-
公开(公告)号：CN111193615B
公开(公告)日：2023-02-28
申请号：CN201911285230.6
申请日：2019-12-13
Applicant: 南京理工大学
IPC: H04L41/14 , H04L41/142 , H04L67/1023
Abstract: 本发明公开了一种移动边缘计算网络中的边缘计算节点选择方法。该方法为：首先建立移动边缘计算系统模型；然后设计通信模型和边缘计算模型；接着提出边缘计算节点选择问题模型以及目标函数；最后针对目标函数分别采用边缘计算节点选择算法进行计算，结合终端设备的社交特性、传输特性和计算特性，以追求社交福利最大化为目标进行边缘计算节点的分配。本发明在用户和基站的匹配中，提高了移动边缘计算的社交效益以及整个网络的社交福利。
-
公开(公告)号：CN110351212A
公开(公告)日：2019-10-18
申请号：CN201910736688.2
申请日：2019-08-10
Applicant: 南京理工大学
IPC: H04L25/02 , H04B17/391 , G06N3/04
Abstract: 本发明公开了一种在快衰落信道下的利用卷积神经网络进行信道估计的方法。该方法利用在快衰落信道下的无线通信系统获取训练集，利用该训练集训练了一个基于多层一维度卷积神经网络的信道估计器。利用该信道估计器获得的信道增益，进行低密度奇偶校验码的信道译码，其结果优于利用统计学方法获得的信道增益期望值进行信道译码的结果。这说明，通过本发明获得信道增益估计值和真实信道增益值更加相似。在实际的系统中，我们无需知晓相关性类型，只需要在获取数据的情况下训练估计器，就可以进行获得神经网络信道估计器。
-
公开(公告)号：CN110445581A
公开(公告)日：2019-11-12
申请号：CN201910736687.8
申请日：2019-08-10
Applicant: 南京理工大学
Abstract: 本发明公开了一种在相关性性环境下基于卷积神经网络利用相关信息降低信道译码误码率的方法。该方法利用在快衰落信道下的无线通信系统获取训练集，利用该训练集训练了两个基于多层一维度卷积神经网络的估计器。利用估计器获得的信道增益和信道噪声值，依次进行接收信号去噪，残余噪声分布统计，重构对数似然比，最后利用重构的对数似然比作为BP译码器的输入进行低密度奇偶校验码的信道译码，其结果在各个实验相关性下都获得了相较于未进行上述处理就直接进行信道译码更低的误码率。这说明，通过本发明获得李准确的信道估计值和噪声估计值，同时信号去噪的方法获得了积极的性能增益。
-
公开(公告)号：CN110428115A
公开(公告)日：2019-11-08
申请号：CN201910741705.1
申请日：2019-08-13
Applicant: 南京理工大学
Abstract: 本发明设计了一种基于深度强化学习的移动边缘计算架构下为动态用户提供低延时高可靠的计算服务的无人机路径规划方法。考虑无人驾驶飞机具有便捷的基础设施，且可在偏远或灾难区域快速搭建通信渠道，也可架栽计算资源为终端移动用户提供服务，因此考虑将无人机当作移动计算服务器，在终端移动用户的上方为其提供高效的交互服务。本发明考虑到终端用户的实时移动，将其建模成高斯-马尔科夫移动模型，再通过对用户位置状态、无人机位置状态、无人机电池量状态以及无人机与用户之间的信道状态进行建模，结合深度强化学习算法规划无人机路径最大化系统长期效益。
-
公开(公告)号：CN111193615A
公开(公告)日：2020-05-22
申请号：CN201911285230.6
申请日：2019-12-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种移动边缘计算网络中的边缘计算节点选择方法。该方法为：首先建立移动边缘计算系统模型；然后设计通信模型和边缘计算模型；接着提出边缘计算节点选择问题模型以及目标函数；最后针对目标函数分别采用边缘计算节点选择算法进行计算，结合终端设备的社交特性、传输特性和计算特性，以追求社交福利最大化为目标进行边缘计算节点的分配。本发明在用户和基站的匹配中，提高了移动边缘计算的社交效益以及整个网络的社交福利。
-
Patent Agency Ranking
公开(公告)号：CN110446212A
公开(公告)日：2019-11-12
申请号：CN201910736701.4
申请日：2019-08-10
Applicant: 南京理工大学
Abstract: 本发明公开研究了运营商各部门所有权分配与投资策略之间的关系，并在此基础上研究了如何在移动边缘计算网络情景下选择最优投资。对于不同的所有权分配，我们给出了不同部门的效用函数，以最大化效用函数为目标。仿真结果验证了多种因素对各部门效用函数的影响以及不同的所有权分配对各部门事前投资的影响。
-
-
公开(公告)号：CN110324433A
公开(公告)日：2019-10-11
申请号：CN201910723529.9
申请日：2019-08-07
Applicant: 南京理工大学
Abstract: 本发明公开了一种在小基站网络中基于移动边缘计算的用户和基站之间的匹配博弈方法。对于给定的移动边缘计算网络，我们以社交福利最大化为目标，同时充分考虑任务量卸载的公平性，将问题转化为用户和基站之间的匹配问题。实践证明了此方法在移动边缘计算网络的社交福利上较传统算法有更好的表现。
-
公开(公告)号：CN110213827A
公开(公告)日：2019-09-06
申请号：CN201910439512.0
申请日：2019-05-24
Applicant: 南京理工大学
Abstract: 本发明设计了一套应用于道路安全的算法，实现了在监控路上车辆时数据采集频率的动态调整。由于数据中心监控道路的车辆情况时都是固定的数据采集频率，可能会导致对危险情况的关注度不够，造成不必要的资源浪费，同时大量上传的数据也会对数据中心处理数据产生一定的压力，因此考虑在数据的采集过程中对数据进行预处理。本发明通过对道路环境与车辆移动的建模，获得采集频率与道路状况的匹配度。通过结合深度强化学习算法，找出在每个时刻针对于每种状况的最优决策，从而获得最优的匹配度与最少的能源消耗，从而极大提升数据中心对行驶车辆数据采集的效率。
-
公开(公告)号：CN110213827B
公开(公告)日：2023-05-02
申请号：CN201910439512.0
申请日：2019-05-24
Applicant: 南京理工大学
Abstract: 本发明设计了一套应用于道路安全的算法，实现了在监控路上车辆时数据采集频率的动态调整。由于数据中心监控道路的车辆情况时都是固定的数据采集频率，可能会导致对危险情况的关注度不够，造成不必要的资源浪费，同时大量上传的数据也会对数据中心处理数据产生一定的压力，因此考虑在数据的采集过程中对数据进行预处理。本发明通过对道路环境与车辆移动的建模，获得采集频率与道路状况的匹配度。通过结合深度强化学习算法，找出在每个时刻针对于每种状况的最优决策，从而获得最优的匹配度与最少的能源消耗，从而极大提升数据中心对行驶车辆数据采集的效率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
