-
公开(公告)号:CN116910597A
公开(公告)日:2023-10-20
申请号:CN202310939571.0
申请日:2023-07-28
Applicant: 南京邮电大学
IPC: G06F18/2321 , G06F18/20 , G06F18/214
Abstract: 本发明公开了一种基于GM‑HMM的道路安全驾驶行为识别方法,首先获取城市道路三车道交通数据集,对采集数据集进行预处理,从预处理后的数据集中提取换道及直行的样本数据,针对每一类驾驶行为构建行为识别模型,采用观测数据对行为识别模型的模型参数进行训练优化,最后将测试数据分别导入三个驾驶行为子模型进行计算,输出概率最大的子模型对应的驾驶行为作为识别得到的行为结果。本发明适用于三车道的普遍城市道路场景,利用HMM和GMM的特点建立GM‑HMM混合模型,无需手动选择特征,能够自适应地对驾驶员的行为进行建模,又设置周围车辆安全距离,将周围车辆信息纳入安全考虑,最后对驾驶行为进行识别预警,提高了模型的安全性。
-
公开(公告)号:CN115987340B
公开(公告)日:2023-07-04
申请号:CN202310273343.4
申请日:2023-03-21
Applicant: 南京邮电大学
IPC: H04B7/0417 , H04B7/0452 , H04B7/0456
Abstract: 本发明公开了一种5G物联网信道相干且有限反馈条件下基于强化学习的用户调度方法,该方法包括:将5G物联网信道相干环境下用户容量具有弹性这一结论应用于设计用户调度算法中,使得系统可以同时容纳更多的用户,节约了空间资源;根据残留干扰公式,推导相应的用户可达速率表达式,降低计算复杂度,设计以最大化用户可达速率为目标的码字挑选准则;定义用户终端的动作价值为其可实现用户速率的期望,通过Q‑learning方法来估计,将用户终端的Q值定义为其动作价值置信区间的上界,并以Q值的大小作为用户选择的基准。该方法不需要尝试不同的用户组合来计算“速率和”,计算复杂度大大降低且不影响系统吞吐量。
-
公开(公告)号:CN116209024A
公开(公告)日:2023-06-02
申请号:CN202310123723.X
申请日:2023-02-15
Applicant: 南京邮电大学
Abstract: 本申请涉及一种基于深度强化学习的无线接入网切片切换方法。该方法包括:基于无线接入网的网络架构特性,将用户终端选择基站和切片问题构建为马尔可夫决策过程,基于马尔可夫决策过程,构建基于深度强化学习的切片切换模型,采用D3QN算法对基于深度强化学习的切片切换模型进行训练,获得训练好的切片切换模型,用户终端实时获取当前的网络环境状态,将当前的网络环境状态输入训练好的切片切换模型进行无线接入网切片切换分析,确定最优网络切换策略,根据最优网络切换策略,接入对应基站和切片,在用户多样化的QoS的前提下,可以实现最优的传输性能。
-
公开(公告)号:CN110769432B
公开(公告)日:2023-04-21
申请号:CN201911202255.5
申请日:2019-11-29
Applicant: 南京邮电大学
IPC: H04W16/22 , H04W72/0453 , H04W72/541 , H04L5/00
Abstract: 本发明公开了一种基于最小化干扰的SCMA上行链路频谱资源分配方法,在用户码本资源分配的基础上,根据推导出来的频谱带宽公式在基站端为SCMA上行链路系统的子载波分配频谱带宽从而满足各用户业务的传输速率要求。本发明在满足SCMA上行链路的用户传输速率Qos要求的基础上,设计出一种让用户在子载波K上的干扰信号降到最低的频谱资源分配方法,通过运用独特的用户码本分配方法以及香农限,不仅保证了用户业务达到最大传输速率,并且可以使系统的吞吐量最优。
-
公开(公告)号:CN115987340A
公开(公告)日:2023-04-18
申请号:CN202310273343.4
申请日:2023-03-21
Applicant: 南京邮电大学
IPC: H04B7/0417 , H04B7/0452 , H04B7/0456
Abstract: 本发明公开了一种5G物联网信道相干且有限反馈条件下基于强化学习的用户调度方法,该方法包括:将5G物联网信道相干环境下用户容量具有弹性这一结论应用于设计用户调度算法中,使得系统可以同时容纳更多的用户,节约了空间资源;根据残留干扰公式,推导相应的用户可达速率表达式,降低计算复杂度,设计以最大化用户可达速率为目标的码字挑选准则;定义用户终端的动作价值为其可实现用户速率的期望,通过Q‑learning方法来估计,将用户终端的Q值定义为其动作价值置信区间的上界,并以Q值的大小作为用户选择的基准。该方法不需要尝试不同的用户组合来计算“速率和”,计算复杂度大大降低且不影响系统吞吐量。
