-
公开(公告)号：CN117375752A
公开(公告)日：2024-01-09
申请号：CN202311308705.5
申请日：2023-10-10
申请人： 东南大学
IPC分类号： H04B17/391 , H04B17/318 , H04B17/00 , G16Y40/10
摘要： 本发明公开了一种基于三维地理位置的物联网终端路径损耗优化方法与系统，属于无线通信技术领域。本发明针对野外复杂环境短距离物联网终端网络，提出了一种增强型双线地面反射模型。基于实测的三维地理信息，可以修正测量点处距离发射点的位置信息，并且获得测量点附近的环境信息。基于修正的位置信息，修正通信系统中的发射天线耦合度、地平面复介电常数的实部和虚部，进而得出更为准确的信号强度数据。基于新获得的修正参数，引入MLSL算法来获得更加符合实际测量数据的拟合曲线路径损耗模型。与传统的实验模型相比，可以有效提高拟合度。
-
公开(公告)号：CN116828539A
公开(公告)日：2023-09-29
申请号：CN202310901455.X
申请日：2023-07-20
申请人： 东南大学
摘要： 本发明公开了一种基于深度强化学习的联合计算迁移和无人机轨迹优化方法，属于无人机辅助车联网的边缘计算领域，考虑无人机辅助车辆移动边缘计算的场景，利用深度强化学习优化策略优化每一个时隙每个无人机选择服务的用户以及任务卸载比率，无人机飞行角度和飞行速度，进而减少系统时延，同时提高无人机服务车辆的公平性。本发明使用多智能体双延迟深度确定性策略梯度算法可以有效解决计算迁移和无人机轨迹的联合优化问题，可以在一系列连续动作空间的优化中表现稳定。
-
公开(公告)号：CN111062466B
公开(公告)日：2023-08-04
申请号：CN201911263143.0
申请日：2019-12-11
申请人： 南京华苏科技有限公司 , 东南大学
IPC分类号： G06F30/27 , G06N3/0499 , G06N3/084 , G01R29/08
摘要： 本发明涉及一种基于参数和BP神经网络对天线调整后小区场强分布的预测方法，包括以下步骤：(1)收集用户MDT数据，由用户设备UE上报所述用户MDT数据；(2)对所述步骤(1)中收集的MDT数据进行处理，剔除异常值；(3)将小区分成方形栅格，并将划分的所述方形栅格分为两类，第一类栅格为RSRP数据充足的栅格，用于训练神经网络；第二类栅格为RSRP数据不充足的栅格；(4)采用三层神经网络进行训练，输出RSRP数据不充足的栅格功率；(5)根据天线方位角转动之后的每个栅格的平均接收功率的公式获得天线方位角转动之后的每个栅格的平均接收功率，即实现对天线调整后小区场强分布的预测。该方法的精确度高误差小。
-
公开(公告)号：CN116390163A
公开(公告)日：2023-07-04
申请号：CN202310377496.3
申请日：2023-04-11
申请人： 东南大学
IPC分类号： H04W28/08 , H04L41/0893 , G06F9/50 , G06N3/126
摘要： 本发明公开了一种多接入网切片场景下基于遗传算法的边缘计算卸载方法，包括：首先初始化模型，得到所有用户的任务量及时延约束，得到所有雾接入点和云服务器的计算能力，得到所有信道的信道增益；随后创建接入网切片实例，包括大规模物联网切片及低时延高可靠切片，为不同切片设置卸载策略；根据不同切片内用户卸载策略初始化种群，并对初始化种群个体进行优化和淘汰；之后设置迭代步长为t，开始进行迭代；先通过轮盘赌选择法对个体进行选择操作；再对选择的个体进行单点交叉操作；之后对交叉后的个体进行变异操作；然后判断是否达到迭代步长t，若否，则重复上述选择，交叉，变异操作；若是，则输出适应值最高的个体作为卸载策略。
-
公开(公告)号：CN112118596B
公开(公告)日：2022-12-06
申请号：CN202011001435.X
申请日：2020-09-22
申请人： 东南大学
IPC分类号： H04W24/08 , H04B17/391 , H04B17/318
摘要： 本发明公开了一种基于路径序列回归的无线信号强度预测方法，从一个小区单天线的场景下，获得小区内每个接收节点的特征值，并将所得特征形成一个特征向量作为一个接收节点的特征向量，多次构建以天线为起始点的无向连通图，并获得多条从天线到每个接收节点最短路径，每个最短路径上的节点对应的特征向量构成向量序列，将序列输入循环神经网络中进行进一步的学习并输出其状态，该状态经过一个全连接网络预测接收点信号强度。本发明的一种基于路径序列回归的无线信号强度预测方法能够通过有效的特征提取和有效的特征学习，充分利用神经网络的学习能力，达到较高精准度的预测。
