本发明属于边缘计算技术领域，尤其涉及一种基于信息年龄的异构边缘计算网络卸载与资源分配方法。本发明包括根据每个移动设备的经验进行联邦学习，根据联邦学习得到的全局神经网络参数更新每个移动设备的本地神经网络；对本地神经网络进行训练，利用训练好的本地神经网络输出当前时隙对应任务的卸载决策；使用精英保留遗传算法对不满足能耗约束的卸载决策进行调整；计算每个基站分配给每个移动设备的计算资源和带宽资源；执行卸载决策和计算资源与带宽资源分配任务；计算每个移动设备的奖励。本发明既降低了问题求解的复杂度，又通过安全学习机制确保严格满足能耗约束，显著提升了策略的收敛速度和鲁棒性。
📄 2025107313293
📂 H04W72_0453
👤 浙江工业大学
📅 2025-06-03
一种基于数据安全的非正交多址接入系统下行链路线性搜索式功率分配优化方法，包括以下步骤：(1)在基站的覆盖范围下有两个用户以及一个窃听者，提出一个旨在最大化目标用户安全传输速率的问题；(2)分析上述问题，提出问题的一种情况，并进行等效转化；(3)对问题进行分层处理，针对问题的底层问题以及顶层问题提出基于线形搜索的方法；(4)根据提出的线性搜索方法，得到问题在当前情况下的最优解。本发明提高了目标用户的安全吞吐量，获得了更加优质的无线网络服务质量。
📄 2019103427942
📂 H04W72_04
👤 浙江工业大学
📅 2019-04-26
本发明提供移动场景下基于信号增强的深度强化学习带宽估计方法，涉及移动通信技术领域，包括采集网络传输状态数据，将RSSI值归一化并滤波，构建包含网络传输状态特征、时序特征和RSSI值的状态空间，输入演员‑评论家结构的深度强化学习模型进行带宽预测，并基于RSSI值差异触发带宽保护机制。本发明能有效提高移动场景下带宽预测精度，降低网络波动影响，提升信号传输质量。
📄 202511174543X
📂 H04W72_0457
👤 浙江工业大学
📅 2025-08-21
一种无线携能通信中继网络中最大化传输和速率方法，通过对提出的无线携能通信中继网络建立相应的数学模型；证明了在总功率等于最大功率时，可求得最优解；通过让传输时隙两个阶段的速率相等，从而求出每个中继节点最优的功率分配因子；通过求出的最优的功率分配因子，转换相应的数学模型；对于新转换的数学模型，通过拉格朗日求解乘数法求得源节点在每个频谱上分配的功率；通过注水算法求得最终的功率分配以及相应的最大和速率。本发明通过合理设置源节点在不同频谱上分配的功率、中继节点相应的功率分配因子，从而求得最大的传输和速率。
📄 2020100169782
📂 H04W72_0453
👤 浙江工业大学
📅 2020-01-08
一种无线携能通信网络中最小化上下行链路传输时间方法，包括如下步骤：步骤1，通过对新提出的无线携能通信网络建立数学模型我们发现，该问题是非凸的；步骤2，通过证明我们发现，传输总时间关于下行链路传输时间是凸函数；步骤3，提出黄金分割搜索算法，并进一步缩小搜索范围，求出最优的下行链路传输时间；步骤4，通过求出的下行链路传输时间，求出其他变量以及最小的总时间。本发明通过合理设置源节点的发射功率、源节点的下行链路传输时间、用户节点在上行链路中的传输时间、用户节点的功率分配因子，以达到上下行链路传输时间最小化。
📄 201911152239X
📂 H04W72_04
👤 浙江工业大学
📅 2019-11-22
一种基于粒子群算法的非正交多址接入联合带宽和速率分配方法，首先，基站BS通过非正较频分多址接入技术发送数据，为移动终端提供数据流量服务；接着，分析系统特性对问题进行等价转化，并将其分解为为顶层问题和底层问题；根据转化得的底层问题特性设计高效的算法求解，最后将算法输出结果代回顶层问题求得最优的带宽与速率分配值。本发明在无线蜂窝网络中应用NOMA技术进行数据发送，为了实现下行链路非正交多址接入节能传输，将带宽与速率联合考虑，在满足所有MU数据流量需求的前提下联合分配带宽和速率实现最高能效的数据传输。
📄 2018110382049
📂 H04W72_04
👤 浙江工业大学
📅 2018-09-06
