NCO-NOMA辅助IRS-MEC系统的动态资源分配方法

    公开(公告)号:CN119893592A

    公开(公告)日:2025-04-25

    申请号:CN202510065993.9

    申请日:2025-01-16

    Applicant: 厦门大学

    Abstract: 本发明公开一种NCO‑NOMA辅助IRS‑MEC系统的动态资源分配方法,显著提升了资源分配的灵活性和效率。该方法针对包含一个BS、一个IRS以及多个用户组的MEC系统,BS配备MEC服务器,用户通过NOMA传输将计算任务卸载至BS处理,包括:1、将所有用户划分为#imgabs0#个NOMA组,每组仅包含两个用户,用#imgabs1#表示所有NOMA组的集合,#imgabs2#表示第#imgabs3#个用户组;系统的时间被划分为#imgabs4#个时隙,#imgabs5#用表示第#imgabs6#个时隙;动态资源分配方法的目标是优化MEC系统的能耗;2、进行结合传统优化方法与DRL框架的混合优化方法;3、对于IRS和传输时间优化子问题,通过在奖励函数中引入几种惩罚机制,将其建模为DRL问题;4、基于SAC算法,获得近似最优的实时IRS相移和传输时间策略。

    一种5G多径信号超分辨率跟踪系统
    12.
    发明公开

    公开(公告)号:CN116321006A

    公开(公告)日:2023-06-23

    申请号:CN202310299304.1

    申请日:2023-03-24

    Applicant: 厦门大学

    Abstract: 本发明提供了一种5G多径信号超分辨率跟踪系统,其包括5G基站、5G信号处理模块、窄相关模块、最大似然模块和多径跟踪模块。本发明可以在不额外铺设基站升级设备的前提下,通过跟踪5G基站广播的定位机会信号时延参数,可以获得采样间隔以内的时延精度和分辨采样间隔以内的多径,动态更新部分多径的生灭,减少重新捕获5G信号时延参数的次数。其可以应对基于首径到达时间定位和多径辅助定位的需求,具有低布设成本、低计算复杂度、高多径分辨率的特点。

    一种基于对比孪生网络的具有目标任务指向性的自监督学习方法

    公开(公告)号:CN116306793A

    公开(公告)日:2023-06-23

    申请号:CN202310173748.0

    申请日:2023-02-28

    Applicant: 厦门大学

    Abstract: 本发明涉及一种基于对比孪生网络的具有目标任务指向性的自监督学习方法,所述方法对大量无监督数据进行数据增强扩增,使用目标任务编码器对对比学习的收敛进行表示空间收敛方向指引,并使用EM算法进行训练,然后在网络收敛后接入具体下游任务进行网络微调,从而获得可解决目标图像任务的网络。本发明所采用的指向性自监督学习,在二维图像数据下解决了标记数据不足时的网络训练问题,降低了自监督对比学习的算力消耗,缓解了自监督对比学习的难以收敛问题,并提高了下游任务精度。

    一种面向在线考试答卷文档图像的一致性检测方法和存储设备

    公开(公告)号:CN112818797A

    公开(公告)日:2021-05-18

    申请号:CN202110102061.9

    申请日:2021-01-26

    Applicant: 厦门大学

    Abstract: 本发明涉及图像处理技术领域,特别涉及一种面向在线考试答卷文档图像的一致性检测方法和存储设备。所述一种面向在线考试答卷文档图像的一致性检测方法,包括步骤:获取第一图像和第二图像;定位两图像的奇异点位置,并根据奇异点位置对两个图像进行像素级对齐;截取第一图像的第一目标块,截取所述第二图像的第二目标块;比对第一目标块与第二目标块是否一致,若一致,则判定所述第一图像和所述第二图像一致。以上步骤中利用奇异点来实现第一图像和第二图像的像素级对齐,并且用来比对的目标块的奇异点数均不小于预设个数,确保了用于比对的目标块上信息的丰富性,确保了图像比对结果的准确性。

