“屈毓锛”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果27个，建议您升级VIP下载更多相关专利

[发明专利]面向频谱侦察的无人机集群自适应数据采集方法和系统-CN202310288256.6有效
发明人：董超;吴佳婧;朱小军;屈毓锛;张磊 -专利权人：南京航空航天大学
申请日： 2023-03-23 - 公布日： 2023-10-13 - 主分类号： H04L43/024 文献下载
摘要：本发明提供一种面向频谱侦察的无人机集群自适应数据采集方法和系统，其中方法包括判断当前数据采集周期内采样点数的上限和下限的差是否大于1；如果大于，判断当前数据采集周期内汇聚节点的数据交付率是否小于预设交付率；如果不大于1，判断当前数据采集周期内采样点数的下限和上限是否分别等于第一个数据采集周期内采样点数的下限和上限；如果否，根据当前数据采集周期内各源节点的采样点数的下限计算各源节点采集数据的最终采样频率；本发明利用通信状态参数和数据状态参数调整采样频率，无人机能够动态调整频谱采样频率，使得采样频率达到网络承载的最大值。
面向频谱侦察无人机集群自适应数据采集方法系统

[发明专利]一种基于模型分割的无人机群协同推理方法和系统-CN202310594851.2在审
发明人：董超;任炜清;屈毓锛;孙浩;张磊;吴启晖 -专利权人：南京航空航天大学
申请日： 2023-05-25 - 公布日： 2023-09-26 - 主分类号： G06Q10/0631 文献下载
摘要：本发明提供一种基于模型分割的无人机群协同推理方法和系统，其中方法包括在无人机群中的每架无人机上部署相同的训练好的深度学习模型；将一架无人机作为源无人机，在接收到推理任务请求后，将推理任务发送至无人机群内剩余全部无人机；在剩余全部无人机接收到源无人机发送的推理任务后，分别对自身状态和可用资源进行统计评估，同时对与其他无人机的信道情况进行感知，将统计评估结果和感知结果反馈给源无人机；根据反馈的结果将推理任务按照深度学习模型的层结构和层数量划分为多个子任务，将子任务分配至满足要求的无人机执行，每架无人机仅执行一个子任务。本发明通过在无人机群上部署深度学习模型，并通过多机协同推理，提高任务执行效率。
一种基于模型分割无人机群协同推理方法系统

[发明专利]面向无人机目标识别在线学习的训练参数自适应优化方法-CN202310467692.X在审
发明人：赵卓玥;张卉瑾;高泽凯;王思逸;牛文锴;董超;屈毓锛;吴飞宇 -专利权人：南京航空航天大学
申请日： 2023-04-26 - 公布日： 2023-09-22 - 主分类号： G06V20/17 文献下载
摘要：本发明公开了一种面向无人机目标识别在线学习的训练参数自适应优化方法，包括：采用无人机实际拍摄的图像作为后续的在线学习样本，对无人机目标识别模型进行持续训练；在持续训练过程中，根据设定的批数量对在线学习样本进行划分，采用划分后的批样本对无人机目标识别模型进行迭代训练；根据每次迭代后的得到的计算时间和损失值，计算得到无人机目标识别模型的收敛速度；将计算得到的当前迭代周期的收敛速度与历史最优收敛速度进行比较，根据比较结果，更新最优收敛速度或批数量。本发明有效提高了鲁棒性和降低了训练时延。
面向无人机目标识别在线学习训练参数自适应优化方法

