-
公开(公告)号：CN115866559B
公开(公告)日：2024-04-30
申请号：CN202211490486.2
申请日：2022-11-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种非正交多址接入辅助的车联网低能耗安全卸载方法，包括：设定单基站车联网通信场景，用排队论对车辆到达道路过程建模；用NOMA方式将用户车辆和空闲辅助车辆接入车联网通信系统，在预设系统场景条件下，将空闲辅助车辆与用户车辆的NOMA配对选择、发送功率选择和用户车辆对边缘服务器的计算资源块选择作为优化目标，至少基于计算时延建立约束条件，构建最小化系统能耗的优化问题；利用部分车辆环境下的状态信息训练预先设计的目标A3C网络得到训练完成的目标模型；将待处理车辆的状态信息输入目标模型输出动作作为决策结果。本发明将物理层安全技术和NOMA在车联网边缘计算网络中结合，能确保信息安全并降低系统能耗。
-
公开(公告)号：CN115866559A
公开(公告)日：2023-03-28
申请号：CN202211490486.2
申请日：2022-11-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种非正交多址接入辅助的车联网低能耗安全卸载方法，包括：设定单基站车联网通信场景，用排队论对车辆到达道路过程建模；用NOMA方式将用户车辆和空闲辅助车辆接入车联网通信系统，在预设系统场景条件下，将空闲辅助车辆与用户车辆的NOMA配对选择、发送功率选择和用户车辆对边缘服务器的计算资源块选择作为优化目标，至少基于计算时延建立约束条件，构建最小化系统能耗的优化问题；利用部分车辆环境下的状态信息训练预先设计的目标A3C网络得到训练完成的目标模型；将待处理车辆的状态信息输入目标模型输出动作作为决策结果。本发明将物理层安全技术和NOMA在车联网边缘计算网络中结合，能确保信息安全并降低系统能耗。
-
公开(公告)号：CN114827947A
公开(公告)日：2022-07-29
申请号：CN202210253563.6
申请日：2022-03-15
Applicant: 西安电子科技大学
Abstract: 本发明属于车联网边缘计算技术领域，公开了一种车联网安全计算卸载及资源分配方法、计算机设备及终端，本发明能够克服由于多窃听者和车辆移动带来的不确定性，在考虑物理层安全使得通信安全的同时降低服务延迟。首先将优化问题建模为一个多智能体顺序决策问题，并利用强化学习方法进行求解。由于DQN(Deep Q learning)方法有过估计问题，会高估Q值大小从而降低了性能。因此，采用DDQN(Dueling deep Q learning)的方法来训练多智能体模型。其中利用排队论对车辆的动态过程进行了建模，使得场景更加接近实际的场景。该方法使得用户能够选择一个合理的策略使得所有车辆中最大延迟最小化。
-
-
Search Results
3
records
(took 0.026 seconds)