本发明公开了一种无线供能边缘计算网络的资源分配方法，按照设定的步长，从供能时长比例的取值范围中，依次选取当前供能时长比例，进行迭代，确定当前供能时长比例情况下各无线设备用于任务卸载通信的能量比例和任务卸载通信时长比例，选取所述无线供能边缘计算网络总计算速率最大时的供能时长比例，设置所述射频能量发射器对无线设备在每个时间帧开始时进行无线供能；配置每个无线设备在每个时间帧内以所选取的供能时长比例对应的任务卸载通信时长和能量分配比例进行任务卸载通信。本发明能够快速计算出部分卸载的能量分配和时间分配方案，同时也得到较高的网络计算速率。
📄 2022100888686
📂 H04W72_044
👤 浙江工业大学
📅 2022-01-25
本发明公开了一种基于深度强化学习的移动无线供能物联网资源分配方法，在时隙的控制阶段，混合接入点在接收到接收范围内所有的物联网节点发送的包含自身当前剩余能量和数据包数量的状态信息后，基于深度强化学习得到资源分配信息，混合接入点把资源分配信息通过控制信道广播给接收范围内所有的物联网节点。在时隙的数据传输阶段，收到来自混合接入点的广播数据后，根据自身的信道获得情况选择是否发送数据。在时隙的能量捕获阶段，物联网节点进行能量捕获。混合接入点通过当前时隙获得的物联网节点的状态信息、资源分配结果和吞吐量训练深度强化学习。本发明增加了网络资源的利用率，达到节能并提高无线供能物联网总吞吐量的目的。
📄 2023107652363
📂 H04W72_04
👤 浙江工业大学
📅 2023-06-27
一种基于正交频分复用解码转发双向协作的无线携能通信方法，在该方法中，两个源节点发送信息给中继节点，中继节点用一部分子载波接收信息，用剩余部分子载波来收集能量，然后利用其收集到的全部能量，转发源节点的信息；中继节点只需要知道哪些子载波用于信息接收，哪些子载波进行能量接收，即中继节点只要知道用于信息接收和能量接收的子载波序号，不需要增加分配器。本发明有效降低了设备的设计复杂度，提高无线通信系统的能量效率。
📄 2018113729484
📂 H04W72_04
👤 浙江工业大学
📅 2018-11-19
本发明公开了一种应用于双向DF中继系统的满足SWIPT的多维资源分配方法。该方法旨在联合优化源端功率分配、中继信能功率分割比以及传输时间分配来提升系统的中断性能，其基本思想是首先依照系统模型建立最小化系统中断概率的优化模型，然后将优化中断概率的原优化问题等价转换为最大归一化信噪比问题，最后对优化问题进行降维处理并结合两步优化算法和放缩法求出各资源分配的闭式解。本发明降低了双向DF携能中继系统多维资源分配的复杂性，为中断性能的提升提供了一种有效的资源分配方案。
📄 2020103829214
📂 H04W72_04
👤 重庆理工大学
📅 2020-05-08
本发明公开了一种超密集组网下基于双层非合作博弈理论的功率分配方法，其特征在于，包括如下步骤：设定各SBS和MUE的功率初始分配值，依据预先设定好的定价因子，同时根据各自的博弈收益函数进行博弈，选择各自的博弈策略，也即功率分配策略，直到达到均衡值；设定各SUE的功率初始分配值，在SBS得到各自博弈的均衡值后，依据设定的定价因子和博弈收益函数进行功率博弈，直到达到均衡值。本发明能够协调各个网络间的功率分配，在控制各层干扰的同时，也能有效地通过博弈求得最优的功率分配集合。
📄 2018100631168
📂 H04W72_04
👤 南京邮电大学
📅 2018-01-23
本发明涉及一种超密集环境下基于模拟退火算法的虚拟映射方法，首先将超密集网络系统初始化，并建立微基站合集B和位置集合Ab，其次通过业务到达过程和业务持续时间建立业务到达模型，根据业务到达模型构建信道分配矩阵，通过信道分配矩阵和干扰模型计算各个用户的信干比，进而获得各个用户的网络吞吐量，然后将宏基站和微基站的无线资源进行虚拟化，形成一个无线频谱池，最后将频谱切片根据用户请求分配到各个微基站对用户进行服务。本发明的优点是采用无线虚拟网络映射的方法，将频谱资源虚拟化，通过最优化算法满足网络吞吐量最大，实现动态的最佳无线频率资源的配置。
📄 2018101213592
📂 H04W72_04
👤 南京邮电大学
📅 2018-02-07
柿子坊 · 知识产权运营
柿子坊知识产权运营平台