-
公开(公告)号:CN116192310A
公开(公告)日:2023-05-30
申请号:CN202310221317.7
申请日:2023-03-09
Applicant: 重庆邮电大学
IPC: H04B17/391 , H04B3/54
Abstract: 本发明涉及一种基于FPGA的电力线信道模拟器,属于电力通信领域。本发明使用FIR滤波器还原信道传输特性,结构清晰节省资源;噪声方面采用MiddletonClass‑A脉冲噪声模型,更加还原实际通信环境,使得测试结果贴合现实;前端电路部分的增益控制模块采用两块级联的AD603与一块HMC624A组合而成,能够实现更大的增益范围。总体而言,本发明能够在消耗一定资源的情况下还原实际电力线场景,减少电力线通信系统测试时的人力物力的投入。
-
公开(公告)号:CN110061859A
公开(公告)日:2019-07-26
申请号:CN201910212331.4
申请日:2019-03-20
Applicant: 重庆邮电大学
IPC: H04L12/24
Abstract: 本发明请求保护一种基于用户生存性条件约束下的SDN控制器部署方法,应用于二层SDN控制器的部署。为在满足用户对控制平面生存性需求的前提下,尽可能降低控制器传输时延,减少控制平面的控制器数量,本发明通过与用户协商后给出的可接受控制信道工作路由故障发生概率P计算出本部署方法下的允许的最大控制信道路由长度W,作为二级控制器部署的约束条件。在使得二级控制器到其所属SDN交换机节点的直连距离不超过W的前提下,优先选择该部分网络节点图中控制器集合总体出度数多的作为二级控制器的部署节点,完成二级控制器的部署后,以实际网络中的平均往返时延和平均可选路径数为联合判决条件确定一级控制器的部署位置,完成整个控制平面的部署工作。
-
公开(公告)号:CN110061859B
公开(公告)日:2021-11-12
申请号:CN201910212331.4
申请日:2019-03-20
Applicant: 重庆邮电大学
IPC: H04L12/24
Abstract: 本发明请求保护一种基于用户生存性条件约束下的SDN控制器部署方法,应用于二层SDN控制器的部署。为在满足用户对控制平面生存性需求的前提下,尽可能降低控制器传输时延,减少控制平面的控制器数量,本发明通过与用户协商后给出的可接受控制信道工作路由故障发生概率P计算出本部署方法下的允许的最大控制信道路由长度W,作为二级控制器部署的约束条件。在使得二级控制器到其所属SDN交换机节点的直连距离不超过W的前提下,优先选择该部分网络节点图中控制器集合总体出度数多的作为二级控制器的部署节点,完成二级控制器的部署后,以实际网络中的平均往返时延和平均可选路径数为联合判决条件确定一级控制器的部署位置,完成整个控制平面的部署工作。
-
公开(公告)号:CN110062357A
公开(公告)日:2019-07-26
申请号:CN201910212333.3
申请日:2019-03-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于强化学习的D2D辅助设备缓存系统及缓存方法,具体是基于DQN(Deep Q Network)强化学习方式下的D2D通信缓存优化的系统。系统由服务器端的训练数据筛选模块、服务交互模块、请求处理模块、日志记录子模块和辅助节点设备的强化学习模块、请求处理模块、文件缓存模块、日志记录模块以及用户所在的辅助节点D2D通信覆盖区所有用户构成,通过统计分析用户对文件请求的记录,将数据进行筛选后用于强化学习,通过神经网络来学习得到辅助节点设备上适应流行度的缓存策略,从而提高系统D2D辅助设备卸载的命中率,有效地降低基站负荷,发挥D2D通信降低用户时延、节省网络带宽以及增加资源复用等作用。
-
公开(公告)号:CN116614192A
公开(公告)日:2023-08-18
申请号:CN202310574422.9
申请日:2023-05-19
Applicant: 重庆邮电大学
IPC: H04B17/391 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明属于通信技术领域,具体涉及一种基于信道特征生成对抗网络的信道建模方法;包括构建信道特征生成对抗网络模型,其包括生成器、鉴别器和分类器;根据实测信道数据的维度确定信道特征生成对抗网络模型的输入输出张量维度;生成多组随机向量和线性编码向量,将随机向量与线性编码向量拼接得到多组组合向量;将组合向量输入生成器得到生成信道数据;通过实测信道数据和生成信道数据对信道特征生成对抗网络模型中的生成器、鉴别器和分类器进行交替训练;直到信道特征生成对抗网络模型收敛,输出可模拟实测信道数据的信道响应的生成器;本发明通过完全无监督方式学习信道特征,采用实测信道数据直接建模,准确生成与实际测量环境相类似的信道。
-
公开(公告)号:CN110062357B
公开(公告)日:2022-02-11
申请号:CN201910212333.3
申请日:2019-03-20
Applicant: 重庆邮电大学
IPC: H04W4/70 , H04W24/02 , H04L67/568 , G06F16/172 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于强化学习的D2D辅助设备缓存系统及缓存方法,具体是基于DQN(Deep Q Network)强化学习方式下的D2D通信缓存优化的系统。系统由服务器端的训练数据筛选模块、服务交互模块、请求处理模块、日志记录子模块和辅助节点设备的强化学习模块、请求处理模块、文件缓存模块、日志记录模块以及用户所在的辅助节点D2D通信覆盖区所有用户构成,通过统计分析用户对文件请求的记录,将数据进行筛选后用于强化学习,通过神经网络来学习得到辅助节点设备上适应流行度的缓存策略,从而提高系统D2D辅助设备卸载的命中率,有效地降低基站负荷,发挥D2D通信降低用户时延、节省网络带宽以及增加资源复用等作用。
-
-
-
-
-