一种针对多无人机停泊的定位方法

    公开(公告)号:CN112954600B

    公开(公告)日:2022-10-25

    申请号:CN202110373363.X

    申请日:2021-04-07

    Applicant: 中南大学

    Inventor: 邓晓衡 胡意祥

    Abstract: 本发明公开了一种针对多无人机停泊的定位方法,包括无人机采用定位技术导航至停泊平台的设定范围内;无人机在停泊平台的设定范围内后采用UWB定位技术完成粗定位;无人机定位至停泊平台上方;无人机通过精确定位停泊至停泊平台。本发明提供的这种多无人机停泊的定位方法,通过采用UWB技术和二维码融合定位,可以实现无人机的精确降落到停泊平台;通过巧妙设置UWB定位基站的信号发送顺序和发送时间间隔,免去了UWB定位基站间的时间同步以及标签和基站的时间同步,不需要额外通过有线连接以及额外布置系统控制器,降低了设备的安装成本,同时还可以实现多个标签同时定位;因此本发明可靠性高、精确度好且能够实现多台无人机同时停泊。

    融合推荐系统的边缘计算任务分配方法

    公开(公告)号:CN112749010A

    公开(公告)日:2021-05-04

    申请号:CN202011617690.7

    申请日:2020-12-31

    Applicant: 中南大学

    Inventor: 王磊磊 邓晓衡

    Abstract: 本发明提供了一种融合推荐系统的边缘计算任务分配方法,包括:步骤1,将云端模块、边缘服务器模块和移动端相互建立连接构建云‑边‑端融合推荐系统;步骤2,任务发送者向云‑边‑端融合推荐系统发送任务请求;步骤3,云‑边‑端融合推荐系统接受到任务发送者发送的任务请求,边缘服务器模块根据部署在路侧设施上的多个根据需求进行启动执行任务的边缘服务器的位置信息、计算能力构建边缘服务器数据库。本发明将缓存的边缘服务器与推荐的边缘服务器相结合设计,推荐命中率高,并证明了推荐命中率问题是一个单调子模函数和NP‑hard问题,提高了计算机资源利用率,降低了时间消耗。

    蜂窝下行通信能效优化方法

    公开(公告)号:CN107333319B

    公开(公告)日:2021-04-20

    申请号:CN201710638300.6

    申请日:2017-07-31

    Applicant: 中南大学

    Abstract: 本发明公开了一种蜂窝下行通信能效优化方法,包括基站辅助决策的步骤和接收点独立决策的步骤;基站辅助决策的步骤包括启动中继预选,验证预选中继和启动与结束D2D链路发射功率调节过程;接收节点独立决策的步骤包括D2D中继预选决策,D2D链路发射功率的折半调节和D2D链路发射功率逐步递减调节。本发明为接收节点特别是处于蜂窝边缘的接收节点提供了选择至多2个中继节点以辅助其接收蜂窝下行数据,提升了蜂窝下行通信的能量效率,能够将通信代价和计算开销在各个接收节点与基站之间进行合理分担,能够加快每个接收节点对自己所选中继节点进行发射功率调节的收敛速率。

    一种边缘计算网络中基于用户体验的任务卸载方法

    公开(公告)号:CN109240818B

    公开(公告)日:2021-01-15

    申请号:CN201811025115.0

    申请日:2018-09-04

    Applicant: 中南大学

    Abstract: 本发明公开了一种边缘计算网络中基于用户体验的任务卸载方法,所述方法包括:调度器接收用户提交的任务卸载请求,基于时间能量开销联合优化建立任务卸载策略模型,基于线性重构的分支定界算法对所述模型进行求解计算;根据计算结果对任务是否卸载至边缘服务器进行决策,并且对卸载至边缘服务器上的任务进行通信和计算资源的分配。本发明联合优化时延和能量消耗两个关键指标,基于线性重构技术的分支定界算法对问题进行求解,能够在保证任务完成的情况下减少移动智能设备的能量消耗,降低任务处理时延,达到最大限度优化用户体验的目的。

    边缘计算网络视频处理中基于声誉的信任评估方法

    公开(公告)号:CN109918894B

    公开(公告)日:2020-11-27

    申请号:CN201910154417.6

    申请日:2019-03-01

    Applicant: 中南大学

    Abstract: 本发明公开了一种边缘计算网络视频处理中基于声誉的信任评估方法,步骤1:对身份信任建模;步骤2:对能力信任建模;步骤3:对行为信任建模;步骤4:根据建立的模型,在交互完成后任务请求节点根据交互结果向边缘服务器提交评价,边缘服务器根据评价结果计算更新存储服务提供节点声誉值,并将更新后的结果通知服务提供节点。提供一种基于声誉的信任评估机制,通过身份信任、能力信任、行为信任三重信任机制的边缘节点筛选,确保身份合格、有能力、行为可靠的边缘节点加入网络系统进行服务交互,以及信任信息的共享,实现局部声誉值和全局声誉值的评估,确保安全、可靠、高效率的资源共享与管理,满足用户的高质量体验以及可信安全的需求。

