-
公开(公告)号：CN111526495A
公开(公告)日：2020-08-11
申请号：CN202010324289.8
申请日：2020-04-22
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于改进遗传算法的车联网AoI优化任务卸载方法，包括：根据车辆并发任务过程各类型任务数量的变化，结合不同类型任务的特点，得到适应度评价函数模型；根据卸载任务自身特点以及并发任务对应任务车辆的状态，利用适应度评价函数模型，得到个体适应度值；根据当前个体适应度值，计算种群的适应度变异系数，调整遗传进化过程中的变异概率和交叉概率，实现AoI优化。相比于基于卸载任务类型或卸载任务到达基站时间的卸载方法，本发明基于改进遗传算法能在一定迭代次数内找到并发任务卸载过程中的最优响应顺序，有效地优化任务卸载过程中的AoI。
-
公开(公告)号：CN109618350B
公开(公告)日：2020-08-04
申请号：CN201910032114.7
申请日：2019-01-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于信号重传的频谱共享方法和系统，本发明考虑无线供电中继本身需要消耗能量，且单时隙收集的能量可能无法支持信息成功传输，引入了信号重传机制，主用户不停重传信号直到中继节点处收集的能量达到能量阈值或重传的时间达到阈值，解决了无线通信节点更换电池不经济不环保的问题，延长网络的寿命，有效提高系统的能量效率。本发明通过选择最佳的接收功率分割因子λ、传输功率分配因子α以及相匹配的能量阈值Eth和重传次数阈值N，保证了系统的稳定性和收集能量利用的合理性，降低了系统的中断概率，提高了网络信息传输的稳定性和吞吐量。
-
公开(公告)号：CN109698726A
公开(公告)日：2019-04-30
申请号：CN201910021291.5
申请日：2019-01-10
Applicant: 华中科技大学
IPC: H04B17/382 , H04B17/391 , H04W16/14
Abstract: 本发明公开了一种基于机器学习的无线频谱资源分配方法，包括：将无线通信系统划分为多个子系统，并在每一个子系统中配置一个探测器；在满足调度条件时转入后续步骤；对无线频谱资源进行划分，得到满足约束条件的所有分配方案；若满足约束条件的分配方案数的数量级小于预设的分配阈值，则遍历各分配方案，并利用神经网络模型预测各分配方案所对应的信道总容量以计算系统收益，从而获得使得系统收益最大的最优分配方案；否则，利用优化算法获得最优分配方案；根据最优分配方案为各子系统分配并部署无线频谱资源，以完成当前调度轮次的无线频谱资源分配；重新判断是否满足调度条件。本发明能够提高频谱资源利用效率并最大化系统收益。
-
公开(公告)号：CN109618350A
公开(公告)日：2019-04-12
申请号：CN201910032114.7
申请日：2019-01-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于信号重传的频谱共享方法和系统，本发明考虑无线供电中继本身需要消耗能量，且单时隙收集的能量可能无法支持信息成功传输，引入了信号重传机制，主用户不停重传信号直到中继节点处收集的能量达到能量阈值或重传的时间达到阈值，解决了无线通信节点更换电池不经济不环保的问题，延长网络的寿命，有效提高系统的能量效率。本发明通过选择最佳的接收功率分割因子λ、传输功率分配因子α以及相匹配的能量阈值Eth和重传次数阈值N，保证了系统的稳定性和收集能量利用的合理性，降低了系统的中断概率，提高了网络信息传输的稳定性和吞吐量。
-
公开(公告)号：CN118612808A
公开(公告)日：2024-09-06
申请号：CN202410724833.6
申请日：2024-06-05
Applicant: 华中科技大学 , 武汉烽火技术服务有限公司
IPC: H04W40/02 , H04W48/16 , H04L45/121
Abstract: 本发明属于无线局域网技术领域，公开了一种多链路流量分配与接入优化方法，多链路流量分配与接入优化方法包括：AP确定系统参数；AP计算得到最优分配#imgabs0#AP将得到的最优分配#imgabs1#广播给各节点；各多链路设备根据AP提供的信息调节流量分配概率为#imgabs2#本发明利用马尔可夫过程分析得到WiFi 7多链路网络的时延计算模型，根据系统参数求解最优化问题，得到最优分配策略，然后将策略利用广播传给各个节点，让节点做出相应调整，进而实现最小化时延；适用于概率性接入策略的多链路设备，并且允许场景中包含任意个单链路设备，以及网络中使用任意条链路。
-
Patent Agency Ranking
公开(公告)号：CN114490920B
公开(公告)日：2022-10-14
申请号：CN202210070546.9
申请日：2022-01-21
Applicant: 华中科技大学
