一种应用于井下无线网络中的高效路由方法

    公开(公告)号:CN101557629B

    公开(公告)日:2010-09-29

    申请号:CN200910042887.X

    申请日:2009-03-18

    Applicant: 湖南大学

    Abstract: 本发明结合矿井巷道的地形特点,提出一种应用于井下无线网络中的高效路由方法。首先确定井下巷道环境功率估计和路由切换的临界角度和临界距离;发送节点根据邻居节点的位置信息,选择最优的下一跳节点,并根据是近壁传播还是洞中传播,动态调整发送功率;接收节点根据发送节点的方位确定发送节点选择的传播方式并做出相应的接收功率估计;一旦接收节点确定自己为最优转发节点,便压制冗余的RREQ,优先进行RREQ转发处理。同时如果建立的路径中由于某个节点失效导致路径中断,依靠记录的RREQ消息还能找到互补的路径恢复路由。本路由方法充分考虑了井下巷道通信环境的特点,是一种鲁棒性高的自适应地理路由方法。

    主动无线传感器网络中间件系统与实现方法

    公开(公告)号:CN101170573B

    公开(公告)日:2010-08-25

    申请号:CN200710036175.8

    申请日:2007-11-21

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于中间件的主动无线传感器平台的设计。本发明设计一种支持主动无线传感器网络的通用目的中间件系统,该中间件系统能运行在资源受限的传感器网络节点上,系统提供网络服务管理,数据管理和任务管理功能,提供允许用户定制网络节点服务功能,允许其应用在不同的传感器网络环境中,达到代码共享、减少传感器网络应用程序开发周期、增加传感器网络软件健壮性的要求。本发明所采用的技术方案是:基于移动Agent技术的主动无线传感器网络的通用目的中间件系统,系统包括由多个动态Agent构成的应用层、多个位于应用层下的系统服务模块、一个位于网络层上的移动Agent执行环境、以及一个位于网络层上的主动分组管理器。

    一种基于博弈论的无线通信系统中的移动位置跟踪算法

    公开(公告)号:CN101201397A

    公开(公告)日:2008-06-18

    申请号:CN200710192421.9

    申请日:2007-11-26

    Applicant: 湖南大学

    Abstract: 一种基于博弈论的无线通信系统中的移动位置跟踪算法,其步骤为:给定锚节点位置坐标以及加速度模型;建立观测等式;建立状态与观测等式系统,将状态等式系统中的噪声相对于位置估计子建模为博弈对手;定义估计子结构与估计误差;定位误差分解;建立博弈目标函数;求解博弈目标函数的鞍点,由此实现移动位置跟踪。本发明具有精度高、灵活性大的特点。

    一种基于事件感知的无线传感器网络选播路由方法

    公开(公告)号:CN101179490A

    公开(公告)日:2008-05-14

    申请号:CN200710036176.2

    申请日:2007-11-21

    Applicant: 湖南大学

    Abstract: 一种基于事件感知的选播路由方法,适用基于事件驱动的无线传感器网络,其步骤为:最先感知到兴趣事件的节点广播唤醒包,该包携带跳数信息HOP与选播地址组AD,AD唯一标志兴趣事件的选播地址组。感知到唤醒包中同样的兴趣事件的节点加入选播地址组,取本地节点到目的节点的最小跳数与唤醒包中的HOP的最小值作为新的HOP继续广播;感知到的事件与唤醒包中的兴趣事件不同的节点将唤醒包的生存跳数加1,然后转发;当唤醒包生存跳数大于2,则丢弃,从而找出具有相同选播地址AD的节点组和距目的节点最近的节点作为簇头节点;同组节点将数据发送给簇头节点,簇头节点进行数据融合后沿最短路径将数据发送给目的节点。

    分簇结构传感器网络的有效密钥管理方法及其运行方法

    公开(公告)号:CN101155024A

    公开(公告)日:2008-04-02

    申请号:CN200610032352.0

    申请日:2006-09-29

    Applicant: 湖南大学

    Abstract: 本发明公开了一种分簇结构传感器网络的密钥管理方法,每个节点可以对不同的消息采用不同类型的密钥加密,同时相应设置不同的密钥对存储方式,不同类型的密钥对存储方式分别针对基站、簇头节点、簇内节点采取不同方式存储。本发明还针对密钥管理方法公开了一种基于簇的低功耗自适应聚类体系即LEACH路由机制的运行方法。本发明能够减少节点的存储空间和通信能量,满足低功耗需求又保证网络安全性能,使网络更完善,并可以有效地防止暴露节点数目和数据被非法截获。

