一种海上边缘计算系统的延迟最小化方法

    公开(公告)号:CN118764913A

    公开(公告)日:2024-10-11

    申请号:CN202410793136.6

    申请日:2024-06-19

    Abstract: 本发明公开了一种海上边缘计算系统的延迟最小化方法,建立了基于高空平台和无人机的海上移动边缘计算系统模型,根据海上用户任务的执行方式,获取与所述海上用户任务的执行方式对应的总能耗和与所述海上用户任务的执行方式对应的总时延;进而建立以海上边缘计算系统的延迟最小为目标的目标函数,以获取基于高空平台和无人机的海上移动边缘计算系统的最小系统总延时。本发明为计算需求不同的海上用户提供卸载计算服务。将移动边缘计算和空基平台通信相结合。应用到海上计算资源不足场景中满足对密集型计算的需求。将高空平台和无人机相结合,具有更高的灵活性,能够通过按需部署进一步增强信道优势,还能够根据用户不同的计算需求选择不同的卸载策略,弥补无人机计算资源不足的问题。

    一种基于无人机辅助高空平台的安全通信优化方法

    公开(公告)号:CN117811640A

    公开(公告)日:2024-04-02

    申请号:CN202311852318.8

    申请日:2023-12-29

    Abstract: 本发明公开了一种基于无人机辅助高空平台的安全通信优化方法,S1:构建无人机辅助安全高空平台通信系统;S2:构建合法模型和干扰模型,以及保密速率模型;S3:基于无人机辅助安全高空平台通信系统以及所述保密速率模型制定问题P1,优化目标为最大化最小平均保密速率;S4:将问题P1转化为问题P3;S5:基于最优高空平台部署方案将问题P3拆分为若干个子问题,并采用松弛法和逐次凸逼近算法进行处理得到若干个凸优化问题;S6:对若干个所述凸优化问题进行求解,得到问题P1的近似最优解,从而得到安全通讯部署方案。本发明通过将物理层安全技术和高空平台通信相结合,可通过按需部署进一步增强合法信道优势,从而增强无线通信系统的安全性能。

    一种基于深度强化学习的空中移动边缘计算网络成本优化方法

    公开(公告)号:CN118870436A

    公开(公告)日:2024-10-29

    申请号:CN202410965981.7

    申请日:2024-07-18

    Abstract: 本发明公开了一种基于深度强化学习的空中移动边缘计算网络成本优化方法,S1:构建一体化高低空平台增强移动边缘计算系统,并采用螺旋放置算法放置UAV的位置;S2:构建信道模型和通信模型;S3:构建计算模型,构建联合MD带宽分配、MD‑UAV调度和UAV‑HAP调度的优化问题,并将所述优化问题转化为MDP问题;S4:基于深度强化学习算法求解所述MDP问题,最终得到一体化高低空平台增强移动边缘计算系统的动态带宽分配和任务卸载的智能决策策略,实现空中移动边缘计算网络的成本优化。本发明充分利用了UAV和HAP的协同优势,通过UAV和HAP的多层协同工作增强了网络的覆盖范围、灵活性和处理能力;不仅在技术上有重要创新,还在实际应用中展现了广阔的前景和巨大潜力,为多层空基网络辅助MEC的测试和应用提供了坚实的基础,使多层空基网络适应于各种实际场景。

    基于改进鲸鱼优化算法的认知无人机网络频谱分配方法

    公开(公告)号:CN118509856A

    公开(公告)日:2024-08-16

    申请号:CN202410700651.5

    申请日:2024-05-31

    Abstract: 本发明公开了一种基于改进鲸鱼优化算法的认知无人机网络频谱分配方法,包括:构建无人机模型执行通信交流和目标搜索任务;根据图论着色模型构建空闲矩阵、效益矩阵、干扰矩阵、无干扰矩阵,设备矩阵,组成无人机频谱分配模型,模型根据频谱分配规则和无人机优先级分配空闲信道并构建无人机模型网络效益的目标函数,得到优化问题;使用帐篷混沌策略、非线性收敛因子、莱维飞行策略和差分进化机制对鲸鱼优化算法进行改进并求解目标函数,使网络效益最大化;本发明保证优先级高的无人机优先接入空闲频谱,根据具体任务计算频谱收益,提高了有限频谱的利用率,最大化频谱收益,将改进的鲸鱼优化算法与频谱分配模型结合,得到更合理的频谱分配方案。

    基于C-NOMA的多无人机辅助移动边缘计算方法

    公开(公告)号:CN118574159A

    公开(公告)日:2024-08-30

    申请号:CN202410697334.2

    申请日:2024-05-31

    Abstract: 本发明公开了一种基于C‑NOMA的多无人机辅助移动边缘计算方法,包括:搭建多无人机辅助的移动边缘计算系统,构建通信模型和计算模型,提出在最小安全容量和最大计算资源约束下最小化系统总延时的优化问题,分解为优化卸载比例变量,优化无人机计算资源和优化用户发射功率三个问题;使用松弛变量法和连续凸逼近方法对用户发射功率进行优化,得到凸问题;使用块坐标下降法和连续凸逼近方法对三个子问题求解,得到最小的系统总延时。本发明能够提高网络中信息传输的隐私和安全问题;以系统中通信和计算总延迟最小化为目标,提出卸载比例变量、计算资源和分配用户发射功率的优化方案,在大规模接入用户提供卸载服务时提高计算速率。

    一种智能反射面辅助的上行NOMA无人机网络能效优化的方法

    公开(公告)号:CN117596616A

    公开(公告)日:2024-02-23

    申请号:CN202311668747.X

    申请日:2023-12-06

    Abstract: 本发明公开了一种智能反射面辅助的上行NOMA无人机网络能效优化的方法,针对多用户上行直接链路受阻场景,基于莱斯信道模型,创建基于考虑RIS辅助的上行链路NOMA‑UAV网络的能效优化模型;对能效优化模型进行分解,并分别对分解后的优化子模型进行求解;并基于块坐标下降法,根据所述优化子模型的优化函数的解交替优化能效优化模型,直至能效优化模型收敛;进而获取使所述能效优化模型达到最优解的方案,实现智能反射面辅助的上行NOMA无人机网络的最大能效。

Patent Agency Ranking