-
公开(公告)号：CN119562281A
公开(公告)日：2025-03-04
申请号：CN202411736807.1
申请日：2024-11-29
Applicant: 重庆大学
Abstract: 本发明涉及一种高动态环境下的无人集群拓扑修复方法，属于控制技术领域，旨在解决无人机集群在遭受大规模节点失效后，网络拓扑结构受损，导致通信效率降低、任务执行能力下降的问题。该方法通过构建网络模型，并利用引导力、聚合力、拓扑力和孤立节点边界力等虚拟力，引导幸存节点移动，恢复网络连通性，并优化网络拓扑结构。此外，通过基于粒子群‑模拟退火算法的三角剖分，进一步优化网络覆盖度，提升网络性能。本发明有效提高了无人机集群网络的稳定性和可靠性，降低了拓扑修复成本，并提升了网络覆盖度，为无人机集群网络在复杂环境下的应用提供了有力支持。
-
公开(公告)号：CN114399045A
公开(公告)日：2022-04-26
申请号：CN202210037226.3
申请日：2022-01-13
Applicant: 重庆大学
Abstract: 本发明涉及一种基于非线性跨代差分进化的花授粉优化方法及实现系统，属于计算机领域。该方法包括以下步骤：S1：非线性惯性权重设置；S2：跨代差分进化；S3：参数自适应调整；S4：跨代赌轮盘跳出局部最优解。本方法可以设置非线性惯性权重使花授粉算法在全局搜索初期以较快速度加强搜索能力，提升算法的搜索收敛速度。自适应调整实现动态更新缩放因子和交叉概率，从而提高种群丰富度、减少局部解的数量，再结合跨代赌轮盘方式以降低陷入局部最优解的概率。
-
公开(公告)号：CN113504999A
公开(公告)日：2021-10-15
申请号：CN202110896173.6
申请日：2021-08-05
Applicant: 重庆大学
Abstract: 本发明涉及一种面向高性能分层联邦边缘学习的调度与资源分配方法，属于无线通信技术领域。该方法为：设置H‑FEEL系统，包括一个单天线基站，若干个辅助器和它们服务的多个边缘设备；基站将初始模型广播给各个边缘设备，各个边缘设备根据收到的模型计算本地梯度，随后将计算结果上传到对应的辅助器，各个辅助器计算加权梯度，然后依照基站指示的调度和资源分配策略，通过无线信道上传加权梯度，基站根据辅助器上传的加权。本发明综合考虑了梯度散度和无线资源分配对学习模型训练收敛性的影响，通过最小化设备能耗和梯度散度的加权和，选择最合适的边缘设备参与学习模型更新，从而提高H‑FEEL系统模型训练准确度。
-
公开(公告)号：CN119450726A
公开(公告)日：2025-02-14
申请号：CN202411599612.7
申请日：2024-11-11
Applicant: 重庆大学
IPC: H04W72/0446 , H04W72/512
Abstract: 本发明涉及一种时敏流从DetNet跨域至TSN的融合调度方法，属于远距离时敏应用通信技术领域，包括以下步骤：S1：利用网络演算曲线模型刻画时敏流经过DetNet调度机制的输出累积函数；S2：利用网络演算曲线模型刻画时敏流经过DetNet调度机制的输入累积函数；S3：根据输入累积函数与输出累积函数的最大水平距离构建时敏流经过DetNet的最坏消耗时延模型；S4：结合跨域时敏流的最小剩余时延需求严格设计TSN调度机制。本发明保障时敏流经过DetNet调度至TSN时可以根据TSN调度机制按时输出，使得时敏流能够在多种调度机制融合的网络中实现端到端的确定性传输。
-
公开(公告)号：CN119030683A
公开(公告)日：2024-11-26
申请号：CN202410988736.8
申请日：2024-07-23
Applicant: 重庆大学
Abstract: 本发明涉及一种基于交易预同步的低时延区块交付系统及方法，属于区块链技术领域。该系统包括：轻节点、全节点、矿工和服务器。为交易预同步过程和压缩区块交付过程提供了有效的分析模型，能够分析出交易预同步前后全节点内存池中交易的数量，进而得出压缩区块的大小，最终确定所提方法的端到端时延和交易吞吐量增益。本发明还提出一种基于交易预同步的低时延区块交付方法，能够在有效区块传播之前，基于候选区块中的交易来提前同步各全节点的内存池，从而有效应对区块链网络中节点的频繁进出而引起的内存池交易缺失问题。
-
Patent Agency Ranking
公开(公告)号：CN118488244A
公开(公告)日：2024-08-13
申请号：CN202410638810.3
申请日：2024-05-22
Applicant: 重庆大学
IPC: H04N21/2343 , H04N21/234 , H04N21/4402 , H04N21/44 , H04W4/06 , H04B7/026
