-
公开(公告)号：CN115022928A
公开(公告)日：2022-09-06
申请号：CN202210624379.8
申请日：2022-06-02
Applicant: 上海中传网络技术股份有限公司 , 北京邮电大学
Abstract: 本申请公开了一种移动边缘计算网络中的资源协同分配方法，包括：遍历所有待分配资源的应用实例，若应用实例的时延需求大于或等于相应应用的时延阈值，则将其加入实例集合RUA；否则，将移动性优先级小于移动性阈值G的应用实例加入实例集合BUA，将移动性优先级大于或等于移动性阈值G的应用实例加入MUA；在MUA中，优先为移动性优先级更大的应用实例，分配城域级资源；在BUA中，优先为移动性优先级更小的应用实例，分配基站级资源；在RUA中，优先为资源需求更大的应用实例，分配远端数据中心资源。应用本申请，能够为应用实例合理选择不同层级的资源，尽可能降低处理时延，提高资源利用率。
-
公开(公告)号：CN115022928B
公开(公告)日：2024-10-15
申请号：CN202210624379.8
申请日：2022-06-02
Applicant: 上海中传网络技术股份有限公司 , 北京邮电大学
IPC: H04W28/084 , H04W28/08 , H04W72/56
Abstract: 本申请公开了一种移动边缘计算网络中的资源协同分配方法，包括：遍历所有待分配资源的应用实例，若应用实例的时延需求大于或等于相应应用的时延阈值，则将其加入实例集合RUA；否则，将移动性优先级小于移动性阈值G的应用实例加入实例集合BUA，将移动性优先级大于或等于移动性阈值G的应用实例加入MUA；在MUA中，优先为移动性优先级更大的应用实例，分配城域级资源；在BUA中，优先为移动性优先级更小的应用实例，分配基站级资源；在RUA中，优先为资源需求更大的应用实例，分配远端数据中心资源。应用本申请，能够为应用实例合理选择不同层级的资源，尽可能降低处理时延，提高资源利用率。
-
公开(公告)号：CN118612894A
公开(公告)日：2024-09-06
申请号：CN202410747321.1
申请日：2024-06-11
Applicant: 北京邮电大学深圳研究院 , 北京邮电大学
Abstract: 本申请提供了一种星载5G核心网实现方法和系统，星载5G核心网的网元包括S‑AMF、S‑SMF和S‑UPF；S‑AMF接收到第一星上基站发送的N2消息时，向S‑SMF发送第一PDU会话更新请求；S‑SMF向S‑AMF返回第一PDU会话更新响应；S‑AMF向第二星上基站发送切换请求；并接收第二星上基站返回的切换响应；若S‑AMF确定接收到的切换响应为允许切换时，向S‑SMF发送第二PDU会话更新请求；S‑SMF向S‑AMF返回第二PDU会话更新响应；并与S‑UPF交互进行N4会话修改，获取上下行链路信息。该方法能够将卫星通信和5G网络在系统层面进行深度融合，真正实现星载5G核心网络。
-
公开(公告)号：CN119135251A
公开(公告)日：2024-12-13
申请号：CN202411449129.0
申请日：2024-10-16
Applicant: 北京邮电大学 , 北京邮电大学深圳研究院
IPC: H04B7/185
Abstract: 本申请公开了一种星载核心网用户面服务提供方法、系统及其策略模型的训练方法、装置、存储介质、设备和计算机程序产品，属于卫星通信领域，包括：响应于任务请求，将任务请求加入本地低轨卫星的任务队列，并在待机状态的情况下，将本地低轨卫星更新为服务状态；在服务状态的情况下，执行任务队列中的任务请求；在本地低轨卫星的待机状态的持续的待机时间，超过预设的待机时间阈值的情况下，将本地低轨卫星更新为关闭状态；在本地低轨卫星为关闭状态，并且任务队列中的任务请求的数量大于或等于预设的请求数量阈值的情况下，将本地低轨卫星更新为设置状态。解决了由于卫星移动速度快造成的星载核心网用户面服务的连续性不足的问题。
-
公开(公告)号：CN119135251B
公开(公告)日：2025-05-02
申请号：CN202411449129.0
申请日：2024-10-16
Applicant: 北京邮电大学 , 北京邮电大学深圳研究院
IPC: H04B7/185
Abstract: 本申请公开了一种星载核心网用户面服务提供方法、系统及其策略模型的训练方法、装置、存储介质、设备和计算机程序产品，属于卫星通信领域，包括：响应于任务请求，将任务请求加入本地低轨卫星的任务队列，并在待机状态的情况下，将本地低轨卫星更新为服务状态；在服务状态的情况下，执行任务队列中的任务请求；在本地低轨卫星的待机状态的持续的待机时间，超过预设的待机时间阈值的情况下，将本地低轨卫星更新为关闭状态；在本地低轨卫星为关闭状态，并且任务队列中的任务请求的数量大于或等于预设的请求数量阈值的情况下，将本地低轨卫星更新为设置状态。解决了由于卫星移动速度快造成的星载核心网用户面服务的连续性不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN120017138A
