-
公开(公告)号：CN105744641A
公开(公告)日：2016-07-06
申请号：CN201610030902.9
申请日：2016-01-14
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种适用于无线mesh网络的定向时分链路调度方法。该方法首先定义了定向天线条件下，网络中链路的冲突集合。然后将全网节点的时间轴同步划分为一系列固定长度的连续时帧，每一时帧进一步划分为调度子时帧和传输子时帧，调度子时帧由若干数目的调度时隙组成。在此基础上，根据网络中每条链路的冲突集合，利用链路时隙分配方法将网络中的所有传输链路分配到具体调度时隙。节点在调度子时帧中通过信道侦听完成链路传输调度，完成传输调度的链路在传输子时帧中并行传输数据。同时，该方法在链路时隙分配结果基础上，将调度时隙进行周期性轮转，为网络中的传输链路提供公平性保证。EXata仿真环境下的仿真结果证明了该方法的有效性。
-
公开(公告)号：CN105682128A
公开(公告)日：2016-06-15
申请号：CN201610030762.5
申请日：2016-01-14
Applicant: 南京航空航天大学
IPC: H04W24/06
Abstract: 本发明公开了一种基于DCF协议的无线ad hoc网络链路可用带宽预测方法。该方法首先定义了链路最大吞吐量，并将其作为链路可用带宽的上限值。然后，该方法要求链路两端的收发节点通过载波检测机制估算各自的可用时长，并通过计算收发节点可用时长不同步的概率得到链路可用带宽的初步估计值。在此基础上，通过求解隐藏节点数据传输导致链路收发节点数据传输失败的概率对链路可用带宽的初步估计值进行修正，最终得到链路可用带宽修正值。无线网络仿真环境GloMoSim下的仿真结果表明，与现有的可用带宽预测方法相比，该方法能更加准确地预测链路的可用带宽。
-
公开(公告)号：CN103068033B
公开(公告)日：2015-07-08
申请号：CN201310032976.2
申请日：2013-01-29
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种无线网络分布式网同步退避参数优化方法。该方法采用二维离散马尔可夫链对分布式网同步过程进行建模，根据非空一步状态转移概率得出分布式网同步过程退避阶段和侦听阶段的稳态概率分布，并利用稳态概率归一化条件求出节点在单位时隙内广播同步信标帧的概率。然后将节点分布式网同步过程完成时间分为两部分，即节点首次广播同步信标帧之前经历的时间和节点首次广播同步信标帧之后经历的时间，并采用迭代法确定分布式网同步过程完成时间的数学期望。最后根据时间期望表达式，通过数值搜索法确定给定网络规模条件下分布式网同步退避参数的最优取值。无线网络仿真环境EXata中的仿真实验证明了该方法的有效性。
-
公开(公告)号：CN103857055A
公开(公告)日：2014-06-11
申请号：CN201410104288.7
申请日：2014-03-20
Applicant: 南京航空航天大学
Abstract: 本发明公开一种实现无线自组织网络链路公平性的退避参数设计方法，其属于无线网络领域。本发明实现无线自组织网络链路公平性的退避参数设计方法包括如下步骤：步骤1：采用定长时隙马尔科夫链对DCF协议进行建模；步骤2：确定每个节点的冲突概率；步骤3：确定每个节点的挂起概率和挂起时间；步骤4：求解每条链路的吞吐量；步骤5：求解实现链路公平性的退避参数值。通过改进前后各条链路饱和吞吐量理论值与仿真值之间的对比，以及在实现加权公平性后各条链路饱和吞吐量仿真值和理论值之间的对比，说明了本发明退避参数设计方法的有效性。
-
公开(公告)号：CN103634059A
公开(公告)日：2014-03-12
申请号：CN201310544292.0
申请日：2013-11-05
Applicant: 南京航空航天大学
IPC: H04B17/00
Abstract: 本发明提出了单个认知用户和多用户分布式协作的基于非重构序贯压缩的随机信号检测方法。该方法对认知无线电网络中宽带主用户信号进行采样和投影变换，直接运用低速观测序列计算检测统计量和似然比，并将似然比与判决门限比较。若检测精度不满足用户要求则再次采样，与之前的低速观测向量共同构成新的低速观测向量，再次判断。重复直到精度满足用户要求为止。该发明不仅保留了压缩采样数据处理量低的优点，还完全避免了信号重构，更重要的是，不需要主用户信号的任何先验信息，而且能自适应调整压缩比。从而在保证检测精度的前提下，尽可减少观测数目、降低计算量，以达到节省时间开销，提高检测的实时性的目的。仿真验证了方法的有效性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN101404602A
