-
公开(公告)号：CN119052899A
公开(公告)日：2024-11-29
申请号：CN202411012495.X
申请日：2024-07-26
Applicant: 吉林大学
Abstract: 本发明适用于移动边缘计算技术领域，提供了一种车联网场景下基于混合分组的功率分配优化方法，包括以下步骤：建立多用户多RSU的NOMA‑MEC系统模型，以描述车辆用户上传任务的功率分配问题；提出混合NOMA分组方案；设计基于混合NOMA分组方案的改进天鹰功率分配算法，通过优化车辆用户的发送功率，以最小化上行传输阶段的平均时延和平均开销为目标；通过仿真实验验证所提算法的性能，得到最优的功率分配方案。与基于OMA的通信方案、MP‑GWO与MP‑PSO功率算法进行比较，本发明提出的MP‑IAO算法具有显著优势，能够更好的解决车辆用户功率分配问题，进一步降低了系统平均时延和平均开销，提升车联网系统性能。
-
公开(公告)号：CN113866725B
公开(公告)日：2024-06-07
申请号：CN202111149058.9
申请日：2021-09-29
Applicant: 吉林大学
IPC: G01S7/38
Abstract: 本发明专利提出了一种针对雷达信号的非均匀间歇采样干扰的方法，采用在FPGA上实现基于遗传算法优化非均匀间歇采样干扰样式的方式，根据雷达相关的参数通过设计基于FPGA的遗传算法寻优方法得到使脉冲压缩后的压制效果和欺骗效果更优秀的干扰信号脉冲转发时宽，再通过基于FPGA根据相应的采样时宽与转发时宽对干扰信号进行间歇采样转发处理，达到干扰雷达有效检测目标的目的；本方法降低了硬件系统复杂度的同时，减少了功率切换带来的能量的损失，增加雷达对抗干扰的难度。
-
公开(公告)号：CN113364860B
公开(公告)日：2022-06-24
申请号：CN202110619238.2
申请日：2021-06-03
Applicant: 吉林大学
IPC: H04L67/12 , H04L67/10 , H04L41/0893
Abstract: 本发明属于移动边缘计算技术领域，具体涉及一种MEC中联合计算资源分配和卸载决策的方法及系统；构建了一种边缘网络环境下的计算卸载系统，包括宏基站，微基站，云服务中心；建立车辆任务模型；分别讨论了六种卸载方式的计算模型，计算六种方式下的能耗和时延，将能耗和时延问题转化为对开销的优化问题；采用贪婪算法进行卸载方案的选择并将卸载决策代入优化问题，采用凸优化算法进行求解得到资源分配方案。在本发明所研究的系统下，对计算资源和卸载决策的联合优化问题进行了形式化，并解决了边缘网络下资源分配和卸载决策问题。
-
公开(公告)号：CN113364860A
公开(公告)日：2021-09-07
申请号：CN202110619238.2
申请日：2021-06-03
Applicant: 吉林大学
Abstract: 本发明属于移动边缘计算技术领域，具体涉及一种MEC中联合计算资源分配和卸载决策的方法及系统；构建了一种边缘网络环境下的计算卸载系统，包括宏基站，微基站，云服务中心；建立车辆任务模型；分别讨论了六种卸载方式的计算模型，计算六种方式下的能耗和时延，将能耗和时延问题转化为对开销的优化问题；采用贪婪算法进行卸载方案的选择并将卸载决策代入优化问题，采用凸优化算法进行求解得到资源分配方案。在本发明所研究的系统下，对计算资源和卸载决策的联合优化问题进行了形式化，并解决了边缘网络下资源分配和卸载决策问题。
-
公开(公告)号：CN111343569A
公开(公告)日：2020-06-26
申请号：CN202010109426.6
申请日：2020-02-22
Applicant: 吉林大学
Abstract: 本发明涉及一种基于改进的卡尔曼算法的移动边缘计算基站选择方法，该方法包括下述步骤：测量当前车辆的初始位置和初始速度；选定一个系统噪声基础值，计算实际残差；随机生成多个系统噪声随机值，分别计算理论残差；计算各系统噪声随机值对应的适应度函数值，利用轮盘赌算法，选取进入下一次迭代的个体；当个体对应的适应度函数值不再上升或者迭代达到预设的迭代次数时，迭代终止，输出适应度函数值最大的最优系统噪声；计算最优系统噪声对应的当前车辆位置预测最佳值，将该位置预测最佳值作为最佳接入点，选取距离最近的基站进行连接，卸载任务。本发明复杂度低，时延更小，任务的成功率高。
-
Patent Agency Ranking
公开(公告)号：CN106529724A
公开(公告)日：2017-03-22
申请号：CN201610998263.5
申请日：2016-11-14
Applicant: 吉林大学
