-
公开(公告)号：CN117750524A
公开(公告)日：2024-03-22
申请号：CN202311797916.X
申请日：2023-12-25
Applicant: 重庆邮电大学
IPC: H04W72/50 , H04W72/0446 , H04W12/03 , H04W12/02 , H04W12/122 , H04W84/06
Abstract: 本发明无人机多跳中继保密通信系统资源分配方法，属于无人机通信技术领域。本发明构建无人机群辅助多跳中继保密通信模型，基于该通信模型，建立联合优化模型，以最大化在一个周期内的最小保密率为联合优化目标函数，求解无人机飞行速度、飞行角度、发射功率和用户调度系数；基于该联合优化模型，搭建基于深度确定性策略梯度算法架构，进行深度强化学习训练，获得所述无人机群的最优动作和最大奖励，最优动作是所述无人机多跳中继保密通信系统的最优资源分配，最大奖励是所述无人机群辅助多跳中继保密通信模型达到的最大的最小保密速率。本发明解决了远距离通信受阻时的信息安全问题，保障安全通信，实现通信系统的最优资源配置。
-
Patent Agency Ranking
公开(公告)号：CN117724512A
公开(公告)日：2024-03-19
申请号：CN202311775370.8
申请日：2023-12-21
Applicant: 重庆邮电大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明属于无人机路径规划领域，涉及一种基于改进麻雀搜索算法的无人机路径规划方法；所述方法包括获取无人机飞行高度、无人机位置、无人机爬升角和转弯角；根据无人机飞行高度构建无人机地形约束，根据无人机位置构建无人机位置约束，根据无人机爬升角和转弯角构建无人机平台约束；在无人机多维资源约束的条件下，以最大化无人机能源效率为目标，结合无人机的路径长度构建无人机最优路径目标函数；采用基于多种群搜索机制的改进麻雀搜索算法求解无人机最优路径目标函数，获得无人机路径规划结果。本发明可以获得更短的飞行时间和更稳定的路径，从而可以提高无人机能源效率，将更多的能源用于给用户提供通信服务。
-
公开(公告)号：CN117768904A
公开(公告)日：2024-03-26
申请号：CN202311779422.9
申请日：2023-12-22
Applicant: 重庆邮电大学
Abstract: 本发明属于无人机移动通信领域，涉及一种基于异步优势动作评价算法的无人机定位方法；所述方法包括根据地面用户和无人机基站的连接关系，计算得到无人机基站的覆盖率；根据地面用户和无人机基站之间的链路平均路径损耗和发射功率，计算得到系统吞吐量；根据地面用户和无人机基站之间的发射功率，计算得到传输能耗；根据无人机基站的覆盖率、吞吐量以及传输能耗，构建最大化无人机通信系统的性能模型；采用基于异步优势动作评价算法对最大化无人机通信系统的性能模型进行求解，得到无人机基站的定位位置。本发明可以获得更大的无人机覆盖率、更大系统吞吐量和更小的传输能耗，从而提高无人机通信系统性能。
-
公开(公告)号：CN116841646A
公开(公告)日：2023-10-03
申请号：CN202310842568.7
申请日：2023-07-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于无人机协同的任务卸载方法，包括：构建无人机协同任务卸载系统；根据地面用户在单位时间内可执行的CPU周期数和任务的CPU周期数创建地面用户的本地任务卸载模型；根据地面用户的发射功率、原始无人机与协作无人机上的MEC服务器在单位时间内可执行的CPU周期数、任务的CPU周期数创建地面用户的无人机任务卸载模型；根据无人机的悬停功率和悬停时延创建无人机的悬停模型；根据地面用户的本地任务卸载模型、地面用户的无人机任务卸载模型和无人机的悬停模型利用第二价格拍卖算法计算得到最优的任务卸载分配方案对任务进行卸载,本发明利用无人机辅助移动边缘计算进行任务卸载，提高用户的服务质量和服务体验。
-
公开(公告)号：CN117835280A
公开(公告)日：2024-04-05
申请号：CN202410006514.1
申请日：2024-01-02
Applicant: 重庆邮电大学
Abstract: 本发明属于无人机移动通信技术领域，特别涉及一种融合聚类与选择优化的无人机联邦学习方法，包括云端下发全局模型参数到各个无人机进行训练；根据无人机更新参数模型的梯度方向对无人机进行分簇，并基于无人机的延迟和资源确定每个簇内参与模型参数更新的无人机集合；每个簇内被选中进行模型参数更新的无人机进行集群联邦学习训练一个基于其所在簇的模型参数并上传到云端；云端收集所有选中无人机的模型参数，并将收集的模型参数更新全局模型参数；将更新后的全局模型参数下发到无人机，重复以上操作，直到达到预设训练次数或者满足训练停止条件；本发明显著降低了无人机的运行成本，提升了整个无人机网络的智能化和效率化水平。
-
公开(公告)号：CN117834457A
公开(公告)日：2024-04-05
申请号：CN202410006497.1
申请日：2024-01-02
Applicant: 重庆邮电大学
Abstract: 本发明属于无人机移动通信技术领域，特别涉及一种基于云边端架构的无人机联邦学习方法，包括云服务器进行初始化全局模型，并将全局参数下发到无人机；无人机利用无人机本地的数据对模型进行多次随机梯度下降迭代，无人机完成训练后将其模型参数发送给对应边缘服务器；边缘服务器收集区域内所有无人机发送的模型参数，并将所有参数聚合为一个模型参数，将聚合的模型参数发送给云服务器；云服务器收集所有边缘服务器发送的模型参数，对收集的参数进行聚合，得到一个新的全局参数，将全局参数继续分发给边缘服务器，直到全局参数收敛或者达到最大迭代次数；本发明极大减少了无人机通信开销，提高了全局模型精度。
-
-
-
-
-
Search Results
6
records
(took 0.012 seconds)
