-
公开(公告)号:CN116468462A
公开(公告)日:2023-07-21
申请号:CN202310520134.5
申请日:2023-05-10
Applicant: 重庆邮电大学
IPC: G06Q30/0201 , H04W4/24 , H04W4/44 , H04W4/46 , G06N5/04
Abstract: 本发明属于互联网能源交易领域,具体涉及一种基于车联网多媒体内容交易的动态定价方法,包括:构建RSU、中继车辆和用户车辆三方之间的多媒体内容定价框架;根据传输速率、QoE评价标准和RSU服务成本制定用户车辆效用;根据支付RSU的佣金和传输能量消耗成本制定中继车辆效用;根据获得的服务成本和中继车辆支付的佣金与传输功率成本制定RSU效用;将RSU、中继车辆、用户车辆之间的交流合作建模为非合作Stackelberg博弈模型,根据三方效用计算最优策略。本发明同时考虑中继车辆、用户车辆和RSU三方之间的相互作用,不仅提高了QoE与中继车辆积极性,还解决了中继车辆的有限存储空间问题。
-
公开(公告)号:CN109302709B
公开(公告)日:2022-04-05
申请号:CN201811075238.5
申请日:2018-09-14
Applicant: 重庆邮电大学
Abstract: 针对移动边缘计算(MEC)提供IT服务环境和云计算能力带来的高带宽、低时延优势,同时结合LTE免授权频谱(LTE‑U)技术,该文研究了车辆异构网络中基于(MEC)的任务卸载模式决策和资源分配问题。考虑链路差异化要求,即车辆到路边单元(V2I)链路的高容量和车辆到车辆(V2V)链路的高可靠性,我们将用户服务质量(QoS)建模为容量与时延的组合形式。首先采用改进的K‑means算法依据不同的QoS对请求车辆进行聚类从而确定通信模式,其次利用基于无竞争期(CFP)的LTE‑U,结合载波聚合(CA)技术,使用分布式Q‑Learning算法进行信道和功率分配。仿真结果表明,我们所提机制在保证了V2V链路可靠性的同时,而且最大化V2I遍历容量。
-
公开(公告)号:CN113891477A
公开(公告)日:2022-01-04
申请号:CN202111300905.7
申请日:2021-11-04
Applicant: 重庆邮电大学
Abstract: 本发明涉及车联网中的任务卸载与资源优化领域,特别涉及一种车联网中基于MEC计算任务卸载的资源优化方法,在移动边缘计算技术的协助下,针对车联网在有限资源和动态拓扑下需要处理大量低时延任务的问题,研究一种最小化系统开销的车联网部分任务卸载及资源分配策略;考虑路侧单元和车辆作为服务节点的差异以及任务时延、通信距离和计算资源约束建立数学模型;将该混合整数非凸问题分解为三个子问题联合求解;通过变量替换将计算资源分配子问题转换为凸优化问题,得到最优卸载比;本发明能够有效地确定卸载决策,分配信道资源和计算资源,并降低系统开销。
-
公开(公告)号:CN107396448B
公开(公告)日:2021-03-12
申请号:CN201710695019.6
申请日:2017-08-15
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种异构网络中基于分簇的资源分配方法,包括采用蚁群遗传算法对D2D用户进行分簇;采用拍卖算法为各个D2D簇分配信道;采用非合作博弈论算法为共享同一信道的蜂窝用户和D2D用户进行功率分配。本发明能在满足用户服务质量要求下,有效抑制蜂窝用户和D2D用户之间的跨层干扰和同层干扰,有效提高用户能量效率。
-
公开(公告)号:CN107169982A
公开(公告)日:2017-09-15
申请号:CN201710347909.8
申请日:2017-05-17
Applicant: 重庆邮电大学
IPC: G06T7/13
CPC classification number: G06T7/13 , G06T2207/20024
Abstract: 本发明涉及一种量子LoG边缘检测的设计方法,属于量子图像处理领域。包括以下步骤:步骤一,选择有利于实现并行处理的NEQR量子图像表示模型;步骤二,对LoG算子离散化,获得具有去噪功能的滤波掩膜;步骤三,通过量子移位操作获得图像的邻域信息;步骤四,根据一位量子全加器设计量子图像加法器;步骤五,利用量子图像加法器及所获得的邻域信息实现图像的滤波,从而获得边缘信息。本发明设计了具有去噪功能的量子LoG边缘检测算法,相较经典LoG边缘检测算法,其时间复杂度有指数级降低。
-
公开(公告)号:CN105554771A
公开(公告)日:2016-05-04
申请号:CN201510932655.7
