-
公开(公告)号：CN119892180A
公开(公告)日：2025-04-25
申请号：CN202510354094.0
申请日：2025-03-25
Applicant: 北京邮电大学
IPC: H04B7/06 , H04B7/08 , H04W72/044 , H04W72/0446 , H04W72/0453 , H04W72/541 , G06N3/098
Abstract: 加快分布式学习框架收敛速度的设备发送功率配置方法，属于通信领域，包括：建立分布式学习框架；当进入每一个训练轮次内，各设备获取其到基站的信道增益向量、基站的接收波束赋形配置方案和待发送的本地梯度；各设备以放大空中计算失真为准则，设置自身发送功率，在相同的时频资源上使用所设置的发送功率并发地向基站发送本地梯度；基站基于空中计算技术聚合各设备的本地梯度以获得当前训练轮次的全局梯度，并使用全局梯度更新全局模型。本发明通过放大基于空中计算的梯度聚合信号的失真，以加快分布式学习框架的收敛速度。通过降低分布式学习框架中各设备的发送功率，进而可在放大空中计算失真的同时节省设备发送功率以及通信能耗。
-
公开(公告)号：CN113163500A
公开(公告)日：2021-07-23
申请号：CN202110205757.4
申请日：2021-02-24
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种通信资源分配方法、装置及电子设备。该方法应用于联邦学习系统中的控制设备，包括：在进入到每个信息汇聚间隔时，获取当前信息汇聚间隔内，每个终端设备到基站的第一信道响应、每个终端设备到每个智能反射面的第二信道响应和每个智能反射面到基站的第三信道响应；基于所获取的各个信道响应和预设的各个约束，确定当前信息汇聚间隔的目标通信资源分配方案；控制至少一个终端设备、至少一个智能反射面和基站按照目标通信资源分配方案，为自身分配所对应的通信资源，以使基站基于目标通信资源分配方案，汇聚每个终端设备上传的信息。与现有技术相比，应用本发明实施例提供的方案，可以提高联邦学习系统的收敛速度和预测精度。
-
公开(公告)号：CN116028802A
公开(公告)日：2023-04-28
申请号：CN202210399704.5
申请日：2022-04-15
Applicant: 北京邮电大学
IPC: G06F18/214 , G06N20/20 , H04W16/22
Abstract: 本发明公开了一种半联邦学习方法、发送接收机结构、系统及优化方法，该半联邦学习方法包括：当进入每一个训练轮次内，各个用户设备利用其一个批次的本地数据样本计算本地梯度，并选择另一批次的本地数据样本与本地梯度一起上传至基站；基站使用各个用户设备上传的数据样本获得集中式学习梯度，并聚合各个用户设备的本地梯度，进而合并联邦学习聚合梯度与集中式学习梯度以获得全局梯度，最后使用全局梯度更新全局模型。应用本发明提供的方法，可以提高基站计算资源分配的合理性，充分利用基站的闲置计算资源，使得基站能够和各个设备协同进行半联邦学习的模型训练，相比于传统联邦学习，改善了训练效果。
-
公开(公告)号：CN113163501A
公开(公告)日：2021-07-23
申请号：CN202110205907.1
申请日：2021-02-24
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种通信资源分配方法、装置及电子设备。该方法应用于多小区NOMA网络中的控制设备；包括：在进入到每个预设的下行时隙时，获取当前下行时隙内，每个子信道上每个基站到每个终端设备的第一信道响应、每个子信道上每个智能反射面到每个终端设备的第二信道响应、每个子信道上每个基站到每个智能反射面的第三信道响应；基于所获取的各个信道响应和预设的各个约束，确定当前下行时隙内的目标通信资源分配方案；控制多个终端设备、至少一个智能反射面和多个基站按照目标通信资源分配方案，为自身分配所对应的通信资源。与现有技术相比，应用本发明实施例提供的方案，可以提高多小区NOMA网络中的信息传输性能。
-
公开(公告)号：CN111443731A
公开(公告)日：2020-07-24
申请号：CN202010293107.5
申请日：2020-04-15
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本发明实施例提供了一种无人机控制方法、装置及控制设备，方法包括：获取待探测区域以及完成探测任务的限制时长，获取所述子区域对应的最少数据量，将限制时长平均分为N份，得到时隙长度为δt的N个时隙，并将δt确定为所述子区域对应的传输时长，控制无人机在所述子区域内采集该子区域对应的最少数据量的数据，并控制所述无人机使用该子区域对应的传输时长向数据中心实时传输在该子区域所采集的数据。采用本发明实施例提供的方案控制无人机，可以减小无人机的通信能耗，为无人机节省了能耗，从而减少了无人机在续航时间内无法完成探测任务的现象，提高无人机的探测效率。
-
Patent Agency Ranking
