-
公开(公告)号：CN114640944B
公开(公告)日：2024-10-22
申请号：CN202210194126.1
申请日：2022-03-01
Applicant: 厦门大学
Abstract: 本发明公开了一种基于信息可用性的车路协同多域多源资源管理方法、介质和设备，其中方法包括：路侧单元获取对应管理区域的道路环境信息，并划分得到多个管理子区域，以及计算每个管理子区域对应的静态环境复杂度；路侧单元获取车辆感知数据和每一车辆所对应的位置信息；计算动态环境复杂度，并根据静态环境复杂度和动态环境复杂度计算交通复杂度；计算每个管理子区域对应的车辆感知数据的预计处理完毕时间，并计算管理区域对应的信息可用值；通过优化算法对信息可用值进行优化，以根据最优信息可用值确定每个子区域所对应的资源分配比例。从而实现对数据处理资源的动态分配，提高数据处理资源的利用率，保障车联网应用的有效运行。
-
公开(公告)号：CN114979267B
公开(公告)日：2024-05-14
申请号：CN202210569974.6
申请日：2022-05-24
Applicant: 厦门大学
IPC: H04L67/5651 , H04L67/10 , G06F40/30 , G06F40/242
Abstract: 本发明公开了一种面向多服务需求的语义通信方法、介质、设备及装置，其中方法包括：获取智能体发出的服务请求，并生成服务矩阵；获取多模态数据，并转换为同步表征的第一感知数据矩阵；对第一感知数据矩阵进行数据压缩，以获取对应的主要特征值，并生成第二感知数据矩阵；将服务矩阵和第二感知数据矩阵上传至云端；云端对每个服务类型进行二进制编码，以得到对应的码字，并根据码字更新语义库，以及对第二感知数据矩阵进行编码，以得到相应的码字，云端信息以语义通信的方式发送给接收端；接收端重新访问语义库，以进行语义库校验，并在校验成功后对服务请求进行响应；能够有效降低通信资源开销，节约通信资源。
-
公开(公告)号：CN115314086B
公开(公告)日：2023-11-03
申请号：CN202210725777.9
申请日：2022-06-23
Applicant: 厦门大学
IPC: H04B7/0456 , H04W16/10
Abstract: 本申请的实施例提供了一种通信感知一体化系统的预编码方法、装置、介质及设备。该方法包括：根据接收到的感知业务请求，确定与所述感知业务请求对应的感知需求参数；为多个目标用户分配互不重叠的子载波，以生成多用户基带信号；以最小化用户侧接收信号与实际发送信号之间的均方误差为基础准则，以所述感知需求参数以及最大发射功率为约束，使用迭代优化算法进行求解，以确定目标预编码矩阵；根据所述目标预编码矩阵对所述多用户基带信号进行预编码以进行发射；接收与预编码后的所述多用户基带信号对应的回波信号，并从所述回波信号中提取目标感知参数。本申请实施例的技术方案能够提高预编码的处理效率，并保证系统通信性能。
-
公开(公告)号：CN114866173B
公开(公告)日：2023-05-16
申请号：CN202210417220.9
申请日：2022-04-20
Applicant: 厦门大学 , 京信网络系统股份有限公司
IPC: H04B17/391 , G06F18/214 , G06F18/2431 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于语义通信的信道环境感知方法及装置，该方法包括：获取多个离线感知的环境信息和信号信息；建立多种不同的信道模型，并将多个离线感知的环境信息和信号信息作为数据集对多种不同的信道模型进行训练，以得到信道状态信息，并将信道状态信息与多个离线感知的环境信息和信号信息进行映射以构建语义库；获取在线感知的环境信息和信号信息与语义库进行匹配以得到匹配后的信道状态信息；判断匹配后的信道状态信息是否存在语义库，如果否，则根据在线感知的环境信息和信号信息更新语义库；如果是，则认为匹配成功；由此，可以有效避免大量感知数据在传输过程中造成的冗余，能够自适应地调整子载波数量从而更好地去辅助通信传输。
-
公开(公告)号：CN115915364A
公开(公告)日：2023-04-04
申请号：CN202211254349.9
申请日：2022-10-13
Applicant: 厦门大学
Abstract: 本申请的实施例提供了一种通信基站的节能方法、装置、计算机可读介质及设备。该方法包括：根据目标地标性建筑的位置信息，确定其对应的目标基站集合，根据目标基站集合中包含的各目标基站以及目标地标性建筑的位置信息，获取与目标地标性建筑对应的环境数据集，将该环境数据集输入至环境用能识别模型中确定该目标地标性建筑所处环境对应的能耗需求等级，若该目标基站集合具有节能空间，则将各目标基站的基站能耗数据输入至基站用能识别模型，以确定各目标基站对应的用能等级，对具有节能空间的目标基站进行用能负载分析，确定其各能耗单元的用能状态，进而确定节能策略。本申请可以在不影响用户体验的前提下提高通信基站的节能效率。
-
