-
公开(公告)号：CN113177666A
公开(公告)日：2021-07-27
申请号：CN202110557297.1
申请日：2021-05-21
Applicant: 同济大学
Abstract: 本发明公开了一种基于非侵入式注意力预处理过程与BiLSTM模型的预测方法，采用非侵入式注意机制增强的深度学习模型用于长期能量消耗预测，由一个基于注意机制的预处理模型和一个通用的BiLSTM网络组成，称为AP‑BiLSTM。基于注意机制的预处理模型是由卷积层和全连接层的点积来完成，这两层进行原始输入数据的特征映射，这是提高AP‑BiLSTM方法性能的关键。通过这种方式，输入数据长期依赖关系中的本地和全局关联都得到了增强。本发明包括以下步骤：S1：非侵入式的数据预处理过程；S2：将S1中的结果输入进BiLSTM网络模型中，得出最终的预测结果。
-
公开(公告)号：CN109167642A
公开(公告)日：2019-01-08
申请号：CN201810875938.6
申请日：2018-08-03
Applicant: 同济大学
IPC: H04B17/382
Abstract: 本发明涉及一种基于历史判决数据学习的低开销实时频谱图构建方法，包括：步骤S1：载入采集的大规模认知无线电网络中所有感知节点通过单点频谱感知算法得到的目标频谱可用性历史判决数据；步骤S2：使用最小二乘支持向量机分析载入的历史判决数据确定频谱状态边界以构建频谱图；步骤S3：通过边界用户搜索算法确定历史判决数据中的支持向量以优化频谱图。与现有技术相比，本发明通过边界用户搜索算法筛选出距离频谱状态边界较远的次要用户，这些次要用户可无需参与检测目标频段，从而降低频谱图构建的能量开销和时间开销。
-
公开(公告)号：CN115134072B
公开(公告)日：2024-11-26
申请号：CN202210376521.1
申请日：2022-04-11
Applicant: 同济大学
IPC: H04L9/08
Abstract: 本发明涉及一种基于多任务自编码器的物理层密钥生成方法和装置，方法包括获取发送端、接收端及窃听端的信号估计值；将三者的信道估计值输入多任务自编码器网络训练，当损失函数收敛时，停止训练，得到训练好的多任务自编码器网络；将训练好的多任务自编码器网络安装至发送端和接收端各自的本地处理器中；获取多任务自编码器网络隐藏层的输出，得到发送端和接收端的互易性特征，量化后得到物理层密钥。与现有技术相比，本发明具有安全性强等优点。
-
公开(公告)号：CN111224779A
公开(公告)日：2020-06-02
申请号：CN202010000913.9
申请日：2020-01-02
Applicant: 同济大学
IPC: H04L9/08 , H04L25/02 , H04B17/391
Abstract: 本发明提供基于码本的物理层密钥生成方法、装置、存储介质及终端。其中，所述方法包括：第一通信端和第二通信端探测同一无线信道的信道状态，以得到探测结果信息；利用基于预处理码本的特征提取方法，对所述探测结果信息进行特征提取；将所提取的特征信息转换为对应的比特序列，以作为初始密钥；纠正和对齐第一通信端和第二通信端进行比特序列转换后的不一致的初始密钥。本发明提出了预处理码本的设计和选取的有效手段。与完美反馈的主动分析方案相比，本发明克服了对硬件精度的限制，大大减少同步变换矩阵需要的传输成本，具有实际可行性，且降低信息泄露的风险；与直接用原始信号进行密钥生成和小波变换的方案相比，本发明获得的密钥安全密钥容量更大、不一致率更低、随机性更强。
-
公开(公告)号：CN114257554A
公开(公告)日：2022-03-29
申请号：CN202111591280.4
申请日：2021-12-23
Applicant: 同济大学
Abstract: 本发明属于计算机网络领域，具体涉及一种提高TSN网络BE流带宽利用率的调度方法，其特征在于，包括以下步骤：S1.获取当前时间敏感网络数据，确定调度周期大小为Ts；S2.为到达TSN网络中的尽力而为流添加时间标签，用于记录流量到达交换机时间，并设置存活时间阈值t；S3.在BE流调度时隙，判断TSN网络中是否存在饥饿帧；S4.从BE队列中选择使尽力而为流带宽利用率最大化的一组帧；S5.获取尽力而为流调度结果，对尽力而为流进行调度。本发明方法可提高TSN网络BE流带宽利用率，并解决较长帧长时间得不到传输的问题。
-
Patent Agency Ranking
公开(公告)号：CN114374653B
