专利交易市场

本发明公开了一种Fog‑RAN网络缓存放置问题的建模和决策方法。本发明首先对Fog‑RAN网络的缓存内容放置问题进行建模，其次采用基于广度优先的分布式决策方法缓存内容放置进行决策；首先找到Fog‑RAN网络的雾节点连通子图，然后从每个子图最小编号的雾节点出发，采用受拟阵约束的单调子模优化方法解决它的缓存放置问题，再然后根据广度优先策略找到与其协作的协作雾节点，解决它们的缓存放置问题，一直往下寻找，直到将Fog‑RAN网络中所有的雾节点的缓存内容放置都完成决策。本发明增加了一个协作关系矩阵用于表示雾节点之间的协作关系，并提出了一种新的计算下载时延的目标函数。实现了对雾节点的内容缓存放置的有效决策，可以降低用户的平均下载时延。

本发明公开了一种多跳无线网络的分布式免同步传输调度系统，包括：设计模块，用于设计单跳免同步收发调度模式；构建模块，用于构建多跳无线网络系统模型；选择模块，用于发送时隙的均匀分布情况，并选择一种调度方案；第一分配模块，用于将所述选择的调度方案分配到网络中的所有节点；第二分配模块，用于若子网间存在干扰的场景，改变分配策略，使得节点与同层临近子网的相邻节点分配不同的调度模式；汇聚模块，用于使传感节点按照采样周期周期性的上传数据包到汇聚节点；应答模块，用于在汇聚数据流中加入ACK应答机制；分发模块，用于使汇聚节点周期性地将数据包分发到全网所有节点。

本发明公开了一种基于网络编码的车联网边缘节点内容缓存方法及系统，针对由若干路边单元(Road Side Unit,RSU)作为某一段道路/区域边缘节点的蜂窝车联网系统：该方法及系统进行车辆用户内容请求模式的建模，预测某一台车辆从特定边缘节点获取其需要的内容的概率，再基于网络编码方法对待缓存内容进行按需编码，最后将内容块存储在各路边单元RSU中，用于提高用户内容请求命中率‑即所请求的数据可直接从RSU获取到的概率。本发明所提出的方法较已有的考虑车辆移动过程的缓存方法，具有受不确定性环境影响更低，边缘节点处缓存内容命中率更高等优势。

本发明实施例公开了一种一体机的无线投屏模块及投屏方法，包括以下步骤：建立移动终端、投屏数据处理模块和显示器之间的通信连接关系；选择至少一个移动终端的投屏方式，将移动终端的投屏数据通过无线投屏模块按照投屏方式同步或者异步投放到显示器；选择少于显示器分屏数量的投屏数据，定义显示器分屏位置与投屏数据之间的映射关系；将投屏数据在显示器上分屏播放；本方案将移动终端的待投屏数据进行下载存储，并间接将无线投屏模块内下载存储的投屏数据进行播放，在投屏过程中便于移动终端进行其他操作而不影响投屏显示，同时将投屏数据根据设定的顺序实时或者暂存缓冲投屏至对应不同的分屏。

本发明公开了移动网络内容缓存与智能优化技术领域的一种异构蜂窝网络内容缓存方法和系统，旨在解决移动网络中的内容缓存与传输的优化问题。方法包括：基于搭建好的用户请求模型获取当前访问用户的内容请求概率、基站的内容缓存状态和本地缓存器的内容缓存状态；根据所述当前访问用户的内容请求概率、基站的内容缓存状态和本地缓存器的内容缓存状态，获取当前系统状态；根据所述当前系统状态，基于在线决策模型生成缓存决策并执行缓存动作。本发明能够快速适应内容缓存优化目标的动态变化，同时保持良好的性能。

本发明涉及一种雾计算网络中基于联邦学习的内容缓存方法，属于移动通信技术领域。通过在F‑RAN中部署内容缓存，可以实现快速、重复的数据访问，减轻网络传输流量。由于缓存容量的限制，预测内容的流行度并缓存哪些流行内容是非常重要的。通常，大多数经典的预测方法都需要在一个中央单元收集个人用户信息，导致了许多用户隐私问题。本发明提出了一种基于联邦学习的智能F‑RANs范例。将联邦学习应用于需求预测问题，可以准确预测网络中内容流行度分布。此外，考虑到用户的内容请求，本发明联合优化了网络中存储资源分配和内容放置问题。本发明将联合优化问题表示为一个整数线性规划模型，目标是最小化网络总流量成本。

本发明请求保护一种基于移动性和流行度感知的自适应边缘内容缓存方法，属于通信技术领域。针对移动边缘计算场景下，用户自由移动和内容流行度实时变化的问题，提出一种自适应边缘内容缓存方法。根据内容的全局和局部流行度，以及边缘服务器的缓存容量约束，初始化内容的边缘缓存配置；根据内容流行度的实时变化、用户的时空转移特性，以及边缘服务器的缓存资源状态，对内容缓存配置进行自适应动态更新，从而有效提高边缘缓存命中率，降低内容下载时延。