-
公开(公告)号:CN118488386A
公开(公告)日:2024-08-13
申请号:CN202410717045.4
申请日:2024-06-04
Applicant: 北京科技大学
Abstract: 本发明涉及通信技术领域,特别涉及一种无人机时空众包的资源分配方法及装置。方法包括:将无人机和IoT设备的三维服务区映射到二维,获得二维服务区的坐标范围和时间数据集合;基于无人机的时间数据集合收集每个时间段内的IoT数据;预设无人机禁飞区,计算无人机的边界约束和禁飞区约束;预设多个优化目标进行加权平衡;将优化问题表述为马尔科夫决策过程;采用双延迟深度确定性策略梯度法,对无人机的飞行动作和IoT的功率进行分配。本发明部署了一种先进的强化学习算法,即TD3。它利用深度神经网络基于演员‑评论家架构来逼近策略和价值函数,因此它在高性能和低时间复杂性方面表现出色,且验证了所提出的算法的有效性。
-
公开(公告)号:CN118113482B
公开(公告)日:2024-08-13
申请号:CN202410515391.4
申请日:2024-04-26
Applicant: 北京科技大学
Abstract: 本发明提供一种针对智能窃听者的安全计算卸载方法和系统,包括:构建存在智能窃听者的多无人机辅助的移动边缘计算网络的系统模型和计算任务的两阶段卸载模型;计算系统的总延迟和能耗,设计最大最小的优化问题并分解为两个子问题,对于合法无人机和窃听无人机,优化目标分别是最大化和最小化计算任务的执行效率;以MAPPO算法为基础算法,结合零和博弈思想,将两个子问题转化为两个部分可观测的马尔可夫博弈,进行对抗多智能体强化学习,合法无人机和窃听无人机交替作为MAPPO的智能体与环境交互,分别以最大化和最小化计算任务的执行效率为目标优化各自的策略,直至收敛,得到最优的安全计算卸载方案。本发明在对抗智能窃听无人机时有显著的优势。
-
公开(公告)号:CN120076047A
公开(公告)日:2025-05-30
申请号:CN202510313981.3
申请日:2025-03-17
Applicant: 北京科技大学
IPC: H04W72/50 , H04W72/0457 , H04W72/044 , H04W16/22 , H04L41/14 , H04L41/16
Abstract: 本发明提供一种灵活天线辅助的通感融合NOMA网络资源调度方法及装置,包括:探索灵活天线辅助的通感融合NOMA网络架构,考虑同一波导上多个pinching天线的场景,用户以分簇的形式非正交多址接入网络,并且综合考虑通信与感知需求,根据pinching天线的漏波特性重建视距传输链路,建立pinching天线链路信道模型和传输信号模型;构建决策变量集;综合分析用户簇通信数据速率和感知目标的探测信号功率,根据信道模型和传输信号模型以及决策变量集引入正则化系数,构建正则化分簇用户数据速率和感知目标探测功率模型,以及通感性能优化目标并利用人工智能算法求解,获得最优的相关性与功率分配集合。本发明可以对通感融合NOMA网络进行资源调度。
-
公开(公告)号:CN119402921A
公开(公告)日:2025-02-07
申请号:CN202411486254.9
申请日:2024-10-23
Applicant: 北京科技大学
IPC: H04W28/086 , H04W28/08 , H04W72/044 , H04W72/50 , H04W72/542 , H04W84/06 , G06Q10/0631 , G06Q50/26 , G06Q50/50 , G06N7/01 , G06N3/092 , G06N3/096 , G06N3/045
Abstract: 本发明涉及通信技术领域,特别涉及灾后无人机通感系统的任务调度与资源分配方法及装置。方法包括:无人机补充失效的基站,对潜在的感知目标进行监测;将通信惩罚指数和感知惩罚指数作为在无人机能量约束下的优化目标;建立联合任务调度和资源分配模型,最小化通信性能指标和感知性能指标的加权和;将优化问题重新表述为马尔可夫决策过程;构建软演员‑评论家算法SAC更新MDP,将迁移学习应用于软演员‑评论家算法SAC,当基站可用性发生变化时,将已训练模型的参数转移到更新后的MDP中。实验结果表明,SAC在通信和感知性能以及收敛速度上均优于基线算法。基于迁移学习的SAC在基站可用性突然变化时表现出更快的收敛速度和更好的鲁棒性。
-
公开(公告)号:CN120075071A
公开(公告)日:2025-05-30
申请号:CN202510191064.2
申请日:2025-02-20
Applicant: 北京科技大学
IPC: H04L41/14 , H04L41/16 , H04L67/12 , H04B17/309 , H04B17/364 , G06N3/092
