-
公开(公告)号：CN109219101B
公开(公告)日：2021-09-10
申请号：CN201811108509.2
申请日：2018-09-21
Applicant: 南京理工大学
IPC: H04W40/04 , H04W40/12 , H04W40/22 , H04B13/00 , H04B17/391
Abstract: 本发明公开了一种无线体域网中基于二次移动平均预测法的路由建立方法。方法步骤为：首先确定无线体域网的基本网络架构，采集传感器节点与sink节点之间的链路质量数据，获取各个传感器节点与sink节点之间的链路质量曲线；然后初始化链路质量信息矩阵和中继节点信息矩阵，依次选取链路质量矩阵中的传感器节点作为起始节点，判断其与sink节点之间的链路质量是否达到预设值，如果是，则将该起始节点经过一跳直接连接到sink节点，完成数据传输；否则选取该时刻链路质量最高的传感器节点作为中继节点，将该起始节点经过两跳连接到sink节点，完成数据传输；重复以上过程，直到数据传输全部完成。本发明提高了无线体域网中数据传输的安全性、能效性和可靠性。
-
公开(公告)号：CN110730486B
公开(公告)日：2022-10-14
申请号：CN201910846122.5
申请日：2019-09-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于Q‑Learning算法获取无线体域网最优路径的方法，属于无线传感器网络控制领域，该方法包括以下步骤：初始化无线体域网参数；设定Q‑Learning算法中学习率α和折扣因子γ的值；构建评价矩阵用于寻找最优路径，并利用初始化的无线体域网参数求取评价矩阵的初始值，之后在路径选择过程中不断更新评价矩阵，并利用Q‑Learning算法不断学习Q矩阵；根据学习后的Q矩阵获取发送节点到目标节点的最优路径。本发明方法可以显著有效延长WBAN网络节点生存周期，能提高无线体域网更精确快捷地服务人类生活的能力，可以被广泛应用于医疗监测、疾病防控等无线体域网实际应用场景。
-
公开(公告)号：CN111465031A
公开(公告)日：2020-07-28
申请号：CN202010221489.0
申请日：2020-03-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种无线体域网中基于DQN算法的动态节点调度方法。该方法包括以下步骤：确立无线体域网的网络架构；建立节点之间的马尔科夫信道模型，进行无线通信信道质量的数据采集并计算模型参数；将节点调度问题转化为马尔科夫决策问题，并采用基于深度强化学习的DQN算法进行训练，获得收敛的决策网络；利用决策网络进行节点调度：每个时刻根据节点的信道和缓存区数据长度决定接入信道的节点及其发送功率。本发明方法在保证无线体域网数据传输的可靠性和公平性的基础上，提高了节点调度的能效性，延长了网络的生存周期，可以被广泛应用于医疗监测、疾病防控等体域网实际应用场景。
-
Patent Agency Ranking
公开(公告)号：CN110730486A
公开(公告)日：2020-01-24
申请号：CN201910846122.5
申请日：2019-09-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于Q-Learning算法获取无线体域网最优路径的方法，属于无线传感器网络控制领域，该方法包括以下步骤：初始化无线体域网参数；设定Q-Learning算法中学习率α和折扣因子γ的值；构建评价矩阵用于寻找最优路径，并利用初始化的无线体域网参数求取评价矩阵的初始值，之后在路径选择过程中不断更新评价矩阵，并利用Q-Learning算法不断学习Q矩阵；根据学习后的Q矩阵获取发送节点到目标节点的最优路径。本发明方法可以显著有效延长WBAN网络节点生存周期，能提高无线体域网更精确快捷地服务人类生活的能力，可以被广泛应用于医疗监测、疾病防控等无线体域网实际应用场景。
-
公开(公告)号：CN111465032B
公开(公告)日：2023-04-21
申请号：CN202010221507.5
申请日：2020-03-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种多无线体域网环境中基于A3C算法的任务卸载方法及系统。该方法包括以下步骤：确定多无线体域网的网络架构，初始化网络参数；利用采样的生理数据训练任务分类器，得到稳定的分类器模型；对于网络资源分配问题采用基于深度强化学习的A3C算法进行训练，得到收敛的决策网络；根据得到的模型进行任务卸载：每个时刻首先利用分类器模型进行任务分类，再根据决策网络进行用户信道接入和边缘服务器计算资源分配。本发明方法提高了多无线体域网任务卸载的时延和能耗性能，可被广泛应用于远程医疗、健康监测等体域网实际应用场景。
-
公开(公告)号：CN111465031B
公开(公告)日：2022-10-14
申请号：CN202010221489.0
申请日：2020-03-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种无线体域网中基于DQN算法的动态节点调度方法。该方法包括以下步骤：确立无线体域网的网络架构；建立节点之间的马尔科夫信道模型，进行无线通信信道质量的数据采集并计算模型参数；将节点调度问题转化为马尔科夫决策问题，并采用基于深度强化学习的DQN算法进行训练，获得收敛的决策网络；利用决策网络进行节点调度：每个时刻根据节点的信道和缓存区数据长度决定接入信道的节点及其发送功率。本发明方法在保证无线体域网数据传输的可靠性和公平性的基础上，提高了节点调度的能效性，延长了网络的生存周期，可以被广泛应用于医疗监测、疾病防控等体域网实际应用场景。
-
公开(公告)号：CN111465032A
公开(公告)日：2020-07-28
申请号：CN202010221507.5
申请日：2020-03-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种多无线体域网环境中基于A3C算法的任务卸载方法及系统。该方法包括以下步骤：确定多无线体域网的网络架构，初始化网络参数；利用采样的生理数据训练任务分类器，得到稳定的分类器模型；对于网络资源分配问题采用基于深度强化学习的A3C算法进行训练，得到收敛的决策网络；根据得到的模型进行任务卸载：每个时刻首先利用分类器模型进行任务分类，再根据决策网络进行用户信道接入和边缘服务器计算资源分配。本发明方法提高了多无线体域网任务卸载的时延和能耗性能，可被广泛应用于远程医疗、健康监测等体域网实际应用场景。
-
公开(公告)号：CN109219101A
公开(公告)日：2019-01-15
申请号：CN201811108509.2
申请日：2018-09-21
Applicant: 南京理工大学
IPC: H04W40/04 , H04W40/12 , H04W40/22 , H04B13/00 , H04B17/391
Abstract: 本发明公开了一种无线体域网中基于二次移动平均预测法的路由建立方法。方法步骤为：首先确定无线体域网的基本网络架构，采集传感器节点与sink节点之间的链路质量数据，获取各个传感器节点与sink节点之间的链路质量曲线；然后初始化链路质量信息矩阵和中继节点信息矩阵，依次选取链路质量矩阵中的传感器节点作为起始节点，判断其与sink节点之间的链路质量是否达到预设值，如果是，则将该起始节点经过一跳直接连接到sink节点，完成数据传输；否则选取该时刻链路质量最高的传感器节点作为中继节点，将该起始节点经过两跳连接到sink节点，完成数据传输；重复以上过程，直到数据传输全部完成。本发明提高了无线体域网中数据传输的安全性、能效性和可靠性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
