本发明涉及无线通信技术领域，具体涉及战术互联网中一种自适应MAC方法，包括根据系统中各节点发送数据分组的速率，统计信道的实时负载情况，获取在一个统计周期内的信道负载值；计算数据分组传输成功率，并根据该传输成功率自适应地调整信道最大负载值；各节点发送数据分组时，将该数据分组的大小与信道实时负载值相加和与该周期信道最大负载值进行比较，判断是发送该数据分组还是进行退避；当数据分组需要退避时，为不同的优先级数据分组设置不同的退避时间，设置高优先级数据分组退避时间小于低优先级数据分组；本发明不仅极大的提升了系统的吞吐量，而且在一定程度上降低了系统的时延。
📄 2020115698789
📂 H04W28_08
👤 重庆邮电大学
📅 2020-12-26
本发明公开了通信技术领域的一种海洋监测网络计算卸载和资源分配方法，所述方法包括：以最小化无人船时延与能耗加权和为目标构建时延与能耗加权和优化问题，联合优化水下传感器节点USN的发射功率、无人船的发射功率、带宽分配以及卸载比例；求解所述时延与能耗加权和优化问题，得到海洋监测网络计算卸载和资源分配方案；根据所述海洋监测网络计算卸载和资源分配方案，进行海洋监测网络计算卸载和资源分配。本发明提供的海洋监测网络计算卸载和资源分配方法以无人船的时延与能耗和最小为目标，通过联合优化水下传感器的发射功率、无人船的发射功率、带宽分配以及卸载比例，能够使时延与能耗和的显著降低，为用户带来更为良好的体验。
📄 2024106881340
📂 H04W28_084
👤 南京邮电大学
📅 2024-05-30
无人机辅助网络的自适应负载均衡地面用户接入方法，基于深度Q学习网络(DQN)的无人机部署算法和用于GUs访问的自适应和负载平衡(ALB)，将BS‑UAV‑NTN网络中的GUs接入问题化为一个最大化问题，将其转化为未知环境下无人机部署的马尔可夫决策过程(MDP)问题。该方法包括一种基于DQN的无人机部署算法，以及一种对BSs和无人机进行优先级排序的接入方案。仿真结果表明，该访问方案在奖励和访问GUs的数量方面优于传统的Q‑learning和随机方案。
📄 202410440830X
📂 H04W28_08
👤 南京邮电大学
📅 2024-04-12
本发明属于移动边缘计算任务调度、RIS辅助无线通信领域,公开了一种RIS辅助无线通信的三端融合任务调度模型与方法,构建RIS辅助无线通信的MEC通信模型,将用户的计算任务拆分成多个依赖关系约束的任务,并且根据用户任务和信道情况构建三端融合的任务调度模型,用户端使用TSO方法来得到用户的任务调度决策,并将其发送到MEC端和RIS端,RIS端使用AOPO方法来优化无线通信质量,最后,AODSO方法采用交替优化策略来实现调度决策和通信质量的联合优化。本发明可以有效的增强信道增益,改善通信质量,改善边缘任务调度不合理导致的服务器资源浪费问题,从而降低用户的平均时延。
📄 202311422980X
📂 H04W28_08
👤 南京邮电大学
📅 2023-10-31
本发明公开了一种基于服务缓存的无人机辅助任务卸载与资源分配方法，用于多无人机辅助的MEC系统，同时考虑服务缓存以及计算卸载，其中无人机可以缓存部分程序来执行地面终端设备卸载的计算任务，同时本地终端设备可以缓存少量程序来执行部分计算任务；并在所有设备和无人机的任务完成时延要求和无人机能量有限的限制条件下，建立了最小化所有地面终端设备请求任务的总时延优化问题。该问题是一个混合整数非线性规划问题，将其解耦为任务卸载决策、无人机资源分配和无人机轨迹三个子问题，分别采用松弛变量、拉格朗日乘子法、泰勒展开方法对三个子问题进行迭代求解，获得了任务卸载决策、无人机资源分配和无人机轨迹的最优解。
📄 2023104336650
📂 H04W28_08
👤 南京邮电大学
📅 2023-04-21
本发明公开了一种基于D2D通信的计算卸载优化方法，基于图论的多用户任务卸载方法根据用户任务的完成截止时间和能量约束，将用户计算任务划分为时延敏感型任务与能耗敏感型任务，基于图论将空闲设备、MEC服务器以及MCC远端云服务器分别构建相应的时延权重图与能耗权重图，并定义优化目标为时延与能耗；采用最大匹配最小代价图算法求解获得卸载策略，首先求解时延权重图，获得时延敏感型任务的卸载决策及其需要的计算资源，剩余的计算资源用于能耗敏感型任务，求解能耗权重图，获得能耗敏感型任务的卸载决策；本发明通过求解出的卸载决策，降低了完成任务的时延与能耗，能够根据任务的要求，充分利用有限的计算资源完成更多的计算任务。
📄 2022106104333
📂 H04W28_084
👤 南京邮电大学
