-
公开(公告)号：CN115118783A
公开(公告)日：2022-09-27
申请号：CN202210756389.7
申请日：2022-06-30
Applicant: 江南大学
Abstract: 本发明公开了一种基于异构通信技术超可靠低时延强化学习的任务卸载方法，构建车辆边缘计算场景及车辆异构通信网络，车辆可以通过三种通信技术将任务卸载到服务器进行处理；构建基站队列动态变化模型，保证基站队列的稳定性；使用随机网络演算理论计算基于不同通信技术进行卸载的系统延迟上界，该延迟包括了通信传输时间以及服务器处理时间；建立车辆边缘计算系统效用；建立优化问题，优化目标为最小化系统效用，同时保证任务卸载延迟和基站队列的稳定性；使用SoftActor Critic强化学习来学习每个任务的卸载策略和服务器CPU分配策略。本发明采取的任务卸载策略和资源分配方案在降低系统效用、控制系统稳定性和保证任务传输时延要求优于其他的卸载和资源分配方案。
-
公开(公告)号：CN113207085B
公开(公告)日：2022-01-28
申请号：CN202110422957.5
申请日：2021-04-20
Applicant: 江南大学
Abstract: 本发明公开了一种MEC辅助的车队网络的速度自适应接入方法，首先，定义公平性指数衡量不同速度车辆通信的公平性，并得出公平性指数与车辆速度以及车辆在有数据包发送的情况下最小竞争窗口之间关系；其次，利用随机混合系统推导基站覆盖范围内一条通信链路的信息年龄及在饱和条件下网络的平均信息年龄的闭式解；然后，定义每条通信链路的平均退避率和平均服务率，并提出无冲突传输理论；确定基站覆盖范围内的平均车辆数目；最后，通过构建多目标方程，获取最优的不同速度车辆最小竞争窗口大小。本发明计算简便，且在保证不同速度的车辆发送的数据量尽可能相等的同时，使得网络的平均信息年龄与使用标准的IEEE 802.11协议情况下的网络的平均信息年龄几乎相同。
-
公开(公告)号：CN112288020A
公开(公告)日：2021-01-29
申请号：CN202011199685.9
申请日：2020-10-30
Applicant: 江南大学 , 中科怡海高新技术发展江苏股份公司
Abstract: 本发明公开了一种基于判别式受限玻尔兹曼机的数字调制识别方法，属于信号处理技术领域。所述方法联合高阶累积量和DRBM，有效识别大动态信噪比条件下BPSK、QPSK、8PSK、8QAM、16QAM、4PAM、CPFSK、GMSK八种数字调制类型，对于信噪比低于‑2dB的信号，先利用DRBM的生成能力对其进行重构后再进行分类，对重构后的信号再进行识别分类，有效提高了低信噪比下信号的识别率；本申请方法相对于传统识别方法，对于信噪比低于‑2dB的数字信号，在三种不同信道环境(AWGN信道，时变相移信道，瑞利信道)中均有明显提升。
-
公开(公告)号：CN109889994B
公开(公告)日：2020-11-27
申请号：CN201910090562.2
申请日：2019-01-30
Applicant: 江南大学 , 中科怡海高新技术发展江苏股份公司
IPC: H04W4/06 , H04W4/44 , H04W74/08 , H04W84/18 , H04B17/373 , H04B17/391
Abstract: 本发明公开了一种车联网IEEE 802.11广播性能分析方法及应用，属于车联网技术领域。通过考虑连续冻结过程建立二维马尔科夫状态转移链，根据该二维马尔科夫状态转移链计算出车辆节点处于二维马尔科夫状态转移链中各状态的概率及转换状态概率，进而准确预测出车辆节点的发送分组的平均时延、吞吐量及成功接收率；该方法适用于广播机制下车联网媒体控制接入层的性能分析，为准确预测MAC层的性能提供理论分析依据，且根据仿真实验数据可知，无论是在竞争窗口较大还是竞争窗口较小的情况下，该方法预测得到的车辆节点的发送分组的平均时延、吞吐量及成功接收率的值，相对于现有的一维马尔科夫模型预测出的值更接近于实际值。
-
公开(公告)号：CN109245804B
公开(公告)日：2020-10-09
申请号：CN201810979928.7
申请日：2018-08-27
Applicant: 江南大学
IPC: H04B7/0413 , H04B7/08
Abstract: 本发明公开了一种基于雅可比迭代的大规模MIMO信号检测方法，属于无线通信技术领域。所述方法包括将矩阵求逆过程转化为矩阵乘法和矩阵加法的迭代过程，并利用梯度算法和整体校正加速法，分别为雅可比算法提供搜索方向及确定迭代方程的校正系数。本发明通过采用改进后的雅可比迭代法对高维矩阵求逆过程进行估计，将矩阵求逆过程转化为矩阵乘法和矩阵加法的迭代过程，大大降低了计算复杂度，利用梯度算法和整体校正加速法，分别为雅可比算法提供搜索方向及确定迭代方程的校正系数，使得迭代收敛性更好，收敛速率更快。