Abstract: 本发明提供一种基于双时间尺度强化学习网络模态配置与调整方法及装置,涉及通信技术领域。该方法包括:构建无人机辅助网络模态的系统模型;根据系统模型构建优化问题模型;将优化问题模型在强化学习的框架下重构为双时间尺度马尔科夫决策过程;通过基于双时间尺度强化学习的方案进行求解。本发明将优化问题解耦为网络模态级和用户级两个不同时间尺度上的优化子问题,并基于强化学习中的评论家网络被用于在某个特定状态下期望的累计折扣奖励的特性,利用评论家网络预测网络模态参数的重新配置与调整的收益,然后通过将其与网络模态参数的重新配置与调整的成本相比较,实现了网络模态参数的自适应动态配置与调整。
-
公开(公告)号:CN118488386B
公开(公告)日:2025-04-25
申请号:CN202410717045.4
申请日:2024-06-04
Applicant: 北京科技大学
Abstract: 本发明涉及通信技术领域,特别涉及一种无人机时空众包的资源分配方法及装置。方法包括:将无人机和IoT设备的三维服务区映射到二维,获得二维服务区的坐标范围和时间数据集合;基于无人机的时间数据集合收集每个时间段内的IoT数据;预设无人机禁飞区,计算无人机的边界约束和禁飞区约束;预设多个优化目标进行加权平衡;将优化问题表述为马尔科夫决策过程;采用双延迟深度确定性策略梯度法,对无人机的飞行动作和IoT的功率进行分配。本发明部署了一种先进的强化学习算法,即TD3。它利用深度神经网络基于演员‑评论家架构来逼近策略和价值函数,因此它在高性能和低时间复杂性方面表现出色,且验证了所提出的算法的有效性。
-
公开(公告)号:CN119233320A
公开(公告)日:2024-12-31
申请号:CN202411221968.7
申请日:2024-09-02
Applicant: 北京科技大学
IPC: H04W28/084 , H04W28/08 , H04W84/06
Abstract: 本发明提供一种面向森林救火的无人机协助通感算一体化资源分配方法方法及装置,涉及通信技术领域。该方法包括:搭建无人机辅助ISCC系统场景;根据搭建的系统场景,构建无人机辅助ISCC系统模型;根据无人机辅助ISCC系统模型,确定无人机辅助ISCC系统模型完成任务的总延迟和能量消耗;根据总延迟和能量消耗,构建无人机辅助ISCC系统模型的优化目标;根据优化目标,构建无人机辅助ISCC系统模型中的任务调度和资源分配的优化问题;将优化问题建模为马尔科夫决策过程,采用TD3算法对任务调度和资源分配策略进行优化,获得最优任务调度和资源分配的方案。采用本发明可增强对火情的实时监控能力,提高救火速度和成功率。
-
公开(公告)号:CN119047697A
公开(公告)日:2024-11-29
申请号:CN202411168436.1
申请日:2024-08-23
Applicant: 北京科技大学
IPC: G06Q10/063 , G16Y20/20 , G16Y40/60
Abstract: 本发明提供一种无人机辅助通感算系统中任务调度和资源分配的方法,涉及通信技术领域。所述无人机辅助通感算系统中任务调度和资源分配的方法包括:获取多个物联网设备、多个计算任务、多个无人机的地理位置信息以及多个感知目标的地理位置信息;根据获取的物联设备以及无人机的相关信息,建立无人机辅助通感算系统模型,获得计算卸载惩罚指数和感知惩罚指数;根据计算卸载惩罚指数和感知惩罚指数,构建无人机辅助通感算系统中的任务调度和资源分配的优化问题;将优化问题建模为马尔科夫决策过程,采用SAC算法进行优化,获得最优任务调度和资源分配的策略。采用本发明可解决上行链路I SCC中的联合任务调度和资源分配问题。
-
公开(公告)号:CN118113482A
公开(公告)日:2024-05-31
申请号:CN202410515391.4
申请日:2024-04-26
Applicant: 北京科技大学
Abstract: 本发明提供一种针对智能窃听者的安全计算卸载方法和系统,包括:构建存在智能窃听者的多无人机辅助的移动边缘计算网络的系统模型和计算任务的两阶段卸载模型;计算系统的总延迟和能耗,设计最大最小的优化问题并分解为两个子问题,对于合法无人机和窃听无人机,优化目标分别是最大化和最小化计算任务的执行效率;以MAPPO算法为基础算法,结合零和博弈思想,将两个子问题转化为两个部分可观测的马尔可夫博弈,进行对抗多智能体强化学习,合法无人机和窃听无人机交替作为MAPPO的智能体与环境交互,分别以最大化和最小化计算任务的执行效率为目标优化各自的策略,直至收敛,得到最优的安全计算卸载方案。本发明在对抗智能窃听无人机时有显著的优势。
-
-
-
-
-
-
-
-