一种无人机协同下边缘计算多时隙计算资源的动态分配方法

    公开(公告)号:CN116347479A

    公开(公告)日:2023-06-27

    申请号:CN202310316311.8

    申请日:2023-03-29

    Applicant: 东南大学

    Abstract: 本专利公开了一种无人机协同下边缘计算多时隙计算资源的动态分配方法。针对无人机协同边缘计算的实际场景,建立了云‑无人机‑用户的决策优化系统,通过实时用户任务调度为用户提供低延迟服务,并使系统能量消耗尽可能低。我们对用户和无人机之间的信道进行建模,计算卸载速率。本方法引入惩罚因子表征用户的服务质量。无限制的任务卸载会导致过多的能量消耗,因此本方法还选择了能量消耗作为优化目标。我们根据实时数据反馈,合理分配频率资源并及时调整无人机的位置。我们使用模拟退火算法求解分配策略,实现无人机计算资源的优化分配。本方法可以实现边缘计算中计算资源的动态合理分配,在无人机协同、多时隙动态优化的场景有较好的应用。

    多无人机辅助MEC系统中联合轨迹、卸载和资源分配优化方法

    公开(公告)号:CN115833907A

    公开(公告)日:2023-03-21

    申请号:CN202211438895.8

    申请日:2022-11-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种多无人机辅助MEC系统中的联合轨迹、卸载和资源分配优化方法,包括以下步骤:1、无人机上的MEC服务器收集飞行区域内所有地面用户节点的计算资源、通信资源和任务负载等信息,以及其他无人机计算资源信息;2、引入相关的辅助变量,建立对应的优化问题;3、用户和无人机之间的匹配关系通过卸载匹配博弈算法初始化,其对应的矩阵为卸载匹配矩阵;4、引入辅助变量,将优化问题分解为若干子问题求解。该方法基于块坐标下降方法和连续凸逼近技术,称其为联合多无人机轨迹、卸载和资源优化方案;5、迭代直至前后两次目标函数值之差的绝对值小于阈值。本方法降低了用户的平均服务时延。

    一种低轨卫星通信网络中的星间路由方法

    公开(公告)号:CN111953399B

    公开(公告)日:2022-06-17

    申请号:CN202010660779.5

    申请日:2020-07-10

    Abstract: 本发明提出一种低轨卫星通信网络中的星间路由方法,该方法是一种基于心跳包技术的动态星间网络路由方法。首先,网络中的每个卫星节点使用心跳包机制,维护与邻居节点的动态链路和节点逻辑地址等信息,进而维持一个由逻辑地址组成的卫星通信网络的拓扑结构。源节点根据与目的节点的相对位置,先确定轨道内跳数和轨道间跳数,然后确定数据包的垂直传输方向和水平传输方向,最后,确定垂直传输和水平传输的优先级。此外,当有链路故障或拥塞时,将故障链路信息在网络中泛洪,采用规避算法,避开故障链路,选择合适路由。上述方法在低轨卫星通信网络节点故障等情况下,能动态进行卫星节点路由,同时具有较小的路由开销和平均端到端时延。

    一种多协议接入的机场物联数据转发系统

    公开(公告)号:CN113676492A

    公开(公告)日:2021-11-19

    申请号:CN202111127516.9

    申请日:2021-09-26

    Applicant: 东南大学

    Abstract: 本发明公开了一种多协议接入的机场物联数据转发系统。该转发系统内部由上行数据收集器,下行数据收集器,设备信息校验器组成。设备通过唯一标识符以及各自协议连入物联网,将设备采集到的数据、设备信息通过消息传入系统,设备信息校验器校验后传入上行消息收集器,合法性判断后转入决策层。决策层下发的命令转至下行数据收集器,合法性判断后根据判断后的信息将命令发送至各设备,设备校验成功后获得命令。设备信息校验器通过设备标识符及数据链路方向判断设备的合法性。本系统可以实现多协议设备数据的集中管理,在较为封闭的机场环境中可以有较好的应用。

