-
-
公开(公告)号：CN114553273B
公开(公告)日：2023-05-23
申请号：CN202210182779.8
申请日：2022-02-25
Applicant: 广州大学
IPC: H04B7/0413 , H04B7/0456 , H04B17/309 , H04B17/391
Abstract: 一种面向大规模MIMO最优信号检测的有效搜索方法，包括：利用正交三角法对信道状态信息矩阵进行分解，构造一个决策树；使用A*算法的启发式函数在决策树上搜索成本最低的路径；构建基于深度学习的搜索策略，估计最优启发式，加速搜索启发式函数的搜索效率；对搜索策略的计算复杂度进行评估，将计算复杂度最低的搜索策略作为最终搜索策略；本申请提出的算法在大规模MIMO系统中能达到最优误码率(BER)性能，使得内存大小有界。同时，本发明提出的算法访问的树节点最少，从而显著提高系统信号检测性能。并且提出的算法在实际场景中达到了最优效率。
-
公开(公告)号：CN114167351A
公开(公告)日：2022-03-11
申请号：CN202111467972.8
申请日：2021-12-03
Applicant: 广州大学
Inventor： 周发升
Abstract: 一种无人机辅助定位部署方法、系统、介质及终端设备，其方法包括：设定用户移动的圆形区域，设定N架无人机作为定位锚点，构建辅助定位系统；设定圆形区域的中心为原点，构建用户接收的无人机信号强度函数；根据无人机信号强度函数计算用户位置估计的均方误差，并将均方误差最小的模型作为锚点的部署模型，本申请通过预先设定定位系统，通过计算用户位置估计的均方误差，得到最小均方误差，从而得到最好的部署方案。
-
公开(公告)号：CN114167351B
公开(公告)日：2024-06-21
申请号：CN202111467972.8
申请日：2021-12-03
Applicant: 广州大学
Inventor： 周发升
Abstract: 一种无人机辅助定位部署方法、系统、介质及终端设备，其方法包括：设定用户移动的圆形区域，设定N架无人机作为定位锚点，构建辅助定位系统；设定圆形区域的中心为原点，构建用户接收的无人机信号强度函数；根据无人机信号强度函数计算用户位置估计的均方误差，并将均方误差最小的模型作为锚点的部署模型，本申请通过预先设定定位系统，通过计算用户位置估计的均方误差，得到最小均方误差，从而得到最好的部署方案。
-
公开(公告)号：CN113504987B
公开(公告)日：2023-08-18
申请号：CN202110734175.5
申请日：2021-06-30
Applicant: 广州大学
Abstract: 本发明公开了基于迁移学习的移动边缘计算任务卸载方法及装置，方法包括：将边缘服务器作为代理获取当前移动边缘计算网络的用户信息与环境信息；对所述移动边缘计算网络的任务卸载问题进行建模，得到移动边缘计算系统的优化目标函数；通过马尔科夫决策过程对所述移动边缘计算系统进行表示；通过深度强化学习算法确定所述移动边缘计算系统的最优任务卸载策略；对于动态变换的所述环境信息，通过迁移学习算法对所述移动边缘计算系统的任务卸载问题进行求解，确定最优任务卸载策略。本发明能够实现更好的资源分配，有效降低边缘计算的时延与能耗并能更快得出卸载策略，提高了效率且安全性高，可广泛应用于边缘计算技术领域。
-
Patent Agency Ranking
公开(公告)号：CN113504987A
公开(公告)日：2021-10-15
申请号：CN202110734175.5
申请日：2021-06-30
Applicant: 广州大学
Abstract: 本发明公开了基于迁移学习的移动边缘计算任务卸载方法及装置，方法包括：将边缘服务器作为代理获取当前移动边缘计算网络的用户信息与环境信息；对所述移动边缘计算网络的任务卸载问题进行建模，得到移动边缘计算系统的优化目标函数；通过马尔科夫决策过程对所述移动边缘计算系统进行表示；通过深度强化学习算法确定所述移动边缘计算系统的最优任务卸载策略；对于动态变换的所述环境信息，通过迁移学习算法对所述移动边缘计算系统的任务卸载问题进行求解，确定最优任务卸载策略。本发明能够实现更好的资源分配，有效降低边缘计算的时延与能耗并能更快得出卸载策略，提高了效率且安全性高，可广泛应用于边缘计算技术领域。