-
公开(公告)号:CN111246438B
公开(公告)日:2023-03-24
申请号:CN202010040442.4
申请日:2020-01-15
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于强化学习的M2M通信中中继节点的选择方法,包括如下步骤:S1、搭建强化学习模型框架,确定强化学习的动作集、状态集以及奖赏值;S2、对强化学习模型的框架进行细化;S3、根据具体问题对强化学习模型进行迭代循环;S4、根据训练结果对强化学习模型进行调整,应用调整后的强化学习模型进行中继节点的选择。本发明将每次通信的能量消耗情况与为中继节点供能的电池的能量均衡情况都纳入强化学习的目标中,使系统在减少能量消耗与实现能量均衡中达到平衡,避免了能量失衡、延长了整个系统的使用寿命。
-
公开(公告)号:CN110337092B
公开(公告)日:2022-07-26
申请号:CN201910548199.4
申请日:2019-06-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于社交信任模型的低功耗中继选择方法,主要涉及物理传输层、社交网络层两大网络体系结构,在D2D通信中,由于受到传输距离短的限制,用户需要选择闲置中继用户来支持通信传输,实现资源共享。根据自身物理位置信息,利用移动用户间隐藏的社会关系,筛选出具有较强社会信任的用户作为候选中继用户,建立社交信任网络模型,在此基础上,综合考虑用户服务质量和能耗等因素,实现最佳中继用户选择策略。本发明通过社交关系网络模型和基于社交信任的低功耗模型的建立,高效利用了闲置传输资源,提高了能量效率,节约了能耗,提高了D2D通信质量,改善了网络整体性能。
-
公开(公告)号:CN114567933A
公开(公告)日:2022-05-31
申请号:CN202210107186.5
申请日:2022-01-28
Applicant: 南京邮电大学
Abstract: 本发明公开基于改进遗传算法的异构云雾协同网络中的资源分配方法,包括:收集终端设备所需完成的计算任务的数量;基于构建的异构网络计算迁移问题模型,获得最优的终端设备所分配到的用于完成计算任务的计算资源、最优的终端设备将计算任务迁移所需的上行链路的传输功率和最优的终端设备的任务卸载策略。本发明在雾端收集终端设备所需完成计算任务的数量,完成计算任务所需的计算量以及完成任务所能接受的最大时延这三个参数,通过改进遗传算法实现对终端设备的卸载决策、分配到的计算资源和传输功率的联合优化,得到了异构网络中基于云雾协同计算的资源分配方案,解决了异构网络中雾计算和云计算共存协同的资源分配问题,减少了计算量。
-
公开(公告)号:CN111277307B
公开(公告)日:2022-04-08
申请号:CN202010069963.2
申请日:2020-01-21
Applicant: 南京邮电大学
IPC: H04B7/0426 , H04B7/0452 , H04B7/0456 , H04W72/04 , H04W72/08 , H04W52/26
Abstract: 本发明揭示了一种有限反馈欠秩信道时MU‑MIMO系统的资源分配方法,包括如下步骤:S1、建立MU‑MIMO系统模型,分析处于富散射环境和非富散射环境下的用户容量上限和等效信道状况;S2、推导有限反馈欠秩情况下的预编码矩阵,推导用户容量与SINR之和间的关系;S3、以同时实现最大化能量效率和最大化有效吞吐量为目标、建立双目标优化问题模型;S4、求解双目标优化问题,通过功率分配和用户选择实现系统能量效率和有效吞吐量的双目标优化。本发明的方法能够在保证精细QoS要求的前提下,同时实现对系统吞吐量和能量效率的优化。
-
公开(公告)号:CN108832979B
公开(公告)日:2021-04-06
申请号:CN201810595661.1
申请日:2018-06-11
Applicant: 南京邮电大学
IPC: H04B7/0452 , H04B7/0426 , H04B17/382
Abstract: 本发明公开了一种信道欠秩时MU‑MIMO系统多目标优化资源分配算法,包括如下步骤:步骤1:建立系统模型,并分析处于富散射和非富散射环境时的用户容量上限和等效信道状况;步骤2:建立双目标优化问题模型;步骤3:求解双目标优化问题,通过功率分配和用户选择实现系统有效吞吐量和能量效率的双目标优化;由于双目标优化问题并不是一个标准的凸优化问题,不能直接用凸优化技术来解决,因此本发明通过拉格朗日对偶算法来解决该优化问题。本发明通过功率分配和用户选择能够在保证用户时延和业务速率上下限要求的同时,优化系统有效吞吐量和能量效率系统能量效率与频谱效率。
-
-
-
-
-
-
-
-
-