-
公开(公告)号：CN119727885A
公开(公告)日：2025-03-28
申请号：CN202510246373.5
申请日：2025-03-04
Applicant: 南京信息工程大学
IPC: H04B7/185 , H04W28/084 , H04W28/082 , H04W28/08
Abstract: 本发明公开了一种基于地面协同计算的近地卫星通信任务卸载方法及程序产品，本发明中建立了卫星通信任务卸载模型，其中，所述卫星通信任务卸载模型以任务卸载总时延最低为目标，以卫星的任务卸载率策略、任务在卫星上的卸载路径策略、任务在地面站上的卸载路径策略为待求解变量，所述任务卸载总时延具体为任务在卫星上的计算时延、任务从卫星卸载到地面站的传输时延、任务在地面站间的传输时延和任务在地面站上的计算时延的和，之后求解卫星通信任务卸载模型得到任务卸载策略。本发明的卸载策略时延较小，鲁棒性高，且效克服了LEO计算能力有限的缺点，大大拔高了单个LEO接受任务量的上限，同时解决了地面站处理任务分配不均的问题。
-
公开(公告)号：CN118972014B
公开(公告)日：2025-01-28
申请号：CN202411378550.7
申请日：2024-09-30
Applicant: 南京信息工程大学
IPC: H04B17/391 , H04B17/336 , H04B7/185 , H04W12/00 , H04W84/06
Abstract: 本发明公开了一种面向三维城市环境的障碍物辅助无人机隐蔽通信联合优化方法，包括以下步骤：（1）设计有障碍物的城市通信环境；（2）设定无人机和环境参数及其范围；信道建模；（3）根据信道建模，利用联合优化方法计算无人机最优的飞行位置和发射功率；包括：对窃听者Willie的二元假设检验；通过求解接收者Bob的SNR函数得到目标函数对空间位置变量的单调性关系；将单调性关系转化为数学问题并进行求解；本发明能够更好地利用无人机的性能、调度通信系统的资源，切合实际城市环境下无人机隐蔽通信的应用。
-
公开(公告)号：CN118921724B
公开(公告)日：2024-12-17
申请号：CN202411401106.2
申请日：2024-10-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于无人机辅助的三维无线传感网络节能隐蔽通信方法，包括以下步骤：（1）确定三维无线传感网络的传感器节点与中继无人机的信道信息；（2）在有限码长的场景下，推导传感器节点与中继无人机进行隐蔽通信的功率约束条件；（3）根据约束条件，确定传感器节点的发射功率；（4）根据梯度下降算法，交替优化唤醒调度变量和无人机轨迹，求解三维无线传感网络所需的能量；本发明确保数据在传输过程中的隐蔽性和安全性，防止数据被拦截和破解。
-
公开(公告)号：CN118972014A
公开(公告)日：2024-11-15
申请号：CN202411378550.7
申请日：2024-09-30
Applicant: 南京信息工程大学
IPC: H04B17/391 , H04B17/336 , H04B7/185 , H04W12/00 , H04W84/06
Abstract: 本发明公开了一种面向三维城市环境的障碍物辅助无人机隐蔽通信联合优化方法，包括以下步骤：（1）设计有障碍物的城市通信环境；（2）设定无人机和环境参数及其范围；信道建模；（3）根据信道建模，利用联合优化方法计算无人机最优的飞行位置和发射功率；包括：对窃听者Willie的二元假设检验；通过求解接收者Bob的SNR函数得到目标函数对空间位置变量的单调性关系；将单调性关系转化为数学问题并进行求解；本发明能够更好地利用无人机的性能、调度通信系统的资源，切合实际城市环境下无人机隐蔽通信的应用。
-
公开(公告)号：CN118381581B
公开(公告)日：2024-10-11
申请号：CN202410823316.4
申请日：2024-06-25
Applicant: 南京信息工程大学
IPC: H04L1/00 , H04L47/6275 , H04L69/22
Abstract: 本发明公开了一种基于深度强化学习的战术通信网络业务成帧方法，包括：划分待成帧数据包的业务类型，将上层待成帧的数据包添加到相应的发送等待队列；当需要传输数据包时，确定传输队列；对传输队列进行成帧判断，若成帧，则第一队列利用基于深度强化学习的自适应帧生成算法或者第二队列利用高效率帧生成算法执行成帧操作，生成数据帧，并由物理层进行发送；接收端解析收到的数据帧。本发明中针对不同业务不同的QoS要求，分别使用不同的成帧算法，对于时敏业务使用基于深度强化学习的自适应帧生成算法，保证在吞吐量提高的基础上降低成帧时延；对于非时敏业务，使用高效率帧生成算法，提高了帧效率，以及提高瓶颈链路的信道利用率。
-
Patent Agency Ranking
公开(公告)号：CN118694717A
公开(公告)日：2024-09-24
