-
公开(公告)号：CN114040469B
公开(公告)日：2024-03-19
申请号：CN202111310765.1
申请日：2021-11-08
Applicant: 中南大学
Abstract: 本发明公开了一种预先唤醒的快速路由和能量有效的路由方法、系统，其中方法包括：无线传感器网络中随机均匀部署部分WuR节点；对于延迟敏感数据包采用预先唤醒策略进行数据路由，通过广播唤醒信号的方式预先建立一条直至基站的路由路径，延迟敏感数据包基于预先建立好的路由路径持续传输直至基站。通过减少WuR节点的部署数量，降低了部署成本；同时，采用预先唤醒策略进行数据路由，能有效降低网络路由延迟。
-
公开(公告)号：CN116684848A
公开(公告)日：2023-09-01
申请号：CN202310662027.6
申请日：2023-06-06
Applicant: 中南大学
IPC: H04W4/40 , G06Q10/047 , H04W4/021 , G08G1/01
Abstract: 本发明提供了一种群智感知任务分配方法及其相关设备，包括：在群智感知平台中获取多个目标参与者的历史轨迹数据并判断每个目标参与者的移动模式，计算每个目标参与者的自身覆盖率以及不确定性；分别针对任意两个目标参与者进行车辆轨迹比对，计算两个目标参与者之间覆盖率的不确定性；根据自身覆盖率、不确定性以及目标参与者之间覆盖率的不确定性，将多个目标参与者进行组合得到组合结果，并计算组合结果的整体覆盖率、不确定性以及不确定性的范围，基于不确定性的范围设置调控因子；根据调控因子得到组合权重矩阵并确定目标参与者的最优组合方案；根据最优组合方案得到任务分配结果；在降低不确定性对任务覆盖率的影响的同时提高任务覆盖率。
-
公开(公告)号：CN115392613A
公开(公告)日：2022-11-25
申请号：CN202210319708.8
申请日：2022-03-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于韦纳归因的群智感知任务分配方法、系统及设备，其中方法包括确定参与者的归因偏差因子；根据归因偏差因子的作用，得到对于参与者的最优权重矩阵，并根据最优权重矩阵中各任务权重的大小，确定参与者最优的任务完成顺序；根据参与者对于报酬和不确定性相互作用下的偏好程度，得到报酬不确定性偏好权重；结合最优权重矩阵和报酬不确定性偏好权重，计算出对于参与者的最优任务完成数量；确定最终报酬分配，在对预期完成率和预期报酬进行评估权衡后，确定各地区的报酬补偿因子，报酬补偿因子的确定则是根据各地区的补偿权重决定。本方案不需要提高任务的报酬，就能提高任务完成的覆盖率，提高了群智感知任务的总体完成质量。
-
公开(公告)号：CN109890061B
公开(公告)日：2020-11-06
申请号：CN201910209362.4
申请日：2019-03-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于锚定效应理论提高车联网中车辆合作率的方法，根据车联网高移动性等特点，考虑到人在初次和再次面对类似选择时的心理变化情况,利用锚定效应和联盟形成博弈，提出了一种车联网中新的激励机制—ADMVN(Alliance formation games based on dual‑process model in vehicle network)，该机制对初次参加用户与多次参加用户采用不同的激励机制：对于初次参加的用户,通过设置实验者锚A来影响用户的自发锚SGA；对于多次参与任务的用户，用户根据在上一轮中的合作或不合作的情况，在新的一轮中通过合作锚定因子α或不合作锚定因子β来调整用户的自发锚，以此激励用户参与联盟，促进用户间的合作。提高了车联网中车辆参与通信的比例，从而进一步提高了车联网网络传输的性能。
-
公开(公告)号：CN103973801B
公开(公告)日：2017-04-12
申请号：CN201410210496.5
申请日：2014-05-19
Applicant: 中南大学
Abstract: 本发明公开了一种无线传感器网络溯源追踪方法，包括如下步骤：(1)设定从远基站到基站方向上第一个将所有的标记信息进行日志记录或者迁移的环为第一个减缓环；(2)路由的数据包在到达第一个减缓环前，每个节点对接收到的数据包进行标记，当数据包标记的次数达到预设次数后就进行日志记录；如果日志节点的剩余存储空间小于预设值时，则反向迁移到远基站区域的节点上存储；(3)当数据包达到第一个减缓环后，每个节点对接到的数据包进行日志。本发明直接降低热点区域的能量消耗与存储需求，就可以直接的提高网络寿命，降低节点的存储需求，从而提高网络性能。
-
Patent Agency Ranking
公开(公告)号：CN119645108A
公开(公告)日：2025-03-18
