面向边缘计算基于模型分割的应用推理部署方法

    公开(公告)号:CN116431450A

    公开(公告)日:2023-07-14

    申请号:CN202310256538.8

    申请日:2023-03-16

    申请人: 上海大学

    摘要: 一种面向边缘计算基于模型分割的应用推理部署方法,在性能测试阶段,分别通过网络性能测试、客户端推理任务延时测试和服务端推理任务延时测试得到网络链路的延迟与带宽以及神经网络(DNN)各层执行的耗时,通过分割点决策方法得到最佳分割点配置;在本地推理阶段,通过获取图像后由当前客户端按照最佳分割点配置执行分割点前的推理任务,并将中继点数据经int8特征量化处理后传输至位于边缘侧的服务端;在边缘推理阶段,服务端按照相同的最佳分割点配置执行分割点后的边缘推理并执行推理任务后,将结果传回客户端,由客户端进行格式化处理并输出分类结果和检测框。本发明通过面向边缘计算的应用部署的实际可用系统,并通过动态调整的分割点决策方法,完成实际系统在图像分类和目标检测两类AI应用的性能提升验证。

    基于图卷积和多层感知机混合网络的定位方法

    公开(公告)号:CN112801268A

    公开(公告)日:2021-05-14

    申请号:CN202011616730.6

    申请日:2020-12-30

    申请人: 上海大学

    IPC分类号: G06N3/04 H04W4/029

    摘要: 一种基于图卷积和多层感知机混合网络的定位方法,通过在待定位区域选取参考点,并在离线阶段从参考点接收从各个AP发送的信号RSSI作为唯一标示从而构成数据库,在在线阶段将用户接收到的RSSI在数据库中进行匹配,选取最接近的RSSI对应的位置作为用户的位置;本发明通过AP的拓扑结构并以此为基础构建无向图,考虑两种邻接矩阵构造方式来为接入点之间的位置关系。1)在小型室内环境中,往往能接收到所有AP的信号,直接利用各AP的欧式距离作为邻接矩阵;2)在大型室内环境中,无法接收到所有AP信号的情况下,利用从多个AP接收到的信号的统计信息构造邻接矩阵。

    基于车牌识别的前向碰撞预警场景下的车辆车道定位方法

    公开(公告)号:CN118790240A

    公开(公告)日:2024-10-18

    申请号:CN202310381120.X

    申请日:2023-04-11

    申请人: 上海大学

    摘要: 一种基于车牌识别的前向碰撞预警场景下的车辆车道定位方法,当远车刹车时广播的改进的紧急警告信息由主车接收到时,由主车通过车牌检测识别算法判断紧急警告信息中车牌信息是否在当前摄像头视野内以及远车与主车是否在同一车道内,并当与远车在同一车道时进行减速。本发明使用车牌检测识别技术以及改进的车辆广播紧急警告信息对车道上车辆进行检测识别,通过视野范围内的车牌来判断远车是否为碰撞预警场景下的远车,再由主车决定是否实现避险。引入车道判别器,通过判断主车中心线和远车车牌位置的夹角是否在一定范围内,来确认当远车辆所属车道,实现车道级定位。

    面向边缘蜂窝网络基于强化学习的视频码率自适应方法

    公开(公告)号:CN116016987B

    公开(公告)日:2024-06-18

    申请号:CN202211574628.3

    申请日:2022-12-08

    申请人: 上海大学

    摘要: 一种面向边缘蜂窝网络基于强化学习的视频码率自适应方法,通过构建能够多址边缘计算(MEC)转码的服务端及内置缓存的客户端作为视频流会话仿真环境,采用并行协作联合多视频切片码率转码和传输的ABR方法(PCMC)模型,以视频数据集和无线带宽轨迹数据集在视频流会话仿真环境中进行基于异步强化学习(A3C)的训练,在在线阶段通过该模型对视频码率进行自适应调整。本发明在配置MEC的无线网络场景下,充分利用RAN侧的信息以及MEC计算资源和存储资源的同时,使用传输和转码并行执行的策略,减少MEC带来的额外计算延迟和计算能耗,提高客户端的视频流QoE指标。

