-
公开(公告)号：CN119364423A
公开(公告)日：2025-01-24
申请号：CN202411609681.1
申请日：2024-11-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度强化学习的空天地网络拥塞控制方法，包括获取目标空天地网络的数据信息；设定优化目标并进行建模；对决策过程的状态空间、动作空间和奖励函数进行设置；构建决策过程的状态预测模块、奖励再分配模块和优化策略模块；根据构建的模块进行基于深度强化学习的空天地网络的拥塞控制。本发明通过获取多个目标空天地网络的数据信息的数据信息，并基于状态空间、动作空间和奖励函数的设置，以及状态预测、奖励再分配和优化策略的实现，不仅实现了基于深度强化学习的空天地网络的拥塞控制，而且可靠性更高，精确性更好，效果也更好。
-
公开(公告)号：CN111464221A
公开(公告)日：2020-07-28
申请号：CN202010441463.7
申请日：2020-05-22
Applicant: 中南大学
Abstract: 本发明公开了一种毫米波蜂窝网下基于BFT的无线接入方法，采用三层BFT机制，实现MBS与周围SBSs的BFT、每个SBS与其周围APs的BFT，以及每个AP与其周围UEs的BFT。本发明还公开了一种包括所述毫米波蜂窝网下基于BFT的无线接入方法的通信方法。本发明可以降低BFT过程中汇总节点的工作负载，可以降低BFT过程中的通信代价，使得BFT机制可以适应通信网络规模的增长；可以调整通信网络中节点的波束方向、波束宽度以及节点传输功率，降低通信过程中的节点间干扰；可以提升整体网络吐吞量，并尽可能降低通信网络中的能耗；最后，本发明方法可以显著提升通信网络中单条链路的平均能效值与平均吞吐量。
-
公开(公告)号：CN105142195B
公开(公告)日：2019-04-09
申请号：CN201510442896.3
申请日：2015-07-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于Stackelberg博弈的无线终端通信策略选择与资源分配方法，基于Stackelberg博弈模型设计一个三方协作的资源分配方案。其中，基站能够为请求者确定其授权频段的初步划分以及确定所有参与通信协作的中继站的功率分配份额，而请求者和中继站则可在数据传输期间根据反馈的信息分别对初始分配带宽值和发射功率值进行动态调整。因而，能够进一步提高无线资源的利用率，且能显著改善源‑目的节点相距较远情况下的中继通信性能、降低网络整体能耗、提高系统接入容量，有利于优化无线资源配置并提升网络整体性能。
-
公开(公告)号：CN105245358B
公开(公告)日：2018-08-14
申请号：CN201510541493.4
申请日：2015-08-30
Applicant: 中南大学
IPC: H04L12/24
Abstract: 本发明提出一种基于马尔可夫模型的智能电网MAC层多业务性能分析方法。该方法主要包括三个步骤：首先基于IEEE802.11s在MAC层实现的EDCA机制，提出一种新的三维马尔可夫模型分析智能电网不同优先级业务流的状态，该模型包括了非饱和状态到饱和状态的整个过程；其次，在多跳无线Mesh网络中，隐藏终端对节点带来的干扰会大大降低节点上不同优先级业务争用信道的性能，因此根据提出的马尔科夫模型，综合考虑隐藏终端和智能电网不同业务流的QoS需求，分析不同业务流在EDCA机制中的退避过程；最后，结合不同业务流的退避过程，分析了不同业务流的平均吞吐量、平均端到端时延等MAC层性能。本发明的方法为设计满足智能电网不同QoS需求的无线Mesh网络提供理论指导。
-
公开(公告)号：CN106028416A
公开(公告)日：2016-10-12
申请号：CN201610287272.3
申请日：2016-05-03
Applicant: 中南大学
CPC classification number: Y02D70/00 , H04W40/10 , H04W40/246 , H04W52/241 , H04W52/242 , H04W52/343 , H04W84/18
Abstract: 本发明公开了一种成簇范围与簇间通信模式双自适应的改进成簇方法，每个簇至多由三个簇头，即主簇头MCH、从簇头SCH、融合簇头FCH负责管理，其中，FCH负责簇内数据汇聚与融合，MCH和SCH组成协同通信节点对负责簇间通信，SCH根据簇间通信环境决定是否参与簇间通信；成簇方法包括簇形成、簇内发射功率调整及簇间发射功率调整与通信模式选择。本发明能够有效降低剩余能量值很大但最大通信覆盖范围很小的节点成为簇头的概率，并能根据网络中节点最大通信覆盖范围分布的变化而自适应地调整成簇范围，从而确保簇间总能连通；通过引入一个FCH来分担簇内MCH的负载，以略微增加的簇形成控制开销取得了簇结构寿命的较大提升。
-
Patent Agency Ranking
公开(公告)号：CN118804005B
