公开(公告)号：CN116600363A

公开(公告)日：2023-08-15

申请号：CN202310599387.6

申请日：2023-05-25

Applicant: 河南科技大学

Inventor： 郑国强 ,  王锋 ,  穆昱 ,  马华红 ,  孙晓璐 ,  王俊英 ,  韩哲 ,  薛玉君

IPC: H04W40/20 ,  H04W40/32 ,  H04W40/02 ,  H04W40/22 ,  G06N3/006 ,  H04W4/40 ,  H04W40/24 ,  H04L45/00 ,  H04L45/02

Abstract: 本发明提供一种基于改进萤火虫群算法的车联网地理位置路由方法（HIGR），一方面，该方法利用动态分簇算法形成簇成员节点‑簇头节点‑RSU三层控制模型，用簇成员信息表代替邻居节点表，减小节点广播的控制开销；另一方面，在簇头节点选择阶段，RSU根据节点相对速度、边界稳定因子和节点目的因子建立评估函数，选择评估函数值最大的节点作为簇头节点以减小簇维护开销；同时节点在路由阶段运行改进的萤火虫群算法，减小网络延时。本发明HIGR在包的投递率、端到端延时、吞吐量和网络开销上都具有较好的性能，能够平衡信标消息更新频率、控制开销，提高网络的性能。

公开(公告)号：CN117527106A

公开(公告)日：2024-02-06

申请号：CN202311625183.1

申请日：2023-11-30

Applicant: 河南科技大学

Inventor： 郑国强 ,  白薇薇 ,  韩哲 ,  孙晓璐 ,  王俊英 ,  马华红 ,  穆昱

IPC: H04B17/382 ,  G06N3/0464 ,  G06N3/0442

Abstract: 一种并行使用CNN和LSTM的频谱感知方法，M个次用户分别接收感知数据转发给数据融合中心，数据融合中心将得到的感知数据分为训练集、验证集、测试集；所有的感知数据分别进行CNN数据预处理和LSTM数据预处理；完成CNN模型和LSTM模型训练；将经过CNN数据预处理的感知数据的测试集输入至训练完成的CNN模型，得到CNN模型预测结果，将经过LSTM数据预处理的感知数据的测试集输入至训练完成的LSTM模型，得到LSTM模型预测结果；采用加权和对CNN模型预测结果和LSTM模型预测结果进行组合，选择Softmax函数作为激活函数进行分类特征的提取得到最终的感知结果。本发明在低信噪比情况下可以实现更高的频谱感知性能。

公开(公告)号：CN118450510A

公开(公告)日：2024-08-06

申请号：CN202410616649.X

申请日：2024-05-17

Applicant: 河南科技大学

Inventor： 李佩佩 ,  孙晓璐 ,  郑国强 ,  韩哲 ,  夏平杰 ,  李振华 ,  穆昱 ,  马华红

IPC: H04W72/0453 ,  H04W72/044 ,  H04W24/02 ,  H04W4/40

Abstract: 本发明提供一种RIS辅助的具有V2I链路容量最大化的资源分配方法，构建了一个多变量混合非凸的V2I链路容量优化模型，基于该模型提出了一种通过结合RIS技术改善信道条件并使V2I链路获得最大链路容量的资源分配算法。本方案设计的算法考虑到优化模型的强非凸性和非线性，通过采用MARL求取其最优解。本方案设计的算法仿真结果表明，RIS可以很大程度上补偿由车辆高机动性带来的信道增益损失，相比于其他算法本文所提算法能够有效提升V2I链路的整体性能。将可重构智能反射面超表面RIS引入到认知车联网场景中，首先联合V2V发射功率、信道资源以及RIS反射系数矩阵建立优化V2I链路容量的问题模型，通过GNN进行算法增强，并利用平均场降低算法复杂度。

公开(公告)号：CN117979434A

公开(公告)日：2024-05-03

申请号：CN202410119559.X

申请日：2024-01-29

Applicant: 河南科技大学

Inventor： 郑国强 ,  孙晓璐 ,  韩哲 ,  穆昱 ,  王俊英 ,  马华红

IPC: H04W72/0453 ,  H04W72/044 ,  H04W72/54 ,  H04W24/02

Abstract: 本发明公开了一种具有能量捕获的认知车联网资源分配方法，该方法首先通过联合通信可靠性、能量捕获限制，同时考虑到次用户感知错误概率，建立优化SU系统能效的资源分配模型；其次在该模型下将资源分配问题分为信道分配和功率分配两部分，信道分配部分将SU建立的信道损失函数作为分配依据基于Q‑Learning算法得到最优信道分配结果；功率分配部分根据得到的信道分配结果结合Q‑Learning算法继续对该问题进行求解，最后根据求解得到的信道分配和功率分配最佳策略进行资源分配。本发明对信道资源和发射功率进行合理分配，最大化SU系统能效的同时保证PU传输质量要求，解决了“失电”车辆如何保持优质通信的问题。

公开(公告)号：CN117676764A

公开(公告)日：2024-03-08

申请号：CN202410061993.7

申请日：2024-01-16

Applicant: 河南科技大学

Inventor： 郑国强 ,  王俊英 ,  韩哲 ,  穆昱 ,  孙晓璐 ,  马华红

IPC: H04W40/22 ,  H04L45/02 ,  H04L45/122 ,  H04L45/24 ,  H04W4/44

Abstract: 本发明提出了一种基于深度强化学习的车联网混合路由方法，该方法主要由两阶段组成：路段上的中继转发策略和交叉路口处的路段转发策略；中继转发策略，利用相邻节点信息执行基于Q学习的算法，选择最佳的下一跳中继节点，直至到达下一路口或目的节点；路段转发策略，利用相邻路段信息执行基于DDQN的算法，选择出最佳的转发路段；先将数据包转发到通信条件最好的路段上，然后在路段上选择最合适的中继节点，提高了传输的可靠性。