-
Patent Agency Ranking
公开(公告)号：CN115002865B
公开(公告)日：2024-09-03
申请号：CN202210638987.4
申请日：2022-06-07
Applicant: 厦门大学
Abstract: 基于Q学习和数据分级的水声网络动态计算簇头路由方法，涉及水声通信网络。将水下节点分簇，设簇头CH节点为计算簇头，负责计算数据传输的最优路径以及Q值表的存储，非簇头节点负责数据信号传输。根据水声网络节点的初始位置，选择初始簇头CH节点，再根据非簇头节点的能量变化率选择备用簇头。根据数据优先级程度不同进行数据分级，选择不同的数据传输模式，以保证较高数据优先级的节点优先传输；当初始计算簇头CH节点的剩余能量接近于阈值时，其与备用簇头进行任务交接，优化簇内节点能量的均匀分布，对水声通信网络能量资源的分配进行更加合理的规划，实现水声通信网络基于Q学习和数据优先级的水声通信能耗和时延优化功能。
-
公开(公告)号：CN117395626A
公开(公告)日：2024-01-12
申请号：CN202311685969.2
申请日：2023-12-11
Applicant: 厦门大学
IPC: H04W4/38 , G06N3/0985 , G06N3/084 , G01N33/18 , H04W52/24 , H04W52/22 , H04W52/38 , H04B13/02 , H04B11/00
Abstract: 基于元学习及NOMA的水声网络水质监测数据搜集方法，涉及水下通信领域。在非正交多址接入（NOMA）的水声网络水质监测数据搜集方法中，搜集海洋瞬时信道状态，根据瞬时信道状态利用元学习调整水声节点发送信号的功率分配因子；元学习模型使用已知水声节点历史信道状态及其对应最优功率分配因子作为训练任务集、当前海域测得少量样本作为测试任务集；在训练过程中利用梯度下降法更新参数，根据瞬时信道状态计算出最佳功率分配因子，以达到适应复杂多变的海洋环境的目的。
-
公开(公告)号：CN117395626B
公开(公告)日：2024-02-09
申请号：CN202311685969.2
申请日：2023-12-11
Applicant: 厦门大学
IPC: H04W4/38 , G06N3/0985 , G06N3/084 , G01N33/18 , H04W52/24 , H04W52/22 , H04W52/38 , H04B13/02 , H04B11/00
Abstract: 基于元学习及NOMA的水声网络水质监测数据搜集方法，涉及水下通信领域。在非正交多址接入（NOMA）的水声网络水质监测数据搜集方法中，搜集海洋瞬时信道状态，根据瞬时信道状态利用元学习调整水声节点发送信号的功率分配因子；元学习模型使用已知水声节点历史信道状态及其对应最优功率分配因子作为训练任务集、当前海域测得少量样本作为测试任务集；在训练过程中利用梯度下降法更新参数，根据瞬时信道状态计算出最佳功率分配因子，以达到适应复杂(56)对比文件Rui Jiang等.“Joint User-SubcarrierPairing and Power Allocation for UplinkACO-OFDM-NOMA Underwater Visible LightCommunication Systems”《.JOURNAL OFLIGHTWAVE TECHNOLOGY》.2020,第39卷(第7期),全文.曹欢欢;宋康;李春国;方世良;杨绿溪.无线充电的水声通信系统资源分配方案.东南大学学报(自然科学版).2016,(第05期),全文.
-
公开(公告)号：CN115658980A
公开(公告)日：2023-01-31
申请号：CN202211293810.1
申请日：2022-10-21
Applicant: 厦门大学
IPC: G06F16/903 , G06N3/126 , G01H3/00
Abstract: 一种基于排队模型和遗传算法的水声数据搜集方法，涉及水声网络。针对水声网络中簇头容量有限的问题，通过将单服务台混合制排队理论模型，运用于利用AUV进行水下节点数据搜集场景中簇头和传感器节点之间的数据传输过程，可以得出不同簇头到达簇头容量上限的时间。将该时间参数和簇头间的距离作为遗传算法适应度函数设计的根据，考虑该时间参数和AUV到达簇头之间的时间差距造成的数据包丢失，以及AUV行驶过程中的能量损耗，按照需要调整二者之间的权重，再通过遗传算法对AUV行驶路径进行规划。目的在于考虑AUV能量损耗的前提下，减少节点容量有限导致数据搜集到达上限后的数据丢失。
-
公开(公告)号：CN115002865A
公开(公告)日：2022-09-02
申请号：CN202210638987.4
申请日：2022-06-07
Applicant: 厦门大学
Abstract: 基于Q学习和数据分级的水声网络动态计算簇头路由方法，涉及水声通信网络。将水下节点分簇，设簇头CH节点为计算簇头，负责计算数据传输的最优路径以及Q值表的存储，非簇头节点负责数据信号传输。根据水声网络节点的初始位置，选择初始簇头CH节点，再根据非簇头节点的能量变化率选择备用簇头。根据数据优先级程度不同进行数据分级，选择不同的数据传输模式，以保证较高数据优先级的节点优先传输；当初始计算簇头CH节点的剩余能量接近于阈值时，其与备用簇头进行任务交接，优化簇内节点能量的均匀分布，对水声通信网络能量资源的分配进行更加合理的规划，实现水声通信网络基于Q学习和数据优先级的水声通信能耗和时延优化功能。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
