-
公开(公告)号：CN119130505B
公开(公告)日：2025-01-28
申请号：CN202411111485.1
申请日：2024-08-14
Applicant: 兰州理工大学
IPC: G06Q30/0201 , G06Q50/50 , G16Y10/75 , H04L12/10 , H04L12/14
Abstract: 本发明公开了一种基于负荷的分时段能量资源定价方法，包括如下步骤：基于时间块模型，在混合接入点模式和固有能量节点模式下，构建物联网设备的能量收集模型和吞吐量模型；使物联网设备在混合接入点模式和/或固有能量节点模式下收集能量；根据物联网设备能量供应需求，将物联网设备的能量收集划分为高峰时段和非高峰时段，并建立对应的资源定价模型；通过资源定价模型实现分时段能量资源定价。该方法通过资源定价模型在高峰时段适当上调能量资源价格，抑制物联网设备的接入；在非高峰时段适当降低能量资源价格，激励物联网设备接入获取能量；从而能够有效解决无线供电通信网络场景下物联网设备能量供应资源定价问题。
-
公开(公告)号：CN115884125A
公开(公告)日：2023-03-31
申请号：CN202211689376.9
申请日：2022-12-27
Applicant: 兰州理工大学
IPC: H04W4/40 , H04W4/46 , H04W28/08 , H04W72/0453
Abstract: 本发明涉及一种超可靠低时延的车载网络自适应任务卸载方法，该方法主要包括以下步骤：S1：在基于边缘计算的车联网中，请求车辆生成计算任务，基于车辆位置和RSU(RoadsideUnits)负载上限确定请求车辆的初始匹配节点；S2：当一个请求车辆有多个备选匹配节点时，采用基于节点归一化信誉和中断概率的双向奖罚选择算法确定匹配节点。S3：通过最小化请求车辆的概率成本实现请求车辆高可靠低时延的自适应任务卸载。S4：设计基于时变信道的概率成本最小化自适应卸载算法。本发明的有益效果是：该超可靠低时延的车载网络自适应任务卸载方法，通过最小化请求车辆的概率成本实现请求车辆高可靠低时延的自适应任务卸载的方法。
-
公开(公告)号：CN112437156A
公开(公告)日：2021-03-02
申请号：CN202011317907.2
申请日：2020-11-23
Applicant: 兰州理工大学
IPC: H04L29/08 , H04W4/70 , H04W28/14 , H04L12/727 , H04W40/16
Abstract: 一种基于MEC‑D2D的分布式协同缓存方法，属于无线通信技术，首先分析协同通信模型中的内容流行度、缓存空间C的有限性以及D2D通信层干扰等因素对用户内容获取平均时延的影响，将边缘服务器与终端间的联合内容缓存机制构建为一个时延优化问题；其次建立内容分段模型，采用缓存放置策略进行内容部署，用户可通过D2D链路从邻近终端中获得总数Kcf个内容片段，当邻近设备中已缓存片段不足以重构内容f时，需从MEC服务器中获取[sf‑min(Kcf,sf)]个内容片段数以保证内容完整性，将减小用户内容获取平均时延的优化目标转化为完全背包问题，将优化目标分为若干个不同的子问题，分别对每一个子问题采用动态规划算法进行求解，寻找构成最优解的最优缓存分配方案{cf}*。
-
公开(公告)号：CN115884125B
公开(公告)日：2025-03-14
申请号：CN202211689376.9
申请日：2022-12-27
Applicant: 兰州理工大学
IPC: H04W4/40 , H04W4/46 , H04W28/08 , H04W72/0453
Abstract: 本发明涉及一种超可靠低时延的车载网络自适应任务卸载方法，该方法主要包括以下步骤：S1：在基于边缘计算的车联网中，请求车辆生成计算任务，基于车辆位置和RSU(RoadsideUnits)负载上限确定请求车辆的初始匹配节点；S2：当一个请求车辆有多个备选匹配节点时，采用基于节点归一化信誉和中断概率的双向奖罚选择算法确定匹配节点。S3：通过最小化请求车辆的概率成本实现请求车辆高可靠低时延的自适应任务卸载。S4：设计基于时变信道的概率成本最小化自适应卸载算法。本发明的有益效果是：该超可靠低时延的车载网络自适应任务卸载方法，通过最小化请求车辆的概率成本实现请求车辆高可靠低时延的自适应任务卸载的方法。
-
Patent Agency Ranking
公开(公告)号：CN119130505A
公开(公告)日：2024-12-13
申请号：CN202411111485.1
申请日：2024-08-14
Applicant: 兰州理工大学
IPC: G06Q30/0201 , G06Q50/50 , G16Y10/75 , H04L12/10 , H04L12/14
