-
公开(公告)号：CN115200586B
公开(公告)日：2024-07-09
申请号：CN202210830286.0
申请日：2022-07-15
Applicant: 湖南大学
Abstract: 本公开实施例中提供了一种基于协同感知和智能边缘计算的自动驾驶路径规划方法，属于计算技术领域，具体包括：目标汽车发起感知任务，规划感知任务对应的兴趣区域；做出协同感知任务分配决策；为参与协同感知任务的周边车辆做出计算卸载决策；为接受卸载的路侧单元做出资源分配决策；将计算卸载决策和协同感知任务分配决策同步至路侧单元和周边车辆中，以及，将资源分配决策同步至路侧单元中；进行协同感知数据的采集与计算任务的卸载，任务处理结果通过车间通信和车路通信的链路返回至目标汽车；目标汽车将任务处理结果进行信息融合并根据融合后的结果进行轨迹预测和路径规划。通过本公开的方案，提高了路径规划的效率、精准度和适应性。
-
公开(公告)号：CN114845272B
公开(公告)日：2024-06-25
申请号：CN202210451561.8
申请日：2022-04-27
Applicant: 湖南大学
Abstract: 本公开实施例中提供了一种异构车联网的联合任务卸载和资源分配方法、装置及设备，属于电学技术领域，具体包括：步骤1，搭建多MEC辅助的异构车联网联合计算任务卸载和资源分配模型；步骤2，构建系统效用最大化目标函数；步骤3，针对系统效用最大化目标函数进行卸载和分配方案的分解；步骤4，构建计算任务卸载决策方案；步骤5，构建资源分配方案。通过本公开的方案，提出了一种基于MEC的车联网的联合任务卸载和资源分配算法，通过将二者分别讨论，分别进行针对性优化，目的在于解决多MEC服务器‑多车联网用户网络中计算资源不足的问题，综合考虑任务卸载、系统能耗、时延等限制调价以实现目标系统效用最大化。
-
公开(公告)号：CN114025359B
公开(公告)日：2024-04-23
申请号：CN202111280872.4
申请日：2021-11-01
Applicant: 湖南大学
IPC: H04W16/10 , H04W28/06 , H04W72/0453 , H04W72/0446
Abstract: 本发明公开了一种基于深度强化学习的资源分配与计算卸载方法、系统、设备及介质，方法为：将移动设备的能量收集时间、任务卸载大小、任务卸载时间、CPU频率联合作为计算任务卸载策略变量，基于移动设备的计算任务大小、运算能力、通信信道特点以及计算任务卸载策略变量，构建移动设备收集的能量计算模型和消耗的能量计算模型，两者相减得到移动设备在各时隙的剩余能量计算模型；对所有移动设备所有时隙的剩余能量求和，得到移动边缘计算系统的剩余能量计算模型；将移动边缘计算系统的剩余能量作为优化目标，采用深度强化学习方法，通过最大化优化目标，计算得到各移动设备的计算任务卸载决策。本发明提高移动设备用户的应用体验。
-
公开(公告)号：CN115643301B
公开(公告)日：2024-04-09
申请号：CN202211299698.2
申请日：2022-10-24
Applicant: 湖南大学
Abstract: 本发明公开了一种基于压缩布谷鸟过滤器的DDS自动发现方法和介质，方法包括：网络中的任意节点A在参与者发现阶段把自身端点信息以指纹形式封装到压缩布谷鸟过滤器中并广播发送到其余节点B，B对A发送的信息进行匹配，完成对A的发现并进入端点发现阶段；在端点发现阶段，B查询压缩布谷鸟中是否有自身需要订阅的主题，若有则向A发送订阅的主题信息，完成端点匹配；压缩布谷鸟过滤器对其中非空条目，使用指纹第1bit表示非空条目，指纹末尾增加1bit表示该指纹数量；对空条目则使用1bit表示当前位置为空条目，再使用3bit表示当前位置开始的连续空条目数量。本发明能加速DDS的自动发现环节，且有效降低网络负载和内存消耗。
-
公开(公告)号：CN117750096A
公开(公告)日：2024-03-22
申请号：CN202311752381.4
申请日：2023-12-19
Applicant: 湖南大学
IPC: H04N21/262 , H04N21/647 , H04N21/442
Abstract: 本申请适用于视频通信技术领域，提供了一种基于多路径的数据包调度方法、装置、设备及介质。该方法包括：接收视频播放客户端发送的数据响应消息；若播放缓冲区信息指示视频播放客户端的当前播放视频存在卡顿风险，则根据播放缓冲区信息将未接收到数据确认消息的多个数据包作为重传数据包，并将所有重传数据包重新发送到视频播放客户端；若不存在卡顿风险，则分别基于每个子流传输数据包时的最大往返时延和最小往返时延获取子流的拥塞状态系数和子流中数据包到达视频播放客户端的到达时间，并根据所有子流的拥塞状态系数和到达时间从多个子流中选择目标子流，利用目标子流进行数据包调度。本申请的数据包调度方法能够提高视频播放质量。
-
Patent Agency Ranking
