无人机协助高铁边缘计算网络的动态任务卸载方法及系统

    公开(公告)号:CN118283807A

    公开(公告)日:2024-07-02

    申请号:CN202410356899.4

    申请日:2024-03-27

    Abstract: 本发明公开了一种无人机协助高铁边缘计算网络的动态任务卸载方法及系统,涉及无线通信技术领域,方法包括:构建一个高铁通信的空天一体化通信系统,所述系统由高铁基站、路边基站,无人机基站组成;基于空天一体化通信系统,构建以最小化计算时延和能耗为目标的优化问题;将所述优化问题分解转化为多个时隙的子问题;基于所述子问题,采用D3QN‑TD3的深度强化学习方法,以及利用域自适应算法进行处理,直到优化问题收敛到预先设定的精度;本发明通过联合优化卸载策略和发射功率,同时保证无人机储能稳定性,相较于只有地面基站参与计算的计算时延降低了10%,能够有效地降低服务时延。

    基于不规则IRS辅助反向散射通信的短包传输方法及系统

    公开(公告)号:CN116980931A

    公开(公告)日:2023-10-31

    申请号:CN202310537659.X

    申请日:2023-05-12

    Abstract: 本发明公开了一种基于不规则IRS辅助反向散射通信的短包传输方法及系统,方法包括:构建不规则主动智能超表面辅助的下行短包通信场景;在基站发射功率,反向散射信干噪比,不规则主动智能超表面的功率约束下,构建最大化反向散射短包传输速率的优化问题模型;将所述优化问题模型采用基于深度确定策略梯度的深度强化学习模型进行联合优化,提出优化算法,获得最优状态下的最大神经网络反馈,进而得到最高的传输速率;本发明考虑到不规则主动IRS能够进一步开发反射单元的空间自由度,进而提高系统容量,不规则主动IRS反向散射通信向用户发送信息,增强了BS到用户的信息传输,增大了系统传输速率。

    面向高可靠低时延物联网中数据安全传输的资源分配方法

    公开(公告)号:CN114189868A

    公开(公告)日:2022-03-15

    申请号:CN202111490648.8

    申请日:2021-12-08

    Abstract: 本发明是一种面向高可靠低时延物联网中数据安全传输的资源分配方法,包括如下步骤:步骤1:构建支持超可靠低时延通信的上行链路系统;步骤2:构建以最大化所有所述地面节点和基站之间通信的基于安全数据速率的QoE之和为目标的优化问题;步骤3:构建基于博弈论的优化模型,将步骤2中的优化问题建模为有QoE评价策略的博弈问题;步骤4:采用一种分布式的学习算法,迭代得到地面节点与基站之间的资源分配策略,直到步骤2中的优化问题达到最优,信道资源分配方法被确定。本发明将目标复杂的原始问题近似地转化为易处理的问题,并提出了一种高效的分布式迭代算法来收敛到NE解。

    一种在灾后地区部署无人机应急通信系统的方法

    公开(公告)号:CN112333767A

    公开(公告)日:2021-02-05

    申请号:CN202011278985.6

    申请日:2020-11-16

    Abstract: 本发明公开了一种在灾后地区部署无人机应急通信系统的方法,首先构建无人机辅助通信的下行链路系统,包括多个旋翼无人机和地面用户;其次我们采用博弈论的方法对在灾后地区部署无人机辅助地面终端通信的问题进行建模和分析,每个无人机都被视为参与者;然后,将优化问题建模为带有QoE评价策略的博弈模型;最后,基于分布式学习算法在收集地面终端局部信息的同时获得最大化优化目标的稳定状态。本发明用于设计多无人机布置及发射功率分配的联合策略,达到整个系统中地面终端QoE的最大化;能快速准确的对无人机进行部署,建立应急通信系统,可以在灾后地区快速的提供通信。

    基于雾计算的高效隐私保护感知大数据收集方法

    公开(公告)号:CN109743727A

    公开(公告)日:2019-05-10

    申请号:CN201811596901.6

    申请日:2018-12-26

    Abstract: 本发明公开了一种基于雾计算的高效隐私保护感知大数据收集方法,通过设计了分层的雾计算辅助数据收集架构,使得计算任务可以在本地设备或者网络边缘设备上处理,从而避免与云中心的长距离通信,为探索感知数据的空时相关性提供了有效支持。同时,通过采样扰动加密方法,保护了数据隐私免受窃听者和主动攻击者的侵害,这种加密方法不会破坏数据的相关性,并且简化了对加密采样数据的解密和重建操作。同时,设计的雾节点数据处理模式与观测矩阵优化的模型,大大减少了冗余数据传输量,有效探索了空间相关性,还保证了数据能够被高精度地重建。