Abstract: 本发明公开了一种基于负荷的分时段能量资源定价方法，包括如下步骤：基于时间块模型，在混合接入点模式和固有能量节点模式下，构建物联网设备的能量收集模型和吞吐量模型；使物联网设备在混合接入点模式和/或固有能量节点模式下收集能量；根据物联网设备能量供应需求，将物联网设备的能量收集划分为高峰时段和非高峰时段，并建立对应的资源定价模型；通过资源定价模型实现分时段能量资源定价。该方法通过资源定价模型在高峰时段适当上调能量资源价格，抑制物联网设备的接入；在非高峰时段适当降低能量资源价格，激励物联网设备接入获取能量；从而能够有效解决无线供电通信网络场景下物联网设备能量供应资源定价问题。
-
公开(公告)号：CN118474733A
公开(公告)日：2024-08-09
申请号：CN202410678854.9
申请日：2024-05-29
Applicant: 兰州理工大学
IPC: H04W12/03 , H04W12/122 , H04W12/041 , H04W28/08
Abstract: 本发明涉及一种移动边缘计算中连续处理卸载任务的安全传输方法，采用如下步骤：1、建立移动边缘计算三层系统模型；2、对地面合法用户的数据任务B进行分区；3、对划分好的用户数据任务块Bi∈B进行加密；4、采用位置信息混淆函数，对地面合法用户的位置信息进行隐藏；本发明在地面合法用户与边缘计算服务器之间进行数据传输时，采用距离混淆函数对地面合法用户的位置信息进行隐藏，混淆窃听者和攻击者；将地面合法用户的数据任务进行分割后，对数据任务分区块通过加密函数进行加密处理，然后按分割后的分区块进行卸载，保证卸载任务处理不间断且不会受非法窃听用户的窃听攻击，从而达到实现数据安全传输和提高任务计算效率的目的。
-
公开(公告)号：CN118174935A
公开(公告)日：2024-06-11
申请号：CN202410318643.4
申请日：2024-03-20
Applicant: 兰州理工大学
Abstract: 本发明涉及移动边缘计算数据物理层安全通信技术领域，本发明公开了移动边缘计算网络中安全通信的方法，其采用以下步骤：先对地面用户组进行分类，按照用户与移动边缘计算服务器的距离进行排序：X＝(x1,x2,...,xn)，选择离MEC最近的用户(x1)优先卸载，当用户x1进行卸载时，其余用户自动归类到非卸载用户集；在卸载用户卸载计算任务至移动边缘计算服务器时，从非卸载用户集中选择用户辅助卸载用户；而本发明中选择的方法是在通信范围内按照距离卸载用户和窃听者的远近程度进行计算比较，选择一位距离卸载用户和窃听者都相对较近(即d卸max≈d窃)的非卸载用户作为卸载用户的辅助用户，由其对窃听者发送干扰功率，最终实现提升移动边缘计算中数据传输安全性的目的。
-
公开(公告)号：CN117729605A
公开(公告)日：2024-03-19
申请号：CN202311748160.X
申请日：2023-12-19
Applicant: 兰州理工大学
Abstract: 本发明涉及一种智能反射表面辅助的毫米波车辆协作通信方法，步骤如下：1.建立智能反射表面辅助的城市毫米波车辆通信模型；2.确定当前时隙请求车辆和服务车辆的位置坐标以及当前时隙请求车辆通信范围内可选智能反射表面和中继车辆的位置坐标；3.确定每个请求车辆的可选链路集合；4.设计智能反射表面反射系数矩阵；5.当一个请求车辆有多条可选的通信链路时，采用基于评价函数的链路选择算法；6.建立请求车辆与服务车辆之间的通信时延最小化模型；7.设计基于最小化时延的交替优化算法；本发明针对毫米波系统中请求车辆与服务车辆之间的非视距通信，为请求车辆选择通信链路，降低请求车辆通信时延，提高车辆非视距通信情况下数据传输的可靠性。
-
公开(公告)号：CN112437156B
公开(公告)日：2022-01-14
申请号：CN202011317907.2
申请日：2020-11-23
Applicant: 兰州理工大学
IPC: H04L67/2885 , H04L67/1097 , H04L67/63 , H04W4/70 , H04W28/14 , H04L45/121 , H04W40/16
Abstract: 一种基于MEC‑D2D的分布式协同缓存方法，属于无线通信技术，首先分析协同通信模型中的内容流行度、缓存空间C的有限性以及D2D通信层干扰等因素对用户内容获取平均时延的影响，将边缘服务器与终端间的联合内容缓存机制构建为一个时延优化问题；其次建立内容分段模型，采用缓存放置策略进行内容部署，用户可通过D2D链路从邻近终端中获得总数Kcf个内容片段，当邻近设备中已缓存片段不足以重构内容f时，需从MEC服务器中获取[sf‑min(Kcf,sf)]个内容片段数以保证内容完整性，将减小用户内容获取平均时延的优化目标转化为完全背包问题，将优化目标分为若干个不同的子问题，分别对每一个子问题采用动态规划算法进行求解，寻找构成最优解的最优缓存分配方案{cf}*。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
