-
公开(公告)号：CN116737386A
公开(公告)日：2023-09-12
申请号：CN202310773431.0
申请日：2023-06-27
Applicant: 中国移动通信集团江苏有限公司 , 南京邮电大学 , 江苏移动信息系统集成有限公司 , 中国移动通信集团有限公司
IPC: G06F9/50 , H04L67/1001 , H04L43/0852 , H04L43/08 , H04L67/12
Abstract: 本申请公开了一种车联网边缘计算的任务卸载方法、装置、设备及存储介质，所述车联网边缘计算的任务卸载方法包括：计算任务车辆与卸载对象之间的通信指标，其中，所述通信指标至少包括目标时延、信号传播距离、协同概率以及剩余计算资源中的一项；基于所述通信指标，构建时延优化模型；对所述时延优化模型进行最优化求解，得到最优卸载决策，并基于所述最优卸载决策，将所述任务车辆的待卸载任务卸载至所述卸载对象。本申请通过综合计算任务车辆与卸载对象之间目标时延、信号传播距离、协同概率以及剩余计算资源等多维度通信指标，对卸载到各卸载对象的任务进行了合理分配，实现充分利用计算资源，使任务车辆对卸载到各节点的任务量分配的更准确。
-
公开(公告)号：CN116698042A
公开(公告)日：2023-09-05
申请号：CN202310699978.0
申请日：2023-06-13
Applicant: 南京邮电大学
IPC: G01C21/20
Abstract: 本申请涉及基于航迹误差的多传感融合室内外最优定位方法，该方法包括：利用内置了惯性测量单元的定位终端，从室内外低密度5G基站获取实时航迹数据；基于定位终端在初始位置的航迹数据，构建初始位置的目标损失函数，估计定位终端的初始位置；对定位终端的航迹误差进行分析和建模，并基于扩展卡尔曼滤波制定终端航迹和往返时间紧耦合方案，获得所述定位终端的航迹误差；更新定位，向所述定位终端反馈所述定位。为了在室内外低5G基站部署密度场景中精确跟踪定位终端，本方法利用低维度的往返时间修正定位终端航迹误差，自适应地调整定位终端航迹误差，从而使往返时间深度反馈到定位结果，在节省能耗成本的同时，使定位更准确，方法更稳健。
-
公开(公告)号：CN116074939B
公开(公告)日：2023-08-15
申请号：CN202310207123.1
申请日：2023-03-07
IPC: H04W52/24 , H04W52/28 , H04W52/46 , H04W72/0446 , H04W72/044 , H04W72/53
Abstract: 本发明公开了一种基于动态优化的物联网边缘设备协同接入方法，包括以下步骤：每个同类簇中的物联网边缘设备共同采集环境中的有用信息；在观察时间内，在每个簇头设备上提出基于平均信息年龄动态约束的总功率最小化问题；每个簇头设备根据最优功率分配方案和设备选择策略采集簇内其他设备发送的信号；所有簇头设备将信号发送给服务其的AP，AP作为中继，将信号发给CPU；在CPU上提出一个附带环境分类权重的信息年龄最小化问题，以进一步优化功率分配策略。本发明构建了基于环境变化率和设备移动性的信息年龄动态优化，保证了信息传输的新鲜度，且减少了资源受限的物联网边缘设备接入网络的功率消耗。
-
公开(公告)号：CN116543023A
公开(公告)日：2023-08-04
申请号：CN202310449562.3
申请日：2023-04-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于修正DeepSORT的多传感目标群智跟踪方法，所述方法通过多个摄像头对任务区域进行目标跟踪：利用各摄像头实时获取任务区域的监控视频；采用基于匈牙利算法的匹配方法，获得摄像头之间当前视频帧的匹配目标并赋予身份ID；针对每个摄像头，分别利用DeepSORT方法对当前视频帧中分配身份ID的目标进行跟踪，直至目标跟踪任务结束。本发明利用一种基于目标空间位置的自适应融合特征计算马氏距离衡量目标相似度，最后利用匈牙利算法实现目标匹配，提高了目标的匹配的准确率；利用最小二乘法拟合预测加速度，进而修正卡尔曼滤波的输入速度参量，提高了DeepSORT算法的卡尔曼滤波预测的准确性，从而提高目标跟踪的准确率。
-
公开(公告)号：CN116540678A
公开(公告)日：2023-08-04
申请号：CN202310686094.1
申请日：2023-06-09
Applicant: 南京邮电大学
IPC: G05B23/02
Abstract: 本发明公开了基于数字孪生的工业设备状态推演评估方法。面向数据中心基础设施场景，考虑数据中心的设备在不同环境下发生故障的概率与多种因素有关，而常规方案只能在设备发生故障之后才进行报警，无法对可能发生故障的设备状态推演评估，对设备发生故障前预防和发生故障后分析原因的帮助作用不大。因此，本发明提出一种工业设备状态推演评估方案，通过数字孪生技术对场景内的设备进行建模，将实物设备与数字模型进行通信链接，并通过数字设备模型的运行状态数据进行推演评估，进而实现对运行状态异常的设备预警的目的，提高设备的可靠性和稳定性，保障数据中心的运行和安全。
