-
公开(公告)号：CN119421166A
公开(公告)日：2025-02-11
申请号：CN202411362566.9
申请日：2024-09-27
Applicant: 北京邮电大学
Abstract: 本申请公开了一种抗多小区间干扰的功率与子载波分配方法、集中式控制器。包括：基于各个小区信道状态参数对系统信道增益误差进行建模，得到系统误差模型；采用分布鲁棒优化对所述系统误差模型进行近似处理，得到转换后的系统误差模型；基于所述转换后的系统误差模型构建待优化问题；将所述待优化问题分为功率分配子问题以及子载波分配子问题，对子问题进行迭代求解，得到子载波分配方案和功率分配方案。本申请提出了一种基于分布鲁棒优化的方法，对不确定的信道增益进行建模，并在优化过程中考虑到其扰动性，使得所得到的优化方案在信道增益扰动的情况下具有鲁棒性，采用问题分解和迭代的方法，可以简化问题，提高求解效率。
-
公开(公告)号：CN104540154A
公开(公告)日：2015-04-22
申请号：CN201410758308.2
申请日：2014-12-10
Applicant: 北京邮电大学
CPC classification number: Y02D70/00 , H04W24/02 , H04W52/243
Abstract: 本发明公开了一种小小区网络干扰的协调方法、宏基站和小小区基站，该方法包括：S1、宏基站向小小区基站收集所述小小区基站的干扰信息，根据小小区基站发送的干扰信息计算小小区基站的干扰容限；S2、小小区基站接收宏基站发送的干扰容限和自身对其他小小区基站的干扰信息，调整自身的干扰信息，将调整后的干扰信息发送至宏基站；S3、宏基站接收小小区基站发送的调整后的干扰信息，并根据调整后的干扰信息计算所有小小区基站的总的干扰值，当所述干扰值不在预设干扰值的范围内时，重复执行上述步骤S1和S2。该方法限制了网络中的干扰，在有效地提升系统吞吐量的同时，也减少了小小区基站的发射功率，达到节约能量的目的，提升了网络性能。
-
公开(公告)号：CN115033840B
公开(公告)日：2025-05-13
申请号：CN202210589968.7
申请日：2022-05-26
Applicant: 北京邮电大学
Abstract: 本发明提供一种调制信号处理、装置和电子设备。调制信号处理方法，包括：获取调制信号；根据预设傅里叶点数规则对所述调制信号拆分离散傅里叶变换点数；所述预设傅里叶点数规则为2的整数次幂与大于2的奇数相乘；将所述调制信号的傅里叶点数中2的整数次幂进行快速傅里叶变换；将所述调制信号的傅里叶点数中大于2的奇数进行离散傅里叶变换；将快速傅里叶变换和离散傅里叶变换后的计算结果转换成基变换运算形式；基于NEON指令对所述基变换运算形式进行并行计算。本发明实施例用以解决现有的DFT和混合基算法无法实现在对调制信号处理时降低算法复杂度同时提高运算速度的缺陷。
-
公开(公告)号：CN117201308A
公开(公告)日：2023-12-08
申请号：CN202311022412.0
申请日：2023-08-14
Applicant: 北京邮电大学
IPC: H04L41/0823 , H04L41/147
Abstract: 本申请公开了一种网络资源分配方法、系统、存储介质及电子设备，方法包括：获取网络基础设施在预设时间段内的历史流量数据；根据历史流量数据，预测网络基础设施在当前时刻的下一时刻对应的流量预测结果；将流量预测结果输入预先训练的网络资源优化模型中，输出网络基础设施对应的资源分配最优解；根据资源分配最优解，对网络基础设施在当前时刻的下一时刻的网络资源进行分配。本申请通过建立预先训练的网络资源优化模型来实现参数的逐步更新，使得模型能在随机地设定参数的前提下，经过模型的更新，最终自动收敛到优秀的参数值，从而提高了系统的泛化效率，也使系统能实现在资源优化结果处设定目标值，从而实现面向目标驱动的资源优化场景。
-
公开(公告)号：CN116915665A
公开(公告)日：2023-10-20
申请号：CN202310768573.8
申请日：2023-06-27
Applicant: 北京邮电大学
IPC: H04L43/0876 , H04L43/04 , H04L41/147 , H04L41/16 , H04L41/14
Abstract: 本申请公开了一种结合误差值进行流量预测的方法、装置、电子设备及介质。通过应用本申请的技术方案，可以根据历史时段的历史网络特征求解得到历史流量预测结果的历史误差值的模糊集，并通过分布式鲁棒优化算法将其转换为可被确定性约束的求解方程后，即可利用该求解方程计算得到每个预测流量的误差值，从而实现一种可靠性高且计算资源开销较小的误差计算方法，进而解决了相关技术中流量预测场景出现的，由于无法准确计算得到误差值所导致的流量预测结果不准确的问题。
