-
公开(公告)号：CN118695340A
公开(公告)日：2024-09-24
申请号：CN202410776224.5
申请日：2024-06-17
Applicant: 东南大学
Abstract: 本发明公开了一种用于无蜂窝大规模MIMO系统的智能高能效AP休眠方法，包括：在CPU处部署深度强化学习模型；得到估计的信道状态信息向量，并将其回传至CPU；CPU根据汇总得到的估计信道状态信息，控制AP下行发射功率系数，以及进行AP分簇控制，得到服务各用户的AP簇；计算用户端的信干噪比、频谱效率；利用频谱效率以及此时AP状态计算系统能量效率，将最大化能量效率的优化问题转化为智能体最大化奖励问题，进而计算智能体在采取该休眠决策下收获的奖励，收集状态、决策以及奖励作为智能体的训练数据进行实时训练，最终在有限训练次数下得到高能效的AP休眠决策。本发明在满足用户通信可靠性需求的同时，提高了系统能效。
-
公开(公告)号：CN118612825A
公开(公告)日：2024-09-06
申请号：CN202410776228.3
申请日：2024-06-17
Applicant: 东南大学
IPC: H04W52/02 , H04L25/02 , H04B7/0413 , H04W52/24 , H04W52/26 , H04W52/42 , H04W52/14 , H04W16/28 , H04B7/06
Abstract: 本发明公开了一种用于混合供能CF‑mMIMO系统的低能耗能源管理方法，包括：AP对用户作最小均方误差信道估计，得到估计的信道状态信息，并回传至CPU；根据汇总得到的估计信道状态信息，CPU设定阈值进行链路服务暂停与AP动态休眠；AP预测将会收集到的新能源能量与所需消耗的能量，并回传至CPU；根据预测的能量流与信息流，CPU控制AP动态调度能量；构建电网能耗优化问题，CPU求解优化问题，控制AP进行下行数据传输。本发明在满足用户通信可靠性和实时性需求的同时，降低了电网能耗，提高了新能源利用率。
-
公开(公告)号：CN113965937B
公开(公告)日：2024-02-13
申请号：CN202111254524.X
申请日：2021-10-27
Applicant: 东南大学
Abstract: 本发明公开了一种雾无线接入网中基于聚类联邦学习的内容流行度预测方法，该方法包括：根据雾接入点收集到的本地用户信息和内容信息，构造本地用户与内容的初始特征；根据初始特征与历史请求记录，为每个雾接入点建立本地用户请求内容概率的预测模型；利用聚类联邦学习对各雾接入点的预测模型进行分布式训练并实现模型参数的特殊化；根据内容信息，以移动用户的内容请求概率为预测目标，建立移动用户的偏好模型；对本地流行度和移动流行度的预测结果进行整合，得到内容流行度的最终预测结果。本发明使雾接入点准确预测并动态更新内容流行度，并通过模型特殊化，自适应地区分内容流行度的区域差异，同时减少了通信成本。
-
公开(公告)号：CN113923128B
公开(公告)日：2024-02-13
申请号：CN202111258088.3
申请日：2021-10-27
Applicant: 东南大学
Abstract: 本发明公开了一种雾无线接入网中基于联邦强化学习的智能编码缓存方法，该方法包括：1、云中心服务器构建全局预测模型并初始化，在雾接入点布置多个分布式学习代理并初始化其本地预测模型；2、系统观察全局状态；3、每个雾接入点观察本地状态；4、系统根据所实施的内容放置决策，使用多播编码传输方式满足各个网络边缘节点接收的请求；5、每个雾接入点根据本地请求情况计算理论时延和虚拟反馈，并存储本地学习经验；6、每个雾接入点使用本地学习记经验独立进行本地模型训练；7、每个雾接入点每隔若干时隙上传本地模型至云中心服务器进行全局模型更新。本发明可以减少系统前传负载，降低传输时延，保护用户隐私。
-
公开(公告)号：CN113993168B
公开(公告)日：2024-02-09
申请号：CN202111255936.5
申请日：2021-10-27
Applicant: 东南大学
IPC: H04W28/14 , H04L67/568 , H04L67/5682 , G06N3/006 , G06N20/00
Abstract: 本发明公开了一种雾无线接入网中基于多智能体强化学习的协作缓存方法，包括：根据缓存节点的区域文件流行度，初始化各节点的缓存状态向量、动作向量、历史缓存记录向量以及深度强化学习参数；根据用户请求文件，每个节点的学习模型做出缓存决策；每个节点根据缓存决策更新其历史缓存记录，并与邻近的节点进行通信；缓存节点根据当前的缓存状态和邻近节点状态，选择传输路径应答用户请求，并且计算用户需求的传输时延；根据传输延迟，缓存节点计算全局的价值函数，对自身学习和邻近节点的学习模型参数进行更新；在遍历所有缓存节点后，一个训练周期结束。本发明加强缓存节点之间的交互，进一步的降低用户需求时延。