申请号：CN202510175681.3
申请日：2025-02-18
Applicant: 中南大学
Abstract: 本申请涉及数据处理技术领域，尤其是一种基于数据重要性的无人机边缘网络高效数据收集方法和装置。包括：确定待采集区域中无人机待飞行的目标区域；根据目标区域生成针对无人机的目标飞行路径；在任意两个相邻的目标区域之间存在预设的普通区域的情况下，根据普通区域更新目标飞行路径；控制无人机按照更新后的目标飞行路径飞行，并采集更新后的目标飞行路径中所有区域内的数据；根据数据进行数据补全，以得到待采集区域的整体数据，减少无人机的飞行轨迹的长度，降低飞行成本，提高数据完整性。
-
公开(公告)号：CN104661260B
公开(公告)日：2018-07-20
申请号：CN201510027735.8
申请日：2015-01-20
Applicant: 中南大学
Abstract: 本发明提出一种QoS感知和负载均衡的无线Mesh智能电网路由机制NQA‑LB。该路由机制包括四个步骤：首先用EDCA机制区分不同QoS需求的智能电网业务流，根据EDCA机制的数据包碰撞率计算不同业务流的误帧率；其次根据转发节点缓存的队列长度和数据包成功传输的概率，计算不同优先级的数据包排队延迟；然后综合考虑不同业务流的数据帧误帧率和排队延迟，设计QoS感知和负载均衡的路由判据，为不同QoS需求的业务流选择一条负载较少的最佳路径；最后根据网络总负载和各优先级业务流的负载情况，在MAC层动态的调整数据包优先级。本发明能更加准确的感知MAC层的链路质量，保证智能电网不同业务流的QoS需求，进一步提高数据包投递率和平均吞吐量，减少所有业务流的端到端时延。
-
公开(公告)号：CN105245358A
公开(公告)日：2016-01-13
申请号：CN201510541493.4
申请日：2015-08-30
Applicant: 中南大学
IPC: H04L12/24
CPC classification number: H04L41/14
Abstract: 本发明提出一种基于马尔可夫模型的智能电网MAC层多业务性能分析方法。该方法主要包括三个步骤：首先基于IEEE802.11s在MAC层实现的EDCA机制，提出一种新的三维马尔可夫模型分析智能电网不同优先级业务流的状态，该模型包括了非饱和状态到饱和状态的整个过程；其次，在多跳无线Mesh网络中，隐藏终端对节点带来的干扰会大大降低节点上不同优先级业务争用信道的性能，因此根据提出的马尔科夫模型，综合考虑隐藏终端和智能电网不同业务流的QoS需求，分析不同业务流在EDCA机制中的退避过程；最后，结合不同业务流的退避过程，分析了不同业务流的平均吞吐量、平均端到端时延等MAC层性能。本发明的方法为设计满足智能电网不同QoS需求的无线Mesh网络提供理论指导。
-
公开(公告)号：CN119250776A
公开(公告)日：2025-01-03
申请号：CN202411774665.8
申请日：2024-12-05
Applicant: 中南大学
IPC: G06Q10/1053 , G06F21/62
Abstract: 本发明公开了一种基于位置隐私保护和信任的工人招募方法，包括工人招募方将招工信息、工人将自身信息，通过加密方式上传服务器；服务器计算工人位置与任务点之间的距离并加密传输给工人招募方；工人招募方通过数据重构得到工人集合；在得到的工人集合中得到招募工人集合；工人招募方进行工人权重计算数据的更新；工人招募方对工人权重进行分类并完成基于位置隐私保护和信任的工人招募。本发明还公开了一种实现所述基于位置隐私保护和信任的工人招募方法的系统。本发明能够实现对工人位置隐私和用工需求数据的保护，保证了招募工人的可靠性和后续招募工作的可行性，而且可靠性更高，精确性更好，安全性更好。
-
公开(公告)号：CN114760585B
公开(公告)日：2024-04-16
申请号：CN202210403441.0
申请日：2022-04-18
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种车辆群智感知激励方法、系统及设备，属于计算技术领域，具体包括：群智感知平台发布任务集合；根据参与者提交的单位任务成本和参与者属性计算任务成本；平台根据参与者选择函数对参与者和对应的感知任务进行选择，每次选择参与者选择函数值最大的参与者和对应的感知任务，直到所有任务都被选择或者预算用完；当参与者完成平台分配的感知任务时，将感知数据提交给平台；平台根据任务成本和概率高估系数计算参与者报酬；根据参与者的累计收入给参与者结算额外奖励，在参与者的累计收入达到收入参照点系数时，给参与者结算额外奖励。通过本公开的方案，提高了参与者的总效用和激励效果。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.023 seconds)
