公开(公告)号：CN119652632A

公开(公告)日：2025-03-18

申请号：CN202411862128.9

申请日：2024-12-17

Applicant: 重庆邮电大学

Inventor： 赵国锋 ,  周东鹏 ,  徐川 ,  张子豪 ,  练书延 ,  何俊杰

IPC: H04L9/40 ,  H04L43/0805 ,  H04L45/02 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了一种BGP路由异常检测方法，该方法包括：从网络中获取BGP路由数据并对其预处理，对预处理后的BGP路由数据提取特征，将提取的特征输入训练后的BGP路由异常检测网络，得到BGP路由异常检测结果。该检测网络的训练过程包括：获取训练样本及其正负标签，经预处理后得到更新报文的七元组文件；构建有向的AS级网络拓扑图，生成正、反向邻接矩阵和正向、反向初始特征矩阵；将正向邻接矩阵与正向初始特征矩阵输入GCN的正向分支网络，将反向邻接矩阵与反向初始特征矩阵输入GCN的反向分支网络，将GCN的正向、反向分支网络的输出结果进行拼接聚合后的特征矩阵输入图注意力机制层；计算输出结果的分类损失，通过该损失优化BGP路由异常检测网络。本发明明显提高检测结果准确性。

公开(公告)号：CN119766368A

公开(公告)日：2025-04-04

申请号：CN202411991530.7

申请日：2024-12-31

Applicant: 重庆邮电大学

Inventor： 徐川 ,  张子豪 ,  练书延 ,  徐航 ,  周东鹏 ,  熊国贸

IPC: H04B17/391 ,  G06N20/20

Abstract: 本发明属于通信技术领域，涉及一种用于时变信道中多径分量的动态追踪与聚簇的方法，包括：获取第一时刻的多径数据并预处理，得到特征参数S1；设置聚类数目K1，根据S1和K1对第一时刻的多径分量进行聚类，得到第一时刻的簇#imgabs0#计算簇#imgabs1#的聚类指标CI1；初始化Q‑学习模型Q1；获取时刻m的多径数据并预处理，得到特征参数Sm；根据Sm‑1和Sm对时刻m‑1和m多径分量进行匹配，得到时刻m被匹配和未被匹配的多径分量；根据时刻m‑1的Km‑1、CIm‑1以及模型Qm‑1得到动作am‑1，根据am‑1得到聚类数目Km，根据Km对时刻m被匹配和未被匹配的多径分量进行聚类，得到簇#imgabs2#计算簇#imgabs3#的聚类指标CIm；根据Km‑1、CIm‑1、am‑1、Km以及CIm对模型Qm‑1进行更新，得到模型Qm；本发明结合卡尔曼滤波算法、KM算法、强化学习更精确地跟踪和聚类多径分量。

公开(公告)号：CN119829243A

公开(公告)日：2025-04-15

申请号：CN202411888913.1

申请日：2024-12-20

Applicant: 重庆邮电大学

Inventor： 徐川 ,  练书延 ,  张子豪 ,  周东鹏 ,  何俊杰

IPC: G06F9/48 ,  G06N3/006 ,  G06F9/455 ,  G06N3/092

Abstract: 本发明涉及于算力调度技术领域，具体涉及一种应用于大规模网络仿真系统的算力调度方法及系统，所述方法包括：获取所有算力节点的资源占用状态信息集合；构建所有算力节点的任务队列；设定深度强化学习参数并初始化神经网络；将算力节点作为智能体与环境进行交互产生经验样本采用深度强化学习方法训练神经网络，得到初步的任务调度策略；使用蚁群算法对初步的任务调度进行进一步的优化，来获得最终的任务调度策略；采用最终的任务调度策略来对仿真任务进行调度。本发明在任务调度时，不仅考虑了算力节点的实时资源状态，也考虑了任务的特殊性、任务的优先级以及任务和任务之间的依赖关系，提高了对于算力的利用效率，缩减仿真时间。

公开(公告)号：CN119766367A

公开(公告)日：2025-04-04

申请号：CN202411989470.5

申请日：2024-12-31

Applicant: 重庆邮电大学

Inventor： 徐川 ,  张子豪 ,  周东鹏 ,  练书延 ,  徐航

IPC: H04B17/391 ,  G06N20/20

Abstract: 本发明属于通信技术领域，具体涉及一种用于无人机信道估计的多径分量聚簇与追踪方法，包括：获取初始时刻的信道数据得到初始时刻的多径分量的特征参数S1和多个簇#imgabs0#获取时刻m‑1的多径分量的特征参数Sm‑1和簇#imgabs1#获取时刻m的信道数据并提取多径分量的特征参数Sm；对时刻m‑1和时刻m的多径分量进行最优匹配，得到时刻m被匹配的多径分量和未被匹配的多径分量；将被匹配的多径分量分配到与其相匹配的多径分量的簇#imgabs2#中，将未被匹配的多径分量分配到对应的簇#imgabs3#中，得到簇#imgabs4#根据簇#imgabs5#计算边界阈值#imgabs6#和密度阈值Dem，根据#imgabs7#Dem对簇#imgabs8#进行动态调整，得到当前时刻的多个簇#imgabs9#本发明通过引入边界阈值、密度阈值以及分类模型进行动态优化，显著提升了信道聚类的精度，且增强了对时变信道的适应能力。

公开(公告)号：CN118152069A

公开(公告)日：2024-06-07

申请号：CN202410249640.X

申请日：2024-03-05

Applicant: 重庆邮电大学

Inventor： 段洁 ,  骆凌辉 ,  高旺阳 ,  黄元 ,  练书延 ,  张子豪

IPC: G06F9/455 ,  G06F9/50 ,  H04L41/14

Abstract: 本发明提供一种基于容器的网络仿真系统资源调度方法，包括：将服务器集群中资源使用率超过设定阈值的服务器中的所有容器加入待调度容器队列；根据服务器集群中服务器资源利用的不均衡程度构建网络仿真系统的负载不均衡度表达式；以网络仿真系统的负载不均衡度最小为优化目标，利用粒子群算法计算待调度容器队列中容器的最优调度策略；根据待调度容器队列中容器的最优调度策略对待调度容器队列中的容器进行调度；增加了服务器集群的负载均衡度，增大了分布式仿真系统的仿真规模。