-
公开(公告)号：CN112929940A
公开(公告)日：2021-06-08
申请号：CN202110237509.8
申请日：2021-03-03
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于链路生存时间预测的无人机自组网组播路由协议，该方法在路由建立阶段，先根据相邻节点间距离的变化情况预测邻居节点间剩余链路生存时间，再基于预测结果并结合路由跳数、剩余能量等因素对链路质量做出综合评价，选出最佳中继节点以提高路由的可靠性；在数据传输阶段，通过局部路由修复与全局路由刷新相结合的策略对所建立路由进行动态维护，缓解节点高速移动引起的链路频繁断开的问题，提高数据递交率。该方法提高了高动态环境下无人机自组网中路由的稳定性，为实际应用中无人机自组网的构建提供了一定的参考和指导。
-
公开(公告)号：CN112906415A
公开(公告)日：2021-06-04
申请号：CN202110237507.9
申请日：2021-03-03
Applicant: 南京航空航天大学
IPC: G06K7/10
Abstract: 本发明公开了一种基于样本查询估计的冲突树优化方法。该方法采用随机查询估计与冲突树相结合的方式对大规模标签进行识别，利用标签ID前缀进行查询估计并利用标签ID的第一碰撞位进行识别过程分组，以达到高效识别的目的。首先根据被动标签的ID前缀信息将标签分配给帧中的多个时隙，并查询随机选择的前缀时隙得到时隙状态。然后根据随机选择时隙的状态估计出标签的数量并与当前估计帧长进行匹配，若匹配，则估计值准确；若不匹配，则以合适的帧长重新分配标签并重复上述估计操作，直到标签的数量估计值与帧长匹配。最后获得标签数量的估计值，并根据冲突树理论设置最优的帧长对标签进行识别操作以得到最高的时间效率。MATLAB中的对比仿真结果证明了该方法的有效性。
-
公开(公告)号：CN111294108A
公开(公告)日：2020-06-16
申请号：CN202010044607.5
申请日：2020-01-15
Applicant: 南京航空航天大学
IPC: H04B7/185 , H04L12/707 , H04L12/721 , H04L12/759
Abstract: 本发明公开了一种面向正交圆轨道构型卫星星座的高效路由方法。该方法根据星座链路模型提出了以就近原则和趋近原则以及赤道轨道卫星主动周期性更新机制来保证网络链路的合理性和便宜性，然后在链路模型的基础上提出基于跳数预测的链路优先级算法，通过链路实际通断状态，不回传策略导致的链路伪断开状态，目的节点方向，链路拥塞程度和链路传播时延因素的依次决策，最终卫星根据各链路的优先级发出数据包。并且根据源卫星节点和目的卫星节点的类别分为了四种情况进行讨论，根据卫星编号和状态信息，针对每种情况都给出了从不同链路发出数据包的跳数预测方法。
-
公开(公告)号：CN111027335A
公开(公告)日：2020-04-17
申请号：CN201911162150.1
申请日：2019-11-22
Applicant: 南京航空航天大学 , 中国电子科技集团公司第五十四研究所
IPC: G06K7/10
Abstract: 本发明公开了一种k比特连续碰撞位检测分裂树RFID标签防碰撞算法，解决现有多叉树算法标签识别能力差的技术问题。该方法根据曼彻斯特编码准确获取碰撞位划分情况，通过收到的碰撞情况检测最高连续碰撞位数k；然后将碰撞标签划分到2k子组中，利用获取到的连续碰撞信息，再将碰撞标签划分到不同大小的分组，消除了多叉树算法中存在大量碰撞时隙的情况，可以有效地减少碰撞时隙的数量和发送的信息比特数。MATLAB模拟仿真证明了该方法具有更好的标签识别能力。
-
公开(公告)号：CN110825113A
公开(公告)日：2020-02-21
申请号：CN201911162061.7
申请日：2019-11-22
Applicant: 南京航空航天大学
IPC: G05D1/10
Abstract: 本发明公开了一种适用于四旋翼无人机集群飞行的队形保持方法。该方法在无人机集群起飞时根据初始队形确定无人机集群参数，飞行过程中通过编队参考点组织编队队形，领航者无人机抵达目标点并悬停后，跟随者无人机可跟踪编队参考点，最终形成期望队形并悬停。通过人工势场法进行障碍规避与编队间无人机防碰撞，目标点、编队参考点、障碍物与无人机之间以及无人机与无人机之间均会产生力的作用。该方法可以有效地保证无人机集群飞行过程中按照预设队形飞行，同时飞行过程中能够规避障碍物并防止编队间无人机发生碰撞，MATLAB中数值模拟实现的无人机集群飞行轨迹证明了该方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN109787655A
公开(公告)日：2019-05-21
申请号：CN201910042060.2
申请日：2019-01-16
Applicant: 南京航空航天大学
IPC: H04B1/7136
