-
公开(公告)号：CN118474879A
公开(公告)日：2024-08-09
申请号：CN202410535589.9
申请日：2024-04-30
Applicant: 南京邮电大学
IPC: H04W72/1263 , H04W72/50 , H04W72/53
Abstract: 本发明公开了一种无人机辅助的联邦学习能量采集和资源分配方法及系统，所述方法包括：获取每个用户终端的网络状态信息和无人机的位置信息；根据每个用户终端的网络状态信息和无人机的位置信息，以所有用户终端总信息年龄最小化构建优化问题；求解所述优化问题，输出资源分配策略；根据所述资源分配策略，选择用户参加无人机协同的联邦学习，更新完成联邦学习的用户的信息年龄。该无人机辅助的联邦学习能量采集和资源分配方法及系统，考虑到用户信息年龄对联邦学习性能的影响，构建了用户信息年龄最小化问题，通过求解该问题确定资源分配策略，以优先选择质量好的的用户，降低联邦学习时延的同时，提高了联邦学习的测试精度。
-
公开(公告)号：CN118444951A
公开(公告)日：2024-08-06
申请号：CN202410592811.9
申请日：2024-05-14
Applicant: 南京邮电大学
IPC: G06F8/65 , G06F8/71 , G06F18/23213
Abstract: 本发明公开一种物联网中基于信息年龄的无人机数据更新和交付方法，包括：构建数据更新和交付系统中应用程序信息年龄最小化的优化问题并将该优化问题转换成基于数据更新的交付决策下效益最大化问题，将基于数据更新的交付决策下效益最大化问题分解为无人机位置子问题、数据更新子问题和数据交付子问题；对优化子问题进行求解获取无人机数据更新和交付结果。
-
公开(公告)号：CN114666842B
公开(公告)日：2024-07-02
申请号：CN202210161140.1
申请日：2022-02-22
Applicant: 南京邮电大学
IPC: H04W28/14 , H04W4/44 , H04W4/46 , H04W84/18 , H04L67/568 , H04L67/5683 , G06N3/006 , H04W40/32 , H04L45/00
Abstract: 本发明公开了一种基于车辆分簇的协作缓存方法，该方法可以充分利用车载自组织网络中有限的缓存资源，有效降低车辆请求内容时的时延和成本。具体步骤如下：首先根据车辆的速度和位置以及邻居车辆的数目对车辆进行分簇，移动车辆发出内容请求后，按照簇头‑相邻簇‑路边单元RSU‑不相邻簇的顺序进行内容搜索，当找到本地缓存内容时，按原传输路径将内容返回请求车辆，相邻簇间通信通过V2V方式进行，不相邻簇间通信以路边单元作为中继。然后计算每种内容获取方式所需的时延和成本，构建一个时延和成本联合最小化的优化问题，随后采用蚁群算法对该问题进行求解，得到最优的缓存放置方案。
-
公开(公告)号：CN118262578A
公开(公告)日：2024-06-28
申请号：CN202410358895.X
申请日：2024-03-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种无人机位置和卸载决策联合优化方法及装置，在用户设备能量采集消耗因果性、条件互信息等约束下，建立了用户设备总时延最小化问题，首先通过推导的闭合表达式将该问题的优化变量由卸载决策、能量采集时间和无人机位置三个变量转化为卸载决策和无人机位置两个变量，然后将转化后的问题分解为卸载决策优化子问题和无人机位置优化子问题交替迭代求解，采用遗传算法对卸载决策子问题进行求解，采用逐次凸逼近算法对无人机位置优化子问题进行求解，最终得到合适的用户卸载决策、能量采集时间和无人机位置，本发明通过合理的安排用户卸载决策和多无人机悬停的位置，降低用户完成任务的时延。
-
公开(公告)号：CN118199715A
公开(公告)日：2024-06-14
申请号：CN202410475967.9
申请日：2024-04-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无人机辅助的联邦学习时延控制方法、可读存储介质及设备，属于无人机通信技术领域，基于无人机辅助的联邦学习时延控制方法，根据最优无人机位置，获取参与目标联邦学习任务的本地用户数量；根据参与目标联邦学习任务的本地用户数量，确定本地用户训练数据量、本地用户数据传输量；确定目标联邦学习任务的最优时延。本发明依靠本地模型的训练轮次、本地用户训练数据量得到第一时延、通过本地用户数据传输量得到第二时延，获取无人机对本地用户模型训练的最优充电耗时的第三时延，并获取目标联邦学习任务的最优时延，考虑了用户获取能量的时间及本地训练完成时间对整体时延的影响并对相应时延进行了控制，有效降低了总体时延。
-
Patent Agency Ranking
公开(公告)号：CN117615417A
公开(公告)日：2024-02-27
申请号：CN202311591829.9
申请日：2023-11-27
Applicant: 南京邮电大学
