一种MEC-SWIPT系统下车联网任务卸载决策方法

    公开(公告)号:CN117880890A

    公开(公告)日:2024-04-12

    申请号:CN202410061362.5

    申请日:2024-01-15

    Inventor: 唐天瑞 鲜永菊

    Abstract: 本发明属于无线通信资源分配技术领域,涉及一种MEC‑SWIPT系统下车联网任务卸载决策方法,包括:构建MEC‑SWIPT系统;根据系统建立服务器模型、车辆模型以及任务模型;根据服务器模型和车辆模型计算连接情况、无线传输速率和可分配计算资源;根据连接情况、无线传输速率和可分配计算资源建立优化函数并求解,得到任务卸载目标;根据任务卸载目标、服务器模型、车辆模型和任务模型采用遗传算法计算任务卸载决策;本发明对能耗、时延、任务超时率进行加权优化;本发明采用任务模型、车辆行驶模型、服务器模型,更符合真实情况的同时更具有现实价值;本发明对稳定性和处理能力进行加权优化,提供了随任务需求调整的灵活性。

    一种超密集网络中基于混合接入方式的动态边缘计算卸载方法

    公开(公告)号:CN114885422A

    公开(公告)日:2022-08-09

    申请号:CN202210299457.1

    申请日:2022-03-25

    Inventor: 鲜永菊 刘闯

    Abstract: 本发明属于移动通信技术领域,具体涉及一种超密集网络中基于混合接入方式的动态边缘计算卸载方法,该方法包括:构建多用户超密集网络;用户设备产生计算任务,并向宏基站发送任务请求;宏基站构建任务模型,并获取当前网络的状态信息;根据当前网络的状态信息执行不同的任务传输方式;将当前网络的状态信息输入到训练好的神经网络中,得到卸载决策以及资源分配方案;宏基站将决策方案发送到各个用户,将资源分配方案发送给微基站;用户根据决策方案进行任务卸载,微基站根据资源分配方案进行资源分配;发明采用目标较为先进的双延时确定性策略梯度算法来求解优化问题,提高了模型的训练效率。

    一种移动Ad Hoc云中基于能量收集的分布式卸载方法

    公开(公告)号:CN114650568A

    公开(公告)日:2022-06-21

    申请号:CN202210269015.2

    申请日:2022-03-18

    Abstract: 本发明属于移动通信技术领域,特别涉及一种移动Ad Hoc云中基于能量收集的分布式卸载方法,包括考虑一组带有EH功能的附近终端设备构成的移动Ad Hoc云网络,分别建立计算任务模型、任务卸载模型和能量收集模型;将客户终端作为买方,根据自身的计算任务需求向代理终端购买资源,建立买方的收益最大化问题;将代理终端作为卖方,通过动态资源报价为客户终端提供不同的计算和存储资源,建立卖方的收益最大化问题;利用拉格朗日乘子法和KKT条件计算出买方向所选择的代理终端卸载的最优任务卸载策略以及卖方的最优报价策略;本发明可以有效提升系统收益,稳定电池能量和减少任务队列积压。

    一个大范围混沌系统及其在DCSK中的应用

    公开(公告)号:CN112929309A

    公开(公告)日:2021-06-08

    申请号:CN202110071150.1

    申请日:2021-01-19

    Inventor: 鲜永菊 谢东明

    Abstract: 本发明属于无线通信技术领域,是基于非线性混沌系统理论基础发明了一种适用于DCSK系统中的大范围混沌系统。本发明主要包括:(1)一个大范围的混沌系统,该系统在一定的参数范围内都是可以保证混沌系统特性并且李雅普诺夫指数恒定,所以其可以应对参数波动的不稳定情况;(2)发送端通过混沌系统产生混沌信号进行发送端的混沌调制,通过混沌信号进行调制后其具有类噪声的特性,可以实现保密通信的效果;(3)接收端通过接收信号中的参考信号实现接收端的解调得到信息信号。本发明的有益效果是:在相同信噪比情况下有较好的误码率性能;在环境影响参数波动的情况下采用该混沌系统可以保证DCSK方案的稳定,不会失去保密性能。

    一种面向异构移动边缘网络的动态任务卸载方法

    公开(公告)号:CN112600921A

    公开(公告)日:2021-04-02

    申请号:CN202011472512.X

    申请日:2020-12-15

    Abstract: 本发明涉及无线通信技术领域,具体涉及一种面向异构移动边缘网络的动态任务卸载方法,包括移动设备产生计算任务,根据计算任务的属性建立两个任务队列模型,并得出卸载任务的处理策略;计算卸载任务的卸载效用、通信成本以及通信与计算能耗成本;建立移动设备在进行任务卸载中的系统模型,并以最大化时间平均卸载收益为优化目标的任务卸载问题;根据李雅普诺夫优化理论将任务卸载优化问题转化为单时隙内的优化问题,通过最小化李雅普诺夫漂移加惩罚项之和求出新的优化方程;根据计算任务卸载的属性请求,建立搜索树,进行快速的分支定界,得到移动设备最优的卸载策略和卸载的任务量;本发明能够保证系统的稳定性,最大化系统的时间平均卸载收益。