-
Patent Agency Ranking
公开(公告)号：CN110519801B
公开(公告)日：2022-12-06
申请号：CN201910752845.9
申请日：2019-08-15
Applicant: 东南大学
Abstract: 本发明公开了一种雾无线接入网中基于贪婪算法的混合缓存内容部署方法，包括：步骤1：数据初始化：包括初始化不同缓存状态下的性能指标集合相应的文件缓存大小和缓存文件数步骤2：对于每种缓存状态，每次更新K大小的缓存空间，将本地已缓存文件替换为性能指标更优的文件，直到更新后无法改善网络平均性能指标为止，得到初步的缓存文件数步骤3：对步骤2得到的中的每个yi进行缓存大小范围内的增减，得到性能指标表现更优的步骤4：根据最终得到的进行内容部署，yi个文件按照对应的缓存状态缓存在雾无线接入点中。
-
公开(公告)号：CN113922926A
公开(公告)日：2022-01-11
申请号：CN202111255928.0
申请日：2021-10-27
Applicant: 东南大学
IPC: H04L1/00 , H04L67/1074 , H04L67/06 , H04W28/06
Abstract: 本发明公开了一种雾无线接入网中基于最大距离可分码的分组编码缓存方法，该方法包括：使用最大距离可分码将存储于数据库的每个文件编码并根据文件的流行度将文件划分为两组；每个雾接入点从第一个文件分组中的每个文件中随机选择相同大小的内容，下载到本地进行缓存，同时云服务器对每个雾接入点的缓存内容进行记录；每个雾接入点在接收到用户的文件请求后立刻向云服务器转发这一请求；根据请求文件是否属于第一个分组将雾接入点划分为两组，针对第一个雾接入点分组中的雾接入点，云服务器传输足够多的编码多播消息来满足其请求，针对第二个雾接入点分组中的雾接入点，云服务器分别向每个雾接入点传输一定大小的内容来满足其请求。
-
公开(公告)号：CN111314349B
公开(公告)日：2021-11-12
申请号：CN202010102392.8
申请日：2020-02-19
Applicant: 东南大学
Abstract: 本发明公开了一种雾无线接入网中基于联合最大距离可分码与簇协作的编码缓存方法，包括：(1)以用户为中心形成由多个雾接入点构成的簇满足该簇内用户的请求；(2)根据文件的流行度使用最大距离可分代码设计存储在云端以及每个雾接入点的缓存内容；(3)针对多个用户请求文件相同的情况，采用缓存布置阶段在云端额外存储的编码数据包以及一对簇内的缓存内容来形成两种多播消息；(4)针对多个用户请求不同文件的情况，使用一对簇内的缓存内容来创建多播消息。本发明充分利用了最大距离可分离码的属性，对于相同和不同的文件请求均可以创造可观的多播消息，减小系统的前传负载。
-
公开(公告)号：CN109873869B
公开(公告)日：2021-08-24
申请号：CN201910163764.5
申请日：2019-03-05
Applicant: 东南大学
Abstract: 本发明公开了一种雾无线接入网中基于强化学习的边缘缓存方法，包括：(1)根据全局文件流行度，初始化节点的本地缓存动作向量、系统状态，以及权重向量；(2)记录前一时隙的缓存动作向量；(3)在每个时隙结束时刻，根据贪婪选择算法以及近似值函数，得出新的缓存动作向量；(4)根据时隙内收集到的用户请求次数计算内容流行度，同时根据时隙内收集的用户偏好标记，结合文件特征标记，计算区域用户偏好，确定系统状态；(5)根据时隙内用户对各个文件的请求次数，计算缓存命中率，得到即时回报函数以及即时误差函数；(6)更新权重向量，进入下一时隙。
-
公开(公告)号：CN108184252B
公开(公告)日：2020-12-11
申请号：CN201711212642.8
申请日：2017-11-28
Applicant: 东南大学
Abstract: 本发明公开了一种雾无线接入网非同步请求编码缓存方法，该方法包括：(1)每个雾接入点从存储于云中心的每个文件中随机选择相同大小的内容，下载到本地进行缓存，同时云中心对每个雾接入点的缓存内容进行记录；(2)每个雾接入点在接收到用户的文件请求时，向云中心发出文件传输请求；(3)当雾接入点非同步请求的时间间隔大于最大请求时延约束时，云中心采用非同步编码传输方法向雾接入点传输请求的文件；(4)当雾接入点非同步请求的时间间隔小于等于最大请求时延约束时，云中心采用同步编码传输方法向雾接入点传输请求的文件。本发明可以减少前传负载，降低传输时延。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.024 seconds)