Abstract: 本发明公开了一种灰色联合权重风电功率预测方法，分别对原始风电功率数据进行果蝇最小二乘支持向量机模型预测和灰色残差最小二乘支持向量机模型预测，得到训练数据，将训练数据与实际数据进行对比，进行灰色关联度分析，得到灰色关联度权重矩阵；分别利用果蝇最小二乘支持向量机和灰色最小二乘支持向量机对目标进行预测，得到的两个结果分别乘以步骤三得到的灰色关联度权重矩阵，结果相加，得到最终的预测结果。本发明提出了灰色关联度模型的权重组合算法，联合预测能够减小单个模型因不可知因素导致的重大误差，提高预测精度高的模型输出在结果中的比重。
-
公开(公告)号：CN105631550A
公开(公告)日：2016-06-01
申请号：CN201511017696.X
申请日：2015-12-29
Applicant: 吉林大学
Abstract: 本发明涉及风电技术领域，具体地来讲为一种短时风电功率的组合预测方法。基于灰色系统与最小二乘支持向量机，其特征在于，包括以下步骤：对原始风电功率数据进行预处理，进行灰色预测，得到残差序列，然后用最小二乘支持向量机模型对残差序列进行预测，得到新的残差值；选择核函数，采用交叉验证的方法确定最小二乘支持向量机的回归参数：得到数据集之后，选择径向基函数作为核函数，包含宽度参数、二次规划的优化参数；构造组合预测模型；输入数据集，生成预测函数；进行预测误差评价分析。通过上述方法提高预测精确性和速度。
-
公开(公告)号：CN113573284B
公开(公告)日：2023-05-12
申请号：CN202110685469.3
申请日：2021-06-21
Applicant: 吉林大学
Abstract: 本发明属于物联网通信技术领域，公开了大规模机器类通信基于机器学习的随机接入退避方法，包括S1：动态划分虚拟小小区，对MTCD业务分类；S2：针对退避接入问题建立马尔可夫决策过程；S3：获取MTCD服务质量参数，构建奖励函数；S4：构建评价网络Critic和策略网络Actor；S5：利用策略网络Actor生成退避接入决策；S6：最小化TD误差，更新评价网络Critic神经网络参数，并将TD误差传递给策略网络Actor；S7：获取TD误差作为优势函数更新策略网络Actor的神经网络参数，调整策略以改进回报；S8：进行N次循环迭代，训练更新网络参数；S9：为MTCD选择最优的退避接入时隙；本发明解决了现有技术MTCD随机接入网络所造成的网络拥塞问题，适用于MTCD随机接入网络。
-
公开(公告)号：CN113364859B
公开(公告)日：2022-04-29
申请号：CN202110619225.5
申请日：2021-06-03
Applicant: 吉林大学
IPC: H04L67/12 , H04L67/10 , H04L41/0893 , H04L47/783
Abstract: 本发明专利属于移动边缘计算领域，具体涉及车联网中面向MEC的联合计算资源分配和卸载决策优化方案；包括:对车联网移动边缘计算中计算资源分配和卸载任务决策进行数学建模，在有限的计算资源条件下，对计算资源和卸载决策进行了联合优化；以及将问题分为资源分配和卸载决策两个子问题，通过凸优化算法求解计算资源分配问题；经过变量连续化后，采用基于精英决策改进的灰狼算法求解得出最优卸载决策；交替迭代求解得到最优的计算资源分配和卸载决策；通过本方案所研究的系统可以在有限的计算资源条件下，得出能够产生较低的开销、时延、能耗的资源分配方案和卸载决策。
-
公开(公告)号：CN114118339A
公开(公告)日：2022-03-01
申请号：CN202111337282.0
申请日：2021-11-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于布谷鸟算法改进ResNet的无线电调制信号识别分类方法，首先处理训练数据集，设计ResNet网络训练模块，搭建ResNet训练网络和连接方式；其次根据布谷鸟算法相关步骤，设计CS寻优模块；然后进行无线电调制信号模型训练，并融合布谷鸟算法寻优模块不断迭代寻优，得到待优化目标超参数的优质解，残差网络根据优质解改进相关参数；最后经过训练后的网络输出准确率、混淆矩阵等，作为识别分类效果的指标，本方法采用CS算法优化初始参数设置，改变了以往凭借经验手动设置初始值不合理时影响网络训练效果及最终识别分类准确率的情况，通过迭代优化得到合适的初始权值，有效地改进了传统的ResNet训练的缺陷，同时具有很好的工程价值。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.02 seconds)