公开(公告)日：2025-05-16
申请号：CN202510189641.4
申请日：2025-02-20
Applicant: 北京邮电大学
IPC: H04B7/185 , G06F18/213 , G06F18/2433
Abstract: 本发明提供了一种卫星异常检测系统及方法，涉及卫星遥测技术领域，所述系统包括数据降维模块和异常检测模块，数据降维模块和异常检测模块部署于卫星的星载检测器上；数据降维模块，用于获取卫星子系统的多个遥测参数，并从多个遥测参数中筛选出n个最优特征参数；异常检测模块，用于通过星载检测器本地部署的第一时序预测模型对n个最优特征参数的参数值进行预测，得到n个最优特征参数各自的预测值，并基于预测值对所述卫星进行异常检测，得到异常检测结果。本发明通过本地化处理和智能化分析，大幅提升了卫星异常检测的精度、实时性和可靠性，有效保障卫星的安全运行。
-
公开(公告)号：CN115334077B
公开(公告)日：2024-12-13
申请号：CN202210947950.X
申请日：2022-08-09
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L41/12 , H04L41/0893 , H04L41/0803
Abstract: 本申请公开了一种跨广域网的应用管控方法及系统，在跨广域网的网络中设置统一管控功能实体，所述统一管控功能实体收集应用管控涉及的信息，基于所述信息进行面向应用及网络功能实体的资源计算及节点部署的分析，生成配置策略，根据所述配置策略在所述计算网络中进行应用及网络功能实体的资源分配及节点部署。这样，本申请实施例由所设置的专门实体，基于收集的应用管控涉及的信息，并基于信息进行配置策略的生成，据此实现了跨广域网的应用管控，且保证所提供的应用的服务质量。
-
公开(公告)号：CN114169241B
公开(公告)日：2024-08-23
申请号：CN202111495731.4
申请日：2021-12-09
Applicant: 北京邮电大学
IPC: G06V10/62 , G06N3/0464 , G06N3/0442 , G06N3/098 , G06N3/042 , G06N3/045 , G06V10/82 , G06N3/084 , G06V10/74
Abstract: 本发明公开了一种端到端的多目标识别、追踪与预测方法，属于车联网、智能汽车技术领域。本发明方法包括：建立端到端的多目标识别、追踪和预测模型，包括目标检测器、目标追踪模块和轨迹预测模块；目标检测模块使用基于中心点的多目标检测器；目标追踪模块采用基于图卷积神经网络对多目标追踪；轨迹预测模块基于图网络对多目标进行运动轨迹预测，包括轨迹目的点的预测，智能体间信息传递，生成未来轨迹；本发明将端到端的多目标识别、追踪和预测模型作为一个整体，采用联合训练框架进行同时训练。本发明三个模块同时训练、相互促进，进一步提高了最终的轨迹预测精度，可以更优对多目标轨迹预测，预测轨迹更加合理。
-
公开(公告)号：CN114866476B
公开(公告)日：2023-06-30
申请号：CN202210376871.8
申请日：2022-04-12
Applicant: 北京邮电大学深圳研究院
Abstract: 本发明涉及网络传输技术领域，且公开了一种无损高效的RDMA传送方法，所述传送方法包括RDMA数据包重传和RDMA智能流控机制，所述RDMA智能流控机制包括有链路状态反馈机制和流量控制机制；所述RDMA数据包重传包括以下步骤：S1、发送节点维护发送窗口，记录当前待发送及已发送为收到确认的数据包编号；S2、依窗口记录的编号顺序依次向接收方发送数据包；S3、接收方收到数据后，构建确认数据包。该无损高效的RDMA传送方法，通过研究在广域分布式网络环境下，将网络拓扑、流量特征、机器学习的传输特征实现有机的整合，提出一种无损高效的RDMA传送技术，通过精细化拥塞控制与流控制策略来最大化带宽利用率解决数据处理效率低和传输时延过长问题。
-
公开(公告)号：CN116127018A
公开(公告)日：2023-05-16
申请号：CN202310208694.7
申请日：2023-03-07
Applicant: 北京邮电大学
IPC: G06F16/33 , G06F18/214 , G06F18/241
Abstract: 本申请实施例公开了一种面向自然语言模型的联邦小样本学习方法、系统及设备，在对自然语言模型进行微调时，由云端服务器控制多个端侧设备，采用渐进式数据增强协同方式进行，即采用基于伪标签方式及提示学习方式进行融合的联邦小样本学习方式与联邦学习方式协同进行，且在微调过程中不断更新最优的增强策略，从而使得各个端侧设备采用的训练数据包含少量的有标签的样本就可以微调得到精确率高的自然语言模型。因此，本申请实施例可以采用少量的有标签的训练数据微调一个精确率高的自然语言模型，提高微调后的自然语言模型的精确率。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.049 seconds)
