-
公开(公告)号：CN116828226B
公开(公告)日：2023-11-10
申请号：CN202311084846.3
申请日：2023-08-28
Applicant: 南京邮电大学
IPC: H04N21/231 , H04N21/2543 , H04L9/00
Abstract: 本发明属于移动通信中的边缘缓存技术领域，公开了基于区块链的云边端协同视频流缓存系统，通过网络模块实现CDN服务器、边缘服务器、视频用户三者之间的通信；缓存模块用于计算视频内容的流行度，以及视频内容缓存在CDN服务器层和边缘服务器层时的访问延迟、流量成本和缓存能耗；并将所有视频请求的内容访问延迟、流量成本和能耗的问题最小化；区块链模块用于计算视频用户请求的付费视频内容上链所产生的能耗。本发明充分发挥边缘侧MEC服务器的计算和存储能力，并加入区块链技术，解决互联网视频流量大幅度增长所导致的时延及能耗过高的问题以及计费信息安全问题；实现协同边缘缓存。
-
公开(公告)号：CN116915781A
公开(公告)日：2023-10-20
申请号：CN202311182560.9
申请日：2023-09-14
Applicant: 南京邮电大学
IPC: H04L67/1001 , H04L67/1004 , H04L67/1074 , H04L67/1097 , H04L67/06 , H04L67/568 , H04L9/00 , H04L9/40 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/09 , G06N3/092
Abstract: 本发明公开了一种基于区块链的边缘协作缓存系统及方法，系统包括边缘节点、服务器和区块链；若干边缘节点用于基于用户历史请求信息生成内容流行度分布，并通过区块链将内容流行度分布上传至服务器，服务器用于将接收到的内容流行度分布结合各边缘节点的缓存空间状态制定边缘协作缓存策略，并基于制定的边缘协作缓存策略调控相关边缘节点协作缓存流行内容数据。本发明改进区块链技术并引入协作缓存的思想，构建安全可信、协同高效的边缘协作缓存系统，提高了缓存效率和缓存命中率，最大化资源利用率，同时所有数据通过基于智能合约的区块链来传输，减少了服务器的访问压力和通信成本，降低了数据泄露的风险，可以有效防止他人的恶意入侵。
-
公开(公告)号：CN115470832A
公开(公告)日：2022-12-13
申请号：CN202211417254.4
申请日：2022-11-14
Applicant: 南京邮电大学 , 江苏省人民医院(南京医科大学第一附属医院)
Abstract: 本发明公开了一种基于区块链的心电信号数据处理方法，属于医学信号处理技术领域，包括：对原始心电信号进行降噪处理并上传到区块链中；通过小波变换提取QRS波，并判定该信号是否为QRS波群；若判定该信号为QRS波，则对心电信号进行分割截取得到若干个心拍；将得到的心拍电位值组成一维向量，采用LSTM进行建模分析；对每个心拍进行分类；同时LSTM作为异常检测器检测异常训练结果并进行再训练。本发明将再训练应用于心律失常分类，以加强正常心拍的检测并减少误报，克服长时间分类过程导致的次优性能，提高对心电信号分类的准确率；并且使用区块链安全跟踪连续远程心电监测系统的不同状态，通过区块链技术保障了数据的安全性。
-
公开(公告)号：CN118102386B
公开(公告)日：2024-07-02
申请号：CN202410497345.6
申请日：2024-04-24
Applicant: 南京邮电大学
IPC: H04W28/06 , H04W28/084
Abstract: 本发明涉及属于移动通信中的边缘计算技术领域，公开了一种D2D辅助MEC网络中的服务缓存和任务卸载联合优化方法及系统，考虑五种任务卸载模式，并进一步将任务卸载和服务缓存的联合优化问题表示为马尔可夫决策问题，利用改进的MAPPO算法训练模型，并据此获取最佳的任务卸载和资源分配策略，联合优化系统包括网络模块、服务缓存模块、任务卸载模块，网络模块包括云服务器、边缘服务器和终端设备。本发明实现了最小化系统时延和能耗。
-
公开(公告)号：CN117749635B
公开(公告)日：2025-01-24
申请号：CN202311759121.X
申请日：2023-12-20
Applicant: 南京邮电大学
Abstract: 本发明属于通信技术领域，涉及一种数字孪生使能的工业物联网资源分配系统及方法；方法为：构建数字孪生使能的工业物联网资源分配系统；在数字孪生层中联合考虑任务卸载设备关联决策、卸载决策、资源分配、任务比例分配并提出最小化系统成本的目标优化问题；将目标优化问题建模为多代理的马尔科夫决策问题；采用协同计算与资源分配CCRA算法求解马尔科夫决策问题，输出卸载策略，完成资源分配优化；本发明构建的系统有利于实现全局资源的统一调度与管理；减少边缘服务器的计算负荷，实现对大规模计算密集型和延迟敏感型任务的有效处理；方法中考虑了真实值与数字孪生估算值之间的偏差，并总结了系统因偏差而变化的规律。
