-
公开(公告)号：CN111831427A
公开(公告)日：2020-10-27
申请号：CN202010417308.1
申请日：2020-05-18
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于移动边缘计算的分布式车辆间任务卸载方法，首先建立车辆移动边缘云模型，将行驶中的车辆分为任务车和服务车两类；接着对任务的优先级进行了划分，并以此创建任务队列；然后，建立任务卸载模型，针对建模所得的不等式约束问题转化为无约束问题，并使用牛顿迭代法求解，具有更快的算法收敛速度；最后，管理车辆空闲计算资源，为任务车分配任务卸载集合。本发明和传统云计算相比，具有更低的系统的整体延迟和更低的任务超时概率，从而改善用户体验质量。
-
公开(公告)号：CN118646669A
公开(公告)日：2024-09-13
申请号：CN202410744537.2
申请日：2024-06-11
Applicant: 南京邮电大学
IPC: H04L41/40 , H04L41/0896 , H04L41/0894 , H04L41/5051
Abstract: 本发明属于6G通信网络、网络功能虚拟化和软件定义网络技术领域，公开了一种面向个性化网络服务的精确软件化资源分配方法，主要包括以下步骤：检查个性化服务的资源需求种类；计算个性化服务的平均资源需求值；将计算得到的需求值与相应的阈值进行比较，确定服务需求的种类；执行精确资源分配。本发明通过对个性化网络服务的精确分类和对资源分配问题的精确建模求解，在小规模通信网络中针对每个用户的个性化需求提供了最优的软件化资源分配方案。
-
公开(公告)号：CN118714011A
公开(公告)日：2024-09-27
申请号：CN202410736211.5
申请日：2024-06-07
Applicant: 南京邮电大学
IPC: H04L41/0894 , H04L41/0895 , H04L41/16 , G06N3/092
Abstract: 本发明公开了基于深度强化学习的个性化智能软件化网络资源分配方法，主要包括以下步骤：检查网络服务的资源需求种类；计算资源需求和比较阈值并进行分类；选取底层网络属性构建特征矩阵，作为策略神经网络的输入；在训练集和测试集中对智能体进行训练和测试；对分类后的个性化服务进行智能资源分配。本发明通过对每个用户提出的需求进行归类并采用深度强化学习的方法对个性化网络资源进行分配，既保证了用户个性化差异化需求，又实现了精准高效的网络资源分配，从而充分提高了6G网络资源的利用率。本发明提高了网络资源分配方案的质量。
-
公开(公告)号：CN111626987A
公开(公告)日：2020-09-04
申请号：CN202010357546.8
申请日：2020-04-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无人机及无锚框网络的车辆检测方法，针预先获取无人机高度信息，采集无人机航拍图像，保存每张图像的高度信息，形成训练集和测试集；建立相机模型，通过高度信息计算出车辆尺度；设计特征提取网络，将深层网络和浅层网络进行融合，提取车辆特征；采用无锚框的检测网络，基于CenterNet网络对特征图进行识别检测。本发明舍弃传统有锚框的检测方法，降低了运算量，相对于其他已知的其他算法，在准确率和速度上均得到了提升，具备了在无人机的边缘端进行实时检测的能力。
-
公开(公告)号：CN111831427B
公开(公告)日：2022-10-14
申请号：CN202010417308.1
申请日：2020-05-18
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于移动边缘计算的分布式车辆间任务卸载方法，首先建立车辆移动边缘云模型，将行驶中的车辆分为任务车和服务车两类；接着对任务的优先级进行了划分，并以此创建任务队列；然后，建立任务卸载模型，针对建模所得的不等式约束问题转化为无约束问题，并使用牛顿迭代法求解，具有更快的算法收敛速度；最后，管理车辆空闲计算资源，为任务车分配任务卸载集合。本发明和传统云计算相比，具有更低的系统的整体延迟和更低的任务超时概率，从而改善用户体验质量。
-
Patent Agency Ranking