公开(公告)日：2024-02-27
申请号：CN202111628471.3
申请日：2021-12-28
Applicant: 同济大学
IPC: H04L47/22 , H04L41/147
Abstract: 本发明涉及一种基于流量预测的可变比特速率业务调度方法，包括以下步骤：S1、根据恒定比特速率业务包大小，初始化基本传输窗口大小；S2、根据基本传输窗口大小，通过预测算法预测下个调度周期的可变速率业务包大小；S3、计算下个调度周期各恒定比特速率业务和可变比特速率业务的基本传输窗口数量，形成TSN交换机的门控列表；S4、执行门控列表；S5、执行步骤S2。与现有技术相比，本发明提高了预测精度和交换传输效率，适用范围广。
-
公开(公告)号：CN115134072A
公开(公告)日：2022-09-30
申请号：CN202210376521.1
申请日：2022-04-11
Applicant: 同济大学
IPC: H04L9/08
Abstract: 本发明涉及一种基于多任务自编码器的物理层密钥生成方法和装置，方法包括获取发送端、接收端及窃听端的信号估计值；将三者的信道估计值输入多任务自编码器网络训练，当损失函数收敛时，停止训练，得到训练好的多任务自编码器网络；将训练好的多任务自编码器网络安装至发送端和接收端各自的本地处理器中；获取多任务自编码器网络隐藏层的输出，得到发送端和接收端的互易性特征，量化后得到物理层密钥。与现有技术相比，本发明具有安全性强等优点。
-
公开(公告)号：CN114679388A
公开(公告)日：2022-06-28
申请号：CN202210164803.5
申请日：2022-02-22
Applicant: 同济大学
IPC: H04L41/147 , H04L41/142 , H04L43/0876
Abstract: 本发明涉及一种时间敏感网络数据流量预测方法，可对周期固定的恒定比特速率业务、可变比特速率业务进行精准流量预测，以提高网络带宽利用率。所述方法包括下述步骤：基于当前时刻前的基本传输窗口的流量数据序列，获取其时序特征；将所述时序特征作为参数，利用预测模型，计算当前时刻流量数据预测值；所述预测模型基于历史流量数据序列获得时序特征和流量数据预测值之间的对应关系；所述流量数据序列的时序特征包括正向时序特征和反向时序特征。为提高预测准确性，进一步基于正向时序特征和反向时序特征获取包括正向时序特征之间、正向时序特征和反向时序特征之间、以及反向时序特征之间的关联特征。
-
公开(公告)号：CN114679388B
公开(公告)日：2023-09-05
申请号：CN202210164803.5
申请日：2022-02-22
Applicant: 同济大学
IPC: H04L41/147 , H04L41/142 , H04L43/0876
Abstract: 本发明涉及一种时间敏感网络数据流量预测方法，可对周期固定的恒定比特速率业务、可变比特速率业务进行精准流量预测，以提高网络带宽利用率。所述方法包括下述步骤：基于当前时刻前的基本传输窗口的流量数据序列，获取其时序特征；将所述时序特征作为参数，利用预测模型，计算当前时刻流量数据预测值；所述预测模型基于历史流量数据序列获得时序特征和流量数据预测值之间的对应关系；所述流量数据序列的时序特征包括正向时序特征和反向时序特征。为提高预测准确性，进一步基于正向时序特征和反向时序特征获取包括正向时序特征之间、正向时序特征和反向时序特征之间、以及反向时序特征之间的关联特征。
-
公开(公告)号：CN114257554B
公开(公告)日：2023-05-12
申请号：CN202111591280.4
申请日：2021-12-23
Applicant: 同济大学
Abstract: 本发明属于计算机网络领域，具体涉及一种提高TSN网络BE流带宽利用率的调度方法，其特征在于，包括以下步骤：S1.获取当前时间敏感网络数据，确定调度周期大小为Ts；S2.为到达TSN网络中的尽力而为流添加时间标签，用于记录流量到达交换机时间，并设置存活时间阈值t；S3.在BE流调度时隙，判断TSN网络中是否存在饥饿帧；S4.从BE队列中选择使尽力而为流带宽利用率最大化的一组帧；S5.获取尽力而为流调度结果，对尽力而为流进行调度。本发明方法可提高TSN网络BE流带宽利用率，并解决较长帧长时间得不到传输的问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.016 seconds)
