-
公开(公告)号：CN118612894A
公开(公告)日：2024-09-06
申请号：CN202410747321.1
申请日：2024-06-11
Applicant: 北京邮电大学深圳研究院 , 北京邮电大学
Abstract: 本申请提供了一种星载5G核心网实现方法和系统，星载5G核心网的网元包括S‑AMF、S‑SMF和S‑UPF；S‑AMF接收到第一星上基站发送的N2消息时，向S‑SMF发送第一PDU会话更新请求；S‑SMF向S‑AMF返回第一PDU会话更新响应；S‑AMF向第二星上基站发送切换请求；并接收第二星上基站返回的切换响应；若S‑AMF确定接收到的切换响应为允许切换时，向S‑SMF发送第二PDU会话更新请求；S‑SMF向S‑AMF返回第二PDU会话更新响应；并与S‑UPF交互进行N4会话修改，获取上下行链路信息。该方法能够将卫星通信和5G网络在系统层面进行深度融合，真正实现星载5G核心网络。
-
公开(公告)号：CN119135251A
公开(公告)日：2024-12-13
申请号：CN202411449129.0
申请日：2024-10-16
Applicant: 北京邮电大学 , 北京邮电大学深圳研究院
IPC: H04B7/185
Abstract: 本申请公开了一种星载核心网用户面服务提供方法、系统及其策略模型的训练方法、装置、存储介质、设备和计算机程序产品，属于卫星通信领域，包括：响应于任务请求，将任务请求加入本地低轨卫星的任务队列，并在待机状态的情况下，将本地低轨卫星更新为服务状态；在服务状态的情况下，执行任务队列中的任务请求；在本地低轨卫星的待机状态的持续的待机时间，超过预设的待机时间阈值的情况下，将本地低轨卫星更新为关闭状态；在本地低轨卫星为关闭状态，并且任务队列中的任务请求的数量大于或等于预设的请求数量阈值的情况下，将本地低轨卫星更新为设置状态。解决了由于卫星移动速度快造成的星载核心网用户面服务的连续性不足的问题。
-
公开(公告)号：CN119135251B
公开(公告)日：2025-05-02
申请号：CN202411449129.0
申请日：2024-10-16
Applicant: 北京邮电大学 , 北京邮电大学深圳研究院
IPC: H04B7/185
Abstract: 本申请公开了一种星载核心网用户面服务提供方法、系统及其策略模型的训练方法、装置、存储介质、设备和计算机程序产品，属于卫星通信领域，包括：响应于任务请求，将任务请求加入本地低轨卫星的任务队列，并在待机状态的情况下，将本地低轨卫星更新为服务状态；在服务状态的情况下，执行任务队列中的任务请求；在本地低轨卫星的待机状态的持续的待机时间，超过预设的待机时间阈值的情况下，将本地低轨卫星更新为关闭状态；在本地低轨卫星为关闭状态，并且任务队列中的任务请求的数量大于或等于预设的请求数量阈值的情况下，将本地低轨卫星更新为设置状态。解决了由于卫星移动速度快造成的星载核心网用户面服务的连续性不足的问题。
-
公开(公告)号：CN115334077B
公开(公告)日：2024-12-13
申请号：CN202210947950.X
申请日：2022-08-09
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L41/12 , H04L41/0893 , H04L41/0803
Abstract: 本申请公开了一种跨广域网的应用管控方法及系统，在跨广域网的网络中设置统一管控功能实体，所述统一管控功能实体收集应用管控涉及的信息，基于所述信息进行面向应用及网络功能实体的资源计算及节点部署的分析，生成配置策略，根据所述配置策略在所述计算网络中进行应用及网络功能实体的资源分配及节点部署。这样，本申请实施例由所设置的专门实体，基于收集的应用管控涉及的信息，并基于信息进行配置策略的生成，据此实现了跨广域网的应用管控，且保证所提供的应用的服务质量。
-
公开(公告)号：CN114169241B
公开(公告)日：2024-08-23
申请号：CN202111495731.4
申请日：2021-12-09
Applicant: 北京邮电大学
IPC: G06V10/62 , G06N3/0464 , G06N3/0442 , G06N3/098 , G06N3/042 , G06N3/045 , G06V10/82 , G06N3/084 , G06V10/74
Abstract: 本发明公开了一种端到端的多目标识别、追踪与预测方法，属于车联网、智能汽车技术领域。本发明方法包括：建立端到端的多目标识别、追踪和预测模型，包括目标检测器、目标追踪模块和轨迹预测模块；目标检测模块使用基于中心点的多目标检测器；目标追踪模块采用基于图卷积神经网络对多目标追踪；轨迹预测模块基于图网络对多目标进行运动轨迹预测，包括轨迹目的点的预测，智能体间信息传递，生成未来轨迹；本发明将端到端的多目标识别、追踪和预测模型作为一个整体，采用联合训练框架进行同时训练。本发明三个模块同时训练、相互促进，进一步提高了最终的轨迹预测精度，可以更优对多目标轨迹预测，预测轨迹更加合理。
