-
公开(公告)号：CN109842912A
公开(公告)日：2019-06-04
申请号：CN201910015373.9
申请日：2019-01-08
Applicant: 东南大学
Abstract: 本发明提供一种基于集成学习的多属性切换决策方法，实现在车联网中对高速移动的车辆终端进行切换决策。方法的具体步骤包括：车辆终端切换至当前基站后，与当前基站建立链路连接，经过一个稳定的时间周期后，MEC服务器计算链路指标的值；然后MEC服务器利用获得的链路指标集合运行基于集成学习的链路持续时间预测方法，预测出车辆终端与当前基站以及与所有候选基站之间的链路持续时间；在得到预测的持续时间之后，MEC服务器将链路持续时间连同车辆终端当前时刻的移动状态一起传递给车辆终端，终端运用多属性切换决策方法进行切换决策；最后车辆终端提前向目标基站发出切换请求，到达预测的链路持续时间之后，车辆终端执行切换操作。
-
公开(公告)号：CN109600849A
公开(公告)日：2019-04-09
申请号：CN201811452851.4
申请日：2018-11-30
Applicant: 东南大学
IPC: H04W72/04 , H04W72/10 , H04L12/801 , H04L29/08
Abstract: 本发明涉及一种基于移动边缘计算系统的并行资源分配方法，针对移动边缘计算场景，基于组合并行拍卖机制，以最大化资源提供方（即MEC服务器和基站）和资源使用方（移动用户）的效益为目标函数，以不同业务的QoE需求等为约束条件，实现无线和计算资源的联合优化和快速分配；采用无线资源和计算资源并行定价协商方式，优化拍卖过程，加速拍卖收敛速度，从而降低算法复杂度和系统时延；采用分布式的定价协商方式，并给出加速拍卖收敛的方法，从而大幅度地降低移动用户数目增加所带来的计算复杂度和系统时延。
-
公开(公告)号：CN109743701A
公开(公告)日：2019-05-10
申请号：CN201811471782.1
申请日：2018-12-04
Applicant: 东南大学
Abstract: 本发明提供一种基于超宽带通信(Ultra-wide bandwidth,UWB)的室内三维定位方法，实现在室内环境下对移动UWB盲节点的高精度定位。方法的具体步骤包括：控制台通过Wi-Fi向UWB盲节点发起定位请求，UWB盲节点使用非对称双向测距，以较低的时间代价获得更精准的UWB盲节点与各个锚节点之间的双向飞行时间，并通过Wi-Fi发送至控制台；控制台收到双向飞行时间后，建立TDoA模型，从而将得到的UWB盲节点到UWB锚节点之间的双向飞行时间转化为描述UWB盲节点位置的TDoA方程。使用Chan增强的扩展卡尔曼滤波器滤除无用的噪声和误差后，快速得到UWB盲节点的三维坐标。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN109600849B
公开(公告)日：2022-04-01
申请号：CN201811452851.4
申请日：2018-11-30
Applicant: 东南大学
IPC: H04W72/04 , H04W72/10 , H04W72/12 , H04L47/10 , H04L67/1074
Abstract: 本发明涉及一种基于移动边缘计算系统的并行资源分配方法，针对移动边缘计算场景，基于组合并行拍卖机制，以最大化资源提供方（即MEC服务器和基站）和资源使用方（移动用户）的效益为目标函数，以不同业务的QoE需求等为约束条件，实现无线和计算资源的联合优化和快速分配；采用无线资源和计算资源并行定价协商方式，优化拍卖过程，加速拍卖收敛速度，从而降低算法复杂度和系统时延；采用分布式的定价协商方式，并给出加速拍卖收敛的方法，从而大幅度地降低移动用户数目增加所带来的计算复杂度和系统时延。
-
公开(公告)号：CN109558240A
公开(公告)日：2019-04-02
申请号：CN201811283457.2
申请日：2018-10-31
Applicant: 东南大学
Abstract: 本发明涉及一种移动终端应用下基于支持向量机的任务卸载方法，包括离线训练过程和在线决策过程，离线训练过程包括：首先构建样本任务集，然后针对预设分类器进行训练，获得训练后的分类器；在线决策过程包括：基于训练后的分类器，针对待处理任务进行分割、并在移动终端移动、依次经过各无线通信网络区域的过程中，实现对分割子任务对应移动终端本地执行策略或卸载至MEC服务器上执行策略的控制，直至完成待处理任务的执行；充分利用MEC服务器的剩余资源状态，实现了任务的自适应分配，并基于支持向量机，实现了移动终端在移动环境下的快速任务卸载。
-
公开(公告)号：CN109144719A
公开(公告)日：2019-01-04
申请号：CN201810755942.9
申请日：2018-07-11
Applicant: 东南大学
IPC: G06F9/50
CPC classification number: G06F9/5083 , G06F2209/5017 , G06F2209/509
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。
-
公开(公告)号：CN108990159A
公开(公告)日：2018-12-11
申请号：CN201810762239.0
申请日：2018-07-12
Applicant: 东南大学
IPC: H04W72/04
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。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