    面向边缘蜂窝网络基于强化学习的视频码率自适应方法

    公开(公告)号:CN116016987A

    公开(公告)日:2023-04-25

    申请号:CN202211574628.3

    申请日:2022-12-08

    申请人: 上海大学

    摘要: 一种面向边缘蜂窝网络基于强化学习的视频码率自适应方法,通过构建能够多址边缘计算(MEC)转码的服务端及内置缓存的客户端作为视频流会话仿真环境,采用并行协作联合多视频切片码率转码和传输的ABR方法(PCMC)模型,以视频数据集和无线带宽轨迹数据集在视频流会话仿真环境中进行基于异步强化学习(A3C)的训练,在在线阶段通过该模型对视频码率进行自适应调整。本发明在配置MEC的无线网络场景下,充分利用RAN侧的信息以及MEC计算资源和存储资源的同时,使用传输和转码并行执行的策略,减少MEC带来的额外计算延迟和计算能耗,提高客户端的视频流QoE指标。

    基于联合时频优先级策略的车内无线通信平台及其抗干扰方法

    公开(公告)号:CN110913373B

    公开(公告)日:2022-06-14

    申请号:CN201910874145.7

    申请日:2019-09-17

    申请人: 上海大学

    摘要: 本发明提供了一种基于联合时频优先级策略的车内无线通信平台及其抗干扰方法。平台包括单跳星形ZigBee组网的安全防盗报警系统、多跳分布式ZigBee组网的车辆信息管理系统、WiFi分布式组网的多媒体信息传输系统,人机交互中心负责管理三类网络协同工作,将实时数据上传到云服务器,移动端通过连接云对平台进行远程操控。对于车载三类网络共存出现的干扰问题,提出基于时频优先级策略的协调方案,包括时频干扰检测模块,信道优先级和车载任务优先级列表,链路调度模块和信道跳变模块。本发明能够突破线束的制约,缩短车辆功能的集成时间,提升各类网络的实时传输数据和执行命令的效率,使无线通信网络在车内环境更加高效地协同工作。

    TDD网络中联合上下行切片资源分配的方法

    公开(公告)号:CN114501468A

    公开(公告)日:2022-05-13

    申请号:CN202210161507.X

    申请日:2022-02-22

    申请人: 上海大学

    摘要: 一种TDD网络中联合上下行切片资源分配的方法,通过构建无线接入网仿真环境,在单步内针对被服务的各个切片的用户分别进行资源调度后,在当前Step中将上一个单步运行得到的状态输入到深度确定策略梯度算法实例化得到智能体的神经网络中,通过神经网络得到动作作用于当前Step的无线接入网仿真环境,环境运行后反馈更新状态和所执行的动作对应的奖励,并将状态、动作、奖励、State’作为一条经验存入智能体的记忆池,当储存的经验数量到达设定的阈值时,抽取其中的经验对智能体进行训练,智能体训练结束后,将训练得到的智能体进行在线测试。本发明基于深度确定性策略梯度算法,避免了某个切片的意外溢出而导致SLA的下降。

    基于保障SLA的RAN侧切片资源分配方法及系统

    公开(公告)号:CN114390703A

    公开(公告)日:2022-04-22

    申请号:CN202210052492.3

    申请日:2022-01-18

    申请人: 上海大学

    摘要: 一种基于保障SLA的RAN侧切片资源分配方法,包括数据集采集阶段和切片资源预测阶段,其中:通过OAI系统,采集实际无线通信场景下用户终端与基站在无线通信过程中产生的信息交互数据,经预处理后匹配输入预测网络的数据格式;将信息交互数据输入训练后的预测网络得到资源分配方案。本发明通过基于RNN的长短期记忆(LSTM)算法,能够更好地表现对SLA保障和资源利用率的要求指标,从而在预测网络训练结束时得到更好的RAN侧网络切片资源编排方案。

    车载智能无线网络反向控制系统
    10.
    发明公开

    公开(公告)号:CN113556707A

    公开(公告)日:2021-10-26

    申请号:CN202110873700.1

    申请日:2021-07-30

    申请人: 上海大学

    IPC分类号: H04W4/48 H04W84/18

    摘要: 一种车载智能无线网络反向控制系统,包括:位于用户端的移动交互单元、位于服务端的指令接收单元、指令校验单元、指令转发单元和指令信息存储单元以及位于车载控制端的车载应用处理单元以及Zigbee组网单元,用户通过移动交互单元设置控制指令并发送至服务端,经服务端依次进行指令接收、校验及转发至车载控制端,车载应用处理单元接收来自服务端的控制指令,由Zigbee组网单元根据指令类型实现对车内部件的控制。通过利用Zigbee的MESH网状网络拓扑结构,实现网络各节点的星型和多跳型方式通信,针对性地解决布线问题、功能的集成时间以及系统的升级可拓展性,达到能灵活控制车内模块,实现远端的人车信息交互和控制。