-
公开(公告)号：CN115134779A
公开(公告)日：2022-09-30
申请号：CN202210744844.1
申请日：2022-06-28
申请人： 东南大学深圳研究院
摘要： 本发明提出一种基于信息年龄感知的车联网资源分配方法，运用DDQN的V2V无线通信资源分配算法将信息年龄纳入主要优化目标，使得V2V链路能够通过选择合适的子信道和传输功率，实现对高可靠性和低延迟、高信息新鲜度的Qos需求。本发明仿真结果表明基于DDQN资源分配算法不会被数量庞大的负载数据影响传输成功率，有很高的可靠性。同时，DDQN的资源分配算法在信息新鲜度方面能够实现更好的效果，并且在车辆分配的传输功率低的环境下提高信息新鲜度和吞吐量的效果更加明显。
-
公开(公告)号：CN115052262A
公开(公告)日：2022-09-13
申请号：CN202210710038.2
申请日：2022-06-22
申请人： 东南大学深圳研究院
摘要： 本发明提出一种基于势博弈的车联网计算卸载与功率优化方法，有剩余计算资源的车辆可以作为车载云服务器为其他车辆提供计算资源，V2I链路和V2V链路通过5G切片技术接入不同切片互不干扰。首先通过势博弈得到任务请求车辆的卸载决策，即任务请求车辆决定本地计算，卸载到MEC服务器，卸载到距离任务请求车辆最近的车载云服务器。对决定任务卸载的任务请求车辆，基于深度强化学习，采用分布式的资源分配方法，不需要基站集中调度信道状态信息，将每辆决定任务卸载的任务请求车辆视为智能体，基于本地观察状态信息来选择发射功率。该算法能够在最大发射功率的限制下，最小化系统时延。本发明使用势博弈和DDPG算法相结合可以有效解决移动边缘服务器和车载云服务器协同计算卸载场景下的卸载决策和功率优化的联合问题，可以在一系列连续状态空间的优化中表现稳定。
-
公开(公告)号：CN113315724B
公开(公告)日：2022-08-30
申请号：CN202110576833.2
申请日：2021-05-26
申请人： 东南大学
摘要： 本发明公开一种应用于RIS辅助移动通信系统的多普勒频偏估计与补偿方法。首先，输入所需参数，包括发射信号x和接收信号y；其次，使用多普勒频偏估计方法来获取直达径和反射径的多普勒频偏；最后，使用多普勒频偏补偿方法，最大程度地消除接收信号的多普勒频偏。本发明能够有效应对可重构反射面辅助移动通信系统中的多普勒效应；该方案具有应用范围广泛、估计结果精确、可行性较高等优点。
-
公开(公告)号：CN113242182B
公开(公告)日：2022-08-16
申请号：CN202110499275.4
申请日：2021-05-08
申请人： 东南大学
IPC分类号： H04L45/302 , H04L45/00 , H04W40/12
摘要： 本发明涉及一种基于SDN的移动自组织网络中QoS敏感的路由分配方法，针对SDN的集中式控制路由的特点，以最大化用户的QoS性能为目标函数，提出了一个路由分配问题。为了有效地解决这一问题，按照如下步骤求解。首先进行链路质量预测，利用时间序列分析的方法，对每条链路下一时刻的链路质量进行预测。然后形成路由问题，根据得到的每条链路下一时刻的链路质量，SDN控制器形成易于求解的路由优化问题。最后求解最佳QoS路由，使用差分搜索算法，为网络中的每条流实时求解最佳QoS路由，从而大幅度地提高网络吞吐量并降低系统时延和丢包率。
-
公开(公告)号：CN112510831B
公开(公告)日：2022-06-17
申请号：CN202011342416.3
申请日：2020-11-25
申请人： 东南大学
IPC分类号： H02J13/00 , H02S50/00 , G06F17/11 , G06Q10/06 , G06Q50/06 , G06Q50/30 , H04W24/02 , H04W40/10 , H04W40/32
摘要： 本发明公开一种用于分布式光伏电站数据传输中的分簇方法，适用于无线通信技术领域。首先，依据逆变器至智能子站的距离将所有逆变器升序排序，选择排序首位的逆变器作为一个簇头，对于距离簇头一定范围内的其他邻近逆变器，计算并判断若经由簇头向智能子站进行数据传输所产生的能耗小于直接向智能子站进行数据传输所产生的能耗，则将此邻近逆变器加入该簇，对未成簇的逆变器进行同样的分簇过程，直至所有逆变器均已成簇。其有效减少区域内逆变器向智能子站进行数据传输的总能量消耗，数据传输流量成本低，运维难度小，效率高。
-
-
-
-
-
-
-
-
-
搜索结果
267 条记录 (耗时 0.086 秒)