公开(公告)日：2009-04-08
申请号：CN200810195046.8
申请日：2008-11-04
Applicant: 南京航空航天大学
Abstract: 本发明涉及一种适用于ad hoc网络的节点休眠机制。本发明首先详细分析了现有的周期唤醒/预约发送休眠策略存在的不足，然后在IEEE 802.11 DCF协议的框架内提出了一种同时适用于单跳和多跳ad hoc网络的节点自适应休眠机制。该休眠机制不依赖于周期唤醒/预约发送的休眠策略，它将网络中每个节点的时间轴都划分为若干个连续的工作周期，分别从发送方和接收方的角度定义了反映节点当前通信状况的性能指标，并允许节点根据当前的通信状况，自适应的调整在当前工作周期内保持休眠状态的时间长度。无线网络仿真环境GloMoSim中的仿真实验证明，该机制在有效节省节点能耗的同时并不会严重影响网络的其他性能指标。
-
公开(公告)号：CN119882821A
公开(公告)日：2025-04-25
申请号：CN202510018210.1
申请日：2025-01-06
Applicant: 南京航空航天大学
IPC: G05D1/695 , G05D109/20
Abstract: 为了应对多无人机集群编队控制中的高鲁棒性和协调控制复杂性问题，本发明基于多智能体深度强化学习中的近端策略优化算法开发了一种分布式无人机集群智能协作编队控制算法，该算法借鉴了集中式训练‑分布式执行的思想加快了训练收敛速度和稳定性。在通信范围受到限制的情况下，每架无人机通过感知障碍物位置和部分邻居无人机构建专属的虚拟中心从而做出实时决策躲避障碍并且重构编队。仿真结果表明，与其他现有算法相比，所提出的算法在飞行效率、编队稳定性和编队重构方面表现出优越的性能。
-
公开(公告)号：CN119882820A
公开(公告)日：2025-04-25
申请号：CN202510018186.1
申请日：2025-01-06
Applicant: 南京航空航天大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种基于深度强化学习的高度自适应无人机集群协同目标搜索方法。该方法针对复杂环境下的大规模运动目标搜索问题，通过重访时间补偿机制解决因目标运动导致的环境认知信息图不可靠问题。方法采用分布式部分可观察马尔可夫决策过程对无人机群的分层协同搜索进行建模，并基于价值分解网络的深度强化学习算法学习联合策略。这使得无人机群能够充分利用不同高度下的传感器性能特性，在减少与邻近无人机和障碍物碰撞风险的同时，提高协同搜索动态目标的能力。仿真结果表明，该算法相比基线算法和现有传统算法具有优越性和可扩展性。
-
公开(公告)号：CN115633388B
公开(公告)日：2025-04-18
申请号：CN202211306280.X
申请日：2022-10-24
Applicant: 南京航空航天大学
Abstract: 本发明提出的一种基于遗传算法的异构无线传感器网络高能效分簇方法，该方法延续遗传算法的思想，将分簇策略的探索问题转换为编码染色体的更新问题，通过搜索和筛选来寻找表现最优的染色体，再将其映射为现实中的分簇策略，最终反馈给网络进行策略执行。在搜索过程中，利用交叉操作加速搜索策略最优解，利用突变操作避免搜索过程中陷入局部最优；在筛选过程中，根据适应度值来筛选性能优秀的染色体，综合单轮网络运行能耗、簇首节点负载和通信调度时延等因素，设计出评价染色体优劣的适应度函数。
-
公开(公告)号：CN118311974A
公开(公告)日：2024-07-09
申请号：CN202410396627.7
申请日：2024-04-02
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种多目标场景下基于分层优化的多无人机协同航迹规划方法.本发明属于无人机控制领域，主要解决了分布式多无人机在多目标场景下实时避障并协同完成航迹规划的问题。所提方法采用分层体系架构，将多无人机航迹规划和任务分配进行联合优化。在上层，通过将任务分配过程建模为特定的优化问题，利用粒子群优化方法进行多任务的实时动态分配。在下层，将多无人机协同航迹规划问题建模成为部分可观测马尔可夫决策过程，利用深度强化学习对问题进行求解。通过为Actor网络融入长短期记忆网络，有效提高了无人机的行为决策能力.本方法确保多无人机系统实现任务的实时动态分配的同时，获得了更强的航迹规划能力，仿真实验证明了该方法的有效性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.04 seconds)