公开(公告)号：CN111970762B
公开(公告)日：2022-04-01
申请号：CN202010784647.3
申请日：2020-08-06
Applicant: 北京邮电大学 , 国家电网有限公司 , 国网山东省电力公司电力科学研究院
IPC: H04W72/04
Abstract: 本发明实施例提供了一种频谱分配方法、装置及电子设备，涉及无线通信技术领域。该方法包括当进入每个预设的时隙时，获取当前时隙内，各个数据采集设备的待传输数据包的数量、各个数据采集设备的前传信道的第一瞬时信道增益和基站的后传信道的第二瞬时信道增益；基于所获取的各个数量、各个第一瞬时信道增益、第二瞬时信道增益、预设的前传过程约束和预设的排队过程约束，确定当前时隙内的目标频谱分配方案；控制基站按照目标频谱分配方案，为每一数据采集设备的前传信道和基站的后传信道分配频谱。与现有技术相比，应用本发明实施例提供的方案，可以利用现有的数据传输网络中的频谱资源实现URLLC场景所要求的高可靠和低时延。
-
公开(公告)号：CN112769464A
公开(公告)日：2021-05-07
申请号：CN202011593445.7
申请日：2020-12-29
Applicant: 北京邮电大学
IPC: H04B7/0456 , H04B7/185
Abstract: 本发明实施例提供了一种无线通信方法及装置，所述方法包括：获取无人机基站的初始预编码向量、无人机基站的初始位置信息、智能反射面的初始相移矩阵以及用户端和智能反射面的位置信息；在按照迭代优化函数调整初始预编码向量、初始相移矩阵或初始位置信息的过程中，计算目标预编码向量、目标相移矩阵以及目标位置信息；控制无人机基站移动至目标位置信息所标识的位置；控制无人机基站按照目标预编码向量对待发送信号进行预编码处理，得到目标信号，并发送目标信号；控制智能反射面按照目标相移矩阵所标识的改变量，对接收到的目标信号的相位进行调整，并发送调整后的目标信号。采用本发明实施例，可以提高无线通信的安全性。
-
公开(公告)号：CN111970762A
公开(公告)日：2020-11-20
申请号：CN202010784647.3
申请日：2020-08-06
Applicant: 北京邮电大学 , 国家电网有限公司 , 国网山东省电力公司电力科学研究院
IPC: H04W72/04
Abstract: 本发明实施例提供了一种频谱分配方法、装置及电子设备，涉及无线通信技术领域。该方法包括当进入每个预设的时隙时，获取当前时隙内，各个数据采集设备的待传输数据包的数量、各个数据采集设备的前传信道的第一瞬时信道增益和基站的后传信道的第二瞬时信道增益；基于所获取的各个数量、各个第一瞬时信道增益、第二瞬时信道增益、预设的前传过程约束和预设的排队过程约束，确定当前时隙内的目标频谱分配方案；控制基站按照目标频谱分配方案，为每一数据采集设备的前传信道和基站的后传信道分配频谱。与现有技术相比，应用本发明实施例提供的方案，可以利用现有的数据传输网络中的频谱资源实现URLLC场景所要求的高可靠和低时延。
-
公开(公告)号：CN116306915A
公开(公告)日：2023-06-23
申请号：CN202310197549.3
申请日：2023-03-03
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向大规模物联网协同智能的无线联邦学习方法，针对大规模物联网场景下设备计算能力异构的问题，通过整合集中式学习和联邦学习来形成统一架构，使得计算能力较弱的设备得以参与全局模型训练。一方面，本发明通过集中式学习用户的数据重要性来确定数据样本选择策略，可以降低数据上传的通信开销和传输时间；另一方面，本发明通过对联邦学习用户的模型进行剪枝，可以在保证学习性能的前提下有效减少本地计算时间。应用本发明提供的联邦学习方法，可以实现不同类型用户的数据样本选择、模型剪枝和用户调度，有助于提高无线网络资源利用率并缓解物联网资源受限问题。
-
公开(公告)号：CN116011584A
公开(公告)日：2023-04-25
申请号：CN202211691797.5
申请日：2022-12-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于空中计算的联邦元学习系统及其优化方法与控制装置，各个训练用户设备在本地进行元学习的训练，并计算本地梯度，有助于提供全局模型的泛化能力，克服训练用户设备本地数据异构性的影响。同时，各个训练用户设备的本地梯度在相同的时频资源上发送至基站，有助于提高系统的频谱资源利用率。此外，预设的各个训练用户设备的功率约束有助于在完成基于空中计算的联邦元学习任务前提下，节约用户能耗。由于对各个训练用户设备的发送功率配置和基站的波束赋形向量进行了联合优化，使得基于空中计算的联邦元学习聚合过程得到全局优化，改善了联邦元学习的收敛性，实现更好的联邦元学习训练效果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