申请日:2015-12-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线通信技术领域,特别涉及基于密集分布的毫微微用户资源分配方法,根据函数的最优解对已分组的毫微微用户进行资源分配,其中求得函数的最优解包括:将整个用户分组问题代入lingo数学平台;根据约束条件确定分组优化的所有可行解;根据求得的可行解,建立单纯形表并求得每一个可行解对应的检验数;根据lingo数学平台特点,运用直接求解程序对模型等式约束进行处理,并判定模型种类,再调用分支定界程序结合单纯形表求得函数的最优解;本发明根据毫微微组间干扰强弱对毫微微用户分组,最小化每组毫微微内的同层干扰,最大化毫微微小区总的数据速率,并求出分组优化的最优解。
-
公开(公告)号:CN105490794A
公开(公告)日:2016-04-13
申请号:CN201510934421.6
申请日:2015-12-15
Applicant: 重庆邮电大学
CPC classification number: H04L5/006 , H04L5/0062 , H04L5/0076 , H04W52/241 , H04W52/40 , H04W72/082
Abstract: 本发明公开一种OFDMA毫微微小区双层网络基于分组的资源分配方法,包括用改良的匈牙利算法对宏用户MUEs执行子信道分配;根据宏用户功率分配的优化目标和约束条件,采用经典的注水算法计算出每个子信道上的传输功率;以避免干扰MUEs为前提,根据毫微微基站FBSs间的干扰情况建立干扰列表并对FBSs进行分组,根据每组中毫微微用户FUEs的速率需求对FBSs进行子信道分配;对毫微微基站进行功率分配;本发明能够在保证宏小区用户服务质量需求的前提下,最小化毫微微用户间的干扰,有效缓解了跨层干扰和同层干扰,提高了频谱利用率,更保证了FUEs和MUEs的服务质量。
-
公开(公告)号:CN117098128A
公开(公告)日:2023-11-21
申请号:CN202311181730.1
申请日:2023-09-13
Applicant: 重庆邮电大学
IPC: H04W12/06 , H04W12/0431 , H04W12/108 , H04W4/44 , H04L9/30 , H04L9/32
Abstract: 本发明涉及车联网中的认证密钥协商领域,特别涉及一种基于签名的车联网高效批量认证密钥协商方法,包括构建包括TA、路边单元和车辆三种实体的车联网系统;车辆和路边单元向TA申请身份注册,若身份注册成功则TA分配对应的身份验证关键参数;当车辆驶入路边单元覆盖范围,车辆用户首先向车辆进行登录认证,认证成功则车辆向路边单元发起认证请求,路边单元对车辆进行身份认证,认证成功则路边单元向车辆发送协商信息,车辆对路边单元进行相互认证并根据协商信息计算会话密钥完成密钥协商;当发现恶意攻击者发送虚假信息时,对恶意攻击者进行身份追溯和撤销处理;本发明能够在保证了通信实体的隐私安全的前提下,提高认证效率。
-
公开(公告)号:CN115996383A
公开(公告)日:2023-04-21
申请号:CN202211590100.5
申请日:2022-12-12
Applicant: 重庆邮电大学
IPC: H04W12/122 , H04W12/60 , H04W4/40 , H04W84/18 , H04W8/22 , G06F18/2321
Abstract: 本发明涉及车联网系统中恶意节点检测领域,特别涉及一种车联网中基于模糊评价密度聚类的共谋车辆检测方法,该方法包括接收信息车辆实时获取发送信息车辆的主观推荐信任、客观数据信任和历史信誉值;利用当前信任关系值与信任关系阈值的大小关系,对此次信息交互的发送车辆节点进行信誉更新;根据模糊综合评价对更新后的三者信誉值进行处理,利用熵权法计算三者信誉值所占评价权重,对发送信息车辆进行恶意车辆筛选,检测出单恶意车辆;将检测出的单恶意车辆指定为聚类核心点车辆,采用密度聚类分析对不同时刻的发送信息车辆位置进行聚类分析,得出共谋车辆集合。本发明能够在保持恶意车辆检测准确率的同时,提高检测召回率,最大化召回恶意车辆。
-
公开(公告)号:CN114980029A
公开(公告)日:2022-08-30
申请号:CN202210548602.5
申请日:2022-05-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及车联网中的任务卸载与资源调度领域,特别涉及一种车联网中基于任务关联性的卸载方法,在移动边缘计算技术的协助下,针对车联网在有限资源和动态拓扑下需要处理大量低时延子任务的问题,研究一种最小化所有车辆任务完成时间的车联网部分任务卸载及资源调度策略;考虑路侧单元和车辆作为服务节点的差异以及模式选择、任务时延和通信距离约束建立数学模型;将该多约束整数非线性规划问题分解为三个子问题联合求解;通过定义子任务和车辆的优先级并采用KM算法为车辆匹配卸载对象,得到最优任务计算顺序和调度决策;本发明能够有效地确定卸载决策,分配卸载任务和卸载对象,并降低系统总时延。
-
-
-
-
-
-
-
-
-