-
公开(公告)号：CN103347250A
公开(公告)日：2013-10-09
申请号：CN201310302843.2
申请日：2013-07-18
Applicant: 重庆邮电大学
Abstract: 一种动态调整多媒体广播单频网区域的方法，涉及通信技术领域，它根据有无MBMS用户分布，将小区分成有MBMS用户的单频网中心小区α、有MBMS用户的单频网边缘区域β和没有MBMS用户的单频网边缘小区γ；依次比较有MBMS用户的单频网边缘区域小区中MBMS用户数，大于门限值则开启此小区的单频网传输模式，否则将该目标小区列为没有MBMS用户的小区集，其中的MBMS用户该小区可选择性的用PTP或者用MBSFN承载来提供MBMS业务；依次检验边缘没有MBMS用户小区对整个单频网的贡献度。通过用户分布及贡献度，使得能够更加合理的动态调整MBSFN区域，避免不必要地保留小区资源的同时也提高了无线频谱利用率。
-
公开(公告)号：CN103260146A
公开(公告)日：2013-08-21
申请号：CN201310215641.4
申请日：2013-06-03
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种TD-LTE公众集群系统中的标识管理方法，将公网普通用户与集群用户用随机接入过程中临时小区网络标识TC-RNTI和RRC状态下的网络标识C-RNTI区分开，用户进行非RRC连接情况下进行随机接入时，根据网络中用户发起接入所用的资源不同，分配普通用户标识和集群用户标识；当用户成功完成RRC连接或切换后，用户进行集群业务的申请或进行单播传输，基站根据网络中在线集群用户的小区标识号实现单播通信或者对用户类型进行有效的识别，从而成功的正确的完成集群用户发起的集群业务要求，且拒绝非集群用户的集群业务申请，保证了集群通信的安全可靠性。本发明可应用于TD-LTE基于公众通信网的集群技术领域中。
-
公开(公告)号：CN119382762A
公开(公告)日：2025-01-28
申请号：CN202411379413.5
申请日：2024-09-30
Applicant: 重庆邮电大学
IPC: H04B7/185 , H04L67/1008 , H04L67/101 , G06F9/445 , G06F9/50
Abstract: 本发明请求保护一种星地融合端边云协同的计算卸载方法，属于无线通信技术领域。针对地面处理时延大、卫星处理能力有限导致任务完成时延高的问题，通过将边缘计算上星提出一种端边云协同的计算卸载方法。在任务建模阶段，结合链表和有向无环图对拆分后的计算子任务依赖关系进行建模，生成的任务模型可有效降低任务处理时延。在计算卸载阶段，根据节点卸载策略和链路传输速率定义任务完成时延，采用完全卸载策略计算生成基于任务可卸载节点的时延列表；在卫星剩余覆盖时间、节点计算能力和链路卸载带宽的约束下，提出一种基于任务完成时延的实数编码遗传算法来寻找计算任务的最佳卸载点，形成的最优计算卸载策略可有效降低时延且提高任务完成率。
-
公开(公告)号：CN118138097A
公开(公告)日：2024-06-04
申请号：CN202410431844.5
申请日：2024-04-11
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04B7/08 , G06N3/0464
Abstract: 本发明涉及一种基于CNN的IRS辅助通信系统的联合波束成形方法，包括：采用DeepMIMO数据集光线追踪场景生成基于IRS辅助的下行MISO毫米波通信系统的训练数据集；根据通信系统的系统模型计算通信系统的总安全传输速率表达式，并以通信系统的总安全传输速率作为优化目标；构建两阶段的卷积神经网络，并根据优化目标定义损失函数；利用训练数据集对构建的卷积神经网络进行训练，训练完成后得到最优的基站波束成形矩阵和IRS相移矩阵；本发明通过两阶段卷积神经网络分别预测IRS相移矩阵和基站波束成形矩阵，充分考虑并解决了这两个矩阵的耦合问题，提升了IRS辅助的下行MISO毫米波通信系统的通信质量。
-
公开(公告)号：CN115276759B
公开(公告)日：2024-02-02
申请号：CN202210707052.7
申请日：2022-06-21
Applicant: 重庆邮电大学
IPC: H04B7/185
Abstract: 本发明请求保护一种基于加权时空图的双层卫星网络连接计划设计方法，属于无线通信技术领域。该方法面向由低轨和静止卫星构成的双层卫星网络，针对网络拓扑时变、节点资源受限的问题，综合考虑成本、能效和不可靠性，构建加权时空图对动态时变拓扑进行静态离散化处理；根据传输数据所消耗的能源量化连接成本，根据连接容量和数据流量定义连接能效，根据物理层技术评估连接不可靠性，得到时空图中每个时间和空间连接的权重；在满足网络连通性和可靠性约束的模型下，分别以最小成本、最大能效、最小成本效率比为目标，引入剪枝和贪婪算法设计三种基于加权时空图的连接计划。本发明通过连接计划优化网络冗余连接的同时提升了网络资源
-
Patent Agency Ranking
公开(公告)号：CN116887356A
公开(公告)日：2023-10-13