-
Patent Agency Ranking
公开(公告)号：CN115759107A
公开(公告)日：2023-03-07
申请号：CN202211234849.6
申请日：2022-10-10
Applicant: 北京邮电大学
IPC: G06F40/30 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种语义通信系统的生成方法、装置、电子设备及介质。通过应用本申请的技术方案，可以将一个训练语义通信系统的完整任务按照各个模块进行切分来得到多个子训练任务。并将该多个子训练任务分别发放到有能力对其进行训练的训练对象组中。以使训练对象组中的各个客户端基于各自的本地数据对其分配的子训练任务进行训练，从而在得到对应模块的模型更新参数后将其发送给服务器。以使服务器根据该各个模块的模型更新参数分别对语义通信系统的各个模块进行更新，进而得到一个训练完毕的目标语义通信系统。从而一方面避免了客户端的本地隐私数据不被泄露。另一方面也节省了服务器由于训练通信系统所导致的性能消耗。
-
公开(公告)号：CN116882516A
公开(公告)日：2023-10-13
申请号：CN202310700195.X
申请日：2023-06-13
Applicant: 北京邮电大学
Abstract: 本申请公开了一种分布式机器学习的方法、装置、电子设备及介质。通过应用本申请的技术方案，可以不将网络下所有的物理链路均选为用户设备间需要进行模型参数交换的通信链路，而是根据预设的处理规则，将其中通信开销较小且鲁棒性更高的物理链路作为通信链路。从而实现了在节省分布式机器学习网络的通信开销的前提下，也能保证分布式机器学习算法收敛的目的。
-
公开(公告)号：CN116822648A
公开(公告)日：2023-09-29
申请号：CN202310612098.5
申请日：2023-05-26
Applicant: 北京邮电大学
IPC: G06N20/00 , H04L67/1095 , H04L67/1074
Abstract: 本申请公开了一种基于随机量化的联邦学习方法、装置、电子设备及介质。通过应用本申请的技术方案，可以由客户端在将模型数据传输到服务器之前，首先由客户端对该模型数据进行随机量化处理，从而得到一个相对于模型数据来说数据量更小的量化数据。以使后续通过传输该量化数据至服务器来实现全局模型聚合的目的。从而一方面减少了相关技术的联邦学习中，客户端向服务器进行模型数据同步所生成的通信开销。另一方面也避免了传输原始模型数据所导致的，一旦被恶意用户截获而存在的用户隐私被泄露的问题。
-
公开(公告)号：CN119514718A
公开(公告)日：2025-02-25
申请号：CN202411362978.2
申请日：2024-09-27
Applicant: 北京邮电大学
Abstract: 本公开提出一种模型微调方法、装置、计算机设备及存储介质，该方法包括：加载客户端中的预训练模型和模型微调模块，以使模型微调模块生成预训练模型的第一矩阵和第二矩阵；第一矩阵的元素是从随机高斯分布中抽取得到的；第二矩阵的元素均为零；通过本地数据集对预训练模型进行模型训练得到第一模型，多个客户端的本地数据集各不相同；接收至少一个第三矩阵，其中，每个第三矩阵是由一个相邻客户端发来的，每个第三矩阵是一个相邻客户端通过预设优化算法对第二矩阵进行更新得到的；基于第一模型以及至少一个第三矩阵生成第二模型。本公开实施例能够降低共识误差，进而大大提高模型性能，并且能够显著减少模型更新过程中所需的通信量。
-
公开(公告)号：CN110096318A
公开(公告)日：2019-08-06
申请号：CN201910380756.6
申请日：2019-05-08
Applicant: 北京邮电大学
IPC: G06F9/445
Abstract: 本发明实施例提供了一种基于移动边缘计算的任务卸载方法及装置，应用于边缘服务器，方法包括：确定用户终端发送的服务请求，服务请求中包含每个服务的待处理任务；基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对服务请求的最大期望收益的优化方程；基于最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。考虑了服务部署以及任务卸载的相互依赖性，能够在服务器资源受限的情况下，联合制定服务部署以及任务卸载，以提高通信资源的利用率，也提高了运营商的期望收益。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.022 seconds)