-
Patent Agency Ranking
公开(公告)号：CN116523071A
公开(公告)日：2023-08-01
申请号：CN202310487309.7
申请日：2023-04-28
Applicant: 南京邮电大学
Abstract: 本发明涉及一种面向联邦学习的群体众筹博弈的持续激励方法，针对面向联邦学习的群体众筹架构中激励机制设计问题，采用基于Stackelberg双层博弈框架的激励机制，将机制设计分解为三个主要步骤，包括用户选择、酬金分配和持续性激励过程。首先针对用户感知数据质量未知的问题，将用户选择问题建模为组合多臂赌博机问题，同时为解决用户间的不公平选择问题，引入虚拟队列技术，保证用户公平性选择。其次，将联邦学习的分配策略建模为两阶段的Stackelberg博弈过程，以激励用户参与联邦学习训练，确定平台的最优定价策略和用户的最优训练策略。最后，对确保有足够的用户参与联邦学习训练过程，提出基于用户声誉的报酬激励策略，防止高声誉用户退出系统，保证持续性激励。
-
公开(公告)号：CN115118591B
公开(公告)日：2023-07-25
申请号：CN202210656857.3
申请日：2022-06-08
Applicant: 南京邮电大学
IPC: H04L41/0823 , H04L41/0896 , H04L41/16 , G06N20/00
Abstract: 本发明公开了一种基于联盟博弈的簇联邦学习方法，包括：在物联网边缘环境下搭建簇联邦学习系统，包含多个用户设备和一个中心服务器；基于用户本地梯度的余弦相似度以及每个簇内成功参与训练的设备个数定义每个簇的效用；基于联盟博弈的方法对用户设备进行分簇，同时优化带宽分配；基于分簇结果执行簇联邦学习训练。本发明能够在多任务联邦学习场景下，有效提高训练的效率以及准确率。
-
公开(公告)号：CN114863267B
公开(公告)日：2023-05-23
申请号：CN202210330769.4
申请日：2022-03-30
Applicant: 南京邮电大学
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于多轨迹智能预测的航拍树木数量精准统计方法，通过构建所提出双路特征融合的金字塔结构，实现了各层级的特征信息进行有效的融合，解决了对低、矮、小树木的漏检问题，并进一步在搭建的轻量化飞行器巡检网络中加入动态调控算法，使得网络各个参数与飞行器边端设备更加匹配，从而最大化利用设备算力获得较好的识别效果，最后利用所提出的结合轨迹分类统计方法进行准确统计；与传统目标统计算法相比，本发明具有更好抗形变能力，降低了无人机由于形变变化对统一目标的重复统计问题，实现了更加精准的统计效果。
-
公开(公告)号：CN116074939A
公开(公告)日：2023-05-05
申请号：CN202310207123.1
申请日：2023-03-07
IPC: H04W52/24 , H04W52/28 , H04W52/46 , H04W72/0446 , H04W72/044 , H04W72/53
Abstract: 本发明公开了一种基于动态优化的物联网边缘设备协同接入方法，包括以下步骤：每个同类簇中的物联网边缘设备共同采集环境中的有用信息；在观察时间内，在每个簇头设备上提出基于平均信息年龄动态约束的总功率最小化问题；每个簇头设备根据最优功率分配方案和设备选择策略采集簇内其他设备发送的信号；所有簇头设备将信号发送给服务其的AP，AP作为中继，将信号发给CPU；在CPU上提出一个附带环境分类权重的信息年龄最小化问题，以进一步优化功率分配策略。本发明构建了基于环境变化率和设备移动性的信息年龄动态优化，保证了信息传输的新鲜度，且减少了资源受限的物联网边缘设备接入网络的功率消耗。
-
公开(公告)号：CN112804107B
公开(公告)日：2023-04-28
申请号：CN202110116570.7
申请日：2021-01-28
Applicant: 南京邮电大学
IPC: H04L41/044 , H04L41/0823 , H04L41/0893 , H04L41/14 , H04L41/16 , H04L67/1001 , H04W28/02
Abstract: 本发明公开了一种物联网设备能耗自适应控制的分层联邦学习方法，包括如下步骤：1)通过在物联网设备和云服务器之间部署边缘服务器，搭建分层联邦学习系统；2)在每个训练周期t的起始阶段，云服务器根据统计信道信息以及物联网设备的能耗队列状态，制定物联网设备计算能力控制策略F(t)以及物联网设备关联策略A(t)；3)在训练过程中，物联网设备本地模型，并发送到边缘服务器进行边缘聚合从而更新边缘模型；边缘服务器将边缘模型上传到云服务器进行全局聚合更新全局模型；云服务器通过边缘服务器将全局模型传输给所有物联网设备从而进行下一轮的训练；该发明能够在满足长期能耗约束的前提下，以较低的训练时延获得较高的学习性能。
-
-
-
-
-
-
-
-
-
Search Results
386
records
(took 0.088 seconds)
