公开(公告)号：CN115696403B

公开(公告)日：2023-05-16

申请号：CN202211374641.4

申请日：2022-11-04

Applicant: 东南大学

Inventor： 王刚 ,  苏娜 ,  王俊波 ,  常传文 ,  朱伟 ,  潘怡瑾

IPC: H04L47/78 ,  H04W24/02 ,  H04W28/08 ,  H04W28/084 ,  H04W28/088 ,  H04B7/0413

Abstract: 本发明公开了一种边缘计算节点协助的多层边缘计算任务卸载方法，包括1、建立边缘计算节点协助的边缘计算网络架构；2、收集系统信息；3、加载终端设备与接入点之间的关联算法，终端设备选择传输信号的无线接入点；4、加载终端设备多输入多输出MIMO发送预编码矩阵设计算法；5、加载计算任务分配算法，确定终端设备本地、边缘服务器和边缘计算节点的计算任务大小；6、加载计算资源分配算法，基于延迟需求，边缘服务器和边缘计算节点分配计算资源以减小系统能耗。本发明可以缓解边缘服务器的计算负担，多输入多输出MIMO传输技术能够提高频谱利用率和卸载效率。

公开(公告)号：CN113848868A

公开(公告)日：2021-12-28

申请号：CN202111208888.4

申请日：2021-10-18

Applicant: 东南大学

Inventor： 张华 ,  苏娜 ,  王俊波

IPC: G05D1/00

Abstract: 本发明公开了一种意图驱动的强化学习路径规划方法，主要步骤包括：1、数据采集器获取监测网络的状态；2、根据环境障碍物、传感器节点和数据采集器的位置选择数据采集器的转向角；3、根据ε贪心策略选择数据采集器的速度、目标节点和下一目标节点作为动作；4、数据采集器根据选择的转向角和速度确定下一时隙的位置；5、根据数据采集器和传感器节点的意图得到奖赏和惩罚，并更新Q值；6、重复执行步骤1至步骤5，直至到达终止状态或收敛条件；7、数据采集器选择每一时隙Q值最大的动作作为规划结果，生成最佳路径；本发明提出的方法可以以较高的成功概率、更接近意图的性能完成数据采集路径规划。

公开(公告)号：CN116389757A

公开(公告)日：2023-07-04

申请号：CN202310366369.3

申请日：2023-04-07

Applicant: 东南大学

Inventor： 王俊波 ,  苏娜 ,  钱秀峰 ,  常传文 ,  朱伟 ,  王刚 ,  潘怡瑾

IPC: H04N19/20 ,  H04N21/44 ,  H04W72/50

Abstract: 本发明公开了一种移动边缘计算辅助的无线VR视频传输方法，包括1、建立边缘计算服务器协助的VR视频无线传输系统；2、收集系统信息；3、加载VR视频编码参数优化算法；4、加载渲染卸载的决策算法，确定视场渲染的节点；5、加载MIMO预编码矩阵设计算法；6、加载计算资源分配算法，确定VR用户和边缘计算服务器的计算资源分配。7、迭代加载步骤3至步骤6，直至VR视频无线传输系统总能量消耗和失真的加权和收敛。本发明可以缓解VR用户的渲染负担，多输入多输出MIMO传输技术能够提高传输速率、降低延迟和提升VR用户体验。

公开(公告)号：CN115696403A

公开(公告)日：2023-02-03

申请号：CN202211374641.4

申请日：2022-11-04

Applicant: 东南大学

Inventor： 王刚 ,  苏娜 ,  王俊波 ,  常传文 ,  朱伟 ,  潘怡瑾

IPC: H04W24/02 ,  H04W28/08 ,  H04W28/084 ,  H04W28/088 ,  H04B7/0413

Abstract: 本发明公开了一种边缘计算节点协助的多层边缘计算任务卸载方法，包括1、建立边缘计算节点协助的边缘计算网络架构；2、收集系统信息；3、加载终端设备与接入点之间的关联算法，终端设备选择传输信号的无线接入点；4、加载终端设备多输入多输出MIMO发送预编码矩阵设计算法；5、加载计算任务分配算法，确定终端设备本地、边缘服务器和边缘计算节点的计算任务大小；6、加载计算资源分配算法，基于延迟需求，边缘服务器和边缘计算节点分配计算资源以减小系统能耗。本发明可以缓解边缘服务器的计算负担，多输入多输出MIMO传输技术能够提高频谱利用率和卸载效率。

公开(公告)号：CN113848868B

公开(公告)日：2023-09-22

申请号：CN202111208888.4

申请日：2021-10-18

Applicant: 东南大学

Inventor： 张华 ,  苏娜 ,  王俊波

IPC: G05D1/00

Abstract: 本发明公开了一种意图驱动的强化学习路径规划方法，主要步骤包括：1、数据采集器获取监测网络的状态；2、根据环境障碍物、传感器节点和数据采集器的位置选择数据采集器的转向角；3、根据ε贪心策略选择数据采集器的速度、目标节点和下一目标节点作为动作；4、数据采集器根据选择的转向角和速度确定下一时隙的位置；5、根据数据采集器和传感器节点的意图得到奖赏和惩罚，并更新Q值；6、重复执行步骤1至步骤5，直至到达终止状态或收敛条件；7、数据采集器选择每一时隙Q值最大的动作作为规划结果，生成最佳路径；本发明提出的方法可以以较高的成功概率、更接近意图的性能完成数据采集路径规划。