-
公开(公告)号：CN118338248A
公开(公告)日：2024-07-12
申请号：CN202410315876.9
申请日：2024-03-19
Applicant: 南京邮电大学 , 江苏省未来网络创新研究院
IPC: H04W4/029 , H04W4/02 , G06V20/10 , G06V10/44 , G06V10/82 , G06V10/764 , G06V10/776 , G06F18/2415 , G06N3/0455 , G06N3/0475 , G06N3/047 , G06N7/01
Abstract: 本发明公开了一种基于深度扩散去噪概率模型的无线电地图估计方法，包括：使用仿真软件对城市无线电地图分布情况进行模拟，获得基于高斯干扰网络的灰度图数据集；构建深度扩散去噪概率模型对深度扩散去噪概率模型进行迭代训练；将冻结后的网络权重及训练完成的深度扩散去噪概率模型部署至预先搭建环境的主机设备；将当地的城市地图转化为灰度图与不同接收基的传感器数据一并输入深度扩散去噪概率模型，完成对待测地区的无线电资源分布的估计并输出生成的城市无线电地图分布图像。本发明能够对地区无线信号分布情况进行快速估计，从而进行更加精细的无线信号基站选址规划。
-
Patent Agency Ranking
公开(公告)号：CN117914804A
公开(公告)日：2024-04-19
申请号：CN202310532773.3
申请日：2023-05-12
Applicant: 南京卓云邮通科技有限公司 , 南京邮电大学
IPC: H04L47/783 , G06F9/50
Abstract: 本发明公开了一种面向时延敏感任务的边缘计算资源动态分配方法，该方法基于边缘计算模型，在边缘节点上配备多个边缘设备，采用Lyapunov框架设计任务请求队列，最小化任务处理总时延，并提出了一个资源重分配算法，动态地根据工作负载实现资源调度，具体步骤如下：用户先判断是否进行本地任务处理；若本地资源满足任务需求则进行本地处理，反之用户向边缘节点发送任务请求；边缘节点根据自身节点设备的资源状态动态处理任务。本发明在满足最低时延要求下很好地实现了资源分配。
-
公开(公告)号：CN117875418A
公开(公告)日：2024-04-12
申请号：CN202410066633.6
申请日：2024-01-17
Applicant: 南京邮电大学 , 江苏省未来网络创新研究院
Abstract: 本发明公开了一种面向工业互联网多平台的知识图谱实体对齐方法，分为如下的主要四个流程：首先，考虑到企业数据的隐私性，企业的数据信息在本地存储。企业在本地构建基于知识图注意力网络(KGAT)的实体对齐模型，并根据本地数据进行训练；其次，将KGAT模型梯度参数上传行业级工业互联网平台服务中心；再次，服务中心聚合出全局最优的KGAT模型参数；最后，服务中心将KGAT模型参数下发到企业进行参数更新。本专利为工业互联网多平台知识图谱构建工作，实现知识图谱的“共建共享”，提供了一种有潜力的解决方案。
-
公开(公告)号：CN115913310A
公开(公告)日：2023-04-04
申请号：CN202211381495.8
申请日：2022-11-04
Applicant: 南京邮电大学
Abstract: 本发明公开了一种智能反射表面(RIS)辅助反向散射通信方法及系统，属于无线通信技术领域。该方法包括以下步骤：1)建立基于实际相移模型的RIS辅助反向散射通信网络模型；2)考虑接收信噪比约束、能量收集约束、标签反射系数约束以及RIS反射系数的相移幅度约束，建立载波发射器(CE)发射功率优化问题；3)使用最大比传输(MRT)算法进行发射波束成形，并基于交替优化(AO)算法求得RIS相移以及标签反射系数的最优解。本发明考虑了RIS反射系数幅度与相移的映射关系，能够权衡两者对系统性能的影响，根据RIS的实际参数进行相移设计，相较于基于理想相移模型的算法，在实际使用中能够有效提高系统能效。
-
公开(公告)号：CN116600341A
公开(公告)日：2023-08-15
申请号：CN202310569273.7
申请日：2023-05-19
Applicant: 南京邮电大学
IPC: H04W28/06 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种面向云无线接入网(C‑RAN)上行链路的压缩感知方法，首先要在C‑RAN场景中的每个RRH(Remote Radio Head)接收到测量值(压缩信号)，对其进行CS恢复，得到用户信号数据的粗略估计；信号的粗略估计问题可以转化为一个广义LASSO形式的优化问题；得到的优化问题可通过ADMM算法(the alternating direction method of multipliers algorithm)的迭代方法求解，基于上述步骤将ADMM算法表述为具有层迭代的深度展开神经网络(deep unfolding network)，将这样的深度展开网络作为解码器；最后将ADMM算法迭代中的仿射映射应用于最终层，得到最终输出。本发明可应用于C‑RAN等压缩感知场景中，提供面向C‑RAN上行链路的前端负载问题的压缩感知方法，有效提升了在压缩感知场景中信号重构的速度和抗噪性能。
-
公开(公告)号：CN115529625A
公开(公告)日：2022-12-27
申请号：CN202210711607.5
申请日：2022-06-22
Applicant: 南京卓云邮通科技有限公司 , 南京邮电大学
Inventor： 周欢 , 杨凡 , 彭敏鑫 , 徐波 , 刘娅璇 , 崔燕茹 , 吴丰靖 , 高赟 , 刘颖 , 张旭妍 , 邵鑫宇 , 王思洋 , 荀位 , 徐邦宁 , 徐卓然 , 孙文雪 , 吕锦钰 , 谈宇浩 , 赵海涛 , 张晖 , 夏文超 , 倪艺洋 , 杨洁
Abstract: 本发明公开了一种移动性任务卸载方法、系统及存储介质，待任务卸载的用户设备获取其通信范围内边缘节点设备的位置和方向向量信息，并计算用户设备与每个边缘节点设备的通信时间；以用户设备任务卸载耗费的总时延作为筛选约束，筛选出满足通信时间大于任务卸载总时延的边缘节点设备，将任务拆分后卸载到每个可用边缘节点设备上执行；其中，所述总时延由传输时延和计算时延加和得到；所述传输时延指将任务卸载到边缘节点设备所需的时间；所述计算时延指边缘节点设备的数据处理时间。该发明能够在无线分布式边缘计算环境下，考虑边缘节点设备的移动性，缩短边缘节点设备卸载响应时间，提高卸载成功率。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