    一种无人机辅助高铁列控数据传输网络接入方法及系统

    公开(公告)号:CN118354393A

    公开(公告)日:2024-07-16

    申请号:CN202410356901.8

    申请日:2024-03-27

    Abstract: 本发明公开了一种无人机辅助高铁列控数据传输网络接入方法及系统,涉及无线通信技术领域,方法包括:构建一个高铁通信天地一体化列控数据下行传输网络;构建以最大化高铁列车能效和为目标的优化问题;通过固定关联策略,利用粒子群算法求解无人机轨迹;将所述优化问题转化为多个时隙的子问题;利用SLA学习方法求解所述子问题,获得最优的无人机的轨迹和网络关联策略;本发明为高铁列车提供高可靠高能效的通信服务,空中部署的无人机基站提供信息传输增强的接入点,优化无人机的飞行轨迹与网络关联分配策略,达到优化整个系统中最大高铁列车能效和的效果。

    基于DDPG算法的IRS辅助无人机通信联合优化方法

    公开(公告)号:CN113162679B

    公开(公告)日:2023-03-10

    申请号:CN202110353953.6

    申请日:2021-04-01

    Abstract: 本发明所述的基于DDPG算法的IRS辅助无人机通信联合优化方法通过部署智能反射面和多个地面用户的坐标,无人机携带多根天线情况下根据无人机起始位置和最终位置二维坐标两点成线原则的设计移动轨迹,通过可自主学习且泛化能力强的智能决策方法,从而获得速率最大化的波束成形和轨迹。本发明所述的有益效果为:所述方法可显著提升无人机空中基站建立空‑地通信系统的传输速率,通过智能反射面(Intelligent Reflecting Surface,IRS)将无人机到单个用户单链路信道近似为多链路信道,来达到增强通信信号提升对用户服务性能,采用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法进行联合优化,可同时获得联合优化解。

    一种在灾后地区部署无人机应急通信系统的方法

    公开(公告)号:CN112333767B

    公开(公告)日:2022-08-26

    申请号:CN202011278985.6

    申请日:2020-11-16

    Abstract: 本发明公开了一种在灾后地区部署无人机应急通信系统的方法,首先构建无人机辅助通信的下行链路系统,包括多个旋翼无人机和地面用户;其次我们采用博弈论的方法对在灾后地区部署无人机辅助地面终端通信的问题进行建模和分析,每个无人机都被视为参与者;然后,将优化问题建模为带有QoE评价策略的博弈模型;最后,基于分布式学习算法在收集地面终端局部信息的同时获得最大化优化目标的稳定状态。本发明用于设计多无人机布置及发射功率分配的联合策略,达到整个系统中地面终端QoE的最大化;能快速准确的对无人机进行部署,建立应急通信系统,可以在灾后地区快速的提供通信。

    基于DDPG算法的IRS辅助无人机通信联合优化方法

    公开(公告)号:CN113162679A

    公开(公告)日:2021-07-23

    申请号:CN202110353953.6

    申请日:2021-04-01

    Abstract: 本发明所述的基于DDPG算法的IRS辅助无人机通信联合优化方法通过部署智能反射面和多个地面用户的坐标,无人机携带多根天线情况下根据无人机起始位置和最终位置二维坐标两点成线原则的设计移动轨迹,通过可自主学习且泛化能力强的智能决策方法,从而获得速率最大化的波束成形和轨迹。本发明所述的有益效果为:所述方法可显著提升无人机空中基站建立空‑地通信系统的传输速率,通过智能反射面(Intelligent Reflecting Surface,IRS)将无人机到单个用户单链路信道近似为多链路信道,来达到增强通信信号提升对用户服务性能,采用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法进行联合优化,可同时获得联合优化解。

    无人机辅助反向散射通信的高可靠短包传输方法及装置

    公开(公告)号:CN117082539A

    公开(公告)日:2023-11-17

    申请号:CN202310570804.4

    申请日:2023-05-19

    Abstract: 本发明公开了一种无人机辅助反向散射通信的高可靠短包传输方法及装置,方法包括:构建无人机辅助反向散射通信系统,所述系统包括基站、无人机、反向散射设备和物联网设备;构建以最小化无人机基站有效关联时间内的平均解码错误概率为目标的轨迹优化问题;推导出所述轨迹优化问题中反向散射系数问题的闭式解,将轨迹优化问题转化为马尔可夫决策问题;采用一个基于深度双Q网络(DDQN)的深度强化学习算法联合优化反向散射系数、无人机轨迹,直到所述轨迹优化问题得到最优解;本发明通过给出了反向散射系数闭式解,将轨迹问题建模为马尔可夫决策过程,基于DDQN设计了一种深度强化学习算法,使场景内平均解码错误概率最小。

Patent Agency Ranking