-
Patent Agency Ranking
公开(公告)号：CN114866476B
公开(公告)日：2023-06-30
申请号：CN202210376871.8
申请日：2022-04-12
Applicant: 北京邮电大学深圳研究院
Abstract: 本发明涉及网络传输技术领域，且公开了一种无损高效的RDMA传送方法，所述传送方法包括RDMA数据包重传和RDMA智能流控机制，所述RDMA智能流控机制包括有链路状态反馈机制和流量控制机制；所述RDMA数据包重传包括以下步骤：S1、发送节点维护发送窗口，记录当前待发送及已发送为收到确认的数据包编号；S2、依窗口记录的编号顺序依次向接收方发送数据包；S3、接收方收到数据后，构建确认数据包。该无损高效的RDMA传送方法，通过研究在广域分布式网络环境下，将网络拓扑、流量特征、机器学习的传输特征实现有机的整合，提出一种无损高效的RDMA传送技术，通过精细化拥塞控制与流控制策略来最大化带宽利用率解决数据处理效率低和传输时延过长问题。
-
公开(公告)号：CN116127018A
公开(公告)日：2023-05-16
申请号：CN202310208694.7
申请日：2023-03-07
Applicant: 北京邮电大学
IPC: G06F16/33 , G06F18/214 , G06F18/241
Abstract: 本申请实施例公开了一种面向自然语言模型的联邦小样本学习方法、系统及设备，在对自然语言模型进行微调时，由云端服务器控制多个端侧设备，采用渐进式数据增强协同方式进行，即采用基于伪标签方式及提示学习方式进行融合的联邦小样本学习方式与联邦学习方式协同进行，且在微调过程中不断更新最优的增强策略，从而使得各个端侧设备采用的训练数据包含少量的有标签的样本就可以微调得到精确率高的自然语言模型。因此，本申请实施例可以采用少量的有标签的训练数据微调一个精确率高的自然语言模型，提高微调后的自然语言模型的精确率。
-
公开(公告)号：CN113852693B
公开(公告)日：2023-05-02
申请号：CN202111127108.3
申请日：2021-09-26
Applicant: 北京邮电大学
Abstract: 本申请公开了一种边缘计算服务的迁移方法，其特征在于，在云计算中心设置若干中心控制节点进行迁移服务的锁定，在边缘节点上设置使用sidecar模式部署的用户接入层管理，方法包括：迁移前的第一边缘节点接收用户终端上报的自身状态和向第二边缘节点的服务迁移请求，当确定允许进行服务迁移后，所述第一边缘节点获取第二边缘节点的地址发送给所述用户终端，所述中心控制节点锁定所述服务迁移，拒绝服务迁移过程中所述用户终端相同方向上其他服务的迁移请求；所述第一边缘节点中断要迁移的服务，并将该服务的迁移数据发送给所述第二边缘节点，用于所述第二边缘节点在接收到所述用户终端的服务请求后恢复中断的服务。应用本申请，能够大大降低迁移时延，并保证迁移数据的一致性。
-
公开(公告)号：CN115314409A
公开(公告)日：2022-11-08
申请号：CN202210851138.7
申请日：2022-07-20
Applicant: 北京邮电大学
Abstract: 本发明提供了一种网络状态信息获取方法及系统，涉及通信技术领域。方法包括：首先，第一用户面设备解析第一GTP‑U报文，并根据控制面设备预先下发的INT指示收集所述第一用户面设备的第一INT元数据，生成第二GTP‑U报文，并发送至第二用户面设备，然后，第二用户面设备解析第二GTP‑U报文，并根据INT指示收集第二用户面设备的第二INT元数据，并将第一INT元数据和第二INT元数据，发送给控制面设备，最后，控制面设备接收第一INT元数据和第二INT元数据，并储存在预设数据库中。在本申请中，通过收集各个用户面设备的INT元数据，实现了带内网络遥测在核心网中的应用，并且基于INT元数据能够实现高精度、多种类的业务流量的网络状态信息感知。
-
公开(公告)号：CN115292037A
公开(公告)日：2022-11-04
申请号：CN202210872704.2
申请日：2022-07-21
Applicant: 北京邮电大学
Abstract: 本发明提供了一种边缘网络下的任务可靠性保证方法及系统，涉及边缘网络技术领域。方法包括：首先，基于终端设备的移动性要求，电量监控要求以及CPU使用率要求，择出目标终端设备。然后，每个目标终端设备接收目标边缘服务器下发的初始模型，并根据本地存储的样本数据集，对初始模型进行本地训练。最后目标边缘服务器接收每个目标终端设备上传的经过本地训练得到的模型参数，已对目标边缘服务器中的全局参数进行更新。在本申请中，通过选择在设备选取过程中，基于多种要求选择出具有最大可靠性的目标终端设备，并在模型参数上传的过程进行监控和约束，从而保证了边缘网络下执行的任务的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.032 seconds)