    一种移动边缘计算网络中联合任务卸载和资源分配方法

    公开(公告)号:CN111447619A

    公开(公告)日:2020-07-24

    申请号:CN202010169254.1

    申请日:2020-03-12

    Inventor: 鲜永菊 李栋

    Abstract: 本发明涉及一种移动边缘计算网络中联合任务卸载和资源分配方法,属于无线通信和移动边缘计算领域。该方法包括:UE产生新的计算任务,向MEC服务器发送任务卸载请求;MEC服务器收集本时隙内所有用户端发送的计算卸载请求信息;将用户计算任务和MEC服务器资源进行首次匹配,构成初始卸载策略集,计算初始目标函数的值;求得最小的目标函数值和获得最优目标函数值的用户。更新所有用户的卸载决定,判断得到的最优的目标函数不小于上一次的目标函数值是否成立,成立则输出卸载决定,信道分配矩阵和最优计算资源。本发明降低了用户卸载的成本开销,节约了移动用户总的成本;能够接纳更多的计算卸载任务,提升了系统的任务执行效率。

    一种IRS辅助MISO系统反窃听安全传输波束赋形优化方法、装置及电子设备

    公开(公告)号:CN117097381A

    公开(公告)日:2023-11-21

    申请号:CN202311075054.X

    申请日:2023-08-24

    Abstract: 本发明涉及无线通信技术领域,特别是涉及一种IRS辅助MISO系统反窃听安全传输波束赋形优化方法、装置和电子设备;包括建立IRS辅助MISO通信反窃听系统;所述系统包括Alice、IRS、合法接收用户和非法窃听用户;根据Alice发射功率限制和IRS反射相移限制,以最小化发射波束赋形向量为目标,构建Alice主动波束赋形和IRS被动波束赋形的联合优化问题P;将联合优化问题P分解为发射波束赋形向量优化问题P1和IRS相移优化问题P2,并根据非齐次线性方程组思想求解,得到最优发射波束赋形向量和最优IRS相移;本发明提出能够有效地提高系统保密速率,降低传输功率,并且具有较好的误码率。

    一种移动边缘计算中基于多点协作的任务迁移方法

    公开(公告)号:CN116471632A

    公开(公告)日:2023-07-21

    申请号:CN202310309080.8

    申请日:2023-03-27

    Abstract: 本发明属于移动通信技术领域,具体涉及一种移动边缘计算中基于多点协作的任务迁移方法;该方法包括:构建MEC场景下的网络系统模型;基于MEC场景下的网络系统模型构建协作通信模型、任务计算模型、用户移动性模型和负载均衡模型;根据协作通信模型、任务计算模型、用户移动性模型和负载均衡模型构建卸载决策和协作集合关联决策联合优化问题;在慢时间尺度上面向未来负载变化进行节点协作,组成协作集合;根据协作集合在快时间尺度上求解卸载决策和协作集合关联决策联合优化问题,得到最优卸载决策和协作集合关联决策;系统根据最优卸载决策和协作集合关联决策进行任务迁移;本发明可有效降低任务迁移率和任务执行时延。

    一种基于深度强化学习的分布式无人机自组网的路由方法

    公开(公告)号:CN116234073A

    公开(公告)日:2023-06-06

    申请号:CN202310103657.X

    申请日:2023-02-13

    Abstract: 本发明涉及一种基于深度强化学习的分布式无人机自组网的路由方法,包括;根据马尔可夫决策过程搭建无人机通信网络的深度强化学习架构;运行Dijkstra算法将原始数据包从源节点向目的节点发送并根据原始数据包的路由过程生成原始训练数据对深度强化学习架构进行预训练;输入目标数据包的目的节点D的坐标,利用预训练好的深度强化学习架构得到当前节点A的下一跳节点B并生成目标训练数据,根据原始训练数据和目标训练数据对深度强化学习架构进行再训练;将下一跳节点B作为起始节点,直至下一跳节点为目的节点,完成目标数据包的路由,本发明能增强网络的鲁棒性提高无人机通信网络的寿命。

    一种能量收集MEC系统中任务卸载和资源分配方法

    公开(公告)号:CN116209084A

    公开(公告)日:2023-06-02

    申请号:CN202310212011.5

    申请日:2023-03-07

    Abstract: 本发明属于移动通信技术领域,特别涉及一种能量收集MEC系统中任务卸载和资源分配方法,包括考虑由多个具有EH功能的终端设备和一个配有边缘服务器的基站组成的MEC系统,分别建立任务队列模型、任务计算模型和能量收集模型;建模一个时间平均意义上的长期随机优化问题,目标是最小化终端设备完成任务的执行时间和能量消耗总成本;首先通过Lyapunov随机优化理论,将随机优化问题解耦成每个确定时隙内的卸载决策子问题和资源分配子问题,然后通过深度强化学习算法和自适应遗传算法分别求解两个子问题;本发明可以有效降低终端设备完成任务的总成本,并保证队列长期稳定。

Patent Agency Ranking