-
公开(公告)号：CN108011836A
公开(公告)日：2018-05-08
申请号：CN201711172590.6
申请日：2017-11-21
Applicant: 广州大学
IPC: H04L12/801 , H04L12/869 , H04L29/08
Abstract: 本发明公开了一种基于二级缓存的传输方法，包括以下步骤：接收用户发送的文件请求指令；根据所述文件请求指令获取预请求的文件；当所述预请求的文件为第一类文件时，通过中继站向所述用户传输所述预请求的文件；其中，所述第一类文件为存储在所有中继站中的请求频率高于频率阈值的流行文件；当所述预请求的文件为第二类文件时，获取存在所述预请求文件的中继站，并通过所述存在预请求的文件的中继站向用户传输所述预请求的文件；其中，所述第二类文件为存储在部分中继站中的请求频率低于频率阈值的次流行文件。本发明还公开了一种基于二级缓存的传输装置、终端设备及存储介质，增强整体的数据吞吐量，优化系统性能。
-
公开(公告)号：CN118131127A
公开(公告)日：2024-06-04
申请号：CN202410177083.5
申请日：2024-02-08
Applicant: 广州大学
Abstract: 本说明书实施例提供了一种通过重构无线路径损耗指数来提高目标感知精度的方法，包括：根据定位参考点与通信覆盖区域内的用户之间的高度差确定定位参考点部署位置，计算各定位参考点与各用户的实际信号传播距离d；根据实际信号传播距离d计算直射链路信号和反射链路信号之间的相位差Δd，通过设计RIS波束成形向量θ，放大RIS的接收功率增加路径损耗指数。本发明利用智能反射面(RIS)或有源天线等辅助设备，实现了基于信号接收信号强度的增强定位感知方法，通过设计RIS波束形成的波束向量和放大功率，等效提高路径损耗指数，从而有效地获得更准确的感知性能；通过设计基站(参考点)的部署位置，减少了平均感知误差。
-
公开(公告)号：CN115002212B
公开(公告)日：2024-02-27
申请号：CN202210381843.5
申请日：2022-04-12
Applicant: 广州大学
IPC: H04L67/568 , H04L67/10 , H04L41/50
Abstract: 本说明书实施例提供了一种基于交叉熵优化算法的联合缓存和卸载方法及系统，其中，方法包括：S1.边缘服务器ES接收用户发送的计算任务请求，根据卸载策略和缓存策略，通过不同的计算方式计算用户所发出的任务计算请求时产生的时延和能耗；S2.通过计算各计算方式对所述任务进行计算产生的时延和能耗以及用户的总能耗和时延，计算边缘服务器ES的利润及用户的体验质量QoE；S3.以满足用户的QoE的情况下ES的利润最大为目标建立目标函数，采用交叉熵优化算法优化所述卸载策略和缓存策略，经过K轮迭代计算出ES利润的最大值，得到最优的缓存策略和卸载策略。
-
公开(公告)号：CN115567402A
公开(公告)日：2023-01-03
申请号：CN202211194168.1
申请日：2022-09-28
Applicant: 广州大学
IPC: H04L41/14 , G06F30/18 , G06F30/27 , G06F119/02
Abstract: 本发明涉及无线通信、移动通信领域，且公开了通信场景中边缘缓存策略学习方法，包括下述步骤：第一步：建立无线通信系统模型；第二步：建立缓存模型；第三步：依据环境得到反馈并优化策略进而得到目标优化的算法，包含状态、动作以及反馈；第四步：状态、动作、值函数通过蒙特卡罗训练样本获得和更新，最终学到一个最优的缓存决策网络，该通信场景中边缘缓存策略学习方法，在考虑文件流行度未知的情况下分别探讨如何利用DQN算法让文件流行度高的文件通过信道频谱效率大和信道误码率低的信道。从而使信号传输的平均误码率最小以及平均频谱效率最大。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.016 seconds)