-
Patent Agency Ranking
公开(公告)号：CN118102386A
公开(公告)日：2024-05-28
申请号：CN202410497345.6
申请日：2024-04-24
Applicant: 南京邮电大学
IPC: H04W28/06 , H04W28/084
Abstract: 本发明涉及属于移动通信中的边缘计算技术领域，公开了一种D2D辅助MEC网络中的服务缓存和任务卸载联合优化方法及系统，考虑五种任务卸载模式，并进一步将任务卸载和服务缓存的联合优化问题表示为马尔可夫决策问题，利用改进的MAPPO算法训练模型，并据此获取最佳的任务卸载和资源分配策略，联合优化系统包括网络模块、服务缓存模块、任务卸载模块，网络模块包括云服务器、边缘服务器和终端设备。本发明实现了最小化系统时延和能耗。
-
公开(公告)号：CN117873402B
公开(公告)日：2024-05-07
申请号：CN202410261462.2
申请日：2024-03-07
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘缓存技术领域，公开了一种基于异步联邦学习和感知聚类的协作边缘缓存优化方法，包括以下步骤：步骤1、基于异步联邦学习框架，通过感知车辆的移动性特征，在用户本地训练自动编码器AE模型；步骤2、基于车辆感知聚类的预测流行内容的算法对不同活跃度的车辆簇进行内容预测，基于车辆感知聚类的预测流行内容的算法。本发明建立基于车辆感知的边缘缓存系统架构，低用户内容获取时延，并提高用户请求服务的公平性，在模型训练前进行预训练，异步聚合考虑车辆移动性和活跃度，并云聚合边缘RSU的全局模型，提高模型的准确性和泛化性，确保数据的安全性，有效提高内容流行度预测的公平性，从而保证不同用户的缓存服务质量。
-
公开(公告)号：CN117939505B
公开(公告)日：2024-05-24
申请号：CN202410333763.1
申请日：2024-03-22
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘协作缓存技术领域，公开了一种车辆边缘网络中基于激励机制的边缘协作缓存方法及系统，缓存方法包括：步骤1、构建面向移动边缘计算场景激励赋能的边缘协作缓存系统模型；步骤2、提出集成注意力层的离散Soft Actor‑Critic(ADSAC)算法，制定基于深度强化学习的最优协同缓存替换决策，减少内容传输成本，缓存系统包括系统场景及架构、车辆移动模型、系统成本模型、奖励与惩罚模型以及缓存替换模型。本发明构建了一个边缘协作缓存系统模型，综合考虑了车辆的移动性和公平性，将影响用户请求服务质量的因素建模为综合系统成本，提高了缓存决策的准确性和效率，提升缓存系统整体的性能和效益。
-
公开(公告)号：CN117939505A
公开(公告)日：2024-04-26
申请号：CN202410333763.1
申请日：2024-03-22
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘协作缓存技术领域，公开了一种车辆边缘网络中基于激励机制的边缘协作缓存方法及系统，缓存方法包括：步骤1、构建面向移动边缘计算场景激励赋能的边缘协作缓存系统模型；步骤2、提出集成注意力层的离散Soft Actor‑Critic(ADSAC)算法，制定基于深度强化学习的最优协同缓存替换决策，减少内容传输成本，缓存系统包括系统场景及架构、车辆移动模型、系统成本模型、奖励与惩罚模型以及缓存替换模型。本发明构建了一个边缘协作缓存系统模型，综合考虑了车辆的移动性和公平性，将影响用户请求服务质量的因素建模为综合系统成本，提高了缓存决策的准确性和效率，提升缓存系统整体的性能和效益。
-
公开(公告)号：CN117873402A
公开(公告)日：2024-04-12
申请号：CN202410261462.2
申请日：2024-03-07
Applicant: 南京邮电大学 , 边缘智能研究院南京有限公司
Abstract: 本发明属于移动边缘缓存技术领域，公开了一种基于异步联邦学习和感知聚类的协作边缘缓存优化方法，包括以下步骤：步骤1、基于异步联邦学习框架，通过感知车辆的移动性特征，在用户本地训练自动编码器AE模型；步骤2、基于车辆感知聚类的预测流行内容的算法对不同活跃度的车辆簇进行内容预测，基于车辆感知聚类的预测流行内容的算法。本发明建立基于车辆感知的边缘缓存系统架构，低用户内容获取时延，并提高用户请求服务的公平性，在模型训练前进行预训练，异步聚合考虑车辆移动性和活跃度，并云聚合边缘RSU的全局模型，提高模型的准确性和泛化性，确保数据的安全性，有效提高内容流行度预测的公平性，从而保证不同用户的缓存服务质量。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.03 seconds)