📅 2022-05-31
本发明公开了一种车联网中任务卸载和资源分配联合优化方法，方法包括：构建超可靠低时延通信URLLC车辆用户与增强移动带宽eMBB车辆用户共存的移动边缘计算MEC系统模型；基于所述MEC系统模型，以系统中所有URLLC车辆用户和eMBB车辆用户时延和能耗的平均成本最小化为目标，以URLLC车辆用户时延约束以及MEC服务器计算资源总量限制为约束条件，构建MEC系统URLLC/eMBB任务卸载和资源分配联合优化模型；采用基于遗传算法的启发式算法对所述联合优化模型进行求解，获得eMBB车辆用户的最优任务卸载率、URLLC车辆用户的最优任务卸载决策和所有车辆用户的计算资源分配方案。
📄 2023100535138
📂 H04W28_08
👤 南京信息工程大学
📅 2023-02-03
本发明公开一种兼顾能耗与体验质量公平性的星地协同任务调度方法，属于边缘计算技术领域，包括：基于移动边缘计算架构构建任务调度模型，计算各待调度任务在不同调度路径下的时延成本、能耗成本及体验质量公平性指标，建立以任务时延和资源容量为约束的星地协同任务调度优化问题；针对星座规模在预设范围内的场景，采用混合整数非线性规划任务调度方法求解所述星地协同任务调度优化问题；否则采用公平性感知混合列生成算法求解所述星地协同任务调度优化问题，得到星地协同任务的最优调度方案。本发明解决了现有卫星边缘计算系统中，无法在满足时延约束的同时兼顾能耗和体验质量公平性，满足对星地协同任务进行联合调度与卸载的问题。
📄 2026105635136
📂 H04W28_084
👤 南京信息工程大学
📅 2026-04-27
本发明公开了一种基于二进制卸载的边缘计算资源分配方法，包括：建立边缘计算网络，每个无线节点的决策mi∈{0,1}；初始化卸载决策M0；根据第l次迭代的卸载决策Ml产生N个候选卸载决策；获取各候选卸载决策的资源分配结果及对应的网络总速率；将网络总速率最大的候选卸载决策作为Ml(j*)；判断Ml(j*)对应的网络总速率是否大于Ml对应的网络总速率，若是，将Ml(j*)及其对应的网络总速率作为Ml+1及Ml+1对应的网络总速率，返回执行下一次迭代，否则，将Ml及对应的资源分配结果作为最终决策分配结果。该方法可快速确定二进制卸载决策及对应的资源分配结果，达到较高的网络总计算速率。
📄 2022105070626
📂 H04W28_084
👤 浙江工业大学
📅 2022-05-10
本发明属于移动边缘计算领域，公开了一种基于基线的自动化边缘计算网络资源分配方法。包括获取各无线设备与各混合接入点之间的信道增益；将信道增益输入离散网络分支预测卸载决策；将信道增益和卸载决策输入并行的第一和第二连续网络分支，预测能量分配比例和卸载时间分配比例；取历史迭代训练后并行的分支作为基线，根据当前时隙的信道增益，输出历史的预测结果；根据当前时隙和历史的预测结果分别计算最大计算速率，更新离散网络分支；根据当前时隙的预测结果，计算当前时隙的最大计算速率，更新第一连续网络分支和第二连续网络分支。本发明在分布式可再生能源为无线设备功能的情况下，达到较高的边缘计算网络整体的最大计算速率。
📄 2026100269580
📂 H04W28_084
👤 浙江工业大学
📅 2026-01-09
一种能量捕获传感网负载均衡的节点接入方法，针对给定的基站和节点物理位置，在安排节点的接入基站过程中，保证每个基站所服务的传感器节点个数不超过给定的值，从而达到负载均衡的效果，而且在满足基站接入节点负载均衡约束的前提下，使节点尽可能接入离得相对较近的基站，从而又达到了相对较高的总吞吐量。该方法能找出较优的节点接入基站选取，达到较好的基站负载均衡效果和较高的网络吞吐量。
📄 201710940311X
📂 H04W28_08
👤 浙江工业大学
📅 2017-09-30
一种无人机辅助边缘卸载决策与无人机轨迹优化方法，包括以下步骤：将F个设备和K架带由边缘服务器的无人机组成系统，系统时间由多个连续的时隙组成；设备在每个时隙把自己的部分子任务卸载给无人机计算，或者本地计算，直至全部任务计算完毕；以最小化每个设备完成任务时间的总和为优化目标，以每个设备的卸载策略A和无人机的位置LUAV为优化变量建立优化模型P；利用基于遗传算法的深度强化学习算法求解优化模型P。本发明适用于设备位置实时移动的移动边缘计算系统场景，根据设备的位置和任务量情况，合理部署无人机位置，并制定合适的卸载决策，可有效减少边缘计算系统的任务完成时延。
📄 2023105163305
📂 H04W28_084
👤 浙江工业大学
📅 2023-05-09
柿子坊 · 知识产权运营
柿子坊知识产权运营平台