-
公开(公告)号：CN114501648B
公开(公告)日：2025-03-28
申请号：CN202210088868.6
申请日：2022-01-25
Applicant: 浙江工业大学
IPC: H04W72/044 , H04W72/54
Abstract: 本发明公开了一种无线供能边缘计算网络的资源分配方法，按照设定的步长，从供能时长比例的取值范围中，依次选取当前供能时长比例，进行迭代，确定当前供能时长比例情况下各无线设备用于任务卸载通信的能量比例和任务卸载通信时长比例，选取所述无线供能边缘计算网络总计算速率最大时的供能时长比例，设置所述射频能量发射器对无线设备在每个时间帧开始时进行无线供能；配置每个无线设备在每个时间帧内以所选取的供能时长比例对应的任务卸载通信时长和能量分配比例进行任务卸载通信。本发明能够快速计算出部分卸载的能量分配和时间分配方案，同时也得到较高的网络计算速率。
-
公开(公告)号：CN114615261B
公开(公告)日：2024-03-26
申请号：CN202210087830.7
申请日：2022-01-25
Applicant: 浙江工业大学
IPC: H04L67/10 , G06N3/0464 , G06N3/08 , H02J50/00 , H02J50/80
Abstract: 本发明公开了一种基于神经网络的无线供能边缘计算网络的任务卸载方法，构建以无线设备信道增益为输入、供能时长比例为输出的全连接神经网络模型，将当前无线设备信道增益输入到训练好的所述全连接神经网络模型，得到供能时长比例，进而确定供能时长。然后在确定的供能时长情况下，通过最大化所有无线设备的总计算速率，得到每个无线设备任务卸载通信时长和所占用的能量分配比例，进而配置无线供能边缘计算网络按照所得到的任务卸载通信时长和任务卸载通信所占用的能量分配比例进行工作。本发明决策出部分卸载的能量分配和时间分配方案，同时也得到较高的网络计算速率。
-
公开(公告)号：CN114158094A
公开(公告)日：2022-03-08
申请号：CN202111434467.3
申请日：2021-11-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于下行NOMA的单用户任务卸载方法及装置，在一个具有计算任务的无线设备与N个配备有边缘服务器的基站之间，采用下行NOMA的通讯方式通讯，先初始化无线设备传输时长的运行区间，按照预设的规则从运行区间取第一传输时长和第二传输时长；然后对于第一传输时长和第二传输时长，在满足无线设备所能传输的最大功率的条件下，分别搜索出对应的最佳卸载任务分配方案；然后更新无线设备传输时长的运行区间，继续搜索，知道输出最终运行区间下限值极其对应的卸载任务分配方案，作为最终的卸载任务分配方案。本发明技术方案优化了通信时长与卸载任务分配，从而降低了任务完成时延。
-
公开(公告)号：CN114125949A
公开(公告)日：2022-03-01
申请号：CN202111431883.8
申请日：2021-11-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种无线供能网络中计算任务卸载的带宽分配方法及装置，根据预设的时间帧采集与边缘服务器通信的所有无线设备的信道增益作为样本数据，搜索每个时间帧样本数据对应的最优带宽比例分配方案，并计算所有无线设备通信所占总带宽比例，形成最终的样本数据；采用样本数据训练构建好的神经网络模型，将训练好的神经网络模型部署到边缘服务器，获取当前所有无线设备的信道增益，输入到神经网络模型中，得到每个无线设备的通信所占带宽比例，按照得到的带宽比例为每个无线设备分配带宽。本发明利用训练好的神经网络模型能够在使用FDMA的通信方式和部分卸载模式下的边缘计算网络中快速决策出带宽分配方案，同时也达到较高的网络计算速率。
-
公开(公告)号：CN114915627A
公开(公告)日：2022-08-16
申请号：CN202210399537.4
申请日：2022-04-15
Applicant: 浙江工业大学
IPC: H04L67/10 , H04L41/0896 , H04L41/0894
Abstract: 本发明公开了一种基于FDMA接入的无线供能边缘计算网络卸载决策方法，包括：建立无线供能边缘计算网络，包括边缘服务器和N个边缘设备，各边缘设备基于FDMA与边缘服务器通信形成对应节点；根据预设步长确定当前时间帧下能量捕获时长的取值范围；遍历能量捕获时长的取值，获取对应的无线供能边缘计算网络的速率；将获取的最大的速率对应的能量捕获时长、卸载能量分配比例和带宽资源分配比例视为当前时间帧下的最优解；各节点基于最优解进行本地计算和通信。该方法可快速决策出无线供能边缘计算网络的无线供能时长和计算任务卸载的分配方案，具有更低的延时，以使网络达到较高的计算速率和更持久的续航，尤其适用于时延敏感型的边缘计算。
-
Patent Agency Ranking
公开(公告)号：CN114896039A
公开(公告)日：2022-08-12
申请号：CN202210505923.7