公开(公告)日：2025-04-01
申请号：CN202410953872.3
申请日：2024-07-17
Applicant: 中南大学
IPC: H04W24/06 , H04W72/044 , H04W72/52 , H04W72/50 , H04W72/543 , H04B17/336 , H04B17/382 , H04B17/391 , H04L5/14
Abstract: 本发明公开了一种多跳IAB网络中动态TDD模式下的异构资源分配方法，包括获取目标多跳IAB网络的数据信息；建立目标多跳IAB网络的网络架构；建立无线信号传播模型、功率离散化模型、帧结构模型和端到端服务质量模型；构建异构资源分配模型并求解完成多跳IAB网络中动态TDD模式下的异构资源分配。本发明考虑了多跳IAB网络场景中所有可能的链路干扰源，且全面地考虑了宏基站、小基站与终端用户的发射功率调节，能够满足通信链路吞吐量约束与频谱能量效率约束下提升网络吞吐量；因此本发明的可靠性高、精确性好，整体效率更高。
-
公开(公告)号：CN118900451B
公开(公告)日：2024-12-10
申请号：CN202411403245.9
申请日：2024-10-09
Applicant: 中南大学
Abstract: 本发明提供了一种蜂窝边缘计算环境下的设备节能方法，构建包括宏基站的边缘计算网络，宏基站的覆盖区域内包括多个用户终端以及部署有边缘服务器和多个射频单元的小基站，每个用户终端均通过射频单元与小基站中的任一射频单元连接；构建功耗最小化问题模型和约束条件；将功耗最小化问题模型描述为分布式部分可观察马尔可夫决策过程；将分布式部分可观察马尔可夫决策过程中的状态空间中的所有局部状态均输入训练后的决策功耗分配模型进行决策分配，得到小基站中各设备的开关状态及功耗；在满足了用户体验质量要求的同时，动态地调控小基站中各射频单元、边缘服务器的开关状态和功耗，从而最大程度地降低了设备的总能耗。
-
公开(公告)号：CN118708332A
公开(公告)日：2024-09-27
申请号：CN202410714506.2
申请日：2024-06-04
Applicant: 中南大学
IPC: G06F9/50
Abstract: 本申请适用于云计算技术领域，提供了一种云游戏系统的资源优化方法、装置、终端设备及介质，该方法包括获取用户终端发送的任务请求；根据CPU数量需求和带宽需求，将游戏画面渲染指令分配给边缘服务器，计算任务请求的游戏延迟、游戏视频画质评分、边缘计算网络的网络负载以及边缘计算网络的计算负载；计算边缘计算网络的网络资源分配差异，并根据计算负载，计算边缘计算网络的计算资源分配差异；基于深度强化学习模型，以游戏延迟最低、网络资源分配差异最小以及计算资源分配差异最小为优化目标，构建资源优化模型；根据资源优化模型，对云游戏系统的资源进行优化。本申请可以解决云游戏宽带消耗大、延时高以及画质不稳定的问题。
-
公开(公告)号：CN118175158A
公开(公告)日：2024-06-11
申请号：CN202410279692.1
申请日：2024-03-12
Applicant: 中南大学
IPC: H04L67/10 , H04L41/16 , H04L67/1008 , G06F18/2413 , G06N3/0464 , G06N3/092
Abstract: 本公开实施例中提供了一种跨本地边缘和云资源的多层协作任务卸载优化方法，属于数据处理技术领域，具体包括：步骤1，在目标任务产生后使用深度强化学习判断目标任务卸载的目标层次；步骤2，当目标任务卸载到目标层次后使用KNN算法在选择的层次中最合适的目标设备执行任务；步骤3，当目标任务被卸载到目标设备后使用模糊推理对任务队列中目标任务的运行状态进行分类，得到最优执行次序。通过本公开的方案，提升了卸载效率和资源利用率，为解决物联网及大规模分布式计算环境下复杂任务卸载问题提供了新的解决方案和技术手段。
-
公开(公告)号：CN117522989A
公开(公告)日：2024-02-06
申请号：CN202311711567.5
申请日：2023-12-13
Applicant: 中南大学
Abstract: 本申请涉及数据处理技术领域，提供了一种协同感知方法、装置、设备及介质。该协同感知方法包括：获取多个智能体的传感器数据；基于智能体的传感器数据构建多个候选区域，并从所有智能体的所有候选区域中获取智能体的至少一个前景区域；获取每个前景区域的多个兴趣点和多个关键点，并将每个前景区域划分为多个网格区域，将网格区域的中心点作为网格区域的特权点；基于每个前景区域中的所有关键点的坐标和兴趣点的坐标，获取前景区域中每个特权点的几何特征；基于特权点的坐标和前景区域中每个关键点的坐标，获取特权点的偏移特征；基于所有特权点的几何特征和偏移特征，获取协同感知结果。本申请的协同感知方法能够提高协同感知结果的精确度。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.021 seconds)
