-
Patent Agency Ranking
公开(公告)号：CN109831812A
公开(公告)日：2019-05-31
申请号：CN201910051453.X
申请日：2019-01-18
Applicant: 南京邮电大学
Abstract: 本发明公开了基于移动Sink的无线传感网的低时延数据收集方法，包括以下步骤：对于WSN中的全部SN所组成的集合S，计算得到可能位置集合po_set，对于po_set中的每一个可能位置，记录下该可能位置在通信范围为r时所覆盖的SN相应的编号(id)，并计算该可能位置所覆盖SN的数量，选择覆盖SN数量最多的可能位置作为该轮选择过程中选择的MS访问位置，并将其添加至MS访问点集合rp_set中，并将访问位置所覆盖的SN从S中删除，并将访问位置从po_set中删除，若此时S的长度不为0，重复上述过程，直至S的长度为0，此时的rp_set即为MS需进行遍历的位置集合。本发明具有降低了数据收集时延的优点。
-
公开(公告)号：CN109831812B
公开(公告)日：2022-10-14
申请号：CN201910051453.X
申请日：2019-01-18
Applicant: 南京邮电大学
Abstract: 本发明公开了基于移动Sink的无线传感网的低时延数据收集方法，包括以下步骤：对于WSN中的全部SN所组成的集合S，计算得到可能位置集合po_set，对于po_set中的每一个可能位置，记录下该可能位置在通信范围为r时所覆盖的SN相应的编号(id)，并计算该可能位置所覆盖SN的数量，选择覆盖SN数量最多的可能位置作为该轮选择过程中选择的MS访问位置，并将其添加至MS访问点集合rp_set中，并将访问位置所覆盖的SN从S中删除，并将访问位置从po_set中删除，若此时S的长度不为0，重复上述过程，直至S的长度为0，此时的rp_set即为MS需进行遍历的位置集合。本发明具有降低了数据收集时延的优点。
-
公开(公告)号：CN109451523B
公开(公告)日：2021-09-17
申请号：CN201811413243.2
申请日：2018-11-23
Applicant: 南京邮电大学
Abstract: 本发明提出一种基于流量识别技术和Q学习的快速切换方法，主要解决在异构超密集蜂窝网络中小区分簇的快速切换问题。该方法主要分为两个部分：信息采集和动态切换决策过程。信息采集阶段主要包括收集到的网络状态信息、用户数据信息等，然后采用DFI识别技术识别业务类型，以及采用基于HYM的切换方法找到满足切换条件的基站集合，之后将这些数据作为Q学习模型的输入进行Q学习，在动态切换决策中根据指定的策略来输出训练结果，找到最优的切换策略，与传统的切换策略相比，大大减少了信令成本开销，确保了无线网络资源的合理利用。
-
公开(公告)号：CN109714790A
公开(公告)日：2019-05-03
申请号：CN201910065713.9
申请日：2019-01-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于用户移动性预测的边缘协作缓存优化方法，包括以下步骤：步骤一：根据用户的移动轨迹建立马尔可夫预测模型，获取用户移动到每个微蜂窝基站的概率；步骤二：使用层次聚类算法将网络中的所有微蜂窝基站进行分组，每一分组中的微蜂窝基站都连接到同一服务网关；步骤三：考虑文件流行度分布，并基于用户的移动概率，在所有微蜂窝基站分组中采取分布式的协作缓存方法，同一微蜂窝基站分组中的微蜂窝基站共同执行缓存决策，并协作为用户提供服务。本发明的优点是：考虑用户的移动概率和文件流行度，提出在基站各分组中采取协作缓存的方法，提高了缓存单元的利用率并降低了用户访问内容的时延。
-
公开(公告)号：CN109451523A
公开(公告)日：2019-03-08
申请号：CN201811413243.2
申请日：2018-11-23
Applicant: 南京邮电大学
Abstract: 本发明提出一种基于流量识别技术和Q学习的快速切换方法，主要解决在异构超密集蜂窝网络中小区分簇的快速切换问题。该方法主要分为两个部分：信息采集和动态切换决策过程。信息采集阶段主要包括收集到的网络状态信息、用户数据信息等，然后采用DFI识别技术识别业务类型，以及采用基于HYM的切换方法找到满足切换条件的基站集合，之后将这些数据作为Q学习模型的输入进行Q学习，在动态切换决策中根据指定的策略来输出训练结果，找到最优的切换策略，与传统的切换策略相比，大大减少了信令成本开销，确保了无线网络资源的合理利用。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