Abstract: 本发明公开了一种适用于统计优先级多址接入的跳频跳时图案设计方法。该方法依据数据分组的分片传输将全网节点的时间轴同步划分为一系列连续、定长的数据时帧，数据时帧又根据分片大小进一步划分为多个脉冲时隙，考虑相邻脉冲有、无重叠分别计算脉冲时隙数和可设计的图案总数。基于截短素数跳频序列方法构造基本跳频序列族，然后对基本跳频序列进行扩充和截短得到跳频序列族。将跳频序列频点插入“时间-序列”矩阵，并对矩阵的行、列和频点随机排列，获得最终的跳频跳时图案。本方法可以有效避免在相同频点上同时发送信号造成的数据冲突，MATLAB中数值模拟实现的具体跳频跳时图案证明了该方法的有效性。
-
公开(公告)号：CN117930863A
公开(公告)日：2024-04-26
申请号：CN202410038868.4
申请日：2024-01-10
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于数字孪生和深度强化学习的集群协同目标搜索方法.该方法首先在仿真环境中获取无人机集群协同搜索问题的观测，其中观测空间由目标存在概率信息图、网格访问次数信息图、邻居和威胁信息图以及自身位置信息构成。然后，将观测结果输入到DNQMIX的策略网络中，生成无人机动作，并在仿真环境中执行，获取环境奖励，奖励函数由发现目标奖励、环境认知奖励、区域覆盖奖励、避障奖励和步进奖励的线型耦合构成。将由观测、动作和奖励组成的样本数据储存在经验回放池中，对DNQMIX的混合网络和策略网络进行训练，直到奖励函数收敛，生成最终的无人机集群协同搜索决策模型。同时，该方法设计了一种基于数字孪生的无人机集群协同目标搜索深度强化学习方法的仿真训练体系架构，构建无人机集群数字孪生系统。深度强化学习方法运行于孪生决策模型中，并利用集群孪生仿真模型和孪生连接通道，进行深度强化学习模型的训练和部署。仿真结果证明了该方法的有效性。
-
公开(公告)号：CN117221932A
公开(公告)日：2023-12-12
申请号：CN202310827141.X
申请日：2023-07-06
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种基于几何环路扫描的飞行自组网关键节点检测方法。该发明属于通信网络领域，解决了大规模飞行自组织网络中关键节点的检测时间过长、大量额外开销浪费、检测准确率低下的问题。该方法将关键节点检测过程分为两个阶段：几何分区阶段和环路扫描阶段。在几何分区阶段，通过设计基于几何拓扑结构的分区方式，归类整理节点分区状态，根据判定规则识别大部分节点类型。在环路扫描阶段，针对剩余未知节点，通过引入有限的分布式消息搜索机制展开进一步检测，识别自身节点类型。采用基于几何分区的方式识别节点降低了计算复杂度，使检测过程快速、高效。采用基于分布式消息搜索机制的环路扫描方法大幅降低了检测过程中的传输开销，并引入了TTL(time to live)平衡机制，提高了环路消息的利用效率，减少了时间开销，进一步排除了大部分非关键节点。
-
公开(公告)号：CN116963034A
公开(公告)日：2023-10-27
申请号：CN202310861810.5
申请日：2023-07-13
Applicant: 南京航空航天大学
IPC: H04W4/90 , H04W4/40 , H04W28/084 , H04W28/082 , H04L67/10 , H04L67/12 , G06N3/092
Abstract: 本发明公开了一种面向应急场景的空地网络分布式卸载决策和资源调度方法，该方法针对应急灾害场景，构建由无人机和应急救援车辆用户构成的空地一体化物联网，考虑计算密集型和时延敏感型业务的需求，以最小化系统总时延为目标构造优化问题，之后设计了一种改进的对决深度双Q网络算法求解优化问题，该算法在深度双Q网络的基础上，结合了对决网络，并引入优先经验回放机制，加快网络训练的收敛速度。本发明使用的ID3QN算法可以在满足时延和功率等约束的条件下，最小化系统的时间成本，有效解决应急场景中车辆用户的卸载决策、信道和功率分配的联合优化问题。
-
公开(公告)号：CN116886158A
公开(公告)日：2023-10-13
申请号：CN202310861667.X
申请日：2023-07-13
Applicant: 南京航空航天大学
IPC: H04B7/185 , H04L67/101
Abstract: 本发明提出了一种基于DDPG深度强化学习的可拆分任务卸载方法，命名为STO‑DDPG，用于星地融合网络移动边缘计算，首先针对星地融合网络中的用户、任务卸载节点以及用户与节点间的链路给出具体网络模型，给出了基于不同任务卸载节点的服务延迟计算公式；然后，将系统所有用户总服务时延的最小值定义为任务卸载的优化目标函数；针对上述的优化目标，基于DDPG算法，将星地融合网络中的用户设计为智能体，所有用户子任务分配策略的集合设计为动作，每个MEC服务器中每个用户的计算资源分配矩阵定义为状态，依据系统总服务时延设计奖励收益函数，通过智能体不断地与环境交互，优化训练DDPG网络参数，执行训练好的网络，最终得到优化问题的最优解。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.028 seconds)