Abstract: 本发明涉及一种基于协作多播的全息视频自适应传输方法，属于无线通信和机器学习领域。该方法为：S1：建立一个基于协作多播的多基站多用户全息视频传输系统模型，包括视频分块模型、转码使能的视频多播模型和多基站协作传输模型等。S2：构建一个联合码率和通信资源分配优化问题的数学模型，以最大化所有用户的平均视频质量，同时最小化所有用户的转码能耗。S3：将原优化问题分解为通信资源分配和码率选择两个子问题，利用凸优化和深度强化学习技术，提出一个低复杂度的联合码率选择和通信资源分配算法。与现有传输方案相比，本发明能够将视频传输效率提高20％以上，全息视频质量提升1‑2个等级，同时将转码能耗降低30％。
-
公开(公告)号：CN117879765A
公开(公告)日：2024-04-12
申请号：CN202410102331.X
申请日：2024-01-24
Applicant: 重庆大学
IPC: H04L1/00 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明涉及面向图像语义通信的联合信源信道编码方法。其包括以下步骤：S1：建立基于卷积神经网络和注意力机制的联合信源信道编码系统模型；S2：将图像输入模型发送端的语义编码器，提取图像的语义信息；S3：将提取的图像语义信息转发给发送端的信道编码器，信道编码器根据当前信道状态和带宽压缩比动态调整系统输出的语义信息；S4：将编码后的信息通过无线信道发送到接收端的信道解码器，信道解码器根据当前信道状态和带宽压缩比动态调整系统重建的语义信息；S5：接收端的语义解码器根据动态调整系统重建的语义信息，来恢复图像的语义信息，从而重构图像。本发明能确保在恶劣环境中的稳健通信并有效减轻大量数据传输带来的带宽压力。
-
公开(公告)号：CN117313834A
公开(公告)日：2023-12-29
申请号：CN202311239858.9
申请日：2023-09-25
Applicant: 重庆大学
Abstract: 本发明涉及一种群体个性化联邦学习方法，属于无线通信技术领域。该方法包括：建立一个由云节点、边缘节点和设备构成的无线边缘网络，其中与同一边缘节点连接的设备视为一个群组；构建一种适用于本发明所考虑的网络的群体个性化联邦学习算法，建立一个旨在最小化损失和个性化群组模型之间的差异的优化问题数学模型；将原始优化问题分解为云节点求解的梯度下降和边缘节点与群组协作求解的近端算子；设计等效梯度下降的注意力消息传递机制，促进模型相似群组成对协作；设计联邦平均机制，使边缘节点与群组中可用设备协作训练个性化群组模型。本发明能提升无线边缘网络场景下的联邦学习算法性能。
-
公开(公告)号：CN117294689A
公开(公告)日：2023-12-26
申请号：CN202311239854.0
申请日：2023-09-25
Applicant: 重庆大学
IPC: H04L65/80 , G06N3/092 , G06N3/045 , H04L65/60 , H04L41/14 , H04B7/06 , H04B7/0426 , H04B7/08 , H04B7/026
Abstract: 本发明涉及一种面向全息视频传输的联合波束赋形和码率选择方法，属于通信技术领域。该方法包括：步骤一：构建一个基于协作多点和波束赋形技术的视频流传输网络；步骤二：对全息视频进行分块处理和压缩处理，然后同时考虑全息视频的特有属性和用户的播放缓冲区状态，定义一个用户体验质量指标；步骤三：建立一个联合波束赋形和全息视频码率选择从而求解最大化所有用户的累积QoE的数学模型和优化问题；步骤四：将原优化问题分解成波束赋形子问题和分块码率选择子问题；步骤五：设计一种基于分层式架构的深度强化学习算法，最终达到优化目标。本发明最终的累积QoE值显著优于其他代表性基线对比方案。
-
公开(公告)号：CN119544121A
公开(公告)日：2025-02-28
申请号：CN202411599610.8
申请日：2024-11-11
Applicant: 重庆大学
IPC: H04B17/391 , G06F18/25 , G06N3/0464 , G06N3/042 , G06N3/084
Abstract: 本发明涉及一种多源数据特征融合的无线网络流量预测方法，属于数据预测技术领域，包括以下步骤：S1：获取历史时刻的网络的历史流量数据，将网络流量转换成热力图；S2：采用残差卷积模型，将相邻区块的流量特征和不同时间跨度下的历史流量特征进行融合，得到流量融合特征；S3：使用卷积网络将天气特征融合为外部特征，将流量融合特征和外部特征融合，得到多源数据融合特征；S4：将多源数据融合特征划分为训练集和测试集，对基于图卷积网络的无线网络流量预测模型进行训练并测试。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.023 seconds)