-
Patent Agency Ranking
公开(公告)号：CN111657134A
公开(公告)日：2020-09-15
申请号：CN202010579375.3
申请日：2020-06-23
Applicant: 江南大学
Abstract: 本发明提供一种麦苗培育生长舱，其可以短时间内高效率的培育出无污染高质量的大麦苗，提高了育苗效率，且可以保证质量。同时本发明也公开了麦苗培育生长舱的控制方法。其包括：底座、生长舱壳体，生长舱壳体安装在底座之上，育苗支架分层的安装在生长舱壳体内部，育苗盘放置在育苗支架上；每层育苗支架上沿宽度方向分出育苗区，每个育苗区设置一个育苗盘，每两个育苗盘之间设置一个照明灯；育苗支架、育苗盘在育苗支架的宽度方向上设置与水平面的安装倾角；在育苗盘较低的一侧的生长舱底部，设置接水凹槽；在生长舱壳体的一侧设置水箱，每一层的育苗支架上分别固定设置一条水管，所有的水管入水口都连接设置在水箱中的水泵。
-
公开(公告)号：CN109889994A
公开(公告)日：2019-06-14
申请号：CN201910090562.2
申请日：2019-01-30
Applicant: 江南大学
IPC: H04W4/06 , H04W4/44 , H04W74/08 , H04W84/18 , H04B17/373 , H04B17/391
Abstract: 本发明公开了一种车联网IEEE 802.11广播性能分析方法及应用，属于车联网技术领域。通过考虑连续冻结过程建立二维马尔科夫状态转移链，根据该二维马尔科夫状态转移链计算出车辆节点处于二维马尔科夫状态转移链中各状态的概率及转换状态概率，进而准确预测出车辆节点的发送分组的平均时延、吞吐量及成功接收率；该方法适用于广播机制下车联网媒体控制接入层的性能分析，为准确预测MAC层的性能提供理论分析依据，且根据仿真实验数据可知，无论是在竞争窗口较大还是竞争窗口较小的情况下，该方法预测得到的车辆节点的发送分组的平均时延、吞吐量及成功接收率的值，相对于现有的一维马尔科夫模型预测出的值更接近于实际值。
-
公开(公告)号：CN109245804A
公开(公告)日：2019-01-18
申请号：CN201810979928.7
申请日：2018-08-27
Applicant: 江南大学
IPC: H04B7/0413 , H04B7/08
Abstract: 本发明公开了一种基于雅可比迭代的大规模MIMO信号检测方法，属于无线通信技术领域。所述方法包括将矩阵求逆过程转化为矩阵乘法和矩阵加法的迭代过程，并利用梯度算法和整体校正加速法，分别为雅可比算法提供搜索方向及确定迭代方程的校正系数。本发明通过采用改进后的雅可比迭代法对高维矩阵求逆过程进行估计，将矩阵求逆过程转化为矩阵乘法和矩阵加法的迭代过程，大大降低了计算复杂度，利用梯度算法和整体校正加速法，分别为雅可比算法提供搜索方向及确定迭代方程的校正系数，使得迭代收敛性更好，收敛速率更快。
-
公开(公告)号：CN116542342B
公开(公告)日：2025-05-16
申请号：CN202310553063.9
申请日：2023-05-16
Applicant: 江南大学
Abstract: 本发明涉及一种可防御拜占庭攻击的异步联邦优化方法，其包括：配置可信数据集DRSU至路边单元；选择异步联邦聚合所需的车辆；被选择的车辆从路边单元处下载全局模型，路边单元复制全局模型；被选择的车辆利用本地数据训练下载的全局模型，得到车辆本地模型以及车辆损失值Lwk；路边单元利用可信数据集DRSU训练复制的全局模型，得到路边本地模型以及路边损失值LRSU；被选择的车辆将车辆本地模型以及车辆损失值Lwk上传到路边单元；当满足Lwk≤βR·LRSU时，将车辆本地模型与全局模型联邦聚合，得到更新的全局模型；其中，βR为预设参数。本发明能够有效筛选出被恶意攻击的车辆，从而避免全局模型精度受影响。
-
公开(公告)号：CN116582840A
公开(公告)日：2023-08-11
申请号：CN202310856689.7
申请日：2023-07-13
Applicant: 江南大学
Abstract: 本申请公开一种车联网通信的电平分配方法、装置、存储介质及电子设备，用于优化车联网中通信的开销量。方法包括：获取所述车辆的状态变化；基于所述状态变化确认所述车辆的状态数据、动作数据、奖励函数；根据所述状态数据、所述动作数据、所述奖励函数，基于双深度Q网络对所述联邦学习网络和预测网络进行解耦，以根据时间步长定义第二损失函数确定电平分配值；基于双Q学习网络更新所述电平分配值。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.026 seconds)