公开(公告)号：CN111626987B
公开(公告)日：2022-08-26
申请号：CN202010357546.8
申请日：2020-04-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无人机及无锚框网络的车辆检测方法，针预先获取无人机高度信息，采集无人机航拍图像，保存每张图像的高度信息，形成训练集和测试集；建立相机模型，通过高度信息计算出车辆尺度；设计特征提取网络，将深层网络和浅层网络进行融合，提取车辆特征；采用无锚框的检测网络，基于CenterNet网络对特征图进行识别检测。本发明舍弃传统有锚框的检测方法，降低了运算量，相对于其他已知的其他算法，在准确率和速度上均得到了提升，具备了在无人机的边缘端进行实时检测的能力。
-
公开(公告)号：CN111314861B
公开(公告)日：2021-11-09
申请号：CN202010097682.8
申请日：2020-02-17
Applicant: 南京邮电大学
Abstract: 本发明涉及拥挤网络中基于拍卖博弈的中继网络带宽分配方法，包括：用户向运营商发送数据下载请求；运营商将数据转发需求广播给所有通信网络中的中继，基于空闲程度和靠近用户终端的距离为用户选择中继；中继与运营商之间进行多次拍卖博弈交互后，为中继分配带宽资源，并确定佣金；中继将数据内容传输给终端用户，数据传输完成后，运营商对该中继给予对应的佣金奖励。本发明的方法采用佣金激励的方式鼓励中继加入数据协作传输，可以扩展运营者的服务范围和服务质量。
-
公开(公告)号：CN118660267A
公开(公告)日：2024-09-17
申请号：CN202410570239.6
申请日：2024-05-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于环境自适应的区域划分与动态跟踪室内三维定位方法，该方法包括：步骤1：根据数据指标筛选出源域与目标域之间高相似度的定位信号作为共有特征，将源域的共有特征向目标域的特有特征迁移，构建环境自适应的指纹数据库；步骤2：利用基站位置信息进行数据分析，解算待定位终端的高度；步骤3：利用加权最邻近法构建最优采样区域，基于粒子滤波的方法，对最优采样区域外的粒子进行粒子权重更新、重采样，使得粒子逐渐向真实位置聚集；步骤4：更新定位，向定位终端反馈定位。本发明将待定位终端的运动状态转化为静止状态，提高了定位精度，在一定程度上更适应复杂的环境。
-
公开(公告)号：CN111629218A
公开(公告)日：2020-09-04
申请号：CN202010356468.X
申请日：2020-04-29
Applicant: 南京邮电大学
IPC: H04N21/2183 , H04N21/222 , H04N21/258 , G06N20/00
Abstract: 本发明公开了一种VANET中基于时变线性的加速强化学习边缘缓存方法，首先，构建动态的时变线性预测模型，通过考虑每个文件的动态老化，并根据历史内容请求来预测未来的内容请求；然后，构建文件缓存替换函数，并对该函数进行调整；最后，优化缓存策略函数，通过合成假设样本来增加每个时隙的样本数，以达到Q函数的快速收敛，并相应地替换缓存的内容，最大化总的缓存效益。本发明具有更高的缓存命中率和长期效益；通过线性时变预测模型，可以对车辆请求进行实时预测，同时实时的替换边缘服务器中的缓存文件，保证缓存文件的有效性。
-
公开(公告)号：CN111314861A
公开(公告)日：2020-06-19
申请号：CN202010097682.8
申请日：2020-02-17
Applicant: 南京邮电大学
Abstract: 本发明涉及拥挤网络中基于拍卖博弈的中继网络带宽分配方法，包括：用户向运营商发送数据下载请求；运营商将数据转发需求广播给所有通信网络中的中继，基于空闲程度和靠近用户终端的距离为用户选择中继；中继与运营商之间进行多次拍卖博弈交互后，为中继分配带宽资源，并确定佣金；中继将数据内容传输给终端用户，数据传输完成后，运营商对该中继给予对应的佣金奖励。本发明的方法采用佣金激励的方式鼓励中继加入数据协作传输，可以扩展运营者的服务范围和服务质量。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