IPC: H04W28/084 , H04W52/02 , H04W72/53 , H04W84/06
Abstract: 本发明公开了一种基于NOMA的无人机辅助任务卸载与资源分配方法、装置及介质，该方法针对多无人机辅助的MEC系统，所述方法包括：在给定计算任务和时间的情况下，建立计算资源以及无人机轨迹规划的联合优化，使加权系统能耗最小的优化问题；将所述使加权系统能耗最小的优化问题分解为三个子问题，包括地面终端设备分组、给定无人机轨迹无人机和地面终端设备的计算资源的最优分配和基于给定资源分配方案的轨迹规划；分别求解地面终端设备分组、给定无人机轨迹无人机和地面终端设备的计算资源的最优分配和基于给定资源分配方案的轨迹规划，得到地面终端设备分组、地面终端设备计算资源分配、无人机资源分配和无人机轨迹规划。
-
公开(公告)号：CN117336812A
公开(公告)日：2024-01-02
申请号：CN202311366457.X
申请日：2023-10-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于SWIPT的多用户能量采集与中继传输方法，包括：获取灾难场景下多用户能量采集与中继传输系统的系统总速率；以系统总速率最大化为目标，构建多用户能量采集与中继传输优化问题；将述多用户能量采集与中继传输优化问题分解为中继选择因子优化子问题和比例优化子问题；通过最大最小中继选择法求解所述中继选择因子优化子问题，得到每个被困用户的最优中继选择因子；基于每个被困用户的最优中继选择因子，通过黄金分割法求解所述比例优化子问题，得到每个被困用户集能量采集时间占通信时长的最优比例，进而得到最优的能量采集与中继传输时间。本发明能够在灾难场景下为被困用户提供能量，保证被困用户与外界的通信。
-
公开(公告)号：CN117119530A
公开(公告)日：2023-11-24
申请号：CN202311058917.2
申请日：2023-08-22
Applicant: 南京邮电大学
IPC: H04W28/08 , H04L67/568 , H04L41/147
Abstract: 本发明公开了一种基于用户行为预测的推荐策略与缓存博弈方法，采用LSTM模型对移动用户的位置信息进行预测，同时应用Deep Crossing模型对用户偏好进行预测，结合两者预测信息计算得到文件请求分布。运营商在基站缓存文件时需要给内容供应商支付租金，用户从基站获得文件时给运营商支付费用。将内容供应商与运营商之间的利益竞争构建成Stackelberg博弈模型，通过迭代动态规划算法得到Stackelberg均衡点，获取最优单位租金和缓存策略，实现博弈双方收益的最大化。为了进一步提升运营商收益，运营商引入推荐机制并设计算法优化推荐策略。本发明可以解决运营商回程链路负担过重的问题，有效降低回程链路开销，同时提高运营商和内容供应商双方的收益。
-
公开(公告)号：CN113115286B
公开(公告)日：2023-07-28
申请号：CN202110332063.7
申请日：2021-03-29
Applicant: 南京邮电大学
Abstract: 本发明公开了D2D通信技术领域的一种基于NOMA的D2D通信能效优化方法及系统，在保证所有用户的通信质量的前提下，优化信道分配，实现功率控制，提高D2D能效。多个蜂窝用户以NOMA方式占用一个信道与基站通信；D2D用户复用基站上行信道进行通信；以提高D2D用户能效为优化目标，将原问题分解为三个子问题，包括：a、利用遗传算法为蜂窝用户和D2D用户进行信道分配，并将信道分配的结果存入历史信道分配集合中；b、基于边界值推导，根据SINR下限获得蜂窝用户发射功率，并确定NOMA信号解调顺序；c、基于多目标优化和DC算法将原优化目标转换为凸函数，利用遗传算法求解D2D用户发射功率；迭代至信道分配结果已存在于历史信道分配集合中，得到资源分配稳定解。
-
公开(公告)号：CN114650110B
公开(公告)日：2023-07-25
申请号：CN202210215455.X
申请日：2022-03-07
Applicant: 南京邮电大学
IPC: H04B17/382 , H04W4/08 , H04W16/14
Abstract: 本发明公开了一种基于最高节点度分簇的协作频谱感知方法，该方法基于区块链构建了频谱感知系统模型，将参与感知任务的次用户按照地理位置分成若干个簇，簇内成员只需将感知数据发送给簇头节点。基于次用户检测概率、感知时间、簇头节点和主用户的距离定义了簇效用函数，服务平台和各簇形成了Stackelberg博弈，通过求解纳什均衡来确定次用户是否上传感知数据。每次感知任务执行后，簇头节点根据融合中心的判决结果对簇内成员进行信誉值的更新，然后，各簇头节点充当矿工，尝试将包含频谱感知任务的执行信息与信誉值更新的区块发布到区块链上。运用了区块链数字签名技术，同时引入了信誉机制和最高节点度分簇方法来实现安全的协作频谱感知。
-
-
-
-
-
-
-
-
-
Search Results
338
records
(took 0.032 seconds)
