公开(公告)号：CN109088699A

公开(公告)日：2018-12-25

申请号：CN201810997919.0

申请日：2018-08-29

Applicant: 同济大学

Inventor： 于威 ,  吴俊 ,  任浩琪 ,  艾丽华 ,  徐伟伟

IPC: H04L1/00 ,  H04L27/38

Abstract: 本发明涉及一种Raptor码度分布和高阶调制映射方式的匹配方法，包括：步骤S1：Raptor编码器根据信源比特编码得到Raptor码字；步骤S2：Q-QAM调制器选择一种映射方式将没设定个数的Raptor码字映射为一个复符号；步骤S3：接收端的QAM解调器和Raptor译码器对通过无线信道传输后的复符号进行解调和译码；步骤S4：基于接收端解调和译码过程中得到的Raptor码字的对数似然比和经由无线信道传输后接收到的带噪的复符号，分析Raptor译码器和QAM解调器的输出互信息与输入互信息的对应关系，并选择得到与Raptor码的输出度分布最匹配的方式；步骤S5：将选择得到的与Raptor码的输出度分布最匹配的映射方式应用于Q-QAM调制器和接收端的QAM解调器。与现有技术相比，本发明具有提高整个系统的BER和吞吐率等优点。

公开(公告)号：CN115914230A

公开(公告)日：2023-04-04

申请号：CN202211551204.5

申请日：2022-12-05

Applicant: 同济大学

Inventor： 艾丽华 ,  王睿 ,  潘文琪 ,  张嘉迪 ,  何良华

IPC: H04L67/10 ,  H04L67/1008 ,  H04L67/101 ,  H04L67/1012

Abstract: 本发明设计了一种自适应移动边缘计算卸载和资源分配方法，主要包括以下步骤：用户发送任务卸载请求；移动边缘计算系统根据任务的数据量大小、用户所处的无线信道信息和移动边缘计算系统内各个边缘服务器的可用计算资源计算出任务的最佳卸载策略并通知用户；用户根据通知的卸载策略连接基站并发送任务；基站收到任务后，发送给与其连接的边缘服务器，边缘服务器分配资源处理任务；边缘服务器将处理后的结果发送给基站，基站将处理后的结果返回给用户。本发明采用深度强化学习方法，根据历史系统信息来获得当前时刻的最佳任务卸载方案，并在任务时延的限制下合理分配资源以处理任务，降低了资源的消耗，提升了边缘服务器的利用率。

公开(公告)号：CN109088699B

公开(公告)日：2020-11-27

申请号：CN201810997919.0

申请日：2018-08-29

Applicant: 同济大学

Inventor： 于威 ,  吴俊 ,  任浩琪 ,  艾丽华 ,  徐伟伟

IPC: H04L1/00 ,  H04L27/38

Abstract: 本发明涉及一种Raptor码度分布和高阶调制映射方式的匹配方法，包括：步骤S1：Raptor编码器根据信源比特编码得到Raptor码字；步骤S2：Q‑QAM调制器选择一种映射方式将没设定个数的Raptor码字映射为一个复符号；步骤S3：接收端的QAM解调器和Raptor译码器对通过无线信道传输后的复符号进行解调和译码；步骤S4：基于接收端解调和译码过程中得到的Raptor码字的对数似然比和经由无线信道传输后接收到的带噪的复符号，分析Raptor译码器和QAM解调器的输出互信息与输入互信息的对应关系，并选择得到与Raptor码的输出度分布最匹配的方式；步骤S5：将选择得到的与Raptor码的输出度分布最匹配的映射方式应用于Q‑QAM调制器和接收端的QAM解调器。与现有技术相比，本发明具有提高整个系统的BER和吞吐率等优点。