公开(公告)号：CN119835684A

公开(公告)日：2025-04-15

申请号：CN202510300439.4

申请日：2025-03-14

Applicant: 南京邮电大学

Inventor： 焦东来 ,  朱桂龙 ,  赵海涛 ,  刘淼 ,  朱春 ,  杨洁

IPC: H04W28/02 ,  H04W28/08 ,  H04W84/06 ,  G06F18/23213

Abstract: 本发明公开了多无人机辅助无线缓存网络时延优化方法及系统，涉及无线缓存网络时延优化技术领域。本发明包括：构建基于无人机剩余电量比例的多无人机和地面基站协同工作的无线缓存网络架构模型；基于无线缓存网络架构模型引入信息年龄作为衡量文件内容新鲜度的指标，完善缓存更新机制。本发明通过构建基于无人机剩余电量比例的多无人机与地面基站协同工作的无线缓存架构，提高了文件分发效率；多无人机协同缓存比单无人机更能有效分担缓存负担，避免因电量或缓存容量限制造成服务中断或延迟；设计的考虑用户位置、活跃度与重要性的加权K‑means算法保证了无人机部署在活跃且重要的用户附近。

公开(公告)号：CN119497152A

公开(公告)日：2025-02-21

申请号：CN202411508655.X

申请日：2024-10-28

Applicant: 南京邮电大学

Inventor： 张楚欣 ,  包翀宇 ,  丁欣瑶 ,  柏锦程 ,  李华博 ,  赵海涛 ,  朱桂龙 ,  刘淼

IPC: H04W28/084 ,  H04W28/086 ,  H04W28/08 ,  G06N3/092

Abstract: 本发明公开一种基于上下文多臂机与深度强化学习的无线边缘缓存动态优化策略，属于人工智能与边缘计算交叉技术领域。本发明步骤：①智慧交通场景中从基站向主基站发送从基站缓存中已缓存内容的缓存状态索引集sk；②通过DRL，主基站能够根据当前k时期的缓存状态值sk和预期折现奖励函数Q(sk,ak；θk)决定将执行的行动ak，从而得到最优的缓存替换策略#imgabs0#③从基站根据#imgabs1#对已缓存内容集进行更新；④从基站用CMAB算法，提取并分析用户及缓存信息的特征信息，计算每个内容的预测奖励UCB。选择使UCB值最大的内容对应的请求队列进行组播。接收用户反馈的实际奖励后，更新模型参数，以动态调整组播内容。该方法确保用户获取最新内容，提高数据实时处理能力并避免提供陈旧数据。

公开(公告)号：CN117851356A

公开(公告)日：2024-04-09

申请号：CN202410042329.8

申请日：2024-01-11

Applicant: 南京邮电大学 ,  江苏省未来网络创新研究院

Inventor： 朱桂龙 ,  赵海涛 ,  焦东来 ,  刘淼 ,  朱春 ,  杨洁

IPC: G06F16/172 ,  G06F16/11 ,  G06F16/18 ,  G06Q50/40

Abstract: 本发明公开了一种基于深度Q网络的无人机辅助缓存策略方法及系统，涉及无人机辅助通信技术领域，包括构建基于设备到设备的文件共享及无人机辅助缓存的文件下发系统模型，并引入基于信息年龄的文件版本更新过程；分析M/M/1排队论理论，建立优化模型；通过深度Q网络确定无人机端文件缓存策略。本发明提供的基于深度Q网络的无人机辅助缓存策略方法通过无人机辅助缓存的文件下发系统模型，获得更高的缓存效用，通过静态文件与动态文件的综合缓存方案，用户可以最短的时延从合适的途径获取自身所需文件，通过基于DON的无人机缓存策略方法，进一步优化了缓存效率和文件获取速度，本发明在缓存效用、获取速度和完成缓存效率都取得更加良好的效果。

公开(公告)号：CN117914668A

公开(公告)日：2024-04-19

申请号：CN202410073938.X

申请日：2024-01-18

Applicant: 南京邮电大学 ,  江苏省未来网络创新研究院

Inventor： 赵海涛 ,  王泽渝 ,  朱桂龙 ,  刘淼 ,  徐波

IPC: H04L27/26 ,  H04B7/185 ,  H04W84/06 ,  H04L41/16 ,  G06N3/126 ,  G06N7/02 ,  G06N20/00

Abstract: 本发明公开了一种面向卫星通信的OTFS辅助端到端学习方法及系统，包括：构建面向卫星通信场景下端到端学习方法场景，结合通感一体化的方法优化地面用户的接收效率。提出OTFS辅助的信道通感一体化信号编码方式。构建面向卫星通信的OTFS辅助端到端学习方法，建立以符号错误率为目标函数的优化模型。本发明提供的面向卫星通信的OTFS辅助端到端学习方法及系统在卫星侧发送采用通感一体化技术优化不同用户群收到的波束功率，从而降低误码率。通过将大规模数据传送到地面基站进行模型驱动的端到端学习，这大大优化了整个系统的传输效率与数据处理能力。

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

Inventor： 王思洋 ,  彭敏鑫 ,  王皓天 ,  丁中正 ,  朱铭凯 ,  荀位 ,  李琨迪 ,  宁洛函 ,  朱桂龙 ,  陈泽超 ,  徐邦宁

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。