-
公开(公告)号：CN116011584A
公开(公告)日：2023-04-25
申请号：CN202211691797.5
申请日：2022-12-28
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于空中计算的联邦元学习系统及其优化方法与控制装置，各个训练用户设备在本地进行元学习的训练，并计算本地梯度，有助于提供全局模型的泛化能力，克服训练用户设备本地数据异构性的影响。同时，各个训练用户设备的本地梯度在相同的时频资源上发送至基站，有助于提高系统的频谱资源利用率。此外，预设的各个训练用户设备的功率约束有助于在完成基于空中计算的联邦元学习任务前提下，节约用户能耗。由于对各个训练用户设备的发送功率配置和基站的波束赋形向量进行了联合优化，使得基于空中计算的联邦元学习聚合过程得到全局优化，改善了联邦元学习的收敛性，实现更好的联邦元学习训练效果。
-
公开(公告)号：CN113065093B
公开(公告)日：2022-07-12
申请号：CN202110275642.2
申请日：2021-03-15
Applicant: 北京邮电大学
IPC: G06F17/15 , H04L41/0677
Abstract: 本发明实施例提供了一种待修复链路的确定方法及装置，计算获取的当前的目标函数的最优解，作为当前的目标最优解；基于当前的目标最优解，计算当前的目标最优解对应的当前的目标函数的第一函数值，以及当前的目标函数的最大值，作为第二函数值；如果第一函数值和第二函数值满足预设收敛条件，基于当前的目标最优解，确定当前的待修复链路；如果第一函数值和第二函数值不满足预设收敛条件，基于当前的目标最优解，确定当前的数据丢弃决策向量、当前的流分配向量和当前的节点实际计算量向量，以更新当前的目标函数，并执行计算当前的目标函数的最优解，作为当前的目标最优解的步骤。基于上述处理，可以提高目标边缘计算网络处理计算任务的成功率。
-
公开(公告)号：CN111526596B
公开(公告)日：2022-06-28
申请号：CN202010393028.1
申请日：2020-05-11
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种WLAN网络和移动网络的联合资源调度方法及装置，所述方法包括：估算各终端设备所需资源的资源量；判断无线局域网WLAN网络的可分配资源的资源量是否小于各个第一设备所需资源的资源量之和，第一设备为：仅能连接WLAN网络的终端设备；若为是，为各第一设备分配的WLAN网络资源；若为否，为各第一设备和第二设备分配WLAN网络资源，第二设备为：既能连接WLAN网络、又能连接移动网络的终端设备；为各第三设备分配移动网络资源，第三设备包括：仅能连接移动网络的终端设备以及第二设备中未连接WLAN网络的终端设备。应用本发明实施例提供的方案对WLAN网络和移动网络联合进行资源调度时，能够适用不同终端设备对资源的需求。
-
公开(公告)号：CN113392539B
公开(公告)日：2022-06-21
申请号：CN202110788018.2
申请日：2021-07-13
IPC: G06F30/20 , G06N7/00 , G06F111/02 , G06F111/04 , G06F111/08 , G06F119/10
Abstract: 基于联邦强化学习的机器人通信控制方法、系统及设备，涉及路径规划技术与无线通信资源分配领域。解决现有机器人系统中存在通信和路径规划问题，方法步骤包括：每个聚合周期开始时每个机器人用新接收到的全局网络模型参数替换本地网络模型参数，聚合周期内，每个机器人用本地网络进行强化学习训练并更新本地网络模型参数，聚合周期结束前每个机器人上传最新网络模型参数给接入点；接入点对所有的新本地网络模型参数进行全局聚合得到新全局模型参数，并把新的全局模型参数下发给相应的机器人。本发明加快网络的收敛速度，提高系统长期吞吐量，并对机器人数量的变化具有较好的鲁棒性，同时还可以降低机器人的通信能耗并保护机器人的隐私。
-
公开(公告)号：CN111586867B
公开(公告)日：2022-04-22
申请号：CN202010349626.9
申请日：2020-04-28
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种SCMA系统的资源分配方法及装置，上述方法包括：基于子载波资源向各个终端设备发送下行参考信号，接收各个终端设备发送的各个第一传输质量信息，并预测基于各个码本资源向各个终端设备传输数据时的理论传输速率；根据理论传输速率以及各个终端设备的历史平均传输速率，确定将码本资源分配给终端设备的优先级；并确定基于各个码本资源向各个终端设备传输数据时的第二传输质量信息；基于优先级以及第二传输质量信息，为各个终端设备分配码本资源。应用本实施例提供的方案对SCMA系统的资源进行分配时，能够提高为终端设备分配码本资源的效率，进而提高为终端设备所提供服务的质量。
-
Patent Agency Ranking