    一种基于深度强化学习的车辆自动循迹驾驶方法

    公开(公告)号:CN113657292A

    公开(公告)日:2021-11-16

    申请号:CN202110954229.9

    申请日:2021-08-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度强化学习的车辆自动循迹驾驶方法,包括如下步骤:步骤1、构建双重深度Q网络进行图像特征提取;步骤2、采用经验回放方案进行环境交互训练样本采集和双重网络训练;步骤3、采用RMSprop算法优化网络的训练过程;步骤4、采用训练完毕的双重深度网络进行预测,进而实现自动循迹驾驶。本发明采取深度强化学习方法,直接实现从图像采集到车辆控制的端到端网络建立,避免了传统方法中复杂的PID控制环节,并且采用双重深度网络进行动作预测,可以有效减少单一深度强化学习网络中最大化偏差带来的性能损失。

    一种太赫兹通信系统中最大化频谱效率的资源分配方法

    公开(公告)号:CN113612558A

    公开(公告)日:2021-11-05

    申请号:CN202110885602.X

    申请日:2021-08-03

    Applicant: 东南大学

    Abstract: 本发明针对太赫兹通信系统,提出了一种最大化系统频谱效率的资源分配方法。首先,基于太赫兹室内通信系统的信道模型,以最大化频谱效率为目标,在用户最低速率的约束下,建立子带分配和功率分配的联合优化问题。其次,基于分解理论,将联合优化问题分解为子带分配和功率分配两个子问题。基于长用户使用中心窗口原理和二分图匹配方法匈牙利算法分配子带,后使用序列二次规划算法进行功率的优化,得到最终的子带分配和功率优化结果。上述资源分配方法能够利用太赫兹通信的特性,达到更高的系统频谱效率。

    一种基于加权Kapetyn级数展开的大规模MIMO低复杂度信道估计方法

    公开(公告)号:CN106817155B

    公开(公告)日:2020-12-15

    申请号:CN201710049022.0

    申请日:2017-01-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于加权Kapetyn级数展开的大规模MIMO低复杂度信道估计方法。首先采用Kapteyn级数展开法对Bayesian‑MMSE信道估计表达式中的信道协方差逆矩阵进行近似展开,将矩阵求逆运算转换成矩阵乘法和矩阵加法运算,接着对多项式每项系数采用加权方式来优化多项式展开,建立模型对加权系数向量α和β进行求解使得估计的均方误差最小化,利用α和β的求解结果对信道矩阵进行估计。实验结果表明随着多项式阶数的增大,基于加权Kapetyn级数展开的信道估计方法得到的MSE会收敛于MMSE方法,然而计算复杂度低于MMSE方法。对比与传统Taylor‑MMSE和Kapetyn级数展开信道估计方法,基于加权Kapetyn级数展开方法收敛到MMSE方法的速度更快。

    一种低轨卫星通信网络中的星间路由方法

    公开(公告)号:CN111953399A

    公开(公告)日:2020-11-17

    申请号:CN202010660779.5

    申请日:2020-07-10

    Applicant: 东南大学

    Abstract: 本发明提出一种低轨卫星通信网络中的星间路由方法,该方法是一种基于心跳包技术的动态星间网络路由方法。首先,网络中的每个卫星节点使用心跳包机制,维护与邻居节点的动态链路和节点逻辑地址等信息,进而维持一个由逻辑地址组成的卫星通信网络的拓扑结构。源节点根据与目的节点的相对位置,先确定轨道内跳数和轨道间跳数,然后确定数据包的垂直传输方向和水平传输方向,最后,确定垂直传输和水平传输的优先级。此外,当有链路故障或拥塞时,将故障链路信息在网络中泛洪,采用规避算法,避开故障链路,选择合适路由。上述方法在低轨卫星通信网络节点故障等情况下,能动态进行卫星节点路由,同时具有较小的路由开销和平均端到端时延。

    一种基于链式方程的分布式光伏数据多重插补方法

    公开(公告)号:CN111949937A

    公开(公告)日:2020-11-17

    申请号:CN202010690310.6

    申请日:2020-07-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于链式方程的分布式光伏数据多重插补方法,步骤:将带有缺失数据的分布式光伏数据代入插补过程,采用基于链式方程的插补方法得到多个不同的分布式光伏插补数据集,插补方法中的回归模型采用贝叶斯回归模型;对每一个分布式光伏插补数据集的统计结果进行分析,如果分析结果满足设定的要求则进行下一步;若不能满足设定的要求,则需调整回归模型或插补次数,直至分析结果满足设定的要求;最后综合所有分布式光伏插补数据集得到最终的插补结果,并将此结果作为最终的分布式光伏数据值。本发明使用链式方程的插补方法作为多重插补结构中的插补步骤,从而改善传统多重插补算法的误差。

Patent Agency Ranking