    一种用于无人机辅助边缘计算的混合优化方法及系统

    公开(公告)号:CN114168324B

    公开(公告)日:2025-05-06

    申请号:CN202111407220.2

    申请日:2021-11-24

    Applicant: 湖南大学

    Inventor: 李嘉祺 曾凡仔

    Abstract: 本发明公开了一种用于无人机辅助边缘计算的混合优化方法及系统,具体包括以下步骤:步骤一、边缘负载;步骤二、运动消耗统计;步骤三、规划择优;步骤四、信息存储,本发明涉及无人机辅助计算技术领域。该用于无人机辅助边缘计算的混合优化方法及系统,统计无人机做出动作和做出该动作后所消耗能量,进而实现对总控端发出动作指令所需能耗的计算,通过与无人机能源余量值的对比,保证无人可以有效完成指令,并且在完不成指令的无人机发出报警,以能源余量值和完成指令所需的能源值作为筛选条件,筛选出距离最近的周边无人机,实现与拥有充足能源无人机运行指令进行指令更换的目的,进而保证多台无人机的有效运行。

    基于协同感知和智能边缘计算的自动驾驶路径规划方法

    公开(公告)号:CN115200586B

    公开(公告)日:2024-07-09

    申请号:CN202210830286.0

    申请日:2022-07-15

    Applicant: 湖南大学

    Abstract: 本公开实施例中提供了一种基于协同感知和智能边缘计算的自动驾驶路径规划方法,属于计算技术领域,具体包括:目标汽车发起感知任务,规划感知任务对应的兴趣区域;做出协同感知任务分配决策;为参与协同感知任务的周边车辆做出计算卸载决策;为接受卸载的路侧单元做出资源分配决策;将计算卸载决策和协同感知任务分配决策同步至路侧单元和周边车辆中,以及,将资源分配决策同步至路侧单元中;进行协同感知数据的采集与计算任务的卸载,任务处理结果通过车间通信和车路通信的链路返回至目标汽车;目标汽车将任务处理结果进行信息融合并根据融合后的结果进行轨迹预测和路径规划。通过本公开的方案,提高了路径规划的效率、精准度和适应性。

    异构车联网的联合任务卸载和资源分配方法、装置及设备

    公开(公告)号:CN114845272B

    公开(公告)日:2024-06-25

    申请号:CN202210451561.8

    申请日:2022-04-27

    Applicant: 湖南大学

    Abstract: 本公开实施例中提供了一种异构车联网的联合任务卸载和资源分配方法、装置及设备,属于电学技术领域,具体包括:步骤1,搭建多MEC辅助的异构车联网联合计算任务卸载和资源分配模型;步骤2,构建系统效用最大化目标函数;步骤3,针对系统效用最大化目标函数进行卸载和分配方案的分解;步骤4,构建计算任务卸载决策方案;步骤5,构建资源分配方案。通过本公开的方案,提出了一种基于MEC的车联网的联合任务卸载和资源分配算法,通过将二者分别讨论,分别进行针对性优化,目的在于解决多MEC服务器‑多车联网用户网络中计算资源不足的问题,综合考虑任务卸载、系统能耗、时延等限制调价以实现目标系统效用最大化。

    基于无线耳机的头部运动跟踪的检测方法和装置

    公开(公告)号:CN118138976A

    公开(公告)日:2024-06-04

    申请号:CN202410284363.6

    申请日:2024-03-13

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于无线耳机的头部运动跟踪的检测方法和装置,方法包括:使用配置在无线耳机上的IMU传感器获取加速度计数据;无线耳机获取接收信号,并根据发射和接收信号计算收发信号的相位变化之差,进而计算无线耳机相对于智能手机的距离变化,得到无线耳机的实时径向距离;发射信号是指智能手机发出的频率恒定的声信号,接收信号是无线耳机根据发射信号和实际接收到的声信号处理得到的信号;基于加速度计数据并采用卡尔曼滤波方法,获得无线耳机状态的先验估计,并将无线耳机的径向距离作为观测值,更新无线耳机的状态,即为无线耳机用户的头部运动状态。本发明可以实现高精度、高效率的轨迹恢复,易于应用到VR/AR和日常生活场景。

    基于扩散模型的动作生成方法、装置、设备及介质

    公开(公告)号:CN118037907A

    公开(公告)日:2024-05-14

    申请号:CN202410259323.6

    申请日:2024-03-07

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于扩散模型的动作生成方法、装置、设备及介质,方法包括:获取不同动作对应的动作序列,并标注描述其的文本信息;构建基于扩散模型的动作生成模型,包括逆向去噪过程和前向加噪过程;前向加噪过程使用预定义的超参数表示条件概率分布均值和方差,逆向去噪过程通过神经网络预测前向加噪过程所添加的噪音,进而对输入数据进行还原;将文本信息和给定的噪音作为逆向去噪过程的原始输入数据,将动作序列作为逆向去噪过程最终所得的还原数据,训练动作生成模型;获取描述目标动作的文本信息,将其与给定的噪音输入至训练好的动作生成模型中,得到目标动作序列。本发明可以高效便捷地生成多样化、高自由度、观感自然、流畅的动作。

Patent Agency Ranking