-
公开(公告)号：CN111405296B
公开(公告)日：2021-08-20
申请号：CN202010167680.1
申请日：2020-03-11
Applicant: 北京邮电大学
IPC: H04N21/2183 , H04N21/222 , H04N21/239 , H04N21/2662 , H04N21/61
Abstract: 本公开实施例提供了一种视频数据传输方法、视频数据处理方法、装置和电子设备。该视频数据传输方法包括获得视频数据的质量要求、当前已缓存的数据量以及边缘服务器当前的计算资源使用信息，基于该质量要求、当前已缓存的数据量以及边缘服务器当前的计算资源使用信息，从该多个超分辨率模型中确定一个能够满足该质量要求且输入分辨率最低的超分辨率模型作为目标模型，确定与该目标模型对应的目标比特率，通过该基站以及卫星链路向该视频服务器发送视频数据请求，该视频数据请求包括该目标比特率，以及经由该边缘服务器接收第一视频数据。从而可动态选择最优的超分辨率模型，在保证视频质量的同时实现节省卫星带宽资源的目的。
-
公开(公告)号：CN111371488B
公开(公告)日：2021-07-02
申请号：CN202010173932.1
申请日：2020-03-13
Applicant: 北京邮电大学
Abstract: 本公开实施例提供了一种内容数据传输方法、装置和电子设备。该内容数据传输方法包括获得组播组的信息，所述组播组的成员包括与同一卫星端站可通信连接的多个用户终端，从所述多个用户终端中确定一个用户终端为第一用户终端，将所述多个用户终端中除所述第一用户终端以外的其他用户终端确定为第二用户终端，以及通过传输控制协议以单播方式向所述第一用户终端发送内容数据，其中，在所述内容数据经过所述卫星端站时，由所述卫星端站将所述内容数据分发到所述第二用户终端。从而可在节省卫星链路资源的同时保证了传输数据的质量。
-
公开(公告)号：CN112601257A
公开(公告)日：2021-04-02
申请号：CN202011406408.0
申请日：2020-12-02
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种无线接入网RAN切片资源分配方法及相关设备，包括：在每个基站预设的资源块组中分配该基站中的不可调度空闲RB，以使所述不可调度空闲RB形成的矩阵区域面积最大；在各个基站的资源块组中，按照相同位置的RB分配相同的MVNO切片的分配原则，分配各MVNO切片；由此有效避免了基站间干扰问题及空闲资源区域没有最大化的问题。
-
公开(公告)号：CN112600695A
公开(公告)日：2021-04-02
申请号：CN202011413357.4
申请日：2021-01-15
Applicant: 北京邮电大学
Abstract: 本说明书实施例提供一种RAN侧网络切片资源分配方法、装置和电子设备。该方法包括：响应于确定在资源分配周期内发生了关于突发业务的紧急情况，基站优先利用当前的空闲资源为所述突发业务创建具有最高优先级的紧急切片；响应于确定在所述资源分配周期的下一个资源分配周期开始时所述紧急情况已解除，所述基站撤销所述紧急切片，并将已分配给所述紧急切片的资源恢复为空闲资源。本说明书提供的方法、装置和电子设备，考虑到了RAN中关于突发业务的紧急情况，针对紧急情况设计了资源分配方法以及紧急情况解除后的处理方法，能够适应RAN环境的动态变化。
-
公开(公告)号：CN112200366A
公开(公告)日：2021-01-08
申请号：CN202011074559.0
申请日：2020-10-09
Applicant: 北京邮电大学
IPC: G06Q10/04 , G06Q50/06 , G06F16/909 , G06F16/906 , G06N20/10
Abstract: 本公开实施例公开了一种负荷预测方法、装置、电子设备及可读存储介质。其中，负荷预测方法包括：从数据库中获取目标区域的历史负荷数据和历史气象数据；对所述历史负荷数据和历史气象数据分类，得到特定类型的历史负荷数据和历史气象数据；对于每个历史日期，从特定类型的历史负荷数据和历史气象数据中获取所述历史日期的历史气象数据和与所述历史日期相关联的时间内的历史负荷数据；将所述历史日期的历史气象数据和与所述历史日期相关联的时间内的历史负荷数据输入预测模型，对所述预测模型进行训练；将预测日期的气象数据和与所述预测日期相关联的时间内的负荷数据输入预测模型，得到所述预测日期的预测负荷数据。
-
Patent Agency Ranking
公开(公告)号：CN111277860A
公开(公告)日：2020-06-12
申请号：CN202010076758.9
申请日：2020-01-23
Applicant: 北京邮电大学
IPC: H04N21/234 , H04N21/25 , H04N21/258 , H04W4/08 , G06N3/04
