Applicant: 浙江工业大学
Abstract: 一种基于深度多网络学习的集能型无线中继网络吞吐量最大化方法，包括以下步骤：1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化问题；2)将问题P1分解为两部分优化：功率子优化和时隙子优化，即通过深度多网络学习的方法优化变量pi和来得到最优的ri。本发明提供一种在集能型无线中继网络中通过联合时间调度和功率分配实现以最大吞吐量最大化系统效益的方法。
-
Patent Agency Ranking
公开(公告)号：CN108810885A
公开(公告)日：2018-11-13
申请号：CN201810364696.4
申请日：2018-04-23
Applicant: 浙江工业大学
CPC classification number: H04W12/02 , H04W28/10 , H04W52/0209
Abstract: 一种基于联合保密程度和功率消耗优化的上行双连接数据分流方法，在满足数据保密性要求以及能量有效性的情况下最小化MU的总功率消耗的优化问题描述为一个多变量非凸性优化问题；将问题P1转换为一个底层子问题P1‑Sub和一个顶层问题P1‑Top进行优化求解；将底层子问题P1‑Sub经过多次等效转换为P2‑E问题；得到在P2‑E问题中控制变量范围给定的情况下的问题优化解；列举出不同情况下P2‑E问题的控制变量范围，代入到在控制变量范围给定时所求得的P2‑E问题优化解中；得到底层子问题P1‑Sub的最优化解；在得到底层子问题P1‑Sub的最优化解后，通过使用线性搜索法对顶层问题P1‑Top进行求解，得到顶层问题的最优化解，最终得到了整个优化问题的最优化解。本发明效率较高、灵活度较高。
-
公开(公告)号：CN108712755A
公开(公告)日：2018-10-26
申请号：CN201810477062.X
申请日：2018-05-18
Applicant: 浙江工业大学
IPC: H04W24/02
CPC classification number: H04W24/02
Abstract: 一种基于深度强化学习的非正交接入上行传输时间优化方法，包括以下步骤：(1)在基站的覆盖范围下总共有I个移动用户，提出了一种满足移动用户的服务质量同时，在移动用户的上传量给定的情况下最小化移动用户的上行传输时间和所有用户总能量消耗；(2)ORRCM问题是在给定移动用户上传量的情况下找到最优的整体无线资源消耗，观察ORRCM问题知道它的目标函数只有一个变量t；(3)通过强化学习算法来找到一个最优的上行传输时间t*，使得有最优的整体无线资源消耗；(4)不断重复迭代过程直到得到最优的上行传输时间t*，使得有最优的整体无线资源消耗。
-
公开(公告)号：CN107509243A
公开(公告)日：2017-12-22
申请号：CN201710679118.5
申请日：2017-08-10
Applicant: 浙江工业大学
Abstract: 基于下行非正交多址接入系统的带宽与功率联合控制方法，包括：(1)基站通过非正交多址接入技术发送数据，为移动用户提供数据流量服务；(2)分析系统特性对问题进行等价转化；(3)证明转化后的问题是一个可行性检查问题，因此可以做到高效求解；(4)根据最后转化得的问题特性设计可行且高效的算法求解，最后将算法输出结果代回顶层问题求得最优的带宽与功率分配值。本发明提供了一种既保障移动用户数据需求，同时最小化系统总资源消耗的可行且高效的优化方法，以提高系统资源利用率，优化系统资源的配置。
-
公开(公告)号：CN115062624B
公开(公告)日：2025-05-02
申请号：CN202210672522.0
申请日：2022-06-14
Applicant: 浙江工业大学
IPC: G06F40/30 , G06F40/289 , G06N3/045
Abstract: 本发明公开了一种意图槽值双向交互的自然语言理解方法，采用BERT语义编码模块对用户输入的话语进行文本预处理，并进行语义编码，然后将意图表示向量输入到意图注意力模块，生成语义增强的意图表示向量，并通过自注意语义交互模块，双向交互语义增强的意图语义表示向量和槽语义表示向量，获得最终的意图语义表示向量和槽语义表示向量，然后将最终的意图表示向量和槽语义表示向量输入到CRF语义解码模块，获得最后话语的意图和槽值。本发明使用预训练知识显著提高意图识别和槽填充的识别效果，使得系统可以应用在高精度的NLU场景上，提高了系统的预测精度。
-
公开(公告)号：CN114896039B
公开(公告)日：2025-04-29
申请号：CN202210505923.7
申请日：2022-05-10
Applicant: 浙江工业大学
IPC: G06F9/48 , G06F9/50 , H04W28/084
Abstract: 本发明公开了一种高能效的边缘计算卸载决策及资源分配方法，包括步骤：建立边缘计算网络；基于二进制初始化N个无线节点的卸载决策，并获取对应的最大能效值和计算资源分配结果；根据卸载决策Ml产生N个候选卸载决策；获取各候选卸载决策的最大能效值和计算资源分配结果；获取最佳候选卸载决策Ml(j*)；判断Ml(j*)对应的最大能效值θl(j*)是否大于Ml对应的最大能效值θl，若是，将Ml(j*)和θl(j*)分别作为Ml+1及其对应最大能效值，返回执行下一次迭代，否则，将Ml及对应的计算资源分配结果作为最终决策分配结果。该方法保证计算任务不可拆分性并避免节点间通讯干扰，能可快速求解出最佳决策分配结果，从而提高了无线节点的能量效率。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.029 seconds)
