基于CU-DU架构的多卫星波束切换方法及相关设备

    公开(公告)号:CN119109489A

    公开(公告)日:2024-12-10

    申请号:CN202411261708.2

    申请日:2024-09-10

    Abstract: 本发明提供一种基于CU‑DU架构的多卫星波束切换方法及相关设备,其中,方法包括:接收所述DU端发送的切换请求,获取所述切换请求中UE端的用户数据;通过LSTM网络对所述用户数据进行预测,得到所述UE端在下一时隙的预测数据;确定匹配于所述CU端当前计算能力的优化算法,根据所述优化算法以及所述预测数据,求解所述CU‑DU架构下对应的卫星波束切换问题,得到切换策略;将所述切换策略发送至所述DU端,所述切换策略用于指示所述UE端切换卫星波束。采用本发明提供的方法,可以提高卫星波束切换的准确性,有效降低切换时延和不必要的频繁切换。有效解决现有技术中卫星波束切换准确性低、时延长等问题。

    基于图神经网络的多用户时序依赖型业务计算卸载方法

    公开(公告)号:CN116450241A

    公开(公告)日:2023-07-18

    申请号:CN202310425029.3

    申请日:2023-04-20

    Abstract: 本发明公开了基于图神经网络和深度强化学习的时序依赖型业务卸载方法,对一个多用户多服务器的MEC系统进行了建模研究,用户产生的应用是动态到达的,且应用的大小、形状是任意的,组成应用的时序依赖型任务可以卸载到其服务基站所在MEC服务器,也可以卸载到其他相邻基站的MEC服务器。我们利用图神经网络更加有效地捕获了时序依赖型业务和应用的特征状态。将细粒度卸载问题建模为马尔可夫过程,利用深度强化学习的策略梯度算法进行决策,在复杂且高维的状态空间中优化任务选择的顺序和卸载的位置来降低系统中应用的调度时间。仿真证明,该算法在减少应用程序调度时间方面具有良好的收敛性,优于其他基准算法,从而提高了MEC系统的效率。

Patent Agency Ranking