[发明专利]基于大小模型切换的无人机集群动态协同推理系统及方法-CN202310377115.1在审
发明人：董超;李玉;屈毓锛;孙浩;张磊;吴启晖 -专利权人：南京航空航天大学
申请日： 2023-04-11 - 公布日： 2023-07-18 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于大小模型切换的无人机集群动态协同推理系统及方法，无人机集群由多架具有计算能力的异构无人机组成，每架无人机包括：部署于每架无人机上的大模型、小模型、环境感知模块和信息反馈模块，环境感知模块与信息反馈模块连接，信息反馈模块与无人机连接，无人机分别与大模型、小模型连接；环境感知模块用于感知环境信息；信息反馈模块用于接收环境感知模块感知的环境信息，并用于与无人机的通信交流和数据传输；大模型用于根据信息反馈模块接收的环境信息进行无人机协同执行推理任务；小模型用于根据信息反馈模块接收的环境信息进行无人机单机执行推理任务，通过大小模型切换从而更好地完成推理任务。
基于大小模型切换无人机集群动态协同推理系统方法

[发明专利]面向无人机集群的弹性协同推理架构及方法-CN202211083483.7在审
发明人：董超;孙浩;屈毓锛;吴飞宇;任炜清;吴启晖;张磊 -专利权人：南京航空航天大学
申请日： 2022-09-06 - 公布日： 2023-04-07 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种面向无人机集群的弹性协同推理架构及方法，本发明能够根据各节点的状态动态更新调度策略，并且能够应对部分节点失效的情况。另外，本发明可以通过协同推理的方式在无人机搭载的有限性能嵌入式设备上处理更大规模的复杂模型，提高智能应用的精度，同时也能在部分节点连接不可达和恢复连接时自适应地更新分配策略，通过弹性协同提高了无人机集群的抗毁性。
面向无人机集群弹性协同推理架构方法

[发明专利]面向空地一体联邦学习的无人机位置与资源联合优化方法-CN202110895850.2有效
发明人：董超;经宇骞;屈毓锛;沈赟;吴启晖 -专利权人：南京航空航天大学
申请日： 2021-08-05 - 公布日： 2023-02-24 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种面向空地一体联邦学习的无人机位置与资源联合优化方法，属于空地一体联邦学习领域。该方法根据用户的CPU频率、本地训练轮次、本地数据集大小得到该用户在一轮全局训练中所需的计算能耗和计算时延，根据用户与无人机之间的空间路径损耗模型计算出用户一轮全局训练的通信能耗和通信时延，根据计算时延、通信时延、训练精度通过迭代计算最小化总用户训练能耗。本发明无人机位置与资源联合优化方法具有高效节能、智能化的特点，大大节省了人力资源以及能源消耗。
面向空地一体联邦学习无人机位置资源联合优化方法

[发明专利]一种基于协同推理的无人机视觉目标检测在线联邦学习系统及方法-CN202211282223.2在审
发明人：董超;吴飞宇;屈毓锛;孙浩;经宇骞;吴启辉;张磊 -专利权人：南京航空航天大学
申请日： 2022-10-19 - 公布日： 2023-01-03 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于协同推理的无人机视觉目标检测在线联邦学习系统及方法，包括：无人机控制模块向无人机光学吊舱传递控制指令，控制无人机光学吊舱采集不同视角的图像；无人机协同推理模块通过多机协同推理的方式制作为在线样本；无人机客户端模块进行本地模型训练；无人机服务器模块通过模型聚合得到全局模型，对无人机光学吊舱采集到的图像数据进行目标检测；地面站向无人机控制模块传递控制指令，控制无人机的飞行参数，以及对目标检测结果进行实时监控并演示。实现了目标检测模型训练集的实时扩充，使得无人机能够在实际环境中进行更加准确的目标检测，同时有效避免了无人机将采集的待标注图像回传给地面站的损耗。
一种基于协同推理无人机视觉目标检测在线联邦学习系统方法

[发明专利]移动边缘计算中的优化服务部署方法-CN202110526178.X有效
发明人： 屈毓锛;吴帆;陈贵海 -专利权人：上海交通大学
申请日： 2021-05-14 - 公布日： 2022-11-11 - 主分类号： G06F9/48 文献下载
摘要：一种移动边缘计算中的优化服务部署方法，根据历史数据预估服务应用故障的数量，将服务部署问题建模成关于服务部署变量和服务请求调度变量的最大化的优化问题，然后将优化问题简化为只关于服务部署变量的单变量优化问题，再将单变量优化问题转化为关于服务部署变量的集合函数优化问题，最后通过鲁棒算法得到服务部署策略，从而实现优化部署。本发明在面临移动边缘计算环境中可能出现的硬件和软件故障时，能够使得部署服务的总效用达到最大，其中效用可以用任务响应时间等方式来衡量。
移动边缘计算中的优化服务部署方法