Abstract: 本公开实施例公开了一种移动边缘网络中视频缓存的方法、装置、设备及可读介质，所述方法包括：初始化基站与用户设备的连接变量φ，建立基站与用户设备的连接；为用户设备分组，利用小组与视频文件的交互数据集训练神经网络模型，并基于神经网络模型预测小组偏好，所述小组偏好用于描述小组对不同视频文件的点击情况；基于小组偏好，从视频文件服务器中缓存对应分辨率的视频文件，并在不同时间尺度上联合优化小组更新以及基站缓存更新。该技术方案将基站范围内的用户设备划分为不同的小组，利用神经网络模型预测小组偏好，并基于小组的整体偏好缓存视频文件，既降低了传输时延，满足了用户需求，又实现了增强用户体验和提高整体网络性能的平衡。
-
公开(公告)号：CN103281761A
公开(公告)日：2013-09-04
申请号：CN201310219126.3
申请日：2013-06-04
Applicant: 北京邮电大学
CPC classification number: Y02D70/00
Abstract: 本发明实施例涉及一种密集部署的家庭基站网络中，功率和信道联合分配的分布式节能无线资源管理方法。为避免密集部署的家庭基站对于宏基站的干扰，家庭基站与宏基站使用不同的频段。该方法分信道分配和功率控制两步来实现，首先家庭基站获得各用户对各信道的增益及所受的同层干扰，家庭基站计算每个用户占用每个信道时的干扰增益比，选择干扰增益比最小的用户将信道分配给其使用；其次，功率分配是通过非合作博弈的方法，考虑了用户端的功率消耗和整个家庭基站网络中的同层干扰，通过非合作博弈使整个网络功率分配达到纳什均衡状态，从而使所有用户的能效达到最高，实现网络整体节能的目标。
-
公开(公告)号：CN103269515A
公开(公告)日：2013-08-28
申请号：CN201310219380.3
申请日：2013-06-04
Applicant: 北京邮电大学
Abstract: 本发明实施例涉及一种家庭基站密集部署网络下行链路的一种低复杂度的节能无线资源分配方法。该方法为了在最大化家庭基站下行链路的能量效率的同时减小所用算法的复杂度，提出了分布式的子信道分配与功率控制算法。通过使用不同于宏基站所用频段的子信道进行信号传输，避免了跨层干扰。家庭基站首先进行公平的时域平均子信道分配，以将子信道分配给各终端用户。通过采用指数加权的时间平均滤波器的方法，得到家庭基站在各子信道上基于非合作博弈的最优功率响应函数，进而得到功率分配均衡点。本发明通过采用时间平均的思想，解决了瞬时能量效率函数无法找到关于发射功率的闭式解的问题，用较小的能量损失换来了算法复杂度的明显降低。
-
公开(公告)号：CN103260192A
公开(公告)日：2013-08-21
申请号：CN201310219252.9
申请日：2013-06-04
Applicant: 北京邮电大学
CPC classification number: Y02D70/00
Abstract: 本发明实施例涉及一种家庭基站和宏基站异构双层网络中的下行链路功率分配解决方法。该方法针对家庭基站和宏基站异构部署的网络环境，考虑到家庭基站和宏基站在网络中职责和能力的差异，家庭基站和宏基站分别以不同的目标进行功率分配——家庭基站以最大化家庭基站的小区容量为目标，而宏基站则是在保证每条链路的最低信干噪比要求下以提高宏基站的能量效率为目标。我们把该双效用优化问题建模为一个stackelberg博弈模型，宏基站可以对各家庭基站的功率分配策略进行预测，并基于此选择最佳功率分配策略；而家庭基站无法对宏基站的功率分配策略进行预测，通过采用迭代注水算法策略进行功率分配。本发明实施例中引入了stackelberg博弈模型，更加真实的反映了家庭基站和宏基站双层网络功率分配问题的本质，因此可以极大的提升功率控制的性能。
-
公开(公告)号：CN112200366B
公开(公告)日：2022-11-01
申请号：CN202011074559.0
申请日：2020-10-09
Applicant: 北京邮电大学
IPC: G06Q10/04 , G06Q50/06 , G06F16/909 , G06F16/906 , G06N20/10
Abstract: 本公开实施例公开了一种负荷预测方法、装置、电子设备及可读存储介质。其中，负荷预测方法包括：从数据库中获取目标区域的历史负荷数据和历史气象数据；对所述历史负荷数据和历史气象数据分类，得到特定类型的历史负荷数据和历史气象数据；对于每个历史日期，从特定类型的历史负荷数据和历史气象数据中获取所述历史日期的历史气象数据和与所述历史日期相关联的时间内的历史负荷数据；将所述历史日期的历史气象数据和与所述历史日期相关联的时间内的历史负荷数据输入预测模型，对所述预测模型进行训练；将预测日期的气象数据和与所述预测日期相关联的时间内的负荷数据输入预测模型，得到所述预测日期的预测负荷数据。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.025 seconds)
