-
公开(公告)号：CN119692479A
公开(公告)日：2025-03-25
申请号：CN202411874354.9
申请日：2024-12-18
Applicant: 桂林电子科技大学
Abstract: 针对低轨道卫星（Low Earth Orbit,LEO）计算受限、能量受限且供应不稳定、以及任务需求多变的特点，本发明提出了一种LEO多模型参数动态推理策略，以优化推理效率并提高系统的任务响应能力。该策略基于马尔可夫决策过程（Markov Decision Process,MDP），结合深度强化学习（Deep Q Network,DQN），实现了对卫星推理模型参数的动态适配。通过引入多模型切换与参数调节机制，本文在推理精度、计算能耗和响应时延之间达成了有效平衡。在仿真实验中，提出的策略相比传统固定模式提升了用户满意度（Quality of Experience,QoE）约25.2%，相比随机模式提升QoE约63.9%，推理精度达到76.5%，同时计算能耗和响应时延分别维持在2.3 J和2.1 ms。
-
公开(公告)号：CN110225653B
公开(公告)日：2024-09-24
申请号：CN201910636885.7
申请日：2019-07-15
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种元器件传热系统的散热机构，包括元器件，元器件的底部设有导热板，导热板的底部固定连接有导热鳍片，导热鳍片的底部设有pcb板，pcb板右侧上表面设有微型散热风扇，微型散热风扇的顶部固定连接有集风罩，集风罩的左侧连通有散热管，散热管远离集风罩的一端与导热板的右侧相连通。本发明通过启动微型散热风扇将冷风通过散热管输送至导热板的内部，使导热板进行快速降温，解决了现有的传热系统中散热效果差，一般散热器散热智能对导热板的底部进行散热，且散热时是从外向内逐步散热，其散热效率低的问题，该元器件传热系统的散热机构，具备有内部散热散热效率高的优点，提高元器件的使用寿命。
-
公开(公告)号：CN116600344A
公开(公告)日：2023-08-15
申请号：CN202310443772.1
申请日：2023-04-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种具有电力成本差异的多层MEC资源卸载方法，该方法是先建立具有电力成本差异的多层MEC资源的网络模型；然后建立不同资源层次下的通信模型和计算模型；利用基于NOMA的子信道用户重组算法，对信道资源进行分配；最后利用基于Q‑Learning的计算卸载和资源分配算法，将优化问题转化为等效的强化学习问题，通过对智能体的训练，使Q表收敛，以此指导基站智能体的卸载决策。以最小化所有用户时间成本和卸载成本的加权和为优化目标，通过联合卸载决策和资源分配将问题表述为一个混合整数规划问题，并提出基于NOMA和Q‑Learning的优化传输与卸载的求解方案。仿真结果表明，本申请的多层MEC架构要优于传统单层MEC架构，同时验证了本算法在求解中要优于其他基本算法。
-
公开(公告)号：CN115988570A
公开(公告)日：2023-04-18
申请号：CN202211141040.9
申请日：2022-09-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种低轨卫星边缘计算系统基于TDMA的计算卸载方法，该方法基于TDMA联合优化卸载决策和任务卸载序列策略，将任务卸载序列问题建模成一个总流经时间最小化的双机流水线问题，利用Liu和Reeves提出的启发式（LR）算法最小化总时延，基于匹配理论和联盟博弈论来解决卸载决策问题，利用改进的GS算法和联盟博弈迭代算法求解，仿真结果表明，所提策略相较于对比策略，可以有效降低系统的时延和能耗。
-
公开(公告)号：CN110647403B
公开(公告)日：2023-04-11
申请号：CN201911049702.8
申请日：2019-10-31
Applicant: 桂林电子科技大学
IPC: G06F9/50
Abstract: 本发明公开一种多用户MEC系统中的云端计算资源分配方法，基于移动用户的任务信息以及移动用户与MEC服务器之间的信道信息，以收益最大化为目标建立误工损失模型，不计入任务等待时间，利用误工损失模型中的函数剔除完成时间大于等于截止期限的任务，对剩余任务进行EDD排序，再利用分支定界法确定执行次序，MEC服务器根据执行次序执行完成时间小于截止期限的任务，并获取最大化收益，本发明以收益最大化为目标，将MEC服务器误工最小化问题建模成以任务执行次序为优化变量的最优化问题，并建立误工损失模型，提出了一种基于分支定界法的排序算法来寻找该问题的最优解，在满足卸载任务的截止期限的同时，尽可能拒绝造成损失较小的任务，以实现收益最大化。
-
Patent Agency Ranking
公开(公告)号：CN109190322B
公开(公告)日：2023-03-24