Patent Agency Ranking
公开(公告)号：CN115314086A
公开(公告)日：2022-11-08
申请号：CN202210725777.9
申请日：2022-06-23
Applicant: 厦门大学
IPC: H04B7/0456 , H04W16/10
Abstract: 本申请的实施例提供了一种通信感知一体化系统的预编码方法、装置、介质及设备。该方法包括：根据接收到的感知业务请求，确定与所述感知业务请求对应的感知需求参数；为多个目标用户分配互不重叠的子载波，以生成多用户基带信号；以最小化用户侧接收信号与实际发送信号之间的均方误差为基础准则，以所述感知需求参数以及最大发射功率为约束，使用迭代优化算法进行求解，以确定目标预编码矩阵；根据所述目标预编码矩阵对所述多用户基带信号进行预编码以进行发射；接收与预编码后的所述多用户基带信号对应的回波信号，并从所述回波信号中提取目标感知参数。本申请实施例的技术方案能够提高预编码的处理效率，并保证系统通信性能。
-
公开(公告)号：CN113793498A
公开(公告)日：2021-12-14
申请号：CN202110939449.4
申请日：2021-08-16
Applicant: 厦门大学
Abstract: 本发明提供车联网超视距感知任务的异构资源联合管理方法与系统，方法包括车载设备和智能交通固定设备，车载设备和智能交通固定设备分别依据自身传感器设备信息和自身设备算力，生成资源信息；中央控制器收集其管理范围内的资源信息，创建资源信息数据表；一车载设备生成感知业务后提交至中央控制器；中央控制器依据所述资源信息数据表获取所述感知业务所需的感知信息；中央控制器依据获取的感知信息生成所述感知业务对应的计算业务。本发明利用中央控制器对异构资源的联合管理，使得车辆之间、车辆和智能交通设施之间可以交互共享安全告警和道路状况等关键信息，确保为业务提供有效的服务，提高道路交通的效率和安全性。
-
公开(公告)号：CN106714115A
公开(公告)日：2017-05-24
申请号：CN201611190492.0
申请日：2016-12-21
Applicant: 厦门大学
Abstract: 一种车联网中的安全消息单跳协作广播方法，属于车载无线通信领域。提供在保证安全消息时延的前提下提高消息的接收成功率的车联网中的安全消息单跳协作广播方法。建立邻居信道质量表；初始化广播；选择协作节点；协作重广播；首先对每辆车建立起自己的邻居信道质量表，实时记录自己和每个邻居节点的信道情况；其次，进行初始化广播，当车辆遇到紧急情况时，便在自己的时隙中将安全消息广播出去；然后，进行协作节点选择，源节点根据各备选协作节点发送协作应答消息的快慢选择最优的协作节点；最后，进行协作重传，被选中的协作节点和源节点一起在源节点的时隙内重传数据包。
-
公开(公告)号：CN114638357B
公开(公告)日：2024-05-31
申请号：CN202210186097.4
申请日：2022-02-28
Applicant: 厦门大学
IPC: G06N3/098 , G06N3/092 , G06N3/0985 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F9/50 , G06F21/62
Abstract: 本发明公开了一种基于自动联邦学习的边缘计算系统及其学习方法，其中基于自动联邦学习的边缘计算系统包括：公有云、边缘云、边缘计算盒子和智能终端设备；公有云汇聚边缘云输入的神经网络模型结构和参数进行不同权重的参数更新优化，边缘云存储边缘计算盒子上传的数据，并采用基于强化学习的神经架构搜索模型搜索最佳模块组合进行局部化模型训练，边缘盒子部署训练好的神经网络模型为智能终端设备提供实时算力，智能终端设备采集图像、语音、文字等信息；本发明能够有效解决预设网络对独立同分布数据效果差的问题，同时能够很好的保护用户隐私，同时边缘盒子能够快速响应智能终端采集的数据，具有广泛的应用前景。
-
公开(公告)号：CN115600692A
公开(公告)日：2023-01-13
申请号：CN202211165871.X
申请日：2022-09-23
Applicant: 厦门大学(CN)
Abstract: 本申请公开了一种基于集成模型的个性化联邦学习方法及装置，其中方法包括：各参与者在本地数据集上构建新的单模型拟合全局模型的残差，将训练完成的本轮单模型上传至服务器；服务器根据数据量对模型进行第一次加权，将确定权重后的本轮集成模型下发给各参与者；各参与者在本地数据进行本轮模型简化操作，将最终的选择结果以二进制编码的形式再次上传；服务器根据模型简化结果重新为当前轮次的模型确定权重，并将他们加入到全局模型中下发给各参与者；到达预定轮次后，各参与者得到个性化模型；由此，通过将集成模型融入联邦学习框架以及构建对应的模型个性化方法和通信成本节约方案，提升了联邦学习在非独立同分布的结构化数据上的预测性能。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.024 seconds)