公开(公告)号：CN114125861A
公开(公告)日：2022-03-01
申请号：CN202111422214.4
申请日：2021-11-26
Applicant: 北京邮电大学
Abstract: 本发明公开了一种无线联邦学习方法及装置，方法包括步骤：基于空中计算的分布式学习用户和基于非正交多址接入的集中式学习用户通过双功能智能超表面辅助的并发传输，共享上行频谱资源，将本地数据和模型参数同时发送到基站进行混合学习；基站首先对基于非正交多址接入的集中式用户进行信号译码，从而获得每个集中式学习用户的本地数据，用以计算其模型参数；然后基站利用串行干扰消除及空中计算技术得到联邦学习用户的平均模型参数；基站结合前述两类模型参数，更新全局模型；之后基站将全局模型下发至所有联邦学习用户以进行下一轮学习，直至全局模型收敛或达到最大迭代次数。本发明可以显著降低通信开销和降低传输时延以及获得更好的学习性能。
-
公开(公告)号：CN110399218B
公开(公告)日：2021-09-21
申请号：CN201910651497.6
申请日：2019-07-18
Applicant: 北京邮电大学
IPC: G06F9/50
Abstract: 本发明实施例提供了一种数据调度方法及装置，该方法包括：获取每个第一数据采集设备所发送的信道检测信息和第一数据量；确定具有强储能能力的第一数据采集设备的第一电能和第二电能，确定数据处理设备中存储的第二数据量；基于第一数据量、第二数据量、第一电能、第二电能、数据处理设备的能量发射功率、信道检测信息、信道容量计算式和预设的资源优化函数，计算当资源优化函数取得最小值时第一比值、第二比值及具有强储能能力的第一数据采集设备上传数据的发射功率；在根据第一比值对第一数据采集设备进行无线充电之后，根据第二比值和发射功率对上行数据进行调度。这样，可以保障数据采集设备上传数据的公平性。
-
公开(公告)号：CN113392539A
公开(公告)日：2021-09-14
申请号：CN202110788018.2
申请日：2021-07-13
IPC: G06F30/20 , G06N7/00 , G06F111/02 , G06F111/04 , G06F111/08 , G06F119/10
Abstract: 基于联邦强化学习的机器人通信控制方法、系统及设备，涉及路径规划技术与无线通信资源分配领域。解决现有机器人系统中存在通信和路径规划问题，方法步骤包括：每个聚合周期开始时每个机器人用新接收到的全局网络模型参数替换本地网络模型参数，聚合周期内，每个机器人用本地网络进行强化学习训练并更新本地网络模型参数，聚合周期结束前每个机器人上传最新网络模型参数给接入点；接入点对所有的新本地网络模型参数进行全局聚合得到新全局模型参数，并把新的全局模型参数下发给相应的机器人。本发明加快网络的收敛速度，提高系统长期吞吐量，并对机器人数量的变化具有较好的鲁棒性，同时还可以降低机器人的通信能耗并保护机器人的隐私。
-
公开(公告)号：CN111443731B
公开(公告)日：2021-06-18
申请号：CN202010293107.5
申请日：2020-04-15
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本发明实施例提供了一种无人机控制方法、装置及控制设备，方法包括：获取待探测区域以及完成探测任务的限制时长，获取所述子区域对应的最少数据量，将限制时长平均分为N份，得到时隙长度为δt的N个时隙，并将δt确定为所述子区域对应的传输时长，控制无人机在所述子区域内采集该子区域对应的最少数据量的数据，并控制所述无人机使用该子区域对应的传输时长向数据中心实时传输在该子区域所采集的数据。采用本发明实施例提供的方案控制无人机，可以减小无人机的通信能耗，为无人机节省了能耗，从而减少了无人机在续航时间内无法完成探测任务的现象，提高无人机的探测效率。
-
公开(公告)号：CN110210604B
公开(公告)日：2021-06-04
申请号：CN201910426029.9
申请日：2019-05-21
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种终端设备移动轨迹预测方法及装置。将历史轨迹序列中包含的各历史轨迹点对应的特征值输入到预先训练的逻辑回归模型中，获得多个目标停留点对应的权重值；将每个目标停留点与该目标停留点对应的权重值进行拼接，并将各目标停留点对应的拼接元素的向量输入到预先训练的循环神经网络模型中，得到待预测终端设备在目标区域内的预测轨迹。由于本发明实施例中，用停留点的权重值来表示终端设备的轨迹行为特征，用用户停留点表示终端设备的位置特征；通过将停留点和停留点的权重值合并后的元素，作为循环神经网络模型的训练样本，并得到用于预测终端设备的轨迹行为的循环神经网络模型，从而准确的对终端设备进行移动轨迹预测。
-
-
-
-
-
-
-
-
-
Search Results
271
records
(took 0.071 seconds)