    智能电网中具有节能和服务质量保证的SDN路由布置方法

    公开(公告)号:CN111555978A

    公开(公告)日:2020-08-18

    申请号:CN202010332304.3

    申请日:2020-04-24

    Applicant: 中南大学

    Abstract: 本发明提供了一种智能电网中具有节能和服务质量保证的SDN路由布置方法,包括:定期收集网络统计信息,所述网络统计信息包括链路延迟到与每个接入节点路由器关联的客户端的数量;根据所述网络统计信息中的接入节点的已发送和已接收业务量计算能耗;将由建模为整数线性规划,计算有关端到端延迟和能耗的最小成本路径;利用蚁群算法得到最同时考虑能耗和服务质量的最小成本路径。本发明在智能电网中引入SDN架构,考虑基于SDN的智能电网的能耗和对用户的服务质量保证问题,且控制器会定期收集网络统计信息,范围从链路延迟到与每个接入节点路由器关联的客户端的数量。

    一种基于centernet的anchor-based目标检测方法

    公开(公告)号:CN111553348A

    公开(公告)日:2020-08-18

    申请号:CN202010340219.1

    申请日:2020-04-26

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于centernet的anchor-based目标检测方法。方法以关键点检测为基础,针对检测到的关键点通过anchor回归图像中目标的大小。以关键点确定目标位置的方式减少了anchor之间的互相干扰,并以此为基础减少传统anchor-based算法中非极大值抑制的算法复杂度。和传统单阶段anchor-based目标检测算法的不同之处在于本发明是以关键点检测为基础,非极大值抑制作用的对象是检测到的关键点所对应的预测框,两者相比,本发明提出的方法大大减少了非极大值抑制的计算量和设置超参数阈值的步骤,省去了调节模型的工作量。

    基于边缘缓存的任务卸载与资源优化的方法

    公开(公告)号:CN111552564A

    公开(公告)日:2020-08-18

    申请号:CN202010326117.4

    申请日:2020-04-23

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于边缘缓存的任务卸载与资源优化的方法,包括:步骤1,收集用户节点的定位与任务请求信息;步骤2,对用户节点的定位与任务请求信息进行相似度矩阵的计算与聚类;步骤3,根据相似度矩阵的计算与聚类的结果构建任务流行度列表;步骤4,根据任务流行度列表对每个类中的Cloudlet执行流行任务计算结果的缓存。本发明通过主动边缘缓存计算结果来研究边缘网络中的超可靠和低延迟的通信问题,通过允许用户节点UN根据对冲请求的概念将其计算任务卸载到多个边缘计算节点来确保可靠性,通过联合任务卸载以及对流行的可缓存任务计算结果的主动缓存,可以利用Cloudlet的计算和存储资源来最大程度地减少计算延迟。

    基于注意力机制的点击率预测方法

    公开(公告)号:CN111538761A

    公开(公告)日:2020-08-14

    申请号:CN202010317646.8

    申请日:2020-04-21

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于注意力机制的点击率预测方法,包括:步骤1,对用户的特征进行预处理,将同一类用户特征进行One-hot独热编码,得到一个高维度的稀疏特征向量;步骤2,将高维度的稀疏特征向量通过嵌入向量对特征向量进行降维,将降维后的特征向量作为点击率模型的输入向量分别带入到压缩交互网络和深度神经网络之中;步骤3,将输入的初始特征向量与每一个隐藏层的输入向量进行哈达玛积,将得到的结果作为下一个隐藏层输入值,每多一个隐藏层,特征之间的组合就上升一个维度。本发明综合考虑了用户的低维特征、显式高维特征和隐式高维特征,并通过自注意力机制筛选有用的特征组合,提高预测效率,不需要人工提取特征,可以提取高维度的特征组合。

    基于短视频多模态特征的短视频推荐模型

    公开(公告)号:CN111523575A

    公开(公告)日:2020-08-11

    申请号:CN202010284993.5

    申请日:2020-04-13

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于短视频多模态特征的短视频推荐模型,包括:步骤1,对短视频标题特征,使用TF‑IDF方法进行特征提取,使用PCA降维算法将短视频标题特征向量维度降维到k维;步骤2,提取短视频内容的128维原始特征,使用PCA降维算法将短视频内容特征向量维度降维到k维;步骤3,提取短视频背景音乐的128维原始特征,使用PCA降维算法将短视频背景音乐特征向量维度降维到k维。本发明考虑到不同模态的特征数据对用户产生的用户行为的影响效果是不同的,并利用隐马尔可夫模型去学习短视频的不同模态数据对于用户的影响比重,基于影响比重将短视频的多模态特征映射到统一向量空间进行融合,获得用多模态数据特征表示的短视频特征数据。

Patent Agency Ranking