申请号：CN201811317166.0
申请日：2018-11-07
Applicant: 桂林电子科技大学
IPC: G06F30/23 , G06T17/20 , G06F111/10 , G06F119/08 , G06F119/12
Abstract: 本发明公开一种基于温度场的电子束熔覆工艺参数优化方法及系统。方法包括：获取熔覆条件和结构尺寸，所述熔覆条件包括环境温度、熔覆工艺、熔覆层材质和基体材质，所述结构尺寸包括熔覆层尺寸和基体尺寸；根据所述熔覆条件和所述结构尺寸，建立有限元分析模型；对所述限元分析模型进行网格划分，得到熔覆数学模型；对所述熔覆数学模型进行移动加载，得到熔覆温度场的分布；对所述熔覆温度场的分布进行分析，得到最优加工参数；对所述最优加工参数采用单变量试验，得到最优参数。采用本发明的方法或系统能够避免大量试验工件的浪费，减少熔覆参数优化的工作量，降低试验成本。
-
公开(公告)号：CN113516557A
公开(公告)日：2021-10-19
申请号：CN202110795528.2
申请日：2021-07-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种有向无环图结构的区块链及其实现方法，属于区块链技术领域。本发明提出了一种新的DAG区块链组织方法及其实现方法，区块之间通过本节点的自引用作为子区块节点，通过其他节点的它引用作为子侄区块节点从而构成有向无环图结构。本发明中交易支持并行特性，大量的并发交易可以通过各个分布节点并行处理并通过带数字签名的gossip协议验证转发，最终达到共识确认并出块，实现了交易的高并发处理，提高了系统的交易吞吐量。同时，本发明在不依赖算力保证的情况下避免了双花或冲突交易的确认上链，从而保证了安全性。综上所述，本发明可以提供高吞吐、高效共识、高安全和高扩展等特性，能适用于更广阔的区块链技术应用场景。
-
公开(公告)号：CN108490411B
公开(公告)日：2021-08-03
申请号：CN201810204741.X
申请日：2018-03-13
Applicant: 桂林电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种抑制目标检测中色杂波的方法，在多周期目标检测信号中按周期加入编码调制的波形设计，设计具有尖锐的自相关特性的相位编码，可以采用扩频伪随机码或非伪随机码，有助于目标检测时通过解码分离目标回波和抑制杂波。在回波脉压矩阵列项上的解码方法，能够在MTD的慢时间维上抑制杂波的干扰。扩频编码调制和解码在动目标检测（MTD）中的步骤，解码在MTD中的步骤可以在脉压步骤之前，也可以在脉压步骤之后，FFT步骤之前。本发明方法，可以抑制窄带、低频、平稳或非平稳的色杂波对目标检测的干扰，该方法无需估计杂波图和已知环境的杂波模型，也无需复杂的滤波器组，就能够获得较好的抑制杂波效果。
-
公开(公告)号：CN110838947B
公开(公告)日：2021-04-23
申请号：CN201911147805.8
申请日：2019-11-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于H‑Algorand的多块输出公有链共识机制，首先提出，一种多块输出的公有链共识机制MB‑Algorand，该机制的领导者可以连续出块，从而有效地提升了出块效率；其次在公有链委员会受到DDOS攻击的场景下，提出融合了Algorand和MB‑Algorand两者优点的H‑Algorand机制，该机制兼顾了共识效率与安全性两方面的性能，将H‑Algorand机制与Algorand机制进行仿真对比发现，H‑Algorand机制能在恶意攻击成功率为1%~4%的条件下，以牺牲少量安全性为代价换取共识效率的有效提升。
-
公开(公告)号：CN112653500A
公开(公告)日：2021-04-13
申请号：CN202011485598.X
申请日：2020-12-16
Applicant: 桂林电子科技大学
IPC: H04B7/185 , H04L12/851 , G06N3/00 , G06F9/50 , G06F9/48
Abstract: 本发明公开了一种基于蚁群算法的面向低轨道卫星边缘计算任务调度方法，该方法面向LEO卫星边缘计算场景，建立了一个在设备的计算资源(例如中央处理单元频率和存储器)、电池能量受限和多用户具有不同服务质量（quality of service，QoS）需求约束下的时延和能耗的系统花费函数，设计了一个基于蚁群算法的任务调度方法，采用蚁群算法优化多设备的任务执行次序问题，并且通过调度时钟频率优化本地计算的花费，从而达到系统的总花费最小。仿真结果表明，所提算法的系统花费分别比随机排序算法、大任务首先排序算法和小任务首先排序算法低17.5%、14.3%和22.2%。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.041 seconds)
