-
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。
-
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：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：CN120017141A
公开(公告)日：2025-05-16
申请号：CN202510203809.2
申请日：2025-02-24
Applicant: 北京邮电大学
IPC: H04B7/185
Abstract: 本申请提供了一种LEO星座的跨星地IP网络接入系统，涉及卫星计算领域，旨在解决相关的跨星地LEO星座网络接入方案在复杂星地网络环境中的动态适应性不足的问题。该系统包括：一个部署在特定地面服务器上运行的控制端；控制端至少包括：时空路由控制模块和设备管理模块；时空路由控制模块用于根据地面站与卫星的相对位置和通信需求，实时计算最优的GSL建立计划；设备管理模块根据时空路由控制模块提供的时空路由数据，动态更新每个客户端和每个中继端的路由配置；每个客户端按照设备管理模块提供的路由配置，通过虚拟网卡驱动模块，经由中继端接入跨星地网络。
-
公开(公告)号：CN116702884A
公开(公告)日：2023-09-05
申请号：CN202310737218.4
申请日：2023-06-21
Applicant: 北京邮电大学
Abstract: 本申请实施例提供一种基于前向梯度的联邦学习方法、系统及装置：在神经网络模型的每一训练轮，服务器选定多个边缘设备，向选定的边缘设备发送神经网络模型的模型参数，及向不同选定的边缘设备发送不同的随机种子；选定的边缘设备采用随机种子生成随机方向向量，基于本地数据计算神经网络模型中的目标函数在所述随机方向向量方向上的导数，发给所述服务器；服务器根据所述导数，及对应的随机种子进行计算，得到所述神经网络模型在边缘设备的前向梯度；基于所有边缘设备的前向梯度，计算神经网络模型在本训练轮的梯度，以优化所述神经网络模型的模型参数。这样，在保证神经网络模型训练精度的前提下，大幅度地提高联邦学习的可扩展性。
-
Patent Agency Ranking
公开(公告)号：CN113032133B
公开(公告)日：2023-08-22
申请号：CN201911343242.X
申请日：2019-12-24
Applicant: 北京邮电大学
IPC: G06F9/50 , G06Q10/047 , G06Q50/30
Abstract: 本发明实施方式公开了一种基于边缘计算的车联网目标检测服务协同方法和装置。确定车辆从第一位置移动到第二位置的规划路径及沿着所述规划路径所途经的多个边缘服务器；确定当车辆沿着规划路径行驶过程中每次边缘服务器切换时的多个目标检测服务候选提供方案及每个目标检测服务候选提供方案的成本值；从每次边缘服务器切换时的多个目标检测服务候选提供方案中分别选中目标检测服务提供方案，以使得整个规划路径中所选中的各个目标检测服务提供方案的成本值的总和最小。可以提高车辆的体验质量。
-
公开(公告)号：CN114584564B
公开(公告)日：2023-08-18
申请号：CN202210295662.0
申请日：2022-03-23
Applicant: 北京邮电大学深圳研究院
IPC: H04L67/10 , H04L9/40 , H04L69/321
Abstract: 一种隐私资源保护的移动终端侧数据寻址与分析技术，它涉及一种对分布式移动终端的隐私资源以统一的方式执行终端寻址与数据分析的技术。它包含终端系统、云端系统、应用编程接口系统的实际系统，所述的实际系统的运行，包含以下步骤：数据分析程序编写，云端权限检查，云端任务调度，终端任务执行，云端结果聚合与返回，本发明通过对数据分析人员编写的代码在云端执行静态检查与终端执行动态检查的方式，避免了数据分析人员越权获取用户信息，通过限制最少终端查询数量，并通过云端对多终端返回的数据分析结果强制聚合的方式来保护单个用户的隐私资源，提出了统计模型来执行增量的任务分发决策，来平衡数据分析任务的时延和端侧的资源消耗。
-
公开(公告)号：CN114866476A
公开(公告)日：2022-08-05
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受方发送数据包；S3、接受方收到数据后，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：CN114611689A
公开(公告)日：2022-06-10
申请号：CN202210100881.9
申请日：2022-01-27
Applicant: 北京邮电大学
Abstract: 本发明提供了一种低精度整型表示下的联邦学习方法，包括：服务器对全局浮点数模型进行初始化，并选择终端；将全局浮点数模型量化为整型的全局整型模型；服务器将全局整型模型发送至终端；终端利用训练数据对获取的全局整型模型进行训练，得到整型的低精度模型；终端将低精度模型传输至服务器；服务器对全局整型模型以及低精度模型反量化，利用反量化后的全局整型模型以及反量化后的低精度模型更新全局浮点数模型；重复上述初始化之后的步骤直至所述全局浮点数模型收敛或达到预设的训练次数；本发明通过设计一个全整型表示的神经网络训练算法解决终端浮点数运算的能耗问题并通过设计一个低精度模型聚合算法解决低精度联邦学习的精度问题。
-
公开(公告)号：CN110688221B
公开(公告)日：2022-01-21
申请号：CN201910846699.6
申请日：2019-09-09
Applicant: 北京邮电大学
Abstract: 本发明提供了一种边缘计算中面向增强现实应用的动态任务调度方法，该方法包括：根据边缘计算系统经济开销不高于预算上限的约束条件，构造虚拟队列，将虚拟队列稳定作为优化第一目标函数时的约束条件，所述第一目标函数为平均时延；根据李雅普诺夫优化理论，将第一目标函数转化为第二目标函数，通过对第二目标函数取最小值进行优化，并结合注水算法，得到分配到不同边缘节点和公有云的任务量。采用本发明能够有效降低增强现实应用的响应时间。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.027 seconds)