Abstract: 本发明公开语义知识库自动构建与更新方法、语义编码器和通信架构，属于语义通信领域。针对现有语义通信框架和模型需在通信前预先训练、无法对未知知识进行语义编解码、无法对未知语义进行自动模型更新和编解码的语义通信的问题，本发明引入语义知识库自动构建方法、推理机制自动更新方法与语义编解码器协同机制。本语义通信架构可以自动识别未知语义信息，自动学习和适配未知实体和已知实体间关系，并且引入模型自动学习和自动更新机制，能够实现在语义通信过程中自动协同编码器和解码器的语义知识库，从而实现语义编解码器实时协同更新学习模型。避开对传统语义信息中的语义知识库单一且固定，当遇到未知知识时无法实现编码与解码等问题。
-
公开(公告)号：CN114091673B
公开(公告)日：2022-04-08
申请号：CN202210058567.9
申请日：2022-01-19
Applicant: 华中科技大学
IPC: G06N5/04 , G06N5/02 , G06N3/04 , G06N3/08 , G06N7/00 , G06K9/62 , G06F16/36 , G06F21/62 , H04L67/51
Abstract: 本发明公开了语义编码器、解码器和语义通信框架，属于语义通信领域。本发明在传统的语义通信架构基础上，在语义编码器中增加语义比较器，在语义解码器增加语义推理器。所述语义通信架构不在发送方对语义信息进行直接编码，而是训练一个语义比较器，该语义比较器能够区分出发送方的专家推理路径，语义推理器通过和语义比较器对抗式训练，学习到语义发送方专家推理路径的推理机制，最后直接能对接收到的信息进行解码恢复出语义信息，解决了对隐式语义信息中的语义推理机制难以编码的问题，并且能够实现语义信息的解码。
-
公开(公告)号：CN113904717B
公开(公告)日：2022-02-22
申请号：CN202111496120.1
申请日：2021-12-09
Applicant: 华中科技大学
IPC: H04B10/079 , G06N20/00 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种光传送网OTUk帧误码概率预测方法和系统，属于光传送网网络性能预测领域。包括：训练阶段：A1.获取光传送网中目标OTUk SM‑OH中误码性能值及目标OTUk对应的光域光信道误码率的历史数据；A2.依据OTUk各时段的误码性能值，进行误码状态标注；A3.将以光域光信道误码率为底的对数值作为输入，将误码状态作为输出，对OTUk帧误码概率预测模型采用对数几率回归算法进行训练；应用阶段：将未来时段的光域光信道误码率输入至训练好的预测模型，得到对应未来时段的OTUk帧误码概率。本发明首次提出利用光域性能值预测电域信号的性能劣化概率，并利用对数几率回归建模，实现性能劣化概率的计算。
-
公开(公告)号：CN112819180A
公开(公告)日：2021-05-18
申请号：CN202110100171.1
申请日：2021-01-26
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于联邦生成模型的多业务数据生成方法和装置，属于机器学习领域，所述方法包括：S1：利用协调方将初始模型下发至多个持有不同业务数据集的参与方；S2：多个参与方使用本地业务数据集对初始模型进行训练分别得到本地鉴别器、本地分类器和对应多个业务的本地生成器；S3：至少一个参与方将本地鉴别器和本地分类器发送给协调方；S4：协调方对接收的本地鉴别器和本地分类器分别进行联邦聚合得到联邦鉴别器和联邦分类器，并发送给参与方；S5：各个参与方利用联邦鉴别器和联邦分类器训练本地生成器，得到更新生成器生成多业务数据。本发明能够在保证神经网络训练效率和业务数据共享安全性的同时，实现多业务数据集的分类与生成。
-
公开(公告)号：CN109818892A
公开(公告)日：2019-05-28
申请号：CN201910046858.4
申请日：2019-01-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种构建循环谱特征参数提取模型及信号调制方式识别方法，包括对输入的调制信号进行预处理得到循环谱；提取循环谱特征参数，利用特征参数对CNN模型进行训练、验证和测试得到特征参数提取模型；将调制信号输入到特征参数提取模型，获得特征参数样本集；以特征参数样本集作为输入，以对应的调制方式作为输出，训练识别模型，从而获得信号调制方式识别模型；将待测信号输入到特征参数提取模型，输出的特征参数输入到信号调制方式识别模型，获得待测信号的信号调制方式。本发明采用CNN架构对信号调制方式进行识别，由于调制方式特征提取被嵌入到卷积神经网络中，在训练的过程中会自动提取特征，实现信号调制方式的识别。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.025 seconds)