申请号：CN202411164462.7
申请日：2024-08-23
Applicant: 南京信息工程大学
IPC: H04L47/127 , H04L47/62 , H04L41/147 , H04L41/16 , H04L43/0829 , H04L43/0852 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种基于流量状态预测的队列智能管理方法，包括：基于GRU算法，进行网络流量状态预测；构建网络状态元组，基于策略神经网络和目标神经网络组成智能体，智能体根据当前时刻的网络状态，基于ε‑greedy策略决策并输出动作；设置奖励函数，智能体根据所采取的动作获得相应的奖励，更新网络状态，组建经验样本；智能体选取经验样本，对策略神经网络和目标神经网络进行训练并更新权重，完成队列的管理；本发明所设计的方法在提高了算法泛化性的同时，通过对网络流量状态的预测，实现了对突发流量的合理控制。
-
公开(公告)号：CN117527610A
公开(公告)日：2024-02-06
申请号：CN202410014748.0
申请日：2024-01-05
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于NS3网络仿真平台的数据链仿真方法，包括：将Link‑16数据链整体模型拆分成不同功能的子模块，包括J系列消息生成处理子类、节点中继子类、NetDevice控制子类、队列组子类、TDMA系统子类、报文处理及信道控制子类和无线信道子类；分别创建J系列消息生成处理子类、节点中继子类、NetDevice控制子类、队列组子类、TDMA系统子类、报文处理及信道控制子类、无线信道子类；在NS3文件夹的scratch文件夹下创建Link‑16数据链的仿真脚本，对Link‑16数据链进行仿真。本发明通过NS3的软件框架和类，实现NS3网络仿真平台对Link‑16数据链的仿真。
-
公开(公告)号：CN115567405A
公开(公告)日：2023-01-03
申请号：CN202211199477.8
申请日：2022-09-29
Applicant: 南京信息工程大学
IPC: H04L41/147 , H04L41/14 , H04L41/142
Abstract: 本发明公开了一种基于自适应反馈调节机制的网络流量灰色预测方法，基于已构建好的网络拓扑的目标待预测的连续流量序列，通过归一化处理，构造基于修正因子的反馈修正函数、对归一化的流量序列中的每个元素施加反馈修正函数，之后采用滑动窗口方式对流量序列进行预测获得预测值，并将每一时刻的窗口滑动预测值分别与其对应在中下一时刻的流量值做减法对比计算流量序列误差，获得三种预测值与真实值的大小关系，根据三种关系更新下一时刻窗口滑动预测的修正因子，最后进行反归一化处理得到待预测的连续流量序列的预测流量序列，本发明提出的基于自适应反馈调节机制的网络流量灰色预测方法，在预测精度和效率方面均具有优势。
-
公开(公告)号：CN115277354A
公开(公告)日：2022-11-01
申请号：CN202210910664.6
申请日：2022-07-29
Applicant: 南京信息工程大学
IPC: H04L41/06 , H04L41/14 , H04L41/142 , H04L41/16 , G06F17/16 , G06F17/18 , G06K9/62 , G06N3/00 , G06N20/10
Abstract: 本发明属于指挥控制网络管理技术领域，具体涉及一种面向指挥控制网络管理系统的故障检测方法，具体包括以下步骤：S1：构建指挥控制网络故障管理系统架构；S2：获取原始故障网络数据集，对数据集进行归一化预处理；S3：对预处理后的数据集运进行数据集的特征降维；S4：构建SVM模型，将SVM应用于指挥控制网络故障检测中；S5：选取SVM模型中需要优化的参数作为评价算法预测性能的性能指标；S6：运用决策灰狼优化算法优化SVM模型中的参数，进行网络故障检测；通过对指挥控制网络系统采集得到的数据进行预处理，本发明提出的方法处理的网络故障数据集相较于原始数据集能够训练出更佳性能的机器学习模型，有效提高了网络故障检测的准确率。
-
公开(公告)号：CN112350899A
公开(公告)日：2021-02-09
申请号：CN202110018129.5
申请日：2021-01-07
Abstract: 本发明公开了一种基于图卷积网络融合多特征输入的网络流量预测方法，步骤为：获取网络流量数据；利用皮尔森相关系数对流量进行相关性分析；采用时空特征提取单元来提取流量间的时空特征；提取历史上每周同一时刻的网络流量数据；特征融合得到预测结果。本发明解决了传统网络流量预测模型存在无法有效提取流量间的时空特性缺陷而导致的预测误差高、精度低的问题。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.031 seconds)