公开(公告)号：CN112598165B
公开(公告)日：2023-09-26
申请号：CN202011452777.3
申请日：2020-12-11
Applicant: 湖南大学
IPC: G06F18/2321 , G06N3/048 , G06N3/0464 , G06N3/049 , G06N3/084 , G06N3/0442 , G06Q50/26
Abstract: 本发明公开了一种城市功能区转移流量预测方法及装置，其方法为：首先，采集城市中私家车的GPS和OBD数据，从中提取私家车的停留点数据，根据经纬度信息为所有停留点数据匹配POI语义标签；然后，根据停留点数据统计每个时间片段内位于各功能区的转移流量，并构建功能区域之间的流量转移矩阵，进而构建训练样本和预测样本；最后，使用训练样本对预设的转移流量预测模型进行训练，训练后即可用于对预测样本在目标时间段的车辆转移流量进行预测。本发明的预测模型捕获了训练样本的时间相关性和时空相关性，预测功能区之间的转移流量，且预测准确率高。
-
公开(公告)号：CN114025350B
公开(公告)日：2023-09-19
申请号：CN202111500384.X
申请日：2021-12-09
Applicant: 湖南大学
Abstract: 本发明提供了一种基于密码和频偏的双重认证方法，包括：步骤1，待认证设备将带特定SSID的probe request帧信号发送给通用软件无线电外设，通用软件无线电外设与主机相连；步骤2，根据通用软件无线电外设接收到的信号运行GNU radio对接收到的信号进行信号处理，得到待认证设备的载波频偏特征；步骤3，通过最近邻的模式匹配算法将待认证设备的载波频偏特征与已存储的所有授权用户的载波频偏特征进行相似度计算。本发明通过通用软件无线电外设提取出无线智能设备的频偏指纹特征，并利用频偏对智能设备进行识别，通过通过密码和频偏双重认证模式，增强了无线网络识别机制，避免了非法设备的接入，网络安全性提高。
-
公开(公告)号：CN116436590A
公开(公告)日：2023-07-14
申请号：CN202310387868.0
申请日：2023-04-12
Applicant: 湖南大学
Abstract: 本发明公开了一种云边端协同架构中的轨迹隐私保护方法和系统，方法包括：多个用户端分别量化各自用户的隐私需求，基于用户隐私需求对用户真实轨迹进行扰动处理，再使用边缘端服务器的公钥对扰动轨迹进行加密处理，得到加密扰动轨迹并分发给若干个Shuffler；Shuffler向接收到的加密扰动轨迹分量集内添加虚假轨迹分量，在所有Shuffler之间对轨迹分量执行不经意混洗，并将混洗得到的轨迹分量发送给边缘服务器；边缘服务器将所有接收到的轨迹分量处理，得到所有用户的轨迹信息，且未知用户与轨迹之间的对应关系。本发明在为用户轨迹提供定量隐私保护的基础上提升轨迹数据的有效性，同时防范合谋攻击和数据中毒攻击。
-
公开(公告)号：CN116208669B
公开(公告)日：2023-06-30
申请号：CN202310472858.7
申请日：2023-04-28
Applicant: 湖南大学
IPC: H04L67/5682 , H04L67/10 , H04L67/12 , H04W28/084 , H04W28/14 , H04W4/44 , G06F9/50
Abstract: 本发明公开了一种基于智慧灯杆的车载异构网络协同任务卸载方法，包括如下步骤：针对车辆端，计算车辆从智慧灯杆请求缓存的通信时延，将全部缓存中最大的通信时延作为车辆的与智慧灯杆网络的通信时延，判断其是否小于车辆向云中心发送请求的时间，若是，则向智慧灯杆网络卸载任务，反之，则向云中心卸载任务；针对智慧灯杆端，以单个智慧灯杆自身利润为指标，将智慧灯杆网络划分为多个联盟，以联盟的利润最大化为优化目标，对联盟内的智慧灯杆组成进行优化，输出最优的联盟组合。本申请还提供一种基于智慧灯杆的车载异构网络协同任务卸载系统。本申请可以提高车辆端的服务体验及智慧灯杆网络的整体收益。
-
公开(公告)号：CN116092514A
公开(公告)日：2023-05-09
申请号：CN202310049668.4
申请日：2023-02-01
Applicant: 湖南大学
Abstract: 本公开实施例中提供了一种多异构设备下的扬声器音频分类方法，属于数据识别技术领域，具体包括：步骤1，调用手机内置加速度传感器采集同一板载扬声器播放的初始振动信号；步骤2，对初始振动信号进行预处理操作；步骤3，剔除预处理后的初始振动信号中的干扰信号，得到目标振动信号；步骤4，筛选与音频内容高度相关和设备无关的信号统计特征；步骤5，根据信号统计特征，使用对抗性神经网络对目标振动信号的音频内容进行分类。通过本公开的方案，提高了语音识别的效率和精准度。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.018 seconds)