申请日：2022-05-10
Applicant: 浙江工业大学
Abstract: 本发明公开了一种高能效的边缘计算卸载决策及资源分配方法，包括步骤：建立边缘计算网络；基于二进制初始化N个无线节点的卸载决策，并获取对应的最大能效值和计算资源分配结果；根据卸载决策Ml产生N个候选卸载决策；获取各候选卸载决策的最大能效值和计算资源分配结果；获取最佳候选卸载决策Ml(j*)；判断Ml(j*)对应的最大能效值θl(j*)是否大于Ml对应的最大能效值θl，若是，将Ml(j*)和θl(j*)分别作为Ml+1及其对应最大能效值，返回执行下一次迭代，否则，将Ml及对应的计算资源分配结果作为最终决策分配结果。该方法保证计算任务不可拆分性并避免节点间通讯干扰，能可快速求解出最佳决策分配结果，从而提高了无线节点的能量效率。
-
公开(公告)号：CN114615261A
公开(公告)日：2022-06-10
申请号：CN202210087830.7
申请日：2022-01-25
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于神经网络的无线供能边缘计算网络的任务卸载方法，构建以无线设备信道增益为输入、供能时长比例为输出的全连接神经网络模型，将当前无线设备信道增益输入到训练好的所述全连接神经网络模型，得到供能时长比例，进而确定供能时长。然后在确定的供能时长情况下，通过最大化所有无线设备的总计算速率，得到每个无线设备任务卸载通信时长和所占用的能量分配比例，进而配置无线供能边缘计算网络按照所得到的任务卸载通信时长和任务卸载通信所占用的能量分配比例进行工作。本发明决策出部分卸载的能量分配和时间分配方案，同时也得到较高的网络计算速率。
-
公开(公告)号：CN114896039B
公开(公告)日：2025-04-29
申请号：CN202210505923.7
申请日：2022-05-10
Applicant: 浙江工业大学
IPC: G06F9/48 , G06F9/50 , H04W28/084
Abstract: 本发明公开了一种高能效的边缘计算卸载决策及资源分配方法，包括步骤：建立边缘计算网络；基于二进制初始化N个无线节点的卸载决策，并获取对应的最大能效值和计算资源分配结果；根据卸载决策Ml产生N个候选卸载决策；获取各候选卸载决策的最大能效值和计算资源分配结果；获取最佳候选卸载决策Ml(j*)；判断Ml(j*)对应的最大能效值θl(j*)是否大于Ml对应的最大能效值θl，若是，将Ml(j*)和θl(j*)分别作为Ml+1及其对应最大能效值，返回执行下一次迭代，否则，将Ml及对应的计算资源分配结果作为最终决策分配结果。该方法保证计算任务不可拆分性并避免节点间通讯干扰，能可快速求解出最佳决策分配结果，从而提高了无线节点的能量效率。
-
公开(公告)号：CN117911765A
公开(公告)日：2024-04-19
申请号：CN202410045453.X
申请日：2024-01-11
Applicant: 浙江工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/80
Abstract: 一种基于GAF‑深度学习的输电线覆冰厚度智能识别分类方法，包括以下步骤：1)获取输电线路周围的微气象数据和输电线覆冰厚度数据，得到一维覆冰序列信息；2)通过格拉姆角场(Gramian Augular Fields,GAF)将所述一维覆冰序列信息转化成二维图像；3)将所述一维覆冰序列信息数据输入已训练好的卷积神经网络模型CNN1中，输出四维特征向量一；4)将所述转化后的二维图像输入已训练好的卷积神经网络模型CNN2中，输出四维特征向量二；5)将所述四维特征向量一与四维特征向量二进行融合，并将融合后的特征输入主干分类网络，判断待预测日期的覆冰厚度。本发明准确、高效地预测覆冰输电线的覆冰厚度。
-
公开(公告)号：CN114915627B
公开(公告)日：2024-04-02
申请号：CN202210399537.4
申请日：2022-04-15
Applicant: 浙江工业大学
IPC: H04L67/10 , H04L41/0896 , H04L41/0894
Abstract: 本发明公开了一种基于FDMA接入的无线供能边缘计算网络卸载决策方法，包括：建立无线供能边缘计算网络，包括边缘服务器和N个边缘设备，各边缘设备基于FDMA与边缘服务器通信形成对应节点；根据预设步长确定当前时间帧下能量捕获时长的取值范围；遍历能量捕获时长的取值，获取对应的无线供能边缘计算网络的速率；将获取的最大的速率对应的能量捕获时长、卸载能量分配比例和带宽资源分配比例视为当前时间帧下的最优解；各节点基于最优解进行本地计算和通信。该方法可快速决策出无线供能边缘计算网络的无线供能时长和计算任务卸载的分配方案，具有更低的延时，以使网络达到较高的计算速率和更持久的续航，尤其适用于时延敏感型的边缘计算。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.015 seconds)