[实用新型]一种具有深度强化学习功能的组合式无人机-CN202221127545.5有效
发明人：董超;屈毓锛;蔡泽宇;张楚欣;祖元琨;何兆隆;刘云天 -专利权人：南京航空航天大学
申请日： 2022-05-12 - 公布日： 2022-08-19 - 主分类号： B64C27/08 文献下载
摘要：本实用新型公开了一种具有深度强化学习功能的组合式无人机，包括：机体和机臂，多个所述机臂固定连接在所述机体上；驱动装置，所述驱动装置固定安装在所述机臂的外侧，所述驱动装置的顶端还连接有多个螺旋桨；图像采集装置，所述图像采集装置通过连接法兰固定连接在所述机体的底端中部；支座，多个所述支座固定安装在所述机臂的顶端；顶板，所述顶板固定连接在多个所述支座的顶端，且所述顶板的顶端面为弧面；AI计算板载，所述AI计算板载通过固定组件安装在所述顶板的内侧。该具有深度强化学习功能的组合式无人机，具有显著的定位追踪效果，提高整体板载在运行过程中的散热效果，能够直观的反馈地面端的控制者当前AI计算板载的负载程度。
一种具有深度强化学习功能组合式无人机

[发明专利]边缘服务器优化部署方法-CN202010667440.8有效
发明人： 屈毓锛;吴帆;路栋于;陈贵海 -专利权人：上海交通大学
申请日： 2020-07-13 - 公布日： 2022-05-10 - 主分类号： G06F9/50 文献下载
摘要：一种边缘服务器优化部署方法，根据历史数据预估无法访问服务器数量，并将服务器部署问题建模成关于服务器部署变量和请求服务变量的最大化的优化问题，然后将优化问题转化为只关于服务器部署的单变量优化问题，再将单变量优化问题转化为关于服务器部署变量的集合函数优化问题，最后通过鲁棒算法(Robust)得到服务器部署策略。本发明使用了两步贪心的方法，即目标函数最大和目标函数的边缘值最大的边缘服务器的部署方案，在面对可能出现的硬件和软件故障时，服务器仍能够提供可接受的计算服务水平。
边缘服务器优化部署方法

[发明专利]移动边缘计算中基于相关性的优化任务卸载调度方法-CN202110526175.6有效
发明人： 屈毓锛;吴帆;陈贵海 -专利权人：上海交通大学
申请日： 2021-05-14 - 公布日： 2022-05-06 - 主分类号： G06F9/445 文献下载
摘要：一种移动边缘计算中基于相关性的优化任务卸载调度方法，利用不同计算任务之间具有相关性，通过基于相关性的优化任务调度卸载方法，将具有相关性的任务卸载到同一边缘服务器进行执行，能够使得所有任务总处理时延最小化。本发明整体解决了现有技术的未利用移动边缘计算中计算任务具有相关性的特性，使得未将具有相关性的多个计算任务卸载到同一边缘服务器执行，进而导致所有计算任务的总处理时延较大。
移动边缘计算基于相关性优化任务卸载调度方法