申请号：CN202311068700.X
申请日：2023-08-23
Applicant: 重庆邮电大学
IPC: H04W28/086 , H04W28/084 , H04W28/08 , H04B7/185
Abstract: 本发明请求保护一种基于SFN(单频网络)分区的星地一体计算卸载和资源分配方法，属于无线通信技术领域。针对星地一体化网络中计算密集型应用激增带来的接入选择和网络拥塞问题，提出一种基于SFN分区的计算卸载和资源分配方法。首先，根据所定义的SFN分区QoE(体验质量)对给定区域进行合并和分裂，并调整用户和AP(接入节点)的连接，获得基于最佳QoE的SFN分区。然后，基于以上SFN分区及用户和AP的连接，根据任务请求合理选择卸载模式，在功率和计算资源容量限制下，采用模拟退火算法实现时延和能耗间的平衡以获得卸载收益最大化。最后，所提出的SFN分区保障用户QoE同时提高了资源利用率，所提出的计算卸载和资源分配方法能同时降低系统时延和能耗。
-
公开(公告)号：CN114449536B
公开(公告)日：2023-05-23
申请号：CN202210103469.2
申请日：2022-01-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及机器学习和通信技术领域，特别涉及一种基于深度强化学习的5G超密集网络多用户接入选择方法，该方法包括：根据用户对各网络属性的最低容忍度设置阈值，排除完全不符合要求的网络；利用层次分析法和熵权法确定网络属性综合权重；通过灰色关联分析法再结合网络属性综合权重得到加权灰色相关系数；将多用户接入问题建模成多人随机博弈模型；利用深度确定性策略梯度法求解最优策略；该方法能够在保证不同业务用户个性化需求的前提下，提高系统吞吐量，并且减少用户阻塞、降低时延。
-
公开(公告)号：CN116112244A
公开(公告)日：2023-05-12
申请号：CN202310063621.3
申请日：2023-01-13
Applicant: 重庆邮电大学
Abstract: 本发明属于区块链访问控制领域，具体涉及一种基于区块链和属性基加密的访问控制方法，包括管理员对区块链网络进行初始化，为网络中的节点创建证书；将属性验证链码、信息管理链码安装到区块链网络中并进行初始化；数据拥有者对明文进行加密后上传到IPFS网络，得到存储地址；数据拥有者对秘钥、公钥、密文以及访问策略进行加密后得到新的密文，并计算访问策略的密文；调用信息管理链码将哈希值、存储地址、新的密文以及访问策略的密文上传到区块链存储；数据请求者根据属性信息获取属性向量的密文并调用策略验证链码验证是否符合访问要求，若符合则可以获取；本发明实现了访问过程中的隐私保护，加快了访问速度。
-
公开(公告)号：CN116070025A
公开(公告)日：2023-05-05
申请号：CN202310110534.9
申请日：2023-02-14
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F40/237 , G06F40/186
Abstract: 本发明属于推荐系统领域，具体涉及一种基于联合评分预测和理由生成的可解释推荐方法，包括：构建联合评分预测和理由生成的可解释推荐模型，评分预测模块包含用户项目历史交互中得到用户物品的自由嵌入，通过基于注意力的方面提取模块分别从用户和项目的评论集合中提取方面词并嵌入到相同的空间，分别输入到多层感知机中，在预测层结合两部分进行评分预测并进行推荐和生成推荐解释；本发明同时考虑用户历史交互中的评分数据和评论数据，并将其映射到同一空间更好的进行评分预测，提高了推荐的准确性，同时在解释生成的过程中考虑生成式和模板式的优点，解释的生成过程由模板进行指导，使得模板适应于所给定的特征，提高了解释的质量。
-
公开(公告)号：CN115757795A
公开(公告)日：2023-03-07
申请号：CN202211519636.8
申请日：2022-11-30
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/30 , G06F18/214 , G06N3/048 , G06N3/047 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06N3/096
Abstract: 本发明属于自然语言处理与多标签文本分类领域，特别涉及一种基于长尾问题的多标签文本分类方法，包括对头部标签和尾部标签进行文本语义提取，分别获得头部标签文本表示和尾部标签文本表示并进行采样，得到头部标签原型和尾部标签原型；利用头部标签文本表示训练得到头部标签分类器，通过最小化头部标签分类器的损失函数，得到头部标签权重；将头部标签原型映射到头部标签权重上，通过最小化迁移学习获取转移权重；根据转移权重对头部标签权重进行转移，得到尾部标签分类器；将尾部标签分类器和头部标签分类器进行融合，得到分类模块；将待分类数据的文本表示输入分类模块，得到分类结果；本发明提升多标签文本分类的准确率和归一化折损累计增益。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.035 seconds)
