公开(公告)号：CN117939684A

公开(公告)日：2024-04-26

申请号：CN202410116006.9

申请日：2024-01-29

Applicant: 福州大学

Inventor： 陈由甲 ,  郑宇阳 ,  胡锦松 ,  郭伯杨 ,  叶宇川

IPC: H04W72/50

Abstract: 本发明提供一种基于域对抗网络的无线网络资源分配策略，该策略针对于无线网络中的多基站场景，利用人工智能算法，解决一个核心问题：如何根据各基站的实时网络流量需求，来合理分配相应的无线资源，以保证整个网络的质量。该算法结合了理论分析所得的小区间干扰系数，以网络的流量与性能大数据为基础，提出了一种利用性能评估器指导的域对抗网络来实现基于实时流量的动态资源分配，进而最小化网络中性能评估为“差”的基站数量并降低网络的总体无线资源消耗。

公开(公告)号：CN115065728A

公开(公告)日：2022-09-16

申请号：CN202210660932.3

申请日：2022-06-13

Applicant: 福州大学

Inventor： 陈由甲 ,  郭伯杨 ,  蔡粤楷 ,  胡锦松 ,  郑海峰

IPC: H04L67/568 ,  H04W28/02

Abstract: 本发明公开一种基于多策略强化学习的多目标内容存储方法，包括以下步骤：步骤S1：提出基于视频文件传输的协同缓存无线网络体系结构，定义了异构无线基站的状态空间和动作空间；步骤S2：动态内容缓存更新算法应用于各智能体，实现计算资源利用率最大化。步骤S3：利用权重映射网络来确定对于卸载流量的偏好权重，以帮助智能体实现策略选择过程，同时在协调器中引入混合网络来捕获各个智能体的信息，训练全局策略更新参数，并将结果反馈给各个无线基站进行各智能体的局部策略更新。本技术方案能够通过多策略方法学习一系列备选策略，为网络实现当前流量和视频质量之间的权衡。

公开(公告)号：CN119136235A

公开(公告)日：2024-12-13

申请号：CN202411122530.3

申请日：2024-08-15

Applicant: 福州大学

Inventor： 陈由甲 ,  梁虹 ,  郑宇阳 ,  郭伯杨 ,  叶宇川 ,  胡锦松

IPC: H04W24/06 ,  H04W24/02 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明涉及一种基于加权图卷积网络的小区间干扰建模方法，属于无线通信技术领域。该方法结合“无线网络”相关数据和图神经网络，解决一个核心问题：如何根据无线接入点的实时性能数据和工程参数，来对区域内全部无线接入点的小区间干扰准确建模。针对该问题，本发明分析了小区间干扰的影响因素，设计了一种结合实时无线资源和频带重合率的加权图卷积网络，以此来准确得到蜂窝网络中的多无线接入点场景中的小区间干扰。

公开(公告)号：CN117313891A

公开(公告)日：2023-12-29

申请号：CN202311245253.0

申请日：2023-09-26

Applicant: 福州大学

Inventor： 陈由甲 ,  叶宇川 ,  郭伯杨 ,  胡锦松

IPC: G06N20/00 ,  G06N3/04 ,  G06N3/08 ,  H04L67/10 ,  H04W28/08

Abstract: 本发明涉及一种面向无线网络数据异构性的联邦学习聚合权重设计方法。该方法针对无线网络中用户分布不均匀导致的数据分布异构问题进行了优化。该方法考虑了无线网络中用户之间数据的非独立同分布特性，将数据异构度定义为衡量无线网络下用户数据分布差异的参数，该参数与用户进行神经网络训练时产生的每一轮次的训练损失有关，并根据由上一轮的训练损失计算出的数据异构度为每个用户分配合适的聚合权重。本发明提出的方法解决了一个核心问题：如何在基站上部署的边缘服务器上进行联邦聚合，以减轻数据非独立同分布对模型性能的负面影响。

公开(公告)号：CN115065728B

公开(公告)日：2023-12-08

申请号：CN202210660932.3

申请日：2022-06-13

Applicant: 福州大学

Inventor： 陈由甲 ,  郭伯杨 ,  蔡粤楷 ,  胡锦松 ,  郑海峰

IPC: H04L67/568 ,  H04W28/02

Abstract: 本发明公开一种基于多策略强化学习的多目标内容存储方法，包括以下步骤：步骤S1：提出基于视频文件传输的协同缓存无线网络体系结构，定义了异构无线基站的状态空间和动作空间；步骤S2：动态内容缓存更新算法应用于各智能体，实现计算资源利用率最大化。步骤S3：利用权重映射网络来确定对于卸载流量的偏好权重，以帮助智能体实现策略选择过程，同时在协调器中引入混合网络来捕获各个智能体的信息，训练全局策略更新参数，并将结果反馈给各个无线基站进行各智能体的局部策略更新。本技术方案能够通过多策略方法学习一系列备选策略，为网络实现当前流量和视频质量之间的权衡。(56)对比文件Youjia Chen等.Performance Analysis ofWireless Networks with IntelligentReflecting Surfaces《. 2021 IEEE WirelessCommunications and Networking Conference(WCNC)》.2021,全文.

公开(公告)号：CN116980656A

公开(公告)日：2023-10-31

申请号：CN202310954677.8

申请日：2023-08-01

Applicant: 福州大学

Inventor： 陈由甲 ,  章书涌 ,  郭伯杨 ,  胡锦松 ,  叶宇川

IPC: H04N21/2343 ,  H04N21/262 ,  H04N21/438

Abstract: 本发明提出一种以体验质量为驱动的无线虚拟现实服务方法及系统。它结合无线虚拟现实VR服务中常用的移动边缘计算MEC和视场预测技术，解决一个核心问题：如何根据用户对VR的体验质量要求，包括视频质量以及延迟容忍度——运动到光子MTP延迟，来制定相应的服务策略以达到用户的目标体验质量。本发明提出了一种基于强化学习的奖励转向机制算法来找到实现用户目标体验质量的最优策略，同时满足相关资源的约束条件。