[发明专利]一种无人机轨迹、用户关联和资源分配联合优化方法-CN202110252974.9有效
发明人：董超;游文静;经宇骞;刘青昕;屈毓锛;陶婷;吴启晖 -专利权人：南京航空航天大学
申请日： 2021-03-08 - 公布日： 2022-04-08 - 主分类号： H04W4/029 文献下载
摘要：本发明公开了一种无人机轨迹、用户关联和资源分配联合优化方法，考虑空空通信网络，多架用户无人机与多架MEC无人机组成的支持移动边缘计算的巡查系统，每架用户无人机配备传感器用于数据采集，MEC无人机配备边缘计算服务器用于辅助用户无人机进行计算任务，用户无人机在规定区域中移动以覆盖任务点，其计算任务可以卸载到边缘计算无人机上进行计算，也可以卸载到簇头无人机上进行计算，为了减少用户无人机的能耗，对簇头无人机与MEC无人机的用户关联、计算资源分配以及MEC无人机的轨迹进行了联合优化。本发明可以在保证计算资源和任务完成时间约束下最小化用户无人机总能耗。
一种无人机轨迹用户关联资源分配联合优化方法

[发明专利]一种用于海面低角目标雷达的信号反射场计算方法-CN201810217004.3有效
发明人：魏振华;付光远;李琳琳;伍明;占建伟;范志良;汪洪桥;叶霞;杨文可;屈毓锛;李海龙;罗眉;王利涛 -专利权人：中国人民解放军火箭军工程大学
申请日： 2018-03-16 - 公布日： 2022-02-25 - 主分类号： G01S7/41 文献下载
摘要：一种用于海面低角目标雷达的信号反射场计算方法，它采用迭代的方式，通过将目标函数设为入射角度与反射角度的比值对数，进一步将设定的雷达离反射点距离的初始值逐步迭代，变成最接近实际值的雷达离反射点距离，从而实现了在只规定了雷达天线高度、目标高度和雷达与目标之间的距离时，精确计算规定反射点的位置。此外，还通过将反射系数设为地面反射系数、扩散因子和镜面散射因子的乘积，进一步有效的确定了信号反射场的反射系数，达到了精准计算信号反射场的目的。
一种用于海面目标雷达信号反射计算方法

[发明专利]一种无人机自组网分布式联邦学习方法和系统-CN202111251156.3在审
发明人：董超;屈毓锛;沈赟;周福辉;吴启晖 -专利权人：南京航空航天大学
申请日： 2021-10-26 - 公布日： 2022-01-25 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种无人机自组网分布式联邦学习方法，包括：在每一轮训练过程中，每个无人机接收多个单跳邻居节点发来的本地模型参数，将接收的多个单跳邻居节点的本地模型与该无人机自身的本地模型进行聚合；在得到的聚合模型基础上进行模型更新生成新一轮本地模型；再将更新得到的新一轮本地模型参数广播给各个邻居节点；在每一轮训练开始之前，对无人机自组网结构进行重构以更新每个无人机的单跳邻居节点列表，再开始本轮训练。本发明大大提高了无人机自组网联邦学习的鲁棒性，同时也能提高无人机网络中联邦学习的灵活性和敏捷性，使联邦学习能够更好地适应网络拓扑高动态的无人机网络。
一种无人机组网分布式联邦学习方法系统

[发明专利]一种面向视觉目标识别的无人机边缘计算验证系统和方法-CN202111127405.8在审
发明人：董超;吴飞宇;张在传;胡紫琳;曹闻星;屈毓锛 -专利权人：南京航空航天大学
申请日： 2021-09-26 - 公布日： 2021-12-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种面向视觉目标识别的无人机边缘计算验证系统，其特征在于，所述验证系统包括地面站和安装在无人机本体上的无人机光学吊舱、JetsonNano嵌入式计算机和无人机控制模块。本发明能够过在无人机数据链路上添加边缘节点，将原本需要地面站进行处理的数据将由边缘节点上的嵌入式计算机处理，通过嵌入式计算机上的yolov4机器学习算法以及预先训练好的数据模型能够高效地识别图像中的行人数量，有效避免原本无人机与地面站之间数据传输的延时和信息安全问题，同时在数据进行分流处理也减轻了无人机到地面站链路的信息传输负担。
一种面向视觉目标识别无人机边缘计算验证系统方法

1
2
下一页»
尾页
共 27 条