    一种面向移动通信网络的次等内容推荐分发系统及其方法

    公开(公告)号:CN105227396B

    公开(公告)日:2018-09-18

    申请号:CN201510554397.3

    申请日:2015-09-01

    Applicant: 厦门大学

    Abstract: 本发明一种面向移动通信网络的次等内容推荐分发系统及其方法,先根据区域用户群体的兴趣点以及区域流量统计特征,对互联网的内容进行过滤后缓存到区域缓存单元中,然后,从区域缓存单元中筛选出匹配于用户特征以及所在区域内基站流量特征的内容,利用接入网的冗余容量进行传输;最后,在传输内容时根据基站实时流量特征进行传输控制,保证常规流量的传输不受次等流量的影响;本发明通过对区域用户群体的兴趣点以及区域网络容量的使用情况进行分析,选取出最适合该区域人群的内容,并利用次等流量进行传输,能在保证常规流量的服务质量前提下,有效提高无线接入网容量的利用率,避免网络空闲资源的浪费。

    一种嵌入式开发学习自动纠错方法及系统

    公开(公告)号:CN104657269B

    公开(公告)日:2017-07-18

    申请号:CN201510084032.9

    申请日:2015-02-16

    Applicant: 厦门大学

    Abstract: 本发明提供一种嵌入式开发学习自动纠错方法及系统,包括在开发界面选择案例,对案例进行分解,根据分解的提示流程进行代码编写及编译或调试,并将代码及编译信息或调试信息提交给服务器;监控并采集嵌入式开发板信息,并将开发板信息提交给服务器;将服务器接收的代码、开发板信息及编译信息或调试信息同后台数据对比,并使用分类器分类,若归为正确类型,则生成正确信息;若归为错误类型,则生成对应的错误信息及解决方案;将正确信息或错误信息及解决方案下发到开发界面,并提示用户进入新的提示流程或对代码进行修改。本发明能够很好地帮助学习者解决在编程和硬件连接等方面经常碰到的问题,避免学习者将时间花费在排错上,提高了学习效率。

    一种RIS辅助的NOMA-MEC网络中通信与计算资源分配的联合优化方法、系统及程序产品

    公开(公告)号:CN119012279A

    公开(公告)日:2024-11-22

    申请号:CN202410995248.X

    申请日:2024-07-24

    Applicant: 厦门大学

    Abstract: 本发明涉及一种RIS辅助的NOMA‑MEC网络中通信与计算资源分配的联合优化方法、系统及程序产品,其将模型分解为两个嵌套求解的子模型,即任务卸载比例与通信过程联合优化子模型和反射面相移优化子模型。对于前者,通过理论推导证明当反射面相移给定时最优发射功率可以表示为NOMA组传输时间以及任务卸载比例的函数,然后使用拉格朗日对偶算法求解最优任务卸载比例和最优NOMA组传输时间;对于后者,将其表述深度强化学习模型,使用PPO算法进行求解。如此,本发明将通信过程与计算过程紧密耦合,提高了NOMA‑MEC网络系统的整体性能。

    一种多径信号多历元联合跟踪方法

    公开(公告)号:CN118158609B

    公开(公告)日:2024-09-20

    申请号:CN202410557727.3

    申请日:2024-05-08

    Applicant: 厦门大学

    Abstract: 本发明揭示了一种多径信号多历元联合跟踪系统和方法,其可以在复杂室内环境下应对多径辅助定位的需求。本发明不仅能对接收到的信号进行有效的多径提取,使用虚拟的旁瓣窗口避免匹配滤波器旁瓣对系统的不利影响,还能够动态检测和更新多径的出生和消失,确保对多径信号的准确跟踪。本发明能够在复杂的室内环境下实现精准的多径跟踪,从而辅助终端定位。本发明满足当前室内定位领域对精度和可靠性的高要求,具备良好的适应性和灵活性。

    一种基于集成学习的代价敏感云边协同方法

    公开(公告)号:CN116384516A

    公开(公告)日:2023-07-04

    申请号:CN202310041222.7

    申请日:2023-01-12

    Applicant: 厦门大学

    Abstract: 本发明涉及一种基于集成学习的代价敏感云边协同方法,其通过集成学习训练多个轻量级模型与高精度模型的组合,并通过云边智能部署的方式将模型组合部署于云端服务器并将其中若干个轻量级模型代价敏感化部署于边缘端设备,通过云边协同推理的方式提升系统的实时性同时保证系统的准确率。

Patent Agency Ranking